METODE PENELITIAN
Lokasi dan Waktu PenelitianPenelitian ini dilaksanakan di Kabupaten Agam, Sumatera Barat yang meliputi 15 kecamatan dengan 73 nagari. Pelaksanaaan penelitian lapangan dilaksanakan bulan Juni - Agustus 2006.
Pengumpulan Data
Dalam penelitian ini data yang dikumpulkan bersumber dari dinas/instasi yang terkait seperti BAPPEDA Kabupaten Agam, BPS Kabupaten Agam, Dinas Pertanian, Perkebunan dan Kehutanan Kabupaten Agam dan pihak-pihak yang terkait lainnya. Data yang digunakan adalah data sekunder, yang tediri dari data kuantitatif yang berasal dari data Podes tahun 2005, survey pertanian serta Kabupaten Dalam Angka tahun 2005. Selain itu juga digunakan peta-peta seperti Peta Administrasi Kabupaten, Peta Iklim, Peta Tanah, Peta Lereng, Peta Penggunaan Tanah, Peta RTRW. Untuk analisis land rent, data yang digunakan adalah data primer berupa data produksi dan biaya produksi.
Analisis Data
Perumusan Indikator Wilayah yang Layak Dicadangkan untuk
Kawasan Produksi Beras
Untuk mengetahui wilayah-wilayah mana saja yang layak dicadangkan sebagai kawasan produksi beras, terlebih dahulu harus ditentukan indikator-indikator yang dapat dijadikan sebagai ukuran penentu. Dalam kaitannya dengan tujuan penelitian ini, belum ada indikator yang jelas dan yang bersifat baku untuk dijadikan ukuran penentu wilayah yang layak dicadangkan. Dalam penelitian ini perumusan indikator dilakukan dengan pendekatan aspek-aspek yang terkait dengan sistem produksi padi. Aspek-aspek yang dapat digunakan tersebut berkaitan dengan ; (1) input- input yang digunakan, (2) sarana/prasarana penunjang. Kedua aspek tersebut akan mempengaruhi produktivitas, yang akan menentukan jumlah produksi yang akan dihasilkan dan pada akhirnya akan mempengaruhi benefit/keuntungan usahatani.
Aspek-aspek yang digunakan dalam perumusan indikator tersebut meliputi a. Luas lahan potensial yang sesuai untuk padi sawah.
Luas lahan yang potensial didapat dari hasil tumpah tindih peta kesesuaian lahan dengan peta pengunaan lahan dan peta arahan pemanfaatan ruang (RTRW)
b. Ketersediaan tenaga kerja
Ketersediaan tenaga kerja ini mengambarkan jumlah, struktur, dan penguasaan terhadap lahan bagi rumah tangga tani padi yang terdapat dalam wilayah tersebut.
c. Ketersedian sarana produksi padi
Sarana produksi yang dimaksud adalah ketersediaan dalam jumlah baik benih, pupuk dan obat-obatan yang dicirikan dengan jumlah toko/kios yang menjual bahan/alat saprodi tersebut.
d. Ketersediaan alat dan mesin pertanian, yang digambarkan dengan jumlah traktor, pompa air, hand sprayer dll
e. Ketersediaan sumber air, yang dalam hal ini digunakan adalah proporsi luas sawah yang memiliki sistem pengairan.
f. Kemudahan Aksesibilitas.
Usaha tani akan dapat mengurangi biaya transportasi baik input maupun outputnya jika aksesibilitas yang ada telah baik. Dalam hal ini digunakan jenis jalan, jumlah dan jenis alat transportasi.
g. Jumlah usaha pengolahan padi, dengan melihat jumlah penggilingan padi. h. Keberadaan lembaga keuangan dan sistem kelembagaan sosial petani.
Keberadaan lembaga keuangan akan memberikan kemudahan bagi petani dalam hal permodalan untuk mengembangkan usahataninya. Lembaga keuangan yang dilihat adalah, KUD, BPR atau Bank-bank lainnya yang ada pada wilayah pedesaan, sedangkan sistem kelembagaan sosial yang dimaksudkan adalah jumlah penyuluh, KUD, kelompok P3A dan lain- lain.
Berkaitan dengan ketersediaan lahan yang potensial, tahap awal yang harus dilakukan adalah penentuan areal potensial berdasarkan aspek spasial dan biofisik. Hal ini dimaksudkan untuk melihat kemungkinan pencadangan kawasan produksi beras dalam arahan pemanfaatan ruang yang telah disusun dalam RTRW. Selain itu juga untuk melihat pola penyebaran lahan sawah berdasarkan kelas kesesuaiannya. Dalam penelitian ini metode yang digunakan adalah overlay
peta land use Kabupaten Agam tahun 2005 skala 1 : 100 000 dengan peta kelas kesesuaian untuk padi sawah, yang menghasilkan peta satuan lahan homogen sesuai sawah. Lahan-lahan dengan kelas kesesuaian N (tidak sesuai) dengan pembatas lereng dianggap sesuai karena petani telah mengolah lahan tersebut dengan sistem teras. Kriteria dalam menentukan areal potensial untuk kawasan produksi beras berdasarkan pengunaan lahan, RTRW dan kelas kesesuaian lahan secara lengkap dapat dilihat pada Tabel 2.
Tabel 2 Kriteria penentuan areal potensial untuk kawasan produksi beras Penggunaan lahan RTRW Kesesuaian Kategori
Sawah Non-KB S1, S2, S3, N Tidak Potensial
KB Semua Potensial
RTH
Non-KB Semua Tidak Potensial
KB S1, S2 Potensial
S3, N Tidak Potensial Non-RTH, Non Sawah Semua Semua Tidak Potensial
Ket : RTH = Lahan Terbuka, Semak Belukar, Tegalan, Kebun Campuran, Kebun Kelapa, Kebun Kelapa Sawit, dan Hutan , KB = Kawasan Budidaya dan Kawasan Budidaya Terbatas, Non KB = Pemukiman, Kawasan Lindung dan Tubuh Air.
Selanjutnya hasil overlay dilakukan overlay lagi dengan peta RTRW kabupaten Agam tahun 2005-2015 dengan skala 1 : 100 000, untuk melihat apakah areal potensial tersebut berada pada kawasan budidaya atau tidak. Peta RTRW diperoleh dari Bappeda Kabupaten Agam dan peta kesesuaian lahan merupakan hasil pengolahan data spasial. Lahan yang layak dan potensial dijadikan kawasan produksi beras berdasarkan kesesuaian secara spasial dan biofisik adalah lahan yang sesuai untuk padi kelas S1 dan S2. Kelas kesesuaian S3 tidak termasuk areal yang potensial dalam penelitian ini dengan alasan bahwa menurut Djaenudin et al. (2003) kelas kesesuaian S3 merupakan lahan dengan faktor pembatas yang berat, memerlukan modal tinggi untuk mengatasi faktor pembatas, sehingga perlu adanya campur tangan pemerintah atau pihak swasta karena petani tidak mampu mengatasinya. Selain itu luasnya tidak seberapa sehingga tidak masalah untuk tidak dimasukkan ke dalam lahan yang potensial. Software yang digunakan dalam
analisis ini adalah ArcView Ver 3.2., sedangkan diagram alir metode tersebut dapat dilihat pada Gambar 4.
Gambar 4 Diagram alir penentuan areal potensial sesuai untuk padi sawah. Selanjutnya dilakukan perumusan kriteria berdasarkan faktor-faktor yang mempengaruhi produksi padi, yang terdiri dari input-input dan sarana/prasarana penunjang produksi. Input-input yang tersedia dan didukung oleh sarana dan prasarana yang memadai diharapkan akan meningkatkan produktivitas dan pada akhirnya akan meningkatkan pendapatan petani (Gambar 5).
Overlay Overlay Apakah pada Kwsn Budidaya ? Ya Tidak Areal/lahan Potensial Sesuai Padi Sawah - Existing - Potensial Kawasan Lindung Satuan Lahan Homogen
Sesuai Padi Sawah
Peta Penggunaan Lahan Peta Kelas Kesesuaian Lahan Peta RTRW Kab. Agam
Keterangan : A : Ketersediaan Lahan B : Tenaga kerja C : Saprodi D : Alsintan E : Ketersediaan Air F : Aksesibilitas
G : Usaha Pengolahan/Penggilingan padi
H : Permodalan dan Sistem Kelembagaan Sosial
Gambar 5 Perumusan indikator penentuan kawasan produksi beras berdasarkan aspek ekonomi, sosial dan sarana/prasarana penunjang produksi beras.
Produktivitas Pendapatan
Produksi Padi
Input Sarana/prasarana Penunjang
Untung/Rugi Biaya A B C D E F G H Indikator/Kriteria Kelayakan untuk Pencadangan Kawasan Produksi Beras Peubah-Peubah
Analisis Struktur Keterkaitan antar Indikator dan Indeks Komposit Kelayakan Wilayah untuk Pencadangan Kawasan Produksi Beras
Analisis statistika dapat digunakan untuk memudahkan dalam menginterpretasikan suatu keadaaan atau fenomena. Penggunaan data yang berasal dari hasil eksplorasi yang dihimpun dari data-data yang berkaitan dengan sosial ekonomi wilayah, maka analisis statistik multivariate dapat digunakan untuk menganalisis fenomena yang terjadi (Saefulhakim, 2004). Hal ini dilakukan karena pada kenyataannya peubah-peubah yang digunakan saling berkorelasi satu sama lain dengan tingkat keeratan hubungan yang bervariasi. Jika dua peubah berkorelasi sangat erat, maka variasi antar kedua peubah tersebut sebenarnya dapat diungkapkan oleh salah satu peubah saja, sehingga perlu dilakukan penyederhanaan dimensi peubah yang digunakan.
Salah satu metode yang sering digunakan untuk memperkecil dimensi peubah yang saling berkorelasi adalah Principal Components Analysis (PCA). Dalam penelitian ini analisis PCA dilakukan untuk melihat struktur keterkaitan antar indikator/peubah yang dirumuskan. Hasil analisis PCA merupakan faktor utama yang membentuk suatu indeks komposit. Indeks komposit adalah gabungan peubah asal yang saling mempengaruhi dalam suatu analisis. Tujuan analisis PCA adalah ortogonalisasi peubah, yakni ; mentransformasikan suatu struktur data dengan peubah-peubah yang saling berkorelasi, menjadi struktur data baru dengan peubah-peubah baru (faktor) yang tidak saling berkorelasi. Selain itu PCA juga berguna untuk penyederhanaan peubah sehingga menghasilkan peubah baru yang jauh sedikit dari pada peubah asalnya, namun total kandungan informasinya atau total ragamnya relatif tidak berubah. Teknik ekstraksi data dengan PCA/FA pada dasarnya adalah dengan memaksimalkan keragaman dalam 1 (satu) peubah/faktor yang baru dan meminimalkan keragaman dengan peubah/faktor yang lain, menjadi peubah yang saling bebas (independent). Secara rinci metode analisis PCA ini dapat dilihat dalam Saefulhakim (2004) dan Jambu (1991) sedangkan contoh penerapannya yang relevan dengan penelitian ini adalah Irawan (2003), Irawan et al. (1992) dan Taryoto (1982). Langkah- langkah yang dilakukan dalam analisis ini adalah sebagai berikut :
Tujuannya adalah menghilangkan variasi data antar peubah yang dilakukan dengan formula : j j ij ij s x y = −µ
yij adalah peubah baru yang telah disederhanakan
xij adalah peubah nilai X pada wilayah i peubah j
µj adalah nilai rata-rata masing- masing peubah
sj adalah simpangan baku masing- masing peubah
b. Ortogonalisasi Peubah
Tujuannya adalah membuat peubah baru Zα (α=1,2,...,q≤p) yang memiliki karakteristik:
(1) satu sama lain tidak saling berkorelasi, yakni: rαα’ = 0, (2) nilai rataan masing- masing, tetap sama dengan nol, dan
(3) nilai ragam masing- masing Zα sama dengan λα ≥ 0, dimana ∑αλα = p. c. Penyederhanaan jumlah peubah
Sesuai dengan tujuan dasar kedua dari analisis PCA maupun FA adalah penyederhanaan jumlah peubah, maka langkah yang dilakukan adalah dengan mengurutkan masing- masing faktor atau komponen utama (Fα) yang dihasilkan, dari yang memiliki eigenvalue (λα) tertinggi hingga terendah, yakni :
a) Memilih faktor- faktor atau komponen-komponen utama yang memiliki λα≥1, artinya faktor atau komponen utama yang memiliki kandungan informasi (ragam) setara dengan informasi yang terkandung dalam satu peubah asal,
b) Membuang faktor atau komponen utama yang mempunyai eigenvalue antar dua faktor atau komponen utama yang berdekatan/tidak begitu signifikan, jika (λα-λ(α - 1)) <1,
c) Alternatif lain digunakan juga metode The Scree Test dimana dari hasil scree plot yang dipilih adalah yang paling curam,
d) Menentukan faktor- faktor atau komponen-komponen utama yang memiliki koefisien korelasi nyata minimal satu peubah asal. Kriteria yang
digunakan adalah | rαj|≥0.7 Hal ini dimaksudkan agar setiap faktor atau komponen utama yang terpilih, paling tidak memiliki satu penciri dominan dari peubah asalnya.
Peubah yang digunakan dalam analisis ini adalah hasil perumusan dari indikator penentuan kriteria kawasan yang layak dicadangkan untuk kawasan produksi beras dan perhitungannya dilakukan dengan menggunakan software aplikasi statistica versi 6.
Analisis Pengelompokkan dan Tipologi Wilayah Berdasarkan Hirarki Kelayakan Kawasan untuk Produksi Beras
Teknik pewilayahan (Cluster Analysis) merupakan salah satu teknik untuk membatasi wilayah berdasarkan kemiripan karakteristik tertentu dari suatu hamparan wilayah. Teknik ini dapat mengadopsi konsep wilayah yang telah berkembang seperti konsep wilayah nodal atau konsep wilayah homogen. Teknik klasifikasi wilayah yang akan digunakan dalam penelitian ini adalah teknik analisis multivariate dengan analisis gerombol berhirarki (hierarchical clustering method). Salah satu penerapan metode cluster analysis ini adalah penelitian yang dilakukan oleh Roel dan Plant (2002) untuk melihat tipologi secara spasial hasil beras di California.
Prinsip dasar pengelompokkan adalah ragam dalam kelompok harus minimum dan ragam antar kelompok harus maksimum. Penggerombolan akan dibuat dalam 4 kelompok yaitu : layak, agak layak, kurang layak dan tid ak layak dicadangkan untuk kawasan produksi beras. Sebelum melakukan penggabungan data, perlu dihitung terlebih dahulu jarak antar dua gerombol data dengan ciri yang serupa. Untuk dapat dilakukan penggerombolan data diperlukan suatu skala pengukuran yang sama. Jika skala data tidak sama data perlu ditransformasikan dalam bentuk skor tertentu yang disebut jarak antara lain : jarak mahalanobis, jarak euclidean, jarak kuadrat euclidean, jarak manhattan (city-block), jarak chebycev, power distance, dan percent disaggreement. Ukuran jarak yang sering digunakan adalah jarak euclidean (Euclidean distance). Persamaan penghitungan jarak euclidean antar dua titik atau dua gerombol adalah :
Nilai Dij merupakan jarak antar titik data/gerombol pada lokasi i dan j. Makin kecil nilai Dij makin besar kemiripan data lokasi i dan j. Asumsi yang harus dipenuhi dalam penggunaan jarak euclidean ini adalah bahwa antar peubah tidak terjadi multicollinearity atau peubah-peubah yang ada saling tegak lurus (ortogonal). Selanjutnya dilakukan analisis diskriminan dengan menggunakan Discriminant Functions, yang merupakan salah satu analisis multivariate untuk menentukan variable mana yang membedakan secara nyata kelompok-kelompok yang telah ada secara alami. Dengan kata lain, ana lisis ini digunakan untuk menentukan peubah yang merupakan penduga terbaik dari pembagian kelompok-kelompok yang dibuat. Sehingga peubah tersebut dapat membedakan secara nyata antar kelompok tersebut.
Fungsi yang digunakan adalah mirip dengan fungsi regresi dengan variable bebas Grup (g) adalah resultan skor kelompok sedangkan peubah tak bebasnya adalah X yaitu peubah-peubah yang digunakan sebagai penduga.
Skor Grup (g) = ag + b1gX1+ b2gX2 + ….+ bmgXm
Peubah dengan nilai koefisien regresi terbesar merupakan peubah yang mempunyai peranan besar dalam membedakan kelompok-kelompok tersebut. Hasil pengolahan statistik ini akan menghasilkan tipologi wilayah berdasarkan indikator yang telah dirumuskan.
Analisis dan Pemetaan Pola Spasial Tipologi Wilayah untuk Kawasan Produksi Beras.
Selanjutnya dilakukan analisis dan pemetaan pola spasial indeks komposit penentu kelayakan wilayah untuk kawasan produksi beras. Analisis ini dimaksudkan untuk melihat pola pernyebaran secara spasial dari indeks komposit yang menjadi penentu kelayakan kawasan yang akan dicadangkan sebagai kawasan produksi beras. Metode yang digunakan untuk analisis ini menggunakan metode analisis deskriptif dan pemetaannya dilakukan dengan menggunakan Software ArcView Ver 3.2 dengan mengunakan peta utama/induk peta administrasi kabupaten skala 1 : 100.000.
Analisis Land Rent Usahatani Padi Sawah
Untuk mengetahui pendapat petani secara rata-rata dilakukan pendekatan terhadap rataan penerimaan bersih (Land Rent) per hektar per tahun dari penggunaan lahan untuk padi sawah. Data yang digunakan adalah data primer dari hasil wawancara dengan tiga orang petani untuk masing- masing tipologi wilayah. Selanjutnya data-data tersebut diolah dengan perhitungan land rent-nya menggunakan rumus berikut.
dimana :
Penerimaan bersih (land rent) : Rp/ha/thn Penerimaan (Rp/thn) : CI x Y x Hy Biaya (Rp/thn) : CI x ΣXk. Bk CI : Cropping Intensity (kali/thn)
A : Luas Lahan (ha) Y : Produksi/ha (ton/ha)
Hy : Harga/ton (Rp/ton) produksi y y : Komoditi padi
Xk : Jenis input ke-k Bk : Biaya input ke-k
(CI x A x Y x Hy) – (CI x A x ΣXk. Bk) Land Rent =
