DINAMIKA KETERSEDIAAN BERAS : SEBUAH STUDI KASUS DI KALIMANTAN SELATAN. (The Dynamics of Rice Availability: A Case Study in Kalimantan Selatan)

(1)

ZIRAA’AH, Volume 41 Nomor 2, Juni 2016 Halaman 242-249 ISSN ELEKTRONIK 2355-3545

DINAMIKA KETERSEDIAAN BERAS :

SEBUAH STUDI KASUS DI KALIMANTAN SELATAN

(The Dynamics of Rice Availability: A Case Study in Kalimantan Selatan)

Alan Dwi Wibowo

Jurusan Teknologi Industri Pertanian Fakultas Pertanian, Universitas Lambung Mangkurat Kampus Faperta Unlam, Jl. A. Yani Km 36, Banjarbaru 70714 Kalimantan Selatan

Telp/Fax +62 511 4772254 E-mail: [email protected]

ABSTRACT

The availability of rice have an impact on the stability of the economic, social, and security of a region, further rice as a staple food has a strategic position. Therefore, it needs to be managed properly to ensure their availability in order to maintain the regional stability. This paper aims to investigate the leverage point in rice production model, where the leverage point will serve as the basis for the availability of rice policies model development which will support food security protocols. System dynamics approach is used in this study, while Kalimantan Selatan is selected as case study. As the result, productivity and land management became a major leverage point in order to escalate rice production in Kalimantan Selatan.

Keywords: rice, system dynamics, food security

PENDAHULUAN

Beras saat ini menduduki posisi sebagai bahan pangan pokok utama bagi masyarakat Indonesia. Berdasarkan peraturan yang berlaku, pemerintah berkewajiban untuk menjamin ketersediaan bahan pangan pokok bagi masyarakat, utamanya adalah beras. Isu ketersediaan beras ini menguat karena berkaitan dengan protokol ketahanan pangan

yang juga menjadi populer karena

bersinggungan langsung dengan kebutuhan dasar kehidupan masyarakat. Kegagalan pemerintah dalam mengelola ketersedian beras dapat memberikan dampak berupa konflik sosial, untuk itu beras memiliki peran yang strategis (Irawan, 2005; Suryani, 2013). Kemampuan menjaga ketersediaan beras secara tidak langsung dapat menjaga stabilitas keamanan, sosial, dan ekonomi. Untuk itu pemerintah harus memberikan perhatian yang cukup dalam pengelolaan ketersediaan beras (Somantri dan Thahir, 2007).

Produksi beras dalam negeri belum

mencukupi kebutuhan nasional. Upaya

pemenuhan target kebutuhan beras pun dilakukan oleh pemerintah. Untuk mengatasi ketersediaan beras ini, Indonesia menetapkan banyak kebijakan diantaranya kebijakan

peningkatan produktivitas, pencanangan

program swasembada beras, penetapan harga pembelian pemerintah, dan strategi impor beras.

Penelitian yang berkaitan dengan ketersediaan pasokan pangan telah banyak dilakukan dalam beberapa tahun terakhir (Kumar dan Nigmatullin, 2011; Ahumada dan Villalobos, 2008; Giogiadis, et al., 2004). Kumar dan Nigmatullin (2011) menyatakan bahwa ketersediaan bahan pangan meliputi kualitas pangan, integritas entitas, kemanan dan kesehatan, produksi yang keberlanjutan, diversifikasi produk, dan layanan informasi terkait bahan pangan tersebut. Ketersediaan pangan berupa produk segar pun banyak dibahas (Ahumada dan Villalobos, 2008). Kajian ini akan terus berkembang seiring kebutuhan pangan yang terus meningkat setiap tahunnya. Untuk itu diperlukan kajian yang

(2)

ZIRAA’AH, Volume 41 Nomor 2, Juni 2016 Halaman 242-249 ISSN CETAK 1412-1468

komprehensif terkait penjaminan ketersediaan bahan pangan pokok di Indonesia.

Penelitian ini bertujuan untuk

mendapatkan variabel penting yang berperan sebagai variable daya ungkit yang dapat

digunakan sebagai variabel dasar

pengembangan model kebijakan ketersediaan beras berkelanjutan dalam kerangka menjamin ketersediaan beras di suatu daerah.

Kalimantan Selatan dipilih sebagai studi kasus penelitian ini. Kalimantan Selatan sebagai daerah yang memiliki lahan basah memiliki tingkat kerawanan pangan relatif lebih tinggi dibandingkan daerah lain yang memiliki lahan kering. Hal ini disebabkan karena tidak semua lahan dapat ditanami padi. Disamping itu, ketersediaan air untuk kebutuhan irigasi pun sulit untuk disediakan, terlebih lagi tanah berjenis gambut yang memiliki tingkat keasaman lebih tinggi

dibutuhkan perlakukan khusus dalam

pengelolaannya. Berdasarkan penelitian yang dilakukan Somantri dan Thahir (2007) Kalimantan Selatan mengalami surplus beras, dengan ini Kalimantan Selatan berpotensi untuk berperan sebagai pemasok beras di daerah lain. Secara geografis, Kalimantan Selatan memiliki lokasi wilayah yang strategis sebagai daerah pemasok beras karena berada pada sentral kepulauan Indonesia. Hal tersebut terkendala pada Kalimantan Selatan belum mampu mencapai swasembada beras yang

berkelanjutan, walau dalam Rencana

Pembangunan Jangka Panjang Indonesia hingga tahun 2025 Kalimantan Selatan termasuk daerah yang akan dijadikan sebagai pemasok beras nasional.

METODE PENELITIAN

Pendekatan yang dilakukan dalam penelitian ini adalah menggunakan simulasi berbasis model sistem dinamis. Tahapan

kajian yang dilakukan menggunakan

pendekatan metode analisis model kebijakan yang dikembangkan oleh Walker (2000). Analisis model kebijakan akan menjelaskan secara detail konstruksi model berhasil

dikembangkan untuk produksi beras.

Pendekatan ini telah banyak dilakukan untuk menggambarkan sistem produksi beras, diantaranya dilakukan oleh Somantri dan Thahir (2007) dalam melakukan proyeksi ketersediaan beras di Merauke, Kumar dan Nigmatullin (2011) mempelajari perilaku dan hubungan dalam struktur rantai pasok bahan pangan yang mudah rusak (perishable), Suriani et al. (2013) mempelajari ketersediaan beras dalam perspektif pra-panen dengan pendekatan simulasi berbasis jenis lahan kering.

Penelitian ini dilaksanakan dalam 5 tahap. Tahap pertama adalah membangun model konseptual yang akan disajikan dalam

bentuk causal loop diagram (CLD).

Dilanjutkan pada tahap kedua yaitu

mengembangkan sistem diagram. Diagram ini akan memperjelas objek, subjek, dan alternatif perangkat kebijakan yang dapat digunakan. Tahap ketiga adalah pengembangan model dinamis yang akan diintegrasikan dengan analisis statistik guna mempelajari hubungan antar variable yang saling terkait. Hasil tahap tiga akan disajikan dalam bentuk stock and

flow diagram (SFD). Tahap keempat adalah

verifikasi dan validasi model. Tahapan ini diperlukan guna memastikan bahwa model

yang telah berhasil dibangun dapat

merepresentasikan kondisi aktual. Tahap terakhir yang dilakukan dalam penelitian ini adalah simulasi. Hasil akhir dari penelitian ini adalah mendapatkan beberapa variabel sensitif yang mampu memberikan dampak besar terhadap sistem persediaan beras. Variabel dengan tingkat sensitivitas tinggi itulah yang kemudian akan dijadikan basis pengembangan model kebijakan penyediaan beras yang berkelanjutan.

Validasi model yang digunakan dalam

penelitian ini menggunakan (3) tiga

pendekatan yaitu, uji kesesuaian historis

(historical fit), uji kondisi ekstrim, dan analisis

sensitivitas. Validasi model dengan

menggunkan metode uji kesesuaian historis dilakukan dengan membandingkan kondisi aktual dan hasil simulasi berbasis model yang telah dikembangkan. Model dinyatakan valid

(3)

saat deviasi berada kurang dari 10%,

disamping itu validasi model juga

menggunakan pendekatan perhitungan mean

absolute percentage error (MAPE), yang

secara matematis dituliskan dalam rumus:

𝑀𝐴𝑃𝐸 = (100 𝑛 ) ∑ |𝐷_𝑡− 𝐹_𝑡| 𝐷𝑡 𝑛 𝑡=1

Dimana Dt adalah data pada periode t dan Ft adalah peramalan pada periode t. Selanjutnya, uji kondisi ekstrim dilakukan untuk memastikan bahwa model yang dikembangkan tidak memberikan perilaku yang irasional. Uji ini dilakukan dengan memberikan nilai ekstrim tertinggi dan terendah pada driver variabel yang kemudian dilihat dampaknya apakah rasional atau

irasional. Selanjutnya adalah analisis

sensitivitas. Analsis ini digunakan untuk

mengetahui variabel apa saja yang

memberikan nilai sensitif pada model secara keseluruhan. Dengan diketahuinya variabel

yang sensitif maka melalui variabel

tersebutlah kemudian dapat dilakukan

pendekatan penyusunan kebijakan.

HASIL DAN PEMBAHASAN

Berdasarkan hasil kajian yang telah dilakukan, model konseptual penyediaan beras

di Kalimantan Selatan telah berhasil

dikembangkan yang disajikan pada Gambar 1. Dalam model konseptual tersebut terdaat dua

loop utama, yaitu loop reinforcing dalam

produksi beras dan loop balancing dalam aktivitas bisnis pengiriman beras ke dalam dan ke luar daerah Kalimantan Selatan.

Ketersediaan beras dipengaruhi secara positif oleh produksi beras dan tingkat

konsumsi beras, serta secara negatif

dipengaruhi oleh perdagangan beras ke luar daerah Kalimantan Selatan. Produksi beras secara umum dipengaruhi secara positif oleh

luas sawah dan produktivitas lahan.

Ketersediaan lahan pun ternyata sangat terbatas, hal ini diperkeruh dengan tingginya tingkat konversi lahan baik menjadi lahan non pertanian maupun lahan sub pertanian non-padi. Peningkatan populasi yang terus terjadi setiap tahunnya mengakibatkan meningkatnya permintaan beras, namun pertumbuhan ini dapat diupayakan dikendalikan menggunakan

pendekatan program dan kampanye

divesifikasi pangan. Secara aktual pendekatan diversifikasi pangan ini belum memberikan hasil yang signifikan dalam mengendalikan konsumsi beras per kapita.

(4)

Causal loop diagram tersebut dikembangkan menjadi model berbasis sistem dinamis yang lebih kompleks dalam bentuk stock and flow

diagram (SFD). Hasil dari pengembangan

model produksi beras di Kalimantan Selatan disajikan pada Gambar 2.

Gambar 2. Stock and Flow Diagram produksi beras Kalimantan Selatan

Sub-Sistem Lahan Padi

Sub-Sistem Populasi Sub-Sistem Konsumsi Beras Kalsel Sub-sistem Move-nas Sub-Sistem Pestisida/ Hama Sub-sistem produksi GKG/beras

Sub-sistem pupuk

lahan gagal panen

Luas Lahan Padi Tanam_Sawah

laju cetak sawah laju konversi lahan laju lahan puso

RATE_CETAK SAWAH RATE KONVERSI INITIAL LUAS SAWAH RATE PUSO Populasi laju penduduk INITIAL POPULASI RATE_LAJU PERTUMBUHAN PENDUDUK produksi GKG bruto produksi GKG netto Luas Lahan Padi

Tanam_Sawah produksi beras bruto_ketersediaan beras KONVERSI GKG_BERAS luas panen

luas tidak panen

laju lahan puso

produktivitas lahan padi suplai benih persediaan benih kebutuhan benih BENIH PER HA

RATE BENIH SUPLAI

RATE SUPLAI PAKAN TERNAK_GKG

RATE SUSUT_GKG RATE BAHAN BAKU

INDUSTRI_GKG

produksi beras netto_untuk

pangan RATE_PAKAN

TERNAK_BERAS RATE_INDUSTRI_NON PANGAN_BERAS

RATE_SUSUT TERCECER

Populasi

konsumsi beras per kapita_diversifikasi

pangan

konsumsi beras untuk pangan

konsumsi beras non pangan RATE KONSUMSI BERAS NON PANGAN

konsumsi beras agregat-permintaan beras kalsel_permintaan beras stok beras kalimantan selatan cadangan beras kalsel pemerintah RATE CADANGAN BERAS konsumsi beras agregat-permintaan beras kalsel_permintaan beras neraca beras_surplus defisit kalsel cadangan beras daerah agregat move-nas_in neraca beras_surplus defisit kalsel cadangan beras

kalsel pemerintahagregat-permintaankonsumsi beras beras kalsel_permintaan beras stok beras kalimantan selatan move-nas_in cadangan beras masyarakat move-nas_out permintaan eksternal neraca beras_surplus defisit kalsel cadangan beras masyarakat naraca move in-out

Luas Lahan Padi

Tanam_Sawah _kebutuhan pestisida ideal RATE PENGGUNAAN PESTISIDA dampak penggunaan biopestisida INISIASI PROGRAM SRI luas inisiasi biopestisida_SRI

Luas Lahan Padi Tanam_Sawah suplai pestisida bersubsidi persentase penggunaan pestisida waktu dampak hama_graph

lahan rusak karena hama Luas Lahan Padi

Tanam_Sawah analisis dampak pestisida_hama

dampak hama_real Luas Lahan Padi

Tanam_Sawah kebutuhan pupuk ideal RATE PENGGUNAAN PUPUK pupuk yang digunakan pengaruh teknologi pupuk organik_SRI RATE LAHAN MENGGUNAKAN PUPUK ORGANIK penggunaan pupuk organik RATE PENGGUNAAN PUPUK ORGANIK pupuk subsidi terdisitribusi waktu Gap Pupuk persentase penggunaan pupuk penggunaan benih

subsidi sertifikasi serapan kreditpetani waktu

potensi gagal panen pupuk berdampak

pupuk berdampak

benih_dampak kredit_dampak pupuk_dampak hama_dampak dampak hama_real potensi gagal panen waktu potensi permintaan lahan sawah_neraca neraca beras_surplus defisit kalsel KONVERSI KEBUTUHAN LAHAN potensi permintaan lahan sawah_cadangan cadangan beras masyarakat aktivasi_potensi permintaan lahan sawah_cadangan aktivasi_potensi permintaan lahan sawah_neraca delay time konversi sub-pertanianpertanian konversi non-pertanian RATE_LAJU PERTUMBUHAN PENDUDUK konversi_exist

konsumsi beras per kapita_diversifikasi pangan Populasi konsumsi beras stlh_diversifikasi konsumsi non diversifikasi_as usual konsumsi perkapita_as usual potensi konversi ke sub pertanian KONVERSI KEBUTUHAN LAHAN

potensi luas lahan konv_sub pertanian rate konv_sub

pertanian Luas Lahan Padi

Tanam_Sawah

Ketersediaan Lahan untuk Sawah di Kalsel

651.447,80 ton 4.753.011,81 people

0,14 ton/people

530.823,02 ha

(5)

Validasi dan Verifikasi Model

Verifikasi model dilakukan pada kode pemrograman yang ada pada model dan konsistensi dimensi dari setiap persamaan dan

parameter.Hasil verifikasi menunjukkan tidak

adanya inkonsistensi dimensi satuan dalam persamaan yang dikembangkan dalam setiap variabel yang terdapat dalam model produksi beras di Kalimantan Selatan. Selanjutnya validasi model dilakukan dengan pendekatan uji kesesuaian historis, uji kondisi ekstrim, dan analisis sensitivitas.

Uji Kesesuaian Historis

Uji validasi menggunakan

pendekatan uji kesesuaian historis pada dua variabel penting dalam evaluasi model (produksi GKG dan populasi) menunjukkan

bahwa deviasi dari hasil simulasi

dibandingkan dengan kondisi aktual tidak lebih dari 10%, untuk itu berdasarkan hasil yang diperoleh dapat dinyatakan bahwa model yang dikembangkan adalah valid. Hasil simulasi disajikan pada Tabel 1 dan secara grafis disajikan pada Gambar 3.

Tabel 1. Deviasi Model Persediaan Beras Kalimantan Selatan

Produksi GKG 2003 2004 2005 2006 2007 2008 2009 2010 2011 Data Aktual 1.410.141 1.519.431 1.598.835 1.636.840 1.953.868 1.954.284 1.956.993 1.842.089 2.038.309 Data Simulasi 1.547.798 1.653.454 1.678.115 1.711.543 1.807.875 1.967.569 1.894.290 1.885.838 1.987.990 2,00% 9,76% 8,82% 4,96% 4,56% -7,47% 0,68% -3,20% 2,37% -2,47% Populasi 2003 2004 2005 2006 2007 2008 2009 2010 2011 Data Aktual 3.201.962 3.219.398 3.250.100 3.345.784 3.396.680 3.446.631 3.496.125 3.636.616 3.695.124 Data Simulasi 3.141.498 3.201.186 3.262.009 3.323.987 3.387.143 3.451.499 3.517.499 3.583.902 3.651.996 -0,54% -1,89% -0,57% 0,37% -0,65% -0,28% 0,14% 0,61% -1,45% -1,17%

Sumber: Pengolahan data primer, 2014

(a) Historical Fit Variabel Produksi GKG (b) Historical Fit Variabel Populasi Gambar 3. Uji kesesuaian historis

Uji Kondisi Ekstrim

Uji kondisi ekstrim dilakukan pada kondisi ekstrim bawah dan ekstrim atas. Untuk validasi model ini dilakukan pada variabel

cetak sawah yang diujikan pada variabel luas sawah dan produksi GKG. Berdasarkan hasil uji yang dilakukan tidak menunjukkan perilaku yang irasional, oleh karena itu 500,000 1,000,000 1,500,000 2,000,000 2,500,000 2003 2004 2005 2006 2007 2008 2009 2010 2011 P ro d u k s i G K G ( T o n ) Tahun

Data Aktual Data Simulasi

2,800,000 2,900,000 3,000,000 3,100,000 3,200,000 3,300,000 3,400,000 3,500,000 3,600,000 3,700,000 3,800,000 2003 2004 2005 2006 2007 2008 2009 2010 2011 P o p u la s i (O ra n g )

(6)

berdasarkan uji ekstrim ini model dapat dinyatakan valid. Perilaku yang terjadi pada kondisi ekstrim bawah disajikan pada Gambar

4 dan perilaku pada kondisi ekstrim atas disajikan pada Gambar 5.

(a). Perilaku luas sawah pada cetak sawah = 0 ha (b) Perilaku Produksi pada cetak sawah=0 ha

Gambar 4. Perilaku Tes Kondisi Ekstrim Bawah

(a). Perilaku luas sawah pada ekstrim atas cetak sawah (b) Perilaku produksi pada ekstrim atas cetak sawah Gambar 5. Perilaku Uji Kondisi Ekstrim Atas

Analisis Sensitivitas

Analisis sensitivitas dilakukan untuk mengetahui tingkat sensitivitas suatu variabel mempengaruhi variabel lainnya. Pada validasi ini variabel yang diuji adalah variabel eksogen, yaitu untuk diuji apakah variabel eksogen tersebut memberikan respon yang sama pada kondisi aktual. Dalam hal ini variabel yang akan diuji tingkat sensitivitasnya adalah variabel konsumsi beras perkapita dan

produktivitas yang dinilai memberikan

dampak terhadap neraca surplus defisit beras di Kalimantan Selatan. Dengan perubahan konsumsi bertambah 10% memberikan deviasi

sebesar 17% sedangkan pengurangan

konsumsi per kapita sebesar 10% memberikan deviasi sebesar 21,40%. Dengan perubahan

yang relatif kecil dapat memberikan

perubahan yang cukup siginifikan. Perilaku uji sensitivitas ini disajikan pada Gambar 6.

0 5 10 15 20 25 250.000 300.000 350.000 400.000 450.000 ha Lu as L ah an P ad i T an am _S aw ah

For evaluation purpos es only!

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 900.000 1.000.000 1.100.000 1.200.000 1.300.000 1.400.000 1.500.000 ton p ro d u k s i G KG b ru to

For evaluation purposes only!

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 10.000.000 20.000.000 30.000.000 40.000.000 ton p ro d u k s i G KG b ru to

For evaluation purposes only!

0 5 10 15 20 25 2.000.000 4.000.000 6.000.000 8.000.000 ha Lu as L ah an P ad i T an am _S aw ah

(7)

Gambar 6. Uji Sensitivitas Konsumsi Beras Terhadap Neraca Beras Berdasarkan uji yang telah dilakukan

dapat dinyatakan bahwa model yang

dikembangkan adalah valid dan dapat merepresentasikan kondisi nyata untuk model ketersediaan beras di Kalimantan Selatan. Selanjutnya simulasi dilakukan sampai pada tahun 2025 disesuaikan dengan Rencana Kerja Jangka Panjang Provinsi Kalimantan Selatan. Hasil dari simulasi yang telah dilakukan memberikan hasil bahwa pada tahun 2025

populasi Kalimantan Selatan mencapai

4.753.012 orang dengan pertumbuhan

penduduk sebesar 1,9%. Produktivitas padi sampai tahun 2025 adalah 4,21 ton / ha. Untuk lahan gagal panen diprediksi masih cukup luas yaitu mencapai 27.000 ha. Produksi GKG masih berada pada kisaran 2 juta ton, namun tidak terjadi peningkatan yang signifikan. Neraca beras menunjukkan penurunan yang cukup signifikan pada akhir tahun 2025. Untuk itu perlu dilakukan pendekatan evaluasi kebijakan dan penyusunan alternatif kebijakan guna menghindari penurunan neraca beras dan defisit beras di Kalimantan Selatan.

KESIMPULAN

Pengembangan model penyediaan

beras diperlukan sebagai salah satu alat pendukung pengambil keputusan dalam mengembangkan kebijakan untuk menjamin ketersediaan beras di Kalimantan Selatan.

Berdasarkan uji dan analisis yang telah dilakukan bahwa variabel produktivitas dan ketersediaan lahan sawah menjadi dua variabel penting yang dapat memberikan dampak secara signifikan terhadap sistem produksi beras secara keseluruhan. Kedua variabel ini dapat menjadi acuan sebagai dasar kajian pengembangan model kebijakan dalam kerangka menjamin ketersediaan beras di Kalimantan Selatan.

DAFTAR PUSTAKA

Ahumada, O. dan Villalobos, J. R. 2009. Application of Planning Models in Agri-Food Supply Chain : A Review. European Journal of Operational Research 195. 1-20.

Georgiadis, P. dan Vlachos, D. dan Iakovou,

E. 2004. A System Dynamics

Modeling Framework for the Strategic Supply Chain Management of Food Chains. Journal of Food Engineering 70. 351-364.

Irawan. 2005. Analisis Ketersediaan Beras Nasional: Suatu Kajian Simulasi Pendekatan Sistem Dinamis. Prosiding Multifungsi Pertanian.

Kumar, S dan Nigmatullin, A. 2011. A system dynamics analysis of food supply chain 100,000 200,000 300,000 400,000 500,000 600,000 700,000 800,000 year 2003 year 2004 year 2005 year 2006 year 2007 year 2008 year 2009 year 2010 year 2011 year 2012 year 2013 year 2014 year 2015 year 2016 year 2017 year 2018 year 2019 year 2020 year 2021 year 2022 year 2023 year 2024 year 2025 Normal -10% +10%

(8)

– Case study with non-perishable

product. Simulation Modelling

Practice and Theory 19. 2151-2168. Suryani, E., Permata, D.I.J., Hendrawan, R.A.,

dan Dewi, L.P. 2013. Analyzing Rice Demand and Supply Behavior for Food Availability: a System Dynamics Model. Case Study : Sub-Regional

Surabaya, Gresik, and Sidoarjo.

Information Systems International

Conference (ISICO). 403-408.

Somantri, A. S. Dan Thahir, R. 2007. Analisis Sistem Dinamik Ketersediaan Beras di Merauke dalam Rangka Menuju Lumbung Padi Bagi Kawasan Timur

Indonesia. Buletin Teknologi

Pascapanen Pertanian Vol 3. 28-36. Walker, W.E. 2000. Policy Analysis: A

Systematic Approach to Supporting Policy Making in Public Sector. John Wiley and Sons, Ltd. Journal of Multicriteria Decission Analysis 9. 11-27.

(9)