Pemilihan Desa Contoh Alokasi Contoh Kelompok Tani dan Penggilingan

Tabel 3 Alokasi Rumah Tangga Contoh Survei Stok GabahBeras ALOKASI JUMLAH CONTOH No. Kecamatan Luas Panen 2004 Hasil Alokasi Contoh Ha Ketua Kelompok Anggota Tani Kel. Tani 1 2 3 4 5 1 Cipeundeuy 2.635 4 3 2 Purwadadi 2.672 4 3 3 Cijambe 3.894 4 3 4 Cibogo 4.266 4 3 5 Jalancagak 4.870 5 3 6 Tanjungsiang 5.006 5 3 7 Cikaum 5.206 5 3 8 Sagalaherang 5.260 5 3 9 Legonkulon 6.108 6 3 10 Cisalak 6.825 7 3 11 Cipunagara 9.499 10 3 12 Compreng 10.237 11 3 13 Blanakan 10.600 11 3 14 Pagaden 11.056 11 3 15 Pamanukan 11.577 12 3 16 Ciasem 13.557 14 3 17 Pusakanagara 13.993 14 3 18 Binong 17.806 18 3 TOTAL 145.067 150 54

2. Pemilihan Desa Contoh

Berdasarkan alokasi rumah tangga contoh per kecamatan, selanjutnya dialokasikan ke sejumlah desa contoh. Pemilihan desa contoh dilakukan secara acak dari kerangka survei. Kerangka survei ini meliputi daftar kecamatan, daftar desa dan daftar kelompok tani. Jika pada pemilihan pertama desa contoh secara acak jumlah kelompok tani belum memenuhi target alokasi contoh, maka dilakukan pemilihan desa contoh yang kedua secara acak, dan seterusnya sampai target alokasi rumah tangga kelompok tani terpenuhi. Hasil pemilihan desa contoh menunjukkan ada beberapa kecamatan dengan desa contoh lebih dari satu. Hasil secara lengkap pemilihan desa contoh ini dapat dilihat pada Tabel 4. Sebagai contoh Kecamatan Pamanukan contoh petani yang terpilih ada di Desa Lengkong Jaya, Mulyasari dan Pamanukan Hilir. Tabel 4 Jumlah Alokasi Contoh Petani per Desa Terpilih ALOKASI JUMLAH CONTOH DESA TERPILIH No Nama Kecamatan Alokasi Nama Desa Jumlah urut Contoh Contoh Terpilih Kelompok Tani Ketua Keltan 1 2 3 4 5 1Sagalaherang 5 Ponggang 5 2Jalancagak 5 Kasomalang Kulon 9 3Cisalak 7 Cigadog 7 4Tanjungsiang 5 Rancamanggung 7 5Cijambe 4 Tanjungwangi 11 6Cibogo 4 Wanareja 12 7Cipunagara 10 Sidajaya 8 Parigimulya 7 8Pagaden 11 Sumurgintung 8 Bendungan 8 9Cipendeuy 4 Langkong 6 10Purwadadi 4 Pasirjadi 3 Neglasari 1 11Ciasem 14 Warungnangka 4 Rawajolang 3 Pinangsari 18 12Binong 18 Mariuk 9 Tanjungrasa 10 13Compreng 11 Jatimulya 8 Mekarjaya 19 14Pusakanagara 14 Bojongjaya 7 Cigugur 8 15Pamanukan 12 Lengkongjaya 5 Mulyasari 3 Pamanukan Hilir 4 16Blanakan 11 Cimalaya Hilir 4 Tanjungtiga 7 17Legonkulon 6 Legon Wetan 3 Bobos 5 18Cikaum 5 Cikaum Timur 12 Total 150 221 Jumlah alokasi tersebut berdasarkan kerangka contoh yang dibuat tahun 2002, sehingga perlu me mperbaharui kembali melalui kegiatan pembaharuan updating . Jumlah alokasi tersebut dapat mengalami perubahan setelah dilakukan pengecekan. Pendaftaran listing penggilingan padi dan pembaharuan kelompok tani, dilakukan oleh Mantri TaniKCD setelah mendapat pelatihan terlebih dahulu. Setelah pendaftaran selesai dan hasilnya diserahkan oleh tim pusat, maka dilakukan pemilihan contoh. Hasil pemilihan contoh berupa daftar contoh dan jadwal survei diserahkan kembali ke Mantri Tani, agar mempersiapkan responden yang menjadi contoh terpilih pada hari dan tanggal yang telah ditentukan dalam jadwal. Hasil akhir daftar contoh setelah dilakukan pendaftaran dan pemilihan contoh kembali terdapat pada Tabel 5. Tabel 5 Daftar Jumlah Rumah Tangga Petani Contoh No. Urut Nama Kecamatan Contoh Alokasi Kelompok Tani Nama desa Terpilih Jumlah Kelompok Tani Hasil Pembaruan Contoh Terpilih Ketua Kel. Tani Contoh Terpilih Anggota Kel.Tani 1 2 3 4 5 6 7 1 Sagalaherang 5 Ponggang 4 4 5 2 Jalancagak 5 Kasomalang Kulon 6 6 3 3 Cisalak 7 Cigadog 5 5 5 4 Tanjungsiang 5 Rancamanggung 6 6 3 5 Cijambe 4 Tanjungwangi 9 9 3 6 Cibogo 4 Wanareja 4 4 3 7 Cipunagara 10 Sidajaya 7 7 3 Parigimulya 2 2 - 8 Pagaden 11 Sumurgintung 8 8 3 Bendungan 7 7 - 9 Cipendeuy 4 Langkong 4 4 4 10 Purwadadi 4 Panyingkiran 3 3 4 Rancamahi 1 1 - 11 Ciasem 14 Sukahaji 3 3 3 Pinangsari 11 11 - 12 Binong 18 Mariuk 9 9 3 Tanjungrasa 8 8 - 13 Compreng 11 Jatimulya 8 8 3 Mekarjaya 6 6 - 14 Pusakanagara 14 Bojongjaya 6 6 3 Cigugur 4 4 - 15 Pamanukan 12 Lengkongjaya 3 3 - Mulyasari 3 3 3 Pamanukan Hilir 4 4 - 16 Blanakan 11 Cimalaya Hilir 2 2 - Tanjungtiga 7 7 3 17 Legonkulon 6 Legon Wetan 3 3 3 Bobos 5 5 - 18 Cikaum 5 Cikaum Timur 9 9 3 Total 150 157 157 60 Berdasarkan alokasi jumlah contoh pada Tabel 5, jumlah total petani yang disurvei ada 217 contoh, terdiri dari 157 ketua kelompok tani dan 60 anggota kelompok tani yang tersebar di 18 kecamatan contoh dan 29 desa contoh. Banyaknya kecamatan dan desa contoh dengan harapan adanya keragaman atau variasi waktu panen. Makin besar keragaman waktu panen, makin mudah untuk melihat besarnya pengaruh stok terhadap waktu panen. Adanya ketua kelompok tani dan anggota kelompok tani dengan harapan adanya keterwakilan petani. Pemilihan Penggilingaan Padi Contoh Penggilingan yang didaftar adalah seluruh penggilingan di kecamatan contoh, baik yang merangkap pedagang maupun yang tidak. Kerangka survei adalah nama-nama penggilingan yang merangkap pedagang. Berdasarkan daftar nama penggilingan yang merangkaap pedagang, dilakukan pemilihan penggilingan secara acak. Lokasi penggilingan bisa satu desa dengan lokasi rumah tangga contoh, bisa juga berada di desa lain namun masih dalam kecamatan contoh. Rencana awal semua penggilingan di kecamatan contoh disurvei, namun karena jumlah penggilingan pada satu kecamatan cukup banyak, maka dilakukan pemilihan secara acak. Jumlah penggilingan untuk setiap kecamatan ditetapkan, untuk kecamatan yang berada di jalur pantura adalah 5 penggilingan setiap kecamatan, dan kecamatan yang berada di wilayah non pantura ada 3 penggilingan. Oleh karena kecamatan yang di jalur pantura ada 8 kecamatan sehingga total contoh penggilingan 40, sedangkan untuk kecamatan non pantura ada 10 kecamatan sehingga jumlah contoh penggilingan ada 30. Total penggilingan yang disurvei 70 penggilingan. Pada saat pelaksanaan survei ada beberapa kendala, sehingga ada beberapa kecamatan yang tidak sesui dengan rencana. Kecamatan Legon Kulon karena kekurangakuratan dalam melakukan pendaftaran, sehingga tidak diperoleh penggilingan contoh pada saat survei. Ada kecamatan yang jumlahnya kurang dari target, tetapi dapat ditutupi oleh kecamatan lain, sehingga total contoh penggilingan tetap yaitu 70 contoh. Tabel 6 menunjukkan jumlah contoh dan populasi penggilingan pada kecamatan yang disurvei. Tabel 6 Jumlah Populasi dan Penggilingan Contoh No. Kecamatan Jumlah Contoh Jumlah Populasi 1 2 3 4 1 Sagalaherang 3 11 2 Jalancagak 3 6 3 Cisalak 4 43 4 Tanjungsiang 3 10 5 Cijambe 4 37 6 Cibogo 3 9 7 Cipunagara 3 62 8 Pagaden 5 14 9 Cipeundeuy 5 9 10 Purwadadi 3 3 11 Ciasem 5 19 12 Binong 5 47 13 Compreng 3 16 14 Pusakanagara 5 24 15 Pamanukan 6 21 16 Blanakan 5 15 17 Cikaum 5 8 TOTAL 70 354 Pendugaan Stok GabahBeras di Wilayah Kabupaten Stok suatu komoditas dipengaruhi oleh masukan baik dari produksi maupun impor dan stok sebelumnya. Stok ini selanjutnya akan digunakan untuk konsumsi dan penggunaan lainnya. Oleh karena pada penelitian ini survei dilakukan pada 2 pemegang stok terbesar di masyarakat yaitu petani produsen dan penggilingan, serta pemegang stok pemerintah, maka skema stok dapat dilihat pada Gambar 2. Berdasarkan dari skema distribusi stok pada gambar bahwa besaran stok yang dibuat modelnya secara garis besar dipegang oleh masyarakat dan pemerintah. Jika dibuat model persamaan : S t = Stok t-1 + P t + M-K t 1 S t = Stok t + D t 2 Dari persamaan 1 dan 2 diperoleh : Stok t + D t = Stok t -1 + P t + M-K t Stok t = Stok t -1 + P t + M-K t – Dt 3 Gambar 5 Skema Model Penelitian Stok. Sedangkan varian Stok t adalah : Var Stok t = Var Stok t-1 + P t – D t Var Stok t = Var Stok t-1 + Var P t + Var D t 4 Jika Dt diasumsikan konstan, maka : Var Stok t = Var Stok t-1 + P t = Var Stok t-1 + Var P t Karena Stok t-1 dan P t saling bebas sehingga : Var stok t = Var Stok t-1 + Var P t 5 Stok t-1 dalam lingkup penelitian ini ada 3 pemegang stok yaitu petani produsen, penggilingan dan Subdolog, sehingga : Stok t-1 = SD + SG + ST 6 PenggunaanDemand D t Konsumsi C t Benih, pakan, susut NC t Model Stok Stok t-1 Model Produksi P t Suplai S t Model Stok Dolog SD Model Stok Petani ST Model Stok Penggilingan SG Model Stok t Stok t Masuk – Keluar M-K t Sedangkan Varian dari stok t-1 adalah : Var Stok t -1 = VarSD + Var SG + Var ST 7 Diasumsikan stok dolog SD, stok penggilingan SG dan stok petani ST saling bebas. Sebenarnya stok petani dan penggilingan tidak saling bebas, karena stok penggilingan berasal dari pembelian ke petani, namun untuk memudahkan analisis diasumsikan saling bebas. Sedangkan demand kebutuhan secara garis besar terdiri dari kebutuhan konsumsi dan kebutuhan non konsumsi seperti pakan, benih dan susut, sehingga : D t = C t + NC t 8 Sedangkan total konsumsi untuk suatu wilayah adalah : C t = Konsumsi per kapita t Proyeksi jumlah penduduk t 9 Menurut BPS jumlah gabah yang susuttercecer pada saat angkut dari rumah tangga petani 1.43 dan susut simpan 0.53. Penggunaan untuk benih dan pakan berdasarkan hasil survei 0.75. Sedangkan penggunaan beras menurut BPS jumlah yang digunakan untuk pakan ternakunggas sebesar 0.86 dan untuk industri non rumah tangga 0.12. NC t =susut,pakan,benihPt 10 Pada Gambar 6 di atas ada pemegang stok lainnya yaitu stok pedagang, stok konsumen, stok industri pengolahan dan rumah makanhotel diasumsikan diabaikan. Pada penelitian ini ruang lingkupnya adalah menyusun model 3 pemegang stok utama yaitu petani produsen, penggilingan dan Sub Dolog. Model Stok Petani Rumah Tangga Petani merupakan salah satu pemegang stok gabahberas. Petani setelah panen padi, pada umumnya ada sebagian gabah dijual baik untuk modal usaha tani musim berikutnya, sebagian lagi digunakan baik untuk konsumsi, pakan, benih, keperluan sosial dan sebagian gabah lagi disimpan baik untuk konsumsi atau stokBPS, 2004. Persamaan identitas untuk petani adalah : S = X 1 + X 2 + X 3 11 S = X 4 + X 5 + X 6 12 X 5 = X 7 + X 8 + X 9 + X 10 13 Gambar 6 Skema Penggunaan Produksi Gabah oleh Petani. Pada penelitian ini kita tertarik perilaku rasio stok terhadap produksi, misalnya : R = X 6 X 1 14 Langkah- langkah selanjutnya untuk menyusun model stok adalah sebagai berikut : a. Dilakukan eksplorasi data terhadap R statistik deskriptif, box plot b. Pengelompokkan R berdasarkan lag waktu panen dan berdasarkan kecamatan contoh. c. Hitung rata-rata R untuk setiap kelompok lag waktu panen per kecamatan, sehingga diperoleh i t R − i=1,2,...,n. d. Menghitung pendugaan total stok setara beras di rumah tangga petani untuk setiap kecamatan dengan cara perkalian antara rasio stok lag panen ke-t dengan produksi pada lag panen yang sama. 2 2 1 1 .......... ˆ n t k n t k t k t k t k t k t k P R P R P R T S − − − − − − + + + = 15 dimana : ˆ t k T S = pendugaan total stok setara beras di seluruh rumah tangga petani kecamatan ke-k pada waktu t. R kt-1 = rata-rata rasio stok terhadap produksi kecamatan ke-k pada waktu t-1 P kt-1 = produksi padi kecamatan ke k pada bulan t-1. R kt-2 = rata-rata rasio stok terhadap produksi kecamatan ke-k pada waktu t-2. Dijual X 4 Penggunaan X 5 Stok X 6 Dikonsumsi X 7 Sosiallainnya X 10 Benih X 8 Pakan X 9 Suplai S Sisa stok sebelum panen X 2 PembelianPemberian dari pihak lain X 3 Produksi X 1 P kt-2 = produksi padi kecamatan ke k pada bulan t-2. R kt-n = rata-rata rasio stok terhadap produksi kecamatan ke-k pada waktu t-n. P kt-n = produksi padi kecamatan ke k pada bulan t- n. e. Menyusun model terbaik untuk menduga stok setara beras di rumah tangga petani untuk setiap kecamatan contoh, dengan menggunakan stok waktu t di kecamatan ke-k sebagai peubah tak bebas respon dan produksi padi waktu t-1 sampai t-n sebagai peubah bebas prediktor, serta wilayah sebagai peubah boneka dummy. , ,......., , , ˆ 3 2 1 D P P P P f T S n t t t t t k − − − − = 16 f. Berdasarkan model terbaik yang diperoleh dilakukan pendugaan total stok di rumah tangga petani untuk kecamatan yang tidak disurvei. g. Menduga total stok di rumah tangga petani untuk total seluruh kecamatan di Kabupaten Subang. Menghitung galat baku hasil pendugaan total wilayah kabupaten sehingga diperoleh batas atas dan bawah pendugaan. Model Stok Penggilingan Penggilingan membeli gabah dari petani dan dari pedagang pengumpul. Selanjutnya penggilingan melakukan pengolahan gabah menjadi beras, dan menjual beras ke pedagang grosir, pedagang eceran atau pasar, baik di dalam wilayah kabupaten maupun di luar wilayah kabupaten. Gambar 7 Skema Pembelian, Penjualan dan Stok Penggilingan. Pembelian t X 10 Penjualan t X 12 Produksi petani P Stok t X 13 Suplai S Stok t-1 X 11 Persamaan identitas untuk penggilingan adalah : S = X 10 + X 11 S = X 12 + X 13 Sehingga : X 13 = X 10 – X 12 + X 11 17 Atau Stok t =Pembelian-Penjualan+Stok t-1 Dalam menyusun model pendugaan stok lebih mudah memasukkan data produksi wilayah baik kecamatan atau kabupaten karena datanya tersedia setiap saat dibandingkan dengan data volume pembelian ataupun penjualan, maka modelnya dihubungan dengan produksi wilayah. Langkah- langkah penyusunan model adalah sebagai berikut : • Menentukan rata-rata stok untuk penggilingan kecamatan ke-k waktu t adalah: n X G S n i t ik t k ∑ = = 1 i=1,2,3,…..,n k=1,2,3,.......,18. dimana : t k G S =rata stok setara beras penggilingan di kecamatan ke-k pada waktu t t ik X =stok di penggilingan ke –i pada kecamatan ke-k waktu t • Menentukan pendugaan total stok penggilingan di kecamatan ke-k waktu t : k n i t ik k t k n X N G S T ∑ = = 1 ˆ 18 dimana : N k =jumlah total penggilingan merangkap pedagang di kecamatan ke-k. n k =jumlah penggilingan contoh di kecamatan ke-k. Sedangkan ragam dugaan stok total adalah :       −     = = N n N n s N y N V G S T V t k 2 2 ˆ ˆ ˆ 19 • Menyusun model terbaik untuk menduga stok setara beras di penggilingan untuk setiap kecamatan contoh, dengan menggunakan Stok waktu t di kecamatan ke-k sebagai peubah tak bebas respon dan produksi padi waktu t- 1 sampai t-n sebagai peubah bebas prediktor. ,......., , , ˆ 3 2 1 n t t t t t k P P P P f G S − − − − = 20 • Berdasarkan model terbaik yang diperoleh dilakukan pendugaan total stok di penggilingan untuk kecamatan yang tidak disurvei. • Menduga total stok di penggilingan untuk total seluruh kecamatan di Kabupaten Subang. Menghitung galat baku standar error hasil pendugaan total wilayah kabupaten sehingga diperoleh batas atas dan batas bawah pendugaan. Stok Subdolog Berbeda dengan stok petani dan penggilingan, jumlah stok di Subdolog mudah diketahui karena untuk setiap wilayah hanya ada 1 Subdolog. Namun karena pada penelitian ini kita menduga stok t, maka perlu dilakukan penyusunan model stok Subdolog tersebut. Model yang digunakan adalah model deret waktu ARIMA. Oleh karena itu pada penelitian ini dilakukan pengumpulan data bulanan stok beras di Subdolog selama 5 tahun terakhir. Tahapan penyusunan model stok Subdolog adalah : • Plot data stok untuk melihat kestationeran data. • Penentuan model tentatif spesifikasi model berdasarkan analisis data historis. Tahap ini untuk menentukan secara tentatif nilai p proses AR, d pembedaan dan q proses MA. • Pendugaan parameter model. Tahapan ini digunakan menentukan penduga bagi parameter model yaitu ? i dan f i i=1,2,..... sesuai dengan model tentatif di atas. • Analisis diagnostik analisis sisaan untuk mengevaluasi kelayakan model. • Melakukan peramalan berdasarkan model yang diperoleh. • Menghitung varian dan selang kepercayaan hasil pendugaan stok. Model Stok Wilayah Kabupaten Sebagai tahap akhir dari penelitian ini adalah menduga stok gabahberas di Kabupaten Subang berdasarkan model yang diperoleh. Tahapan dalam menduga stok gabahberas dikabupaten Subang, didasarkan pada Gambar 2. Langkah- langkahnya adalah : • Dengan menggunakan model yang diperoleh, melakukan pendugaan total stok petani wilayah kabupaten dan selang kepercayaan. • Melakukan pendugaan pendugaan total stok penggilingan dan selang kepercayaan. • Melakukan pendugaan stok Subolog dan selang kepercayaan. • Menghitung total Stok t-1 yaitu penjumlahan ketiga pemegang stok tersebut, serta menghitung batas atas dan batas bawah selang kepercayaan. • Melakukan pendugaansimulasi produksi padi bulan panen ke-t, wilayah kabupaten. • Menghitung demand bulan ke-t, dari proyeksi penduduk dikalikan konsumsi per kapita ditambah penggunaan benih, pakan, tercecer. • Menduga Stok t yaitu stok sebelumnya ditambah produksi dikurangi demand ditambah jumlah yang masuk wilayah dan dikurangi jumlah yang keluar wilayah. • Menghitung batas atas dan batas bawah Stok t berdasarkan ragam yang telah dihitung. HASIL DAN PEMBAHASAN Karakteristik Petani Responden Petani responden yang menjadi contoh dalam survei ini ada 217 petani, terdiri dari 93 anggota kelompok tani dan 124 ketua kelompok tani. Sebagaimanan petani pada umumnya, petani yang menjadi contoh sebagian besar berpendidikan rendah. Petani yang tidak bersekolah atau hanya tamat SDSR sekitar 65, petani yang lulus SLTP sekitar 16, petani yang lulus SLTA sekitar 14 dan petani yang lulus D3sarjana sekitar 5. Hal ini menunjukkan gambaran bahwa sebagia n besar petani pada umumnya berpendidikan rendah. Untuk lebih jelasnya deskripsi pendidikan responden dapat dilihat pada Gambar 8. 10 20 30 40 50 60 P er ce n t Histogram Pendidikan Petani Contoh Pendidikan Tidak Sekolah SDSR SLTP D3Sarjana SLTA Gambar 8 Histogram pendidikan petani responden Berdasarkan umur petani responden menunjukkan bahwa petani yang berumur sekitar 25-35 tahun ada 9.5, petani yang berumur 35 – 45 tahun ada 21, petani yang berumur 45 –55 tahun jumlahnya sekitar 39.5, petani yang berumur 55 – 65 tahun ada 21 dan sisanya petani yang diatas 65 tahun sekitar 8.3. Hal ini menunjukkan bahwa tenaga kerja yang bekerja di sektor pertanian masih didominasi oleh generasi tua, yaitu yang berumur sekitar 45 – 55 tahun. Deskripsi umur responden dapat dilihat pada histogram Gambar 9. 70 60 50 40 30 40 30 20 10 Umur P e rc en t Histogram Umur Responden Gambar 9 Histogram umur petani responden. Pada survei ini juga ditanyakan jumlah beras rata-rata yang dikonsumsi oleh rumah tangga setiap hari. Total konsumsi rumah tangga dibagi dengan jumlah anggota rumah tangga merupakan besarnya konsumsi per kapita per hari. Jika konsumsi per kapita dikalikan dengan satua n waktu satu tahun maka diperoleh konsumsi per kapita per tahun. Peubah konsumsikapitatahun sering sekali digunakan dalam analisis. Berdasarkan hasil survei menunjukkan bahwa besarnya konsumsi per kapita per tahun rata-rata adalah 132.15 kgkaptahun, sedangkan median adalah 146 kgkaptahun. Tabel 7 Konsumsi Beras per kapita petani responden Peubah Jumlah contoh Rataan Median Rataan terpangkas Simpangan Baku Konsumsi kgkapthn 217 132.15 146 132.15 32.85 50 100 150 200 Diagram Kotak garis Konsumsi per kapita Konsumsi beras Kgkaptahun Gambar 10 Diagram kotak garis konsumsi per kapita Deskripsi Pola Panen Padi Kabupaten Subang Pola panen padi di Kabupaten Subang secara umum ada dua puncak panen raya. Puncak panen raya yang pertama terjadi pada bulan Maret dan April. Panen raya tersebut dikenal sebagai panen raya musim penghujan, karena padi ditanam pada saat memasuki musim penghujan yaitu bulan Nopember dan Desember. Berdasarkan Gambar 12 tampak jelas bahwa ada dua puncak panen raya, yaitu sekitar bulan Maret – April dan bulan Agustus- September. Panen raya pada bulan Agustus- September tidak sebesar panen raya Maret-April, karena panen raya bulan Agustus- September ada kendala tersedianya air. Pola panen ini sangat penting dalam menduga stok gabahberas di Kabupaten Subang. Pada saat panen raya seperti bulan Maret dan April maka stok gabahberas di masyarakat terutama petani padi dan penggilingan padi cenderung lebih besar dibandingkan bulan-bulan lainnya. Tetapi beberapa bulan setelah panen raya seperti bulan Juni dan Juli stok akan semakin menipis. Pada bulan Agustus dan September stok akan meningkat kembali karena terjadi panen raya, selanjutnya akan terus menurun pada bulan Oktober dan Nopember, stok paling rendah diduga terjadi pada bulan Desember dan Januari atau dikenal sebagai musim paceklik. Tabel 8 Produksi padi sawah di Kabupaten Subang Bulan Produksi Padi Ton 2002 2003 2004 Januari 9042 23298 Pebruari 65358 12234 42559 Maret 209730 95919 160483 April 98458 213465 151692 Mei 38693 83527 63950 Juni 29063 39790 43062 Juli 111554 31576 88147 Agustus 116405 130255 188532 September 117931 78144 101220 Oktober 30930 62008 92489 Nopember 43045 38708 31011 Desember 10459 11522 21352 Gambar 11 Pola panen padi di Kabupaten Subang Deskipsi Luas Panen, Produktivitas dan Stok Survei stok gabah beras ini dilakukan di 18 kecamatan di Kabupaten Subang, sedangkan total kecamatan dalam Kabupaten Subang adalah 22 kecamatan, jadi hanya 4 kecamatan yang tidak tercakup dalam survei. Jumlah contoh petani ada 217 contoh terdiri dari 124 ketua kelompok tani dan 93 anggota kelompok tani. 50000 100000 150000 200000 250000 Jan Peb Mar Aprl Mei Jun Jul Agt Sep Okt Nop Des Ton 2002 2003 2004 2005 Luas panen rata-rata contoh adalah 14096 m 2 atau sekitar 1.4 ha. Rentangan antara luas panen terkecil dan terbesar cukup jauh, yaitu luas panen terkecil 0.084 ha dan luas panen terbesar 22 ha. Jika dibandingkan antara rata-rata hitung luas panen 1.41 ha dan median 0.7 ha, artinya nilai rataan lebih besar dari median, sehingga sebaran menjulur ke kanan. Perbedaan yang cukup besar antara nilai median dan nilai rataan menunjukkan ada beberapa data yang sangat besar pencilan sehingga rataan tertarik pada data yang lebih besar. Cakupan yang cukup luas dalam survei ini yaitu ada 18 kecamatan, maka jika luas panen dibagi dua kelompok yaitu daerah pantura dan non pantura dalam wilayah Kabupaten Subang maka terdapat perbedaan yang cukup signifikan. Pada daerah non pantura pegunungan dan dataran rata-rata luas panen petani adalah sebesar 0.54 ha, sedangkan pada daerah pantura sebesar 2.44 ha. Tingginya luas panen pada daerah pantura karena ada beberapa petani yang memiliki lahan yang sangat luas sekitar 10 ha sehingga rataan tertarik ke arah yang lebih besar. Produktivitas di sini adalah produksi padi dibagi dengan luas panen. Produktivitas rata-rata dari seluruh petani contoh adalah 4371 kgha, sedangkan median 4181 kgha. Gambar 13 diagram kotak garis posisi median lebih dekat ke K1 kuartil pertama mencirikan suatu sebaran dengan kemiringan positif atau memanjang ke arah nilai- nilai yang besar atau ada beberapa data yang produktivitasnya sangat besar. Pada diagram kotak garis terlihat bahwa tidak ada data pencilan untuk produktivitas, untuk produktivitas tertinggi sampai 8500 kgha. Besarnya stok setara beras besarnya bervariasi di petani produsen. Besarnya stok ini sangat tergantung pada waktu petani tersebut panen, jenis varietas padi yang ditanam, pola penjualan dan penyimpanan dan pola penggunaan. Makin jauh rentang waktu antara saat panen dan saat pengamatan, stok makin kecil, petani yang panen beberapa bulan yang lalu stoknya makin menipis, sedangkan petani yang baru panen satu atau dua bulan yang lalu stok stoknya relatif besar. Varietas padi yang ditanam juga mempengaruhi stok, jika varietas padi yang ditanam padi ketan atau varietas tertentu seperti IR 42 untuk bahan baku industri, maka setelah panen langsung dijual semua sehingga petani tersebut hanya membeli beras secara eceran untuk makan sehari- hari. 9000 8000 7000 6000 5000 4000 3000 2000 1000 Diagram Kotak Garis Produktivitas Padi Produktivitas Kgha Gambar 12 Diagram kotak garis produktivitas padi Pola penjualan dan penyimpanan petani berbeda-beda, ada yang panen kemudian menjual sebagian dan menyisakan untuk konsumsi sehari- hari sampai panen berikutnya, ada petani yang menjual seluruh hasil panen dan untuk konsumsi sehari- hari membeli beras. Pada pola yang pertama stok relatif lebih besar dari pada pola yang kedua. Besarnya stok rata-rata yang dimiliki petani adalah 354.9 kg beras dan median sebesar 190 kg beras. Stok paling kecil adalah sebesar 1.6 kg beras berarti petani sudah tidak memiliki lagi sisa produksi hasil panen dan untuk kebutuhan sehari- hari mengandalkan pembelian beras secera eceran. Stok yang paling besar adalah 5752 kg beras, stok yang besar pada umumnya karena baru saja panen atau petani belum menjual gabah hasil panen. Suplai GabahBeras di Rumah Tangga Petani Produksi padi yang dipanen petani digunakan untuk berbagai macam kebutuhan. Pada umumnya sebagian besar petani menjual sebagian hasil panennya, menyimpan sebagian dalam bentuk gabah untuk konsumsi dan stok. Petani sebagian besar menyimpan hasil panennnya dalam bentuk gabah, jika stok beras untuk konsumsi menipis maka sebagian gabah digiling kembali menjadi beras. Persentase jumlah beras yang dijual, yang telah digunakan baik untuk konsumsi, sosial atau lainnya dan yang masih tersisa sebagai stok, untuk masing- masing petani berbeda-beda besarnya dan ada variasi. Untuk petani skala besar dengan luas panen lebih dari satu ha, maka persen gabah yang dijual relatif lebih besar dari pada petani skala kecil. Hasil survei pada Gambar 14 menunjukkan persentase ketersediaan gabahberas di rumah tangga petani dan kemungkinan penggunaan suplai tersebut. Gambar 13 Pola ketersediaan gabahberas pada petani contoh Kabupaten Subang Gambar 14 menunjukkan bahwa dari total suplai beras yang dimiliki rumah tangga petani sebagian besar berasal dari produksi panen terakhir yaitu 91.6, sedangkan sisa stok yang berasal dari panen sebelumnya adalah 6.1 dan sisanya 2.3 berasal dari pemberian atau pembelian dari pihak lain. Produksi gabah pada panen terakhir dan sisa gabah pada panen sebelumnya, sebagian dijual. Jumlah yang dijual ini rata-rata sebesar 57.3 dari total suplai, sedangkan sisanya digunakan untuk konsumsi dan penggunaan lainnnya, serta disimpan sebagai stok. Survei ini dilakukan pada 18 kecamatan contoh, karakteristik rumah tangga petani yang terdiri atas dua jenis. Pada kecamatan di daerah pantura umumnya Dijual X 4 Penggunaan X 5 Stok X 6 Dikonsumsi X 7 Sosiallainnya X 9 Benih + Pakan X 8 Suplai S=100 Sisa stok sebelum panen X 2 =6.1 s=0.0784 PembelianPemberian dari pihak lain X 3 =2.3 s=0.0687 Produksi X 1 =91.6 s=0.1032 petani memiliki lahan yang luas dan bertani merupakan usaha ya ng komersial, sebaliknya kecamatan lainnnya di wilayah Kabupaten Subang pada umumnya petani memiliki lahan relatif lebih sempit dan menanam padi lebih ditujukan untuk memenuhi kebutuhan rumah tangga sendiri. Deskripsi Rasio Stok Terhadap Produksi Rasio stok terhadap produksi adalah besarnya fraksi stok dari produksi atau menunjukkan dari total produksi bersih berapa persen yang disimpan sebagai stok. Penyediaan suplai gabahberas petani berasal dari produksi panen terakhir, pembelianpemberian atau berasal upah gabahberas dari pihak lain atau bisa berasal dari sisa stok panen sebelumnya. Selanjutnya suplai ini akan digunakan untuk penjualan, penggunaan konsumsi, benih, pakan, sosial, lainnya dan stok. Penjualan dilakukan pada umumnya sesaat setelah panen, sedangkan penggunaan dan stok diusahakan cukup sampai panen berikutnya, jadi makin jauh dari waktu panen stok akan semakin menipis. Rasio Stok Tanpa Membedakan Wilayah Berdasarkan hasil survei dijumpai petani yang masih memiliki stok dari hasil panen tujuh bulan yang lalu. Rasio stok terhadap produksi untuk panen tujuh bulan lalu adalah 0.02695 atau sisa stok gabahberas yang berasal dari panen yang dilakukan pada tujuh bulan lalu adalah 2.695 dari produksi. Untuk panen enam bulan lalu rata-rata besarnya stok adalah 4.755 dari produksi bersih, panen lima bulan lalu besarnya stok rata-rata 7.596 dari produksi bersih dan untuk panen empat bulan lalu besarnya stok 10.691 dari produksi bersih. Untuk panen tiga bulan lalu, dua bulan lalu, satu bulan lalu besarnya rataan stok masing- masing 16.022, 23.49 dan 34.15 dari produksi bersih. Tabel 9 Rasio stok terhadap produksi Kabupaten Subang Waktu panen Rasio Stok terhadap produksi Rataan Median Simpangan baku 1 bulan lalu 0.34150 0.25970 0.29680 2 bulan lalu 0.23490 0.16280 0.21230 3 bulan lalu 0.16022 0.10697 0.15045 4 bulan lalu 0.10691 0.06280 0.11816 5 bulan lalu 0.07596 0.04348 0.08143 6 bulan lalu 0.04755 0.02025 0.06125 7 bulan lalu 0.02695 0.00925 0.03801 Total contoh petani 217 Jika diamati lebih seksama penurunan rasio stok pada panen satu bulan lalu sampai empat bulan lalu agak tajam. Hal ini dapat dijelaskan karena pada lag waktu panen tersebut stok masih cukup besar sehingga penggunaan lebih banyak baik konsumsi maupun kegiatan sosial seperti hajatan. Pada masyarakat di Kabupaten Subang pada umumnya jika hajatan memberikan beras danatau uang. Semakin banyak jumlah yang hajatan pengeluaran beras untuk hajatan akan semakin besar. Jika stok gabahberas di rumah tangga petani makin banyak cenderung memberikan beras untuk hajatan dalam jumlah yang besar. Sebaliknya pada panen lima bulan lalu sampai tujuh bulan lalu stok semakin menipis sehingga penggunaan lebih diprioritaskan untuk konsumsi rumah tangga saja. Pada diagram kotak garis tampak bahwa ragam rasio stok untuk panen satu bulan lalu paling besar, selanjutnya ragam stok makin menurun sampai panen tujuh bulan lalu. Hal ini karena pada saat baru saja panen misalnya 1-2 bulan lalu rumah tangga petani masih punya banyak pilihan dalam penggunaan hasil panen seperti dijual langsung, disimpan terlebih dahulu kemudian dijual, disimpan untuk konsumsi sendiri, disumbangkan untuk kegiatan sosial atau untuk keperluan lainnya. Rt-1 Rt-2 Rt-3 Rt-4 Rt-5 Rt-6 Rt-7 0,0 0,5 1,0 Kabupaten Subang Gambar 14 Rasio stok terhadap produksi menurut waktu panen. Rasio Stok Terhadap Produksi Dengan Membedakan Wilayah Seperti telah dijelaskan pada bagian sebelumnya bahwa wilayah pantura dan non pantura sangat mempengaruhi pola penyimpanan stok. Hasil analisis deskripsi menunjukkan pola yang serupa untuk untuk pengamatan dua periode panen. Pada pengamatan stok panen sebelumnya, kemudian panen terakhir dan pada saat wawancara memiliki lag panen yang panjang, sampai pane n tujuh bulan yang lalu. Tabel 10 Rasio Stok tehadap produksi Kabupaten Subang Wilayah Non Pantura Waktu panen Rasio Stok terhadap produksi Rataan Median Simpangan baku 1 bulan lalu 0.5037 0.4667 0.5004 2 bulan lalu 0.3564 0.3348 0.3494 3 bulan lalu 0.2432 0.2150 0.2366 4 bulan lalu 0.1538 0.1147 0.1412 5 bulan lalu 0.1349 0.1103 0.1262 6 bulan lalu 0.1189 0.0961 0.1080 7 bulan lalu 0.0936 0.0951 0.0936 Total contoh petani 217 contoh, tersebar di 18 kecamatan 10 kecamatan non pantura, 8 kecamatan pantura Tabel 11 Rasio Stok tehadap produksi Kabupaten Subang Wilayah Pantura Waktu panen Rasio Stok terhadap produksi Rataan Median Simpangan baku 1 bulan lalu 0.1735 0.1043 0.1479 2 bulan lalu 0.12443 0.07495 0.10893 3 bulan lalu 0.09232 0.05095 0.08127 4 bulan lalu 0.07032 0.03329 0.06019 5 bulan lalu 0.05146 0.02800 0.04616 6 bulan lalu 0.03347 0.01680 0.02913 7 bulan lalu 0.01971 0.00849 0.01673 Total contoh petani 217 contoh, tersebar di 18 kecamatan 10 kecamatan non pantura, 8 kecamatan pantura Untuk lag waktu panen satu bulan yang lalu rasio stok terhadap produksi untuk wilayah pantura memiliki rataan 0.1735, sedangkan di wilayah non pantura 0.5037. Dengan perkataan lain contoh petani produsen di daerah pantura satu bulan setelah panen memiliki stok setara beras sebesar 17.35 dari produksi, dan petani produsen di daerah non pantura masih memiliki stok setara beras sebesar 50.37. Rumah tangga petani di daerah pantura memiliki stok yang lebih rendah karena pada umumnya mereka memiliki lahan sawah yang cukup luas sehingga produksinya besar, jadi meskipun persentasenya lebih kecil secara kuantitas stok gabahberas belum tentu lebih kecil. Hal yang sama terjadi pada lag- lag waktu panen berikutnya dari pane n dua bulan yang lalu sampai tujuh bulan yang lalu. Rataan rasio stok terhadap produksi untuk rumah tangga petani di daerah non pantura adalah : untuk waktu panen satu bulan lalu 0.5037, waktu panen dua bulan lalu 0.3564, waktu panen tiga bulan lalu 0.2432, waktu panen empat bulan lalu 0.1538. waktu panen lima bulan lalu 0.1349, waktu panen enam bulan lalu 0.1189 dan waktu panen tujuh bulan lalu 0.0936. Besarnya stok setara beras di daerah non pantura dari waktu panen satu bulan yang lalu sampai tujuh bulan yang lalu berturut adalah 50.37, 35.64, 24.32, 15.38, 13.49, 11.89, 9.36 dari produksi bersih. Sedangkan pada daerah pantura rataan rasio stok lebih kecil dibandingkan daerah non pantura wilayah Subang. Besarnya stok setara beras di daerah pantura dari waktu panen satu bulan yang lalu sampai tujuh bulan yang lalu berturut adalah 17.35, 12.44, 9.23, 7.03, 5.15, 3.35, 1.97 dari produksi bersih. Seperti yang telah dijelakan sebelumnya bahwa perbedaan ini rasio ini karena usaha tani di daerah pantura cenderung berskala besar. Untuk petani di daerah pantura median luas panen 1.4 ha, sedangkan di daerah non pantura median luas panen 0.42 ha. Oleh karena luas panen lebih besar sehingga produksinya juga lebih besar, sedangkan untuk kebutuhan konsumsi, penggunaan dan stok relatif sama sehingga rasio menjadi lebih kecil. Rt-7 Rt-6 Rt-5 Rt-4 Rt-3 Rt-2 Rt-1 1,0 0,5 0,0 Wilayah Non Pantura Kabupaten Subang Rt-7 Rt-6 Rt-5 Rt-4 Rt-3 Rt-2 Rt-1 1,0 0,5 0,0 Wilayah Pantura Kabupaten Subang Gambar 15 Rasio stok terhadap produksi menurut lag waktu panen berdasarkan wilayah. Deskripsi Penggilingan Penggilingan secara umum dibagi menjadi dua, yaitu penggilingan yang melayani jasa giling dan penggilingan yang melayani jasa giling dan melakukan jual beli gabahberas. Penggilingan yang hanya melayani jasa giling, tentu saja tidak memiliki stok gabahberas. Sebaliknya penggilingan yang melakukan jual beli ada yang memiliki stok, sehingga yang disurvei hanya penggilingan yang merangkap pedagang atau yang melakukan jual beli. Jumlah contoh penggilingan yang disurvei ada 70 penggilingan yang tersebar di 17 kecamatan contoh. Variasi penggilingan yang merangkap pedagang ini juga sangat beragam, ada penggilingan yang memiliki kapasitas gudang dan kapasitas giling sangat besar ada yang tidak memiliki gudang dan hanya memiliki 1 mesin giling sehingga kapasitas sangat kecil. Kapasitas giling yang terkecil adalah 2.5 kuintal berashari dan kapasitas giling yang terbesar sampai 800 kuintal berashari, untuk penggilingan yang memiliki kapasitas besar karena memiliki beberapa unit mesin. Disamping itu biasanya penggilingan dilengkapi dengan tempat penjemuran. Kapasitas jemur juga bervariasi ada yang sampai 40 ton gabah. Beberapa penggilingan besar juga dilengkapi oven atau pengering gabah dengan kapasitas sekitar 20 ton gabah. Penggilingan di daerah pantura pada umumnya memiliki sarana transportasi berupa truk. Rata-rata memiliki 2 truk, satu truk untuk mencari gabah dengan cara mendatangi lokasi pemanenan, sedangkan truk lainnya untuk menjual beras. Truk yang dimiliki umumnya truk sedang dengan kapasitas angkut sekitar 10 ton beras. Sebaliknya penggilingan padi di daerah pegununganselatan Kabupaten Subang umumnya memiliki skala yang lebih kecil baik kapasitas giling, kapasitas jemur dan truk yang dimiliki. Kapasitas giling hanya sekitar 2 – 4 ton berashari, dan truk yang dimiliki hanya mobil boks kecil dengan kapasitas 1.7 – 2 ton beras. Besarnya stok di penggilingan bervariasi, ada kecenderungan makin besar kapasitas penggilingan maka stok makin besar. Pada umumnya penggilingan menyimpan stok hanya berupa stok kerja, yaitu stok diperlukan agar penggilingan bisa berjalan terus dan tidak sampai berhenti karena tidak ada bahan baku. Besarnya stok kerja ini bervariasi tergantung besarnya kapasitas giling, dan biasanya besarnya stok kerja ini cukup untuk 1 hari operasional, jika kapasitas giling 10 ton beras per hari maka diperlukan gabah sekitar 15 ton. Besarnya stok beras rata-rata di penggilingan contoh pada saat survei awal agustus adalah sebesar 181.4 kuintal. Stok paling rendah 0 dan stok paling tinggi sampai 115 ton beras. Jika dilihat dari diagram kotak garis besarnya stok di penggilingan, posisi median relatif tidak di tengah-tengah tetapi cenderung agak ke kiri. Hal ini menunjukkan banyak penggilingan yang memiliki stok kecil. Berdasarkan angka median stok di penggilingan adalah sebesar 106.8 kuintal beras. Pada diagram kotak garis ditemukan ada 2 pencilan karena memiliki stok di atas 1000 kuintal beras pada saat survei. Kedua penggilingan tersebut termasuk penggilingan yang sangat besar, salah satu melayani perdagangan antar pulau dan lainnya untuk melayani kebutuhan konsumsi pesantren besar. Untuk menggambarkan nilai tengah dari stok di penggilingan penggunaan median lebih tepat dan besarnya adalah 151.7 ku. Tabel 12 Besaran stok di penggilingan pada awal Agustus 2005 Jumlah contoh Rataan Stok Ku Median Stok Ku Rataan terpangkas Simpangan baku 70 181.4 106.8 151.7 216.4 Penggilingan padi membeli gabah dari petani. Untuk mengetahui wilayah mana saja yang sedang panen, biasanya penggilingan menggunakan jasa calo. Jika sudah diketahui wilayah panen selanjutnya penggilingan melakukan pembelian gabah secara langsung dengan petani. Untuk penggilingan yang memiliki truk langsung ke lokasi panen dan membeli gabah dari petani tersebut. Selanjutnya gabah dibawa ke penggilingan untuk dijemur. Penjemuran dilakukan 2 sampai 3 hari. Ada beberapa penggilingan yang memiliki ovendryer dan digunakan jika kurang sinar matahari atau banyak hujan. 500 1000 Stok Awal Agustus Kuintal Beras Gambar 16 Diagram kotak garis stok beras di penggilingan pada awal Agustus 2005 Volume pembelian gabah rata-rata pada bulan Juli 2005 adalah sebesar 2 832 kuintal, sedangkan median hanya 1 590 kuintal per bulan. Perbedaan yang cukup jauh antara rataan dan median menunjukkan bahwa rataan contoh tertarik pada nilai- nilai yang besar. Hal ini menunjukkan bahwa banyak penggilingan skala kecil dan menengah, namun ada beberapa penggilingan yang sangat besar. Tabel 13 Volume Pembelian Gabah dan Penjualan Beras pada bulan Juli 2005 Peubah n Rataan Median Rataan terpangkas Simpangan Baku Pembelian gabah ku 70 2832 1590 2210 3920 Penjualan beras ku 70 1697 1091 1346 2215 Asal pembelian gabah sebagian besar dari dalam kabupaten sendiri. Jika sedang panen raya maka dapat dipastikan bahwa pembelian gabah berasal dari dalam kabupaten. Jika sedang paceklik di Kabupaten Subang seperti Bulan Januari dan Pebruari, beberapa penggilingan yang memiliki modal kuat membeli gabah di luar kabupaten bahkan sampai ke luar propinsi seperti Lampung dan Jawa Tengah. 20000 10000 Volume pembelian gabah kuintal Gambar 17 Volume pembelian gabah oleh penggilingan Bulan Juli 2005 Beras yang telah digiling langsung dijual oleh pihak penggilingan. Untuk penggilingan di daerah Pantura seperti Kecamatan Cikaum, Legon Kulon, Pamanukan, Binong, Blanakan, Compreng, Ciasem dan Pusakanagara hampir semua beras dijual ke Pasar Induk Cipinang Jakarta. Penggilingan di daerah pegunungan Kecamatan Jalancagak, Tanjungsiang, Cisalak, Sagalaherang lebih dekat ke Bandung, sehingga penjualan beras ke pasar-pasar yang ada di Bandung. Beberapa penggilingan di kecamatan pedataran seperti Pagaden, dijumpai beberapa penggilingan menjadi mitra SubDolog. Penggilingan yang menjadi mitra SubDolog mendapat order untuk pengadaan gabah. Selanjutnya penggilingan membeli gabah ke petani, setelah dikumpulkan, dikeringkan dan dikirim ke SubDolog jika telah memenuhi syarat kualitas. Pada bulan-bulan tertentu, jika sedang tidak ada pengadaan maka penggilingan mitra Dolog itu mendapat order unt uk menggiling gabah. 5000 10000 15000 Volume Penjualan Beras kuintal Gambar 18 Volume penjualan beras oleh penggilingan padi bulan Juli 2005 Volume penjualan beras rata-rata pada Bulan Juli 2005 adalah sebesar 1 697 kuintal. Jika dilihat lebih jauh berdasarkan tujuan penjualan maka dari total 70 contoh penggilingan ada 18 penggilingan yang menjual gabahberas di dalam Kabupaten Subang atau sekitar 25.7, sedangkan sisanya 74.3 penjualan gabahberas ke luar Kabupaten Subang. Dari 18 penggilingan yang menjual gabahberas di dalam Kabupaten Subang rata-rata volume penjualan pada Bulan Juli 2005 adalah sebesar 1396 kuintal dan total penjualan beras sebesar 2512 ton. Jumlah penggilingan yang menjual beras ke luar Kabupaten Subang ada 52 contoh, rata-rata volume penjua lan beras 1801 kuintal atau total penjualan beras ke luar Subang dari total contoh penggilingan tersebut adalah sebesar 9365 ton. Berdasarkan total volume penjualan, beras yang dijual ke luar Kabupaten Subang adalah 78.85 . Tabel 14 Volume penjualan beras berdasarkan tujuan penjualan Tujuan n Rataan kuintal Median kuintal Simpangan Baku Jumlah Jumlah Dalam kabupaten 18 1396 672 3264 25121.2 21.15 Luar kabupaten 52 1801 1520 1575 93655.6 78.85 Deskripsi Subdolog Sub Dolog yang disurvei adalah Sub Dolog yang melayani wilayah Subang dan Purwakarta. Sub Dolog ini memiliki 18 gudang terdiri dari 5 gudang milik Sub Dolog dan 13 gudang sewa dari swasta. Gudang milik Dolog di Kabupaten Subang dan Purwakarta adalah : 1. Gudang Wessell kapasitas 3500 ton 2. Gudang Binong kapasitas 8000 ton 3. Gudang Rancaudik kapasitas 7500 ton 4. Gudang Pabuaran kapasitas 6000 ton 5. Gudang Purwakarta kapasitas 2000 ton Total kapasitas Gudang SubDolog wilayah Subang dan Purwakarta sekitar 82000 ton. Pengadaan gabah hampir seluruhnya dari wilayah Subang dan Purwakarta, hanya pada saat tertentu jika di Subang dan Purwakarta tidak ada panen, maka dilakukan pengadaan dari kabupaten lain. Pengadaan gabah melalui beberapa jalur yaitu melalui : mitra kerja, satuan tugas, UPGB Unit Pengadaan Gabah Beras dan Drying Center. Sedangkan penyaluran beras SubDolog melalui 3 jalur : Beras Raskin, Departemen Sosial jika ada bencana alam dan Departemen Kehakiman dan HAM untuk makanan penghuni Lembaga Pemasyarakatan. Penyaluran yang paling besar adalah melalui Raskin yaitu sekitar 2500 ton per bulan. Data yang berhasil dikumpulkan adalah data stok beras pada akhir bulan, dari bulan April 1997 sampai Juli 2005. Besarnya stok di Sub Dolog sangat fluktuatif dari bulan ke bulan. Jika diambil rata-rata stok selama periode waktu tersebut adalah 12450146 kg atau sekitar 12450 ton per bulan. Jik dilihat lebih jauh kedaan stok dari bulan ke bulan tampak bahwa, pada bulan Januari relatif masih tinggi yaitu sekitar 14000 ton, bulan Pebruari menurun menjadi 11000 ton, Maret terus menurun lagi menjadi sekitar 9600 ton. Bulan April, Mei, Juni meningkat lagi sekitar 10000 ton, karena pada bulan-bulan ini mulai dilakukan pengadaan. Bulan Juli merambat naik menjadi 11000 ton, Agustus merambat lagi menjadi 12000 ton, September menjadi 13000 ton. Stok tertinggi biasanya pada Bulan Oktober, Nopember dan Desember yaitu sekitar 15000 ton. Tabel 15 Deskripsi stok bulanan Sub Dolog Subang tahun 1997 – 2005 Peubah n Rataan Median Rataan terpangkas Simpangan Baku Stok kg 100 12450146 10877845 12287238 751585 Model Stok Petani Model stok petani dibangun berdasarkan hasil survei rasio stok terhadap produksi. Informasi mengenai jumlah stok pada saat survei, produksi pada saat panen dan bulan panen menjadi faktor yang sangat menentukan dalam membangun model ini. Besarnya stok di rumah tangga petani sangat dipengaruhi oleh waktu panen dan produksi padi. Setiap petani memiliki waktu panen yang berbeda-beda, pada umumnya makin jauh waktu panen dengan saat interview maka rasio makin kecil. Besarnya produksi hasil panen juga mempengaruhi besarnya stok, makin tinggi produksi dan makin banyak jumlah yang dijual maka rasio stok terhadap produksi akan makin kecil. Sebagai langkah awal pembangunan model adalah menduga total stok gabahberas di rumah tangga petani setiap kecamatan. Pendugaan total stok gabahberas di rumah tangga petani berdasarkan pola rasio stok pada saat interview terhadap bulan panen untuk masing- masing kecamatan. Setiap kecamatan memiliki pola rasio stok yang berbeda-beda. Di kecamatan di daerah pantura cenderung rasio stok terhadap produksi cenderung kecil dibandingkan dengan kecamatan di daerah non pantura. Untuk waktu panen satu bulan yang lalu, rasio stok terhadap produksi untuk rumah tangga petani di daerah pantura kurang dari 25, sedangkan pada daerah non pantura pada umumnya di atas 25. Rasio stok yang dihitung adalah rasio stok terhadap produksi dari waktu panen satu bulan yang lalu sampai tujuh bulan yang lalu, karena survei dilakukan bulan Agustus maka dihitung rasio stok dari produksi bulan Juli sampai bulan Januari. Penentuan jangka waktu rasio stok ini berdasarkan hasil survei. Setelah didapatkan pola rasio stok berdasarkan waktu panen untuk setiap kecamatan, selanjutnya untuk menduga stok di suatu kecamatan adalah dengan cara mengalikan rasio stok tersebut dengan produksi bulanan per kecamatan Hasil pendugaan total stok per kecamatan disajikan pada Lampiran 2. Hasil pendugaan stok setara beras menunjukkan bahwa stok paling rendah adalah di Kecamatan Pamanukan yaitu hanya 565 ton beras, hal ini karena pada kecamatan tersebut didominasi padi varietas ketan dan IR 42 untuk bahan baku industri, sehingga setelah panen langsung dijual semua dan untuk kebutuhan sehari- hari dilakukan dengan cara me mbeli secara eceran, sehingga stok di rumah tangga petani kecil. Stok rumah tangga petani di kecamatan daerah pantura pada umumnya kecil yaitu di bawah 2000 ton beras karena pada umumnya merupakan sisa panen raya bulan April, kecuali Kecamatan Pusakanagara stok masih relatif lebih besar 3120 ton, karena panen raya dilakukan pada bulan Mei. Kecamatan Cipunagara, Pagaden dan Cipendeuy memiliki stok yang relatif besar karena pada bulan Juli baru saja panen. Kecamatan Sagalaherang, Cisalak, Tanjung Siang dan Cijambe memiliki stok yang relatif besar karena pada bulan Juli baru saja panen dengan produksi yang cukup besar. Selanjutnya dari hasil pendugaan stok gabahberas di rumah tangga petani untuk setiap kecamatan dibuat model. Model tersebut digunakan untuk menduga stok di kecamatan lain yang tidak dijadikan contoh dan juga untuk menduga stok untuk setiap bulan Agustus. Model yang dibuat adalah model regresi berganda. Sebagai peubah tak bebas adalah stok setara beras pada awal bulan Agustus dan peubah tak bebas adalah produksi padi pada bulan Juli, Mei, April dan Maret. Produksi bulan Juni tidak masuk dalam model karena panen pada bulan Juni sangat kecil masa paceklik sehingga tidak menyumbang stok bulan Agustus. Data stok beras merupakan data hasil survei sedangkan data produksi bulanan untuk setiap kecamatan merupakan data sekunder dari Dinas Pertanian Kabupaten Subang. Model yang didapatkan untuk menduga stok setara beras di rumah tangga petani tingkat kecamatan adalah : agt T Sˆ = 40 + 0.334 Pjul + 0.177 Pmei + 0.0506 Papr + 0.194 Pmar – 2103 D dimana : agt T Sˆ : total stok di rumah tangga petani pada awal Agustus Ton Pjul : produksi padi gabah kering giling bulan Juli Ton Pmei : produksi padi gabah kering giling bulan Mei Ton Papr : produksi padi gabah kering giling bulan April Ton Pmar : produksi padi gabah kering giling bulan Maret Ton D : wilayah pantura=1, non pantura=0 Tabel 16 Model Stok Petani Peubah Koefisien Galat baku T p VIF Intersep 39.6 324.6 0.12 0.905 Pjul 0.33440 0.04592 7.28 0.000 1.5 Pmei 0.17718 0.02616 6.77 0.000 3.1 Papr 0.05062 0.01734 2.92 0.013 2.1 Pmar 0.19397 0.06058 3.20 0.008 1.7 D -2102.9 361.6 5.82 0.000 3.2 S = 428.3 R-Sq = 86.2 R-Sqadj = 80.6 PRESS = 4372515 R-Sqpred= 72.87 Stok Agt merupakan stok setara beras pada awal Agustus dalam satuan ton, sedangkan Pjul, Pmei, Papr, Pmar merupakan produksi gabah kering giling menurut bulan dalam satuan ton untuk masing- masing kecamatan dan D merupakan peubah boneka dummi untuk membedakan wilayah kecamatan. Nilai D bernilai 1 untuk wilayah pantura dan bernilai 0 untuk wilayah non pantura. Model tersebut merupakan model stok setara beras pada awal Agustus di kecamatan dalam wilayah Kabupaten Subang. Koefisien determinasi sebesar 86.2 menunjukkan bahwa keragaman stok di rumah tangga petani pada awal Agustus untuk wilayah kecamatan, berhasil diterangkan oleh produksi bulan Juli, Mei, April, Maret dan peubah dummi wilayah sebesar 86.2. Pada pemilihan model regresi terbaik salah satu kriteria adalah koefisien determinasi ganda terkoreksi, makin besar nilai ini model semakin baik. Koefisien determinasi ganda terkoreksi besarnya 80.6, nilai ini paling besar diantara model- model regresi lainnya, sehingga model regresi dengan peubah bebas produksi padi bulan Juli, Mei, April, Maret dan peubah dummi wilayah dipilih sebagai model terbaik untuk menduga stok setara beras di awal Agustus, seperti terlihat pada Lampiran 2. Uji F menunjukkan nilai p=0.000 sehingga hubungan regresi antara stok Agustus dengan produksi padi bulan Juli, Mei, April, Maret dan dummi wilayah nyata. Uji t menunjukkan bahwa untuk semua β k nilai p 0.05, artinya dengan tingkat keyakinan 95 nilai koefisien regresi β k tidak sama dengan nol k=1,2,3,4,5. Model stok awal Agustus menunjukkan nilai koefisien regresi untuk semua produksi bulan Juli, Mei, April dan Maret semua bertanda positif. Hal ini menunjukkan bahwa besarnya produksi pada bulan Juli, Mei, April dan Maret meningkatkan besaran stok di bulan Agustus. Model tersebut juga mengandung peubah dummi, yang bernilai 1 untuk kecamatan wilayah pantura dan bernilai 0 untuk kecamatan lainnya, dan secara signifikan nilai koefisien regresi tidak sama dengan nol. Adanya perbedaan wilayah ini karena dari hasil analisis deskripsi ada perbedaan signifikan dalam pola penggunaan gabahberas, sehingga mempengaruhi pola stok. Adanya peubah dummi tersebut dapat memecah model menjadi dua : Model untuk kecamatan di wilayah non pantura nilai D=0 : agt T Sˆ = 40 + 0.334 Pjul + 0.177 Pmei + 0.0506 Papr + 0.194 Pmar Model untuk kecamatan di wilayah pantura nilai D=1 : agt T Sˆ = -2063 + 0.334 Pjul + 0.177 Pmei + 0.0506 Papr + 0.194 Pmar Selain itu kelayakan model perlu diuji keacakan galat model dan kenormalan galat. Hasil uji kecakan galat dan kenormalan galat dapat dilihat pada Lampiran 2. Perilaku sisaan yang dianggap layak akan terlihat apabila nilai-nilai tersebut membentuk suatu pita yang mendatar di sekitar garis sisaan=0, pita yang membentuk corong dapat memberikan petunjuk adanya keheterogenan ragam dan pita yang melengkung menunjukkan kekurangtepatan persamaan linier. Berdasarkan plot antara nilai sisaan dengan dugaan terlihat bahwa sisaan bersifat acak, tidak memiliki pola tertentu sehingga model layak. Hasil pengujian plot kenormalan galat menujukkan bahwa polanya tampak cukup linier, konsisten dengan sebaran normal suku-suku galatnya. Pemeriksaan galat lebih lanjut melalui uji Kolmogorov-Smirnov menunjukkan bahwa nilai probabilitas yang lebih dari 0.15 sehingga sisaan menyebar normal, sesuai dengan asumsi yang diperlukan dalam model. Salah satu syarat model regresi yang layak adalah antar peubah bebas harus saling bebas. Peubah bebas pada model yaitu produksi padi bulan Juli, Mei, April dan Maret saling bebas. Produksi Juli besarnya tidak ditentukan oleh produksi Mei, April dan Maret, produksi Mei tidak ditentukan oleh produksi April dan Maret dan seterusnya. Besarnya produksi dipengaruhi oleh luas tanam, luas panen dan produktivias. Hasil korelasi Pearson juga menunjukkan korelasi antar bulan panen tersebut tidak ada yang lebih dari 0.5 Lampiran 2. Pengujian ini diperkuat melalui nilai VIF variance inflation factors untuk menguji apakah ada multikolinier. Jika nilai VIF10 mengindikasikan ada multikolinier atau ada korelasi yang tinggi antar peubah bebas, sedangkan syarat model yang baik antar peubah bebas harus saling bebas. Pada model yang dihasilkan menunjukkan nilai VIF5, sehingga model tersebut tidak ada masalah multikolinier. Berdasarkan model yang telah diuji kelayakannnya, selanjutnya dilakukan pendugaan stok baik untuk kecamatan contoh maupuan kecamatan yang tidak disurvei. Hasil Pendugaan stok setara beras untuk masing- masing kecamatan disajikan pada Tabel 17. Berdasarkan tabel tersebut selalu ada perbedaan antara hasil pendugaan dengan menggunakan survei dan hasil berdasarkan model. Semakin kecil jumlah kuadrat selisih antara nilai sebenarnya hasil survei dan nilai dugaan hasil model maka model tersebut akan semakin baik. Berdasarkan hasil survei total stok setara beras di rumah tangga petani untuk seluruh kecamatan contoh yang terdiri dari 18 kecamatan pada awal Agustus adalah sebesar 32037.82 ton beras, sedangkan berdasarkan model total stok adalah sebesar 32037.91 ton. Sedangkan pendugaan stok di kecamatan yang tidak dijadikan contoh berdasarkan model yaitu Kecamatan Subang sebesar 3243 ton, Kecamatan Kalijati sebesar 3828 ton, Kecamatan Pabuaran 1590 ton dan Kecamatan Patokbeusi sebesar 4560 ton. Pendugaan total stok di rumah tangga petani pada awal Agustus lalu di 18 kecamatan contoh berdasarkan model adalah sebesar 32038 ton setara beras. Galat baku pendugaan standard error prediction untuk total kecamatan contoh adalah 1049.48, sehingga selang kepercayaan 95 bagi hasil pendugaan total stok pada 18 kecamatan contoh berkisar antara 29729 ton sampai 34347 ton setara beras. Sedangkan untuk kecamatan baru yang tidak masuk dalam contoh, dianggap sebagai pengamatan baru, sehingga selang yang digunakan bukan selang kepercayaan, tetapi selang pendugaan prediction interval untuk pengamatan yang baru. Kecamatan Subang hasil pendugaan berdasarkan model adalah total stok 3243 ton, hasil selang pendugaan dengan tingkat kepercayaan 95 batas bawah stok di kecamatan tersebut 2196 ton dan batas atas 4291 ton. Galat baku total diperoleh akar dari jumlah kuadrat galat baku individu pengamatan, berdasarkan hasil perhitungan diperoleh 1593 ton. Pendugaan total stok di rumah tangga petani untuk seluruh kecamatan adalah 45259 ton, dengan tingkat kepercayaan 95 besaran stok setara beras di rumah tangga petani Kabupaten Subang berkisar antara 41753 ton sampai 48765 ton setara beras. Tabel 17 Pendugaan Stok Setara Beras di Rumah Tangga Petani No. Kecamatan Stok Setara Beras Ton Galat Baku Pendugaan Model Selang Kepercayaan 95 Untuk Model Ton Beras Survei Model Batas Bawah Batas Atas 1. Sagalaherang 3642.15 3047.04 262.69 2474.69 3619.39 2. Jalancagak 782.62 1244.98 203.01 802.65 1687.30 3. Cisalak 3143.26 3428.87 226.37 2935.66 3922.08 4. Tanjungsiang 2369.85 2127.16 192.60 1707.52 2546.79 5. Cijambe 1734.26 1705.69 164.65 1346.94 2064.44 6. Cibogo 928.78 1300.96 174.26 921.28 1680.65 7. Cipunagara 2101.75 2218.24 349.60 1456.52 2979.96 8. Pagaden 2851.64 2949.52 295.46 2305.76 3593.28 9. Cipeundeuy 2313.62 1632.25 154.52 1295.59 1968.91 10. Purwadadi 785.88 885.18 198.60 452.47 1317.89 11. Ciasem 586.95 52.87 274.33 -544.85 650.58 12. Binong 1588.11 1275.00 283.57 657.15 1892.84 13. Compreng 1622.63 1616.50 322.74 913.31 2319.69 14. Pusakanagara 3118.78 3075.63 355.63 2300.79 3850.47 15. Pamanukan 564.51 743.27 235.81 229.47 1257.06 16. Blanakan 657.88 1278.71 180.98 884.39 1673.04 17. Legonkulon 1366.44 1346.93 247.36 807.99 1885.88 18. Cikaum 1878.71 2109.11 189.35 1696.56 2521.66 TOTAL 32037.82 32037.91 1049.08 29728.88 34346.94 Kecamatan yang tidak disurvei 19. Subang - 3243.50 218.64 2195.78 4291.22 20. Kalijati - 3828.46 309.55 2677.08 4979.84 21. Pabuaran - 1589.80 374.92 349.61 2829.99 22. Patokbeusi - 4559.65 740.41 2695.98 6423.32 TOTAL KAB. SUBANG 45259.32 1592.86 41753.44 48765.20 Kecamatan Wilayah Pantura 0.00 500.00 1000.00 1500.00 2000.00 2500.00 3000.00 3500.00 4000.00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Kecamatan Stok Ton Survei Model Gambar 19 Plot Pendugaan Stok di Petani Menurut Hasil Survei dan Model Jumlah rumah tangga usaha padi berdasarkan hasil Sensus Pertanian 2003 di Kabupaten Subang adalah 120199 rumah tangga. Hasil survei menunjukkan rata- rata stok setara beras di rumah tangga petani pada awal Agustus sebesar 354.9 kg, jadi total stok di rumah tangga petani sebesar 42659 ton. Nilai tersebut masuk dalam selang hasil pendugaan menggunakan model yaitu berkisar antara 41753 ton sampai 48765 ton setara beras, sehingga tidak berbeda secara nyata antara pendugaan model dan pendugaan survei. Model Stok Penggilingan Penggilingan melakukan penyimpanan stok baik sebagai stok kerja maupun stok berjaga-jaga. Stok kerja digunakan agar proses pekerjaan tidak terganggu dan penggilingan bisa terus beroperasi. Stok berjaga-jaga dilakukan ketika hendak memasuki musim paceklik, agar pada saat musim paceklik nanti penggilingan tetap beroperasi. Penggilingan yang melakukan stok spekulasi untuk memperoleh keuntungan yang besar, tidak ditemukan pada saat survei. Model stok penggilingan dibangun berdasarkan data primer yang merupakan hasil survei dan data sekunder dari Dinas Pertanian Kabupaten Subang. Data stok yang diperoleh dari survei adalah data stok pada saat wawancara, yaitu pada awal Agustus lalu. Untuk setiap kecamatan diambil beberapa penggilingan sebagai contoh, kemudian dihitung rata-rata stok di penggilingan untuk setiap kecamatan. Jumlah penggilingan yang merangkap pedagang diperoleh dari hasil listing. Berdasarkan rata-rata stok gabahberas di penggilingan untuk setiap kecamatan dan jumlah penggilingan merangkap pedagang untuk setiap kecamatan maka dapat diduga besarnya stok di penggilingan untuk setiap kecamatan contoh. Pendugaan stok di penggilingan untuk setiap kecamatan disajikan pada Lampiran 3. Berdasarkan hasil pendugaan tersebut menunjukkan bahwa jumlah stok setara beras di penggilingan yang paling banyak ada di Kecamatan Binong yaitu sebesar 1169 ton, diikuti dengan Kecamatan Cipunagara yaitu sebesar 1148 ton. Tingginya jumlah stok di dua kecamatan tersebut karena jumlah penggilingan yang merangkap pedagang jumlahnya banyak atau rata-rata stok yang cukup besar. Stok di penggilingan yang dengan jumlah kecil ada di Kecamatan Sagalaherang yaitu hanya 29 ton dan Kecamatan Jalan Cagak 37 ton, disamping karena jumlah penggilingan tidak terlalu banyak, skala usaha kecil, juga karena tidak ada panen sejak bulan Mei sampai Juli. Selanjut nya dari hasil pendugaan total stok setara beras di penggilingan untuk setiap kecamatan, kemudian dibangun model stok penggilingan. Model stok dibangun dari peubah tak bebas yaitu stok di penggilingan pada awal Agustus untuk setiap kecamatan dan peubah bebas produksi gabah di kecamatan contoh dari bulan Juli sampai dengan Maret. Model yang digunakan sebagaimana model stok petani adalah model regresi berganda. Berdasarkan hasil analisis model yang terbaik untuk menduga stok di penggilingan untuk setiap kecamatan pada awal Agustus adalah : agt G Sˆ = -341.1 + 0.0595 Pjul + 0.0203 Pmei + 0.0370 Papr + 0.125 Pmar – 0.000022 PKmar dimana: agt G Sˆ : total stok setara beras di penggilingan pada awal Agustus Ton Pjul : produksi padi gabah kering giling GKG bulan Juli Ton Pmei : produksi padi gabah kering giling bulan Mei Ton Papr : produksi padi gabah kering giling bulan April Ton Pmar : produksi padi gabah kering giling bulan Maret Ton PKmar : produksi kuadrat padi gabah kering giling bulan Maret Ton Tabel 18 Model Stok Penggilingan Peubah Koefisien Galat baku T p VIF Intersep -341.1 183.9 -1.85 0.091 Pjul 0.05947 0.01726 3.45 0.005 1.5 Pmei 0.020348 0.008323 2.44 0.033 2.1 Papr 0.036978 0.004985 7.42 0.000 1.2 Pmar 0.12513 0.07351 1.70 0.117 17.1 PKmar -0.00002159 0.00000847 -2.55 0.027 15.3 S = 156.1 R-Sq = 86.0 R-Sqadj = 79.7 PRESS = 859431 R-Sqpred=55.18 agt G Sˆ merupakan stok setara beras pada awal Agustus dalam satuan ton, sedangkan Pjul, Pmei, Papr, Pmar merupakan produksi gabah kering giling menurut bulan dalam satuan ton untuk masing- masing kecamatan dan Pkmar merupakan produksi gabah kering giling Bulan Maret dikuadratkan. Model tersebut merupakan model stok setara beras pada awal Agustus di kecamatan dalam wilayah Kabupaten Subang. Koefisien determinasi sebesar 86.0 menunjukkan bahwa keragama n stok di penggilingan pada awal Agustus untuk wilayah kecamatan, berhasil diterangkan oleh peubah bebas produksi per kecamatan bulan Juli, Mei, April, Maret dan produksi Maret kuadrat sebesar 86.0. Koefisien determinasi ganda terkoreksi besarnya 79.7, nilai ini menjadi salah satu kriteria dalam pemilihan model terbaik, makin tinggi nilainya mendekati 100 model semakin baik. Uji F menunjukkan nilai p=0.000 sehingga hubungan regresi antara stok Agustus dengan produksi padi bulan Juli, Mei, April, Maret dan produksi kuadrat bulan Maret nyata. Uji t menunjukkan bahwa untuk β k k=0,1,2,3,5 nilai p 0.10, artinya dengan tingkat keyakinan 90 nilai koefisien regresi β k untuk peubah bebas produksi padi bulan Juli, Mei, April dan kuadrat produksi bulan Maret tidak sama dengan nol. Sebaliknya nilai β k untuk koefisien regresi peubah bebas produksi bulan Maret tidak nyata pada tingkat keyakinan 90. Model stok awal Agustus menunjukkan nilai koefisien regresi untuk produksi bulan Juli, Mei, April dan Maret semua bertanda positif, sebaliknya produksi bulan Maret kuadrat bernilai negatif. Hal ini menunjukkan bahwa besarnya panen pada bulan Juli, Mei, April dan Maret akan meningkatkan besaran stok di bulan Agustus karena pada Bulan Maret dan April merupakan puncak panen raya sehingga penggilingan cenderung untuk melakukan penyimpanan stok, bulan Mei panen masih cukup banyak jadi masih terus terjadi penambahan stok, dan bulan Juli jumlah padi yang dipanen kembali meningkat sehingga penggilingan kembali menyimpan stok. Pada bulan Maret panen cukup banyak dan produksi padi besar, tanda koefisien positif dan bentuk kuadratnya negatif, tetapi jika dijumlahkan peran panen bulan Maret positif terhadap stok Agustus artinya makin besar produksi bulan Maret, stok pada bulan Agustus juga semakin besar. Selain itu kelayakan model perlu diuji keacakan galat model dan kenormalan galat. Hasil uji kecakan galat dan kenormalan galat dapat dilihat pada Lampiran 3. Perilaku sisaan yang dianggap layak akan terlihat apabila nilai-nilai tersebut membentuk suatu pita yang mendatar di sekitar garis sisaan=0, pita yang membentuk corong dapat memberikan petunjuk adanya keheterogenan ragam dan pita yang melengkung menunjukkan kekurangtepatan persamaan linier. Berdasarkan plot antara nilai sisaan dengan dugaan terlihat bahwa sisaan bersifat acak, tidak memiliki pola tertentu sehingga model layak. Hasil pengujian plot kenormalan galat menujukkan bahwa polanya tampak cukup linier, konsisten dengan sebaran normal suku-suku galatnya. Pemeriksaan galat lebih lanjut melalui uji Kolmogorov-Smirnov menunjukkan bahwa nilai probabilitas yang lebih dari 0.15 sehingga sisaan menyebar normal, sesuai dengan asumsi yang diperlukan dalam model. Salah satu syarat model regresi yang layak adalah antar peubah bebas harus saling bebas. Peubah bebas pada model yaitu produksi padi bulan Juli, Mei, April dan Maret saling bebas. Produksi Juli besarnya tidak ditentukan oleh produksi Mei, April dan Maret, produksi Mei tidak ditentukan oleh produksi April dan Maret dan seterusnya. Besarnya produksi dipengaruhi oleh luas tanam, luas panen dan produktivias. Hasil korelasi Pearson juga menunjukkan korelasi antar bulan panen tersebut tidak ada yang lebih dari 0.5 Lampiran 2. Berdasarkan model yang telah diuji kelayakannnya, selanjutnya dilakukan pendugaan stok baik untuk kecamatan contoh maupuan kecamatan yang tidak disurvei. Hasil Pendugaan stok setara beras untuk masing- masing kecamatan disajikan pada Tabel 19. Berdasarkan tabel tersebut ada perbedaan antara hasil pendugaan dengan menggunakan survei dan hasil berdasarkan model. Semakin kecil jumlah kuadrat selisih antara nilai sebenarnya hasil survei dan nilai dugaan hasil model maka model tersebut akan semakin baik. Berdasarkan hasil survei total stok setara beras di penggilingan untuk seluruh kecamatan contoh yang terdiri dari 17 kecamatan pada awal Agustus adalah sebesar 5883.78 ton beras, dan berdasarkan model total stok sama dengan hasil survei yaitu sebesar 5883.76 ton. Sedangkan pendugaan stok di kecamatan yang tidak dijadikan contoh berdasarkan model yaitu Kecamatan Subang sebesar 545 ton, Kalijati sebesar 349 ton, Legon Kulon 95 ton, Pabuaran 599 ton dan Patokbeusi sebesar 932 ton. Pendugaan total stok di rumah tangga petani pada awal Agustus lalu di 17 kecamatan contoh berdasarkan model adalah sebesar 5884 ton setara beras. Galat baku pendugaan standard error prediction untuk total kecamatan contoh adalah 382.41, sehingga selang kepercayaan 95 bagi hasil pendugaan total stok pada 17 kecamatan contoh berkisar antara 5042 ton sampai 6725 ton setara beras. Sedangkan untuk kecamatan baru yang tidak masuk dalam contoh, dianggap sebagai pengamatan baru, sehingga selang yang digunakan bukan selang kepercayaan, tetapi selang pendugaan prediction interval untuk pengamatan yang baru. Kecamatan Subang hasil pendugaan berdasarkan model adalah total stok 546 ton, hasil selang pendugaan dengan tingkat kepercayaan 95 batas bawah stok di kecamatan tersebut 418 ton dan batas atas 674 ton. Galat baku total diperoleh akar dari jumlah kuadrat galat baku individu pengamatan, berdasarkan hasil perhitungan diperoleh 609.29. Pendugaan total stok setara beras di penggilingan padi untuk seluruh kecamatan adalah 8404 ton, dengan tingkat kepercayaan 95 besaran stok setara beras di penggilingan untuk Kabupaten Subang berkisar antara 7063 ton sampai 9745 ton setara beras. Tabel 19 Pendugaan Stok Setara Beras di Penggilingan No. Kecamatan Stok Setara Beras Ton Galat Baku Pendugaan Model Selang Kepercayaan 95 Untuk Model Ton Beras Survei Model Batas Bawah Batas Atas 1. Sagalaherang 29.15 51.80 89.55 -145.29 248.89 2. Jalancagak 37.26 26.51 69.17 -125.72 178.75 3. Cisalak 288.53 387.09 84.50 201.11 573.08 4. Tanjungsiang 59.90 126.01 65.21 -17.52 269.54 5. Cijambe 382.58 169.27 65.66 24.76 313.77 6. Cibogo 132.93 6.49 68.72 -144.77 157.74 7. Cipunagara 1148.24 942.19 117.71 683.12 1201.26 8. Pagaden 462.00 721.77 85.34 533.95 909.60 9. Cipeundeuy 58.95 189.30 55.69 66.73 311.87 10. Purwadadi 102.00 28.10 74.70 -136.31 192.51 11. Ciasem 382.28 345.89 59.82 214.23 477.55 12. Binong 1168.99 1044.82 116.54 788.31 1301.33 13. Compreng 325.00 307.96 140.12 -0.44 616.37 14. Pusakanagara 400.32 326.96 140.87 16.91 637.01 15. Pamanukan 379.26 445.28 107.59 208.47 682.09 16. Blanakan 480.15 646.13 98.20 430.00 862.26 17. Cikaum 46.24 118.19 73.00 -42.48 278.86 TOTAL 5883.78 5883.76 382.41 5042.08 6725.44 Kecamatan yang tidak disurvei 18. Legonkulon - 95.35 109.51 -145.68 336.38 19. Subang - 545.76 58.18 417.71 673.81 20. Kalijati - 349.04 104.13 119.84 578.23 21. Pabuaran - 598.99 99.13 380.82 817.17 22. Patokbeusi - 931.58 259.08 361.36 1501.81 TOTAL KAB. SUBANG 8404.48 609.29 7063.42 9745.54 0.00 200.00 400.00 600.00 800.00 1000.00 1200.00 1400.00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Kecamatan Stok Ton Survei Model Gambar 20 Plot Pendugaan Stok di Penggilingan Menurut Hasil Survei dan Model Model Stok SubDolog Model stok Sub Dolog menggunakan data sekunder stok operasional beras Sub Dolog wilayah Subang. Sebelum dianalisis terlebih dahulu dilakukan eksplorasi data yang digunakan untuk mengetahui pola data secara umum. Lampiran 4. menunjukkan hasil eksplorasi data, dimana stok subdolog pada periode bulan April 1997 sampai dengan bulan Juli 2005 cenderung berfluktuasi tanpa pola musiman tertentu. Data tersebut mempunyai ragam yang cukup besar dengan nilai tengah konstan di sekitar 12450146 kgbulan. Dengan melihat pola data tersebut dugaan sementara adalah data bersifat stasioner. Ragam berdasarkan plot tersebut menunjukkan ragam yang tidak konstan, sehingga dilakukan transformasi data dala m bentuk logaritma berbasis 10. Untuk memperkuat dugaan kestasioneran data dilakukan plot ACF autocorrelation function dan PACF partial autocorrelation function, jika menunjukkan hasil yang tidak stationer maka dilakukan proses pembedaan differencing. Plot ACF yang nilai- nilainya cenderung tetap besar untuk lag- lag yang cukup besar lebih dari 6 lag yang signifikan, mengindikasikan data tidak stationer dalam nilai tengah, sehingga perlu dilakukan pembedaan differencing. Hasil plot ACF menunjukkan hanya sampai lag 2 yang signifikan, sehingga dapat disimpulkan bahwa data sudah stationer, tidak perlu lagi dilakukan pembedaan differencing. Pendugaan model dilakukan dengan menggunakan model ARIMAp,d,q. Untuk mengetahui nilai dari p, d, dan q digunakan plot ACF autocorrelation function dan PACF partial autocorrelation function seperti ditampilkan pada Lampiran 4. Plot ACF menunjukkan bahwa data turun secara drastis pada lag 2 cut off after lag-2, sedangkan plot PACF menunjukkan kecenderungan yang sama yaitu adanya penurunan data secara drastis setelah lag ke-2 cut off after lag-2 . Berdasarkan plot ACF dan PACF tersebut maka model tentative untuk data stok beras subDolog adalah model transformasi logaritma : - ARIMA 2,0,0 - ARIMA 3,0,0 - ARIMA 0,0,2 - ARIMA 0,0,3 - ARIMA 2,0,2 - ARIMA 3,0,3 Hasil pengujian menunjukkan model yang terbaik adalah ARIMA 2,0,0 dan ARIMA 2,0,2. Pengujian ini meliputi pengujian pendugaan paramater apakah nyata atau tidak dan Uji Modified Box-Pierce Ljung-Box. Hasil pengujian pendugaan parameter baik model ARIMA 2,0,0 maupun ARIMA 2,0,2 menunjukkan nilai yang siginifikan pada tingkat kepercayaan 95, karena nilai p untuk semua parama ter 0.05 taraf a =5. Tabel 20 Penduga Parameter Model ARIMA 2,0,0 dan ARIMA 2,0,2 Type Koefisien SE Koefisien T Nilai-p ARIMA 2,0,0 AR 1 1.672 0.1060 15.81 0.000 AR 2 -0.6764 0.1060 -6.38 0.000 ARIMA 2,0,2 AR 1 1.6694 0.0897 18.62 0.000 AR 2 -0.6693 0.0897 -7.46 0.000 MA 1 0.6215 0.1097 5.66 0.000 MA 2 0.3660 0.1091 3.36 0.001 Pengujian asumsi kebebasan sisaan menggunakan hipotesis : H : a t bebas atau tidak berkorelasi H 1 : a t berkorelasi Penarikan kesimpulan untuk hipotesis tersebut dilakukan berdasarkan korelasi diri dari sisaan r k untuk k = 1,2,…,K yang selanjutnya diuji dengan statistik uji Modified Box-Pierce Ljung-Box. Hasil uji asumsi kebebasan galat ditampilkan pada Tabel 21. Tabel 21 Uji Kebebasan Galat dengan Modified Box-Pierce Ljung-Box Lag Chi-Square df Nilai-p ARIMA 2,0,0 12 10.4 10 0.406 24 18.4 22 0.684 ARIMA 2,0,2 12 9.7 8 0.288 24 18.7 20 0.542 Model ARIMA 2,0,0 Untuk k = 12 diperoleh nilai statistik uji Modified Box-Pierce Q ? 2 a =0.05; db=10 karena nilai Q=10.4 sedangkan ? 2 a =0.05; db=10 =18.307 sehingga keputusan yang diambil adalah menerima H dan menolak H 1, berarti tidak ada korelasi antar a t atau a t saling bebas hingga lag ke-12, sehingga model dapat dikatakan layak. Model ARIMA 2,0,2 juga menunjukkan hal yang sama yaitu model layak hingga lag ke-12, bisa dilihat nilai p yang signifikan jika lebih dari 0.05. Oleh karena kedua model ARIMA tersebut memiliki kelayakan model yang sama, maka untuk memilih model terbaik adalah dengan cara melihat keakuratan peramalan. Untuk pengujian ini dilakukan pemotongan data sampai dengan bulan Desember 2004, untuk bulan Januari – Juli 2005 digunakan untuk menguji ketepatan peramalan, makin dekat nilai peramalan dengan nilai sebenarnya model makin tepat. Hasil pengujian menunjukkan model ARIMA 2,0,2 memberikan permalan yang lebih mendekati nilai sebenarnya dibandingkan ARIMA 2,0,0, sehingga dapat disimpulkan bahwa model terbaik adalah ARIMA 2,0,2 dengan transformasi logaritma. Penduga parameter untuk ARIMA 2,0,2 dapat dilihat pada Tabel 20, sehingga model untuk Z t adalah : LogZ t =1.6694 LogZ t-1 - 0.6693 LogZ t-2 +Log a t - 0.6215 Loga t-1 – 0.3660Loga t-2 Model yang telah ditentukan sebelumnya harus diuji kembali kelayakannya. Secara visual dilakukan uji kenormalan sisaangalat dengan menggunakan plot Normal-scores. Plot kenormalan galat tersebut ditampilkan pada Lampiran 4. Hasil plot menunjukkan bahwa galat membentuk pola garis relatif lurus yang berarti bahwa galat tersebut mendekati sebaran normal. Selain itu kelayakan model juga dapat dilihat dari keacakan galat model. Jika galat menyebar acak tanpa ada pola tertentu maka model dikatakan layak. Dari Lampiran 4 diketahui bahwa galat bersifat acak karena tidak terdapat adanya pola tertentu pada sebaran galat. Berdasarkan hasil tersebut di atas maka asumsi kenormalan dan keacakan galat telah terpenuhi untuk model ARIMA2,0,2. Plot antara nilai dugaan dan aktual menunjukkan nilai yang selalu hampir berimpit atau plot nilai dugaan hampir selalu mengikuti pola nilai aktual sebenarnya. Makin berimpit plot dugaan dan plot nilai aktual maka model tersebut makin baik. Gambar 24 menujukkan plot nilai aktual dan nilai dugaan model stok Sub Dolog. Peramalan stok beras di subDolog Kabupaten Subang dengan menggunakan model AR2 dilakukan untuk periode bulan Agustus 2005 sampai dengan Januari 2006 6 bulan. Hasil peramalan ditampilkan dalam Tabel 22 dengan plot stok beras aktual dan stok dugaan pada Gambar 24. Tabel 22 Peramalan Stok Beras di SubDolog Kabupaten Subang dengan Model ARIMA 2,0,2 Bulan Pendugaan Stok Kg Galat baku Selang Kepercayaan 95 Kg Batas bawah Batas atas Agustus 2005 11140123 3821632 3649724 34003216 September 10537559 4308471 2092956 53055450 Oktober 10156405 4327060 1675367 61570120 Nopember 9912655 4288340 1507509 65180847 Desember 9756184 4248903 1428335 66639235 Januari 2006 9656506 4218853 1387554 67203207 Stok beras di SubDolog Kabupaten Subang diperkirakan mengalami peningkatan pada bulan Agustus 2005 menjadi 11140123 kg. Hal ini karena musim panen yang telah terjadi di beberapa kecamatan menjelang bulan Agustus 2005 menyebabkan stok di Sub Dolog juga meningkat. Pada bulan September stok diramalkan akan menurun menjadi 10537559 kg, bulan Oktober kembali menurun menjadi 10156405 kg, karena produksi juga menurun. Pada bulan Nopember, Desember dan Januari memasuki musim paceklik dimana panen padi terus menurun dan produksi menurun sehingga bulan Januari 2006 diperkirakan stok turun menjadi 9656506 kg. 5000000 10000000 15000000 20000000 25000000 30000000 35000000 Apr-97 Oct-97 Apr-98 Oct-98 Apr-99 Oct-99 Apr-00 Oc t-0 Apr-01 Oct-01 Apr-02 Oct-02 Apr-03 Oct-03 Apr-04 Oct-04 Apr-05 Oct-05 Stok Kg Aktual Dugaan Gambar 21 Plot antara nilai aktual dan dugaan stok setara beras di Sub Dolog. Stok GabahBeras Kabupaten Subang Model yang telah dibangun digunakan untuk menduga stok gabahberas di wilayah Kabupaten Subang, baik kecamatan contoh maupun kecamatan yang tidak diambil sebagai contoh. Stok yang dimaksud disini adalah stok yang ada di masyarakat yaitu stok di rumah tangga petani, penggilingan yang merangkap pedagang dan stok yang ada di Sub Dolog. Stok yang ada di rumah tangga konsumen dan pedagang tidak tercakup dalam penelitian ini. Hasil pendugaan menggunakan model menunjukkan bahwa stok yang terbesar berada di rumah tangga petani, kemudian diikuti stok di gudang-gudang Sub Dolog dan terakhir di penggilingan. Pendugaan stok petani setara beras di rumah tangga petani untuk seluruh wilayah Kabupaten Subang pada awal Bulan Agustus adalah 45259 ton. Tingginya stok di rumah tangga petani karena jumlah rumah tangga petani yang jauh lebih banyak, dibandingkan jumlah penggilingan maupun gudang Sub Dolog. Disamping itu tingginya stok di rumah tangga petani karena beberapa kecamatan sudah mulai panen pada Bulan Juli, meskipun puncak panen raya diperkirakan baru terjadi di Bulan Agustus. Pendugaan stok Sub Dolog di Kabupaten Subang pada awal Agustus adalah sebesar 11140 ton. Sub Dolog memiliki stok yang cukup besar karena didukung pendanaan yang cukup untuk pengadaan dan ada misi khusus dari pemerintah seperti untuk Raskin dan kebutuhan sosial lainnya seperti bencana alam. Sub Dolog aktif mengadakan pembelian gabah petani untuk mencapai target stok yang diinginkan secara nasional, dan karena Kabupaten Subang merupakan salah satu lumbung padi, jadi wajar stok di Sub Dolog cukup besar. Pendugaan stok di penggilingan relatif lebih kecil dari stok rumah tangga petani dan Sub Dolog, yaitu sebesar 8404 ton. Hal ini karena berdasarkan informasi dari pemilik penggilingan, bahwa tidak perlu memiliki stok yang tinggi karena harga relatif stabil, produksi padi yang dipanen selalu tersedia setiap bulan meskipun ada fluktuasi dan perputaran modal berlangsung lebih cepat. Stok yang besar dilakukan hanya jika penggilingan berspekulasi pada saat paceklik dimana panen sedikit, harga beras meningkat barulah stok dilepas. Pada kenyataannya saat ini panen hampir berlangsung terus sepanjang tahun dan bergantian dari satu kecamatan ke kecamatan lainnya atau dari kabupaten satu ke kabupaten lain bahkan propinsi lain, sehingga pasokan beras selalu mencukupi. Hal ini menyebabkan penggilingan enggan untuk melakukan stok yang terlampau besar, dan hanya menyimpan stok kerja saja. Tabel 23 Stok Setara Beras pada Bulan Agustus 2005 di Kabupaten Subang Pemilik Stok Dugaan Stok Ton Galat baku pendugaan Batas Bawah Ton Batas Atas Ton Rumah Tangga Petani 45259.32 1592.86 41753.44 48765.20 Penggilingan Padi 8404.48 609.29 7063.42 9745.54 Sub Dolog 11140.12 3821.63 3649.72 34003.22 TOTAL 64803.92 4184.89 56434.14 73173.71 Batas bawah dan batas atas total stok dari nilai : x ± 2s x Berdasarkan model yang dibangun maka total stok di Kabupaten Subang yang dipegang oleh rumah tangga petani, penggilingan padi merangkap pedagang dan Sub Dolog pada awal Agustus adalah 64804 ton setara beras. Batas bawah hasil pendugaan total stok adalah 56434 ton dan batas atas hasil pendugaan 73174 ton. Peramalan Stok di Kabupaten Subang Setelah mengetahui stok pada Bulan Agustus, timbul pertanyaan bagaimana menduga stok untuk bulan-bulan setelah Agustus seperti September, Oktober, Nopember dan Desember dan seterusnya. Pertanyaan tersebut wajar dan akan sangat menarik jika dapat menduga stok, bukan hanya pada bulan pengamatan tetapi pada bulan-bulan lainnya. Untuk menjawab pertanyaan tersebut perlu mengetahui sistem produksi, stok dan konsumsi dapat dilihat pada Gambar 7. Berdasarkan gambar tersebut menunjukkan bahwa suplai gabahberas di suatu wilayah merupakan penjumlahan dari sisa stok sebelumnya, produksi dan jumlah barang yang masuk serta keluar di suatu wilayah, atau dapat dituliskan : S t = Stok t-1 + P t + M-K t 1 S t = Stok t + D t 2 Dari persamaan 1 dan 2 diperoleh : Stok t + D t = Stok t -1 + P t + M-K t Stok t = Stok t -1 + P t + M-K t – Dt 3 Stok t atau stok saat ini dapat diduga dari sisa stok bulan sebelumnya Stok t-1 , ditambah produksi padi saat ini P t , ditambah jumlah gabahberas yang masuk ke dalam wilayah dikurangi jumlah gabahberas yang keluar wilayah dikurangi kebutuhan pada bulan tersebut. Kebutuhan demand meliputi kebutuhan untuk konsumsi, pakan, bibit, bahan baku ind ustri dan karena susut atau tercecer. Stok t-1 besarnya telah diduga berdasarkan model yang telah dihasilkan. Jumlah barang yang keluar wilayah diduga melalui jumlah hasil panen yang langsung dijual oleh petani rata-rata sebesar 62.55, kemudian penggilingan membeli hasil petani dan dijual dalam bentuk beras. Beras yang dijual oleh penggilingan keluar wilayah Subang besarnya 78.22. Beras yang masuk ke wilayah Subang menurut informasi dari penggilingan jumlahnya sangat kecil dan hanya dilakukan pembelian dari luar wilayah jika di dalam wilayah kabupaten Subang sedangan puncak musim paceklik seperti bulan Februari atau Juni, jadi gabahberas yang masuk ke wilayah Subang diasumsikan 0. Komponen demand atau kebutuhan diperoleh dari data sekunder dan hasil survei. Komponen demand meliputi : - Penggunaan gabah karena susut dan untuk bibit, pakan : 3.76 BPS - Konsumsi per kapita : 132.15 Kgkapitatahun hasil survei -Konsumsi non rumah tangga : 0.98 BPS. Model Produksi Padi Bulanan Kabupaten Subang Komponen lain yang diperlukan adalah P t atau produksi pada saat ini. Produksi saat ini hanya dapat diduga dengan menggunakan model. Model yang dibangun untuk menduga produksi saat ini adalah model ARIMA. Data yang digunakan adalah data produksi bulanan dari Januari 2000 sampai September 2005. Pendugaan model dilakukan dengan model ARIMA p,d,qxP,D,Q. Plot ACF menunjukkan untuk non musiman data turun secara drastis setelah lag-3 cut off after lag-3 sedangkan yang musiman turun setara tajam cut off pada lag 12. Plot PACF menunjukkan hal sama yaitu non musiman data turun secara drastis setlah lag-2 cut off after lag-2 sedangkan untuk musiman turun setara tajam pada lag 12, sehingga model tentaif untuk menduga produksi adalah model produksi adalah : - ARIMA 2,0,3x1,0,112 -ARIMA 2,0,3x1,0,012 -ARIMA 2,0,3x0,0,112 -ARIMA 2,0,0x1,0,112 -ARIMA 2,0,0x1,0,012 -ARIMA 2,0,0x0,0,112 -ARIMA 0,0,3x1,0,112 -ARIMA 0,0,3x1,0,012 -ARIMA 0,0,3x0,0,112 -ARIMA 0,0,2x1,0,112 -ARIMA 0,0,0x1,0,112 -ARIMA 2,0,1x1,0,112 -ARIMA 1,0,3x1,0,112 Hasil pengujian masing masing model tersebut dapat dilihat pada Lampiran 5. Berdasarkan pengujian statistik t untuk pendugaan parameter nyata secara signifikan atau tidak dan uji Modified Box-Pierce Ljung-Box untuk melihat kelayakan model, diperoleh 3 model yang memenuhi kriteria tersebut yaitu model ARIMA 2,0,1x1,0,112, model ARIMA 1,0,3x1,0,112 dan model ARIMA 0,0,0x1,0,112. Uji lebih lanjut untuk memilih satu model terbaik diantara ketiga model tersebut, dengan menguji kemampuan dalam meramalkan. Cara pengujian sama dengan model Sub Dolog, dengan cara memotong 6 data pengamatan terakhir untuk menguji ketepatan peramalan. Hasil pemilihan model terbaik dapat dilihat pada Lampiran 5. Model terbaik berdasarkan hasil pengujian adalah model ARIMA 0,0,0x1,0,112, dengan faktor musiman 12 bulan. Hasil pendugaan parameter dapat dilihat pada Tabel 24. Model ARIMA yang digunakan untuk meramal produksi bulanan adalah : Zt = 0.9994Z t-12 +a t – 0.4415a t-12 Tabel 24 Penduga Parameter Model ARIMA 0,0,0x 1,0,112 Type Koefisien SE Koefisien T Nilai-p SAR 12 0.9994 0.0247 40.42 0.000 SMA 12 0.4415 0.1535 2.88 0.005 Tabel 25 Uji Kebebasan Galat dengan Modified Box-Pierce Ljung-Box Model ARIMA 0,0,0x 1,0,112 Lag Chi-Square df Nilai-p k=12 8.8 10 0.547 k=24 16.0 22 0.818 k=36 33.4 34 0.497 k=48 36.1 46 0.852 Untuk k = 12 diperoleh nilai statistik uji Modified Box-Pierce Q ? 2 a =0.05; db=10 = 18.307 sehingga keputusan yang diambil adalah menerima H dan menolak H 1. Berarti tidak ada korelasi antar a t atau a t saling bebas hingga lag ke-12 sehingga model dapat dikatakan layak. Tabel 26 Peramalan Produksi Padi di Kabupaten Subang dengan Model ARIMA0,0,0x1,0,112 Bulan Pendugaan Produksi Ton Galat baku Selang Kepercayaan 95 Ton Batas bawah Batas atas Oktober 2005 75824 34657 7897 143752 Nopember 2005 33000 34657 -34928 100927 Desember 2005 16384 34657 -51544 84311 Januari 2006 11173 34657 -56754 79101 Februari 2006 33433 34657 -34495 101360 Maret 2006 102183 34657 34256 170111 April 2006 179379 34657 111451 247306 Produksi padi di Kabupaten Subang pada bulan Agustus yang merupakan puncak musim panen adalah 271078 ton, kemudian pada bulan September masih merupakan puncak musim panen dengan produksi 129683 ton. Produksi padi bulan Agustus dan September adalah angka aktual yang diperoleh dari Dinas Pertanian Kabupaten Subang. Hasil pendugaan produksi gabah kering giling di Kabupaten Subang pada bulan Oktober dengan menggunakan model di atas adalah 75824 ton atau mulai menurun dibandingkan bulan September karena masa panen raya telah lewat. Bulan Nopember diramalkan produksi sebesar 33000 ton, sedangkan bulan Desember dan Januari mulai memasuki musim paceklik dan produksinya berturut-turut sebesar 16384 ton dan 11173 ton. Pada bulan Februari akan kembali meningkat menjadi 33433 ton, dan bulan Maret kembali memasuki puncak panen raya produksi diramalkan naik menjadi 102183 ton dan bulan April merupakan puncak panen raya dengan produksi 179379 ton. Gambar 25 menunjukkan grafik nilai aktual dan nilai dugaan produksi serta peramalan 7 bulan ke depan. 50000 100000 150000 200000 250000 300000 Jan-00 Ap r-0 Ju l-0 Oct-00 Jan-01 Ap r-0 1 Jul-01 Oc t-0 1 Jan-02 Ap r-0 2 Ju l-0 2 Oct-02 Jan-03 Ap r-0 3 Jul-03 Oc t-0 3 Jan-04 Ap r-0 4 Ju l-0 4 Oct-04 Jan-05 Ap r-0 5 Ju l-0 5 Oct-05 Jan-06 Ap r-0 6 Produksi Ton Aktual Dugaan Gambar 22 Nilai aktual dan dugaan produksi serta peramalan 6 bulan ke depan dengan model ARIMA 0,0,0x1,0,112 Model Peramalan Stok Kabupaten Subang Setelah menduga besarnya produksi dengan model ARIMA di atas, selanjutnya diduga besarnya stok pada akhir Agustus, September, Oktober, Nopember, Desember dan Januari 2006 dengan menggunakan persamaan 3 di atas. Hasil pendugaan stok setara beras di Kabupaten Subang disajikan pada Tabel 27. Hasil pendugaan dengan menggunakan model untuk ketiga pemegang stok pada awal Agustus atau akhir Juli adalah sebesar 64804 ton. Stok tersebut merupakan titik awal untuk menduga stok pada bulan-bulan berikutnya. Berdasarkan hasil perhitungan pada Tabel 27 total stok setara beras pada akhir Agustus adalah sebesar 128283 ton, dengan batas bawah pendugaan sebesar 111842 ton dan batas atas sebesar 144724 ton setara beras. Meningkatnya stok pada akhir Agustus ini karena pada bulan Agustus terjadi puncak panen raya dengan produksi 271078 ton, sehingga diduga stok di rumah tangga petani dan penggilingan akan meningkat secara signifikan. Pada bulan September stok masih meningkat yaitu sebesar 149623 ton setara beras, karena masih ada sisa stok bulan Agustus yang cukup besar ditambah produksi padi masih cukup tinggi yaitu 129683 ton gabah. Pada bulan Oktober stok masih menunjukkan peningkatan stok menjadi 154940 ton, karena produksi padi walaupun diramalkan akan menurun setelah mengalami puncak panen raya pada bulan Agustus dan September tetapi sisa stok pada bulan-bulan sebelumnya masih cukup besar. Pada bulan Nopember dimana produksi mulai menurun secara signifikan yaitu diduga hanya 33000 ton, stok ikut menurun menjadi hanya 147630 ton. Pada bulan Desember stok kembali menurun secara signifikan menjadi 135514 ton setara beras, turunnya karena produksi bulan Desember diduga hanya sebesar 16384 ton gabah. Pada bulan Januari 2006 merupakan puncak musim paceklik produksi diramalkan sebesar 11173 ton, dan stok setara beras akan kembali menurun menjadi 121985 ton. Jumlah stok ini sangat dipengaruhi oleh produksi padi, jumlah yang dijual oleh petani dan jumlah beras yang dijual oleh penggilingan keluar wilayah Subang. 80 Tabel 27 Peramalan Stok Setara Beras di Kabupaten Subang No. Bulan Stok t-1 Galat Produksi Perdagangan 1 Susut,bibit Suplai Setara Konsumsi Total Konsumsi non Stok Akhir Galat Batas Batas Beras baku Gabah Masuk Keluar pakan 2 beras 3 per kapita 4a Konsumsi 4b Rumah Tangga 5 Setara Beras Baku Bawah Atas Ton Stok t- 1 Ton Ton Ton Ton gabah Ton Kgkapthn Ton Ton beras Ton Ton Ton Ton 1 2 3 4 5 6 7 8 9 10 11 12=8-10- 11 13 14 15 1. Agustus 2005 64803.92 4184.89 271078 0 133697 10192.53 145187 132.15 15480.77 1422.83 128283.12 8220.51 111842.09 144724.15 2. September 128283.12 8220.51 129683 63961 4876.08 166738 132.15 15480.77 1634.03 149623.24 9306.59 131010.06 168236.42 2. Oktober 6 149623.24 9306.59 75824 37397 2850.98 172107 132.15 15480.77 1686.65 154939.92 36064.80 82810.32 227069.53 3. Nopember 6 154939.92 36064.80 33000 16276 1240.80 164725 132.15 15480.77 1614.31 147630.34 50121.96 47386.42 247874.26 4. Desember 6 147630.34 50121.96 16384 8081 616.04 152489 132.15 15480.77 1494.39 135513.53 61018.87 13475.80 257551.27 5. Januari 2006 6 135513.53 61018.87 11173 5511 420.10 138827 132.15 15480.77 1360.50 121985.40 61099.90 -214.40 244185.20 1 Berdasarkan hasil survei jumlah yang langsung dijual oleh petani 62.55 standar error 0,0234, jumlah yang dijual ke luar Subang oleh penggilingan 78.85 dan jumlah gabahberas yang masuk ke wilayah Subang diasumsikan tidak ada nol. 2 Pengurangan produksi gabah karena : susut 1.58 , bibit 0.98, pakan 1.20 BPS 3 Suplai setara beras= Stok t-1+Produksi+Masuk-Keluar-susut benih pakan0,632 4a Hasil Survei menunjukkan rata-rata konsumsi per kapita rumah tangga petani 132,15 kgkapthn standar error =2.23 4b Jumlah penduduk Kab. Subang tahun 2005 sebesar 1 405 745 jiwa laju pertumbuhan penduduk 1.9 5 Konsumsi beras non rumah tangga : pakan ternakunggas 0.86, industri 0.12 BPS 6 Produksi bulan Oktober- Januari berdasarkan peramalan dengan ARIMA 0,0,0x1,0,112 KESIMPULAN DAN SARAN Kesimpulan Pola penggunaan hasil panen padi petani menurut hasil survei menunjukkan rata-rata 63 dari hasil panen dijual, sisanya digunakan untuk memenuhi konsumsi rumah tangga, untuk keperluan sosial dan disimpan sebagai stok. Besarnya jumlah stok gabahberas sangat dipengaruhi oleh waktu panen, semakin jauh dari waktu panen stok akan semakin menipis. Rasio stok terhadap produksi adalah jumlah stok yang ada rumah tangga petani baik berupa gabah atau beras dibagi dengan produksi bersih hasil panen. Hasil surve i menunjukkan besanya rasio stok terhadap produksi dari seluruh contoh rumah tangga petani di Kabupaten Subang adalah 34 untuk waktu panen 1 bulan lalu, 23 untuk waktu panen 2 bulan lalu, 16 untuk waktu panen 3 bulan lalu, 11 untuk waktu panen 4 bulan lalu, 8 untuk waktu panen 5 bulan lalu, 5 untuk waktu panen 6 bulan lalu dan 3 untuk waktu panen 7 bulan lalu. Rasio stok terhadap produksi untuk rumah tangga petani di wilayah pantura lebih kecil dibandingkan wilayah non pantura dalam Kabupaten Subang. Penggilingan membeli gabah dari petani yang sedang panen, membawa ke penggilingan dan menjemur, kemudian digiling menjadi beras. Hasil survei menunjukkan pada Bulan Juli jumlah beras yang dijual oleh penggilingan keluar wilayah Subang 78.85. Model pendugaan stok setara beras di rumah tangga petani per kecamatan adalah : agt T Sˆ = 40 + 0.334 Pjul + 0.177 Pmei + 0.0506 Papr + 0.194 Pmar – 2103 D Model pendugaan stok setara beras di penggilingan padi merangkap pedagang per kecamatan adalah : agt G Sˆ = -341.1 + 0.0595 Pjul + 0.0203 Pmei + 0.0370 Papr + 0.125 Pmar – 0.000022 PKmar Kedua model tersebut menggunakan peubah bebas produksi gabah kering giling bulan Juli sampai bulan Maret. Khusus untuk model stok di rumah petani ada peubah boneka yaitu wilayah pantura dan non pantura Kabupaten Subang. Model Stok beras di Sub Dolog Kabupaten Subang adalah dengan menggunakan model transformasi logaritma ARIMA 2,0,2 tanpa pengaruh musiman. Sedangkan model produksi padi bulanan dengan menggunakan model ARIMA 0,0,0x1,0,112 dengan faktor musiman 12 bulan. Total stok setara beras di rumah tangga petani, di penggilingan yang merangkap pedagang dan di Sub Dolog, berdasarkan model yang telah dibangun pada awal Agustus 2005 untuk seluruh Kabupaten Subang adalah sebesar 64804 ton setara beras, dengan batas bawah pendugaan 56434 ton dan batas atas 73174 ton. Selanjutnya dengan menggunakan diagram suplai demand dan asumsi jumlah gabahberas yang masuk ke wilayah diasumsikan tidak ada dan jumlah yang dijual langsung oleh petani sebesar 63, serta dijual langsung oleh penggilingan keluar wilayah Subang sebesar 79 maka pendugaan stok setara beras pada akhir Agustus, September, Oktober, Nopember dan Desember 2005 berturut-turut sebesar 128 ribu ton, 150 ribu ton, 155 ribu ton, 148 ribu ton dan 136 ribu ton. Pada Januari 2006 stok setara beras diramalkan kembali menurun menjadi 122 ribu ton setara beras. Saran Penelitian ini hanya terbatas pada 3 pemegang stok yaitu rumah tangga petani, penggilingan merangkap pedagang dan Sub Dolog. Perlu penelitian lebih lanjut untuk memperluas cakupan stok untuk pemegang stok yang lain yaitu rumah tangga konsumen, pedagang beras, restoran, rumah makan, hotel dan industri yang berbahan baku gabahberas. Hasil penelitian tersebut diharapkan dapat menduga stok wilayah secara keseluruhan dengan lebih akurat. Jumlah komoditi yang keluar dan masuk suatu wilayah tidak ada pencatatan. Untuk melihat kecukupan suatu komoditi di suatu wilayah sangat tergantung pada data ini, sehingga disarankan perlu studi lebih lanjut sehingga jumlah komoditas yang keluar masuk wilayah dapat diduga besarnya. Penelitian stok gabahberas ini dapat dimanfaatkan oleh Dinas Pertanian Kabupaten Subang atau instansi lain yang membutuhkan informasi besarnya stok. Pendugaan total stok dapat dilakukan secara mudah oleh petugasstaf kabupaten dengan menggunakan Microsoft Excell yang telah disiapkan sebagai bagian dari tesis ini. Akan tetapi, model pendugaan stok ini untuk jangka waktu tertentu 1-2 tahun perlu dievaluasi kembali. Hasil lengkap metodologi penghitungan stok dapat dilihat pada Lampiran 7. DAFTAR PUSTAKA [BPS] Badan Pusat Statistik. 2002. Pengeluaran Untuk Konsumsi Penduduk Indonesia . Jakarta: BPS. [BBKP] Badan Bimas Ketahanan Pangan. 2003. Neraca Bahan Makanan Indonesia 2001 – 2002. Jakarta: Departemen Pertanian. [BBKP] Badan Bimas Ketahanan Pangan dan BPS. 2003. Metodologi Perhitungan Cadangan Pangan Beras Masyarakat. Jakarta: Deptan – BPS. Cryer, JD. 1991. Time Series Analysis. Boston.: PWS – KENT Publishing Company. Harianto. 2001. Pendapatan, harga beras dan konsumsi beras. Di dalam: Suryana A Mardiyanto S, editor. Bunga Rampai Ekonomi Beras. Jakarta: Lembaga Penyelidikan Ekonomi dan Masyarakat, Fakultas Ekonomi Universitas Indonesia. hlm 103 –110 Kompas. 5 Maret 2005. Harga Dasar Dihapus Inpres No 22005 tentang Kebijakan Perberasan. Jakarta.: Gramedia. Kshirsagar AM. 1983. A Course in Linier Models. New York: Marcel Dekker, Inc. Malian AH, Sayuti R, Ariani M, Mardianto S. 2003. Dampak Perubahan Harga GabahBeras Terhadap Produksi, Konsumsi dan Inflasi . Bogor: Puslitbang Sosial Ekonomi Pertanian. Montgomery DC, Johnson LA Gardiner JS. 1990. Forecasting and Time Series Analysis . Singapore:Mc-Graw Hill. Myers R. 1994. Classical And Modern Regression with Applications. Boston: PWS – KENT Publishing Company. Myers RH, Milton JS. 1991. A First Course in The Theory of Linier Statistical Models . Boston: PWS – KENT Publishing Company. Netter J, Wasserman W, Kutner M. 1990. Applied Linier Statistical Models. Illinois: Richard D Irwin, Inc. Ryan TP. 1997. Modern Regression Methods. New York,USA: John Wiley Sons, INC. Natawidjaja, Ronnie S. 2000. Dinamika pasar beras domestic. Di dalam: Suryana A Mardiyanto S, editor. Bunga Rampai Ekonomi Beras. Jakarta: Lembaga Penyelidikan Ekonomi dan Masyarakat, Fakultas Ekonomi Universitas Indonesia. hlm 59 – 81. Sawit, MH. 2001. Kebijakan harga beras : periode orba dan reformasi. Di dalam: Suryana A Mardiyanto S, editor. Bunga Rampai Ekonomi Beras. Jakarta: Lembaga Penyelidikan Ekonomi dan Masyarakat, Fakultas Ekono mi Universitas Indonesia. hlm 123 – 150. Scheaffer, Richard L. Elementary Survey Sampling. Boston: PWS – KENT Publishing Company. Sugianto, Simatupang P, Djojomartono M. 1989. Faktor-faktor yang Mempengaruhi dan Sistem Pengendalian Stok Beras di Masyarakat . Jakarta: BPS. Surono, S. 2001. Perkembangan produksi dan kebutuhan impor beras serta kebijakan pemerintah untuk melindungi petani. Di dalam: Suryana A Mardiyanto S, editor. Bunga Rampai Ekonomi Beras. Jakarta: Lembaga Penyelidikan Ekonomi dan Masyarakat, Fakultas Ekonomi Universitas Indonesia. hlm 41 – 58. LAMPIRAN Lampiran 1 Deskripsi Luas Panen, Stok, Produktivitas dan Rasio Stok terhadap Produksi

1. Deskripsi Luas Panen, Produksi, Stok dan Produktivitas