Penetapan Luas Lahan Berdasarkan Model Sistem Dinamis
Moh. Nazam, 2011_PSL_SPs_IPB
78 Langkah awal dalam analisis kebutuhan adalah mendata stakeholder yang
terkait dalam sistem yang dikaji. Dalam penelitian ini ditentukan sebanyak 17 stakeholders kunci mewakili profesi petani, buruh tani, penyuluh, perangkat desa,
pedagang sarana produksi, dinas instansi terkait, peneliti, klimatologi, PU, Bulog, kependudukan, pertanahan, konsumen dan pakar. Setelah stakeholders
teridentifikasi, kemudian dianalisis kebutuhan masing-masing dengan teknik Participatory Rural Appraisal PRA dan wawancara dengan pakar. Teknik PRA
adalah pendekatan dan metode yang memungkinkan masyarakat secara bersama-sama menganalisis masalah kehidupan dalam rangka merumuskan
perencanaankebijakan secara nyata Chambers, 1996.
Formulasi Masalah
Adanya keinginan dan kebutuhan yang berbeda-beda di antara peran stakeholder, akan menimbulkan konflik dalam sistem. Secara umum kebutuhan
yang saling kontradiktif dapat dikenali berdasarkan dua hal, yaitu kelangkaan sumberdaya lack of resources dan perbedaan kepentingan conflict of interest.
Kebutuhan-kebutuhan yang sinergis bagi semua pelaku sistem tidak akan menimbulkan permasalahan untuk pencapaian tujuan, karena semua pelaku
menginginkan hal yang sama.
Identifikasi Sistem
Sistem adalah gugus atau kumpulan dari komponen yang saling terkait dan terorganisasi dalam rangka mencapai suatu tujuan atau gugus tujuan tertentu
Hartrisari, 2007. Identifikasi sistem mencoba memahami mekanisme yang terjadi dalam sistem. Hal ini dimaksudkan untuk mengenali hubungan antara
”pernyataan kebutuhan” dengan ”pernyataan masalah” yang harus diselesaikan dalam rangka memenuhi kebutuhan. Salah satu pendekatan yang dapat
digunakan adalah dengan menyusun diagram lingkar sebab-akibat causal loop diagram atau diagram input output black box diagram.
Diagram lingkar sebab akibat menggambarkan hubungan antar elemen yang terkait dalam sistem yang dikaji, sehingga dapat digunakan untuk
menggambarkan sifat dinamik antar elemen. Hubungan antar elemen yang terkait dalam model sistem produksi padi sawah, terlihat pada Gambar 4.3.
Moh. Nazam, 2011_PSL_SPs_IPB
79
Gambar 4.3. Diagram lingkar sebab akibat sub model sistem produksi padi Hubungan antar elemen yang terkait dalam model sistem permintaan
konsumsi beras, ditunjukkan pada Gambar 4.4.
Gambar 4.4. Diagram lingkar sebab akibat sub model konsumsi beras
Moh. Nazam, 2011_PSL_SPs_IPB
80 Diagram Gambar 4.3 dan 4.4 sangat berguna untuk: 1 secara cepat
memberikan gambaran sifat dinamik dari sistem yang dikaji, 2 memberikan dasar untuk pembentukan persamaan pada model, dan 3 mengidentifikasi
faktor-faktor penting dalam pencapaian tujuan yang telah ditetapkan. Diagram input output menggambarkan hubungan antara output yang akan
dihasilkan dengan input berdasarkan tahapan analisis kebutuhan dan formulasi permasalahan. Diagram input output sering disebut diagram kotak gelap black
box, karena diagram ini tidak menjelaskan bagaimana proses yang akan dialami input menjadi output yang diinginkan. Diagram input output model penetapan
luas lahan optimum usaha tani padi sawah pada wilayah beriklim kering mendukung kemandirian pangan berkelanjutan di NTB, ditunjukkan Gambar 4.5.
Gambar 4.5. Diagram input output model yang dikaji Input merupakan faktor yang mempengaruhi kinerja sistem yang dapat
digolongkan ke dalam input langsung dan tidak langsung. Input langsung adalah faktor-faktor yang mempengaruhi kinerja sistem secara langsung, yang terdiri
atas input terkendali dan tidak terkendali. Input terkendali controled input adalah input yang secara langsung mempengaruhi kinerja sistem dan bersifat
dapat dikendalikan luas sawah, IP padi sawah, perluasan areal, teknologi, pertumbuhan penduduk, infrastruktur irigasi. Input tak terkendali uncontroled
Input Terkendali Controled Input
Luas lahan sawah Indeks pertanaman padi
Perluasan areal sawah Penerapan teknologi
sistem produksi padi Pertumbuhan penduduk
Jaringan irigasi Model Penetapan Luas Lahan Optimum Usaha Tani
Padi Sawah Pada Wilayah Beriklim Kering Mendukung Kemandirian Pangan Berkelanjutan
Umpan Balik Feedback Pengelolaan lahan
berkelanjutan Pengendalian konversi lahan
Pengendalian penduduk Penurunan konsumsi beras
Diversifikasi pangan lokal Input Lingkungan
Environment Input Kebijakan pemerintah
Kondisi perdagangan pangan domestik dan
global
Output Tak Diharapkan Undesired Output
Degradasi lahan Konversi lahan sawah
Konflik penggunaan lahan
Defisit pangan Output Yang Diharapkan
Desired Output Produksi padi mencukupi
kebutuhan konsumsi Pendapatan petani
meningkat Kapasitas produksi padi
optimal dan berkelanjutan Input Tak Terkendali
Uncontroled Input Jumlah penduduk
Kondisi lahan Kondisi iklim
Serangan organisme
pengganggu tanaman Konsumsi beras kapita
-1
Moh. Nazam, 2011_PSL_SPs_IPB
81 input merupakan input yang diperlukan agar sistem dapat berfungsi dengan baik
namun tidak dapat dikendalikan atau berada di luar kendali kerja sistem. Input tidak langsung merupakan elemen-elemen yang mempengaruhi sistem secara
tidak langsung dalam mencapai tujuan. Input ini biasanya berada di luar batasan sistem, sehingga sering disebut sebagai input lingkungan environment input
Output merupakan tujuan kajian sistem, yang dapat dikategorikan sebagai output yang diinginkan desired output dan yang tidak diinginkan undesired
output. Output yang diharapkan dari model yang dibangun adalah diperolehnya produksi padi untuk mencukupi kebutuhan pangan secara berkelanjutan. Output
yang tidak diinginkan merupakan hal yang tidak dapat dihindari dan kadang- kadang diidentifikasi sebagai pengaruh negatif bagi kinerja sistem. Para
perencana perlu mengenali mekanisme proses yang terjadi dalam sistem agar dapat meminimumkan output yang tidak diharapkan. Perkiraan output yang tidak
diharapkan seperti terjadinya degradasi lahan, konversi lahan sawah, konflik pemanfaatan lahan dan defisit pangan perlu ditindaklanjuti melalui umpan balik
feedback. Dalam hubungan ini input harus dimodifikasi intervensinya yang lebih tepat agar menghasilkan output yang diinginkan.
Batas sistem system boundary merupakan pembatas dari sistem yang dikaji. Variabel-variabel di luar batas sistem tidak akan diperhatikan dalam model.
Dalam permodelan, beberapa variabel yang berada di luar sistem dapat mempengaruhi kinerja sistem, sehingga dapat dipertimbangkandimasukkan
sebagai variabel model.
Pemodelan Sistem
Pemodelan sistem merupakan perumusan masalah ke dalam bentuk matematis yang dapat mewakili sistem nyata. Formulasi model menghubungkan
faktor-faktor kunci yang diperoleh dalam bentuk kontekstual dengan bahasa simbolis. Formulasi model dalam penelitian ini, terdiri atas struktur model sistem
produksi padi dan struktur model kebutuhan konsumsi beras. Struktur model sistem produksi padi adalah struktur model yang menggambarkan hubungan
antar elemenfaktor kunci yang berpengaruh terhadap kapasitas produksi padi untuk mencapai tingkat produksi padi. Sedangkan struktur model kebutuhan
konsumsi adalah struktur model yang menggambarkan hubungan antar elemenfaktor kunci yang berpengaruh terhadap permintaan konsumsi padi.
Kedua struktur model tersebut divisualisasikan pada Gambar 4.6 dan 4.7.
Moh. Nazam, 2011_PSL_SPs_IPB
82
Gambar 4.6. Struktur model sistem produksi padi di NTB
Gambar 4.7. Struktur model permintaan konsumsi padi di NTB
Moh. Nazam, 2011_PSL_SPs_IPB
83 Persamaan matematis dari faktor-faktor yang membentuk struktur model
sistem produksi padi di NTB Gambar 4.6 sebagai berikut:
init Bakuswh = 230988.36
flow Bakuswh = +dtLj_Ctkswh-dtLj_Konverswh
doc Bakuswh = Luas baku sawah yang dihitung berdasarkan laju pencetakan dan
laju konversi lahan sawah dengan luas awal tahun 2008 adalah 230.988,36 ha.
aux Lj_Cetakldng = STEP8000, 2
doc Lj_Cetakldng = Pencetakan areal padi ladang seluas 8000 ha setiap dua
tahun. aux
Lj_Ctkswh = PULSE500,3, 2 doc
Lj_Ctkswh = Perkiraan pencetakan lahan sawah baru seluas 500 ha setiap dua tahun.
const F_konvswh = 0.035
doc F_konvswh = Konversi lahan sawah 3,5 tahun
-1
aux Lj_Konverswh = BakuswhF_konvswh
doc Lj_Konverswh = Laju konversi lahan tahun
-1
init Benihldng = 60
flow Benihldng = +dtLj_Benihldng
doc Benihldng = Kebutuhan benih padi ladang rata-rata adalah 60 kg ha
-1
aux Lj_Benihldng = BenihldngF_Benihldng
doc Lj_Benihldng = Laju peningkatan atau pengurangan penggunaan benih padi
ladang const
F_Benihldng = -0.01 doc
F_Benihldng = Fraksi penurunan kebutuhan benih padi ladang sebesar 1 ha
-1
tahun
-1
init Benihswh = 40.196
flow Benihswh = +dtLj_Benihswh
doc Benihswh = Penggunaan benih padi sawah rata-rata 40,2 kg ha
-1
aux Lj_Benihswh = BenihswhF_Benihswh
doc Lj_Benihswh = Laju penurunan penggunaan benih padi sawah ha
-1
const F_Benihswh = -0.016
doc F_Benihswh = Fraksi penurunan penggunaan benih padi sawah sebanyak
1,6 ha
-1
tahun
-1
init Galnen = 25888.23
flow Galnen = +dtLj_Galnen
doc Galnen = Perkiraan luas areal padi yang gagal panen karena kekeringan,
banjir dan serangan OPT seluas 25.888,23 ha tahun
-1
const F_Galnen = 0.001
doc F_Galnen = Fraksi gagal panen sebesar 1
aux Lj_Galnen = GalnenF_Galnen
doc Lj_Galnen = Laju peningkatan atau penurunan luas areal tanaman padi yang
mengalami gagal panen berdasarkan fraksi gagal panen. init
IP_Pdiswh = 155 flow
IP_Pdiswh = +dtLj_IP_Pdiswh
Moh. Nazam, 2011_PSL_SPs_IPB
84
doc IP_Pdiswh = IP padi sawah pada tahun awal 2008 adalah 155
aux Lj_IP_Pdiswh = PULSE3, 2, 1
doc Lj_IP_Pdiswh = Laju peningkatan IP padi sawah
const IP_Padildng = 1
doc IP_Padildng = 100
init Pdldng = 53463.05
flow Pdldng = +dtLj_Cetakldng
doc Pdldng = Luas areal padi ladang tahun 2008 adalah 53.463,05 ha.
init Prtvldng = 3.618
flow Prtvldng = +dtLj_Prtvldng
doc Prtvldng = Produktivitas padi ladang pada tahun 2008: 36,18 kw ha
-1
const F_Prtvldng = 0.006
doc F_Prtvldng = Fraksi peningkatan produktivitas padi ladang sebesar 0,6
aux Lj_Prtvldng = PrtvldngF_Prtvldng
doc Lj_Prtvldng = Laju peningkatan produktivitas padi ladang tahun
-1
init Prtvpdiswh = 5.085
flow Prtvpdiswh = +dtLj_Prtvpdiswh
doc Prtvpdiswh = Produktivitas padi sawah tahun 2008: 50,85 kw ha
-1
const F_Prtvpdiswh = 0.01
doc F_Prtvpdiswh = Fraksi peningkatan produktivitas padi sawah sebesar 1
aux Lj_Prtvpdiswh = PrtvpdiswhF_Prtvpdiswh
doc Lj_Prtvpdiswh = Laju peningkatan produktivitas padi sawah tahun
-1
init Swhnonpdi = 38637
flow Swhnonpdi = +dtLj_Swhnonpdi
doc Swhnonpdi = Luas lahan sawah yang digunakan untuk komoditas selain padi
pada tahun 2008 adalah 38.637 ha init
Tercecer = 108657.37 flow
Tercecer = +dtLj_Tercecer doc
Tercecer = Perkiraan kehilangan produksi padi karena tercecer pada kegiatan panen, pasca panen dan pengangkutan sebesar 8 dari total
produksi padi NTB const
F_Tercecer = -0.001 doc
F_Tercecer = Fraksi penurunan kehilangan produksi padi akibat tercecer sebesar 0,1
aux Lj_Tercecer = TercecerF_Tercecer
doc Lj_Tercecer = Laju kehilangan produksi padi akibat tercecer pada saat
panen, pasca panen dan pengangkutan const
F_Swhnonpdi = 0.0065 doc
F_Swhnonpdi = Fraksi peningkatan luas sawah yang digunakan untuk komoditas lain sebesar 0,65 tahun
-1
aux Lj_Swhnonpdi = SwhnonpdiF_Swhnonpdi
doc Lj_Swhnonpdi = Laju peningkatan luas panen komoditas lain selain padi
aux Swhpdi = Bakuswh-Swhnonpdi
doc Swhpdi = Luas lahan sawah untuk usaha tani padi sawah
aux Benihldngtotal = BenihldngNenladang1000
Moh. Nazam, 2011_PSL_SPs_IPB
85
doc Benihldngtotal = Kebutuhan benih total padi ladang ton
aux Benihswhtotal = BenihswhNenpdiswh1000
doc Benihswhtotal = Kebutuhan benih total padi sawah ton
aux Drjtmandiri = ProduksiNTB-KonsumsiNTB
doc Drjtmandiri = Derajat kemandirian pangan dihitung dari total peoduksi padi
dikurangi total konsumsi dibagi total produksi dikalikan 100. aux
Gap = ProduksiNTB-KonsumsiNTB. aux
GrosprodNTB = Prodpdiswh+Prodladang doc
GrosprodNTB = Jumlah kotor total produksi padi sawah ditambah total produksi padi ladang.
const F_Impor = -1
doc F_Impor = Fraksi impor sebesar = -1
aux Impor = IFGapF_Impor0,0,GapF_Impor1000
doc Impor = Angka perkiraan impor beras jika terjadi defisit
aux Nenladang = PdldngIP_Padildng
doc Nenladang = Luas areal padi ladang dikalikan dengan IP padi ladang
aux Nenpdiswh = IP_Pdiswh100Swhpdi
doc Nenpdiswh = Luas areal padi sawah dikalikan dengan IP padi sawah
aux Prodhilang = GalnenPrtvpdiswh
aux Prodladang = NenladangPrtvldng
doc Prodladang = Produksi padi ladang dihitung dari luas panen padi ladang
dikalikan dengan produktivitas padi ladang ha
-1
aux Prodpdiswh = PrtvpdiswhNenpdiswh
doc Prodpdiswh = Produksi padi sawah berdasarkan luas panen, produktivitas
dan indeks pertanaman padi sawah di NTB sejak tahun 2001 aux
ProduksiNTB = GrosprodNTB-Benihswhtotal+ Benihldngtotal- F_KonverGKGGrosprodNTB-Tercecer-Prodhilang
doc ProduksiNTB = Produksi kotor dikurangi kebutuhan benih, tercecer, gagal
panen dan konversi GKP ke GKG.
Persamaan matematis dari faktor-faktor yang membentuk struktur model sistem permintaan konsumsi padi di NTB Gambar 4.7 sebagai berikut:
init Agroindustri = 0.235Kons_Penduduk
flow Agroindustri = +dtLj_Agroindustri
doc Agroindustri = Konsumsi beras untuk keperluan agroindustri sebesar 23,5
terhadap jumlah konsumsi penduduk Badan Litbang Pertanian, 2005a init
Kons_Kap = 139.15 flow
Kons_Kap = +dtLj_Kons_Kap doc
Kons_Kap = Konsumsi beras sebesar 139,15 kg kapita
-1
tahun
-1
. init
Penduduk = 4.363.135 jiwa flow
Penduduk = -dtLj_Kematian +dtLj_Kelahiran
-dtLj_Emigrasi +dtLj_Imigrasi
doc Penduduk = Jumlah Penduduk Tahun 2001
init Stock = 0.2Kons_Penduduk
Moh. Nazam, 2011_PSL_SPs_IPB
86
flow Stock = +dtLj_Stock
aux Lj_Agroindustri = F_AgroindustriAgroindustri
doc Lj_Agroindustri = Laju peningkatan konsumsi beras untuk keperluan
agroindustri aux
Lj_Emigrasi = PendudukF_Emigrasi doc
Lj_Emigrasi = Angka perkiraan laju emigrasi sebesar 0,3 dari jumlah penduduk NTB tahun berjalan
aux Lj_Imigrasi = PendudukF_Imigrasi
doc Lj_Imigrasi = Angka perkiraan laju imigrasi sebesar 0,5 dari jumlah
penduduk setiap tahun berjalan aux
Lj_Kelahiran = PendudukF_Kelahiran doc
Lj_Kelahiran = Laju kelahiran tahun
-1
aux Lj_Kematian = F_KematianPenduduk
doc Lj_Kematian = Laju kematian tahun
-1
aux Lj_Kons_Kap = DELAYMTRDelay_Konsumsi, F_Kons_Kap, 5,0
doc Lj_Kons_Kap = Laju penurunan konsumsi beras kapita
-1
tahun
-1
aux Lj_Stock = StockF_Stock
aux Kons_Beras = Agroindustri+Stock+Kons_Penduduk
doc Kons_Beras = Kebutuhan konsumsi beras NTB yang terdiri atas konsumsi
beras untuk pangan penduduk, kebutuhan agroindustri dan stockcadangan aux
Kons_Penduduk = PendudukKons_Kap doc
Kons_Penduduk = Jumlah kebutuhan konsumsi beras untuk pangan penduduk sebanyak 139,15 kg kapita
-1
tahun
-1
Firdaus et al., 2008 aux
Konsumsi_GKG = F_Konversi_BerasKons_Beras1000000+Kons_BerasF_Tercecer
doc Konsumsi_GKG = Kebutuhan gabah kering giling setelah dikonversi dari
beras sebesar 140 const
Delay_Konsumsi = -0.25 const
F_Agroindustri = 0.01 doc
F_Agroindustri = Perkiraan peningkatan konsumsi beras untuk keperluan agroindustri sebesar 0,1 tahun
-1
const F_Emigrasi = 0.0025
doc F_Emigrasi = Angka perkiraan emigrasi sebesar 0,25 tahun
-1
const F_Imigrasi = 0.00305
doc F_Imigrasi = Angka perkiraan imigrasi sebesar 0,305 tahun
-1
const F_Kelahiran = 0.024
doc F_Kelahiran = Angka kelahiran sebesar 2,8 tahun
-1
berdasarkan survei demografi dan kesehatan Indonesia SDKI tahun 2007 Mubarok, 2009
const F_Kematian = 0.011
doc F_Kematian = Persentase kematian tahun
-1
sebesar 0,1 const
F_Kons_Kap = 0 const
F_Konversi_Beras = 1.4 doc
F_Konversi_Beras = Konversi gabah menjadi beras adalah 60 Badan Litbang Pertanian, 2005a
const F_Stock = 0.0328
Moh. Nazam, 2011_PSL_SPs_IPB
87
doc F_Stock = Fraksi stockcadangan beras sebesar 0,003 dari kebutuhan
konsumsi penduduk const
F_Tercecer = 0.06
Validasi Model
Validasi model dilakukan dengan pengecekan secara dimensional satuan ukuran terhadap variabel-variabel model, meliputi level, rate dan konstanta
terhadap data aktual, mengetahui ketepatan penggunaan metode integrasi dan time step yang dipilih, serta meminta stakeholder untuk mengevaluasi model
yang dibuat. Validasi model merupakan usaha untuk menyimpulkan apakah model sistem yang dibangun merupakan perwakilan yang sah dari realitas yang
dikaji sehingga dapat menghasilkan kesimpulan yang meyakinkan Eriyatno, 2003. Validasi model umumnya dilakukan sesuai dengan tujuan pemodelan,
yaitu dengan membandingkan perilaku dinamis model dengan kondisi sistem nyata,
apabila model
telah dianggap
valid, selanjutnya
model dapat
dipergunakan sebagai wakil sistem nyata. Menurut Muhammadi et al. 2001, validasi model terbagi atas dua tahap,
yaitu validasi struktur model dan validasi kinerja output model. Validasi struktur model bertujuan melihat sejauhmana keserupaan struktur model mendekati
struktur nyata. Sebagai model struktural yang berorientasi proses, keserupaan struktur model dengan struktur nyata ditunjukkan dengan sejauhmana interaksi
variabel model dapat menirukan interaksi kejadian nyata. Validasi kinerja output model bertujuan memperoleh keyakinan sejauhmana kinerja model sesuai
compatible dengan kinerja sistem nyata, sehingga memenuhi syarat sebagai model ilmiah yang taat pada fakta.
Validasi kinerja model output dilakukan dengan dua langkah, yaitu: langkah pertama, membandingkan secara visual output simulasi dengan pola perilaku
secara empirik, jika ada penyimpangan yang menonjol, kemudian memperbaiki variabel dari parameter model berdasarkan hasil penelusuran terhadap sebab-
sebab penyimpangan tersebut. Langkah kedua, jika secara visual pada output simulasi sudah mengikuti pola data aktual, maka dilakukan uji statistik, dengan
tujuan membandingkan sejauhmana data simulasi dan pola simulasi dapat menirukan data statistik dan informasi aktual.
Uji statistik yang dapat dipakai untuk mengukur penyimpangan antara output simulasi dengan data aktual, dalam penelitian ini menggunakan Mean
Absolut Percentage Error MAPE, untuk mengukur keakuratan output simulasi, Hauke et al., 2001, dengan formula matematik sebagai berikut:
Moh. Nazam, 2011_PSL_SPs_IPB
88
n i
t t
Y Y
Y n
MAPE
1 1
1 ………………………………..11
dimana: Yt
= nilai data aktual Ŷt
= nilai simulasi model n
= tahuninterval waktu Kriteria ketepatan model dengan uji MAPE Lomauro dan Bakshi 1985
dalam Utami 2006 adalah: MAPE 5 sangat tepat; 5MAPE10 tepat, dan MAPE10 tidak tepat. Kriteria ketapatan model dengan uji MAPE di atas
adalah apabila nilai MAPE mendekati nol maka model tidak bias atau dapat dikatakan secara konsisten nilai simulasi tidak melebihi atau di bawah nilai data
aktual Hauke et al., 2001.
Analisis Sensitivitas
Analisis sensitivitas bertujuan melihat sensitivitas parameter, faktor dan hubungan antar faktor dalam model yang dikaji. Ada dua kategori analisis
sensitivitas yang dibedakan dari intervensinya, yaitu intervensi fungsional dan intervensi struktural Muhammadi et al., 2001. Intervensi fungsional yaitu
intervensi terhadap parameter tertentu dalam model, selanjutnya dilakukan simulasi dan mengamati hasil dan dampaknya terhadap keseluruhan kinerja
model sistem. Intervensi struktural adalah intervensi yang mempengaruhi hubungan antar unsur atau struktur yang dapat dilakukan dengan mengubah
unsur atau hubungan yang membentuk struktur model. Kriteria yang dipakai untuk menilai performa sensitivitas dalam penelitian
ini mengikuti kriteria seperti yang dikemukakan Maani dan Cavana 2000, parameter dikatakan sensitif sensitive bila parameter diubah sebesar 10 dan
dampaknya terhadap kinerja sistem dapat mencapai 5-14, sangat sensitif very sensitive bila dampaknya berkisar 15-34 dan sangat sensitif highly sensitive
bila dampaknya lebih besar dari 35. Parameter yang memiliki sensitivitas tinggi merupakan parameter penting yang dapat digunakan dalam penentuan skenario
kebijakan. Di dalam simulasi model, parameter yang sensitif adalah jenis parameter yang dapat mencapai tujuan goal dalam periode waktu tertentu.
Moh. Nazam, 2011_PSL_SPs_IPB
89