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

V. HASIL DAN PEMBAHASAN

5.1. Keragaan Usaha Tani Padi Sawah

Data yang diperoleh dari hasil survei mendalam in-depth interview usaha tani padi pada tiga tipologi lahan sawah pada tiga lokasi penelitian, setelah dianalisis dengan menggunakan Persamaan 1, 2a, 2b dan 2c, diperoleh hasil seperti disajikan pada Tabel 5.1. Tabel 5.1. Hasil analisis usaha tani padi pada tiga tipologi lahan sawah di tiga wilayah penelitian ha tahun -1 tahun 2010 Tipologi Lahan Sawah Lombok Tengah Sumbawa Barat Bima Rata-Rata Irigasi Teknis - Produksi ton 11,87 1 17,89 2 13,74 2 14,50 - Nilai Produksi Rp 35.753.509 46.929.490 34.130.102 38.937.700 - Biaya Usaha Tani Rp 9.667.286 19.427.217 14.314.392 14.469.632 - Pendapatan Rp 26.086.223 27.502.273 19.815.710 24.468.069 - RC 3,70 2,41 2,39 2,83 Irigasi Setengah teknis - Produksi ton 10,56 10,75 8,27 9,86 - Nilai Produksi Rp 27.190.045 20.800.202 21.912.783 23.301.010 - Biaya Usaha Tani Rp 7.256.299 7.751.969 6.564.065 7.190.778 - Pendapatan Rp 19.933.745 13.048.233 15.348.718 16.110.232 - RC 3,75 2,70 3,33 3,24 Tadah Hujan - Produksi ton 4,52 3,56 3,99 4,02 - Nilai Produksi Rp 9.208.017 9.170.424 10.959.756 10.431.573 - Biaya Usaha Tani Rp 4.575.274 3.871.027 4.144.828 4.197.043 - Pendapatan Rp 4.632.744 5.299.397 6.814.928 5.582.356 - RC 2,01 2,37 2,64 2,33 Rata-Rata Lokasi - Produksi ton 9,98 10,04 8,67 9,23 - Nilai Produksi Rp 23.783.857 26.059.675 22.067.547 23.970.360 - Biaya Usaha Tani Rp 7.166.286 10.350.071 8.341.095 8.619.151 - Pendapatan Rp 16.617.571 15.709.604 13.726.452 15.351.206 - RC 3,12 2,54 2,75 2,80 Sumber: Data primer 1 IP Padi 200 2 IP Padi 300 Tabel 5.1 memperlihatkan bahwa rata-rata pendapatan usaha tani padi di Kabupaten Lombok Tengah, Sumbawa Barat dan Bima berturut-turut adalah Rp.16.617.571, Rp.15.709.604, dan Rp.13.726.452 ha -1 tahun -1 atau rata-rata Rp.15.351.206 ha -1 tahun -1 . Perbedaan pendapatan yang sangat nyata terutama disebabkan oleh perbedaan biaya tenaga kerja, dimana biaya tertinggi dikeluarkan petani di Kabupaten Sumbawa Barat, disusul Bima dan yang terendah di Lombok Tengah. Nilai RC tertinggi diperoleh di Kabupaten Lombok Tengah sebesar 3,12, disusul Bima 2,75 dan Sumbawa Barat 2,54 atau rata-rata Moh. Nazam, 2011_PSL_SPs_IPB 90 2,8. Nilai RC lebih dari 1 menunjukkan bahwa jumlah penerimaan usaha tani lebih besar dari biaya yang dikeluarkan atau memperoleh keuntungan sehingga layak untuk diusahakan. Perbedaan pendapatan dan nilai RC antar lokasi terutama disebabkan oleh perbedaan tingkat produktivitas, nilai penerimaan dan biaya usaha tani. Dengan demikian tingkat produktivitas maupun nilai penerimaan yang tinggi belum tentu mencerminkan tingkat pendapatan atau nilai RC yang tinggi apabila biaya yang dikeluarkan juga tinggi. Rata-rata produktivitas padi sawah yang dihasilkan adalah 49,71 kw ha -1 . Produktivitas tertinggi dicapai di Kabupaten Lombok Tengah yaitu rata-rata 53,90 kw ha -1 , disusul Sumbawa Barat dengan rata-rata 51,89 kw ha -1 dan di Kabupaten Bima dengan rata-rata 43,33 kw ha -1 . Diduga perbedaan tersebut disebabkan oleh perbedaan dalam pengelolaan usaha tani, dimana pengelolaan usaha tani padi sawah yang dilakukan oleh petani di Kabupaten Lombok Tengah relatif lebih maju dibandingkan dengan pengelolaan usaha tani padi sawah yang dilakukan oleh petani di Kabupaten Sumbawa Barat dan Bima. Rata-rata produktivitas padi yang diperoleh dari hasil penelitian di tiga wilayah tersebut lebih rendah dibandingkan dengan rata-rata produktivitas padi sawah NTB berdasarkan data statistik yang mencapai 50,85 kw ha -1 BPS NTB, 2009. Produktivitas padi sawah NTB termasuk urutan ke sembilan tertinggi dari 33 provinsi di Indonesia dan masih lebih tinggi dibandingkan dengan rata-rata nasional sebesar 49,95 kw ha -1 Deptan, 2010. Jika dibandingkan dengan produktivitas padi di China dan Jepang, produktivitas padi di NTB masih lebih rendah, tetapi setara dengan India dan masih lebih tinggi daripada Thailand dan Vietnam. Hal tersebut mencerminkan bahwa tingkat penerapan teknologi budi daya padi sawah di NTB relatif lebih intensif dibandingkan rata-rata nasional. Salah satu indikator yang menunjukkan tingkat perkembangan teknologi adalah penyebaran varietas unggul padi sawah. Varietas padi yang sudah berkembang hingga saat ini di NTB antara lain: IR-64, Ciherang, Cibogo, Ciliwung, Mikongga, Cigeulis, Situ Bagendit, Situ Patenggang dan Widas. Dalam periode 2001 – 2008, rata-rata penggunaan benih unggul bersertifikat di NTB mencapai 52 dari kebutuhan benih sekitar 11.000 ton BPSBTPH-NTB, 2008. Produktivitas merupakan salah satu determinan kapasitas produksi padi selain luas lahan. Produktivitas adalah hubungan antara jumlah barang atau jasa yang dihasilkan dan faktor-faktor yang dipakai untuk memproduksinya; produktivitas pertanian dapat diungkapkan sebagai outputkeluaran per unit