Tabel 1 Upah minimum tiap propinsi, kabupaten, dan kota di Indonesia
Nama Propinsi Kabupaten Kota
Nilai Upah Minimum
Rp Nama Propinsi Kabupaten
Kota Nilai Upah
Minimum Rp
1. Nangroe Aceh Darussalam 1.300.000,00 16. Jawa Timur
2. Sumatera Utara 965.000,00 - Kota Surabaya
805.500,00 3. Sumatera Barat
700.000,00 - Kab. Sidoarjo 802.000,00
4. Riau 800.000,00 17.
Bali 5. Kepulauan Riau
833.000,00 - Kab. Badung 605.000,00
6. Jambi 900.000,00 - Kota Denpasar
800.000,00 7. Sumatera Selatan
743.000,00 - Kab. Gianyar 760.000,00
8. Bangka Belitung 813.000,00 - Kab. Jembrana
737.500,00 9. Bengkulu
683.528,00 - Kab. Karangasem 712.320,00
10. Lampung 678.900,00 - Kab. Klungkung
686.000,00 11. Jawa Barat
568.193,39 - Kab. Bangli 685.000,00
- Kab. Bogor 873.231,00 - Kab. Tabanan
685.000,00 - Kota Depok
962.500,00 - Kab. Buleleng 685.000,00
- Purwakarta 763.000,00 18. Nusa Tenggara Barat
730.000,00 - Kota Bekasi
994.000,00 19. Nusa Tenggara Timur 650.000,00
- Kab. Bekasi 980.589,60 20. Kalimantan Barat
645.000,00 21. Kalimantan Selatan
1.024.500,00 22. Kalimantan Tengah
765.868,00 - Kab. Sumedang
Jatinangor, Tanjungsari, Cimanggung, Pamulihan
886.000,00 23. Kalimantan Timur
1.002.000,00 - Kab. Sumedang diluar
Jatinangor, Tanjungsari, Cimanggung, Pamulihan
700.000,00 24. Maluku Utara masih dalam
pembahasan di Pemda
- Kab. Karawang 912.225,00 25. Maluku
840.000,00 - Kota Bandung
939.000,00 26. Gorontalo 710.000,00
- Kab. Bandung 895.980,00 27. Sulawesi Utara
1.000.000,00 12. DKI Jakarta
972.604,80 28. Sulawesi Tenggara 860.000,00
13. Banten 537.000,00 29. Sulawesi Tengah
777.500,00 - Kab. Tangerang
953.850,00 30. Sulawesi Selatan 1.000.000,00
- Kota Cilegon 978.400,00 31. Sulawesi Barat
944.500,00 14. Jawa Tengah
547.000,00 32. Papua Barat 1.210.000,00
15. Yogyakarta 586.000,00 33. Papua
1.105.500,00 Sumber: Wikipedia Indonesia 2010
Standar kebutuhan hidup layak KHL dapat ditentukan berdasarkan kriteria yang dikemukakan oleh Sajogjo 1977, yaitu pendapatan bersih yang diperoleh
minimal setara 320 kgorangtahun dikali harga beras berlaku dikali 5 orang anggota keluarga dalam setiap KK dikali 2,5 sebagai indeks faktor pengali yang
merupakan kebutuhan diluar pangan berupa biaya tempat tinggal, kesehatan, pakaian, kegiatan sosial kemasyarakatan, dan pendidikan.
2.7 Optimasi Penatagunaan Lahan
Optimasi adalah suatu teknik analisis untuk menentukan keputusan optimal maksimal atau minimal untuk mencapai tujuan tertentu dengan dibatasi berbagai
kendala. Teknik optimasi telah berkembang luas dan telah banyak digunakan
dalam sistem manajemen secara umum. Kajian penatagunaan lahan dengan teknik optimasi telah banyak digunakan dalam hal produktivitas lahan dan pemanfaatan
sumberdaya, seperti memaksimalkan produksi; penentuan pola tanam optimal; analisis target produksi dengan kendala fisik, biologi, ekonomi, dan lingkungan;
optimasi suplai air untuk lahan pertanian; dan sebagainya. Namun teknik optimasi belum banyak digunakan untuk perencanaan sistem tata guna lahan tata ruang
kawasan daerah aliran sungai yang mengoptimalkan fungsi kawasan sebagai kawasan lindung dan budidaya dari segi ekologis, ekonomis, dan sosial.
Intrilligator 1978 menjelaskan bahwa komponen utama model berdasarkan kerangka umum permodelan optimasi mathematical programming terdiri atas
variabel keputusan decision variables atau instruments; ruang pilihan opportunity sets yang dirumuskan dengan beberapa fungsi pembatas nilai
variabel keputusan yang disebut fungsi kendala constraint functions; dan fungsi tujuan objective function. Variabel keputusan dalam optimasi penggunaan lahan
adalah pola spasial penggunaan lahan yang mencakup tipe, luas, dan lokasi penggunaan lahan. Variabel keputusan didasarkan pada pola penggunaan lahan
aktual dengan tipe penggunaan lahan yang ada atau dikembangkan lebih lanjut sesuai dengan tujuan optimasi. Permasalahan yang dihadapi adalah mencari nilai
variabel keputusan dalam suatu ruang pilihan sehingga dapat memaksimumkan nilai fungsi tujuan.
Sadeghi dan Jalili 2008 dalam kajian optimasi penggunaan lahan daerah aliran sungai Land Use Optimization in Watershed Scale menentukan variabel
keputusan optimasi pola penggunaan lahan, yaitu tipe, lokasi, dan luasan penggunaan lahan yang didasarkan pada pola da tipe penggunaan lahan aktual.
Fungsi tujuan disusun berdasarkan sasaran-sasaran optimasi untuk memaksimalkan keuntungan dan meminimumkan erosi. Untuk tujuan ganda
tersebut teknik optimasi yang digunakan adalah multiobjectives goal programming.
Bentuk umum model goals programming Saefulhakim 2008 adalah sebagai berikut:
• Fungsi tujuan: min
[ ]
∑ ∑
∑
= =
− +
= −
− +
+ −
= =
⋅ +
⋅ ⋅
=
K k
K k
k k
K k
k k
k k
k
P P
d P
d P
g z
1 1
1 1
1 1
• Fungsi-fungsi kendala: - Kendala sasaran
:
∑
= +
− ⋅
= −
+ ⋅
J j
k k
k j
k j
g d
d x
v
1
- Kendala riil
:
∑
=
≤
J j
i j
ij
b x
a
1
- Kendala non negativitas :
≥
j
x ; 0
≥
− k
d ; 0
≥
+ k
d Keterangan:
z = variabel tujuan yang dicari nilai optimalnya
j = {1…..J} set variabel keputusan
i = {1…..I} set fungsi kendala riil
k
= {1…..K} set fungsi kendala sasaran
k
g = nilai sasaran ke-k
k
P
+
= skala prioritas penurunan angka kelebihan dari nilai sasaran ke-k
+ k
d = variabel angka kelebihan dari angka sasaran ke-k
− k
P = skala prioritas penurunan angka kekurangan dari nilai sasaran ke-k
− k
d = variabel angka kekurangan dari angka sasaran ke-k
, j k
v
= koefisien fungsi sasaran ke-k untuk variabel keputusan ke-j
j
x
= variabel keputusan ke-j
, i j
a
= luas total areal set fungsi kendala riil ke-i dan set varibel keputusan ke-j
i
b = luas total area lokasi kajian
Salah satu program yang dapat digunakan dalam rangka teknik optimasi ialah GAMS General Algebraic Modeling System. GAMS merupakan program
yang didesain untuk membuat konstruksi dan solusi atas model program matematika yang kompleks dan besar. GAMS juga dapat meningkatkan
produktivitas para pembuat model dan memperluas kegunaan aplikasi program matematika dalam analisis kebijakan dan pembuatan keputusan Brooke et al.
1988. GAMS dapat diaplikasikan ke berbagai bidang dengan tujuan menentukan solusi yang optimal dari kondisi tertentu dari suatu permasalahan. Keunggulan
software GAMS dibandingkan dengan software optimasi lainnya ialah dapat digunakan untuk analisis optimasi dasar dan berbagai pengembangannya. Selain
itu, GAMS tidak menggunakan tabel yang terbatas jumlah kolom dan barisnya sehingga memungkinkan analisis dengan variabel yang lebih luas.
BAB III METODOLOGI
3.1 Waktu dan Lokasi Penelitian
Penelitian ini dilaksanakan selama enam bulan pada bulan Desember 2009 sampai dengan Mei 2010 di Laboratorium Pengaruh Hutan, Departemen
Silvikultur, Fakultas Kehutanan, Institut Pertanian Bogor. Wilayah studi yang dikaji dalam penelitian ini yaitu DAS Citarum Hulu yang terdiri atas lima Sub-
DAS, yaitu Cikapundung, Citarik, Cirasea, Cisangkuy, dan Ciwidey BPDAS Citarum-Ciliwung 2007. Lokasi wilayah kajian penelitian dapat dilihat pada
Gambar 3.
