pada perikanan open access. Sebagaimana terlihat pada Gambar 29 di atas, peningkatan cost biaya
dari TC
1
ke TC
2
akan mengurangi effort dari E
1
ke E
2
. Oleh karena perikanan sudah berada di sebelah kanan titik MSY, maka pergeseran E
1
ke E
2
tersebut akan meningkatkan produksi dari h
1
ke h
2
. Fenomena ini terjadi hampir pada semua tingkat perubahan biaya. Pada kondisi yang cukup ekstrim dengan peningkatan
biaya sebesar 50, peningkatan produksi cukup signifikan meski penurunan effort tidak terlalu besar. Ini menunjukkan bahwa adanya trade off antara
mengurangi nelayan yang berlebih dengan meningkatkan kesejahteraan nelayan yang efisien melalui penutupan kawasan konservasi laut.
5.6 Model KODI Konservasi – Wisata
Untuk menentukan Konvergensi dan Divergensi secara dinamik antara kawasan konservasiwisata dan perikanan, maka dalam penelitian ini akan di
gunakan pendekatan Willen dengan memodifikasi persamaan Willen untuk wisata. Persamaan Willen untuk perikanan sebagaimana dijelaskan pada Bab 3
pada persamaan 3.21 dan 3.22 sering di tulis dalam bentuk :
qxE K
x rx
x −
⎟ ⎠
⎞ ⎜
⎝ ⎛ −
= 1
.
E c
pqx E
− =
η
.
Persamaan standar diatas menggambarkan bahwa dinamika stok ikan akan tergantung dari pertumbuhannya dalam hal ini diwakili oleh fungsi pertumbuhan
logistik sebagaimana sudah di jelaskan pada bab sebelumnya dikurangi dengan produksi yang tergantung dari fungsi effort E. Di sisi lain dinamika effort
sendiri atau baca E dot akan dipengaruhi oleh keuntungan yang diperoleh π dikalikan dengan effort yang digunakan , adapun koefisien
.
E η menunjukan
koefisien respon. Jika kemudian dengan adanya konservasiwisata, effort akan berkurang
maka persamaan di atas dapat dimodifikasi untuk menunjukan dinamika dari wisata. Di asumsikan bahwa hubungan antara wisata Labour dan effort dalam
bentuk : E
L φ
= dimana, 0 Ø1
Dengan demikian L
E φ
= , jika dimisalkan bahwa 1
γ φ
= maka dapat dinyatakan bahwa E
L γ
= maka persamaan di atas dapat diubah untuk menunjukan interaksi
antara wisata, konservasi dan perikanan sehingga di tulis dalam bentuk :
γ L qx
K x
rx
x
− ⎟
⎠ ⎞
⎜ ⎝
⎛ − =
1
.
xL q
γ K
x rx
− ⎟
⎠ ⎞
⎜ ⎝
⎛ − 1
L c
pqx L
− =
η
.
dengan asumsi bahwa jika usaha perikanan menguntungkan akan menurunkan wisata maka koefisien
〈 η . Hasil iterasi dengan software Madonna tersebut
dapat dilihat pada Gambar 30 berikut
80 70
60 50
40 30
20 10
2e+4 1.8e+4
1.6e+4 1.4e+4
1.2e+4 1e+4
8000 6000
4000 2000
1600 1400
1200 1000
800 600
400
TIME x
L
x:1 L:1
STARTTIME = 0 STOPTIME = 75
DT = 3.125e-4
DTOUT = 0
x = 2592.52
L = 439.858
r = 0.18
K = 487040
q = 3e-4
p = 0.034
w = 0.032
sigma = 0.3
eta = 0.3
Gambar 30 Hubungan Konvergensi – Divergensi antara Perikanan dan Wisata pada kondisi baseline.
Analisis dinamik pada gambar 30 diatas merupakan interaksi antara kegiatan perikanan yang diwakili dengan biomas simbol x, garis hitam dengan kegiatan
konservasiwisata yang diwakili dengan jumlah wisatawan simbol L, garis merah pada kondisi baseline, yaitu pada
σ sigma = 0.3; η etha = 0.3 dan biaya w sebesar 0.032. Dari Gambar diatas terlihat bahwa pada awal-awal periode
hubungan kedua kegiatan bergerak berdampingan. Ketika kegiatan konservasiwisata mengalami peningkatan, biomas mulai mengalami penurunan
sampai kemudian bertemu konvergensi pada t = 39.35 dengan nilai biomas sebesar lebih kurang 13 250 ton dan jumlah wisata sebanyak 119 orang.
Sementara itu, jika dilihat dari analisis dinamik pada Gambar 31 dengan skenario perubahan biaya pada nilai
η dan sigma kondisi awal, maka dapat dilihat bahwa perubahan biaya semakin besar menyebabkan biomas dan jumlah
wisatawan meningkat sehingga konvergensi lebih cepat tercapai. Hal ini dapat diartikan bahwa biaya sangat responsif terhadap profit dari perikanan dan wisata.
Pada kondisi biomas naik atau dapat dikatakan dalam kondisi membaik maka tentunya kegiatan konservasi juga meningkat sehingga lebih menarik wisatawan.
Fenomena yang sama terjadi pada berbagai tingkat η dan sigma luasan kawasan
konservasi. Pada Gambar 32 dengan skenario perubahan nilai η 0.5 dan 0.8 dan
Gambar 33 dengan skenario perubahan besaran luasan KKL σ = 0.5 dan 0.8
tampak konvergensi juga semakin cepat tercapainya. Pada Tabel 21 ditampilkan hasil skenario bermacam-macam perubahan nilai parameter tersebut yang
mempengaruhi konvergensi antara kedua kegiatan tersebut.
80 70
60 50
40 30
20 10
3e+4 2.5e+4
2e+4 1.5e+4
1e+4 5000
1600 1400
1200 1000
800 600
400 200
TIME x
L
x:1 L:1
x:2 L:2
x:3 L:3
STARTTIME = 0 STOPTIME = 75
DT = 3.125e-4
DTOUT = 0
x = 2592.52
L = 439.858
r = 0.18
K = 487040
q = 3e-4
p = 0.034
w = 0.032...0.075
sigma = 0.3
eta = 0.3
Gambar 31 Hubungan Konvergensi – Divergensi antara Perikanan dan Wisata
dengan perubahan biaya 0,032. 0,050 dan 0,075.
80 70
60 50
40 30
20 10
7e+4 6e+4
5e+4 4e+4
3e+4 2e+4
1e+4 9000
8000 7000
6000 5000
4000 3000
2000 1000
TIME x
L
x:1 L:1
x:2 L:2
x:3 L:3
STARTTIME = 0 STOPTIME = 75
DT = 3.125e-4
DTOUT = 0
x = 2592.52
L = 439.858
r = 0.18
K = 487040
q = 3e-4
p = 0.034
w = 0.032
sigma = 0.3...0.8
eta = 0.3
Gambar 32 Hubungan Konvergensi – Divergensi antara Perikanan dan Wisata dengan perubahan sigma 0,3. 0,5 dan 0,8.
80 70
60 50
40 30
20 10
2e+4 1.8e+4
1.6e+4 1.4e+4
1.2e+4 1e+4
8000 6000
4000 2000
1600 1400
1200 1000
800 600
400
TIME x
L
x:1 L:1
x:2 L:2
x:3 L:3
STARTTIME = 0 STOPTIME = 75
DT = 3.125e-4
DTOUT = 0
x = 2592.52
L = 439.858
r = 0.18
K = 487040
q = 3e-4
p = 0.034
w = 0.032
sigma = 0.3
eta = 0.3...0.8
Gambar 33 Hubungan Konvergensi – Divergensi antara Perikanan dan Wisata dengan perubahan nilai eta 0,3. 0,5 dan 0,8.
Tabel 21 Hasil simulasi perubahan parameter KODI Kondisi Baseline
eta sigma
w T
x L
tahun ton
orang 0.3
0.3 0.032
39.35 13250
119
Simulasi perubahan biaya pada eta dan sigma kondisi baseline
w T
x L
0.032 39.35
13250 119
0.050 39.01
16640 120
0.075 38.86
21700 121
Simulasi perubahan eta pada biaya dan sigma kondisi baseline
eta T
x L
0.3 39.35
13250 119
0.5 31.36
11770 111
0.8 25.34
10160 101
Simulasi perubahan sigma pada eta dan biaya kondisi baseline
Sigma T
x L
0.3 39.35
13250 119
0.5 34.7
21220 181
0.8 30.76
44340 570
Gambar 34 Grafik Interaksi masing-masing parameter Biaya-Sigma,Eta.
In t e r a k s i Bi a y a d a n Ta h u n
38.60 38.70
38.80 38.90
39.00 39.10
39.20 39.30
39.40
0.032 0.050
0.075
Bi a y a
Selanjutnya analisis Phase Plane untuk model Baseline interaksi dinamik antara
perikanan biomas,x dan wisata L disajikan pada Gambar 35.
4e+4 3.5e+4
3e+4 2.5e+4
2e+4 1.5e+4
1e+4 5000
1600 1400
1200 1000
800 600
400 200
x L
L:1 L:2
L:3 L:4
L:5 L:6
L:7 L:8
L:9 L:10
L:11 L:12
L:13 L:14
L:15 L:16
L:17 L:18
L:19 L:20
L:21 L:22
Gambar 35 Analisis phase plane model baseline.
T a
h u
n
In t e r a k s i Bi a y a d a n Bi o m a s T o n
5000 10000
15000 20000
25000
0.032 0.050
0.075
Bi a y a B
io m
a s
In t e r a k s i Bi a y a d e n g a n J u m l a h w i s a t a w a n o r a n g
118 119
120 121
122
0.032 0.050
0.075
Biaya Ju
m la
h W
isa ta
w a
n
In t e r a k s i Si g m a d a n T a h u n
0 . 0 0 1 0 . 0 0
2 0 . 0 0 3 0 . 0 0
4 0 . 0 0 5 0 . 0 0
0 . 3 0 . 5
0 . 8
Si g m a T
a h
u n
Interaksi Sigm a dan Biom as Ton
10000 20000
30000 40000
50000
0.3 0.5
0.8 Sigm a
Bi o
m a
s In t e r a k s i S i gm a d a n J u m l a h
W i s a t a w a n or a n g
100 200
300 400
500 600
0.3 0.5
0.8
Si g m a J
u m
la h
W is
a ta
w a
n
In t e r a k s i Et a d a n Ta h u n
0.00 10.00
20.00 30.00
40.00 50.00
0.3 0.5
0.8
Et a T
a h
u n
In t e r a k s i Et a d a n Bi o m a s T o n
5000 10000
15000
0.3 0.5
0.8
Et a B
io m
a s
In t e r a k s i Et a d a n J u m l a h W i s a t a w a n o r a n g
9 0 9 5
1 0 0 1 0 5
1 1 0 1 1 5
1 2 0 1 2 5
0 . 3 0 . 5
0 . 8
Et a J
m la
h w
is a
ta w
a n
In t e r a k s i Bi a y a d a n Ta h u n
38.60 38.70
38.80 38.90
39.00 39.10
39.20 39.30
39.40
0.032 0.050
0.075
Bi a y a T
a h
u n
In t e r a k s i Bi a y a d a n Bi o m a s T o n
5000 10000
15000 20000
25000
0.032 0.050
0.075
Bi a y a B
io m
a s
In t e r a k s i Bi a y a d e n g a n J u m l a h w i s a t a w a n o r a n g
118 119
120 121
122
0.032 0.050
0.075
Biaya Ju
m la
h W
isa ta
w a
n
In t e r a k s i Si g m a d a n T a h u n
0 . 0 0 1 0 . 0 0
2 0 . 0 0 3 0 . 0 0
4 0 . 0 0 5 0 . 0 0
0 . 3 0 . 5
0 . 8
Si g m a T
a h
u n
Interaksi Sigm a dan Biom as Ton
10000 20000
30000 40000
50000
0.3 0.5
0.8 Sigm a
Bi o
m a
s In t e r a k s i S i gm a d a n J u m l a h
W i s a t a w a n or a n g
100 200
300 400
500 600
0.3 0.5
0.8
Si g m a J
u m
la h
W is
a ta
w a
n
In t e r a k s i Et a d a n Ta h u n
0.00 10.00
20.00 30.00
40.00 50.00
0.3 0.5
0.8
Et a T
a h
u n
In t e r a k s i Et a d a n Bi o m a s T o n
5000 10000
15000
0.3 0.5
0.8
Et a B
io m
a s
In t e r a k s i Et a d a n J u m l a h W i s a t a w a n o r a n g
9 0 9 5
1 0 0 1 0 5
1 1 0 1 1 5
1 2 0 1 2 5
0 . 3 0 . 5
0 . 8
Et a J
m la
h w
is a
ta w
a n
Dari Gambar 35 di atas jelas terlihat bahwa phase line antara biomas dan jumlah wisata memiliki sifat keseimbangan stable focus dimana keseimbangan sistem
jangka panjang long run equilibrium akan dicapai melalui penyesuaian antara jumlah wisata dan biomas. Artinya bahwa peningkatan jumlah wisatawan hanya
bisa dicapai jika biomas dikurangi, dalam hal ini terjadi pada wisata L = 839 orang, dan biomas x = 9 865 ton. Dari interaksi di atas tampak bahwa sistem
pada kondisi dimana jumlah wisatawan tinggi dan biomass rendah di sisi sebelah kiri grafik, maka keseimbangan akan selalu melakukan adjustment dengan
bergerak kearah kanan sehingga menurunkan tingkat wisatawan dan meningkatkan nilai biomass sampai pada titik keseimbangan di atas. Hal ini
menunjukkan bahwa tingkat wisata L yang ada saat ini dapat dikatagorikan excessive sehingga keseimbangan dicapai dalam waktu yang relatif lama dan pada
saat biomas sudah mengalami penurunan.
5.7 Analisis Nilai Ekonomi KKL