Nilai CPUE merupakan hasil pembagian antara jumlah produksi dengan upaya tangkap. Berdasarkan Tabel 10, dapat diketahui bahwa produktifitas alat
tangkap hand line tertinggi pada tahun 2009 dan 2010 dengan hubungan CPUE dan upaya tangkap yang berbanding terbalik, dimana peningkatan jumlah upaya
tangkap akan menghasilkan nilai CPUE yang lebih rendah. Tabel 10. Produksi dan upaya tangkap sumberdaya perikanan tuna
Tahun Produksi Ton Upaya Tangkap trip
CPUE
2003 252,14
99.285 0,002540
2004 2.394,63
11.078 0,216157
2005 3.735,49
22.701 0,164553
2006 2.319,28
22.692 0,102207
2007 885,10
97.312 0,009095
2008 1.510,62
77.880 0,019397
2009 1.086,44
2.086 0,520732
2010 1.928,57
3.540 0,544794
2011 98,10
3.072 0,031934
2012 105,89
28.070 0,003772
Sumber: DKP NTT dan Hasil Analisis Data 2014
5.2.1.2 Estimasi parameter biologi
Penelitian ini menggunakan parameter biologi dalam upaya pendugaan stok, hal ini sesuai dengan FAO 2006, yang menyebutkan bahwa pendugaan
stok dapat dilakukan dengan menggunakan parameter biologi maupun parameter lainnya yang berhubungan dengan penangkapan, misalnya selektifitas dan
kemampuan armada tangkap. Parameter biologi akan menghasilkan tiga nilai, yaitu nilai r yang merupakan laju pertumbuhan populasi, dimana nilai r
merupakan selisih antara angka kelahiran dengan kematian, artinya nilai tersebut diasumsikan berlaku pada saat upaya pemanfaatan sama dengan nol. Nilai K
merupakan kapasitas daya dukung lingkungan dalam menjaga populasi stok ikan. Kemudian adalah nilai q, dimana q merupakan nilai koefisien tangkap.
Estimasi parameter biologi ini dilakukan dengan menggunakan model Fox, Clarke, Yashimoto dan Pooley CYP, model estimasi Walter dan Hilborn W-H
dan model estimasi Schnute. Perbandingan hasil r, q, K pada masing-masing model tersaji pada Tabel 11.
Tabel 11. Perbandingan hasil parameter biologi pada perikanan tuna
Model Parameter Biologi
r q
K
Fox 0,926319272
1,07267E-05 26.224,1264
CYP 3,118585221
6,12415E-05 2.057,2458
WH 8,876641225
0,000500355 1.611,8369
Schnute 3,433050020
6,16936E-05 7.155,7627
Sumber: Hasil Analisis Data 2014
Perhitungan biologi menggunakan hasil nilai pada Tabel 10, dimana korelasi terhadap hasil tabel tersebut akan dilakukan perhitungan OLS sederhana.
Pada model Fox, digunakan regresi linear sederhana dengan hasil ϒ= 0,281-
3,26E-06 χ, sehingga nilai koefisien α = 0,281 dan = -0,00000326. Model CYP
menggunakan regresi berganda dan menghasilkan persamaan ϒ= -2,524-0,218χ
1
- 1,196E-05
χ
2
. Dengan nilai α sebesar -2,524, sebesar -0,218, dan sebesar - 0,000001196. Persamaan pada model WH adalah
ϒ= -8,876+11,006χ
1
+0,0005 χ
2
. Dengan nilai koefisien α = -8,876, = 11,006, dan = 0,0005. Kemudian hasil
persamaan pada model Schnute, yaitu ϒ= -3,433+7,776χ
1
+6,169E-05 χ
2
, dengan nilai koefisien α = -3,433, = 7,776 dan = 0,00006169. Nilai koefisien pada
masing-masing model tersebut, digunakan dalam perhitungan parameter biologi Tabel 11. Untuk hasil OLS dan hasil perhitungan parameter biologi yang lebih
lengkap, dapat dilihat pada Lampiran 1. Menurut Mulyani 2013, pemilihan model bioekonomi terbaik diambil
berdasarkan hasil apriori logis yang sesuai dengan teori dan statistik. Pada penelitian ini pemilihan model terbaik adalah dengan mempertimbangkan hasil
perhitungan optimasi statik bioekonomi, pada model WH, CYP dan Schnude nilai sig F berada diatas alpha 10, hanya model Fox yang memiliki nilai sig F
dibawah 10 yaitu 0,06. Model Fox terpilih menjadi model terbaik, berdasarkan pertimbangan nilai ekonomi, ekonometrik, statik dan keakuratan pada hasil
parameter biologi. Pertimbangan nilai ekonomi adalah dengan memperhatikan nilai minus pada hasil regresi koefisien b, pertimbangan nilai ekonometrik
berdasarkan pada nilai R
2
yang dihasilkan, sedangkan untuk nilai statik adalah dengan melihat tingkat signifikansi, serta pemilihan nilai r pada model Fox yang
dianggap paling logis. Nilai statistik model Fox adalah, R
2
=
0,37, adj R
2
= 0,29.
Pada komoditi perikanan, sangat melekat pada sifatnya yang fugitive, karena bersifat buruan maka terkendala faktor ketidak pastian, sehingga dalam
Fauzi 2010 hal tersebut dapat diterima. Tingkat signifikansi menggunakan α =
10, maka nilai sig F 0,060 0,10, kemudian nilai t hitung 2,185 t tabel 1,859, sehingga dapat disimpulkan variabel upaya tangkap berpengaruh
signifikan terhadap CPUE.
5.2.1.3 Estimasi parameter ekonomi
Perhitungan parameter ekonomi dilakukan untuk mendapatkan nilai c cost dan p price yang akan digunakan dalam pendugaan optimasi statik surplus
produksi. Clarke, et al 1992 menyebutkan bahwa dalam menghitung cost per effort, dapat dilakukan dengan dua cara, yaitu dengan menggunakan biaya rata-
rata armada, dan biaya optimal yang berasal dari armada penangkapan. Sedangkan pada fungsi pendapatan, berasal dari rata-rata harga nominal tuna yang telah
disesuaikan dengan inflasi.
Berdasarkan hasil wawancara, pada perhitungan total biaya, penelitian ini menggunakan biaya rata-rata armada penangkapan, yaitu sebesar Rp300.000,- per
trip pada tahun 2014. Sedangkan harga nominal tuna juga merupakan harga rata- rata, yaitu sebesar Rp15.000.000,- per ton pada tahun 2014. Asumsi yang
digunakan dalam penentuan rata-rata harga tuna adalah, semua grade diasumsikan sama. Dalam hal ini parameter penduga inflasi adalah dengan menggunakan IHK
indeks harga konsumen, dengan tahun 2010 sebagai tahun dasar. Tabel 12 merupakan tabel penyesuaian harga nominal terhadap IHK. Hasil perhitungan
diperoleh nilai c yang merupakan rata-rata dari biaya riil, yaitu sebesar Rp 26.265,- per trip. Sedangkan rata-rata nilai harga riil produksi pada pendekatan
input adalah sebesar Rp 14.712.892,- per ton, dan Rp 443.700,- per ton pada pendekatan output.
Perhitungan nilai p pada pendekatan output atau model Copes, dilakukan dengan menggunakan titik perpotongan pada kurva keseimbangan permintaan dan
penawaran, yang mengacu pada Nababan 2006. Pada kurva permintaan, fungsi permintaan diasumsikan semua produksi terjual sesuai dengan permintaan,
sehingga nilai Q
d
=DM=h=a-b.p. Nilai a dan b diperoleh berdasarkan hasil OLS antara produksi dengan harga riil, sehingga diperoleh persamaan DM=3,5201-
0,1308.p. Pada fungsi penawaran, diperlukan nilai r, q, K, c dari perhitungan sebelumnya, dan nilai discount rate riil. Maka diperoleh persamaan kurva supply
sebagai berikut, Q
s
=h=r.x.1-xK, Tabel 12. Konversi biaya riil dan harga riil perikanan tuna
Tahun IHK
IHK 2010 Harga Riil jutaton
Biaya Riil jutatrip
2003 322,17
231,70 30,406
0,05428 2004
122,92 88,40
11,601 0,02071
2005 120,38
86,58 11,361
0,02028 2006
144,54 103,95
13,642 0,02435
2007 150,29
108,09 14,184
0,02532 2008
111,88 80,46
10,558 0,01884
2009 126,13
90,71 11,903
0,02125 2010
139,05 100,00
13,123 0,02342
2011 162,75
117,05 15,360
0,02742 2012
158,78 114,19
14,986 0,02675
Rata-rata 14,712 0,02626
Sumber: Hasil Analisis Data 2014
dimana x=
perpotongan kedua kurva tersebut dapat dilihat pada Gambar 9. Kurva tersebut juga sebagai refleksi pemanfaatan sumberdaya tuna pada model Copes.
Gambar 9. Kurva keseimbangan demand supply perikanan tuna Parameter ekonomi pendekatan input, menghasilkan nilai c dan p yang
merupakan rata-rata dari keseluruhan nilai c dan p pertahun. Pada pendekatan
5 10
15 20
25 30
35 40
45
-1 1
2 3
4 5
6 7
Ha rg
a ju
ta p
er to
n
Produksi ton Supply
output, nilai p yang digunakan berbeda, sehingga diperlukan perhitungan lain untuk mendapatkannya. Nilai p pada pendekatan output, dalam hal ini merupakan
bioekonomi model Copes, menggunakan nilai p yang berasal dari titik keseimbangan kurva permintaan penawaran. Oleh karena itu, terlebih dahulu
untuk mencari persamaan kurva, dalam mencari persamaan kurva nilai intersep dan koefisien variabel menggunakan hasil OLS antara harga riil dengan jumlah
produksi. Tabel harga riil dengan produksi, tersaji pada Lampiran 1. Clarke, et al 1992 menyebutkan bahwa dalam menghitung cost per effort, dapat dilakukan
dengan dua cara, yaitu dengan menggunakan biaya rata-rata armada, dan biaya optimal yang berasal dari armada penangkapan. Sedangkan pada fungsi
pendapatan, berasal dari rata-rata harga nominal tuna yang telah disesuaikan
dengan inflasi. Estimasi harga riil didapatkan dengan mengetahui harga nominal
pada tahun penelitian, kemudian dengan menggunakan IHK, estimasi nilai riil pada setiap tahun dapat diketahui. Sebelum dilakukan regresi, data tersebut
ditransformasi kedalam Ln, agar terdistribusi secara normal. Hasil OLS disubtitusi kedalam persamaan Qs dan Qd, sehingga dapat diplot kedalam sebuah grafik
Gambar 9. Koordinat titik perpotongan tersebut adalah 3,462;0,443, kedua nilai tersebut merupakan nilai h dan p.
5.2.1.4 Estimasi optimasi statik pendekatan input
Bioekonomi algoritma Fox, dikerjakan kedalam dua perlakuan, yaitu optimasi statik dan dinamik. Sub bab ini merupakan pemaparan algoritma Fox
pada kondisi statik, dimana kondisi ini menggunakan tiga rezim pengelolaan, yaitu OA suatu kondisi pemanfaatan sumberdaya dilakukan tanpa adanya fokus
pengelolaan, MSY suatu kondisi pemanfaatan sumberdaya, dimana pemanfaatan yang dilakukan berdasarkan pada kondisi keseimbangan biologi, MEY suatu
kondisi pemanfaatan sumberdaya yang berorientasi pada rente yang didapat. Nilai pada rezim pengelolaan OA, merupakan gambaran yang terjadi pada
sumberdaya ketika tidak ada pihak yang mengelola sumberdaya, sehingga rezim pemanfaatan ini tidak akan dibahas lebih jauh. Tabel 13, tersaji hasil perhitungan
optimasi statik model Fox pada beberapa rezim pengelolaan.