Sensitivitas Produksi Padi Terhadap Perubahan Iklim Di Indonesia Tahun 1974-2015 | Nugroho | Agro Ekonomi 23038 68987 1 PB

Agro Ekonomi Vol. 27/No. 2, Desember 2016

63

SENSITIVITAS PRODUKSI PADI TERHADAP PERUBAHAN IKLIM
DI INDONESIA TAHUN 1974-2015
The Sensitivity of Paddy’s Production to Climate Change in Indonesia on 1974
-2015
Yanti Nurhayanti, Moko Nugroho
Program Pascasarjana Ilmu Ekonomi, Universitas Indonesia
Jl. Prof. Dr, Sumitro Djojohadikusumo, Depok, Jawa Barat 16424
nugroho.moko@gmail.com
Diterima tanggal : 2 September 2016 ; Disetujui tanggal : 3 Oktober 2016
ABSTRACT
The occurrence of climate change disrupts the productivity of paddy in Indonesia. Disruption
of the paddy’s production has an impact on the availability of foodstuffs, considering paddy
as staple food Indonesia society. This study aims to analyze the impact of climate change
on productivity of paddy in the central acreage of paddy in period 1974-2015 by using
four different climate variables. The data used are secondary data collected from Agency of
Central for Statistics (BPS), Ministry of Agriculture, and National Oceanic and Atmospheric
Administration (NOAA). Estimation method using data panels with Random Effect models

(REM). The results showed the productivity of paddy in Indonesia are more sensitive to
changes in rainfall and maximum temperature (Tmax) compared to the average temperature
(Tave) and the minimum temperature (Tmin). Increased rainfall and Tmax positively impact the
productivity of paddy until a speciic turning point, then after that point will give the opposite
impact. As for the turning point for the precipitation of 10,177 Inc./year, while Tmax on 31,35
°C. Simple simulation results demonstrate the increase in rainfall in the upper turning point
of 1 % will reduce the productivity of paddy amounted 0,00796 % ceteris peribus. While
the maximum temperature rise above the turning point of 1 % will reduce the productivity
of paddy as much as 0,09039% ceteris peribus.
Keyword : climate change, maximum temperature, paddy’s production, precipitation
INTISARI
Terjadinya perubahan iklim mengganggu produktivitas padi di Indonesia. Terganggunya
produksi padi berdampak pada ketersediaan bahan pangan, mengingat padi sebagai bahan
pangan pokok masyarakat Indonesia. Studi ini bertujuan untuk menganalisis dampak
perubahan iklim terhadap produktivitas padi pada daerah sentra padi di Indonesia periode
tahun 1974-2015 dengan menggunakan empat variabel iklim yang berbeda. Data yang
digunakan adalah data sekunder yang dikumpulkan dari Badan Pusat Statistik (BPS),
Kementerian Pertanian, dan National Oceanic and Atmospheric Administration (NOAA).
Metode estimasi menggunakan data panel dengan Random Effect Model (REM). Hasil
penelitian menunjukkan produktivitas padi di Indonesia lebih sensitif terhadap perubahan

curah hujan dan suhu maksimum (Tmax) dibandingkan dengan suhu rata-rata (Tave) dan suhu
minimum (Tmin). Peningkatan curah hujan dan Tmax berdampak positif terhadap produktivitas
padi sampai pada titik balik tertentu, kemudian setelah titik tersebut akan memberikan

64

Agro Ekonomi Vol. 27/No. 2, Desember 2016

dampak yang sebaliknya. Adapun titik balik untuk curah hujan sebesar 10,177 inc/tahun,
sementara Tmax pada 31,35°C. Hasil simulasi sederhana menunjukkan kenaikan curah hujan
di atas titik balik sebesar 1% akan mengurangi produktivitas padi sebesar 0,00796 % ceteris
peribus. Sementara kenaikan suhu maksimum di atas titik balik sebesar 1% akan mengurangi
produktivitas padi sebanyak 0,09039% ceteris peribus.
Kata kunci : curah hujan, perubahan iklim, produksi padi, suhu maksimum

PENDAHULUAN

dapat mengurangi hasil produksi padi.

Sektor pertanian merupakan salah

Kementerian Pertanian (2012) mencatat

satu sektor penggerak perekonomian

luas lahan tanaman padi yang terkena

yang berisiko akibat adanya perubahan

banjir, kekeringan, dan serangan hama

iklim. Beberapa kategori perubahan iklim

penyakit berturut-turut mencapai 333.000

yang dapat menurunkan produksi hasil

ha, 319.500 ha dan 428.600 ha dengan

pertanian seperti suhu ekstrim, gelombang

kehilangan hasil padi sebesar masing-

panas, kekeringan, badai, hujan hingga

masing 997.300, 984.200, dan 352.300 ton.

mengakibatkan banjir. Adanya perubahan

Beberapa studi tentang perubahan

iklim ini dikhawatirkan akan mendatangkan

iklim di antaranya kuantifikasi dampak

permasalahan yang serius terhadap

perubahan iklim terhadap konlik sosial

keberlanjutan pembangunan pertanian

di masyarakat (Burke, Miguel, Satyanath,

di Indonesia, di antaranya, penurunan

Dykema, and Lobell, 2009; O’Louglin,

produktivitas dan produksi hasil pertanian,

Witmer, Linke, Laing, Gettelman, and

terjadinya degradasi sumber daya lahan

Dudhia, 2012; Scheffran, Brzoska,

potensi pertanian dan ketersediaan air

Kominek, Link, Schilling, 2012; Hsiang,

yang mengakibatkan penurunan tingkat

Burke, and Miguel, 2013; Hsiang

kesuburan tanah, variabilitas dan perubahan

and Burke, 2014), dampak perubahan

iklim yang mengakibatkan banjir dan

iklim terhadap nilai lahan pertanian,

kekeringan, serta terjadinya alih fungsi dan

profitabilitas, dan efisiensi produksi

fragmentasi lahan pertanian (Surmaini,

(Schlenker, Hanemann, and Fisher, 2006;

Runtunuwu, dan Las, 2011).

Auffhammer, Ramanathan, and Vincent,

Dampak yang terlihat nyata akibat

2006; Deschenes and Greenstone, 2007;

perubahan iklim yaitu terjadinya lahan puso

Welch, Vincent, Auffhammer, Moya, and

akibat banjir dan kekeringan. Adanya lahan

Dawe, 2010). Pada umumnya studi tersebut

puso akibat banjir dan kekeringan tentunya

mengembangkan metode pengukuran,

akan berdampak pada berkurangnya

diskusi, dan debat ukuran perubahan iklim

lahan tanaman padi, yang selanjutnya

terhadap beberapa aspek kehidupan.

Agro Ekonomi Vol. 27/No. 2, Desember 2016

65

Isu yang menarik dan masih dalam

Sementara studi Schlenker and Roberts

perdebatan adalah bagaimana menentukan

(2009), menunjukkan hubungan yang

kuantiikasi perubahan iklim yang terbaik

tidak linear dan tidak simetris. Ada juga

sehingga estimasi dampak perubahan

studi yang menunjukkan iklim merupakan

iklim dapat teridentiikasi secara kredibel.

variasi spesifikasi model dari suhu dan

Beberapa literatur yang ada, ukuran statistik

curah hujan (Tack, Barkley, and Nalley,

untuk perubahan iklim terhadap produksi

2015).

padi diukur dari suhu rata-rata (Tave),

Dalam rangka deteksi dini kondisi

radiasi, dan curah hujan. Namun studi

ketersediaan pangan, analisis dampak

terbaru menunjukkan produktivitas padi di

perubahan iklim terhadap produktivitas

Asia yang beriklim tropis/subtropis sangat

padi di Indonesia dipandang perlu dilakukan

sensitif terhadap suhu minimun (Tmin) dan

sebagai langkah awal penanggulangannya.

suhu maksimum (Tmax) (Welch, Vincent,

Kuantifikasi variabel iklim dan model

Auffhammer, Moya, and Dawe, 2010).

persamaan yang terbaik merupakan salah

Bukti empiris menunjukkan Tmin dan Tmax

satu informasi yang diperlukan dalam

berdampak berbeda pada perkembangan

menghitung seberapa besar dampak

tanaman (Wassmann, Jagadish, Heuer,

kehilangan produksi padi di Indonesia

Ismail, Redona, Serraj, Singh, Howel,

ketika terjadi perubahan iklim. Penelitian

Pathak, and Sumleth, 2009). Tmax selama

ini bertujuan untuk melakukan kuantiikasi

proses penyerbukan tanaman padi dapat

model iklim dan menganalisis dampak

menurunkan produktivitas padi karena

perubahan iklim terhadap produktivitas padi

terjadi penurunan tingkat kesuburan

di Indonesia. Diharapkan dengan adanya

tanaman. Namun, studi lain dapat

penelitian ini dapat memahami bagaimana

membuktikan produktivitas padi lebih

dampak perubahan iklim terhadap risiko

sensitif terhadap Tmin daripada Tmax (Peng,

yang dihadapi pada produktivitas padi di

Huang, Sheehy, Laza, Visperas, Zhong,

Indonesia sebagai formulasi kebijakan

Centeno, Khush, and Cassman, 2004).

dalam menjaga ketersediaan pangan.

Dilihat dari pendekatan model

Secara teori, fungsi produksi

estimasi yang digunakan, terdapat variasi

pertanian, h = f(x, z), dimana x adalah

model dalam mengestimasi dampak

vektor input produksi (seperti luas lahan,

perubahan iklim terhadap produktivitas

labor, dan kapital) dan z adalah vektor

hasil pertanian. Sebagaimana studi yang

faktor eksogen yang mempengaruhi

dilakukan Welch, Vincent, Auffhammer,

produksi. Dalam hal ini z adalah iklim

Moya, and Dawe (2010), hubungan antara

yang merupakan faktor produksi non-cost.

iklim dan produksi padi bersifat linear.

Dengan pendekatan maksimisasi profit

66

Agro Ekonomi Vol. 27/No. 2, Desember 2016

terhadap biaya, diperoleh fungsi profit

Schlenker, Hanemann, and Fisher

dengan output dan input produksi yang

(2006), melakukan studi dampak

optimum. Dari fungsi proit tersebut dapat

pemanasan global terhadap sektor

diperoleh persamaan supply yang dapat

pertanian di Amerika Serikat menggunakan

menggambarkan respon produsen terhadap

data besaran iklim di sektor pertanian,

perubahan iklim yakni q*=g(x,z). Ketika

kesuburan tanah, dan variabel sosial

terjadi perubahan iklim atau iklim tidak

ekonomi di wilayah timur Amerika selama

normal (z≠0), iklim akan menurunkan

100 tahun. Hasil studi menunjukkan 75%

output dan menaikkan harga output.

dari sampel wilayah memberikan variasi

Ahli agronomi dan ekonomi

dampak, mulai dari dampak positif sampai

pertanian menyatakan kuantiikasi iklim

dampak kerugian yang besar. Namun

yang mempengaruhi produksi pertanian

secara agregat, terjadi dampak kerugian

diukur dari suhu dan curah hujan (Oury,

yang besar pada sektor pertanian akibat

1965), sehingga iklim (z) dapat dituliskan

adanya pemanasan global.

menjadi z = g (suhu, curah hujan). Dengan

Deschenes and Greenstone (2007),

demikian persamaan fungsi produksi

mengukur dampak ekonomi yang terjadi

pertanian (h) menjadi :

akibat adanya perubahan iklim pada sektor

h = f (x, g(suhu, curah hujan)).

pertanian di Amerika Serikat dengan
memperkirakan pengaruh variasi suhu dan

Mendelson, Nordhaus, William, and
Shaw (1994), melakukan studi dampak
pemanasan global pada sektor pertanian
di Amerika Serikat dengan menggunakan
variabel iklim, harga lahan pertanian,
pendapatan, variabel ekonomi lainnya,
dan ukuran geoisika (temperatur, curah
hujan, kelembapan) di 3.000 wilayah
Amerika tahun 1951-1980. Hasil studinya
menunjukkan suhu tinggi yang terjadi di
setiap musim, kecuali musim gugur, telah
menurunkan produktivitas pertanian.
Sementara itu, curah hujan yang tinggi
di luar musim gugur akan meningkatkan
produktivitas pertanian.

curah hujan dari tahun ke tahun terhadap
keuntungan pertanian. Secara rata-rata,
perkiraan jangka panjang menunjukkan
bahwa perubahan iklim ternyata akan
meningkatkan keuntungan pertanian
sebesar 3,4% dari keuntungan tahunan.
Namun kisaran dampak yang terjadi
antara -1,8% - 4,0% dengan tingkat
kepercayaan 95%. Dengan demikian
dapat terlihat adanya dampak positif dan
negatif terhadap keuntungan pertanian.
Hal ini juga dipertegas dengan adanya
heterogen dampak antar wilayah, seperti di
California yang diprediksi perubahan iklim
akan menurunkan keuntungan pertanian
sebesar 50%.

Agro Ekonomi Vol. 27/No. 2, Desember 2016

67

Studi Schlenker and Robert (2009),

studinya menunjukkan efek dari suhu

suhu memberikan dampak yang tidak linear

bervariasi di fase perkembangan tanaman.

terhadap produktivitas pertanian jika terjadi

Dampak penurunan produksi terbesar

perubahan iklim. Studi yang dilakukan

terjadi pada saat musim dingin dan panas

menggunakan data panel per wilayah untuk

ekstrim di musim semi.

3 komoditas pertanian (kedelai, jagung dan

Berdasarkan tinjauan literatur di atas

kapas). Hasilnya menunjukkan adanya

umumnya ukuran suhu dan curah hujan

batasan suhu yang masih memberikan

merupakan variabel yang memberikan

dampak positif pada produksi jagung,

dampak terhadap produksi di sektor

kedelai, dan kapas. Batasan suhu tersebut

pertanian. Untuk distribusi suhu, maka

adalah 29⁰C untuk jagung, 30⁰C untuk

ukuran suhu dibuat lebih detail menjadi

kedelai, dan 32⁰C untuk kapas, di atas

suhu minimum, suhu rata-rata, dan suhu

batas tersebut dapat memberikan efek

maksimum. Sementara variabel dependen

yang negatif terhadap produksi komoditas

sebagai output produksi yang digunakan

pertanian tersebut.

yaitu besaran produktivitas padi.

Welch, Vincent, Auffhammer,
Moya, Doberman, and Dawe (2010),

METODE PENELITIAN

menunjukkan suhu dan radiasi berdampak

Data yang Digunakan

signiikan pada fase penyerbukan dan fase

Data produktivitas padi yang

pematangan tanaman padi di negara yang

digunakan merupakan nilai rata-rata

beriklim tropis/subtropis. Suhu minimum

produksi padi per hektar secara tahunan

berdampak negatif terhadap produksi padi,

dalam kuintal per hektar. Sedangkan data

sedangkan suhu maksimum berdampak

suhu dalam celcius meliputi: (1) suhu

positif terhadap produksi padi. Sementara

minimum, (2) suhu rata-rata, dan (3) suhu

dampak radiasi bervariasi terhadap fase

maksimum. Data suhu merupakan nilai

pertumbuhan tanaman padi. Kombinasi

rata-rata dari suhu harian dalam satu tahun.

dampak dari suhu maksimum, suhu

Sementara data curah hujan dalam 0,1 inchi

minimum, dan radiasi lebih berdampak

per tahun yang merupakan kumulatif curah

pada saat musim panen daripada musim

hujan harian dalam satu tahun.

tanam.

Data produktivitas padi dipilih pada

Penelitian Tack, Barkley, and Nalley

sepuluh provinsi sentra padi di Indonesia

(2015) menggunakan berbagai spesiikasi

dengan pertimbangan kontribusi total

model statistik dalam mengukur hubungan

sepuluh provinsi tersebut mencapai 80%

yang kompleks antara variabel iklim

produksi padi nasional. Sepuluh provinsi

dengan produktivitas gandum. Hasil

tersebut meliputi Sumatera Utara, Sumatera

68

Agro Ekonomi Vol. 27/No. 2, Desember 2016

Barat, Lampung, Jawa Barat, Jawa Tengah,
Jawa Timur, Kalimantan Selatan, Sulawesi
Selatan, Sulawesi Utara, dan NTB.
Data produktivitas padi bersumber dari
Badan Pusat Statistik dan Kementerian
Pertanian. Adapun data suhu dan curah
hujan bersumber dari National Oceanic
and Atmospheric Administration (NOAA).
Sementara periode tahun yang digunakan

dimana Tave suhu rata-rata, T min suhu

selama 42 tahun, yaitu dari 1974 sampai

minimum, Tmax suhu maksimum, dan Rit

dengan 2015.

curah hujan.
Dengan demikian terdapat empat
model spesiikasi yang akan dilakukan pada

Spesiikasi Model
Spesiikasi model yang digunakan

penelitian ini, yaitu :

dalam studi ini mengacu pada model
Welch, Vincent, Auffhammer, Moya,
Doberman, and Dawe (2010) dan Tack,

....... (2)

Barkley, and Nalley (2015), yaitu :

....... (3)
....... (1)
dimana ln y it menunjukkan logaritma

....... (4)

produktivitas padi pada provinsi i untuk
periode t,

merupakan variabel

tren untuk menangkap input dan perubahan
teknologi pertanian, f(z it) merupakan
ukuran iklim pada provinsi i untuk periode
t, dan

....... (5)

error term.
Ukuran/proxy iklim yang digunakan

Metode Estimasi

pada penelitian ini mengacu pada studi

Metode estimasi model dalam

yang dilakukan Schlenker and Robert

penelitian ini menggunakan data panel.

(2009), yaitu :

Penggunaan data panel akan memberikan
lebih banyak informasi, variability, dan
degree of freedom terhadap model. Ada

Agro Ekonomi Vol. 27/No. 2, Desember 2016

69

tiga macam pendekatan pada data panel

Selama periode 42 tahun,

yaitu pendekatan kuadrat terkecil (pooled

produktivitas padi memiliki rentang

least square) atau commond effect model

nilai maksimum dan minimum yang

(CEM), pendekatan dampak tetap (fixed

relatif tinggi. Nilai maksimumnya lebih

effect model/FEM), dan pendekatan dampak

dari dua kali lipat dari nilai minimum.

acak (random effect model/REM). Model

Dilihat dari nilai standar deviasinya pun

ixed effect memperlakukan intersep model

cukup tinggi yang mencapai 9 kw/ha.

sebagai parameter regresi. Model random

Informasi tersebut menunjukkan antar

effect memperlakukan intersep pada model

sentra produksi padi memiliki variasi

sebagai komponen gangguan acak.

yang cukup besar. Perbedaan lingkungan

Untuk mendapatkan regresi data

tumbuh antar daerah kemungkinan besar

panel yang terbaik antara CEM, FEM, dan

menjadi sumber variasi yang terjadi.

REM, dilakukan uji F yang digunakan untuk

Untuk variabel iklim, variabel curah

memilih antara CEM dan FEM, uji Lagrange

hujan lebih berluktuasi antar provinsi

Multiplier untuk memilih antara CEM dan

sentra padi dibandingkan dengan variabel

REM, dan uji Hausman untuk memilih antara

suhu. Dari ketiga ukuran suhu, rentang

FEM dan REM. Selanjutnya akan dilakukan

nilai maksimum dan minimum untuk suhu

estimasi parameter dengan model regresi

maksimum lebih tinggi dibandingkan

data panel yang digunakan sebagaimana

dengan variabel suhu rata-rata ataupun

hasil uji di atas. Dari empat model spesiikasi

suhu minimum. Namun variasi ketiga

diperbandingkan dampak variabel iklim

ukuran suhu antar provinsi sentra padi

terhadap produktivitas padi.

tersebut memiliki variasi yang relatif

HASIL DAN PEMBAHASAN

kecil yakni berkisar 0,7 ⁰C - 0,99⁰C.

Sementara curah hujan memiliki nilai
rentang maksimum dan minimum yang

Analisis Deskriptif
Data yang dihimpun untuk estimasi

relatif besar. Begitu juga nilai variasi

parameter secara ringkas disajikan dalam

curah hujan antar provinsi sentra padi

Tabel 1.
Tabel 1. Statistik deskriptif parameter
Variabel
Produktivitas (Kw/Ha)
Suhu (0C)
Curah hujan (0.1 inc)
Suhu minimum (0C)
Suhu maksimum (0C)

Min
18,00
24,06
0,00
18,09
28,26

Sumber : BPS, Kementan, NOAA (diolah)

Max
63,00
28,40
278,57
25,34
33,63

Mean
43,751
27,048
56,060
23,160
31,228

SD
9,0526
0,7431
52,737
0,9421
0,9971

70

Agro Ekonomi Vol. 27/No. 2, Desember 2016

Gambar 1. Scatter plot produktivitas padi

Gambar 2. Scatter plot produktivitas padi

dengan suhu rata-rata

dengan suhu minimum

relatif besar yang ditunjukkan dengan

dengan kondisi suhu rata-rata dan suhu

nilai standar deviasi yang besar.

minimum sebagai ukuran iklim pada

Hasil scatter plot antara produktivitas

setiap provinsi sentra padi. Di setiap

padi dan variabel iklim memiliki gambaran

provinsi sentra padi menunjukkan pola

yang berbeda untuk setiap ukuran iklim dan

mendatar artinya tidak terjadi tren untuk

daerah provinsi sentra padi. Misalnya untuk

setiap kenaikan suhu rata-rata terhadap

provinsi Jawa Barat, dibandingkan dengan

produktivitas padi. Namun demikian ada

provinsi lainnya produktivitas padi lebih

beberapa provinsi yang menunjukkan

tinggi, tetapi suhu udara lebih rendah baik

fluktuasi produktivitas padi pada saat

untuk ukuran suhu rata-rata, suhu minimum

terjadi kenaikan suhu rata-rata atau suhu

dan suhu maksimum. Peningkatan suhu rata-

minimum seperti provinsi Jawa Timur dan

rata terhadap produktivitas padi di Jawa Barat

Lampung.

relatif turun, peningkatan suhu minimum

Gambar 3 dan 4 menjelaskan sebaran

relatif naik dan suhu maksimum relatif stabil.

produktivitas padi dengan kondisi suhu

Sementara peningkatan curah hujan relatif

maksimum dan curah hujan sebagai ukuran

berluktuatif. Lebih lanjut hasil scatter plot

iklim pada setiap provinsi sentra padi.

antara produktivitas padi dan variabel iklim

Gambar 3 dan 4 sedikit berbeda dengan

terlihat pada gambar berikut ini.

Gambar 1 dan 2, dimana sebaran data

Secara umum gambar 1 dan 2

menunjukkan pola yang beragam pada

menjelaskan sebaran produktivitas padi

setiap terjadi peningkatan suhu maksimum

Agro Ekonomi Vol. 27/No. 2, Desember 2016

71

Gambar 4. Scatter plot produktivitas
padi dengan curah hujan
Gambar 3. Scatter plot produktivitas
padi dengan suhu maksimum
signifikansi 1%. Sehingga model yang
ataupun curah hujan terhadap produktivitas

pengujian Hausman untuk pemilihan antara

padi di seluruh provinsi sentra padi.

FEM atau REM. Hasil uji seperti pada
tabel 3.

Validasi Model
Pengujian Lagrange Multiplier
berdasarkan residual ordinary least square
(OLS) untuk pemilihan antara CEM atau
REM dengan hipotesis : H0 :
H1

dipilih adalah REM. Selanjutnya dilakukan

dan

. Hasil uji seperti pada tabel 2.

Tabel 3. Hasil Uji Hausman
Uji Hausman
chi2 (3)
Uji Hausman
chi2 (3)

Tabel 2. Hasil Uji Lagrange Multiplier
Multiplier
Uji LM
chibar2 (01)
Uji LM
chibar2 (01)

Model 1
3851,75
(0,0000)
Model 3
3857,37
(0,0000)

Model 2
2759,43
(0,0000)
Model 4
3231,46
(0,0000)

Model 1
0,30
(0,9599)
Model 3
0,29
(0,9907)

Model 2
1,12
(0,7721)
Model 4
0,15
(0,9996)

Hasil uji hausman menunjukkan
REM sebagai model estimasi yang dipilih.
Sehingga regresi model dilakukan dengan
REM.
Berdasarkan dimensi data yang
digunakan pada penelitian ini memiliki

Dari hasil uji Lagrange menunjukkan

dimensi T (jumlah time series) = 42 dan

keempat model Ho di tolak dengan tingkat

N (jumlah cross section) = 10, maka

72

Agro Ekonomi Vol. 27/No. 2, Desember 2016

kemungkinan hanya ada sedikit perbedaan

hujan akan berdampak negatif terhadap

antara nilai parameter yang diestimasi

produktivitas padi. Hasil ini sejalan dengan

dengan FEM dan REM (Schlenker and

studi Schlenker and Robert (2009), bahwa

Roberts, 2009). Hal yang sama juga

curah hujan secara statistik signifikan

diungkapkan Welch, Vincent, Auffhammer,

membentuk kurva inverted–U shape

Moya, Doberman, and Dawe (2010) bahwa

terhadap produktivitas padi. Hasil estimasi

hasil estimasi dampak suhu terhadap

model 4, titik balik curah hujan selama

produksi padi di Asia menggunakan

satu tahun di Indonesia adalah sebesar

FEM dan REM relatif sama selama

10,177 inc, di atas angka tersebut perlu

variabel kontrol yang digunakan di antara

diwaspadai adanya potensi banjir yang

kedua model tersebut juga sama. Dengan

dapat menyebabkan gagal panen dan

demikian estimasi parameter untuk model

merangsang organisme pengganggu

yang ada pada penelitian ini tidak akan

tanaman (OPT).

berbeda jauh apabila menggunakan FEM

Hasil estimasi dengan REM, variabel

dan REM. Meskipun demikian dalam

iklim ditunjukkan pada Tabel 3. Produktivitas

penelitian ini akan mengunakan estimasi

padi kurang sensitif terhadap peningkatan

parameter dengan REM sesuai dengan hasil

suhu rata-rata. Berdasarkan uji parsial,

uji hausman.

peningkatan suhu rata-rata tidak signiikan
mempengaruhi produktivitas padi baik untuk

Hasil Estimasi

model linear maupun model non-linear.

Dari hasil estimasi pada tabel 3 terlihat

Hasil ini sejalan dengan studi Schlenker and

bahwa variabel curah hujan merupakan

Robert (2009), bahwa kuantiikasi variabel

variabel iklim yang berpengaruh signiikan

iklim pada daerah yang beriklim tropis lebih

secara parsial untuk keempat model dalam

sesuai menggunakan suhu minimum dan

mempengaruhi produktivitas padi di

suhu maksimum daripada menggunakan

Indonesia. Pada spesiikasi model linear,

suhu rata-rata.

koefisien estimasi curah hujan dapat

Hasil estimasi dampak suhu minimum

diinterpretasikan sebagai elastisitas curah

dan suhu maksimum terhadap produktivitas

hujan terhadap produktivitas padi, dimana

padi di Indonesia menghasilkan dampak

setiap kenaikan 1% curah hujan akan

yang cenderung berlawanan. Pada model

meningkatkan produktivitas padi 0,011%.

3, suhu minimum berdampak negatif

Namun untuk spesiikasi model non-linear,

terhadap produktivitas padi sedangkan suhu

peningkatan curah hujan akan berdampak

maksimum berdampak positif meskipun

positif sampai pada titik tertentu, setelah

secara uji parsial untuk kedua variabel

titik tertentu tersebut peningkatan curah

tersebut tidak signiikan.

Agro Ekonomi Vol. 27/No. 2, Desember 2016

73

Tabel 4. Hasil Simulasi
Variabel
Curah Hujan (0.1 inc)
Suhu Maks (0C)

Titik
Optimum
10,18
31,15

Pada model non-linear, model 4,

1
-0,0079
-0,0903

Kenaikan (%)
5
-0,0081
-1,1065

10
-0,0083
-2,3236

Simulasi Dampak

suhu maksimum lebih berdampak pada

Berdasarkan hasil estimasi, curah

produktivitas padi dibandingkan dengan

hujan dan suhu maksimum merupakan

suhu minimum. Hasil model 4 juga

faktor yang berpengaruh signiikan terhadap

menunjukkan adanya titik balik pada

produktivitas padi di Indonesia. Simulasi

peningkatan suhu maksimum terhadap

dampak dilakukan dengan kenaikan suhu

produktivitas padi di Indonesia, dimana

maksimum dan curah hujan di atas titik

setiap peningkatan suhu maksimum akan

optimum ceteris peribus. Kenaikan curah

meningkatkan produktivitas padi sampai

hujan dan suhu maksimum sebesar 1%, 5%,

titik tertentu, setelah itu peningkatan

dan 10% di atas titik optimum, diperoleh

suhu maksimum akan menurunkan

hasil seperti Tabel 4.

produktivitas padi. Adapun titik balik

Kenaikan suhu maksimum 1% di atas

suhu maksimum berdasarkan hasil

titik balik akan menurunkan produktivitas

estimasi sebesar 31,35°C.

padi sebesar 0,09039% ceteris peribus.

Variabel tren bernilai positif dan

Sementara kenaikan 1% curah hujan akan

signifikan baik model linear ataupun

menurunkan produktivitas padi sebesar

model non-linear. Variabel tren sebagai

0,00796% ceteris peribus. Kenaikan

proxy input dan tingkat perubahan

suhu maksimum dan curah hujan yang

teknologi pertanian secara signifikan

terus menerus akan menambah penurunan

meningkatkan produktivitas padi,

produktivitas padi yang semakin besar.

artinya teknologi produksi dan budidaya
yang diterapkan selama empat dekade

KESIMPULAN DAN SARAN

terakhir secara umum telah meningkatkan

Penelitian ini bertujuan untuk

produktivitas padi. Namun demikian,

menganalisis dampak perubahan

peningkatan produktivitas padi akibat

iklim terhadap produktivitas padi di

kemajuan teknologi tertentu akan

Indonesia melalui estimasi kuantitatif.

mencapai titik balik dan dibutuhkan

Langkah awal yang dilakukan adalah

teknologi–teknologi baru lagi dalam

penentuan kuantifikasi variabel iklim

meningkatkan produktivitasnya.

yang sesuai dengan karateristik tanaman

74

Agro Ekonomi Vol. 27/No. 2, Desember 2016

padi di Indonesia. Dalam penelitian

U-Shape, dimana peningkatan suhu akan

ini membandingkan 4 model dengan

memberikan dampak positif terhadap

spesiikasi variabel iklim yang berbeda dan

produktivitas padi sampai pada titik

membandingkan spesiikasi model linear

optimun tertentu. Setelah titik optimum

dan non-linear antara produktivitas padi

tersebut akan memberikan dampak

dan variabel iklim.

sebaliknya terhadap produktivitas padi.

Model non-linear lebih sesuai

Titik optimum untuk curah hujan 10,177

digunakaan dalam estimasi dampak

inc/tahun, sedangkan suhu maksimum

perubahan iklim terhadap produktivitas

31,35 ⁰C. Dari simulasi dampak kenaikan

padi di Indonesia daripada model linear.

curah hujan di atas titik optimum sebesar

Dilihat dari koefisien determinasi, dari

1% akan mengurangi produktivitas padi

keempat model menunjukkan model

sebesar 0,00796%. Sementara dampak

4 yang merupakan model non-linear

kenaikan suhu maksimum di atas titik

mempunyai koefisien determinasi yang

optimum sebanyak 1% akan mengurangi

lebih tinggi dibandingkan model 1, 2,

produktivitas padi sebanyak 0,09039%.

dan 3. Secara rasionalitas hal ini dapat

Perubahan iklim merupakan suatu

diterima karena variabel iklim optimum

hal yang tidak dapat dikontrol sepenuhnya.

akan menguntungkan produktivitas padi,

Pemerintah hanya dapat melakukan

namun jika berlebihan akan menurunkan

langkah antisipasi dan adaptasi dampak

produktivitas padi. Kuantiiikasi variabel

perubahan iklim terhadap produktivitas

iklim yang yang memberikan dampak

padi. Kebijakan pengembangan varietas

terhadap produktivitas padi di Indonesia

padi unggul yang tahan terhadap

selama periode 1974-2015 adalah curah

kekeringan, rendaman, dan hama penyakit

hujan dan suhu maksimum. Sensitivitas

perlu dilakukan dalam langkah adaptasi

suhu rata-rata tidak memberikan respon

tersebut. Selain itu, pengelolaan sumber

yang signifikan terhadap produktivitas

daya air yang tepat perlu diperhatikan

padi karena mengeneralisasikan kondisi

dengan baik sehingga dapat memenuhi

iklim dimana iklim bergantung pada

kebutuhan air tanaman padi pada kondisi

musim dan fase perkembangan tanaman

ketersediaan air yang sangat terbatas.

padi. Sementara suhu minimum yang
dipantau selama periode sampel secara

DAFTAR PUSTAKA

ilmu agronomi berada pada batas

Auffhammer, M., Ramanathan, V., and

kewajaran yakni masih di antara 10⁰C -

Vincent, Jefrey R. 2006. Integrated

30⁰C. Peningkatan curah hujan dan suhu

Model Shows that Atmospheric

maksimum mengikuti kurva Inverted

Brown Clouds and Green Houses

Agro Ekonomi Vol. 27/No. 2, Desember 2016

75

Gases Have Reduced Rice Harvest in

O’Louglin J., Witmer, Frank D.W., Linke,

India. PNAS 103(52) : 19668-19672

Andrew M., Laing, A., Gettelman,
A., and Dudhia, J. 2012. Climate

Burke, Marshall B., Miguel, E., Satyanath,

Variablility and Conlict Risk in East

S., Dykema, John A., and Lobell,

Afrika : 1990-2009. PNAS 109(45) :

David B. 2009. Warming Increase

18344-18349.

The Risk of Civil War in Africa.
PNAS 106 (49) : 20670-20674.

Oury, B. 1965. Allowing for Weather in
Crop Production Model Building .

Deschenes, O., and Greenstone, M. 2007.
The Economic Impact of Climate

Journal of Farms of Economic 47
(2) : 270-283.

Change : Evidence from Agricultural
Profits and Random Fluktuations.

Peng, S., Huang, J., Sheehy, John E., Laza,

The American Review 97(1) : 354-

Rebecca E., Visperas, Romeo M.,

385.

Zhong, X., Centeno, Grace S., Khush,
Gurdev S., and Cassman, Kenneth G.

Hsiang, Solomon M., Burke, M., and
Miguel, E. 2013. Quantifyng The
Inluence of Climate Human Conlict.

2004. Rice Yield Decline With Hight
Night Temperature From Global
Warming. PNAS 101: 229-238.

Science 341 (6151) : 1235367.
Scheffran, J., Brzoska, M., Kominek,
Hsiang, Solomon M., and Burke, M. 2014.
Climate, Conlict and Social Stability
: What the Evidence Say? Clim
Change, 123(1): 39-55.

J., Link, P.M., Schilling, J. 2012.
Climate Change and Violent Conlict.
Science 336 (6083) : 869-871.
Schlenker, W., Hanemann, W.M., and

Kementerian Pertanian. 2012.
Pengembangan Asuransi Usaha
Tani Padi untuk Antisipasi
Perubahan Iklim. Warta Penelitian
dan Pengembangan 34(2) : 16-18.
Mendelson , R., Nordhaus, William D.,
and Shaw, D. 1994. The Impact of
Global Warming on Agriculture : A
Ricardian Analysis. The American
Economic Review 84 (4) : 753-771.

Fisher, Anthony C. 2006. The
Impact of Global Warming on U.S
Agricultures : An Econometric
Analysis of Optimal Growing
Condition. Review of Economics
and Statistics 88 (1) : 113-125.
Schlenker, W., and Roberts, M. J. 2009.
Nonlinear Temperature Effects
Indicates Severe Damages to U.S.
Crop Yields Under Climate Change.

76

Agro Ekonomi Vol. 27/No. 2, Desember 2016
PNAS 106 (37) : 15594-15598.

H., and Sumleth, K. 2009. Climate
Change Affecting Rice Production :

Surmaini, E., Runtunuwu, R., Las, I.
2011. Upaya Sektor Pertanian dalam
Menghadapi Perubahan Iklim. Jurnal
Litbang Pertanian 30 (1) : 1-7.

The Physiological and Agronomic
Basis for Possible Adaptation
Strategies. Adv.Agron 101 : 59-122.
We l c h , J R . , Vi n c e n t , J e ff r e y R . ,

Tack, J., Barkley, A., and Nalley, Lawton
L . 2 0 1 5 . E ff e c t o f Wa r m i n g
Temperatures on US Wheat Yields.
PNAS 112 (22) : 6931-6936.
Wassmann, R., Jagadish, S.V.K., Heuer,

Auffhammer, M., Moya, Piedad
F., Doberman, A., and Dawe, D.
2010. Rice Yields in Tropical/
Subtropical Asia Exhibit Large but
Opposing Sensitivities to Minimum

S., Ismail, A., Redona, E., Serraj,

and Maximum Temperatures. PNAS

R., Singh, R.K., Howel, G., Pathak,

Vol. 107 (33) : 14562-14567