5. EV ALUASI MODEL -MODEL PRODUKSI SURPLUS

5. EVALUASI MODEL -MODEL PRODUKSI SURPLUS 5.1 Uji Diekey-Fuller

Menurut Fauzi (2001), bila seseorang ingin menggunakan model produksi surplus untuk menganalisis bio--ekonomi dari suatu perikanan, adalah penting untuk: @ rnengguDakan tes stationarity terhadap time series untuk data penangkapan dan

llpaya, sehingga hasil-hasilnya akan terpercaya dan bennanfaat. Seperti eligambarkan

:I: III ;r::

!:!. ~belumnya, pemanfaatan model produksi surplus membutllhkan adanya time series 'C

!if \lD.tuk data penangkapan dan upaya. Dalam meregresi variabel-variabel ini dengan 3

~

menggwmaJcan OLS, secara sederbana diasumsilcan bahwa time series yang

~ nendasarinya bersifat stationary. Pada dasamya hal ini menyiratkan bahwa mean,

'?CII variance

dan otolcorelasi (autocorrelation) temporal dari data time series semacam .... e: ttu tidak berubah selama berjalannya waktu. Bagaimana~ asumsi ini tidak dapat .... ':f berfungsi setiap waktu. Kini diketahui bahwa banyak data time series ekonomi yang ;::l

~. ;enderung data-data nya mungkin bersifat non-stationary (Gujarati, 1995; Harris,

III

~ L995; Enders, 1995). Dalam kasus perikanan> misalnya, peubah upaya mungkin o cg >ersifat non-stationary. Kecendenmgan tersebut mungkin eli sebabkan adopsi

..,

...... ,>ertumbuhan eksogen dalam industri penangkapan ibn seperti perbaikan teknologi )CI}8Jlgkapan ikan pada periode Bdanya subsieli dari pemerintah.

Berdasarkan pada argumen eli atas. pengujian sifat stationarity data time series nutlak eliperlukan. Untuk itu, suatu metode yang dapat eligunakan untuk memeriksa N'

3'

.ifat stationarity adaJah uji Dickey-Fuller. Uji Dickey-Fuller untuk: pemeriksaan

'ti !ll

,ifat non-stationarity eliuraikan berikut ini. Misalkan. (lJ

Y,

=a o + fJY, +&,

.................... -............. ...... . -. .. . .....(5_1.1)

~ ~ilai-nilai saat ini untuk peubah Yt yang bergantung pada nilai periode terakhir. YI-l

QIan komponen gangguan, t;

Peubah Yt akan bersifat stationary untuk /PI < 1. Oi sisi

~ un, Yt akan bersifat non-stationary bila p

=

1_ Jika kedua sisi persamaan (4.1.1)

~ "likurangi dengan Yt-l diperolch C

Y, -

Yt-l

=a o +(p-l)Y,_1 +&,

....................... .. ................. (5.1.2)

96

slope atau kemiringan yang negatif. Kedua fungsi di atas dapat digabWlgkan daIam grafik seperti terlibat pada gambar berikut :

Rp. Biaya,

@

-:::

Upaya (Effort)

:J

...

1/1

;::;:

c

~ Gambar 22 : Model Gordon Schaefer

(1)

~ CII

:J

Gambar 22 memperlihatkan keWltungan lestari yang maksimum (maximum

CII

:J

tll ~ustainable

o

rent) akan diperoleh pada tingkat upaya di mana jarak vertikal antara

gpenerimaan dan biaya merupakan jarak terbesar (garis Be)_ Keuntungan dari usaha penangkapan (1C) adalah: 1r

TR - TC pC, - eEt

-g ::J

;.

is' ::J ..,

:u"

'ika C, = q EtX, maka:

;:;:

if

g c,....

2: Q

c Q

::J

C Q ,....

OJ

o CO o...,

»

c

CO

3Q

(')

15

0' ;:r

1C

~.

e

E=~ qE,

sehingga

= pCt _1~)

"lqx,

cC, =pC,-qx(

.. , ." ............................ ....... (4.6.12)

)alam kondisi akses terbuka, rente ekonomi sarna dengan nol. atau

l"""+-

e..., m C

93

:::J

<

CD ...,

en I"""+'<

- - - - - - - - - - - - - - - - - _ .. _-

P{C,)C,

= ee,

.................. , ................ (4.6.13)

qx,

di mana:

p adalah harga ikan per kg

Ct adalah produksi ikan tonltahun c adalah total pengeluaran (cost) rata-rata unit penangkapan ibn

@

E t adalah jumlah upaya penangkapan standar yang dioperasikan untuk

J:

QI

"

menangkap sumberdaya ikan..

..

!:!.

"'C QI

§ 4.7 "~

Impilikasi Kebijakan Valuasi EkoDomi

Berdasar gambar 18 diatas dapat dibuat 1abel statistik sebagai berikut untuk

5=til melihat pada kondisi mana perikanan yang paling efisien, baik secara terms maupun

.. ..

~ ;ecara ekonomi 'tI

~

:

fabel15. Implikasi Kebijakan Valuasi Ekonomi

QI

::l

Open Access

QI

MEY

MSY

::l

m o o

IC

~

Sisi Input E, :

E. = ;(1- ~K) E. = ~(I- ~K)

EtJ()< EMSy<Eo

Sisi Out Put C, :

Sedikit

Optimum

Maksimum

0

Maximum

lrtXJ < iZMsy < 1fo

Conservative

XIX/<XMSy<Xo

Rente I

1t

OJ

o CO .,o

» .,

Hanya profit normal

X.

Over Exploitation

CO () ·;umber : FaUZl, 2002 C ,-+

., C

Q)

C :J

< CD ., CJ) ,-+

'<

94

mg menghasilkan persamaan regresi Dickey·Fuller berikut ini: ................................ ............ (5.1.3)

imana r = p - J. Persamaan (5.1.3) adalah suatu persamaan regresi dengan sebuah onstan (QQ) dan tidak ada kecenderungan menurut waktu. Parameter penting dalam ji Dickey·Fuller adalah

r

Jib

r= O. urutan peubah,Yt akan menpndung suatu unit

@w atau data runtun waktu Yt akan bersifat non-stationary yaitu ketika iif u-ena

itu, untuk menguji

;I\"

r

Ho:

..~ ji tersebut Iebih kecil dari tabel

=

p = 1. Oleh

0 dipedukan statistic uji t yang harus

~' lbandingkan dengan tabel t-student untuk derajat bebas yang sesuai.

Jika statistik

t-student maka ffi> gagal ditolak atau data runtun

~ laktu bersifat stationary (Draper & Smi~ 1981). "'C

III

~ .2 Uji Durbin-Watson

;::;:

Sebuah uji yang sangat populer untuk mendeteksi korelasi serial jenis tertentu

S. "'C

~ mIah apa yang disebut uji Durbin-Watson. Uji ini diberi nama menwut dua penulis

III

;. mg membahas kegunaan uji untuk pengujian sisaan regresi dan yang memberikan ::::I

g' bel pengujiannya pada tahlID 1951. Asal mulanya uji ini dikemukakan oleh Von (Q

.

.3. 'eumann untuk masaJab bukan regresi pada tahun 1941. Jika akan diduga model regresi k

Yn = a o + LP/X", +&n

................................... (5.2.1)

I-J

lelaiui metode kwadrat terkecil (OLS). Apabila amatan yang kita milili adaJab (Yio 'li1

X 2i •

......

X ki ), i

= 1,2, ...... n.

Dalam hal

im diasumsikan bahwa galat-galat Ei

ersifat bebas dan menyebar N(O. 01-), yang berarti semua koreIasi serial A

=

O.

~engujian hipotesls Dol Ho : semua A = 0 lawan altematifuya

<§ );.p,e 0 dan

HI: Ps = pS

I p I < 1 ) dengan

uji Durbin~Watson. Hipotesis alternative itu berasal

CO lri asumsi bahwa galat-galat ej mempunyai sifat ~.

(")

................................... ... .... (5.2.2)

C

C lalam hal ini ~

- N(O,

01-) dan bebas dari Ei-h G'i-2 ,

.... dan juga dari ~-l. ~-2•...

1

Q)

C :::J

< 1 en

CD

r-+

'<

97

Selain itu juga diasumsikan bahwa nilai tengah dan ragam bagi.

dari i • sehingga akibatnya nol

H 0: p

semua i

=

=

Ej --

0 benar,

£j

konstan dan bebas

cl / (1- p- )}. Terlihat bahwajika hipotesis N(O, d"). asumsi yang biasa dilalrukan untuk:

N {O,

£j

1,2, ...... n.

Untuk menguji Ho lawan HI, diduga model pada persamaan (5.2.2) dan @ dlhitung semua sisaan et. e2, .... , en. Selanjutnya hitung statistik:

~ n

I,<e,-e j{J d= 2

1

;-2

_.

w

............... "....... , ....................... (5.2.3)

~2

"C

;

L~

3

;-1

~ dan penentuan apakah ak.an menolak

atau tidak menolak hipotesis no} (Ho)

~ berdasarkan nilai d yang diperoleb dari persamaan (5.2.3) diatas. Proses penentuan ~ ini

r+

sedikit Iebih nunit dibandingkan dengan yang biasa ~ sebab barus

;::;:

S. mencari suatu nilai kritis. Lebih lanjut, d hanya digunakan untuk uji ekor bawah

"~ (lower-tailed test) lawan alternatifnya

p > O. Untuk menguji lawan altematifnya p

DI

~. < 0, dibutuhkan uji ekor atas. Untungnya ini dapat diatasi sebagai suatu uji ekor ::::I

g' bawah namun dengan menggUDalcan statistik (4 - d ). Tabel yang mencantumkan to

.3. pasangan

titik-titik nyata (significance points) 5%, 2 Y2 % , dan 1 '12 %, yang

merupakan nilai-nilai kritis pada tarafpeluang a

=

0.05 .0.025, dan 0.01 yang eli

rebut (cit.. du). (tabel terlibat pada lampiIan yang diberikan oleh Durbin and Watson

1951) Nilai-nilai yang diberikan untuk berbagaijumlah amatan n, dan untuk k = 1,2,

-g

..... ,5 yang merupakan peubah peramalX;.

::J

~

C ::J

:a...,

l»rosed.ur pengujiannya sebagai berilmt :

;:;:

;ij'

~

~

.....

'§

Jika

d < dr.. simpulkan d nyata dan tolak Ho pada tamf a .

);.

Jika

d > du, simpulkan d tidak nyata, jangan tolak Bo.

c

:i'

c· c o

::J

l: o ..... c 3

(C ~.

o

("')

0-

C

C

?"

r-+

...,

C

1. Uji satu arab lawan altematifnya p > 0

Jika d L s; d

S;

du, uji ini dikatakan tidak konklusif

2. Uji satu arab lawan altematifnya

p

<

O.

Ulangi (1) namun dengan

mengganti d dengan (4 - d ).

Q)

C ::J

<

CD ..., (J)

r-+

'<

98

• ~.

1.'_ ,

"

~ \

,

3. Uji dua arab lawan alternatifnya p :I: 0 . Jib d < dL atau simpulkan bahwa d

nyata

dan tolak Ho pada taraf

4 - d < dL•

2 a ,(Draper and

Smith, 1981).

5.3 Statistik If Didefinisikan :

@

If

::I:

=

(Jumlah Kwadrat karena regresi) I ( Jumlah Kwadrat Total, terkoreksi

III

untuk rataan Y )

;1\

.. o

'C III

=

3

L(i,- y)2

., ............................ ... (5.3.1)

~::Cr;-Yl

~

Dalam hal ini penjumJahan dilakukan untuk ; = 1,2•... .... ,n.

.-.

..; mengukur

"proporsi keragamam atau variasi total sekitar nilai tengah

Y

Jadi

If

yang dapat

;::;:

S. dijelaskan oleh regresi tersebut".

Ukuran ini sering diucapkan sebagai persentase

"0

~ iengan mengalikannya dengan 100.

Dan sesungguhnya, R adalah korelasi antara Y

III

;, 1engan ::::I

g'

i.

dan biasanya disebut koefisien ganda (multiple co"elatioll coejjicient).

Nama lain dati

Ii- adalah koefisien determinasi ganda (coefficient ofmultiple

Ie

.3. ietennination). Ii-

yang

} ~ R2 ~ 1. Karena

If

merupakan kwadrat korelasi antara Y dan

i

dan

sering diguoakan scbagai ukuran keberhasilan persamaan

'e gresi didalam menjelaskan keragaman yang ada didalam data,

harus diyakini

>ahwa peoingkatan nilai If akibat penambahan suku baru kedalam model bulcan lanya karena banyaknya parameter dalam model mendekati tink jenuh, yaitu >anyaknya nilai X

yang berbeda.

Ini merupakan bahaya khusus bila datanya

oengandung amatan berulang. Misainya, jika dipunyai seratus amatan yang berada

~ Ialam

lima grup masing-masing dengan dua puluh ulangan, maka sesungguhnya


CO ..., [lasing dari titik ulangan. Dengan demikian. model dengan lima parameter akan pas

c(") . empuma

dengan

lima nilai tadi sehingga mungkin saja mengbasilkan

'

K

yang

;:::;angat besar, khususnya bila galat percobaannya kecil dibandingkan dengan kisaran

...,

C

Q)

C ::J

<

CD ...,

CJ) r-+

'<

99

~.

• ..

1.'_ . \ . ~

lima nilai tengah tersebut. Dengan demikian, kenyataan bahwa seratus amatan dapat diramalkan dengan sangat baik oleh sebuah model

dengan hanya lima parameter

tidaklah mengherankan , sebab sesungguhnya memang banya ada lima titik yang berbeda

dan bubo seratus seperti yang sekilas tampak.

Bila ulangan yang

sesungguhnya tidak ada • namun titik-titik dalam ruang-X cukup dekat,

situasi

@ sernacam ini mungkin saja terjadi namun terbungkus rapi daIam data sehingga tidak () terhhat. ::I:

III

;1\

o

'9. 5.4 Standarisasi Alat Taogkap III [

setiap jenis alat tangkap dapat menangkap beberapa jenis ikan,

Pada

~ disebabkan

~ Perlunya :::s

hanya sedikit nelayan yang bertujuan menangkap satu jenis ibn saja.

diadakan stadarisasi alat tangkap karena masing-masing alat tangkap

~ memiliki kemampuan yang berbeda dalam menangkap suatu jenis ibn. Pembakuan

c:

~ uat tangkap dipedukan untuk menyeragamkan satuan upaya penangkapan (E~ dari

CD

;- )erbagai alat tangkap dengan menggunakan salah satu alat tangkap yang dominan :::s

~. ialam menangkap ikan sebagai alat tangkap yang baku. OJ

g

Sebelum memasukkan data upaya penangkapan (Et ) kedalam model

~

xmdugaan stok hamslah mclalui suatu teknik standarisasi atas dasar alat tangkap

o

rang mempunyai nilai CPUE terbesar, dan juga alat tangkap yang dijadikan standar ncmpunyai faktor daya tangkap atau Fishing Power Indeks (FPl) = 1 atau Faktor )aya Tangkap (FDP) = 1.

Nilai FPI alat tangkap lainnya diperoleh dari basil

angkapan persatuan upaya penangkapan (CPVE) alat tangkap standar atall dapat lisajikan dalam bentuk formula (Tampubolon, et ai, 1983) sebagai berikut:

CD

o o...,

CPUE == CSt 5 E

... .................... ........... , ......... ..(5.3.2)

5

c.c

»

CO

~.

()

C

FDT == CPUEs 3 CPUE

.. , .......... ......... .................... . .. (5.3.2)

CPUE == C

.. .............................. . ........... (5.3.3)

~

I

j

EJ

,......

...,

C

Q)

C ::J

<

CD ...,

CJ)

,...... '<

100

FDT = CPUE j I CPUE$

........................................... (5.3.4)

dimana:

© ::I:

III

"n

..

'tl

III

Cst

= jumlah basil tangkapan alat standar

Ci

= jurnlah hasil tangkapan alat

E5

= jumlah upaya

Ej

= jumlah upaya penangkapan alat

FDT,

= faktor daya tangkap alat standar

j

penangkapan a1at standar j

3

FDTi = faktor daya tangkap alat i

""'C

CPUEs = basil tangkapan per upaya penangkapanalat tangkap

CD

standar

::::I

en

.. Upaya yang telah ~

I:

"'C CD

::+ ~

CPUEj = basil tangkapan per upaya penangkapan alat tangkap i

distandarisasi dari setiap alat dapat dihitung menurut rumus :

Upaya Ba1cui

=

~. Sehingga jumlah upaya

FDTi

X

~

upayaj

..................................... (5.3.5)

total dapat diperoleh dengan menjwolahkan semua upaya

CD

g baku dan upaya standar. o

..:!,.

5.S Pendugaan Parameter

Parameter-parameter yang digunakan dalam analisis dengan model bio-ekonomi dinamik ini menyangkut tiga parameter yaitu :

-g ::::l C

I. Parameter biologi yakni parameter pertumbuhan ( r ). daya dukung

is' ::::l

linglrungan (carrying capacity) (K).

..,:tl'" ;::;:

ii' c ..... c c

a:.....c c

C

::::l

C

ac 3 is 0;:r c

OJ

o o...,

(C

2. Parameter teknologi yakni koefisien penangkapan ( q )

3. Parameter ekonomi yakni harga ikanlkapalltahun ( c ) , harga ikan/ton (p ) dan 0 = O.12/tahun

» Pendugaan parameter-parameter tersebut menggunakan model-model
yang

Juga

C stationary dari data untuk menguji autocorrelation ...,

dari variable .

a>

C ::;

<

CD ..., (J)

r-+

'<

101