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