Pengembangan Model Sistem Dinamik untuk Analisis Ketersediaan Beras (Studi Kasus : Divre Jawa Timur)

1

Pengembangan Model Sistem Dinamik untuk Analisis Ketersediaan Beras (Studi Kasus : Divre Jawa Timur) Diajeng Permata I.J1 , Erma Suryani2 Jurusan Sistem Informasi, Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Jl. Arief Rahman Hakim, Surabaya 60111 E-mail: [email protected] Abstrak—Penelitian

ini

bertujuan

untuk

mengetahui

ketersediaan beras di Jawa Timur baik beras miskin (raskin) maupun beras umum yang beredar di pasaran dengan menggunakan pembagian wilayah dari Bulog Divre Jatim yaitu 13 Sub Divre). Ketersediaan beras di dalam penelitian ini ditandai dengan rasio pemenuhan beras umum dan raskin. Pemilihan pendekatan sistem dinamik didasarkan pada pertimbangan bahwa hubungan faktor-faktor yang mempengaruhi ketersediaan beras bersifat non-linier. Hasilnya adalah sebuah model sistem dinamik ketersediaan beras pada Divre Jawa Timur beserta skenario kebijakan untuk meningkatkan ketersediaan beras di Sub Divre yang mengalami defisit yaitu Sub Divre 1, 7 dan 12. Kata Kunci: Sistem Dinamik, Produksi Beras, Distribusi Beras, Ketahanan Pangan

I.

A

PENDAHULUAN

pabila jumlah penduduk terus meningkat dengan kebutuhan kalori per kapita = 2000 kkal per hari, (Widyakarya Nasional Pangan dan Gizi (WNPG), 2004) dan prosentase peme nuhan kalori melalui padi-padian = 58.4% (Buku Pedoman Menu Bergizi), dan kandungan kalori per kilogram padi = 3600 kkal /kg (Sitepoe, 2006), sementara produksi beras di Jawa Timur tidak meningkat signifikan bahkan cenderung menurun kembali pada tahun 2011 ( karena adanya alih fungsi lahan sawah dan faktor-faktor lainnya, maka kebutuhan beras secara lokal ( tanpa impor) kurang dapat terpenuhi. Hal ini diperkuat oleh hasil proyeksi yang menunjukkan bahwa jumlah penduduk Indonesia pada tahun 2025 menadi 273,2 juta jiwa (Data Statistik Indonesia, 2013). Salah satu usaha untuk meningkatkan produksi padi adalah dengan meingkatkan produktivitas. Faktor-faktor yang mempengaruhi produktivitas tanaman padi yang diteliti dalam penelitian ini ada tiga, yaitu : a) Curah hujan Curah hujan yang baik untuk padi adalah 200mm per bulan atau 1500-2000 mm per tahun ( Dinas Pertanian Jawa Timur,2010) Jika terlalu rendah akan mengurangi kesuburan tanaman, sedangkan jika terlalu tinggi akan mengakibatkan banjir. Efek curah hujan terhadap produktivitas padi di setiap kabupaten/kota berbeda-beda. Ada kabupaten yang produktivitasnya tidak terganggu saat curah hujan tinggi karena telah menggunakan teknologi pengendalian banjir

yang baik dan ada juga kabupaten/kota yang produktivitasnya terganggu. Sehingga penulis melakukan analisis regresi untuk menentukan koefisien variabel curah hujan di setiap masing-masing kabupaten/kota, apakah negatif atau positif. b) Luas puso Departemen Pertanian mengklasifikasikan wabah Organisme Penganggu Tanaman Pangan (OPT) menjadi aman, potensial, sporadik, dan endemik. Untuk tanaman pangan padi, OPT utama yang dapat menurunkan produktivitas padi bahkan dapat mengakibatkan puso atau gagal panen adalah tikus, penggerek batang, dan wereng batang coklat. Diantara ketiga OPT tersebut yang paling berbahaya dan sulit dibasmi adalah wereng batang cokelat. c) Rasio Subsidi Pupuk Pemerintah memberikan subsisi untuk beberapa jenis pupuk kimia yaitu : urea, superphos, KCL, Phonska, ZA. Dari keempat pupuk tersebut, pupuk yang paling banyak dibeli petani dan dosis rekomendasinya paling tinggi untuk tanamapn padi adalah pupuk urea, sehingga di dalam Tugas Akhir ini hanya dipilih pupuk urea saja untuk dimasukkan ke dalam variabel. Dosis rekomendasi urea untuk tanaman padi adalah 200 kg. Pemerintah menghitung kebutuhan pupuk dengan rumus luas panen kabupaten/kota tertentu dikali dengan dosis rekomendasi. Efek dari pemberian subsidi pupuk berbeda-beda di masing-masing Kabupaten/Kota. Ada kabupaten/kota yang mengalami penurunan produktivitas cukup signifikan jika pemberian subsidi pupuk dari pemerintah melebihi jumlah kebutuhan Kabupaten/Kota tersebut sesuai dosis yang direkomendasikan, tetapi ada juga Kabupaten/Kota yang tidak terpengaruh, sehingga penulis menyebut variabel ini sebagai rasio subsidi pupuk urea. Penulis melakukan analisis regresi untuk mencari apakah ada hubungan positif atau negatif. Dari jumlah produksi padi , sekitar 31% disimpan petani sendiri, 5-15% diserap oleh Bulog, dan sisanya beredar di pasar (Dinas Pertanian Jawa Timur). Petani dalam menjual hasil panennya diberikan kebebasan untuk menjual ke Bulog atau ke pasar umum. (Bulog). Petani dalam menjual ke Bulog memperhitungkan Harga Pokok Pembelian Pemerintah (HPP).

II. A.

Sistem Perberasan

KAJIAN PUSTAKA

2

Sistem perberasan nasional terdiri dari beberapa subsistem, antara lain sub-sistem produksi atau pasokan, distribusi, konsumsi atau permintaan, dan harga. Masing-masing sub-sistem terdiri atas elemen atau unsur-unsur yang lebih spesifik dan sangat dipengaruhi oleh perkembangan waktu, sehingga sistem perberasan bersifat dinamis (Irawan, 2005). B. Sistem Dinamik Sistem Dinamik (SD) berawal dari World Dynamics karya Forrester tahun 1971. Ketika mencoba untuk memodelkan keberlanjutan seluruh bumi dalam satu masalah yang kompleks, Forrester mengembangkan SD dalam rangka untuk memberikan pemahaman tentang sistem dinamik yang kompleks dalam masalah berskala besar. Forrester melihat SD sebagai cara untuk menganalisis dan mewakili sistem yang kompleks melalui satu set alat dan teori sistem struktur. Terobosan karyanya di bidang ini, meskipun kontroversial, terus mempengaruhi banyak pekerjaan di SD sampai hari ini. Komunitas sistem dinamik menawarkan definisi baru dengan menyatakan bahwa SD adalah "suatu metodologi untuk mempelajari dan mengelola sistem umpan balik yang kompleks" (System Dynamic Society, 2009). Sebuah sistem umpan balik yang kompleks akan terus berkembang dan model SD dapat memberikan wawasan tentang proses umpan balik dinamis yang mendorong evolusi. Pendekatan SD mengambil pandangan holistik dari keseluruhan sistem. SD tidak berkonsentrasi hanya pada bagaimana satu variabel X mempengaruhi satu variabel Y, melainkan memperhatikan bagaimana variabel Y mempengaruhi variabel X pada gilirannya dan juga setiap variabel lain di dalam sistem. "Sebuah sistem umpan balik dipengaruhi oleh perilaku masa lalunya." (Ahmad & Simonovic, 2004). C. Regresi Linear Berganda Di dalam penelitian ini dilakukan analisis regresi linear berganda untuk mencari koefisien faktor-faktor yang mempengarhui produktivitas sebagai gambaran akan bobot faktor-faktor tersebut terhadap produktivitas di masing-masing Kabupaten / Kota. Regresi linier berganda adalah regresi yang melibatkan hubungan antara satu variabel tak bebas (Y) dihubungan dengan dua atau lebih variabel bebas. Bentuk umum dari persamaan regresi linier berganda adalah:

Penelitian yang pernah dilakukan oleh (Agus & Machmud, 2013) adalah menganalisis ketersediaan ubi kayu. .Kebijakan berupa ekstensifikasi dan intensifikasi dilakukan untuk meningkatkan ketersediaan ubi kayu. Sub-sistemnya adalah populasi, permintaan ubi kayu ,dan luas lahan mempengaruhi neraca ketersediaan ubi kayu.

III. METODE A. Data Masukan Data yang digunakan sebagai masukan model adalah datadata yang didapatkan dari Dinas Pertanian Jatim, Badan Pusat Statistik, Perum Bulog Jatim , dan data dari studi literatur yang terdiri dari :      

Populasi 38 Kabupaten/Kota Luas Lahan sawah, Luas panen padi, IP, produksi dan produktivitas 38 Kabupaten/Kota Rata-rata konsumsi padi per kapita dan perhitungan jumlah kebutuhan kkal per kapita Jumlah Rumah Tangga Sasaran (RTS) penerima raskin 38 Kabupaten/Kota Jumlah pengadaan dan penyaluran raskin 38 Kabupaten/Kota HPP GKP dan Rata-rata harga aktual GKP Curah hujan,luas puso,rasio subsidi pupuk urea 38 Kabupaten/Kota Impor Divre Jatim

  B. Pembuatan Konseptual Model Setelah base model sesuai dengan sistem nyata, kemudian model konseptual tersebut digambarkan dalam sebuah Causal Loop Diagram (CLD). Causal Loop dibuat untuk menggambarkan interaksi atau hubungan sebab-akibat dari variabel-variabel utama yang akan dibuat dalam model. Hubungan sebab-akibat dalam model dapat bersifat positif dan negatif. Gambar 1 menunjukkan CLD dari penelitian ini. subsidi pupuk kab 1

produktivitas kab 1

intensifikasi

ekstensi fikasi

produksi padi yang baru kab1

Yi = a 0+a1X1+a 2 X 2 +a 3 X 3 +…+ an X n + i dengan i = 1,2,…n Di dalam tugas akhir ini pengujian regresi linear dengan cara melihat nilai r aquare dan p value. Jika r square mendekati 1 misalnya 0.98 maka model tersebut 98% dijelaskan oleh variabel-variabel yang diregresi, dan 2% dari variabel lain yang belum diketahui. Kemudian untuk masing-masing variabel, apabila nilai p<signifikansi yaitu 0.05 maka variabel tersebut berhubungan sangat kuat . (Caniago, 2009). D. Penelitian Sebelumnya

supply baru beras umum divre1

supply baru raskin sub divre 1

alih fungsi sawah Pembukaan sawah padi kab -n padi kab 1

+

lack of supply kabupaten 1

luas puso kab n

produktivitas kab n

+ + Luas sawah padi kab 1 + Luas panen padi kab 1

Pembukaan sawah padi kab 1 -

subsidi pupuk kab n

rata-rata curah hujan kab n

luas puso kab 1

rata-rata curah hujan kab 1

+

-

+ + Luas sawah padi kab n +

Luas panen padi kab n

produksi padi kab 1

% disimpan petani

+

rasio pemenuhan BARU beras umum sub divre1

rasio pemenuhan BARU beras umum + raskin Sub Divre 1

rasio pemenuhan beras umum SUB DIVRE 1

lack of supply kab n

+

produksi padi kab n

% dijual ke pasar divre 1 rasio pemenuhan BARU RASKIN sub divre 1

alih fungsi sawah padi kab n -

kebijakan pengadaan BULOG sub divre 1

jumlah pengadaan BULOG sub divre1

selisih HPP dibanding HA

% penjualan petani ke Bulog

kebutuhan beras rasio pemenuhan per kapita RASKIN SUB DIVRE1 permintaan RASKIN SUB DIVRE 1

permintaan beras umum sub divre 1

RTS SUB DIVRE 1

Laju Kelahiran 1 + Laju Kelahiran n

+ +

+ Populasi Kabupaten 1

+ +

Populasi Kabupaten n

+ -

Laju Kematian 1

-

+ -

+

- + Laju Kelahiran + 10

+ Laju Kelahiran Laju + n0 Kematian n

Populasi Kabupaten 1 0 + Populasi Kabupaten n 0

+ -

Laju Kematian 10

-

+ -

Laju Kematian n0

Gambar 1 Causal Loop Diagram Ketersediaan Beras Divre Jawa Timur

3

C. Pembuatan Base Model Basemodel merupakan model dasar yang nantinya akan dikembangkan untuk dianalisis. Langkah awal yang dilakukan adalah mengidentifikasi variabel-variabel terkait yang mempengaruhi sistem utama. Pada tugas akhir ini ini kebutuhan (demand) dan pasokan (supply) beras Jawa Timur yang menjadi tumpuan utama yang mempengaruhi variabel rasio pemenuhan beras umum maupun raskin. D. Verifikasi dan validasi Verifikasi merupakan suatu langkah penerjemahan model simulasi konseptual (diagram alur dan asumsi) ke dalam bahasa pemrograman secara benar. Sementara Validasi bertujuan melakukan pengecekan apakah model konseptual simulasi adalah representasi akurat dari sistem nyata yang sedang dimodelkan (Law & Kelton, 1991). Pada tugas akhir ini, cara yang akan digunakan untuk untuk memvalidasi model adalah dengan menggunakan: 1. Perbandingan rata-rata (mean comparisson)

Prasyarat : S = Nilai rata-rata hasil simulasi A = Nilai rata-rata data 2. Perbandingan variasi amplitudo (% Error Variance)

sehingga penulis memilih menggunakan asumsi produktivitas meningkat 3.51% setiap tahunnya dari tahun 2012-2020.

c) Skenario Struktur Ekstensifikasi Skenario struktur berupa ekstensifikasi lahan rawa. Berdasarkan data penggunaan lahan bukan sawah (Laporan Tahunan Dinas Pertanian Jawa Timur, 2009,2010,2011) , beberapa Kabupaten /Kota masih memiliki sejumlah hektar lahan rawa yang belum ditanami.

IV. HASIL DAN PEMBAHASAN A. Validasi Base Model Pengujian terhadap model dari hasil perhitungan mean comparison dan amplitudo variation comparisson kurang dari 5% dan tidak lebih dari 30%, sehingga pembuatan model tersebut dikatakan valid dan benar. B. Hasil Run Base Model Sub Divre yang mengalami defisit ketersediaan beras ditandai oleh rasio pemenuhan beras umum+raskin < 1 adalah Sub Divre 1 (Surabaya Utara) , Sub Divre 7 (Malang), dan Sub Divre 12 (Madura). C. Pemberian Skenario Kebijakan Hasil dari pemberian skenario kebijakan pada Sub Divre yang mengalami defisit ketersediaan beras adalah sebagai berikut:

1) Skenario parameter a) Skenario pessimistic Prasyarat : Ss = Standard deviasi model Sa = Standard deviasi data Model valid bila E2  30%

rasio pemenuhan beras umum+raskin Sub Divre 1 0.6

0.45

0.3

Sedangkan untuk regresi, validisi dilakukan dengan melihat nilai p value. Jika confident level yang dipakai adalah 95% , maka P value <0,05 menunjukkan hubungan antar variabel yang kuat.

0.15

0 0

2

4

6

8

10 12 Time (Year)

14

16

18

20

"rasio pemenuhan beras umum+raskin Sub Divre 1" : Current

E. Pembuatan Skenario

Setelah basemodel selanjutnya adalah pembuatan skenario simulasi untuk tahun 2012-2020. Jenis skenario yang dibuat terbagi menjadi 2 yaitu skenario struktur (structure scenario) dan skenario parameter (parameter scenario).

Gambar 2 Hasil skenario pessimistic pada Sub Divre 1 rasio pemenuhan raskin+umum Sub Divre 7 1

0.85

0.7

a) Skenario Parameter Berupa perubahan subsidi pupuk dan IP. Menurut Dinas Pertanian, salah satu usaha dalam meningkatkan produktivitas adalah memberikan subsidi pupuk urea dan meningkatkan IP secara bersama-sama (Laporan Tahunan Dinas Pertanian Jawa Timur, 2009).

b) Skenario Struktur Intensifikasi Berupa intensifikasi dengan bantuan bibit unggul. Menurut (BPS Provinsi Papua Barat, 2013) , bantuan bibit unggul pada tahun 2013 akan meningkatkan produktivitas sebesar 3.51%,

0.55

0.4 0

2

4

6

8

10 12 Time (Year)

14

16

18

20

"rasio pemenuhan raskin+umum Sub Divre 7" : Current

Gambar 3 Hasil skenario pessimistic pada Sub Divre 7

4

c) Skenario optimistic

rasio pemenuhan raskin+umum Sub Divre 12 0.9

rasio pemenuhan beras umum+raskin Sub Divre 1

0.775 0.6 0.65 0.45 0.525 0.3 0.4 0

2

4

6

8

10 12 Time (Year)

14

16

18

20

0.15


0

Gambar 4 Hasil skenario pessimistic pada Sub Divre 12 Terlihat pada gambar 2-4 bahwa pemberian skenario pessimistic pada ketiga Sub Divre yang mengalami defisit menyebabkan penurunan rasio pemenuhan yang drastis hingga di bawah 0.5.

0

2

4

6

8

10 12 Time (Year)

14

16

18

20


Gambar 8 Hasil skenario optimistic pada Sub Divre 1 rasio pemenuhan raskin+umum Sub Divre 7 2

1.675

b) Skenario most likely rasio pemenuhan beras umum+raskin Sub Divre 1

1.35

0.6 1.025

0.45 0.7 0

2

4

6

8

0.3

10 12 Time (Year)

14

16

18

20


0.15

Gambar 9 Hasil skenario optimistic pada Sub Divre 7 0 0

2

4

6

8

10 12 Time (Year)

14

16

18

20

rasio pemenuhan raskin+umum Sub Divre 12


Gambar 5 Hasil skenario most likely pada Sub Divre 1

2

1.625

rasio pemenuhan raskin+umum Sub Divre 7 1

1.25

0.9

0.875

0.8

0.5 0

2

4

6

0.7

8

10 12 Time (Year)

14

16

18

20


0.6 0

2

4

6

8

10 12 Time (Year)

14

16

18

20

Gambar 10 Hasil skenario optimistic pada Sub Divre 12


Gambar 6 Hasil skenario most likely pada Sub Divre 7 rasio pemenuhan raskin+umum Sub Divre 12 0.9

0.8

Pada gambar 8-10 terlihat bahwa skenario parameter optimistic bisa memperbaiki pemenuhan beras dari tahun 2012 sampai 2020. Jika dibandingkan dengan tanpa skenario, pada Sub Divre 1 dapat meningkat sebesar 7.8%. Sub Divre 7 sebesar 6/28%, dan Sub Divre 12 sebesar 37%.

2) Skenario struktur intensifikasi

0.7

rasio pemenuhan beras umum+raskin Sub Divre 1 0.6

0.6

0.45

0.5 0

2

4

6

8

10 12 Time (Year)

14

16

18

20


0.3

0.15

Gambar 7 Hasil skenario most likely pada Sub Divre 12 0 0

Apabila dibandingkan dengan tanpa skenario, pemberian skenario most likely meningkatkan rasio pemenuhan Sub Divre 1 sebesar 1.5%, Sub Divre 7 sebesar 0.26%, dan Sub Divre 12 sebesar 0%.

2

4

6

8

10 12 Time (Year)

14

16

18

20


Gambar 11 Hasil skenario intensifikasi pada Sub Divre 1

5

rasio pemenuhan raskin+umum Sub Divre 12


2

1.675

1.625

1.35

1.25

1.025

0.875

0.5

0.7 0

2

4

6

8

10 12 Time (Year)

14

16

18

0

20

2

4

6

8

10 12 Time (Year)

14

16

18

20




Gambar 16 Hasil skenario intensifikasi pada Sub Divre 12 Pada gambar 11-13 terlihat bahwa skenario struktur ekstensifikasi bisa sedikit memperbaiki pemenuhan beras dari tahun 2012 sampai 2020. Jika dibandingkan dengan tanpa skenario, pada Sub Divre 1 dapat meningkat sebesar 4.1%. Sub Divre 7 sebesar 0.26%, dan Sub Divre 12 sebesar 0.74%.


1.65

1.3

0.95

V. KESIMPULAN

0.6 0

2

4

6

8

10 12 Time (Year)

14

16

18

20



Adapun beberapa hal yang dapat disimpulkan dalam pengerjaan Tugas Akhir ini sebagai berikut : 1.

Pada gambar 11-13 terlihat bahwa skenario struktur intensifikasi bisa sedikit memperbaiki pemenuhan beras dari tahun 2012 sampai 2020. Jika dibandingkan dengan tanpa skenario, pada Sub Divre 1 dapat meningkat sebesar 3.66%. Sub Divre 7 sebesar 3.7%, dan Sub Divre 12 sebesar3.7%. 2.

3) Skenario struktur ekstensifikasi rasio pemenuhan beras umum+raskin Sub Divre 1 0.6

0.45

0.3

3.

0.15

0 0

2

4

6

8

10 12 Time (Year)

14

16

18

20


Gambar 14 Hasil skenario ekstensifikasi pada Sub Divre 1 4.


1.675

1.35

1.025

0.7 0

2

4

6

8

10 12 Time (Year)

14

16

18

20


Gambar 15 Hasil skenario ekstensifikasi pada Sub Divre 7

5.

Model yang dikembangkan dalam tugas akhir ini telah valid melalui pengujian means comparison ditunjukkan dengan nilai E1 <5% dan melalui pengujian amplitudo variations comparison ditunjukkan dengan nilai E2 <30% pada luas lahan sawah, luas panen, produksi , produktivitas , permintaan beras umum, pengadaan dan penyaluran raskin. Berdasarkan hasil regresi linear berganda, dampak curah hujan, luas puso, dan rasio subsidi pupuk urea terhadap produktivitas masing-masing Kabupaten/Kota berbeda-beda. Contohnya, beberapa Kabupaten/Kota tidak dipengaruhi curah hujan secara signifikan, tetapi beberapa Kabupaten/Kota lain sangat dipengaruhi oleh curah hujan. Sub Divre yang mengalami surplus ketersediaan beras diurutkan dari yang paling tinggi adalah : Sub Divre 4 (Madiun), 3 (Bojonegoro) , 9 (Banyuwangi), 13 (Ponorogo), 11 (Jember), 2 (Surabaya Selatan), 5 Kediri), dan 8 (Probolinggo). Sub Divre yang mengalami defisit ketersediaan beras adalah sebagai berikut:  Sub Drive 1 (Surabaya Utara) karena laju alih fungsi lahan tinggi.  Sub Divre 7 (Malang) karena permintaan yang selalu sedikit lebih tinggi dibanding pasokan.  Sub Divre 12 (Madura) karena rendahnya produktivitas di semua Kabupaten/Kotanya. Untuk mengatasi defisit di ketiga daerah tersebut telah dilakukan skenario kebijakan dan hasilnya pada tahun 2020 adalah sebagai berikut :

6



6.

Sub Divre 1 (Surabaya Utara) paling baik ketika diberikan skenario struktur ekstensifikasi yaitu meningkat sebesar 4.1%, kemudian diikuti oleh skenario intensifikasi sebesar 3.66% dan skenario mengubah jumlah subsidi pupuk urea dan IP (secara most likely) yaitu sebesar 1.5%.  Sub Divre 7 (Malang ) paling baik ketika dilakukan skenario struktur intensifikasi yaitu meningkat sebesar 3.4%, kemudian diikuti oleh skenario mengubah jumlah subsidi pupuk urea dan IP (secara most likely) sebesar 0.28% dan skenario ekstensifikasi yaitu sebesar 0.26%.  Sub Divre 12 (Madura) paling baik ketika dilakukan skenario struktur intensifikasi yaitu meningkat sebesar 3.7%, kemudian diikuti oleh skenario ekstensifikasi sebesar 0.74% dan mengubah jumlah subsidi pupuk urea dan IP (secara most likely) yaitu sebesar 0%. Departemen Pertanian Jawa Timur sebaiknya memprioritaskan Sub Divre 12 dalam upaya peningkatan produktivitas karena produktivitas masing-masing Kabupaten/Kota di dalam Sub Divre 12 rata-rata hanya 4 ton/ha, selain itu sebaiknya Pemerintah Jawa Timur menjaga kesesuaian jumlah subsidi pupuk urea dengan kebutuhan di semua Sub Divre yang mengalami defisit ketersediaan beras agar tercapai hasil seperti ketika diberikan skenario parameter optimistik.

SARAN Saran untuk pengembangan selanjutnya dari Tugas Akhir ini: Model sistem dinamik akan lebih baik lagi jika ditambahkan lebih banyak variabel yang mempengaruhi produktivitas contohnya seperti ketinggian tanah, bantuan pestisida ,dan kelembapan udara.

DAFTAR PUSTAKA [1] Agus, S., & Machmud. (2013). Analisis Sistem Dinamik untuk Kebijakan Penyediaan Ubi Kayu (Studi Kasus di Kabupaten Bogor ). Buletin Teknologi Pascapanen Pertanian Vol. 2 2006, 48 [2] Caniago, J. (2009). Mehami Output Regresi dari Excel. Bandung: Andi. [3] Direktorat Jenderal Pengolahan dan Pemasaran Hasil Pertanian. (2013). Perkembangan Harga Beberapa Komoditi Pertanian. Direktorat Jenderal Pengolahan dan Pemasaran Hasil Pertanian. [4] Laporan Tahunan Dinas Pertanian Jawa Timur. (2009). Bab VII : Permasalahan dan Upaya Pemecahan Masalah. [5] Laporan Tahunan Dinas Pertanian Jawa Timur. (2009,2010,2011). Penggunaan Lahan Bukan Sawah (ha) per Kabupaten/Kota.

[6] Law, A. M., & Kelton, W. D. (1991). Simulation modeling and analysis. McGraw-Hill. [7] System Dynamic Society. (2009). 27th International Conference of the System Dynamics Society. Albuquerque, New Mexico: Curran Associates, Inc. [8] Widyakarya Nasional Pangan dan Gizi (WNPG). (2004). Jakarta: Lembaga Ilmu Pengetahuan Indonesia. [9] Workshop Bulog. (2012). Pemantauan Stok Gabah / Beras di Tingkat Penggilingan. Surabaya: Bulog.

.

.

Pengembangan Model Sistem Dinamik untuk Analisis Ketersediaan Beras (Studi Kasus : Divre Jawa Timur)

Recommend Documents