SKRIPSI SIMULASI MODEL DINAMIK PADA SISTEM DETEKSI DINI UNTUK MANAJEMEN KRISIS PANGAN. Oleh : INDRA FEBRIAN BUNTUAN F

SKRIPSI

SIMULASI MODEL DINAMIK PADA SISTEM DETEKSI DINI UNTUK MANAJEMEN KRISIS PANGAN

Oleh : INDRA FEBRIAN BUNTUAN F14060283

2010 DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR

SIMULASI MODEL DINAMIK PADA SISTEM DETEKSI DINI UNTUK MANAJEMEN KRISIS PANGAN

SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN Pada Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor

Oleh : INDRA FEBRIAN BUNTUAN F 14060283

2010 FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR

Judul Skripsi

: Simulasi Model Dinamik Pada Sistem Deteksi Dini Untuk Manajemen Krisis Pangan

Nama

: Indra Febrian Buntuan

NIM

: F14060283

Menyetujui, Dosen Pembimbing Akademik

Prof. Dr. Ir. Kudang Boro Seminar, M.Sc NIP. 19591118 198503 1 004

Mengetahui, Ketua Departemen Teknik Pertanian

Dr. Ir. Desrial, M.Eng NIP. 19661201 199103 1 004

Tanggal lulus

:

………………

Indra Febrian Buntuan. F14060283. Simulasi Model Dinamik Pada Sistem Deteksi Dini Untuk Manajemen Krisis Pangan. Di bawah bimbingan Prof. Dr. Ir. Kudang Boro Seminar, M.Sc RINGKASAN Pangan merupakan kebutuhan mendasar bagi manusia untuk dapat mempertahankan hidup dan karenanya kecukupan pangan bagi setiap orang setiap waktu merupakan hak azasi yang layak dipenuhi. Dalam sistem isyarat dini (early warning system) yang telah dikembangkan oleh Seminar et al (2010) pemodelan dinamik untuk rasio konsumsi normatif yang merupakan salah satu indikator kerawanan pangan berfungsi sebagai penyuplai data pada bagian jaringan syaraf tiruan, dimana Jaringan syaraf tiruan ini merupakan metode untuk sintesa model sistem deteksi dini. Pada sistem yang telah dikembangkan, model dinamik yang dibangun hanya menggunakan komoditas padi, sedangkan pada penelitian ini dilakukan penambahan pada peubah komoditas yang digunakan yaitu jagung. Pemilihan jagung sebagai peubah karena konsumsi masyarakat Indonesia terhadap pangan tidak hanya beras, Jagung memiliki potensi besar sebagai alternatif makanan pokok setelah beras. Hal tersebut dikarenakan keterbatasan sumberdaya terutama lahan irigasi yang menjadi permasalahan pada produksi beras, relatif tidak terjadi pada jagung. Jagung dapat ditanam setelah masa penanaman padi yaitu pada musim kemarau sehingga produksi makanan pokok tetap berlangsung. Selain itu bila dilihat dari kandungan nutrisinya, jagung juga merupakan sumber karbohidrat yang baik. Tujuan dari penelitian ini adalah melakukan penambahan komponen komoditas pangan yaitu jagung pada model simulasi dinamik (rasio konsumsi normatif) yang mempengaruhi kerawanan pangan untuk mendukung sistem isyarat dini ( early warning system) yang telah dikembangkan oleh Seminar et al (2010) dan melakukan uji coba sistem dinamik untuk mendukung sistem isyarat dini kerawanan pangan dengan data real yang ada di lapangan pada beberapa lokasi (kabupaten) pada beberapa kurun waktu tertentu. Metoda yang digunakan dalam analisis ini adalah simulasi model dinamik dengan melihat parameter-parameter yang mempengaruhi krisis pangan yang kemudian disimulasikan dengan model dinamik. Keluaran simulasi rasio konsumsi normatif telah dihasilkan untuk berbagai wilayah kabupaten di provinsi Jawa Timur dan Yogyakarta. Dari hasil simulasi menunjukan bahwa wilayah kabupaten yang disimulasikan termasuk wilayah aman pangan. Hal ini terbukti dengan nilai rasio konsumsi normatif rata-rata pada wilayah tersebut masih kurang dari 1. Selain itu hasil simulasi menunjukan bahwa rata-rata rasio konsumsi normatif lebih kecil dibandingkan dengan hasil dari FSVA dengan persentase error sebesar 11.9%. Uji coba yang dilakukan dengan data riil yang ada di lapangan pada beberapa lokasi (kabupaten) pada beberapa kurun waktu tertentu yang di inputkan ke dalam jaringan syaraf tiruan menunjukan sensitivitas rasio konsumsi normatif meningkat hal ini terbukti dengan naiknya peringkat pengaruh parameter rasio konsumsi normatif dari urutan ke 8 menjadi urutan ke 2 setelah puso sebagai parameter kerawanan pangan.

i

RIWAYAT HIDUP

Penulis bernama Indra Febrian Buntuan, dilahirkan di Cianjur, Jawa Barat pada tanggal 3 Februari 1988, penulis merupakan anak pertama dari ibu Dedeh Susanti dan Dedi Buntuan. Jenjang pendidikan formal penulis yaitu pada tahun 1994 hingga 2000 penulis menyelesaikan jenjang sekolah dasar di SDN Puncak 1. Kemudian pada Tahun 2000 hingga 2003 penulis melanjutkan pendidikan di SLTPN 1 Pacet. Tahun 2003 penulis melanjutkan pendidikan ke tingkat menengah atas di SMUN 1 Megamendung dan pada 2004 berpindah sekolah ke SMAN 1 Sukaresmi Kabupaten Cianjur hingga lulus pada tahun 2006. Setelah lulus dari SMU, tahun 2006 penulis melanjutkan pendidikan ke Institut Pertanian Bogor dan diterima sebagai mahasiswa melalui jalur Undangan Seleksi Masul IPB (USMI) dan pada tahun 2007 diterima di departemen Teknik Pertanian Fakultas Teknologi Pertanian. Selama menjadi mahasiswa, penulis aktif dalam berbagai kegiatan. Penulis pernah menjadi staff fund raising Badan Eksekutif Mahasiswa Fakultas Teknologi pertanian pada tahun 2007-2008 dan juga pernah menjadi pengurus Himpunan Mahasiswa Teknik Pertanian (HIMATETA) sebagai kepala biro sipil dan lingkungan pada tahun 2008-2009. Pada tahun 2009 penulis melakukan praktek lapang di PTPN VIII Perkebunan Teh Gunung Mas Bogor, dengan Judul ”Mempelajari Aspek Keteknikan Pertanian Pada Proses Pengolahan Teh di PTPN VIII Perkebunan Teh Gunung Mas Bogor”. Pada tahun 2010 penulis aktif sebagai asisten praktikum untuk mata kuliah ilmu ukur tanah dan gambar teknik di departemen Teknik Pertanian dan pada tahun yang sama penulis menyusun dan menyelesaikan skripsi dengan judul “Simulasi Model Dinamik Pada Sistem Deteksi Dini Untuk Manajemen Krisis Pangan”.

ii

KATA PENGANTAR

Puji dan syukur kepada Allah SWT, karena atas ridho dan Karunia-Nya atas segala petunjuk, kekuatan dan kejernihan pikiran sehingga penulis dapat menyelesaikan skripsi ini. Tidak lupa penulis haturkan shalawat dan salam kepada nabi Muhammad SAW yang dengan segala kerendahan hati dan kesucian iman, serta kebersihan budi, akhlak dan perilakunya, telah menjadi panutan bagi seluruh umat muslim di dunia. Penulis menyadari bahwa tanpa bimbingan dan dorongan dari semua pihak, maka ini tidak akan berjalan lancar. Pada proses pembuatan skripsi banyak sekali bantuan, dorongan, dan bimbingan yang sangat berharga, yang diberikan kepada Penulis, untuk itu pada kesempatan ini penulis ingin menghaturkan rasa terima kasih yang sebesar-besarnya kepada : 1.

Mamah tercinta atas doa dan dukungannya yang tiada henti kepada penulis.

2.

Prof. Dr. Ir. Kudang Boro Seminar, M.Sc selaku pembimbing yang tak hentihentinya membimbing dan mengarahkan penulis.

3.

Dr. Ir. Setyo Pertiwi, M.Agr dan Ir. Susilo Sarwono selaku dosen penguji yang telah memberi saran dan masukan yang sangat berharga kepada penulis.

4.

Ir. Mohamad Solahudin, M.Si dan Dr. Ir. Yayuk Farida Belawati, MS yang telah banyak membantu dan memberi masukan selama proses penelitian.

5.

Departemen Pertanian RI dan BPS yang telah membantu penulis dalam memperoleh data untuk penelitian.

6.

Pak haji dan Mimih yang selalu memberi motivasi kepada penulis

7.

Teman-teman seperjuangan : Rizky Mulya Sampurno, Riva Nurul Fath, Abdul Manan, terima kasih atas bantuannya serta kepada segenap temanteman TEP 43 sebagai tempat berbagi dan saling mengingatkan. Penulis sadar betul kesempurnaan skripsi ini masih jauh. Untuk itu, kritik dan

saran yang bersifat membangun sangatlah diperlukan demi menunjang kesempurnaan skripsi ini. Akhir kata semoga skripsi ini dapat bermanfaat bagi penulis dan bagi seluruh pihak yang memerlukannya. Bogor, Juli Penulis

iii

DAFTAR ISI Halaman RINGKASAN ............................................................................................ i RIWAYAT HIDUP .................................................................................... ii KATA PENGANTAR ............................................................................... iii DAFTAR ISI .............................................................................................. iv DAFTAR TABEL ...................................................................................... vi DAFTAR GAMBAR ................................................................................. vii DAFTAR LAMPIRAN .............................................................................. viii I. PENDAHULUAN ................................................................................ 1 A. Latar Belakang .............................................................................. 1 B. Tujuan ........................................................................................... 3 II. TINJAUAN PUSTAKA....................................................................... 4 A. Sistem Dinamik ............................................................................ 4 B. Simulasi ........................................................................................ 8 C. Kajian Ketahanan Pangan ............................................................. 8 D. Manajemen Krisis ......................................................................... 11 E.

Penelitian Terdahulu ..................................................................... 12

III. METODOLOGI .................................................................................. 14 A. Tempat dan Waktu........................................................................ 14 B. Alat dan Bahan ............................................................................. 14 C. Lingkup Penelitian ........................................................................ 15 D. Kerangka Pendekatan Studi .......................................................... 15 E.

Metodologi.................................................................................... 16

IV. HASIL DAN PEMBAHASAN ............................................................ 19 A. Rasio Konsumsi Normatif ............................................................ 19 B. Analisis Diagram Sebab Akibat ................................................... 20 C. Model Sistem Dinamik ................................................................. 21 D. Analisis Model .............................................................................. 25 E.

Analisis Krisis Pangan .................................................................. 28

V. KESIMPULAN DAN SARAN ............................................................ 31 A. Kesimpulan ................................................................................... 31

iv

B. Saran ............................................................................................. 31 DAFTAR PUSTAKA ................................................................................ 32 LAMPIRAN ............................................................................................... 34

v

DAFTAR TABEL

Halaman Tabel 1. Perbandingan besaran susut dan konversi gabah/beras tahun 1995/1996

dan tahun 2005-2007 menurut

kegiatan pasca panen ................................................................. 17 Tabel 2. Perbandingan rasio konsumsi normative hasil simulasi dan menurut FSVA di Provinsi Jawa Timur ............................... 24 Tabel 3. Contoh hasil simulasi di Kabupaten Gunung Kidul .................... 25 Tabel 4. Contoh hasil simulasi di Kabupaten Sidoarjo .............................. 27

vi

DAFTAR GAMBAR

Halaman Gambar 1.

Diagram pendekatan metode sistem dinamik ...................... 5

Gambar 2.

Contoh diagram sebab-akibat untuk pembangunan agroindustri .......................................................................... 6

Gambar 3.

Simbol variabel Level ......................................................... 7

Gambar 4.

Simbol variabel Rate .......................................................... 7

Gambar 5.

Simbol variabel Auxiliary ................................................... 7

Gambar 6.

Simbol variabel constanta .................................................. 7

Gambar 7.

Simbol variabel garis penghubung ...................................... 8

Gambar 8.

Model dinamik rasio konsumsi normatif yang dikembangkan oleh seminar et al 2009 ............................... 13

Gambar 9.

Kerangka pemikiran studi .................................................... 15

Gambar 10. Grafik laju pertumbuhan penduduk di provinsi Jawa Timur ................................................................................... 20 Gambar 11. Diagram sebab akibat rasio konsumsi normatif................... 21 Gambar 12. Hasil model dinamik konsumsi normatif setelah ditambah komoditas jagung ................................................ 22 Gambar 13. Grafik perbandingan rasio konsumsi normatif hasil simulasi dengan FSVA ........................................................ 23 Gambar 14. Grafik total produksi dan konsumsi di kabupaten Gunung Kidul ...................................................................... 26

vii

DAFTAR LAMPIRAN Halaman Lampiran 1. Hasil Simulasi Provinsi Jawa Timur Dan Yogyakarta ........ 35 Lampiran 2. Persamaan Matematik Model Dinamik Rasio Konsumsi Normatif.............................................................. 43 Lampiran 3. Tabel Jumlah Penduduk Jawa Timur Dan Laju Pertambahan Penduduknya .................................................. 44 Lampiran 4. Tabel Luas Panen Padi Dan Produktivitas Jawa Timur Dan Yogyakarta ........................................................ 46 Lampiran 5. Tabel Luas Panen Jagung Dan Produktivitas Jawa Timur Dan Yogyakarta ........................................................ 48 Lampiran 6. Tabel Perhitungan Untuk Validasi Rasio Konsumsi Normatif ............................................................................... 50 Lampiran 7. Tabel Perhitungan Untuk Validasi Model Jumlah Penduduk ............................................................................. 52 Lampiran 8. Tabel Perhitungan Untuk Validasi Model Jumlah Produksi Jagung ................................................................... 54 Lampiran 9. Tabel Perhitungan Untuk Validasi Model Jumlah Produksi Beras ..................................................................... 56

viii

I. PENDAHULUAN

A. Latar Belakang Pangan merupakan kebutuhan mendasar bagi manusia untuk dapat mempertahankan hidup dan karenanya kecukupan pangan bagi setiap orang setiap waktu merupakan hak azasi yang layak dipenuhi. Berdasarkan kenyataan tersebut masalah pemenuhan kebutuhan pangan bagi seluruh penduduk setiap saat di suatu wilayah menjadi sasaran utama kebijakan pangan bagi pemerintahan suatu negara. Indonesia sebagai negara dengan jumlah penduduk yang besar menghadapi tantangan

yang sangat

kompleks

dalam

memenuhi

kebutuhan

pangan

penduduknya. Oleh karena itu kebijakan ketahanan pangan menjadi isu sentral dalam pembangunan serta merupakan fokus utama dalam pembangunan pertanian. Kerawanan pangan di suatu daerah perlu dideteksi sedini mungkin untuk mengantisipasi dampaknya seperti terjadinya gizi buruk dan masalah sosial lainnya. Kerawanan pangan antara lain diakibatkan oleh rendahnya produksi pangan dan stok pangan sehingga tidak mencukupi kebutuhan pangan khususnya makanan pokok. Bila dilihat dari sisi permintaan, pertumbuhan permintaan pangan terutama disebabkan oleh pertambahan jumlah penduduk dan peningkatan konsumsi perkapita.

Jumlah penduduk cenderung bertambah dengan laju yang tetap,

sementara produksi pangan berfluktuasi dengan kecenderungan yang menurun. Hal ini tentu saja berpotensi mengancam ketahanan pangan nasional dimasa yang akan datang. Oleh karena itu penting adanya suatu sistem deteksi dini manajemen krisis pangan sehingga berdasarkan deteksi dini inilah maka diharapkan dapat dilakukan langkah-langkah antisipatif guna mengawal ketahanan pangan nasional. Dalam

penyediaan

pangan

nasional

sendiri

terdapat

faktor

yang

mempengaruhi yaitu faktor-faktor dalam produksi dan faktor-faktor pada permintaan, keterkaitan faktor yang berhubungan dengan ketahanan pangan ini bersifat komplek, dinamis, dan probabilistik. Penggunaan model deteksi dini diharapkan dapat mencegah atau menghindari krisis pangan yang akan terjadi dalam jangka pendek dan menengah.

1

Dengan pendekatan sistem, kita dapat menggunakan model sebagai alat untuk memahami proses dan memprediksi perubahan yang terjadi dari waktu ke waktu. Hal yang penting dalam menyikapi perubahan yang terjadi adalah mengetahui faktor penyebab perubahan tersebut, serta menduga proses yang akan terjadi. Selanjutnya keputusan dibuat berdasarkan pendugaan proses tersebut, agar dapat diambil manfaat positif atau meminimumkan dampak negatif. Rasio konsumsi normatif adalah perbandingan tingkat konsumsi dan produksi pangan yang menunjukkan apakah suatu wilayah tertentu mengalami surplus produksi pangan. Rasio konsumsi normatif merupakan bagian dari subsistem kertesediaan pangan dalam konsep ketahanan atau kerawanan pangan setelah akses pangan, pemanfaatan pangan dan kerentanan pangan (Dewan Ketahanan Pangan RI dan Program Pangan Dunia PBB, 2003). Penggunaan model dinamik sebagai alat untuk memprediksi nilai rasio konsumsi normatif sebagai salah satu variabel yang digunakan pada model besar sistem deteksi dini untuk manajemen krisis pangan, terutama apabila data di lapangan tidak atau belum tersedia. Dalam sistem isyarat dini (early warning system) yang telah dikembangkan oleh Seminar et al (2010) pemodelan dinamik untuk rasio konsumsi normatif yang merupakan salah satu indikator kerawanan pangan berfungsi sebagai penyuplai data pada bagian jaringan syaraf tiruan, dimana Jaringan syaraf tiruan ini merupakan metode untuk sintesa model sistem deteksi dini. Pada sistem yang telah dikembangkan, model dinamik yang dibangun hanya menggunakan komoditas padi, sedangkan pada penelitian ini dilakukan penambahan pada variabel komoditas yang digunakan yaitu jagung. Pemilihan jagung sebagai variabel karena konsumsi masyarakat Indonesia terhadap pangan tidak hanya beras, jagung memiliki potensi besar sebagai alternatif makanan pokok setelah beras. Hal tersebut dikarenakan keterbatasan sumberdaya terutama lahan irigasi yang menjadi permasalahan pada produksi beras, relatif tidak terjadi pada jagung. Jagung dapat ditanam setelah masa penanaman padi yaitu pada musim kemarau sehingga produksi makanan pokok tetap berlangsung. Bila dilihat dari kandungan nutrisinya, jagung juga merupakan sumber karbohidrat yang baik. Selain itu, harga jagung yang relatif murah

2

menyebabkan mayoritas masyarakat yang mengkonsumsi jagung adalah kelas menengah kebawah. Penelitian ini memberi masukan dalam subsistem ketersediaan pangan yang diharapkan dapat menjadi referensi dalam manajemen krisis pangan sehingga dapat mendukung sistem isyarat dini terhadap krisis pangan yang telah dikembangkan sebelumnya. Input data pada model dinamik dengan data yang diperbarui lebih memperhalus rasio dan lebih memperlihatkan kondisi saat ini. Selain itu rasio yang dihasilkan juga akan menjadi input pada bagian jaringan syaraf tiruan untuk mengeluarkan hasil diagnosis dan deteksi krisis.

B. Tujuan Penelitian ini bertujuan untuk : 1. Melakukan penambahan komponen komoditas pangan yaitu jagung pada model simulasi dinamik (rasio konsumsi normatif) yang mempengaruhi kerawanan pangan untuk mendukung sistem isyarat dini ( early warning system) yang telah dikembangkan oleh Seminar et al (2010). 2. Melakukan uji coba sistem dinamik untuk mendukung sistem isyarat dini kerawanan pangan dengan data riil yang ada di lapangan pada beberapa lokasi (kabupaten) pada beberapa kurun waktu tertentu.

3

II. TINJAUAN PUSTAKA

A. Sistem Dinamik Sistem dinamik didefinisikan sebagai sebuah bidang untuk memahami bagaimana sesuatu berubah menurut waktu (Forester, 1999 dalam Purnomo 2005). Sistem dinamik merupakan metoda yang dapat menggambarkan proses, perilaku, dan kompleksitas dalam sistem (Hartisari, 2007). Metodologi sistem dinamik ini telah dan sedang dikembangkan sejak diperkenalkan pertama kali oleh Jay W. Forester pada tahun 1950-an sebagai suatu metoda pemecahan masalahmasalah kompleks yang timbul karena ketergantungan sebab akibat dari berbagai macam variabel di dalam sistem. Sistem dinamik dititikberatkan pada penentuan kebijakan dan bagaimana kebijakan tersebut menentukan tingkah laku masalah-masalah yang dapat dimodelkan dengan menggunakan sistem dinamik. Dalam metodologi sistem dinamik yang dimodelkan adalah struktur informasi sistem yang didalamnya terdapat sumber informasi dan jaringan aliran informasi yang saling terhubung . Model dinamik merupakan suatu metode pendekatan eksperimental yang mendasari kenyataan-kenyataan yang ada dalam suatu sistem untuk mengamati tingkah laku sistem tersebut (Richardson dan Pugh, 1986 dalam skripsi Nuroniah, 2003).

Tujuan metodologi sistem dinamik berdasarkan filosofi sebab akibat

adalah mendapatkan pemahaman yang mendalam tentang cara kerja suatu sistem. Tahapan dalam pendekatan sistem dinamik adalah : 1.

Identifikasi dan definisi masalah

2.

Konseptualisasi sistem

3.

Formulasi model

4.

Simulasi model

5.

Analisa kebijakan

6.

Implementasi kebijakan Tahapan dalam pendekatan sistem dinamik ini diawali dan diakhiri dengan

pemahaman sistem dan permasalahanya sehingga membentuk suatu lingkaran tertutup. Diagram pendekatan metoda sistem dinamik dapat dilihat pada gambar 1.

4

Dalam konteks sistem dinamik terdapat tiga komponen utama, yaitu : 1.

Pengambilan keputusan, adalah suatu usaha untuk menyelesaikan masalah dan melakukan sesuatu.

2.

Analisis sistem umpan balik, berhubungan dengan penggunaan informasi secara tepat untuk mengambil keputusan tersebut.

3.

Simulasi, memberikan representasi kepada para pengambil keputusan terhadap hasil dari keputusan di masa mendatang.

Implementasi model

Analisa Kebijakan

Pemahaman sistem

Identifikasi masalah

Identifikasi variabel sistem

Simulasi

Formulasi sistem

Gambar 1. Diagram pendekatan metode sistem dinamik (Widayani, 1999 dalam Rahayu, 2006)

Dalam penyusunan suatu model dinamik terdapat tiga bentuk alternatif yang dapat digunakan yaitu verbal, visual dan model matematis. Model verbal adalah model sistem yang dinyatakan dalam bentuk kata-kata. Model visual dinyatakan dalam bentuk diagram dan menunjukkan hubungan sebab akibat banyak variabel secara sederhana dan jelas. Model visual juga dapat direpresentasikan ke dalam bentuk model matematis yang merupakan perhitungan-perhitungan terhadap suatu sistem. Semua bentuk perhitunganya bersifat ekivalen, dimana setiap bentuk berperan sebagai alat bantu yang dapat dimengerti. Menurut Hartisari (2007), simulasi yang menggunakan model dinamik dapat memberikan penjelasan tentang proses yang terjadi dalam sistem dan prediksi

5

hasil dari berbagai skenario. Berdasarkan hasil simulasi model tersebut diperoleh solusi untuk menunjang pengambilan keputusan sehingga simulasi model dinamik ini dapat digunakan sebagai alat untuk melakukan pendugaan.

+

PAD Harga produk

+

-

Agroindustri +

+

+

+

+

Harga bahan baku

Pendapatan masyarakat

Daya beli

-

Jumlah bahan baku +

+ +

Kesadaran konsumen

Kualitas produk

Gambar 2. Contoh diagram sebab-akibat untuk pembangunan agroindustri (Hartrisari, 2006)

Model sistem dinamik dapat dinyatakan dan dipecahkan secara numerik dalam sebuah bahasa pemrograman. Perangkat lunak khusus untuk sistem dinamik telah banyak tersedia seperti Dynamo. Simile, Powersim, Vensim, I-think dan lain-lain .Pemilihan Powersim sebagai software untuk simulasi model adalah karena kemudahan dan ketersediaan pada saat penelitian. Pemodelan dinamik terdiri dari variabel-variabel yang saling berhubungan. Dalam Powersim yaitu perangkat lunak yang digunakan untuk simulasi terdapat variabel-variabel yaitu level, rate, auxiliary dan constanta (Powersim, 1996). Pada model yang telah dibuat, data kuantitatif dimasukan dengan meng-klik variabel-variabel yang tersedia seperti level, rate, auxiliary dan constanta. Kemudian nilai atau formula matematika di inputkan ke dalam variabel-variabel tersebut untuk mengkalkulasi model. Adapun definisi dari masing-masing jenis variabel tersebut adalah sebagai berikut.

6

a. Level Level merupakan variabel yang menyatakan akumulasi sejumlah benda, contohnya jumlah produksi padi. Level dipengaruhi oleh variabel rate dan dalam Powersims dinyatakan dengan simbol persegi.

Gambar 3. Simbol variabel level

b. Rate Rate adalah penambahan atau pengurangan pada level per satuan waktu. Dalam Powersim, rate dinyatakan dengan simbol seperti pada gambar 4.

Gambar 4. Simbol variabel rate

c. Auxiliary Auxiliary

merupakan

variabel

tambahan

untuk

menyederhanakan

hubungan informasi antara level dan rate, dengan kata lain variabel ini dihitung dari variabel lain. Simbol variabel ini adalah sebuah lingkaran.

Gambar 5. Simbol variabel auxiliary

d. Constanta Constanta merupakan input bagi persamaan dalam rate baik secara langsung maupun melalui variabel auxiliary. Variabel ini menyatakan nilai parameter dari sistem riil yang nilainya konstan selama simulasi. Simbol dari variabel constanta adalah seperti pada gambar 6.

Gambar 6. Simbol variabel constanta

7

e. Garis penghubung Garis penghubung menghubungkan antara satu variabel ke variabel lainya atau antara variabel dengan konstanta. Garis penghubung ini disimbolkan dengan panah.

Gambar 7. Simbol garis penghubung

B. Simulasi Simulasi adalah aktifitas untuk menarik kesimpulan tentang perilaku sistem dengan mempelajari perilaku model dalam beberapa hal yang memiliki kesamaan dengan sistem sebenarnya (Gotfried, 1984 dalam Nuroniah, 2003). Simulasi adalah peniruan perilaku suatu gejala atau proses yang bertujuan untuk memahami gejala atau proses tersebut, membuat analisis dan peramalan perilaku gejala atau proses tersebut di masa depan. Simulasi dilakukan dengan tahapan yaitu penyusunan konsep, pembuatan model, simulasi dan validasi hasil simulasi. Keuntungan penggunaan simulasi antara lain dapat memberikan jawaban apabila model analitik yang digunakan tidak memberikan solusi optimal. Model disimulasi lebih realistis terhadap sistem nyata karena memerlukan asumsi yang lebih sedikit (Siagan, 1987 dalam Nuroniah, 2003). Analisis tingkah laku model dapat dilakukan dengan menggunakan simulasi komputer. Simulasi merupakan penyelesaian persamaan matematis secara bertahap dari suatu sistem untuk mengetahui perubahan yang terjadi, sehingga dapat dipelajari perilaku sistem tersebut. Metode simulasi mempunyai keunggulan yaitu pada kemampuanya memberikan informasi secara cepat.

C. Kajian Ketahanan Pangan Kedaulatan pangan (Food Sovereignty) adalah hak setiap orang, masyarakat dan negara untuk mengakses dan mengontrol aneka sumberdaya produktif serta menentukan dan mengendalikan sistem (produksi, distribusi, konsumsi) pangan sendiri sesuai kondisi ekologis, sosial, ekonomi, dan budaya khas masing-masing (Hines 2005 dalam Darajati 2008). Bahkan presiden pertama Republik Indonesia

8

Soekarno pernah mengatakan bahwa pangan merupakan soal mati-hidupnya suatu bangsa, apabila kebutuhan pangan rakyat tidak dipenuhi maka akan menjadi malapetaka sehingga suatu negara harus dapat menyelesaikan masalah ketahanan pangan agar mampu mempertahankan pertumbuhan ekonominya. Kedaulatan pangan menuntut hak rakyat atas pangan, yang menurut Food and Agriculture Organization (FAO) merupakan hak untuk memiliki pangan secara teratur, permanen dan bisa mendapatkannya secara bebas, baik secara cuma-cuma maupun membeli dengan jumlah dan mutu yang mencukupi, serta cocok dengan tradisi-tadisi kebudayaan rakyat yang mengkonsumsinya. Menjamin pemenuhan hak rakyat untuk menjalani hidup yang bebas dari rasa takut dan bermartabat, baik secara fisik maupun mental, secara individu maupun kolektif. Namun kenyataannya, kelaparan sebagai indikasi tindasan terhadap hak atas pangan masih berlangsung di mana-mana bahkan bertambah buruk saja. Dalam usaha mengatasi masalah kelaparan dan akses pangan, PBB melalui FAO memperkenalkan istilah ketahanan pangan (Food Security) dengan harapan adanya persediaan pangan setiap saat, semua orang dapat mengaksesnya dengan bebas dengan jumlah, mutu dan jenis nutrisi yang mencukupi serta dapat diterima secara budaya.

Konsep tersebut sama sekali tidak mempertimbangkan

kemampuan sebuah negara untuk memproduksi dan mendistribusi pangan utama secara adil kepada rakyatnya. Konsep ketahanan pangan di Indonesia tercantum dalam Undang-Undang Republik Indonesia Nomor 7 tahun 1996 tentang pangan yang mendefinisikan ketahanan pangan sebagai suatu kondisi terpenuhinya pangan bagi setiap rumah tangga. Ketahanan pangan merupakan suatu sistem yang terdiri dari subsistem ketersediaan, distribusi, dan konsumsi. Subsistem ketersediaan pangan berfungsi menjamin pasokan pangan untuk memenuhi kebutuhan seluruh penduduk, baik dari segi kuantitas, kualitas, keragaman dan keamanannya. Subsistem distribusi berfungsi mewujudkan sistem distribusi yang efektif dan efisien untuk menjamin agar seluruh rumah tangga dapat memperoleh pangan dalam jumlah dan kualitas yang cukup sepanjang waktu dengan harga yang terjangkau. Sedangkan subsistem konsumsi berfungsi mengarahkan agar pola pemanfaatan pangan secara nasional memenuhi

kaidah

mutu,

keragaman, kandungan

gizi,

kemananan

dan

9

kehalalannya. Situasi ketahanan pangan di negara kita masih lemah. Hal ini ditunjukkan antara lain oleh: (a) jumlah penduduk rawan pangan (tingkat konsumsi < 90% dari rekomendasi 2000 kkal/kap/hari) dan sangat rawan pangan (tingkat konsumsi <70 % dari rekomendasi) masih cukup besar, yaitu masingmasing 36.85 juta dan 15.48 juta jiwa untuk tahun 2002; (b) anak-anak balita kurang gizi masih cukup besar, yaitu 5.02 juta dan 5.12 juta jiwa untuk tahun 2002 dan 2003 (Ali Khomsan, 2003 dalam Seminar et al, 2010). Indikator ketahanan pangan menurut FAO mencakup empat aspek yang saling terkait dan akan bermuara pada terciptanya individu yang sehat dan aktif yaitu ketersediaan pangan, stabilitas ketersediaan, akses terhadap pangan, dan pemanfaatan atau konsumsi. Terdapat keselarasan antara indikator ketahanan pangan antara FAO dengan Undang-Undang Republik Indonesia Nomor 7 tahun 1996 tentang pangan mengenai indikator-indikator ketahanan pangan. Distribusi diartikan sebagai sistem untuk menyalurkan pangan secara efektif dan efisien sehingga pangan sampai kepada masyarakat, mudah diakses dan terjamin ketersediaanya baik jumlah maupun kualitasnya sepanjang wangku. Karena walaupun distribusi pangan berjalan dengan baik, tetapi apabila mayarakat tidak dapat mengakses pangan tersebut maka masih akan terjadi kerawanan pangan. Indikator Permasalahan kerawanan pangan yang bersifat kronis dan transien di Indonesia perlu ditangani dengan lebih serius dan terprogram dengan baik. Kata kronis dalam kamus besar bahasa Indonesia didefinisikan sebagai sesuatu yang berlangsung dalam waktu yang lama, oleh karena itu kerawanan pangan yang bersifat kronis memerlukan penanganan jangka panjang, sedangkan kerawanan pangan yang bersifat transien terjadi akibat adanya bencana alam: banjir, gempa bumi, tsunami, kekeringan, letusan gunung berapi dan tanah longsor di daerah yang berpotensi atau rentan terhadap bencana alam, memerlukan penanganan jangka pendek (Seminar et al, 2010). Badan Ketahanan Pangan, Departemen Pertanian telah menghasilkan peta kerawanan pangan Indonesia yang dikeluarkan pada tahun 2005 dan Peta Ketahanan dan Kerentanan Pangan pada tahun 2009. Food insecurity Atlas (FIA 2005) menggambarkan pemeringkatan situasi pangan pada 265 kabupaten di 30 provinsi. Atlas ini terbukti menjadi sarana penting dalam menentukan target

10

intervensi yang berhubungan dengan masalah ketahanan pangan dan gizi secara geografis pada kabupaten yang rentan. Peluncuran FIA 2005 ternyata masih menyebabkan kesalahpahaman mengenai pemeringkatan kabupaten. Kata kerawanan pangan (Food Insecurity) diindikasikan secara langsung bahwa kabupaten-kabupaten peringkat bawah adalah kabupaten yang memiliki penduduk rawan pangan. Oleh karena itu peta nasional yang kedua diberi nama baru yaitu “Peta Ketahanan dan Kerentanan Pangan Indonesia (Food Security and Vulnerability Atlas / FSVA)”. Perubahan nama FIA menjadi FSVA dilakukan dengan pertimbangan untuk memperjelas pengertian mengenai konsep ketahanan pangan berdasarkan tiga dimensi ketahanan pangan (ketersediaan, akses dan pemanfaatan pangan) dalam semua kondisi bukan hanya pada situasi kerawanan pangan saja. Pertimbangan yang kedua, FSVA juga bermaksud untuk mengetahui berbagai penyebab kerawanan pangan secara lebih baik atau dengan kata lain kerentanan terhadap kerawanan pangan. Pembuatan FSVA tersebut mencakup 346 kabupaten di 32 provinsi di Indonesia.

D. Manajemen Krisis Manajemen krisis merupakan pengetahuan yang relatif Indonesia maupun dunia. Definisi

baru baik di

manajemen krisis pun sangat bervariasi

sehingga lebih dikenal sebagai prosedural model atau protokol. Secara ringkas dapat dikatakan bahwa bilamana kejadian yang tidak diharapkan terjadi maka manajemen krisis adalah suatu cara pengelolaan yang proaktif dari berbagai kegiatan kelembagaan yang mengarah pada keberlanjutan fungsinya sesegera mungkin setelah adanya gangguan tersebut (Eriyatno et al, 2010). Menurut Seminar et al (2010) Informasi Ketahanan Pangan dan Early Warning Sistem (The Food Security Information and Early Warning Sistem/EWS) dapat dimanfaatkan sebagai salah satu instrumen untuk mengelola krisis pangan dalam rangka upaya perlindungan/penghindaran dari krisis pangan dan gizi baik jangka pendek, menengah maupun panjang.

Apabila sistem monitoring berdasar informasi

(ketersediaan dan keberlangsungan data informasi) dapat berfungsi dengan baik, maka sistem ini mempunyai kontribusi yang sangat bermanfaat dalam mengelola

11

krisis pangan. Manfaat sistem ini dapat dijabarkan secara rinci sebagai berikut (FAO, 2000 dalam Seminar et al, 2010) yaitu sebagai : Penanda awal/dini saat terdeteksi adanya resiko krisis pangan lokal atau menyeluruh, memberikan informasi jenis atau karakter krisis yang terjadi, kemungkinan dampak yang akan muncul dan lokasi atau luasan area dan masyarakat yang akan terpengaruh oleh adanya krisis pangan. Penentu tindakan yang akan diambil untuk mengatasi krisis yang terjadi, dimana pemilihan tindakan yang tepat pada waktu yang tepat akan mengurangi dampak negatif terhadap krisis. Panduan untuk pemberian bantuan darurat kepada kelompok masyarakat yang membutuhkan, mengidentifikasi kelompok yang paling tinggi terkena dampak dan perubahan-perubahan status pangan dan gizinya. Pengelolaan cadangan pangan (food security stock) menjadi lebih efisien. Sistem informasi ketahanan pangan dapat memasukkan data-data lainnya yang dibutuhkan untuk pengelolaan ketahanan pangan yang lebih baik. Penentu metode pengadaan pangan yang efisien. Pengetahuan yang baik terhadap pasar pangan (pokok) internasional, nasional ataupun lokal sangat bermanfaat untuk mengorganisasi proses distribusinya dan dapat digunakan sebagai penentu metode yang efisien untuk distribusi bantuan pangan dan membantu pengelolaan dan monitoring distribusinya.

E. Penelitian Terdahulu Penelitian terdahulu yang telah dilakukan antara lain adalah penjadwalan produksi dengan pendekatan metode dinamik oleh Nuroniah (2003). Model dinamik yang dikembangkan adalah dinamika jumlah produksi pada setiap tahapan produksi berdasarkan data series permintaan produksi. Sistem yang dibuat bertujuan untuk menentukan alternatif terbaik dari penjadwalan produksi dengan meminimumkan waktu proses dan kekurangan produk yang berlebih. Selain itu Koesmaryono et al (2008) melakukan analisis dan prediksi curah hujan untuk pendugaan produksi padi dalam rangka antisipasi kerawanan pangan, dalam penelitian tersebut dilakukan analisis pewilayahan curah hujan dengan metode penggerombolan fuzzy dan penyusunan model prediksi curah hujan

12

dengan teknik analisis jaringan syaraf tiruan. Hasil prediksi model curah hujan tersebut kemudian diterapkan dalam analisis ketersediaan dan kerentanan produksi padi. Hubungan dengan sistem isyarat dini yang telah dikembangkan adalah mampunyai persamaan menyusun sistem peringatan dini untuk antisipasi kerawanan pangan tetapi penelitian ini berbasis prediksi curah hujan sebagai model prediksi dan hasilnya dapat digunakan sebagai acuan dalam sistem peringatan dini kerawanan pangan dan perencanaan ketahanan pangan di tingkat kabupaten hingga nasional.

Gambar 8. Model dinamik rasio konsumsi normatif yang dikembangkan oleh Seminar et al (2010).

Seminar et al (2010) mengembangkan sistem deteksi dini untuk manajemen krisis pangan dengan simulasi model dinamis dan komputasi cerdas. Salah satu subsistem pada sistem deteksi dini untuk manajemen krisis pangan ini adalah rasio konsumsi normatif. Indikator yang digunakan untuk simulasi rasio konsumsi normatif adalah beras dengan data series yang digunakan adalah data tahun 20032005. Hubungan dengan penelitian lanjutan ini adalah dilakukan penambahan komoditas jagung pada model dinamik rasio konsumsi normatif dengan menggunakan data simulasi hingga tahun 2008.

13

III. METODOLOGI PENELITIAN

A. Tempat dan Waktu Penelitian ini dilakukan di laboratorium komputer Cyber Merpati IPB mulai dari bulan Februari sampai dengan Juni 2010. B. Alat dan Bahan Simulasi yang akan dirancang menggunakan software Powersim versi 2.51 dan untuk pengolahan data menggunakan software Microsoft® Office 2007. Peralatan yang digunakan adalah seperangkat komputer dengan spesifikasi sebagai berikut : Prosessor : Pentium IV 2.40 GHz Memori

: 510 MB RAM

VGA card : GeForce MX 4000 64 MB Hardisk

: 80 GB

Data yang digunakan untuk simulasi adalah data sekunder yang berkaitan dengan indikator ketahanan pangan khususnya rasio konsumsi normatif baik dalam bentuk publikasi tercetak maupun website. Data yang digunakan mencakup : Data series jumlah penduduk 2000-2008 (Sumber : BPS). Data series luas panen padi 1999-2008 (Sumber : Data Dinas Pertanian Jatim, BPS). Data series luas panen jagung 2003-2008 (Sumber : Data Dinas Pertanian Jatim, BPS). Data series produktivitas padi 1999-2008 (Sumber : Data Dinas Pertanian Jatim, BPS). Data series produktivitas jagung 1999-2008 (Sumber : Data Dinas Pertanian Jatim, BPS). Konsumsi normatif (2005-2007) dari FSVA 2009.

14

C. Lingkup Penelitian Penelitian ini dibatasi pada simulasi salah satu variabel yang mempengaruhi kerawanan pangan yaitu rasio konsumsi normatif di provinsi Jawa Timur yang mencakup 29 kabupaten dan provinsi Yogyakarta yang mencakup 4 kabupaten dari tahun 2005 sampai tahun 2015. Pemilihan lokasi contoh (provinsi Jawa Timur dan Yogyakarta) untuk simulasi didasarkan pada ketersediaan data yang dibutuhkan. Komoditas yang digunakan dalam rasio konsumsi normatif ini dibatasi hanya menggunakan beras dan jagung. Dalam simulasi ini diasumsikan bahwa pangan yang dikonsumsi oleh mayarakat berdasarkan profil konsumsi serelia di indonesia adalah 300 gram serelia/hari/kapita.

D. Kerangka Pendekatan Studi Kerangka pendekatan studi dari penelitian ini dijelaskan pada gambar 10.

Gambar 9. Kerangka pemikiran studi

15

E. Metodologi Metoda yang digunakan dalam analisis ini adalah simulasi model dinamik dengan melihat parameter-parameter yang mempengaruhi krisis pangan yang kemudian disimulasikan dengan model dinamik. Parameter yang disimulasikan adalah rasio konsumsi normatif. Sistem dinamik yang telah dikembangkan oleh Seminar et al (2010) ditambahkan komponen komoditas yaitu jagung. Studi literatur dilakukan dengan mempelajari dokumen tercetak maupun media elektronik melalui internet serta data pengamatan. Data sekunder seperti data kependudukan, luas lahan, produksi beras dan yang berkaitan dengan parameter krisis pangan yang telah diidentifikasi diperoleh dari Biro Pusat Statistik, Bulog, Deptan dan lembaga lainnya yang terkait baik dalam bentuk publikasi tercetak maupun website. Setelah parameter yang akan disimulasikan teridentifikasi kemudian akan diketahui variabel-variabel yang mempengaruhi tiap parameter dan dari situ dirancang suatu model dengan diagram sebab akibat dari variabel-variabel tiap parameter krisis pangan. Variabel untuk simulasi dinamik rasio konsumsi normatif yaitu karakteristik kependudukan, total produksi beras, luas panen, perubahan luas panen, produktivitas lahan, total susut, rendemen dan konsumsi normatif. Karakteristik kependudukan meliputi jumlah penduduk dan laju pertumbuhan penduduk. Jumlah Penduduk adalah jumlah penduduk di suatu kabupaten dengan pengklasifikasian berdasarkan usia menjadi anak-anak, dewasa dan orang tua. Asumsi yang digunakan dalam simulasi dinamik rasio konsumsi normatif yaitu laju pertumbuhan penduduk adalah tetap. Data yang diperoleh adalah data series dari tahun 2000-2008 sehingga akan didapat laju pertumbuhan dengan menggunakan persamaan 1 yang dikembangkan oleh BPS. Data yang diperoleh adalah data series 5-10 tahun sehingga akan didapat laju pertumbuhan penduduk dengan menggunakan persamaan : Pt = Po(1+r)t ……………………………………………………………………...(1) Dimana : Pt = Jumlah penduduk pada tahun terakhir Po = Jumlah penduduk pada tahun awal t

= selisih tahun antara Po dan Pt

16

r = laju pertumbuhan penduduk per tahun (%) Total produksi beras dan jagung terdiri dari variabel luas panen, perubahan luas panen, produktivitas lahan, perubahan produktifitas lahan, total susut dan rendemen. Luas panen pada awal simulasi diperoleh dari selisih antara luas tanam dan luas puso pada suatu kabupaten. Perubahan luas panen dihitung berdasarkan data series luas panen selama beberapa tahun di suatu kabupaten perubahan luas panen disebabkan adanya konversi lahan dari sawah ke non-sawah atau sebaliknya. Perhitungan laju perubahan luas lahan dari data series menggunakan rata-rata perubahan lahan tiap tahun. Produktivitas lahan diperoleh dari produktivitas lahan pada

tahun

awal

simulasi

sedangkan

perubahan

diperhitungkan dari data series produktivitas lahan.

produktivitas

lahan

Perubahan produktivitas

lahan biasanya positif pada daerah yang mengintroduksikan inovasi budidaya, baik tata cara maupun penggunaan varietas yang lebih baik.

Tabel 1. Perbandingan besaran susut dan konversi gabah/beras tahun 1995/1996 dan tahun 2005-2007 menurut kegiatan pasca panen No

Kegiatan Pasca Panen

Besaran Susut dan Konversi (%) 1995/1996

2005-2007

Perubahan (%)

1.

Pemanenan

9,52 (1)

1,20 (1)

-3,2

2.

Perontokan

4,78 (1)

0,18 (1)

-4,6

3.

Pengeringan Konversi GKP dan GKG

2,13 (1) 86,51

3,27 (2) 86,02

1,14 -0,49

4.

Penggilingan Konversi GKP dan GKG (rendemen)

2,19 (2) 63,2

3,25 (2) 62,74

1,06 -0,46

5.

Penyimpanan

1,61

1,39

-0,22

6.

Pengangkutan

0,19

1,53

1,34

Total

20,51

10,82

9,69

Keterangan : 1) prosentase terhadap GKP ; 2) prosentase terhadap GKG Sumber

: Website Ditjen Pengolahan dan Pemasaran Hasil Pertanian, Departemen Pertanian Penekanan Susut dan Peningkatan Rendemen Gabah/beras, Maret 2009.

Total susut adalah jumlah seluruh kehilangan padi selama kegiatan pasca panen yaitu pada saat pemanenan, perontokan, pengeringan, penggilingan,

17

penyimpanan dan pengangkutan. Pada simulasi ini nilai susut untuk beras yang diambil adalah rata-rata dari tahun 2005-2007 yaitu 0.1082 nilai ini berdasarkan data yang didapatkan melalui website Ditjen Pengolahan Dan Pemasaran Hasil Pertanian, Departemen Pertanian seperti pada Tabel 1. Rendemen adalah jumlah beras yang dihasilkan dari jumlah padi tertentu. Rendemen tergantung pada kualitas beras, kadar air, musim panen, alsin yang digunakan dan konfigurasi mesin. Nilai rendemen padi untuk tiap kabupaten yang disimulasikan diasumsikan berdasarkan data yang diperoleh dari website Ditjen Pengolahan Dan Pemasaran Hasil Pertanian, Departemen Pertanian yaitu 62.74 %. Sedangkan untuk jagung, rendemen tidak diperhitungkan karena data yang diperoleh adalah langsung dari data panen jagung yaitu jagung pipilan kering sehingga total produksi jagung dihitung dari luas panen jagung dan produktivitasnya. Jika total produksi padi dan jagung diketahui maka dilakukan penyetaraan agar kedua komoditas uni dapat dijumlahkan dengan menggunakan penyetaraan berdasarkan nilai kalorinya yaitu 1 kg beras setara 3520 kkal sedangkan untuk 1 kg jagung setara 3620 kkal. Dengan mengetahui diagram

sebab akibat maka dapat dibuat simulasi

dengan menggunakan bantuan software Powersim. Kemudian hasil simulasi divalidasi dengan membandingkan hasil simulasi dengan data yang dikeluarkan oleh instansi terkait contohnya data FSVA 2009 yang dikeluarkan oleh Badan Ketahanan Pangan Departmen Pertanian menggunakan metode Mean Absolute Percent Error (MAPE). Dengan metode tersebut maka akan didapatkan error perbandingan dari data hasil simulasi dengan data aktual. ……………………………………………(2) Dimana:

adalah nilai sebenarnya adalah nilai hasil simulasi adalah banyak data

Hasil dari simulasi kemudian dianalisis dan merupakan input untuk tahap berikutnya dalam sistem deteksi dini kerawanan pangan yaitu analisis menggunakan komputasi cerdas dengan jaringan syaraf tiruan (Patterson 1996 dan Seminar et al, 2006) untuk sintesa model sistem deteksi dini. 18

IV. HASIL DAN PEMBAHASAN

A. Rasio Konsumsi Normatif Rasio konsumsi normatif adalah perbandingan antara total konsumsi dan produksi yang menunjukkan tingkat ketersediaan pangan di suatu wilayah. Rasio konsumsi normatif perkapita terhadap produksi pangan merupakan salah satu indikator ketersediaan pangan yang digunakan dalam analisis kerawanan pangan. Menurut Food Security and Vulnerability Atlas 2009 (FSVA 2009), berdasarkan profil konsumsi Indonesia bahwa konsumsi normatif serelia/hari/kapita adalah 300 gram yang setara dengan 109.5 kg/tahun/kapita. Kemudian dapat dihitung nilai rasio konsumsi normatif di suatu kabupaten dengan membandingkan total konsumsi normatif dengan total produksi pangan di kabupaten tersebut. Jumlah total konsumsi dipengaruhi oleh jumlah penduduk yang berubah sesuai perubahan waktu, demikian pula dengan produksi pangan di suatu daerah cenderung berubah sesuai perubahan waktu. Sehingga bentuk model dinamik adalah model yang paling sesuai untuk suatu sistem atau sub-sistem yang variabel-variabelnya berubah sejalan dengan perubahan waktu. Selain itu model dinamik dapat melakukan pendugaan suatu nilai dalam waktu tertentu. Untuk menentukan rasio konsumsi normatif diperlukan data series produksi dan konsumsi yang tersedia. Penggunaan model dinamik sebagai alat untuk menduga nilai rasio konsumsi normatif sebagai salah satu variabel yang digunakan pada model besar studi sistem deteksi dini untuk manajemen krisis pangan, terutama apabila data di lapangan tidak atau belum tersedia. Gambar 10 menyajikan hasil perhitungan laju penduduk dengan mengunakan data series jumlah penduduk di kabupaten-kabupaten provinsi Jawa Timur. Dinamika penduduk ini dipengaruhi oleh faktor seperti angka kelahiran, kematian dan migrasi. Dengan bertambahnya jumlah penduduk maka akan bertambah permintaan terhadap pangan dengan demikian maka perlu juga dilakukan peningkatan produksi pangan agar tidak terjadi krisis rawan pangan. Contohnya laju pertumbuhan terbesar di provinsi Jawa Timur yaitu 2.47% per tahun terjadi di kabupaten Pamekasan.

19

Laju Pertumbuhan Penduduk di Provinsi Jawa Timur laju pertumbuhan (%)

3 2.5 2 1.5 1 0.5 0

kabupaten laju pertumbuhan penduduk d tiap kabupaten

Gambar 10. Grafik laju pertumbuhan penduduk di berbagai kabupaten di provinsi Jawa Timur Sumber : BPS dengan data series dari tahun 2000-2008 (diolah)

B. Analisis Diagram Sebab Akibat Diagram sebab akibat menggambarkan hubungan antar elemen yang terlibat dalam sistem yang dikaji. Diagram ini terdiri dari variabel-variabel yang masingmasing dihubungkan dengan tanda panah yang menghubungkan antar variabel tersebut. Hubungan digambarkan dengan tanda positif (+) atau negatif (-). Gambar 11 memperlihatkan keterkaitan dari tiap elemen yang mempengaruhi rasio konsumsi normatif. Peningkatan laju pertumbuhan penduduk akan meningkatkan jumlah penduduk tiap tahunnya, sehingga menyebabkan tingkat konsumsi pun bertambah. Sama halnya dengan peningkatan laju pertumbuhan luas panen yang akan menyebabkan peningkatan luas panen yang selanjutnya berdampak pada peningkatan jumlah produksi. Untuk beras, persentasi rendemen yang tinggi akan meningkatkan total produksi beras. Jika produksi beras dan jagung meningkat maka total produksi pangan pun meningkat sehingga rasio konsumsi normatif terhadap pangan pun dapat dihitung. Hubungan tersebut merupakan hubungan sebab akibat yang positif. Jika total produksi lebih besar dari konsumsi maka rasio konsumsi normatif yang dihasilkan akan semakin kecil dan sebaliknya jika

20

konsumsi lebih besar dari total produksi maka nilai rasio konsumsi normatif akan semakin besar.

Gambar 11. Diagram sebab akibat rasio konsumsi normatif

C. Model Sistem Dinamik Model sistem dinamik dibangun berdasarkan diagram sebab akibat yang menggambarkan hubungan antara total produksi pangan dan jumlah konsumsi normatif di suatu kabupaten. Berdasarkan kedua variabel tersebut selanjutnya ditentukan nilai rasio konsumsi normatif terhadap produksi bersih per kapita. Dengan menggunakan bantuan software Powersim kemudian dibuat model dinamiknya seperti pada gambar 12. Pada penelitian sebelumnya yang dikembangkan oleh Seminar et al (2010) data yang digunakan sebagai input pada model dinamik rasio konsumsi normatif adalah data series dari tahun 2003-2005, sedangkan pada penelitian ini data yang digunakan adalah data series dari tahun 2000-2008. Contohnya untuk jumlah penduduk, dengan menggunakan rumus yang dikembangkan BPS maka laju dari pertumbuhan penduduk dengan data series tahun 2000-2008 dapat dihitung. Selain itu pada penelitian sebelumnya komoditas yang digunakan adalah beras, sedangkan pada penelitian ini ditambahkan jagung sebagai bahan makanan pokok

21

yang dikonsumsi mayarakat, dengan penambahan ini maka deteksi terhadap kerawanan pangan pada subsistem ketersediaan pangan akan lebih terlihat.

Gambar12 . Hasil model dinamik rasio konsumsi normatif setelah ditambah komoditas jagung

Gambar 12 menampilkan model dinamik yang dirancang pada penelitian ini. Model yang dirancang pada penelitian sebelumnya dibatasi oleh garis putus-putus berwarna hijau. Warna merah pada gambar menunjukkan variabel jagung yang ditambahkan pada penelitian ini dengan data yang digunakan adalah data tahun 2003 sampai 2008. Sedangkan warna hijau menunjukkan bahwa variabel tersebut nilainya diganti dengan data terkini. Dari gambar tersebut terlihat bahwa total produksi yang dibandingkan adalah total produksi beras dan jagung yang masingmasing bergantung pada luas panen dan produktivitasnya. Selain itu dilakukan penyetaraan antara beras dan jagung berdasarkan nilai kalorinya yaitu 1 kg jagung setara dengan 1.028 kg beras. Maka model yang dirancang menggunakan nilai kesetaraan tersebut. Untuk komoditas beras total produksinya ditentukan oleh luas panen padi, produktivitas susut serta rendemen yang dihasilkan. Sedangkan

22

untuk total produksi jagung tidak memperhitungkan rendemen karena data yang diperoleh adalah langsung dari data luas panen jagung. Total konsumsi merupakan fungsi dari konsumsi normatif per kapita dan jumlah penduduk yang dinamis. Jika total produksi dan total konsumsi sudah diketahui maka akan didapatkan rasio konsumsi normatif. Persamaan matematis yang digunakan pada model ini dapat dilihat di lampiran 2. Uji coba model dilakukan dengan menggunakan data terkini yang tersedia dari berbagai sumber yaitu dari tahun 2000 – 2008 dengan contoh wilayah di provinsi Jawa Timur mencakup 29 kabupaten dan Yogyakarta sebanyak 4 kabupaten hasil dari simulasi dari semua wilayah contoh ditampilkan pada lampiran 1. Hasil simulasi akan lebih halus ketika data yang digunakan lebih baru, tetapi kendala dilapangan untuk data terbaru 2009-2010 belum tersedia. Hasil simulasi menunjukkan dari 33 kabupaten yang menjadi contoh untuk simulasi model dinamik ada provinsi yang menghasilkan rasio lebih dari 1 yang artinya persedian pangan di kabupaten tersebut defisit yaitu kabupaten Sidoarjo. Dan juga ada yang menghasilkan rasio kurang dari 1 yang artinya kabupaten tersebut mempunyai cukup stok pangan khususnya beras dan jagung. Tabel 2 menunjukkan perbandingan rasio konsumsi normatif hasil simulasi dengan hasil dari penelitian FSVA. Dalam simulasi ini komoditas yang digunakan dibatasi hanya beras dan jagung saja mengingat kedua makanan pokok ini

rasio konsumsi normatif

merupakan komoditas yang memang dikonsumsi oleh semua tingkat masyarakat. 2.50

Rasio konsumsi normatif Rasio Konsumsi Normatif Hasil Simulasi

2.00 1.50 1.00 0.50 0.00

Gambar 13. Grafik perbandingan rasio konsumsi normatif hasil simulasi dengan FSVA

23

Untuk membandingkan dengan rasio hasil perhitungan FSVA maka dilakukan penyetaraan untuk komoditas pembanding yaitu beras dan jagung sehingga data yang dibandingkan setara. Dengan menggunakan metode MAPE didapatkan rata-rata error sebesar 11.9%. Tabel 2. Perbandingan rasio konsumsi normatif hasil simulasi dan menurut FSVA di Provinsi Jawa Timur No

Wilayah/ Tahun Jawa Timur

rasio normatif FSVA

rasio konsumsi normatif hasil simulasi 2005

2006

2007

2008

2009

rata-rata 2005-2007

2005-2007

1

Pacitan

0.36

0.35

0.33

0.31

0.29

0.35

0.41

2

Ponorogo

0.28

0.29

0.29

0.29

0.29

0.28

0.31

3

Trenggalek

0.65

0.64

0.34

0.26

0.17

0.54

0.65

4

Tulungagung

0.46

0.45

0.44

0.43

0.42

0.45

0.49

5

Blitar

0.34

0.33

0.31

0.30

0.29

0.33

0.40

6

Kediri

0.33

0.33

0.34

0.34

0.35

0.33

0.36

7

Malang

0.59

0.60

0.60

0.60

0.61

0.60

0.65

8

Lumajang

0.35

0.36

0.37

0.38

0.39

0.36

0.37

9

Jember

0.38

0.39

0.39

0.40

0.40

0.38

0.38

10

Banyuwangi

0.32

0.31

0.30

0.29

0.29

0.31

0.40

11

Bondowoso

0.27

0.27

0.26

0.26

0.25

0.27

0.29

12

Situbondo

0.24

0.24

0.23

0.23

0.23

0.24

0.27

13

Probolinggo

0.32

0.33

0.34

0.35

0.35

0.33

0.36

14

Pasuruan

0.48

0.48

0.49

0.49

0.49

0.48

0.44

15

Sidoarjo

2.17

2.18

2.18

2.18

2.18

2.18

2.01

16

Mojokerto

0.26

0.27

0.28

0.28

0.29

0.27

0.51

17

Jombang

0.42

0.41

0.40

0.40

0.39

0.41

0.45

18

Nganjuk

0.29

0.29

0.29

0.29

0.28

0.29

0.31

19

Madiun

0.33

0.33

0.33

0.33

0.32

0.33

0.32

20

Magetan

0.38

0.37

0.37

0.37

0.37

0.37

0.37

21

Ngawi

0.26

0.26

0.26

0.26

0.26

0.26

0.25

22

Bojonegoro

0.31

0.30

0.29

0.29

0.28

0.30

0.32

23

Tuban

0.24

0.23

0.23

0.23

0.24

0.23

0.23

24

Lamongan

0.21

0.21

0.21

0.20

0.20

0.21

0.22

25

Gresik

0.51

0.51

0.52

0.52

0.52

0.51

0.51

26

Bangkalan

0.33

0.33

0.33

0.33

0.33

0.33

0.46

27

Sampang

0.37

0.36

0.35

0.34

0.34

0.36

0.49

28

Pamekasan

0.64

0.63

0.63

0.62

0.61

0.63

0.80

29

Sumenep

0.25

0.25

0.26

0.26

0.26

0.25

0.37

24

Tabel 2 memperlihatkan perbandingan rasio konsumsi normatif hasil simulasi yang diberi warna biru dan menurut FSVA yang diberi warna merah untuk provinsi Jawa Timur. Hasil simulasi menyatakan rata-rata rasio konsumsi normatif lebih kecil dibandingkan dengan hasil menurut FSVA, perbedaan ini bisa terjadi karena perbedaan data series yang digunakan dalam perhitungan. Pada simulasi ini digunakan data mulai tahun 2000 hingga 2008 sedangkan FSVA menggunakan data 2005 hingga 2007.

D. Analisis Model Analisis model dilakukan pada daerah yang mempunyai nilai rasio cukup kritis dari semua daerah yang disimulasikan. Contoh kasus pada kabupaten Gunung Kidul dengan jumlah penduduk pada tahun 2005 sebesar 681554 jiwa meningkat dari tahun ke tahun dengan laju pertumbuhan penduduk 0.309 %. Perubahan dua variabel tersebut seiring perubahan waktu akan berpengaruh terhadap nilai rasio konsumsi normatif terhadap produksi bersih per kapita.

Tabel 3. Contoh hasil simulasi di Kabupaten Gunung Kidul.

Tahun

Penduduk

Total Konsumsi (Ton)

2005

681554

74630.16

98860.98

178318.92

Selisih Produksi dan Konsumsi (Ton) 207615.62

2006

683657

74860.48

106269.63

195968.93

232945.37

307805.85

0.243

2007

685767

75091.50

114233.47

215365.93

260626.25

335717.75

0.224

2008

687883

75323.24

122794.13

236682.85

290877.68

366200.92

0.206

2009

690006

75555.70

131996.32

260109.72

323939.82

399495.52

0.189

2010

692135

75788.87

141888.13

285855.38

360075.53

435864.40

0.174

2011

694271

76022.76

152521.22

314149.35

399572.50

475595.26

0.160

2012

696414

76257.37

163951.16

345243.85

442745.70

519003.07

0.147

2013

698563

76492.71

176237.66

379416.08

489393.90

566432.61

0.135

2014

700719

76728.78

189444.91

416970.69

541532.58

618216.36

0.124

2015

702881

76965.57

203641.91

458242.45

597937.04

674902.61

0.114

Total Produksi Beras (Ton)

Total Produksi Jagung (Ton)

Total Produksi (Ton)

Rasio

282245.78

0.264

Dari hasil simulasi pada tabel 3 dapat terlihat bahwa rasio konsumsi normatif pangan (beras dan jagung) untuk tahun 2010 adalah 0.174 yang artinya rasio ini masih kurang dari 1 sehingga menunjukkan daerah ini masih surplus untuk 25

produksi pangan. Produksi beras dan jagung dari tahun ke tahun cenderung meningkat. Peningkatan terjadi karena permintaan terhadap dua komoditas ini meningkat baik untuk konsumsi pokok maupun untuk yang lainnya yaitu hasil pengolahan kedua komoditas tersebut. Gambar 14 memperlihatkan grafik hubungan antara produksi dan total konsumsi di kabupaten Gunung Kidul. Terlihat dari gambar 14 bahwa produksi jagung lebih besar dari pada beras hal ini dapat terjadi karena harga jagung yang cukup tinggi dan permintaan terhadap jagung meningkat sehingga para petani lebih banyak menanam jagung. Dari gambar 14 juga dapat terlihat bahwa total konsumsi lebih sedikit sehingga ketersediaan pangan di kabupaten Gunung Kidul tetap terpenuhi.

800000 700000 600000 500000 400000 300000 200000 100000 0

Total Konsumsi

produksi jagung

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

produksi beras 2005

ton

Grafik Total Produksi dan Konsumsi di Kabupaten Gunung Kidul

tahun

Gambar 14. Grafik total produksi dan konsumsi di kabupaten Gunung Kidul

Dengan persediaan yang cukup dan ditunjang dengan teknologi penanganan pasca panen yang baik maka persediaan pangan ini akan menjadi stok untuk tahun-tahun berikutnya dan bahkan jika stok telah mencukupi kebutuhan lokal maka persediaan pangan di kabupaten Gunung Kidul surplus atau aman pangan tetapi karena indikator kerawanan pangan bukan hanya rasio konsumsi normatif atau hanya ketersediaan saja maka data ini selanjutnya diolah menggunakan jaringan saraf tiruan sehingga akan terlihat dengan sistem yang dibuat itu daerah ini terdeteksi rawan pangan atau tidak.

26

Pada kasus di kabupaten Sidoarjo hasil simulasi menunjukkan rasio konsumsi normatif dari tahun awal simulasi yaitu 2005 sampai 2015 menunjukkan angka lebih dari 2. Ini menunjukkan persediaan pangan kabupaten Sidoarjo tidak mencukupi karena tingkat konsumsinya dua kali lipat dari produksinya. laju pertumbuhan penduduk tidak diimbangi dengan produksi yang memadai secara lokal, walaupun dapat dilihat dari tabel 4 hasil simulasi bahwa dari tahun ke tahun ada kecenderungan total produksi meningkat tetapi selisih antara produski dan konsumsi pun meningkat. Tabel 4. Contoh hasil simulasi di Kabupaten Sidoarjo.

Tahun

Penduduk

Total Konsumsi (Ton)

2005

1715439

187840.57

Total Produksi Beras (Ton) 86292.03

Total Produksi Jagung (Ton) 151.00

Selisih Produksi dan Konsumsi (Ton) -101393.25

Total Produksi (Ton)

Rasio

86447.32

2.17

2006

1747638

191366.34

87721.02

205.50

-103433.98

87932.36

2.18

2007

1780441

194958.28

89173.68

279.66

-105497.00

89461.29

2.18

2008

1813860

198617.65

90650.40

380.59

-107575.85

91041.80

2.18

2009

1847906

202345.70

92151.57

517.94

-109661.48

92689.23

2.18

2010

1882591

206143.73

93677.60

704.87

-111741.24

94402.49

2.18

2011

1917927

210013.05

95288.90

959.25

-113797.64

96215.41

2.18

2012

1953927

213955.00

96805.89

1305.45

-115806.57

98148.43

2.18

2013

1990602

217970.93

98409.00

1776.59

-117734.88

100236.06

2.17

2014

2027966

222062.25

100038.65

2417.76

-119537.15

102525.09

2.17

2015

2066031

226230.35

101695.29

3290.32

-121151.26

105079.09

2.15

Setelah didapatkan rasio konsumsi normatif yang merupakan salah satu indikator kerawanan pangan maka hasil ini dapat di integrasikan dengan sistem jaringan saraf tiruan dalam model besar deteksi dini unuk manajemen krisis pangan sehingga dapat ditentukan apakah suatu daerah itu terdeteksi rawan pangan atau tidak. Dengan deteksi ini diharapkan pemerintah dapat mengambil keputusan dengan bijaksana seperti pengelolaan cadangan pangan menjadi lebih efisien. Hasil simulasi model kemudian divalidasi, validasi untuk jumlah penduduk menghasilkan rata-rata error sebesar 2.12 % sedangkan validasi untuk total produksi beras menghasilkan rata-rata error sebesar 4.97 % dan validasi untuk

27

produksi jagung menghasilkan rata-rata error sebesar 15%. Tabel hasil perhitungan dapat dilihat pada lampiran 7, 8 dan 9.

E. Analisis Krisis Pangan Dari hasil simulasi model dinamik pada beberapa wilayah di provinsi Jawa Timur dan Yogyakarta didapatkan bahwa sebagian besar wilayah di kedua provinsi tersebut mempunyai rasio kurang dari satu yang artinya bahwa persediaan pangan kedua provinsi ini tercukupi. Tetapi ada contoh kasus di kabupaten Sidoarjo yang rasionya melebihi satu yang artinya bahwa persediaan beras dan jagung di kabupaten ini belum mencukupi kebutuhan konsumsinya. Hal tersebut salah satunya dapat disebabkan bencana yang menimpa kabupaten Sidoarjo yaitu lumpur panas yang hingga saat ini belum terselesaikan. Konversi lahan pertanian menjadi non pertanian merupakan salah satu isu penting dalam kajian ketersediaan pangan. Dalam undang-undang

tentang

perlindungan lahan pertanian pangan berkelanjutan dijelaskan bahwa lahan pertanian adalah bidang lahan pertanian yang ditetapkan untuk dilindungi dan dikembangkan

secara

konsisten

guna menghasilkan pangan pokok bagi

kedaulatan dan ketahanan pangan nasional. Sehingga dari pengertian tersebut jelas bahwa lahan pertanian mempunyai peran penting dalam ketersediaan pangan. dengan adanya undang-undang konversi lahan ini maka konversi lahan pertanian menjadi non pertanian dapat ditekan jika dilaksanakan secara konsisten dan bertanggung jawab. Rasio konsumsi normatif terhadap pangan ini memiliki peran yang penting dalam sistem besar deteksi dini terhadap krisis pangan, dimana indikator ketersediaan pangan ini memperlihatkan keadaan pangan disuatu daerah sehingga dari situ dapat diambil kebijakan oleh pemerintah. Selain itu hasil simulasi rasio konsumsi normatif terhadap pangan ini merupakan input untuk metode jaringan syaraf tiruan yang digunakan untuk mendeteksi kondisi atau level krisis suatu kebupaten yang disimulasikan. Hasil dari metode jaringan syaraf tiruan dengan input data yang merupakan hasil simulasi model dinamik menunjukkan bahwa rasio konsumsi normatif merupakan variabel kedua setelah puso yang mempengaruhi krisis rawan pangan. Pertambahan jumlah penduduk yang tidak

28

diikuti dengan meningkatnya produksi pertanian merupakan salah satu mempengaruhi perubahan rasio konsumsi normatif. Menurut Eriyatno (2010), permintaan akan produk pertanian pada umumnya bersifat in-elastik karena terkait dengan makanan pokok (staple food) atau yang menjadi sumber bahan pangan penting. Artinya, kebutuhan akan produk tersebut tidak dapat bereaksi secara cepat terhadap perubahan pasokan maupun harga. Sehingga walaupun produk mengalami penurunan, maka permintaan tidak secara langsung mengalami penurunan. Pada penelitian sebelumnya yang dikembangkan oleh Seminar et al (2010) faktor dan parameter krisis pangan serta variabel-variabel yang diturunkan dari parameter krisis pangan telah dirumuskan dan dari hasil pengujian dan analisis keluaran komputasi cerdas dengan JST dapat diidentifikasi bobot prioritas semua variabel tersebut terhadap kondisi krisis pangan dengan urutan bobot terbesar hingga terkecil sebagai berikut: 1. Padi puso 2. Penduduk dibawah garis kemiskinan 3. Angka kematian bayi 4. IHSG 5. Berat badan Balita dibawah standar 6. Harga beras 7. Tanpa hutan 8. Rasio konsumsi normatif 9. Curah hujan 30 tahun 10. Perubahan kurs dolar Rasio konsumsi normatif berada pada urutan ke-8 dalam indikator yang mempengaruhi kerawanan pangan. Penambahan data yang lebih banyak untuk pelatihan dalam jaringan syaraf tiruan meningkatan sensitivitas rasio konsumsi normatif sebagai indikator kerawanan pangan. Dengan penambahan jagung pada model dinamik rasio konsumsi normatif terhadap pangan dan dengan inputan data terbaru maka terbukti bahwa rasio konsumsi normatif mempunyai peranan yang sangat penting sebagai parameter kerawanan pangan. Sampurna (2010) melakukan pengujian sistem deteksi dini untuk kerawanan yang telah

29

dikembangkan oleh Seminar et al (2010) dengan data riil yang lebih lengkap untuk kemudian disintesa dengan jaringan syaraf tiruan yang salah satu inputnya adalah rasio konsumsi normatif yang dihasilkan dari penelitian ini. Dari penelitian tersebut dihasilkan keluaran urutan parameter kerawanan pangan dari prioritas terbesar hingga terkecil sebagai berikut: 1. Padi Puso 2. Konsumsi Normatif 3. Kenaikan Harga Beras 4. IHSG 5. Angka Kematian Bayi 6. Daerah Rawan Longsor dan Banjir 7. Perubahan Kurs Dolar 8.

Penduduk Miskin

9.

Berat Badan Bayi di Bawah Standar

10. Curah Hujan 30 Tahun Posisi rasio konsumsi normatif meningkat menjadi urutan kedua yang artinya bahwa sebagai parameter kerawanan pangan, rasio konsumsi normatif sangat berperan dalam menunjukkan ketersedian pangan di suatu daerah. Untuk menghindari krisis maka perlu adanya deteksi dini supaya sebelum kondisi itu kritis sudah ada penganan dini untuk mencegah hal tersebut terjadi. ketersediaan pangan bukan satu-satunya faktor yang mempengaruhi rawan pangan tetapi akses untuk mendapatkan pangan tersebut harus terpenuhi dan juga dilihat tingkat konsumsi atau pemanfaatannya juga sehingga semua bersinergi dan pemanfaatanya akan lebih efektif. Dengan adanya deteksi dini maka diharapkan keadaan rawan pangan dapat dicegah.

30

V. KESIMPULAN DAN SARAN

A. KESIMPULAN Model dinamik yang dirancang dengan penambahan jagung sebagai komponen dalam rasio konsumsi normatif yang mempengaruhi kerawanan pangan untuk mendukung sistem isyarat dini ( early warning system) telah selesai dibuat. Keluaran simulasi rasio konsumsi normatif telah dihasilkan untuk berbagai wilayah kabupaten di provinsi Jawa Timur dan Yogyakarta. Dari hasil simulasi menunjukkan bahwa wilayah kabupaten yang disimulasikan termasuk wilayah aman pangan. Hal ini terbukti dengan nilai rasio konsumsi normatif rata-rata pada wilayah tersebut masih kurang dari 1 yang artinya persediaan pangan masih tercukupi. Selain itu hasil simulasi menunjukkan bahwa rata-rata rasio konsumsi normatif lebih kecil dibandingkan dengan hasil dari FSVA dengan persentase error sebesar 11.9 %. Hal ini terjadi karena perbedaan data series yang digunakan pada simulasi yaitu dari tahun 2000 hingga 2008 sedangkan FSVA menggunakan data 2005 hingga 2007. Uji coba yang dilakukan dengan data riil yang ada di lapangan pada beberapa lokasi (kabupaten) pada beberapa kurun waktu tertentu yang di inputkan ke dalam jaringan syaraf tiruan menunjukkan sensitivitas rasio konsumsi normatif meningkat hal ini terbukti dengan naiknya peringkat pengaruh parameter rasio konsumsi normatif dari urutan ke 8 menjadi urutan ke 2 setelah puso sebagai parameter kerawanan pangan.

B. SARAN Model simulasi dinamik untuk rasio konsumsi normatif akan lebih memperlihatkan kondisi terkini jika didukung dengan data riil yang ada dilapangan. Ketersediaan, keterbaruan, dan kontinuitas data sangat diperlukan untuk sistem dinamik yang dihasilkan dalam penelitian ini. Peran lembaga terkait seperti BPS dan pemerintah sangat diperlukan dalam penyediaan data dan bila perlu tidak hanya disediakan dalam dokumen tercetak tetapi menggunakan media internet (online) sehingga akan lebih mudah diakses.

31

DAFTAR PUSTAKA

Ariani, Mewa, et al. 2006. Laporan Akhir Penelitian Analisis Wilayah Rawan Pangan Dan Gizi Kronis Serta Alternative Penanggulanganya. Pusat Analisis Social Ekonomi Dan Kebijakan Pertanian. DEPTAN. Badan Pusat Statistik (BPS). Jawa Timur Dalam Angka (2000-2008). Byrknes, Helge and Jennifer Cover.1996. Quick Tour in Powersim.Virginia : Powersim Corporation. Darajati, Wahyuningsih. 2008. Membangun Kedaulatan Pangan Nasional. Makalah. Fakultas Pertanian Unversitas Gajah Mada. Yogyakarta. Departemen Pertanian. 2005. Peta Kerawanan Pangan Indonesia 2005. Badan Ketahanan Pangan. Jakarta. Departemen Pertanian. 2009. Peta Ketahanan dan Kerentanan Pangan Indonesia 2009. Dewan Ketahanan Pangan Indonesia. Jakarta Firdaus, M. Lukman M. B. dan Purdiyanti P. 2008. Swasembada Beras Dari Masa ke Masa: Telaah Efektivitas Kebijakan dan Perumusan Strategi Nasional. Penerbit : IPB Press. Bogor Eriyatno, Hari Wijayanto & Agus Buono. 2010. Indikasi Krisis, Parameter dan Faktor Pengendaliannya untuk Pembangunan Pertanian dan Pedesaan. Manajemen Krisis, ISBN: 978-979-493-246-5 hal. 53-126. Bogor: IPB Press. Eriyatno dan Lala M. Kolopaking. 2010. Strategi Penanggulangan Krisis Keuangan Global: Mengembangkan Sistem Ekonomi Domestik. Manajemen Krisis, ISBN: 978-979-493-246-5 hal. 1-51. Bogor: IPB Press. Fateta-Deptan. 2002. Analisa Perancangan Sistem Dinamis untuk Penyediaan Beras Nasional. Laporan Riset Kerjasama Fateta dengan Deptan. Handoko. 1994. Dasar Penyusunan Dan Aplikasi Model Simulasi Komputer Untuk Pertanian. Jurusan Geofisika dan Meteorologi Fakultas Matematika Dan Ilmu Pengetahuan Alam: Institut Pertanian Bogor. Hasan, M. 2006. Meningkatkan Ketahanan Pangan Nasional. Makalah Pengantar Falsafah Sains Program Pasca Sarjana. Institut Pertanian Bogor.

32

Hartisari. 2007. Sistem Dinamik : Konsep dan Pemodelan untuk Industri dan Lingkungan. SEAMEO BIOTROP. Bogor: Indonesia. http://www.antaranews.com/berita/1267545241/ketahanan-pangan-jadi-programprioritas-pembangunan-nasional/ diakses 14 maret 2010 http://sosbud.kompasiana.com/2010/01/09/tantangan-menuju-ketahanan-pangan/ diakses 14 maret 2010 http://agribisnis.deptan.go.id/ diakses 5 Juli 2010 Koesmaryono, Yonny, et al. 2008. Analisis dan Prediksi Curah Hujan Untuk Pendugaan Produksi Padi Dalam Rangka Antisipasi Kerawanan Pangan. Laporan Penelitian Akhir Penelitian Strategis Unggulan. LPPM IPB. Nuroniah, Siti, N,. 2003. Penjadwalan Produksi Dengan Pendekatan Metode dinamik (Studi kasus di PT Goodyear Indonesia , tbk). Skripsi. Fakultas Teknologi Pertanian Institut Pertanian Bogor. Bogor. Purnomo, Herry. 2005. Pengenalan Informatika Perspektif Teknik dan Lingkungan. Yogyakarta: Andi. Sampurno, Rizky. 2010. Uji Dan Aplikasi Jaringan Syaraf Tiruan Pada Early Warning System (Ews) Untuk Manajemen Krisis Pangan. Skripsi. Fakultas Teknologi Pertanian Institut Pertanian Bogor. Bogor . Seminar, Kudang Boro, Marimin dan Nuri Andarwulan. 2010. Sistem Deteksi Dini untuk Manajemen Krisis Pangan dengan Simulasi Model Dinamik dan Komputasi Cerdas. Manajemen Krisis. ISBN: 978-979-493-246-5 hal. 127162. Bogor: IPB Press. Sinthasari, Isfandria. 1988. Dinamika Persediaan Daging Sapi : Suatu Model Dinamik Untuk DKI Jakarta. Skripsi. Fakultas Teknologi Pertanian Institut Pertanian Bogor. Bogor . Taufiq, Zaky, M. 2005. Model Dinamik Pengolahan Dan Rantai Pasokan Mie Berbasis Pati Sagu Kasus Kota Madya Sukabumi. Skripsi. Fakultas Teknologi Pertanian Institut Pertanian Bogor. Bogor.

33

LAMPIRAN

34

Lampiran 1. Hasil Simulasi Model Dinamik Provinsi Jawa Timur dan Yogyakarta 1. Bangkalan

2. Banyuwangi

3. Blitar

4. Bojonegoro

35

5. Bondowoso

6. Gresik

7. Jombang

8. Kediri

36

9. Lamongan

10. Lumajang

11. Madiun

12. Magetan

37

13. Malang

14. Mojokerto

15. Nganjuk

16. Ngawi

38

17. Pacitan

18. Pamekasan

19. Pasuruan

20. Ponorogo

39

21. Probolinggo

22. Sampang

23. Sidoarjo

24. Situbondo

40

25. Sumenep

26. Trenggalek

27. Tuban

28. Tulungagung

41

29. Sleman

30. Gunung Kidul

31. Bantul

32. Tulung Agung

42

Lampiran 2. Persamaan Matematik Model Dinamik Rasio Konsumsi Normatif

init luas_panen = 98581 flow luas_panen = +dt*pert_luas_panen init luas_panen_jagung = 37291 flow luas_panen_jagung = +dt*pert_luas_panen_jagung init penduduk = 1239756 flow penduduk = +dt*pert_penduduk aux pert_luas_panen = luas_panen*laju_pert_luas_panen aux pert_luas_panen_jagung =luas_panen_jagung*laju_pert_luas_panen_jagung aux pert_penduduk = penduduk*laju_pert_penduduk aux gkg = luas_panen*produktivitas_lahan/1000 aux rasio = total_kons_beras/total_produksi aux selisih_p_k = total_produksi-total_kons_beras aux Tahun = TIME+2005 aux total_kons_beras = penduduk*kons_normatif_per_kapita/1000 aux total_prod_beras=produktivitas_lahan*luas_panen*rendemen*(1susut)/1000 aux total_prod_jagung = luas_panen_jagung*prod_lahan_jagung/1000 aux total_produksi = total_prod_beras+(total_prod_jagung*(3620/3520)) const kons_normatif_per_kapita = 109.5 const laju_pert_luas_panen = 0.01557 const laju_pert_luas_panen_jagung = 0.0744 const laju_pert_penduduk = 0.01127 const prod_lahan_jagung = 3662.12 const produktivitas_lahan = 54438 const rendemen = 0.6274 const susut = 0.1082

43

Lampiran 3. Tabel Jumlah Penduduk Jawa Timur Dan Laju Pertambahan Penduduknya (1) Kabupaten 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Pacitan Ponorogo Trenggalek Tulungagung Blitar Kediri Malang Lumajang Jember Banyuwangi Bondowoso Situbondo Probolinggo Pasuruan Sidoarjo Mojokerto Jombang Nganjuk Madiun Magetan Ngawi Bojonegoro Tuban

2000

2001

2002

2003

2004

2005

2006

2007

2008

Laju (%)

524373 836176 645038 922562 1055666 1397543 2382918 955197 2163192 1469534 687287 599126 992765 1347987 1535173 900112 1118659 963667 637192 612181 806749 1155170 1041172

527399 841696 651750 932880 1066155 1412881 2426540 967970 2197310 1491104 690696 605678 1011548 1380582 1595647 916927 1131786 975918 640588 617258 814220 1169840 1057528

524374 836178 645041 922566 1055671 1397549 2382925 955205 2163201 1469544 687298 599138 992778 1348001 1535188 900128 1118676 963685 637211 612201 806770 1155192 1041195

538149 869280 669211 959671 1110377 1474143 2514009 999150 2230291 1539875 708328 620737 1034973 1416594 1674121 966416 1171378 1028094 656812 620366 839725 1211995 1076100

538583 869655 670120 961991 1111815 1477898 2350384 1000260 2239575 1539393 710339 621624 1041498 1434670 1720844 977956 1176266 1028861 657158 622112 840172 1216661 1080562

551290 885047 673102 977211 1069151 1450937 2375537 1013454 2295795 1517432 701105 616505 1040234 1433270 1715439 978769 1237640 991313 642159 622384 827728 1239756 1069935

553321 888857 673920 981257 1069569 1451028 2388755 1017467 2304634 1522534 703303 618816 1041370 1438610 1737543 987817 1253752 994468 642335 623536 830281 1247919 1073071

555262 892527 674620 985147 1069798 1451119 2401624 1021317 2313100 1527384 705384 621026 1042323 1443716 1759623 996774 1269851 997458 642398 624581 832696 1255914 1076027

557029 895921 675380 988731 1070122 1451630 2413779 1024849 2320844 1531753 707242 623042 1043671 1448370 1781405 1005486 1285739 1000132 642518 625424 834847 1263551 1078641

0.758 0.866 0.576 0.870 0.170 0.476 0.161 0.884 0.883 0.520 0.358 0.490 0.627 0.902 1.877 1.393 1.755 0.465 0.104 0.268 0.429 1.127 0.443

44

Lampiran 3. Tabel Jumlah Penduduk Jawa Timur Dan Laju Pertambahan Penduduknya (2) Kabupaten

2000

24 Lamongan 1178964 25 Gresik 991601 26 Bangkalan 795888 27 Sampang 746669 28 Pamekasan 686788 29 Sumenep 979616 Sumber : Badan Pusat Statistik (diolah)

2001

2002

2003

2004

2005

2006

1184463 1178988 1235627 1237411 1187504 1188136 1017813 991626 1057213 1070442 1132689 1153292 809061 795914 885318 890830 907119 923657 753464 746696 833005 836628 851537 868370 693500 686816 739226 745148 785932 802172 989712 979645 1031655 1035687 1016187 1016418

2007

2008

Laju (%)

1188559 1174063 940331 885379 818604 1016471

1189087 1194821 956996 902429 835101 1016907

0.107 2.358 2.331 2.397 2.474 0.468

45

Lampiran 4. Tabel Luas Panen Padi Dan Produktivitas Jawa Timur Dan Yogyakarta (1)

No.

Luas Panen Padi (Ha)

Kabupaten 2005

2006

2007

2008

Rerata

laju pertumbuhan luas panen

Produktivitas (Ku/ha) 2004

2005

2006

2007

2008

1

Pacitan

31441

30185

28527

29915

30017.00

-0.015

38.81 41.05

40.78

39.31

39.24

2

Ponorogo

55580

54807

59434

55636

56364.10

0.002

56.71 58.00

62.64

59.00

57.94

3

Trenggalek

24235

23752

23087

23774

23712.00

-0.006

47.10 44.84

49.12

46.09

47.15

4

Tulungagung

38816

40678

38440

38722

39164.00

0.000

57.15 59.32

54.41

54.61

56.07

5

Blitar

45492

48361

44709

46253

46203.60

0.007

48.77 49.03

54.26

48.71

50.11

6

Kediri

56403

56767

54966

55824

55990.00

-0.003

50.19 57.56

55.58

59.01

54.08

7

Malang

59896

67911

60471

61459

62434.10

0.014

54.33 55.90

54.10

54.64

54.83

8

Lumajang

70396

62713

64459

67543

66277.80

-0.011

50.09 49.52

48.52

51.91

49.30

9

Jember

139192 139453 138851 138533

139007.00

-0.002

51.19 50.57

51.34

52.85

50.88

10

Banyuwangi

101228 109379 113575 108721

108226.00

0.025

56.81 57.59

56.77

56.20

56.53

11

Bondowoso

52815

52216

53752

54148

53232.80

0.008

49.31 47.50

47.10

47.20

48.36

12

Situbondo

34159

35202

31310

32789

33365.00

-0.011

51.19 52.40

52.69

56.32

52.72

13

Probolinggo

50859

52124

50319

50396

50924.50

-0.003

48.35 48.18

46.16

47.33

48.00

14

Pasuruan

73882

72546

81087

73636

75287.70

0.003

57.24 58.59

57.77

58.10

58.21

15

Sidoarjo

27419

28500

29779

28748

28611.40

0.017

55.21 56.25

55.08

59.16

54.98

16

Mojokerto

42471

44623

42359

42461

42978.40

0.001

58.77 57.39

57.86

58.75

57.67

17

Jombang

59183

61689

63226

60501

61149.80

0.008

54.91 56.01

53.04

56.57

55.67

18

Nganjuk

68545

69393

70869

68011

69204.50

-0.002

56.76 56.27

53.44

55.31

55.04

19

Madiun

57282

59486

62012

58237

59254.20

0.007

58.06 58.19

55.29

56.56

56.45

46

Lampiran 4. Tabel Luas Panen Padi Dan Produktivitas Jawa Timur Dan Yogyakarta (2)

No.

Luas Panen Padi (Ha)

Kabupaten 2005

2006

2007

2008

Rerata

38993

laju pertumbuhan luas panen

Produktivitas (Ku/ha) 2004

2005

2006

2007

2008

20

Magetan

37980

37056

37358

37846.70

-0.005

51.51

53.48

55.05

59.37

54.28

21

Ngawi

95809 102903 103168

98032

99978.00

0.009

55.37

54.68

54.85

54.45

54.52

22

Bojonegoro

98581 109593 106864 102578

104404.00

0.016

56.55

54.44

55.95

54.87

54.54

23

Tuban

70247

69703

71436.30

-0.002

53.31

55.08

53.06

55.75

54.43

24

Lamongan

118931 127758 126436 120399

123381.00

0.005

55.18

54.11

55.43

58.55

55.16

25

Gresik

49123

53550

50428

50908

51002.30

0.014

50.66

54.03

56.48

57.84

54.43

26

Bangkalan

42283

41140

36832

40501

40189.00

-0.011

46.59

42.18

44.60

40.77

44.76

27

Sampang

29343

31148

32896

31881

31317.10

0.029

44.77

40.08

49.38

45.67

45.89

28

Pamekasan

19563

21744

21347

21770

21106.00

0.038

40.96

38.65

38.90

42.45

41.22

29

Sumenep

26242

24695

21291

25288

24379.00

-0.003

48.78

49.65

51.81

47.74

48.51

73104

72691

yogyakarta 30

Kulonprogo

17748

16556

16700

18623

17762.5

-0.1100

58.28

57.99

60.93

62.93

59.483

31

Bantul

25081

24655

25681

24925 24732.83333

0.1091

58.67

59.08

62.22

66.46

60.980

32

Gunungkidul

45574

47041

48315

52707

47413

0.0749

38.77

45.52

42.24

46.26

41.693

43502 43305.83333

0.0057

57.19

57.2

57.1

61.82

57.537

33 Sleman 42406 43994 42535 Sumber : Dinas Pertanian dan BPS (diolah)

47

Lampiran 5. Tabel Luas Panen Jagung Dan Produktivitas Jawa Timur Dan Yogyakarta (1)

No

Luas Panen jagung (ha)

Kabupaten

Produktivitas jagung (Ku/ha)

Laju

2004

2005

2006

2007

2008

2004

2005

2006

2007

2008

1 Pacitan

21.871

22.631

23.241

25.317

23.998

0.025

38.568

40.405

37.618

44.575

52.781

2 Ponorogo

28.990

31.410

28.568

27.863

27.312

-0.013

51.63

50.239

52.183

49.566

57.664

3 Trenggalek

12.753

11.767

11.798

14.421

11.684

-0.011

36.209

43.521

46.922

44.504

41.866

4 Tulungagung

16.804

20.327

22.971

26.906

24.991

0.110

43.174

48.953

47.331

50.532

47.837

5 Blitar

42.165

45.170

41.153

39.830

50.302

0.053

48.576

47.735

46.565

44.208

49.275

6 Kediri

52.651

56.748

52.861

56.448

45.383

-0.030

46.517

51.893

49.372

52.186

58.977

7 Malang

67.178

62.922

57.623

53.890

58.591

-0.031

41.572

39.085

39.871

39.129

47.628

8 Lumajang

35.356

35.772

33.294

34.344

30.353

-0.036

37.598

33.061

33.162

35.632

39.121

9 Jember

58.357

54.013

54.579

56.073

54.307

-0.017

46.515

48.745

49.35

47.652

45.571

10 Banyuwangi

18.508

17.399

16.516

22.093

27.592

0.119

38.333

41.556

42.068

43.741

52.953

11 Bondowoso

39.917

41.044

42.318

38.272

40.986

0.009

35.118

33.145

33.642

34.596

37.118

12 Situbondo

45.787

47.867

42.022

41.704

55.650

0.063

37.394

37.296

38.054

40.054

42.897

13 Probolinggo

63.992

59.685

61.447

56.570

62.016

-0.005

36.88

35.559

34.45

36.169

41.876

14 Pasuruan

29.419

33.794

29.583

27.208

36.145

0.068

34.914

37.183

35.24

38.053

36.576

15 Sidoarjo

77

48

55

35

54

-0.013

32.078

31.458

31.455

32.857

32.222

16 Mojokerto

20.057

21.332

18.506

19.015

22.242

0.032

44.052

51.4

42.25

40.026

44.488

17 Jombang

24.733

27.007

27.211

29.836

40.082

0.135

49.396

49.867

48.127

44.845

44.63

18 Nganjuk

30.641

31.911

31.305

29.090

32.720

0.019

48.385

47.227

46.768

44.595

46.888

48

Lampiran 5. Tabel luas panen jagung dan produktivitas Jawa Timur dan Yogyakarta (2)

No

Luas Panen jagung (ha)

Kabupaten

Produktivitas jagung (Ku/ha)

Laju

2004

2005

2006

2007

2008

2004

2005

2006

2007

2008

19 Madiun

3.908

6.009

4.663

5.551

5.861

0.140

44.66

42.619

46.266

50.02

64.682

20 Magetan

11.837

12.274

13.024

12.666

13.939

0.043

54.736

53.732

51.685

54.766

56.992

21 Ngawi

8.532

10.467

10.282

10.876

11.643

0.084

54.79

47.041

49.155

58.478

43.145

22 Bojonegoro

22.239

37.291

29.762

35.095

41.216

0.207

32.807

36.621

36.211

31.475

51.835

23 Tuban

74.947

71.118

73.679

81.544

98.793

0.076

37.542

38.52

44.12

44.162

50.223

24 Lamongan

43.354

55.475

52.368

50.775

57.309

0.080

45.051

44.49

48.191

49.902

56.33

25 Gresik

22.551

23.087

21.482

21.907

22.702

0.003

46.847

39.852

45.942

48.264

43.675

26 Bangkalan

78.045

88.056

72.884

79.274

75.679

0.000

21.146

21.851

17.602

17.563

18.409

27 Sampang

81.837

81.976

81.805

81.175

93.060

0.035

21.245

21.947

16.743

17.639

18.236

28 Pamekasan

39.004

39.471

32.157

40.899

42.350

0.034

22.595

22.767

20.258

20.322

23.625

29 Sumenep

137.431

151.491

104.626

127.809

121.789

-0.008

23.59

23.588

21.324

23.763

27.746

3888

3889

4499

3797

5047

0.014

60.39

59.76

58.35

62.45

65.94

5229

5155

4976

5526

5739

0.079

36.44

44.73

35.91

48.62

52.58

54267 59046 32 Gunungkidul 4236 4604 33 Sleman Sumber : Dinas Pertanian dan BPS (diolah)

56309

56387

55347

0.099

27.00

30.20

27.78

32.08

34.51

4477

4500

5029

0.021

53.27

52.68

51.40

59.34

61.44

yogyakarta 30 Kulonprogo 31 Bantul

49

Lampiran 6. Tabel Perhitungan Untuk Validasi Rasio Konsumsi Normatif (1)

No

Wilayah/ Tahun Jawa Timur

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Pacitan Ponorogo Trenggalek Tulungagung Blitar Kediri Malang Lumajang Jember Banyuwangi Bondowoso Situbondo Probolinggo Pasuruan Sidoarjo Mojokerto Jombang Nganjuk Madiun

rasio konsumsi normatif hasil simulasi 2005 0.36 0.28 0.65 0.46 0.34 0.33 0.59 0.35 0.38 0.32 0.27 0.24 0.32 0.48 2.17 0.26 0.42 0.29 0.33

2006 0.35 0.29 0.64 0.45 0.33 0.33 0.60 0.36 0.39 0.31 0.27 0.24 0.33 0.48 2.18 0.27 0.41 0.29 0.33

2007 0.33 0.29 0.34 0.44 0.31 0.34 0.60 0.37 0.39 0.30 0.26 0.23 0.34 0.49 2.18 0.28 0.40 0.29 0.33

2008 0.31 0.29 0.26 0.43 0.30 0.34 0.60 0.38 0.40 0.29 0.26 0.23 0.35 0.49 2.18 0.28 0.40 0.29 0.33

2009 0.29 0.29 0.17 0.42 0.29 0.35 0.61 0.39 0.40 0.29 0.25 0.23 0.35 0.49 2.18 0.29 0.39 0.28 0.32

rata-rata 20052007(Xm) 0.35 0.28 0.54 0.45 0.33 0.33 0.60 0.36 0.38 0.31 0.27 0.24 0.33 0.48 2.18 0.27 0.41 0.29 0.33

rasio normatif FSVA 2005-2007 (Xd) 0.41 0.31 0.65 0.49 0.40 0.36 0.65 0.37 0.38 0.40 0.29 0.27 0.36 0.44 2.01 0.51 0.45 0.31 0.32

|XmXd| 0.06 0.03 0.10 0.04 0.07 0.03 0.05 0.01 0.00 0.09 0.02 0.04 0.03 0.04 0.17 0.24 0.04 0.02 0.01

Σ |xmxd|/xd 0.15 0.09 0.16 0.08 0.18 0.08 0.08 0.04 0.00 0.22 0.08 0.13 0.07 0.10 0.08 0.47 0.09 0.08 0.03

50

Lampiran 6. Tabel Perhitungan Untuk Validasi Rasio Konsumsi Normatif (2)

No

Wilayah/ Tahun Jawa Timur

20 21 22 23 24 25 26 27 28 29

Magetan Ngawi Bojonegoro Tuban Lamongan Gresik Bangkalan Sampang Pamekasan Sumenep

rasio konsumsi normatif hasil simulasi 2005 0.38 0.26 0.31 0.24 0.21 0.51 0.33 0.37 0.64 0.25

2006 0.37 0.26 0.30 0.23 0.21 0.51 0.33 0.36 0.63 0.25

2007 0.37 0.26 0.29 0.23 0.21 0.52 0.33 0.35 0.63 0.26

2008 0.37 0.26 0.29 0.23 0.20 0.52 0.33 0.34 0.62 0.26

2009 0.37 0.26 0.28 0.24 0.20 0.52 0.33 0.34 0.61 0.26

rata-rata 20052007(Xm) 0.37 0.26 0.30 0.23 0.21 0.51 0.33 0.36 0.63 0.25

rasio normatif FSVA 2005-2007 (Xd) 0.37 0.25 0.32 0.23 0.22 0.51 0.46 0.49 0.80 0.37

|XmXd| 0.01 0.01 0.02 0.00 0.01 0.00 0.13 0.13 0.17 0.12 Σ |xmxd|/xd mape

|XmXd|/Xd 0.02 0.04 0.06 0.01 0.03 0.01 0.28 0.26 0.21 0.32 3.457 11.9

51

Lampiran 7. Tabel Perhitungan untuk validasi Model Jumlah Penduduk (1) No

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Wilayah/ Tahun

jumlah penduduk hasil simulasi

Jawa Timur

2005

2006

2007

2008

Pacitan Ponorogo Trenggalek Tulungagung Blitar Kediri Malang Lumajang Jember Banyuwangi Bondowoso Situbondo Probolinggo Pasuruan Sidoarjo Mojokerto Jombang Nganjuk Madiun

551290 885047 673102 977211 1069151 1450937 2375537 1013454 2295795 1517432 701105 616505 1040234 1433270 1715439 978769 1237640 991313 642159

555648 892721 676979 985712 1070969 1457843 2379362 1022413 2295600 1525323 703615 619525 1046756 2316067 1747638 992403 1259361 995922 642826

559679 900442 680878 994288 1072789 1464789 2383192 1031451 2354452 1533254 706133 622561 1053319 2336518 1780441 1006227 1281462 1000554 643495

563921 908240 684800 1002939 1074613 1471755 2387029 1040569 2365554 1541227 708661 625612 1059924 2357149 1813860 1020244 1303952 1005206 644164

rata-rata jumlah penduduk hasil simulasi (Xm) 557635 896613 678940 990038 1071881 1461331 2381280 1026972 2327850 1529309 704879 621051 1050058 2110751 1764345 999411 1270604 998249 643161

jumlah penduduk aktual 2005 551290 885047 673102 977211 1069151 1450937 2375537 1013454 2295795 1517432 701105 616505 1040234 1433270 1715439 978769 1237640 991313 642159

2006 553321 888857 673920 981257 1069569 1451028 2388755 1017467 2304634 1522534 703303 618816 1041370 1438610 1737543 987817 1253752 994468 642335

2007

2008

555262 892527 674620 985147 1069798 1451119 2401624 1021317 2313100 1527384 705384 621026 1042323 1443716 1759623 996774 1269851 997458 642398

557029 895921 675380 988731 1070122 1451630 2413779 1024849 2320844 1531753 707242 623042 1043671 1448370 1781405 1005486 1285739 1000132 642518

rata-rata jumlah penduduk aktual (Xd) 554226 890588 674256 983087 1069660 1451179 2394924 1019272 2308593 1524776 704259 619847 1041900 1440992 1748503 992212 1261746 995843 642353

|xm-xd|

3409 6025 4684 6951 2221 10153 13644 7700 19257 4533 620 1204 8159 669760 15842 7199 8858 2406 809

52

Σ |xmxd|/xd 0.006 0.007 0.007 0.007 0.002 0.007 0.006 0.008 0.008 0.003 0.001 0.002 0.008 0.465 0.009 0.007 0.007 0.002 0.001

Lampiran 7. Tabel Perhitungan untuk validasi Model Jumlah Penduduk (2) No

20 21 22 23 24 25 26 27 28 29

Wilayah/ Tahun

jumlah penduduk hasil simulasi

Jawa Timur

2005

2006

2007

2008

Magetan Ngawi Bojonegoro Tuban Lamongan Gresik Bangkalan Sampang Pamekasan Sumenep

622384 827728 1239756 1069935 1187504 1132689 907119 851537 785932 1016187

624052 831279 1253728 1074675 1189487 1159398 928263 871948 805376 1020943

625724 834845 1267858 1079436 1191474 1186736 949901 892848 825301 1025721

627401 838426 1282146 1084218 1193463 1214720 972044 914250 845718 1030521

rata-rata jumlah penduduk hasil simulasi (Xm) 624890 833070 1260872 1077066 1190482 1173386 939332 882646 815582 1023343

jumlah penduduk aktual 2005 622384 827728 1239756 1069935 1187504 1132689 907119 851537 785932 1016187

2006 623536 830281 1247919 1073071 1188136 1153292 923657 868370 802172 1016418

2007

2008

624581 832696 1255914 1076027 1188559 1174063 940331 885379 818604 1016471

625424 834847 1263551 1078641 1189087 1194821 956996 902429 835101 1016907

rata-rata jumlah penduduk aktual (Xd) 623981 831388 1251785 1074419 1188322 1163716 932026 876929 810452 1016496

|xm-xd|

909 1682 9087 2648 2161 9670 7306 5717 5130 6847 Σ|xmxd|/xd mape

53

Σ |xmxd|/xd 0.001 0.002 0.007 0.002 0.002 0.008 0.008 0.007 0.006 0.007 0.614 2.116

Lampiran 8. Tabel Perhitungan Untuk Validasi Model Jumlah Produksi Jagung (1) No

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Wilayah/ Tahun

jumlah produksi hasil simulasi xm (ton)

jumlah produksi aktual aktual xd (ton)

Jawa Timur

2005 (xm1)

2006 (xm2)

2007 (xm3)

2008 (xm4)

2005 (xd1)

2006 (xd2)

2007 (xd3)

2008 (xd4)

Pacitan Ponorogo Trenggalek Tulungagung Blitar Kediri Malang Lumajang Jember Banyuwangi Bondowoso Situbondo Probolinggo Pasuruan Sidoarjo Mojokerto Jombang Nganjuk Madiun

91441 157800 51211 99507 215619 294484 245931 118265 263285 72304 136042 178523 212231 125656 151 109646 134675 150707 25610

102002.44 158147.86 53525.78 106770.97 227672.10 290567.46 241257.95 114338.69 267419.96 77618.32 142449.56 287445.83 206246.00 128583.67 205.50 107782.49 144142.65 156072.21 25594.63

113783.73 158495.79 55945.15 114565.26 240389.97 286702.91 236674.05 110542.65 271618.46 83323.27 149158.93 291185.50 200429.86 131579.67 279.66 105950.19 154275.88 161628.38 25579.27

126925.75 158844.48 58473.87 122928.52 253837.27 282889.76 232177.25 106872.63 275882.87 89447.53 156184.32 295060.34 194777.74 134645.48 380.59 104149.03 165121.47 167382.35 25563.93

91441 157800 51211 99507 215619 294484 245931 118265 263285 72304 136042 178523 212231 125656 151 109646 134675 150707 25610

87427 149076 55359 108724 191630 260987 229746 110411 269347 69479 142365 159910 211687 104251 173 78188 130958 146407 21574

112850 138107 64179 135962 176080 294582 210866 122376 267198 96636 132406 167040 204606 103534 115 76110 133799 129726 27766

126665 157492 48916 119550 247864 267656 279057 118744 247481 146108 152133 238721 259696 132205 174 98951 178886 153417 37910

(|xm1(|xm2(|xm3(|xm4Σ|xmxd1|)/xd1 xd2|)/xd2 xd3|)/xd3 xd4|)/xd4 xd|/xdn 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.167 0.061 0.033 0.018 0.188 0.113 0.050 0.036 0.007 0.117 0.001 0.798 0.026 0.233 0.188 0.379 0.101 0.066 0.186

0.008 0.148 0.128 0.157 0.365 0.027 0.122 0.097 0.017 0.138 0.127 0.743 0.020 0.271 1.432 0.392 0.153 0.246 0.079

0.002 0.009 0.195 0.028 0.024 0.057 0.168 0.100 0.115 0.388 0.027 0.236 0.250 0.018 1.187 0.053 0.077 0.091 0.326

0.18 0.22 0.36 0.20 0.58 0.20 0.34 0.23 0.14 0.64 0.15 1.78 0.30 0.52 2.81 0.82 0.33 0.40 0.59

54

Lampiran 8. Tabel Perhitungan Untuk Validasi Model Jumlah Produksi Jagung (2) No

20 21 22 23 24 25 26 27 28 29

Wilayah/ Tahun

jumlah produksi hasil simulasi xm (ton)

jumlah produksi aktual aktual xd (ton)

Jawa Timur

2005 (xm1)

2006 (xm2)

2007 (xm3)

2008 (xm4)

2005 (xd1)

2006 (xd2)

2007 (xd3)

2008 (xd4)

Magetan Ngawi Bojonegoro Tuban Lamongan Gresik Bangkalan Sampang Pamekasan Sumenep

65951 49238 136564 273943 246811 92007 192412 179912 89863 357339

67942.75 50528.06 146942.19 506091.31 254462.19 94435.99 200185.50 190418.76 92999.05 357302.75

69994.62 51851.90 158109.79 514215.27 262350.52 96929.10 208273.00 201539.22 96244.72 357267.02

72108.45 53210.42 170126.14 522592.50 270483.39 99488.03 216687.20 213309.11 99603.66 357231.29

65951 49238 136564 273943 246811 92007 192412 179912 89863 357339

67315 50541 107772 325069 252369 98692 128288 136963 65144 223109

69366 63601 110462 360112 253379 105733 139226 143183 83116 303715

79441 50234 213644 496173 322820 99152 139316 169702 100052 337916

(|xm1(|xm2(|xm3(|xm4Σ|xmxd1|)/xd1 xd2|)/xd2 xd3|)/xd3 xd4|)/xd4 xd|/xdn 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.009 0.000 0.363 0.557 0.008 0.043 0.560 0.390 0.428 0.601

0.009 0.185 0.431 0.428 0.035 0.083 0.496 0.408 0.158 0.176

0.092 0.059 0.204 0.053 0.162 0.003 0.555 0.257 0.004 0.057 Σ|xmxd|/xdn mape

0.11 0.24 1.00 1.04 0.21 0.13 1.61 1.05 0.59 0.83 17.60 15

55

Lampiran 9. Tabel Perhitungan Untuk Validasi Model Jumlah Produksi Beras (1) No

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Wilayah/ Tahun

jumlah produksi hasil simulasi xm (ton)

jumlah produksi aktual aktual xd (ton)

Jawa Timur

2005 (xm1)

2006 (xm2)

2007 (xm3)

2008 (xm4)

2005 (xd1)

2006 (xd2)

2007 (xd3)

2008 (xd4)

Pacitan Ponorogo Trenggalek Tulungagung Blitar Kediri Malang Lumajang Jember Banyuwangi Bondowoso Situbondo Probolinggo Pasuruan Sidoarjo Mojokerto Jombang Nganjuk Madiun

129007.88 322380.67 108672.16 230248.75 223029.08 325023.61 334836.61 348565.79 703949.62 801622.4 250881.81 179003.41 245018.32 432845.09 154226.39 243736.82 331478.06 385689.01 333341.14

127090.08 323089.91 108009.26 230469.79 224670.57 323983.54 339366.95 344696.71 702823.3 822008.6 253009.29 177052.27 244356.77 434143.62 156848.24 245637.97 334146.46 384840.49 335571.19

125132.89 323800.71 107350.41 230691.04 226324.15 322946.79 343958.58 340870.58 701698.78 842871.17 255154.81 175122.4 243697.01 435446.05 159514.66 247553.95 336836.34 383993.84 337816.17

123205.85 323800.71 106695.57 230912.5 227989.89 321913.36 348612.34 337086.92 700576.07 864263.25 257318.52 173213.57 243039.02 436752.39 162226.41 249484.87 339547.87 383149.05 340076.16

129077 322379 108673 230247 223030 324681 334838 348569 703948 583016 250883 179005 245017 432846 154226 243737 331477 385690 333342

123083 343320 116673 221337 262390 315512 367424 304270 715879 620973 245929 185473 240603 419083 156974 258167 327209 370851 328897

112147 350674 106412 209937 217758 324358 330422 334611 733853 638244 253703 176341 238154 471077 176172 248875 357658 391992 350711

117383.8333 322354 112088.5 217124.3333 231789.8333 301904.1667 336959.8333 333013.6667 704790 614561.6667 261837.3333 172878.8333 241900.9667 428645 158061.3333 244873.3333 336816.8333 374325.8333 328719.3333

(|xm1(|xm2(|xm3(|xm4xd1|)/xd1 xd2|)/xd2 xd3|)/xd3 xd4|)/xd4 0.0005 0.0000 0.0000 0.0000 0.0000 0.0011 0.0000 0.0000 0.0000 0.3750 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

0.0326 0.0589 0.0743 0.0413 0.1438 0.0269 0.0764 0.1329 0.0182 0.3237 0.0288 0.0454 0.0156 0.0359 0.0008 0.0485 0.0212 0.0377 0.0203

0.1158 0.0766 0.0088 0.0989 0.0393 0.0044 0.0410 0.0187 0.0438 0.3206 0.0057 0.0069 0.0233 0.0756 0.0946 0.0053 0.0582 0.0204 0.0368

0.0496 0.0045 0.0481 0.0635 0.0164 0.0663 0.0346 0.0122 0.0060 0.4063 0.0173 0.0019 0.0047 0.0189 0.0264 0.0188 0.0081 0.0236 0.0345

56

Σ|xmxd|n 0.20 0.14 0.13 0.20 0.20 0.10 0.15 0.16 0.07 1.43 0.05 0.05 0.04 0.13 0.12 0.07 0.09 0.08 0.09

Lampiran 9. Tabel Perhitungan Untuk Validasi Model Jumlah Produksi Beras (2) No

Wilayah/ Tahun Jawa Timur

20 21 22 23 24 25 26 27 28 29

Magetan Ngawi Bojonegoro Tuban Lamongan Gresik Bangkalan Sampang Pamekasan Sumenep

jumlah produksi hasil simulasi xm (ton)

jumlah produksi aktual aktual xd (ton)

2005 (xm1)

2006 (xm2)

2007 (xm3)

2008 (xm4)

2005 (xd1)

2006 (xd2)

2007 (xd3)

2008 (xd4)

203109.44 523883.61 536655.25 386920 643583.21 265421.39 178362.38 117600.88 75609.04 130283.66

202093.9 528567.13 545010.97 386146.64 647039.26 269078.9 176453.9 121003.07 78457.99 129892.81

201083.43 533292.52 553496.79 385374.34 650513.86 272786.81 174565.84 124503.69 81414.28 129503.13

200078.01 538292.52 562114.74 384603.59 654007.12 276545.81 172697.99 128105.58 84481.97 129114.62

203109 523888 536651 386922 643582 265420 178364 117601 75610 130283

214666 564403 613161 387864 708142 302435 183497 153818 84585 127937

220018 561738 586313 405264 740272 291670 150165 150234 90623 101649

202765.6667 534512.1667 559473.5 379392.8333 664155.5 277096.5 181286.1667 146291.6667 89741.66667 122680.1667

(|xm1(|xm2(|xm3(|xm4xd1|)/xd1 xd2|)/xd2 xd3|)/xd3 xd4|)/xd4 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

0.0586 0.0635 0.1111 0.0044 0.0863 0.1103 0.0384 0.2133 0.0724 0.0153

0.0861 0.0506 0.0560 0.0491 0.1213 0.0647 0.1625 0.1713 0.1016 0.2740

0.0133 0.0071 0.0047 0.0137 0.0153 0.0020 0.0474 0.1243 0.0586 0.0524 Σ|xmxd|n mape

57

Σ|xmxd|n 0.16 0.12 0.17 0.07 0.22 0.18 0.25 0.51 0.23 0.34 5.77 4.97