METODE PENELITIAN. Lokasi dan Waktu Penelitian. Metode Pengumpulan Data

Transkripsi

1 METODE PENELITIAN Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Kabupaten Solok Provinsi Sumatera Barat. Penelitian dilaksanakan selama 4 bulan dimulai dari bulan Juni hingga September Metode Pengumpulan Data Data yang digunakan dalam penelitian ini berasal dari dua sumber yaitu data primer dan data sekunder. Data primer diperoleh secara langsung dari responden melalui wawancara atau observasi, sedangkan data sekunder diperoleh dari laporan-laporan, literatur, publikasi dan dokumen-dokumen lainnya termasuk data dari lembaga-lembaga atau instansi-instansi terkait. dalam Tabel 2. Jenis dan Sumber Data Jenis dan sumber data yang digunakan dalam penelitian ini disajikan Tabel 2 Jenis dan sumber data yang digunakan dalam penelitian No. Jenis Data Skala Tahun Sumber 1. Peta administrasi 1: Bappeda Kab. Solok 2. Peta RTRW 1: Bappeda Kab. Solok 3. Peta penggunaan lahan 1: Bappeda Kab. Solok 4. Peta kesesuaian lahan 1: Bappeda Kab. Solok 5. Data luas tanam, panen dan produksi tanaman pangan Dinas Pertanian/ BPS Kab.Solok 6. Data luas sawah Dinas Pertanian/ BPS Kab.Solok 7. Data sarana/prasarana pertanian Dinas Pertanian/ BPS Kab.Solok 8. Data kependudukan BPS Kab. Solok 9. Persepsi para pihak Wawancara

2 18 Metode Analisis Data Untuk dapat mengetahui potensi wilayah maka terlebih dahulu harus mengetahui gambaran umum potensi dan karakteristik wilayah berdasarkan datadata sekunder yang terkumpul. Data yang terkumpul kemudian dianalisis sesuai dengan tujuan yang ingin dicapai dalam penelitian sehingga dapat menjawab permasalahan yang dirumuskan. Matriks berikut (Tabel 3) menunjukkan hubungan antara data yang digunakan, metode analisis, tujuan dan keluaran yang diharapkan, sedangkan tahapan penelitian dapat dilihat pada Gambar 2. Tabel 3 Matriks analisis penelitian No. Metode Analisis Tujuan Data Yang digunakan Output yang diharapkan 1. Evaluasi lahan Mengidentifikasi potensi lahan Peta Adminisitrasi Peta Kesesuaian Lahan Peta Landuse Peta RTRW Mengetahui ketersediaan dan kesesuaian lahan 2. Location Quotient (LQ) Mengetahui sentra komoditas padi berdasarkan keunggulan komparatif Luas tanam, panen, produksi tanaman pangan Mengetahui komoditas unggulan tiap kecamatan 3. Principal Component Analysis dan Cluster Analysis Mengetahui tipologi kecamatan pengembangan padi Data PODES Data potensi pertanian tanaman pangan Kabupaten Solok Dalam Angka Survey lapangan Mengetahui SDA, SDM, infrastruktur dan lainnya yang berhubungan dengan pertanian padi pada setiap wilayah 4. Analisis deskripsi Mengetahui perubahan luas lahan sawah. Data tabular luas sawah time series Faktor-faktor penyebab perubahan lahan sawah 5. Land Rent dan SWOT Merumuskan prioritas arahan kebijakan pengembangan padi di Kabupaten Solok Data kuesioner wawancara Mengetahui potensi wilayah dan merumuskan arahan mempertahankan areal sawah di Kabupaten Solok

3 19 Luas Tanam, Luas Panen, Produksi Peta Kesesuaian Lahan Peta Penggunaan Lahan Peta Administrasi Analisis LQ Data Podes Overlay Komoditi Basis Analisis PCA Peta Ketersediaan dan Kesesuaian Peta RTRW Survey Responden Analisis CA Overlay Analisis Land Rent Peta Potensi Pengembangan Padi Dinamika Perubahan Luas Lahan sawah Analisis SWOT Analis Faktorfaktor yang Mempengaruhi Arahan Mempertahankan Lahan Sawah di Kabupaten Solok Gambar 2 Diagram alur penelitian Analisis Ketersediaan dan Kesesuaian Lahan Analisis ketersediaan lahan dilakukan untuk dapat mengeliminasi konflik pengelolaan lahan yang berkenaan dengan status lahan dan perencanaan tata ruang. Lahan tersedia dipilih dari lahan-lahan yang bukan merupakan lahan di kawasan lindung, lahan-lahan pekarangan/bangunan, perkebunan, kebun campuran, hutan negara, hutan rakyat, rawa dan danau/kolam. Kelas kesesuaian lahan yang digunakan adalah :

4 (1) Kelas S1, sangat sesuai. Lahan tidak memiliki faktor pembatas yang berarti (2) Kelas S2, cukup sesuai. Lahan memiliki faktor pembatas sedang (3) Kelas S3, sesuai marjinal. Lahan memiliki faktor pembatas yang berat (4) Kelas N, tidak sesuai. Lahan memiliki faktor pembatas yang sangat berat. Analisis Location Quotient (LQ) Analisis LQ (Location Quotient) digunakan untuk mengetahui pemusatan suatu aktivitas pada suatu wilayah dalam cakupan wilayah agregat yang lebih luas. Analisis ini dapat mengidentifikasi keunggulan komparatif suatu wilayah dengan asumsi (1) kondisi geografis relatif sama, (2) pola-pola aktivitas bersifat seragam, dan (3) setiap aktivitas menghasilkan produk yang sama. Pada penelitian ini metode LQ digunakan untuk menganalisis keunggulan komparatif sektor dan subsektor. Adapun nilai LQ diketahui dengan rumus berikut (Hendayana, 2003). Dimana p i/ p t LQ = P i/ P t p i : luas areal panen tanaman pangan i pada tiap wilayah (kecamatan) p t : total luas areal panen tanaman pangan pada tiap wilayah (kecamatan) P i : luas areal panen tanaman pangan i pada tingkat kabupaten P t : total luas areal panen tanaman pangan pada tingkat kabupaten Perhitungan LQ menghasilkan tiga kriteria yaitu : a) LQ > 1; artinya komoditas itu menjadi basis atau menjadi sumber pertumbuhan. Komoditas memiliki keunggulan komparatif, jika hasilnya tidak saja dapat memenuhi kebutuhan di wilayah bersangkutan akan tetapi juga dapat diekspor ke luar wilayah. b) LQ = 1; komoditas itu tergolong non basis, tidak memiliki keunggulan komparatif, jika produksinya hanya cukup untuk memenuhi kebutuhan wilayah sendiri c) LQ < 1; komoditas ini juga termasuk non basis. Produksi komoditas di suatu wilayah tidak dapat memenuhi kebutuhan sendiri sehingga perlu pasokan dari luar. 20

5 21 Analisis Komponen Utama (Principal Component Analysis) Penggunaan data hasil eksplorasi dihimpun dari data yang berkaitan dengan sosial ekonomi wilayah sehingga analisis statistik multivariate dapat digunakan untuk menganalisis fenomena yang terjadi (Saefulhakim, 2004). Hal ini dilakukan karena peubah-peubah yang digunakan saling berkorelasi antara satu dengan yang lain dengan tingkat keeratan hubungan yang bervariasi. Jika dua peubah berkorelasi sangat erat, maka variasi antar kedua peubah tersebut sebenarnya dapat diungkapkan oleh salah satu peubah saja, sehingga perlu dilakukan penyederhanaan dimensi peubah yang digunakan. Salah satu metode untuk memperkecil dimensi peubah yang saling berkorelasi adalah Principal Components Analysis (PCA). Dalam penelitian ini analisis PCA dilakukan untuk melihat struktur keterkaitan antar indikator/peubah yang dirumuskan. Hasil analisis PCA merupakan faktor utama yang membentuk suatu indeks komposit. Indeks komposit adalah gabungan peubah asal yang saling mempengaruhi dalam suatu analisis. Menurut Saefulhakim (2004) tujuan analisis PCA adalah ortogonalisasi peubah, yakni mentransformasikan suatu struktur data dengan peubah-peubah yang saling berkorelasi, menjadi struktur data baru dengan peubah-peubah baru (faktor) yang tidak saling berkorelasi. Selain itu PCA juga berguna untuk penyederhanaan peubah sehingga menghasilkan peubah baru yang lebih sedikit dari pada peubah asalnya, namun total kandungan informasinya atau total ragamnya relatif tidak berubah. Teknik ekstraksi data dengan PCA pada dasarnya adalah dengan memaksimalkan keragaman dalam 1 (satu) peubah/faktor yang baru dan meminimalkan keragaman dengan peubah/faktor yang lain, menjadi peubah yang saling bebas (independent). Secara rinci metode analisis PCA ini dapat dilihat dalam Saefulhakim (2004). Langkah-langkah yang dilakukan dalam analisis a PCA adalah : a. Standarisasi peubah asal Tujuannya adalah menghilangkan variasi data antar peubah yang dilakukan dengan formula : y ij x ij s j j

6 22 y ij adalah peubah baru yang telah disederhanakan x ij adalah peubah nilai X pada wilayah i peubah j j adalah nilai rata-rata masing-masing peubah s j adalah simpangan baku masing-masing peubah b. Ortogonalisasi Peubah Tujuannya adalah membuat peubah baru Z ( = 1,2,...,q p) yang memiliki karakteristik: (1) satu sama lain tidak saling berkorelasi, yakni: r = 0, (2) nilai rataan masing-masing, tetap sama dengan nol, dan (3) nilai ragam masing-masing Z sama dengan 0, dimana = p. c. Penyederhanaan jumlah peubah Mengurutkan masing-masing faktor atau komponen utama (F ) yang dihasilkan, dari yang memiliki eigenvalue ( ) tertinggi hingga terendah, yakni : a) Memilih faktor-faktor atau komponen-komponen utama yang memiliki 1, artinya faktor atau komponen utama yang memiliki kandungan informasi (ragam) setara dengan informasi yang terkandung dalam satu peubah asal, b) Membuang faktor atau komponen utama yang mempunyai eigenvalue antar dua faktor atau komponen utama yang berdekatan/tidak begitu signifikan, jika ( - ( - 1) ) <1, c) Alternatif lain digunakan juga metode The Scree Test dimana dari hasil scree plot yang dipilih adalah yang paling curam, d) Menentukan faktor-faktor atau komponen-komponen utama yang memiliki koefisien korelasi nyata minimal satu peubah asal. Kriteria yang digunakan adalah r j 0.7. Hal ini dimaksudkan agar setiap faktor atau komponen utama yang terpilih, paling tidak memiliki satu penciri dominan dari peubah asalnya. Hasil dari PCA akan didapatkan : 1. Akar ciri (eigenvalue) merupakan suatu nilai yang menunjukkan keragaman dari peubah komponen utama yang dihasilkan dari analisis. Semakin besar

7 23 nilanya, maka semakin besar pula keragaman data awal yang mampu dijelaskan oleh data baru. 2. Component score merupakan nilai yang menggambarkan besarnya titik-titik data baru dari hasil komponen utama dan digunakan setelah PCA. 3. PC Loading menggambarkan besarnya korelasi antar variabel awal dengan komponen ke-i. Analisis Kluster (Cluster Analysis) Analisis kluster (Cluster Analysis) dilakukan dengan tujuan untuk melakukan pengelompokan obyek sedemikian rupa sehingga obyek dalam satu kelompok memilki karakteristik yang lebih mirip dibandingkan dengan obyek dalam kelompok lain. Analisis kluster merupakan salah satu teknik untuk membatasi wilayah berdasarkan kemiripan karakteristik tertentu dari suatu hamparan wilayah. Teknik ini dapat mengadopsi konsep wilayah yang telah berkembang seperti konsep wilayah nodal atau konsep wilayah homogen. Teknik klasifikasi wilayah yang akan digunakan dalam penelitian ini adalah teknik analisis a multivariate yang dilakukan adalah analisis gerombol berhirarki (hierarchical h clustering method). Prinsip dasar pengelompokan adalah ragam dalam kelompok harus minimum dan ragam antar kelompok harus maksimum. Secara umum ada dua metode pengelompokan yaitu: (1) metode berhirarki (hierarchical clustering method) jika jumlah gerombol yang akan ditentukan sudah diketahui misalnya tinggi, sedang dan rendah, (2) metode tidak berhirarki (non hierarchical clustering method) jika jumlah gerombol belum diketahui. Pengelompokan dilakukan terhadap seluruh unit berdasarkan seluruh karakteristik yang diamati. Selanjutnya berdasarkan kenampakan hasil penggerombolan ditentukan pemotongan seberapa banyak gerombol yang akan digunakan. Sebelum melakukan penggabungan data, perlu dihitung terlebih dahulu jarak antar dua gerombol data dengan ciri yang serupa. Untuk dapat dilakukan penggerombolan data diperlukan suatu skala pengukuran yang sama. Jika skala data tidak sama maka data perlu ditransformasikan dalam bentuk skor tertentu yang disebut jarak, antara lain : jarak mahalanobis, jarak euclidean, jarak kuadrat

8 24 euclidean, jarak manhattan (city-block), jarak chebycev, power distance, dan percent disaggreement. Ukuran jarak yang sering digunakan adalah jarak euclidean (Euclidean distance). Persamaan penghitungan jarak euclidean antar dua titik atau dua gerombol adalah : p D 12 = [ ( X 1i X 2i ) 2 ] 1/2 i = 1 Nilai D 12 merupakan jarak antara titik data 1 dan data 2/gerombol 1 dan 2, i=1,2,3,...p adalah banyaknya variabel yang menjadi karakteristik penciri untuk mengetahui kemiripan antara unit pengamatan 1 dan 2. Makin kecil nilai D 12 maka makin besar kemiripan data lokasi 1 dan 2. Asumsi yang harus dipenuhi dalam penggunaan jarak euclidean ini adalah bahwa antar peubah tidak terjadi multicollinearity atau peubah-peubah yang ada saling tegak lurus (ortogonal). Pengkelasan pada umumnya didasarkan pada karakteristik (variabel) dalam jumlah cukup besar sehingga menimbulkan multicollinearity yang cukup besar. Oleh karena itu diperlukan teknik antara untuk menghilangkan kondisi tersebut melalui transformasi analisis komponen utama (Principal Components Analysis). Hasil pengolahan statistik tersebut akan menghasilkan tipologi wilayah berdasarkan indikator yang telah dirumuskan. Selanjutnya dilakukan analisis dan pemetaan tipologi wilayah untuk melihat pola penyebaran secara spasial dari variabel dan faktor utama yang menjadi penentu tingkat perkembangan wilayah untuk mempertahankan lahan sawah. Analisis Land Rent Untuk mengetahui pendapatan petani secara rata-rata dilakukan pendekatan terhadap rataan penerimaan bersih (land rent) per hektar per tahun dari penggunaan lahan untuk padi sawah (Rustiadi et al. 2009). Data yang digunakan adalah data primer dari hasil wawancara dengan responden pada masing-masing tipologi wilayah. Nilai land rent dihitung dengan menggunakan rumus berikut. Land Rent = (CI x A x Y x H y ) (CI x A x X k.b k ) A

9 25 dimana : Penerimaan bersih (land rent) : Rp/ha/thn Penerimaan (Rp/thn) : CI x Y x H y Biaya (Rp/thn) : CI x X k.b k CI : Cropping Intensity (kali/thn) A : Luas Lahan (ha) Y : Produksi/ha (ton/ha) H y : Harga/ton (Rp/ton) produksi y y : Komoditi padi X k : Jenis input ke-k B k : Biaya input ke-k Analisis SWOT Analisis SWOT adalah analisis untuk melakukan identifikasi berbagai faktor secara sistematis guna merumuskan strategi atau kebijakan yang didasarkan pada logika yang dapat memaksimalkan kekuatan (strength) dan peluang (opportunity), o namun secara bersamaan dapat meminimalkan kelemahan (weakness) w dan ancaman (threat). Proses pengambilan keputusan strategis selalu berkaitan dengan pengembangan misi, tujuan, strategi dan kebijakan. Matriks SWOT dapat mengambarkan secara jelas bagaimana peluang dan ancaman eksternal yang dihadapi dapat disesuaikan dengan kekuatan dan kelemahan yang dimiliki (Rangkuti, 2009). Proses penyusunan strategi dengan metode SWOT dilakukan melalui tiga tahap analisis, yaitu tahap analisis masukan, tahap analisis pencocokan, dan tahap analisis pengambilan keputusan. Keputusannya didasarkan atas justifikasi yang dibuat secara kualitatif maupun kuantitatif, terstruktur maupun tidak terstruktur, sehingga dapat diambil keputusan yang signifikan dengan kondisi yang ada. Tahap pertama disebut juga tahap analisis masukan yaitu tahap mengumpulkan data, melakukan pengklasifikasian dan pra-analisis. Pada tahap ini data dibedakan menjadi dua, yaitu data internal dan data eksternal yang mempengaruhi potensi wilayah untuk mempertahankan areal sawah di Kabupaten Solok. Hasil analisis faktor internal dan eksternal diberi nilai dan dibuat dalam bentuk matriks. Setiap unsur SWOT diberi nilai 4 (sangat penting), nilai 3 (penting), nilai 2 (agak penting), dan nilai 1 (kurang penting). Tahap kedua yaitu tahap analisis pencocokan yaitu tahap yang mengumpulkan semua informasi yang berpengaruh dengan menyusun 5 sampai

10 26 10 hasil inventarisasi faktor peluang, ancaman, kekuatan dan kelemahan yang akan dimasukkan dalam faktor internal dan faktor eksternal. Langkah berikutnya adalah pencocokan dengan menggunakan matriks SWOT. Dari hasil analisis pencocokan faktor internal dan eksternal, diperoleh empat tipe strategi (Tabel 4). Tabel 4 Matriks strategi SWOT Eksternal Internal Kekuatan (Strength) Kelemahan (Weakness) Peluang (Opportunity) Ancaman (Threat) Sumber : Rangkuti (2009) Strategi SO Ciptakan strategi yang menggunakan kekuatan untuk memanfaatkan peluang Strategi ST Ciptakan strategi yang menggunakan kekuatan untuk mengatasi ancaman Strategi WO Ciptakan strategi yang meminimalkan kelemahan untuk memanfaatkan peluang Strategi WT Ciptakan strategi yang meminimalkan kelemahan dan menghindari ancaman Tahap ketiga yaitu tahap analisis pengambilan keputusan. Langkah ini adalah tahap terakhir dalam menentukan alternatif strategi terpilih yang mungkin dapat diimplementasikan. Teknik analisis yang dipakai yaitu menyusun daftar prioritas yang harus diimplementasikan. Adapun tahapan analisis adalah sebagai berikut : Tahap 1 : Memahami situasi dan informasi yang ada Tahap 2 : Memahami permasalahan yang terjadi baik masalah yang bersifat umum maupun spesifik Tahap 3 : Menciptakan berbagai alternatif dan memberikan berbagai alternatif pemecahan Tahap 4 : Evaluasi pilihan alternatif dan memilih alternatif yang terbaik Strategi yang efektif adalah jika dapat memaksimalkan kekuatan dan kesempatan serta meminimalkan kelemahan dan ancaman yang dihadapi. Analisis SWOT dalam penelitian ini digunakan untuk memperoleh alternatif strategi kebijakan arahan mempertahankan areal sawah di Kabupaten Solok.