Selain teknologi pemupukan dan OPT, mekanisasi merupakan teknologi maju yang tidak kalah penting, terutama dalam peningkatan kapasitas kerja dan menurunkan susut hasil. Urbanisasi dan industrialisasi mengakibatkan tenaga kerja pertanian semakin terbatas, sehingga mekanisasi menjadi solusi mengatasi permasalahan tenaga kerja. Disamping itu, mekanisasi bermanfaat mengurangi susut hasil dan pascapanen. Dengan menekan susut produksi dan pascapanen maka akan dimungkinkan untuk meningkatkan tingkat produksi nasional. Insentif produksi merupakan salah satu cara untuk meningkatkan motivasi petani dalam membudidayakan. Insentif dapat berupa subsidi harga pembelian pupuk dan bantuan benih. Insentif pada sisi hilir yang penting adalah harga yang menguntungkan di tingkat produsen. Oleh karena itu, pemerintah harus mengatur agar di dalam struktur pasar harga jual yang diterima petani masih memberi margin keuntungan usahatani agar petani bersemangat membudidayakan secara berkelanjutan dengan teknologi yang direkomendasikan dan penggunaan sumberdaya yang optimal. 3.3. PENGEMBANGAN MODEL Identifikasi sistem merupakan salah satu tahapan dalam pengembangan model, tahapan ini menghubungkan kebutuhankebutuhan dengan permasalahan yang dihadapi sebagai mata rantai yang digambarkan dalam bentuk diagram lingkar sebabakibat (causal loop), sebagaimana tergambar di bawah ini. 45
Insentif produksi meknisasi budidaya Harga Pertambahan lahan Luas lahan Penyuluhan Benih PRODUKSI JAGUNG (ton/thn) () Peningkatan produktivitas Produktivitas Pupuk Penurunan produktivitas OPT () Iklim Losses () Permintaan () Harga Mekanisasi pasca panen Konsumsi Diversifikasi pangan Gambar 3.2: Diagram causal loop produksi Penggunaan lain Jumlah penduduk () Industri () Pertumbuhan penduduk Analisis selanjutnya adalah melanjutkan interpretasi diagram causal loop ke dalam kotak gelap (black box); sebagaimana terdapat pada gambar 3.3. Terdapat 5 variabel dalam tahapan ini yaitu: Variabel input terkendali, Variabel input tak terkendali, Variabel output dikehendaki, Variabel output tak dikehendaki dan Variabel kontrol sistem. Variable input berasal dari luar sistem dan dalam sistem, meliputi input terkendali dan tak terkendali. Variabel output meliputi output dikehendaki dan output tak dikehendaki. Parameter disain sistem produksi nasional merupakan proses yang mempengaruhi input menjadi output. Variabel input merupakan parameter yang dapat diintervensi melalui kebijakan agar tercapai output yang dikehendaki yaitu tercapainya swasembada berkelanjutan, dengan sasaran pada tahun 2014 produksi sebesar 29 juta ton. Simulasi sistem merupakan tahapan pendekatan sistem dengan menggunakan suatu model yang merupakan penggambaran dari dunia nyata untuk mengetahui perilaku sistem. Selain itu, juga bisa diketahui pengaruhnya pada komponenkomponen dari suatu perlakuan yang dicobakan pada 46
beberapa komponen. Struktur model produksi yang digambarkan dalam diagram stock flow terdapat pada gambar 3.4. Validasi model bertujuan untuk menguji kebenaran struktur model untuk menunjukkan kesalahan minimal dibandingkan data aktual yang dilakukan menggunakan teknik statistik. Model yang dihasilkan dari simulasi sistem dibandingkan dengan kondisi saat ini (existing condition) untuk melihat perbedaan antara keduanya dan sekaligus tingkat validitas model yang dibangun (Hartrisari, 2007). Kesahihan suatu model dapat ditentukan dengan menghitung nilai MSE (mean square error), Model dianggap valid apabila perilaku historis variabelvariabel yang dipergunakan dalam model mirip atau memiliki trend yang sama. Model dianggap valid bila MSE < 5% (Suryani, 2006). Hasil uji validasi pada struktur model yang dibuat menunjukkan bahwa model valid, karena nilai MSEnya < 5 %; baik dari produksi maupun luas lahan. Sebagaimana ditunjukkan dari tabel 3.4 dibawah ini. Tabel 3.4: Hasil uji validasi model Tahun Produksi (ton) Tahun Luas lahan (ha) St (Prediksi) At(aktual) (StAt)/At St (Prediksi) At(aktual) (StAt)/At 2006 12.582.175 11.609.943 0,007013 2006 3.625.987 3.345.805 0,007013 2007 13.315.373 13.287.527 0,000004 2007 3.626.191 3.630.324 0,000001 2008 14.048.654 15.918.977 0,013804 2008 3.626.395 4.001.724 0,008797 2009 14.782.018 17.629.748 0,026092 2009 3.626.599 4.160.659 0,016476 2010 15.515.463 18.327.636 0,023544 2010 3.626.803 4.131.676 0,014932 2011 16.248.991 17.629.033 0,006128 2011 3.627.007 3.861.433 0,003686 MSE 0,012764 MSE 0,008484 47
INPUT LINGKUNGAN 1. Iklim 2. 3. Lahan 4. Bencana Alam atau Serangan Hama Penyakit INPUT TAK TERKONTROL 1. Jumlah Penduduk 2. Harga Pasar Jagung 3. Ketersediaan Jagung INPUT TERKONTROL 1. Pupuk 2. Benih 3. Pengendalian OPT 4. Irigasi 5. Penanganan Pasca Panen 6. Penyuluhan 7. Insentif Produksi 8. Lahan SISTEM PRODUKSI JAGUNG NASIONAL OUTPUT YANG DIHARAPKAN 1. Swasembada Jagung Berkelanjutan 2. Supply Yang Memadai 3. Demand Terpenuhi 4. Rantai Pasok Jagung Efisien 5. Biaya Investasi terjangkau OUTPUT YANG TIDAK DIHARAPKAN 1. Fluktuasi Harga Pasar Tinggi 2. Biaya Investasi Tinggi 3. Import Tinggi PENGELOLAAN Gambar 3.3: Diagram input output sistem produksi nasional 48
KEBUTUHAN PRODUKSI Susut_skrg Penurunan_susut SURLUS Kebuthn_lain Laju_naikkons Laju_turunkons Susut_pascapanen Lajulahan_naik Lajulahan_turun Jml_pddk Kons_Lgsg Kebuthan_industri Lajunaik_lain Lajuturun_lain Luas_lahan LajuYield_naik Pertumb_pddk Lajunaik_industri Jum_pddk1 Diversifikasi_Pgn_Giz LajuYield_turun Perubhn_pola_kons Lajuturun_industri Kekeringan Yield_ Pertumb_indmakanan Substitusi_jagng Pembukaan_lahan Banjir hibrida Iklim Pertumb_indpakan Prod_lok Fraksi_hibrida prod_hib Penyuluhan komposit Serangan_OPT Delay_bukalahan Pupuk_berimbang Lokal Prodl_kom Fraksi_komposit Pengendalian_OPT Fraksi_Lokal Adopsi_Pupuk Peningkatan_penyuluhan Gambar 3.4: Struktur model produksi Analisis sensitivitas model dibutuhkan untuk mengetahui sejauh mana model dapat digunakan apabila ada perubahan pada asumsi atau sejauh mana kesimpulan hasil model dapat berubah bila variable model berubah. Model dikategorikan sensitif jika perubahan nilai variabel input menyebabkan perubahan output model (Hartrisari, 2007). Gambar 3.5: Analisisi sensitivitas 49