Kec. Atinggola
Kec. Bone Pante
Gambar 10. Lokasi penelitian (bagian utara yaitu Laut Sulawesi dan bagian selatan
yaitu Teluk Tomini).
38
tetap (soma) dan 24 kapal/perahu pancing sehingga total jumlah kapal/perahu 70 kapal
dan untuk perairan selatan berjumlah 58 kapal pukat cincin dan 6 kapal pancing ulur
sehingga total jumlah 64 kapal/perahu.
Untuk mendapatkan data sekunder dalam memenuhi analisis maka dilakukan
cross checking terhadap dokumentasi data yang tersedia di instansi yang terkait yaitu :
Dinas Perikanan Provinsi, Dinas Perikanan Kab/Kota, Dinas Perikanan Provinsi
Sulawesi Utara, Tempat Pelelangan Ikan; Bappeda Provinsi. Data primer dan
sekunder yang dikumpulkan sifatnya berupa data kualitatif dan data kuantitatif. Data
primer dan data sekunder selanjutnya dipilah sesuai dengan kebutuhan analisis.
Ci
CPUEi =
Fi
CPUEs
FPIst = =1
CPUEs
CPUEi
FPIi = .......................................................................... ....... (18)
CPUEs
Untuk alat tangkap lainnya menggunakan persamaan berikut :
Standart effort = FPIi X E ............................................................. ....... (19)
CPUEst = hasil tangkapan per upaya penangkapan alat tangkap standard
CPUEi = hasil tangkapan per upaya penangkapan alat tangkap i
Cs = jumlah tangkapan jenis alat tangkap standar
Ci = jumlah tangkapan jenis alat tangkap i
Fst = jumlah upaya jenis alat tangkap standar
Fi = jumlah upaya jenis alat tangkap i
FPIst = faktor daya tangkap jenis alat tangkap standar
FPIi = faktor daya tangkap jenis alat tangkap i.
Fishing Power Index (FPI) setiap tahun dari masing-masing alat tangkap
kemudian dirata-rata. Selanjutnya FPI ini dikalikan dengan effort atau trip masing-
masing alat sehingga diperoleh effort standar. Setelah melalui standarisasi ini akan
diperoleh total produksi aktual dan total effort standar yang akan digunakan dalam
metode analisis selanjutnya.
ini, dapat diperoleh estimasi besarnya kelimpahan (biomas) dan estimasi potensi dari
suatu jenis atau kelompok jenis (species group) sumberdaya ikan. Metode ini
merupakan metode yang sangat sederhana dan murah biayanya, karena hanya
memerlukan data tentang hasil tangkapan dan upaya penangkapan. Oleh karena itu
penggunaan model ini memerlukan kehati-hatian dan sedapat mungkin dibarengi
dengan berbagai informasi tambahan serta validasi dengan menggunakan metode lain.
Inti pendekatan metode ini adalah bahwa setiap spesies ikan mempunyai
kemampuan untuk berproduksi melebihi kapasitas produksi (surplus), sehingga
apabila surplus produksi dipanen maka stok ikan akan mampu bertahan secara
berkesinambungan (sustainable). Pendekatan ini hanya berdasarkan pada pendekatan
biologi dan mengabaikan hal-hal yang bersifat sosial ekonomi semata sehingga
banyak menuai kritik. Beberapa kelemahan yang dikemukakan Clark (1987) yang
dikutip Fauzi (2004) antara lain :
1) Bersifat tidak stabil, karena perkiraan stok yang meleset sedikit saja dapat
mengarah ke pengurasan stok.
2) Didasarkan pada konsep keseimbangan (steady state) semata, sehingga tidak
berlaku pada kondisi non steady state.
3) Tidak memperhitungkan nilai ekonomis apabila stok ikan tidak dipanen.
4) Tidak memperhitungkan aspek interdependensi dari sumber daya.
5) Sulit diterapkan pada kondisi dimana perikanan memiliki ciri ragam jenis.
Berangkat dari kelemahan tersebut, maka dalam penelitian ini digunakan
pendekatan lain yang dikembangkan oleh Gordon (1954) yang lebih dikenal dengan
teori Gordon Schaefer. Hal ini dilakukan untuk menyempurnakan konsep yang telah
dikembangkan oleh Schaefer (1954). Dalam perkembangannya model Gordon
Schaefer menggunakan beberapa asumsi tambahan yaitu (Fauzi, 2003) :
1) Harga per satuan produksi (p), diasumsikan konstan.
2) Biaya per satuan upaya (c), diasumsikan konstan.
3) Spesies sumberdaya ikan bersifat tunggal.
4) Struktur pasar bersifat kompetitif.
5) Hanya memperhitungkan faktor penangkapan serta mengabaikan faktor pasca
panen.
Dalam penilaian sumberdaya ikan hal yang terpenting yang perlu diketahui
adalah nilai estimasi tangkapan lestari stok ikan. Penilaian sumberdaya ikan ini
idealnya dilakukan pada setiap spesies (stock by stock species). Untuk mengetahui
43
nilai estimasi produksi lestari tersebut terlebih dahulu perlu diketahui produktivitas
dari stok ikan, yang biasanya diestimasi dengan model kuatitatif.
Dalam perhitungan nilai sumberdaya ikan digunakan model surplus produksi.
Model ini mengasumsikan stok ikan sebagai penjumlahan biomas dalam persamaan
yang diacu dalam Fauzi, 2004 yaitu :
X
= F (Xt) - ht ................................................................................... ...... (20)
t
dimana :
F (Xt) = fungsi pertumbuhan alami biomas ikan
ht = laju penangkapan
Untuk menggambarkan stok biomas ini menggunakan model logistik.
Persamaan dari model logistik tersebut adalah :
X Xt
= rXt 1 - ht ........................................................................ ...... (21)
t K
dimana :
r = laju pertumbuhan intrinsik
K = daya dukung lingkungan.
Bentuk fungsi logistik adalah bentuk simetris dimana ada titik puncak kuadratik.
Jika stok sumberdaya ikan dieksploitasi oleh nelayan, maka laju eksploitasi
sumberdaya ikan dalam satuan waktu tertentu diasumsikan merupakan fungsi dari
input (effort) yang digunakan dalam menangkap ikan dan stok sumberdaya yang
tersedia. Dalam fungsi hubungan ini dapat digambarkan sebagai berikut :
h(t) = H (E(t), X(t)) ................................................................................... (22)
selanjutnya diasumsikan bahwa laju penangkapan linier terhadap biomas dan
effort yaitu :
h(t) = q Et Xt .............................................................................................. (23)
dimana :
q = koefisien kemampuan penangkapan (catchability coefisien)
Et = upaya penangkapan.
Asumsi kondisi keseimbangan (equilibrium) maka kurva tangkapan upaya
lestari (yield-effort-curve) dari fungsi di atas dapat ditulis sebagai berikut :
h(t) = qKEt - E2 ......................................................................................... (24)
Estimasi parameter r, K dan q untuk persamaan yield-effort dari model logistik
di atas melibatkan teknik non linier. Namun demikian dengan menuliskan Ut = ht /
Et, persamaan di atas dapat ditransformasikan menjadi persamaan linier sehingga
44
metode regresi biasa dapat digunakan untuk mengestimasi parameter biologi dari
fungsi di atas. Dalam penelitian ini teknik untuk menduga parameter r, q dan K
menggunakan teknik estimasi parameter yang dikembangkan oleh Clarke et al, (1992)
yang diacu dalam Fauzi (2003) atau sering dikenal sebagai metode CYP melalui
persamaan :
2r (2 + r ) q
ln (Ut+1)= ln (qK) + ln (Ut) - (Et + Et+1).. .............. (25)
(2 + r ) (2 + r ) (2 + r )
dengan mengregresikan hasil tangkapan per unit input (effort) yang dilambangkan
dengan U pada periode t + 1 dan dengan U pada periode t, serta penjumlahan input
pada periode t dan t + 1, akan diperoleh koefisien r, q dan K secara terpisah.
Selanjutnya setelah disederhanakan persamaan 29 dapat diestimasikan dengan OLS
melalui :
Ln (Un+1) = C1 +C2 ln(Un) + C3 (En + En+1) ............................................. (26)
Sehingga nilai parameter r,q,dan K pada persamaan 18 dapat diperoleh melalui
persamaan berikut :
2(1 C 2 )
r=
(1 + C 2 )
q = - C3 (2 + r) ................................................................................ (27)
e C1( 2+ r ) /( 2 r )
K=
q
Dengan mengetahui koefisien ini maka dapat diketahui kondisi optimal
pemanfaatan pada setiap kondisi pengelolaan yaitu :
1. Kondisi MEY (Maximum Economic Yield)
Pengelolaan perikanan pada kondisi MEY juga dikenal dengan rezim
pengelolaan sole owner. Manfaat ekonomi dari ekstraksi sumberdaya ikan pada
kondisi MEY yaitu :
q
= pqKE 1 E -cE ............................................................................ (28)
r
Menggunakan hasil dari persamaan 21 terhadap effort (E) akan menghasilkan :
rK c
Eopt = 1 ................................................................................. (29)
2q pqK
Dengan tingkat panen optimal sebesar :
rK c c
hop = 1 + 1 ................................................................. (30)
4 pqK pqK
45
h
Xopt = ................................................................................................ (31)
q.E
Dengan mensubstitusikan persamaan 33 dan persamaan 34 kedalam persamaan 32
akan diperoleh manfaat yang optimal.
1) Menyusun data produksi dan upaya (effort) dalam bentuk urut waktu (time
series) dimana produksi ikan yang ada dikelompokkan berdasarkan jenis alat
tangkap.
2) Melakukan standardisasi alat tangkap, mengingat masing-masing alat tangkap
yang dipergunakan memiliki kemampuan yang bervariasi atau keragaman.
3) Melakukan pendugaan terhadap parameter biologi dengan teknik ordinary
least square (OLS).
4) Melakukan estimasi parameter ekonomi, yang dilakukan dengan persamaan
yang sama dengan pada saat menyusun data produksi dan upaya. Estimasi
parameter ekonomi berupa harga ikan per kg dan biaya eksploitasi per trip
kapal untuk alat yang distandarkan, dengan menggunakan data riil atau data
pada saat penelitian dilakukan. Hal ini diperlukan untuk menghindari adanya
inflasi.
5) Melakukan perhitungan nilai optimal berdasarkan persamaan yang sudah
ditetapkan, dengan menggunakan software Excel.
data pendaratan ikan, jumlah kapal, dan hal-hal yang berkaitan dengan teknologi
penangkapan ikan. Pendekatan ini merupakan analisis untuk menghasilkan dengan
cepat hasil tangkapan maksimum berdasarkan ukuran armada dan pemanfaatan
potensial dari setiap input (Greboval, 2003).
Metode DEA adalah analisis program matematik untuk mengestimasi efisiensi
teknis dari kegiatan produksi (Coelli et al., 1998). Fauzi dan Anna (2005) menyatakan
bahwa analisis ini digunakan untuk mengestimasi kapasitas yang menggunakan model
cross section dengan multi input dan multi output. Dengan unit observasi adalah kapal
perikanan dan input serta output berdasarkan data bulanan per unit kapal. Jika terdapat
J kapal, M output (M sama dengan jumlah spesies yang berbeda), dan N input yang
terdiri dari n=1, n adalah input tetap (fixed factor) dan n=n+1,, N adalah input
variable.
Pendekatan ini berorientasi pada output dan input yang disarankan untuk
perikanan oleh Kirkley dan Squires (1998) dan kemudian dikembangkan lebih lanjut
oleh Fare et al (2000). Selain pendekatan ini terdapat juga beberapa metode yang telah
digunakan untuk pengukuran kapasitas perikanan. Beberapa penelitian diantaranya
oleh Newton (1999), Fitzpatrick (1996) yang melakukan analisis kapasitas perikanan
dengan menggunakan pendekatan koefisien teknologi; Pella and Psaropulos (1975)
melakukan pengukuran kapasitas perikanan dengan pendekatan pendugaan CPUE
yang distandarisasi dengan perhitungan matematik; Gascuel et al., (1993) melakukan
pengukuran kapasitas perikanan dengan pendekatan fishing power yang menggunakan
metode analisis Virtual Population Analysis (VPA) dan General Linear Modeling
(GLM); dan Shono and Ogura (1999) yang melakukan pengukuran kapasitas
perikanan dengan pendekatan efisiensi perikanan yang menggunakan GLM (Suzuki
et al., 2003).
DEA (data envelopment analysis) adalah analisis program matematik untuk
mengestimasi efisiensi teknis kegiatan produksi secara simultan. Dalam analisis
tersebut menggunakan model panel data dengan multi input dan single output.
Dengan unit observasi adalah kapal perikanan dan input serta output berdasarkan data
bulanan per unit kapal.
Dalam konteks industri penangkapan, diasumsikan bahwa teknologi yang
berlaku bersifat decreasing return to scale (DRS). Model DEA memiliki kelebihan
dan kelemahan. Pendekatan DEA mempunyai kelebihan dalam hal kemampuan untuk
mengestimasi kapasitas di bawah kendala penerapan kebijakan tertentu. Kelebihan
lainnya adalah kemampuannya dalam mengakomodasi multiple outputs dan multiple
48
inputs, dapat menentukan tingkat potensial maksimum dari effort atau variabel input
secara umum dan laju utilitas optimal (Fauzi, 2005). Teknik DEA dapat menganalisis
persoalan yang memiliki input dan output berbeda satuan pengukuran (Van Hoof dan
Willem de Wilde, 2005 yang diacu dalam Efendi, 2007). Dengan dukungan software
dan data yang tersedia, model DEA lebih mudah dan efisien. Namun demikian,
pengukuran tersebut memiliki keterbatasan berupa kesulitan menentukan pembobotan
yang seimbang antara input dan output. Selain itu, pendekatan DEA mengalami
kesulitan dalam uji hipotesis statistik sebagaimana pendekatan fungsi produksi lainnya
seperti stochastic frontier dan fungsi Cobb-Douglas. Kelemahan pendekatan DEA
lainnya adalah ketika sejumlah input (variabel maupun tetap) dan output dikeluarkan
dalam analisis akan sangat berpengaruh pada nilai efisiensi perusahaan (Van Hoof dan
Willem de Wilde, 2005 yang diacu dalam Efendi, 2007).
Untuk tipe DEA yang digunakan dalam penelitian ini yaitu minimisasi input
(input orientated) dan maxsimasi output (output orientated). Pendekatan ini
digunakan untuk mengukur seberapa besar output yang dihasilkan oleh sejumlah
masing-masing alat tangkap tanpa ada pengurangan dan seberapa besar input (effort)
yang harus dikurangi tanpa ada perubahan jumlah output (hasil tangkapan) Untuk
menduga efisiensi teknis dari upaya penangkapan selama 20 tahun 19862005 (jangka
panjang) menggunakan pendekatan minimisasi input (input orientated) (diasumsikan
terdapat J upaya (trip), dimana j=1,2,...,j; j = 20) sebagai input dengan 1 output berupa
hasil tangkapan dengan menggunakan asumsi model constan return scale (CRS)
dengan formula (Fare et. al. (1994) dalam Kirkley and Squires (1999) :
TE = Min
s.t.
J
u j z j u j ..............................................................................................(40)
j =1
z
j =1
j x jn xjn,, n
z
j =1
j =1
z
j =1
j x jn =jxjn , n
diasumsikan j=1,2,...,J adalah tahun observasi sebagai decision making units (DMU)
dengan demikian terdapat 20 tahun observasi atau J=20 dan n=1,2,..., n input (n=1).
Keterangan :
TE = efisiensi teknis untuk tahun ke j
= nilai pengukuran untuk setiap observasi (1)
uj = output untuk tahun ke-j yaitu 1 output (hasil tangkapan)
xjn = input ke-n yang digunakan, terdiri dari 1 input tetap (jumlah upaya
masing-masing alat tangkap)
j = tingkat penggunaaan input variabel ke-n
zj = intensitas penggunaan variabel
Untuk menduga efisiensi teknis dari masing-masing alat tangkap dan efisiensi
teknis kekinian dari setiap kapal (jangka pendek) menggunakan pendekatan maximasi
output (output orientated). Hal ini untuk mengetahui jenis alat tangkap mana yang
paling efisien. (diasumsikan terdapat J jenis alat tangkap, dimana j=1,2,...,J) sebagai
input (effort alat tangkap) dengan 1 output berupa hasil tangkapan. Untuk
menganalisis efisiensi dalam jangka pendek, dilakukan dengan membandingkan
efisiensi antar kapal. Pada analisis ini yang menjadi DMU-nya adalah kapal pukat
cincin, dengan variabel inputnya adalah lama waktu penangkapan, jumlah trip/bulan,
ukuran kapal (GT), dan biaya operasional dan variabel output yang digunakan adalah
catch (hasil tangkapan) dan keuntungan. dengan menggunakan asumsi model variable
returns to scale (VRS) yang diformulasikan:
TE = Max
s.t.
J
u j z j u j m ..........................................................................................(41)
j =1
z
j =1
j x jn xjn,, n
z
j =1
j =1
z
j =1
j x jn =jxjn , n
Keterangan :
TE = efisiensi teknis untuk tahun ke j
= nilai pengukuran untuk setiap observasi (1)
uj = output untuk tahun ke-j yaitu 2 output (hasil tangkapan dan biaya
operasional)
xjn = input ke-n yang digunakan, terdiri dari 1 input tetap atau (jumlah
input atau n = 5 )
j = tingkat penggunaaan input variabel ke-n
zj = intensitas penggunaan variabel
Untuk input tetap Gross ton (GT) dari masing-masing kapal dihitung dengan
menggunakan pendekatan GT = [ 0.2 + 0.02 log10 (V)]*V, dimana V = panjang kapal
* lebar kapal* dalam kapal (Lindebo, 2003).
Menurut Cooper et al (1999) dalam analisis DEA angka degrees of fredoom
(d.o.f) akan bertambah dengan bertambahnya DMU dan akan berkurang dengan
bertambahnya input dan output. Untuk itu diperlukan a rule of thumb dari tingkat
kepercayaan pada jumlah pengamatan sekurang-kurangnya yaitu : Max {jumlah input
* jumlah output) atau 3 (jumlah input + jumlah output)}.
Kendala = Jumlah effort dan produksi pada rejim MEY, penyerapan tenaga kerja,
dan pendapatan asli daerah
Xj = variabel keputusan ke-j (jumlah unit penangkapan) yang
disarankan (j = 3) untuk selatan dan j = 3 untuk utara
Xj, DAi, DB >0, untuk i = 1,2,...m dan j = 1,2,...,n