METODE PENELITIAN
Gambar 4.1. Peta Kabupaten Barito Kuala (Sumber : Bappeda Kab. Barito
Kuala, 2011)
51
itu, metode deskriptif menurut Whitney (1999) dalam Koestoro & Basrowi (2006)
adalah metode pencarian fakta dengan interpretasi yang tepat. Penelitian ini
objek yang diteliti melalui data atau sampel yang telah terkumpul sebagaimana
adanya tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk
Data yang dikumpulkan dari kajian potensi lahan rawa pasang surut untuk
budidaya perikanan yang ada di Kabupaten Barito Kuala ialah berupa data
primer dan sekunder. Data primer ialah data yang belum mengalami pengolahan
52
data spasial kesesuaian lahan budidaya perikanan diperoleh dari hasil observasi
di lokasi penelitian. Sementara itu data sekunder ialah data yang sudah
lahan, potensi sumberdaya perikanan dan lahan. Data ini diperoleh dari instansi
2) Profil daerah Kabupaten Barito Kuala dan keadaan fisik daerah rawa,
meliputi kondisi alam (geologi, iklim, temperatur, jenis tanah, topografi, dan
(rawa pasang surut) untuk mengukur kondisi biofisik rawa pasang surut dan
antara lain: (i) Dinas Kelautan dan Perikanan Kabupaten Barito Kuala, (ii) BPS
Barito Kuala.
penelitian ini, kepada tokoh masyarakat, terdiri tokoh politik, tokoh ormas, dan
kelompok petani; intelektual, staf pengajar perguruan tinggi yang kompeten; dan
53
Teknik
No Analisis Jenis Data Pengumpulan Sumber Data
Data
Regional Bruto), jumlah penduduk di wilayah lahan rawa, data potensi dan
analisis yaitu; (i) untuk menganalisis potensi lahan sumberdaya rawa pasang
Coefficient (GC) dan nilai tambah bersih (NTB); (iii) untuk menilai kondisi dan
· Kontribusi PDRB
Rawa Pasang Surut
RAWA · Pendapatan masyarakat
dan Perikanan (Indeks Gini)
Kesesuaian Lahan
(GIS)
Kriteria Pembangunan
Berkelanjutan (MDS)
Pengelolaan
Hukum/
Rawa Pasang Teknologi
Kelembagaan
Surut dan Perikanan Data
Berbasis Otonomi Sosial/
Ekonomi
Budaya
Daerah
Ekologi
Strategi
Rekomendasi
Pengelolaan Analisis SWOT
dari Kebijakan
Rawa
Kebijakan
Pengelolaan Rawa
mengetahui luas potensi lahan rawa pasang surut dan tipe rawa yang ada di
daerah tersebut. Untuk mengetahui potensi luas lahan rawa diambil dari data
Bappeda Kabupaten Barito Kuala sedangkan sebaran usaha pertanian dan luas
Bengen, 2000).
56
secara spasial lahan budidaya perikanan tawar yang sesuai untuk dikembangkan
sumberdaya rawa disusun dalam bobot, skor dan kelas. Penentuan bobot dan
S1 = sangat sesuai; S2 = sesuai; N = tidak sesuai saat ini. Adapun untuk bobot
Tabel 4.2. Kriteria penentuan wilayah untuk budidaya (kolam, keramba dan
beje) di Kabupaten Barito Kuala
No Parameter S1 S2 N
Kolam
1. Ketebalan Gambut < 0,5 m 0,5 - 1 m >1 m
2. Land use/Lahan Tidak Tergenang Tergenang Musiman Tergenang Permanen
Areal Peruntukan Hutan Lindung, Hutan
3. Tata Guna Lahan Hutan Rawa
Lain Produksi
4. Kualitas Air:
- pH >6 4-6 <4
- DO(ppm) >3,0 2-3 <2
- NH3(mg/L) <0,05 0,05-0,1 >0,1
- H2S(mg/L) <0,02 0,02-0,1 >0,1
- Kekeruhan (NTU) <30 - 50 30-50 >50
Karamba
5. Kedalaman Perairan >4m 2-4 m <2m
6. Kualitas Air:
- pH >6 5-6 <5
- DO (ppm) >3,0 1 -2 <1
Beje
7. Land use/Lahan Tergenang Tergenang Permanen Tidak Tergenang
Musiman Hutan Areal Peruntukan Hutan Lindung,
8. Tata Guna Lahan
Rawa Lain Hutan Produksi
57
Sumber : Modifikasi dari Pusat Penelitian dan Pengembangan Ditjen Perikanan (2006)
baik data spasial maupun data atribut dari masing-masing feature yang
susun dilakukan bertahap sampai semua feature menjadi satu spasial dan
rasio. Gini ratio merupakan suatu ukuran kemerataan yang dihitung dengan
dengan luas segitiga di bawah diagonal. Rumus untuk menghitung gini ratio
k
Pi (Qi + Qi −1 )
G = 1−
i =1 10.000
Dimana :
Pi : persentase rumahtangga atau penduduk pada kelas ke-i
Qi : persentase kumulatif total pendapatan atau pengeluaran sampai
kelas ke-i
Sementara itu, nilai gini ratio berkisar antara 0 dan 1 (BPS), dengan
Kurva Lorenz
Adalah titik potong antara persentase kumulatif jumlah rumahtangga
(penduduk) dan persentase kumulatif total pendapatan.
Kurva lorenz memberikan gambaran persentase penduduk yang menerima Q
persen pendapatan
Jika kuva lorenz mendekati diagonal OA → pendapatan semakin merata,
karena nilai G semakin kecil
Jika G mendekati nol → distribusi pendapatan yang diterima hampir sama
dengan banyak penduduk.
Tingkat kemerataan menurut Bank Dunia (dilihat dari sebaran atau
yaitu:
penduduk dari kelompok berpendapatan rendah menerima lebih kecil dari 12%
menerima antara 12% sampai 17% dari jumlah pendapatan, dan tingkat
ketidakmerataan rendah jika kelompok tersebut menerima lebih besar dari 17%
tambah bersih (NTB) sumberdaya perikanan air tawar. Analisis NTB dilakukan
dengan harga berlaku dan harga konstan, untuk harga konstan sebagai tahun
Dimana :
Ks = Kontribusi Sektor
Vas = Nilai tambah bersih sektor
PDRB = Produk Demostik Regional Bruto
Perikanan
Rawa PDRB
sumberdaya rawa. Metode ini pada dasarnya adalah metode multivariate yang
dapat menangani data non-metric dan juga dikenal sebagai salah satu ordinasi
sendiri merupakan proses yang berupa “plotting” titik objek (posisi) disepanjang
60
dalam suatu sistem grafik yang terdiri dari dua atau lebih (Legendre dan
Legendre dalam Susilo, 2003). Kelebihan lainnya dalam metode ini dapat
(Susilo, 2003).
Atribut-atribut yang berkaitan pada aspek sumberdaya rawa antara lain; ekologi,
ekonomi, sosial budaya, teknologi, hukum dan kelembagaan, dan atribut tersebut
tersebut dinilai yaitu “baik" dan “buruk". Dari kedua penilaian tersebut ada
perbedaan jumlah peringkat yang tergantung pada landasan teori yang dapat
pemanfaatan lahan rawa, ditentukan 3 peringkat yaitu kecil, besar, sangat besar.
Jika di dalam suatu atribut peringkatnya belum jelas maka ditentukan dengan
1) Hasil data lapangan (primer dan sekunder) wilayah rawa dari semua dimensi
dilakukan skoring.
2) Ditentukan acuan utama baik (good) dan buruk (bad) dengan melakukan
3) Membuat dua titik utama lainnya yaitu “titik tengah" yang merupakan titik
buruk dan titik baik. Dua titik acuan utama tambahan ini menjadi acuan
4) Membuat titik acuan tambahan yang disebut sebagai jangkar (anchors) yang
61
dapat digunakan untuk membantu hasil ordinasi. Titik tersebut sebagai titik-
luar amplop. Titik-titik ini juga berguna dalam melakukan analisis regresi
Keterangan:
MDS dimensi atribut yang semula banyak menjadi tinggal dua dimensi yang
akan menjadi sumbu -X dan -Y. Hasil dari ordinasi adalah matrik V (n x 2)
8) Jarak antar objek dihitung dengan melakukan regresi jarak Euclidean (dij)
“Baik" (0-100) pada sumbu x titik atas adalah ±50 pada skala sumbu -y dan titik
bawah adalah 50 pada skala sumbu -y, yang mengacu pada Susilo (2003)
adalah:
Untuk i = 1, 2, ….n;
Kuala, Nilai Indeks berkelanjutan (sustainable) apabila > 50 dan nila indeks < 50
4.3
Analisis Sensivititas
sumberdaya tersebut.
perubahan dari hasil analisis MDS. Pengaruh setiap atribut dilihat dalam bentuk
perubahan root mean square (RMS), khususnya pada sumbu x terutama pada
Hal ini dikarenakan hanya untuk melihat perubahaan RMS. Rumus RMS tersebut
adalah:
dari galat dengan menduga suatu nilai statistik tertentu. Penilaian dalam
penelitian ini adalah hasil nilai MDS sumberdaya rawa. Analisis dengan metode
Monte Carlo (Kavanagh, 2001 yang diacu dalam Anna 2003) berguna untuk
mempelajari yaitu:
2) Pengaruh variasi pemberian skor akibat perbedaan opini atau penilaian oleh
3) Stabilitas proses analisis MDS yang berulang-ulang (iterasi) dan juga melihat
Proses analisis MDS, Monte Carlo, dan Leverage dapat dijelaskan dalam
Start
Identifikasi dan
Pendefinisian
Riview Atribut
Sumberdaya Rawa
Pasang Surut
MDS Ordinasi
(untuk setiap atribut)
Gambar 4.4. Proses analisis MDS untuk data sumberdaya lahan rawa
(Sumber : Alder et al. (1998) dalam Anna (2003))
Surut
dengan menggunakan data kuantitatif dan deskripsi keadaan. Dari analisis ini
Terkait dengan analisis SWOT ini, data bersifat data eksternal dan
internal. Data eksternal adalah data yang berasal dari lingkungan luar berupa
65
data yang berasal dari dalam sistem pengelolaan kawasan rawa, mencakup
dan ancaman-ancaman.
ancaman pada kolom pertama diberi bobot. Bobot bernilai 1,0 (sangat
penting) sampai dengan 0,0 (tidak penting), jumlah bobot untuk semua
4) Pada kolom 4 (skor), berisikan nilai hasil perkalian bobot dan rating,
masing faktor.
Faktor-faktor Strategi
Bobot Rating Skor Komentar
Eksternal
Peluang (O):
O1
O2
…….
Ancaman (T):
T1
T2
…….
Total
Matrik faktor strategi internal sama seperti halnya matrik faktor eksternal
besar).
Faktor-faktor Strategi
Bobot Rating Skor Komentar
Internal
1 2 3 4 5
Kekuatan (S):
S1
S2
…….
Kelemahan (W):
W1
W2
…….
Total
Sumber : Salusu (2006)
67
empat strategi yang dapat dihasilkan, yaitu; SO, WO, ST dan WT. Setelah
2006).
SO1 WO1
Opportunities SO2 WO2
SOn WOn
ST1 WT1
Threats ST2 WT2
STn WTn
Sumber : Salusu (2006)