Contoh Proposal Model Simulasi an Industri

MODEL SIMULASI PENGEMBANGAN INDUSTRI PERIKANAN DI KONAWEA SELATAN DENGAN PENDEKATAN SISTEM DINAMIK Oleh : Muhammad Kholil dan Dedi Dwiharyadi Staff Pengajar Universitas Mercu Buana ABSTRAK

Daerah Indonesia wilayah Timur Khususnya Kapupaten Konawea Selatan Provinsi Sulawesi Tenggara masih jauh tertinggal dibandingkan Indonesia Wilayah Barat, Selain jauh dari pusat Pemerintahan Wilayah Timur pembangunannya relatif lambat, termasuk sektor Industri kelautan di Kabupaten Konawea Selatan Masalah-masalah Masalah-masalah klasik yang ada diwilayah diwilayah ini antara lain keterbatasan keterbatasan kualitas SDM, Sumberdaya keuangan, terbatasnya infra struktur/sarana dan prasarana, ketertinggalan ketertinggalan teknologi. Keinginan kuat Pemda Konawea Selatan cq Dinas Kelautan untuk meningkatkan ketertinggalan tersebut dilakukan dengan pembuataan Model Pengembangan Industri Kelautan di Kabupaten Konawea Selatan Model tersebut dibuat dengan menggunakan pendekatan Sistem Dinamik,dimulai dari pembuatan model mental yang merupakan merupakan Maping dari sistem nyata industri kelautan yang kemudian dipecah menjadi 4 sub sistem model sdm, sub sistem model penangkapan ikan, sub sistem model pasar dan sub sistem model konsumsi. Dari model mental yang disebut CLD kemudian dilanjutkan mmbuat model komputer dan melakukan validasi dengan uji konsistensi. Dari Hasil eksperimen yang dilakukan di Lab Komputer FTI Mercubuana dengan memakai software POWERSIM maka ditemukan leverage atau faktor faktor yang paling paling berpengaruh berpengaruh sebagai sebagai pengungkit pengungkit yaitu, Regulasi Pemda, Kualitas SDM dan Teknologi yang bila dirubah sedikit saja sistem secara keseluruhan akan berubah Hasil Skenario yang paling optimal bisa dipakai untuk pengembangan industri perikanan di Kabupaten Konawea Selatan adalah dengan memberikan stimulus pada faktor Teknologi dari 0.38 menjadi 0,6 dan regulasi pemda dari 0.4 menjadi 0.6 maka jumlah penangkapan pertahun dari12000 ton menjadi 16464 ton dan pada skenario kedua dengan menambah tenaga kerja terampil menjadi 17404 ton.PDRB Rp 28.515.128,menjadi Rp 40.729.766,Kata Kunci : Industri Kelautan, Model Dinamik, CLD, Powersim.

A. Judul Penelitian :

MODEL SIMULASI PENGEMBANGAN INDUSTRI PERIKANAN DI KONAWEA SELATAN DENGAN PENDEKATAN SISTEM DINAMIK Oleh : Muhammad Kholil dan Dedi Dwiharyadi B. Bidang Ilmu

: Teknologi

C. Pendahuluan

Provinsi Sulawesi Tenggara merupakan provinsi yang mempunyai garis pantai yang cukup panjang, menghadap kelaut banda yang mempunyai sumber daya hayati yang sangat besar di wilayah timur Indonesia, kabupaten Konawea Selatan kabupaten pemekaran dari Kabupaten Kendari sebagai salah satu dari bagian provinsi Sulawesi Tenggara mempunyai garis pantai yang cukup panjang yang menghadap ke laut Banda. Garis pantai tersebut terbentang dari Kota Kendari sampai berbatasan dengan kabupaten Bombana sepanjang 200 km. Dalam garis pantai sebesar itu merupakan areal penangkapan ikan bagi 2049 nelayan yang ada di Kabupaten Konawea Selatan, dengan kekuatan armada sebesar 2802 dari berbagai jenis perahu dan kapal (ada lima jenis). Sarana yang ada masih sangat terbatas, seperti Jukung dan motor tempel. Alat ini tergolong sederhana dan pola pengadaannya tidak terlalu membutuhkan biaya besar, akan etapi kapasitasnya sangat terbatas. Ada 4 sektor yang paling berkonstribusi mendukung pembangunan dari 9 sektor yang ada, yaitu pertanian peternakan, kehutanan, dan perikanan. Dari 4 sektor tersebut pertanian masih mendominasi. Survey awal yang dilakukan terlihat dengan jelas faktor faktor yang yang paling mempengaruhi diwilayah ini

kelambatan pembangunan pembangunan

adalah pendapatan pendapatan asli asli daerah yang yang terbatas dan dan sumber daya daya

\\vboxsrv\conversion_tmp\scratch2 \\vboxsrv\conversion_tmp\scratch2305\937580 305\93758068.doc.ms_office 68.doc.ms_office.doc .doc

2

manusia yang sangat rendah, termasuk disini adalah sektor industri kelautan, akan tetapi ternyata masalah yang dihadapi tidak sesederhana itu. Dari keadaan dan kondisi Kabupaten Konawea Selatan tantangan yang paling menarik dan kritikal dewasa ini bagi para Pejabat dan pengambil keputusan di Wilayah ini adalah kompleksitas yang secara inheren yang ada dalam pengelolaan industri kelautan. Interaksi antara komponen biofisik dan sosial ekonomi serta faktor-faktor legal dalam pengelolaan industri kelautan adalah hal yang harus dihadapi dalam pengelolaan sumberdaya alam. Melihat permasalahan yang kompleks dan dinamis tersebut secara sempit dan terfragmentasi akan berakibat pada disain penelitian yang kurang sesuai dan menghasilkan rekomendasi yang salah. Analisis sistem adalah proses yang menekankan pada pendekatan holistik terhadap pemecahan masalah dan menggunakan model untuk mengidentifikasi dan meniru karakteristik dari sistem-sistem yang kompleks serta membuat alternatif skenario pemecahan masalah. Tentu saja pendekatan sistem bukanlah satu-satunya cara untuk untuk membuat skenario-skenario tersebut. Tetapi dinamika sistem sangat berguna untuk menggambarkan pemahaman kita tentang sistem yang ada di alam nyata. Kompleksitas ekosistem laut, industri perikanan dan sistem sosial yang menyertainya membuat pengetahuan kita tentangnya tidak pernah lengkap. Dalam keadaan demikian analisis sistem dan simulasi sering dipakai untuk untuk menguji hipotesis-hipotesis kita tentang bagaimana sistem bekerja (Grant et al., 1997). Jika kita dapat memodelkan sistem industri kelautan maka skenario untuk mengelola laut dan ekosistemnya secara lestari dapat dilaksanakan secara baik, benar dan berkesinambungan

D. Perumusan Masalah

1. Kompleksitas masalah di industri perikanan di wil ayah Konawea Selatan 2. Kesulitan menentukan faktor-faktor mendasar yang sangat mempengaruhi industri perikanan di Konawea Selatan. 3. Pemda Konawea Selatan Kesulitan menentukan

kebijakan yang paling

optimal untuk industri perikanan berdasarkan keterbatasan daerah.

\\vboxsrv\conversion_tmp\scratch2305\93758068.doc.ms_office.doc

3

Pertanyaan Penelitian

1. Bagaimana bentuk kompleksitas masalah yang ada pada industri perikanan di Konawea Selatan? 2. Faktor-faktor apa saja yang sangat mempengaruhi industri perikanan di Konawea Selatan? 3. Kebijakan yang bagaimanakah yang paling Optimal dalam kondisi keterbatasan yang dapat dipakai untuk pengembangan industri perikanan di Kabupaten Konawea Selatan. Hipotesa Dinamik

Hipotesa dalam penelitian dengan metode sistem dinamik berlaku dinamik, dan yang dijadikan hipotesa adalah tujuan dari penelitian dengan metode sistem dinamik, yaitu : 1. Telah dibuat model sistem dinamik industri perikanan di Kabupaten Konawea Selatan. 2. Telah ditentukan

faktor-faktor

yang paling berpengaruh didalam industri

perikanan diwilayah ini. 3. Telah dibuat skenario yang optimal untuk pengembangan industri perikanan berdasarkan keterbatasan yang ada diwilayah Kabupaten Konawea Selatan

Validasi Model

AME adalah penyimpangan antara nilai rata-rata simulasi terhadap aktual. AVE adalah penyimpangan nilai variasi simulasi terhadap aktual.

U-

Theil’s adalah koefisien diskrepansi antara nilai simulasi terhadap aktual yang berguna untuk menjelaskan penyimpanan yang menonjol (tidak terlihat pada AME dan AVE). Batas penyimpangan yang dapat diterima adalah 5-10%.

E. Tujuan

1. Membuat Model Dinamik Industri Kelautan di Kabupaten Konawea Selatan 2. Memilih teknologi yang cocok untuk mengoptimalkan produksi 3. Membuat kebijakan Industri kelautan secara sistemik untuk peningkatan produksi kelautan


4

F. Tinjauan Pustaka

Pemodelan sistem berawal dari bagaimana kita mencoba memahami dunia nyata ini dan menuangkannya menjadi sebuah model dengan beragam metode yang ada. Tidak ada model yang benar dan salah. Model dinilai dari sejauh mana dia dapat berguna. Sehingga langkah pertama dalam pemodelan adalah menentukan tujuan dari pemodelan tersebut. Model dapat dibuat untuk memprediksi sebuah komponen dalam model setelah jangka waktu tertentu. Kegunaan model sebagai alat prediksi terletak pada ketepatan dan ketelitian hasil prediksinya. Model juga dapat dipakai sebagai wahana untuk belajar paran pihak yang ingin memahami struktur dan perilaku dari sumberdaya alam. Kegunaan model sebagai sarana belajar terletak pada bagaimana proses belajar terjadi secara efektif dengan memanfaatkan model yang dibuat. Pemodelan sistem merupakan sebuah ilmu pengetahuan dan seni. Sebuah ilmu pengetahuan karena ada logika yang jelas ingin dibangunnya dengan urutan yang

sesuai.

Sebuah

seni,

karena

pemodelan

mencakup

bagaimana

menuangkan persepsi manusia atasdunia nyata dengan segala keunikannya. Tahapan pemodelan telah dikemukakan dalam banyak literatur seperti pada Grant et al., (1997) dan Sterman (2000). Kami menyarankan pemodelan sistem dilakukan dengan fase-fase sebagai berikut: a. Identifikasi isu atau masalah, tujuan dan batasan; b. Konseptualisasi model dengan menggunakan ragam metode seperti diagram kotak dan panah, diagram sebab-akibat, diagram stok dan flow atau diagram sekuens; c. Formulasi model, merumuskan makna diagram, kuantifikasi dan atau kualifikasi komponen model jika perlu; d. Evaluasi model, mengamati kelogisan model dan membandingkan dengan dunia nyata atau model andal yang serupa jika ada; e. Penggunaan model, membuat skenario-skenario ke depan atau alternatif kebijakan, mengevaluasi ragam skenario atau kebijakan tersebut dan pengembangan perencanaan dan agenda bersama.


5

Maarleveld dan Dangbégnin (1999) dalam Buck et al. (2001) menyatakan bahwa pembelajaran bersama atau pembelajaran sosial ( social learning) adalah sebuah proses dialog dan pemikiran mendalam yang kontinyu antar para pihak untuk mengeksplorasi masalah dan solusinya. Komunikasi dan eksperimentasi meningkatkan kemampuan adaptasi para pihak untuk memperbaiki manajemen sumberdaya alam. Daniels dan Walker (1999) dalam Buck et al. (2001) mengungkapkan bahwa mutual learning adalah sebuah proses pertukaran perspektif antarpihak untuk transformasi pemahaman masingmasing terhadap masalah. Pembelajaran sosial juga mengakui bahwa masing-masing kelompok kepentingam membawa beragam pengetahuan dalam pembelajaran sosial, termasuk nilai, kapasitas, perspektif dan metode pendekatan. Buck et al. (2001) menyatakan bahwa insitusi untuk pembelajaran sosial adalah adanya fasilitator yang berfungsi sebagai katalis bagi pembelajaran sosial, serta wahana ( platforms) atau kesempatan bagi terciptanya pembelajaran sosial. Wahana tersebut bisa berbentuk pertemuan, diskusi kelompok, lokakarya dan lain lain. Senge dan Steerman (1994) menyatakan proses pembelajaran pada pemodelan bertujuan untuk (1) meningkatkan model mental bersama para pihak sehingga menjadi lebih sistemik dan dinamis (2) mengembangkan kemampuan para pihak untuk memahami setiap situasi baru secara lebih sistemik dan dinamis. Lane (1994) menyatakan bahwa pemodelan bisa menjadi sarana untuk proses pembelajaran.

Simulasi Sistem Dinamik

Forrester (1961), mendefinisikan simulasi sebagai penyelesaian atau perhitungan tahap demi tahap dari persamaan matematika yang menggambarkan keadaan sistem untuk mengetahui perubahan yang terjadi pada sistem tersebut sehingga diketahui perilakunya. Oleh Muhammadi (2001), simulasi didefinisikan sebagai peniruan perilaku suatu gejala atau proses. Simulasi bertujuan untuk memahami gejala atau proses tersebut, membuat analisis dan peramalan perilaku gejala atau proses tersebut di masa depan.


6

Simulasi merupakan salah satu alat analisis yang terpercaya bagi perancangan dan pengoperasian proses atau sistem yang rumit. Dengan semakin meningkatnya persaingan dunia, simulasi menjadi alat yang sangat cocok untuk perencanaan, perancangan dan pengawasan bagi sebuah sistem. Simulasi merupakan sebuah tiruan dari sebuah cara operasi di dunia nyata. Model simulasi adalah suatu teknik dimana hubungan sebab akibat dari suatu sistem ditangkap ( capture) di dalam sebuah model komputer, untuk menghasilkan beberapa perilaku sesuai dengan sistem nyata. Pelaksanaan simulasi melalui 4 tahap, dimana tahap pertama simulasi adalah penyusunan konsep. Gejala atau proses yang akan ditirukan perlu dipahami, antara lain dengan menentukan unsur-unsur yang berperan dalam gejala atau proses tersebut. Tahap kedua adalah pembuatan dan perumusan model. Konsep pada tahap awal dirumuskan sebagai model yang berbentuk uraian gambar atau rumus. Tahap ketiga, simulasi dapat dilakukan dengan menggunakan model yang telah dibuat. Dalam model kuantitatif, simulasi dilakukan dengan memasukkan data ke dalam model, dimana perhitungan dilakukan untuk mengetahui perilaku gejala atau proses. Dalam model kualitatif, simulasi dilakukan dengan menelusuri dan mengadakan analisis hubungan sebab akibat antar unsur dengan memasukkan data atau informasi yang dikumpulkan untuk mengetahui perilaku gejala atau proses. Tahap terakhir, dilakukan validasi untuk mengetahui kesesuaian antara hasil simulasi dengan gejala atau proses yang ditirukan. Model dapat dinyatakan baik apabila kesalahan atau simpangan hasil simulasi terhadap gejala atau proses yang ditirukan kecil. Hasil simulasi tersebut selanjutnya digunakan untuk memahami perilaku gejala atau proses serta mengetahui kecenderungannya di masa mendatang.

Perangkat Lunak Simulasi

Untuk melakukan simulasi dari sebuah model, diperlukan perangkat lunak (software) yang secara cepat dapat melihat perilaku dari model yang telah dibuat. Ada berbagai macam perangkat lunak yang dapat digunakan untuk keperluan ini,


7

seperti Vensim, Dynamo, Ithink , Stella dan Power Simulation. Tetapi dalam penelitian ini, software yang digunakan adalah Power Simulation. Powersim digunakan untuk membangun dan melakukan simulasi suatu

model dinamik. Suatu model dinamik adalah kumpulan dari variabel-variabel yang saling mempengaruhi antara satu dengan lainnya dalam suatu kurun waktu. Setiap variabel berkorespondensi dengan suatu besaran yang nyata atau besaran yang dibuat sendiri. Semua variabel tersebut memiliki nilai numerik dan sudah merupakan bagian dari dirinya. Pada waktu mensimulasikan model, variabel-variabel akan saling dihubungkan membentuk suatu sistem yang dapat menirukan kondisi sebenarnya. Pada perangkat lunak Powersim, suatu sistem yang menggambarkan hubungan antara variabel-variabel itu dinamakan stock flow diagram. Model yang dibangun dengan menggunakan perangkat lunak Powersim berbentuk simbol-simbol dan simulasinya mengikuti suatu metode yang dinamakan dinamika sistem yang telah dikembangkan pada sekitar awal 1960-an. Perkembangan selanjutnya, simulasi dengan menggunakan perangkat lunak ini banyak dipakai dalam bidang-bidang komersial, industri, manajemen dan riset. Simulasi ditujukan untuk mencari model yang paling cocok sebelum diterapkan dalam kondisi sebenarnya. Simbol yang digunakan ditampilkan pada Tabel 5. Tabel 1. Simbol-simbol Diagram Alir (Muhammadi, 2001) No.

Simbol

Arti

1.

Level

2.

Auxiliary

3.

Konstanta

4.

Sumber

5.

Hubungan

6.

Hubungan tertunda

7.

Inisialisasi hubungan

8.

Aliran ( flow)

F. Tujuan


8

1. Membuat model sistem dinamik industri perikanan di Kabupaten Konawea Selatan. 2. Menentukan faktor-faktor apa saja yang paling berpengaruh didalam industri perikanan diwilayah ini. 3. Membuat skenario yang optimal untuk pengembangan industri perikanan berdasarkan keterbatasan yang ada diwilayah

G. Manfaat Penelitian

1. Hasil penelitian ini dapat dipakai sebagai pedoman bagi pengambil kebijakan di bidang Industri Perikanan Kabupaten Konawea Selatan untuk membangun industri perikanan, dengan arah yang tepat dan kondisi yang serba terbatas. 2. Model simulasi ini dapat dikembangkan menjadi sistem industri kelautan yang terdiri dari industri pariwisata, industri perikanan, Pendidikan (politeknik kelautan yang terdiri dari: Pariwisata Pantai dan laut, Budi daya hasil laut, Teknologi Perikanan, Teknologi hasil Penangkapan)

H. Metode Penelitian

Metode yang dipakai adalah yang biasa dikenal sebagai pendekatan sistem dinamik. Untuk menyelesaikan masalah sistem dinamik ada beberapa perangkat lunak yang dapat dipakai, antara lain Dynamo, Vensim, Stella, Ithink, Powersim,Simile dalam hal ini penulis menggunakan perangkat lunak Powersim dengan alasan perangkat lunak powersim lebih user friendly dari pada perangkat lunak lainnya.

1. Langkah Pertama adalah memetakan masalah berdasarkan data-data dilapangan. Pemetaan masalah industri perikanan disini meliputi, penentuan variable-variabel yang ada dalam sistem industri perikanan di Kabupaten

Konawea

Selatan.

Variable


tersebut

di

uji

dengan

9

menggunakan apakah ada hubungan yang signifikan antara satu variable dengan variable yang lain. Penentuan variable-variabel Sintem industri perikanan

dilakukan

bersama-sama pejabat-pejabat yang menangani masalah industri perikanan di wilayah Kabupaten Konawea Selatan, dalam hal ini adalah Kepala Dinas Kelautan Kabupaten Konawea Selatan. Provinsi Sulawesi Tenggara. Pada langkah ini juga dibuat model mental dalam bentuk diagram Simpal Kausal (Causal Loop Diagram) 2. Pembuatan Model computer dari system industri perikanan ini (biasa disebut Stock Flow Diagram/SFD) dilakukan berdasarkan model mental yang telah dibuat bersama pejabat Dinas kelautan terkait. Pada tahap ini juga dibuat hubungan antara variable tersebut yangberupa hubungan matematis initHasil_Tangkapan =GRAPH(TIME,2005,2025,[130000,177000,185000,190000,266000,2830 00,318000,377000,416000,458000,612000"Min:100000;Max:1000000"]) flow Hasil_Tangkapan = +dt*Laju_Penagkapan

3. Pada tahap ini dilakukan pemasukan data kedalam model computer tersebut yang menggunakan perangkat lunak POWERSIM. 4. Setelah input data dilakukan, model tersebut disimulasikan yang akan menghasilkan keluaran berupa grafik, yang menunjukan berapa nilai dari masing-masing variabel tersebut setelah di run seperti gambar 4 diatas 5. Validasi diperlukan untuk menentukan apakah model dan keluaranannya tidak

menyimpang

dari

system

nyatanya.

Dilakukan

dengan

membandingkan data system nyata yang berupa grafik dari data statistic dengan keluaran hasil simulasi model yang berupa grafik. 6.

Uji sensitifitas dilakukan untuk menentukan factor-faktor yang berpengaruh(atau yang biasa disebut Leverage). Leverage adalah variabel yang bila di rubah sedikit saja akan merubah seluruh system industri perikanan di Kabupaten Konawea Selatan. Penentuan factor-faktor yang berpengaruh (Leverage) ini menjadi langkah yang penting karena


10

pembuatan skenario kebijakan dilakukan dengan memberikan stimulans pada Leverage yang pada akhirnya setelah dilakukan eksperimen akan didapat kebijakan yang paling optimal

HASIL PENELITIAN Diagram Simpal Kausal

Diagram Simpal Kausal merupakan model mental yang penulis buat yang berupa hubungan antara variabel-variabel yang membentuk model sistem perikanan. Dasar pembuatan model mental yang direpresentasikan dalam bentuk diagram simpal kausal ini adalah kondisi nyata keadaan perikanan yang ada di Kabupaten Konawe Selatan. Laju Konsumsi

PDRB

+

+

+

+

+ +

PAD

Industri Pengolahan

+ +

Pasar Potensi Kelautan

Harga Ikan

Konsumen Te knologi

+

+

+ +

+

Laju Konsumen

Laju Penangkapan Ikan

+

+

+

+

+

+

Jumlah Tangkapan

+

+

+ + +

Populasi Penduduk

+

+ Laju Kelahiran

SDM

Imigrasi

Alat Tangkap

+ +

Laju Kematian Emigrasi

Gambar ..1 : Diagram Simpal Kausal


11

Model Perikanan di Kabupaten Konawea Selatan

Dari diagram simpal kausal

(CLD)

diatas, maka model sistem

perikanan Kabupaten Konawea Selatan dibagi menjadi 4 Sub Sistem, Yaitu

1. Sub Sistem Pasar 2. Sub Sistem Konsumsi 3. Sub Sistem Jumlah Tangkapan 4. Sub Sistem SDM

Sub Model Pasar/Penjualan

Sub model pasar yang terdiri dari Stock (Level) dan Flow ( Aliran) atau sebelumnya disebut Rate konsumen rumah tangga yang dipengaruhi oleh jumlah konsumen rumah tangga,

dan jumlah tangkapan, industri

pengolahan dan regulasi dari Pemda Kabupaten Konawea. Pada sub model Pasar ini penulis membatasi hanya pada hasil perikanan yang berupa hasil tangkapan dilaut, tidak termasuk budidaya perikanan yang lain. Pasar akan meningkat dipengaruhi oleh laju konsumsi. Besarnya laju konsumsi dipengaruhi oleh besarnya konsumen rumah tangga dan besarnya permintaan industri pengolahan ikan. Besar pasar sektor Perikanan ini akan menjadikan pendapatan asli (PAD)daerah meningkat lewat restribusi/pajak yang dibebankan pada hasil penjualan. Sejalan dengan hal tersebut diatas akan meningkat pula Produk Domestik Bruto daerah tersebut (PDRB). Lihat gambar 4.3 Model Sub Sistem Pasar dibawah ini.

Laju Konsumsi

PDRB + +

PAD

+

+

Pasar

Gambar 2. Model Sub Sistem Pasar


12

Sub Model Konsumen Rumah Tangga Sub Model Konsumen Rumah Tangga (ikan) dibangun dari Stock Konsumen Rumah Tangga yang jumlahnya dipengaruhi oleh aliran atau Flow laju konsumen RT yang besarnya tergantung dari jumlah Rumah Tangga, dan harga ikan.

Harga Ikan

Konsumen

+ +

+ Laju Konsumen

+

Gambar : 3. CLD Sub Sistem Model Konsumen Sub Model Jumlah Tangkapan

Sub Sistem Jumlah tangkapan menggambarkan bahwa jumlah tangkapan sebagai Stock (Level) dipengaruhi oleh laju penangkapan ikan yang merupakan Flow (Aliran) Laju penangkapan ikan dipengaruhi oleh potensi kelautan, alat tangkap, sumber daya manusia yang kompeten. Sementara jumlah tangkapan akan mempengaruhi industri pengolahan ikan


13

Industri Pengolahan Potensi Kelautan

+

+

Jumlah Tangkapan

+ +

Laju Penangkapan Ikan

Te knologi

+ +

+ +

Alat Tangkap +

SDM

Angkatan kerja

Gambar : 4. CLD Sub Sistem Model Jumlah Tangkapan

Sub Model SDM

Sub sistem populasi penduduk menggambarkan jumlah penduduk di Kabupaten Konawea Selatan yang lahir dan meninggal . Untuk memudahkan perhitungan sub model ini menggunakan

data langsung

yang terdiri dari rata-rata bertambahnya kelahiran dan kematian per tahun atau disebut sebagai fraksi kelahiran dan kematian. Jumlah penduduk dipengaruhi pula oleh imigrasi dan emigrasi. Emigrasi penduduk terjadi karena kesulitan mendapatkan penghasilan yang layak .Selain Emigrasi adapula penduduk yang datang dan menetap Kabupaten Konawea Selatan. Karena merupakan Kota Kabupaten baru banyak pekerja pendatang yang menetap dan menjadi penduduk permanen di wilayah ini. Konsumen + + +

Populasi Penduduk

+

+ Laju Kelahiran

SDM

Imigrasi

_

-

+

+

Laju Kematian Emigrasi

Gambar :5. CLD Sub Model SDM/Penduduk

Diagram Stok Aliran (Stock Flow Digram)


14

Dari model mental sistem pengembangan perikanan di Kabupaten Konawea Selatan yang telah dibuat berdasarkan kondisi nyata di lapangan, maka di buat model Komputer yang biasa disebut stock flow diagram (diagram stok aliran)

STOCK FLOW DIAGRAM Model Sistem Perikanan Lengkap

Fraksi_sdm_sk

PAD_Sektor Hasil_Tangkapan Fraksi_regulasi_Pemda

Fraksi_Potensi_Kelautan

PPn

SDM_SK FSDM

PDRB_Sektor

Regulasi_Pemda

Fraksi_JSDM

Potensi_Kelautan

Kontribusi_SDM

Pasar Hasil_Tangkapan

Laju_Penjualan

Laju_Penagkapan

Indust ri_Pengolahan Alat_Tangkap Fraksi_AK

Harga_Ik an_segar

Teknologi Fraksi_Teknologi

Harga_Pengolahan

Fraksi_AT

Kbth_per_kepala Angkatan_Kerja Fraksi_Emigrasi Konsumen_rumah_Tangga Kebutuhan_Perkapita Fraksi_Kematian

Emigrasi Fraksi_Kelahiran Constant_23

Laju_Konsumen_RT Populasi_Penduduk

Juml ah_Rumah_Tangga

Kematian

Kelahiran

Fraksi_Keluarga

Jmlh_rata2_anggota_Keluarga Imigrasi

Fraksi_Imigasi Juml ah_Rumah_Tangga

Gambar : 6. Diagram Alir Model Sistem Perikanan Lengkap

Model komputer dalam bentuk Stock Flow Diagram(SFD) . Pembuatan SFD ini dilakukan berdasarkan

perangkat lunak yang digunakan. Ada beberapa

perangkat lunak yang digunakan untuk pemodelan sistem dinamik, antara lain :


15

Stella, Dynamo, Vensim, Powersim, Ithink. Dalam hal ini penulis menggunakan

Powersim, karena menurut hemat penulis perangkat lunak Powersim merupakan perangkat lunak sistem dinamik yang User Friendly (ramah pengguna).

Simulasi Model Dari model dasar yang dibuat maka didapat hasil seperti gambar grafik 7 dibawah ini. Pada simulasi tersebut hasil tangkapan terlihat stagnan dengan kondisi SDM yang belum terlatih, kalaupun ada terbatas sekali pengetahuan teknologinya. Pada simulasi ini juga terlihat kenaikan

PDRB dan PAD akan tetapi

kenaikan ini tidak hanya oleh hasil tangkapan tapi dari industri pengolahan yang meningkatkan nilai tambah dari hasil tangkapan, ditambah dengan hasil budi daya tambak udang dan bukan udang 1

960,000,000

1

720,000,000

1

480,000,000

1

n u h a T /

1.2e9

1 r o t k e ) S p R B ( R D P

a j r e K ) g n n a r a t a O k ( g n A

240,000,000 0 2 ,007

1

18,000

12,000

2, 016

Time 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016

PDRB_Sektor 14,306.32 27,157,946.32 78,307,219.12 153,495,702.82 252,757,143.41 376,125,455.61 523,634,723.72 695,319,202.45 891,213,317.78 1,111,351,668

12,800

n a p ) n a o k T g ( n a T l i s a H

15,000

2,007

Tahun

13,000

2,010

2,013

12,600 12,400 12,200 2,007 2,010 2,013 2,016

2,016

Time

Tahun Time 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016

Tahun 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016

Angkatan_Kerja 18,000.00 18,090.00 18,180.45 18,271.35 18,362.71 18,454.52 18,546.80 18,639.53 18,732.73 18,826.39

Hasil Tangkapan 12,000.00 12,016.80 12,033.68 12,050.65 12,067.71 12,084.84 12,102.07 12,119.38 12,136.78 12,154.26

gi

Gambar :.7a Grafik PDRB, Angkatan Kerja dan Hasil Tangkapan n a p a k ) g n n o

a T T ( l i s a H

l a ) u t h k a i A p r u a R s ( a P

100,000

50,000

2,007

2,010

2,013

1e9

500,000,000

0 2,007

2,016

Tahun Tahun 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016

Total Hsl Tangkap 14,000.00 26,000.00 38,016.80 50,050.48 62,101.14 74,168.84 86,253.69 98,355.75 110,475.13 122,611.91

r o t k ) e p S R ( D A P

100,000,000

50,000,000

0 2,007

2,016

Tahun Tahun 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016

Pasar 14,306.32 27,157,946.32 78,307,219.12 153,495,702.82 252,757,143.41 376,125,455.61 523,634,723.72 695,319,202.45 891,213,317.78 1,111,351,667.85


2,016

Tahun Time 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016

PAD_Sektor 1,430.63 2,715,794.63 7,830,721.91 15,349,570.28 25,275,714.34 37,612,545.56 52,363,472.37 69,531,920.24 89,121,331.78 111,135,166.78

16

n a t u a l e ) K g r n o r t a k O e ( S M D S

2,600

2,550

2,007

2,010

2,013

2,016

Tahun Time 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016

PSK 2,520.00 2,532.60 2,545.26 2,557.99 2,570.78 2,583.63 2,596.55 2,609.53 2,622.58 2,635.69

Gambar 4.7 b

Pada simulasi dasar ini

terlihat bahwa peningkatan PAD

relatif stagnan ini

menunjukkan bahwa produksi Kelautan sangat dipengaruhi oleh bukan hanya perikanan laut saja akan tetapi budidaya prok kelautan yang lain, yang sangat prospektif antara lain udang, bandeng, rumput laut, tiram mutiara dll.

Validasi Model

Validasi model dinamik ditujukan kepada konsistensi hasil simulasi model dengan system nyatanya yang berupa angka statistic ada 3 parameter yang akan diukur, yaitu sumber daya manusia sector kelautan, hasil tangkapan


17

13160 13140 13120 13100 13080

Sistem nyata

13060

Simulasi Model 13040 13020 13000 12980 12960

Tahun

Gambar :.8a Uji konsistensi Hasil Tangkapan Pada hasil tangkapan system nyata pada tahun 2004-2006 (tahun 1-3) menunjukkan konsistensi kondisi system nyata dengan hasil simulasi yang hasilnya menunjukkan trend naik Pada garis warna biru menunjukkan hasil tangkapan sistemnyata dari tahun 20042006 sedangkan garis warna pink menunjukkan hasil tangkapan menurut model system perikanan

Analisa Sensitifitas

Dari Hasil eksperimen yang dilakukan ternyata parameter yang paling peka terhadap perubahan system adalah : para meter Teknologi, Sumber Daya Manusia dan Regulasi Pemda.

Analisa Sensitifitas ini berguna untuk menentukan skenario yang paling optimal dengan mengatur parameter yang menjadi leverage sehingga system menghasilkan tujuan yang kita inginkan, dalam hal ini hasil yang tinggi nilainya belum tentu akan dipakai dikarenakan kemampuan Pemda yang terbatas dalam hal keuangan dan sumberdaya lainnya

Skenario Kebijakan


18

Skenario 1 Pada scenario pertama teknologi yang tadi hanya seadanya ditandai dengan fraksi hanya 0,4 dinaikan pada tingkat yang memadai (pada tingkat fraksi 0.6) dan regulasi pemda yang belum mendukung (0,4) ditingkatkan menjadi 0,6 Maka terdapat peningkatan yang signifikan dari pasar, hasil tangkapan dan PAD

/ n a p a ) k n u n g h n a o a T ( T T l i s a H

12,200 l a u ) t h k a A i p r u a s R ( a P

12,150 12,100 12,050 12,000 2,007

1e9


500,000,000

0 2,007

2,016

Time Tahun 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016

100,000,000

50,000,000

0 2,007

2,016

Tahun

Hasil Tangkapan 12,000.00 12,022.58 12,045.27 12,068.08 12,091.00 12,114.03 12,137.18 12,160.45 12,183.83 12,207.33

Tahun 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016

2,016

Tahun

Pasar 14,306.32 28,515,128.32 82,219,719.07 161,175,471.90 265,430,017.09 395,031,223.10 550,027,197.70 730,466,289.22 936,397,087.73 1,167,868,426.24

Time 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016

PAD_Sektor 1,430.63 2,851,512.83 8,221,971.91 16,117,547.19 26,543,001.71 39,503,122.31 55,002,719.77 73,046,628.92 93,639,708.77 116,786,842.62

Gambar :9. a Sebelum ada perubahan Teknologi dan regulasi Dengan nilai fraksi Teknologi 0.38 dan regulasi 0.4 / n a p a n k u ) g h n n a o T a T T ( l i s a H

16,650

l a u ) t k h a A i r p u a R s ( a P

16,600 16,550 16,500 2,007

1e9

500,000,000

0 2,007

2,016

Hasil Tangkapan 16,464.00 16,487.52 16,511.16 16,534.91 16,558.79 16,582.78 16,606.90 16,631.13 16,655.49 16,679.96

200,000,000 150,000,000 100,000,000 50,000,000 0 2,007

2,016

Tahun 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016

Pasar 14,306.32 40,729,766.32 130,849,430.32 270,443,825.47 459,583,831.56 698,340,682.76 986,785,969.45 1,324,991,639.91 1,713,030,002.21 2,150,973,725.93

2,016

Tahun

Tahun

Tahun

Tahun 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016


Tahun 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015

PA D_Sektor 1,430.63 4,072,976.63 13,084,943.03 27,044,382.55 45,958,383.16 69,834,068.28 98,678,596.94 132,499,163.99 171,303,000.22

Skenario 2


19

/ n a p a k n ) u n g h o n T a a ( T T l i s a H

17,650

l a u ) t h k a A i p r u a s R ( a P

17,600 17,550 17,500 17,450

o t k ) e p S R ( D A P

500,000,000

150,000,000 100,000,000 50,000,000 0 2,007

0

17,400 2,007

2,007

2,016

2,016

Hasil Tangkapan 17,404.80 17,433.02 17,461.39 17,489.90 17,518.55 17,547.34 17,576.27 17,605.36 17,634.58 17,663.96

Tahun 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016

Pasar 14,306.32 40,729,766.32 133,671,830.32 278,925,137.47 476,574,750.12 726,706,155.92 1,029,405,269.96 1,384,758,436.93 1,792,852,433.21 2,253,774,469.09

2,016

Tahun

Tahun

Time Tahun 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016

200,000,000

1e9

Time 2,007 2,008 2,009 2,010 2,011 2,012 2,013 2,014 2,015 2,016

PAD_Sektor 1,430.63 4,072,976.63 13,367,183.03 27,892,513.75 47,657,475.01 72,670,615.59 102,940,527.00 138,475,843.69 179,285,243.32 225,377,446.91

Pada kondisi real ternyata sector kelautan masih membutuhkan tenaga terampil yang cukup banyak yang tidak dapat dipenuhi oleh penduduk setempat tanpa harus mendidik lagi sambil menunggu tenaga-tenaga terampil yang dididik di wilayah ini maka diambil tenaga dari luar berdasarkan keterampilannya dengan menaikan Fraksi angkatan kerja dari 15% menjadi 18 % KESIMPULAN DAN SARAN Kesimpulan

1. Dari hasil penelitian dengan menggunakan pendekatan system dinamik maka dapat diambil kesimpulan sebagai berikut : parameter yang paling berpengaruh dalam model pengembangan industri perikanan di Kabupaten Konawea Selatan adalah Teknologi, Sumberdaya Manusia, Regulasi Pemda. Peningkatan Teknologi dengan bekerja sama dengan lembaga penelitian kelautan dan pendidikan akan membantu Pemda merealisasikan pengembangan teknologi tersebut.Peningkatan dan pengembangan pendidikan.

1. Hasil Skenario yang paling optimal bisa dipakai untuk pengembangan industri perikanan di Kabupaten Konawea Selatan adalah dengan memberikan stimulus pada faktor Teknologi dari 0.38 menjadi 0,6 dan regulasi pemda dari 0.4 menjadi 0.6 maka jumlah penangkapan pertahun dari12000 ton menjadi 16464


20

ton dan pada skenario kedua dengan menambah tenaga kerja terampil menjadi 17404 ton.PDRB Rp 28.515.128,- menjadi Rp 4.729.766,-

Saran

1. Pengembangan SDM Sektor kelautan mengarah pada dibukanya SMK Kelautan dan Politeknik Kelautan baik secara resmi atau dalam bentuk Comunity College, bekerja sama dengan lembaga pendidikan yang sudah mapan baik SDM,Teknologi dan sumberdananya.

2. Pembuatan regulasi Pemda yang harus mendukung bertumbuhnya investasi dibidang kelautan, sehingga pembuatan regulasi harus mengarah pada kemudahan-kemudahan bagi investor kelautan dan sector-sektor lain diantaranya,

kemudahan

perijinan,

insentip

pajak

dan

restribusi,

pengembangan sarana dan prasarana yang menunjang industri kelautan.

Lampiran-lampiran 1. Daftar Pustaka

1. Budi Susilo dkk, Pelatihan Sistem Dinamik, Sikindo, Jakarta 2004 2. Checkland P., 1989. Soft System Methodology. In Rational analysis for a problematic world problem structuring methods for complexity, uncertainty and conflit (J. Rosenhead, eds.). John Wiley & Sons, Chichester. 3. Chung, W.C. 1999. A System Dynamic Simulation Model in The System Support Organization of A Speedy Printing Company (ABC/CND/Powersim Project). Thesis. Systems Management College of Notre Dame. (on-line) dalam http://.www.rondo.com/capstone/Paper/ 4. Coyle, R.G. 1996. Sistem Dynamics Modelling : A Practical Approach. Chapman & Hall, United Kingdom.


21

5. de Geus A.P., 1994. Modeling to predict or to learn. In Modeling for Learning Organizations (J.D.W. Morecroft and J.D. Sterman eds.). Productivity Press, Portland, Oregon. 6. Hemmati M., 2002. Multi-stakeholder Processes for Governance and Sustainability: Beyond Deadlock and Conflict. Eartscan Publ, London. 7. Ingles A.W., A. Musch and H. Qwist-Hoffmann. 1999. The Participation Process for Supporting Collaborative Management of Natural Resources. FAO, Rome 8. Lane D.C.,. 1994. Modeling as learning: a consultancy methodology for enhancing learning in management teams. In Modeling for Learning Organizations (J.D.W. Morecroft and J.D. Sterman eds.). Productivity Press, Portland, Oregon. 9. Lee K.N., 1993. Compass and Gyroscope: Integrating Science and Politics for the Environment. Island Press, Washington D.C. 10. Mohamadi dkk, “Analisa Sistem Dinamik”, Muhamadiah Press, 2003, Jakarta 11. Muhammad, S. 2002. Manajemen Strategik Konsep dan Kasus Edisi Ketiga. Akademi Manajemen Perusahaan YKPN, Yogyakarta. 12. Muhammadi, E. Aminullah, dan B. Soesilo. 2001. Analisis Sistem Dinamis Lingkungan Hidup, Sosial, Ekonomi, Manajemen. UMJ Press, Jakarta. 13. Painch M., and R. Hinton 1998. Simulation models: a tool for rigorous scenario analysis. In (L.Fahey and R.M. Randall, eds). Learning from the Future: Competitive Foresight Scenarios. John Wiley & Sons, Inc., New York. pp. 157-174. 14. Steerman, Business Dynamic, John Willey, 2002 15. Simatupang Togar, Pemodelan Sistem, Andy Offset, yogyakarta,2000


22


23

Contoh Proposal Model Simulasi an Industri

Recommend Documents