Setelah berhasil membuat tabulasi dan rekapitulasi nilai amatan di setiap titik amat sub segmen dalam satu segmen, tahap selanjutnya (step-2) adalah menghitung proporsi setiap kondisi lahan sawah yang diamati. Proses menghitung proporsi kejadian sesungguhnya bukanlah hal sulit. Perhatikan Gambar 1 berikut ini.

Rekap Segmen

Gambar 1. Status Kondisi Lahan

Segmen 1 hanya terdiri dari 3 kondisi yaitu 6 kondisi lahan sawah bukan padi (sawah tetapi ditanami selain padi, disingkat SBP), 2 lahan sawah kondisi panen (P) dan 1 lahan sawah “bera” (B). Sementara kondisi vegetatif awal (V1), vegetatif akhir (V2), generatif (G), persiapan lahan (PL), Puso (PS), dan Bukan Sawah (BS) tidak ditemukan pada segmen 1. Artinya, dalam satu segmen hanya ada 9 kondisi yang mungkin. Dengan demikian proporsi tiga kondisi lahan sawah pada segmen 1 adalah:

SBP = 6/9 = 0,667; P = 2/9 = 0,222; dan B = 1/9 = 0,111.

Dengan langkah yang sama, kita dapat menghitung proporsi masing-masing kondisi lahan sawah pada segmen 2 dan segmen 3.

Proporsi kondisi lahan sawah pada segmen 2 adalah:

V1 = 5/9 = 0,556; PL = 2/9 = 0,222 dan SBP = 2/9 = 0,222

Proporsi kondisi lahan sawah pada segmen 3 adalah:

PL = 1/9 = 0,111; B = 2/9 = 0,222; SBP = 5/9 = 0,556 dan BS = 1/9 = 0,111. 

Dengan demikian rata-rata proporsi kondisi lahan dari ketiga segmen adalah:

Rata-rata Proporsi vegetatif awal (V1) = 0,556/3 = 0,185

Rata-rata Proporsi panen (P) = 0,222/3 = 0,074

Rata-rata Proporsi luas sawah bera (B) = (0,111 + 0,222)/3 = 0,333 = 0,111

Rata-rata Proporsi Luas lahan sawah yang sedang diolah (PL) = (0,222 + 0,111)/3 = 0,111

Rata-rata Proporsi luas sawah yang tidak ditanami padi (SBP) = (0,667 + 0,222 + 0,556)/3 = 1,444 = 0,481

Rata-rata Proporsi lahan bukan sawah = 0,111/3 = 0,037

Langkah-langkah di atas secara ringkas dituliskan dalam sintaks SPSS sebagai berikut:

* Hitung total sub segmen.

COMPUTE Total = V1 + V2 + G + P + PL + PS + SBP + BS + BERA.
EXECUTE.

* Hitung Proporsi Kondisi Lahan Sawah

COMPUTE P1 = V1/Total.
COMPUTE P2 = V2/Total.
COMPUTE P3 = G/Total.
COMPUTE P4 = P/Total.
COMPUTE P5 = PL/Total.
COMPUTE PBera = BERA/Total.
COMPUTE P6 = PS/Total.
COMPUTE P7 = SBP/Total.
COMPUTE P8 = BS/Total.
COMPUTE PTotal=Total/Total.
EXECUTE.

*********************************** STEP 2 *****************************************.
COMPUTE Strata_Akhir = 1.

AGGREGATE
/OUTFILE=’F:\OLAH DATA PRODUKSI\KSA\AGG_KSA_MASNI.sav’
/BREAK=Strata_Akhir
/P1_mean=MEAN(P1)
/P2_mean=MEAN(P2)
/P3_mean=MEAN(P3)
/P4_mean=MEAN(P4)
/P5_mean=MEAN(P5)
/P6_mean=MEAN(P6)
/P7_mean=MEAN(P7)
/P8_mean=MEAN(P8)
/P9_mean=MEAN(PBera).

Sampai di sini, kita telah mendapatkan proporsi kondisi lahan hasil pengamatan KSA untuk ketiga segmen. Output pada tahapan ini menjadi input bagi tahapan selanjutnya yaitu menghitung luas lahan hasil KSA.

Baca juga Kalkulasi-luas-lahan-dari-ksa-step-1

Baca juga Kalkulasi-luas-lahan-dari-ksa-step-3

 

Kerangka Sampel Area, disingkat KSA, menjadi harapan baru bagi perbaikan data luas panen (tanaman pangan). Selama ini, laporan luas panen dikumpulkan dari dinas pertanian melalui penaksiran dengan menggunakan sistem blok pengairan, laporan petani kepada kepala desa/lurah, banyaknya benih yang digunakan, dan eye estimate (pengamatan mata) berdasarkan luas baku. Cara ini bersifat subjektif dan menghasilkan data luas panen yang cenderung overestimate. Untuk itu diperlukan cara baru memperoleh data luas panen yang objektif, akurat, cepat dan kekinian. Cara baru tersebut adalah KSA. Apa itu KSA? silahkan berselancar di tautan berikut, https://ksa-nasional.info.

Di tingkat operasional, proses bisnis KSA sebagai berikut. Pada tujuh hari terakhir setiap bulan, seorang petugas KSA terlatih melakukan pengamatan fase tumbuh padi pada segmen terpilih secara random/acak selama 12 bulan. Satu segmen berukuran 9 ha dan terbagi menjadi 9 sub segmen dengan ukuran masing-masing 1 ha. Petugas KSA terlatih diwajibkan melakukan pemotretan di titik amat pada sub segmen dan melaporkan kondisi lahan sawah yang di amati apakah termasuk 1. vegetatif awal atau 2. vegetatif akhir atau 3. generatif, atau 4. panen, atau 5. persiapan pengolahan lahan sawah, atau 6. puso, atau 7. sawah tetapi tidak ditanami padi atau 8. bukan lahan sawah. Proses pengambilan gambar di titik amat dan pengiriman data ke server menggunakan aplikasi KSA berbasis android.

 

fasetumbuhpadi

Gambar 1

 

Bagaimana proses pengolahan 8 informasi hasil pengamatan petugas KSA bisa berubah menjadi luas lahan dalam satuan ha?

(more…)

Besok, 1 April 2017, adalah hari pertama pelaksanaan Survei Struktur Ongkos Usaha Tani disingkat SOUT tahun 2017 termasuk di Provinsi Papua Barat. Survei serupa pernah dilaksanakan tahun 2014 selepas pelaksanaan Sensus Pertanian tahun 2013. Mengapa Survei SOUT 2017 ini dilaksanakan? Setidaknya ada tiga tujuan SOUT 2017 yaitu: (1) Memperbaharui data mengenai struktur ongkos rumah tangga usaha tanaman pangan dan peternakan di Indonesia; (2) Memperbaharui data mengenai profil pengusahaan tanaman pangan dan peternakan; dan (3) Memperbaharui data mengenai keadaan sosial ekonomi rumah tangga usaha tanaman pangan dan peternakan.

Saya ingin mengajak pembaca menapaktilasi Struktur Ongkos Usaha Tani hasil Survei tahun 2014 lalu. Salah satu komoditas yang disurvei adalah komoditas padi yang pada SOUT 2017 kali ini juga menjadi target. Mengapa komoditas ini yang dipilih untuk dibahas? Karena, padi yang setelah diolah menjadi beras dan setelah dimasak menjadi nasi itu adalah makanan pokok orang Indonesia. Istilah kata, biar pagi makan roti tetapi jika belum makan nasi berasa belum sarapan.

Kembali ke pokok bahasan, bahwa salah satu output SOUT adalah dapat mendeskripsikan profil pengusahaan tanaman pangan dan peternakan. Untuk itu, postingan kali ini mengulas pofil rumah tangga yang mengusahakan padi hasil Survei Rumah Tangga Usaha Tanaman Padi Tahun 2014.

Pertanian adalah sektor yang perlahan tapi pasti ditinggalkan oleh tenaga kerja di Papua Barat. Survei Angkatan Kerja Nasional (Sakernas) Agustus 2016 mencatat bahwa dari 402 ribu tenaga kerja di Papua Barat, mereka yang bekerja di sektor pertanian tersisa 148 ribu atau 36,95 persen. Padahal, setahun sebelumnya, tenaga kerja yang bekerja di sektor pertanian masih 42,42 persen (BPS, Sakernas Agustus 2015).

Mundur ke tahun 2014, berdasarkan hasil Survei Rumah Tangga Usaha Tanaman Padi 2014, lebih dari separuh petani padi di Papua Barat berusia separuh abad atau lebih. Hanya 3,95 persen petani padi yang berusia muda (kurang dari 30 tahun). Artinya, bertani padi “kurang” diminati kamu muda. Selain itu, 38,40 persen petani padi di Papua Barat tamat SD dan 32,74 persen belum pernah mengecap bangku sekolah. Artinya, 71 persen petani padi di Papua Barat berpendidikan rendah. Hanya 1,98 persen petani padi yang pernah mengenyam pendidikan tinggi minimal Diploma I.  Dengan kata lain, petani padi di Papua Barat tergambarkan sebagai sekumpulan orang paruh baya dengan pendidikan rendah.

SOUT Padi 2014

Tahukah pembaca, dalam satu musim tanam padi, petani padi di Papua Barat pada tahun 2014 membutuhkan biaya produksi sebesar 10,6 juta rupiah. Dari total biaya produksi tersebut, 61 persennya untuk membayar upah pekerja dan jasa pertanian. Jika dirupiahkan mencapai 6,5 juta rupiah yang dikeluarkan petani padi untuk membayar upah pekerja dan jasa pertanian. Selain itu, pengeluaran untuk pupuk menghabiskan 1,2 juta rupiah per satu hektar tanaman padi atau menghabiskan 11,28 persen dari total biaya produksi tanaman padi.

Lalu, berapa nilai produksi tanaman padi? Untuk satu hektar tanaman padi menghasilkan nilai produksi sebesar 15,1 juta rupiah. Artinya, pendapatan bersih petani padi di Papua Barat untuk satu musim tanam hanya 4,5 juta rupiah. Cukupkah? Masih mengacu pada hasil Survei Rumah Tangga Tanaman Padi 2014, mayoritas petani padi di Papua Barat mengeluhkan bahwa penghasilan sebesar itu tidak cukup untuk memenuhi kebutuhan pokok. Mau bukti?

Satu musim tanam padi membutuhkan waktu tiga bulan sejak masa tanam ditambah 21 hari masa persemaian. Jadi lamanya  masa tanam itu keseluruhan kurang lebih 4 bulan masa pengolahan. Artinya, pendapatan petani padi di Papua Barat sebesar 1,125 juta rupiah per bulan. Jika satu rumah tangga petani padi berisi 4 anggota rumah tangga, maka pendapatan 4,5 juta rupiah selama satu musim tanam padi tersebut senilai dengan pendapatan 281.250 rupiah per kapita per bulan.  Di sisi lain, garis kemiskinan di pedesaan di Papua Barat di mana banyak petani di dalamnya pada Maret 2014 tercatat sebesar 389.812 rupiah per kapita per bulan. Itu artinya, pendapatan petani padi dengan 4 anggota rumah tangga yang mengusahakan satu hektar tanaman padi masih di bawah garis kemiskinan. Jadi, apa yang dikeluhkan petani pada pada Survei Rumah Tangga Tanaman Padi tahun 2014 lalu benar adanya.

Apakah pemerintah berdiam diri dengan kondisi tersebut? tentu tidak. Petani padi di Papua Barat menerima bantuan berupa bibit, pupuk dan pestisida. Ketiga jenis bantuan inilah yang paling dominan selain bantuan alat pertanian. Selain itu, petani padi di Papua Barat juga mendapatkan penyuluhan berupa budidaya (94,52 persen), pengendalian hama (88,51 persen) dan penurunan hasil pertanian (39,20 persen). Sayangnya, hanya 10,37 persen petani pada di Papua Barat yang mendapatkan penyuluhan pemasaran hasil panen padi dan hanya 2,60 persen yang mendapatkan penyuluhan pembiayaan. Karena itu, tidak mengherankan ketika penulis mendapati petani padi di daerah trans (Manimeri) di Kabupaten Teluk Bintuni yang menumpuk hasil panen raya padi pada tahun itu dan kebingungan memasarkan hasil panen raya padinya itu.

Itulah sekelumit kisah petani padi yang terungkap dari Survei Rumah Tangga Tanaman Padi tahun 2014 yang salah satu outputnya berupa struktur ongkos usaha tanaman padi dan profil petani padi serta permasalahan budiday tanaman padi di Papua Barat.

 

Mengawali postingan kali ini, terinspirasi firman Alloh dalam Al-Quran Surah ke-59 Alhasyr ayat 7 yang berbunyi, ” ….. agar harta itu jangan hanya beredar di antara orang-orang yang kaya di antara kamu ….”. Ayat ini mengisyaratkan bahwa pemerataan perekonomian hendaknya menjadi tujuan bersama dan ketimpangan/kesenjangannya menjadi musuh bersama. Pertanyaannya adalah sudah meratakah kita?

Untuk menjawab pertanyaan “seberapa meratakah perekonomian kita?” digunakan ukuran ketimpangan. Ada banyak ukuran ketimpangan di antaranya Gini Ratio, Indeks Theil, Indeks Atkinson, Distribusi Pengeluaran Bank Dunia, Distribusi Pengeluaran Quintil, Distribusi Pengeluaran Desil dan lain-lain. Kali ini tidak membahas bagaimana menghitung ukuran-ukuran ketimpangan tersebut tetapi lebih pada aplikasinya.

(more…)

Postingan kali ini, adalah catatan konsultasi memahami garis kemiskinan dengan Pak Deputi NAS. Mohon izin saya share, karena selain untuk dokumentasi pribadi juga karena jawaban beliau amat sangat mencerahkan.

Berikut adalah penjelasan beliau terkait pertanyaan, “Mengapa membandingkan kemiskinan antar daerah tidak menggunakan garis kemiskinan yang sama?”

Penghitungan GK di Indonesia mempunyai sejarah panjang.
Saat krisis terjadi tahun 1998, BPS bersama pakar dari Universitas sepakat untuk menyempurnakan penghitungan angka kemiskinan supaya dapat membandingkan kemiskinan antara daerah dan antar waktu dengan memperhatikan karakteristik sosial ekonomi daerah. Dibuatlah GK absolut yang terdiri dari GK Makanan dan Non Makanan.

Pada awalnya, tahun 1998, GK dihitung dengan menggunakan metode PPP (metodenya seperti penghitungan daya beli di komponen hidup layak di IPM atau PPP yang digunakan di World Bank. Dipilih sejumlah basket komoditi, dipilih daerah acuan). Dengan menggunakan metode tersebut, GK yang dihitung di setiap provinsi menjadi lebih representatif karena sudah memperhatikan karakterisktik setiap daerah, dan terbanding antar waktu dan daerah (terbanding disini bukan dalam pengertian harus menggunakan GK yang sama).

GK tahun 1998 ini digunakan dalam penghitungan tahun berikutnya (disebut GK sementara yang kemudian diinflate dengan Inflasi),dan dijadikan dasar penghitungan GK tahun 1999. Proses yang sama dilakukan setiap tahun sd dengan sekarang (lihat publikasi Metode Kemiskinan BPS).

Sekedar perbandingan, kalau kita menggunakan GK yang sama diseluruh provinsi di Indonesia hasilnya justru tidak mencerminkan kondisi di daerah. Contoh yang nyata adalah metode kemiskinan World Bank/WB. WB menggunakan GK yang sama di seluruh negara yaitu 1,25 US$ PPP dan 2 US$ PPP. Yang sering dijadikan kritikan adalah dengan menggunakan 2 US$ di Amerika yang lumayan kaya, besaran GK tsb tidak berarti apa2, terlalu rendah dan bisa2 tidak ada orang miskin. Sebaliknya dengan menggunakan 2 US$ PPP di Bangladesh yang masih miskin, GK tersebut menjadi terlalu besar.

Survei Sosial Ekonomi Nasional (Susenas) dilaksanakan dua kali pada tahun 2015 yaitu pada Maret dan September. Pada September 2015, akan ada pengumpulan data akses finansial rumah tangga. Keterangan mengenai finansial rumah tangga yang dihimpun antara lain kepemilikan tabungan/simpanan berupa uang, bentuk tabungan/simpanan, dan keikutsertaan dalam arisan.
Salah satu bentuk simpanan rumah tangga adalah tabungan dalam bentuk asuransi. Tabungan asuransi adalah bentuk tabungan/simpanan yang penarikannya baru dapat dilakukan setelah jangka waktu tertentu, dan selama jangka waktu tersebut Nasabah diwajibkan untuk melakukan penyetoran angsuran sebesar nilai yang telah diperjanjikan. Pengelola tabungan asuransi berupa Bank atau Non Bank.

Sebagai informasi, jumlah pemilik polis di asuransi jiwa pada Semester I 2015 sebanyak 56,4 juta orang (http://keuangan.kontan.co.id/news/jumlah-peserta-asuransi-jiwa-menyusut). Artinya, dari total proyeksi penduduk Indonesia pada tahun 2015 sebesar 255,5 juta jiwa (BPS, Proyeksi Penduduk Indonesia (Indonesia Population Projection) 2010 – 2035), hanya 22 persen penduduk Indonesia yang memiliki proteksi.

Menarik dinanti seperti apa potret kepemilikan tabungan asuransi dari versi survei rumah tangga. Benarkah tingkat kesadaran penduduk Indonesia untuk memiliki proteksi diri rendah? Susenas September 2015 patut dinanti!

Berkecimpung di dunia statistik sejak duduk di bangku kuliah di Sekolah Tinggi Ilmu Statistik (STIS). Untuk dikatakan expert belum. Saat ini masih dalam proses mendalami statistik.

Bosan dengan hasil analisis selama ini, ingin rasanya mencoba hal baru. Lalu, seorang teman seperjuangan di tanah Papua yang saat ini bertugas di BPS pusat menyarankan untuk mencoba hal baru “Making Data Meaningful”.

Dengan bantuan mbah Google, penulis disajikan beragam sumber bagaimana membuat data lebih bermakna. Dengan bahan yang didapat dari link-link yang ada diperoleh kesimpulan bahwa hal-hal sederhana dalam mengolah dan menyajikan data menjadikan statistik memiliki cerita di balik angka-angka.

Cerita di balik angka inilah yang seringkali penulis lalaikan saat menyajikan data baik melalui rilis BRS atau membawakannya dalam seminar atau lokakarya. Kadang serasa menjadi seorang autis ketika kita menyajikan data hanya mengacu pada segambreng indikator tanpa memperhatikan keterkaitan satu indikator dengan indikator lain.

Di tengah-tengah pencarian pemaknaan data, penulis dapati laporan sebuah survei kesehatan dari Biro Statistik Amerika. Series data disajikan dari tahun ke tahun. Setiap perbedaan data diuji secara statistik apakah peningkatan atau penurunan angka signifikan. Pembaca tidak akan tertipu oleh angka-angka yang disajikan dengan kekuatan statistik apa adanya.

Adalah menjadi renungan kepada kita yang bergelut di dunia statistik apakah kita telah berupaya segenap hati mencerdaskan pengguna data dengan Statistik? Jika angka kemiskinan turun misal 0,3 persen poin, apakah penurunannya signifikan? Jika angka melek huruf penduduk dewasa naik 1 persen poin apakah kenaikannya signifikan? Hemat saya, perlu penegasan BPS setiap perubahan angka apakah signifikan atau tidak. Wabil khusus jika angka-angka yang disajikan bersumber dari suatu survei.