badan perencanaan dan pembangunan...

LAPORANPENYEMPURNAAN

INDEKSKETERKAITANKOTA-DESA

TAHUN2016

DIREKTORATDAERAHTERTINGGAL,TRANSMIGRASI,DANPERDESAAN

BAPPENAS

2016

REPUBLIKINDONESIA

KEMENTERIANNEGARAPERENCANAANDANPEMBANGUNANNASIONAL/

BADANPERENCANAANDANPEMBANGUNANNASIONAL

LaporanAkhirPenyempurnaanIndeksKeterkaitanKotaDesa|2016 i

KATA PENGANTAR

Puji syukur kepada Tuhan Yang Maha Esa yang telah melimpahkan rahmat dan karunia-Nya sehingga kami dapat menyelesaikan Laporan Penyempurnaan Indeks Keterkaitan Kota-Desa yang telah dilaksanakan pada Tahun 2016.

Kegiatan Laporan Penyempurnaan Indeks Keterkaitan Kota Desa ini, berfungsi untuk menyempurnakan laporan indeks keterkaitan kota desa sebelumnya, yang telah disusun pada tahun 2015. Salah satu sasaran RPJMN 2015 – 2019, yakni peningkatan keterkaitan kota-desa, membutuhkan suatu instrumen untuk mengukur sejauh mana capaian keterkaitan tersebut. Berdasarkan hal itu, disusunlah laporan penyempurnaan indeks keterkaitan kota-desa. Penyempurnaan khususnya terkait metode pengukuran dan unit analisis.

Laporan ini terdiri dari 5 (lima) bab. Laporan dimulai dengan BAB 1 Pendahuluan, BAB 2 Konsep Keterkaitan Kota Desa yang mempaparkan tentang hasil telaah literatur dan konsep yang digunakan, BAB 3 Metode Pengukuran Keterkaitan Kota Desa yang memaparkan metode yang digunakan dalam pengukuran indeks KKD, BAB 4 Hasil dan Pembahasan yang memaparkan hasil keseluruhan dari penyempurnaan indeks KKD, BAB 5 Kesimpulan dan Rekomendasi.

Penyusun menyadari meskipun penyusunan laporan ini telah dilaksanakan dengan sebaik-baiknya, tetapi laporan ini masih belum sempurna. Oleh karena itu, kritik dan masukan yang membangun sangat kami butuhkan demi penyempurnaan laporan.

Jakarta, Desember 2016

Direktur Daerah Tertinggal, Transmigrasi, dan Perdesaan

Drs. Sumedi Andono Mulyo, MA, Ph.D

LaporanAkhirPenyempurnaanIndeksKeterkaitanKotaDesa|2016 ii

DAFTAR ISI

KATA PENGANTAR .......................................................................................................... i DAFTAR ISI .................................................................................................................... ii DAFTAR GAMBAR ............................................................................................................ iv DAFTAR TABEL ............................................................................................................... vi BAB I PENDAHULUAN .............................................................................................. 1 1.1 Latar Belakang ......................................................................................................... 1 1.2 Tujuan ..................................................................................................................... 3 1.3 Keluaran .................................................................................................................. 3 1.4 Ruang Lingkup ......................................................................................................... 3 1.5 Sistematika Penyajian Penyempurnaan Indeks Keterkaitan Kota Desa .......................... 3 BAB II KONSEP KETERKAITAN KOTA DESA ............................................................. 4 2.1 Pengertian Keterkaitan Wilayah ................................................................................. 4 2.2 Konsep-Konsep Keterkaitan Kota Desa ....................................................................... 4 2.3 Faktor-Faktor yang Mempengaruhi Keterkaitan Kota Desa ........................................... 10 2.4 Contoh-contoh Keterkaitan Kota Desa ........................................................................ 12 2.5 Konsep Keterkaitan Kota Desa di Indonesia ................................................................ 13 2.5.1 Sejarah Keterkaitan Kota Desa di Indonesia ...................................................... 13 2.5.2 Peraturan-peraturan tentang Keterkaitan ......................................................... 14 2.6 Kerangka konseptual keterkaitan kota desa ................................................................ 19 BAB III METODE PENGUKURAN KETERKAITAN KOTA DESA .................................. 23 3.1 Unit Analisis ............................................................................................................. 23 3.2 Sumber Data ............................................................................................................ 23 3.3 Cara Analisis Data ..................................................................................................... 23 3.3.1 Analisis Aritmatik Sederhana ........................................................................... 25 3.3.2 Matriks Pembobot Spasial ............................................................................... 28 3.3.3 Autokorelasi Spasial Global .............................................................................. 29 3.3.4 Asosiasi Spasial untuk Indikator Lokal LISA ...................................................... 32 3.4 Definisi Operasional .................................................................................................. 33 3.4.1 Dimensi Indeks Keterkaitan Kota Desa .............................................................. 33 3.4.2 Indikator Indeks Keterkaitan Kota Desa ............................................................. 33 BAB IV HASIL DAN PEMBAHASAN .......................................................................... 35 4.1 Kondisi Keterkaitan Kota Desa di Indonesia ................................................................ 35 4.1.1 Dimensi Transportasi ....................................................................................... 35 4.1.2 Dimensi Ekonomi ............................................................................................. 37 4.2 Kondisi Keterkaitan Kota Desa per 14 Kawasan Prioritas RKP 2016 ............................... 49 4.2.1 Kawasan Keterkaitan Kota Desa Maba, Maluku .................................................. 49 4.2.2 Kawasan Keterkaitan Kota Desa Tanjung Siapi-api, Sumatera ............................ 50 4.2.3 Kawasan Keterkaitan Kota Desa Banyuwangi, Jawa-Bali ..................................... 52

4.2.4 Kawasan Keterkaitan Kota Desa Praya, Nusa Tenggara ...................................... 54 4.2.5 Kawasan Keterkaitan Kota Desa Bula, Maluku .................................................... 56 4.2.6 Kawasan Keterkaitan Kota Desa Labuan Bajo, Nusa Tenggara ............................ 57 4.2.7 Kawasan Keterkaitan Kota Desa Merauke, Papua ............................................... 59 4.2.8 Kawasan Keterkaitan Kota Desa Sidikalang, Sumatera ........................................ 60 4.2.9 Kawasan Keterkaitan Kota Desa Rasau Jaya, Kalimantan .................................... 62 4.2.10 Kawasan Keterkaitan Kota Desa Tabanan, Jawa-Bali ......................................... 63

LaporanAkhirPenyempurnaanIndeksKeterkaitanKotaDesa|2016 iii

4.2.11 Kawasan Keterkaitan Kota Desa Pinrang, Sulawesi ............................................ 64 4.2.12 Kawasan Keterkaitan Kota Desa Poso, Sulawesi ................................................ 66 4.2.13 Kawasan Keterkaitan Kota Desa Daruba, Maluku ............................................... 67 4.2.14 Kawasan Keterkaitan Kota Desa Misool, Papua .................................................. 68

BAB V KESIMPULAN DAN REKOMENDASI ............................................................... 69 5.1 Kesimpulan .............................................................................................................. 69 5.2 Rekomendasi ........................................................................................................... 69 DAFTAR PUSTAKA .................................................................................................... 71

LaporanAkhirPenyempurnaanIndeksKeterkaitanKotaDesa|2016 iv

DAFTAR GAMBAR

Gambar 2.1 Perbedaan Pusat Pertumbuhan (growth pole) dan Klaster (networked model) ... 7 Gambar 2.2 Alur Keterkaitan Perdesaan dan Perkotaan ...................................................... 9 Gambar 2.3 Konsep Pengembangan Klaster Transmigrasi .................................................. 17 Gambar 2.4 Konsep Pengembangan Klaster Agropolitan ..................................................... 18 Gambar 2.5 Konsep Pengembangan Klaster Minapolitan .................................................... 18 Gambar 2.6 Konsep Pengembangan Klaster Pariwisata ...................................................... 19 Gambar 2.7 Konsep Keterkaitan Kota Desa ....................................................................... 21 Gambar 2.8 Kerangka Konseptual Pengukuran Indeks Keterkaitan Kota Desa ...................... 22 Gambar 3.1 Prosedur Analisis Data ................................................................................... 25 Gambar 3.2 Rook contiguity ............................................................................................. 28 Gambar 3.3 Ilustrasi Tetangga untuk Matriks Terstandar dan Tidak .................................... 28 Gambar 3.4 Bishop contiguity .......................................................................................... 29 Gambar 3.5 Queen Contiguity .......................................................................................... 29 Gambar 3.6 Ilustrasi Autokorelasi Spasial .......................................................................... 31 Gambar 3.7 Ilustrasi Autokorelasi Spasial Positif ................................................................ 31 Gambar 3.8 Morans scatter plot ....................................................................................... 32 Gambar 4.1 Nilai Dimensi Transportasi per Wilayah Pulau dibanding Nasional ...................... 36 Gambar 4.2 Indeks Transportasi di Wilayah KKD ............................................................... 37 Gambar 4.3 Nilai Indeks Moran Input atau Bahan Industri Makanan ................................... 39 Gambar 4.4 Nilai Indeks Moran Input atau Bahan Industri Kain .......................................... 40 Gambar 4.5 Nilai Indeks Moran Input atau Bahan Industri Logam Mulia .............................. 41 Gambar 4.6 Nilai Indeks Moran Input atau Bahan Industri Kayu ......................................... 42 Gambar 4.7 Nilai Indeks Moran Input atau Bahan Industri Kulit .......................................... 43 Gambar 4.8 Nilai Indeks Moran Industri Makanan .............................................................. 44 Gambar 4.9 Nilai Indeks Moran Industri Kain ..................................................................... 45 Gambar 4.10 Nilai Indeks Moran Industri Logam Mulia ....................................................... 46 Gambar 4.11 Nilai Indeks Moran Industri Kayu .................................................................. 47 Gambar 4.12 Nilai Indeks Moran Industri Kulit ................................................................... 48 Gambar 4.13 KKD Maba Klaster Bahan dan Industri Kayu ................................................... 49 Gambar 4.14 KKD Tanjung Siapi-api Klaster Bahan dan Industri Kain .................................. 50 Gambar 4.15 KKD Tanjung Siapi-api Klaster Bahan dan Industri Kayu ................................. 51 Gambar 4.16 KKD Tanjung Siapi-api Klaster Bahan dan Industri Makanan ........................... 52 Gambar 4.17 KKD Banyuwangi Klaster Bahan dan Industri Kain .......................................... 53 Gambar 4.18 KKD Banyuwangi Klaster Bahan dan Industri Makanan ................................... 54 Gambar 4.19 KKD Praya Klaster Bahan dan Industri Kain ................................................... 55 Gambar 4.20 KKD Praya Klaster Bahan dan Industri Kayu .................................................. 56 Gambar 4.21 KKD Bula Klaster Bahan dan Industri Kayu .................................................... 57 Gambar 4.22 KKD Labuan Bajo Klaster Bahan dan Industri Kain ......................................... 58 Gambar 4.23 KKD Labuan Bajo Klaster Bahan dan Industri Makanan .................................. 59 Gambar 4.24 Kawasan Pusat Pertumbuhan KKD Merauke .................................................. 60 Gambar 4.25 KKD Sidikalang Klaster Bahan dan Industri Kain ............................................. 60 Gambar 4.26 KKD Sidikalang Klaster Bahan dan Industri Kayu ............................................ 61 Gambar 4.27 KKD Sidikalang Klaster Bahan dan Industri Makanan ...................................... 62

LaporanAkhirPenyempurnaanIndeksKeterkaitanKotaDesa|2016 v

Gambar 4.28 KKD Rasau Jaya Klaster Bahan dan Industri Kayu .......................................... 63 Gambar 4.29 KKD Tabanan Klaster Bahan dan Industri Kayu .............................................. 64 Gambar 4.30 KKD Pinrang Klaster Bahan dan Industri Kain ................................................ 65 Gambar 4.31 KKD Pinrang Klaster Bahan dan Industri Makanan ......................................... 66 Gambar 4.32 KKD Poso Klaster Bahan dan Industri Kayu ................................................... 67 Gambar 4.33 KKD Daruba Klaster Bahan dan Industri Kayu ................................................ 68

LaporanAkhirPenyempurnaanIndeksKeterkaitanKotaDesa|2016 vi

DAFTAR TABEL

Tabel 2.1 Elemen Kunci Model Modular Urbanization .......................................................... 5 Tabel 2.2 Perbedaan Pusat Pertumbuhan (growth pole) dan Klaster (networked model) ....... 7 Tabel 2.3 Faktor-Faktor yang Mempengaruhi Keterkaitan Kota Desa pada Level Lokal .......... 10 Tabel 2.4 Peraturan-peraturan Terkait Keterkaitan ............................................................. 14 Tabel 2.5 Variabel Utama Keterkaitan Kota Desa ............................................................... 20 Tabel 3.1 Kriteria Wilayah Perkotaan dan Perdesaan .......................................................... 26 Tabel 3.2 Ciri Kawasan Perkotaan dan Perdesaan serta Variabel Proxy-nya untuk Indeks KKD ...................................................................................................... 26 Tabel 3.3 Indikator untuk Penyempurnaan Indeks Keterkaitan Kota Desa ............................ 33 Tabel 4.1 Rata Rata Indeks Transportasi Keterkaitan Kota Desa Indonesia .......................... 35

LaporanAkhirPenyempurnaanIndeksKeterkaitanKotaDesa|2016 1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Pembangunan yang berbeda antara kawasan perkotaan dan kawasan perdesaan telah menyebabkan banyak masyarakat desa melakukan migrasi ke kota. Selain itu menurut Tarigan (2003) terjadi pembentukan nilai tambah yang cenderung eksploitatif oleh kota, desa menjual produk mentah dengan harga murah, selanjutnya melalui pengolahan kota dan dipasarkan kembali ke desa dengan margin harga yang lebih tinggi. Tarigan (2003) menambahkan, masyarakat desa juga terbatas dalam akses kredit dan pinjaman dari perbankan, yang berkebalikan dari jumlah dana yang ditabung oleh masyarakat perdesaan ke perbankan.

Data Survei Sosial Ekonomi Nasional Indonesia 2013 menunjukkan, pendapatan perkapita penduduk perkotaan dan perdesaan berbeda. Perbedaan pendapatan perkapita ini hampir dua kali lipat, dengan penduduk perkotaan rata-rata secara nasional pendapatan perkapitanya per bulan Rp. 2.010.522, sedangkan perdesaan Rp. 1.296.245. Kecenderungan migrasi penduduk desa ke kota menurut para pakar, dapat dikurangi dengan cara meningkatkan keterkaitan kota desa. Bank Dunia (dalam Akkoyunlu, 2013) menegaskan, pengabaian terhadap keterkaitan kota desa akan menyebabkan pertumbuhan yang tidak seimbang serta tidak efisien. Faktanya, menurut Akkoyunlu (2013) pertumbuhan industri di banyak negara yang berpendapatan rendah, berkontribusi terhadap keterkaitan ke depan dan ke belakang dengan sektor pertanian (pemrosesan dan pengolahan bahan mentah sebagai keterkaitan ke depan). Akkoyunlu juga menambahkan, pada level lokal keterkaitan kota desa menjadi alat yang penting untuk memahami kompleksitas kegiatan masyarakat dan strategi mereka.

Keterkaitan kota desa sendiri, pertama kali dilihat oleh pakar geografi sebagai bagian dari urban fringe (daerah pinggiran kota), karena di tempat inilah kota dan desa bertemu (Adell, 1999). Adell juga menerangkan setelah itu banyak penelitian tentang pinggiran kota, salah satunya adalah penelitian Unwin. Menurut Adell, Unwin memfokuskan pada keterkaitan antara desa dengan kota. Menurut Unwin (dalam Adell, 1999) keterkaitan antara kota desa pada level teori, adalah keterkaitan ekonomi, sosial, politik, dan ideologi. Pandangan Unwin menurut Adell lebih pada interaksi, keterkaitan, dan aliran yang terjadi antara kota desa. Unwin menjelaskan aliran ini terkait dengan manusia, tempat, dan benda, contohnya uang.

Perkembangan dari penelitian Unwin adalah penelitian Douglass, yang menurut Adell lebih tepat untuk menjelaskan teori tentang keterkaitan kota desa. Berbeda dengan pendapat Unwin, Douglass memperkenalkan model jaringan (networked model) (Adell, 1999). Douglass (dalam Adell, 1999) menerangkan bahwa keterkaitan kota desa terbagi menjadi dua, yaitu siklus keterkaitan positif dan negatif. Lebih lanjut, Douglass menyarankan riset tentang keterkaitan ini untuk menganalisa (1) pola aliran dan (2) dampaknya dalam mendorong perkembangan perkembangan baik kota ataupun desa.

Penelitian-penelitian tentang keterkaitan kota desa selanjutnya, mencoba untuk mengukur pola aliran yang ada. Beberapa penelitian itu antara lain penelitian Nugraheni dan Handayani, Nirmala dan Santoso, Lesetedi, dan Wanniarachchi. Nugraheni dan Handayani (2010) melakukan penelitian tentang pola aliran sumber daya alam pasir dan batu di Kecamatan Kemalang Klaten. Menurut Nugraheni dan Handayani pola aliran cenderung tidak seimbang, terlihat khususnya dari aliran uang yang cenderung besar ke kota daripada desa.


Nugraheni dan Handayani (2010) menyebut, keuntungan lebih besar terutama kepada pelaku usaha toko bangunan, depo pasir, usaha pemecah batu, dan Pemkab Klaten daripada penduduk desa asal (pekerja lokal dan pemilik lahan). Nugraheni dan Handayani (2010) menyebut keterkaitan ini tidak berkelanjutan, sebab desa mengalami kerusakan lingkungan akibat penambang pasir lebih berorientasi permintaan pasar daripada kondisi desa asal.

Penelitian lain milik Nirmala dan Santoso (2013) meneliti keterkaitan kawasan agropolitan dengan wilayah sekitarnya. Mereka menemukan keterkaitan tanaman ubi jalar dan padi pada kawasan Agropolitan Pacet masih lemah. Hal ini menurut Nirmala dan Santoso (2013) dipengaruhi oleh faktor jarak. Temuan lain Nirmala dan Santoso (2013) untuk tanaman holtikultura bawang merah, bawang putih, dan daun bawang telah terjadi keterkaian antara produksi dan pengolahan, disebabkan faktor jarak yang mana keterkaitan itu terjadi di dalam kawasan agropolitan Pacet. Berbeda dengan dua penelitian sebelumnya yang meneliti tentang aliran barang, Lesetedi fokus pada perilaku penduduk Broadhurst, Gaborone, Botswana. Disimpulkan oleh Lesetedi (2003) bahwa keterkaitan yang terjadi antara kota desa adalah keterkaian sosial. Masyarakat Broadhurst masih memiliki ikatan yang kuat dengan desa, dibuktikan dengan kepemilikan properti di desa, mengirim uang ke desa, menerima tamu dari desa, dan aktif terlibat kegiatan sosial di desa, seperti saat pemakaman dan pernikahan kerabat (Lesetedi, 2003). Faktor yang mempengaruhi keterkaitan ini menurut Lesetedi (2003) adalah adanya karakteristik peningkatan pengangguran dan ketidakpastian ekonomi di kota-kota Afrika, yang membuat penduduk Broadhurst tetap menjalin keterkaitan yang kuat dengan desa, faktor lainnya adalah keinginan dari penduduk untuk kembali ke desa setelah pensiun.

Kesimpulan yang hampir mirip dengan penelitian Nugraheni dan Handayani (2010) adalah penelitian Wanniarachchi (2003) di Sri Lanka di desa-desa distrik Puttalam dan Kurunegala. Wanniarachchi (2003) menemukan bahwa komunitas perdesaan belum bisa menjalin keterkaitan yang baik dengan wilayah luar sebab kurangnya kapasitas organisasi masyarakat. Kurangnya pasokan untuk pasar dari desa, oleh Wanniarachchi (2003) disebutkan akibat faktor kepemilikan petak yang kecil-kecil, kurangnya input produksi, dan tingginya pencampuran tanaman di lahan pertanian. Hal ini berdampak setiap petani memasok kuantitas hasil produksi yang kecil ke pasar. Berbeda dengan hasil penelitian Nirmala dan Santoso (2013) yang petani sudah memiliki keterkaitan dengan sektor pengolahan skala kecil, kasus di Sri Lanka petani rata-rata menjual langsung pada pedagang kecil dan menengah (Wanniarachchi, 2003).

Sejalan dengan penelitian-penelitian sebelumnya, RPJMN Indonesia 2015-2019 mengangkat isu kesenjangan antara kota dan desa untuk diatasi. Pada RPJMN Indonesia 2015-2019, salah satu kebijakan untuk mengurangi kesenjangan ini adalah dengan peningkatan keterkaitan perkotaan dan perdesaan. Lebih lanjut, peningkatan keterkaitan ini utamanya terhadap konektivitas, ekonomi, dan tata kelola. Berbagai penelitian sebelumnya telah mencoba untuk mengukur keterkaitan yang terjadi antara kota desa. Namun demikian, pengukuran pengukuran tersebut cenderung berbasis data primer dengan sampel responden yang sangat spesifik.

Pada tahun 2015 Direktorat Perkotaan dan Perdesaan Bappenas, telah melakukan inisiasi penelitian indeks keterkaitan kota dan desa. Pada penelitian tersebut, dilakukan pengukuran dengan menggunakan metode PCA dan asosiasi spasial, dengan ruang lingkup lokasi masih sebatas Kawasan Barat Indonesia. Sebagai bahan evaluasi kebijakan keterkaitan kota desa yang telah tertuang pada RPJMN 2015-2019, maka pada tahun 2016 ini dilaksanakan penyempurnaan indeks keterkaitan kota desa. Penyempurnaan tersebut dilakukan pada unit analisis, metode, dan pada ruang lingkup lokasi.


1.2 Tujuan

Sesuai dengan latar belakang yang telah dijelaskan sebelumnya, maka tujuan penyempurnaan penyusunan indeks keterkaitan kota desa adalah mengakomodasi masukan dari workshop 2015 dan masukan ahli pada penyusunan indeks. Selain tujuan utama untuk mengukur keberhasilan pembangunan khususnya pada lokasi-lokasi prioritas KKD yang diamanatkan dalam RPJMN 2015-2019 dan RKP tahunan bidang Keterkaitan Kota dan Desa.

1.3 Keluaran

Keluaran dari kegiatan penyempurnaan penyusunan indeks keterkaitan kota desa adalah dokumen indeks keterkaitan kota desa. Dokumen penyempurnaan ini, diharapkan dapat menjadi bahan pertimbangan alat ukur pencapaian sasaran-sasaran penguatan pusat pertumbuhan KKD sesuai amanat RPJMN 2015-2019 serta RKP tahunan bidang KKD.

1.4 Ruang Lingkup

Ruang lingkup penyusunan keterkaitan kota desa dibagi menjadi ruang lingkup waktu, wilayah, dan substansi. Ruang lingkup waktu, penyempurnaan indeks keterkaitan kota desa dilakukan pada tahun 2016 dengan data sekunder adalah data tahun terakhir. Ruang lingkup wilayah, pengukuran indeks keterkaitan kota desa adalah di Indonesia, khususnya pada 39 pusat pertumbuhan baru keterkaitan kota desa, yang pada 2016 difokuskan di 14 kawasan. Ruang lingkup substansi, pengukuran indeks keterkaitan kota desa hanya mengukur aspek yang nyata (tangible) dan tidak mempertimbangkan faktor perilaku masyarakat dan budaya lokal.

1.5 Sistematika Penyajian Penyempurnaan Indeks Keterkaitan Kota Desa

Penyajian Penyempurnaan Indeks Keterkaitan Kota Desa (IKKD) dijelaskan dalam lima bagian. Bagian pertama berisi pendahuluan membahas latar belakang dilakukannya penyempurnaan indeks keterkaitan kota desa, tujuan dilakukannya penyempurnaan, ruang lingkup indeks, serta sistematika penyajian penyempurnaan indeks keterkaitan kota desa.

Bagian kedua berisi konsep keterkaitan kota desa. Bagian ini terdiri dari sub bahasan mengenai pengertian keterkaitan wilayah, konsep-konsep keterkaitan kota desa, faktor-faktor yang mempengaruhi keterkaitan kota desa, contoh-contoh keterkaitan kota desa, konsep keterkaitan kota desa di Indonesia, dan kerangka konseptual keterkaitan kota desa pada penelitian.

Bagian ketiga berisi metode yang digunakan dalam penyusunan IKKD. Bagian ini berisi sub bahasan unit analisis, sumber data, cara analisis data, definisi operasional, indikator keterkaitan kota desa.

Bagian keempat berisi hasil analisis IKKD. Penjelasan mengenai hasil IKKD per wilayah. Bagian keempat merupakan bagian penutup yang menjelaskan evaluasi terhadap 39 pusat pertumbuhan baru kota desa atas dasar hasil IKKD, yang di tahun 2016 difokuskan di 14 lokasi.

Bagian kelima berisi kesimpulan dan rekomendasi terkait hasil penelitian. Pada bagian ini pula merupakan penutup hasil penelitian.


BAB II

KONSEP KETERKAITAN KOTA DESA

2.1 Pengertian Keterkaitan Wilayah

Keterkaitan oleh Departemen Pendidikan Nasional dalam KBBI (2008) didefinisikan sebagai ketergantungan atau berhubungan. Kamus Merriam Webster (2016) menjelaskan keterkaitan dengan beberapa hal, pertama keterkaitan sebagai koneksi atau hubungan antara dua hal atau lebih, kedua keterkaitan sebagai gaya/cara sesuatu menyatu, ketiga keterkaitan sebagai sistem hubungan atau mata rantai. Selaras dengan itu, Yunus (2005) menyebut bahwa wilayah saling terkait atau berhubungan secara fungsional dan membentuk sistem wilayah. Lebih lanjut Yunus (2005) membagi hubungan ke dalam beberapa tingkat, seperti hubungan langsung/tidak langsung, hubungan searah/dua arah, dan hubungan tingkat rendah/tinggi. Hubungan tingkat rendah dijelaskan oleh Yunus (2005) sebagai hubungan yang hanya mempengaruhi, dalam arti daerah tidak memiliki ketergantungan terhadap wilayah lain. Sebaliknya hubungan tingkat tinggi oleh Yunus (2005) diartikan hubungan ketergantungan, dalam arti daerah sudah tergantung dengan daerah lain.

Yunus (2005) juga menjelaskan bahwa keterkaitan itu bisa merupakan intra frontier ataupun inter frontier terkait dampak yang ditimbulkan. Intra frontier adalah seminimal mungkin mengurangi dampak negatif pada elemen wilayah lain dalam wilayahnya sendiri, contoh pencemaran sungai di dalam Kabupaten A (efek internalitas). Inter frontier adalah pembangunan wilayah tidak boleh sama sekali menimbulkan dampak negatif terhadap wilayah lain, contoh pencemaran sungai yang melewati Kabupaten A dan B (efek eksternalitas).

Jadi dapat disimpulkan, keterkaitan wilayah merupakan hubungan antar wilayah. Hubungan itu dapat terjadi akibat fungsi dari masing-masing wilayah. Hubungan itu dapat bersifat hanya mempengaruhi, tetapi dapat pula hubungan yang sudah masuk kategori ketergantungan. Hubungan antar wilayah juga bisa hanya satu arah ataupun dua arah. Hubungan antar wilayah juga dapat bersifat positif ataupun bersifat negatif.

2.2 Konsep-Konsep Keterkaitan Kota Desa

Konsep keterkaitan kota desa muncul akibat ketidakpuasan terhadap model pembangunan yang ada sebelumnya, yang memisahkan antara pembangunan kota dan pembangunan desa. Penguatan terhadap konsep keterkaitan kota desa ini sebagai bantahan sejak gagalnya teori pusat kutub pertumbuhan pada 1980an (Copus, 2013). Konsep keterkaitan kota desa berbeda dengan teori pusat kutub pertumbuhan (growth pole). Pertama kali secara tersirat tentang keterkaitan kota desa ini, diterangkan oleh Rondinelli pada 1983 dan 1985 (Adell, 1999).

Konsep ini juga muncul akibat dari disparitas antara kota desa dan Rondinelli mengusulkan pada 1983 & 1985 “secondary cities” (Adell, 1999). Adell (1999) menuliskan pendapat Rondinelli bahwa ketidaksamaan antara perkembangan kota dan desa bukan akibat dari populasi penduduk perkotaan, melainkan sistem luasan kota dan hirarkinya. Rondinelli (dalam Adell, 1999) juga menjelaskan bahwa, pengaruh dari teori “urban bias” dan meningkatnya kemiskinan di perdesaan telah membuat adanya kecenderungan kebijakan “menolak kota” pada periode 1970an dan 1980an. Gagalnya pendekatan growth pole atau pendekatan realokasi investasi di daerah tertinggal untuk menurunkan disparitas


kota desa, menurut Rondinelli akibat kurangnya sistem kota kedua yang menyokong aktivitas ekonomi dan fungsi administratif desentralisasi.

Rondinelli (dalam Adell, 1999) juga berargumen bahwa pendekatan yang sepenuhnya “bottom-up” tetapi mengabaikan peran kota tidak akan berhasil, sebab pembangunan untuk kesamaan sosial membutuhkan peningkatan sektor pertanian dan perluasan industri dan komersial kota. Menurut Adell (1999) pernyataan Rondinelli ini tentang secondary cities atau kota medium mungkin terkait dengan keterlibatannya dalam proyek UN “UFRD Urban Functions in Rural Development”. Lebih lanjut, Rondinelli (dalam Adell, 1999) menekankan bahwa hanya dengan investasi di “lokasi permukiman yang strategis” yang bisa menyokong pendekatan “bottom-up” yang akan menciptakan pembangunan otonomi di perdesaan. Menanggapi konsep Rondinelli, Unwin (dalam Adell, 1999) melihat secara garis besar konsep tersebut dapat dikelompokkan menjadi dua poin, pertama penerapan perubahan melalui manipulasi hirarki permukiman perkotaan, yang secara implisit berbasis “pasar bebas” atau kerangka perubahan kapitalis. Unwin juga mengkritik konsep Rondinelli yang didasarkan pada hasil penelitian UFRD, bahwa seluruh fungsi kota di desa akan membawa ke pemerataan pembangunan, padahal penelitian Douglass di Thailand menunjukkan bahwa pembukaan cabang bank di perdesaan tetap saja menimbulkan “urban bias” akibat sifat kreditnya (Adell, 1999).

Konsep yang sudah cukup lebih baik mengenai keterkaitan kota desa menurut Adell (1999) dikenalkan oleh Unwin dan Potter pada 1989 dengan mendasarkan pada kerangka umum mengenai teori ketergantungan “theory of dependence” dengan penelitian pada kasus Cuba. Menurut Adell (1999) penelitian Unwin dan Potter lebih jelas karena fokus melihat interaksi, keterkaitan, dan aliran yang terjadi antara kota desa. Unwin dan Potter juga telah mencoba memberi dasar pada level teori ada empat jenis keterkaitan, yaitu ekonomi, sosial, politik, dan ideologi (Adell, 1999). Konsep lain untuk mengurangi kesenjangan antara kota desa, diterangkan oleh Friedmann. Friedmann mengusulkan konsep pembangunan agropolitan pada 1981, yang dalam perkembangan selanjutnya direvisi menjadi model urbanisasi modular (modular urbanization) (Friedmann, 1996). Konsep utama dari model urbanisasi modular ini adalah pusat kota, pemerintahan sendiri, dan distrik agropolitan (Friedmann, 1996). Friedmann menerangkan elemen kunci dari konsep modular urbanization sebagai berikut:

Tabel 2.1 Elemen Kunci Model Modular Urbanization No Elemen kunci Keterangan 1 Modul kota dasar Daerah perdesaan dengan kepadatan tinggi atau

daerah pinggiran, yang memiliki pemerintahan sendiri dengan populasi 10000-15000 penduduk per 10-15 km2

2 Pusat pelayanan Pusat pelayanan dapat diakses dalam 20 menit baik dengan jalan kaki atau bersepeda

3 Fasilitas pelayanan publik Pasar, perkantoran dan tempat masyarakat umum berkumpul, sekolah dasar dan menengah, fasilitas kesehatan dasar, fasilitas olahraga, pusat layanan pemerintah, kantor pos, kantor polisi, terminal bus, tempat penanganan limbah cair, rumah bisnis, perumahan PNS

4 Jaringan jalan Harus tersedia sepanjang musim (pejalan kaki, pesepeda, pengendara kendaraan bermotor)

5 Pembangkit tenaga surya Untuk wilayah penting dan kepentingan publik 6 Industri manufaktur ringan Tersebar di desa dan jaringan jalan utama


No Elemen kunci Keterangan 7 Kerangka regional, wilayah

yang seimbang secara ekonomi

Sepertiga dari pendapatan berasal dari pertanian dan aktivitas terkait, seperlima dari industri, setengah dari perdagangan dan jasa, sepertujuh dari pemerintah

Sumber: Friedmann, 1996

Setelah munculnya konsep-konsep itu, Douglass pada 1998 memperkenalkan konsep “Regional Network (Cluster)”. Konsep ini mencoba untuk mengkaitkan struktur desa dan kota melalui jaringan-jaringan, sebagai salah satu pendekatan konsep keterkaitan kota desa (Akkoyunlu, 2013). Dalam definisi lain konsep Douglass ini dikenal dengan istilah klaster.

Klaster adalah sekumpulan usaha dan institusi, yang bergerak pada jenis usaha tertentu, dimana usaha dan institusi ini terkonsentrasi secara geografis dan memiliki ketergantungan satu sama lain (Porter, 1998). Klaster tidak terbatas kepada satu jenis usaha maupun satu proses produksi, dalam sebuah klaster, setiap perusahaan memiliki keterkaitan, dan setiap perusahaan memiliki peranannya masing-masing dalam rantai nilai dan proses produksi. Dari pembentukan klaster, banyak manfaat ekonomi yang bisa didapatkan (Porter, 1998), salah satunya adalah peningkatan produktivitas melalui:

1. Peningkatan akses terhadap tenaga kerja terspesialisasi Pada umumnya ketika suatu daerah bergerak pada satu bidang usaha tertentu, maka tenaga kerja dengan keahlian yang diperlukan akan cenderung terkonsentrasi di daerah tersebut;

2. Peningkatan akses terhadap pemasok Suatu daerah berspesialisasi dalam produksi sebuah produk, maka pemasok-pemasok barang input yang diperlukan untuk usaha tersebut akan cenderung berkumpul di sekitarnya;

3. Peningkatan akses terhadap informasi mengenai industri Kedekatan secara geografis memungkinkan pelaku usaha di bidang usaha yang sama untuk lebih sering bertatap muka, sehingga memungkinkan terjadinya pertukaran informasi dan penyebaran information;

4. Imbangan/pelengkap Beberapa perusahaan yang saling terkait terkonsentrasi pada suatu daerah tertentu, maka hasil yang didapatkan akan lebih besar daripada jika bekerja sendiri-sendri. Kerjasama antar perusahaan dapat meningkatkan produktivitas secara kolektif;

5. Peningkatan akses terhadap institusi dan barang publik Penyediaan barang publik memiliki tingkat skala ekonomi tinggi. Sebagai contoh, pengeluaran pemerintah untuk infrastruktur cukup besar, tetapi ketika banyak perusahaan yang beroperasi di daerah di tempat infrastruktur tersebut dibangun, maka biaya per perusahaan akan lebih rendah, dan manfaat yang didapatkan oleh masyarakat secara kolektif lebih tinggi, sehingga pemerintah akan lebih terdorong untuk melakukan investasi tersebut;

6. Peningkatan motivasi dan kualitas pengukuran Konsentrasi perusahaan pada suatu daerah tertentu akan meningkatkan persaingan antar perusahaan, yang kemudian dapat memotivasi perusahaan untuk terus meningkatkan mutu produknya. Selain hal tersebut, pengukuran terhadap kinerja perusahaan dalam satu industri, dapat lebih mudah diukur karena setiap perusahaan memiliki kondisi awal yang sama.

Klaster terbentuk melalui berbagai macam proses, ada klaster yang terjadi secara tidak sengaja, ada pula klaster yang pembentukannya memang sudah direncanakan. Perkembangan klaster ditentukan oleh berbagai macam faktor. Faktor-faktor utama yang


dapat mendorong perkembangan klaster adalah lokasi, lingkungan usaha, keberadaan klaster terkait, serta keputusan usaha yang dibuat baik oleh pihak swasta maupun pemerintah (Ketels & Memedovic, 2008).

Suatu klaster dianggap berhasil jika dapat memberikan manfaat ekonomi kepada anggota-anggotanya, dan memiliki daya saing yang tinggi secara kolektif. Klaster wilayah yang berhasil ditandai oleh adanya spesialisasi, adanya jaringan lokal, akses yang baik terhadap permodalan, adanya institusi penelitian dan pengembangan serta pendidikan, memiliki tenaga kerja yang berkualitas, dapat mendorong terjalinnya kerjasama yang baik antara perusahaan dan institusi, mengikuti perkembangan teknologi, dan memiliki tingkat inovasi yang tinggi (Rosenfeld, 1997 dalam Bappenas, 2008).

Pendekatan ekonomi regional kini menekankan pentingnya peran baik kota maupun desa dalam perkembangan suatu wilayah, dan bahwa hubungan timbal balik antara keduanya dapat mempengaruhi pertumbuhan ekonomi di kedua daerah. Pendekatan regional network (klaster) menghubungkan kota dan desa dengan keterkaitan terutama aliran barang, jasa, uang, maupun orang (Douglass, 1998).

Douglass (1998) menjelaskan pendekatan regional network (klaster) memiliki beberapa karakteristik. Karakteristik komponen-komponen tersebut menurut Douglass (1998) berbeda dengan yang ada pada pendekatan teori pusat pertumbuhan (growth pole). Perbedaan tergambarkan pada gambar 1. dan dijelaskan dengan ringkas pada tabel 1. berikut:

Gambar 2.1 Perbedaan Pusat Pertumbuhan (growth pole) dan Klaster (networked model)

Sumber: Douglass, 1998, hal 14

Tabel 2.2 Perbedaan Pusat Pertumbuhan (growth pole) dan Klaster (networked model)

Growth Pole Networked Model 1 Basis industri di kota Industri lokal, contoh industri agro 2 Ukuran kota sebagai

indikator utama Kluster dengan masing-masing spesialisasinya

3 “trickle-down” Investasi di pertanian untuk kemakmuran perdesaan 4 Batas kota tidak jelas Kapasitas lokal untuk mengkoordinasikan kegiatan yang


Growth Pole Networked Model saling terkait

5 Insentif untuk industri Jalan lokal dan tersedianya transportasi antar pusat, antar desa, dan kota

6 Variasi keterkaitan minim Variasi keterkaitan besar Sumber: Douglass, 1998

Ada enam perbedaan yang terlihat antara konsep pusat pertumbuhan dengan konsep model jaringan atau klaster. Perbedaan-perbedaan tersebut akan dijelaskan lebih rinci pada bagian berikut: 1. Sektor Basis

Sumber pertumbuhan pada klaster bisa datang dari berbagai macam sektor, baik di desa maupun di kota, dan tidak terbatas pada sektor-sektor yang terdapat di perkotaan. Contohnya adalah industri agro pada skala lokal. Hal ini berbeda dengan konsep pusat pertumbuhan yang basis industri cenderung berada di wilayah kota;

2. Sistem Perkotaan Pada konsep klaster, ukuran kota tidak berpengaruh terhadap potensi pertumbuhan, setiap kota dipandang memiliki potensi yang sama dan memiliki spesialisasi serta keuntungan komparatifnya masing-masing. Ini berbeda dengan konsep pusat pertumbuhan yang menganggap ukuran kota sebagai indikator utama perkembangan wilayah;

3. Interaksi Desa-Kota Investasi pada konsep klaster, baik di sektor pertanian di perdesaan maupun sektor jasa di perkotaan, mampu berkontribusi terhadap pertumbuhan perekonomian bagi kedua daerah. Berbeda dengan pandangan konsep pusat pertumbuhan yang menekankan akan terjadinya “trickle down effect” atau peluberan manfaat bagi daerah perdesaan akibat fokus pembangunan hanya di daerah perkotaan;

4. Perencanaan Pada konsep klaster diperlukan sistem perencanaan yang terdesentralisasi. Sistem perencanaan harus mampu mengintegrasi dan mengkoordinasi kegiatan multisektoral di kota dan desa yang saling berhubungan. Di lain pihak, konsep pusat pertumbuhan sering mengakibatkan kota tumbuh terlalu besar, sehingga batas kota menjadi tidak jelas;

5. Kebijakan Perlunya kebijakan untuk mengembangkan infrastruktur baik di kota maupun di desa, perlu adanya perhatian untuk mengembangkan sistem tranportasi antar daerah, serta kebijakan untuk meningkatkan kesejahteraan sosial bagi masyarakat di kedua daerah untuk memastikan pertumbuhan yang berkelanjutan. Pada konsep klaster, ditekankan yang utama adalah penyediakan akses transportasi penghubung antara kota desa. Sebaliknya pada konsep pusat pertumbuhan, ditekankan yang utama adalah insentif bagi industri agar nantinya dapat memberikan efek luberan.

6. Variasi Keterkaitan Variasi keterkaitan yang terjadi akibat klaster-klaster akan lebih besar daripada hanya mengandalkan satu pusat pertumbuhan. Selanjutnya, aglomerasi-aglomerasi yang terjadi dapat lebih banyak pada tiap klaster daripada aglomerasi yang besar pada satu titik pusat. Hal ini akibat masing-masing klaster memiliki spesialisasinya sendiri, sehingga hubungan dengan klaster lain yang terkait akan lebih intensif dan variatif. Berbeda dengan konsep pusat pertumbuhan, yang fokus pada pembangunan jalan nasional untuk menghubungkan pusatnya dengan pusat nasional dan wilayah internasional, sehingga hanya mengembangkan satu wilayah saja.


Gambar 2.2 Alur Keterkaitan Perdesaan dan Perkotaan Sumber: Douglass, 1998, hal 27

Prinsip umum tentang keterkaitan kota desa sudah umum dikenal. Keterkaitan itu berupa aliran penduduk, barang, uang, modal, teknologi, informasi, dan ide, tetapi proses dinamis yang terjadi antar mereka membuat sulit untuk melihat dengan tepat hubungan itu (Unwin dan Potter, 1995). Unwin dan Potter (1995) berpendapat bahwa meningkatnya kerugian pada masyarakat miskin perdesaan di Dunia Ketiga, akibat dari kebangkitan kapitalisme global yang semakin meningkatkan perbedaan wilayah kota dan desa.

Sehubungan dengan aliran atau mobilitas antara kota desa, Casinader (dalam Unwin dan Potter, 1995) mengelompokkan 5 (lima) tipe mobilitas kota desa. Pengelompokkan itu menurut Casinader yaitu (1) mobilitas musiman, (2) pergerakan dari sektor kapitalis perdesaan ke sektor kapilatis perkotaan, (3) migrasi dari sektor pertanian perdesaan ke sektor kapitalis perkotaan (orang yang berpendidikan tinggi atau orang tanpa ketrampilan yang dipaksa meninggalkan desa), (4) migrasi dari sektor kapitalis perkotaan kembali ke sektor pertanian perdesaan (migrasi pensiun), (5) migrasi antara sektor kapitalis pinggiran kota dan sektor informal dari wilayah kota.

Berbagai teori dan konsep tentang keterkaitan kota desa di atas, menunjukkan adanya perkembangan pemikiran tentang keterkaitan kota desa. Meskipun pada tahap konsep mengalami perkembangan, tetapi secara umum keterkaitan dari segi teori sama,


yaitu sosial, ekonomi, kelembagaan, dan ideologi. Konsep yang diusulkan oleh Douglass (networked model) saat ini merupakan salah satu konsep yang cukup baik melihat keterkaitan kota desa.

2.3 Faktor-Faktor yang Mempengaruhi Keterkaitan Kota Desa

Ada beragam faktor yang mempengaruhi keterkaitan kota desa. Copus (2013) dengan modifikasi faktor yang diidentifikasi oleh OECD (Organisation for Economic Co-operation and Development) menjelaskan, keterkaitan kota desa dipengaruhi oleh faktor (1) keterkaitan demografi, (2) transaksi ekonomi dan inovasi, (3) jasa/layanan publik, (4) pertukaran terkait keramah tamahan dan lingkungan, (5) interaksi kelembagaan. Tidak berbeda jauh, Tarigan (2003) menjelaskan untuk meningkatkan ekonomi perdesaan dengan instrumen keterkaitan kota desa meliputi komponen (1) prasarana dan sarana sistem agribisnis, (2) pengembangan industri kecil dan rumah tangga, (3) penguatan lembaga dan organisasi masyarakat, (4) pengembangan jaringan produksi dan pemasaran, (5) penguasaan teknologi tepat guna, dan (6) pengelolaan sumber daya alam yang berkelanjutan.

Evans (1982) juga menjelaskan tentang faktor-faktor yang mempengaruhi keterkaitan kota desa. Evans melihat keterkaitan (linkages) tersebut pada kasus wilayah Potosi di Bolivia dalam penelitiannya tentang UFRD (Urban Functions in Rural Development). Menurut Evans (1982) keterkaitan tersebut dipengaruhi oleh enam fungsi utama yaitu (1) transportasi: jalan dan rel kereta api, (2) produksi, (3) pasar dan perdagangan, (4) jasa layanan, (5) energi dan komunikasi, dan (6) pemerintahan.

Berlainan pada beberapa hal dengan Evans, Douglass (1998) menerangkan, setidaknya ada enam faktor yang mempengaruhi keterkaitan kota desa pada level lokal. Faktor-faktor tersebut menurut Douglass adalah (1) hubungan sosial ekonomi, (2) struktur ekonomi lokal, (3) cara produksi lokal, (4) basis sumberdaya dan lingkungan, (5) sistem spasial dan keterkaitannya, dan (6) lingkungan terbangun. Secara lebih rinci, penjabaran faktor-faktor tersebut sebagai berikut:

Tabel 2.3 Faktor-Faktor yang Mempengaruhi Keterkaitan Kota Desa pada Level Lokal

No. Faktor-faktor Rincian 1 Hubungan sosial

ekonomi 1. Kebutuhan dasar pengentasan kemiskinan 2. Distribusi pendapatan dan aset 3. Tingkat kepemilikan lahan, petani marjinal, sewa

menyewa 4. Ketrampilan dasar per grup pendapatan dan jenis

kelamin 5. Akses ke layanan dasar per grup pendapatan

2 Struktur ekonomi lokal 1. Basis sektor primer: tambang, perikanan, kehutanan 2. Basis sektor sekunder: pemrosesan pertanian,

manufaktur 3. Basis sektor tersier: wisata, komersil, jasa 4. Input produksi lokal 5. Industri pemrosesan 6. Komersil, jasa untuk produsen, jasa untuk

konsumen 7. Tingkat partisipasi dan rasio ketergantungan 8. Distribusi oleh sektor, tempat tinggal, dan status


No. Faktor-faktor Rincian 3 Cara produksi lokal 1. Petani petak kecil vs petani petak besar

2. Agribisnis 3. Distribusi lahan masyarakat, pemerintah, swasta 4. Kelembagaan produsen (kerjasama)

4 Basis sumberdaya dan lingkungan

1. Komposisi dan keanekaragaman flora dan fauna 2. Integritas ekologi 3. Kerentanan untuk bencana alam 4. Kualitas tanah dan tingkat erosi 5. Ketersediaan air 6. Cadangan hutan/ barang tambang

5 Sistem spasial dan keterkaitannya

1. Pertanian (irigasi, drainase, gudang) 2. Desa (jalan, jembatan, listrik, pasokan air,

telekomunikasi, perumahan) 3. Kota (jalan penghubung desa-kota, pasar pusat, air,

penanganan limbah, listrik, telekomunikasi) 4. Wilayah (jalan raya utama, listrik, telekomunikasi,

pasar pusat) 6 Lingkungan terbangun 1. Kepadatan penduduk perdesaan

2. Level urbanisasi dan kerumitan sistem perkotaan (jumlah kota, aliran lalu-lintas, transportasi udara dan air)

3. Antar desa dan akses desa-kota (kualitas jalan dan frekuensi transportasi publik)

4. Keterkaitan komunikasi 5. Migrasi sirkuler di wilayah dan antar wilayah Sumber: Douglass, 1998

Lebih lanjut, Douglass (1998) menjelaskan tentang berbagai aliran yang terjadi antara kota desa. Aliran-aliran ini secara umum tidak berbeda dengan yang diutarakan oleh pakar lain seperti Unwin dan Potter, Douglass membagi aliran tersebut ke dalam 5 (lima) golongan. Kelima golongan aliran tersebut adalah (1) Orang/penduduk, (2) Produksi, (3) Komoditas, (4) Kapital, dan (5) Informasi. Aliran penduduk dibagi ke migrasi pekerja, migrasi lain seperti pendidikan, belanja, kunjungan, dan berjualan. Aliran produksi dibagi dua, yaitu keterkaitan atas dan bawah, keterkaitan atas berhubungan dengan input produksi, sedangkan keterkaitan bawah berhubungan dengan pemrosesan dan manufaktur. Aliran komoditas berhubungan dengan input ke desa, konsumsi barang tahan dan barang tak tahan, dan produk perdesaan. Aliran kapital berupa nilai tambah, tabungan/piutang, pengiriman uang dari pekerja. Aliran informasi berupa informasi produksi, penjual, harga, kesejahteraan, sosial, politik, dan pekerjaan.

Menambahkan penjelasan Douglass tentang klaster, menurut Ketels dan Memedovic (2008) klaster dapat berkembang jika didukung dengan kebijakan pemerintah tentang ekonomi yang kuat, dan diiringi oleh reformasi di bidang-bidang terkait seperti pendididikan, kebijakan pasar tenaga kerja, dan regulasi. Kelembagaan khususnya pemerintah, memiliki peran penting dalam memberlakukan kebijakan yang mendukung perkembangan klaster. Pemerintah diharapkan dapat mendukung pembentukan klaster, berpartisipasi dalam perkembangan klaster yang sudah ada, dan memfasilitasi diseminasi data pada tingkat klaster, selain itu pemerintah diharapkan dapat bersifat netral dan tidak mendistorsi kompetisi dalam klaster terkait (Ketels dalam Jankowiak, 2012).

Aspek kebijakan yang harus diperhatikan oleh pemerintah selaku pengawas perkembangan klaster adalah sebagai berikut (Enright dalam Jankowiak, 2012):


1. Perbaikan iklim bisnis secara umum; 2. Pengumpulan dan penyediaan informasi dan data mengenai tren dunia usaha dan

perekonomian, pasar, konsumen, dan pesaing untuk klaster terkait; 3. Penyediaan pendidikan, pelatihan, dan infrastruktur dasar yang diperlukan; 4. Dukungan terhadap hubungan bisnis dan jaringan antar pihak; 5. Penyediaan pelayanan seperti riset dasar, riset pasar, dan konsultasi proses bisnis; 6. Evaluasi dan pengembangan kebijakan dan program pemerintah untuk perkembangan

perusahaan.

Peran penting lain aspek kelembagaan dalam meningkatkan keterkaitan kota-desa, salah satunya adalah dengan mengurangi biaya transfer. Kelembagaan yang efektif diharapkan dapat mengurangi biaya transfer dengan mengurangi informasi asimetris, meminimumkan biaya transaksi, menurunkan biaya transportasi dan komunikasi, mengkoordinasikan kebijakan, dan menangani hambatan-hambatan non-ekonomi (Chowdury dkk, 2005). Chowdury dkk (2005) menjabarkan beberapa contoh peran kelembagaan/institusi dalam mengurangi biaya transfer sebagai berikut: 1. Keberadaan supermarket di Indonesia mempersingkat rantai nilai dan mempermudah

akses terhadap informasi bagi konsumen maupun produsen, sehingga mengurangi informasi asimetris;

2. Keberadaan koperasi produk susu dapat mengurangi biaya transaksi bagi peternak di Kenya dengan meminimumkan biaya penyediaan infrastruktur per perusahaan, penyediaan barang publik yang lebih efisien, dan risk pooling.

3. Perkembangan infrastruktur telekomunikasi di Bangladesh meningkatkan konektivitas masyarakat desa, menurunkan biaya komunikasi, dan memudahkan akses terhadap informasi.

4. Pengangkatan hambatan perdagangan pajak maupun non-pajak dapat meningkatkan efisiensi perdagangan antar wilayah.

Kelembagaan dapat pula meningkatkan keterkaitan kota desa dengan memprioritaskan inovasi di sektor pertanian, infrastruktur komunikasi dan transportasi, serta perkembangan institusi pasar (Akkoyunlu, 2013). Pembangunan tidak boleh hanya terkonsentrasi di perkotaan, namun juga di pedesaan. Kebijakan dalam fasilitasi perdagangan serta investasi publik yang dapat mendorong perkembangan infrastruktur desa, pasar desa, dan pendidikan di desa harus diberlakukan oleh kelembagaan untuk meningkatkan keterkaitan kota desa (Akkoyunlu, 2013).

Berbagai faktor yang diterangkan sebelumnya, menunjukkan adanya kesamaan faktor-faktor yang secara umum mempengaruhi keterkaitan kota desa, yaitu layanan publik, infrastruktur, produksi, sosial ekonomi, dan kelembagaan. Sehubungan dengan itu aliran yang terjadi secara umum adalah aliran manusia, uang/barang, dan informasi.

2.4 Contoh-contoh Keterkaitan Kota Desa

Beberapa penelitian tentang keterkaitan kota desa sudah pernah dilakukan oleh pihak lain. Berikut adalah contoh dari keterkaitan kota desa bentuk klaster yang dapat mendukung pertumbuhan ekonomi suatu daerah: 1. Klaster GAP di Thailand (Galves-Nogales, 2010)

Pertanian di wilayah sekitar Kasetart University mengalami kesulitan dalam berkompetisi di pasar global akibat tidak dapat memenuhi standar produk internasional. Kasetart University kemudian menjalankan inisiatif untuk mempertemukan eksportir, kolektor, petani, dan kelompok petani untuk mengembangkan sistem quality assurance di pertanian di empat provinsi yang berbatasan dengan universitas tersebut. Pembentukan klaster ini kemudian mempermudah pertukaran informasi antara pihak-pihak yang


terkait, sehingga dapat meningkatkan kualitas produk pertanian di daerah yang bersangkutan.

2. Klaster Produk Susu di Cina (Kiminami & Kiminami, 2009) Klaster produk susu di daerah Mongolia Dalam terbentuk akibat beroperasinya pabrik susu di daerah tersebut. Peternak dipekerjakan dengan sistem kontrak oleh para perusahaan, dengan kerjasama bisnis antara kedua belah pihak. Perusahaan menyediakan teknologi, permodalan, dan modal untuk peternak, dan peternak kemudian memberikan hasilnya ke perusahaan yang berkaitan. Keberadaan klaster ini terbukti telah meningkatkan produksi susu di daerah tersebut, sehingga meningkatkan pendapat peternak sapi serta pendapatan petani corn stalks yang digunakan sebagai bahan makanan untuk sapi.

3. Klaster Perikanan di Sekitar Danau Victoria, Afrika (Galves-Nogales, 2010) Danau Victoria merupakan salah satu daerah penghasil ikan terbesar di Afrika, namun selama beberapa tahun terakhir, produksi ikan mulai menurun akibat peraturan kesehatan dan keamanan yang diberlakukan oleh Uni Eropa yang menyebabkan ekspor menurun, serta turunnya volume tangkapan akibat overfishing. Klaster yang dibentuk mendorong terjadinya kerjasama antar pemain; bersama-sama memperbaiki sistem logistik mereka, pedagang ikan berinvestasi dalam peningkatkan kebersihan di daerah tepian, dan perusahaan meningkatkan investasinya dalam meningkatkan kualitas proses, laboratorium, dan prosedur Hazard Analysis and Critical Control Point (HACCP). Lake Victoria Fisheries Organization (LVFO) juga dibentuk pada tahun 1994 untuk meningkatkan kerjasama antara negara di sekitar Danau Victoria melalui harmonisasi peraturan dalam konservasi danau tersebut. Kedua usaha ini bertujuan untuk memperbaiki kualitas produk perikanan di sekitar daerah Danau Victoria untuk meningkatkan ekspor.

4. Klaster Pariwisata di Spanyol (Segarra-Ona, et al, 2012) Klaster dalam pariwisata sangatlah penting karena jumlah pengunjung ke suatu daerah tidak hanya bergantung pada atraksi yang ada di daerah tersebut, namun juga pada atribut lain pada daerah tersebut, seperti kualitas akomodasi, infrastruktur, dan banyaknya fasilitas terkait seperti restoran dan sebagainya. Hotel di enam klaster pariwisata di Spanyol (a Costa Blanca, la Costa del Sol, la Costa Brava, Kepulauan Balearic, dan Kepulauan Canary) terbukti memiliki pendapatan bersih per karyawan, penjualan per karyawan, jumlah karyawan, dan EBITDA per karyawan yang lebih tinggi dibandingkan dengan hotel-hotel yang terletak di luar klaster ini.

2.5 Konsep Keterkaitan Kota Desa di Indonesia

2.5.1 Sejarah Keterkaitan Kota Desa di Indonesia

Keterkaitan kota desa di Indonesia, sudah terjadi sejak lama yang terjadi secara alami, yaitu dengan berpindahnya penduduk perdesaan menuju perkotaan untuk memperoleh pekerjaan yang lebih baik. Akan tetapi, program dari pemerintah yang secara khusus menangani tentang keterkaitan kota desa baru ada pada tahun 1999. Program pada 1999 untuk peningkatan keterkaitan kota desa itu, bernama PARUL (poverty alleviation through rural–urban linkages) yang merupakan kerjasama Bappenas, UNDP, dan UN Habitat (Momen, 2006). Menurut Tarigan (2003) PARUL bekerja di tingkat provinsi dan kabupaten. Pada level provinsi lanjut Tarigan, menggunakan CDP (cluster development partnership), sedangkan pada level kabupaten menggunakan KIT (kabupaten implementation kit), dan pada tingkat kecamatan PARUL mengorganisasikan jaringan antara produsen/kelompok petani dengan KIT. Setelah itu, PARUL berganti nama menjadi KPEL (kemitraan bagi pengembangan ekonomi lokal) pada 2002 (Momen, 2006).


Fokus pengembangan PARUL/KPEL ini adalah pengembangan satu komoditas pertanian yang dinilai potensial untuk mendapatkan pendapatan dari daerah luar, tujuannya untuk meningkatkan manfaat pada tingkat lokal (Momen, 2006). Akan tetapi, pengembangan KPEL ini mengalami berbagai masalah, di antaranya fluktuasi nilai tukar rupiah terhadap dollar sehingga berdampak pada biaya produksi, ketidaksediaan importir regional dan internasional untuk komitmen jangka panjang, serta keterkaitan sosial dan kerjasama yang rendah pada perusahaan kecil dan sedang, meskipun secara geografis mereka terkonsentrasi pada area tertentu (Momen, 2006).

Dalam perkembangannya, keterkaitan kota desa ini menjadi salah satu bagian dari arah kebijakan RPJMN 2015-2019 melalui KKD (keterkaitan perkotaan dan perdesaan). Kebijakan ini memiliki tujuan yang sama seperti program terdahulu, yaitu untuk mengurangi kesenjangan antara pembangunan perkotaan dan perdesaan, dengan meningkatkan pendapatan khususnya pada masyarakat lokal.

2.5.2 Peraturan-peraturan tentang Keterkaitan

Di Indonesia, telah terdapat berbagai peraturan yang mengamanahkan untuk meningkatkan keterkaitan antar wilayah ataupun antar fungsi. Sebagian besar peraturan-peraturan tersebut masih bersifat tersirat. Berbagai peraturan yang menyiratkan tentang keterkaitan fungsional tersebut, seperti aturan mengenai penyelarasan antara produksi, pengolahan, dan pemasaran. Contoh-contoh peraturan-peraturan tersebut dijabarkan di bawah ini:

Tabel 2.4 Peraturan-peraturan Terkait Keterkaitan

No Jenis Peraturan Pasal/Penjelasan/ Lampiran Keterangan

Undang-Undang 1 UU No. 26 Tahun

2007 tentang Penataan Ruang

Penjelasan Pasal 17 ayat 6

• Keterkaitan antarkegiatan kawasan merupakan wujud keterpaduan dan sinergi antarkawasan, antara lain, meliputi keterkaitan antara kawasan perkotaan dan kawasan perdesaan

1 UU No. 17 Tahun 2007 tentang RPJPN 2005-2025

Lampiran • Hasil produksi wilayah perdesaan merupakan backward linkages dari kegiatan ekonomi di wilayah perkotaan.

• Perluasan dan diversifikasi aktivitas ekonomi dan perdagangan (nonpertanian) di perdesaan yang terkait dengan pasar di perkotaan

• Pembangunan perdesaan didorong melalui pengembangan agroindustri padat pekerja

• Pengembangan jaringan infrastruktur penunjang kegiatan produksi di kawasan perdesaan dan kota-kota kecil terdekat dalam upaya menciptakan keterkaitan fisik, sosial dan ekonomi



• Setiap wilayah menuju keunggulan kompetitif dengan membangun keterkaitan sistem produksi, distribusi, dan pelayanan antardaerah

• Penguatan keterkaitan kegiatan ekonomi dengan wilayah-wilayah cepat tumbuh dan strategis

2 UU No. 29 Tahun 2009 tentang Ketransmigrasian

Pasal 32 ayat 4 huruf a

• Percepatan keterkaitan fungsional intrakawasan dan antarkawasan serta mengoptimalkan pemanfaatan ruang secara konsisten guna mendukung pengembangan komoditas unggulan dengan pendekatan agroindustri dan agribisnis

3 UU No. 10 Tahun 2009 tentang Kepariwisataan

Pasal 5 • Kepariwisataan diselenggarakan dengan prinsip[...]menjamin keterpaduan antarsektor, antardaerah, antara pusat dan daerah[...]

4 UU No. 18 Tahun 2012 tentang Pangan

Pasal 42 butir e, h, dan i

• pengembangan diversifikasi usaha tani dan perikanan

• penguatan usaha mikro, kecil, dan menengah di bidang Pangan

• pengembangan industri Pangan yang berbasis Pangan Lokal

5 UU No. 13 Tahun 2010 tentang Hortikultura

Penjelasan pasal 2 huruf d Penjelasan pasal 56 ayat 1

• [...] asas keterpaduan adalah penyelenggaraan hortikultura harus mengintegrasikan berbagai kepentingan yang bersifat lintas sektor, lintas wilayah, dan lintas pemangku kepentingan

• [...] kemitraan adalah kerja sama dalam keterkaitan [...] usaha mikro dan/atau usaha kecil dengan usaha menengah dan/atau usaha besar disertai pembinaan dan pengembangan oleh usaha menengah dan/atau besar...

6 UU No. 31 Tahun 2004, tentang Perikanan

Pasal 24 ayat 1 Pasal 25

• Pemerintah mendorong peningkatan nilai tambah produk hasil perikanan

• Usaha perikanan dilaksanakan dalam sistem bisnis perikanan yang meliputi praproduksi, produksi, pengolahan, dan pemasaran

Peraturan Presiden 7 Perpres No. 2 Tahun Lampiran • Keterkaitan antara pusat



2015 pertumbuhan wilayah dan daerah sekitarnya [...]khususnya infrastruktur perhubungan, jaringan informasi dan komunikasi, serta pasokan energi

• Menghubungkan antara keterkaitan fungsional pasar dan kawasan produksi

• Konektivitas antara kota sedang dan kota kecil, kota kecil dengan desa, dan antar pulau

• Keterkaitan antara ekonomi hulu dan hilir desa kota melalui pengembangan klaster

• Peningkatan kapasitas tata kelola, kelembagaan, dan masyarakat

Peraturan

Pemerintah

8 PP No. 50 Tahun 2011 tentang RIPPARNAS

Pasal 10 ayat 1 e Pasal 21 ayat 2 b

• Destinasi Pariwisata Nasional memiliki keterpaduan dengan rencana sektor terkait

• Keterpaduan jaringan infrastruktur transportasi antara pintu gerbang wisata dan DPN serta komponen yang ada di dalamnya

Peraturan Menteri 9 Permen KP No.

Per.27/MEN/2012 tentang Pedoman Umum Industrialisasi Kelautan dan Perikanan

Pasal 4 Pasal 5

• industrialisasi kelautan dan perikanan dilaksanakan dengan strategi pengembangan komoditas dan produk unggulan berorientasi pasar [...] pengembangan konektivitas dan infrastruktur

• [...] strategi pengembangan konektivitas dan infrastruktur [...]peningkatan dan perluasan hubungan bisnis hulu-hilir, hulu-hulu, dan hilir-hilir

Sumber: Berbagai sumber, diolah 2015

Selain peraturan-peraturan tentang keterkaitan di atas, konsep pengembangan

keterkaitan kota desa dalam RPJMN 2015-2019 memfokuskan pada keterkaitan empat klaster utama. Klaster-klaster utama tersebut meliputi klaster transmigrasi, klaster agropolitan, klaster minapolitan, dan klaster pariwisata. Dengan klaster-klaster utama tersebut, apabila ada klaster lain seperti klaster industri, maka klaster industri tersebut dapat digunakan sebagai salah satu pendukung interaksi keterkaitan kota desa. Berikut adalah penjelasan konsep masing-masing klaster:


Gambar 2.3 Konsep Pengembangan Klaster Transmigrasi Sumber: BAPPENAS, 2014

Konsep pengembangan kawasan transmigrasi untuk meningkatkan keterkaitan kota

desa, adalah meningkatkan keterkaitan antara kawasan SP (satuan permukiman) sebagai kawasan produksi, dengan kota kecil atau kota menengah terdekat sebagai pusat jasa dan pengolahan tersier. Kumpulan SP (Satuan Permukiman) yang terbentuk dalam SKP (Satuan Kawasan Pengembangan) berpotensi menjadi KPB jika memiliki keterkaitan yang lebih baik daripada SKP lainnya dalam suatu kawasan transmigrasi. Keterkaitan tersebut terutama dengan kota kecil atau kota menengah terdekat dengan kawasan transmigrasi yang ditetapkan. Oleh sebab itu, terbentuknya KPB secara alami pada wilayah transmigrasi merupakan indikasi terjalinnya keterkaitan yang erat dengan kota kecil / kota menengah terdekat.


Gambar 2.4 Konsep Pengembangan Klaster Agropolitan Sumber: BAPPENAS, 2014

Konsep pengembangan kawasan agropolitan untuk meningkatkan keterkaitan kota

desa, adalah memfasilitasi sarana dan prasarana untuk menunjang komoditas pertanian. Fasilitasi sarana dan prasarana tersebut meliputi fisik seperti dukungan pada produksi untuk alat, benih, pupuk, dan pompa, serta fasilitasi sumber daya manusia pertanian dengan pelatihan, pendampingan, dan penyuluhan. Fasilitasi lain untuk kelembagaan masyarakat seperti dari pihak swasta dukungan modal dari bank untuk mengembangkan komoditas pertanian baik dari sisi produksi maupun pemasaran produk. Dalam konsep agropolitan, terdapat tujuh komoditas utama yaitu padi, jagung, kedelai, kacang tanah, kacang hijau, ubi kayu, dan ubi jalar.

Gambar 2.5 Konsep Pengembangan Klaster Minapolitan Sumber: BAPPENAS, 2014

Konsep pengembangan kawasan minapolitan untuk meningkatkan keterkaitan kota desa, hampir sama dengan konsep pengembangan agropolitan, yakni dengan memfasilitasi sarana dan prasarana untuk menunjang produksi, perdagangan, pengolahan, dan pemasaran minapolitan. Perbedaan utama antara agropolitan dan minapolitan adalah agropolitan merupakan kawasan berbasis komoditas pertanian, sementara minapolitan merupakan kawasan berbasis khusus komoditas perikanan. Selain hal itu, sama dengan pengembangan agropolitan yakni konsep pengembangannya dengan melakukan pelatihan dan pendampingan sumber daya manusia di bidang perikanan. Dalam kawasan minapolitan terdapat perbedaan antara kawasan minapolitan berbasis budidaya dan kawasan minapolitan berbasis perikanan tangkap. Kawasan minapolitan berbasis budidaya biasanya tidak memerlukan laut dan dapat berupa kolam-kolam tambak. Sebaliknya minapolitan berbasis perikanan tangkap harus dilaksanakan pada kawasan nelayan yang memiliki akses ke laut secara langsung.


Gambar 2.6 Konsep Pengembangan Klaster Pariwisata Sumber: Analisis, 2015

Konsep pengembangan kawasan pariwisata untuk meningkatkan keterkaitan kota

desa, melalui empat sektor utama yaitu sektor dalam kawasan pariwisata, sektor pasar dan promosi, sektor transportasi, dan integrasi sektor lain. Dalam hal kewilayahan, konsep peningkatan keterkaitan ini melalui keterkaitan antara DPN (Destinasi Pariwisata Nasional) dengan destinasi wisata regional. Untuk sektor dalam kawasan pariwisata, hampir sama seperti konsep pengembangan kawasan produksi dari agropolitan ataupun minapolitan, yakni meliputi fasilitasi sarana dan prasarana pariwisata, investasi pariwisata, dan fasilitasi sumber daya manusia bidang pariwisata. Untuk sektor transportasi, merupakan transportasi darat, laut, ataupun udara dari wilayah-wilayah pemasok wisatawan ke DPN ataupun sebaliknya, serta menuju destinasi pariwisata regional.

Secara umum konsep pengembangan klaster-klaster menurut peraturan pada tingkat teori adalah integrasi antara tiga sektor. Sektor pertama adalah sektor produksi, sektor kedua adalah sektor pengolahan, dan sektor ketiga adalah sektor pemasaran. Hal ini terlihat di semua klaster, baik transmigrasi, agropolitan, minapolitan, ataupun pariwisata. Integrasi ini meliputi komponen utama (1) sarana prasarana yang utamanya infrastruktur transportasi, (2) investasi/modal, (3) tata kelola/kelembagaan sumber daya manusia.

2.6 Kerangka konseptual keterkaitan kota desa

Kerangka konseptual berguna untuk mengungkapkan konsep yang dipergunakan dalam menyusun indeks keterkaitan kota desa. Kerangka konseptual keterkaitan kota desa ini, secara umum didasari oleh konsep dari Douglass, mengingat konsep Douglass dipandang sebagai konsep terakhir yang cukup relevan untuk mengukur keterkaitan kota desa. Berkaitan dengan hal tersebut, maka pengukuran keterkaitan kota desa di Indonesia guna menyusun indeks keterkaitan ini menggunakan pendekatan klaster. Namun demikian sebelum sampai pada klaster, maka terlebih dahulu didefinisikan secara operasional yang dimaksud kota dan desa dalam indeks ini.

Definisi umum kota dan desa adalah yang tertera seperti di UU No. 26 Tahun 2007 tentang Penataan Ruang dan UU No. 6 Tahun 2014 tentang Desa. Desa pada indeks ini adalah kawasan perdesaan, sedangkan kota dalam indeks ini adalah kawasan perkotaan. Definisi umum, kawasan perdesaan adalah wilayah yang mempunyai kegiatan utama pertanian, termasuk pengelolaan sumber daya alam dengan susunan fungsi kawasan


sebagai tempat permukiman perdesaan, pelayanan jasa pemerintahan, pelayanan sosial, dan kegiatan ekonomi. Sementara kawasan perkotaan adalah wilayah yang mempunyai kegiatan utama bukan pertanian dengan susunan fungsi kawasan sebagai tempat permukiman perkotaan, pemusatan dan distribusi pelayanan jasa pemerintahan, pelayanan sosial, dan kegiatan ekonomi. Definisi lebih detil akan dijabarkan pada bab metode penelitian. Untuk keperluan variabel dan konsep yang digunakan pada penelitian keterkaitan kota desa, maka disusun berdasarkan kajian teori yang dijelaskan pada tabel dan gambar berikut:

Tabel 2.5 Variabel Utama Keterkaitan Kota Desa

No Keterkaitan Copus, 2013

Tarigan, 2003

Unwin dalam Adell, 1999

Douglass ,1998

Nugraheni dan Handayani, 2010

Evans, 1982

RPJMN 2015-2019

1 Layanan publik (Fasilitas Dasar)

V V V V V

2 Infrastruktur V V V V V V V

3 Produksi V V V V V V V

4 Sosial ekonomi V V V V V V V

5 Kelembagaan V V V V V V

Sumber: Analisis, 2015


Gambar 2.7 Konsep Keterkaitan Kota Desa Sumber: Utama, 2015, Analisis, 2015

Pada konsep keterkaitan kota desa di atas, dapat dipahami bahwa desa memiliki keterkaitan dengan kecamatan atau pusat kegiatan lokal, bisa juga desa langsung memiliki keterkaitan dengan wilayah lain setingkat kabupaten/kota atau kawasan lain seperti kawasan agropolitan, minapolitan, transmigrasi dan pariwisata. Hal ini menyebabkan keterkaitan kota desa, merupakan suatu hal yang kompleks yang terjadi dalam dinamika kewilayahan. Oleh sebab itu, untuk menjelaskan keterkaitan yang komplek antara kota desa, digunakanlah pendekatan. Pendekatan konseptual tentang pengukuran keterkaitan kota desa tersebut seperti dijelaskan dalam diagram berikut:


Gambar 2.8 Kerangka Konseptual Pengukuran Indeks Keterkaitan Kota Desa Sumber: Analisis, 2015

Pada keterangan di atas, pendekatan pengukuran keterkaitan kota desa dilaksanakan pertama kali dengan membuat kategori wilayah berdasarkan ciri kota atau desa. Hal ini dilaksanakan sebagai salah satu pendekatan untuk mengelompokkan wilayah berdasarkan karakteristik datanya daripada berdasarkan administratifnya. Dengan pengelompokkan tersebut maka didapatkan wilayah pusat kegiatan dan fasilitas yaitu wilayah yang berciri perkotaan, dan wilayah produksi yaitu wilayah yang berciri perdesaan.

Setelah diketahui wilayah pusat kegiatan dan fasilitas serta wilayah produksi, maka ditimpa dengan indikator keterkaitan umum. Dalam kegiatan penyempurnaan penyusunan indeks keterkaitan kota dan desa, difokuskan pada dimensi transportasi dan ekonomi. Wilayah dengan keterkaitan yang tinggi merupakan wilayah yang memiliki tingkat overlay paling tinggi dibandingkan wilayah lainnya. Sebaliknya, wilayah dengan keterkaitan rendah, merupakan wilayah yang tingkat overlaynya rendah, atau kecil nilainya dalam mendukung suatu kegiatan lain.


BAB III METODE PENGUKURAN KETERKAITAN KOTA DESA

3.1 Unit Analisis

Unit analisis pada penyempurnaan indeks keterkaitan kota desa ini adalah kecamatan. Alasan penggunaan unit kecamatan untuk penyempurnaan indeks, berdasarkan masukan saat workshop oleh pemangku kepentingan dan ahli, unit analisis desa terlalu kecil untuk sebuah kawasan. Selain itu, proxy data desa yang digunakan terlalu dipaksakan, sehingga dikhawatirkan menjadi bias.

Dalam kaitan dengan pengukuran keterkaitan kota desa, maka dilakukan pendekatan definisi antara kota dan desa. Kota didekati dengan kawasan atau daerah yang memiliki ciri-ciri perkotaan, sedangkan desa didekati dengan kawasan atau daerah yang tidak memiliki ciri-ciri perkotaan.

3.2 Sumber Data

Sumber data yang dipergunakan dalam pengukuran keterkaitan kota desa di Indonesia adalah data sekunder. Data sekunder, pada pengukuran ini menggunakan data PODES tahun 2014, peta SHP Indonesia 2011 yang bersumber dari BPS, dan peta RBI tahun 2008.

3.3 Cara Analisis Data

Menurut hukum I Tobler untuk geografi, semua hal saling berkaitan, tetapi sesuatu yang dekat akan memiliki kaitan yang lebih daripada suatu yang jauh (Tobler, 1970). Cara analisis keterkaitan kota desa yang dilaksanakan saat ini, akan menggunakan metode ESDA (Exploratory Spatial Data Analysis) dengan teknik autokorelasi spasial. ESDA menurut Karmaji dkk (2010) adalah sekumpulan teknik untuk mendeskripsikan dan memvisualisasikan sebaran/asosiasi spasial, mengidentifikasi lokasi pemusatan (klaster) dan pencilan. Teknik ESDA dalam pengukuran ini adalah teknik global moran’s I dan LISA (local indicators for spatial association).

Autokorelasi spasial adalah korelasi antara variabel dengan dirinya sendiri

berdasarkan ruang atau terdapat pola sistematik dalam penyebaran sebuah variabel (Yasin dan Saputra, 2013). Menurut Wuryandari dkk (2014) autokorelasi positif menunjukkan tempat-tempat yang berdekatan mirip nilainya sehingga membentuk klaster, sedangkan autokorelasi negatif tempat-tempat yang berdekatan nilainya berbeda dan menyebar. Dalam analisis autokorelasi spasial, ada tiga hal yang perlu dilakukan, pertama adalah memberi pembobot spasial, kedua adalah mengukur autokorelasi spasial global, dan ketiga adalah mengukur asosiasi spasial untuk indikator lokal.

Seperti diketahui, pada tahun 2015, penyusunan indeks keterkaitan kota desa menggunakan dua analisis utama, pertama analisis PCA, kemudian dilanjutkan dengan analisis asosiasi spasial. Untuk penyempurnaan indeks pada tahun 2016 ini, sesuai masukan para pemangku kepentingan dan ahli, difokuskan pada variabel yang lebih sedikit. Dampak positifnya, jumlah indikator yang digunakan akan jauh berkurang daripada jumlah indikator pada tahun 2015, yang berjumlah 26 indikator. Pengurangan jumlah indikator menurut para ahli dan pemangku kepentingan dinilai penting, agar indeks KKD yang dihasilkan lebih fokus. Dampak negatifnya adalah jenis analisis yang dilakukan menjadi lebih terbatas. Sebab, pada penyempurnaan indeks keterkaitan kota desa ini, hanya dilakukan analisis pada dua dimensi


utama KKD sesuai RPJMN, yaitu dimensi keterkaitan konektivitas dan dimensi keterkaitan ekonomi. Sesuai masukan para pemangku kepentingan dan ahli, dimensi tata kelola kelembagaan yang terdiri dari indikator (1) jumlah aparat desa/kelurahan, (2) persen tanah kas desa, dan (3) persen bangunan desa, dinilai tidak dapat dijadikan sebagai ukuran tata kelola kelembagaan. Namun demikian, hanya data tersebut yang saat ini tersedia untuk mengukur pemerintahan di level kecamatan. Dengan penilaian indikator tersebut kurang tepat untuk mengukur tata kelola, maka diambil keputusan untuk penyempurnaan indeks tanpa melihat dimensi tata kelola kelembagaan.

Dalam pengukuran indeks keterkaitan kota desa, sebelum dilakukan analisis ESDA baik menggunakan asosiasi spasial global ataupun lokal, dilaksanakan analisis kuantitatif dengan perhitungan arikmatik sederhana. Analisis ini untuk memperoleh gambaran secara umum perihal dimensi keterkaitan konektivitas dan keterkaitan ekonomi. Tahap akhir analisis adalah interpretasi secara kualitatif berdasarkan sebaran data secara spasial. Secara ringkas prosedur analisis data untuk penyempurnaan indeks keterkaitan kota desa digambarkan dalam diagram berikut:


Gambar 3.1 Prosedur Analisis Data Sumber: Analisis, 2015

Prosedur analisis sesuai yang terlihat pada gambar di atas, terbagi menjadi tiga

tahap. Tahap pertama adalah analisis dengan aritmatik sederhana. Tahap kedua adalah tahap analisis asosiasi spasial. Tahap ketiga adalah analisis kualitatif dengan melihat sebaran data secara spasial. Lebih terperinci akan dijelaskan pada sub di bawah.

3.3.1 Analisis Aritmatik Sederhana

Analisis aritmatik sederhana, pada penelitian ini dibagi menjadi tiga kategori. Kategori pertama adalah untuk pengklasifikasian perkotaan dan perdesaan. Kategori kedua untuk dimensi transportasi. Kategori ketiga sebagai bahan awal untuk dimensi ekonomi.

Kategori pertama, yakni pengklasifikasian perkotaan dan perdesaan disesuaikan dengan yang dijelaskan pada sub bab 2.3.3. Secara umum wilayah berciri perkotaan adalah wilayah yang perekonomian utamanya bukan pertanian. Sebaliknya, wilayah berciri perdesaan adalah wilayah yang perekonomian utamanya pertanian. Menurut PP No. 15 Tahun 2010 tentang penyelenggaraan penataan ruang, kawasan perkotaan dibagi menjadi lima jenis menurut besarannya: 1. Kawasan perkotaan kecil

-Jumlah penduduk 50.000-100.000 jiwa -Kegiatan dominasi perdagangan skala kecamatan -Terdapat kantor kecamatan dan pasar harian

2. Kawasan perkotaan sedang -Jumlah penduduk 100.000-500.000 jiwa -Kegiatan dominasi jasa dan perdagangan skala kabupaten atau antar kabupaten -Terdapat kantor pemerintah kabupaten/kota, transportasi lokal, kantor cabang perbankan, dan pusat pertokoan

3. Kawasan perkotaan besar -Jumlah penduduk >500.000 jiwa -Kegiatan dominasi jasa, perdagangan, industri skala provinsi atau antar provinsi -Terdapat kantor pemerintah kabupaten/kota, terminal/pelabuhan, kantor cabang perbankan, dan kawasan pertokoan

4. Kawasan metropolitan -Jumlah penduduk ≥1.000.000 jiwa -Kegiatan dominasi jasa, perdagangan, industri skala antar provinsi atau nasional -Terdapat kantor pemerintah kota/provinsi, transportasi regional, kantor perbankan, dan pusat perbelanjaan

5. Kawasan megapolitan -Jumlah penduduk ≥10.000.000 jiwa -Kegiatan dominasi jasa, perdagangan, industri skala antar negara -Terdapat fasilitas transportasi antarnegara, perbankan antarnegara, pusat perbelanjaan

Untuk kawasan perdesaan, menurut PP 15 Tahun 2010 karakteristiknya adalah:

-Kawasan produksi pertanian -Mata pencaharian penduduk petani, nelayan, penambang rakyat, pengrajin lokal -Kegiatan dominasi pertanian atau perikanan

Berdasarkan peraturan menteri dalam negeri No. 1 Tahun 2008, kawasan perkotaan bercirikan kegiatan utama bukan pertanian atau mata pencaharian penduduknya terutama bidang industri, perdagangan, jasa. Selain itu adanya pemusatan dan distribusi pelayanan


barang dan jasa skala pelayanan kabupaten atau beberapan kecamatan. Kriteria lain tentang kawasan perkotaan adalah PU No 20 Tahun 2007 tentang Teknik Analisis Fisik, Lingkungan, Ekonomi, Sosial Budaya dalam Penyusunan Rencana Tata Ruang yang menyatakan, kriteria kawasan perkotaan yaitu memiliki tingkat kepadatan minimal 50 jiwa/Ha dan tenaga kerja non pertanian minimal 75%. Selain kriteria di atas, BPS telah menerbitkan peraturan kepala BPS No. 37 Tahun 2010 tentang klasifikasi perkotaan dan perdesaan di Indonesia. Menurut peraturan tersebut, perkotaan adalah wilayah administrasi setingkat desa/kelurahan yang memenuhi kriteria perkotaan, sedangkan desa adalah yang belum memenuhi kriteria perkotaan. Jumlah kriteria yang harus dipenuhi untuk diklasifikasikan sebagai wilayah perkotaan adalah minimal 10 kriteria, jika total skor kurang dari 10 maka diklasifikasikan sebagai wilayah perdesaan. Kriteria yang dimaksud adalah sebagai berikut:

Tabel 3.1 Kriteria Wilayah Perkotaan dan Perdesaan Kriteria Akses pada Fasilitas Perkotaan

Kepadatan penduduk per Km2

Nilai/ Skor

Persentase rumah tangga pertanian

Nilai/ Skor

Fasilitas Perkotaan Kriteria Nilai/ Skor

<500 1 >70,00 1 a. Sekolah Taman Kanak-kanak

• Ada atau ≤2,5 Km*)

• >2,5 Km*)

1 0 500-1249 2 50,00-69,99 2 b. Sekolah Menengah Pertama

1250-2499 3 30,00-49,99 3 c. Sekolah Menengah Umum 2500-3999 4 20,00-29,99 4 d. Pasar • Ada atau

≤2,5 Km*) • >2 Km*)

1 0

4000-5999 5 15,00-19,99 5 e. Pertokoan

6000-7499 6 10,00-14,99 6 f. Bioskop • Ada atau ≤5 Km*)

• >5 Km*)

1 0

7500-8499 7 5,00-9,99 7 g. Rumah Sakit

>8500 8 <5,00 8 h. Hotel/bilyar/diskotik/panti pijat/salon

• Ada • Tidak ada

1 0

i. Persentase RT Telepon • ≥8,00 • <8,00

1 0

j. Persentase RT Listrik • ≥90,00 • <90,00

1 0

*) Jarak tempuh diukur dari kantor desa/kelurahan Sumber: BPS, 2010

Pada kajian keterkaitan kota desa ini, pengklasifikasian perkotaan dan perdesaan,

menggunakan data klasifikasi berdasarkan PP No. 15 Tahun 2010 tentang penyelenggaraan penataan ruang dan Permendagri No. 1 Tahun 2008. Berikut adalah kriteria kawasan perkotaan dan perdesaan berdasarkan peraturan tersebut, dijelaskan pula pendekatan (proxy) yang dipergunakan akibat keterbatasan data yang tersedia:

Tabel 3.2 Ciri Kawasan Perkotaan dan Perdesaan serta Variabel Proxy-nya untuk Indeks KKD

Ciri Perkotaan (PP 15 Th. 2010 Penataan Ruang, Permendagri No.

1 Th. 2008)

Proxy Indeks Keterkaitan Kota Desa Kawasan Perkotaan

1. Jumlah Penduduk 1. Jumlah Penduduk Kota Sedang, Besar, Metro


2. Dominasi Kegiatan Jasa, Perdagangan, Industri

2. Pekerjaan Jasa, Dagang, Angkut, Pergudangan, Komunikasi, Air, Gas, Listrik, Konstruksi, Perbankan, Lainnya

3. Pusat Fasilitas dan Jaringan 3. Infrastruktur (Bandara hub, bandara lainnya, pelabuhan umum diusahakan, pelabuhan khusus, pelabuhan lainnya, pelabuhan penyeberangan, terminal tipe A dan B, Stasiun, Rel Kereta, Jalan)

Ciri Perdesaan (PP 15 Tahun 2010)

Proxy Indeks Keterkaitan Kota Desa Kawasan Perdesaan

1. Kawasan Produksi Pertanian Yang bukan kawasan perkotaan 2. Pekerjaan Dominasi Petani, Nelayan, Tambang Rakyat, Perajin Lokal

3. Dominasi Pertanian / Perikanan Sumber: PP 15 Th. 2010, Permendagri 1 Th. 2008, Analisis 2015

Untuk penentuan kawasan perkotaan menggunakan teknik tumpang tindih/overlay, penggunaan teknik ini terdiri dari tiga tahap. Tahap pertama, seluruh wilayah administratif dikelompokkan menjadi lima kawasan perkotaan berdasarkan jumlah penduduk. Sesuai dengan tujuan RPJMN 2015-2019, dipilih satuan terendah kawasan perkotaan yang berciri minimal kota sedang. Kemudian tahap kedua, dilakukan tumpang tindih yang berciri perkotaan berdasarkan tahap pertama dengan pekerjaan penduduk yang berciri perkotaan. Kemudian dilanjutkan tahap ketiga yaitu, berdasarkan kawasan yang berciri perkotaan pada tahap dua dilakukan overlay per kawasan yang memiliki infrastruktur seperti tersebut dalam tabel di atas. Setelah didapatkan kawasan berciri perkotaan berdasarkan tiga tahap sebelumnya, maka kawasan perdesaan diasumsikan merupakan kawasan yang bukan berciri perkotaan.

Kategori kedua, yaitu perhitungan sederhana keterkaitan dimensi transportasi. Keterkaitan dimensi transportasi disusun berdasarkan tiga data utama. Pertama adalah data jalan bersumber dari peta RBI, kedua data permukaan jalan terluas bersumber dari podes, dan ketiga kemampuan jalan dapat dilalui kendaraan roda 4 atau lebih bersumber dari podes.

Pada kategori kedua ini, dilakukan pula pembobotan dilihat dari tingkat kepentingan. Data jalan dilakukan pembobotan dengan cara jika suatu wilayah dilalui atau terdapat jalan arteri maka diberi nilai 1, jika suatu wilayah dilalui jalan kolektor maka diberi nilai 0.5, selain itu 0. Data permukaan terluas dilakukan pembobotan dengan cara, jika jalan dominasi aspal/beton maka diberi nilai 1, jika dominasi diperkeras maka diberi nilai 0.5, selain itu 0. Data kemampuan jalan dapat dilalui kendaraan roda 4 atau lebih, pembobotannya jika dapat dilalui roda 4 sepanjang tahun diberi nilai 1, jika sepanjang tahun kecuali saat tertentu diberi nilai 0.67, jika sepanjang tahun kecuali sepanjang musim hujan diberi nilai 0.33, jika tidak dapat dilalui sepanjang tahun maka diberi nilai 0.

Kategori ketiga, yaitu perhitungan sederhana sebagai bahan untuk analisis lanjutan dimensi ekonomi. Dimensi ekonomi terdiri dari industri pengolahan dan bahan baku industri. Sebelum dapat diketahui pengelompokkan dari industri pengolahan dan bahan baku industri, maka perlu dilakukan perhitungan sederhana untuk menentukan jumlah industri di masing-masing kecamatan. Serta perhitungan untuk mengetahui persentase per kecamatan untuk masing-masing daerah bahan baku industri.


Untuk menentukan jumlah industri di masing-masing kecamatan, cukup dengan agregasi data desa ke tingkat kecamatan. Namun, untuk persentase bahan baku industri per kecamatan maka dilakukan pendekatan. Pendekatan untuk bahan baku industri dari kulit adalah wilayah yang penduduknya bekerja bidang peternakan. Bahan baku industri kayu didekati dari wilayah dengan penduduknya bekerja di perkebunan dan kehutanan. Bahan baku industri logam mulia didekati dari wilayah dengan penduduk bekerja perikanan tangkap, perikanan budidaya, dan pertambangan. Bahan baku industri anyaman didekati dengan penduduk bekerja perkebunan dan kehutanan. Bahan baku industri kain/tenun didekati dari wilayah yang penduduknya bekerja sektor perkebunan. Bahan baku industri makanan dan minuman didekati dengan wilayah yang penduduknya bekerja pada sektor padi, palawija, hortikultura, perkebunan, peternakan, perikanan tangkap, perikanan budidaya.

Setelah dihitung masing-masing, baik jumlah industri per kecamatan dan persen bahan baku industri per kecamatan, maka bahan untuk analisis tahap II telah hampir siap. Data bahan dimensi ekonomi tersebut kemudian digabung/overlay dengan data peta untuk kemudian dilakukan pembobotan dengan matriks pembobot spasial, tipe queen contiguity.

3.3.2 Matriks Pembobot Spasial

Setelah dilakukan analisis tahap I, maka sesuai dengan prosedur analisis data dilakukanlah penggabungan data podes hasil olah dimensi ekonomi dengan data peta. Hal ini dilakukan sebagai syarat agar dapat dilakukan analisis lanjutan tahap 2 (dua) asosiasi spasial, yang mengharuskan adanya referensi geografis dalam setiap data yang akan dianalisis. Langkah awal setelah data digabungkan dan dinyatakan layak adalah membuat matriks pembobot spasial. Matriks pembobot spasial dapat disusun berdasarkan contiguity (hubungan) dan jarak (distance). Contiguity dan distance dikenal untuk menentukan tetangga (neighborhood). Menurut Kosfeld dalam Wuryandari dkk (2014) grid umum ketetanggaan dapat didefinisikan dengan beberapa cara seperti rook contiguity, bishop contiguity, dan queen contiguity. Berikut penjabarannya:

Unit B2 Unit B1 Unit A Unit B3

Unit B4

Gambar 3.2 Rook contiguity Sumber: Wuryandari dkk, 2014, hal 3

Pada penyusunan bobot spasial dengan metode rook contiguity, maka yang

dianggap tetangga adalah wilayah-wilayah yang berbagi bidang dengan unit A, dalam hal ini adalah unit B1, B2, B3, dan B4. Dengan demikian, perbatasan sudut antar wilayah tidak diperhitungkan sebagai tetangga, sehingga tetangga yang memiliki bobot hanya yang berbatasan langsung pada garis atau bidang. Bobot umumnya bernilai 1, kecuali apabila menggunakan bobot yang terstandarisasi baris (row standardize). Berikut adalah perbedaan bobot tetangga yang terstandarisasi baris dan yang tidak:

Gambar 3.3 Ilustrasi Tetangga untuk Matriks Terstandar dan Tidak Sumber: Analisis, 2015

123


Pada gambar di atas dijelaskan bahwa unit 1 dan 2 bertetangga, unit 2 dan 3 bertetangga, tetapi unit 1 dan 3 bukan tetangga. Dengan demikian matriks pembobot spasialnya adalah sebagai berikut: W= Apabila matriks pembobot spasial distandarisasi baris (row standardize), maka matriksnya berubah nilainya menjadi berikut: W=

Hal tersebut disebabkan, jika dilakukan standarisasi baris, maka total penjumlahan baris pada matriks harus bernilai 1. Dengan demikian pada baris ke 2 kolom 1 dan baris ke 2 kolom 3 masing-masing memiliki nilai bobot 0,5. Pada indeks keterkaitan ini, matriks pembobot spasial menggunakan standarisasi baris.

Unit C1 Unit C4

Unit A Unit C2 Unit C3

Gambar 3.4 Bishop contiguity

Sumber: Wuryandari dkk, 2014, hal 3

Pada penyusunan bobot spasial dengan metode bishop contiguity, maka yang dianggap tetangga adalah wilayah-wilayah yang berbagi sudut dengan unit A, dalam hal ini adalah unit C1, C2, C3, dan C4. Dengan demikian, berbeda dengan metode rook maka perbatasan pada bidang tidak dianggap sebagai tetangga.

Unit C1 Unit B2 Unit C4 Unit B1 Unit A Unit B3 Unit C2 Unit B4 Unit C3

Gambar 3.5 Queen Contiguity

Sumber: Wuryandari dkk, 2014, hal 3

Pada penyusunan bobot spasial dengan metode queen contiguity, merupakan kombinasi dari metode rook dan bishop. Dengan demikian, yang dianggap tetangga adalah wilayah-wilayah yang berbagi sudut maupun bidang dengan unit A, dalam hal ini adalah unit C1, C2, C3, C4, B1, B2, B3, dan B4.

3.3.3 Autokorelasi Spasial Global

Wuryandari dkk (2014) menerangkan, pengukuran autokorelasi spasial setelah langkah matriks pembobot spasial, yaitu menggunakan autokorelasi spasial global atau indeks Moran. Wuryandari menambahkan, indeks Moran dengan matriks pembobot spasial

0 1 0.5 0 .50 1 0

0 1 01 0 10 1 0


yang terstandarisasi memiliki rentang -1 sampai 1, nilai -1≤I<0 menunjukkan autokorelasi spasial negatif atau menyebar, nilai 0<I≤1 menunjukkan autokorelasi spasial positif atau membentuk klaster, jika nilai I=0 maka tidak berkelompok. Sebagaimana diterangkan oleh Prahutama (2014) dan Wuryandari (2014), Indeks Moran’s dengan matriks pembobot spasial tak terstandarisasi dihitung berdasarkan formula:

𝐼 = n!

!!!

Wij∗ X! − X X! − X!

!!!

𝑆! 𝑋! − X!!!!

2

𝑆! =!

!!!

Wij∗ dan i ≠ j!

!!!

----------------------------------------------------(1) Namun apabila matriks pembobot spasial terstandarisasi W, maka formula untuk menghitung indeks Moran’s adalah sebagai berikut:

𝐼 = n!

!!!

w!" X! − X X! − X!

!!!

𝑆! 𝑋! − X!!!!

2

𝑆! =!

!!!

w!" dan i ≠ j!

!!!

----------------------------------------------------(2) Keterangan: I = Indeks Moran’s X = nilai rata-rata variabel x, Wij *= elemen pembobot spasial tak terstandarisasi antara daerah i dan j, Wij = elemen pembobot spasial terstandarisasi antara daerah i dan j, So = Jumlah dari elemen matriks pembobot, Xi = nilai variabel x pada unit analisis ke-i, Xj = nilai variabel x pada unit analisis tetangga, n = jumlah unit analisis.

Untuk menguji nilai indeks Morans, menurut Lee dan Wong dalam Yasin (2013) statistik ujinya adalah turunan dari bentuk statistik peubah acak normal baku, dasarnya teori Dalil Limit Pusat untuk n yang besar dan ragam diketahui, maka Z(Ihit) akan menyebar normal baku sebagai berikut: Z(Ihit) = I – E (I) 𝑣𝑎𝑟 (𝐼) ----------------------------------------------------(3) Keterangan: Z(Ihit) = nilai statistik uji indeks Moran’s, I = Indeks Moran’s, E(I) = nilai ekspektasi indeks Moran’s, Var (I) = nilai varians dari indeks Moran’s I Ho = Tidak terdapat autokorelasi spasial H1 = Terdapat autokorelasi spasial Kriteria uji, tolak Ho pada taraf signifikansi α jika Z(Ihit) > Zα/2


a b Gambar 3.6 Ilustrasi Autokorelasi Spasial

Sumber: Myint, 2010, dengan modifikasi

Gambar di atas menjelaskan perbedaan antara autokorelasi spasial positif dan negatif. Autokorelasi spasial positif, ditunjukkan pada gambar a yang membentuk klaster/kelompok, sedangkan autokorelasi spasial negatif, ditunjukkan pada gambar b, yang terindikasi dari tidak adanya kelompok/klaster yang terbentuk, sebab nilai tiap wilayah dengan tetangganya tidak sama. Warna putih dan gelap yang berselang-seling menunjukkan itu.

Apabila diketahui terdapat autokorelasi spasial, maka dapat dilanjutkan dengan morans scatter plot. Menurut Prahutama (2014) morans scatter plot menunjukkan hubungan spasial antar lokasi yang terdiri dari empat kuadran, yaitu LL (low-low), LH (low-high), high-low (HL), dan HH (high-high).

31 35 37 33 31 35 37 33 32 997 990 31 32 1 2 31 34 979 978 32 34 1 1 32 35 990 988 33 35 2 3 33 37 994 989 38 37 3 1 38 34 985 979 37 34 1 2 37 31 31 34 36 31 31 34 36

a b Gambar 3.7 Ilustrasi Autokorelasi Spasial Positif

Sumber: Myint, 2010, dengan modifikasi

Pada gambar di atas, merupakan ilustrasi autokorelasi spasial positif yang ditunjukkan dengan adanya hotspot (HH) dan coldspot (LL). Adanya hotspot ditunjukkan pada gambar a, sedangkan coldspot ditunjukkan pada gambar b. Arti HH yaitu daerah dengan nilai amatan tinggi berkelompok dengan wilayah sekitar yang juga memiliki nilai tinggi, LH berarti daerah dengan nilai amatan rendah dikelilingi nilai amatan tinggi, HL yaitu daerah dengan nilai amatan tinggi dikelilingi dengan nilai amatan rendah, LL yaitu daerah dengan nilai amatan rendah berkelompok dengan wilayah sekitar yang juga memiliki nilai rendah. Yang dimaksud dengan klaster adalah yang termasuk pada kelompok HH dan LL, sedangkan LH dan HL termasuk pencilan/outlier. Berikut gambar 4 kuadran morans scatter plot:


Kuadran II (LH)

Kuadran I

(HH)

Kuadran III

(LL)

Kuadran IV

(HL)

Gambar 3.8 Morans scatter plot Sumber: Yasin dan Saputra, 2013, hal 30

Menurut Karmaji dkk (2010), sumbu horizontal merupakan nilai variabel analisis

terstandarisasi (Zx; Standardized X), sedangkan sumbu vertikal merupakan total nilai variabel tetangga (WZx; Spatial lag Zx), pertemuan sumbu pada koordinat (0,0). Prahutama (2014) menuturkan Indeks Moran mengukur korelasi dalam satu variabel, sedangkan untuk mengetahui lebih lanjut tentang hubungan antara suatu lokasi pengamatan dengan pengamatan lainnya menggunakan LISA (local autocorrelation).

3.3.4 Asosiasi Spasial untuk Indikator Lokal LISA

Langkah selanjutnya setelah teridentifikasi adanya autokorelasi spasial global, maka menggunakan LISA (local indicators for spatial association) atau asosiasi spasial untuk indikator lokal. Ini disebabkan, autokorelasi global menggunakan indeks morans hanya mampu menjelaskan pengelompokkan atau klasterisasi pada keseluruhan unit analisis, sedangkan kontribusi di tiap unit analisis/observasi belum dapat dijelaskan. Menurut Anselin (1995), LISA adalah nilai statistik yang memenuhi dua kriteria berikut: 1. Nilai LISA untuk tiap observasi menunjukkan indikasi sejauh mana

klasterisasi/pengelompokkan spasial secara signifikan, dari nilai-nilai yang mirip disekitar unit obvervasi itu.

2. Jumlah total dari nilai LISA untuk seluruh observasi adalah sebanding dari nilai global atau indeks Moran’s.

Menurut Anselin (1995) dan Lee&Wong dalam Yasin dan Saputra (2013), formula untuk menghitung nilai LISA dalam bentuk local moran’s adalah sebagai berikut:

𝐼! = 𝑍! W!"Z!"!

Zi = (Xi - 𝑋)/δ

Keterangan: Ii = Indeks Local Moran’s Zi dan Zj = deviasi dari nilai rata-rata, Wij = elemen pembobot spasial terstandarisasi antara daerah i dan j, δ = nilai standar deviasi dari x

Untuk kriteria uji LISA atau Indeks Local Morans sama seperti pada uji Indeks Morans, yaitu tolak Ho pada taraf signifikansi α jika Z(Ihit) > Zα/2. Selain itu menurut Karmaji dkk (2010), kriteria uji LISA dapat menggunakan pendekatan permutasi kondisional. Anselin (rev. 2005) menambahkan, umumnya pendekatan permutasi ini semakin banyak semakin baik, tetapi permutasi 999 atau p = 0,001 sudah cukup baik sebagai uji signifikansi LISA. Karmaji (2010) menambahkan level signifikansi pengujian hipotesis statistik (p-value)

Zx

WZx


LISA merupakan level signifikansi pseudo (pseudo significance levels), jadi keanggotaan unit analisis pada suatu kuadran secara statistik ditetapkan dengan kepercayaan tertentu seperti 95%. Dalam penelitian ini signifikansi yang dipakai adalah 95%, apabila perhitungan LISA menunjukkan kepercayaan 95% (p-value ≤5%) maka signifikan.

3.4 Definisi Operasional

3.4.1 Dimensi Indeks Keterkaitan Kota Desa

Dimensi Indeks Keterkaitan Kota Desa disarikan dari berbagai literatur yang telah dijelaskan sebelumnya pada bab II, serta disesuaikan pula dengan amanat RPJMN 2015-2019 khususnya terkait kebijakan peningkatan keterkaitan kota desa. Selain itu penggunaan dimensi, disesuaikan dengan data yang saat ini tersedia ditingkat pusat. Oleh sebab penyesuaian tersebut, serta upaya agar indeks yang dihasilkan menjadi lebih fokus, maka dalam penyempurnaan mengukur keterkaitan kota desa didasarkan atas 2 (dua) dimensi. Dua dimensi yang difokuskan tersebut adalah (1) konektivitas transportasi dan (2) sosial ekonomi hulu yang mencakup wilayah bahan baku/produksi, serta sosial ekonomi hilir yang mencakup wilayah pengolahan/industri pengolahan.

3.4.2 Indikator Indeks Keterkaitan Kota Desa

Indikator penyempurnaan indeks keterkaitan kota desa, merupakan turunan/penjabaran yang lebih rinci dari dimensi keterkaitan kota desa. Seluruh data dapat diperoleh dari BPS, kecuali data kelas jalan untuk keterkaitan transportasi yang bersumber dari peta RBI keluaran BIG. Secara lebih jelas mengenai indikator yang dipergunakan dalam perhitungan penyempurnaan indeks keterkaitan kota desa sebagai berikut:

Tabel 3.3 Indikator untuk Penyempurnaan Indeks Keterkaitan Kota Desa


BAB IV HASIL DAN PEMBAHASAN

4.1 Kondisi Keterkaitan Kota Desa di Indonesia

4.1.1 Dimensi Transportasi

Telah disebutkan sebelumnya, dalam penyempurnaan indeks keterkaitan kota desa ini, difokuskan pada dimensi transportasi dan dimensi ekonomi, sesuai masukan pemangku kepentingan agar berangkat dari variabel yang fokus dahulu. Dimensi transportasi diukur dengan memperhatikan dua sumber data, yaitu data peta rbi dari Badan Informasi Geospasial dan data potensi desa dari Badan Pusat Statistik.

Setelah dilakukan perhitungan data sesuai metode analisis yang sudah dijelaskan sebelumnya, diperoleh gambaran secara nasional rata-rata indeks transportasi untuk keterkaitan kota desa adalah 0.62. Hasil ini tidak buruk, mengingat untuk mendapatkan skor indeks transportasi pada tataran nilai tengah normal atau sekitar nilai 0.5, maka diperlukan setidaknya ketiga indikator transportasi pada tataran nilai medium. Secara wilayah pulau, hasil penyempurnaan indeks transportasi keterkaitan kota desa, menguatkan hasil yang didapat pada analisis IPD yang dipublikasikan Bappenas pada 2015, bahwa terjadi ketimpangan antara Kawasan Barat Indonesia dengan Kawasan Timur Indonesia.

Tabel 4.1 Rata-Rata Indeks Transportasi Keterkaitan Kota Desa Indonesia Pulau Rata-rataIndeksTransportasiJawa-Bali 0.74NusaTenggara 0.66Sumatera 0.64Sulawesi 0.63Kalimantan 0.49Maluku 0.43Papua 0.24Nasional 0.62


Wilayah pulau yang menunjukkan nilai indeks dibawah rata-rata nasional adalah wilayah Kalimantan, Maluku, dan Papua. Dari ketiga wilayah pulau tersebut, wilayah Papua merupakan wilayah dengan indeks transportasi keterkaitan kota desa terkecil, hanya 0.24. Nilai yang kecil tersebut dapat diartikan, dari ketiga indikator untuk dimensi transportasi wilayah Papua, seluruhnya ada dibawah nilai medium, sehingga hanya menghasilkan nilai indeks 0.24, baik dari indikator kelas jalan, permukaan jalan terluas, ataupun kemampuan jalan dilalui roda 4.


Gambar 4.1 Nilai Dimensi Transportasi per Wilayah Pulau dibanding Nasional Sumber: Analisis, 2016

Setelah diketahui nilai dimensi transportasi per wilayah pulau, selanjutnya dihitung indeks transportasi KKD per wilayah pusat pertumbuhan sesuai sasaran RPJMN 2015-2019. Pada gambar di bawah, terlihat separuh dari sasaran RPJMN 2015-2019 untuk prioritas pertumbuhan baru keterkaitan kota desa, berindeks transportasi di bawah rata-rata nasional. Sebagian besar wilayah yang nilainya lebih rendah dari rata-rata nasional tersebut, adalah wilayah Kawasan Timur Indonesia. Dari 20 wilayah yang nilai indeks transportasi KKD di bawah rata-rata nasional, hanya dua wilayah yang termasuk dalam wilayah KBI, yaitu pusat pertumbuhan keterkaitan kota desa Tanjung Siapi-api dan Mesuji. Hal ini semakin menguatkan indikasi, dominasi pembangunan transportasi saat ini, berpihak dan condong pada Kawasan Barat Indonesia.

0.000.100.200.300.400.500.600.700.800.901.00

Jawa-Bali NusaTenggara

Sumatera Sulawesi Kalimantan Maluku Papua

Inde

ks

DimensiTransportasi

Rata-rataIndeksTransportasi Rata-rataIndeksTransportasiNasional


Gambar 4.2 Indeks Transportasi di Wilayah KKD Sumber: Analisis, 2016

4.1.2 Dimensi Ekonomi

Berbeda dengan dimensi transportasi, yang menghasilkan indeks transportasi keterkaitan kota desa dengan perhitungan aritmatik sederhana, pada dimensi ekonomi, nilai indeks ekonomi dihasilkan dengan perhitungan asosiasi spasial, baik asosiasi spasial global maupun lokal. Mirip dengan analisis perhitungan indeks tahun 2015, tetapi berbeda dalam hal indikator dan metode yang digunakan sebelum melakukan analisis asosiasi spasial. Jika pada tahun 2015, sebelum dilakukan analisis asosiasi spasial dilakukan analisis PCA, maka pada tahun 2016, lebih difokuskan pada analisis hulu hilir, khususnya daerah produk dan daerah pemroses, untuk selanjutnya dikaitkan dengan daerah pasar, yang dilaksanakan pada tahap analisis terakhir.

Proses memfokuskan pada analisis hulu hilir, pertama-tama dilakukan pendekatan

definisi hulu sebagai daerah produksi. Daerah produksi yang dimaksud adalah daerah bahan asal, yang didekati dengan data podes daerah pengumpulan penduduk dengan mata pencaharian tertentu. Contoh pendekatan secara riil, jika suatu wilayah A didominasi oleh penduduk bermata pencaharian petani tanaman padi, maka wilayah A merupakan daerah produksi padi, yang dapat digunakan sebagai input industri makanan. Pendekatan ini tentu memiliki kekurangan, sebab belum tentu, kumpulan penduduk yang bermata pencaharian petani padi memiliki sawah di wilayah tersebut. Namun demikian, asumsi yang digunakan, kondisi sosial budaya masyarakat perdesaan berbeda dengan penduduk perkotaan,

0.00

0.10

0.20

0.30

0.40

0.50

0.60

0.70

0.80

0.90RA

BA

BANYU

WAN

GI

PAMEKAS

AN

TABA

NAN

TA

NJUNGPA

NDA

N

TAPA

N

BARR

U

SUMBA

WABE

SAR

PRAY

AMAN

OKW

ARI

CIBA

LIUNG

BUOL

SIDIKA

LANG

KWAN

DANG

BATU

RAJA

PINRA

NG

BATIKNAU

PO

SO

PEURE

ULAK

ENDE

MAR

ABAH

AN

RAHA

WAN

GI-W

ANGI

ARSO

KO

LONED

ALE

SAMBA

SRA

SAUJA

YA

LABU

ANBAJO

SANGA

TA

MAM

UJU

MAB

APA

NGK

ALAN

BUN

SUKA

DANA

TANJUNGRE

DEB

DARU

BA

MESUJI

TANJUNGSIAP

I-API

MER

AUKE

BULA

MISOOL

inde

ks

IndeksTransportasidiWilayahKKD

Rata-rataIndeksTransportasi Rata-rataIndeksTransportasiNasional

cutoff


sehingga kecenderungan penduduk pekerja sektor produksi, dalam hal ini tanaman padi, tempat bekerja atau sawah mereka dekat dengan tempat tinggal mereka.

A. Ekonomi Hulu

Ekonomi Hulu diukur berdasarkan wilayah produksi. Dalam hal itu, produksi yang dihasilkan untuk menjadi input bagi kegiatan industri. Seperti dijelaskan pada bab sebelumnya bahwa wilayah produksi, dibagi menjadi lima bagian. Pertama wilayah untuk input industri dari kulit, kedua wilayah untuk input industri dari kayu, ketiga wilayah untuk input industri dari logam mulia, keempat wilayah untuk input industri dari kain/tenun, dan kelima wilayah untuk input industri makanan atau minuman.

Pada penjelasan metode analisis data, dijelaskan oleh Wuryandari (2014), nilai

indeks moran semakin mendekati 1 maka menunjukkan autokorelasi spasial positif, sedangkan semakin mendekati -1 menunjukkan autokorelasi spasial negatif atau menyebar. Jika nilai indeks moran 0 maka tidak berkelompok. Pada analisis ekonomi hulu dari 5 (lima) wilayah produksi untuk input industri yang dianalisis, terdapat satu jenis input industri yang menunjukkan nilai mendekati 0, dalam arti tidak berkelompok. Jenis input industri yang menunjukkan hasil tidak berkelompok tersebut adalah input atau bahan untuk industri kulit. Masing-masing input industri untuk keterkaitan kota desa ekonomi hulu, secara statistik akan dijelaskan pada bagian ini.


Gambar 4.3 Nilai Indeks Moran Input atau Bahan Industri Makanan Sumber: Analisis, 2016

Indeks moran input atau bahan industri makanan menunjukkan nilai 0.62, dengan standar deviasi 0.008. Standar deviasi yang kecil, menunjukkan ukuran sebaran atau dispersi data yang tidak terlalu lebar dari nilai rata-rata indeks moran. Nilai indeks moran yang lebih besar dari 0.5 menunjukkan pengelompokkan yang kuat. Dengan nilai z hitung indeks moran 78.4 yang lebih besar daripada z tabel maka nilai indeks moran input bahan industri makanan, signifikan terdapat autokorelasi spasial positif atau pengelompokkan yang terjadi pada bahan industri makanan. Pada input bahan industri makanan, pengelompokkan yang terjadi antara wilayah dengan nilai amatan tinggi yang sekitarnya juga memiliki nilai tinggi adalah sebanyak 293 kecamatan atau hanya 4.38% dari seluruh kecamatan di Indonesia.


Gambar 4.4 Nilai Indeks Moran Input atau Bahan Industri Kain Sumber: Analisis, 2016

Indeks moran input atau bahan industri kain menunjukkan nilai 0.68, dengan standar deviasi 0.008. Standar deviasi yang kecil, menunjukkan ukuran sebaran atau dispersi data yang tidak terlalu lebar dari nilai rata-rata indeks moran. Nilai indeks moran yang lebih besar dari 0.5 menunjukkan pengelompokkan yang kuat. Dengan nilai z hitung indeks moran 81.6 yang lebih besar daripada z tabel maka nilai indeks moran input bahan industri kain, signifikan terdapat autokorelasi spasial positif atau pengelompokkan yang terjadi pada bahan industri kain. Pada input bahan industri kain, pengelompokkan yang terjadi antara wilayah dengan nilai amatan tinggi yang sekitarnya juga memiliki nilai tinggi adalah sebanyak 293 kecamatan atau hanya 4.38% dari seluruh kecamatan di Indonesia.


Gambar 4.5 Nilai Indeks Moran Input atau Bahan Industri Logam Mulia Sumber: Analisis, 2016

Indeks moran input atau bahan industri logam mulia menunjukkan nilai 0.38, dengan standar deviasi 0.008. Standar deviasi yang kecil, menunjukkan ukuran sebaran atau dispersi data yang tidak terlalu lebar dari nilai rata-rata indeks moran. Nilai indeks moran yang hanya 0.38 menunjukkan pengelompokkan yang rendah. Namun demikian, dengan nilai z hitung indeks moran 47.3 yang lebih besar daripada z tabel maka nilai indeks moran input bahan industri logam mulia, signifikan terdapat autokorelasi spasial positif atau pengelompokkan yang terjadi pada bahan industri logam mulia. Pada input bahan industri logam mulia, pengelompokkan yang terjadi antara wilayah dengan nilai amatan tinggi yang sekitarnya juga memiliki nilai tinggi adalah sebanyak 633 kecamatan atau hanya 9.46% dari seluruh kecamatan di Indonesia.


Gambar 4.6 Nilai Indeks Moran Input atau Bahan Industri Kayu Sumber: Analisis, 2016

Indeks moran input atau bahan industri kayu menunjukkan nilai 0.68, dengan standar deviasi 0.008. Standar deviasi yang kecil, menunjukkan ukuran sebaran atau dispersi data yang tidak terlalu lebar dari nilai rata-rata indeks moran. Nilai indeks moran 0.68 menunjukkan pengelompokkan yang kuat. Dengan nilai z hitung indeks moran 83.8 yang lebih besar daripada z tabel maka nilai indeks moran input bahan industri kayu, signifikan terdapat autokorelasi spasial positif atau pengelompokkan yang terjadi pada bahan industri kayu. Pada input bahan industri kayu, pengelompokkan yang terjadi antara wilayah dengan nilai amatan tinggi yang sekitarnya juga memiliki nilai tinggi, adalah sebanyak 1,155 kecamatan atau 17.25% dari seluruh kecamatan di Indonesia.


Gambar 4.7 Nilai Indeks Moran Input atau Bahan Industri Kulit Sumber: Analisis, 2016

Indeks moran input atau bahan industri kulit menunjukkan nilai 0.09, dengan standar deviasi 0.008. Standar deviasi yang kecil, menunjukkan ukuran sebaran atau dispersi data yang tidak terlalu lebar dari nilai rata-rata indeks moran. Nilai indeks moran 0.09 menunjukkan data tidak terjadi pengelompokkan. Dengan demikian, nilai z hitung tidak perlu digunakan untuk mengonfirmasi signifikansi hasil. Disebabkan nilai indeks moran input atau bahan industri kulit tidak mengelompok, maka untuk analisis lanjutan sebaran data secara spasial, aspek bahan industri dan pengolahan industri kulit tidak dilanjutkan.


B. Ekonomi Hilir

Ekonomi Hilir diukur berdasarkan wilayah pengolahan. Dalam hal itu, pengolahan yang dimaksud adalah proses kegiatan industri. Seperti dijelaskan pada bab sebelumnya bahwa wilayah pengolahan, dibagi menjadi lima bagian. Pertama wilayah industri dari kulit, kedua wilayah industri dari kayu, ketiga wilayah industri dari logam mulia, keempat wilayah industri dari kain/tenun, dan kelima wilayah industri makanan atau minuman. Masing-masing secara statistik akan dijelaskan.

Gambar 4.8 Nilai Indeks Moran Industri Makanan Sumber: Analisis, 2016

Indeks moran industri makanan menunjukkan nilai 0.31, dengan standar deviasi 0.008. Standar deviasi yang kecil, menunjukkan ukuran sebaran atau dispersi data yang tidak terlalu lebar dari nilai rata-rata indeks moran. Nilai indeks moran 0.31 menunjukkan pengelompokkan yang lemah. Dengan nilai z hitung indeks moran 37.8 yang lebih besar daripada z tabel maka nilai indeks moran industri makanan, signifikan terdapat autokorelasi spasial positif atau pengelompokkan yang terjadi pada industri makanan. Pada industri makanan, pengelompokkan yang terjadi antara wilayah dengan nilai amatan tinggi yang sekitarnya juga memiliki nilai tinggi, adalah sebanyak 256 kecamatan atau 3.82% dari seluruh kecamatan di Indonesia.


Gambar 4.9 Nilai Indeks Moran Industri Kain Sumber: Analisis, 2016

Indeks moran industri kain menunjukkan nilai 0.26, dengan standar deviasi 0.007. Standar deviasi yang kecil, menunjukkan ukuran sebaran atau dispersi data yang tidak terlalu lebar dari nilai rata-rata indeks moran. Nilai indeks moran 0.26 menunjukkan pengelompokkan yang lemah. Dengan nilai z hitung indeks moran 33.3 yang lebih besar daripada z tabel, maka nilai indeks moran industri kain, signifikan terdapat autokorelasi spasial positif atau pengelompokkan yang terjadi pada industri kain. Pada industri kain, pengelompokkan yang terjadi antara wilayah dengan nilai amatan tinggi yang sekitarnya juga memiliki nilai tinggi, adalah sebanyak 192 kecamatan atau 2.86% dari seluruh kecamatan di Indonesia.


Gambar 4.10 Nilai Indeks Moran Industri Logam Mulia Sumber: Analisis, 2016

Indeks moran industri logam mulia menunjukkan nilai 0.07, dengan standar deviasi 0.007. Standar deviasi yang kecil, menunjukkan ukuran sebaran atau dispersi data yang tidak terlalu lebar dari nilai rata-rata indeks moran. Nilai indeks moran 0.07 menunjukkan data tidak mengelompok. Dengan demikian, nilai z hitung tidak diperlukan untuk melihat signifikansi indeks moran. Oleh sebab, nilai indeks moran logam mulia tidak berkelompok, maka analisis lanjutan sebaran data secara spasial tidak dilakukan pada bahan dan industri logam mulia.


Gambar 4.11 Nilai Indeks Moran Industri Kayu Sumber: Analisis, 2016

Indeks moran industri kayu menunjukkan nilai 0.28, dengan standar deviasi 0.007. Standar deviasi yang kecil, menunjukkan ukuran sebaran atau dispersi data yang tidak terlalu lebar dari nilai rata-rata indeks moran. Nilai indeks moran 0.28 menunjukkan pengelompokkan yang lemah. Dengan nilai z hitung indeks moran 37.9 yang lebih besar daripada z tabel maka nilai indeks moran industri kayu, signifikan terdapat autokorelasi spasial positif atau pengelompokkan yang terjadi pada industri kayu. Pada industri kayu, pengelompokkan yang terjadi antara wilayah dengan nilai amatan tinggi yang sekitarnya juga memiliki nilai tinggi, adalah sebanyak 484 kecamatan atau 7.23% dari seluruh kecamatan di Indonesia.


Gambar 4.12 Nilai Indeks Moran Industri Kulit Sumber: Analisis, 2016

Indeks moran industri kulit menunjukkan nilai 0.06, dengan standar deviasi 0.008. Standar deviasi yang kecil, menunjukkan ukuran sebaran atau dispersi data yang tidak terlalu lebar dari nilai rata-rata indeks moran. Nilai indeks moran 0.06 menunjukkan data tidak mengelompok. Dengan demikian, nilai z hitung indeks moran tidak perlukan untuk digunakan mengukur signifikan indeks moran industri kayu. Nilai indeks yang tidak mengelompok ini, tidak dilanjutkan pada analisis sebaran data secara spasial.

Setelah dilakukan uji statistik moran, baik terhadap input atau bahan industri dan

industri pengolahan, maka dapat ditarik kesimpulan awal, yang dapat dilanjutkan untuk analisis kualitatif sebaran data secara spasial adalah indikator (1) Input/bahan industri kayu, (2) Industri kayu, (3) Input/bahan industri kain/tenun, (4) Industri dari kain/tenun, (5) Input/bahan industri makanan/minuman, (6) Industri makanan/minuman. Dua kategori lain yaitu input dan industri kulit, serta input dan industri logam mulia, tidak dilanjutkan karena tidak memenuhi syarat secara statistik.


4.2 Kondisi Keterkaitan Kota Desa per 14 Kawasan Prioritas RKP 2016

Pada tahun 2016, telah disepakati 14 kawasan keterkaitan kota desa antara KemenkoPMK, Bappenas, KementerianATR, KementerianPUPR, dan KemendesaPDTT. Kesepakatan 14 kawasan tersebut merupakan bagian dari 39 target keterkaitan kota desa dalam RPJMN 2015-2019. Pada bagian ini dijelaskan kondisi KKD di masing-masing 14 kawasan tersebut.

4.2.1 Kawasan Keterkaitan Kota Desa Maba, Maluku

Kawasan Keterkaitan Kota Desa Maba, merupakan kawasan yang terletak di wilayah Pulau Maluku, termasuk dalam kelompok Kawasan Timur Indonesia. Berdasarkan analisis dimensi ekonomi, menggunakan asosiasi spasial global dan lokal, dari ketiga jenis input dan pengolahan industri, hanya klaster bahan industri kayu yang terdapat di kawasan KKD Maba.

Lebih jauh, berdasarkan analisis asosiasi spasial lokal, dengan skup wilayah yang lebih besar, seperti dalam lingkup Pulau Maluku, hanya merupakan wilayah pengelompokkan produksi kayu atau input untuk industri kayu. Sementara, industri pengolahan kayu tidak terlihat secara signifikan mengklaster di Maba atau bahkan di Pulau Maluku. Selain tidak adanya industri pengolahan kayu yang mengklaster di Pulau Maluku, dari segi infrastruktur jalan di kawasan Maba, hanya terdapat jalan dengan kelas kolektor. Ditambah lagi, wilayah dengan identifikasi perkotaan, yang notabene merupakan pasar terdekat untuk hasil kayu Maba, terdapat pada pulau lain yakni Pulau Ternate. Dengan demikian keterkaitan kota desa di Maba, untuk lingkung bahan dan industri kayu masih rendah.

Gambar 4.13 KKD Maba Klaster Bahan dan Industri Kayu Sumber: Analisis, 2016


4.2.2 Kawasan Keterkaitan Kota Desa Tanjung Siapi-api, Sumatera

Kawasan Keterkaitan Kota Desa Tanjung Siapi-api, merupakan kawasan yang terletak di wilayah Pulau Sumatera, termasuk dalam kelompok Kawasan Barat Indonesia. Berdasarkan analisis dimensi ekonomi, menggunakan asosiasi spasial global dan lokal, dari ketiga jenis input dan pengolahan industri, seluruhnya signifikan mengklaster.

Kawasan pusat pertumbuhan keterkaitan kota desa Tanjung Siapi-api, dekat dengan pusat pasar perkotaan Palembang. Kawasan KKD Tanjung Siapi-api, termasuk kawasan yang telah dilewati jalan arteri karena dekatnya dengan perkotaan Palembang yang menghubungkan layanan kegiatan antar provinsi. Dengan adanya akses jalan arteri untuk transportasi, merupakan potensi bagi kawasan Tanjung Siapi-api untuk mengembangkan keterkaitan kota desa, dari mulai kegiatan di hulu sampai pemasaran di hilir.

Gambar 4.14 KKD Tanjung Siapi-api Klaster Bahan dan Industri Kain Sumber: Analisis, 2016

Kawasan pusat pertumbuhan keterkaitan kota desa Tanjung Siapi-api, untuk analisis klaster bahan industri kain, menunjukkan mengelompok di wilayah Kabupaten Musi Banyuasin. Akan tetapi, pengklasteran industri kain berada di luar wilayah kawasan KKD Tanjung Siapi-api. Hal ini menyebabkan, kaitan antara kegiatan hulu dan hilir tidak dapat berlangsung hanya di dalam kawasan KKD Tanjung Siapi-api, meski memang secara wilayah antara daerah produksi bahan industri kain dan daerah pengolahan sudah terhubung jalan arteri.

Dilihat dari persentase secara wilayah, pengklasteran bahan industri kain hanya sebagian kecil dari wilayah KKD Tanjung Siapi-api, kurang dari 15% wilayah KKD Tanjung Siapi-api. Ini menunjukkan, dengan konsep keterkaitan kota desa Douglass, keterkaitan dari


kegiatan produksi dan hilirisasi industri kain di kawasan KKD Tanjung Siapi-api rendah. Keterkaian yang rendah ini, di samping karena hanya sebagian kecil klaster bahan industri kain, juga disebabkan sedikitnya jalan penghubung di dalam kawasan KKD Tanjung Siapi-api yang berstatus jalan kolektor. Jalan arteri pun hanya melewati sebagian kecil wilayah KKD Tanjung Siapi-api, sehingga hanya mendukung sebagian wilayah KKD Tanjung Siapi-api.

Gambar 4.15 KKD Tanjung Siapi-api Klaster Bahan dan Industri Kayu Sumber: Analisis, 2016

Kawasan pusat pertumbuhan keterkaitan kota desa Tanjung Siapi-api, untuk analisis klaster bahan industri kayu, menunjukkan mengelompok di sebagian kecil wilayah Kabupaten Musi Banyuasin, dan kecamatan Betung dan Pulau Rimau, Banyuasin. Akan tetapi, pengklasteran industri kayu seperti halnya industri kain, berada di luar wilayah kawasan KKD Tanjung Siapi-api. Hal ini menyebabkan, kaitan antara kegiatan hulu dan hilir tidak dapat berlangsung hanya di dalam kawasan KKD Tanjung Siapi-api, meski memang secara wilayah antara daerah produksi bahan industri kayu dan daerah pengolahan sudah terhubung jalan arteri.

Dilihat dari persentase secara wilayah, pengklasteran bahan industri kayu hanya sebagian kecil dari wilayah KKD Tanjung Siapi-api, sekitar 20% wilayah KKD Tanjung Siapi-api. Ini menunjukkan, dengan konsep keterkaitan kota desa Douglass, keterkaitan dari kegiatan produksi dan hilirisasi industri kayu di dalam kawasan KKD Tanjung Siapi-api rendah. Keterkaian yang rendah ini, di samping karena hanya sebagian kecil klaster bahan industri kayu, juga disebabkan sedikitnya jalan penghubung di dalam kawasan KKD Tanjung Siapi-api yang berstatus jalan kolektor. Namun jika dilihat dalam skup luas, sebenarnya keterkaitan telah terjadi mulai dari hulu produksi kayu sampai hilir daerah pemasaran kayu, kecenderungan klaster industri adalah mendekati wilayah berciri perkotaan.


Gambar 4.16 KKD Tanjung Siapi-api Klaster Bahan dan Industri Makanan Sumber: Analisis, 2016

Kawasan pusat pertumbuhan keterkaitan kota desa Tanjung Siapi-api, untuk analisis klaster bahan industri makanan, menunjukkan mengelompok di wilayah Kabupaten Musi Banyuasin. Namun demikian, pengelompokkan industri makanan tidak terjadi di kawasan KKD Tanjung Siapi-api. Bahkan jika dilihat pada skup yang lebih besar, provinsi Sumatera Selatan atau sampai kawasan Pulau Sumatera, pengklasteran industri makanan tidak terjadi. Pengklasteran industri makanan yang tidak terjadi di Sumatera, ternyata signifikan secara statistik mengelompok di Pulau Jawa-Bali. Hal ini menyebabkan, kaitan antara kegiatan hulu dan hilir untuk kegiatan produksi dan pengolahan makanan, tidak berlangsung hanya di dalam kawasan KKD Tanjung Siapi-api, atau bahkan Pulau Sumatera sendiri. Namun kegiatan tersebut justru membutuhkan rantai nilai yang panjang, karena industri makanan yang mengklaster di Pulau Jawa Bali.

4.2.3 Kawasan Keterkaitan Kota Desa Banyuwangi, Jawa-Bali

Kawasan Keterkaitan Kota Desa Banyuwangi, merupakan kawasan yang terletak di wilayah Pulau Jawa-Bali, termasuk dalam kelompok Kawasan Barat Indonesia. Berdasarkan analisis dimensi ekonomi, menggunakan asosiasi spasial global dan lokal, dari ketiga jenis input dan pengolahan industri, hanya klaster bahan dan industri kayu yang tidak terdapat di kawasan KKD Banyuwangi.

Analisis asosiasi spasial global dan lokal untuk bahan dan industri kain, pada kawasan KKD Banyuwangi, menunjukkan pengklasteran terjadi hanya pada bahan industri


kain, yang mengklaster di kecamatan Songgon, Banyuwangi. Untuk pengklasteran industri kain yang signifikan secara statistik, yang terdekat dengan KKD Banyuwangi, terjadi di Kabupaten Gresik, Jawa Timur dan Kabupaten Buleleng, Bali. Dari segi infrastruktur jalan, untuk KKD Banyuwangi, sudah dilalui jalan arteri dan jalan kolektor, khususnya dari klaster bahan industri kain menuju daerah hilir atau pasar atau perkotaan. Dengan demikian keterkaitan bahan dan industri kain masih rendah.

Gambar 4.17 KKD Banyuwangi Klaster Bahan dan Industri Kain Sumber: Analisis, 2016


Gambar 4.18 KKD Banyuwangi Klaster Bahan dan Industri Makanan Sumber: Analisis, 2016

Analisis asosiasi spasial pusat pertumbuhan KKD Banyuwangi bahan dan industri makanan, menunjukkan seperti hasil analisis bahan dan industri kain. Dengan pengklasteran bahan industri makanan terletak pada kecamatan Songgon, Banyuwangi. Bedanya dengan analisis asosiasi spasial bahan dan industri kain di kawasan pusat pertumbuhan Banyuwangi, wilayah terdekat yang mengklaster secara signifikan untuk industri makanan bukan di Gresik, melainkan untuk industri makanan terletak di Kabupaten Lumajang.

Dengan demikian keterkaitan kota desa yang diukur berdasar dimensi ekonomi, transportasi, dan perkotaan perdesaan, pada wilayah KKD Banyuwangi masih rendah. Ini diindikasikan dengan hasil analisis kawasan Banyuwangi yang memperlihatkan pengklasteran hanya pada bahan industri dan area pemasaran, sedang untuk pengolahan masih mengklaster di luar wilayah KKD Banyuwangi.

4.2.4 Kawasan Keterkaitan Kota Desa Praya, Nusa Tenggara

Kawasan Keterkaitan Kota Desa Praya, merupakan kawasan yang terletak di wilayah Pulau Nusa Tenggara, termasuk dalam kelompok Kawasan Timur Indonesia. Berdasarkan analisis dimensi ekonomi, menggunakan asosiasi spasial global dan lokal, dari ketiga jenis input dan pengolahan industri, hanya klaster bahan industri makanan yang tidak terdapat di kawasan KKD Praya.

Analisis asosiasi spasial lokal, untuk indikator ekonomi pengklasteran bahan dan industri kain, pada wilayah KKD Praya, menunjukkan keterkaitan yang tinggi, antara wilayah pengolahan, dalam hal ini industri kain dengan area pemasaran hasil. Namun demikian, untuk pengklasteran bahan industri kain, tidak terlihat pada kawasan pusat pertumbuhan Praya. Ini mengindikasikan, dengan keterkaitan yang tinggi antara pengolahan dan


pemasaran kain, KKD Praya merupakan wilayah dengan penambahan nilai tambah untuk produk kain.

Dalam skup wilayah yang lebih besar, seperti dalam lingkup Pulau Lombok, dengan tidak adanya pengklasteran bahan industri kain, mengindikasikan bahwa input industri kain, dipenuhi dengan melakukan impor dari wilayah lain. Kegiatan impor bahan untuk diolah dan dipasarkan di kawasan KKD Praya, ditunjang oleh jalan arteri dan kolektor yang telah melintasi kawasan KKD Praya. Dengan demikian keterkaitan di dalam KKD Praya masih sedang, dalam arti banyak pengklasteran industri pengolahan kain dan ditunjang oleh jalan baik arteri atau kolektor, tetapi masih mengandalkan input dari luar wilayah KKD Praya.

Gambar 4.19 KKD Praya Klaster Bahan dan Industri Kain Sumber: Analisis, 2016


Gambar 4.20 KKD Praya Klaster Bahan dan Industri Kayu Sumber: Analisis, 2016

Analisis asosiasi spasial ekonomi bahan dan industri kayu pada kawasan KKD Praya, menunjukkan adanya pengelompokkan pada industri pengolahan kayu. Sama dengan hasil analisis asosiasi spasial bahan dan industri kain di KKD Praya, pengklasteran hanya terjadi pada industri pengolahan kayu. Indikasinya, input untuk industri kayu tersebut, diperoleh dari pihak luar wilayah KKD Praya atau luar wilayah Pulau Lombok. Kecenderungan yang terjadi, klaster industri kayu yang terbentuk di KKD Praya, mengarah pada kawasan perkotaan atau strateginya mendekati wilayah pasar.

Dengan demikian keterkaitan yang terjadi pada industri kayu di kawasan KKD Praya, masih rendah. Mengingat dari dua kabupaten yang ditetapkan untuk lokasi KKD, hanya di Kabupaten Lombok Tengah saja pengklasteran industri kayu tersebut terbentuk.

4.2.5 Kawasan Keterkaitan Kota Desa Bula, Maluku

Kawasan Keterkaitan Kota Desa Bula, merupakan kawasan yang terletak di wilayah Pulau Maluku, termasuk dalam kelompok Kawasan Timur Indonesia. Berdasarkan analisis dimensi ekonomi, menggunakan asosiasi spasial global dan lokal, dari ketiga jenis input dan pengolahan industri, hanya klaster bahan/input dan industri kayu yang terdapat di kawasan KKD Bula.

Analisis asosiasi spasial lokal untuk kawasan KKD Bula, menunjukkan pengelompokkan atau klaster pada bahan dan industri kayu. Pengelompokkan atau klaster bahan industri kayu, terdapat pada Kabupaten Maluku Tengah dan Seram Bagian Timur. Untuk pengelompokkan atau klaster industri kayu, hanya terlihat pada Kabupaten Maluku Tengah. Dalam hal infrastruktur jalan, pada kawasan KKD Bula masih sangat kurang, terutama untuk kelas jalan arteri dan kolektor. Jalan arteri, pada kawasan KKD Bula, hanya


menghubungkan kawasan disekitar kota Ambon, Ibukota Maluku. Sedangkan jalan kolektor, masih sangat terbatas keberadaannya, meskipun telah menghubungkan antara wilayah produksi dengan pasar.

Dengan demikian, keterkaitan kota desa yang diukur dari pengklasteran bahan industri kayu dan industri kayu, untuk KKD Bula masih sedang. Indikasinya dengan terlihatnya klaster baik dari bahan industri kayu, pengolahan industri kayu, dan area pemasaran, serta telah dihubungkan oleh jalan arteri dan kolektor, meski hanya sebagian kecil wilayah. Kawasan Bula yang bertipe kepulauan memang perlu pendekatan tersendiri.

Gambar 4.21 KKD Bula Klaster Bahan dan Industri Kayu Sumber: Analisis, 2016

4.2.6 Kawasan Keterkaitan Kota Desa Labuan Bajo, Nusa Tenggara

Kawasan Keterkaitan Kota Desa Labuan Bajo, merupakan kawasan yang terletak di wilayah Pulau Nusa Tenggara, termasuk dalam kelompok Kawasan Timur Indonesia. Berdasarkan analisis dimensi ekonomi, menggunakan asosiasi spasial global dan lokal, dari ketiga jenis input dan pengolahan industri, hanya klaster bahan industri kayu yang tidak terdapat di kawasan KKD Labuan Bajo.

Analisis asosiasi spasial lokal KKD Labuan Bajo, untuk indikator bahan dan industri kain menunjukkan adanya pengelompokkan untuk bahan industri kain. Kecamatan Kuwus, Manggarai Barat, merupakan wilayah yang terjadi pengelompokkan produksi input industri kain. Sedangkan untuk pengelompokkan industri kain, terjadi di luar wilayah KKD Labuan Bajo, yaitu Kabupaten Manggarai dan Manggarai Timur.

Dengan demikian keterkaitan yang terjadi untuk bahan dan industri kain masih rendah. Indikasinya pada wilayah KKD Labuan Bajo hanya terlihat klaster bahan industri kayu, dan jalan yang menghubungkannya ke pengolahan ataupun pasar bukan kelas jalan kolektor atau arteri.


Gambar 4.22 KKD Labuan Bajo Klaster Bahan dan Industri Kain Sumber: Analisis, 2016


Gambar 4.23 KKD Labuan Bajo Klaster Bahan dan Industri Makanan Sumber: Analisis, 2016

Analisis keterkaitan kota desa untuk bahan dan industri makanan di Labuan Bajo, menunjukkan hasil yang serupa dengan analisis bahan dan industri kain. Kecamatan yang menunjukkan klaster adalah Kecamatan Kuwus, Manggarai Barat. Bedanya, jika pada industri kain mengklaster di Manggarai dan Manggarai Timur, pada industri makanan tidak terjadi klaster. Bahkan, pengelompokkan industri makanan yang terdekat dengan KKD Labuan Bajo harus menyeberang ke pulau lain.

Dengan demikian, keterkaitan diidentifikasi dari pengklasteran bahan industri makanan di Labuan Bajo, masih rendah. Indikasinya, hanya terdapat pengelompokkan bahan industri makanan, dan jauhnya klaster industri pengolahan makanan.

4.2.7 Kawasan Keterkaitan Kota Desa Merauke, Papua

Kawasan Keterkaitan Kota Desa Merauke, merupakan kawasan yang terletak di wilayah Pulau Papua, termasuk dalam kelompok Kawasan Timur Indonesia. Berdasarkan analisis dimensi ekonomi, menggunakan asosiasi spasial global dan lokal, dari ketiga jenis input dan pengolahan industri, tidak satupun klaster yang terbentuk pada kawasan Keterkaitan Kota Desa Merauke.

Dengan demikian, keterkaitan yang diukur berdasarkan transportasi jalan, ekonomi dan pasar, pada kawasan KKD Merauke adalah rendah. Sebab kawasan KKD Merauke hanya berfungsi sebagai pasar dari produk kayu, khususnya dari kabupaten Mappi yang teridentifikasi klaster bahan baku industri kayu. Infrastruktur jalan pun, pada kawasan KKD Merauke hanya terdapat jalan dengan kategori kolektor.


Gambar 4.24 Kawasan Pusat Pertumbuhan KKD Merauke Sumber: Analisis, 2016

4.2.8 Kawasan Keterkaitan Kota Desa Sidikalang, Sumatera

Kawasan Keterkaitan Kota Desa Sidikalang, merupakan kawasan yang terletak di wilayah Pulau Sumatera, termasuk dalam kelompok Kawasan Barat Indonesia. Berdasarkan analisis dimensi ekonomi, menggunakan asosiasi spasial global dan lokal, dari ketiga jenis input dan pengolahan industri, seluruhnya menunjukkan klaster atau pengelompokkan.

Analisis asosiasi spasial lokal, untuk bahan dan industri kain, menunjukkan bahwa kawasan KKD Sidikalang, mengelompok pada bahan industri kain. Sedangkan, pengelompokkan industri kain, terjadi di luar wilayah KKD Sidikalang. Pengelompokkan industri kain tersebut, tepatnya berada di Tapanuli Utara.

Kawasan KKD Sidikalang dilewati oleh jalan arteri primer dan sekunder, akan tetapi keterkaitan yang terjadi dalam kawasan, khususnya terkait ekonomi indikator bahan dan industri kain masih rendah. Indikasinya, pada kawasan KKD Sidikalang hanya terdapat pengklasteran bahan industri kain, sedangkan untuk pemrosesan harus keluar wilayah KKD Sidikalang, dan jalan yang menghubungkan wilayah klaster bahan kain tersebut hanya kelas kolektor.

Gambar 4.25 KKD Sidikalang Klaster Bahan dan Industri Kain Sumber: Analisis, 2016

Analisis pengelompokkan bahan dan industri kayu di kawasan pusat pertumbuhan Sidikalang, menunjukkan hasil yang mirip dengan yang terjadi pada bahan dan industri kain, yakni hanya mengklaster pada bahan industri kayu. Untuk akses jalannya pun dari klaster bahan industri kayu belum terdapat akses jalan, baik jalan kelas arteri maupun kolektor.


Berbeda dengan industri kain yang mengelompok tidak jauh dari KKD Sidikalang, pada industri kayu, pengelompokkan tidak terjadi di dekat KKD Sidikalang. Bahkan pengelompokkan tersebut terjadi di luar Provinsi Sumatera Utara, sehingga keterkaitan hulu hilir rendah/tidak optimal, terjadi di KKD Sidikalang untuk indikator bahan dan industri kayu.

Gambar 4.26 KKD Sidikalang Klaster Bahan dan Industri Kayu Sumber: Analisis, 2016

Analisis asosiasi spasial lokal, untuk bahan dan industri makanan, menunjukkan bahwa kawasan KKD Sidikalang, sama seperti bahan industri kain dan kayu, hanya mengelompok pada bahan industrinya. Kawasan KKD Sidikalang, pada indikator pengelompokkan atau pengklasteran bahan makanan, cenderung mendekati kepada wilayah Kabupaten Aceh Singkil, sebagai daerah perkotaan atau pasarnya. Hubungan ke wilayah lain tersebut, dalam hal ini Aceh Singkil, hanya difasilitasi oleh kelas jalan kolektor.

Dengan analisis dari ketiga bahan industri tersebut, maka keterkaitan kota desa, pada KKD Sidikalang, masih rendah. Indikasinya, dari seluruh klaster yang terbentuk, hanya terbentuk klaster bahan untuk input industri pengolahan, sedangkan pengolahan sendiri terjadi di luar kawasan KKD Sidikalang. Pada pengelompokkan bahan industri kain, dan bahan industri makanan, kecenderungannya mendekati daerah pasar atau hilir ibukota Aceh Singkil.


Gambar 4.27 KKD Sidikalang Klaster Bahan dan Industri Makanan Sumber: Analisis, 2016

4.2.9 Kawasan Keterkaitan Kota Desa Rasau Jaya, Kalimantan

Kawasan Keterkaitan Kota Desa Rasau Jaya, merupakan kawasan yang terletak di wilayah Pulau Kalimantan, termasuk dalam kelompok Kawasan Timur Indonesia. Berdasarkan analisis dimensi ekonomi, menggunakan asosiasi spasial global dan lokal, dari ketiga jenis input dan pengolahan industri, hanya klaster bahan industri kayu yang terdapat di kawasan KKD Rasau Jaya.

Analisis asosiasi spasial lokal, menunjukkan kawasan KKD Rasau Jaya merupakan wilayah pengelompokkan produksi kayu atau input untuk industri kayu. Sementara, industri pengolahan kayu tidak terlihat secara signifikan mengklaster di kawasan Rasau Jaya. Lokasi terdekat pengklasteran industri kayu adalah di Provinsi Kalimantan Selatan. Secara infrastruktur jalan, wilayah pengklasteran bahan industri kayu, baru sebagian kecil yang dilalui akses jalan kolektor, bahkan sebagian besar pengklasteran bahan industri kayu di Kabupaten Kubu Raya belum dilalui jalan kolektor. Apabila diperhatikan, kecenderungan yang terbentuk daerah bahan industri cenderung mendekati pasar.

Dengan demikian, kondisi keterkaitan kota desa menurut analisis asosiasi spasial lokal, kawasan KKD Rasau Jaya masih rendah. Indikasinya, terlihat dari pengelompokkan yang hanya pada bahan industri kayu, yang lokasinya hanya sebagian kecil dilalui oleh jalan kelas kolektor, sehingga kurang terjadi integrasi mulai kegiatan hulu sampai hilir.


Gambar 4.28 KKD Rasau Jaya Klaster Bahan dan Industri Kayu Sumber: Analisis, 2016

4.2.10 Kawasan Keterkaitan Kota Desa Tabanan, Jawa-Bali

Kawasan Keterkaitan Kota Desa Tabanan, merupakan kawasan yang terletak di wilayah Pulau Bali, termasuk dalam kelompok Kawasan Barat Indonesia. Berdasarkan analisis dimensi ekonomi, menggunakan asosiasi spasial global dan lokal, dari ketiga jenis input dan pengolahan industri, hanya klaster bahan industri kayu yang terdapat di kawasan KKD Tabanan.

Analisis asosiasi spasial lokal, pada bahan industri kayu KKD Tabanan, menunjukkan pengelompokkan terjadi pada wilayah Kecamatan Pupuan dan Kecamatan Selemadeg Barat. Dua kecamatan yang teridentifikasi klaster bahan industri kayu tersebut, telah dilalui jalan kelas kolektor. Sementara itu, klaster industri kayu yang terbentuk terlihat di luar kawasan KKD Tabanan. Klaster industri kayu terdekat dari klaster bahan industri kayu teridentifikasi di Kabupaten Jembrana. Kecenderungan pengelompokkan atau klaster mendekati daerah perkotaan Singaraja, ibukota Kabupaten Buleleng.

Dengan demikian, kondisi keterkaitan kota desa, berdasarkan analisis asosiasi spasial ekonomi industri kayu, tergolong sedang. Indikasinya, meski kawasan KKD Tabanan, hanya mengklaster input bahan industri kayu, tetapi telah dilalui oleh jalan kolektor dan jalan arteri. Selain itu, dekatnya jarak antara wilayah klaster produksi atau input industri kayu dengan klaster industri pengolahan kayu di Jembrana, telah dihubungkan oleh jalan kelas arteri. Begitu pun akses ke daerah pasar atau perkotaan aglomerasi Denpasar, telah dihubungkan jalan arteri. Sedangkan akses ke perkotaan Singaraja dihubungkan jalan kolektor.


Gambar 4.29 KKD Tabanan Klaster Bahan dan Industri Kayu Sumber: Analisis, 2016

4.2.11 Kawasan Keterkaitan Kota Desa Pinrang, Sulawesi

Kawasan Keterkaitan Kota Desa Pinrang, merupakan kawasan yang terletak di wilayah Pulau Sulawesi, termasuk dalam kelompok Kawasan Timur Indonesia. Berdasarkan analisis dimensi ekonomi, menggunakan asosiasi spasial global dan lokal, dari ketiga jenis input dan pengolahan industri, hanya klaster bahan dan industri kayu yang tidak terdapat di kawasan KKD Pinrang.

Analisis asosiasi spasial lokal, pada kawasan KKD Pinrang, untuk bahan dan industri kain, menunjukkan adanya pengelompokkan. Pengelompokkan atau klaster tersebut, terbentuk hanya pada bahan industri kain, sedangkan pada klaster industri kain, terbentuk di wilayah di luar KKD Pinrang. Meski demikian, pada klaster bahan industri kain di Pinrang, tepatnya di Kecamatan Lembang Pinrang, sebagian kecil wilayah telah dilalui jalan arteri. Untuk klaster industri kain yang terdekat dari klaster bahan industri kain KKD Pinrang, adalah klaster industri kain Kabupaten Polewali Mandar.

Dengan demikian, kondisi keterkaitan kota desa pada kawasan KKD Pinrang, terkait bahan dan industri kain, masih rendah. Hal tersebut dikarenakan, saat ini hanya terdapat klaster bahan industri kain, dan hanya sebagian kecil wilayah klaster tersebut yang dilalui jalan arteri, sebagian besar tidak dilalui, bahkan tidak dilalui oleh kelas jalan kolektor. Untuk menuju ke pengolahan industri kain pun, berada di luar wilayah KKD Pinrang, yang letaknya cukup jauh, sekitar 36KM, sehingga keterkaitan yang dimaksud oleh Douglass, belum terjadi di KKD Pinrang.


Gambar 4.30 KKD Pinrang Klaster Bahan dan Industri Kain Sumber: Analisis, 2016


Gambar 4.31 KKD Pinrang Klaster Bahan dan Industri Makanan Sumber: Analisis, 2016

Analisis asosiasi spasial lokal, pada kawasan KKD Pinrang, untuk bahan dan industri makanan, menunjukkan adanya pengelompokkan. Pengelompokkan atau klaster tersebut, terbentuk hanya pada bahan industri makanan. Lokasi terbentuknya klaster bahan industri makanan tersebut, sama dengan lokasi klaster bahan industri kain, yaitu di Kecamatan Lembang, Pinrang. Untuk klaster industri makanan, yang terdekat dengan kawasan KKD Pinrang, teridentifikasi di Provinsi Sulawesi Utara.

Dengan demikian, kondisi keterkaitan kota desa pada kawasan KKD Pinrang, terkait bahan dan industri makanan, masih rendah. Indikasinya, sama seperti bahan industri kain, yang hanya sebagian kecil wilayah klaster tersebut yang dilalui jalan arteri, sebagian besar tidak dilalui, bahkan tidak dilalui oleh kelas jalan kolektor. Selain itu, berbeda dengan bahan industri kain yang membutuhkan jarak sekitar 36 Km untuk ke klaster industri kain, untuk klaster bahan industri makanan ke klaster industri makanan, bahkan membutuhkan jarak yang melewati 4 provinsi untuk mencapainya, sehingga keterkaitannya bernilai rendah.

4.2.12 Kawasan Keterkaitan Kota Desa Poso, Sulawesi

Kawasan Keterkaitan Kota Desa Poso, merupakan kawasan yang terletak di wilayah Pulau Sulawesi, termasuk dalam kelompok Kawasan Timur Indonesia. Berdasarkan analisis dimensi ekonomi, menggunakan asosiasi spasial global dan lokal, dari ketiga jenis input dan pengolahan industri, hanya bahan untuk industri kayu yang membentuk klaster di kawasan KKD Poso. Klaster bahan untuk industri kayu, melingkupi wilayah yang cukup luas, sekitar 37% dari wilayah KKD Poso. Analisis asosiasi spasial lokal, pada kawasan KKD Poso, terkait bahan produksi kayu, menunjukkan klaster terbentuk di Kecamatan Lore Utara, Lore Peore, Poso Pesisir, Poso Pesisir Utara, dan Lage. Kecenderungan klaster KKD Poso, dalam hal ini bahan untuk industri kayu cenderung mendekati daerah pasar, yaitu Kota Poso. Akses antara klaster bahan industri kayu ke Kota Poso dihubungkan oleh jalan kolektor dan jalan arteri.

Dengan demikian, keterkaitan kota desa yang terjadi di KKD Poso, tergolong rendah. Indikasinya, keterkaitan yang terjadi hanya pada bahan industri kayu, sementara klaster industri kayu yang terdekat dengan KKD Poso terletak di Konawe Selatan, Sulawesi Tenggara. Walaupun dari segi pasar dan daerah bahan industri berjarak dekat, yaitu sama-sama di KKD Poso, tetapi untuk ke klaster industri jaraknya jauh, sehingga tidak ideal sebagaimana konsep Douglass.


Gambar 4.32 KKD Poso Klaster Bahan dan Industri Kayu Sumber: Analisis, 2016

4.2.13 Kawasan Keterkaitan Kota Desa Daruba, Maluku

Kawasan Keterkaitan Kota Desa Daruba, merupakan kawasan yang terletak di wilayah Pulau Maluku, termasuk dalam kelompok Kawasan Timur Indonesia. Berdasarkan analisis dimensi ekonomi, menggunakan asosiasi spasial global dan lokal, dari ketiga jenis input dan pengolahan industri, hanya klaster bahan industri kayu yang terdapat di kawasan KKD Daruba.

Analisis asosiasi spasial lokal, pada kawasan KKD Daruba signifikan mengklaster untuk input industri kayu. Sementara, industri pengolahan kayu tidak terlihat secara signifikan mengklaster di KKD Daruba atau bahkan di Pulau Maluku. Selain tidak ada klaster industri kayu, kawasan pasar yang menjadi hilir industri kayu tidak terlihat pula di KKD Daruba.

Dengan demikian, kondisi keterkaitan kota desa, berdasar analisis asosiasi spasial, masih rendah. Indikasinya, segi infrastruktur jalan hanya jalan dengan kelas kolektor, klaster yang terbentuk hanya bahan industri kayu, dan wilayah pasar tidak ada di KKD Daruba.


Gambar 4.33 KKD Daruba Klaster Bahan dan Industri Kayu Sumber: Analisis, 2016

4.2.14 Kawasan Keterkaitan Kota Desa Misool, Papua

Kawasan Keterkaitan Kota Desa Misool, merupakan kawasan yang terletak di wilayah Pulau Papua, termasuk dalam kelompok Kawasan Timur Indonesia. Berdasarkan analisis dimensi ekonomi, menggunakan asosiasi spasial global dan lokal, dari ketiga jenis input dan pengolahan industri, tidak terdapat pengelompokkan atau klaster bahan industri ataupun industri di kawasan KKD Misool.

Dengan demikian, kondisi keterkaitan kota desa di kawasan KKD Misool masih rendah. Indikasinya dari analisis keterkaitan transportasi, ekonomi, dan pasar atau perkotaan, tidak terdapat hubungan yang signifikan mengelompok. Sehingga indikasi awal KKD Misool, saat ini cenderung terkait secara dependen terhadap Kota Sorong.


BAB V KESIMPULAN DAN REKOMENDASI

5.1 Kesimpulan

Pada penyempurnaan indeks keterkaitan kota desa, analisis difokuskan pada aspek transportasi, dan kegiatan hulu hilir, yang diukur dengan menggunakan dimensi ekonomi. Pada penyempurnaan ini, analisis dilakukan di seluruh kawasan Indonesia, khususnya terkait target 39 lokasi keterkaitan kota desa. Berdasarkan analisis yang didapat, terdapat keterkaitan antara wilayah perkotaan dan perdesaan. Keterkaitan tersebut terjadi bervariasi menurut analisis asosiasi spasial. Berbeda dengan laporan indeks keterkaitan kota desa sebelumnya, pada penyempurnaan indeks ini, yang diikutkan pada analisis hanya wilayah dengan kategori keterkaitan tinggi-tinggi, atau wilayah yang nilai amatannya tinggi dan nilai tetangganya juga tinggi.

Seperti pada analisis indeks sebelumnya, yang hanya pada Kawasan Barat Indonesia, pada penyempurnaan indeks keterkaitan kota desa dilakukan pula identifikasi wilayah berciri perkotaan. Hasilnya semakin menguatkan hasil analisis indeks sebelumnya bahwa, wilayah kota cenderung berkembang melebihi batas administratifnya. Dalam bidang ilmu pembangunan wilayah dikenal sebagai fenomena aglomerasi dan konurbasi. Ini menguatkan simpulan analisis indeks KKD terdahulu bahwa pembangunan saat ini, tidak direncanakan dibatasi atas spesialisasi tertentu, tidak seperti yang ditekankan oleh konsep klaster.

Analisis penyempurnaan indeks keterkaitan kota desa, yang salah satu aspeknya dimensi transportasi, menguatkan ketimpangan yang terjadi antara Kawasan Barat Indonesia dan Kawasan Timur Indonesia. Dalam dimensi ekonomi, dari lima aspek yang diukur, hanya ada tiga aspek yang dinyatakan signifikan untuk dilanjutkan pada analisis kualitatif sebaran data secara spasial. Ketiga aspek tersebut adalah (1) bahan dan industri kayu, (2) bahan dan industri makanan, dan (3) bahan dan industri kain.

Sesuai dengan rencana kerja pemerintah 2016, telah ditetapkan 14 lokasi keterkaitan kota desa. Dari seluruh lokasi keterkaitan kota desa 2016, hanya ada dua lokasi yang dinyatakan memiliki keterkaitan kota desa tingkat sedang, yaitu kawasan Bula dan Tabanan. Dua kawasan ini memiliki karakteristik, wilayah yang mengklaster antara kegiatan hulu sampai hilir telah terhubung dengan adanya jalan sekelas kolektor atau arteri, serta klaster bahan produksi dan industri pengolahan yang terbentuk letaknya berdekatan.

5.2 Rekomendasi

Berdasarkan hasil penelitian penyempurnaan indeks keterkaitan kota desa, maka dirumuskan beberapa rekomendasi terkait penelitian ataupun kebijakan bidang keterkaitan kota desa. Beberapa rekomendasi tersebut sebagai berikut: 1. Terkait penelitian:

a. Penelitian lanjutan mengenai keterkaitan kota dan desa di Indonesia, diharapkan berbasis data yang lebih baik. Sebab, penelitian ini menggunakan data podes 2014 yang pada dasarnya tidak ditujukan untuk penilaian keterkaitan wilayah. Basis data yang lebih baik, dapat menggunakan survey lapangan di seluruh Indonesia atau menggunakan IO antar wilayah tetapi yang memiliki tingkat ketelitian kecamatan, meskipun saat ini data IO jenis ini belum ada.

b. Pada penelitian ini, dihadapi kendala data yang tidak lengkap. Data yang dimaksud adalah data kode wilayah sensus BPS untuk Podes 2014. Padahal, data ini dibutuhkan untuk analisis asosiasi spasial, sehingga pengisian data kode wilayah


dilakukan secara manual. Diharapkan ke depan ada kerjasama antar instansi dalam berbagi data mikro, untuk kepentingan analisis masing-masing instansi.

c. Penelitian keterkaitan wilayah kota dan desa, memiliki tantangan yang cukup kompleks terhadap hasil penelitian. Seperti yang dijelaskan dalam bab tinjauan pustaka konsep keterkaitan kota desa, keterkaitan dapat dibagi menjadi dua yaitu mempengaruhi atau ketergantungan. Pada penelitian ini, lebih tepat jika hasilnya dikatakan pada level indikasi “mempengaruhi”, sehingga belum dapat menjelaskan apakah suatu wilayah memiliki ketergantungan dengan wilayah lain. Oleh sebab itu, karena hasil hanya pada tahap mempengaruhi, maka untuk tahap selanjutnya dapat dikembangkan pada indikasi ketergantungan dengan metode analisis lain, contohnya seperti metode kualitatif dengan wawancara mendalam.

2. Terkait kebijakan: a. Hasil penelitian menunjukkan bahwa ketimpangan wilayah antara KBI dan KTI, nyata

adanya. Oleh sebab itu, untuk meningkatkan tingkat keterkaitan wilayah pada kawasan timur indonesia, dapat meningkatkan nilai variabel keterkaitan contohnya dimensi transportasi.

b. Hasil penelitian menunjukkan bahwa wilayah-wilayah dengan keterkaitan tinggi, cenderung merupakan wilayah yang memiliki akses transportasi lebih baik. Dalam kepentingan meningkatkan keterkaitan antar wilayah, pelayanan jaringan transportasi akan menciptakan peluang terjadinya peningkatan keterkaitan wilayah.

c. Hasil penelitian menunjukkan, bahwa dari 14 kawasan KKD yang disepakati ditangani di tahun 2016, hanya ada dua wilayah yang sudah cukup baik tingkat keterkaitannya, dalam arti integrasi dan hubungan mulai hulu bahan produksi sampai hilir pemasaran. Untuk itu, diperlukan suatu pembangunan di masing-masing wilayah yang terencana, baik melalui rencana tata ruang atau rencana pembangunan, utamanya mengatur dalam konteks lokasi, waktu atau pun volume pembangunan.


Daftar Pustaka Adell, G. 1999, Theories And Models Of The Peri-Urban Interface: A Changing Conceptual

Landscape, Development Planning Unit University College London, London Akkoyunlu, S. 2013, The Potential of Rural–urban Linkages for Sustainable Development and

Trade, National Centre of Competence in Research, Swiss Anselin, Luc (rev.) 2005, Exploring Spatial Data with GeodaTM : A Workbook, Center for

Spatially Integrated Social Science, Urbana Anselin, Luc 1995, Local Indicators of Spatial Association-LISA, Geographical Analysis, Vol.

27 April, No. 2, hal 93-115 Bappenas. 2008. Pengembangan Ekonomi Daerah Berbasis Kawasan Andalan: Membangun

Model dan Pengembangan Keterkaitan Program, Direktorat Pengembangan Kawasan Khusus dan Tertinggal. BAPPENAS, Deputi Bidang Otonomi Daerah dan Pengembangan Regional.

Bappenas, 2014, Kajian Integrasi RPJMN 2015-2019. BAPPENAS, Direktorat Perkotaan dan Perdesaan, Deputi Bidang Pengembangan Regional dan Otonomi Daerah

BPS, 2010, Peraturan Kepala BPS No. 37 Tahun 2010 tentang Klasifikasi Perkotaan dan Perdesaan di Indonesia.

Brown, James Dean, 2009, Choosing the Right Number of Components or Factors in PCA and EFA, Shiken: JALT Testing & Evaluation SIG Newsletter, Vol. 13 No. 2, halaman 19-23

Chowdhury, S., Negassa, A., & Torero, M. 2006. Market Institutions: Enhancing the Value of Rural-Urban Links.

Copus, A. 2013, Urban-Rural Relationships In The New Century: Clarifying And Updating The Intervention Logic, Paper for National Cohesion Strategy for Polands Development, hal 1-15

Departemen Pendidikan Nasional, 2008, Kamus Besar Bahasa Indonesia dalam Jaringan, Pusat Bahasa, Jakarta

Douglass, M. 1998, A Regional Network Strategy for Reciprocal Rural-Urban Linkages: An Agenda for Policy Research with Reference to Indonesia. Third World Planning Review , 20 (1), 1-33.

Evans, H 1982, Urban Functions in Rural Development The Case of The Potosi Region in Bolivia, USAID, Washington DC

Friedmann, John 1996, Modular cities: beyond the rural-urban divide, Environment and Urbanization, Vol. 8, No. 1, 129-131

Gálvez-Nogales, E. 2010. Agro-based clusters in developing countries: staying competitive in a globalized economy. Food and Agriculture Organization, Rome.

Jankowiak, A. 2012. Cluster initiatives and the role of government in developing clusters. Institute of International Business University of Gdañsk, Polandia

Jolliffe I.T., 2002, Principal Component Analysis, Series: Springer Series in Statistics, 2nd ed., Springer, New York, XXIX, 487, halaman 28

Karmaji, Aryanti D., Lestari P. 2010, Peta Tematik Lokasi Pemusatan Kegiatan Sosial Ekonomi di Indonesia, BPS, Jakarta

Kementerian Pariwisata Republik Indonesia, 2015, Laporan Kinerja Kementerian Pariwisata Tahun 2014, Kementerian Pariwisata, Jakarta

Ketels, C., & Memedovic, O. 2008. From clusters to cluster-based economic development. International Journal of Technological Learning, Innovation, and Development , 1 (3).

Kiminami, L. K. 2009. Agricultural Clusters in China. International Association of Agricultural Economists Conference. Beijing.


Lesetedi G. N. 2003, Urban-Rural Linkages as An Urban Survival Strategy Among Urban Dwellers in Botswana: The Case of Broadhurst Residents, Journal of Political Ecology, Vol. 10, hal 37-46

Linkage. 2016. Merriam-Webster.com. Diakses 24 Agustus, 2016, from http://www.merriam-webster.com/dictionary/linkage

Momen, Saiful Md. 2006, Toward Synergistic Rural Urban Development: The Experience of the Rural Urban Partnership Programme (RUPP) in Nepal, Paper pada Rural Urban Interactions and Livelihood Strategies, IIED international institute for environment and development, Honolulu

Myint, Soe W., 2010, Spatial Autocorrelation, Paper No. 27, Geoda Center for Geospatial Analysis and Computation, Arizona State University

Nirmala R.R.W. & Santoso E.B. 2013, Keterkaitan Komoditas Unggulan antar Desa Kota dalam Pengembangan Kawasan Agropolitan Pacet-Mojokerto, Jurnal Teknik Pomits Vol. 2, No. 2, hal 149-152

Nugraheni, C.T. & Handayani W. 2010, Pola Aliran Sumber Daya Alam Sebagai Bentuk Keterkaitan Desa Kota (Studi Kasus: Penambangan Pasir dan Batu Kecamatan Kemalang Kabupaten Klaten), Jurnal Tata Loka, Volume 12, Nomor 3, hal 162-179

Pedoman Pengelolaan Ruang Kawasan Sentra Produksi Pangan Nasional dan Daerah (Agropolitan)

Peraturan Menteri Dalam Negeri No. 1 Tahun 2008 Peraturan Menteri Kelautan dan Perikanan No. Per.12/MEN/2010 tentang Minapolitan Peraturan Menteri Kelautan dan Perikanan No.Per.18/MEN/2012 tentang Pedoman

Penyusunan Rencana Induk Pengembangan Kawasan Minapolitan Peraturan Menteri Pariwisata dan Ekonomi Kreatif No. 17 Tahun 2014 tentang Standar

Usaha Kwasan Pariwisata Peraturan Menteri Pertanian No 50/Permentan/CT.140/8/2012 tentang Pedoman

Pengembangan Kawasan Pertanian Peraturan Pemerintah No 15 Tahun 2010 tentang Penyelenggaraan Penataan Ruang Peraturan Pemerintah No. 3 Tahun 2014 tentang Ketransmigrasian Peraturan Pemerintah No. 50 Tahun 2011 tentang Rencana Induk Pembangunan

Kepariwisataan Nasional Tahun 2010-2025 Permen KP No. Per.27/MEN/2012 tentang Pedoman Umum Industrialisasi Kelautan dan

Perikanan Perpres No. 2 Tahun 2015 tentang RPJMN 2015-2019 Porter, M. 1990. Cluster and the New Economics of Competition. Harvard Business Review. Segarra-Oña, M., Miret-Pastor, L., Peiro-Signes, A., & Verma, R. 2011. The effects of

localization on economic performance: Analysis of Spanish tourism cluster. Soemartini, 2008, Principal Component Analysis (PCA) sebagai Salah Satu Metode untuk

Mengatasi Masalah Multikolinearitas, Jurusan Statistika Universitas Padjadjaran, Jatinangor

Tarigan, Antonius, 2003, Rural-Urban Economic Linkages Konsep & Urgensinya dalam Memperkuat Pembangunan Desa, Perencanaan Pembangunan, No. 31 April-Juni, hal 24-30

Tobler W., (1970) "A computer movie simulating urban growth in the Detroit region". Economic Geography, 46(2): 234-240

Unwin, Tim dan Potter, Robert B. 1995, Urban-rural interaction: physical form and political process in the Third World, Cities, Vol. 12, No. 1, 67-73

Utama, I Putu Sucita Maiva, 2015, Rancangan Konsep Penyusunan Indeks Keterkaitan Kota-Desa, tidak dipublikasikan

UU No. 26 Tahun 2007 tentang Penataan Ruang UU No. 17 Tahun 2007 tentang RPJPN 2005-2025 UU No. 29 Tahun 2009 tentang Ketransmigrasian


UU No. 10 Tahun 2009 tentang Kepariwisataan UU No. 18 Tahun 2012 tentang Pangan UU No. 13 Tahun 2010 tentang Hortikultura UU No. 31 Tahun 2004, tentang Perikanan Wanniarachchi B., 2003, Problems of External Linkages and Sustainable Rural Development

in Sri Lanka, Ryukoku, Vol. 43 No.3, hal 89-107 Wuryandari, T., Hoyyi A., Kusumawardani D. S., dan Rahmawati, D. 2014, Identifikasi

Autokorelasi Spasial Pada Jumlah Pengangguran di Jawa Tengah Menggunakan Indeks Moran, Media Statistika, Vol. 7 No. 1 Juni, hal 1-10

Yasin, Hasbi dan Saputra, Ragil 2013, Pemetaan Penyakit Demem Berdarah Dengue dengan Analisis Pola Spasial di Kabupaten Pekalongan, Media Statistika, Vol. 6 No. 1 Juni, hal 27-36

Yunus, Hadi Sabari 2005, Manajemen Kota Perspektif Spasial, Pustaka Pelajar, Yogyakarta

badan perencanaan dan pembangunan...

Documents