Produktivitas pangan di Kalimantan Timur ternyata tidak merata. Dalam periode Subplot 3 (September–Desember 2024), empat komoditas pangan—padi, jagung, singkong, dan ubi jalar—menunjukkan perbedaan yang cukup tajam antar 10 kabupaten/kota. Angka-angka ini penting bukan hanya untuk statistik, tetapi juga untuk membaca “peta kekuatan” pangan daerah, terutama saat Kaltim bersiap menjadi wilayah penyangga utama IKN.
Dari data yang dihimpun, padi memiliki produktivitas antara 25,79–55,15 kuintal per hektar dengan rata-rata 37,41 dan variasi yang tergolong sedang. Jagung rata-rata berada di 47,91 kuintal per hektar dan tampak “stabil” di sebagian besar wilayah, tetapi ada beberapa daerah yang mencatat angka sangat tinggi hingga 77,33 kuintal per hektar—indikasi adanya lokasi dengan teknologi budidaya lebih baik atau kondisi lahan yang lebih menguntungkan. Sementara itu, singkong menjadi komoditas dengan hasil tertinggi, rata-rata 320,84 kuintal per hektar, namun penyebarannya tetap lebar antarwilayah. Yang paling “kontras” adalah ubi jalar: rentangnya sangat jauh, dari 51,76 sampai 278,48 kuintal per hektar, menandakan ketimpangan produktivitas yang paling besar di antara empat komoditas.
Gambaran ini semakin jelas ketika dilihat lewat boxplot. Padi terlihat relatif “rapi” dan terkonsentrasi; jagung punya beberapa nilai ekstrem di sisi atas; singkong menunjukkan ketidakseragaman yang nyata; dan ubi jalar cenderung “miring ke kanan”—artinya hanya beberapa daerah yang melesat jauh di atas rata-rata provinsi. Dengan kata lain, ada komoditas yang produktivitasnya merata, tetapi ada juga yang sangat bergantung pada lokasi tertentu.
Menariknya, hubungan antar komoditas juga tidak sepenuhnya berjalan searah. Korelasi menunjukkan padi dan jagung memiliki hubungan positif sedang (r = 0,54): wilayah yang kuat di padi cenderung cukup baik di jagung. Padi dan singkong juga searah (r = 0,43). Namun jagung dan singkong justru hampir tidak berkaitan bahkan sedikit negatif (r = –0,11), yang bisa mengisyaratkan perbedaan pola tanam, preferensi lahan, atau orientasi komoditas di tiap daerah.
Untuk memahami pola ini secara lebih utuh, data kemudian dikelompokkan menggunakan dua metode sekaligus: Self-Organizing Map (SOM) dan K-Means. Hasilnya konsisten: keduanya sama-sama “sepakat” bahwa struktur terbaik adalah empat klaster. Pada SOM, konfigurasi 2×2 menghasilkan performa paling seimbang (WSS relatif rendah dan Silhouette tertinggi). Pada K-Means, nilai terbaik juga muncul pada k = 4, dengan WSS sedikit lebih kecil—menandakan kelompok yang terbentuk cenderung lebih kompak.
Validasi klaster pun menguatkan hasil tersebut. Nilai DBI dan CH pada SOM dan K-Means sama, sementara Xie–Beni K-Means sedikit lebih baik. Secara praktis, ini berarti kedua metode menangkap pola yang mirip, tetapi K-Means sedikit lebih “tegas” dalam membedakan batas antar kelompok.
Lalu, apa arti empat klaster ini bagi Kaltim?
Klaster 1 (Kutai Kartanegara dan Samarinda) menunjukkan kecenderungan kuat pada singkong dengan hasil relatif tinggi dan komoditas lain yang cukup stabil. Ini dapat dibaca sebagai peluang membangun rantai nilai singkong, termasuk hilirisasi dan penguatan industri olahan berbasis umbi.
Klaster 2 (Bontang) menjadi alarm: wilayah ini tercatat sebagai kelompok dengan produktvitas terendah pada hampir semua komoditas, terutama singkong dan ubi jalar. Intervensi yang dibutuhkan bukan sekadar bantuan benih, melainkan paket yang lebih lengkap: perbaikan kesuburan tanah, dukungan irigasi, pendampingan teknis, dan penguatan investasi pertanian.
Klaster 3 (Kutai Timur, Berau, Penajam Paser Utara, Mahakam Ulu, Balikpapan) menggambarkan wilayah dengan produktivitas moderate dan relatif seimbang. Ini adalah profil daerah dengan sistem produksi yang cenderung diversifikasi, sehingga strategi kebijakan yang tepat adalah meningkatkan efisiensi: integrated crop management, optimasi lahan, dan penguatan logistik-input agar stabilitas tetap terjaga.
Klaster 4 (Paser dan Kutai Barat) menonjol sebagai kelompok dengan produktvitas tertinggi untuk sebagian besar komoditas. Daerah seperti ini layak diposisikan sebagai benchmark—pusat pembelajaran, percontohan teknologi, dan lokasi prioritas untuk program transfer pengetahuan ke wilayah lain.
Kesimpulan besarnya sederhana: kebijakan pangan tidak bisa lagi “seragam”. Peta klaster menunjukkan Kaltim memerlukan strategi berbasis karakter wilayah. Daerah yang sudah kuat bisa dijadikan motor inovasi; daerah yang tertinggal perlu dukungan spesifik dan terukur. Pendekatan seperti ini bukan hanya efisien, tetapi juga relevan untuk menjaga ketahanan pangan Kaltim—terutama ketika dinamika pembangunan IKN berpotensi mengubah lanskap produksi dan permintaan pangan secara cepat.
Anggota :
1. Diana Nurlaily, S.Si., M.Stat
2. Farida Nur Hayati, S.Si., M.Stat
Manfaat Analisis dan Hasil Klaster
Pemetaan variasi produktivitas antarwilayah secara objektif
Statistik deskriptif dan boxplot memperlihatkan sebaran, rentang, dan tingkat ketimpangan produktivitas tiap komoditas, sehingga pemerintah daerah dapat memahami komoditas mana yang paling tidak stabil (misalnya ubi jalar) dan wilayah mana yang perlu perhatian lebih.
Deteksi dini outlier dan indikasi “best practice” lokal
Nilai ekstrem (outlier) pada jagung atau komoditas lain dapat menjadi sinyal adanya keunggulan teknologi, manajemen budidaya, atau kondisi lahan tertentu. Ini bermanfaat untuk mengidentifikasi lokasi yang potensial dijadikan benchmark atau lokasi percontohan.
Memahami keterkaitan antar komoditas untuk desain program terpadu
Korelasi (misalnya padi–jagung yang positif sedang) membantu merancang intervensi yang lebih terpadu: wilayah yang kuat di satu komoditas berpotensi dikembangkan untuk diversifikasi, sementara komoditas yang cenderung “berlawanan” perlu strategi lahan dan pola tanam yang berbeda.