Download - ITS-Master-19000-Chapter1-1085534.pdf
-
1
BAB 1 PENDAHULUAN
1.1 Latar Belakang
Sektor pertanian merupakan sektor utama pendorong pertumbuhan
ekonomi. Data Badan Pusat Statistik (BPS) 2011 menjelaskan bahwa sektor
pertanian merupakan sektor penyumbang Produk Domestik Bruto (PDB) terbesar
kedua setelah sektor industri pengolahan. Data tersebut juga menunjukkan bahwa
sektor ini menyerap tenaga kerja terbesar dibandingkan sektor lainnya
(BPS, 2011).
Pembangunan pertanian pada hakekatnya bertujuan meningkatkan
kesejahteraan masyarakat di sektor pertanian, terutama petani. Keberhasilan
pembangunan pertanian telah memberi sumbangan besar dalam pembangunan
nasional, seperti dalam pembentukan PDB, penyerapan tenaga kerja, peningkatan
pendapatan masyarakat, perolehan devisa melalui ekspor, penciptaan kondisi yang
kondusif bagi pelaksanaan pembangunan dan hubungan sinergis dengan sektor
lain (Simatupang, 1992 dalam Indraningsih, Supriyati dan Rachmat, 2003).
Siregar (2007) mengatakan pertumbuhan sektor pertanian mempunyai pengaruh
yang signifikan untuk mengurangi jumlah kemiskinan. Hal ini disebabkan oleh
persebaran penduduk miskin terutama berada di daerah perdesaan dengan
pertanian sebagai mata pencarian utama.
Untuk orientasi pembangunan pertanian kearah perbaikan kesejahteraan
petani, akan sangat relevan untuk mengkaji dampak pembangunan yang
dilaksanakan terhadap perbaikan kesejahteraan petani, agar dapat menjadi
masukan bagi pelaksanaan pembangunan pertanian selanjutnya (Indraningsih
dkk., 2003). Salah satu indikator yang bisa dipakai untuk melihat kesejahteraan
petani adalah nilai tukar petani (NTP). NTP merupakan hubungan antara hasil
yang dijual petani dengan barang dan jasa yang dibeli petani. Dengan kata lain
NTP merupakan alat ukur kemampuan tukar barang-barang (produk) pertanian
yang dihasilkan petani dengan barang atau jasa yang diperlukan untuk konsumsi
-
2
rumah tangga petani dan keperluan dalam memproduksi barang-barang pertanian
(Hendayana, 2001).
Indikator-indikator utama pembangunan diantaranya adalah Indeks
Pembangunan Manusia (IPM), Indeks Pembangunan Gender (IPG), Indeks
Pemberdayaan Gender (IDG), Indeks Gini, Indeks Williamson, Pertumbuhan
Ekonomi, Tingkat Inflasi, Nilai Tukar Petani, Persentase Penduduk Miskin dan
Persentase Penganggur (BAPPEDA-JATENG, 2008; BAPPENAS, 2010).
Indikator tersebut dikaji dalam periode masa lalu, sekarang dan masa depan untuk
melihat keberhasilan dan merencanakan pembangunan pertanian. Dalam hal ini
peramalan NTP dapat menjadi bahan pertimbangan pengambilan keputusan
pemerintah dalam pelaksanaan pembangunan dimasa yang akan datang.
Beberapa penelitian tentang peramalan NTP sudah dilakukan di beberapa
negara, diantaranya adalah Pemerintah Australia secara rutin melakukan
peramalan NTP, It, Ib dan komoditas-komoditas penting lainnya seperti
komoditas pertanian, industri, energi dan mineral, ekspor, ongkos, harga dan
indikator makro lainnya setiap tiga bulan sekali untuk kinerja dan prospek sektor
dari komoditas primer di Australia (ABARES, 2011). Mathews (2011) juga
melakukan peramalan NTP Australia, peramalan NTP dilakukan untuk lima
tahun kedepan, dan digunakan untuk melihat perkembangan pertanian di
Australia. Hossain (2008) memodelkan NTP Bangladesh dengan menggunakan
Autoregressive Distributed Lag (ARDL) model. Data yang digunakan adalah data
deret waktu tahun 1952-2006 dengan memperhitungkan nilai ekspor netto
didalam komponen NTP. Gath dkk. (2009) melakukan peramalan indeks harga
yang dibayar petani dan indeks yang diterima/output pertanian di Amerika Serikat
dengan menggunakan analisis regresi.
Penelitian tentang NTP di Indonesia secara umum terbagi dalam dua
metode atau pendekatan, pendekatan kausal dengan cara regresi untuk mengetahui
hubungan antar faktor, dan time series untuk peramalan. Hendayana (2001)
melakukan penelitian analisis faktor-faktor yang mempengaruhi nilai tukar petani
di Sumatera Utara dengan analisis regresi linier. Supriyati (2004) melakukan
analisis nilai tukar komuditas kentang di Provinsi Jawa Tengah, Jawa Timur dan
Sulawesi Selatan menggunakan data harga bulanan pada perode 1987-1998
-
3
dengan menggunakan analisis regresi. Dalam prakteknya peramalan NTP jarang
dilakukan di Indonesia. Siregar (2004) memodelkan NTP dari tahun 1988-2000
menggunakan time series ekonometrik. Series NTP asli memiliki trend menurun
dalam kurun waktu tersebut. NTP yang dimodelkan bukan hanya dari petani yang
tidak melakukan ekspor, tetapi sudah memperhitungkan petani pengekspor hasil
pertanian, dan perusahaan pertanian yang melakukan ekspor, NTP yang
diramalkan menjadi nilai tukar pertanian net barter. Hasil penelitiannya
menyatakan bahwa nilai tukar pertanian net barter mempunyai tren positif, dan
pengaruh eksogen yaitu volume ekspor mempunyai pengaruh negatif.
Sebagaimana yang dijelaskan di atas, NTP dibentuk oleh dua komponen,
yaitu indeks yang diterima petani (It) dan indeks yang dibayar petani (Ib). Hal ini
menyebabkan peramalan untuk NTP dapat dilakukan dengan dua cara, yaitu
dengan menganalisa NTP dengan cara langsung atau dengan menganalisa NTP
secara tidak langsung melalui komponen-komponen penyusunnya yaitu It dan Ib.
Analisa deret waktu secara tidak langsung sudah banyak dilakukan, ketika data-
data yang ada tidak langsung digunakan menggunakan satu metode peramalan
saja, tetapi harus melalui beberapa metode peramalan terlebih dahulu, baru
kemudian digabungkan. Awalnya, penelitian ini bertujuan untuk menganalisa
data-data deret waktu yang tidak lengkap seriesnya (Friedman, 1962). Kemudian
berkembang untuk meneliti data-data yang tidak sama panjang seriesnya, hal ini
dilakukan oleh Chow dan Lin (1971), Fernandez (1981), Cainelli dan Lupi (1999),
Carber dan Pavia (1999), Di Fonzo (2003), Abeysinghe dan Rajaguru (2004).
Analisa time series tidak langsung ini juga dilakukan untuk data-data yang
dianalisa melalui komponen-komponen penyusunnya. Hal ini dilakukan oleh
Greasley (2000) memodelkan produksi industri di Inggris dengan melalui
komponen-komponen penyusunnya, dan Gudmundsson (2005), memodelkan
konsumsi di Turki dengan memodelkan komponen penyusunnya yaitu harga dan
jumlah barang yang dibeli.
Penelitian mengenai peramalan NTP baik melalui nilai NTP itu sendiri
maupun melalui komponen penyusunnya ini belum pernah dikaji sebelumnya,
sehingga dalam penelitian ini akan dilakukan berbagai skenario untuk
memprediksi nilai NTP. Skenario dalam hal ini berarti beberapa kemungkinan
-
4
metode peramalan yang bisa menghasilkan peramalan yang akurat, yang akan
dilakukan dengan simulasi. Simulasi dilakukan karena penghitungan NTP
dilakukan tidak hanya di sektor pertanian, tetapi juga pada lima subsektor
penyusunnya. Selain itu penghitungan NTP tidak hanya dilakukan secara
nasional, tetapi juga dihitung di setiap propinsi. Sehingga hasil simulasi
diharapkan mendapat generalisasi dalam meramalkan NTP. Dan hasil peramalan
NTP diharapkan dapat menjadi masukan bagi pemerintah dalam menentukan
prosedur terbaik untuk prediksi NTP kedepannya. Beberapa metode deret waktu
yang akan disimulasikan adalah metode Autoregressive Integrated Moving
Average (ARIMA) untuk kasus linier dan Threshold Autoregressive (TAR) untuk
kasus non linier.
Model ARIMA sudah banyak digunakan untuk peramalan data deret
waktu, karena selain ARIMA dapat mengatasi series data yang bersifat stasioner,
juga dapat digunakan untuk data yang bersifat nonstasioner dan mempunyai pola
siklus musiman. Beberapa penelitian tentang data time series dengan
menggunakan ARIMA sudah banyak sekali dilakukan, beberapa diantaranya
adalah oleh Schwert (1987) melakukan unit root test untuk beberapa indikator
makro ekonomi seperti PDB, indeks harga produsen, indeks harga konsumen,
tingkat pengangguran, jumlah tenaga kerja, jumlah produksi industri dan lain
sebagainya di Amerika Serikat menggunakan ARIMA (0,1,1) dan ARIMA(1,0,1).
Shen (1996) meramalkan variabel ekonomi makro menggunakan data yang
berbeda periode, yaitu ada yang berupa data bulanan digunakan untuk peramalan
data kurtalan. Meyler dkk. (1998) meramalkan indeks harga konsumen dan sub
komponen penyusunnya untuk melihat pengaruh kebijaksananaan moneter baru
yang diterapkan disana terhadap pergerakan harga. Lin dan Liu (2002) melakukan
pemodelan ARIMA untuk mengetahui efek tahun baru cina mempengaruhi
indikator perekonomian di Taiwan. Shuja dkk. (2007) melakukan penelitian
dengan ARIMA untuk melihat pengaruh musim liburan seperti Hari Raya Idul
Fitri, Idul Adha, dan Tahun baru Cina mempengaruhi perekonomian di Malaysia.
Buss (2009) meramalkan nilai PDB di Latvia, dan Shamsnia dkk. (2011)
menggunakan ARIMA untuk mempelajari pola musiman parameter cuaca yang
mempengaruhi siklus hidrologi, siklus produksi tanaman dan penggunaan air.
-
5
Model TAR sering juga disebut sebagai Self Exciting Threshold
Autoregressive (SETAR), model ini banyak digunakan untuk memodelkan data
deret waktu yang bersifat non linier. Clements dan Smith (1999) menyatakan
bahwa harus ada tes nonlinieritas terlebih dahulu sebelum menggunakan SETAR.
Mereka membandingkan model SETAR dengan AR untuk kasus GNP Amerika
yang memiliki sifat non linier. Hasil yang didapatkan adalah SETAR memiliki
keakuratan yang lebih tinggi dalam menyelesaikan kasus data non linier tersebut.
Proietti (2001) menggunakan TAR untuk melakukan peramalan tingkat
pengangguran di Amerika Serikat. Chan, Wong dan Tong (2005) meneliti
kegunaan model non linear, dalam hal ini SETAR model untuk menganalisa data
deret waktu ekonomi dan menghasilkan bahwa model SETAR baik digunakan
untuk data yang yang memiliki perbedaan varians (heteroskedastisitas). Hal ini
disebabkan karena TAR membagi data deret waktu ke dalam beberapa regime
yang memiliki invariant distribution (Nieto, 2008).
Dalam penelitian ini, kekonsistenan hasil simulasi akan dilihat dengan
hasil penghitungan peramalan NTP nasional sektor pertanian dan NTP nasional
lima subsektor penyusunnya. Lima subsektor tersebut adalah subsektor tanaman
pangan, subsektor tanaman hortikultura, subsektor tanaman perkebunan rakyat,
subsektor peternakan dan subsektor perikanan.
1.2 Perumusan Masalah
Berdasarkan latar belakang yang diberikan, maka perumusan
permasalahan adalah sebagai berikut :
1. Bagaimana melakukan simulasi peramalan NTP dari data NTP secara
langsung maupun secara tidak langsung melalui It dan Ib?
2. Bagaimana hasil peramalan NTP jika diramalkan dengan NTP secara
langsung.
3. Bagaimana hasil peramalan NTP jika diramalkan secara tidak langsung
melalui peramalan It dan Ib.
-
6
1.3 Tujuan Penelitian
Dari perumusan masalah yang dilakukan, maka tujuan dari penelitian ini
dapat dijabarkan sebagai berikut:
1. Menyusun suatu generalisasi prosedur peramalan NTP melalui pendekatan
peramalan langsung dan tidak langsung.
2. Mendapatkan hasil peramalan NTP jika diramalkan secara langsung
dengan NTP itu sendiri.
3. Mendapatkan hasil peramalan NTP jika diramalkan secara tidak langsung
melalui peramalan It dan Ib.
1.4 Manfaat Penelitian
Manfaat yang dapat diambil dari penelitian ini adalah:
1. Menambah wawasan keilmuan mengenai analisa deret waktu khususnya
ARIMA dan TAR untuk meramalkan model NTP dan dapat
dikembangkan untuk data-data BPS yang bersifat deret waktu.
2. Dari model terbaik, hasil ramalan dapat digunakan sebagai bahan
pertimbangan untuk menentukan kebijakan yang diambil dalam
meningkatkan pembangunan disektor pertanian.
3. Dapat diaplikasikan untuk penelitian lain yang melibatkan data yang
diperoleh dari beberapa komponen data.
1.5 Batasan Penelitian
Batasan dari penelitian ini adalah menerapkan analisis deret waktu
univariate. Model SETAR yang dibangkitkan dibatasi pada dua regime.
BAB 1 PENDAHULUAN1.1 Latar Belakang
1.2 Perumusan Masalah1.3 Tujuan Penelitian1.4 Manfaat Penelitian1.5 Batasan Penelitian