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