penentuan komoditas unggulan pertanian indonesia dan penyusunan model peramalan volume produksinya

PENENTUAN KOMODITAS UNGGULAN PERTANIAN

INDONESIA DAN PENYUSUNAN MODEL PERAMALAN VOLUME

PRODUKSINYA

Disampaikan dalam rangka memenuhi salah satu tugas mata kuliah

Perekonomian Indonesia

Disusun oleh:

BADAL IMAMUDDIN

(09.5896)

EKO SUSANTO

(09.5953)

FAJRI IRAMAYA

PURWANTI

(09.5966)

RONY PURBA

(09.6120)

KELAS IVSE3

SEKOLAH TINGGI

ILMU STATISTIK

(STIS)

JAKARTA

2013

PENDAHULUAN

1.1. Latar Belakang

Tujuan utama pembangunan ekonomi nasional adalah untuk meningkatkan

taraf hidup dan kesejahteraan seluruh rakyat. Dalam merumuskan suatu kebijakan

pembangunan ekonomi, pengambil kebijakan harus memprioritaskan

pembangunan pada sektor-sektor tertentu. Jika ingin mencapai pertumbuhan

ekonomi yang tinggi, maka pembangunan ekonomi harus diutamakan pada sektor-

sektor yang memiliki keterkaitan yang kuat dengan sektor-sektor di hulu dan

hilirnya. Selanjutnya, keterkaitan antar sektor yang kuat ini dapat berimplikasi

pada pertumbuhan yang tinggi. Demikian pula, jika tingkat pengangguran yang

rendah ingin terpenuhi, maka pembangunan ekonomi harus diprioritaskan pada

sektor-sektor yang mampu menyerap tenaga kerja.

Salah satu upaya untuk mencapai tujuan pembangunan tersebut adalah

dengan mengembangkan potensi di sektor pertanian. Pengembangan ini sangat

dimungkinkan dengan sumber daya alam melimpah yang dapat diandalkan

sebagai sumber pendapatan. Banyak ragam komoditas pertanian dan produk

turunannya yang berpotensi dikembangkan menjadi produk unggulan. Selain itu,

komoditas pertanian juga memiliki peranan strategis yang tidak hanya dibutuhkan

untuk memenuhi konsumsi dalam negeri saja, tetapi juga untuk diekspor ke

berbagai negara sumber tambahan devisa negara.

Peranan sektor pertanian semakin terlihat jelas ketika krisis keuangan

global yang mulai terasa di Indonesia pada tahun 2008. Ekspor komoditas

pertanian membantu menjaga pertumbuhan ekonomi Indonesia tetap tumbuh

positif. Berdasarkan data BPS, sektor pertanian memberi sumbangan sebesar

43,7% terhadap total ekspor Indonesia tahun 2008. Sedangkan, sektor industri

manufaktur hanya memberi sumbangan sebesar 12,5% dari total ekspor Indonesia

tahun 2008.

Berbagai jenis komoditas yang ada dalam sektor pertanian perlu dianalisis

lebih lanjut untuk menentukan komoditas sektor pertanian mana yang benar-benar

unggul. Komoditas unggul tersebut tidak hanya dapat diandalkan sebagai sumber

pendapatan masyarakat dan devisa negara tetapi juga mampu menarik dan

mendorong sektor-sektor lainnya untuk berproduksi sehingga dapat

menggerakkan perekonomian nasional. Namun demikian, tidak mudah untuk

menentukan suatu komoditas sebagai komoditas unggulan dengan

mempertimbangkan aspek potensi dan prospek masing-masing komoditas. Untuk

itu, penelitian mengenai penentuan komoditas unggulan perlu dilakukan.

1.2. Identifikasi dan Batasan Masalah

Penentuan komoditas unggulan dari suatu sektor mampu meningkatkan

efisiensi proses pembangunan. Kebijakan-kebijakan yang ditempuh akan lebih

terfokus kepada bagaimana upaya menjaga komoditas tersebut tetap dapat

menjadi komoditas unggulan. Dengan menggunakan bantuan tabel input-output

(I-O) Indonesia tahun 2005, komoditas unggulan sektor pertanian Indonesia dapat

ditentukan.

Selain itu, suatu model peramalan volume produksi komoditas unggulan

pertanian dibutuhkan sebagai kontrol. Model tersebut dapat digunakan untuk

meramalkan volume produksi komoditas unggulan di masa mendatang sehingga

dapat diketahui apabila terjadi penurunan volume produksi.

Dari uraian di atas, permasalahan penelitian ini adalah sebagai berikut:

1. Apakah komoditas pertanian yang menjadi komoditas unggulan

pertanian berdasarkan analisis terhadap tabel input-output (I-O)

Indonesia tahun 2005?

2. Bagaimanakah model yang tepat untuk meramalkan volume produksi

komoditas unggulan di masa mendatang?

1.3. Tujuan Penelitian

Tujuan penelitian ini adalah sebagai berikut:

1. Menentukan komoditas unggulan pertanian Indonesia berdasarkan

analisis terhadap tabel input-output (I-O) tahun 2005.

2. Menyusun model peramalan volume produksi komoditas unggulan

pertanian.

LANDASAN TEORI

2.1. Kajian Teori

Sektor dan Komoditas Unggulan

Pengertian sektor menurut Kamus Besar Bahasa Indonesia (KBBI) adalah

lingkungan suatu usaha, misalnya: pertanian, perindustrian dan lainnya. BPS

menyebutkan bahwa sektor adalah satuan kegiatan ekonomi. Komoditas menurut

Kamus Besar Bahasa Indonesia adalah bahan mentah yang dapat digolongkan

menurut mutunya sesuai dengan standar perdagangan internasional,

misalnya:gandum, karet, kopi dan lainnya.

Sektor unggulan (key sector) adalah sektor yang memiliki peranan yang

relatif besar dibandingkan dengan sektor-sektor lainnya dalam memacu tujuan

pertumbuhan ekonomi. Menurut Rustiadi, et al., (2009) sektor unggulan dapat

diartikan sebagai sektor utama (leading sector) yakni suatu sektor yang

menciptakan pertumbuhan yang pesat dan kekuatan ekspansi ke berbagai sektor

lain dalam perekonomian.

Adapun ciri-ciri sektor utama (leading sector) adalah sebagai berikut:

1. Potensi menciptakan efek ganda (multiplier effect) dari produksi-

produksi yang dihasilkan terhadap sektor-sektor lain yang mempunyai

kemungkinan berkembang dengan pesat.

2. Teknik produksi yang lebih modern dan kapasitas dapat diperluas.

3. Terciptanya tabungan masyarakat dan pada pengusaha menanamkan

kembali keuntungan untuk pengembangan sektor utama tersebut.

4. Perkembangan leading sector memacu perluasan kapasitas dan

modernisasi sektor-sektor lain.

Daryanto dan Hafizrianda (2010) menerangkan bahwa komoditas

unggulan mempunyai kriteria sebagai berikut:

1. Harus mampu menjadi penggerak utama (prime mover) pembangunan

perekonomian. Dengan kata lain, komoditas unggulan tersebut dapat

memberikan kontribusi yang signifikan pada peningkatan produksi,

pendapatan dan pengeluaran. Misalnya, cengkeh di Sulawesi Utara,

kakao di Sulawesi Tenggara dan minyak bumi dan gas di Nangroe

Aceh Darussalam dan pariwisata di Bali.

2. Mempunyai keterkaitan ke depan dan ke belakang (forward and

backward linkages) yang kuat, baik sesama komoditas unggulan

maupun komoditas lainnya.

3. Mampu bersaing dengan produk sejenis dari wilayah lain

(competitiveness) di pasar nasional dan pasar internasional, baik dalam

harga produk, biaya produksi dan kualitas pelayanan.

4. Memiliki keterkaitan dengan wilayah lain (regional linkages), baik

dalam hal dasar (konsumen) maupun pemasokan bahan baku.

5. Memiliki status teknologi (state-of-the-art) yang terus meningkat,

terutama melalui inovasi teknologi.

6. Mampu menyerap tenaga kerja berkualitas secara optimal sesuai

dengan skala produksinya.

7. Dapat bertahan dalam jangka panjang tertentu, mulai dari fase

kelahiran, fase pertumbuhan hingga fase kejenuhan atau penurunan.

Jika komoditas unggulan yang satu memasuki tahap kejenuhan atau

penurunan maka komoditas unggulan lainnya harus mampu

menggantikannya.

8. Tidak rentan terhadap gejolak eksternal dan internal.

9. Pengembangannya harus mendapatkan berbagai bentuk dukungan,

misalnya keamanan, sosial, budaya, informasi dan peluang pasar,

kelembagaan, fasilitas insentif /disinsentif dan lain-lain.

10. Pengembangannya berorientasi pada kelestarian sumberdaya alam

dan lingkungan.

Dalam penelitian ini, komoditas unggulan pertanian di Indonesia

dirumuskan dengan mengacu pada pustaka yang telah banyak mengkaji mengenai

sektor/komoditas unggulan. Kriteria komoditas unggulan pertanian di Indoensia

dirumuskan sebagai berikut:

1. Berbasis pada sumberdaya lokal.

2. Dari segi permintaan besar dan semakin kuat.

3. Mempunyai keterkaitan ke depan dan ke belakang (forward and

backward linkages) yang kuat, baik sesama komoditas unggulan

maupun komoditas lainnya.

4. Dampaknya terhadap peningkatan pendpatan rumah tangga.

Potensi menciptakan efek ganda (multiplier effect) dari produksi-produksi

yang dihasilkan terhadap sektor-sektor lain yang mempunyai kemungkinan

berkembang dengan pesat.

Sektor Pertanian

BPS mendefinisikan bahwa sektor pertanian mencakup segala pengusaha

yang didapat dari alam dan merupakan barang-barang biologis atau hidup, dimana

hasilnya akan digunakan untuk memenuhi hidup sendiri atau dijual ke pihak lain.

Tidak termasuk kegiatan yang tujuannya untuk hobi saja. Sektor pertanian

meliputi tujuh subsektor, yaitu tanaman bahan makanan, tanaman perkebunan

rakyat, tanaman perkebunan besar, peternakan dan hasil-hasilnya, kehutanan,

perikanan dan jasa perikanan.

Peramalan

Peramalan merupakan suatu proses untuk menduga kejadian yang akan

terjadi di masa yang akan datang dengan tujuan untuk mengurangi resiko

kesalahan. Adanya kesenjangan waktu (time lag) antara kesadaran akan peristiwa

mendatang dengan terjadinya peristiwa itu sendiri merupakan alasan utama bagi

perencanaan pemerintah. Jika waktu tenggang ini nol atau sangat kecil, maka

peramalan tidak diperlukan. Jika waktu tenggang panjang dan hasil peristiwa

akhir bergantung pada faktor-faktor yang dapat diketahui, maka perencanaan dan

peramalan memegang peranan penting. Peramalan diperlukan untuk mengetahui

kapan atau bagaimana suatu peristiwa akan terjadi sehingga tindakan yang tepat

dapat dilakukan (Makridakis, 1999).

Pemilihan Teknik Peramalan

Persyaratan yang esensial dalam pemilihan tidak terletak pada penggunaan

teknik peramalan dengan proses matematika yang rumit ata canggih. Teknik

terpilih hendaknya menghasilkan ramalan yang akurat, tepat waktu, dan mudah

dipahami. Pertimbangan lain adalah suatu teknik peramalan harus menghasilkan

manfaat yang lebih besar dari biaya penggunaannya (efektif dan efisien).

Untuk memilih suatu metode peramalan yang terbaik, berikut adalah

beberapa hal yang harus diperhatikan (Makridakis, 1999):

1. Menetapkan sifat dasar peramalan.

2. Menjelaskan sifat dasar data yang diteliti.

3. Mendeskripsikan kemampuan dan keterbatasan dari teknik-teknik

peramalan.

4. Mengembangkan sejumlah kriteria yang ditentukan terlebih dahulu

sebagai dasar untuk memilih kepututsan.

Faktor utama yang mempengaruhi pemilihan teknik peramalan adalah

identifikasi dan pemahaman pola dan historis. Ada empat jenis pola data yang

umu yaitu horizontal atau stasioner, trens, musiman, dan siklus. Jika didapati

trend, musiman, dan siklus, maka dapat dipilih teknik-teknik yang secara efektif

mampu mengekstrapolasi pola-pola ini (Hanke dan Reitsch, 1998).

Teknik Peramalan untuk Data Stasioner

Pola horizontal muncul ketika data observasi berada di sekitar rata-rata

atau tingkatan yang konstan. Jenis deret ini disebut sebagai stasioner terhadap

rata-rata. Dalam bentuk yang paling sederhana, peramalan deret stasioner

menggunakan deret historis yang tersedia untuk mengestimasi nilai rata-rata yang

kemudian menjadi peramalan nilai di masa yang akan datang. Tekinik peramalan

stasioner digunakan apabila:

1. Pola historis data menghasilkan suatu deret yang stabil dan lingkungan

di mana deret berada relatif tidak berubah.

2. Data yang tersedia kurang.

3. Deret data dapat ditransformasi menjadi suatu deret yang stabil.

Misalnya data ditransformasi menjadi bentuk logaritmik, akar kuadrat,

atau selisih (differencing).

4. Deret merupakan himpunan galat ramalan dari suatu peramalan.

Teknik-teknik yang dapat dipertimbangkan dalam peramalan deret

stasioner terdiri dari metode naive, metode rata-rata sederhana, rata-rata bergerak,

Exponential Smoothing Holt, dan Autoregressive Integrated Moving Average

(ARIMA) atau metode Box-Jenjins.

Teknik Peramalan untuk Data dengan Musiman

Deret musiman didefinisikan sebagai deret waktu dengan pola perubahan

yang berulang dengan sendirinya dari tahun ke tahun. Pola musiman muncul bila

observasi data dipengaruhi oleh faktor musiman.

Teknik yang perlu dipertimbangkan ketika melakukan peramalan deret

musiman antara lain dekomposisi klasik, Sensus X-12, Exponential Smoothing

Winter, regresi berganda deret waktu, dan ARIMA.

Langkah-langkah Peramalan

Menurutut Kuncoro (2004), apapun teknik peramalan yang digunakan,

maka harus melalui tahapan-tahapan sebagai berikut:

1. Menentukan untuk apa peramalan digunakan, tujuan apa yang hendak

dicapai.

2. Memilih variabel yang akan diramal.

3. Menentukan jangka waktu peramalan, apakah jangka pendek,

menengah, atau jangka panjang.

4. Memilih metode peramalan.

5. Mengumpulkan data yang diperlukan untuk meramal.

6. Melakukan validasi model peramalan.

7. Melakukan peramalan dengan metode terbaik.

8. Mengimplementasikan hasil peramalan.

2.2 Penelitian Terdahulu

Terdapat beberapa penelitian yang telah dilakukan oleh peneliti lain

sebelumnya yang permasalahannya hampir sama dengan penelitian ini,

diantaranya penelitian yang dilakukan Bustami (1998) dalam menganalisis sektor

kunci dengan menggunakan Tabel I-O Kalimantan Barat tahun 1995 untuk

mengetahui sektor unggulan di Kalimantan Barat. Dalam rangka menentukan

sektor unggulan, penelitian tersebut lebih memilih pendekatan dengan indeks

keterkaitan murni karena indeks tersebut tidak hanya memperhitungkan struktur

internal setiap sektor produksi, namun juga mempertimbangkan aspek tingkat

produksi setiap sektor dalam perekonomian. Kesimpulan dalam penelitian tersebut

menyatakan bahwa sektor-sektor yang menjadi unggulan di Kalimantan Barat

adalah sektor kehutanan, tanaman bahan makanan, perkebunan lainnya,

perkebunan kelapa sawit, industri lainnya, perkebunan karet dan industri minyak

sawit.

Penelitian lain yang menggunakan indeks komposit sebagai penentu

komoditas unggulan adalah penelitian yang dilakukan oleh Rosdiana (2011).

Penelitiannya terfokus pada sektor unggulan pertanian di Kabupaten Ciamis tahun

2011. Indeks kompositnya tersusun dari nilai backward dan forward linkage,

pengganda output, pengganda pendapatan, dan pengganda tenaga kerja. Hasil

penelitiannya menunjukkan bahwa komoditas unggulan pertanian Kabupaten

Ciamis adalah beras dengan nilai indeks komposit sebesar 0,75.

METODOLOGI

3.1 Ruang Lingkup Penelitian

Data tabel input-output (I-O) tahun 2005 digunakan untuk menentukan

komoditas unggulan pertanian. Hasil analisis tabel I-O tahun 2005 tersebut akan

menghasilkan nilai backward linkage, forward linkage, indeks daya penyebaran,

indeks derajat kepekaan, angka pengganda output, dan angka pengganda

pendapatan.

Variabel yang digunakan untuk membuat model peramalan produksi

komoditas unggulan pertanian adalah variabel jumlah produksi dalam satuan ton.

Jumlah produksi komoditas unggulan pertanian dikumpulkan secara bulanan dari

tahun 2005 hingga tahun 2010.

3.2 Metode Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data sekunder berupa

tabel I-O tahun 2005 dan volume produksi komoditas unggulan pertanian bulanan

tahun 2005-2010 diperoleh dari Badan Pusat Statistik (BPS).

3.3 Metode Analisis

Analisis yang digunakan untuk menjawab tujuan tersebut adalah analisis

deskriptif dan analisis inferensia. Analisis deskriptif yang digunakan adalah

analisis tabel I-O dan indeks komposit. Analisis Tabel I-O digunakan untuk

mengetahui nilai-nilai koefisien backward linkage, forward linkage, indeks daya

penyebaran, indeks derajat kepekaan, angka pengganda output, dan angka

pengganda pendapatan yang selanjutnya digunakan untuk menentukan komoditas

unggulan pertanian dengan menggunakan indeks komposit. Analisis inferensia

yang digunakan adalah Seasonal Autoregressive Integrated Moving Average

(SARIMA).

Analisis Deskriptif

Analisis Tabel I-O

Sektor-sektor yang berada dalam kuadran I yang sebelumnya berjumlah

175 sektor diagregasi hingga menjadi tabel input-output dengan matriks 42 x 42

sektor. Agregasi ini dilakukan untuk mempermudah dalam analisis dampak

pengganda dan berpedoman pada klasifikasi baku lapangan usaha Indonesia.

Pengagregasian dari sektor-sektor yang ada adalah sama dengan pembentukan

KBLI 9 sektor kecuali pertanian yang sengaja tidak diagregat guna penentuan

komoditas unggulan pertanian nantinya. Sehingga 8 sektor yang merupakan hasil

agregasi adalah : pertambangan, industri pengolahan, LGA(listrik gas air),

konstruksi, hotel & restoran, transportasi, keuangan dan jasa-jasa lainnya.

Analisis Dampak Pengganda

Dampak pengganda dapat diartikan sebagai suatu dampak yang terjadi

baik secara langsung maupun tidak langsung terhadap berbagai kegiatan ekonomi

di dalam wilayah sebagai akibat adanya perubahan pada variabel-variabel eksogen

perekonomian regional/nasional (BPS 2008). Pada penelitian ini tabel transaksi

yang digunakan untuk analisis dampak pengganda adalah tabel domestik atas

dasar harga produsen. Langkah-langkah yang dilakukan dalam menghitung

matriks pengganda adalah sebagai berikut:

1. Menghitung koefisien input

Koefisien input dapat didefinisikan sebagai berikut :

dan

dimana:

a ij

= koefisien input antara sektor i oleh sektor j

v j = koefisien input primer sektor j

xij = penggunaan input sektor i oleh sektor j

Xj = output sektor j

Dalam suatu Tabel I-O transaksi domestik atas dasar harga produsen,

matriks koefisien input yang merupakan kumpulan berbagai koefisien

input dinotasikan sebagai matriks A.

2. Menghitung matriks leontief

Setelah mendapatkan matriks A, tahap selanjutnya untuk memperoleh

matriks pengganda adalah dengan mengurangkan matriks I (matriks

identitas) dengan matriks A. Matriks ini dikenal sebagai matriks

Leontief [I-A].

3. Menghitung matriks pengganda

Matriks pengganda merupakan matriks kebalikan (inverse matrix) dari

matriks Leontief, atau dapat di definisikan sebagai:

B = [I-A]-1

dimana:

B = matriks pengganda berupa kumpulan sel matriks kebalikan

Leontief (bij)

I = matriks identitas

A = matriks koefisien input

bij = dampak yang terjadi terhadap output sektor i akibat

perubahan permintaan akhir sektor j.

Dari matrik pengganda yang diperoleh dapat dicari keterkaitan ke

belakang atau disebut daya penyebaran dan keterkaitan ke depan atau

disebut dengan derajat kepekaan.

a. Keterkaitan Ke Belakang (Backward Linkage)

Hubungan antara output dan permintaan akhir dijabarkan

sebagai X=(I-A)-1

Fd. Dari persamaan tersebut dapat dilihat

bahwa perubahan 1 unit F1d terhadap X1 akan menimbulkan

dampak perubahan sebesar b11, terhadap X2 sebesar b21, begitu

seterusnya. Secara umum jumlah dampak akibat perubahan

permintaan suatu sektor terhadap output seluruh sektor

perekonomian adalah:

rj = b1j + b2j + + bnj =

dimana:

rj = jumlah dampak akibat perubahan permintaan akhir

sektor (j) terhadap output seluruh sektor.

bij = dampak yang terjadi terhadap semua output sektor (i)

akibat perubahan permintaan sektor (j).

Jumlah dampak (rj) disebut juga dengan jumlah daya

penyebaran. Daya penyebaran merupakan ukuran untuk melihat

keterkaitan ke belakang. Untuk membandingkan dampak yang

terjadi pada setiap sektor, maka harus dilihat besarnya indeks

daya penyebaran sebagai berikut:

dimana:

= Indeks daya penyebaran sektor (j) atau yang lebih dikenal

dengan daya penyebaran sektor (j).

b. Keterkaitan Ke Depan (Forward Linkage)

Jumlah dampak terhadap sektor (i) sebagai akibat perubahan

permintaan akhir seluruh sektor dituliskan dalam persamaan

berikut:

sj = bi1 + bi2 + + bin =

Ukuran ini disebut juga dengan keterkaitan ke depan (forward

linkage). Untuk membandingkan dampak yang terjadi pada

setiap sektor, maka harus dilihat besarnya indeks derajat

kepekaan sebagai berikut:

dimana:

= Indeks derajat kepekaan sektor (i) atau yang lebih dikenal

dengan derajat kepekaan sektor (i).

4. Pengganda Output (Output Multiplier)

Output multiplier merupakan dampak meningkatnya permintaan akhir

suatu sektor terhadap total output seluruh sektor di wilayah penelitian.

Oi = (I-A)-1

. Fd

dimana:

Oi = pengganda output

Fd = permintaan akhir (final demand)

5. Pengganda Pendapatan (Income Multiplier)

Income multiplier adalah dampak meningkatnya permintaan akhir

suatu sektor terhadap peningkatan pendapatan rumah tangga di

wilayah penelitian secara keseluruhan.

Income multiplier dapat dihitung dengan matriks:

W = X

dimana:

W : Matriks income

: matriks diagonal koefisien income

X : matriks output, X= (I-A)-1

. P

Indeks Komposit

Indeks komposit digunakan untuk menentukan komoditas yang menjadi

unggulan dalam perekonomian Indonesia. Penggunaan indeks komposit dalam

menentukan komoditas unggulan mengacu pada hasil penelitian Syarifudin (2003)

dan Amir (2004). Perhitungan indeks pada penelitian ini dilakukan dengan metode

yang sederhana, yaitu membandingkan nilai yang dimiliki suatu komoditas

terhadap total nilai yang diberikan oleh seluruh komoditas. Berikut formula

indeks komposit :

Keterangan :

= nilai forward linkage sektor i

= total forward linkage

= nilai backward linkage sektor i

= total backward linkage

= indeks derajat kepekaan sektor i

= total indeks derajat kepekaan

= indeks daya penyebaran sektor i

= total indeks daya penyebaran

= nilai output multiplier

= total nilai output multiplier

= nilai income multiplier

= total income multiplier

Penentuan klasifikasi peranan suatu komoditas terhadap perekonomian

nasional mengikuti interpretasi yang digunakan oleh Syarifudin (2003) dan

Rosdiana (2011). Suatu komoditas diklasifikasikan memiliki peranan yang tinggi

dan ditentukan sebagai komoditas unggulan jika nilai indeks kompositnya

melebihi nilai rata-rata dan nilai indeks kompositnya paling tinggi.

Analisis Inferensia

Dalam kehidupan seharihari banyak dijumpai data yang diperoleh dari

observasi suatu fenomena berdasarkan waktu. Rosidi (2004) menyatakan bahwa

sekumpulan data hasil observasi secara teratur dari waktu ke waktu disebut data

deret berkala atau biasa disebut time series.

ARIMA-SARIMA

Metode ini mengacu pada himpunan prosedur untuk mengidentifikasikan,

mencocokkan dan memeriksa model ARIMA dengan data deret waktu. Peramalan

mengikuti langsung dari bentuk model disesuaikan (Hanke et al., 2003). Metode

Autoregressive Intregated Moving Average (ARIMA) merupakan metode

gabungan dari model Autoregressive (AR) dan Moving Average (MA). Model AR

menggambarkan bahwa variabel dependen dipengaruhi oleh variabel dependen itu

sendiri pada periode yang sebelumnya, perbedaan dengan model MA adalah pada

jenis variabel independennya. Variabel independen pada model AR adalah nilai

sebelumnya (lag) dari variabel dependen (Yt) itu sendiri sedangkan pada model

MA adalah nilai residual (t) pada periode sebelumnya. Perbedaan antara ARIMA

dan SARIMA adalah bahwa dalam SARIMA (Seasonal Autoregressive Intregated

Moving Average) ditambahkan komponen musiman pada penghitungannya.

Dalam model ARIMA-SARIMA ada empat prosedur yang harus

dilakukan agar menghasilkan model yang baik (Gaynor, 1994), yaitu :

1. Identifikasi

Tahap ini bertujuan untuk menentukan apakah deret data stasioner atau

tidak. Jika deret data tidak stasioner maka perlu dilakukan proses

differencing sehingga model dapat diidentifikasi. Model sementara

yang diperoleh dapat berupa model AR, MA, ARMA, ARIMA dan

SARIMA. Prosedur identifikasi biasanya dilakukan dengan

mempelajari pola dari fungsi autokorelasi (ACF) dan autokorelasi

parsial (PACF).

2. Estimasi Parameter Model

Pada tahap ini kita menghitung nilai estimasi awal untuk parameter-

parameter dari model sementara kemudian dengan menggunakan

program komputer melalui proses iterasi untuk memperoleh nilai

estimasi akhir yang meminimumkan jumlah kuadrat galat (sum square

error).

3. Diagnostic Checking

a. Normalitas

Pengujian normalitas dilakukan terhadap residual model SARIMA

dengan menggunakan metode Jarque-Berra.

b. Non-Autokorelasi

Pengujian nonautokorelasi dilakukan terhadap residual model

SARIMA dengan menggunakan metode Breusch-Pagan Lagrange

Multiplier Test.

c. Homoskedastisitas

Pengujian homoskedastisitas dilakukan terhadap residual model

SARIMA dengan mnggunakan metode White Test.

4. Peramalan

Model yang telah memenuhi kriteria pengecekan diagnostik dapat

digunakan untuk melakukan peramalan. Kebijakan dapat disesuaikan

dengan hasil peramalan yang diperoleh.

HASIL DAN PEMBAHASAN

4.1. Penentuan Komoditas Unggulan Pertanian Indonesia

Backward linkage (keterkaitan ke belakang) dan Forward linkage

(keterkaitan ke depan)

Berdasarkan hasil penghitungan yang ditunjukkan pada Lampiran 1

terlihat bahwa tembakau merupakan komoditas dengan nilai backward linkage

terbesar. Hal ini berarti bahwa jika terjadi peningkatan permintaan akhir pada

komoditas tersebut sebesar 1 rupiah, sementara permintaan akhir pada komoditas

lainnya tidak berubah maka output perekonomain Indonesia meningkat sebesar

1,79 rupiah yang terdistribusi pada komoditas yang menyediakan output bagi

komoditas tersebut. Sedangkan komoditas pertanian dengan nilai forward linkage

terbesar adalah padi. Hal ini menunjukkan bahwa jika terjadi kenaikan permintaan

akhir pada komoditas padi sebesar 1 rupiah akan meningkatkan pasokan input

antara secara menyeluruh dalam perekonomain Indonesia sebesar 1.4 kalinya.

Indeks Daya Penyebaran dan Indeks Derajat Kepekaan

Berdasarkan hasil pada Lampiran 2 dapat dikatakan bahwa komoditas

yang berbasis domestik dari sisi input adalah komoditas karet dengan nilai IDP

sebesar 1,05; tebu (1,02); kelapa sawit (1,09); tembakau (1,28); kopi (1,12); susu

segar (1,15); unggas dan hasil-hasilnya (1,17); dan udang (1,02). Sementara itu,

dari sisi output, komoditas yang berorientasi domestic hanyalah komoditas padi

dengan nilai IDK sebesar 1,01. Karena tidak ada satu pun komoditas yang

sekaligus memiliki nilai IDP dan IDK lebih besar dari satu, maka IDP dan IDk

belum cukup untuk menentukan komoditas unggulan di Indonesia.

Angka Pengganda Output (Output Multiplier)

Berdasarkan hasil pada Lampiran 3, dapat ditunjukkan bahwa semua

komoditas pertanian Indonesia memiliki nilai output multiplier lebih dari satu. Hal

ini menunjukkan bahwa komoditas pertanian mempunyai respons yang paling

besar terhadap perubahan permintaan akhir yang dapat diartikan untuk setiap

perubahan permintaan akhir satu satuan akan menaikkan output komoditas sebesar

angka pengganda masing-masing komoditas pertanian yang dianalisis. Komoditas

yang memiliki angka pengganda output terbesar adalah tembakau, yang

menunjukkan bahwa untuk perubahan permintaan akhir sebanyak satu satuan

(persen) maka akan menaikkan output komoditas tembakau sebesar 1.79 persen.

Angka Pengganda Pendapatan (Income Multiplier)

Berdasarkan hasil pada Lampiran 4, dapat ditunjukkan bahwa semua

komoditas pertanian Indonesia memiliki nilai income multiplier kurang dari satu.

Komoditas yang memiliki nilai income multiplier terbesar hanya sebesar 0,46

yaitu komoditas karet. Hal ini menunjukkan bahwa jika terjadi penambahan

permintaan akhir komoditas karet sebesar satu satuan maka akan meningkatkan

pendapatan rumah tangga yang bergerak pada komoditas karet ini sebesar 0,46

kalinya.

Penentuan Komoditas Unggulan Pertanian

Berdasarkan hasil analisis tabel input-output (I-O), uraian berikut akan

menentukan komoditas yang menjadi komoditas unggulan pertanian di Indonesia

dengan menghitung nilai indeks komposit. Hasil yang diperoleh dari perhitungan

kriteria komoditas unggulan tersebut bervariasi untuk suatu komoditasnya

sehingga menentukan komoditas unggulan pada penelitian ini dilakukan dengan

merata-ratakan nilai masing-masing indeks dan nilai indeks di atas rata-rata

dijadikan komoditas unggulan.

Tabel 1. Indeks Komposit Komoditas Unggulan Pertanian Indonesia

Ranking No. Komoditas Pertanian IK 1

2

3

4

5

6

7

8

9

10

12

17

27

26

18

15

24

13

28

33

Karet

Tembakau

Unggas dan hasil-hasilnya

Susu segar

Kopi

Kelapa sawit

Hasil pertanian lainnya

Tebu

Hasil pemeliharaan hewan lainnya

Udang

0.165

0.158

0.157

0.145

0.144

0.144

0.143

0.143

0.140

0.139

Sumber: BPS (diolah)

Dari hasil penghitungan indeks komposit yang disajikan pada Tabel 1 di

atas menunjukkan bahwa terdapat 15 komoditas unggulan pertanian di Indonesia

karena nilai IK kelimabelas komoditas tersebut berada di atas rata-rata nilai IK

(0,128). Dari tabel tersebut juga dapat terlihat bahwa komoditas karet merupakan

komoditas paling unggul di Indonesia karena memiliki indeks komposit tertinggi

yaitu sebesar 0,165. Oleh sebab itu, penting dilakukan analisis lebih lanjut

mengenai komoditas karet di Indonesia.

Gambaran Umum Produksi Karet Indonesia

Gambar 1. Produksi Karet di Indonesia (Ton) Periode 2005 2010

Dari Gambar 1 di atas terlihat bahwa produksi karet di Indonesia relatif

konstan dari tahun 2005 hingga tahun 2010 karena hanya bergerak di angka

produksi 2.500.000 ton per tahun. Perlu diketahui bagaimana kondisi produksi

karet di Indonesia pada masa yang akan datang mengingat karet merupakan

0

500,000

1,000,000

1,500,000

2,000,000

2,500,000

3,000,000

11

12

13

14

15

23

1

25

19

9

Hasil perkebunan lainnya

Padi

Ternak dan hasil-hasilnya kecuali susu segar

Teh

Sayur-sayuran

0.136

0.135

0.135

0.134

0.129

komoditas unggulan di Indonesia. Oleh karena itu, peramalan terhadap produksi

karet pada tahun-tahun berikutnya dirasa perlu untuk dilakukan.

4.2. Penyusunan Model Peramalan Komoditas Unggulan Pertanian

Peramalan produksi karet dilakukan dengan teknik ekonometrik yaitu

dengan mengamati perilaku data produksi karet secara runtun waktu di Indonesia.

Maka dari itu, dalam penelitian ini digunakan data produksi karet bulanan di

Indonesia dari periode Januari 2005 hingga Desember 2010.

Berdasarkan uji stasioneritas, nilai prob.stat sebesar 0,0000 yang

menunjukkan bahwa data telah stasioner pada level (lihat lampiran 6).

Selanjutnya, perlu diketahui pola ACF (Autocorrelation Function) dan PACF

(Partial Correlation Function) dari data tersebut. Hasil yang diperoleh adalah

sebagai berikut.

Tabel 2. Plot Autokorelasi dan Korelasi Parsial Data Produksi Karet

Dari pola diatas terlihat adanya musiman setiap enam bulan. Terlihat

bahwa produksi karet terbesar terjadi pada bulan ke-6, ke-12, ke-18, dan ke-24.

Sedangkan produksi karet terkecil terjadi pada bulan ke-3, ke-9, ke-15, ke-21, dan

ke-27. Untuk menghilangkan efek musiman ini, maka data produksi karet harus

didifferencing terhadap musiman. Kemudian dibuat kembali plot ACF dan PACF

dari data yang telah didifferencing tersebut. Sehingga didapat hasil sebagai

berikut.

Tabel 3. Plot Autokorelasi dan Korelasi Parsial Data Differencing Produksi Karet

Berdasarkan plot ACF dan PACF di atas maka hasil identifikasi model

awal pada kasus ini adalah:

1. ARIMA (1,0,1)(1,1,1)6 = d(produksi,0,6) c ar(1) ma(1) sar(6) sma(6)

2. ARIMA (1,0,1)(1,1,0)6 = d(produksi,0,6) c ar(1) ma(1) sar(6)

3. ARIMA (1,0,1)(0,1,1)6 = d(produksi,0,6) c ar(1) ma(1) sma(6)

Tabel 4. Perbandingan Ketiga Model ARIMA Multiplikatif (SARIMA)

Model 1 Model 2 Model 3

c 3664,817

(0,3317)

3586,076

(0,3169)

1833,960

(0,1649)

AR(1) 0,448501

(0,0023)

0,449051

(0,0021)

-0,036857

(0,7927)

SAR(6) -0,844532

(0,0000)

-0,833246

(0,0000)

MA(1) 0,676092

(0,0000)

0,669893

(0,0000)

0,855506

(0,0000)

SMA(6) 0,052750

(0,7527)

-0,898124

(0,0000)

Prob(F-statistic) 0,000000 0,000000 0,000000

R-squared 0,753582 0,753451 0,678454

Adjusted R-squared 0,735329 0,740003 0,662640

AIC 22,36280 22,32943 22,51070

S.E. of regression 16680,43 16532,48 18153,74

Dari hasil output di atas maka dapat disimpulkan bahwa model terbaik

untuk meramalkan produksi karet adalah model 2: ARIMA (1,0,1)(1,1,0)6. Model

tersebut juga telah memenuhi asumsi klasik normalitas (Lampiran 10),

homoskedastisitas (Lampiran 11), dan non-autokorelasi (Lampiran 12).

Persamaan model 2 adalah sebagai berikut.

( )( )( )

( )

Selanjutnya, model ini lah yang digunakan untuk meramalkan produksi

karet di Indonesia untuk periode Januari 2011 hingga Desember 2013. Hasil

peramalan bulanannya dapat dilihat pada Lampiran 13.

Gambar 2. Produksi Karet di Indonesia (Ton) Periode 2005 2013

Apabila dibandingkan dengan hasil estimasi BPS untuk produksi karet

pada tahun 2011, maka hasil peramalan dengan model SARIMA ini lebih kecil

daripada besarnya produksi karet hasil estimasi oleh BPS. Perbandingan produksi

karet pada tahun 2011 dapat dilihat pada Gambar 3 berikut.

Gambar 3. Perbandingan Peramalan SARIMA dan Estimasi BPS untuk

Produksi Karet di Indonesia (Ton) Tahun 2011

0

500,000

1,000,000

1,500,000

2,000,000

2,500,000

3,000,000

3,500,000

0

50000

100000

150000

200000

250000

300000

350000

Peramalan

Estimasi BPS

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Dari hasil dan pembahasan pada bab sebelumnya, kesimpulan yang

diperoleh adalah sebagai berikut.

1. Komoditas karet terpilih sebagai komoditas unggulan pertanian

Indonesia berdasarkan hasil analisis tabel I-O Indonesia tahun 2005

dan indeks komposit. Nilai indeks komposit komoditas karet berada di

atas rata-rata indeks komposit dan merupakan yang tertinggi

dibandingkan dengan nilai indeks komposit komoditas pertanian yang

lain.

2. Dengan menggunakan metode analisis ARIMA-SARIMA, model

peramalan terbaik untuk komoditas unggulan karet adalah sebagai

berikut.

( )( )( ) ( )

5.2. Saran

Saran yang dapat diberikan berdasarkan hasil penelitian ini adalah

percepatan pembangunan agribisnis perkaretan nasional. Agribisnis perkaretan

nasional merupakan bisnis berbasis usaha pertanian karet atau bidang lain yang

mendukungnya, baik di sektor hulu maupun di hilir. Dalam sudut pandang

akademik, agribisnis perkaretan nasional mempelajari tentang strategi

memperoleh keuntungan dengan mengelola aspek budidaya, penyediaan bahan

baku, kegiatan pascapanen, proses pengolahan, dan tahap pemasaran.

Beberapa kebijakan yang dapat membantu percepatan pembangunan

agribisnis perkaretan nasional adalah sebagai berikut.

1. Penciptaan iklim investasi yang makin kondusif dengan cara

pemberian kemudahan dalam proses perijinan, pembebasan pajak (tax

holiday), selama tanaman atau pabrik belum berproduksi pemberian

rangsangan kepada perajin industri hilir karet untuk menghasilkan

produk bernilai tambah tinggi dan mempunyai prospek pasar yang

cerah; penciptaan perangkat kepastian hukum dan keamanan baik

untuk usaha maupun lahan bagi perkebunan; penghapusan berbagai

pungutan dan pemberian keringan beban yang memberatkan pelaku

agribisnis karet; menghilangkan hambatan yang mengganggu

mekanisme pasar melalui pemerataan pembangunan infrastruktur dan

penciptaan regulasi yang kondusif bagi pembangunan perkebunan,

misalnya melalui penyederhanaan prosedur/birokrasi dan keringanan

pajak.

2. Pengembangan sarana dan prasarana berupa jalan, jembatan,

pelabuhan, alat transportasi, komunikasi, dan sumber energi (tenaga

listrik).

LAMPIRAN

Lampiran 1

Backward Linkage (BL) dan Forward Linkage (FL) Komoditas Pertanian

Indonesia

No. Komoditas Pertanian BL FL

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

Padi

Jagung

Ketela pohon

Ubi jalar

Umbi-umbian lainnya

Kacang

Kedele

Kacang-kacang lainnya

Sayur-sayuran

Buah-buahan

Padi-padian dan bahan makanan lainnya

Karet

Tebu

Kelapa

Kelapa sawit

Hasil tanaman serat

Tembakau

Kopi

Teh

Cengkeh

Kakao

Jambu mete




Susu segar

1.35

1.33

1.20

1.08

1.18

1.22

1.32

1.24

1.21

1.16

1.27

1.48

1.43

1.31

1.53

1.18

1.79

1.57

1.30

1.29

1.32

1.21

1.69

1.57

1.37

1.61

1.41

1.16

1.06

1.04

1.09

1.10

1.09

1.08

1.09

1.06

1.01

1.25

1.12

1.04

1.09

1.01

1.01

1.16

1.01

1.03

1.03

1.02

1.04

1.02

1.19

1.00

27

28

29

30

31

32

33



Kayu

Hasil hutan lainnya

Ikan laut dan hasil aut lainnya

Ikan darat dan hasil perairan darat

Udang

1.64

1.32

1.24

1.25

1.19

1.31

1.43

1.13

1.00

1.09

1.01

1.07

1.03

1.12


Lampiran 2

Indeks Daya Penyebaran (IDP) dan Indeks Derajat Kepekaan Komoditas

(IDK) Komoditas Pertanian Indonesia

No. Komoditas Pertanian IDP IDK

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

Padi

Jagung

Ketela pohon

Ubi jalar

Umbi-umbian lainnya

Kacang

Kedele


Sayur-sayuran

Buah-buahan


Karet

Tebu

Kelapa

Kelapa sawit

Hasil tanaman serat

Tembakau

Kopi

0.96

0.95

0.85

0.77

0.84

0.87

0.94

0.88

0.86

0.82

0.90

1.05

1.02

0.93

1.09

0.84

1.28

1.12

1.01

0.83

0.76

0.74

0.78

0.78

0.78

0.77

0.78

0.76

0.72

0.89

0.80

0.74

0.77

0.72

0.72

0.82

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

Teh

Cengkeh

Kakao

Jambu mete




Susu segar



Kayu

Hasil hutan lainnya



Udang

0.93

0.92

0.94

0.86

1.20

1.11

0.98

1.15

1.17

0.94

0.88

0.89

0.84

0.93

1.02

0.72

0.74

0.73

0.73

0.74

0.72

0.85

0.71

0.81

0.71

0.78

0.72

0.76

0.73

0.80


Lampiran 3

Urutan Angka Pengganda Output Komoditas Pertanian Indonesia

No. Komoditas Pertanian Output Multiplier

17

23

27

26

18

24

15

12

13

33

Tembakau



Susu segar

Kopi


Kelapa sawit

Karet

Tebu

Udang

1.79

1.69

1.64

1.61

1.57

1.57

1.53

1.48

1.43

1.43

25

1

2

21

7

28

14

32

19

20

11

30

29

8

6

22

9

3

31

16

5

10

4


Padi

Jagung

Kakao

Kedele


Kelapa


Teh

Cengkeh


Hasil hutan lainnya

Kayu


Kacang

Jambu mete

sayur-sayuran

Ketela pohon


Hasil tanaman serat

Umbi-umbian lainnya

Buah-buahan

Ubi jalar

1.37

1.35

1.33

1.32

1.32

1.32

1.31

1.31

1.30

1.29

1.27

1.25

1.24

1.24

1.22

1.21

1.21

1.20

1.19

1.18

1.18

1.16

1.08


Lampiran 4

Urutan Angka Pengganda Pendapatan Komoditas Pertanian Indonesia

No. Komoditas Pertanian Income Multiplier

12

28

27

19

17

13

9

15

26

24

33

25

18

30

20

29

14

7

22

21

1

31

32

2

6

23

10

Karet



Teh

Tembakau

Tebu

Sayur-sayuran

Kelapa sawit

Susu segar


Udang


Kopi

Hasil hutan lainnya

Cengkeh

Kayu

Kelapa

Kedele

Jambu mete

Kakao

Padi



Jagung

Kacang


Buah-buahan

0.46

0.37

0.34

0.33

0.31

0.31

0.29

0.28

0.28

0.28

0.27

0.24

0.24

0.22

0.22

0.21

0.20

0.20

0.20

0.19

0.18

0.17

0.17

0.15

0.15

0.15

0.14

16

5

11

8

3

4

Hasil tanaman serat

Umbi-umbian lainnya



Ketela pohon

Ubi jalar

0.14

0.14

0.13

0.13

0.11

0.11


Lampiran 5

Indeks Komposit Seluruh Komoditas Pertanian di Indonesia

No. Komoditas Pertanian IK Ranking 1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

Padi

Jagung

Ketela pohon

Ubi jalar

Umbi-umbian lainnya

Kacang

Kedele


Sayur-sayuran

Buah-buahan


Karet

Tebu

Kelapa

Kelapa sawit

Hasil tanaman serat

Tembakau

Kopi

Teh

Cengkeh

0.135

0.123

0.109

0.102

0.111

0.115

0.125

0.113

0.129

0.109

0.113

0.165

0.143

0.123

0.144

0.109

0.158

0.144

0.134

0.123

12

17

32

33

29

25

16

27

15

30

28

1

8

19

6

31

2

5

14

18

21

22

23

24

25

26

27

28

29

30

31

32

33

Kakao

Jambu mete




Susu segar



Kayu

Hasil hutan lainnya



Udang

0.121

0.117

0.136

0.143

0.135

0.145

0.157

0.140

0.122

0.121

0.114

0.119

0.139

21

24

11

7

13

4

3

9

20

22

26

23

10

Rata-Rata 0,128


Lampiran 6

Uji Stasioneritas Data Bulanan Produksi Karet Indonesia

Lampiran 7

Output Model ARIMA (1,0,1)(1,1,1)6

Lampiran 8


Lampiran 9


Lampiran 10

Pengujian Asumsi Normalitas

Lampiran 11

Pengujian Asumsi Homoskedatisitas

Lampiran 12

Pengujian Asumsi Non-Autokorelasi

Lampiran 13

Peramalan Produksi Karet Indonesia Periode Januari 2011 Desember 2013

Tahun Bulan Peramalan

Produksi (Ton)

Estimasi BPS

Produksi (Ton)

2011

Januari 249,042.46 257,113

Februari 212,746.33 230,852

Maret 204,279.08 224,789

April 219,454.52 234,300

Mei 258,156.36 288,989

Juni 292,153.21 330,025

Juli 266,929.48 296,512

Agustus 200,818.99 215,004

September 190,494.98 203,022

Oktober 238,873.49 265,428

November 239,533.32 257,517

Desember 265,523.67 284,876

2012

Januari 258,599.94 -

Februari 217,331.83 -

Maret 208,554.81 -

April 229,266.92 -

Mei 261,625.08 -

Juni 294,286.81 -

Juli 272,114.67 -

Agustus 210,146.73 -

September 200,080.68 -

Oktober 243,845.72 -

November 249,791.36 -

Desember 276,894.19 -

2013

Januari 267,427.74 -

Februari 222,707.84 -

Maret 213,715.88 -

April 238,272.15 -

Mei 266,225.92 -

Juni 297,960.68 -

Juli 277,907.26 -

Agustus 218,815.51 -

September 208,928.57 -

Oktober 249,490.47 -

November 259,106.05 -

Desember 286,981.27 -

penentuan komoditas unggulan pertanian indonesia dan penyusunan model peramalan volume produksinya

Documents