analisis pencapaian program swasembada beras … · tanaman pangan khususnya beras menjadi fokus...

ANALISIS PENCAPAIAN PROGRAM SWASEMBADA BERAS

PADA TAHUN 2017 DI INDONESIA

RAHAYU

DEPARTEMEN EKONOMI SUMBERDAYA DAN LINGKUNGAN

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

BOGOR

2016

PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI

SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Pencapaian

Program Swasembada Beras pada Tahun 2017 di Indonesia adalah benar karya

saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk

apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau

dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah

disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir

skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada

Institut Pertanian Bogor.

Bogor, Agustus 2016

Rahayu

NIM H44120031

ABSTRAK

RAHAYU. Analisis Pencapaian Program Swasembada Beras Pada Tahun 2017 di

Indonesia. Dibimbing oleh ADI HADIANTO dan FITRIA DEWI RASWATIE.

Tanaman pangan khususnya beras menjadi fokus utama dalam target

swasembada pangan pada tahun 2017. Meningkatnya konsumsi beras domestik

menyebabkan permintaan terhadap impor tetap dilakukan untuk mencapai kondisi

ketahanan pangan, Indonesia harus dapat mengurangi ketergantungan terhadap

impor melaui swasembada beras. Tujuan penelitian ini adalah menganalisis

perkembangan produksi dan konsumsi beras di Indonesia. Menganalisis faktor-

faktor apa saja yang mempengaruhi produksi padi dan konsumsi beras di

Indonesia, kemudian memproyeksikan produksi dan konsumsi beras domestik

tahun 2017 untuk melihat target pencapaian swasembada beras di Indonesia, serta

menyusun strategi kebijakan dan implikasinya dalam upaya pencapaian

swasembada tersebut. Hasil analisis menyatakan bahwa produksi dan konsumsi

beras domestik pada tahun 1985-2014 meningkat sebesar 2,13% dan 1,4% per

tahun, dimana faktor-faktor yang mempengaruhi produksi padi adalah luas areal

panen dan harga riil pupuk urea, sedangkan faktor yang mempengaruhi konsumsi

beras domestik yaitu populasi, dan PDB riil Indonesia. Hasil proyeksi produksi

dan konsumsi beras pada tahun 2015-2017 mengalami peningkatan sebesar 1,72%

dan 0,55% pertahun. Proyeksi produksi beras domestik tahun 2017 sebesar

46.790,7 ribu ton sedangkan konsumsinya sebesar 39.006,1 ribu ton, maka

swasembada yang dicanangkan oleh pemerintah melalui RPJMN tahun 2015-2019

dapat tercapai pada tahun 2017. Oleh karena itu, rekomendasi kebijakan untuk

meningkatkan produksi padi sebaiknya melanjutkan kebijakan yang sudah

diterapkan oleh pemerintah.

Kata kunci: beras, konsumsi, produksi, swasembada

ABSTRACT

RAHAYU. Achievement Analysis of Rice Self Sufficiency Program in 2017 in

Indonesia. Supervised by ADI HADIANTO and FITRIA DEWI RASWATIE.

Food crops especially rice became the main focus on food self-sufficiency

target in 2017. Domestic rice consumption increasing means that demand for

imports still occur, in order to achieve food security conditions, Indonesia should

be able to reduce its dependency on imports through rice self-sufficiency. The

purpose of research are to analyze the development of rice production and

consumption in Indonesia. Analyze the factors that influence rice production and

consumption in Indonesia, and then projecting domestic rice production and

consumption in 2017 to see a target of achieving self-sufficiency in rice in

Indonesia, and to compile strategies and policy implications in efforts to achieve

self-sufficiency. The results of this research are domestic rice production and

consumption in 1985-2014 increased by 2.13% and 1.4% per annum, which

factors influence the production of rice is harvest area and the real price of urea

fertilizer, while the factors which affect domestic rice consumption is population

and real GDP in Indonesia. The projection result of production and consumption

of rice in 2015-2017 increased by 1,71% and 0,55% per year. Projected domestic

rice production in 2017 amounted to 46.790,7 thousand tons, while consumption

amounted to 39.006,1 thousand tons, so the self-sufficiency proclaimed by the

government through RPJMN for 2015-2019 can be achieved in 2017. Therefore,

policy recommendations that has been implemented to increase rice production

should be continue by the government.

Key words: consumption, production, rice, self-sufficiency

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Ekonomi

pada

Departemen Ekonomi Sumberdaya dan lingkungan

ANALISIS PENCAPAIAN PROGRAM SWASEMBADA BERAS

PADA TAHUN 2017 DI INDONESIA

DEPARTEMEN EKONOMI SUMBERDAYA DAN LINGKUNGAN

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

BOGOR

2016

RAHAYU

PRAKATA

Alhamdulillah, puji dan syukur penulis panjatkan kepada Allah SWT atas

segala rahmat dan karunia-Nya sehingga skripsi ini berhasil diselesaikan. Penulis

menyadari bahwa penyusunan skripsi ini tidak lepas dari bimbingan dan

dukungan banyak pihak. Penulis menyampaikan rasa terima kasih kepada:

1. Kedua orang tua (Iman dan Lilis Diana), Kakak (Lukman Hakim dan Agung

Surya Permana), Adik (Muhammad Billal) atas segala dukungan, doa, dan

kasih sayang yang diberikan.

2. Adi Hadianto, SP, MSi selaku doesn pembimbing I dan Fitria Dewi Raswatie,

SP, MSi selaku dosen pembimbing II atas bimbingan, bantuan, dan waktu

yang telah diberikan.

3. Rizal Bahtiar, SP, MSi sebagai dosen penguji I dan Ibu Arini Hardjanto, SE,

MSi sebagai dosen penguji II atas masukan dan sarannya.

4. Prof. Dr. Ir. Bonar M Sinaga, MA selaku wali akademik selama penulis

menjalani perkuliahan.

5. Staf Pegawai di Pusat Data dan Informasi Kementerian Pertanian, dan Badan

Pusat Statistik yang telah membantu dan mendukung selama pengumpulan

data.

6. Direktorat Kemahasiswaan yang telah memberikan beasiswa pendidikan

selama menjalani perkuliahan di IPB.

7. Sahabat (Hidayati, Ratih, Menthia, Tania, Wiwit, Gope, 28’SHS, Boomers,

Asbunawa, dan Klaces).

8. Prihatin Abimanyu atas motivasi yang diberikan

9. Keluarga besar ESL 49 IPB

10. REESA IPB Kabinet Biru Muda

11. Rekan satu bimbingan skripsi (Linda, Desi, Tiwi, Astrid, Bunga, dan Dita).

Penulis menyadari bahwa skripsi ini masih belum sempurna, sehingga

kritik dan saran yang membangun sangat diharapkan, semoga skripsi ini

bermanfaat.

Bogor, Agustus 2016

Rahayu

NIM H44120031

DAFTAR ISI

Halaman

DAFTAR TABEL .............................................................................................. xii

DAFTAR GAMBAR .......................................................................................... xiv

DAFTAR LAMPIRAN ...................................................................................... xiv

I. PENDAHULUAN ....................................................................................... 1

1.1 Latar Belakang ........................................................................................ 1

1.2 Perumusan Masalah ................................................................................ 5

1.3 Tujuan Penelitian .................................................................................... 7

1.4 Manfaat Penelitian .................................................................................. 7

1.5 Ruang Lingkup Penelitian ...................................................................... 8

II. TINJAUAN PUSTAKA ............................................................................. 9

2.1 Beras ....................................................................................................... 9

2.2 Perkembangan Produksi dan Konsumsi Beras di Indonesia .................. 10

2.3 Kebijakan Swasembada Beras di Indonesia ........................................... 12

2.4 Metode Penelitian ................................................................................... 14

2.5 Penelitian Terdahulu ............................................................................... 15

III. KERANGKA PEMIKIRAN ...................................................................... 25

3.1 Kerangka Pemikiran Teoritis .................................................................. 25

3.1.1 Produksi dan Konsumsi Beras ...................................................... 25

3.1.2 Teori Penawaran dan Permintaan ................................................. 28

3.1.3 Metode Analisis Statistik Deskriptif Kuantitatif .......................... 29

3.1.4 Model Regresi Linear Berganda ................................................... 30

3.1.5 Metode Peramalan Box Jenkins atau ARIMA (Autoregressiv

Integrated Moving Average) ......................................................... 30

3.2 Kerangka Pemikiran Operasional .......................................................... 32

IV. METODE PENELITIAN........................................................................... 35

4.1 Jenis dan Sumber data ............................................................................ 35

4.2 Metode Analisis dan Pengolahan Data ................................................... 35

4.2.1 Metode Analisis Deskriptif Kuantitatif ........................................ 36

4.2.2 Analisis Faktor-Faktor yang Mempengaruhi Produksi dan

Konsumsi Beras Domestik ........................................................... 37

4.2.3 Model Persamaan Regresi Linear Berganda ................................ 38

4.2.4 Metode ARIMA (Autoregressive Integrated Moving Average) ... 43

V. HASIL DAN PEMBAHASAN ................................................................... 49

5.1 Perkembangan Produksi dan Konsumsi Beras di Indonesia .................. 49

5.1.1 Perkembangan Produksi dan Konsumsi Beras di Indonesia

Periode 1985-1994 ....................................................................... 51


Periode 1995-2004 ....................................................................... 52


Periode 2005-2014 ....................................................................... 54

5.2 Analisis Faktor-Faktor yang Mempengaruhi Produksi Padi dan

Konsumsi Beras Domestik ..................................................................... 56

5.2.1 Model Produksi Padi Domestik.................................................... 56

5.2.2 Model Konsumsi Beras Domestik................................................ 60

5.3 Hasil Proyeksi Produksi dan Konsumsi Beras Domestik ....................... 64

5.3.1 Analisis Hasil Proyeksi Produksi dan Konsumsi Beras

Domestik ...................................................................................... 65

VI. KESIMPULAN DAN SARAN ................................................................... 67

6.1 Kesimpulan ............................................................................................. 67

6.2 Saran........................................................................................................ 68

DAFTAR PUSTAKA ......................................................................................... 71

LAMPIRAN ........................................................................................................ 77

RIWAYAT HIDUP ............................................................................................. 95

DAFTAR TABEL

Nomor Halaman

1. Produk Domestik Bruto (PDB) Indonesia atas dasar harga konstan 2000

menurut lapangan usaha tahun 2013-2014 (Triliun Rupiah) ........................ 1

2. Rata-rata konsumsi beras lima negara terbesar di dunia, Tahun

2013/2014-2014/2015 .................................................................................... 2

3. Luas areal panen di Jawa dan luar Jawa (Ha) serta produktivitas padi

(Kw/Ha) pada tahun 2010-2014 .................................................................... 6

4. Matriks penelitian terdahulu ......................................................................... 17

5. Matriks analisis data...................................................................................... 35

6. Aturan keputusan uji d Durbin-Watson ........................................................ 41

7. Luas panen, produktivitas dan produksi padi di Indonesia periode

1985-1994 ..................................................................................................... 52


1995-2004 ..................................................................................................... 53


2005-2014 ..................................................................................................... 55

10. Hasil analisis model regresi produksi padi domestik dengan

Minitab 16 ..................................................................................................... 57

11. Hasil analisis model regresi konsumsi beras domestik dengan

Minitab 16 .................................................................................................... 61

12. Kesenjangan hasil proyeksi antara produksi dan konsumsi beras

domestik tahun 2015-2017 ........................................................................... 65

DAFTAR GAMBAR

Nomor Halaman

1. Pertumbuhan penduduk Indonesia tahun 2005-2014 .................................... 3

2. Konsumsi beras domestik tahun 2005-2014 .................................................. 3

3. Jumlah volume impor beras di Indonesia pada tahun 2005-2014 ................. 4

4. Fungsi Produksi Fisik Total (TPP), Produk Fisik Marginal (MPP) dan

Produk Fisik Rata-rata (APP) ....................................................................... 26

5. Diagram metodologi Box-Jenkins ................................................................ 32

6. Kerangka pemikiran operasional .................................................................. 34

7. Produksi dan konsumsi beras di Indonesia periode 1985-1994 ................... 52



DAFTAR LAMPIRAN

Nomor Halaman

1. Data yang digunakan dalam model ekonometrika ....................................... 77

2. Hasil analisis faktor-faktor yang mempengaruhi produksi padi

domestik dengan Minitab 16 ......................................................................... 81

3. Hasil analisis regresi produksi padi domestik .............................................. 83

4. Hasil analisis faktor-faktor yang mempengaruhi konsumsi beras

domestik dengan Minitab 16 ......................................................................... 84

5. Hasil regresi konsumsi beras domestik ....................................................... 86

6. Hasil uji time series plot untuk melihat tren dalam menentukan

kestasioneran data produksi beras dengan Minitab 16 .................................. 87

7. Hasil uji time series untuk melihat kestasioneran data produksi beras

dengan first difference dengan Minitab 16.................................................... 87

8. Hasil uji time series untukmelihat kestasioneran data produksi beras

dengan second difference dengan Minitab 16 ............................................... 87

9. Hasil analisis plot ACF dan PACF data produksi beras domestik

dengan Minitab 16......................................................................................... 87

10. Hasil analisis plot ACF dan PACF data produksi beras domestik pada

first difference dengan Minitab 16 ................................................................ 88

11. Hasil analisis plot ACF dan PACF data produksi beras domestik pada

second difference dengan Minitab 16 ........................................................... 88

12. Hasil analisis estimasi model ARIMA untuk data produksi beras

domestik dari tahun 1985-2014 dengan Minitab 16 (Ribu Ton)................... 89

13. Hasil times series plot untuk melihat trend dalam menentukan

kestasioneran data konsumsi beras dengan Minitab 16 ................................ 91

14. Hasil uji times series untuk melihat trend kestasioneran data

konsumsi beras dengan first difference dengan Minitab 16 .......................... 91

15. Hasil analisis plot ACF dan PACF data konsumsi beras domestik

dengan Minitab 16 ......................................................................................... 91


pada first difference dengan Minitab 16 ........................................................ 91

17. Hasil estimasi model ARIMA untuk data konsumsi beras domestik

dari tahun 1985-2014 dengan Minitab 16 (Ribu Ton) ................................... 92

18. Hasil analisis plot ACF dan PACF data produksi beras domestik

pada seccond difference dengan Minitab 16.................................................. 94


pada first difference dengan Minitab 16 ........................................................ 94

I PENDAHULUAN

1.1 Latar Belakang

Indonesia merupakan negara agraris dimana sektor pertanian memegang

peranan penting bagi perekonomian secara menyeluruh. Sektor pertanian

merupakan penyerap tenaga kerja terbesar yaitu 30,2% dari jumlah tenaga kerja

Indonesia seluruhnya (Kementerian Pertanian, 2015). Pembangunan sektor

pertanian memiliki beberapa tujuan, yaitu: (1) Meningkatkan hasil dan mutu

produksi; (2) Meningkatkan pendapatan dan taraf hidup petani, peternak dan

nelayan; (3) Memperluas lapangan kerja dan kesempatan berusaha; (4)

Menunjang pembangunan industri; dan (5) Meningkatkan eskpor, sehingga perlu

adanya usaha diversifikasi, intensifikasi dan ekstensifikasi (Wardojo, 1988).

Tujuan tersebut dapat dilakukan secara merata disesuaikan dengan kondisi tanah,

air, dan iklim, dengan tetap memelihara kelestarian kemampuan sumber alam dan

lingkungan hidup serta memperhatikan pola kehidupan masyarakat setempat.

Berikut ini tabel 1 produk domestik bruto menurut lapangan usaha tahun 2012-

2014.

Tabel 1 Produk Domestik Bruto (PDB) Indonesia atas dasar harga konstan 2000

menurut lapangan usaha tahun 2013-2014 (Triliun Rupiah)

No Lapangan Usaha Tahun

2012 2013* 2014**

1. Pertanian, Peternakan, Kehutanan, dan

Perikanan 328,3 339,6 350,7

2. Pertambangan dan Penggalian 193,1 195,9 195,4

3. Industri Pengolahan 670,2 707,5 741,8

4. Listrik, Gas, dan Air Bersih 20,1 21,3 22,4

5. Bangunan 170,9 182,1 194,1

6. Perdagangan, Hotel, dan Restoran 473,2 501,0 524,0

7. Pengangkutan dan Komunikasi 265,4 291,4 318,5

8. Keuangan, Persewaan dan Jasa

Perusahaan 253,0 272,1 288,4

9. Jasa-jasa 244,8 258,2 273,5

Total 2.619,0 2.769,1 2.909,2 Sumber: Badan Pusat Statistik, 2016a

Keterangan: * Angka sementara

** Angka sangat sementara

Berdasarkan data pada tabel 1, sektor pertanian memiliki kontribusi yang

besar terhadap pembangunan nasional. Menurut data BPS (2016), sektor pertanian

menyumbang sebesar 339,6 triliun rupiah terhadap Produk Domestik Bruto (PDB)

Indonesia pada tahun 2013 dan meningkat menjadi 350,7 triliun rupiah pada tahun

2014. Kontribusi ini menempatkan sektor pertanian pada posisi kedua setelah

industri pengolahan yang menyumbang sebesar 707,5 triliun rupiah pada tahun

2013 dan meningkat sebesar 741,8 triliun rupiah pada tahun 2014. Keberhasilan

dalam sektor pertanian tidak akan berkembang tanpa adanya dukungan dari sektor

non-pertaniann sehingga perlu adanya dukungan dari sektor lain untuk

memajukan sektor pertanian.

Sektor pertanian terbagi menjadi tiga sub sektor yaitu tanaman pangan,

hortikultura, dan perkebunan. Sub sektor tanaman pangan memiliki peranan yang

penting selain memiliki kontribusi yang paling besar diantara sub sektor lainnya,

sub sektor ini juga berperan dalam rangka meningkatkan ketahanan pangan

nasional seperti kontribusi dari tanaman padi, jagung dan kedelai dalam rangka

memenuhi kebutuhan makanan pokok masyarakat Indonesia. Indonesia

merupakan negara dengan konsumsi beras terbesar ketiga setelah China dan India,

hal didukung dengan lebih dari 90% masyarakat Indonesia mengonsumsi beras

setiap harinya sehingga ketidakstabilan dalam masalah penanganan pangan

khususnya beras akan berdampak pada berbagai aspek kehidupan seperti kondisi

sosial, stabilitas ekonomi, lapangan pekerjaan, dll (Kementerian Pertanian, 2015).

Rata-rata konsumsi beras lima negara terbesar di dunia dapat dilihat pada tabel 2.

Tabel 2 Rata-rata konsumsi beras lima negara terbesar di dunia, tahun 2013/2014-

2014/2015 (Ribu Ton)

No Negara Tahun

2013/2014 2014/2015

1. China 146.300 148.400

2. India 99.180 99.351

3. Indonesia 38.500 38.600

4. Bangladesh 34.900 35.300

5. Vietnam 22.000 21.900

Lainnya 86.898 87.233

Dunia 478.138 482.447 Sumber: Kementerian Pertanian, 2015a

Besarnya konsumsi beras di Indonesia disebabkan juga oleh tingginya

jumlah penduduk Indonesia (gambar 1), dimana peningkatan penduduk di

Indonesia menyebabkan konsumsi beras di Indonesia terus meningkat (gambar 2).

Tingginya konsumsi beras di Indonesia menyebabkan impor beras tidak bisa

dihentikan sehingga sampai saat ini Indonesia masih mengimpor beras dari negara

luar. Dampak negatif dari hal ini adalah beras merupakan barang thin market

sehingga ketika ketersediaan beras dunia menipis maka akan mengganggu

ketahanan pangan Indonesia. Pertumbuhan penduduk dan perkembangan

konsumsi beras domestik dapat dilihat pada gambar 1 dan 2.

Sumber: Badan Pusat Statistik, 2012b

Gambar 1 Pertumbuhan penduduk Indonesia tahun 2005-2014

Sumber: Kementerian Pertanian, 2015b

Gambar 2 Konsumsi beras domestik tahun 2005-2014

Terlihat jelas pada gambar 3 bahwa Indonesia masih menggantungkan

pangannya dari negara luar, untuk mencapai kondisi ketahanan pangan, Indonesia

harus dapat mengurangi ketergantungannya terhadap impor melalui pencapaian

swasembada pangan khususnya beras yang merupakan bahan pokok yang sangat

penting bagi masyarakat Indonesia. Ketahanan pangan di Indonesia ditegaskan

dalam Undang-Undang nomor 18 tahun 2012 tentang pangan yaitu “kondisi

terpenuhinya pangan bagi negara sampai dengan perseorangan, yang tercermin

dari tersedianya pangan yang cukup, baik jumlah maupun mutunya, aman,

210000

215000

220000

225000

230000

235000

240000

245000

250000

255000

260000

2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

Jumlah Penduduk (Ribu Jiwa)

33000

34000

35000

36000

37000

38000

39000

2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

Konsumsi Beras (Ribu Ton)

beragam, bergizi, merata, dan terjangkau serta tidak bertentangan dengan agama,

keyakinan, budaya masyarakat, untuk dapat hidup sehat aktif dan produktif secara

berkelanjutan” (DJPP, 2012)

Sumber: Kementerian Pertanian, 2015c

Gambar 3 Jumlah volume impor beras di Indonesia pada tahun 2005-2014

Beras merupakan bahan pangan utama sebagian besar masyarakat

Indonesia. Menurut Kasryono dan Pasandaran (2004) terdapat tiga pesan untuk

menghadapi masalah dan tantangan ekonomi padi dan perberasan di masa yang

akan datang, yaitu: (1) Pendekatan bersprektum luas serta terpadu dalam

pendekatan wilayah, pengetahuan, teknologi, dan komunitas, meliputi prespektif

kebijakan, pola pendekatan produksi dan usaha tani, pengelolaan sumberdaya,

inovasi teknologi, serta berbagai faktor yang mempengaruhi konsumsi dan

perdagangan beras; (2) Pendekatan yang memperhatikan kelestrarian lingkungan

dan keseimbangan ekosistem; dan (3) Pendekatan yang berbasis ilmu pengetahuan

dan teknologi (Iptek). Beras merupakan komoditi yang strategis dan politis, selain

bernilai strategis dari sisi ekonomi, beras juga penting sebagai instrumen untuk

menjaga kestabilan keamanan pangan rakyat Indonesia. Beras juga sangat

berpengaruh bagi golongan menengah kebawah (Amang dan Sawit, 1999).

Sejarah telah membuktikan bahwa ketidakstabilan persediaan pangan khususnya

beras telah memicu terjadinya kerusuhan dan tindak kriminal pada periode awal

reformasi, sehingga peran dan campur tangan pemerintah dalam hal ini menjadi

perlu dalam hal mencukupi kebutuhan beras dalam negeri dan menjaga

ketersediaan beras sepanjang tahun dengan distribusi yang merata dan harga beras

yang stabil.

0

500000

1000000

1500000

2000000

2500000

3000000

2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

Impor Beras (Ton)

Swasembada beras merupakan salah satu program yang tertuang dalam

rencana pembangunan jangka menengah nasional (RPJMN) tahun 2015-2019,

dimana selama lima tahun kedepan Kementerian Pertanian tetap menempatkan

padi, jagung, dan kedelai sebagai komoditas utama. Sehubungan dengan itu, target

Kementerian Pertanian selama lima tahun tersebut adalah pencapaian swasembada

dan swasembada berkelanjutan. Target pemerintah untuk swasembada

berkelanjutan untuk beras akan mampu dicapai pada tahun 2017 sebesar

79.370.274 Ton untuk produksi padi. Tahun 1984 Indonesia mampu mencapai

swasembada beras. Menurut Hafsah dan Sudaryanto (2004), keberhasilan

swasembada beras pada tahun 1984 disebabkan oleh dukungan politik pemerintah

yang memprioritaskan pembangunan pertanian disertai kebijakan ekonomi makro

yang mendukung, terobosan teknologi baru (Revolusi Hijau) budidaya padi sawah

dan kebijakan intensifikasi pertanian (Bimas) yang mengatur penerapan paket

teknologi secara sentralistik. Kurangnya dukungan politik pada pembangunan

pertanian menyebabkan swasembada beras ini gagal dipertahankan. Oleh karena

itu, penelitian ini menjadi penting untuk dilakukan agar dapat meramalkan

pencapaian target swasembada berkelanjutan untuk beras pada tahun 2017 yang

akhirya dapat memberikan gambaran mengenai faktor-faktor apa saja yang

mempengaruhi peningkatan produksi padi domestik sehingga dapat memberikan

alternatif strategi kebijakan guna mendukung tercapainya swasembada beras pada

tahun 2017.

1.2 Rumusan Masalah

Padi merupakan tanaman pangan utama bagi Indonesia selain jagung dan

kedelai. Ketersediaan padi dalam hal ini menjadi perlu guna memenuhi kebutuhan

konsumsi pangan bagi masyarakat, rumah tangga dan perseorangan secara

berkelanjutan. Indonesia merupakan negara konsumsi beras ketiga terbesar di

dunia, sehingga ketersediaan beras merupakan aspek penting dalam mewujudkan

ketahanan pangan. Menurut Lantarsih, et al (2011) sebagian provinsi di Indonesia

tidak mampu mencukupi kebutuhan konsumsi beras wilayahnya sendiri. Terdapat

11 provinsi yang mengalami defisit beras dan sebanyak 22 provinsi mengalami

surplus beras dengan memperhitungkan besarnya cadangan pangan ideal dan sisa

stok bulog tahun 2008. Oleh karena itu, untuk memenuhi defisit beras sebesar

2,09 juta ton diperlukan biaya distribusi sebesar Rp 1,016 milyar sehingga

distribusi dari daerah surplus ke daerah defisit perlu didukung dengan sarana dan

prasarana distribusi yang memadai untuk mendukung kelancaran distribusi beras.

Luas arel panen di Jawa dan luar Jawa serta produktivitas padi dapat dilihat pada

tabel 3.

Tabel 3 Luas areal panen di Jawa dan luar Jawa (Ha) serta produktivitas padi

(ku/ha) pada tahun 2010-2014

No Tahun Luas Panen ( 000 Ha) Produktivitas padi

(Ku/Ha) Jawa Luar Jawa

1. 2010 6.358,5 6.894,9 50,15

2. 2011 6.165,1 7.038,6 49,80

3. 2012 6.467,5 7.260,0 51,36

4. 2013 6.467,1 7.368,2 51,52

5. 2014 6.400,0 7.397,3 51,35 Sunber: Kementerian Pertanian, 2015d

Berdasarkan tabel 3, Produksi padi di Indonesia antara tahun 2010-2014

meningkat rata-rata sebesar 1,63%/tahun. Peningkatan produksi padi dipicu oleh

peningkatan luas areal panen seluas 540 ribu ha dan produktivitas sebesar 1,20

ku/ha. Pertumbuhan padi di Jawa sekitar 0,20 %/tahun sedangkan diluar Jawa

sekitar 1,76 %/tahun (Kementerian Pertanian, 2015). Berdasarkan gambar 1,

peningkatan pertumbuhan penduduk menyebabkan konsumsi beras domestik terus

mengalami peningkatan. Hal ini berdampak pada impor beras masih dilakukan

(gambar 3). Oleh karena itu untuk mengatasi masalah tersebut pemerintah

melakukan upaya melalui program swasembada pangan untuk dapat memenuhi

kebutuhan beras domestik.

Swasembada pangan di Indonesia khususnya padi telah tertuang dalam

Rencana Pembangunan Jangka Menengah Nasional (RPJMN) mengenai

swasembada berkelanjutan. Swasembada beras ini dicanangkan harus tercapai

pada tahun 2017 sebesar 79.370.274 ton untuk produksi padi. Hal yang telah

disiapkan pemerintah dalam mewujudkan swasembada padi tersebut tertuang

dalam Strategi Utama Penguatan Pembangunan Pertanian untuk Kedaulatan

Pangan (P3KP), yaitu: (1) Peningkatan ketersediaan dan pemanfaatan lahan; (2)

Peningkatan infrastruktur dan sarana pertanian; (3) Pengembangan dan perluasan

logistik benih/bibit; (4) Penguatan kelembagaan petani; (5) Pengembangan dan

penguatan pembiayaan pertanian; (6) Pengembangan dan penguatan bioindustri

dan bioenergi; dan (7) Penguatan jaringan pasar produk pertanian. Berdasarkan

hal tersebut yang masih menjadi pertanyaan adalah apakah swasembada beras

seperti yang diinginkan akan tercapai sedangkan masih banyak faktor-faktor yang

kurang mendukung dalam pencapaian swasembada beras. Sehingga penelitian ini

menjadi perlu untuk dikaji guna mendukung program swasembada beras tersebut.

Berdasarkan pemaparan di atas, maka perumusan masalah yang akan

dikaji dalam penelitian ini adalah:

1. Bagaimana perkembangan produksi dan konsumsi beras domestik?

2. Apa saja faktor-faktor yang mempengaruhi produksi padi dan konsumsi

beras domestik?

3. Berapakah besarnya produksi dan konsumsi beras domestik tahun 2017

untuk melihat target pencapaian swasembada beras di Indonesia, serta

bagaimana strategi kebijakan dan implikasi dalam upaya pencapaian

swasembada tersebut?

1.3 Tujuan Penelitian

Berdasarkan permasalahan yang diuraikan di atas, penelitian ini secara

umum bertujuan untuk menganalisis target pencapaian program swasembada

beras di Indonesia tahun 2017. Secara spesifik tujuan dilaksanakaanya penelitian

ini adalah sebagai berikut:

1. Menganalisis perkembangan produksi dan konsumsi beras domestik.

2. Menganalisis faktor-faktor yang mempengaruhi produksi padi dan

konsumsi beras domestik.

3. Memproyeksikan produksi dan konsumsi beras domestik tahun 2017 untuk

melihat target pencapaian swasembada beras di Indonesia, serta menyusun

strategi kebijakan dan implikasinya dalam upaya pencapaian swasembada

tersebut.

1.4 Manfaat Penelitian

Hasil penelitian ini diharapkan dapat memberikan informasi terhadap

perkembangan pengetahuan terutama yang berkaitan dengan kebijakan ekonomi

pada komoditas beras dan dampaknya terhadap kesejahteraan produsen dan

konsumen beras di Indonesia. Manfaat lain dari penelitian ini diantaranya:

1. Penelitian ini diharapkan berfungsi sebagai bahan informasi bagi

pemerintah dalam suatu pengambilan keputusan atau kebijakan yang

mampu melindungi kesejahteraan masyarakat, khususnya petani padi serta

mengurangi ketergantungan impor beras di Indonesia.

2. Penelitian ini diharapkan dapat menjadi bahan rujukan bagi akademisi dan

peneliti lain untuk penelitian-penelitian selanjutnya.

1.5 Ruang Lingkup Penelitian

Penelitian ini merupakan suatu kajian terhadap permasalahan yang sedang

dihadapi di bidang pertanian khususnya komoditas beras. Penelitian ini dimulai

dengan menganalisis perkembangan produksi dan konsumsi beras domestik di

Indonesia hingga tahun 2014, lalu menganalisis faktor-faktor yang mempengaruhi

produksi dan konsumsi beras domestik, kemudian melakukan proyeksi terhadap

produksi dan konsumsi beras sehingga didapatkan ramalan target produksi yang

harus dipenuhi agar swasembada beras tahun 2017 dapat tercapai. Keterbatasan

penelitian ini adalah data yang digunakan adalah data tahunan sehingga model

yang dirumuskan tidak menggambarkan fluktuasi bulanan ataupun musiman.

II TINJAUAN PUSTAKA

2.1 Beras

Beras berperan peting bagi Indonesia karena sebagian besar masyarakat

Indonesia mengkonsumsi beras setiap harinya. Terdapat berbagai macam jenis

komoditas beras di Indonesia yaitu Blang Bintang, Jongkong IR 64, IR-42 Solok,

Sokan, Dolog, IR 64, IR II, IR Kw II, Irri-I, Hanyar, IR-II/64, dan R-64/II

(Kementerian Pertanian, 2015). Menurut Dawe (1997) dan Tsujii (1998) dalam

Sawit (1999) karakteristik beras sebagai berikut: (1) 90% produksi dan konsumsi

beras dilakukan di Asia, hal ini berbeda dengan gandum dan jagung yang

diproduksi oleh banyak negara di dunia; (2) Beras yang diperdagangkan di pasar

dunia tipis (thin market) yaitu antara 4-5% dari total produksi, beda sekali dengan

sejumlah komoditas lainnya seperti gandum (20%), jagung (15%), dan kedelai

(30%). Pada umumnya volume beras yang diperdagangkan merupakan sisa dari

konsumsi di suatu negara. Semakin tidak stabilnya harga beras dunia maka

semakin besar tingkat self-sufficiency beras yang dianut oleh suatu negara,

demikian juga rumah tangga tani di Asia, mereka menyimpan lebih banyak bila

harga beras tidak stabil guna mengurangi resiko ketahanan pangan rumah tangga;

(3) Harga beras amat tidak stabil dibandingkan dengan komoditas pangan lainnya

misalnya gandum; (4) 80% perdagangan beras dikuasai oleh 6 negara yaitu

Thailand, AS, Vietnam, Pakistan, Cina, dan Myanmar. Oleh karena itu, harga

beras di pasar internasional adalah tidak sempurna, harga beras akan ditentukan

oleh kekuatan oligopoli tersebut; (5) Indonesia merupakan negara net importer

terbesar beras, karena pada tahun 1998 Indonesia mengimpor berasnya hingga

31% dari total beras yang ada diperdagangkan di pasar dunia sehingga apabila

Indonesia masuk dalam pasar beras internasional maka harga beras naik dan dapat

memikul negara miskin yang net importer beras; (6) Hampir banyak negara di

Asia, memperlakukan beras sebagai wage goods dan political goods.

Padi dihasilkan oleh 18 juta petani pangan, 49% diataranya adalah petani

sempit yaitu menguasai lahan kurang dari 0,24 ha/keluarga (Wardojo, 1993). Padi

mampu menyumbang pendapatan antara 40% sampai 60% terhadap pendapatan

negara sehingga pembangunan sub sektor pangan khususnya padi mampu

mengurangi jumlah orang miskin yang signifikan di pedesaan Jawa,

meningkatknya pendapatan di komoditas ini telah menarik sektor lain untuk

berkembang di desa baik yang terkait dengan padi misalnya penggilingan padi dan

perdagangannya, tetapi juga dapat meningkatnya daya beli masyarakat sehingga

mendorong sektor lain berkembang seperti perdagangan, warung, transportasi dan

sebagainya di pedesaan. Sawit (2005) menyatakan bahwa sumbangan industri

beras terhadap GDP pertanian mencapai 28,8% pada tahun 2005 dengan

penyerapan tenaga kerja mencapai 28,79% dari total penyerapan tenaga kerja di

sektor pertanian (agriculture employment) atau setara dengan 12,05 juta orang.

Oleh karena itu untuk mendukung komoditas padi salah satunya adalah instrumen

kebijakan untuk peningkatan produktivitas petani padi dan produksi beras

nasional melalui: (1) Pengembangan infrastruktur untuk mendukung usaha padi;

(2) Peningkatan akses petani terhadap sarana produksi dan sumber permodalan;

(3) Peningkatan mutu intensifikasi usaha padi dengan menggunakan teknologi

maju; (4) Ekstensifikasi lahan pertanian di lahan kering, rawa pasang surut, lebak,

dan daerah bukaan baru; dan (5) Peningkatan akses petani terhadap sarana

pengolahan pascapanen dan pemasaran (Wardojo, 1998).

2.2 Perkembangan Produksi dan Konsumsi Beras di Indonesia

Sejak zaman penjajahan Belanda, Pulau Jawa adalah penghasil berbagai

komoditas pangan dan tebu, Sumatera dan Kalimantan penghasil tanaman

perkebunan, Sulawesi dan Maluku penghasil tanaman rempah, dan Nusa Tenggara

sebagai sentra peternakan (Kasryno, et al, 2004). Berdasarkan data BPS mengenai

perkembangan pangsa sentra produksi maka produksi padi Indonesia tahun 1970-

2003 menunjukkan adanya perubahan sumber pertumbuhan. Secara agregat

pangsa areal panen dan produksi terus naik dari 1970 sampai 2002. Kenaikan

produksi yang spektakuler terjadi karena kenaikan produktivitas padi akibat

Revolusi Hijau. Laju kenaikan produksi padi nasional terutama berasal dari

kenaikan produksi padi di luar Jawa. Tahun 1970 pulau Jawa menyumbang 60%

dari produksi padi nasional, namun akhir-akhir ini hanya menyumbang sebesar

55,3%. Lambatnya perluasan areal pertanaman padi di Jawa antara lain

disebabkan laju perluasan sawah irigasi lebih lambat dibandingkan dengan

penyusutan luas lahan sawah karena dikonversi untuk penggunaan non pertanian.

Tahun 1970 sampai tahun 2002 luas areal padi di Jawa turun dari 53,2% menjadi

48,4%, penurunan ini selain disebabkan oleh konservasi juga diversifikasi. Luar

Jawa, khususnya Sumatera, Kalimantan dan Sulawesi mengalami kenaikan areal

panen. Hal tersebut disebabkan oleh perluasan areal tanam dan peningkatan

intensitas tanam sehingga sentra produksi padi masa depan adalah Sumatera dan

Kalimantan dengan tantangan untuk pengembangan padi adalah ketersediaan

teknologi sistem komoditas padi untuk ekosistem lahan rawa dan lahan kering,

selain itu adalah kualitas sarana dan prasarana komunikasi dan transportasi yang

memadai dengan pengembangan sarana irigasi dan pembukaan areal tanam baru.

Strategi yang harus dilakukan untuk jangka pendek dan menengah adalah

mengupayakan sistem irigasi yang lebih fleksibel dengan rehabilitasi sarana dan

prasarana tata air persawahan pasang surut untuk persawahan lahan rawa di

Sumatera dan Kalimantan, rehabilitasi mencapai areal 610.000 ha. Strategi jangka

menengah dan panjang diperlukan investasi bagi perluasan areal pertanian dan

pengembangan sarana dan prasarana irigasi baru yang fleksibel di Sumatera,

Sulawesi, dan Kalimantan. Potensi pengembangan persawahan pasang surut di

Sumatera dan Kalimantan mencapai 2,7 juta ha. Hal ini perlu dilakukan

mengingat permintaan beras yang diperkirakan masih akan terus meningkat

dengan laju diatas 1,0%-1,3% per tahun karena pertumbuhan penduduk yang terus

meningkat setiap tahunnya sebesar 1,3% sedangkan konsumsi per kapita

diperkirakan sudah menurun antara 0,2%-0,35%. Apabila tidak ada terobosan

kebijakan maka Indonesia akan tetap menjadi importir beras terbesar di dunia.

Konsumsi beras di Indonesia dihitung melaui berbagai pendekatan, antara

lain melaui pendekatan konsumsi beras per kapita per tahun. Perhitungan ini hasil

survei Susenas oleh BPS setiap tahun. Besaran hasil konsumsi beras hasil survei

Susenas tersebut merupakan konsumsi beras di tingkat rumah tangga atau

konsumsi langsung, sementara konsumsi beras di luar rumah tangga tidak dicakup

dalam survei tersebut. Konsumsi beras di tingkat rumah tangga atau konsumsi

langsung tersedia antara langsung tersedia antara tahun 1981 hingga tahun 2015,

rata-rata konsumsi beras di tingkat rumah tangga per penduduk Indonesia

cenderung mengalami penurunan sebesar 1,13% per tahun atau rata-rata konsumsi

beras per penduduk sebesar 101,62 kg/kapita pertahun yaitu di tahun 1981

konsumsi beras per orang sebesar 116,75 kg/kapita dan turun hingga sebesar

85,19 kg/kapita pada tahun 2015. Sementara perkembangan konsumsi beras di

tingkat rumah tangga untuk lima tahun kedepan diperkirakan masih mengalami

penurunan sebesar 1,12% per tahun yaitu perkiraan konsumsi beras di tingkat

rumah tangga per penduduk Indonesia mencapai rata-rata 86,59 kg/kapita atau

mencapai 89,48 kg/kapita di tahun 2011, dan sebesar 85,19 kg/kapita di tahun

2015 (Kementerian Pertanian, 2015).

Tren konsumsi beras secara umum antara tahun 1981 hingga 2013 di

tingkat rumah tangga cenderung mengalami penurunan kecuali tahun 1987, 1990,

1994, 1995, 2003, dan 2008 yang mengalami peningkatan cukup signifikan antara

0,31% hingga 9,41%. Penurunan konsumsi perkapita beras tingkat rumah tangga

paling tinggi terjadi tahun 1996 yaitu sebesar 11,45% atau sebesar 111,06

kg/kapita dari tahun sebelumnya mencapai 125,42 kg/kapita. Peningkatan

pertumbuhan konsumsi beras tingkat rumah tangga tertinggi di tahun 1987 yaitu

sebesar 9,41%, sedangkan secara absolut konsumsi beras tingkat rumah tangga

tertinggi tahun 1995 yaitu sebesar 125,42 kg/kapita. Adanya tren penurunan

konsumsi beras secara langsung ini diduga adanya peningkatan kesejahteraan

masyarakat dan kesadaran tentang kesehatan sehingga mengalihkan konsumsi

karbohidrat yang berasal dari beras dengan makanan pengganti beras yang lebih

sehat.

2.3 Kebijakan Swasembada Beras di Indonesia

Swasembada beras adalah suatu keadaan tercukupinya kebutuhan

konsumsi beras dalam negeri oleh produksi beras nasional. Swasembada beras

yang dicapai sejak tahun 1984 dalam berbagai kesempatan telah dijadikan analisa,

terutama untuk mempertajam keabsahannya. Menurut Amang dan Sawit (1999)

terdapat makna swasembada dari berbagai sudut pandang, antara lain: (1)

Swasembada absolut yaitu selisih penawaran dan permintaan akan beras sama

dengan nol; dan (2) Swasembada sub sektoral pangan yaitu ekspor bahan pangan

dapat membiayai impor pangan. Swasembada sektoral sebelum tahun 1984

sebenarnya sudah tergolong swasembada sebab nilai ekspor komoditas pertanian

Indonesia sangat mampu, bahkan surplus untuk mengimpor pangan sejak 1983.

Tahun 1984 produksi beras mengikuti garis kecenderungan konsumsi jadi

adakalanya Indonesia harus mengimpor bila kekurangan dan mengekspor ketika

cadangan beras melimpah sehingga lebih mudah untuk mengkategorikan

“swasembada relatif” yang ditandai dengan “surplus” atau “defisit” pada waktu

yang berbeda. Menurut Nainggolan (2008) Peningkatan produktivitas usaha tani

padi dapat ditempuh melalui dua cara yaitu: (1) Peningkatan hasil potensial dan

aktual varietas padi; (2) Percepatan dan perluasan diseminasi serta adopsi inovasi

teknologi. Peningkatan ini mungkin terjadi dengan dukungan pengembangan

varietas unggul dan kesiapan teknologi padi di Badan Litbang Pertanian.

Kebijakan beras adalah upaya yang dilakukan oleh berbagai instansi atau

lembaga pemerintah untuk mempengaruhi keputusan tiga pelaku utama dalam

sektor perberasan yaitu produsen padi atau beras, pelaku distribusi atau pemasaran

padi atau beras dan konsumen beras (Sawit, 1999). Kebijakan tersebut dilakukan

untuk mempertahankan ketahanan pangan suatu negara. Kebijakan mengenai

perberasan nasional pada dasarnya mencakup lima instrumen kebijakan yaitu: (1)

Peningkatan produksi; (2) Diversifikasi; (3) Kebijakan harga, dimana dapat

dipandang sebagai instrumen kebijakan dalam promosi agribisnis; (4) Kebijakan

impor; dan (5) Distribusi beras untuk keluarga miskin (Raskin) yang merupakan

kebijakan untuk melindungi petani dan konsumen dari dampak negatif

perdagangan beras internasional. Oleh karena itu pemerintah sebenarnya telah

menerapkan kebijakan untuk mengembangkan ekonomi perberasan nasional

(Suryana, 2004). Kebijakan perberasan nasional tertuang dalam Inpres No.9

Tahun 2002 tentang penetapan kebijakan perberasan yaitu sebagai berikut:

1. Memberikan dukungan bagi peningkatan produktivitas petani padi dan

produksi beras nasional.

2. Memberikan dukungan bagi diversifikasi kegiatan ekonomi petani padi

dalam rangka meningkatkan pendapatan petani.

3. Melaksanakan kebijakan harga dasar pembelian gabah dan beras oleh

pemerintah.

4. Menetapkan kebijakan impor beras dalam rangka memberikan

perlindungan kepada petani dan konsumen.

5. Memberikan jaminan bagi persediaan dan penyaluran beras dan atau bahan

pangan bagi kelompok masyarakat miskin dan atau rawan pangan.

Menurut Rencana Strategi Kementerian Pertanian (2015), sasaran

pembangunan pertanian ke depan perlu disesuaikan terkait dengan cangkupan

pembangunan pertanian yang lebih luas dan skala yang lebih besar guna

meningkatan pendapatan dan kesejahteraan petani yang tertuang dalam SIPP

2015-2045, maka sasaran strategis Kementerian Pertanian tahun 2015-2019

adalah (1) Pencapaian swasembada padi, jagung dan kedelai serta peningkatan

produksi gula dan daging; (2) Peningkatan diversifikasi pangan; (3) Peningkatan

komoditas bernilai tambah dan berdaya saing dalam memenuhi pasar ekspor dan

substitusi impor; (4) Penyediaan bahan baku bioindustri dan bioenergi; (5)

Peningkatan pendapatan keluarga petani; serta (6) Akuntibilitas kinerja aparatur

pemerintah yang baik. Oleh karena itu Kementerian Pertanian menyusun dan

melaksanakan 7 Strategi Utama Penguatan Pembangunan Pertanian untuk

Kedaulatan Pangan (P3KP) meliputi (1) Peningkatan ketersediaan dan

pemanfaatan lahan; (2) Peningkatan infrastruktur dan sarana pertanian; (3)

Pembangunan dan perluasan logistik benih atau bibit; (4) Penguatan kelembagaan

petani; (5) Pengembangan dan penguatan pembiayaan; (6) Pengembangan dan

penguatan bioindustri dan bioenergi; serta (7) Penguatan jaringan pasar produk

pertanian.

2.4 Metode Peramalan

Peramalan merupakan metode yang dapat memperkirakan secara

sistematis dan pragmatis atas data relevan pada masa lalu, dengan demikian

metode peramalan dapat memberikan objektivitas yang lebih besar. Peramalan

yang baik menekankan pada peramalan kuantitatif. Berikut ini merupakan

langkah-langkah dalam menentukan peramalan yaitu:

1. Menganalisa data yang lalu, tahap ini dilakukan untuk melihat pola data

masa lalu. Dilakukan dengan cara membuat tabulasi dari data yang lalu,

dengan tabulasi data maka terlihat pola data tersebut.

2. Menentukan metode yang dipergunakan. Masing-masing metode akan

memberikan hasil peramalan yang berbeda. Metode yang baik akan

menghasilkan penyimpangan antara hasil peramalan dengan nilai

kenyataan yang sekecil mungkin.

3. Memproyeksikan data masa lalu dengan metode yang digunakan, dengan

mempertimbangkan adanya beberapa faktor perubahan. Faktor tersebut

dapat berupa faktor kebijakan yang mungkin terjadi seperti penemuan baru

dll.

Metode peramalan kuantitatif dapat dibedakan menjadi: (1) Metode

peramalan yang didasarkan atas pola hubungan antara variabel yang akan

diperkirakan dengan variabel waktu (time series); dan (2) Metode peramalan yang

didasarkan atas pola hubungan antara variabel yang diperkirakan dengan variabel

lain yang mempengaruhinya atau sebab akibat (causal methods). Metode

peramalan dengan menggunakan pola hubungan antara variabel yang akan

diperkirakan dengan variabel waktu, yaitu: (1) Metode smoothing; (2) Metode

Autoregressive Integrated Average (ARIMA); dan (3) Metode dengan proyeksi

trend dengan regresi. Metode peramalan dengan menggunakan analisa pola

hubungan antara variabel yang diperkirakan dengan variabel lain yang

mempengaruhi, yang bukan waktu (sebab akibat), terdiri dari: (1) Metode regresi

dan korelasi; (2) Metode ekonometrik yang didasarkan atas peramalan sistem

persamaan regresi; dan (3) Metode input-output (Assauri, 1984).

2.5 Penelitian Terdahulu

Penelitian mengenai pangan telah dilakukan oleh beberapa peneliti

sebelumnya, diantaranya: (1) Nainggolan (2008) meneliti mengenai Ketahanan

dan stabilitas pasokan, permintaan, dan harga komoditas pangan; (2) Rachman

dan Arini (2008) meneliti mengenai Penganekaragaman konsumsi pangan di

Indonesia: permasalahan dan implikasi untuk kebijakan dan program; (3) Azhari

(2008) meneliti mengenai Membangun kemandirian pangan dalam rangka

meningkatkan ketahanan nasional; (4) Hadi (2013) meneliti mengenai Analisis

produksi dan konsumsi kedelai domestik dalam rangka mencapai swasembada

kedelai di Indonesia; (5) Saptana et al. (2013) meneliti mengenai Evaluasi

kebijakan tujuh gema revitalisasi dalam pembangunan pertanian; (6) Hardono

(2014) meneliti mengenai Strategi pengembangan diversifikasi pangan lokal; dan

(7) Adillah (2014) meneliti mengenai Proyeksi produksi dan konsumsi kedelai di

Indonesia.

Penelitian mengenai komoditas beras telah dilakukan oleh beberapa

peneliti sebelumnya, diantaranya: (1) Agustin dan Syafaat (2003) meneliti

mengenai Pengamanan produksi padi pada tahun 2003; (2) Ambarinanti (2007)

meneliti mengenai Analisis faktor-faktor yang mempengaruhi produksi dan

ekspor beras di Indonesia; (3) Pratiwi (2008) meneliti mengenai Efektivitas dan

perumusan strategi kebijakan beras nasional; (4) Hessie (2009) meneliti mengenai

Analisis produksi dan konsumsi beras dalam negeri serta implikasinya terhadap

swasembada beras di Indonesia; (5) Lantarsih et al. (2011) meneliti mengenai

Sistem ketahanan pangan nasional: kontribusi ketersediaan dan konsumsi energi

serta optimalisasi distribusi beras; (6) Maulana (2012) meneliti mengenai Prospek

implementasi kebijakan harga pembelian pemerintah (HPP) multikualitas gabah

dan beras di Indonesia; dan (7) Zakaria dan Nurasa (2013) meneliti mengenai

Strategi penggalangan petani untuk mendukung program peningkatan produksi

padi berkelanjutan.

Perbedaan penelitian ini dengan penelitian sebelumnya adalah data yang

digunakan dalam penelitian ini lebih terbaru, yaitu data tahun 1985 hingga tahun

2014. Tujuan dalam penelitian ini didasarkan pada rencana strategis Kementerian

Pertanian untuk swasembada beras berkelanjutan yang akan dicapai pada tahun

2017. Analisis perkembangan produksi dan konsumsi beras domestik, tidak hanya

dideskripsikan namun juga menganalisis faktor-faktor yang mempengaruhi

produksi padi dan konsumsi beras domestik. Peramalan swasembada beras tahun

2017 tidak hanya sebatas meramalkan, namun juga menganalisis implikasi

kebijakan yang digunakan untuk pencapaian swasembada beras. Rekomendasi

yang diberikan berupa rekomendasi teknis dalam menjalankan peranan

pemerintah daerah. Tinjauan penelitian terdahulu dapat dilihat pada tabel 4

33

Tabel 4 Matriks penelitian terdahulu

No Peneliti/Judul Penelitian Tujuan Metode Hasil

1. Nama : Kaman Nainggolan

Tahun : 2008

Judul : Ketahanan dan stabilitas

pasokan, permintaan, dan harga

komoditas pangan

1. Menganalisis pembangunan

ketahanan pangan nasional

1. Analisis

Deskriptif

1. Kemandirian pangan di tingkat rumah tangga

merupakan pilar dan dasar dari kemandirian

pangan wilayah dan nasional

2. Pembangunan ketahanan pangan yang berbasis

dari sumberdaya dan kearifan lokal perlu digali

dan ditingkatkan mengingat penduduk yang

terus bertambah dan aktifitas ekonomi pangan

terus berkembang

3. Pembangunan ketahanan pangan memerlukan

kerjasama yang efektif antara berbagai

pemangku kepentingan yang meliputi

pemerintah, lembaga non pemerintah, lembaga

masyarakat bahkan masyarakat sebagai

individu

2. Nama : Handewi P.S, Rachman dan

Mewa Ariani

Tahun : 2008

Judul : Penganekaragaman

konsumsi pangan di Indonesia :

permasalahan dan implikasi untuk

kebijakan dan program

1. Menganalisis pencapaian

tingkat penganekaragaman

(diversifikasi) konsumsi

pangan di Indonesia dan

permasalahannya serta

implikasi kebijakan

1. Analisis

Deskriptif

1. Upaya penganekaragaan konsumsi pangan

sampai saat ini masih belum berjalan sesuai

harapan. Pola pangan lokal cenderung

ditinggalkan dari berubah ke pola beras dan mie

2. Implikasinya adalah diperlukan penjabaran

strategi khusus seperti upaya dalam

penganekaragaman konsumsi pangan

3. Nama : Delima Hasri Azhari

Tahun : 2008

Judul : Membagun kemandirian

pangan dalam rangka meningkatkan

ketahanan pangan nasional


ketahanan pangan di

Indonesia

1. Analisis

Deskriptif

1. Supaya dapat mencapai kemandirian pangan

pemerintah harus mengambil langkah

keberpihakan dan kebijakan yang kondusif serta

intervensi melalui optimalisasi peran Bulog

sebagai BUMN yang melakukan fungsi operasi

pasar, penyangga stok, distribusi, impor, dan

ekspor

17


4. Nama : Abida Hadi

Tahun : 2013

Judul : Analisis produksi dan

konsumsi kedelai domestik dalam

rangka mencapai

swasembada kedelai di Indonesia

1. Menganalisis perkembangan

produksi dan konsumsi

kedelai domestik

2. Memproyeksikan produksi

dan konsumsi kedelai

domestik untuk melihat

target pencapaian

swasembada kedelai tahun

2014 di Indonesia, serta

menyusun strategi kebijakan

dan implikasinya dalam

upaya pencapaian

swasembada tersebut

1. Analisis

Deskriptif

2. Metode

ARIMA

1. Berdasarkan perkembangan yang terjadi selama

tahun 1981-2011, konsumsi kedelai di

Indonesia lebih besar dibandingkan produksi

kedelai dalam negeri. Rendahnya pertumbuhan

produksi kedelai domestik menjadi salah satu

pemicu ketergantungan Indonesia terhadap

impor kedelai

2. Berdasarkan proyeksi produksi dan konsumsi

kedelai menggunakan ARIMA bahwa

Indonesia belum mampu untuk swasembada

kedelai pada tahun 2014

3. Strategi kebijakan untuk mengatasi masalah

ketergantungan impor adalah kebijakan

peningkatan produksi kedelai melalui program

perluasan areal tanam dan atau peningkatan

produktivitas

5. Nama : Saptana, Muhammad Iqbal,

dan Ahmad Makky Ar-Rozi

Tahun : 2013

Judul : Evaluasi kebijakan tujuh

gema revitalisasi dalam

pembangunan pertanian

1. Menganalisis kebijakan tujuh

gema revitalisasi dalam

pembangunan pertanian

1. Analisis

Deskriptif

1. Target pembangunan pertanian meliputi

revitalisasi lahan, revitalisasi benih dan

pembibitan, revitalisasi sumberdaya pertanian,

revitalisasi pembiayaan, revitalisasi

kelembagaan petani, dan revitalisasi di bidang

teknologi dan industri hilir. Kebijakan ini harus

ada konsistensi antara yang diformulasikan

dalam rumusan kebijakannya dengan

implementasinya di lapangan diiringi dengan

kesadaran dan tanggung jawab bersama dari

pihak masayarakat maupun pihak pemerintah

18


6. Nama : Gatoet S. Hardono

Tahun : 2014

Judul : Strategi pembangan

diversifikasi pangan lokal


diversifikasi konsumsi

pangan

2. Menyusun strategi

pengembangan diversifikasi

pangan berbasis lokal

1. Analisis

Deskriptif

2. Analisis

SWOT

1. Telah terjadi penurunan konsumsi pangan lokal,

termasuk di wilayah yang sebelumnya

mempunyai pola pangan pokok berbasis pangan

lokal seperti Maluku dan Papua. Sebaliknya,

telah terjadi peningkatan konsumsi terigu dan

turunannya. Pengembangan diversifikasi pangan

sebagai bagian untuk mewujudkan kedaulatan

pangan hendaknya dilakukan oleh semua

kalangan

2. Upaya tersebut dapat dilakukan dengan

menyusun dan implementasi strategi kebijakan

terkait optimalisasi pemanfaatan potensi lahan

dan kebiasaan mengkonsumsi pangan lokal,

serta pengembangan produksi, industri, dan

konsumsi pangan lokal. Selain itu, upaya

dilakukan melalui pengembangan teknologi

pengolahan pangan, menyelaraskan kebijakan

produksi dan industri pangan dengan kebijakan

konsumsi pangan; promosi pangan lokal yang

sehat, komperhensif dan terus menerus.

Penciptaan pasar pangan lokal di tingkat

nasional dan wilayah; serta diikuti penyediaan

produk pangan lokal yang mampu bersaing

dengan produk asing

19


7. Nama : Rizma Adillah

Tahun : 2014

Judul : Proyeksi produksi dan

konsumsi kedelai di Indonesia


pola produksi dan konsumsi

kedelai nasional

2. Menganalisis respon areal

dan produktivitas kedelai

1. Analisis

Persamaan

Simultan

1. Produksi hingga tahun 2020 meningkat rata-rata

sebesar 6,8% per tahun, dan konsumsi

meningkat rata-rata sebesar 2,1% per tahun,

tetapi defisit menunjukkan penurunan rata-rata

sebesar 0,98% per tahun. Hal itu dikarenakan

terdapat perluasan areal tanaman kedelai di

masa yang akan datang, dimana hal tersebut

dutunjukkan dengan peningkatan tiga kali lipat

dari pertumbuhan konsumsi rata-rata. Sehingga

Indonesia berpeluang berswasembada kedelai

dimasa yang akan datang, dengan

mempertahankan pertumbuhan produksi lebih

besar dari pada pertumbuhan konsumsi

8. Nama : Nur Khoiriyah Agustin dan

Zizwar Syafa’at

Tahun : 2003

Judul : Pengamanan produksi padi

tahun 2003

1. Memprediksi neraca

ketersediaan beras nasional

tahun 2003 yang dipenaruhi

oleh sisi produksi dan

konsumsi beras

1. Analisis

Deskriptif

1. Berdasarkan penelitian maka produksi padi

pada tahun 2003 diproyeksikan sekitar 53,54

juta ton atau meningkat sebesar 3,76% bila

dibandingkan tahun 2002

9. Nama : Marissa Ambarinanti

Tahun : 2007

Judul : Analisis faktor-faktor yang

mempengaruhi produksi dan ekspor

beras di Indonesia

1. Faktor-faktor apa saja yang

mempengaruhi produksi

beras di Indonesia

2. Faktor-faktor apa saja yang

mempengaruhi ekspor beras

di Indonesia

1. Analisis

Regresi

Linear

Berganda

(OLS)

1. Faktor-faktor yang mempengaruhi produksi

beras Indonesia terdiri dari luas areal panen

padi di Indonesia, harga dasar gabah, pupuk

urea, dan curah hujan

2. Faktor-faktor yang mempengaruhi volume

ekspor beras Indonesia terdiri dari produksi

beras Indonesia, nilai tukar rupiah terhadap

dollar, harga beras eceran, dan konsumsi beras

per kapita

20


10. Nama : Purdiyanti Pratiwi

Tahun : 2008

Judul : Efektifitas dan perumusan

strategi kebijakan beras nasional

1. Mendeskripsikan

perkembangan kebijakan

beras nasional

2. Mengevaluasi hasil

kebijakan beras nasional

yang sudah berjalan

3. Merumuskan strategi dan

program kebijakan

perberasan nasional

1. Analisis

Deskriptif

2. Analisis

Kuantitatif

(Analisis

lingkungan

internal dan

eksternal,

SWOT,

QSPM)

3. Metode

AHP

1. Perkembangan mengenai Kebijakan

peningkatan produksi diintervensi pemerintah

melalui berbagai program peningkatan produksi

padi (P4) seperti program Bimas (1965), Insus

(1798) dan Program P2BN (2007). Keempat

kebijakan tersebut dalam pelaksanaanya

mengalami berbagai hambatan baik yang

berasal dari internal maupun eksternal sehingga

belum mencapai sasaran yang diharapkan.

Keempat kebijakan yang ada, kebijakan

distribusi adalah kebijakan yang paling efektif

dibandingkan kebijakan lainnya

2. Prioritas strategi kebijakan pengembangan

perberasan nasional adalah mengkombinasikan

kebijakan protektif dengan kebijakan promotif

untuk melindungi beras dalam negeri

3. Prioritas pertama program peningkatan

produksi padi adalah dengan membangun

sarana irigasi berkoordinasi dengan Pemda

terkait

21


11. Nama : Rethna Hessie

Tahun : 2009

Judul : Analisis produksi dan

konsumsi beras dalam negeri serta

implikasinya terhadap swasembada

beras di Indonesia


dan konsumsi beras di

Indonesia

2. Menganalisis faktor-faktor

yang mempengaruhi

produksi dan konsumsi beras

di Indonesia

3. Memperoyeksikan produksi

dan konsumsi beras di

Indonesia dalam lima tahun

mendatang (2009-2013),

serta implikasinya terhadap

swasembada beras di

Indonesia

1. Metode

Analisis

Deskriptif

2. Metode

Simultan

1. Perkembangan produksi dan konsumsi beras di

Indonesia dari tahun ke tahun berfluktuasi

dengan kecenderungan mengalami peningkatan

tiap tahunnya. Selama kurun waktu 37 tahun

Indonesia masih belum dapat menutupi

konsumsi beras total, sehingga pemerintah

masih mengimpor beras

2. Faktor-faktor yang mempengaruhi produksi

(yang direpresentasikan dari luas areal panen

dan produktivitas) padi adalah rasio harga riil

gabah di tingkat jumlah penggunaan pupuk

urea, luas areal intensifikasi dan trend waktu

3. Faktor-faktor yang mempengaruhi konsumsi

beras adalah harga beras dan populasi,

sedangkan harga beras hanya dipengaruhi

secara nyata oleh harga riil beras tahun

sebelumnya. Hasil Proyeksi produksi dan

konsumsi beras di Indonesia tahun 2009-2013

menunjukan bahwa Indonesia defisit beras

hingga tahun 2010 sehingga untuk menutupi

kebutuhan akan beras pemerintah dapat

mengimpor beras dalam jangka pendek atau

meningkatkan luas areal panen pada tahun 2009

seluas 195,20 ribu Ha. dan pada tahun 2010

seluas 77,40 ribu Ha. Pada tahun 2011

Indonesia mencapai swasembada beras

22


12. Nama : Retno Lantarsih, et al

Tahun : 2011

Judul : Sistem ketahanan pangan

nasional : kontribusi ketersediaan

dan konsumsi energi serta

optimalisasi distribusi beras

1. Meninjau ketahanan pangan

wilayah dari ketersediaan

energi, dan kontribusi beras

dalam ketersediaan energi

2. Menganalisis ketahanan

pangan tingkat rumah tangga

dan kontribusi konsumsi

energi yang bersumber dari

beras terhadap konsumsi

energi total

3. Menganalisis keragaan

wilayah provinsi di

Indonesia berdasarkan

ketersediaan dan konsumsi

beras

4. Menganalisis optimalisasi

distribusi beras antar daerah

di Indonesia

1. Analisis

Deskriptif

1. Dilihat dari ketersediaan energi, ketahanan

pangan wilayah adalah tahan pangan terjamin,

dengan kontribusi ketersediaan energi yang

bersumber dari beras sebesar 46,24 persen untuk

Indonesia

2. Meskipun dari aspek ketahanan pangan

berdasarkan ketersediaan energi dalam kondisi

tahan pangan terjamin, masih terdapat rumah

tangga yang tergolong rawan pangan

3. Ketahanan pangan wilayah menjadi prasyarat

terwujudnya ketahanan pangan pada tingkat

rumah tangga, namun demikian ketahanan

pangan wilayah belum menjamin terciptanya

ketahanan pangan rumah tangga

4. Berdasarkan produksi dan konsumsi beras, tidak

semua provinsi di Indonesia mampu mencukupi

kebutuhan konsumsi beras. Terdapat 11 provinsi

yang mengalami defisit beras dan sisanya

sebanyak 22 provinsi mengalami surplus beras

dengan memperhitungkan cadangan pangan

ideal dan sisa stok bulog tahun 2008

13. Nama : Mohamad Maulana

Tahun : 2012

Judul : Prospek implementasi

kebijakan harga pembelian

pemerintah (HPP) multikualitas

gabah dan beras di Indonesia

1. Mendeskripsikan Kebijakan

HPP gabah dan beras dan

prospek alternatif kebijakan

HPP multikualitas gabah

dan beras

1. Analisis

Deskriptif

1. Kebijakan HPP multikualitas pada gabah

diperkirakan mampu meningkatkan produksi

gabah dengan kualitas lebih dan adanya intensif

petani meningkatkan kualitas gabahnya dari

kualitas medium ke premium

2. Kebijakan HPP diyakini mampu mendorong

pedagang atau penggiling untuk meningkatkan

produksi beras

23

No Peneliti/Judul Penelitian Judul Metode Hasil

14. Nama : Amar K. Zakaria dan

Tjetjep Nurasa

Tahun : 2013

Judul : Strategi penggalangan petani

untuk mendukung program

peningkatan produksi padi

berkelanjutan

1. Mengevaluasi kinerja

penggalangan petani dan

untuk mengetahui partsipasi

petani dalam mendukung

program peningkatan

produksi padi

1. Analisis

Deskriptif

1. Strategi penggalangan petani menjadi faktor

kunci untuk meningkatkan partisipasi petani

dalam penerapan inovasi teknologi budidaya

padi

24

25

III KERANGKA PEMIKIRAN

3.1 Kerangka Pemikiran Teoritis

Kerangka pemikiran teoritis berisi teori dan konsep kajian ilmu sebagai

acuan alur berfikir dalam melakukan penelitian. Teori dan konsep yang

digunakan dalam penelitian ini antara lain konsep analisis statistika deskriptif,

analisis regresi linear berganda, dan metode Box-Jenkins (ARIMA).

3.1.1 Produksi dan Konsumsi Beras

Produksi didefinisikan sebagai proses menciptakan barang atau jasa

ekonomi dengan menggunakan dua macam barang atau jasa lainnya dimana untuk

menghasilkan produk-produk pertanian biasanya dibutuhkan faktor produksi.

Faktor produksi tersebut biasanya disebut input untuk menghasilkan sebuah

output dimana dalam hal ini berupa output pertanian. Hubungan input dengan

output secara teknis menurut ahli ekonomi disebut fungsi produksi (Halcrow,

1992). Fungsi produksi secara umum dituliskan dalam model matematis berupa:

Y = f (X1, X2, …, Xn)

Dimana:

Y = Produk atau variabel yang dipengaruhi oleh faktor produksi, X, dan

X1,.,Xn = Faktor produksi atau variabel yang mempengaruhi Y.

Fungsi produksi dalam pertanian menurut Soekartawi (1990), Y dapat berupa

Produksi pertanian dan X berupa faktor produksi seperti input-input produksi

yaitu lahan pertanian, tenaga kerja, modal, dan manajemen, namun dalam hal ini

faktor produksi belum mampu menjelaskan Y, sehingga perlu pemahaman

mengenai proses produksi.

Menurut Daniel (2002) faktor produksi misalnya untuk tanaman padi

seluas satu hektar, supaya produksi maksimum bisa dicapai melalui masukan yang

diberikan (modal) seperti jumlah bibit, pupuk, dan obat-obatan harus sesuai

dengan yang dibutuhkan tanaman padi. Cara pemberian, waktu pemberian, dan

dosis atau takaran tiap pemberian juga harus tepat ditambah dengan pemilihan

bibit, penyemaian, pengolahan tanah, penyiangan, pemupukan, dan lain-lainnya

yang lebih lazim disebut dengan teknologi. Teknologi berperan dalam

menentukan saling keterkaitan antar faktor produksi seperti luas tanah yang

digunakan satu hektar, maka berapa jumlah modal dan tenaga kerja yang

dibutuhkan dapat ditentukan dengan menetapkan teknologi yang diterapkan.

begitu juga dengan modal yang tersedia terbatas atau ditentukan maka luas usaha

tani juga harus mengikuti.

Fungsi produksi digambarkan oleh kurva total produksi. Fungsi produksi

tersebut dapat diihat pada Gambar 4.

Gambar 4 Fungsi Produksi Fisik Total (TPP), Produk Fisik Marginal (MPP) dan

Produk Fisik Rata-rata (APP)

Keterangan:

a : PM maksimum X : Faktor Produksi

b : e = 1, PR maksimum Y : Produksi

c : e = 0 PT : Produk Total

0-b : Daerah I (EP > 1) PR : Produk Rata-Rata

b-c : Daerah II (0 < EP < 1) PM : Produk Marginal.

c >> : Daerah III (EP < 1)

Sumber: Soekartawi, 1990

Berdasarkan gambar 4, terlihat bahwa fungsi produksi digambarkan oleh

kurva total produksi dimana akan maksimum saat produk marginal sama dengan

Y c

b

a PT

0 X

Y

PR

X

PM 0

nol. Hubungan fungsi produksi dengan daerah produksi menurut Halcrow (1992)

dijelaskan sebegai berikut :

1. Daerah I, (EP > 1) merupakan daerah irrasional dimana bagi seorang

produsen yang membatasi penggunaan faktor produksi merupakan

tindakan yang tidak menguntungkan. Produksi rata-rata dapat dinaikkan

dengan menambah jumlah input variabel.

2. Daerah II, (0 < EP < 1) merupakan daerah rasional dimana penggunaan

input tetap dan input variabel akan dapat mencapai keuntungan maksimal,

tetapi kita tidak dapat menentukan pada tingkat produksi mana akan

diperoleh keuntungan yang maksimal tanpa mengetahui informasi harga

input dan harga output.

3. Daerah III, (EP < 1) merupakan daerah irrasional dimana pengurangan

input dapat meningkatkan output total. Hal ini untuk menggambarkan

perbedaan antara input tetap dan input variabel.

Konsumsi adalah suatu kegiatan yang bertujuan mengurangi atau

menghabiskan daya guna suatu benda, baik berupa barang maupun jasa untuk

memenuhi kebutuhan dan kepuasan secara langsung (Nicholson, 1995). Konsumsi

merupakan sejumlah barang yang digunakan langsung oleh masyarakat untuk

memenuhi kebutuhannya. Konsumsi pada saat ini hampir bisa diprediksi dengan

sempurna dari konsumsi periode sebelumnya ditambah sedikit pertumbuhan.

Keynes menyatakan bahwa konsumsi sangat bergantung pada pendapatan

sekarang. Oleh karena itu, ekonom menyatakan bahwa konsumen memahami

kalau mereka menghadapi keputusan antar waktu. Konsumen menatap sumber

daya dan kebutuhan masa depan mereka, yang dinyatakan dalam fungsi konsumsi

yang lebih kompleks dibanding fungsi konsumsi yang Keynes berikan. Keynes

menyatakan bentuk fungsi konsumsi:

Konsumsi = ƒ(pendapatan sekarang),

Sedangkan studi terbaru menyatakan:

Konsumsi = ƒ(pendapatan sekarang, kekayaan, pendapatan masa depan

yang diduga, tingkat bunga, dan harga barang)

dengan kata lain pendapatan sekarang hanya merupakan salah satu determinan

dari konsumsi agregat (Mankiw, 2007).

Fungsi konsumsi berasal dari teori permintaan. Menurut Wardojo (2014)

untuk memproyeksikan konsumsi beras maka diperlukan beberapa hal, yaitu: (1)

Informasi mengenai elastisitas pendapatan untuk konsumsi beras; (2) Elastisitas

harga sendiri; (3) Jumlah penduduk tahun dasar dan laju pertumbuhan penduduk;

(4) Perkiraan pertumbuhan pendapatan per kapita masyarakat; dan (5) Perkiraan

perubahan harga pada tahun mendatang. Terdapat dua pendekatan dalam

melakukan proyeksi konsumsi beras per kapita. Pertama, mengingat tingkat

konsumsi beras pada tahun 1999 dipandang tidak mencerminkan kondisi normal,

maka dalam melakukan proyeksi konsumsi ke depan (2002-2004) tingkat

konsumsi tahun 1996 digunakan sebagai tahun dasar tahun 1999. Alternatif kedua

adalah, tetap menggunakan tingkat konsumsi per kapita tahun 1999 sebagai tahun

dasar, tetapi menggunakan asumsi peningkatan pendapatan yang lebih tinggi dan

kenaikan harga beras yang lebih rendah. Asumsi ini sejalan dengan tekat

pemerintah dalam mengontrol harga beras sehingga dapat terjangkau oleh rumah

tangga miskin, misalnya dengan melakukan pembatasan impor beras.

3.1.2 Teori Penawaran dan Permintaan

Permintaan dan penawaran atas barang-barang atau komoditas produk

pertanian berkaitan erat dengan perkembangan harga, ketika harga naik maka

permintaan akan turun dan apabila harga turun maka permintaan akan naik.

Sebaliknya, jika penawaran naik maka harga akan turun dan bila penawaran turun

maka harga akan naik. Keadaan ini akan selalu berputar sedemikian rupa sehingga

menjadikan sebuah mekanisme yang disebut sebagai mekanisme pasar. Harga

akan diatur oleh ketersediaan barang namun hukum ini bisa tidak berlaku saat

terjadi kebijakan penetapan harga atas suatu komoditas yang berkaitan dengan

komoditas yang diperdagangkan (Daniel, 2002).

Menurut Halcrow (1992), penawaran didefinisikan sebagai daftar yang

menunjukkan variasi jumlah yang dapat diproduksi dan dijual di pasar pada

masing-masing tingkat harga, pada kondisi dan periode waktu tertentu. Konsep

penawaran selain dapat diterapkan pada penawaran produksi juga dapat

diterapkan pada penawaran faktor produksi yang digunakan dalam proses

produksi. Kurva penawaran harus menunjukkan kondisi tertentu pada pasar

tertentu dan dalam periode waktu tertentu. Faktor-faktor yang mempengaruhi

penawaran adalah: (1) Teknologi produksi; (2) Harga input yag digunakan dalam

proses produksi; (3) Harga barang-barang substitusi; (4) Harga yang diharapkan;

(5) Jumlah penjual dalam pasar; (6) Pajak dan subsidi yang dikaitkan dengan

jumlah produksi. Perubahan salah satu faktor di atas dapat menyebabkan

pergeseran kurva penawaran ke kiri atau ke kanan.

Permintaan didefinisikan sebagai jadwal yang menunjukan berbagai

jumlah produk yang akan dibeli dengan berbagai tingkat pada kondisi dan periode

waktu tertentu. Hukum permintaan menyatakan bahwa terdapat hubungan terbalik

antara harga dan jumlah yang diminta. Menurut Halcrow (1992) faktor-faktor non

harga yang mempengaruhi permintaan dapat berupa: (1) Selera dan prefensi

konsumen; (2) Jumlah konsumen dalam pasar; (3) Pendapatan atau kesejahteraan

konsumen; (4) Harga barang-barang lainnya; (5) Ekspektasi konsumen terhadap

harga dan pendapatan di masa yang akan datang.

3.1.3 Metode Analisis Statistika Deskriptif Kuantitatif

Analisis statistik deskriptif adalah teknik statistik yang memberikan

informasi hanya mengenai data yang dimiliki dan tidak bermaksud untuk menguji

hipotesis dan kemudian menarik kesimpulan yang digeneralisasikan untuk data

yang lebih besar atau populasi. Statistik deskriptif hanya dipergunakan untuk

menyajikan dan menganalisis data agar lebih bermakna dan komunikatif dan

disertai perhitungan-perhitungan sederhana yang bersifat lebih memperjelas

keadaan dan atau karakteristik data yang bersangkutan (Nurgiantoro et al, 2009).

Analisis deskriptif dalam penelitian ini bertujuan untuk mengetahui

perkembangan produksi dan konsumsi beras nasional dalam upaya pencapaian

program swasembada beras pemerintah tahun 2017. Analisis ini meliputi deskripsi

dari hasil kuantitatif data BPS mengenai jumlah produksi padi (ribu ton/tahun)

dan konsumsi beras (ribu ton/tahun). Hasil analisis ini diperoleh berdasarkan

ketersediaan data series yang mencangkup indikator produksi dan konsumsi beras

domestik.

3.1.4 Model Regresi Linear Berganda

Model regresi linear berganda adalah model untuk memeriksa hubungan

antar satu variabel yang disebut variabel tak bebas atau variabel yang dijelaskan

dengan satu atau lebih variabel lain yang disebut dengan variabel bebas atau

variabel penjelas (Gujarati, 2006). Model ini memungkinkan penggunaan lebih

dari satu variabel bebas yang mungkin mempengaruhi variabel tak bebas. Model

ini sering disebut juga metode kuadrat terkecil biasa (Ordinary Least

squere/OLS). Model ini bukan hanya mudah digunakan namun memiliki beberapa

sifat teoritis yang kokoh yang dijelaskan dalam teorema Gauss-Markov. Teorema

ini menyatakan bahwa berdasarkan asumsi-asumsi dari model regresi linear

klasik, penaksiran OLS memiliki variansi yang terendah diantara penaksir-

penaksir lainnya. Penaksir OLS dalam hal ini disebut sebagai penaksir tak bias

linear terbaik (Best Linear Usbiased Estimatory/ BLUE). Asumsi dalam model ini

adalah:

1. Memiliki parameter yang bersifat linear dan model ini ditentukan secara

tepat.

2. Faktor kesalahan mempunyai nilai rata-rata sebesar nol.

3. Tidak adanya autokorelasi dalam setiap variabel dalam model.

4. Asumsi homoskedastisitas atau penyebaran yang sama.

5. Tidak terdapat multikolinearitas yang berarti tidak terdapat hubungan

linear yang pasti antara variabel bebas, serta

6. Pengujian hipotesis, faktor kesalahan mengikuti distribusi normal dengan

rata-rata sebesar nol dan homoskedatisitas.

3.1.5 Metode Peramalan Box Jenkins atau ARIMA (Autoregressive

Integrated Moving Average)

Model Autoregressive Integrated Moving Average (ARIMA) merupakan

metode yang secara intensif dikembangkan oleh George Box dan Gwilym

Jenkins. Metode ARIMA sebenarnya adalah teknik untuk mencari pola yang

paling cocok dari sekelompok data (curve-fitting). Dengan demikian metode

ARIMA memanfaatkan sepenuhnya data masa lalu dan data sekarang untuk

menghasilkan peramalan jangka pendek yang akurat. Metode ARIMA berbeda

dengan metode peramalan lainnya karena metode ini tidak mensyaratkan suatu

pola data tertentu supaya model dapat bekerja dengan baik. Metode ARIMA juga

tidak memerlukan penjelasan mengenai mana variabel dependen atau mana

variabel independen (Santoso, 2009). Dengan begitu metode ARIMA dapat

digunakan untuk semua tipe pola data.

Metode ini merupakan gabungan dari metode penghalusan, metode

regresi, dan metode dekomposisi (Aritongan, 2009). Langkah-langkah yang harus

diambil dalam menganalisis data dengan menggunakan teknik Box-Jenkins secara

detil dapat dijelaskan sebagai berikut:

Langkah 1. Identifikasi model. Langkah pertama kita mencari nilai p, d, dan

q dengan menggunakan correlogram.

Langkah 2. Estimasi Parameter. Setelah mendapatkan nilai p dan q, maka

selanjutnya kita mengestimasi parameter model ARIMA yang kita

pilih pada langkah pertama, estimasi parameter dapat dilakukan

melalui metode kuadrat terkecil atau metode estimasi yang lain

seperti maximum likelihood namun kini sudah banyak cara cepat

dalam mengestimasi model ARIMA ini.

Langkah 3. Uji Diagnosis. Setelah mendapatkan estimasi model ARIMA

selanjutnya memilih model yang mampu menjelaskan data dengan

baik. Caranya adalah memilih apa residual bersifat random

sehingga merupakan residual yang relatif kecil. Jika tidak kita

harus kembali kelangkah pertama untuk memilih model yang lain.

Pada langkah ini diperlukan keahlian khusus untuk memilih model

ARIMA yang tepat.

Langkah 4. Prediksi. Setelah model sudah didapatkan maka tahap selanjutnya

adalah kita bisa menggunakan model tersebut untuk memprediksi.

Beberapa kasus meramalkan prediksi jangka pendek model ini

lebih baik dari pada model ekonometrika tradisional.

Gambar 5 Diagram metodologi Box-Jenkin

3.2 Kerangka Pemikiran Operasional

Indonesia merupakan pengonsumsi beras terbesar ke-3 setelah China dan

India yaitu sebesar 38.650.000 Ton (Kementerian Pertanian, 2015) hal ini

dikarenakan beras merupakan bahan pangan utama masyarakat Indonesia.

Konsumsi beras nasional yang terus meningkat akibat peningkatan jumlah

penduduk menyebabkan pemerintah harus melakukan berbagai strategi guna

mengatasi ketimpangan beras yang terjadi. Melihat permasalahan ini, pemerintah

sudah memiliki rencana mengenai program perberasan nasional yang tertuang

dalam RPJPN tahun 2005-2025 tentang swasembada beras berkelanjutan.

Program swasembada beras ini perlu didukung guna tercapainya ketahanan

pangan di Indonesia.

Berdasarkan rencana tersebut tahap pertama yang dilakukan dalam

penelitian ini adalah menganalisis perkembangan produksi dan konsumsi beras di

Indonesia menggunakan analisis deskriptif. Penelitian ini dilakukan untuk

memberikan kemudahan kepada pemerintah atau khalayak umum dalam

mendapatkan informasi mengenai kondisi komoditas beras di Indonesia, apabila

produksi lebih besar dari pada konsumsi beras maka swasembada yang

diharapkan pemerintah dapat tercapai namun jika produksi lebih kecil dari pada

konsumsi beras maka swasembada yang diharapkan oleh pemerintah belum dapat

tercapai sehingga kita masih perlu melakukan impor beras guna mencukupi

kebutuhan konsumsi beras dalam negeri. Kemudian yang kedua adalah

Identifikasi Model

Pemilihan p, d, q secara tentatif

Estimasi parameter model

Uji Diagnosis

Prediksi

Tidak Ya

mengidentifikasi faktor-faktor yang mempengaruhi produksi dan konsumsi beras

domestik menggunakan model persamaan regresi linear berganda, variabel yang

diidentifikasi diharapkan dapat memberikan alternatif kebijakan bagi pemerintah

dalam mengambil kebijakan apa yang harus dilakukan guna meningkatkan

produksi beras domestik dan menurunkan konsumsi beras domestik supaya dalam

program ini swasembada dapat tercapai. Tahap selanjutnya adalah

memproyeksikan peramalan produksi beras domestik guna melihat target

pencapaian swasembada beras berkelanjutan pada tahun 2017. Peramalan ini

dilakukan untuk menjawab apakah pada tahun tersebut Indonesia dapat mencapai

swasembada beras berkelanjutan seperti yang telah ditargetkan oleh pemerintah.

Jika hasil ramalan menunjukkan konsumsi lebih besar dibandingkan produksi,

maka swasembada beras tersebut belum dapat tercapai. Namun, apabila hasil

ramalan menunjukkan produksi sama dengan atau lebih besar dari pada konsumsi,

maka swasembada beras dapat tercapai.

Tahap yang terakhir adalah mengimplementasikan hasil ramalan untuk

pengupayaan swasembada beras sampai tahun 2017. Jika hasil peramalan berhasil

maka pemerintah melanjutkan kebijakan yang sudah ada secara berkelanjutan, dan

apabila hasil ramalan belum tercapai maka dilakukan perumusan strategi

kebijakan dan mengidentifikasi implikasinya. Sehubungan dengan hal ini untuk

mempermudah penelitian maka dibuat alur pemikiran yang akan menerangkan

apa saja yang menjadi ruang lingkup pada penelitian ini. Berikut alur penelitian

lebih jelas disajikan dalam bentuk diagram alur kerangka berfikir yang dapat

dilihat pada gambar 6.

Gambar 6 Kerangka pemikiran operasional

Indonesia merupakan

pengonsumsi beras

terbesar ke-3 setelah

China dan India

Masalah dalam

ketahanan pangan

Perlu upaya Pemerintah

dalam menjaga ketahanan

pangan

Perkembangan

produksi dan

konsumsi beras di

Indonesia (Analisis

Deskriptif)

Proyeksi peramalan


beras di Indonesia

tahun 2015-2017

“peramalan target

pencapaian program

swasembada (metode

peramalan ARIMA)“

Peningkatan hasil produksi padi domestik (beras

yang merupakan kebutuhan pokok masyarakat

Indonesia)

Program swasembada pangan

untuk menjaga kestabilan pangan

di Indonesia

Hasil dan rekomendasi kebijakan terhadap

pencapaian swasembada beras di Indonesia

Faktor-faktor yang

mempengaruhi

produksi dan

konsumsi beras di

Indonesia (Analisis

Regresi Linear

Berganda )

IV METODE PENELITIAN

4.1 Jenis dan Sumber Data

Penelitian ini mengkaji mengenai kondisi produksi dan konsumsi beras

domestik. Jenis data yang digunakan dalam penelitian ini adalah data sekunder.

Data yang digunakan terdapat pada tabel 5. Data diperoleh dari Badan Pusat

Statistik, Kementerian Pertanian, World Bank, buku ataupun artikel yang terkait

dengan penelitian ini dan media lain seperti internet. Data berupa data time series

yaitu tahun 1985 – 2014.

4.2 Metode Analisis dan Pengolahan Data

Data yang diperoleh dianalisis menggunakan metode dan analisis yang

sesuai.

Tabel 5 Matriks analisis data

No Tujuan Penelitian Data yang Dibutuhkan Metode

Analisis Data

1. Menganalisis

perkembangan produksi

dan konsumsi beras

domestik

Data time series tahunan produksi

dan kosumsi beras di Indonesia tahun

1985-2014

Analisis

Deskriptif

2. Menganalisis faktor-

faktor yang

mempengaruhi

produksi padi dan

konsumsi beras

domestik

Data time series tahunan data luas

areal panen padi, produktivitas padi,

produksi padi, produksi beras,

konsumsi beras, jumlah impor-ekspor

beras, PDB riil Indonesia, harga riil

jagung, harga riil gabah, harga riil

pupuk urea, tingkat riil upah TK,

varietas unggul benih padi, curah

hujan, dan jumlah penduduk

Indonesia tahun 1985-2014

Analisis

Regresi Linear

Berganda

menggunakan

software

Minitab 16

3. Memproyeksikan


beras domestik untuk

melihat target

pencapaian

swasembada beras

tahun 2017

Data time series tahunan produksi

dan kosumsi beras di Indonesia tahun

1985-2014

Metode

ARIMA

menggunakan

software dan

Minitab 16

Sumber: Penulis 2016

4.2.1 Metode Analisis Deskriptif Kuantitatif

Analisis deskriptif pada penelitian ini digunakan untuk menganalisis

perkembangan produksi dan konsumsi beras di Indonesia pada 30 tahun terakhir

yaitu dari tahun 1985-2014. Analisis deskriptif pada penelitian ini dijelaskan

berdasarkan tabulasi data dengan bantuan tabel dan gambar untuk mempermudah

dalam penjelasan. Gambar yang ditampilkan merupakan plot data terhadap waktu

pada periode penelitian. Gambar tersebut akan ditambah dengan keterangan lain

sesuai kondisi serta hal yang terjadi pada data yang dianalisis. Produksi dan

konsumsi padi domestik yang digunakan berdasarkan perhitungan yang telah

diolah oleh Kementerian Pertanian. Berikut ini merupakan perhitungan dalam

melakukan proyeksi produksi dan konsumsi beras domestik.

Produksi padi pada tahun ke-t (PPt) merupakan perkalian antara luas areal

panen (LAPt) dengan produktivitas padi pada tahun tersebut (PVt). Persamaan

produksi padi dirumuskan sebagai berikut:

PPt = LAPt x PVt

Dimana:

PPt = Produksi padi pada tahun ke-t (Ribu Ton)

LAPt = Luas areal panen padi tahun ke-t (Ribu Ha)

PVt = Produktivitas padi tahun ke-t (Ton/Ha)

Produksi beras (PBt) merupakan perkalian antara konversi atau tingkat

rendemen pengolahan dari padi menjadi beras (Kt) dan produksi padi pada tahun

tersebut (PPt). Secara empiris persamaan produksi beras dirumuskan sebagai

berikut:

PBt = Kt x PPt

Dimana:

PBt = Produksi beras pada tahun ke-t (Ribu Ton)

Kt = Angka konversi padi ke beras sebesar 0,627


Konsumsi beras total Indonesia pada tahun ke-t (KBt) merupakan

perkalian antara kebutuhan beras per kapita per tahun dikali dengan jumlah

penduduk Indonesia pada tahun tersebut ditambah dengan kebutuhan benih/bibit

ditambah dengan kebutuhan untuk pakan, bahan baku industri bukan makanan

dan tercecer.

Sedangkan, nilai laju yang digunakan dalam menganalisa data produksi

dan konsumsi beras di Indonesia yang digunakan dalam penelitian ini adalah:

Laju produksi atau konsumsi =

x 100%

Keterangan:

Laju produksi atau konsumsi = Persen (%)

Nilai selisih produksi atau konsumsi = (Pt – Pt-1) atau (Kt – Kt-1)

Nilai lag produksi atau konsumsi = (Pt-1) atau (Kt-1)

P dan K = Produksi dan Konsumsi

t = Produksi atau konsumsi pada tahun ke-t

t-1 = Lag (Produksi atau konsumsi pada satu

tahun sebelumnya)

4.2.2 Analisis Faktor-Faktor yang Mempengaruhi Produksi dan Konsumsi

Beras Domestik

Analisis ini dilakukan dengan menggunakan model regresi linear

berganda. Persamaan yang diestimasi dalam penelitian ini adalah model

ekonometrika dengan persamaan tunggal. Persamaan yang dirumuskan dalam

penelitian ini dirumuskan dari beberapa penelitian terdahulu yang terdapat dalam

kerangka pemikiran teoritis, persamaan yang diduga yaitu: (1) Produksi padi

domestik; dan (2) Konsumsi beras domestik. Proses analisis model ekonometrika

terdiri dari:

1. Produksi Padi Domestik

Produksi padi di Indonesia diduga dipengaruhi oleh luas areal panen padi,

harga riil gabah, harga riil pupuk urea, tingkat riil upah tenaga kerja, jumlah

varietas unggul padi, dan curah hujan. Persamaan produksi beras di Indonesia

dapat dituliskan sebagai berikut:

PPt = c0 + c1LAPt + c2HGt + c3HPUt + c4UBTt + c5JVUPt + c6CCt + et

Dimana:


LAPt = Luas areal panen padi pada tahun ke-t (Ribu Ha)

HGt = Harga riil gabah pada tahun ke-t (Rp/Kg)

HPUt = Harga riil pupuk urea pada tahun ke-t (Kg/Ha)

UBTt = Tingkat riil upah TK pada tahun ke-t (Rp/HOK)

JVUPt = Jumlah varietas Unggul Padi pada tahun ke-t (Jenis)

CHt = Curah Hujan pada tahun ke-t (Mm)

c0 = Intersep

c1 = Parameter yang diduga (i=1,2,3,..,8)

et = Error

Nilai dugaan yang diharapkan: c3<0; c1,c2, c4, c5, c6>0

2. Konsumsi Beras Domestik

Konsumsi beras di Indonesia diduga dapat dipengaruhi oleh harga riil

beras, jumlah penduduk Indonesia, PDB rill Indonesia dan harga riil jagung

sebagai salah satu subsitusi pangan pengganti beras. Persamaan konsumsi beras di

Indonesia dapat dituliskan sebagai berikut:

KBt = c0 + c1HBt + c2POPt + c3PDBt + c4HJt + et

Dimana:

KBt = Konsumsi beras pada tahun ke-t (Ribu Ton)

HBt = Harga riil beras pada tahun ke-t (Rp/Kg)

POPt = Jumlah penduduk pada tahun ke-t (Ribu Jiwa)

PDBt = PDB riil Indonesia tahun ke-t (RP.T)

HJt = Harga riil jagung pada tahun ke-t (Rp/Kg)

c0 = Intersep

c1 = Parameter yang diduga (i=1,2,3,4)

et = Error

Nilai dugaan yang diharapkan: c1, c3<0; c2,c4>0

4.2.3 Model Persamaan Regresi Linear Berganda

Model dapat dikatakan baik apabila hasil estimasi model regresi yang telah

didapatkan kemudian di uji. Pengujian tersebut dilakukan melalui uji statistik, uji

ekonometrika, dan uji ekonomi.

1. Uji statistik

Uji statistik digunakan pada model pendugaan melalui uji-F dan uji

koefisien determinasi, sedangkan parameter-parameter regresi dapat diuji melalui

uji-t.

a. Uji-F

Uji F dilakukan untuk mengetahui bagaimana pengaruh peubah bebas

terhadap peubah tidak bebas secara keseluruhan. Pengujian ini dilakukan dengan

cara membandingkan probabilitas nilai F statistik (p-value) dengan probabilitas

taraf ntara (α) yang digunakan. Analisa pengujian Uji-F adalah sebagai berikut:

1. Pengujian Hipotesis

H0 : b1 = b2 = … = bi = 0

H1 : Miminal ada satu bi > 0

Jika seluruh nilai sebenarnya dari parameter regresi sama dengan nol,

dapat disimpulkan bahwa tidak ada hubungan yang linear antara variabel terikat

dengan variabel bebas.

2. Penentuan penerimaan atau penolakan H0, Apabila:

P-value > α, maka H0 diterima, artinya minimal ada salah satu dari

variabel independen yang dapat mempengaruhi secara nyata terhadap variabel

dependennya. P-value < α, maka H0 ditolak, artinya variabel independen tidak

berpengaruh nyata terhadap variabel dependennya.

b. Uji-t

Uji t dilakukan untuk mengetahui apakah variabel independen secara

individu memiliki pengaruh yang signifikan terhadap variabel dependen.

1 Pengujian Hipotesis

H0 : bi > 0

H1 : bi < 0

i : 1,2,3…..

2 Penetuan penerimaan atau penolakan H0, Apabila:

Probabilistik t-statistik (p-value) < α, maka implikasinya tolak H0, artinya

variabel indipenden berpengaruh nyata terhadap variabel dependen. Probabilistik

t-statistik (p-value) > α, maka implikasinya terima H0, artinya variabel indipenden

tidak berpengaruh nyata terhadap variabel dependen.

3 Uji Koefisien Determinasi

Apabila nilai koefisien determinasi mendekati 1, maka model yang

digunakan semakin baik. Hal ini mengidentifikasikan semakin banyak keragaman

variabel tidak bebas yang dijelaskan oleh variabel lain di luar model. Rumus

menghitung koefisien determinasi (Juanda 2009) adalah:

R2

=

JKR = ∑ ̂ 2

JKT = ∑ 2

Keterangan:

R2 = Koefisien determinasi ̂ = Nilai Variabel Terkait Dugaan

JKR = Jumlah Kuadrat Regresi Yi = Nilai Variabel Terkait Aktual

JKT = Jumlah Kuadrat Total ̅ = Nilai Rata-rata Variabel Terkait

2. Uji ekonometrika

Uji ekonometrika ini diantaranya adalah uji autokorelasi, uji

multikolinearitas, uji heteroskedastisitas, dan uji normalitas.

a. Uji Autokorelasi

Penelitian ini akan menggunakan uji Durbin-Watson untuk mendeteksi

adanya autokorelasi. Berikut ini langkah-langkah uji hipotesis Durbin-Watson

(Firdaus, 2004):

1. Tentukan hipotesis nol dan alternatifnya. Hipotesis nol adalah variabel

gangguan tidak mengandung autokorelasi dan hipotesis alternatifnya

adalah variabel gangguan mengandung autokorelasi

2. Hitung besarnya nilai statistik DW dengan rumus:

d =∑

∑

Keterangan:

et = Residu/error pada selang waktu t

3. Bandingkan nilai statistik DW dengan nilai teoritik DW sebagai berikut:

ρ > 0 (autokorelasi positif):

1) Bila DW ≥ du (dengan df n – K – 1); K adalah banyaknya variabel

bebas yang digunakan; H0 diterima jadi ρ = 0 berarti tidak ada

autokorelasi pada model itu

2) Bila DW ≤ dL (dengan df n – K – 1), H0 ditolak, jadi ρ ≠ 0 berarti ada

autokorelasi positif pada model itu

3) Bila dL < DW < du; Uji itu hasilnya tidak konklusif, sehingga tidak

dapat ditentukan apakah terdapat autokorelasi atau tidak pada model

itu

ρ < 0 (autokorelasi negatif):

1) Bila (4 – DW) ≥ du; H0 diterima jadi ρ = 0 berarti tidak ada

autokorelasi pada model itu

2) Bila (4 – DW) ≤ dL; H0 ditolak, jadi ρ ≠ 0 berarti ada autokorelasi

negatif pada model itu

3) Bila dL < (4 – DW); Uji itu hasilnya tidak konklusif, sehingga tidak

dapat ditentukan apakah terdapat autokorelasi atau tidak pada model

itu

distribusi DW terletak di antara dua distribusi, dL dan du, dL adalah batas bawah

nilai DW sedangkan du adalah batas atas nilai DW. Nilai-nilai tersebut telah

disusun dalam tabel Durbin Watson dan dikenal sebagai tabel Durbin Watson

untuk derajat keyakinan 95% dan 99%. Berikut ini merupakan tabel yang dapat

digunakan sebagai ketentuan berikut:

Tabel 6. Aturan keputusan Uji d Durbin-Watson

DW Kesimpulan

Kurang dari 1,10 Ada autokorelasi

1,10 dan 1,54 Tanpa Kesimpulan

1,55 dan 2,46 Tidak ada autokorelasi

2,46 dan 2,90 Tanpa Kesimpulan

Lebih dari 2,91 Ada autokorelasi

Sumber: Gujarati, 2006

b. Uji Multikolinearitas

Uji untuk menemukan ada tidaknya multikolinearitas melalui nilai faktor

varians (Variance Inflation Factor, VIF), apabila nilai ini lebih dari 10 maka tidak

akan ada masalah dalam multikolinearitas yang kuat. Rumus VIF (Gujarati, 2006)

yaitu:

VIF =

Keterangan:

= Koefisien determinasi dari regresi variabel bebas ke-j dengan variabel

bebas lainnya.

c. Uji Heteroskedastisitas

Penelitian menggunakan uji Glejser sebagai deteksi terhadap masalah

heteroskedastisitas dengan meregresikan nilai absolut residual terhadap variabel

bebas. Rumus uji-Glejser (Gujarati 2006) yaitu:

| ei | = B1 + B2 Xi + vi

Keterangan:

| ei | = Nilai absolut residual

Xi = Variabel independen

vi = Faktor residu

Hipotesis yang digunakan dalam pengujian heteroskedastisitas adalah:

H0 : Tidak terdapat heteroskedastisitas (homoskedastisitas)

H1 : Terdapat heteroskedastisitas

Kriteria Pengujian:

p-value uji Glejser < taraf nyata (α), maka tolak H0, sehingga terdapat

heteroskedastisitas;

p-value uji Glejser > taraf nyata (α), maka terima H0, sehingga tidak terdapat

heteroskedastisitas.

Taraf nyata (α) yang digunakan dalam pengujian ini ada sebesar 0.05 (5%)

Kesimpulan dalam uji ini jika variabel independen dalam persamaan signifikan

secara statistik mempengaruhi variabel dependen (nilai absolute residual), maka

ada indikasi heteroskedastisitas.

d. Uji Normalitas

Penelitian ini akan menggunakan uji Jarque-Bera untuk menguji

kenormalitasan data. Rumusnya sebagai berikut (Gujarati 2006):

JB =

[s

2 +

]

Keterangan:

n = Jumlah pengamatan

S = Koefisien Skewness

K = Koefisien Kurtosis

Hipotesis pada uji normalitas adalah sebagai berikut:

H0 = Error term terdistribusi normal

H1 = Error term tidak terdistribusi normal

Kriteria pengujian:

p-value uji JB > α maka terima H0, artinya error term terdistribusi normal;

p-value uji JB < α maka tolak H0, artinya error term tidak terdistribusi normal.

Taraf nyata (α) yang digunakan dalam pengujian ini sebesar 0.05 (5%)

3. Uji ekonomi

Uji secara ekonomi dilakukan berdasarkan tanda yang ada pada setiap

variabel bebas dalam model yang diduga. Terdapat variabel yang diduga memiliki

tanda positif dan negatif. Tanda positif dalam pendugaan ini artinya penambahan

satu variabel independent akan meningkatkan produksi padi dan konsumsi beras

di Indonesia. Sedangkan tanda negatif artinya ketika adanya penambahan satu

variabel indipendent maka akan mengurangi produksi padi atau konsumsi beras di

Indonesia. Variabel yang diduga memiliki tanda positif yaitu luas areal panen

padi, harga riil gabah, tingkat riil upah TK, jumlah varietas unggul padi, curah

hujan, jumlah penduduk, dan harga riil jagung, sedangkan tanda yang diduga

memiliki tanda negatif yaitu harga riil pupuk urea, harga riil beras, dan PDB riil

Indonesia.

4.2.4 Metode ARIMA (Autoregressive Intergrated Moving Average)

Peramalan dalam penelitian ini menggunakan metode ARIMA, metode

ARIMA ini dilakukan melalui lima tahap, yaitu (1) Tahap pemeriksaan

kestasioneran data; (2) Pengidentifikasian model; (3) Pengestimasian parameter

model; (4) Pengujian model; (5) dan Penggunaan model untuk peramalan.

Kestasioneran data pada tahap satu harus dipersiksa data runtut waktunya (apakah

rata-rata dan variasinya konstan, homogenitas dari waktu ke waktu) karena data

yang dianalisis pada ARIMA adalah data yang stasioner. Pemeriksaan itu

dilakukan berdasarkan analisis otokorelasi dan otokorelasi parsial (dibicarakan

kemudian) atas datanya. Jika data sudah stasioner, kemudian dilanjutkan ke tahap

dua namun bila data belum stasioner maka datanya harus ditransformasi dengan

metode tertentu hingga menjadi stasioner.

Data yang tebukti tidak stasioner maka dapat diatasi melalui proses

tertentu. Cara pertama ketika data itu tidak stasioner adalah melakukan

differencing. Kemudian cara kedua adalah melakukan transformasi data ke bentuk

tertentu, misalnya logaritma. Pada ARIMA, proses dilakukan dengan differencing,

yakni selisih antara data tertentu dengan data sebelumnya. Jika differencing

berorder satu, persamaan adalah:

Y’t = Yt – Yt-1

Dimana:

Y’t = Selisih data order Satu

Yt = Data pada waktu t

Yt-1 = Data pada waktu t-1

Beberapa kasus, differencing order satu masih belum menghasilkan data yang

stasioner, untuk itu dapat dilakukan differencing order kedua:

Y’’

t = Y’t – Y

’t-1

Dimana:

Y’’

t = Selisih order ke dua

Y’t-1 = Selisih data order satu pada waktu t-1

Walaupun dimungkinkan untuk melakukan differencing order ketiga, keempat dan

seterusnya, namun untuk ilmu sosial proses differencing (jika ada) hanya

dilakukan sampai dua kali saja.

Model umum dari ARIMA adalah ARIMA (p,d,q), ketika model sudah

stasioner maka tahap selanjutnya mengidentifikasi bentuk model yang akan

digunakan. Tahap ini disebut identifikasi model tentatif; disebut tentatif karena

model masih dapat diubah-ubah lagi, misal dari ARIMA (1,0,0) menjadi (0,0,1)

atau lainnya. Proses identifikasi atau memilih model tentatif dapat pula dilakukan

dengan meilhat pola bar yang ada pada ACF serta PACF; kemudian pola tersebut

dibandingkan dengan pola data yang ada pada model-model rujukan, untuk

memilih pola rujukan mana yang cocok dengan pola ACF dan PACF dari cara

demikian kemudian dari satu model tentatif yang dipilih, dilakukan proses

pembuatan persamaan untuk mulai melakukan forecasting. Proses ini disebut

dengan estimasi. Model ARIMA untuk p adalah order untuk bagian persamaan

AR, d untuk order differencing, dan q adalah order untuk bagian persamaan MA.

Model ARIMA (p,d,q) dapat dinyatakan sebagai berikut jika model yang

dianggap tepat untuk melakukan prediksi:

1. Hanya memuat Autoregressive (AR) saja, maka model disebut ARIMA

(p,0,0). Misal model yang tepat adalah AR(1), maka disebut ARIMA

(1,0,0).

2. Hanya memuat Moving Average (MA) saja, maka model disebut ARIMA

(0,0,q), misal model yang tepat adalah MA(1), maka disebut ARIMA

(0,0,1)

3. Memuat gabungan MA dan AR, namun data telah stasioner, sehingga

tidak memerlukan proses differencing. Pada kondisi tersebut, model

disebut ARIMA (p,0,q) atau dapat juga disebut ARMA (p,q). missal

model yang tepat adalah AR(1) digabung dengan MA(2), maka disebut

ARIMA (1,0,2) atau ARMA (1,2).

4. Memuat gabungan MA, AR, dan proses differencing. Pada kondisi

tersebut, model disebut ARIMA (p,d,q). Misal model yang tepat adalah

AR(2) digabung dengan MA(1) pada kondisi differencing order satu, maka

disebut ARIMA (2,1,1)

Pada tahap dua, model untuk data yang stasioner diidentifikasi

berdasarkan hasil analisis otokorelasi dan otokorelasi parsial atas dasar data yang

stasioner atau data yang sudah di stasionerkan. Hasil identifikasi tersebut akan

dihasilkan model data berupa model AR (Autoregressive), I (Integrated), MA

(Moving Average) atau kombinasi dari dua (ARI, IMA, ARMA) atau tiga

(ARIMA) komponen model itu. Setelah model data diidentifikasi, kemudian

dilakukan pengestimasian parameter modelnya. Parameter model AR diestimasi

dengan analisis regresi melalui pendekatan kuadrat terkecil yang linier. Bila

model mencakup MA, walaupun modelnya ditulis dalam bentuk linier, namun

cara menghitungnya dilakukan dengan cara tertentu yang berbeda dari analisis

regresi linier dengan kuadrat terkecil tersebut. Caranya bermacam-macam, tetapi

yang lazim melalui metode nonlinier dan biasanya melalui dua tahapan, yaitu

estimasi awal dan estimasi lanjutan sehingga dihasilkan estimasi akhir, namun

dalam parameter akhir biasanya hasilnya tergolong sulit dan biasanya dilakukan

dengan bantuan komputer.

Model Moving Average (MA) adalah model untuk memprediksi Yt sebagai

fungsi dari kesalahan prediksi di masa lalu (past forecast error) dalam

memprediksi Yt, dimana model ditentukan oleh suatu konstanta e ditambah

pergerakan rata-rata nilai sekarang dan periode sebelumnya dari e disebut first-

order Moving Average atau MA (1) (Santoso, 2009), yaitu:

Yt = e - W1 et-1 – w2 et-2 - … - wq et-q

Dimana:

Yt = Nilai MA yang diprediksi

et = Error yang menjelaskan efek dari variabel yang tidak dijelaskan

oleh model

W1,2,…,q = Koefisien atau bobot (weight)

et-1, t-2, ..,t-q = Nilai tahun sebelumnya

Model Autoregressive (AR) adalah model untuk memprediksi Yt sebagai fungsi

dari data di masa yang lalu, yakni t-1, t-2, .., t-n. Persamaan AR:

Yt = A1Yt-1 + A2Yt-2 + …. + ApYt-p + et

Dimana:

Yt = Nilai AR yang diprediksi

Ap = Koefisien

Yt-1,Yt-2,..,Yt-p = Nilai lag dari time series

et = Error yang menjelaskan efek dari variabel yang tidak dijelaskan

oleh model

Model Campuran (ARMA) berisi gabungan persamaan AR dan MA:

Yt = AtYt-1 + A2Yt-2 + ... + ApYt-p + et + (-W1et-1 ) – W2et-q

Model tentatif tersebut ketika sudah didapatkan model terbaik kemudian

dievaluasi apakah telah memenuhi syarat untuk digunakan. Proses ini dinamakan

diagnosik. Menurut Firdaus (2011) Pengujian diagnosik dilakukan melalui enam

kriteria yaitu: (1) Residual atau error bersifat random; (2) Model bersifat

parsimonius; (3) Parameter yang dietimasi berbeda nyata dengan nol; (4)

Koefisien invertibilitas ataupun stasioneritas terpenuhi; (5) Proses iterasi harus

convergence; (6) Model harus memliki MSE yang kecil. Jika model tidak lolos

saat diagnosa, model akan diperbaiki, yang dapat berpeluang pada proses

estimasi. Namun jika model telah dianggap layak, proses dapat dilanjutkan

dengan malakukan kegiatan prediksi menggunakan model yang telah dipilih

tersebut. Proses ini dinamakan forecasting (prediksi).

Tahap selanjutnya adalah penggunaan model untuk peramalan. Peramalan

dalam penelitian ini yaitu tentang produksi dan konsumsi beras domestik. Setalah

model yang sesuai diperolah maka dapat membuat peramalan untuk satu atau

beberapa periode mendatang. Namun semakin jauh peramalan maka interval

keyakinan semakin besar dan dalam penelitian ini dilakukan peramalan mengenai

produksi dan konsumsi beras domestik hingga tiga tahun kedepan yaitu hingga

tahun 2017. Peramalan dan interval dihitung dengan program Box-Jenkins.

Kemudian semakin banyak data yang tersedia, model yang sama dapat digunakan

untuk mengubah peramalan dengan cara memilih waktu awal yang lain. Data

yang digunakan dalam penelitian ini yaitu dalam kurun waktu tiga puluh tahun

terakhir yaitu 1985-2014 dimana dalam kurun waktu ini telah menjawab

peralaman yang akan dilakukan.

V HASIL DAN PEMBAHASAN

5.1 Perkembangan Produksi dan Konsumsi Beras di Indonesia

Perkembangan produksi dan konsumsi beras di Indonesia menunjukkan

kondisi yang berfluktuasi setiap tahunnya (lampiran 1). Pertumbuhan produksi

dan konsumsi pada tahun 1985-2014 rata-rata sebesar 2,1% dan 1,4% dengan

rata-rata produksi sebesar 33.083,45 ribu ton dan 32.483,98 ribu ton. Peningkatan

produksi beras yang terjadi di Indonesia diakibatkan oleh peningkatan

produktivitas dan luas areal panen padi setiap tahunnya, sedangkan peningkatan

konsumsi beras diakibatkan pertumbuhan penduduk yang terus meningkat.

Komoditas beras masih dipandang sebagai produk kunci dalam perekonomian

Indonesia sehingga kekurangan persediaan merupakan ancaman bagi kestabilan

ekonomi dan politik. Perkembangan kebijakan padi dan perberasan nasional

sebenarnya telah dimulai pada abad ke-20 saat pemerintah kolonial Belanda

mendeklarasikan kebijakan mengenai “politik etika” dengan trilogi instrumen

kebijakan yaitu irigasi, edukasi, dan migrasi dengan tujuan meningkatkan

produksi tanaman pangan terutama beras.

Menurut Hafsah dan Sudaryanto (2004) sejarah telah mencatat Indonesia

pernah mencapai swasembada beras pada tahun 1984. Keberhasilan swasembada

beras ini disebabkan oleh dukungan politik pemerintah yang memprioritaskan

pembangunan pertanian disertai kebijakan ekonomi makro yang mendukung,

terobosan teknologi baru (Revolusi Hijau) budi daya padi sawah, dan kebijakan

intensifikasi pertanian (Bimas) yang mengatur penerapan paket teknologi secara

sentralistik. Swasembada beras pada tahun 1984 telah diakui oleh dunia dan

mendapat penghargaan besar dari Organisasi Pangan dan Pertanian Dunia (FAO)

dimana Indonesia ditunjuk sebagai contoh negara berkembang yang berhasil

memenuhi kebutuhan pangannya sendiri. Tahun 1968-1984 laju produktivitas

padi meningkat sebesar 5% per tahun dan saat itu tertinggi di Asia Tenggara dan

Asia Selatan.

Sejarah intensifikasi padi telah dimulai pada masa kemerdekaan dimana

upaya untuk meningkatkan produksi pertanian dimulai dengan adanya Rencana

Kasimo yang merupakan rencana 3 tahunan (1948-1950) dengan mendirikan

Balai Pendidikan Masyarakat Desa (BPMD). Selanjutnya pada bulan Desember

1949, pemerintah memulai usaha pembangunan pertanian yang lebih sistematis

yaitu menggabungkan Rencana Kasimo dengan Rencana Wisaksono menjadi

Rencana Kesejahteraan Istimewa (RKI). Rencana ini diwujudkan dengan

perbanyak benih unggul, perbaikan dan perluasan pengairan, penggunaan pupuk

fosfat dan nitrogen pada padi, pemberantasan hama tanaman, pengendalian

bahaya erosi, intensifikasi tanah kering, serta pendidikan masyarakat desa.

Strategi intensifikasi yang digelar sejak awal adalah strategi pembelajaran

dengan tujuan supaya petani menjadi mandiri. Program intensifikasi ini

menerapkan teknologi panca usaha tani yang sebenarnya tidak terlalu berbeda

dengan teknologi yang diterapkan dalam RKI. Setahun kemudian yaitu tahun

1959 mulai dilakukannya gerakan peningkatan produksi pangan dengan

membentuk Badan Perusahaan Produksi Bahan Makanan dan Pembukaan Tanah

(BPMT) dengan tujuan mencapai swasembada beras selama tiga tahun, namun

program ini gagal karena tidak mencapai swasembada pada tahun yang

ditentukan. Institut Pertanian Bogor (IPB) pada tahun 1963 juga berperan dalam

membantu meningkatkan produksi beras melalui pilot proyek (action research)

yang dilaksanakan di Karawang dan mampu meningkatkan hasil panen dua kali

lipat dari sebelumnya. Teknologi yang digunakan pada proyek tersebut meliputi

penggunaan bibit unggul bermutu, pemupukan sesuai rekomendasi, pengendalian

hama penyakit, pembibingan dan penyuluhan intensif kepada petani. Keberhasilan

program ini kemudian ditindaklanjuti dengan Program Demonstrasi Massal

(Demas) yang dilaksanakan di beberapa kabupaten di Indonesia.

Tahun 1967, Bimas dikembangkan melalui Keputusan Menteri Pertanian

untuk lebih meningkatkan kinerja pelaksanaan intensifikasi pada beberapa sentra

produksi padi. Bersamaan dengan itu ditemukannya teknologi terobosan baru

berupa benih unggul padi sawah yang sangat responsif terhadap pemupukan dan

teknik budi daya, yaitu IR5 dan IR8 (PB5 dan PB8) oleh International Rice

research Institute (IRRI). Program Bimas ternyata memerlukan biaya yang besar

dan sebagian besar sarana produksi berupa pupuk kimia dan pestisida harus

diimpor sehingga untuk mengatasi masalah tersebut dilakukan kerjasama dengan

perusahaan asing penghasil pestisida atau pupuk kimia. Kerjasama ini dinamakan

program Bimbingan Massal Gotong Royong (Bimas GR) namun konsumsi

pestisida dan pupuk kimia dalam program ini menjadi meningkat pesat dan

berdampak negatif pada kerusakan lingkungan. Menyadari dampak buruk tersebut

maka dikeluarkannya keputusan pelanggaran 52 jenis pestisida pada tanaman

padi, dan mulai mengendalikan program pengendalian hama terpadu (HPT).

Program ini berhasil mengurangi jumlah penggunaan pestisida. Tanggal 1

Desember 1969, program Bimas disempurnakan menjadi program Bimas

Nasional dengan dibentuknya Badan Pengendali Bimas melalui Keppres nomor

95 tahun 1969 dengan menyediakan kredit bunga rendah serta pupuk kimia, bibit

unggul, dan pestisida melalui harga yang disubsidi oleh pemerintah.

Program Bimas kemudian dikembangkan menjadi Intensifikasi Khusus

(Insus) dimana program dilaksanakan oleh petani sehamparan secara berkelompok

guna memanfaatkan sumber daya secara optimal. Kelompok tani ini juga dibentuk

untuk mempermudah penyaluran kredit dan sarana produksi serta penyuluhan

yang terorganisir. Upaya selanjutnya yang dilakukan pemerintah adalah investasi

prasarana irigasi, perluasan areal persawahan, dan investasi penelitian dan

pengembangan pertanian dengan membentuk Badan Penelitian dan

Pengembangan Pertanian (BPPP) pada tahun 1974, berbagai program intensifikasi

tersebut akhirnya memberikan hasil dengan tercapainya swasembada beras pada

tahun 1984.

5.1.1 Perkembangan Produksi dan Konsumsi Beras di Indonesia Periode

1985-1994

Perkembangan produksi dan konsumsi beras di Indonesia pada periode

1985-1994 menunjukkan kondisi yang berfluktuasi. Peningkatan produksi pada

tahun 1985-1988 dikarenakan tersedianya cukup banyak varietas baru pada pelita

III, program intesifikasi berjalan lancar, disamping Insus (Intensifikasi Khusus)

untuk daerah berpengairan baik, dan Opsus (Operasi Khusus) untuk daerah yang

memiliki hambatan dalam program intensifikasi. Peningkatan produksi padi

sebesar 2,5% pada tahun 1985-1988 ternyata belum mampu menutupi konsumsi

beras pada tahun tersebut. Hal ini dikarenakan peningkatan konsumsi beras

domestik lebih besar dari pada produksinya sehingga tahun 1985-1988 Indonesia

masih mengimpor beras dalam jumlah yang cukup besar dengan rata-rata pertahun

sebesar 392 ribu ton. Tahun 1989-1990 konsumsi beras domestik lebih kecil

dibanding produksinya. Hal ini dikarenakan terjadinya peningkatan produktivitas

sebesar 1,41%. Produksi kembali menurun pada tahun 1991 sebesar 1,1%

sehingga pada tahun ini Indonesia kembali mengalami defisit beras sebesar 628

ribu ton. Peningkatan produksi terbesar terjadi pada tahun 1992. Hal ini

dikarenakan terjadi peningkatan luas areal panen padi sebesar 8,07% dari tahun

sebelumnya, sehingga produksi padi dapat ditingkatkan sebesar 8% pada tahun

tersebut. Tahun 1994 terjadi penurunan produksi yang sangat pesat sebesar

3,18%. Hal ini disebabkan penurunan luas areal panen sebesar 2,51% akibat El

Nino.

Tabel 7 Luas panen, produktivitas dan produksi padi di Indonesia periode 1985-

1994

Tahun Areal panen

(000 Ha)

Pert.

(%)

Produktivitas

(Ton/Ha)

Pert.

(%)

Produksi padi

(000 Ton)

Pert.

(%)

1985 9.902,29 - 3,94 - 39.032,95 -

1986 9.988,45 0,87 3,98 0,89 39.727,12 1,78

1987 9.902,86 -0,86 4,04 1,66 40.036,14 0,78

1988 10.120,88 2,20 4,11 1,76 41.638,92 4,00

1989 10.505,57 3,80 4,25 3,38 44.685,13 7,32

1990 10.464,65 -0,39 4,31 1,41 45.132,64 1,00

1991 10.256,02 -1,99 4,35 0,88 44.621,36 -1,13

1992 11.083,94 8,07 4,35 -0,05 48.205,35 8,03

1993 10.993,92 -0,81 4,38 0,67 48.129,35 -0,16

1994 10.717,73 -2,51 4,35 -0,69 46.598,38 -3,18

Rata-rata 10.393,63 0,93 4,21 1,10 43.780,74 2,05

Sumber: Badan Pusat Statistik dan Kementerian Pertanian, 2015

Sumber: Kementerian Pertanian, 2015 (diolah)

Gambar 7 Produksi dan konsumsi beras di Indonesia periode 1985-1994


1995-2004

Perkembangan produksi beras pada tahun 1995-1996 kembali meningkat

dari tahun sebelumnya. Hal ini dikarenakan terjadinya peningkatan luas areal

0

5000

10000

15000

20000

25000

30000

35000

1985 1986 1987 1988 1989 1990 1991 1992 1993 1994

Produksi Beras (Ribu Ton) Konsumsi Beras (Ribu Ton)

panen padi sebesar 6,56%. Tahun 1997 Indonesia mengalami kembali

mengalami defisit beras hal ini dikarenakan terjadinya El-Nino yang

berkepanjangan sehingga produksi beras mengalami penurunan yang cukup

tajam dan terparah sepanjang perkembangan beras di Indonesia setelah

kemerdekaan yaitu sebesar 3,3%. Dampak dari hal ini adalah terjadinya

peningkatan volume impor dalam jumlah yang cukup besar yaitu sebesar 1,3 juta

ton pada tahun 1998.


2004

Tahun Areal panen

(000 Ha)

Pert.

(%)

Produktivitas

(Ton/Ha)

Pert.

(%)

Produksi padi

(000 Ton)

Pert.

(%)

1995 11.420,68 6,56 4,35 0,09 49.697,44 6,65

1996 11.550,05 1,13 4,42 1,56 51.048,89 2,72

1997 11.126,39 -3,67 4,43 0,32 49.339,09 -3,35

1998 11.716,45 5,30 4,19 -5,30 49.199,84 -0,28

1999 11.963,20 2,11 4,25 1,26 50.866,39 3,39

2000 11.793,58 -1,42 4,40 3,50 51.898,85 2,03

2001 11.489,99 -2,57 4,39 -0,20 50.460,78 -2,77

2002 11.521,17 0,27 4,47 1,75 51.489,69 2,04

2003 11.488,03 -0,29 4,54 1,54 52.137,60 1,26

2004 11.922,97 3,79 4,54 -0,04 54.088,38 3,74

Rata-rata 11.599,25 1,12 4,39 0,45 51.022,69 1,54

Sumber: Badan Pusat Statistik dan Kemeterian Petanian (2015)

Sumber: Kementerian Pertanian (2015) diolah


Semenjak terjadinya kemarau panjang El-Nino produksi beras di Indonesia

terus mengalami defisit beras hingga tahun 2004. Hal yang dilakukan pemerintah

adalah melakukan kebijakan untuk meningkatkan produksi padi melalui

peningkatan produktivitas padi sehingga pada tahun 1999 produktivitas mampu

meningkat hingga mencapai 3,5% dan produksi padi berhasil meningkat sebesar

28000

29000

30000

31000

32000

33000

34000

35000

1995 1996 1997 1998 1999 2000 2001 2002 2003 2004


3,4% pada tahun 1999 namun produksi beras belum mampu menutupi konsumsi

beras domestik hingga tahun 2004. Dampak dari hal ini adalah impor beras

masih dilakukan hingga tahun 2004 dengan rata-rata pertahun sebesar 581 ribu

ton.


2005-2014

Perkembangan produksi padi pada tahun 2005-2009 terus mengalami

peningkatan. Luas areal panen padi yang menurun pada tahun 2005-2006 sebesar

0,26% ternyata tidak berdampak pada produktivitas padi dimana produktivitas

padi tetap meningkat di tahun ini. Peningkatan produksi beras berimplikasi pada

tercapainya swasembada beras relatif pada tahun 2008 karena pada tahun ini

produksi beras melebihi konsumsi beras. Tahun 2011 akibat kemarau panjang El

Nino produksi beras kembali menurun sebesar 1,1% dari tahun sebelumnya.

Penurunan yang terjadi pada konsumsi beras di tahun ini juga diakibatkan oleh

penurunan pola konsumsi langsung untuk pangan sebesar 2,59% per kapita. Hal

ini dikarenakan terjadinya diversifikasi pangan dari beras ke non beras,

meningkatnya kesejahteraan masyarakat menyebabkan pola konsumsi berubah ke

pola makanan alternatif seperti gandum, kentang, jagung, umbi-umbian dan

lainnya. Penurunan konsumsi beras menunjukkan keberhasilan diversifikasi

pangan di Indonesia sehingga diharapakan akan berimplikasi pada penurunan

ketergantungan bangsa Indonesia terhadap beras.

Penurunan produksi beras yang terjadi tidak berimplikasi pada krisis beras

karena konsumsi beras juga mengalami penurunan sehingga produksi beras masih

mencukupi kebutuhan konsumsi dalam negeri. Impor yang masih terjadi

diakibatkan distribusi beras yang masih sulit dilakukan untuk daerah terpencil,

stok beras (cadangan beras pemerintah) yang harus tersedia di akhir tahun

minimal sebesar 1,25 juta ton mengakibatkan beras harus tersedia di dalam negeri

kapanpun dimanapun (Bulog, 2010). Oleh karena itu, impor tetap boleh dilakukan

dengan tujuan mengantisipasi masalah kekurangan pangan, gejolak harga,

keadaan darurat akibat bencana dan kerawanan pangan serta memenuhi

kesepakatan Cadangan Beras Darurat ASEAN (ASEAN Emergency Rice Reserve,

AERR).


2014

Tahun Areal panen

(000 Ha)

Pert.

(%)

Produktivitas

(Ton/Ha)

Pert.

(%)

Produksi padi

(000 Ton)

Pert.

(%)

2005 11.839,06 -0,70 4,57 0,84 54.151,09 0,12

2006 11.786,43 -0,44 4,62 1,01 54.454,94 0,56

2007 12.147,64 3,06 4,71 1,84 57.157,44 4,96

2008 12.327,43 1,48 4,89 4,02 60.325,93 5,54

2009 12.883,58 4,51 4,99 2,15 64.398,89 6,75

2010 13.253,45 2,87 5,02 0,32 66.469,39 3,22

2011 13.203,64 -0,38 4,98 -0,70 65.756,90 -1,07

2012 13.445,52 1,83 5,14 3,13 69.056,13 5,02

2013 13.835,25 2,90 5,15 0,31 71.279,71 3,22

2014 13.797,31 -0,27 5,14 -0,33 70.846,47 -0,61

Rata-rata 12.851,93 1,49 4,92 1,26 63.389,69 2,77

Sumber: Badan Pusat Statistik dan Kementerian Pertanian (2015)

Sumber: Kementerian Pertanian (2015) diolah


Konsumsi beras jika dihitung per musim tanam produksi padi yaitu per 4

bulan asumsi tahun 2014 yaitu sebesar 12 juta ton dimana impor dilakukan untuk

menjaga stok tersedia pada awal tahun, jika pada awal tahun terjadi kegagalan

panen maka ketersediaan beras dari sisaan padi pada tahun 2014 ditambah impor

beras akan mampu menutupi kekurangan beras selama 4 bulan sehingga harga

beras tetap stabil namun kondisi volume impor yang dilakukan hingga akhir tahun

2014 menyebabkan pemerintah menetapkan program swasembada beras pada

tahun 2017 dengan tujuan menjaga produksi beras dalam negeri dan

ketergantungan Indonesia terhadap impor. Program ini diharapkan dapat

terealisasikan melalui berbagai kebijakan penunjang lainnya yang mendukung

program ini. Berikut ini perkembangan produksi dan konsumsi beras di Indonesia.

0

10000

20000

30000

40000

50000

2005 2006 2007 2008 2009 2010 2011 2012 2013 2014


5.2 Analisis Faktor-Faktor yang Mempengaruhi Produksi Padi dan

Konsumsi Beras Domestik

Pendugaan model menggunakan metode regresi berganda dengan fungsi

linear dilakukan untuk mengetahui faktor-faktor yang mempengaruhi produksi

padi dan konsumsi beras domestik. Hal ini dilakukan untuk mendukung program

swasembada beras yang ada di Indonesia. Alat yang digunakan dalam

pembentukan model ini yaitu software Minitab versi 16. Data yang digunakan

merupakan data 30 tahun terakhir yaitu dari tahun 1985 hingga 2014 dengan

periode tahunan. Pembentukan model produksi padi dilakukan dengan

menggunakan satu variabel dependen dan enam variabel independen sedangkan

pembentukan model konsumsi beras dilakukan dengan menggunakan satu

variabel dependen dan empat variabel independen. Model terbaik yang dihasilkan

sudah memenuhi kriteria pengujian yang telah ditentukan sebelumnya (lampiran 2

dan 4).

5.2.1 Model Produksi Padi Domestik

Fungsi produksi padi domestik didapatkan dengan memasukkan variabel-

variabel independen yang diestimasi mempengaruhi produksi padi domestik

dalam persamaan regresi linear berganda. Hasil estimasi parameter pada produksi

padi dapat dilihat pada tabel 10. Berdasarkan tabel 10, fungsi produksi padi

domestik memiliki R-sq (adj) sebesar 0,972. Artinya keragaman produksi padi

domestik dapat dijelaskan oleh variabel-variabel independen sebesar 97%,

sedangkan sisanya 3% dijelaskan oleh variabel-variabel lain yang tidak terdapat

dalam persamaan. Hasil estimasi fungsi produksi padi domestik diketahui bahwa

Pvalue untuk uji statistik-F yaitu 0,000 yang lebih kecil dari taraf nyata α = 0,05.

Hal ini menunjukkan bahwa seluruh variabel indipenden bersama-sama mampu

menjelaskan produksi padi domestik pada selang kepercayaan 95%. Uji-t

dilakukan dengan melihat nilai probabilitas pada variabel independen. Jika nilai

probabilitas variabel independen lebih kecil dari taraf nyata yang digunakan,

maka variabel independen berpengaruh terhadap variabel dependen.

Tabel 10 Hasil analisis model regresi produksi padi domestik

Variabel Koefisien Standar Error T-Hitung P-Value VIF

Constant -40953 4870 -8,41 0,000 NA

LAP 7,6720 0,4498 17,05 *0,000 3,190

HG 0,1719 0,7482 0,23 0,820 3,644

HPU -0,8605 0,5515 -1,56 *0,132 1,380

UBT 0,1354 0,1077 1,26 0,221 1,614

JVUP -17,69 28,400 -0,62 0,539 1,249

CH 0,8149 0,6733 1,21 0,238 1,280

R-Sq = 97,8%

R-Sq(adj) = 97,2%

P-Value, Uji DW = 1,31 , P-Value, Uji Run Test = 0,265

F = 167,49

P-Value model = 0,000

Sumber : Data Sekunder Diolah (2016)

Keterangan : *Nyata pada taraf α = 0,05

**Nyata pada taraf α = 0,15

Berdasarkan tabel 10, maka fungsi produksi padi domestik adalah sebagai berikut:

PP = - 40953 + 7,67 LAP + 0,172 HG – 0,681 HPU + 0,0,135 UBT – 17,7

JVUP + 0,815 CH + et

Keterangan:

PP = Produksi beras (Ribu Ton)

LAP = Luas areal panen (Ribu Ha)

HG = Harga riil gabah (Rp/Kg)

HPU = Harga riil pupuk urea (Rp/Kg)

UBT = Tingkat riil upah TK (Rp/HOK)

JVUP = Jumlah varietas unggul padi (Jenis)

CH = Curah hujan (Mm)

Berdasarkan tabel 10, fungsi produksi padi domestik menunjukkan bahwa

probabilitas variabel luas areal panen memiliki nilai lebih kecil dari taraf nyata α

= 0,05 yang berarti bahwa variabel tersebut positif berpengaruh signifikan

terhadap produksi padi domestik pada taraf nyata 5% sedangkan harga pupuk urea

memiliki nilai lebih kecil dari taraf nyata α = 0,15 yang berarti bahwa variabel

tersebut positif berpengaruh signifikan terhadap produksi padi domestik pada taraf

nyata 15%. Variabel harga riil gabah, tingkat riil upah tenaga kerja, jumlah

varietas unggul benih padi, dan curah hujan memiliki nilai lebih besar dari taraf

nyata α = 0,15, artinya variabel tersebut positif berpengaruh tetapi tidak signifikan

terhadap produksi padi domestik.

Suatu fungsi harus memenuhi uji ekonomi klasik dan uji ekonomi. Uji

ekonomi klasik meliputi pengujian asumsi-asumsi dasar dengan melihat masalah

autokorelasi, multikolinieritas, heteroskedastisitas dan normalitas. Uji ekonomi

klasik yang digunakan untuk melihat pelanggaran asumsi dalam persamaan adalah

sebagai berikut:

1. Uji Autokorelasi

Uji autokorelasi menggunakan uji Durbin-Watson. Aturan dalam

mengambil keptusan Uji DW terlihat pada tabel 6 dimana fungsi produksi padi

domestik memiliki nilai DW sebesar 1,31 atau berada diantara 1,10 dan 1,54 yang

berarti tidak dapat diketahui apakah terjadi autokorelasi atau tidak (tanpa

kesimpulan) sehingga diperlukan uji Run-Test untuk melihat apakah fungsi

produksi padi terjadi autokorelasi atau tidak. Jika Pvalue pada uji ini lebih besar

dari taraf nyata α = 0,05 maka fungsi produksi padi tidak terjadi autokorelasi.

Pvalue pada Uji Run-Test sebesar 0,265, artinya lebih besar dari taraf nyata 5%

sehingga tidak terjadi masalah autokorelasi pada fungsi produksi padi.

2. Uji Multikolinearitas

Uji multikolinearitas untuk memastikan tidak adanya hubungan linear

antara variabel independen. Uji multikolinearitas dalam fungsi produksi beras

domestik dilihat dari nilai Variance Inflation Factor (VIF) pada masing-masing

variabel independen. Apabila nilai VIF kurang dari sepuluh, maka variabel

independen tersebut tidak mengalami masalah multikolinearitas yang serius,

sedangkan jika nilai VIF lebih dari sepuluh maka variabel independen pada fungsi

produksi mengalami masalah multikolinearitas yang serius. Tabel 10

menunjukkan bahwa nilai VIF semua variabel independen pada fungsi konsumsi

beras domestik lebih kecil dari 10 yaitu antara 1,249 sampai dengan 3,644. Hal ini

menunjukkan bahwa antara variabel independen satu dengan variabel lainnya

yang berada di dalam fungsi produksi beras domestik tidak terdapat masalah

multikolinearitas yang serius.

3. Uji Heteroskedastisitas

Uji heteroskedastisitas menggunakan uji Glejser, jika nilai Pvalue lebih

besar dari taraf nyata yang digunakan, maka tidak terdapat masalah

heteroskedastisitas. Jika nilai Pvalue lebih kecil dari taraf nyata yang digunakan,

maka terdapat masalah heteroskedastisitas pada model produksi padi domestik.

Berdasarkan lampiran 2, nilai Pvalue sebesar 0,127 atau nilai probabilitas lebih

besar dari taraf nyata α = 0,05, artinya tidak terdapat masalah heteroskedastisitas

pada fungsi produksi padi domestik.

4. Uji Normalitas

Uji normalitas menggunakan metode Jarque-Bera. Jika probabilitas lebih

besar dari taraf nyata yang digunakan, maka residual tersebar normal. Jika nilai

probabilitas lebih kecil dari taraf nyata yang digunakan, maka residual tidak

tersebar normal. Fungsi produksi padi domestik memiliki probabilitas sebesar

0,097 atau lebih besar dari taraf nyata α = 0,05 (lampiran 2), artinya residual

tersebar normal atau tidak terjadi masalah normalitas pada fungsi produksi padi.

Sedangkan uji ekonomi dilihat melalui hipotesis awal penelitian pada

persamaan produksi padi domestik dengan melihat tanda pada koefisien variabel

independen dalam fungsi produksi. Variabel yang diduga tidak sesuai dengan

hipotesis yang diharapkan adalah varietas unggul benih padi. Hal ini

menunjukkan bahwa variabel varietas unggul benih padi pada fungsi produksi

padi domestik tidak memenuhi kriteria ekonomi. Hal ini dikarenakan varietas

unggul padi memiliki harga yang relatif tinggi dibandingkan varietas lokal

sehingga tidak semua petani menggunakan varietas unggul dalam proses

produksinya. Menurut Wardojo (1993) Padi dihasilkan oleh 18 juta petani pangan,

49% diataranya adalah petani sempit yang menguasai lahan kurang dari 0,24

ha/keluarga, dimana rata-rata petani ini hanya menggunakan varietas lokal dalam

proses produksinya.

1. Luas Areal panen padi

Berdasarkan hasil analisis diketahui bahwa luas areal panen padi

berpengaruh nyata terhadap produksi padi domestik. Hal ini dapat dilihat bahwa

nilai Pvalue sebesar 0,000 atau kurang dari taraf nyata 0,05. Adapun koefisien luas

areal panen padi adalah 7,67 (bernilai positif) yang artinya peningkatan luas areal

panen akan meningkatkan produksi padi domestik. Setiap penambahan rata-rata

luas areal panen sebesar 1 ribu ha maka akan meningkatkan produksi padi

domestik sebesar 7,67 ribu ton dengan faktor lain dianggap tetap (cateris

paribus). Hal ini dikarenakan ketika petani menambah luas lahan panen padi

maka otomatis produksi padi akan bertambah diakibatkan 1 ha produksi padi akan

menghasilkan rata-rata 6-7 ton padi gabah kering (Kementerian Pertanian).

2. Harga Riil Pupuk Urea

Berdasarkan hasil estimasi diketahui bahwa harga riil pupuk urea

berpengaruh secara nyata terhadap produksi padi domestik. Hal ini dapat dilihat

bahwa nilai Pvalue sebesar 0,132 lebih besar dari taraf nyata 0,15. Adapun

koefisien harga riil pupuk urea adalah -0,861 (bernilai negatif) yang artinya ketika

terjadi peningkatan harga riil pupuk urea maka akan menurunkan produksi padi

domestik. Setiap peningkatan rata-rata harga riil pupuk urea sebesar 1 Rp/kg maka

akan menurunkan produksi padi sebesar 0,861 ribu ton dengan faktor lain

dianggap tetap (cateris paribus). Hal ini dikarenakan ketika harga riil pupuk urea

naik maka petani akan mengurangi jumlah penggunaan pupuk urea dimana akan

berdampak pada penurunan produksi padi.

5.2.2 Model Konsumsi Beras Domestik

Berdasarkan hipotesis penelitian fungsi konsumsi beras domestik

didapatkan dengan mamasukkan variabel-variabel independen yang diestimasi

mempengaruhi konsumsi beras domestik ke dalam persamaan regresi linear

berganda. Hasil estimasi fungsi konsumsi beras dapat dilihat pada tabel 11.

Berdasarkan tabel 11, maka fungsi konsumsi beras domestik adalah sebagai

berikut:

Ln (KB) = 3,70 – 0,000004 HB + 0,000006 POP – 0,000015 PDB + 0,000005 HJ

Keterangan:

KB = Konsumsi beras (Ton)

HB = Harga riil beras (Rp/Kg)

POP = Jumlah penduduk Indonesia (Ribu Jiwa)

PDB = PDB riil Indonesia (Rp.T)

HJ = Harga riil jagung (Rp/Kg)

Berdasarkan tabel 11, fungsi konsumsi beras domestik memiliki R-sq (adj)

sebesar 0,968. Artinya keragaman konsumsi beras domestik dapat dijelaskan oleh

variabel-variabel independen sebesar 97%, sedangkan sisanya 3% dijelaskan oleh

variabel-variabel lain yang tidak terdapat dalam persamaan. Hasil estimasi fungsi

konsumsi beras domestik diketahui bahwa nilai Pvalue untuk uji statistik-F yaitu

0,000 yang lebih kecil dari taraf nyata α = 0,05 (tabel 11). Hal ini menunjukkan

bahwa seluruh variabel independen secara bersama-sama mampu menjelaskan

konsumsi beras domestik pada selang kepercayaan 95%.

Tabel 11 Hasil analisis model regresi konsumsi beras domestik

Variabel Koefisien Standar Error T-Hitung P-Value VIF

Constant 3,70406 0,02804 132,11 0,000 -

HB -0,000005 0,000005 -0,93 0,361 2,658

POP 0,000006 0,0000004 12,79 *0,000 8,117

PDB -0,000015 0,000005 -2,79 *0,010 8,267

HJ 0,000005 0,0000067 0,73 0,471 3,687

R-Sq = 97,3%

R-Sq(adj) = 96,8%

P-Value, Uji DW = 1,815

F = 212,29

P-Value model = 0,000

Sumber : Data Primer Diolah (2016)

Keterangan : *Nyata pada taraf α = 0,05

Uji-t dilakukan dengan melihat nilai probabilitas pada variabel

independen. Jika nilai probabilitas variabel independen lebih kecil dari taraf nyata

yang digunakan maka variabel independen berpengaruh terhadap variabel

dependen. Berdasarkan tabel 11, fungsi konsumsi beras domestik menunjukkan

bahwa probabilitas variabel jumlah penduduk dan PDB riil Indonesia lebih kecil

dari taraf nyata α = 0,05 yang berarti bahwa variabel tersebut positif berpengaruh

signifikan terhadap konsumsi beras domestik, sedangkan variabel harga riil beras

dan harga riil jagung menunjukkan probabilitas yang lebih besar dari taraf nyata α

= 0,05, artinya variabel tersebut positif berpengaruh tetapi tidak signifikan

terhadap konsumsi beras domestik.

Suatu fungsi harus memenuhi kriteria uji ekonomi klasik dan uji ekonomi.

Uji ekonomi klasik meliputi pengujian asumsi-asumsi dasar dengan melihat

masalah autokorelasi, multikolinieritas, heteroskedastisitas dan normalitas. Uji

ekonomi klasik yang digunakan untuk melihat pelanggaran asumsi dalam

persamaan adalah sebagai berikut:

1. Uji Autokorelasi

Uji autokorelasi menggunakan uji Durbin-Watson. Jika nilai DW lebih

dari 1,55 sampai dengan 2,46 maka kesimpulannya tidak terjadi autokorelasi.

Fungsi konsumsi beras domestik memiliki nilai DW sebesar 1,815 atau berada

diantara 1,55 sampai 2,46, artinya tidak terjadi masalah autokorelasi pada fungsi

konsumsi beras.

2. Uji Multikolinieritas

Uji multikolinearitas untuk memastikan tidak adanya hubungan linear

antara variabel independen. Uji multikolinearitas dalam fungsi konsumsi beras

domestik dilihat dari nilai Variance Inflation Factor (VIF) pada masing-masing

variabel independen. Apabila nilai VIF kurang dari sepuluh, maka variabel

independen tersebut tidak mengalami masalah multikolinearitas yang serius,

sedangkan jika nilai VIF lebih dari sepuluh maka variabel independen pada fungsi

konsumsi mengalami masalah multikolinearitas yang serius. Tabel 11

menunjukkan bahwa nilai VIF semua variabel independen pada fungsi konsumsi

beras domestik lebih kecil dari 10 yaitu antara 2,658 sampai dengan 8,267. Hal ini

menunjukkan bahwa antara variabel independen satu dengan variabel lainnya

yang berada di dalam fungsi konsumsi beras domestik tidak terdapat masalah

multikolinearitas yang serius.

3. Uji Heteroskedastisitas

Uji heteroskedastisitas menggunakan uji Glejser, jika nilai Pvalue lebih

besar dari taraf nyata yang digunakan, maka tidak terdapat masalah

heteroskedastisitas. Apabila nilai Pvalue lebih kecil dari taraf nyata yang digunakan,

maka terdapat masalah heteroskedastisitas pada model konsumsi beras domestik.

Berdasarkan lampiran 4, nilai Pvalue sebesar 0,124 atau nilai Pvalue lebih besar dari

taraf nyata α = 0,05, artinya tidak terdapat masalah heteroskedastisitas pada fungsi

produksi padi domestik.

4. Uji Normalitas

Uji normalitas menggunakan metode Jarque-Bera. Apabila nilai

probabilitas lebih besar dari taraf nyata yang digunakan maka residual tersebar

normal, jika nilai probabilitas lebih kecil dari taraf nyata yang digunakan, maka

residual tidak tersebar normal. Fungsi konsumsi beras domestik memiliki nilai

probailitas sebesar 0,102 atau lebih besar dari taraf nyata α = 0,05 (lampiran 4),

artinya residual tersebar normal atau tidak terjadi masalah normlalitas pada fungsi

konsumsi beras domestik.

Sedangkan uji ekonomi dilihat melalui hipotesis awal penelitian pada

persamaan konsumsi beras domestik dengan melihat tanda pada koefisien variabel

independen dalam fungsi konsumsi beras domestik. Tanda pada koefisien variabel

indipenden dalam fungsi konsumsi beras domestik sesuai dengan hipotesis yang

diharapkan. Hal ini menunjukkan bahwa fungsi konsumsi beras domestik

memenuhi kriteria ekonomi.

1. Jumlah Penduduk Indonesia

Berdasarkan hasil estimasi diketahui bahwa jumlah penduduk Indonesia

berpengaruh secara nyata terhadap konsumsi beras domestik. Hal ini dapat dilihat

bahwa nilai Pvalue sebesar 0,000 lebih kecil dari taraf nyata 0,05. Adapun koefisien

jumlah penduduk Indonesia adalah 0,0000055 (bernilai positif) yang artinya

ketika terjadi peningkatan jumlah penduduk Indonesia maka akan meningkatkan

konsumsi beras domestik. Setiap peningkatan rata-rata jumlah penduduk

Indonesia sebesar 1 jiwa maka akan meningkatkan konsumsi beras sebesar 0,55

persen dengan faktor lain dianggap tetap (cateris paribus). Hal ini karena ketika

jumlah penduduk Indonesia meningkat maka dapat dipastikan jumlah konsumsi

beras total juga akan meningkat karena akan semakin banyak orang

mengkonsumsi beras.

2. PDB Riil Indonesia

Berdasarkan hasil estimasi diketahui bahwa PDB riil Indonesia

berpengaruh secara nyata terhadap produksi padi domestik. Hal ini dapat dilihat

bahwa nilai Pvalue sebesar 0,010 lebih kecil dari taraf nyata 0,05. Adapun koefisien

PDB riil Indonesia adalah -0,000015 (bernilai negatif) yang artinya ketika terjadi

peningkatan PBR riil Indonesia maka akan menurunkan konsumsi beras domestik.

Setiap peningkatan rata-rata PDB riil Indonesia sebesar 1 Rp.Milyar maka akan

menurunkan konsumsi beras sebesar 1,5 persen dengan faktor lain dianggap tetap

(cateris paribus). Hal ini karena ketika PDB riil Indonesia meningkat maka

otomatis disebabkan karena peningkatan pendapatan masyarakat Indonesia, ketika

pendapatan masyarakat Indonesia meningkat maka masyarakat Indonesia akan

lebih memperhatikan pola pangan harapan dengan mengurangi jumlah karbohidrat

dan menggantikaannya dengan protein atau sesuai dengan kebutuhan gizi sehari

hari sehingga ketika PDB riil Indonesia meningkat maka akan menurunkan

konsumsi beras total.

5.3 Hasil Proyeksi Produksi dan Konsumsi Beras Domestik

Berdasarkan hasil pengolahaan data menggunakan ARIMA, didapatkan

model terbaik untuk produksi dan konsumsi beras domestik berturut-turut adalah

ARIMA (0,2,1) tanpa kosntanta dan ARIMA (1,1,0) tanpa konstanta (lampiran 12

dan 17). Hasil menunjukkan bahwa dari kedua model tersebut sudah memenuhi

syarat kriteria model terbaik, yaitu model relatif sudah merupakan model yang

memiliki bentuk yang paling sederhana, nilai Pvalue kurang dari 0,05 (taraf nyata),

jumlah koefisien AR atau MA kurang dari 1, kemudian pernyataan relative

change in each estimate less than 0,001, model memiliki MSE terkecil. PACF

dari residual menunjukkan pola damped exponential pada produksi beras dan

ACF dari residual menunjukkan pola exponential pada konsumsi beras (lampiran

11 dan 16). Persamaan fungsi ARIMA (0,2,1) tanpa konstanta untuk proyeksi

produksi beras domestik adalah:

(Yt – Yt-1 – Yt-2) = 0,9488(Yt-1 – Yt-2 – Yt-3) + εt

Yt = 1,9488Yt-1 + 0,0512Yt-2 + 0,9488Yt-3 + εt

sedangkan persamaan fungsi ARIMA (1,1,0) tanpa konstanta untuk proyeksi

konsumsi beras domestik adalah:

(Yt – Yt-1) = 0,6329 (Yt-1 – Yt-2 – Yt-3) + εt

Yt = 1,6329Yt-1 – 0,6329Yt-2 – 0,6329Yt-3+ εt

Berdasarkan persamaan fungsi ARIMA (0,2,1) tanpa konstanta untuk

proyeksi produksi beras domestik, hasil menunjukkan bahwa produksi beras

nasional selama tahun 2015 hingga 2017 akan mengalami pertumbuhan positif.

Pertumbuhan produksi rata-rata mencapai 1,72% dan hasil proyeksi konsumsi

melalui ARIMA (1,1,0) tanpa konstanta menunjukan hasil yang juga positif

selama periode 2015 hingga 2017 yaitu sebesar 0,55%. Berikut tabel kesenjangan

hasil produksi dan konsumsi beras domestik dengan Minitab 16.

Tabel 12 Kesenjangan hasil proyeksi antara produksi dan konsumsi beras

domestik tahun 2015-2017

Tahun Hasil Proyeksi

Senjang (Ton) Produksi (Ton) Konsumsi (Ton)

2015 45.229,6 38.747,5 6.482,1

2016 46.010,1 38.905,8 7.104,3

2017 46.790,7 39.006,1 7.784,6

5.3.1 Analisis Hasil Proyeksi Produksi dan Konsumsi Beras domestik

Analisis pada hasil proyeksi dengan ARIMA, peningkatan produksi

diduga akibat adanya peningkatan pada luas areal panen padi dan produktivitas

yang secara umum memiliki kecenderungan terus meningkat. Jika dilihat secara

rinci pada tabel 9 luas areal panen padi selama kurun waktu 5 tahun terakhir yaitu

2010 hingga 2014 masih mengalami peningkatan. Selama periode waktu tersebut,

peningkatan luas panen cukup signifikan hanya terjadi dua kali yaitu 2012 dan

2013, masing-masing sebesar 1,83% dan 2,90%. Peningkatan luas panen selama

kurun waktu tersebut diakibatkan oleh peningkatan luas areal panen di luar Jawa

yaitu rata-rata sebesar 2,68% sementara peningkatan luas areal panen di Jawa

hanya sebesar 0,31% (tabel 3). Komponen pendukung lainnya adalah

produktivitas. Tahun 2010 hingga 2014 produktivitas juga mengalami

peningkatan sebesar 0,54%. Peningkatan yang cukup signifikan hanya terjadi

pada tahun 2012 saja yaitu 3,13%.

Analisis hasil proyeksi ARIMA menyatakan bahwa peningkatan konsumsi

diduga akibat terjadi peningkatan kebutuhan konsumsi untuk bibit, sektor industri,

tercecer, pakan, restoran, rumah makan, rumah sakit, dll. Kebutuhan untuk rumah

tangga dan non rumah tangga selama kurun waktu lima tahun terakhir yaitu 2010

hingga 2014 mengalami penurunan hal ini diakibatkan oleh berhasilnya program

diversifikasi pangan, beralihnya makanan pokok dari beras ke non beras yang juga

diakibatkan oleh peningkatan kesejahteraan masyarakat Indonesia. Penurunan

konsumsi untuk kebutuhan rumah tangga sebesar 0,79% atau 98,11

kg/kapita/tahun pada tahun 2014 dan 100,75 kg/kapita/tahun pada tahun 2010.

Penurunan konsumsi juga terjadi di luar rumah tangga sebesar 38,4

kg/kapita/tahun dan turun menjadi 34,87 kg/kapita/tahun pada tahun 2014.

Hasil proyeksi produksi dan konsumsi beras domestik menunjukkan

bahwa Indonesia mampu untuk swasembada beras pada tahun 2017. Hal ini

ditujukkan oleh produksi beras domestik melebihi konsumsi beras domestik

terlihat pada tabel 12. Oleh karena itu rekomendasi kebijakan untuk meningkatkan

produksi padi sebaiknya melanjutkan kebijakan yang sudah diterapkan oleh

pemerintah melalui: 1) Perluasan areal tanam, seperti: (a) Mengatasi masalah

yang ditimbulkan oleh konversi lahan; (b) Percetakan lahan sawah baru terutama

diluar Jawa seperti Sulawesi Selatan, Sumatera Utara, dan Sumatera Selatan yang

menjadi sentra produksi beras, karena diperkirakan terdapat sekitar 10 juta hektar

lahan tidur yang sebagian besar terdapat di luar Jawa terutama di daerah-daerah

sentra yang mempunyai kondisi lahan yang sesuai dengan lahan pertanaman padi

dapat dilihat pada tabel 3; (c) Optimalisasi lahan dan peningkatan indeks

pertanaman; (d) Memperbaiki sistem pemberian Insentif pada petani agar tepat

sasaran; 2) Jumlah penduduk dan PDB riil Indonesia, peningkatan jumlah

penduduk dan kesejahteraan masyarakat menyebabkan kebutuhan terhadap jenis

dan kualitas produk makanan juga semakin meningkat dan beragam. Pengendalian

konsumsi dari jumlah penduduk ini dapat didekati dengan pengaturan konsumsi

per kapita. Oleh karena itu salah satu target kementerian pertanian konsumsi dapat

turun 1,5% per tahun yang diimbangi dengan peningkatan konsumsi umbi-

umbian, pangan hewani, buah-buahan dan sayuran; 3) Menambah dan

memperbaiki infrastruktur irigasi; dan 4) Meningkatkan produktivitas dan inovasi

teknologi.

VI KESIMPULAN DAN SARAN

6.1 Kesimpulan

1. Perkembangan produksi dan konsumsi beras di Indonesia cenderung

mengalami peningkatan dari tahun ke tahun. Selama kurun waktu 30

tahun (1985-2014) pertumbuhan produksi beras di Indonesia sebesar

2,1% per tahun. Angka ini lebih besar dari pada pertumbuhan

konsumsi beras di Indonesia sebesar 1,4% per tahun. Pertumbuhan

produksi beras dan konsumsi beras rata-rata sebesar 33.083,45 ribu ton

dan 32.483,98 ribu ton. Oleh karena itu secara umum produksi beras

tahun 1985-2014 mampu menutupi konsumsi beras di Indonesia,

sedangkan kebijakan impor beras yang saat ini masih dilakukan

dikarenakan untuk memastikan stok beras (cadangan beras

pemerintah) dalam negeri di akhir tahun tersedia minimal sebesar 1,25

juta ton untuk mengantisipasi masalah kekurangan pangan, gejolak

harga, keadaan darurat akibat bencana dan kerawanan pangan serta

memenuhi kesepakatan Cadangan Beras Darurat ASEAN (ASEAN

Emergency Rice Reserve, AERR) sehingga pemerintah melalui Perum

Bulog membiarkan Indonesia tetap mengimpor beras dari negara luar

sepereti Vietnam.

2. Faktor-faktor yang mempengaruhi produksi (yang diinterpresentasikan

dari luas areal panen dan produktivitas) padi adalah luas areal panen

padi, dan harga riil pupuk urea. Sementara itu, faktor yang

mempengaruhi konsumsi beras adalah populasi, dan PDB riil

Indonesia.

3. Hasil proyeksi produksi dan konsumsi beras dalam waktu tiga tahun

kedepan (2015-2017) mengalami peningkatan dengan laju

pertumubuhan sebesar 1,71% dan 0,55%. Peningkatan produksi

dikarenakan terjadinya peningkatan produktivitas padi sebesar 1,26%

pada tahun 2005-2014 sehingga produksi padi meningkat sebesar

2,8%, sedangkan peningkatan konsumsi beras terjadi karena

meningkatnya laju pertumbuhan penduduk pada tahun 2005-2014

sebesar 1,1%. Peningkatan jumlah penduduk mengakibatkan

meningkatnya total konsumsi langsung beras, disisi lain meningkatnya

kebutuhan untuk pakan, bibit, industri non makanan, dll menyebabkan

total konsumsi beras juga mengalami peningkatan, namun peningkatan

konsumsi masih lebih kecil dibandingkan peningkatan produksi beras

sehingga pada tahun 2017 diproyeksikan produksi beras masih lebih

besar dari pada konsumsi beras sehingga swasembada beras pada

tahun 2017 dapat tercapai, namun produksi beras yang diproyeksikan

tahun 2017 ternyata belum mampu mencapai target Kementerian

Pertanian sehingga perlu adanya kebijakan dari pemerintah untuk

dapat meningkatkan produksi padi domestik.

4. Kebijakan mengenai peningkatan produksi dapat melalui: (1)

Peningkatan luas areal panen berupa peningkatan luas areal tanam dan

peningkatan intensitas tanam di Luar Jawa khususnya Sumatera,

Kalimantan, dan Sulawesi dengan tantangan peningkatan ketersediaan

teknologi untuk komoditas padi untuk sistem lahan rawa dan lahan

kering; dan (2) Pemberian insentif bagi petani misalnya, melalui

subsidi pupuk dan benih sehingga biaya input di tingkat petani dapat

ditekan serendah mungkin guna menghindari tingginya biaya produksi

bagi petani, namun pada kasus ini perlu adanya penataan ulang dalam

sistem pemberian insentif sehingga kebijakan yang ditetapkan dapat

tepat sasaran.

6.2 Saran

1. Kebijakan mengenai penurunan konsumsi dapat melalui: (1)

Memperbaiki pola pangan harapan yang ideal di Indonesia dengan

komposisi pangan yang seimbang, sehingga konsumsi beras/kapita

dapat ditekan.

2. Mengembangkan penelitian dibidang pertanian terus-menerus seperti

teknologi baru yang dapat meningkatkan hasil produksi padi, sehingga

pelandaian produktivitas pertanian akibat terobosan teknologi yang

stagnan tidak terus terjadi.

3. Penulis menyarankan untuk pihak yang ingin melanjutkan penelitian ini

sebaiknya meneliti mengenai kebijakan impor beras di Indonesia dan

dampaknya terhadap swasembada beras di Indonesia.

DAFTAR PUSTAKA

Agustin NK, Syafaat N. 2003. Pengamanan Produksi Padi Tahun 2003. Jurnal

Pertanian. 2003 Feb 14; Bogor Indonesia. Bogor (ID): Pusat Penelitian

dan Pengembangan Sosial Ekonomi Pertanian Bogor. Hlm 1-13.

Amang B, Sawit MH. 1999. Kebijakan Beras dan Pangan Nasional. Bogor (ID):

IPB Press.

Aldillah R. 2014. Proyeksi Produksi dan Konsumsi Kedelai Indonesia. Analisis

Sosial Ekonomi dan Kebijakan Pertanian. 8(1): 9-23.

Ambarinanti M. 2007. Analisis faktor-faktor yang mempengaruhi produksi dan

ekspor beras di Indonesia. [Skripsi]. Bogor. Fakutlas Pertanian, Institut

Pertanian Bogor.

Aritongan LR. 2009. Peramalan Bisnis. Jakarta (ID): Ghalia Indonesia.

Assauri S. 1984. Teknik dan Metode Peramalan. Jakarta (ID): Fakultas Ekonomi

Universitas Indonesia.

Azahari DH. 2008. Membangun Kemandirian Pangan Dalam Rangka

Meningkatkan Ketahanan Nasional. Analisis Kebijakan Pertanian.

6(2):174-195.

Badan Litbang Pertanian. 2016. Ekonomi Padi dan Beras Indonesia. [Internet].

[Diunduh 2016 Mei 04]; Tersedia pada:

http://www.litbang.pertanian.go.id/buku/ekonomi-padi-beras/.

Badan Litbang Pertanian. 2016. Hasil Riset Varietas Unggu Padi. [Internet].

[Diunduh 2016 Mei 19]; Tersedia pada:

http://www.litbang.pertanian.go.id/varietas/?l=300&k=305&n=&t=2012&

sv=&d= .

Badan Pusat Statistik. 2015a. Produk Domestik Bruto Indonesia Menurut

Lapangan Usaha. Jakarta: Badan Pusat Statistik.

Badan Pusat Statistik. 2015b. Pertumbuhan Penduduk Indonesia Tahun 1990 –

2015. Jakarta: Badan Pusat Statistik.

Baharsjah S, Kasryno F, dan Darmawan DH. 1988. Kedudukan Padi dalam

Perekonomian Indonesia. Di dalam: Ismunadji M, Partohardjono S, Syam

M, Widjono A. 1988. Maret: Bogor, Indonesia. Bogor (ID): Pusat

Penelitian dan Pengembangan Tanaman Pangan, Hlm 1.

Bulog. 2010. Cadangan Beras Pemerintah. BUMN. [Internet]. [Diunduh 2016 Juli

22]; Tersedia pada: www.bulog.co.id/sekilas_cbp.php.

Daniel M. 2002. Pengantar Ekonomi Pertanian. Jakarta (ID): PT Bumi Aksara.

http://www.litbang.pertanian.go.id/buku/ekonomi-padi-beras/

http://www.litbang.pertanian.go.id/varietas/?l=300&k=305&n=&t=2012&sv=&d

http://www.litbang.pertanian.go.id/varietas/?l=300&k=305&n=&t=2012&sv=&d

http://www.bulog.co.id/sekilas_cbp.php

Direktorat Jendral Perundang-undangan. 2012. Undang-undang Nomor 18 Tahun

2012. Kementerian Hukum dan HAM. [Internet]. [Diunduh 2016 Mei 19];

Tersedia pada: www.peraturan.go.id/uu/nomor-18-2012.html .

Farida Y. 2014. Produksi dan Konsumsi Komoditas Pangan Strategis Serta

Implikasinya terhadap Swasembada Nasional. [Skripsi]. Bogor (ID).

Institut Pertanian Bogor.

Firdaus M. 2006. Analisis Deret Waktu Satu Ragam, Arima, Sarima, Arch-Garch.

Bogor: IPB Press.

Gujarati DN. 2006. Dasar-Dasar Ekonometrika. Ed ke-3. Mulyadi JA,

penerjemah. Jakarta (ID): Erlangga. Terjemahan dari: Essentials of

Econometrics.

Hadi A. 2013. Analisis produksi dan konsumsi kedelai domestik dalam rangka

mencapai swasembada kedelai di Indonesia. [Skripsi]. Bogor (ID).

Fakultas Ekonomi Manajemen, Institut Pertanian Bogor.

Hafsah MJ, Sudaryanto T. 2004. Sejarah Intensifikasi Padi dan Prospek

Pengembagannya. Di dalam: Kasryono F, Pasandaran E, dan Fadi AM.

Ekonomi Padi dan Beras Indonesia. 2004 Nov; Jakarta, Indonesia. Jakarta

(ID): Badan Penelitian dan Pengembangan Pertanian. Hlm 17.

Halcrow HG. 1992. Ekonomi Pertanian. Penerjemah; Sudiyono A, editor.

Malang: Aditya Media. Terjemahan dari: Economic of Agriculture.

Internasional Student Edition.

Hardono GS. 2014. Strategi Pengembangan Diversifikasi Pangan Lokal. Analisis

Kebijakan Pertanian. 12(1):1-17.

Hessie R. 2009. Analisis produksi dan konsumsi beras dalam negeri serta

implikasinya terhadap swasembada beras di Indonesia. [Skripsi]. Bogor

(ID). Fakultas Ekonomi Manajemen, Institut Pertanian Bogor.

Kasryno F, Pasandaran E. 2004. Reposisi Padi dan Beras dalam Perekonomian

Nasional. Di dalam: Kasryono F, Pasandaran E, dan Fadi AM. Ekonomi

Padi dan Beras Indonesia. 2004 Nov; Jakarta, Indonesia. Jakarta (ID):

Badan Penelitian dan Pengembangan Pertanian. Hlm 3.

Kementerian Pertanian. 2015a. OUTLOOK Komoditas Pertanian Tanaman

Pangan Padi. Jakarta: Pusat Data dan Sistem Informasi Pertanian. Hlm 85.

Kementerian Pertanian. 2015b. Rancangan Strategis Kemeterian Pertanian 2015-

2019. Jakarta: Kemeterian Pertanian.

Kementerian Pertanian. 2015c. OUTLOOK Komoditas Pertanian Tanaman

Pangan Padi. Jakarta: Pusat Data dan Sistem Informasi Pertanian. Hlm 87.

http://www.peraturan.go.id/uu/nomor-18-2012.html

Kementerian Pertanian. 2015d. OUTLOOK Komoditas Pertanian Tanaman

Pangan Padi. Jakarta: Pusat Data dan Sistem Informasi Pertanian. Hlm 77

Lains, A. 2003. Ekonometrika Teori dan Aplikasi Jilid 1. Jakarta (ID): Pustaka

LP3ES Indonesia, anggota IKAPI.

Lantarsih R, Widodo S, Darwanto DH, Lestari SB, dan Paramita S. 2011. Sistem

Ketahanan Pangan Nasional : Kontribusi Ketersediaan dan Konsumsi

Energi serta Optimalisasi Distribusi Beras. Analisis Kebijakan Pertanian.

9(1):33-49.

Mankiw, N. Gregory. 2007. Macroeconomics 6th

edition. New York: Worth

Publiser.

Maulana M. 2012. Prospek Implemetasi Kebijakan Harga Pembelian Pemerintah

(HPP) Multikualitas Gabah dan Beras Di Indonesia. Analisis Kebijakan

Pertanian. 10(3): 211-223.

Nainggolan K. 2008. Ketahanan dan Stabilitas Pasokan, Permintaan, dan Harga

Komoditas Pangan. Analisis Kebijakan Pertanian. 6(2):114-139.

Nicholson, Walter. 1995. Teori Mikroekonomi; Prinsip Dasar dan Perluasan,

Jilid I. Jakarta (ID): Binarupa Aksara.

Nurgiantoro et al. 2009. Statistik Terapan. Yogyakarta (ID): Gadjah Mada

University Press.

Pratiwi P. 2008. Efektivitas dan perumusan strategi kebijakan beras nasional.

[Skripsi]. Bogor (ID). Fakultas Pertanian, Institut Pertanian Bogor.

Rachman HPS dan Ariani M. 2008. Penganekaragaman Konsumsi Pangan Di

Indonesia: Permasalahan dan Impilkasi Untuk Kebijakan dan Program.

Analisis Kebijakan Pertanian. 6(2):140-154.

Santoso S. 2009. Bisnis Forecasting: Metode Peramalan Bisnis Masa Kini

dengan Minitab dan SPSS. Jakarta (ID): PT Elex Media Komputindo.

Saptana, Iqbal M, dan Ar-Rozi AM. 2013. Evaluasi Kebijakan Tujuh Gema

Revitalisai Dalam Pembangunan Pertanian. Analisis Kebijakan Pertanian.

11(2):107-127.

Soekartawi. 2002. Teori Ekonomi Produksi dengan Pokok Bahasan Analisis

Fungsi Cobb-Douglas. Jakarta (ID): CV. Rajawali.

Suryana A dan Hermanto. 2004. Kebijakan Ekonomi Perberasan Nasional dalam

Ekonomi Padi dan Beras Indonesia. Jakarta (ID): Badan Litbang

Pertanian.

Timmer CP. 1996. Does Bulog Stabilize Rice Prices in Indonesia? Should it Try?

Bulletin of Indonesian Rconomic Studies. 32(2).

Wardojo. 1988. Kedudukan Sektor Pertanian untuk Memantapkan Swasembada

Pangan dan Meningkatkan Produksi Hasil Pertanian Lainnya. Di dalam:

Moerdiono. Peranan Pembangunan Pertanian dalam Perluasan

Kesempatan Kerja dan Meningkatkan Pendapatan Petani; 1988 Jun 18.

Bogor (ID): Yayasan Pembangunan Pertanian dan Teknologi Indonesia

Bogor. Hlm 27.

World Bank. 2016. Indeks Harga Konsumen. [Internet]. [Diunduh 2016 Juni 02];

Tersedia pada: http://data.worldbank.org/indicator/FP.CPI.TOTL.

World Bank. 2016. Indeks Harga Produsen. [Internet]. [Diunduh 2016 Juni 02];

Tersedia pada: http://data.worldbank.org/indicator/FP.WPI.TOTL.

World Bank. 2016. Indeks Harga Produsen. [Internet]. [Diunduh 2016 Juni 02];

Tersedia pada: http://data.worldbank.org/indicator/SP.POP.TOTL.

Zakaria AK dan Nurasa T. 2013. Strategi Penggalangan Petani Untuk Mendukung

Program Peningkatan Produksi Padi Berkelanjutan. Analisis Kebijakan

Pertanian. 11(2):75-87.

http://data.worldbank.org/indicator/FP.CPI.TOTL

http://data.worldbank.org/indicator/FP.WPI.TOTL

LAMPIRAN

Lampiran 1. Data yang digunakan dalam model ekonometrik.

Tahun

Luas Areal Produktivitas Produksi

Padi

Jumlah

Varietas

Unggul Padi

Harga Riil

Konsumen

Beras

(2010=100)

LAPt PVt PPt JVUPt HKBt

(000 Ha) (Ton/Ha) (000 Ton) (Jenis) (Rp/Kg)

1985 9.902,29 3,94 39.032,95 21 3.601,36

1986 9.988,45 3,98 39.727,12 15 3.672,38

1987 9.902,86 4,04 40.036,14 10 3.751,22

1988 10.120,88 4,11 41.638,92 4 4.224,84

1989 10.505,57 4,25 44.685,13 15 4.199,32

1990 10.464,65 4,31 45.132,64 0 4.102,77

1991 10.256,02 4,35 44.621,36 10 4.031,79

1992 11.083,94 4,35 48.205,35 6 4.056.41

1993 10.993,92 4,38 48.129,35 2 3.625.23

1994 10.717,73 4,35 46.598,38 6 3.724,60

1995 11.420,68 4,35 49.697,44 3 4.002,06

1996 11.550,05 4,42 51.048,89 6 4.226,36

1997 11.126,39 4,43 49.339,09 2 4.784,17

1998 11.716,45 4,19 49.199,84 1 5.959,68

1999 11.963,20 4,25 50.866,39 15 6.281,81

2000 11.793,58 4,40 51.898,85 54 6.281,81

2001 11.489,99 4,39 50.460,78 33 5.506,59

2002 11.521,17 4,47 51.489,69 16 5.169,11

2003 11.488,03 4,54 52.137,60 12 5.146,60

2004 11.922,97 4,54 54.088,38 3 4.759,95

2005 11.839,06 4,57 54.151,09 1 5.065,52

2006 11.786,43 4,62 54.454,94 2 5.402,24

2007 12.147,64 4,71 57.157,44 7 6.085,64

2008 12.327,43 4,89 60.325,93 6 5.827,00

2009 12.883,58 4,99 64.398,89 13 5.997,69

2010 13.253,45 5,02 66.469,39 20 6.755,68

2011 13.203,64 4,98 65.756,90 26 7.003,61

2012 13.445,52 5,14 69.056,13 12 6.551,98

2013 13.835,25 5,15 71.279,71 6 7.192,71

2014 13.797,31 5,14 70.846,47 6 7.172,60

Sumber BPS

Kementan

BPS

Kementan

BPS

Kementan Kementan

BPS

Diolah

Tahun

Harga Riil

Konsumen

Jagung

(2010=100)

Harga Riil

Pupuk Urea

(2010=100)

Indeks Harga

Konsumen

(2010=100)

Indeks Harga

Produsen

(2010=100)

PDB Riil

Indonesia

(2010=100)

(HKJt) (HPUt) (IHKt) (IHPBt) (PDBt)

(Rp/Kg) (Rp/Kg) (Rp.T)

1985 1.860,26 1.553,64 8,83 6,45 1.479,28

1986 1.924,73 1.601,97 9,34 6,59 1.568,31

1987 2.194,42 1.664,53 10,21 7,81 1.651,03

1988 2.269,17 1.754,18 11,03 8,38 1.755,76

1989 2.254,09 1.919,64 11,74 8,96 1.915,08

1990 2.290,91 2.109,53 12,65 9,86 2.088,46

1991 2.295,66 2.266,15 13,84 10,37 2.275,36

1992 2.179,25 2.282,31 14,89 10,91 2.438,48

1993 2.147,76 2.458,15 16,33 11,35 2.615,37

1994 2.339,73 2.533,56 17,72 11,92 2.812,75

1995 2.570,71 2.507,53 19,39 13,28 3.049,36

1996 2.522,68 2.716,48 20,94 14,32 3.281,66

1997 2.518,75 2.857,18 22,24 15,61 3.436,42

1998 3.092,45 3.237,41 35,22 31,54 2.986,77

1999 3.255,28 3.350,52 42,44 34,75 3.009,05

2000 3.330,30 3.528,77 44,02 39,09 3.157,13

2001 3.558,64 3.350,52 49,08 44,62 3.354,36

2002 3.645,88 3.528,77 54,91 45,88 3.317,85

2003 2.968,79 3.403,80 58,53 46,83 3.440,41

2004 2.733,45 3.200,87 62,18 50,83 3.692,23

2005 2.760,13 2.814,98 68,68 59,29 4.039,43

2006 2.784,84 2.717,86 77,69 66,67 4.298,13

2007 3.182,45 2.434,62 82,67 76,48 4.779,11

2008 3.936,91 1.972,82 90,75 97,12 5.453,09

2009 4.154,63 2.066,90 95,12 95,36 5.893,82

2010 4.616,27 2.028,00 99,99 100,00 6.447,49

2011 4.636,48 1.941,68 105,36 107,43 7.041,75

2012 5.007,28 1.900,29 109,86 112,93 7.492,19

2013 4.898,64 1.846,00 116,91 119,91 7.772,88

2014 5.786,00 1.737,14 124,39 124,39 8.115,55

Sumber

BPS

Kementan

Diolah

BPS

Diolah

World Bank

Diolah

World Bank

Diolah

BPS

Diolah

Tahun

Harga Riil

Upah TK

(2010=100)

Harga Riil

Gabah

(2010=100)

Populasi Curah

Hujan

Volume

Impor Beras

(UBTt) (HGt) (POPt) (CHt) (I)

(Rp/HOK) (Rp/Kg) (Ribu Jiwa) (Mm) (Ton)

1985 28.912,80 2.148,70 165.012 2.227 1.164.984

1986 29.518,20 1.790,90 168.402 2.461 394.497

1987 30.342,80 1.809,30 171.729 2.266 9.429

1988 31.196,74 1.104,08 175.001 2.752 2.158

1989 32.427,60 2.276,92 178.233 2.904 54.830

1990 31.723,32 2.364,27 181.437 2.411 21.710

1991 31.026,01 2.194,36 184.615 2.169 262.101

1992 33.807,92 1.907,66 187.762 1.938 6.378

1993 34.047,76 1.995,28 190.873 2.178 168.933

1994 34.627,54 2.369,13 193.939 1.512 566.441

1995 36.761,22 2.231,82 196.958 1.698 3.093

1996 39.641,83 2.379,75 199.927 1.846 268.802

1997 44.060,25 4.195,19 202.854 1.551 1.306.218

1998 31.415,67 3.503,98 205.753 1.875 2.149.758

1999 29.460,01 2.546,80 208.644 1.536 345.090

2000 32.379,55 2.592,00 211.540 1.821 2.894.658

2001 33.982,89 2.557,05 214.448 3.095 4.741.80

2002 31.826,33 2.850,12 217.369 2.750 1.375.498

2003 34.147,00 2.741,84 220.308 1.470 649.488

2004 34.558,76 2.614,99 223.269 2.359 1.811.988

2005 33.882,18 2.638,32 226.255 1.266 1.437.757

2006 32.149,85 3.105,93 229.264 1.296 246.256

2007 32.328.09 3.280,51 232.297 2.391 195.015

2008 31.446,83 3.168,04 235.361 2.206 439.782

2009 38.716,36 3.384,27 238.465 2.392 1.396.599

2010 38.044,80 3.636,36 241.613 2.206 289.274

2011 37.161,16 3.950,27 244.808 2.283 250.276

2012 36.684,87 4.139,81 248.038 2.278 687.583

2013 35.835,26 4.997,95 251.268 2.542 2.744.261

2014 35.804,33 3.882,95 254.455 2.804 1.927.563

Sumber

BPS

Kementan

Diolah

BPS

Kementan

Diolah

BPS BMKG Kementan

Tahun

Produksi

Beras (Ribu

Ton)

Pert. (%)

Konsumsi Beras

Total (Ribu

Ton)

Pert. (%) Selisih

(Ribu Ton)

1985 24.489,27 - 25.528,77 - -1.039

1986 24,924,80 1,8 26.046,15 2,0 -1.121

1987 25.118,67 0,8 26.529,43 1,9 -1.411

1988 26.124,26 4,0 27.090,15 2,1 -965

1989 28.035,45 7,3 27.740,24 2,4 295

1990 28.316,22 1,0 28.215,51 1,7 101

1991 27.995,44 -1,1 28.624,10 1,4 -628

1992 30.244,04 8,0 29.297,74 2,4 946

1993 30.196,35 -0,2 29.725,64 1,5 471

1994 29.235,82 -3,2 30.051,57 1,1 -816

1985-1994 27.468,03 2,0 27.884,93 1,8 -417

1995 31.180,18 6,7 30.675,50 2,1 505

1996 32.028,08 2,7 31.177,53 1,6 851

1997 30.955,34 -3,3 31.472,36 0,9 -517

1998 30.867,98 -0,3 31.866,60 1,3 -999

1999 31.913,57 3,4 32.378,50 1,6 -465

2000 32.561,34 2,0 32.849,39 1,5 -288

2001 31.659,09 -2,8 33.159,45 0,9 -1.500

2002 32.304,63 2,0 33.633,58 1,4 -1.329

2003 32.711,13 1,3 34.085,16 1,3 -1.374

2004 33.935,05 3,7 34.625,49 1,6 -690

1995-2004 32.011,64 1,54 32.592,36 1,4 -581

2005 33.974,40 0,1 35.045,12 1,2 -1.071

2006 34.165,03 0,6 35.483,80 1,3 -1.319

2007 35.860,57 5,0 36.083,60 1,7 -223

2008 37.848,49 5,5 36.718,36 1,8 1.130

2009 40.403,86 6,8 37.418,18 1,9 2.986

2010 41.702,90 3,2 37.992,41 1,5 3.711

2011 41.255,88 -1,1 36.879,66 -2,9 4.376

2012 43.325,81 5,0 37.526,19 1,8 5.799

2013 44720,89 3,2 38.101,97 1,5 6.619

2014 44.449,07 -0,6 38.497,28 1,0 5.952

2005-2014 39.770,69 2,8 36.974,66 1,1 2.796

Rata-rata 33.083,45 2,1 32.483,98 1,4 599

Sumber BPS

Kementan (Diolah)

BPS

Kementan

(Diolah)

(Diolah)

BPS

Kementan

(Diolah)

Lampiran 2

Hasil analisis faktor-faktor yang mempengaruhi produksi padi domestik dengan

Minitab 16

Regression Analysis: Produksi Padi versus luas areal p, harga riil g, ... The regression equation is

Produksi Padi (Ribu ton) = - 40953 + 7.67 luas areal panen (000 Ha)

+ 0.172 harga riil gabah (Rp/kg)

- 0.861 Harga riil pupuk urea (Rp/Kg)

+ 0.135 Tingkat riil upah TK (Rp/HOK)

- 17.7 Jumlah Varietas Unggul padi

+ 0.815 Curah Hujan (mm)

Predictor Coef SE Coef T P VIF

Constant -40953 4870 -8.41 0.000

luas areal panen (000 Ha) 7.6720 0.4498 17.05 0.000 3.190

harga riil gabah (Rp/kg) 0.1719 0.7482 0.23 0.820 3.644

Harga riil pupuk urea (Rp/Kg) -0.8605 0.5515 -1.56 0.132 1.380

Tingkat riil upah TK (Rp/HOK) 0.1354 0.1077 1.26 0.221 1.614

Jumlah Varietas Unggul padi -17.69 28.40 -0.62 0.539 1.249

Curah Hujan (mm) 0.8149 0.6733 1.21 0.238 1.280

S = 1551.08 R-Sq = 97.8% R-Sq(adj) = 97.2%

Analysis of Variance

Source DF SS MS F P

Regression 6 2417721226 402953538 167.49 0.000

Residual Error 23 55334241 2405837

Total 29 2473055467

Source DF Seq SS

luas areal panen (000 Ha) 1 2395991494

harga riil gabah (Rp/kg) 1 2670339

Harga riil pupuk urea (Rp/Kg) 1 11614702

Tingkat riil upah TK (Rp/HOK) 1 3737467

Jumlah Varietas Unggul padi 1 183567

Curah Hujan (mm) 1 3523657

Unusual Observations

luas areal Produksi

panen (000 Padi (Ribu

Obs Ha) ton) Fit SE Fit Residual St Resid

13 11126 49339 49863 1389 -524 -0.76 X

14 11716 49200 53747 765 -4548 -3.37R

R denotes an observation with a large standardized residual.

X denotes an observation whose X value gives it large leverage.

Durbin-Watson statistic = 1.30737

Residual Plots for Produksi Padi (Ribu ton)

Lampiran 2 lanjutan

Regression Analysis: [RESI1] versus luas areal p, harga riil g, ... The regression equation is

[RESI1] = 6840 - 0.110 luas areal panen (000 Ha)

+ 0.536 harga riil gabah (Rp/kg) + 0.149 Harga riil pupuk

urea (Rp/Kg)

- 0.136 Tingkat riil upah TK (Rp/HOK)

- 22.8 Jumlah Varietas Unggul padi - 0.755 Curah Hujan (mm)

Predictor Coef SE Coef T P

Constant 6840 2866 2.39 0.026

luas areal panen (000 Ha) -0.1099 0.2648 -0.41 0.682

harga riil gabah (Rp/kg) 0.5360 0.4403 1.22 0.236

Harga riil pupuk urea (Rp/Kg) 0.1491 0.3246 0.46 0.650

Tingkat riil upah TK (Rp/HOK) -0.13576 0.06337 -2.14 0.043

Jumlah Varietas Unggul padi -22.81 16.71 -1.36 0.185

Curah Hujan (mm) -0.7547 0.3963 -1.90 0.069

S = 912.874 R-Sq = 33.0% R-Sq(adj) = 15.5%


Source DF SS MS F P

Regression 6 9425042 1570840 1.88 0.127

Residual Error 23 19166797 833339

Total 29 28591839

Source DF Seq SS

luas areal panen (000 Ha) 1 114117

harga riil gabah (Rp/kg) 1 476644

Harga riil pupuk urea (Rp/Kg) 1 183244

Tingkat riil upah TK (Rp/HOK) 1 2223812

Jumlah Varietas Unggul padi 1 3404675

Curah Hujan (mm) 1 3022550


luas areal

panen (000

Obs Ha) [RESI1] Fit SE Fit Residual St Resid

13 11126 524 1095 817 -571 -1.40 X

14 11716 4548 1997 450 2550 3.21R


X denotes an observation whose X value gives it large leverage.

Residual Plots for [RESI1]

Runs Test: RESI1 Runs test for RESI1

Runs above and below K = -7.27596E-12

The observed number of runs = 13

The expected number of runs = 16

15 observations above K, 15 below

P-value = 0.265

Lampiran 3

Hasil analisis regresi produksi padi domestik

400020000-2000-4000

99

90

50

10

1

Residual

Pe

rce

nt

70000600005000040000

2000

0

-2000

-4000

Fitted Value

Re

sid

ual

20000-2000-4000

12

9

6

3

0

Residual

Fre

que

ncy

30282624222018161412108642

2000

0

-2000

-4000

Observation Order

Re

sid

ua

l

Normal Probability Plot Versus Fits

Histogram Versus Order

Residual Plots for Produksi Padi (Ribu ton)

40003000200010000-1000-2000-3000-4000-5000

99

95

90

80

70

60

50

40

30

20

10

5

1

RESI1

Pe

rce

nt

Mean -7.27596E-12

StDev 1381

N 30

KS 0.146

P-Value 0.097

Probability Plot of RESI1Normal

Lampiran 4

Hasil analisis faktor-faktor yang mempengaruhi konsumsi beras domestik dengan

Minitab 16

The regression equation is

ln(Y)* = 3.70 - 0.000004 X1* + 0.000006 X2* - 0.000015 X3* + 0.000005 X4*

29 cases used, 1 cases contain missing values

Predictor Coef SE Coef T P VIF

Constant 3.70406 0.02804 132.11 0.000

X1* -0.00000407 0.00000437 -0.93 0.361 2.658

X2* 0.00000552 0.00000043 12.79 0.000 8.117

X3* -0.00001457 0.00000522 -2.79 0.010 8.267

X4* 0.00000497 0.00000678 0.73 0.471 3.687

S = 0.00822537 R-Sq = 97.3% R-Sq(adj) = 96.8%


Source DF SS MS F P

Regression 4 0.057451 0.014363 212.29 0.000

Residual Error 24 0.001624 0.000068

Total 28 0.059074

Source DF Seq SS

X1* 1 0.029390

X2* 1 0.027530

X3* 1 0.000494

X4* 1 0.000036


Obs X1* ln(Y)* Fit SE Fit Residual St Resid

27 2943 4.17779 4.20541 0.00349 -0.02763 -3.71R


Durbin-Watson statistic = 1.81457

Keterangan :

Ln(Y) = Konsumsi beras domestik (Ribu Ton)

X1* = Harga riil beras (Rp/Kg)

X2* = Jumlah penduduk (Ribu Jiwa)

X3* = PDB riil Indonesia (Rp.T)

X4* = Harga riil jagung (Rp/Kg)

Lampiran 4 lanjutan

Regression Analysis: abs(RESI4) versus X1*, X2*, X3*, X4* The regression equation is

abs(RESI4) = 0.0230 + 0.000001 X1* - 0.000000 X2* + 0.000004 X3* +

0.000004 X4*

29 cases used, 1 cases contain missing values

Predictor Coef SE Coef T P

Constant 0.02298 0.01798 1.28 0.214

X1* 0.00000130 0.00000280 0.47 0.646

X2* -0.00000040 0.00000028 -1.43 0.167

X3* 0.00000446 0.00000335 1.33 0.196

X4* 0.00000445 0.00000435 1.02 0.316

S = 0.00527560 R-Sq = 25.1% R-Sq(adj) = 12.7%


Source DF SS MS F P

Regression 4 0.00022444 0.00005611 2.02 0.124

Residual Error 24 0.00066797 0.00002783

Total 28 0.00089240

Source DF Seq SS

X1* 1 0.00010291

X2* 1 0.00000215

X3* 1 0.00009016

X4* 1 0.00002922


Obs X1* abs(RESI4) Fit SE Fit Residual St Resid

27 2943 0.027626 0.009858 0.002239 0.017768 3.72R


Lampiran 5

Hasil analisis regresi konsumsi beras domestik

0.020.00-0.02

99

90

50

10

1

Residual

Pe

rce

nt

4.244.204.164.124.08

0.01

0.00

-0.01

-0.02

-0.03

Fitted Value

Re

sid

ual

0.010.00-0.01-0.02-0.03

12

9

6

3

0

Residual

Fre

que

ncy

30282624222018161412108642

0.01

0.00

-0.01

-0.02

-0.03

Observation Order

Re

sid

ua

l

Normal Probability Plot Versus Fits

Histogram Versus Order

Residual Plots for ln(Y)*

0.020.010.00-0.01-0.02-0.03

99

95

90

80

70

60

50

40

30

20

10

5

1

RESI4

Pe

rce

nt

Mean -4.16525E-15

StDev 0.007615

N 29

KS 0.148

P-Value 0,102

Probability Plot of RESI4Normal

Lampiran 6

Hasil time series plot untuk melihat trend dalam menentukan kestasioneran data

produksi beras dengan Minitab 16

Lampiran 7

Hasil uji time series untuk melihat kestasioneran data produksi beras dengan first

difference dengan Minitab 16

Lampiran 8

Hasil uji time series untuk melihat kestasioneran data produksi beras dengan

second difference dengan Minitab 16

Lampiran 9

Hasil analisis plot ACF dan PACF data produksi beras domestik dengan Minitab

16

30272421181512963

45000

40000

35000

30000

25000

Index

Pro

du

ksi b

era

s (

Rib

u t

on

)

Time Series Plot of Produksi beras (Ribu ton)

30272421181512963

3000

2000

1000

0

-1000

Index

Dif

fere

nce

1

Time Series Plot of Difference 1

30272421181512963

3000

2000

1000

0

-1000

-2000

-3000

Index

Dif

fere

nce

2


282624222018161412108642

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Au

toco

rre

lati

on

Autocorrelation Function for Produksi beras (Ribu ton)(with 5% significance limits for the autocorrelations)

282624222018161412108642

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Pa

rtia

l A

uto

co

rre

lati

on

Partial Autocorrelation Function for Produksi beras (Ribu ton)(with 5% significance limits for the partial autocorrelations)

Lampiran 10

Hasil analisis plot ACF dan PACF data produksi beras domestik pada first


Lampiran 11

Hasil analisis plot ACF dan PACF data produksi beras domestik pada second


282624222018161412108642

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Au

toco

rre

lati

on

Autocorrelation Function for Difference 1(with 5% significance limits for the autocorrelations)

282624222018161412108642

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Pa

rtia

l A

uto

co

rre

lati

on

Partial Autocorrelation Function for Difference 1(with 5% significance limits for the partial autocorrelations)

2624222018161412108642

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Au

toco

rre

lati

on


2624222018161412108642

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Pa

rtia

l A

uto

co

rre

lati

on


Lampiran 12

Hasil estimasi model ARIMA untuk data produksi beras domestik dari tahun 1985-

2014 dengan Minitab 16 (Ribu Ton)

ARIMA Model: Produksi ARIMA (0,2,1) Tanpa Konstanta

Estimates at each iteration

Iteration SSE Parameters

0 53475099 0.100

1 48319362 0.250

2 43292772 0.400

3 38715788 0.550

4 34836807 0.700

5 31802500 0.850

6 30695695 0.919

7 30423205 0.942

8 30399467 0.949

9 30399310 0.949

Relative change in each estimate less than 0.0010

Final Estimates of Parameters

Type Coef SE Coef T P

MA 1 0.9488 0.0917 10.34 0.000

Differencing: 2 regular differences

Number of observations: Original series 30, after differencing 28

Residuals: SS = 30254744 (backforecasts excluded)

MS = 1120546 DF = 27

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48

Chi-Square 14.4 32.8 * *

DF 11 23 * *

P-Value 0.214 0.085 * *

Forecasts from period 30

95% Limits

Period Forecast Lower Upper Actual

31 45229.6 43154.4 47304.8

32 46010.1 42999.4 49020.9

33 46790.7 43009.5 50571.9

34 47571.2 43096.0 52046.4

35 48351.7 43225.7 53477.8

36 49132.2 43381.8 54882.7

37 49912.8 43554.9 56270.7

38 50693.3 43738.7 57647.9

Lampiran 12 Lanjutan

ARIMA Model: Produksi ARIMA (0,2,2) Tanpa Konstanta



0 48432856 0.100 0.100

1 39858004 0.219 0.250

2 33600266 0.349 0.400

3 31122858 0.418 0.475

4 30949425 0.435 0.486

5 30939229 0.438 0.478

6 30936854 0.443 0.475

7 30935585 0.447 0.471

8 30934701 0.450 0.468

9 30934096 0.452 0.465

10 30933647 0.455 0.463

11 30933319 0.457 0.461

12 30933071 0.458 0.460

13 30932885 0.460 0.458

14 30932742 0.461 0.457

15 30932632 0.462 0.456

16 30932547 0.463 0.455

17 30932480 0.464 0.454

18 30932428 0.464 0.454

19 30932386 0.465 0.453

20 30932353 0.466 0.452

21 30932326 0.466 0.452




MA 1 0.4661 0.1881 2.48 0.020

MA 2 0.4520 0.1884 2.40 0.024

Differencing: 2 regular differences



MS = 1181877 DF = 26


Lag 12 24 36 48

Chi-Square 14.1 35.9 * *

DF 10 22 * *

P-Value 0.169 0.031 * *


95% Limits


31 44786.6 42655.4 46917.8

32 45566.6 41664.1 49469.1

33 46346.6 41141.9 51551.3

34 47126.6 40787.7 53465.4

35 47906.5 40519.5 55293.5

36 48686.5 40301.5 57071.5

37 49466.5 40114.2 58818.8

38 50246.5 39946.1 60546.9

Lampiran 13

Hasil time series plot untuk melihat trend dalam menentukan kestasioneran data

konsumsi beras dengan Minitab 16

Lampiran 14

Hasil uji time series untuk melihat kestasioneran data konsumsi beras dengan first


Lampiran 15

Hasil analisis plot ACF dan PACF data konsumsi beras domestik dengan Minitab

16

Lampiran 16

Hasil analisis plot ACF dan PACF data konsumsi beras domestik pada first


30272421181512963

40000

37500

35000

32500

30000

27500

25000

Index

Ko

nsu

msi b

era

s (

Rib

u t

on

)

Time Series Plot of Konsumsi beras (Ribu ton)

30272421181512963

500

0

-500

-1000

Index

Dif

fere

nce

1


282624222018161412108642

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Au

toco

rre

lati

on

Autocorrelation Function for Konsumsi beras (Ribu ton)(with 5% significance limits for the autocorrelations)

282624222018161412108642

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Pa

rtia

l A

uto

co

rre

lati

on

Partial Autocorrelation Function for Konsumsi beras (Ribu ton)(with 5% significance limits for the partial autocorrelations)

282624222018161412108642

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Au

toco

rre

lati

on


282624222018161412108642

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Pa

rtia

l A

uto

co

rre

lati

on


Lampiran 17

Gambar hasil estimasi model ARIMA untuk data konsumsi beras domestik dari

tahun 1985-2014 dengan Minitab 16 (Ribu Ton)

ARIMA Model: Konsumsi ARIMA (0,1,1) Tanpa Konstanta



0 9894100 0.100

1 8174232 -0.050

2 7157175 -0.200

3 6639246 -0.350

4 6569349 -0.489

5 6548173 -0.429

6 6546218 -0.450

7 6545888 -0.442

8 6545842 -0.445

9 6545835 -0.444

10 6545834 -0.444




MA 1 -0.4441 0.1760 -2.52 0.018

Differencing: 1 regular difference



MS = 232807 DF = 28


Lag 12 24 36 48

Chi-Square 8.2 12.2 * *

DF 11 23 * *

P-Value 0.698 0.968 * *


95% Limits


31 38665.2 37719.3 39611.1

32 38665.2 37003.7 40326.6

33 38665.2 36514.3 40816.0

34 38665.2 36117.3 41213.1

35 38665.2 35774.2 41556.1

36 38665.2 35467.8 41862.6

37 38665.2 35188.3 42142.1

38 38665.2 34929.6 42400.8

Lampiran 17 Lanjutan

ARIMA Model: Konsumsi ARIMA (1,1,0) Tanpa Konstanta



0 7693715 0.100

1 6563139 0.250

2 5802877 0.400

3 5412930 0.550

4 5357276 0.622

5 5356324 0.631

6 5356305 0.633

7 5356304 0.633




AR 1 0.6329 0.1482 4.27 0.000

Differencing: 1 regular difference



MS = 189001 DF = 28


Lag 12 24 36 48

Chi-Square 7.7 13.8 * *

DF 11 23 * *

P-Value 0.743 0.931 * *

orecasts from period 30

95% Limits


31 38747.5 37895.2 39599.8

32 38905.8 37273.9 40537.8

33 39006.1 36625.6 41386.6

34 39069.5 35992.8 42146.2

35 39109.7 35392.5 42826.9

36 39135.1 34829.6 43440.6

37 39151.2 34303.6 43998.7

38 39161.4 33812.0 44510.7

Lampiran 18

Hasil analisis plot ACF dan PACF data produksi beras domestik pada second


Lampiran 19

Hasil analisis plot ACF dan PACF data konsumsi beras domestik pada first


7654321

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Au

toco

rre

lati

on

ACF of Residuals for Produksi beras (Ribu ton)(with 5% significance limits for the autocorrelations)

7654321

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Pa

rtia

l A

uto

co

rre

lati

on

PACF of Residuals for Produksi beras (Ribu ton)(with 5% significance limits for the partial autocorrelations)

7654321

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Au

toco

rre

lati

on

ACF of Residuals for Konsumsi beras (Ribu ton)(with 5% significance limits for the autocorrelations)

7654321

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Pa

rtia

l A

uto

co

rre

lati

on

PACF of Residuals for Konsumsi beras (Ribu ton)(with 5% significance limits for the partial autocorrelations)

RIWAYAT HIDUP

Penulis dilahirkan pada tanggal 23 September 1994 di Jakarta. Penulis

merupakan anak ke tiga dari empat bersaudara, dari keluarga Bapak Iman dan Ibu

Lilis Diana.

Penulis menempuh pendidikan dasar di SD Negeri Cisauk pada tahun

2000 sampai tahun 2006. Pada tahun 2006 sampai dengan tahun 2009 penulis

melanjutkan pendidikan di SMP Negeri 1 Serpong. Pada tahun 2009 penulis

melanjutkan pendidikan di SMA Negeri 28 Kabupaten Tangerang dan lulus pada

tahun 2012. Pada tahun yang sama penulis diterima sebagai mahasiswa Institut

Pertanian Bogor (IPB) melalui jalur Undangan (SNMPTN). Kemudian diterima di

Departemen Ekonomi Sumberdaya dan Lingkungan Fakultas Ekonomi dan

Manajemen. Selama menjadi mahasiswa IPB penulis aktif dalam berbagai

kegiatan kepanitiaan dan organisasi Resource and Environmental Economic

Student Association (REESA) sebagai staf Campus Social Responsibility (CSR)

periode 2015.

analisis pencapaian program swasembada beras … · tanaman pangan khususnya beras menjadi fokus...

Documents