Aplikasi Model Generalized Space-Time Autoregressive (Gstar) Pada Data Nilai Tukar Petani (Studi Kasus : Data Nilai Tukar Petani Provinsi Jawa Timur, Provinsi Jawatengah Dan Provinsi Jawa Barat Periode Januari 2013 – Januari 2021)
Abstract
Indonesia merupakan negara agraris yang sebagian besar penduduknya bekerja
dalam sektor pertanian. Luas Baku Sawah (LBS) Indonesia sebesar 7.463.948 ha
dimana Jawa Timur, Jawa Tengah dan Jawa Barat memiliki LBS sekitar 42,78%
dari total LBS Indonesia. Sehingga perlu diberikan perhatian khusus dan keputusan
yang bijak agar sektor pertanian di tiga provinsi tersebut dapat memberikan
kontribusi yang besar dalam perekonomian dan juga memiliki tingkat kesejahteraan
petani yang lebih tinggi dari daerah lain. Salah satu instrumen yang dapat digunakan
sebagai indikator tidak langsung kesejahteraan petani adalah Nilai Tukar Petani
(NTP). NTP merupakan perbandingan antara indeks harga yang diterima petani
dengan indeks harga yang dibayar petani. Peramalan terhadap NTP merupakan
salah satu upaya yang dapat dilakukan untuk mengetahui potensi pada sektor
pertanian ke depannya. Salah satu metode peramalan yang dapat digunakan untuk
meramalkan data dengan keterkaitan waktu dan lokasi adalah model Generalized
Space-Time Autoregressive (GSTAR). Terdapat dua macam pembobot lokasi pada
model GSTAR yang penulis gunakan pada penelitian ini yaitu, bobot lokasi
seragam dan bobot lokasi invers jarak. Berdasarkan hasil analisis, model terbaik
yang didapatkan yaitu model GSTAR (11)I(1) dengan bobot lokasi seragam karena
telah memenuhi asumsi white noise dan memiliki nilai MSE sebesar 16,4982 dan
nilai MAPE sebesar 3,2877% yang lebih kecil dari model GSTAR (11)I(1) dengan
bobot lokasi invers jarak.
Collections
- Statistics [904]