Implementasi Model Generalized Space Time Autoregressive (Gstar) Pada Peramalan Nilai Tukar Petani Dengan Variasi Pembobot Spasial (Studi Kasus: Data Nilai Tukar Petani Subsektor Tanaman Pangan Pada Provinsi Jawa Timur, Jawa Tengah, Dan Jawa Barat Periode Januari 2010 – Desember 2022)
Abstract
Indonesia dikenal sebagai negara agraris karena sebagian besar penduduknya
bekerja di bidang pertanian atau bercocok tanam. Adanya petani diharapkan
mampu berkontribusi dalam meningkatkan kesejahteraan masyarakat serta
mampu meningkatkan pendapatan penduduk pedesaan. Nilai Tukar Petani (NTP)
merupakan salah satu indikator dalam menentukan tingkat kesejahteraan petani.
Dalam kenyataannya sektor pertanian dianggap belum mampu untuk
meningkatkan pendapatan, kesejahteraan petani, serta mengentaskan kemiskinan
yang ada. Kebutuhan pangan di Indonesia yang tinggi menjadikan sektor
pertanian penyumbang yang besar dalam keberhasilan pembangunan nasional.
Subsektor tanaman pangan merupakan subsektor yang menyediakan bahan
makanan pokok yang dikonsumsi masyarakat Indonesia. Peramalan terhadap NTP
subsektor tanaman pangan merupakan salah satu upaya yang dapat dilakukan
untuk mengetahui potensi pada sektor pertanian kedepannya. Salah satu metode
pemodelan statistik yang digunakan dengan memperhatikan letak geografis atau
faktor lokasi pengamatan, untuk mengetahui apakah data memiliki keterkaitan
atau hubungan antar lokasi yang berdekatan adalah model Generalized Space
Time Autoregressive (GSTAR). Penulis menggunakan tiga jenis bobot lokasi pada
model GSTAR, yaitu (1) bobot queen contiguity, (2) lokasi seragam, dan (3)
bobot lokasi invers jarak. Dari hasil analisis, diperoleh model GSTAR (11)I(1)
dengan bobot lokasi seragam sebagai model terbaik. Hal ini karena model tersebut
memenuhi asumsi white noise dan asumsi normalitas serta memiliki nilai MSE
sebesar 2.34, nilai RMSE sebesar 1.53, nilai MAPE sebesar 1.10%, nilai MAE
sebesar 1.11 dan nilai SSE sebesar 2827.38 yang lebih kecil dari model GSTAR
(11)I(1) dengan bobot queen contiguity maupun bobot lokasi invers jarak.
Collections
- Statistics [900]