1
Novia Anggita Aprilianti, 2Belindha Ayu Ardhani,
3
M. Fariz Fadillah Mardianto, M. Si
1,2,3
Program Studi Statistika Fakultas Sains dan Teknologi Universitas Airlangga, Surabaya
1
noviaanggita047@gmail.com
2
abelindha58@gmail.com
3
fm.fariz@yahoo.com
ABSTRAK
Garam merupakan salah satu komoditas strategis pendorong perekonomian Indonesia.Hal ini
disebabkan garam menjadi basis bagi banyak industri turunan, mulai dari sektor rumah tangga hingga
industri pangan.Garam di Indonesia sebagian besar diproduksi oleh para petani lokal di beberapa
daerah. Berdasarkan data Badan Pengkajian dan Pengembangan Perdagangan (BPPP) pada tahun
2015, produksi garam nasional mencapai 2,8 juta ton. Sedangkan pada tahun 2018 diperkirakan
hanya mencapai 1,5 juta ton. Hal tersebut menunjukkan adanya penurunan produksi garam dari
periode sebelumnya.Padahal kebutuhan garam di dalam negeri semakin meningkat setiap
tahunnya.Penurunan produksi garam lokal ini dikhawatirkan dapat berdampak pada sektor industri
yang secara kumulatif dapat berpengaruh terhadap nilai Produk Domestik Bruto (PDB).Berdasarkan
permasalahan tersebut, perlu dilakukan pemodelan dan peramalan produksi garam lokal di Indonesia
sebagai acuan untuk mempertahankan, bahkan meningkatkan produksi garam lokal guna menjaga
stabilitas nilai PDB.Tujuan penelitian ini adalah untuk menganalisis pengaruh produksi garam lokal di
beberapa daerah penghasil garam terhadap nilai PDB nasional.Penelitian ini menggunakan data
sekunder hasil produksi garam di beberapa daerah di Indonesia dari tahun 2011 – 2015 dengan
menggunakan metode analisis regresi data panel.Hasil penelitian ini diharapkan dapat membantu
pemerintah dalam mengambil kebijakan terkait upaya untuk mendukung pertumbuhan ekonomi yang
inklusif melalui pengoptimalisasian produksi garam lokal di Indonesia.
Kata kunci: garam lokal, PDB, regresi data panel, pertumbuhan ekonomi inklusif.
PENDAHULUAN
Garam merupakan komoditas strategis pendorong perekonomian nasional.Hal ini
disebabkan garam telah menjadi basis bagi banyak industri turunan, mulai dari sektor rumah
tangga hingga industri pangan.Permintaan garam cenderung meningkat setiap tahunnya
seiring dengan meningkatnya pertumbuhan penduduk dan berbagai industri di Indonesia
(Wati, 2013).Namun, meningkatnya permintaan ini tidak dapat diimbangi dengan penawaran
yang ada.Produksi garam belakangan ini mengalami fluktuasi cukup tinggi. Berdasarkan
data Badan Pengkajian dan Pengembangan Perdagangan (BPPP) pada tahun 2015, neraca
garam nasional menunjukkan bahwa total kebutuhan garam pada tahun 2014 mencapai
3,61 juta ton, sedangkan pada tahun yang sama total produksinya hanya 2,19 juta ton
sehingga untuk memenuhi kebutuhan tersebut, pemerintah melakukan impor sebesar 1,42
juta ton. Bahkan pada pertengahan tahun 2017 lalu, kebutuhan garam yang mencapai 3,2
juta ton baru bisa dipenuhi 19 ribu ton (Nurhayat, 2017). Ketidakseimbangan ini tentu tidak
berkorelasi positif dengan potensi sumber daya alam Indonesia yang memiliki peluang
cukup besar untukdapat memenuhi kebutuhan garam dalam negeri (Wati, 2013).
Krisis garam ini tentu menimbulkan efek domino pada pertumbuhan ekonomi nasional,
sebab pada beberapa jenis industri seperti industri pangan, obat-obatan, kertas, dan tekstil,
32
Prosiding SEMNASDAL (Seminar Nasional Sumberdaya Lokal) I Oktober
ISBN: 978-623-90592-0-0 2018
garam digunakan sebagai bahan baku. Salah satu industri yang terkena dampak langsung
akibat krisis garam adalah produsen ikan asin.Hampir seluruh produsen terpaksa
mengurangi produksi ikan asin akibatsulitnya mendapatkan garam, bahkan banyak di
antaranya yang terancam gulung tikar (Aini, 2017). Hal ini juga dialami oleh beberapa
industri kerajinan kulit yang turut mengalami masalah dalam proses penyamakan kulit
sehingga terpaksa merumahkan karyawannya hingga pasokan garam kembali normal (Itah,
2017). Dengan demikian, krisis garam dapat berdampak secara langsung terhadap
menurunnya output industri turunan. Penurunan output dalam jangka waktu yang realitif
bersamaan tersebut memberikan pengaruh yang cukup sigifikan terhadap neraca
perdagangan (neraca ekspor-impor), serta permintaan dan penawaran agregat sehingga
apabila diakumulasikan, penurunan ini dapat mempengaruhi stabilitas nilai Produk Domestik
Bruto (PDB).
Produk Domestik Bruto (PDB) merupakan salah satu indikator penting untuk
mengetahui perkembangan perekonomian suatu negara dalam periode tertentu. Dalam
PDB, jumlah nilai barang dan jasa akhir hasil produksi harus sama dengan nilai barang yang
digunakan (Bank Indonesia, 2016). Apabila terjadi ketidakseimbangan seperti dalam
masalah garam, tentu pertumbuhan ekonomi Indonesia turut terkena imbasnya.Padahal,
pertumbuhan ekonomi tersebut menjadi sektor penting dalam menentukan tingkat
perkembangan suatu negara. Apalagi saat ini Indonesia tengah fokus pada pertumbuhan
ekonomi inklusif yang merupakan proses peningkatan output per kapita yang menjamin
kesetaraan akses terhadap peluang ekonomi bagi seluruh segmen sosial. Sebagai salah
satu tujuan Sustainable Development Goals (SDGs) 2030, pertumbuhan ekonomi inklusif
memiliki peran penting dalam mengurangi angka kemiskinan di Indonesia.Hal ini disebabkan
pertumbuhan ekonomi inklusif terkait dengan kontribusi setiap pelaku usaha (Mutijo dkk,
2016).Sinergi antar pelaku usaha dari berbagai strata sosial menjadi hal yang sangat
penting dalam mewujudkan pertumbuhan ekonomi inklusif, termasuk kontribusi para petani
garam.
Berdasarkan permasalahan tersebut, perlu dilakukan pemodelan dan peramalan
produksi garam lokal untuk mengetahui pengaruh produksi tersebut terhadap nilai PDB.
Pemodelan dan peramalan tersebut dilakukan dengan metode regresi data panel dan
analisis tren. Analisis regresi data panel digunakan dalam memodelkan pengaruh variabel
independen terhadap beberapa variabel dependen sehingga dapat dilakukan analisis tingkat
pengaruh produksi garam lokal terhadapPDB Indonesia dengan tepat. Penggunaan metode
ini disebabkan data sekunder yang digunakan adalah data panel yang merupakan
gabungan data time series berupa produksi garam dari tahun 2011−2015 dan data cross
section berupa produksi garam beberapa daerah di Indonesia. Sedangkan analisis tren
digunakan sebagai peramalan untuk mengetahui kecenderungan produksi garam lokal di
Indonesia dalam periode tertentu.
METODE PENELITIAN
Dalam penelitian ini, penulis menggunakan data sekunder yang didapatkan dari
Badan Pusat Statistik (BPS), Badan Pengkajian dan Pengembangan Perdagangan (BPPP)
dan Kementerian Kelautan dan Perikanan (KKP). Populasi dalam penelitian ini adalah
kabupaten dan kota penghasil garam di Indonesia. Penulis hanya mengambil hasil produksi
dari tahun 2011 sampai dengan 2015.Sampel dalam penelitian ini adalah kabupaten/kota
33
Oktober Prosiding SEMNASDAL (Seminar Nasional Sumberdaya Lokal) I
2018 ISBN: 978-623-90592-0-0
penghasil garam yang memiliki hasil produksi garam mulai tahun 2011 sampai dengan
2015. Berdasarkan metode pengambilan sampel, maka sampel dalam penelitian ini
berjumlah tiga puluh lima kabupaten dan kota. Adapun kabupaten dan kota penghasil garam
yang terpilih sebagai sampel dapat dilihat pada tabel sebagai berikut.
Variabel yang digunakan dalam penelitian ini adalah dua variabel yang terdiri dari
satu variabel dependen dan satu variabel bebas dengan rincian sebagai berikut.
34
Prosiding SEMNASDAL (Seminar Nasional Sumberdaya Lokal) I Oktober
ISBN: 978-623-90592-0-0 2018
2. Melakukan estimasi parameter model regresi data panel dengan metode Common Effect
Model (CEM), Fixed Effect Model (FEM) dan Random Effect Model (REM).
3. Melakukan uji untuk menentukan model terbaik dengan Uji Chow, Uji Langrange dan Uji
Hausman.
4. Menguji diagnostik pada model terbaik.
5. Pemeriksaan persamaan regresi.
6. Menguji asumsi regresi data panel.
7. Interpretasi model regresi data panel.
8. Menentukan model yang paling sesuai dengan membandingkan regresi klasik dengan
regresi data panel.
9. Melakukan tren analisis untuk mengetahui prediksi garam di masa yg akan datang.
Berdasarkan grafik pada gambar 1 kabupaten dan kota yang memproduksi garam
tertinggi sepanjang tahun 2011 hingga 2015 adalah Kabupaten Sampang, dengan rata-rata
produksi 268 ribu ton. Sedangkan kabupaten dan kota yang memproduksi garam paling
rendah adalah Kabupaten Alor dengan rata-rata produksi 205 ton. Rendahnya produksi
garam di beberapa daerah disebabkan oleh beberapa faktor. Salah satunya adalah
perbedaan luaslahan di beberapa kabupaten dan kota sehingga menyebabkan produksi tiap
kabupaten dan kota berbeda-beda. Luas lahan tiap kabupaten dan kota dapat dilihat pada
gambar 2.
35
Oktober Prosiding SEMNASDAL (Seminar Nasional Sumberdaya Lokal) I
2018 ISBN: 978-623-90592-0-0
Berdasarkan grafik pada gambar 2, kabupaten dan kota yang memiliki presentase
luas lahan produksi garam tertinggi sepanjang tahun 2011-2015 adalah Kabupaten
Pamekasan sebesar 81,7% dari seluruh luas lahan produksi garam di Indonesia. Sedangkan
kabupaten dan kota yang memiliki luas lahan terendah adalah Kabupaten Karangasem
dengan presentasi luas lahan produksi garam sebesar 0,23%. Luas lahan yang berbeda
menyebabkan produktivitas garam setiap kabupaten dan kota berbeda-beda. Produktivitas
menunjukkan perbandingan antara jumlah produksi garam dengan luas lahan. Produktivitas
garam setiap kabupaten dan kota dapat dilihat pada gambar 3.
Berdasarkan grafik pada Gambar 4.3, kabupaten dan kota yang memiliki
produktivitas tertinggi adalah Kabupaten Buleleng dengan rata-rata produktivitas mulai tahun
2011-2015 sebesar 24,4%. Sedangkan kabupaten dan kota yang memiliki produktivitas
terendah adalah Kabupaten Alor sebesar 3,07%. Hasil produksi garam di Indonesia
36
Prosiding SEMNASDAL (Seminar Nasional Sumberdaya Lokal) I Oktober
ISBN: 978-623-90592-0-0 2018
Berdasarkan gambar 4, kabupaten dan kota penghasil garam yang memiliki nilai
PDRB tertinggi adalah Kota Surabaya dengan presentase sebesar 1,73% dari total PDRB
seluruhnya. Sedangkan kabupaten dan kota yang memiliki nilai PDRB paling kecil adalah
Kabupaten Nagekeo dengan presentase sebesar 0,006%.
37
Oktober Prosiding SEMNASDAL (Seminar Nasional Sumberdaya Lokal) I
2018 ISBN: 978-623-90592-0-0
Berdasarkan hasil uji chow pada tabel 3, diketahui nilai p-value pada bagian
probabilitas Cross-section Chi-square sebesar 0. Nilai ini lebih kecil daritaraf nyata 10%
sehingga dapat disimpulkan bahwa estimasi yang terpilih antara CEM dan FEM adalah
FEM.
Berdasarkan hasil Uji Hausman pada tabel 4. diketahui nilai p-value pada bagian
probabilitas Cross-section random sebesar 0.09628. Nilai ini lebih kecil dari taraf nyata 10%
sehingga dapat disimpulkan model estimasi yang terpilih antara FEM dan REM adalah FEM.
Pada uji Chow dan uji Hausman, telah didapatkan hasil estimasi yang sama yaitu
FEM. Oleh sebab itulah uji Lagrange Multiplier tidak dilakukan.
Estimasi Model Akhir Regresi Data Panel
Pemodelan dengan pendekatan FEM menghasilkan hasil estimasi model akhir PDB
di Indonesia sebagai berikut.
ýit = 0,526519 + 0,036315 x1it + 0,042252 x2it + 0,000035 x3it
38
Prosiding SEMNASDAL (Seminar Nasional Sumberdaya Lokal) I Oktober
ISBN: 978-623-90592-0-0 2018
Pengujian Heteroskedastisitas
Untuk menguji adanya heteroskedastisitas pada FEM, dilakukan dengan
membandingkan hasil antara FEM dengan tanpa pembobotan (unweighted) dan FEM
dengan pebobotan (weighted) yang hasilnya sebagai berikut.
39
Oktober Prosiding SEMNASDAL (Seminar Nasional Sumberdaya Lokal) I
2018 ISBN: 978-623-90592-0-0
produktivitas, dan 0,0000 untuk konstanta. Dengan demikian dapat disimpulkan bahwa
variabel produksi garam, luas lahan, dan produktivitas secara serentak memiliki pengaruh
signifikan terhadap PDB.
Berdasarkan analisis tren tersebut, dapat disimpulkan bahwa secara umum produksi
garam lokal di sebagian besar daerah di Indonesia cenderung mengalami kenaikan setiap
tahunnya.
40
Prosiding SEMNASDAL (Seminar Nasional Sumberdaya Lokal) I Oktober
ISBN: 978-623-90592-0-0 2018
PENUTUP
Setelah memenuhi uji diagnostik dan uji asumsi model regresi, maka model regresi
data panel yang sesuai untuk pemodelan PDB di Indonesia adalah Fixed Effect Model
dengan model persamaan hasil estimasi sebagai berikut.
ýit = 0,526519 + 0,036315 x1it + 0,042252 x2it + 0,000035 x3it
Berdasarkan analisis tren, dapat disimpulkan bahwa secara umum produksi garam
lokal di sebagian besar daerah di Indonesia cenderung mengalami kenaikan setiap
tahunnya.
Berdasarkan estimasi akhir diketahui bahwa variabel produksi, luas lahan dan
produktivitas memiliki pengaruh yang signifikan terhadap nilai PDB. Variabel yang memiliki
tingkat signifikansi terbesar adalah variabel produksi garam, yaitu sebesar 0,07325.
Pemerintah dapat menaikkan nilai PDB di masa yang akan datang dengan cara
meningkatkan produksi garam lokal di Indonesia. Teknologi modern saat ini dapat
dimanfaatkan sebagai sarana untuk meningktkan produksi garam di Indonesia.Contohnya
adalah Teknologi ulir Filter (TuF) Geomembran. Selain itu, pemerintah juga dapat
memperluas lahan produksi garam yang ada di beberapa kabupaten dan kota di Indonesia.
Perluasan lahan ini diharapkan mampu meningkatkan produksi garam lokal di Indonesia.
DAFTAR PUSTAKA
Amami, Dafid dan Ihsannudin.2016. Efisiensi Faktor-Faktor Produksi Garam Rakyat.Jurnal
Media Tren Vol. 11 No. 2 Halaman 172−173. Bangkalan: Fakultas Pertanian
Universitas Trunojoyo Madura.
Ansofino, dkk. 2016. Buku Ajar Ekonometrika. Deepublish : Yogyakarta.
Aziz, Abdul. 2017. Efek Domino Krisis Garam.Diakses dari https://tirto.id pada 1 Agustus
2018 pukul 17.15 WIB.
Bungin, Burhan. 2005. Metode Penelitian Kuantitatif. Kencana : Jakarta.
Divisi Statistik Data Sekunder Bank Indonesia. 2016. Produk Domestik Bruto (PDB). Jakarta:
Bank Indonesia.
Herman. Joetra, Willy. 2015. Pengaruh Garam Dapur (NaCl) terhadap Kembang Susut
Tanah Lempung.Jurnal Momentum Vol.17 No. 1 Halaman 13. Padang: Fakultas
Teknik Sipil dan Perencanaan Institut Teknologi Padang.
Jamil, Ahmad Syaiful dkk. 2017. Faktor-faktor yang Mempengaruhi Permintaan dan
Efektivitas Kebijakan Impor Garam Indonesia. Jurnal Vol. 11 No. 1. Bogor: Fakultas
Ekonomi dan Manajemen Institut Pertanian Bogor.
Kazmier, Leonard J. 2003. Schaum’s Easy Outlines : Bussiness Statistics. Terjemahan oleh
P.A. Lestari.Erlangga : Jakarta.
Kurniawan, Robert dan Yuniarto, Budi. 2016. Analisis Regresi:Dasar dan Penerapannya
dengan R. Kencana : Jakarta.
Monica, E. 2017.Penerapan Metode Trend untuk Meramalkan Tipe Data Musiman.Skripsi.
Universitas Lampung: Bandar Lampung.
41
Oktober Prosiding SEMNASDAL (Seminar Nasional Sumberdaya Lokal) I
2018 ISBN: 978-623-90592-0-0
42