159-169
http://journal.trunojoyo.ac.id/pamator
ISSN: 1829-7935
Proyeksi Ekspor Beras Nasional Melalui Gerakan Tiga Kali Lipat Ekspor
(Gratieks) Pertanian Indonesia
*Email: novidiana.agb@gmail.com
Naskah diterima 24 Juli 2020, Revisi 15 September 2020, Terbit 29 Oktober 2020
DOI: doi.org/10.21107/pamator.v13i2.8527
Abstrak
Indonesia memiliki neraca perdagangan beras yang selalu negatif, artinya impor beras jauh lebih tinggi
dari ekspornya. Merujuk pada strategi dan target Kementerian Pertanian Kabinet Indonesia Maju,
pemerintah menggalakan kebijakan Gerakan Tiga Kali Lipat Ekspor (Gratieks) oleh petani dan
pengusaha. Tujuan penelitian ini adalah untuk: (1) mengetahui perkembangan produksi, konsumsi, dan
impor beras di Indonesia pada tahun 1999-2018, serta (2) mengetahui proyeksi ekspor beras Indonesia
pada tahun 2019-2023 dengan metode forecasting Moving Average, Double Exponential Smoothing, dan
ARIMA terhadap data ekspor tahun 1999-2018. Hasil peramalan menunjukkan bahwa permodelan
terbaik adalah ARIMA ordo tentatif p,d,q 101 dengan MAPE 0,94. Berdasarkan target pemerintah
tentang tiga kali lipat ekspor dari tahun 2018, masih terdapat marjin yang harus dicapai untuk
memenuhi target dengan asumsi kebijakan yang diterapkan sama dengan yang berlaku sebelumnya.
Terhitung hingga tahun 2018, Indonesia diminta akan semakin sedikit, dan
memiliki neraca perdagangan beras yang sebaliknya”.
selalu negatif, artinya impor beras lebih Penawaran (supply) merupakan
tinggi dari ekspornya. Merujuk pada strategi sejumlah produk tertentu yang akan dijual
dan target Kementerian Pertanian Kabinet kepada konsumen pada berbagai tingkat
Indonesia Maju, pemerintah menggalakan kemungkinan harga dalam jangka waktu
kebijakan Gerakan Tiga Kali Lipat Ekspor tertentu dan dengan asumsi hal-hal lain
(Gratieks) oleh petani dan pengusaha. tetap sama atau Cetereis Paribus (Hanafie,
Berbagai upaya untuk mencapai percepatan 2010). Menurut Sukirno (2013), faktor para
produksi dan kualitas komoditas pertanian penjual dalam menawarkan produknya pada
telah diusung oleh pemerintah, mulai dari berbagai tingkat harga ditentukan oleh harga
PELITA, Revolusi hijau, hingga saat barang itu sendiri, harga barang lain, biaya
reformasi yaitu bantuan alsintan, subsidi produksi, tujuan operasional perusahaan,
input pertanian, kartu tani, dan lainnya dan tingkat teknologi yang digunakan.
masih belum dapat menyelesaikan kasus Secara teorema, kurva penawaran bergerak
neraca perdagangan beras yang selalu dari kiri bawah ke kanan bawah, sesuai
negatif. Berdasarkan uraian di atas, adapun dengan hukum penawaran, semakin tinggi
tujuan penelitian ini adalah untuk: (1) tingkat harga, maka jumlah barang yang
mengetahui perkembangan produksi, ditawarkan akan tinggi pula, sebaliknya, jika
konsumsi, dan impor beras di Indonesia tingkat harga semakin rendah, maka jumlah
tahun 1999-2018, serta (2) mengetahui barang yang ditawarkanpun semakin sedikit.
proyeksi ekspor beras Indonesia pada tahun Faktor terpenting yang menentukan
2019-2023. ekspor adalah kemampuan dari negara
Permintaan (demand) adalah sejumlah tersebut untuk menghasilkan produk-produk
produk yang akan dibeli oleh konsumen dan yang dapat bersaing di pasar luar negeri.
konsumen dapat membelinya pada berbagai Ekspor secara langsung mempengaruhi
tingkat kemungkinan harga dalam jangka pendapatan nasional. Apabila nilai ekspor
waktu tertentu dan dengan anggapan hal-hal neto positif, berarti nilai ekspor lebih besar
lain tetap sama atau Cetereis Paribus dari nilai impor dan sebaliknya (Benny,
(Hanafie, 2010). Faktor-faktor yang 2013). Proses impor umumnya adalah
mempengaruhi permintaan meliputi harga tindakan memasukan barang atau
barang itu sendiri, harga barang lain, komoditas dari negara lain ke dalam negeri.
pendapatan rumah tangga dan pendapatan Impor barang secara besar umumnya
rata-rata masyarakat, corak distribusi membutuhkan campur tangan dari bea cukai
pendapatan dalam masyarakat, cita rasa di negara pengirim maupun penerima.
masyarakat, jumlah penduduk, dan ramalan Kegiatan impor dilakukan untuk memenuhi
mengenai keadaan di masa yang akan kebutuhan penduduk suatu negara. Produk
datang (Sukirno, 2013). Secara teorema, impor merupakan barang-barang yang tidak
kurva permintaan bergerak dari kiri atas ke dapat dihasilkan oleh suatu negara atau
kanan bawah, sesuai dengan hukum yang sudah dapat dihasilkan namun tidak
permintaan yang berbunyi “Semakin tinggi dapat mencukupi kebutuhan domestiknya
tingkat harga, maka jumlah barang yang (Benny, 2013).
Sa’diyah, S.A & Tamami, N.D.B Proyeksi Ekspor Beras 161
Penelitian yang dilakukan Indrawati dan Terdapat tiga metode peramalan yang
Sutijo (2012) menyatakan bahwa beras akan peneliti ujikan terhadap data ekspor,
merupakan salah satu kebutuhan pangan diantaranya yaitu: metode rata-rata
pokok bagi masyarakat Indonesia. bergerak (moving average method), metode
Ketersediaan beras yang aman penting double exsponential smoothing, dan ARIMA
untuk dipenuhi oleh suatu negara. (Box Jenkins). Ketiga metode ini dipilih
Kebutuhan beras berkaitan dengan jumlah berdasarkan permodelan terbaik dari
konsumsi beras, yang merupakan fungsi penelitian yang telah dilakukan oleh
dari jumlah penduduk dan konsumsi Indrawati dan Sutijo (2012), Andani (2008),
perkapita. Model terbaik untuk meramalkan Sukiyono dan Rosdiana (2018), Setyawan
produktivitas padi adalah ARIMA ordo et al. (2016), Sugiarto, et al. (2015), Kour et
tentatif ([3],0,1) dengan deteksi efek data al. (2018), Hidayatulloh (2019), serta
outliers bertipe Additive. Berdasarkan Suleman dan Sarpong (2011).
analisis data diketahui bahwa jumlah
ketersediaan beras Jawa Timur tahun 2011- Moving Average
2013 menunjukkan surplus, sehingga dapat Metode moving average secara
dijadikan sebagai pertimbangan bahwa matematis ditulis sebagai berikut:
Jawa Timur tidak memerlukan impor beras. M(n)t = Yt+1 = (yt + yt-1 + yt-2 + ... + yt-n+1) / n
Penelitian Suleman dan Sarpong (2011) at = 2Mt-M’t
menggunakan pendekatan Box-Jenkins bt = (Mt-M't)
untuk memodelkan produksi beras giling.
Yt+p = at+btp
Permodelan terbaik untuk perkiraan
Dimana n merupakan jumlah data aktual
produksi beras giling yang dihasilkan adalah
ekspor beras, Mt adalah nilai moving
ARIMA (2, 1, 0). Meskipun demikian,
average pada periode t, Yt+p adalah nilai
ramalan sepuluh tahun dengan model ini
hasil ramalan ekspor beras, at adalah nilai
menunjukkan tren yang meningkat di
moving average pada periode t, bt
produksi Indonesia, nilai perkiraan pada
merupakan nilai trend moving average pada
2015 (283.16 ribu ton) tidak cukup baik
periode t, dan p adalah jumlah periode
untuk dibandingkan dengan produksi di
ekspor beras yang diramalkan
Nigeria (2700 ribu ton).
Double Exponential Smoothing
METODOLOGI Penggunaan metode double exponential
Penelitian ini menggunakan data smoothing dapat digunakan dengan rumus
sekunder yang diperoleh dari Kementerian sebagai berikut:
Pertanian, Badan Pusat Statistik, dan St = αXt + (1 – α) (St-1 + Tt-1)
Kementerian Perdagangan RI. Data yang Tt = β (St – St-1) + (1 – β) Tt-1
digunakan pada penelitian ini yaitu data Yt+p = St + p (Tt)
ekspor, impor, produksi, dan konsumsi St merupakan nilai pemulusan baru data
beras Indonesia. Data-data tersebut aktual beras beras, Xt adalah nilai aktual, α
merupakan data time series tahun 1999- adalah koefisien pemulusan atau smoothing
2018 (dua puluh tahun). Peramalan data (0 <α> 1), Tt merupakan nilai perkiraan
beras adalah masalah yang menantang trend, β yaitu koefisien pemulusan
dalam statistik pertanian. Kesulitannya (smoothing) untuk trend (0<β>1), p yaitu
terletak pada permintaan dan penawaran jumlah periode ekspor beras yang akan
yang dipengaruhi oleh faktor-faktor yang diramalkan, Yt+p merupakan nilai ramalan
tidak pasti yaitu kebijakan ekonomi, faktor ekspor beras untuk periode mendatang.
pertanian, kredit langkah-langkah,
perdagangan luar negeri, dan lainnya yang Autoregressive Integrated Moving
berinteraksi secara kompleks. Sejak Average (ARIMA)
beberapa dekade terakhir, teknik statistik Model Autoregressive Integrated Moving
digunakan untuk mengembangkan model Average (ARIMA) merupakan model
prediksi memperkirakan parameter yang gabungan dari AR dan MA. Model ini
diperlukan (Chauduri, 2013). membutuhkan series stasioner sebagai
fungsi dari lampaunya dan nilai sekarang
Sa’diyah, S.A & Tamami, N.D.B Proyeksi Ekspor Beras 163
dari tahun 2013 (Badan Pusat Statistik, Sejalan dengan pendapat Sukirno (2013),
2018). Sejalan dengan penelitian yang pertambahan jumlah penduduk akan
dilakukan oleh Rusdiana dan Maesya (2017) mempengaruhi tingkat permintaan suatu
yang menyebutkan bahwa pertumbuhan barang.
komoditas pangan yang paling tinggi setiap
tahun adalah komoditas beras disusul
komoditas jagung.
Peningkatan jumlah produksi beras
dalam negeri diperlukan untuk memenuhi
kebutuhan dalam negeri serta meningkatkan
eksistensi beras Indonesia di pasar
inernasional. Namun, kendalanya terdapat
pada kualitas atau standart yang diinginkan
oleh pasar internasional masih belum sesuai
dengan beras yang dihasilkan Indonesia.
Negara-negara di kawasan Asia menjadi Gambar 3. Perkembangan Konsumsi Beras
sentra produsen beras dunia, Indonesia Nasional Tahun 1999 – 2018 (Juta Ton)
bersaing dengan negara-negara penghasil Meskipun terjadi penurunan pada tahun
padi dengan berbagai keunggulannya, 2013 hingga 2018, namun secara linear,
seperti India dengan luasan panennya yang perkembangan konsumsi beras di Indonesia
lebih besar dari Indonesia, Vietnam dengan memiliki slope positif. Kurva
teknik budidaya yang lebih efisien, Myanmar menggambarkan bahwa dengan semakin
dengan varietas padi unggulan yang banyak bertambahnya volume produksi beras,
diminati oleh konsumen beras. Oleh karena namun tingkat konsumsi juga turut
itu, produksi beras dalam negeri menjadi meningkat. Pada skala rumah tangga,
aspek yang penting untuk dikembangkan setidaknya setiap orang harus memenuhi
untuk meningkatkan eksistensi beras kebutuhan karbohidrat dari beras sebesar
Indonesia. 330 gram perhari. Pada sektor lain, seperti
industri, beras diolah menjadi beragam
Konsumsi Beras Nasional produk turunan. Masyarakat Indonesia
Jumlah konsumsi beras nasional berasal tergolong sebagai masyarakat yang
dari konsumsi dalam rumah tangga maupun konsumtif, maka dari itu, sifat ini akan
luar rumah tangga (industri, jasa, meningkatkan tingkat konsumsi beras pula.
peternakan). Pola makan masyarakat di
Indonesia yang mengkonsumsi nasi sebagai Impor Beras
makanan sumber karbohidrat utama. Beras menjadi bahan pangan pokok yang
Preferensi penduduk Indonesia terhadap esensial bagi penduduk di Asia Tenggara,
beras sangat tinggi, bahkan penduduk yang karenanya impor beras masih dilakukan oleh
mempunyai pola pangan pokok bukan beras negara-negara Asia Tenggara untuk
beralih ke beras karena beras dianggap menjaga stok pangannya meskipun
merupakan sumber kalori yang utama. statusnya sebagai negara pengekspor beras
Disamping itu, beras juga dianggap memiliki (Hermawan, 2013). Swasembada pangan
citra pangan yang lebih baik secara sosial. atau lebih luas kedaulatan pangan telah
Pertumbuhan ekonomi berpengaruh tercapai pada tahun 2016 dengan surplus
terhadap kebutuhan pangan sesuai dengan sebesar 10%. Pemerintah Indonesia
pertambahan jumah penduduk di suatu mengimpor beras untuk mengisi stok beras
negara (Rusdiana dan Maesya, 2017). Saat nasional, khususnya untuk rastra dan untuk
pertumbuhan penduduk meningkat, mendukung efektifitas kebijakan stabilisasi
semakin banyak orang yang akan mencari harga (Hermawan, 2016). Namun, dampak
penerimaan pekerjaan. Orang yang dari impor akan mempengaruhi stabilisasi
mendapat pekerjaan akan memiliki daya beli harga di pasar domestik (Kusumah, 2019).
yang lebih dalam konsep permintaan, Seiring dengan peningkatan volume
karena diiringi oleh bertambahnya produksi beras dalam negeri, hal ini
pendapatan yang ia terima. Inilah penyebab menyebabkan tingkat impor tiap tahunnya
teorema permintaan barang akan bergerak. berubah. Perubahan tingkat impor
Sa’diyah, S.A & Tamami, N.D.B Proyeksi Ekspor Beras 165
Secara time series plot, data ekspor (2017), Mustabsyiroh et al. (2014), dan
beras di Indonesia memiliki pola yang tidak Ramadania (2018). Dari tabel dapat dilihat
stasioner. Model peramalan yang akurat bahwa hasil peramalan ARIMA memiliki nilai
untuk suatu data runtun waktu sulit diperoleh MAPE yang paling rendah, yaitu sebesar
jika datanya kompleks (Gunaryati, 2017). 0.940. Maka pada penelitian ini akan
Berdasarkan hasil peralaman yang diperoleh memproyeksikan tingkat ekspor beras
melalui metode Moving Average, Double dengan metode ARIMA dengan ordo tentatif
Exponential Smoothing, dan ARIMA, p,d,q 101.
diperoleh hasil peramalan sebagai berikut: Pada tahun 2023, masih terdapat selisih
Tabel 2. Hasil Peramalan Data Ekspor (Ton) antara target yang diinginkan pemerintah
Tahun MA DES ARIMA dengan proyeksi volume ekspor di masa
2019 2997.0 175.3 5230.3 mendatang. Hal ini terjadi dengan asumsi
2020 2997.0 -318.7 5233.2 bahwa kebijakan dan stategi yang
diberlakukan masih sama dengan yang
2021 2997.0 -812.7 5236.1
diterapkan di tahun 2018. Maka, apabila
2022 2997.0 -1306.8 5239.0 pemerintah menargetkan Indonesia dapat
2023 2997.0 -1800.0 5242.0 mencapai Gratieks di akhir periode
MAPE 289 559 0.940 pembangunan, pemerintah disarankan agar
Berdasarkan hasil pramalan, selanjutnya memperbarui kebijakan dan strategi pada
menentukan model yang paling sesuai. sektor pertanian, terutama untuk
Menurut Makridakis et al. (1999), untuk meningkatkan produksi dan daya saing
menentukan model yang paling sesuai produk pertanian domestik.
adalah dengan membandingkan nilai MAPE, Tabel 3. Prediksi Marjin Target Ekspor
apabila nilai MAPE semakin kecil, maka Dengan Proyeksi Lima Tahun Mendatang
model tersebutlah yang paling sesuai atau Target Proyeksi Marjin
mendekati nilai aktual. Model terbaik dengan Tahun (Ton) (Ton) (Ton)
MAPE terpilih juga digunakan untuk 2019 11988 5230 6758
menduga kasus pada penelitian Nugraha
Sa’diyah, S.A & Tamami, N.D.B Proyeksi Ekspor Beras 167