16DES
2020
ESTIMASI PRODUKSI TANAMAN PADI DENGAN PENDEKATAN POPULASI LATIH PADA KERANGKA
SAMPEL AREA
Udjianna Sekteria Pasaribu, Utriweni Mukhaiyar, dan Dito Aristhyawan
KATA PENGANTAR
Oleh Prof. Bustanul Arifin
Buletin Ringkas Statistical & Policy Brief kali ini sistem keuangan. Oleh karena itu, pemanfaatan
menyajikan empat artikel. Artikel pertama tentang Big Data Analytics di Bank Indonesia dapat sangat
Pariwsata Sebagai Pendorong Perekonomian ditulis bermanfaat untuk mendukung perumusan bauran
oleh Sri Soelistyowati. Adapun artikel kedua dengan kebijakan Bank Indonesia (kebijakan moneter,
topik Strategi Penggunaan Big Data pada Bank kebijakan makroprudensial, kebijakan sistem
Sentral diulas oleh Muhammad Edhie Purnawan. pembayaran dan pengelolaan uang Rupiah).
Artikel ketiga tentang Covid 19, Kemiskinan, dan
Dalam artikel ketiga, Teguh Dartanto dan
Perlindungan Sosial oleh Teguh Dartanto dan Asep
Asep Suryahadi menyampaikan bahwa COVID-19
Suryahadi. Artikel keempat tentang Estimasi Produksi
menjadi fokus perhatian dunia sejak World Health
Tanaman Padi dengan Pendekatan Populasi Latih pada
Organizations (WHO) menetapkan Covid-19
Kerangka Sampel Area ditulis oleh Udjianna Sekteria
sebagai pandemi sejak Maret 2020. Pandemi
Pasaribu, Utriweni Mukhaiyar, dan Dito Aristhyawan.
Covid-19 merupakan salah satu bencana (atau
Pada artikel pertama, Sri Soelistyowati guncangan) di sektor kesehatan yang berdampak
menyampaikan bahwa System of National Accounts besar di sektor ekonomi karena pandemic
(SNA) 2008 merekomendasikan penilaian Nilai Covid-19 mengakibatkan penurunan aktifitas
Tambah Bruto (NTB) menggunakan harga dasar. produksi dan permintaan dalam perekonomian.
Sedangkan output dari masing-masing industri Perubahan rantai pasok, penurunan aktifitas
dinilai atas harga dasar, kecuali pajak atas produk ekonomi serta kebijakan pembatasan sosial di
netto. Adapun input antara dinilai atas dasar harga berbagai daerah memiliki dampak besar terhadap
pembeli, termasuk margin transportasi dan distribusi, kondisi kemiskinan, pengangguran, akses
dan semua pajak produk netto. Selain itu, SNA 2008 kesehatan dan juga aspek pembelajaran. Besarnya
juga merekomendasikan penilaian atas pengeluaran dampak Covid-19 terhadap perekonomian sangat
konsumsi menggunakan harga pembeli. Total PDB tergantung dari beberapa hal: jumlah korban sakit
dari perekonomian merupakan hasil penjumlahan & meninggal, luas wilayah terdampak, jangka
dari NTB dari seluruh industri (pada harga dasar) waktu pandemi, kebijakan surpresi PSBB atau
ditambah dengan pajak atas produk netto dan impor. karantina wilayah, sistem perlindungan sosial,
Hal ini memungkinkan untuk mengukur bagian stimulus fiskal dan insentif ekonomi.
dari PDB yang terkait langsung dengan konsumsi
Sementara itu, pada artikel keempat
pariwisata internal yang disebut dengan Pariwisata
mengulas tentang Estimasi Produksi Tanaman
langsung produk domestik bruto (TDGDP).
Padi dengan Pendekatan Populasi Latih pada
Topik selanjutnya mengulas tentang Kerangka Sampel Area. BPS menerapkan metode
Pemanfaatan Big Data oleh banyak bank sentral Kerangka Sampel Area (KSA) untuk mengestimasi
yang semakin mengalami perkembangan pesat. luas tiap fase pertumbuhan padi. Estimasi KSA
Bank Indonesia sebagai otoritas moneter, system tidak lain merupakan nilai agregat dari suatu
pembayaran, dan makroprudensial serta otoritas proporsi hasil survei. Pendekatan simulasi
pengelola uang Rupiah di Indonesia telah memberikan dilakukan untuk membangun populasi latih. Luas
perhatian besar terhadap perkembangan Big Data fase pertumbuhan padi hasil KSA BPS di Provinsi
secara intensif sejak tahun 2015. Hal ini bertujuan Kepulauan Bangka Belitung menjadi dasar
untuk merespon perkembangan ekonomi dan pembuatan populasi latih. Simulasi menunjukkan
keuangan digital, serta bertujuan untuk membantu bahwa luas lahan dengan pendekatan populasi
merumuskan kebijakan Bank Indonesia baik di sektor latih cukup mendekati hasil KSA.
moneter maupun di sektor keuangan, serta untuk
memitigasi risiko sistemik dalam menjaga stabilitas
PENDAHULUAN
Perkembangan teknologi yang sangat cepat saat ini telah mendorong perubahan
gaya hidup masyarakat, salah satunya adalah meningkatnya konsumsi dalam bentuk
“leisure”. Pariwisata sebagai salah satu aktifitas ekonomi yang erat kaitannya dengan
leisure tak luput dari imbas tersebut. Dalam situasi normal, sebelum terjadinya
“Struktur Neraca
pandemi covid 19 yang melanda hampir seluruh dunia, aktivitas pariwisata terus
Satelit Pariwisata
mengalami peningkatan yang signifikan. Namun saat ini, kegiatan pariwisata pula yang
didasarkan pada
mengalami dampak negatif luar biasa akibat pandemic tersebut, sehingga berujung
hubungan umum
pada kinerja ekonomi yang mengalami kontraksi. Hal ini menunjukkan betapa
yang ada dalam
pentingnya peranan pariwisata didalam aktivitas ekonomi baik didalam tatanan
ekonomi, yaitu
ekonomi nasional maupun global. Pariwisata sendiri didefinisikan sebagai kegiatan
permintaan
orang yang bepergian dan tinggal di tempat-tempat di luar lingkungan kebiasaannya
barang dan jasa
selama tidak lebih dari satu tahun berturut-turut. Kegiatan yang dilakukan tersebut
yang dihasilkan
dengan tujuan untuk rekreasi, bisnis dan tujuan lain selain melaksanakan kegiatan
oleh sektor
yang dibayar dari tempat yang dikunjungi.
pariwisata di
satu sisi, dan
Mengingat peran pariwisata yang cukup penting dalam kegiatan perekonomian,
penyediannya di
diperlukan seperangkat tools untuk mengukur bagaimana peran serta kinerjannya
sisi lain. Dengan
dalam mendorong perekonomian, sehingga dapat di susun kebijakan yang tepat
demikian, Neraca
sasaran. Salah satu unit kerja yang mengurusi masalah pariwisata di PBB, yakni United
Satelit Pariwisata
Nations World Tourism Organization (UNWTO) telah menyusun dan mengembangkan
menyediakan
tools yang menjadi panduan diberbagai negara, yakni Tourism Satellite Accounts
kerangka kerja
(TSA) atau Neraca Satelit Pariwisata. Ketersediaan Neraca Satelit Pariwisata ini sangat
untuk analisis
diperlukan dalam rangka membantu pemerintah, pelaku usaha serta akademisi /
kebijakan
masyarakat dalam menyusun kebijakan yang efektif dan operasi bisnis yang efisien.
yang terkait
dengan ekonomi
Struktur Neraca Satelit Pariwisata didasarkan pada hubungan umum yang
pariwisata dan
ada dalam ekonomi, yaitu permintaan barang dan jasa yang dihasilkan oleh sektor
memberikan
pariwisata di satu sisi, dan penyediannya di sisi lain. Dengan demikian, Neraca Satelit
ukuran penting
Pariwisata menyediakan kerangka kerja untuk analisis kebijakan yang terkait dengan
pariwisata
ekonomi pariwisata dan memberikan ukuran penting pariwisata yaitu kontribusi
yaitu kontribusi
Pariwisata dalam perekonomian
Pariwisata dalam
perekonomian” Penyusunan Neraca Satelit Pariwisata bermanfaat untuk:
Sebuah industri
pariwisata mewakili
pengelompokan dari
perusahaan-perusahaan yang
aktivitas utamanya adalah
aktivitas pariwisata yang
sama. Dari sisi penawaran,
perusahaan diklasifikasikan
berdasarkan aktivitas utama
mereka, yang ditentukan oleh
aktivitas yang menghasilkan
nilai tambah paling besar.
Sebuah perusahaan
mungkin memiliki aktivitas
sekunder, sehingga tidak
semua produksi dari produk
berkarakter pariwisata terjadi
dalam industri pariwisata. Di
sisi lain, industri pariwisata
juga memiliki output yang
bukan produk berkarakter
pariwisata. Keterangan:
:Outbound tourism – Resident expenditure outside the economic
JENIS-JENIS TABEL TSA territory of reference;
:Table 1 – 6 Neraca Satelit Pariwisata yang disempurnakan;
Pada TSA terdapat 10
tabel yang direkomendasikan. :Tabel 7 – 10 Pengembangan Selanjutnya;
Tabel-tabel ini merupakan
tabel agregat yang
ditujukan untuk mendorong
Edisi 16 - Desember 2020
5
METODOLOGI
serta penciptaan pendapatan dari aktivitas produksi
Sektor pariwisata tidak diukur sebagai tersebut yang terdiri dari dua tabel utama yaitu
industri tersendiri dalam neraca nasional-(seperti: tabel supply dan tabel use.
pertanian, pertambangan, industri pengolahan,
dll), karena pariwisata bukanlah industri yang Tabel Supply menggambarkan penyediaan
didefinisikan dengan jelas dalam Klasifikasi Industri barang dan jasa yang berasal dari produksi dalam
standar Internasional (ISIC atau KBLI), melainkan negeri (domestik) dan luar negeri (impor). Tabel
penggabungan industri seperti transportasi, Use menggambarkan penggunaan barang dan jasa
akomodasi, jasa makanan dan minuman, rekreasi yang dihasilkan dari kegiatan produksi termasuk
dan hiburan, biro perjalanan, dll. Hal ini karena didalamnya penciptaan nilai tambah dari kegiatan
industri diklasifikasikan menurut barang dan jasa produksi tersebut. Dua persamaan yang harus
yang dihasilkan, sedangkan pariwisata adalah dipenuhi dalam kerangka kerja SUT yaitu:
konsep berbasis konsumsi yang bergantung pada
status konsumen. • SUPPLY = USE
Nilai barang dan jasa yang disediakan dari
Alasan utama sulitnya mengukur ukuran produksi dalam negeri dan impor harus SAMA
pariwisata adalah kenyataan bahwa di klasifikasi dengan nilai barang dan jasa yang digunakan.
KBLI, industri dibuat berdasarkan aktivitas
atau output produsen, bukan berdasarkan • OUTPUT = INPUT
data pelanggan mereka, sedangkan pariwisata Nilai barang dan jasa yang diproduksi di
ditentukan oleh karakteristik pengunjung. dalam negeri harus SAMA dengan nilai barang dan
jasa yang digunakan untuk kegiatan produksi di
Lebih lanjut, konsumsi pariwisata mencakup dalam negeri.
barang dan jasa ‘karakteristik pariwisata’ (yaitu
akomodasi, jasa perjalanan, spa, dll.) Dan barang AGREGAT SNA
dan jasa yang ‘tidak terkait dengan pariwisata’
(yaitu perdagangan eceran), yang sebagian Dalam penyusunan TSA, SUT berperan untuk
besar dikonsumsi oleh non-wisatawan. Faktor menggambarkan keterkaitan antara lapangan
kunci dalam mengukur pariwisata adalah usaha atau industri pariwisata, pelaku ekonomi
menghubungkan pembelian barang dan jasa oleh terkait pariwisata, dan produk berkarakteristik
wisatawan dengan total penyediaan produksi pariwisata maupun produk lainnya secara koheren.
barang dan jasa tersebut dalam suatu negara. Tabel 6 yang merupakan jantung TSA, menghasilkan
indikator GVATI, TDGVA, dan TDGDP yang disusun
Penggunaan Kerangka Kerja Supply and Use dari SUT.
Table (SUT) yang menggambarkan keseimbangan
aliran produksi dan konsumsi (barang dan jasa)
NILAI TAMBAH BRUTO DARI INDUSTRI fakta bahwa TSA hanya mengukur bagian tersebut
PARIWISATA/GROSS VALUE ADDED TOURISM dari nilai tambah industri pariwisata dan industri-
INDUSTRY (GVATI) industri lain yang disebabkan karena adanya
konsumsi pengunjung dengan tidak memperhatikan
GVATI merupakan nilai tambah yang efek tidak langsung (indirect effect) dan efek
dihasilkan oleh semua lapangan usaha yang terinduksi (induced effect) yang mungkin dihasilkan
terkategori sebagai lapangan usaha (industri) dari konsumsi tersebut.
pariwisata. GVATI menunjukkan kontribusi nilai
tambah industri pariwisata terhadap seluruh NTB TDGVA mencakup bagian dari NTB yang
yang dihasilkan dalam suatu perekonomian, tanpa dihasilkan dari semua industri dalam proses
memperhatikan apakah nilai tambah industri penyediaan barang dan jasa untuk pengunjung,
pariwisata tersebut dikonsumsi atau digunakan calon pengunjung, maupun pihak ketiga yang
langsung oleh wisatawan. Sebagai ilustrasi, GVATI ditujukan untuk keuntungan pengunjung. Sebagai
akan mencakup semua NTB yang dihasilkan oleh ilustrasi, TDGVA mencakup bagian dari NTB
industri restoran karena lapangan usaha ini menjadi yang dihasilkan oleh makanan yang disajikan di
bagian dari industri pariwisata, termasuk NTB yang restoran yang ditujukan hanya untuk pengunjung
dihasilkan dari aktivitas penyediaan makanan yang (wisatawan).
dikonsumsi oleh penduduk setempat meskipun
mereka bukanlah wisatawan. TDGVA tidak mencakup bagian dari NTB
untuk makanan yang disajikan oleh restoran
NILAI TAMBAH BRUTO LANGSUNG INDUSTRI tersebut kepada penduduk setempat serta
PARIWISATA/TOURISM DIRECT GROSS VALUE mengecualikan bagian dari NTB yang dihasilkan
ADDED (TDGVA) oleh aktivitas sekunder yang dilakukan oleh
restoran tersebut, seperti melayani bisnis lokal dan
TDGVA merupakan agregat yang penyewaan ruang untuk pihak ketiga. Selain itu,
menjumlahkan NTB dari industri pariwisata serta TDGVA juga tidak mencakup NTB yang dihasilkan
industri-industri lain dari perekonomian yang secara dari output lainnya selama tidak didistribusikan
langsung melayani pengunjung sebagai dampak kepada pengunjung (wisatawan).
dari konsumsi internal pariwisata. Penggunaan
istilah “langsung” dalam agregat ini merujuk pada
Edisi 16 - Desember 2020
7
Gambar 2. Alur Penghitungan Kontribusi Pariwisata netto. Selain itu, SNA 2008 juga
merekomendasikan penilaian
atas pengeluaran konsumsi
menggunakan harga pembeli.
OUTPUT (at basic prices) 7.894 3.153 594 933 6.850 238 19.662 27.923 19.662 0,70
GROSS VALUE ADDED (at basic prices) 6.710 2.207 416 746 4.110 190 14.380
TDGDP 2,57
Ilustrasi pada tabel 3 menggambarkan berdampak pada peningkatan jumlah tenaga kerja
bagaimana ukuran kontribusi pariwisata dihasilkan dan pendapatan masyarakat.
dari Tabel 6. TSA. Dari pengeluaran wisatawan
(kolom internal tourism) kemudian dihubungkan Gambaran pariwisata regional juga penting
dengan penyediaan produksi barang dan jasa untuk diukur kontribusi langsung pariwisatanya
dari industri pariwisata. Sehingga dihasilkan nilai terhadap perekonomian masing-masing wilayah
kontribusi pariwisata langsung TDGVA sebesar dan terhadap nasional. Hal tersebut dilakukan
3,70% dan TDGDP sebesar 2,57%. untuk menggambarkan karakteristik pariwisata
regional yang berbeda dengan rata-rata Nasional.
Apa Yang Perlu Dilakukan Selanjutnya Sebagai ilustrasi, wisatawan yang berkunjung ke
Bali didominasi oleh wisatawan mancanegara
Kajian ini akan lebih berdaya guna apabila (inbound) sedangkan D.I Yogyakarta didominasi
10 tabel TSA bisa dipenuhi agar beberapa kebijakan oleh wisatawan domestik. Struktur pengeluaran
dapat dilakukan secara lebih komprehensif. kedua wisatawan tersebut tentunya berbeda,
Informasi dari tabel TSA tersebut memungkinkan sehingga kebijakan untuk pengembangan aktivitas
pembuat kebijakan baik pemerintah maupun usaha untuk menyediakan barang dan jasa bagi
bisnis untuk memperluas pasarnya dengan wisatawan perlu dibedakan agar sesuai karakteristik
melihat karakteristik pengeluaran wisatawan pengeluaran wisatawan di Bali dan Yogyakarta
dan membandingkan ukuran pariwisata suatu tersebut.
industri dengan industri lainnya. Sebagai ilustrasi,
Peningkatan pengeluaran wisatawan dapat Agar kebijakan yang diambil dapat lebih
mendorong peningkatan penyediaan akomodasi, tepat sasaran untuk mendukung pemulihan
jasa angkutan, dan penyediaan fasilitas tempat ekonomi ditengah dampak pandemi COVID-19,
makan (restoran), dll. Apabila hal tersebut maka penyediaan data indikator indikator
berlangsung secara berkelanjutan, maka akan pariwisata terkini perlu terus dilakukan melalui
berdampak pada perluasan usaha-usaha lainnya berbagai inovasi dan peningkatan kerjasama
yang mendukung. Sehingga pada gilirannya dapat seluruh stakeholder terkait.
Konsep Big Data dimulai dari sebuah data dengan ukuran, keragaman, dan
kompleksitas yang membutuhkan teknik dan algoritma analitik untuk mengolah
dan mengambil pengetahuan serta manfaat yang tersembunyi di dalamnya. Big
Data memiliki karakteristik 5V’s yakni volume, velocity, variety, veracity, dan value.
Sedangka FSB (2017), mendifinisikan Big Data sebagai “the massive volume of data
“Penggunaan Big that is generated by the increasing use of digital tools and information systems”.
Data memainkan
peranan sangat Selain itu, Big Data sebagai salah satu sumber data untuk penyusunan statistik
penting untuk dan merupakan bagian dari proses bisnis statistik. Adapun dua metodologi yang
meningkatkan digunakan dalam pemanfaatan Big Data dikenal dengan sebutan: (a) data mining
kualitas penelitian
dan (b) text mining. Konsep data mining adalah ekstraksi pengetahuan dengan
ekonomi dan
menemukan pola implisit yang belum diketahui sebelumnya dari dalam kumpulan
pengambilan
kebijakan. IMF data besar. Sedangkan text mining merupakan ekstraksi informasi dari kumpulan
melakukan riset teks hingga dengan pengolahan menggunakan Artificial Intelligence (AI) bisa diambil
Big Data sebagai manfaat dari dalam kumpulan teks tersebut. Lebih jauh, kerangka kerja dalam proses
cara baru untuk Big Data meliputi: (a) persiapan, (b) ekstraksi, (c) validasi, dan (d) analisis yang bisa
mengukur indikator digambarkan melalui bagan berikut ini,
ekonomi seperti
harga, kondisi
pasar tenaga kerja, Gambar 1. Kerangkat Kerja Big Data
pasar perumahan,
dan sentimen
bisnis (Hammer et
al., 2017)”
Oleh karena itu, pemanfaatan Big Data Bagian selanjutnya adalah Bank Indonesia
Analytics di Bank Indonesia dapat sangat bermanfaat berhasil melaksanakan sejumlah pilot projects
untuk mendukung perumusan bauran kebijakan dengan menghasilkan beberapa indikator baru
Bank Indonesia (kebijakan moneter, kebijakan dalam mendukung proses perumusan bauran
makroprudensial, kebijakan sistem pembayaran kebijakan Bank Indonesia, antara lain:
dan pengelolaan uang Rupiah).
• Indikator Job Vacancy
Kemajuan metode Big Data pada institusi Indikator ini menggunakan sumber data
yang menggunakannya, memberika fasilitas yang tidak terstruktur (unstructured data) yang
penggunanya untuk memanfaatkan data yang terdiri atas teks iklan lowongan pekerjaan di
tersedia dari Big Data tersebut secara real-time dan portal lowongan pekerjaan online dan media
online, sehingga memberikan manfaat instan yang cetak. Hal tersebut menunjukkan bahwa dengan
sangat besar kepada masyarakat. meningkatnya penawaran pada lowongan
pekerjaan yang ditawarkan oleh perusahaan
Akses dan pemanfaatan terhadap Big Data maka indikator ekonomi akan tumbuh. Indikator
ini dapat menutup gap data dan gap timely policy, Job Vacancy dijadikan sebagai leading indicator
karena sebagai sarana untuk untuk menganalisis terhadap ekonomi dan indikator tersebut tersedia
data publikasi media privat dan media social, maka dalam skala semesteran atau setiap 6 bulan.
Big Data mampu menghasilkan analisis yang lebih
cepat dan lebih akurat. • Indikator Pasar Properti
Indikator ini menjadi pelengkap pada survei
Dalam perkembangannya, pemanfaatan harga properti yang di publikasikan oleh Bank
Big Data oleh Bank Indonesia akan menciptakan Indonesia setiap triwulan. Indikator tersebut telah
persepsi publik terhadap kebijakan yang dirumuskan meliputi sekitar 55 kota besar baik yang tersedia di
oleh Bank Indonesia secara lebih baik dan mendetail portal online maupun text mining dari koran-koran.
sebagai bagian bentuk strategi komunikasi kepada
publik dengan mengembangkan Big Data melalui • Indikator Identifikasi Struktur Keterkaitan Pelaku
tiga tahap yaitu: dalam Sistem Pembayaran
Indikator ini digunakan untuk mengawasi
• Tahap establishing foundation (2015-2018) dalam rangka memitigasi risiko sistemik pada
Pada tahap ini, proses pembangunan sistem keuangan dengan menggunakan sumber
pondasi kokok dalam pemanfaatan Big Data data terstruktur dari data transaksi Bank Indonesia-
dilakukan melalui sejumlah pilot project berupa Real Time Gross Settlement (BI-RTGS).
penciptaan sejumlah indikator baru yang berasal
dari berbagai jenis online portal.
Rp M
2000.00
Pendahuluan
Tes yang sedikit dan pengobatan yang terlambat adalah alasan utama
tingginya angka kematian kasus di Indonesia dibandingkan dengan negara tetangga
(Ariawan dan Jusril 2020). Informasi hasil pengujian penting bagi individu dan petugas
kesehatan masyarakat untuk mengambil tindakan yang tepat guna memperlambat
penyebaran virus. Akan tetapi, pengujian di Indonesia masih sangat rendah. WHO
merekomendasikan bahwa pengujian luas merupakan strategi mendesak bagi negara
untuk segera diterapkan. Masalah utama Indonesia dalam meningkatkan pengujian
yang meluas adalah kapasitas pengujian yang terbatas dan lemahnya strategi atau
survilen dari Kementerian Kesehatan (Kemenkes). Masalah lainnya adalah pelacakan
kontak sebagai bagian penting untuk mengendalikan virus juga sangat terbatas. Hal ini
terutama disebabkan oleh surveilans penyakit dan sistem informasi kesehatan yang
Kondisi Perekonomian di Masa Pandemi beberapa negara mitra dagang Indonesia sejak
Desember 2019, sehingga dampak terhadap
Sebagai upaya pencegahan penyebaran perekonomian Indonesia telah terjadi bahkan
Covid-19, pemerintah Indonesia telah menerapkan sebelum kasus positif Covid-19 ditemukan di
kebijakan Pembatasan Sosial Berskala Besar Indonesia.
(PSBB), yang mulai diterapkan di DKI Jakarta pada
10 April 2020. Pandemi Covid-19 dan PSBB telah Dampak negatif yang lebih besar dirasakan
menyebabkan penurunan kegiatan perekonomian, pada kuartal II 2020, yang mencakup periode
baik pada sisi penawaran maupun permintaan, April – Juni 2020, dimana pertumbuhan ekonomi
sehingga menyebabkan penurunan Produk menjadi -5,32%. Pertumbuhan ekonomi yang
Domestik Bruto (PDB) yang merupakan indikator negatif menunjukkan bahwa pandemi Covid-19
output perekonomian. telah menyebabkan kontraksi dalam output
perekonomian. Pertumbuhan ekonomi pada
Pada kuartal I 2020, yang mencakup periode kuartal III 2020 juga masih negatif pada tingkat
Januari – Maret 2020, pertumbuhan ekonomi -3,49%. Hal ini berarti telah terjadi pertumbuhan
tercatat 2,97%, cukup jauh di bawah perkiraan ekonomi negatif selama dua kuartal berturut-turut,
sebelum pandemi yang mencapai sekitar 5%. Hal ini yang menunjukkan bahwa perekonomian Indonesia
menunjukkan bahwa walaupun baru sebulan kasus tengah mengalami resesi. Selain itu, data Sakernas
konfirmasi positif Covid-19 terjadi dan sebelum Agustus 2020 menunjukkan Covid-19 berdampak
PSBB diterapkan, dampak negatif Covid-19 telah terhadap 29,12 juta orang pekerja dimana 2,56 juta
dirasakan oleh perekonomian Indonesia. Hal ini orang menganggur, 1,77 juta orang sementara tidak
terjadi karena pandemi Covid-19 telah menimpa bekerja, 24,03 juta orang mengurangi jam kerjanya
5 Ulasan mendalam mengenai isu Covid-19 dan Perekonomian Indonesia bisa dibaca dalam tulisan Sparrow, Dartanto & Hartwig (2020). Indonesia
Under the New Normal: Challenges and the Way Ahead. Bulletin of Indonesian Economic Studies, 56 (3): 269-299
6 Diambil dari bahan presentasi Sudarno Sumarto pada diskusi IBER 15 September 2020
7 Artikel ini diselesaikan ketika isu korupsi dana bantuan sosial yang melibatkan Menteri Sosial sedang hangat menjadi berita di media
A
bstrak. Sejak 2015, BPS menerapkan metode Kerangka Sampel Area (KSA)
untuk mengestimasi luas tiap fase pertumbuhan padi. KSA ini efektif dalam
menurunkan banyak sampel yang diambil, namun estimasinya cenderung
overestimate. Estimasi KSA tidak lain merupakan nilai agregat dari suatu proporsi hasil
survei. Tulisan ini memaparkan teori dasar KSA dan memberikan alternatif pendekatan
estimasi produksi dengan memanfaatkan histori data yang ada. Pendekatan simulasi
dilakukan untuk membangun populasi latih. Luas fase pertumbuhan padi hasil KSA
BPS di Provinsi Kepulauan Bangka Belitung menjadi dasar pembuatan populasi latih.
Simulasi menunjukkan bahwa luas lahan dengan pendekatan populasi latih cukup
“Salah satu isu mendekati hasil KSA.
dari KSA adalah
estimasinya Kata kunci: Kerangka Sampel Area, estimasi luas panen, overestimasi, populasi latih.
yang cenderung
overestimate. Pada Pendahuluan
survei KSA, lahan
seluas satu hektar Seiring berkembangnya teknologi, beberapa metode dalam statistika
hanya diambil satu pertanian yang sebelumnya dihindari untuk diaplikasikan, misal KSA, mulai menjadi
sampel foto di satu perhatian. Metode KSA meminimumkan kesalahan dari metode konvensional,
titik saja. Hal ini
yang mengumpulkan data luas panen padi melalui daftar isian Statistik Pertanian
akan akurat ketika
(SP) sehingga data luas panen bersifat subjektif, yaitu masih didasarkan pada hasil
lahan satu hektar
tersebut homogen pandangan mata petugas pengumpul data (metode eye estimate). Mubekti (2015)
atau ditumbuhi menyatakan bahwa metode KSA merupakan hasil kombinasi dari analisis spasial dan
oleh jenis fase padi pengindraan jauh.
yang serupa”
Metode KSA merupakan kumpulan segmen dengan ukuran tertentu dalam
suatu wilayah yang mewakili populasi. Populasinya adalah area (wilayah) di suatu
daerah. Untuk menaksir/memprediksi luas suatu tanaman padi dari suatu wilayah,
digunakan data proporsi peta sawah terhadap wilayah daerah yang bersangkutan.
Melalui cara ini, diharapkan dapat mengurangi bias yang dilakukan oleh pengukur.
Selanjutnya metode ini mengestimasi luas wilayah dari tanaman padi. Hasil tersebut
dapat dimanfaatkan untuk penentuan kebijakan strategis, misal dalam penentuan
pupuk yang diperlukan seluruh tanaman padi maupun estimasi produksi tanaman
padi. Oleh karena itu, keakuratan dalam proses estimasi menjadi hal yang sangat
penting.
Pada 2015, Badan Pusat Statistik (BPS) bekerja sama dengan Badan Pengkajian
dan Pengembangan Teknologi (BPPT) mengembangkan metode kerangka sampel
area (KSA) untuk estimasi luas panen tanaman padi. Metode ini dipilih karena
sifatnya yang lebih objektif sehingga diharapkan dapat mengoreksi kesubjektifitasan
metode konvensional (eye estimate). Salah satu isu dari KSA adalah estimasinya yang
cenderung overestimate. Pada survei KSA, lahan seluas satu hektar hanya diambil
Gambar 1. Jenis sawah (a) homogen (b) Tidak homogen. Perhatikan bahwa jika sawah
titik pengamatan pada sawah tidak ideal tidak merepresentasikan keseluruhan daerahnya
sehingga membuat penaksiran luas yang keliru.
(a) (b)
C0
9
9
C1 9
, ,…,
9
C2 36
, , …,
… … …
9
C9 1
Tabel 2 Sari numerik luas lahan tiap fase padi di Provinsi Kep.Bangka Belitung
(BPS Luas Panen dan Hasil Produksi Beras di Indonesia, 2018, Tabel 10, 11, 12, 14,
dan 16.
Luas fase Rataan Median Minimum Maksimum Skew Kurtosis
Persiapan 1538,44 651 279 3823 0,56 -1,69
lahan
Vegetatif 710,78 669 91 2089 1,16 0,35
awal
Vegetatif 344,78 260 100 705 0,36 -1,56
akhir
Generatif 443,89 438 77 882 0,25 -1,47
Panen 620,44 482 115 1368 0,4 -1,61
Idealnya, jika lahan yang ditanami padi nol atau satu. Populasi latih ini selanjutnya dapat
dengan fase generatif di bulan ke- t seluas 25 hektar dianalisis lebih lanjut. Selain itu, akan dianalisis
maka luas fase panen padi idealnya juga 25 hektar kombinasi bentuk matriks yang muncul di setiap
di bulan ke-(t+1). Namun, yang terjadi adalah fasenya. Proporsi luas lahan tiap fase pertumbuhan
adanya perbedaan luas lahan ketika berpindah dari padi akan digunakan untuk membangkitkan amatan
satu fase ke fase lainnya yang berhubungan. Hal ini padi secara komputasi. Data mengenai proporsi
dapat diakibatkan oleh overestimate pengukuran luas lahan tiap fase tidak disediakan. Namun, nilai
KSA. proporsi ini bisa didapatkan melalui luas lahan tiap
fase dibagi dengan total luas lahan di tiap provinsi.
Simulasi ini bertujuan untuk membuat Kemudian fase yang dipertimbangkan hanya
populasi latih yang isinya merupakan bentuk matriks persiapan lahan, vegetatif awal, vegetatife akhir,
fase yang memiliki nilai tiap elemen matriksnya generatif dan panen.
Gambar 5 Diagram alir simulasi. Proporsi luas tiap fase pertumbuhan digunakan untuk mem-
bangkitkan data pengamatan BPS secara komputasi.
Tabel 3 Cuplikan hasil simulasi 100 iterasi. Perhatikan bahwa semakin banyak
frekuensinya menandakan bentuk matriks tersebut semakin sering muncul
pada simulasi
No Bentuk matriks Frekuensi Bulan Fase
0 0 0
Persiapan
1 0 0 0 4806 Januari
lahan
0 0 0
1 1 1
Persiapan
2 1 1 1 307 Januari
lahan
1 1 1
… … … … …
1 0 1
13540 0 0 1 1 September Panen
0 0 0
Luas lahan hasil simulasi dari populasi latih sehingga populasi latih dapat digunakan untuk
memiliki galat ± 10 ha. Hasil selisih dapat dikatakan memperoleh data matriks fase pertumbuhan yang
cukup kecil untuk kasus ini. Dapat disimpulkan isinya nol atau satu. Matriks fase pertumbuhan ini
populasi latih menghasilkan nilai taksiran yang tidak selanjutnya dapat dianalisis lebih lanjut dengan
jauh berbeda di Provinsi Kepulauan Bangka Belitung metode lain.
Badan Pusat Statistik, 2018, Luas Panen dan Ruslan, K., 2019, Memperbaiki Data Pangan
Produksi Beras di Indonesia 2018, Indonesia : Indonesia Lewat Metode Kerangka
Badan Pusat Statistik Sampel Area, Center for Indonesian Policy
Cochran, W,G, 1977, Sampling Techniques(3rd ed,), Studies, Jakarta
New York: John Wiley & Sons Mubekti dan Sumargana, L, 2015, Pendekatan
Gallego, F, J, 1995, Sampling Frames of Square Kerangka Sampel Area untuk Estimasi dan
Segments, Report EUR 1631 EN, Joint Research Peramalan Produksi Padi, Jakarta: BPPT
Centre, European Commission, Luxembourg Pradhan, S, 2001, Crop Area Estimation Using
GIS, Remote Sensing and Area Frame
Sampling, Nepal: JAG, Vol,3, Issue 1
Ketua II)
4. Dr. Suhartono (Wakil Ketua III)
Anggota :
1. Dr. Asep Suryahadi Sekretariat: Deputi Bidang Ekonomi
2. Dr. Ateng Hartono, SE, M.Si Bappenas
3. Dr. B. Raksaka Mahi Jln. Taman Suropati No. 2
4. Brigitta Ratih Esthi Aryanti, SE, MPA/ID Telp (+62 21) 31936207,
5. Dr. Ir. Chairil Abdini, M.Sc Fax 3145374
6. Chaikal Nuryakin, SE, M.SE, Ph.D Email : sekretariatfmsinesia@gmail.com
7. Prof. Dr. D. S. Priyarsono, MS Web: http://www.fms.or.id
8. Prof. Dradjad Irianto
9. Dr. Iskandar Simorangkir
10. Dr. Ir. Kasan, M.M
11. Muhammad Edhie Purnawan, PhD
12. Dr. Nirwan Ilyas
13. Drs. Pungky Sumadi, MCP, Ph.D.
14. Saiful Mahdi, S.Si, M.Sc, Ph.D
15. Dr. Slamet Sutomo
16. Prof. Suahasil Nazara, SE, M.Sc, Ph.D
17. Teguh Dartanto, SE, M.Ec, Ph.D
18. Dr. Turro S. Wongkaren
19. Dr. Udjianna Sekteria Pasaribu
20. Widyawan, ST, M.Sc, Ph.D
21. Dr. Yati Kurniati, SE, MA