Model Sistem Dinamik Untuk Pertumbuhan Ekonomi Di Provinsi Lampung

MODEL SISTEM DINAMIK UNTUK PERTUMBUHAN EKONOMI
DI PROVINSI LAMPUNG
(LAPORAN KERJA PRAKTIK)
Oleh
TRIYA LESTARI NOVITA DEVI

1917031097
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2022
i
MODEL SISTEM DINAMIK UNTUK PERTUMBUHAN EKONOMI
DI PROVINSI LAMPUNG
Oleh
TRIYA LESTARI NOVITA DEVI

1917031097
Laporan Kerja Praktik
Sebagai Salah Satu Syarat untuk Menyelesaikan Mata Kuliah

Praktik Kerja Lapangan
Pada
Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Lampung
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2022
ii
LEMBAR PENGESAHAN
Judul Laporan : Model Sistem Dinamik untuk Pertumbuhan Ekonomi di

Provinsi Lampung
Nama Mahasiswa : Triya Lestari Novita Devi
NPM : 1917031097
Jurusan : Matematika
Fakultas : Matematika dan Ilmu Pengetahuan Alam
Tempat Kerja Praktik : Badan Pusat Statistik Provinsi Lampung
Waktu Kerja Praktik : 20 Juni – 29 Juli 2022
Bandar Lampung, 19 September 2022

Menyetujui,
Pembimbing Lapangan Dosen Pembimbing
Gun Gun Nugraha, S.Si., M.S.E. Prof. Drs. Mustofa, M.A., Ph.D.
NIP. 198103122009021005 NIP. 195701011984031020
Mengetahui,
Ketua Jurusan Matematika
FMIPA Universitas Lampung
Dr. Aang Nuryaman, S.Si., M.Si.

NIP. 197403162005011001
iii
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa karena atas berkat
rahmat dan kehendak-Nya penulis dapat melaksanakan Praktik Kerja Lapangan
serta dapat menyelesaikan Laporan Kerja Praktik yang berjudul “Model Sistem
Dinamik untuk Pertumbuhan Ekonomi di Provinsi Lampung“. Dalam penyusunan
Laporan Kerja Praktik ini penulis banyak mendapatkan bantuan dan dukungan
dari berbagai pihak. Oleh karena itu penulis ingin mengungkapkan rasa
terimakasih kepada :
1. Bapak Prof. Drs. Mustofa, M.A.,Ph.D., selaku Dosen Pembimbing Kerja
Praktik yang telah banyak memberikan arahan dalam menyelesaikan laporan.
2. Bapak Gun Gun Nugraha, S.Si., M.S.E. selaku Pembimbing Lapangan yang
telah memberikan pengarahan dan pengalaman selama melakukan Kerja
Praktik.
3. Bapak Dr. Aang Nuryaman, S.Si., M.Si selaku Ketua Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung.
4. Ibu Dra. Dorrah Aziz, M.Si., selaku Koordinatos PKL Jurusan Matematika.
5. Seluruh dosen, staf, dan karyawan jurusan Matematika FMIPA Universitas
Lampung.
6. Keluarga yang selalu mendukung dan berdoa untuk penulis menjalani
Pendidikan di Jurusan Matematika FMIPA Universitas Lampung.
7. Bu Nurul, Pak Gun, Bu Mega, Bu Yeni, Bu Clara, Pak Jef, Pak Inaf, Bu Tika
dan seluruh pegawai BPS Provinsi Lampung yang telah memberikan
kesempatan dan membantu selama melaksanakan Kerja Praktik.
8. Rekan seperjuangan Elvina Halim dan M.Norick Ali Maghfiratti yang selalu
bersama selama kegiatan Kerja Praktik.
iv
9. Sahabat – sahabat Ale, Meli, Aulia, Shella, Roro, Aldi serta teman-teman
yang selalu memberi semangat dalam Kerja Praktik.
10. Semua pihak yang telah membantu penulis dalam menyelesaikan laporan ini.
Penulis menyadari bahwa laporan ini masih jauh dari kesempurnaan. Kritik dan
saran sangat penulis harapkan agar dapat digunakan untuk bahan perbaikan
kedepannya. Semoga laporan ini memberikan manfaat kepada kita.
Bandar Lampung, 19 September 2022

Penulis,
Triya Lestari Novita Devi

NPM 1917031097
v
DAFTAR ISI
Halaman
DAFTAR GAMBAR .......................................................................................... viii
DAFTAR TABEL ................................................................................................. x
I. PENDAHULUAN ........................................................................................ 1
1.1 Latar Belakang dan Masalah .................................................................. 1

1.2 Tujuan ..................................................................................................... 3
1.3 Manfaat ................................................................................................... 4
1.4 Waktu dan pelaksanaan .......................................................................... 4
II. GAMBARAN UMUM INSTANSI ............................................................. 5
2.1 Informasi Umum .................................................................................... 5

2.2 Logo Badan Pusat Statistik (BPS) .......................................................... 6
2.3 Tugas, Fungsi, dan Kewenangan Badan Pusat Statistik (BPS) .............. 7
2.4 Visi dan Misi Badan Pusat Statistik (BPS)............................................. 8
2.5 Nilai-Nilai Inti dan Kode Etik Statistik ................................................ 10
2.6 Struktur Organisasi Badan Pusat Statistik Provinsi Lampung ............. 12
III. TINJAUAN PUSTAKA ............................................................................ 13
3.1 Pertumbuhan Ekonomi ....................................................................... 13

3.2 Kemiskinan ........................................................................................ 13
3.3 Ketenagakerjaan ................................................................................. 14
3.4 PDRB (Produk Domestik Regional Bruto) ........................................ 14
3.5 IPM (Indeks Pembangunan Manusia) ................................................ 15
3.6 Simulasi .............................................................................................. 15
vi
3.7 Model Simulasi .................................................................................. 15
3.8 Sistem Dinamik .................................................................................. 16
3.9 Diagram Sebab Akibat (Causal Loop Diagram) ............................... 17
3.10 Verifikasi dan Validasi ....................................................................... 17
3.11 Rencana Skenario ............................................................................... 20
IV. HASIL DAN PEMBAHASAN ................................................................... 21
4.1 Kebutuhan Data ................................................................................. 21

4.2 Pengolahan Data................................................................................. 33
4.3 Model Diagram Kausatik (Causal Loop Diagram) ........................... 23
4.4 Pemodelan Sistem .............................................................................. 25
4.5 Pengolahan Data................................................................................. 33
4.6 Validasi Model ................................................................................... 38
4.7 Skenario.............................................................................................. 54
4.8 Analisis Hasil Skenario ...................................................................... 64
V. KESIMPULAN ........................................................................................ 67
5.1 Kesimpulan ........................................................................................ 67
DAFTAR PUSTAKA .......................................................................................... 69
LAMPIRAN ......................................................................................................... 71
vii
DAFTAR GAMBAR
Gambar Halaman
2.1 Logo Badan Pusat Statistik (BPS) ................................................................. 6
2.2 Struktur Organisasi BPS Provinsi Lampung ............................................... 12
4.1 Causal Loop Diagram atau Base Model Pertumbuhan Ekonomi ............... 24
4.2 Sub Model Stock Flow Diagram PDRB ...................................................... 26
4.3 Sub Model Indeks Pembangunan Manusia (IPM)....................................... 29
4.4 Sub Model Persentase Kemiskinan ............................................................. 31
4.5 Sub Model Tingkat Pengangguran Terbuka (TPT) ..................................... 32
4.6 Verifikasi Dialog Box .................................................................................. 33
4.7 Grafik Simulasi Total PDRB Provinsi Lampung 2011-2021 ...................... 34
4.8 Grafik Simulasi Persentase Pertumbuhan PDRB Provinsi Lampung 2011-

2021 ............................................................................................................. 35
4.9 Grafik Simulasi Impor, Ekspor, Pengeluaran Konsumsi Pemerintah,

Pengeluaran Konsumsi Rumah Tangga, Pengeluaran Konsumsi Lembaga
Non Profit Rumah Tangga (LNPRT) serta Pembentukan Modal Tetap Bruto
(PMTB) Provinsi Lampung 2011-2021........................................................ 36
4.10 Grafik Simulasi Indeks Pembangunan Manusia (IPM) Provinsi Lampung

2011-2021 .................................................................................................... 37
4.11 Grafik Simulasi Persentase Kemiskinan Provinsi Lampung 2011-2021 .... 37
4.12 Grafik Simulasi Tingkat Pengangguran Terbuka (TPT) Provinsi Lampung

2011-2021 ..................................................................................................... 38
viii
4.13 Grafik Perbandingan Data Asli PDRB dan Data Simulasi .......................... 40
4.14 Grafik Perbandingan Data Asli IPM dan Simulasi IPM.............................. 50
4.15 Grafik Perbandingan Data Asli TPT (Tingkat Pengangguran Terbuka) dan
Data Simulasi TPT ...................................................................................... 52
4.16 Skenario Pertumbuhan Ekonomi ................................................................. 55
4.17 Grafik Skenario Struktur Pertumbuhan Ekonomi ....................................... 57
4.18 Grafik Skenario Parameter Optimistic Sub Model PDRB........................... 61
4.19 Grafik Skenario Parameter Most Likely Sub Model PDRB ........................ 63
4.20 Perbandingan Skenario Parameter Total PDRB .......................................... 65
4.21 Perbandingan Skenario Pertumbuhan Ekonomi .......................................... 66
ix
DAFTAR TABEL
Tabel Halaman
3.1 Range MAPE .............................................................................................. 20
4.1 PDRB Menurut Pengeluaran Atas Dasar Harga Konstan (Miliar Rupiah)
Provinsi Lampung 2011-2021 ..................................................................... 22
4.2 IPM, Tingkat Pengangguran Terbuka (TPT), Kemiskinan Provinsi Lampung

2011-2021 .................................................................................................... 22
4.3 Persamaan Sub Model Stock Flow Diagram PDRB (Produk Domestik
Regional Bruto) ........................................................................................... 27
4.4 Persamaan IPM (Indeks Persamaan Manusia) ............................................ 30
4.5 Persamaan Sub Model Persentase Kemiskinan ........................................... 31
4.6 Persamaan Sub Model TPT (Tingkat Pengangguran Terbuka) ................... 33
4.7 Data Asli PDRB dan Data Simulasi PDRB ................................................. 39
4.8 Data Pengeluaran Pemerintah Asli dan Simulasi Pengeluaran Pemerintah 41
4.9 Data Asli Ekspor dan Simulasi Ekspor ....................................................... 42
4.10 Data Asli Impor dan Data Simulasi Impor .................................................. 43
4.11 Data Asli PMTB dan Data Simulasi PMTB (Pembentukan Modal Tetap
Bruto) ........................................................................................................... 45
4.12 Data Asli Konsumsi LNPRT dan Data Simulasi Konsumsi LNPRT
(Lembaga Non Profit Rumah Tangga) ........................................................ 46
4.13 Data Asli Pengeluaran Konsumsi Rumah Tangga dan Data Simulasi
Pengeluaran Konsumsi Rumah Tangga....................................................... 47
x
4.14 Data Asli IPM (Indeks Pembangunan Manusia) dan Data Simulasi IPM
(Indeks Pembangunan Manusia) .................................................................. 49
4.15 Data Asli TPT (Tingkat Pengangguran Terbuka) dan Data Simulasi TPT
(Tingkat Pengangguran Terbuka) ................................................................. 51
4.16 Data Asli dan Data Simulasi Persentase Kemiskinan .................................. 53
4.17 Hasil Regresi Variabel Dependen Pertumbuhan Ekonomi ......................... 55
4.18 Persamaan Skenario Pertumbuhan Ekonomi............................................... 56
4.19 Persamaan Skenario Parameter Optimistic .................................................. 58
4.20 Persamaan Skenario Parameter Most Likely................................................ 61
4.21 Tabel Skenario Parameter Total PDRB ....................................................... 64
4.22 Tabel Skenario Pertumbuhan Ekonomi ....................................................... 65
xi
1
I. PENDAHULUAN
1.1 Latar Belakang dan Masalah
Pertumbuhan ekonomi merupakan proses perubahan kondisi perekonomian suatu

negara secara berkesinambungan menuju keadaan yang lebih baik selama periode
tertentu. Suatu perekonomian dikatakan mengalami suatu perubahan akan
perkembangannya apabila tingkat kegiatan ekonomi lebih tinggi daripada yang
dicapai sebelumnya. Pertumbuhan ekonomi merupakan salah satu indikator yang
amat penting dalam menilai kinerja suatu perekonomian, terutama untuk
melakukan analisis tentang hasil dari usaha dalam melaksanakan pembangunan
ekonomi yang telah dilakukan oleh suatu negara atau suatu daerah. Indikator
yang digunakan untuk mengukur pertumbuhan ekonomi adalah tingkat
pertumbuhan Produk Domestik Regional Bruto (PDRB) berdasarkan harga
konstan (Sukirno, 2015).
Adanya pertumbuhan ekonomi merupakan indikasi keberhasilan pembangunan

ekonomi. Paradigma pembangunan yang sedang berkembang saat ini adalah
pertumbuhan ekonomi yang diukur dengan pembangunan manusia yang dilihat
dengan tingkat kualitas hidup manusia di tiap-tiap negara. Salah satu tolak ukur
yang digunakan dalam melihat kualitas hidup manusia adalah Indeks
Pembangunan Manusia (IPM).
Indeks pembangunan manusia merupakan salah satu indikator untuk mengetahui

pembangunan ekonomi yang mengukur taraf kualitas fisik dan non fisik
penduduk, yaitu kesehatan, tingkat pendidikan dan indikator ekonomi.
2
Pertumbuhan ekonomi dan pembangunan manusia memiliki keterkaitan dan

saling berkontribusi satu sama lain. Tingkat pembangunan manusia yang tinggi
sangat menentukan kemampuan penduduk dalam menyerap dan mengelola
sumber-sumber pertumbuhan ekonomi, baik kaitannya dengan teknologi maupun
terhadap kelembagaan sebagai sarana penting untuk mencapai pertumbuhan
ekonomi.
Pertumbuhan ekonomi dan kemiskinan merupakan indikator penting untuk

melihat keberhasilan pembangunan suatu negara. Setiap negara akan berusaha
keras untuk mencapai pertumbuhan ekonomi yang optimal dan menurunkan
angka kemiskinan. Di banyak negara di dunia syarat utama bagi terciptanya
penurunan kemiskinan adalah pertumbuhan ekonomi. Namun, kondisi di negara-
negara berkembang termasuk Indonesia pertumbuhan ekonomi yang dicapai
ternyata juga diiringi dengan munculnya permasalahan meningkatnya jumlah
penduduk yang hidup di bawah garis kemiskinan.
Kemiskinan menjadi masalah dalam pembangunan. Kemiskinan tidak lagi

dipahami hanya sebatas ketidakmampuan ekonomi, tetapi juga kegagalan
memenuhi hak-hak dasar dan perbedaan perlakuan bagi seseorang atau
sekelompok orang dalam menjalani kehidupan secara bermartabat. Banyak
dampak negatif yang disebabkan oleh kemiskinan, selain timbulnya banyak
masalah-masalah sosial, kemiskinan juga dapat mempengaruhi pembangunan
ekonomi suatu negara. Kemiskinan yang tinggi akan menyebabkan biaya yang
harus dikeluarkan untuk melakukan pembangunan ekonomi menjadi lebih besar,
sehingga secara tidak langsung akan menghambat pembangunan ekonomi.
Salah satu faktor yang mempengaruhi pertumbuhan ekonomi adalah

pengangguran. Pengangguran merupakan masalah yang sangat sulit dihindari
oleh suatu negara maupun daerah, karena pengangguran ini dapat menimbulkan
masalah sosial seperti tindakan kriminalitas dan masalah ekonomi. Kondisi ini
dapat menyebabkan tingkat kesejahteraan dan daya beli masyarakat menurun.
Semakin rendah angka pengangguran maka akan semakin makmur kehidupan
3
masyarakat suatu negara, begitu pula sebaliknya. Meningkatnya angka

pengangguran disebabkan karena ketidakseimbangan pertumbuhan angkatan kerja
dan penciptaan kesempatan kerja.
Salah satu indikator yang digunakan untuk melihat pembangunan sektor ekonomi
adalah Produk Domestik Regional (PDRB). Terdapat tiga pendekatan yang
biasanya digunakan dalam menghitung angka-angka PDRB, yaitu:
1. Menurut Pendekatan Produksi
2. Menurut Pendekatan Pendapatan
3. Menurut Pendekatan Pengeluaran
Menurut Pendekatan Pengeluaran, PDRB adalah semua komponen permintaan

akhir yang terdiri dari: (1) pengeluaran konsumsi akhir rumah tangga, (2)
pengeluaran konsumsi akhir Lembaga non profit yang melayani rumah tangga, (3)
pengeluaran konsumsi akhir pemerintah, (4) pembentukan modal tetap domestik
bruto, (5) perubahan inventori, dan (6) ekspor neto (ekspor dikurangi impor).
Pertumbuhan ekonomi Provinsi Lampung mencapai puncak pada tahun 2011
yaitu sebesar 6,56%. Oleh karena itu penulis tertarik untuk melakukan simulasi
serta skenario untuk memprediksi pertumbuhan ekonomi Provinsi Lampung
dengan menggunakan metode sistem dinamik.
1.2 Tujuan
Adapun tujuan dari laporan kerja praktik ini sebagai berikut

1. Membangun model sistem dinamik pertumbuhan ekonomi Provinsi
Lampung.
2. Mengidentifikasi faktor yang mempengaruhi pertumbuhan ekonomi terutama
PDRB.
3. Mengembangkan skenario model dinamik dan kebijakan untuk peningkatan
pertumbuhan ekonomi Provinsi Lampung.
4
1.3 Manfaat
Laporan kerja praktik ini diharapkan dapat membantu dalam memberikan

informasi terkait faktor yang mempengaruhi pertumbuhan ekonomi sehingga bisa
membantu dalam pembentukan kebijakan. Serta menambah ilmu serta
pengetahuan tentang pengaplikasian ilmu sistem dinamik yang telah dipelajari di
bangku perkuliahan.
1.4 Waktu dan Pelaksanaan
Kegiatan kerja praktik dilaksanakan di Badan Pusat Statistik (BPS) Provinsi

Lampung pada tanggal 20 Juni 2022 sampai dengan 29 Juli 2022 setiap hari
Senin-Kamis pukul 07.30-16.00 WIB dan hari Jumat pukul 07.30 -16.30 WIB di
bagian Fungsi Neraca Wilayah dan Analisis Statistik.
5
II. GAMBARAN UMUM INSTANSI
2.1 Informasi Umum
Badan Pusat Statistik adalah Lembaga Pemerintah Non-Departemen yang

bertanggung jawab langsung kepada Presiden. Sebelumnya, BPS merupakan Biro
Pusat Statistik, yang dibentuk berdasarkan UU Nomor 6 Tahun 1960 tentang
Sensus dan UU Nomer 7 Tahun 1960 tentang Statistik. Sebagai pengganti kedua
UU tersebut ditetapkan UU Nomor 16 Tahun 1997 tentang Statistik. Berdasarkan
UU ini yang ditindaklanjuti dengan peraturan perundangan dibawahnya, secara
formal nama Biro Pusat Statistik diganti menjadi Badan Pusat Statistik.
Materi yang merupakan muatan baru dalam UU Nomor 16 Tahun 1997, antara
lain:
a. Jenis statistik berdasarkan tujuan pemanfaatannya terdiri atas statistik dasar
yang sepenuhnya diselenggarakan oleh BPS, statistik sektoral yang
dilaksanakan oleh instansi Pemerintah secara mandiri atau bersama dengan
BPS, serta statistik khusus yang diselenggarakan oleh lembaga, organisasi,
perorangan, dan atau unsur masyarakat lainnya secara mandiri atau bersama
dengan BPS.
b. Hasil statistik yang diselenggarakan oleh BPS diumumkan dalam Berita
Resmi Statistik (BRS) secara teratur dan transparan agar masyarakat dengan
mudah mengetahui dan atau mendapatkan data yang diperlukan.
c. Sistem Statistik Nasional yang andal, efektif, dan efisien.
6
d. Dibentuknya Forum Masyarakat Statistik sebagai wadah untuk menampung

aspirasi masyarakat statistik, yang bertugas memberikan saran dan
pertimbangan kepada Badan Pusat Statistik.
Berdasarkan undang-undang yang telah disebutkan di atas, peranan yang harus
dijalankan oleh Badan Pusat Statistik adalah sebagai berikut:
a. Menyediakan kebutuhan data bagi pemerintah dan masyarakat. Data ini
didapatkan dari sensus atau survei yang dilakukan sendiri dan juga dari
departemen atau lembaga pemerintahan lainnya sebagai data sekunder.
b. Membantu kegiatan statistik di departemen, lembaga pemerintah atau institusi
lainnya, dalam membangun sistem perstatistikan nasional.
c. Mengembangkan dan mempromosikan standar teknik dan metodologi
statistik, dan menyediakan pelayanan pada bidang pendidikan dan pelatihan
statistik.
d. Membangun kerjasama dengan institusi internasional dan negara lain untuk
kepentingan perkembangan statistik Indonesia.
2.2 Logo Badan Pusat Statistik (BPS)
Gambar 2.1 Logo Badan Pusat Statistik (BPS)
Logo pada Badan Pusat Statistik memiliki warna biru, hijau dan orange. Pada
setiap warna memiliki arti khusus, yaitu :
7
1. Biru, melambangkan kegiatan sensus penduduk yang dilakukan sepuluh tahun

sekali pada setiap tahun yang berakhiran angka 0 (nol).
2. Hijau, melambangkan kegiatan sensus pertanian yang dilakukan sepuluh
tahun sekali pada setiap tahun yang berakhiran angka 3 (tiga).
3. Orange, melambangkan kegiatan sensus ekonomi yang dilakukan sepuluh
tahun sekali pada setiap tahun yang berakhiran angka 6 (enam).
2.3 Tugas, Fungsi, dan Kewenangan Badan Pusat Statistik (BPS)
Tugas, fungsi dan kewenangan BPS telah ditetapkan berdasarkan Peraturan

Presiden Nomor 86 Tahun 2007 tentang Badan Pusat Statistik dan Peraturan
Kepala Badan Pusat Statistik Nomor 7 Tahun 2008 tentang Organisasi dan Tata
Kerja Badan Pusat Statistik.
2.3.1 Tugas
Tugas dari Badan Pusat Statistik adalah melaksanakan tugas pemerintahan

dibidang statistik sesuai peraturan perundang-undangan.
2.3.2 Fungsi
Badan Pusat Statistik memiliki beberapa fungsi yakni sebagai berikut:

a. Pengkajian, penyusunan dan perumusan kebijakan dibidang statistik.
b. Pengkoordinasian kegiatan statistik nasional dan regional.
c. Penetapan dan penyelenggaraan statistik dasar.
d. Penetapan sistem statistik nasional.
8
e. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah dibidang

kegiatan statistik.
f. Penyelenggaraan pembinaan dan pelayanan administrasi umum dibidang
perencanaan umum, ketatausahaan, organisasi dan tatalaksana, kepegawaian,
keuangan, kearsipan, kehumasan, hukum, perlengkapan dan rumah tangga.
2.3.3 Kewenangan
Badan Pusat Statistik juga memiliki beberapa kewenangan yakni sebagai berikut:
a. Penyusunan rencana nasional secara makro di bidangnya.
b. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara
makro.
c. Penetapan sistem informasi di bidangnya.
d. Penetapan dan penyelenggaraan statistik nasional.
e. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan
yang berlaku, yaitu;
i. Perumusan dan pelaksanaan kebijakan tertentu di bidang kegiatan statistik.
ii. Penyusun pedoman penyelenggaraan survei statistik sektoral.
2.4 Visi dan Misi Badan Pusat Statistik (BPS)
Dalam rangka membangun landasan penyelenggaraan statistik yang kokoh, maka

Badan Pusat Statistik menetapkan visi dan misi yang tercantum dalam Peraturan
Kepala Badan Pusat Statistik.
9
2.4.1 Visi
Visi Badan Pusat Statistik adalah “Penyedia Data Satatistik Berkualitas untuk
Indonesia Maju”. Dalam visi tersebut berarti bahwa Badan Pusat Statistik
berperan dalam penyediaan data statistik nasional maupun internasional, untuk
menghasilkan statistik yang mempunyai kebenaran akurat dan menggambarkan
keadaan yang sebenarnya, dalam rangka mendukung Indonesia Maju. Diharapkan
eksistensi BPS sebagai penyedia data dan informasi statistik menjadi semakin
penting, karena memegang peran dan pengaruh sentral dalam penyediaan statistik
berkualitas tidak hanya di Indonesia, melainkan juga di tingkat dunia. Dengan
visi tersebut juga, semakin menguatkan peran Badan Pusat Statistik sebagai
pembina data statistik.
2.4.2 Misi
Misi Badan Pusat Statistik dirumuskan dengan memperhatikan fungsi dan

kewenangan Badan Pusat Statistik, visi Badan Pusat Statistik serta melaksanakan
Misi Presiden dan Wakil Presiden yang Ke-1 (Peningkatan Kualitas Manusia
Indonesia), Ke-2 (Struktur Ekonomi yang Produktif, Mandiri, dan Berdaya Saing)
dan yang Ke-3 Pembangunan yang Merata dan Berkeadilan, dengan uraian
sebagai berikut:
a. Menyediakan data statistik berkualitas melalui kegiatan statistik yang
terintegrasi dan berstandar nasional maupun internasional
b. Membina K/L/D/I melalui Sistem Statistik Nasional yang berkesinambungan.
c. Mewujudkan pelayanan prima di bidang statistik untuk terwujudnya Sistem
Statistik Nasional
d. Membangun SDM yang unggul dan adaptif berlandaskan nilai
profesionalisme, integritas dan amanah.
10
2.5 Nilai-Nilai Inti dan Kode Etik Statistik
Untuk mencapai visi dan misi Badan Pusat Statistik yang telah ditetapkan
tersebut, maka Badan Pusat Statistik telah menetapkan nilai-nilai inti Badan Pusat
Statistik dan kode etik statistik yang tercantum dalam Peraturan Kepala BPS
Nomor 39 Tahun 2010 tentang Visi, Misi, Nilai-nilai Inti, dan Kode Etik Statistik
BPS.
2.5.1 Nilai-Nilai Inti
Nilai-nilai inti Badan Pusat Statistik merupakan pondasi yang kokoh untuk
membangun jati diri dan penuntun perilaku setiap insan Badan Pusat Statistik
dalam melaksanakan tugas. Nilai-nilai Inti BPS terdiri dari:
1. Profesional
a. Kompeten
Mempunyai keahlian dalam bidang tugas yang diemban.
b. Efektif
Memberikan hasil maksimal.
c. Efisien
Mengerjakan setiap tugas secara produktif, dengan sumber daya minimal.
d. Inovatif
Selalu melakukan pembaruan dan/atau penyempurnaan melalui proses
pembelajaran diri secara terus menerus.
e. Sistemik
Meyakini bahwa setiap pekerjaan mempunyai tata urutan proses perkerjaan
yang satu menjadi bagian tidak terpisahkan dari pekerjaan yang lain.
2. Integritas
a. Dedikasi
11
Memiliki pengabdian yang tinggi terhadap profesi yang diemban dan

institusi.
b. Disiplin
Melaksanakan pekerjaan sesuai dengan ketentuan yang telah ditetapkan.
c. Konsisten
Satunya kata dengan perbuatan.
d. Terbuka
Menghargai ide, saran, pendapat, masukan, dan kritik dari berbagai pihak.
e. Akuntabel
Bertanggung jawab dan setiap langkahnya terukur.
3. Amanah
a. Terpercaya
Melaksanakan pekerjaan sesuai dengan ketentuan, yang tidak hanya didasarkan
pada logika tetapi juga sekaligus menyentuh dimensi mental spiritual.
b. Jujur
Melaksanakan semua pekerjaan dengan tidak menyimpang dari prinsip
moralitas.
c. Tulus
Melaksanakan tugas tanpa pamrih, menghindari konflik kepentingan (pribadi,
kelompok, dan golongan), serta mendedikasikan semua tugas untuk
perlindungan kehidupan manusia, sebagai amal ibadah atau perbuatan untuk
Tuhan Yang Maha Esa.
d. Adil
Menempatkan sesuatu secara berkeadilan dan memberikan haknya.
2.5.2 Kode Etik Statistik
Kode etik harus menjadi pedoman dan pegangan bagi setiap insan statistik dalam
setiap penyelenggaraan kegiatan statistik. Kode etik statistik terkait dengan sifat
12
dasar statistik yang akuntabel, terdiri atas:

1. Statistik yang independen, tidak terpengaruh dan dipengaruhi oleh pihak
manapun.
2. Statistik yang menjamin kerahasiaan data individu.
3. Statistik yang tidak memihak dan boleh dimanfaatkan oleh semua pihak.
4. Statistik yang memenuhi norma, standar, prosedur, dan kriteria yang berlaku
dalam setiap penyelenggaraan kegiatan statistik.
5. Statistik yang menjamin pemanfaatan dan interpretasi yang benar.
6. Statistik yang obyektif sesuai dengan fakta lapangan yang sebenarnya.
7. Statistik yang relevan sesuai dengan kebutuhan nyata penggunaan data.
8. Statistik yang akurat, yang mampu menggambarkan keadaan yang
sebenarnya.
9. Statistik yang tepat waktu dan terkini.
10. Statistik yang konsisten dalam dimensi ruang dan waktu.
11. Statistik yang mudah diakses dan murah.
2.6 Struktur Organisasi Badan Pusat Statistik Provinsi Lampung
Gambar 2.2 Struktur Organisasi BPS Provinsi Lampung

13
III. TINJAUAN PUSTAKA
3.1 Pertumbuhan Ekonomi
Pertumbuhan ekonomi merupakan salah satu indikator yang amat penting dalam
menilai kinerja suatu perekonomian, terutama untuk melakukan analisis tentang
hasil pembangunan ekonomi yang telah dilaksanakan suatu Negara atau suatu
daerah (Sukirno, 1994).
Pertumbuhan ekonomi merupakan suatu proses dalam perekonomian yang

menyebabkan bertambahnya barang dan jasa serta meningkatnya kemakmuran
disuatu negara. Jadi apabila pertumbuhan ekonomi tinggi maka barang yang akan
dihasilkan juga akan meningkat. Hal ini akan meningkatkan tingkat kesejahteraan
masyarakat (Firmansyah, 2017).
3.2 Kemiskinan
Untuk mengukur kemiskinan, BPS mengggunakan konsep kemampuan memenuhi

kebutuhan dasar (basic needs approach). Dengan pendekatan ini, kemiskinan
dipandang sebagai ketidakmampuan dari sisi ekonomi untuk memenuhi
kebutuhan dasar makanan dan bukan makanan yang diukur dari sisi pengeluaran.
Head Count Index (HCI-P0) adalah persentase penduduk yang berada di bawah
Garis Kemiskinan (GK).
14
𝑞
1 𝑧 − 𝑦𝑖 0
𝑃0 = ∑ ( )
𝑛 𝑧
𝑖=1
Keterangan :
𝑃0 = Persentase penduduk miskin.
𝑧 = Garis kemiskinan.
𝑦𝑖 =Rata-rata pengeluaran per kapita sebulan penduduk yang berada di bawah
garis kemiskinan.
q = Banyaknya penduduk yang berada di bawah garis kemiskinan.
n = Jumlah penduduk.
3.3 Ketenagakerjaan
Menurut BPS penduduk terdiri dari penduduk usia kerja dan penduduk bukan usia
kerja. Penduduk usia kerja adalah penduduk usia 15 tahun ke atas. Sedangkan
penduduk bukan usia kerja adalah penduduk usia di bawah 15 tahun. Lalu,
penduduk usia kerja terdiri dari angkatan kerja dan bukan angkatan kerja.
Angkatan kerja adalah penduduk usia kerja yang bekerja, atau punya pekerjaan,
namun sementara tidak bekerja atau mencari pekerjaan dan pengangguran.
Angkatan kerja didapatkan dari jumlah pengangguran dan penjumlahan angkatan
kerja tertampung. Sedangkan, penduduk yang termasuk bukan angkatan kerja
adalah usia kerja yang masih sekolah, mengurus rumah tangga atau melaksanakan
kegiatan lainnya
3.4 PDRB (Produk Domestik Regional Bruto)
Produk Domestik Regional Bruto adalah jumlah nilai tambah yang dihasilkan oleh
seluruh unit usaha dalam suatu negara tertentu, atau jumlah nilai akhir dari barang
dan jasa yang dihasilkan oleh seluruh unit dan sektor ekonomi. PDRB merupakan
15
salah satu indikator penting untuk mengetahui kondisi perekonomian di suatu

wilayah/regional dalam suatu periode tertentu. PDRB biasanya disajikan dalam
periode tahunan
3.5 IPM (Indeks Pembangunan Manusia)
IPM merupakan indikator kesejahteraan rakyat yang digunakan oleh semua

negara yang telah ditentukan oleh UNDP (United Nations Development
Programme). IPM adalah suatu indeks yang mencerminkan kemampuan dari
manusia itu sendiri.
3.6 Simulasi
Simulasi mengacu kepada kumpulan dari metode dan aplikasi untuk meniru
perilaku dari sistem yang sebenarnya tanpa perlu membuat sistem yang asli yang
dapat menguras banyak sumber daya, simulasi bisa diterapkan dalam berbagai
macam bidang, industri dan aplikasi. Simulasi komputer mengacu kepada metode
untuk mempelajari berbagai macam model dari realworld sistem dengan evaluasi
numerik menggunakan software yang didesain untuk meniru operasi dan
karakteristik sistem sebenarnya (Firmansyah, 2017).
3.7 Model Simulasi
Model simulasi terbagi menjadi tiga dimensi yaitu :

1. Statistik dan dinamik
16
Statistik model tidak terpengaruh oleh perubahan waktu, dinamik model

dipengaruhi oleh perubahan waktu.
2. Kontinu dan diskret
Pada model diskret jika variabel yang mencerminkan status sistem berubah
pada titik waktu tertentu sedangkan model kontinu jika perubahan variabel
sistem berlangsung secara berkelanjutan seiring dengan perubahan waktu.
3. Deterministik dan stokastik
Model deterministik tidak mengandung variabel yang bersifat random,
sedangkan model stokastik mengandung beberapa input yang bersifat random.
Model bisa mempunyai deterministic dan random variabel dalam komponen
yang berbeda.
3.8 Sistem Dinamik
Sistem dinamik pertama kali diperkenalkan oleh Jay W. Forrester di

Massachussetts Institute of Technology (MIT) pada tahun 1950-an, merupakan
suatu metode pemecahan masalah-masalah kompleks yang timbul karena adanya
kecenderungan sebab-akibat dari berbagai macam variabel di dalam sistem.
Metode sistem dinamik pertama kali diterapkan pada permasalahan manajemen
seperti fluktuasi inventori, ketidakstabilan tenaga kerja, dan penurunan pangsa
pasar suatu perusahaan. Hingga saat ini aplikasi metode sistem dinamik terus
berkembang semenjak pemanfaatannya dalam bidang-bidang sosial dan ilmu-ilmu
fisik. Berikut ini pengertian sistem dinamik adalah sebagai berikut :
1. Sistem dinamik adalah suatu metode analisis permasalahan dimana waktu
merupakan salah satu faktor penting, dan meliputi pemahaman bagaimana
suatu sistem dapat dipertahankan dari gangguan di luar sistem, atau dibuat
sesuai dengan tujuan dari pemodelan sistem yang akan dibuat.
2. Sistem dinamik adalah metodologi untuk memahami suatu masalah yang
kompleks. Metodologi ini dititikberatkan pada kebijakan dan bagaimana
17
kebijakan tersebut menentukan tingkah laku masalah-masalah yang dapat

dimodelkan oleh sistem dinamik.
Tahapan-tahapan dalam proses pemodelan sistem dinamik yaitu sebagai berikut :

1. Identifikasi masalah dan definisi (Problem identification and definition)
2. Konseptualisasi sistem (System conceptualization)
3. Formulasi model (Model formulation)
4. Simulasi dan Validasi (Simulation and Validation)
5. Analisis dan perbaikan kebjakan (Policy analysis and Improvement)
6. Implementasi kebijakan (Policy Implementation)
3.9 Diagram Sebab Akibat (Causal Loop Diagram)
Causal loop diagram adalah diagram sebab akibat yang merupakan salah satu alat
untuk merepresentasikan struktur feedback dari sistem. Causal loop diagram
terdiri dari variabel – variabel dihubungkan dengan link (panah) dengan polaritas
(tanda + dan - ) dan penundaan (||). Tanda – tanda tersebut untuk membuat positif
dan negative feedback.
3.10 Verifikasi dan Validasi
Verifikasi dan validasi dilakukan dengan menambahkan persamaan pada setiap

variabel, baik itu stock, rate, ataupun variabel. Dalam sistem dinamik terdapat
dua integral yang digunakkan yaitu integral euler dan integral runge kutta.
Persamaan Stock yang sering digunakan yaitu dengan integral euler, dimana
Integral euler yaitu:
18
𝑡
𝑡 = ∫ (𝑖 − 𝑜)𝑑𝑡 + 𝑠(𝑡0 )
𝑡0
Keterangan :
t = periode
i = arus aliran masuk
o = arus aliran keluar
s = stok
Selain itu juga terdapat beberapa validasi model, yaitu:

1. Validasi konseptual (Conceptual validation)
Validasi model konseptual yaitu menentukan apakah teori dan asumsi dari
model konseptual yang telah dibuat benar dan model tersebut sudah
merepresentasikan permasalahan, struktur model dan hubungan kausal
dengan benar.
2. Computerized model verification
Computerized model verification memastikan bahwa program komputer dan
implementasi dari model konseptual telah dilakukan dengan benar atau tidak
terjadi bug atau error.
3. Operational Validity
Operational validation adalah menentukan apakah output perilaku dari model
simulasi sudah akurat, dengan membandingkan dengan sistem nyata.
Secara umum tujuan utama dari validasi suatu model simulasi adalah menentukan
struktur model apakah sudah tepat dan percobaan akurasi dari perilaku model.
Terdapat tiga validasi formal model simulasi:
1. Direct Stucture Test
Tes ini untuk memeriksa validasi dari model secara langsung,
membandingkan model dengan pengetahuan yang ada. Dapat dibagi menjadi
dua yaitu empirical dan theoretical. Empirical structure test dengan
membandingkan model dengan sistem nyata. Theoritical test
membandingkan model dengan pengetahuan umum tentang sistem yang ada
pada literatur.
19
2. Structure-oriented behavior test

Menilai validitas dari struktur mdel secara tidak langsung dengan extreme
condition test atau menetapkan nilai parameter ekstrem dan membandingkan
model dengan sistem nyata.
3. Behavior pattern test

Setelah melakukan validasi terhadap struktur model maka akan dilakukan
behavior pattern test untuk melihat keakuratan hasil pola perilaku dari model
dengan pola perilaku dari sistem nyata. Dengan perbandingan rata-rata
(mean comparison) dan perbandingan variasi amplitudo yaitu sebagai berikut:
a. Perbandingan rata-rata (mean comparison)

(|𝑆̅ − 𝐴̅|)
𝐸1 =
𝐴̅
Keterangan :
S̅ = Nilai rata-rata hasil simulasi
̅ =Nilai rata-rata data
A
Model dianggap valid apabila E1 ≤ 5%
b. Perbandingan variasi amplitude (% error variance)

|𝑆𝑠 − 𝑆𝑎|
𝐸2 =
𝑆𝑎
Keterangan :
Ss = Standar Deviasi Model
Sa = Standar Deviasi Data
Model dianggap valid apabila 𝐸2 ≤ 30%.
Selain itu, akan dihitung juga nilai dari MAPE (Mean Absolute Percentage Error)
sebagai salah satu ukuran relatif yang menyangkut kesalahan persentase. Uji ini
dapat digunakan untuk mengetahui kesesuaian data hasil prakiraan dengan data
aktual.
20
|𝐴𝑘𝑡𝑢𝑎𝑙 − 𝑆𝑖𝑚𝑢𝑙𝑎𝑠𝑖 |
Σ( )
𝐴𝑘𝑡𝑢𝑎𝑙
𝑀𝐴𝑃𝐸 = ( ) × 100%
𝑛
Tabel 3.1 Range MAPE
MAPE KETERANGAN
<10% Kemampuan model sangat baik
10%-20% Kemampuan model baik
20%-50% Kemampuan model peramalan layak
>50% Kemampuan model peramalan buruk
3.11 Rencana Skenario
Skenario yang dikembangkan bertujuan untuk menemukan model terbaik untuk

mendukung keputusan. Terdapat dua jenis skenario yaitu skenario parameter dan
skenario struktur. Pada skenario parameter, dilakukan dengan merubah nilai
parameter. Selain itu ada juga skenario struktur yaitu dengan merubah struktur
dari model dengan menambah variabel baru, kemudian dilakukan analisis yang
akan mendapat model baru. Pada laporan kerja praktik ini akan dilakukan
skenario parameter dengan merubah nilai parameter yakni bertambah 3% dari
nilai awal.
21
IV. HASIL DAN PEMBAHASAN
4.1 Kebutuhan Data
Kebutuhan data yang digunakan dalam penulisan laporan kerja praktik ini
merupakan data-data yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi
Lampung. Data yang digunakan yaitu sebagai berikut :
1. Produk Domestik Regional Bruto (PDRB) Provinsi Lampung menurut
pengeluaran yang meliputi :
a. Total PDRB Provinsi Lampung
b. Pengeluaran konsumsi akhir pemerintah
c. Pengeluaran ekspor
d. Pengeluaran impor
e. Pembentukan Modal Tetap Bruto (PMTB)
f. Pengeluaran konsumsi akhir lembaga non profit yang melayani rumah
tangga (LNPRT)
g. Pengeluaran konsumsi rumah tangga
2. Indeks Pembangunan Manusia (IPM)
3. Persentase kemiskinan
4. Tingkat pengangguran Terbuka (TPT)
22
Tabel 4.1. PDRB Menurut Pengeluaran Atas Dasar Harga Konstan (Miliar
Rupiah) Provinsi Lampung 2011-2021
TAHUN PDRB Pemerintah Ekspor Impor PMTB LNPRT RT

2011 150561 13326 65806 64751 49059 2009 94028
2012 160438 14150 82723 82774 53647 2126 99968
2013 170769 14744 88309 86553 55691 2209 105772
2014 180637 15113 90437 89448 58842 2354 112290
2015 199537 16893 87104 87856 62036 2520 118564
2016 209794 17473 84860 88744 67779 2660 125343
2017 220626 17673 89754 95546 72862 2957 132290
2018 232165 17973 100202 109175 79145 3439 139813
2019 244378 18530 105182 113608 82805 3788 147696
2020 240296 17897 100079 106483 78715 3631 145298
2021 247001 17981 113874 118472 81813 3762 147728
Tabel 4.2. IPM, Tingkat Pengangguran Terbuka (TPT), Kemiskinan

Provinsi Lampung 2011-2021
TAHUN IPM TPT KEMISKINAN

2011 64,2 6,38 12,3
2012 64,87 5,2 15,65
2013 65,73 5,69 14,39
2014 66,42 4,79 14,21
2015 66,95 5,14 14,35
2016 67,65 4,62 14,29
2017 68,25 4,33 13,69
2018 69,02 4,04 13,14
2019 69,57 4,03 12,62
2020 69,69 4,67 12,34
2021 69,9 4,69 12,62

23
4.2 Pengolahan Data
Proses pengolahan data bertujuan untuk merumuskan hubungan antar masing–

masing variabel yang dapat mempengaruhi pertumbuhan ekonomi Provinsi
Lampung. Beberapa tahapan dalam mengembangkan model dalam laporan kerja
praktik ini sebagai berikut :
1. Model Diagram Kausatik (Causal Loop Diagram)
2. Model Diagram Flow (Stock Flow Diagram)
3. Verifikasi Model
4. Validasi Model
5. Rancangan Skenario
4.3 Model Diagram Kausatik (Causal Loop Diagram)
Dalam pembuatan simulasi sistem dinamik, langkah awal yang diperlukan adalah
merumuskan model sesuai dengan kondisi dari pertumbuhan ekonomi Provinsi
Lampung. Konsep Causal Loop Diagram (CLD) dilakukan dengan
mengidentifikasi serta menghubungkan antar masing-masing variabel yang
berpengaruh terhadap pertumbuhan ekonomi di Provinsi Lampung berdasarkan
literatur terkait. Variabel yang digunakan dalam membuat model sesuai dengan
kenyataan, ataupun dengan mengambil beberapa variabel.
24
Gambar 4.1. Causal Loop Diagram atau Base Model Pertumbuhan Ekonomi
Dari gambar 4.1 terlihat hubungan serta pengaruh antar variabel terhadap perilaku
sistem. Penjelasan dari Causal Loop Diagram pada gambar 4.1 sebagai berikut:
1. PDRB (Produk Domestik Regional Bruto)
Produktivitas ekonomi direpresentasikan oleh Produk Domestik Regional
Bruto (PDRB) dan pertumbuhan ekonomi. PDRB merupakan gambaran nilai
tambah barang dan jasa yang diproduksi oleh suatu wilayah dalam satu tahun.
2. Pertumbuhan Ekonomi
Pertumbuhan ekonomi merupakan laju pertumbuhan perekonomian dari suatu
daerah dengan melihat pengingkatan produksi suatu daerah selama periode
tertentu yang dilihat dari Produk Domestik Regional Bruto (PDRB).
3. Kemiskinan
Persentase penduduk miskin di Provinsi Lampung. Penduduk yang tidak
mampu memenuhi kebutuhan ekonomi, sosial dan kebutuhan lainnya.
4. Indeks Pembangunan Manusia
Indeks Pembangunan Manusia (IPM) merupakan indeks yang meliputi aspek
kesehatan melalui pengukuran angka harapan hidup saat lahir, aspek
pendidikan melalui pengukuran angka harapan sekolah dan rata-rata lama
sekolah, serta aspek kesejahteraan melalui pengukuran daya beli atau
pengeluaran per kapita.
5. Tingkat Pengangguran Terbuka (TPT)
25
Tingkat pengangguran terbuka merupakan jumlah penduduk usia kerja yang

tidak bekerja atau sedang mencari kerja.
6. Pengeluaran Konsumsi Pemerintah
Merupakan anggaran dari pemerintah yang meliputi anggaran pendapatan dan
anggaran belanja. Anggaran pemerintah akan digunakan untuk kegiatan
penyelenggaraan pemerintahan.
7. Net Ekspor Barang dan Jasa
Net Ekspor merupakan hasil dari ekspor-impor
8. Pembentukan Modal Tetap Bruto (PMTB)
Merupakan sebuah kegiatan penanaman modal tetap bruto untuk membangun
aset kota. Aset tetap bisa berupa bangunan dan non-bangunan
9. Konsumsi Domestik
Pengeluaran konsumsi yang dilakukan o leh masing-masing rumah tangga,
meliputi pengeluaran konsumsi rumah tangga dan pengeluaran konsumsi
Lembaga Non Profit Rumah Tangga (LNPRT)
4.4 Pemodelan Sistem
Pemodelan data dilakukan untuk mengetahui pola perilaku dan hubungan antar
variabel yang ada pada simulasi untuk menentukan kesesuaian model yang ada
dengan perilaku di kondisi nyata. Implementasi dari permodelan data
digambarkan dalam bentuk diagram kausatik. Dalam membentuk flow diagram
ini bisa dengan menggunakan beberapa variabel yang terkait, sehingga semakin
kompleks variabel sistem akan semakin optimal.
Selanjutnya membentuk flow diagram yang akan memudahkan kita dalam

menggambarkan pemodelan skenario. Pada pembuatan flow diagram ini penulis
menggunakan laju dan data asli tanpa melibatkan variabel lain. Implementasi dari
pembuatan flow diagram sebagai berikut:
26
Dalam menentukan persamaan bisa menggunakan parameter yang berbeda-beda.

Parameter yang digunakan bisa berdasarkan data atau juga dengan menggunakan
asumsi. Contohnya, asumsi laju pertumbuhan pengeluaran konsumsi pemerintah
adalah 2% per tahun. Persamaannya juga bisa dengan random, di mana dalam
software, random ini merupakan distribusi data yang digunakan untuk melakukan
verifikasi model. Pada laporan kerja praktik ini penulis menggunakan fungsi
Lookup. Nilai pada persamaan di stok merupakan nilai aawal pada tahun 2011.
4.4.1 Sub Model Produk Domestik Regional Bruto (PDRB)
Gambar 4.2. Sub Model Stock Flow Diagram PDRB
Submodel pada Gambar 4.2 menunjukkan flow diagram dari variabel PDRB.
Perhitungan PDRB menggunakan metode pengeluaran di mana produktivitas
suatu daerah/kota dihitung menurut pengeluaran yang dilakukan oleh daerah/kota
tersebut. Pengeluaran konsumsi pemerintah adalah pengeluaran barang dan jasa
yang dilakukan oleh pemerintah. Nilai ini sama dengan nilai produksi barang dan
jasa yang dihasilkan pemerintah itu sendiri.
Ekspor impor di suatu wilayah didefiniskan sebagai alih kepemilikan ekonomi

(baik penjualan/pembelian, barter, hadiah ataupun hibah) atas barang dan jasa
27
antara residen wilayah tersebut dengan nonresiden yang berada di luar wilayah
tersebut. Pembentukan Modal Tetap Bruto (PMTB) atau investasi merupakan
penambahan dan pengurangan aset tetap pada suatu unit produksi dalam kurun
waktu tertentu. Konsumsi LNPRT adalah Lembaga non-profit yang melayani
rumah tangga dalam menyediakan barang dan jasa bagi anggotanya dengan harga
yang cukup ekonomis.
Konsumsi rumah tangga adalah pengeluaran atas barang dan jasa oleh rumah
tangga untuk tujuan konsumsi. Rumah tangga didefinisikan sebagai
individu/kelompok individu yang tinggal bersama dalam satu atap.
Persamaan yang digunakan pada sub model PDRB ini antara lain sebagai berikut:
Tabel 4.3. Persamaan Sub Model Stock Flow Diagram PDRB (Produk
Domestik Regional Bruto)
VARIABEL PERSAMAAN
Total PDRB INTEG (Laju Total PDRB-Total PDRB, 160438)
Units = Miliar rupiah (Stok)
Laju total PDRB Ekspor-Impor+Pengeluaran konsumsi LNPRT+Pengeluaran Konsumsi
Pemerintah+Pengeluaran Konsumsi Rumah Tangga+PMTB
Units = Miliar rupiah (Rate)
Persentase (Laju Total PDRB-Total PDRB)/Total PDRB*100
pertumbuhan PDRB Units = Persen (Variabel)
Laju penurunan WITH LOOKUP (Time, ([(0, 0) – (10, 10)], (2011, 0), (2012, 0),
konsumsi rumah (2013, 0), (2014, 0), (2015, 0), (2016, 0), (2017, 0), (2018, 0), (2019,
tangga 0), (2020, 2359.07), (2021, 0)))
Units = Dmnl (Rate)
Laju kenaikan WITH LOOKUP (Time, ([(0, 0) – (10, 10)], (2011, 4576.4), (2012,
konsumsi rumah 6315.25), (2013, 6140.97), (2014, 6919.66), (2015, 6624.55), (2016,
tangga 7166.6), (2017, 7332.03), (2018, 7950.81), (2019, 8327.46), (2020, 0),
(2021, 2470.64)))
Units = Dmnl (Rate)
Pengeluaran INTEG (Laju kenaikan konsumsi rumah tangga – Laju penurunan
konsumsi rumah konsumsi rumah tangga, 94028)
28
tangga Units = Miliar rupiah (Stok)

Laju penurunan WITH LOOKUP (Time, ([(0, 0) - (10, 10)], (2011, 0), (2012, 0),
konsumsi LNPRT (2013, 0), (2014, 0), (2015, 0), (2016, 0), (2017, 0), (2018, 0), (2019,
0), (2020, 150.493), (2021, 0)))
Units = Dmnl (Rate)
Laju kenaikan WITH LOOKUP (Time, ([(0, 0) - (10, 10)], (2011, 114.136), (2012,
konsumsi LNPRT 123.814), (2013, 86.2404), (2014, 154.518), (2015, 177.706), (2016,
147.778), (2017, 330.161), (2018, 560.567), (2019, 384.418), (2020,
0), (2021, 135.726)))
Units = Dmnl (Rate)
Pengeluaran INTEG (Laju Kenaikan Konsumsi LNPRT-Laju Penurunan Konsumsi
konsumsi LNPRT LNPRT, 2009)
Units = Milliar rupiah (Stok)
Laju penurunan WITH LOOKUP (Time, ([(0, 0)-(10, 10)], (2011, 0), (2012, 0), (2013,
PMTB 0), (2014, 0), (2015, 0), (2016, 0), (2017, 0), (2018, 0), (2019, 0),
(2020, 3887.98), (2021, 0)))
Units = Dmnl (Rate)
Laju kenaikan PMTB WITH LOOKUP (Time, ([(0, 0) - (10, 10)], (2011, 5731.57), (2012,
5017.07), (2013, 2121.88), (2014, 3329.28), (2015, 3367.37), (2016,
6274.66), (2017, 5464.19), (2018, 6824.79), (2019, 3829.25), (2020,
0), (2021, 3219.93)))
Units = Dmnl (Rate)
PMTB INTEG (Laju Kenaikan PMTB-Laju Penurunan PMTB, 49059)
konsumsi pemerintah (2013, 0), (2014, 0), (2015, 0), (2016, 0), (2017, 0), (2018, 0), (2019,
0), (2020, 611.376), (2021, 0)))
Units = Dmnl (Rate)
Laju kenaikan WITH LOOKUP (Time, ([(0, 0)-(10, 10)], (2011, 898.79), (2012,
konsumsi pemerintah 874.951), (2013, 618.935), (2014, 378.235), (2015, 1989.65), (2016,
599.914), (2017, 202.289), (2018, 305.092), (2019, 574.262), (2020,
0), (2021, 84.3943)))
Units = Dmnl (Rate)
Pengeluaran INTEG (Laju kenaikan konsumsi pemerintah-Laju penurunan
konsumsi pemerintah konsumsi pemerintah, 13326)
ekspor (2013, 0), (2014, 3210.16), (2015, 2186.19), (2016, 0), (2017, 0),
29
(2018, 0), (2019, 0), (2020, 4855.42), (2021, 0)))

Units = Dmnl (Rate)
Laju kenaikan ekspor WITH LOOKUP (Time, ([(0, 0) - (10, 10)], (2011, 8198.2), (2012,
21265.9), (2013, 5963.2), (2014, 2179.28), (2015, 0), (2016, 0), (2017,
5176.24), (2018, 11664.2), (2019, 5227.5), (2020, 0), (2021, 15696.5)))
Units = Dmnl (Rate)
Ekspor INTEG (Laju Kenaikan Ekspor-Laju Penurunan Ekspor,65806)
impor (2013, 0), (2014, 1563.67), (2015, 0), (2016, 0), (2017, 0), (2018, 0),
(2019, 0), (2020, 6678.15), (2021, 0)))
Units = Dmnl (Rate)
Laju kenaikan impor WITH LOOKUP (Time, ([(0, 0)-(10, 10)], (2011, 8495.31), (2012,
23039.6), (2013, 3951.53), (2014, 2991.83), (2015, 0), (2016,
896.975), (2017, 7323.36), (2018, 15573.1), (2019, 4613), (2020, 0),
(2021, 13338.9)))
Units = Dmnl (Rate)
Impor INTEG (Laju Kenaikan Impor-Laju penurunan Impor, 64751)
Final Time 2021
Initial Time 2011
4.4.2 Sub Model Indeks Pembangunan Manusia (IPM)
Gambar 4.3. Sub Model Indeks Pembangunan Manusia (IPM)
Human Development Index atau dalam bahasa Indonesia Indeks Pembangunan

Manusia (IPM) digambarkan pada Gambar 4.3 merupakan indeks kesejahteraan
30
penduduk atau masyarakat yang telah ditetapkan oleh United Nations

Development Programme (UNDP) yang diterapkan oleh berbagai negara
termasuk Indonesia. Kemampuan dari manusia di dunia direpresentasikan oleh
IPM. IPM diukur melalui 3 indikator utama yaitu Indeks Harapan Hidup, Indeks
Pendidikan dan Indeks Daya Beli.
Indeks Harapan Hidup didapatkan dari Angka Harapan Hidup (AHH) kemudian
dihitung dengan melibatkan standar minimal dan maksimal AHH yang ditetapkan
UNDP. Indeks Pendidikan didapatkan dari Angka Rata-Rata Lama Sekolah/Mean
Year School (MYS) dan Angka Melek Huruf (AMH), yang masing-masing
memiliki bobot 1/3 dan 2/3. Lalu kemudian dihitung dengan melibatkan standar
minimal dan maksimal MYS dan AMH yang ditetapkan UNDP. Indeks Daya
Beli didapatkan dari konsumsi riil per kapita (PPP), kemudian dihitung dengan
melibatkan standar minimal dan maksimal PPP yang ditetapkan UNDP.
Persamaan yang digunakan pada sub model IPM yaitu sebagai berikut :
Tabel 4.4. Persamaan IPM (Indeks Pembangunan Manusia)
VARIABEL PERSAMAAN
IPM INTEG(Laju Kenaikan IPM-Laju Penurunan IPM, 64.2)
Stok
Laju kenaikan IPM WITH LOOKUP (Time ([(0, 0) - (10, 10)], (2011, 0.4938), (2012,
0.677), (2013, 0.8714), (2014, 0.6972), (2015, 0.5342), (2016,
0.7073), (2017, 0.6053), (2018, 0.7787), (2019, 0.5544), (2020,
0.1202), (2021, 0.2106)))
Rate
Laju Penurunan IPM WITH LOOKUP (Time ([(0, 0) - (10, 10)], (2011, 0), (2012, 0),
(2013, 0), (2014, 0), (2015, 0), (2016, 0), (2017, 0), (2018, 0),
(2019, 0), (2020, 0), (2021, 0)))
Rate
31
4.4.3 Sub Model Persentase Kemiskinan
Gambar 4.4. Sub Model Persentase Kemiskinan
Sub model persentase kemiskinan pada Gambar 4.4 menggambarkan flow

diagram sub model persentase kemiskinan dengan menggunakan laju kenaikan
dan laju penurunan kemiskinan. Jumlah konsumsi rumah tangga yang tinggi
menandakan kesejahteraan masyarakat. Hal tersebut juga akan berkontribusi
menambah Produk Domestik Regional Bruto (PDRB) daerah itu sendiri
berdasarkan metode pengeluaran. Maka semakin tingginya PDRB di suatu
wilayah, angka kemiskinan di wilayah tersebut akan semakin kecil.
Persamaan yang digunakan pada sub model persentase kemiskinan yaitu sebagai
berikut :
Tabel 4.5 Persamaan Sub Model Persentase Kemiskinan
VARIABEL PERSAMAAN
Kemiskinan INTEG(Laju Kenaikan Kemiskinan-Laju Penurunan Kemiskinan, 12.3)
Stok
Laju kenaikan WITH LOOKUP (Time ([(0, 0) - (10, 10)], (2011, 0), (2012, 4.2426),
kemiskinan (2013, 0), (2014, 0), (2015, 0.1414), (2016, 0), (2017, 0), (2018, 0), (2019,
32
0), (2020, 0), (2021, 0.2864)))

Rate
Laju Penurunan WITH LOOKUP (Time ([(0, 0) - (10, 10)], (2011, 4.3121), (2012, 0),
Kemiskinan (2013, 1.1586), (2014, 0.1777), (2015, 0), (2016, 0.0597), (2017, 0.5784),
(2018, 0.5279), (2019, 0.4994), (2020, 0.2738), (2021, 0)))
Rate
4.4.4 Sub Model Tingkat Pengangguran Terbuka
Gambar 4.5 Sub Model Tingkat Pengangguran Terbuka (TPT)
Jumlah penduduk usia kerja di Provinsi Lampung mengalami kenaikan setiap

tahunnya, demikian juga dengan angkatan kerja. Angkatan kerja merupakan
jumlah penduduk usia kerja yang sedang mencari pekerjaan atau pernah bekerja
sebelumnya dan menganggur sementara. Maka jumlah penduduk yang mencari
pekerjaan per angkatan kerja menghasilkan persentase Tingkat Pengangguran
Terbuka (TPT). Semakin tinggi TPT maka akan semakin kecil tingkat
kesempatan kerja.
Persamaan yang digunakan pada sub model persamaan Tingkat Pengangguran

Terbuka (TPT) yaitu sebagai berikut:
33
Tabel 4.6. Persamaan Sub Model TPT (Tingkat Pengangguran Terbuka)
VARIABEL PERSAMAAN
TPT INTEG(Laju Kenaikan TPT-Laju Penurunan TPT, 6.38)
Stok
Laju kenaikan TPT WITH LOOKUP (Time ([(0, 0) - (10, 10)], (2011, 0.9278), (2012, 0),
(2013, 0.5362), (2014, 0), (2015, 0.3756), (2016, 0), (2017, 0), (2018,
0), (2019, 0), (2020, 0.7416), (2021, 0.0201)))
Rate
Laju Penurunan TPT WITH LOOKUP (Time ([(0, 0) - (10, 10)], (2011, 0.9278), (2012, 0),
(2013, 0.5362), (2014, 0), (2015, 0.3756), (2016, 0), (2017, 0), (2018,
0), (2019, 0), (2020, 0.7416), (2021, 0.0201)))
Rate
4.5 Pengolahan Data
Verifikasi model bertujuan untuk memastikan bahwa program komputer dan

implementasi dari model konseptual tidak terjadi error. Pada tahap verifikasi ini
akan dilakukan checking pada program komputer dan implementasinya. Pada
program vensim, proses verifikasi dilakukan ketika model sudah bisa dijalankan
atau running. Model tersebut tidak terjadi error saat running ketika model sudah
bisa menampilkan pesan verifikasi melalu dialog box seperti pada Gambar 4.6.
Gambar 4.6. Verifikasi Dialog Box

34
Sedangkan bentuk verifikasi lain adalah dengan menampilkan grafik pada tiap-
tiap variabel. Berikut merupakan hasil grafik pada beberapa variabel sub model:
4.5.1 Verifikasi Sub Model PDRB
Hasil simulasi dari sub model dapat dilihat pada grafik Jumlah Produk Domestik
Regional Bruto (PDRB) dalam miliar rupiah Provinsi Lampung (Gambar 4.7).
Grafik menunjukan bahwa PDRB terus mengalami kenaikan. Pada tahun 2011
hasil simulasi jumlah PDRB Provinsi Lampung menurut metode pengeluaran atas
dasar harga konstan adalah 160.438 miliar rupiah. Lalu pada periode akhir 2021
yaitu 260.269 miliar rupiah.
Gambar 4.7. Grafik Simulasi Total PDRB Provinsi Lampung 2011-2021
Pada Gambar 4.8 hasil simulasi persentase pertumbuhan ekonomi setiap tahunnya
mengalami tren naik-turun (fluktuatif). Hal itu disebabkan pengeluaran Provinsi
Lampung setiap tahunnya berbeda-beda meskipun secara kumulatif mengalami
kenaikan jumlah total PDRB.
35
Gambar 4.8. Grafik Simulasi Persentase Pertumbuhan PDRB Provinsi

Lampung 2011-2021
Pada Gambar 4.9, dapat dilihat grafik dari simulasi jumlah ekspor, impor, jumlah
pengeluaran konsumsi Lembaga Non Profit Rumah Tangga (LNPRT), jumlah
pengeluaran konsumsi pemerintah, jumlah pengeluaran konsumsi rumah tangga,
serta jumlah pengeluaran Pembentukan Modal Tetap Bruto (PMTB) mengalami
kenaikan dan penurunan (fluktuatif) dari tahun ke tahun. Jumlah ekspor tahun
2011 berjumlah 65.806 miliar rupiah dan pada tahun 2021 berjumlah 115.229
miliar rupiah. Jumlah impor tahun 2011 berjumlah 64.751 miliar rupiah dan pada
tahun 2021 berjumlah 123.394 miliar rupiah.
Jumlah pengeluaran konsumsi LNPRT tahun 2011 berjumlah 2009 miliar rupiah
dan pada tahun 2021 berjumlah 3937,85 miliar rupiah. Jumlah konsumsi
pemerintah tahun 2011 berjumlah 13.326 miliar rupiah dan pada tahun 2021
berjumlah 19.156,7 miliar rupiah. Jumlah PMTB tahun 2011 berjumlah 49.059
miliar rupiah dan pada tahun 2021 berjumlah 87.131,1 miliar rupiah.
36
Gambar 4.9. Grafik Simulasi Impor, Ekspor, Pengeluaran Konsumsi

Pemerintah, Pengeluaran Konsumsi Rumah Tangga, Pengeluaran Konsumsi
Lembaga Non Profit Rumah Tangga (LNPRT) serta Pembentukan Modal
Tetap Bruto (PMTB) Provinsi Lampung 2011-2021
4.5.2 Verifikasi Sub Model IPM (Indeks Pembangunan Manusia)
Pada Gambar 4.10 simulasi jumlah Indeks Pembangunan Manusia (IPM)

mengalami kenaikan. Dengan tahun 2011 berjumlah 64,2 dan pada tahun 2021
berjumlah 70,2395.
37
Gambar 4.10. Grafik Simulasi Indeks Pembangunan Manusia (IPM)

4.5.3 Verifikasi Sub Model Persentase Kemiskinan
Pada Gambar 4.11 persentase kemiskinan di Provinsi Lampung mengalami

kenaikan dan penurunan (fluktuatif) dari tahun ke tahun. Dengan tahun 2011
berjumlah 12,3 dan pada tahun 2021 berjumlah 9,0964.
Gambar 4.11. Grafik Simulasi Persentase Kemiskinan Provinsi Lampung

2011-2021
38
4.5.4 Verifikasi Sub Model Tingkat Pengangguran Terbuka (TPT)
Pada Gambar 4.12 simulasi Tingkat Pengangguran Terbuka (TPT) mengalami

kenaikan dan penurunan (fluktuatif) dari tahun ke tahun. Dengan tahun 2011
berjumlah 6,38 dan pada tahun 2021 berjumlah 6,3132.
Gambar 4.12. Grafik Simulasi Tingkat Pengangguran Terbuka (TPT)

4.6 Validasi Model
Validasi model bertujuan untuk memastikan apakah hasil perilaku dari model
sudah akurat, sesuai kenyataan dan dapat diterima. Dengan cara behavior pattern
test yaitu membandingkan hasil rata-rata dan variansi amplitudonya serta
menghitung nilai MAPE.
4.6.1 Validasi Sub Model PDRB

39
Nilai E1 jumlah PDRB sudah sesuai dengan standar, yaitu dibawah atau sama
dengan 5 % dengan nilai 2.4 %. Nilai E2 jumlah PDRB juga telah memenuhi
standar, yaitu dibawah atau sama dengan 30 % dengan nilai 12.9 %. Dengan nilai
MAPE dibawah 5% yaitu 4.12% sehingga model termasuk sangat baik. Hasil
tersebut bisa dilihat pada Tabel 4.7 di bawah ini:
Tabel 4.7. Data Asli PDRB dan Data Simulasi PDRB
Data Asli Jumlah PDRB Simulasi Jumlah PDRB

Tahun
(Miliar Rupiah) (Miliar Rupiah)
2011 160438 160438
2012 170769 159477
2013 180637 170501
2014 189809 181058
2015 199537 192038
2016 209794 200361
2017 220626 210334
2018 232165 223626
2019 244378 234807
2020 240296 246540
2021 247001 260269
Rata-rata 208677 203586
Standar
30706 34689
Deviasi
|Rata − rata data simulasi − Rata − rata data asli|

𝐸1 =
Rata − rata data asli
|203586 − 208677|
=
208677
= 0.0243965
= 2.4%
Error rate 𝐸1 ≤ 5%, artinya model simulasi valid
40
|Standar deviasi data simulasi − Standar deviasi data asli|

𝐸2 =
Standar deviasi data asli
|34689 − 30706|
=
30706
= 0.129714
= 12.97%
Error rate 𝐸2 ≤ 30% , berarti model simulasi valid
|Aktual − Simulasi|
(Σ )
Aktual
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.0412
= 4.12%
Nilai MAPE yang diperoleh yaitu 4.12% sehingga model sangat baik.
Gambar 4.13 menunjukkan grafik perbandingan antara data asli dan data hasil
simulasi pada sub model PDRB. Grafik menunjukkan terjadi kenaikan setiap
tahunnya.
Grafik Perbandingan PDRB

300000
250000
200000
150000
100000
50000
0
2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
Data Asli PDRB Data Simulasi PDRB
Gambar 4.13. Grafik Perbandingan Data Asli PDRB dan Data Simulasi
41
Selain itu akan ditunjukkan juga perbandingan antar variabel yang digunakan
untuk menghitung total PDRB
Tabel 4.8. Data Pengeluaran Pemerintah Asli dan Simulasi Pengeluaran

Pemerintah
Data Asli Pengeluaran Simulasi Pengeluaran Pemerintah

Tahun
Pemerintah (Miliar Rupiah) (Miliar Rupiah)
2011 13326 13326
2012 14150 14225
2013 14744 15100
2014 15113 15719
2015 16893 16097
2016 17473 18087
2017 17673 18687
2018 17973 18889
2019 18530 19194
2020 17897 19768
2021 17981 19157
Rata-rata 16523 17113
Standar
1831 2277
Deviasi
|Rata − rata data simulasi − rata − rata data asli|

𝐸1 =
|17113 − 16523|
=
16523
= 0.0357
= 3.57%

𝐸2 =
42
|2277 − 1831|
=
1831
= 0.2438
= 24.38%
(Σ )
Aktual
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.0423
= 4.23%
Tabel 4.9. Data Asli Ekspor dan Simulasi Ekspor
Data Asli Ekspor Simulasi Ekspor

Tahun
2011 65806 65806
2012 82723 74004
2013 88309 95270
2014 90437 101233
2015 87104 100202
2016 84860 98016
2017 89754 98016
2018 100202 103192
2019 105182 114857
2020 100079 120084
2021 113874 115229
Rata-rata 91666 98719
Standar
12852 16507
Deviasi
43

𝐸1 =
|98719 − 91666|
=
91666
= 0.0769
= 7.69%
Error rate 5% ≤ 𝐸1 ≤ 10%, artinya model simulasi kurang valid tetapi masih
bisa diterima
|𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒𝑣𝑖𝑎𝑠𝑖 𝑑𝑎𝑡𝑎 𝑠𝑖𝑚𝑢𝑙𝑎𝑠𝑖 − 𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒𝑣𝑖𝑎𝑠𝑖 𝑑𝑎𝑡𝑎 𝑎𝑠𝑙𝑖 |

𝐸2 =
𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒𝑣𝑖𝑎𝑠𝑖 𝑑𝑎𝑡𝑎 𝑎𝑠𝑙𝑖
|16507 − 12852|
=
12852
= 0.2844
= 28.44%
(Σ )
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.0941
= 9.4%
Tabel 4.10. Data Asli Impor dan Data Simulasi Impor
Data Asli Impor Simulasi Impor

Tahun
2011 64751 64571
2012 82774 73246
2013 86553 96286
2014 89448 100237
2015 87856 101666
2016 88744 101666
2017 95546 102563
44
2018 109175 109886

2019 113608 125459
2020 106483 130072
2021 118472 123394
Rata-rata 94855 102657
Standar
15770 20259
Deviasi

𝐸1 =
|102657 − 94855|
=
94855
= 0.0822
= 8.22%
bisa diterima

𝐸2 =
|20259 − 15770|
=
15770
= 0.2846
= 28.46%
(Σ )
Aktual
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.0998
= 9.98%
45
Tabel 4.11. Data Asli PMTB dan Data Simulasi PMTB (Pembentukan
Modal Tetap Bruto)
Data Asli PMTB Simulasi PMTB

Tahun
2011 49059 49059
2012 53647 54791
2013 55691 59808
2014 58842 61930
2015 62036 65259
2016 67779 68626
2017 72862 74901
2018 79145 80365
2019 82805 87190
2020 78715 91019
2021 81813 87131
Rata-rata 67490 70916
Standar
12270 14199
Deviasi
|𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑑𝑎𝑡𝑎 𝑠𝑖𝑚𝑢𝑙𝑎𝑠𝑖 − 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑑𝑎𝑡𝑎 𝑎𝑠𝑙𝑖 |

𝐸1 =
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑑𝑎𝑡𝑎 𝑎𝑠𝑙𝑖
|70916 − 67490|
=
67490
= 0.0508
= 5.08%
bisa diterima
|𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒𝑣𝑖𝑎𝑠𝑖 𝑑𝑎𝑡𝑎 𝑠𝑖𝑚𝑢𝑙𝑎𝑠𝑖 − 𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒𝑣𝑖𝑎𝑠𝑖 𝑑𝑎𝑡𝑎 𝑎𝑠𝑙𝑖 |

𝐸2 =
𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒𝑣𝑖𝑎𝑠𝑖 𝑑𝑎𝑡𝑎 𝑎𝑠𝑙𝑖
|14199 − 12270|
=
12270
= 0.1572
= 15.72%
46
(Σ )
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.0482
= 4.82%
Tabel 4.12. Data Asli Konsumsi LNPRT dan Data Simulasi Konsumsi
LNPRT (Lembaga Non Profit Rumah Tangga)
Data Asli LNPRT Simulasi LNPRT

Tahun
2011 2009 2009
2012 2126 2123
2013 2209 2247
2014 2354 2333
2015 2520 2488
2016 2660 2665
2017 2957 2813
2018 3439 3143
2019 3788 3704
2020 3631 4088
2021 3762 3938
Rata-rata 2860 2868
Standar
686 746
Deviasi

𝐸1 =
|2868 − 2860|
=
2860
= 0.0031
= 0.31%
47

𝐸2 =
|746 − 686|
=
686
= 0.0864
= 8.64%
(Σ )
Aktual
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.0338
= 3.8%
Tabel 4.13. Data Asli Pengeluaran Konsumsi Rumah Tangga dan Data
Simulasi Pengeluaran Konsumsi Rumah Tangga
Data Asli Konsumsi Rumah Simulasi Konsumsi Rumah Tangga

Tahun
Tangga (Miliar Rupiah) (Miliar Rupiah)
2011 94028 94028
2012 99968 98604
2013 105772 104920
2014 112290 111061
2015 118564 117980
2016 125343 124605
2017 132290 131771
2018 139813 139103
2019 147696 147054
2020 145298 155382
2021 147728 153023
Rata-rata 124435 125230
Standar
19676 21776
Deviasi
48

𝐸1 =
|125230 − 124435|
=
124435
= 0.0064
= 0.64%

𝐸2 =
|21776 − 19676|
=
19676
= 0.1067
= 10.67%
(Σ )
Aktual
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.0147
= 1.47%
4.6.2 Validasi Sub Model IPM
Nilai E1 IPM sudah sesuai dengan standar, yaitu dibawah atau sama dengan 5 %
dengan nilai 0.06%. Nilai E2 IPM juga telah memenuhi standar, yaitu dibawah
atau sama dengan 30 % dengan nilai 6.9%. Hasil MAPE yaitu di bawah 5%
dengan nilai 0.26%, sehingga model IPM tersebut termasuk sangat baik. Hasil
tersebut bisa dilihat pada Tabel 4.14 di bawah ini
49
Tabel 4.14. Data Asli IPM (Indeks Pembangunan Manusia) dan Data
Simulasi IPM (Indeks Pembangunan Manusia)
Tahun Data Asli IPM Simulasi IPM

2011 64,2 64,2
2012 64,9 64,7
2013 65,7 65,4
2014 66,4 66,2
2015 67 66,9
2016 67,7 67,5
2017 68,3 68,2
2018 69 68,8
2019 69,6 69,6
2020 69,7 70,1
2021 69,9 70,2
Rata-rata 67,5 67,4
Standar
2 2,1
Deviasi

𝐸1 =
|67.4 − 67.5|
=
67.5
= 0.0006
= 0.06%

𝐸2 =
|2.1 − 2|
=
2
= 0.0693
= 6.93%
50
(Σ )
Aktual
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.0026
= 0.26%
simulasi pada sub model IPM. Grafik menunjukkan terjadi kenaikan setiap
tahunnya.
Grafik Perbandingan IPM

72
70
68
66
64
62
60
2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
Data Asli IPM Data Simulasi IPM
Gambar 4.14. Grafik Perbandingan Data Asli IPM dan Simulasi IPM
4.6.3 Validasi Sub Model Tingkat Pengangguran Terbuka (TPT)
Nilai E1 TPT belum sesuai dengan standar, karena di atas atau sama dengan 5 %
dengan nilai 27.90%. Namun, nilai E2 TPT telah memenuhi standar, karena di
bawah atau sama dengan 30 % dengan nilai 21.28%. Dengan hasil MAPE yakni
29.43% sehingga termasuk model yang layak. Hasil tersebut bisa dilihat pada
Tabel 4.15 di bawah ini
51
Tabel 4.15. Data Asli TPT (Tingkat Pengangguran Terbuka) dan Data
Simulasi TPT (Tingkat Pengangguran Terbuka)
Tahun Data Asli TPT Simulasi TPT

2011 6,38 6,38
2012 5,2 7,31
2013 5,69 6,35
2014 4,79 6,88
2015 5,14 6,12
2016 4,62 6,50
2017 4,33 6,03
2018 4,04 5,76
2019 4,03 5,49
2020 4,67 5,39
2021 4,69 6,13
Rata-rata 4,87 6,21
Standar
0,70 0,57
Deviasi

𝐸1 =
|6.21 − 4.87|
=
4.87
= 0.2790
= 27.90%
Error rate 𝐸1 ≥ 10%, artinya model simulasi kurang valid

𝐸2 =
|0.55 − 0.77|
=
0.77
= 0.2128
= 21.28%
52
(Σ )
Aktual
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.2943
= 29.43%
Nilai MAPE yang diperoleh yaitu 29.43% sehingga model layak.
simulasi pada sub model TPT (Tingkat Pengangguran Terbuka). Grafik
menunjukkan terjadi kenaikan secara fluktuatif setiap tahunnya.
Grafik Perbandingan Data TPT

8
7
6
5
4
3
2
1
0
2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
Data Asli TPT Data Simulasi TPT
Gambar 4.15. Grafik Perbandingan Data Asli TPT (Tingkat Pengangguran

Terbuka) dan Data Simulasi TPT
4.6.4 Validasi Sub Model Persentase Kemiskinan
Nilai E1 Persentase Kemiskinan belum sesuai dengan standar, karena di atas atau
sama dengan 5 % dengan nilai 22.97%. Namun, nilai E2 TPT telah memenuhi
53
standar, karena di bawah atau sama dengan 30 % dengan nilai 21.44%. Dengan
hasil MAPE yakni 22.48% sehingga termasuk model yang layak. Hasil tersebut
bisa dilihat pada Tabel 4.16 di bawah ini
Tabel 4.16. Data Asli dan Data Simulasi Persentase Kemiskinan
Data Asli Persentase

Tahun Simulasi Persentase Kemiskinan
Kemiskinan
2011 12,3 12,3
2012 15,65 8
2013 14,39 12,2
2014 14,21 11,1
2015 14,35 10,9
2016 14,29 11
2017 13,69 11
2018 13,14 10,4
2019 12,62 9,9
2020 12,34 9,4
2021 12,62 9,1
Rata-rata 13,60 10,48
Standar
1,08 1,31
Deviasi

𝐸1 =
|10.48 − 13.60|
=
13.60
= 0.2297
= 22.97%
Error rate 𝐸1 ≥ 10%, artinya model simulasi kurang valid

𝐸2 =
|1.31 − 1.08|
=
1.08
54
= 0.2144
= 21.44%
(Σ )
Aktual
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.2249
= 29.49%
Nilai MAPE yang diperoleh yaitu 29.49% sehingga model layak.
4.7 Skenario
Setelah data hasil simulasi valid, maka akan dilakukan tahap selanjutnya yaitu
pengembangan skenario. Pengembangan skenario dilakukan untuk melihat
kemungkinan yang terjadi di masa depan dengan menambahkan parameter baru
atau merubah struktur yang sudah ada. Skenario dilakukan dengan
memperpanjang waktu dari tahun 2011 sampai tahun 2026. Skenario yang
digunakan dalam laporan kerja praktik ini yaitu dengan merubah struktur dan
menambah parameter dengan perubahan setiap parameter sebanyak 3%.
4.7.1 Skenario Struktur
Pengembangan skenario strukturpada laporan kerja praktik ini dilakukan dengan

cara penambahan variabel pertumbuhan ekonomi dengan IPM, Tingkat
Pengangguran Tinggi, dan Persentase Kemiskinan. Variabel ini akan berpengaruh
pada perubahan pertumbuhan ekonomi.
55
Berdasarkan penelitian sebelumnya, untuk mengetahui korelasi antara jumlah

kemiskinan dengan PDRB, IPM dan pengangguran, maka dilakukan analisis
regresi double log. Pada analisis regresi kali ini, pertumbuhan ekonomi menjadi
variabel dependen. Sedangkan untuk PDRB, IPM, TPT, dan persentase
kemiskinan menjadi variabel independen. Dari hasil analisis regresi nantinya
akan ditemukan tingkat korelasi dan elastisitas antar variabel dependen dan
independen, kemudian nilai tersebut akan dimasukkan dalam formula simulasi.
Skenario struktur pada gambar 4.21 menggunakan analisis regresi untuk

mendapatkan persamaan yang akan digunakan pada formulasi model.
Tabel 4.17. Hasil Regresi Variabel Dependen Pertumbuhan Ekonomi
R Square 0.682829
Adjusted R Square 0.546899
X Variabel IPM 4.510788
X Variabel TPT -0.056982
X Variabel Persentase Kemiskinan -0.048827
Dengan struktur model yaitu :
Gambar 4.16. Skenario Pertumbuhan Ekonomi

56
Berikut persamaan yang digunakan untuk skenario struktur variabel pertumbuhan

ekonomi:
Tabel 4.18. Persamaan Skenario Pertumbuhan Ekonomi
VARIABEL PERSAMAAN
Pertumbuhan INTEG (Kenaikan pertumbuhan ekonomi-Penurunan
Ekonomi pertumbuhan ekonomi, 6.52)
Kenaikan IF THEN ELSE( Pertumbuhan IPM > 0 , Pertumbuhan
pertumbuhan IPM/1*4.51079/100*Pertumbuhan ekonomi , 0 ) + IF THEN
ekonomi ELSE (Pertumbuhan TPT<0, Pertumbuhan
TPT/1*0.056982/100*Pertumbuhan ekonomi , 0 )+IF THEN
ELSE(Pertumbuhan Kemiskinan<0, Pertumbuhan
Kemiskinan/1*0.048827/100*Pertumbuhan ekonomi, 0 )
Penurunan IF THEN ELSE( Pertumbuhan IPM<0 ,ABS( Pertumbuhan

pertumbuhan IPM/1*4.51079/100*Pertumbuhan ekonomi) ,0 )+IF THEN
ekonomi ELSE(Pertumbuhan TPT>0, ABS(Pertumbuhan
TPT/1*0.056982/100*Pertumbuhan ekonomi) , 0 )+IF THEN
ELSE(Pertumbuhan Kemiskinan>0, ABS(Pertumbuhan
Kemiskinan/1*0.048827/100*Pertumbuhan ekonomi), 0 )
Pertumbuhan WITH LOOKUP (Time, ([(0,0)-

IPM (10,10)],(2011,0.77),(2012,1.04),(2013,1.33),(2014,1.05),(2015
,0.8),(2016,1.05),(2017,0.89),(2018,1.13),(2019,0.8),(2020,0.17
),(2021,0.3),(2022,0.92),(2023,1.11),(2024,0.65),(2025,0.73),(2
026,0.67) )
Pertumbuhan WITH LOOKUP (Time, ([(0,0)-(10,10)],(2011,-

Kemiskinan 35.06),(2012,27.24),(2013,-8.05),(2014,-
1.25),(2015,0.99),(2016,-0.42),(2017,-4.2),(2018,-4.02),(2019,-
57
3.96),(2020,-2.22),(2021,2.27),(2022,-2.2),(2023,-3.67),(2024,-
2.3),(2025,-3.22),(2026,-2.62))
Pertumbuhan WITH LOOKUP (Time ([(0,0)-(10,10)],(2011,14.54),(2012,-
TPT 18.5),(2013,9.42),(2014,-15.82),(2015,7.31),(2016,-
10.12),(2017,-6.28),(2018,-6.7),(2019,-
0.25),(2020,15.88),(2021,0.43),(2022,-9.79),(2023,-
5.43),(2024,-1.12),(2025,-0.5),(2026,-2.24) )
Initial Time 2011
Final Time 2026
Dengan menambahkan struktur variabel IPM, TPT, dan persentase kemiskinan

pada sub model pertumbuhan ekonomi, berdasarkan Gambar 4.17 pertumbuhan
ekonomi mengalami kenaikan.
Grafik Pertumbuhan Ekonomi Skenario Struktur

10
9
8
7
6
5
4
3
2
1
0
2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026
TAHUN
Gambar 4.17. Grafik Skenario Struktur Pertumbuhan Ekonomi

58
4.7.2 Skenario Parameter
Skenario parameter yang digunakan yaitu most likely dan optimistic, parameter
most likely yaitu saat parameter tidak berubah sedangkan parameter optimisic
yaitu saat parameter bertambah 3% untuk setiap variabelnya.
1. Skenario Optimistic
Skenario parameter optimistic pada laporan kerja praktik ini, dilakukan dengan
mengubah nilai-nilai variabel serta nilai awal setiap tahunnya. Dengan
menambahkan 3% pada setiap variabel. Tabel 4.19 menunjukkan persamaan di
setiap variabel yang sudah ditambahkan dengan 3%.
Tabel 4.19. Persamaan Skenario Parameter Optimistic
Variabel Persamaan
Laju =WITH LOOKUP (Time([(0,0)-(10,10)], (2011,9256.38),
Kenaikan (2012,9010.86), (2013,6377.28), (2014,3899.07),
Konsumsi (2015,20490.8), (2016,6181.31), (2017,2079.36),
Pemerintah (2018,3149.91), (2019,165.157), (2020,0), (2021,867.182),
(2022,5670.28), (2023,5270.28), (2024,5020.41),
(2025,5511.94), (2026,5058.5) )
Laju =WITH LOOKUP (Time([(0,0)-(10,10)], (2011,0), (2012,0),
Penurunan (2013,0), (2014,0), (2015,0), (2016,0), (2017,0), (2018,0),
Konsumsi (2019,0), (2020,943.981), (2021,0), (2022,0), (2023,0), (2024,0),
Pemerintah (2025,0), (2026,0) )
Pengeluaran =INTEG(Laju Kenaikan Konsumsi Pemerintah-Laju Penurunan

Konsumsi Konsumsi Pemerintah, 137254)
Pemerintah
59
Kenaikan (2012,21903.9), (2013,6142.1), (2014,2244.66), (2015,0),

Ekspor (2016,0), (2017,5331.53), (2018,12014.1), (2019,5384.33),
(2020,0), (2021,16167.4), (2022,3244.34), (2023,4279.22),
(2024,4361.2), (2025,4385.76), (2026,4403.49) )
Penurunan (2013,0), (2014,3306.47), (2015,2251.78), (2016,0), (2017,0),
Ekspor (2018,0), (2019,0), (2020,5001.09), (2021,0), (2022,0), (2023,0),
(2024,0), (2025,0), (2026,0) )
Ekspor =INTEG(Laju Kenaikan Ekspor-Laju Penurunan Ekspor,
67780.2)
Kenaikan (2012,23730.8), (2013,4070.07), (2014,3081.59), (2015,0),
Impor (2016,923.88), (2017,7543.06), (2018,16040.3), (2019,4751.39),
(2020,0), (2021,13739), (2022,4592.76), (2023,5212.52),
(2024,5069.89), (2025,9986.34), (2026,0) )
Penurunan (2013,0), (2014,1610.58), (2015,0), (2016,0), (2017,0), (2018,0),
Impor (2019,0), (2020,6878.5), (2021,0), (2022,0), (2023,0), (2024,0),
(2025,0), (2026,2226.35) )
Impor =INTEG(Laju Kenaikan Impor-Laju penurunan Impor, 66693.5)
Kenaikan (2012,6504.7), (2013,6325.2), (2014,7127.2), (2015,6823.3),
Konsumsi (2016,7381.59), (2017,8189.34), (2018,8577.29),
RT (2019,8327.46), (2020,0), (2021,2544.76), (2022,13401.4),
(2023,6344.49), (2024,6345.81), (2025,6346.67), (2026,6347.05)
)
Penurunan (2013,0), (2014,0), (2015,0), (2016,0), (2017,0), (2018,0),
Konsumsi (2019,0), (2020,2429.84), (2021,0), (2022,0), (2023,0), (2024,0),
RT (2025,0), (2026,0) )
Pengeluaran =INTEG(Laju Kenaikan Konsumsi RT-Laju Penurunan
Konsumsi Konsumsi RT, 96848.8)
60
Rumah
Tangga
Kenaikan (2012,127.53), (2013,88.83), (2014,159.15), (2015,183.04),
Konsumsi (2016,152.21), (2017,340.07), (2018,577.38), (2019,395.95),
LNPRT (2020,0), (2021,139.8), (2022,95.67), (2023,108.06),
(2024,282.07), (2025,188.57), (2026,248.549) )
Laju =WITH LOOKUP (Time ([(0,0)-(10,10)], (2011,0), (2012,0),
Penurunan (2013,0), (2014,0), (2015,0), (2016,0), (2017,0), (2018,0),
Konsumsi (2019,0), (2020,155.01), (2021,0), (2022,0), (2023,0), (2024,0),
LNPRT (2025,0), (2026,0) )
Kenaikan (2012,5167.58), (2013,2185.53), (2014,3429.16),
PMTB (2015,3468.39), (2016,6462.9), (2017,5628.12), (2018,7029.54),
(2019,3944.13), (2020,0), (2021,3316.53), (2022,6269.47),
(2023,3809.2), (2024,4707.01), (2025,3774.41), (2026,3700.98) )
Penurunan (2013,0), (2014,0), (2015,0), (2016,0), (2017,0), (2018,0),
PMTB (2019,0), (2020,4004.62), (2021,0), (2022,0), (2023,0), (2024,0),
(2025,0), (2026,0) )
PMTB =INTEG(Laju Kenaikan PMTB-Laju Penurunan PMTB,
50530.8)
Berikut ini gambar grafik skenario optimistic dari tahun 2011 sampai tahun 2026.
61
Gambar 4.18. Grafik Skenario Parameter Optimistic Sub Model PDRB
2. Skenario Most Likely
Skenario parameter most likely pada laporan kerja praktik ini, dilakukan tanpa
mengubah nilai-nilai variabel serta nilai awal setiap tahunnya. Tabel 4.20
menunjukkan persamaan di setiap variabel.
Tabel 4.20. Persamaan Skenario Parameter Most Likely
Variabel Persamaan
Laju Kenaikan = WITH LOOKUP (Time,([(0,0)-
(10,10)],(2011,898.79),(2012,874.951),(2013,618.935),(2014,
Konsumsi
378.235),(2015,1989.65),(2016,599.914),(2017,202.289),(201
Pemerintah 8,305.092),(2019,574.262),(2020,0),(2021,84.3943),(2022,56
4.49),(2023,521.544),(2024,494.614),(2025,477.105),(2026,4
65.359) ))
Units: Dmnl
Laju = WITH LOOKUP (Time,([(0,0)-
(10,10)],(2011,0),(2012,0),(2013,0),(2014,0),(2015,0),(2016,0
Penurunan
),(2017,0),(2018,0),(2019,0),(2020,611.376),(2021,0),(2022,0)
Konsumsi ,(223,0),(2024,0),(2025,0),(2026,0) ))
Units: Dmnl
Pemerintah
Pengeluaran = INTEG ((Laju Kenaikan Konsumsi Pemerintah-Laju
Penurunan Konsumsi Pemerintah),13326)
62
Konsumsi Units: Miliar Rupiah

Pemerintah
(10,10)],(2011,8495.31),(2012,23039.6),(2013,3951.53),(2014
Ekspor
,2991.83),(2015,0),(2016,896.975),(2017,7323.36),(2018,155
73.1),(2019,4613),(2020,0),(2021,13338.9),(2022,4458.99),(2
023,5060.69),(2024,4922.22),(2025,9695.48),(2026,0) ))
Units: Dmnl
Laju Laju Penurunan Ekspor = WITH LOOKUP (Time,([(0,0)-
(10,10)],(2011,0),(2012,0),(2013,0),(2014,3210.16),(2015,218
Penurunan
6.19),(2016,0),(2017,0),(2018,0),(2019,0),(2020,4855.42),(20
Ekspor 21,0),(2022,0),(2023,0),(2024,0),(2025,0),(2026,0) ))
Units: Dmnl
Ekspor Ekspor= INTEG (Laju Kenaikan Ekspor-Laju Penurunan
Ekspor,65806)
Units: Miliar Rupiah
(10,10)],(2011,8495.31),(2012,23039.6),(2013,3951.53),(2014
Impor
,2991.83),(2015,0),(2016,896.975),(2017,7323.36),(2018,155
73.1),(2019,4613),(2020,0),(2021,13338.9),(2022,4458.99),(2
023,5060.69),(2024,4922.22),(2025,9695.48),(2026,0) ))
Units: Dmnl
(10,10)],(2011,0),(2012,0),(2013,0),(2014,1563.67),(2015,0),(
Penurunan
2016,0),(2017,0),(2018,0),(2019,0),(2020,6678.15),(2021,0),(
Impor 2022,0),(2023,0),(2024,0),(2025,0),(2026,2161.5) ))
Units: Dmnl
Impor = INTEG ((Laju Kenaikan Impor-Laju penurunan
Impor),64751)
(10,10)],(2011,4576.4),(2012,6315.25),(2013,6140.97),(2014,
Konsumsi RT
6919.66),(2015,6624.55),(2016,7166.6),(2017,7332.03),(2018
,7950.81),(2019,8327.46),(2020,0),(2021,2470.64),(2022,130
11.1),(2023,5646.28),(2024,5610.04),(2025,5932.22),(2026,5
148.25) ))
Units: Dmnl
(10,10)],(2011,0),(2012,0),(2013,0),(2014,0),(2015,0),(2016,0
Penurunan
),(2017,0),(2018,0),(2019,0),(2020,2359.07),(2021,0),(2022,0)
Konsumsi RT ,(2023,0),(2024,0),(2025,0),(2026,0) ))
Units: Dmnl
Pengeluaran = INTEG (Laju Kenaikan Konsumsi RT-Laju Penurunan
Konsumsi RT,94028)
Konsumsi
Rumah Tangga
63

(10,10)],(2011,114.136),(2012,123.814),(2013,86.2404),(2014
Konsumsi
,154.518),(2015,177.706),(2016,147.778),(2017,330.161),(20
LNPRT 18,560.567),(2019,384.418),(2020,0),(2021,135.726),(2022,9
2.8922),(2023,104.919),(2024,273.864),(2025,183.083),(2026
,241.31) ))
Units: Dmnl
(10,10)],(2011,0),(2012,0),(2013,0),(2014,0),(2015,0),(2016,0
Penurunan
),(2017,0),(2018,0),(2019,0),(2020,150.493),(2021,0),(2022,0)
Konsumsi ,(2023,0),(2024,0),(2025,0),(2026,0) ))
Units: Dmnl
LNPRT
(10,10)],(2011,5731.57),(2012,5017.07),(2013,2121.88),(2014
PMTB
,3329.28),(2015,3367.37),(2016,6274.66),(2017,5464.19),(20
18,6824.79),(2019,3829.25),(2020,0),(2021,3219.93),(2022,6
086.86),(2023,3698.25),(2024,4569.91),(2025,3664.48),(2026
,3593.19) ))
Units: Dmnl
(10,10)],(2011,0),(2012,0),(2013,0),(2014,0),(2015,0),(2016,0
Penurunan
),(2017,0),(2018,0),(2019,0),(2020,3887.98),(2021,0),(2022,0)
PMTB ,(2023,0),(2024,0),(2025,0),(2026,0) ))
Units: Dmnl
PMTB = INTEG (Laju Kenaikan PMTB-Laju Penurunan
PMTB,49059)
Berikut ini gambar hasil skenario most likely dari tahun 2011 sampai dengan 2016
Gambar 4.19. Grafik Skenario Parameter Most Likely Sub Model PDRB
64
4.8 Analisis Hasil Skenario
Pada bagian ini akan dijelaskan mengenai hasil dari skenario yang telah dibuat.
Berikut ini adalah hasil analisis dari skenario yang telah dibuat :
4.8.1 Analisis Persamaan Domestik Regional Bruto (PDRB)
Tabel 4.21. Skenario Parameter Total PDRB
Skenario Optimistic Skenario Most Likely

Tahun
2011 165251 160438
2012 287790 159477
2013 307475 170501
2014 326458 181058
2015 343507 192038
2016 355589 200361
2017 384303 210334
2018 403557 223626
2019 417582 234807
2020 432890 246540
2021 446356 260269
2022 440700 255083
2023 449997 263352
2024 474085 281798
2025 488684 290863
2026 504330 301123
65
Tabel 4.22. Skenario Pertumbuhan Ekonomi
Skenario Struktur Skenario Optimistic Skenario Most Likely

Tahun
(Persen) (Persen) (Persen)
2011-
2021
2022 8.90 2.11 3.24
2023 9.21 5.35 7.0
2024 9.63 -3.08 3.22
2025 9.89 3.20 3.53
2026 10.2 2.03 1.6
Rata-
9.6 1.91 3.71
Rata
Perbandingan Total PDRB

600000
500000
400000
300000
200000
100000
0
2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026
Parameter Optimistic Parameter Most Likely
Gambar 4.20. Perbandingan Skenario Parameter Total PDRB

66
Perbandingan Skenario
80,00
70,00
60,00
50,00
40,00
30,00
20,00
10,00
0,00
-10,00 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026
Skenario Struktur Skenario Parameter 1 Skenario Parameter 2
Gambar 4.21. Perbandingan Skenario Pertumbuhan Ekonomi
Berdasarkan pada hasil skenario, skenario struktur berpengaruh terhadap

perhitungan pertumbuhan ekonomi (skenario struktur). Pada skenario struktur,
pertumbuhan ekonomi memiliki grafik yang relatif naik. Namun, pada skenario
struktur diperlukan uji terlebih dahulu untuk melihat apakah model struktur yang
baru dibentuk layak atau tidak. Pada Skenario Most Likely, rata-rata pertumbuhan
ekonomi dari tahun 2022 sampai tahun 2026 memiliki nilai lebih besar dari
skenario Optimistic, dengan adanya grafik fluktuatif (naik-turun) dan rata-rata
sebesar 3.71.
Namun, jika dilihat dari jumlah total PDRB, skenario Optimistic memiliki jumlah
yang cukup tinggi dengan jumlah total PDRB pada tahun 2026 yaitu 504.330
miliar rupiah, itu juga dikarenakan pada skenario Optimistic nilai awal serta laju
ditambah 3%, akibatnya nilai PDRB meningkat.
67
V. KESIMPULAN
5.1 Kesimpulan
Berdasarkan hasil laporan kerja praktik, kesimpulan yang bisa diambil yaitu:
1. Pertumbuhan ekonomi dipengaruhi oleh perubahan nilai pada PDRB (Produk
Domestik Regional Bruto), dengan hasil pada model sistem dinamik
dipengaruhi oleh variabel dan parameter yang digunakan. Variabel yang
memiliki nilai MAPE <10% adalah nilai dari PDRB, Pengeluaran konsumsi
pemerintah, domestik (Rumah tangga dan LNPRT), ekspor, impor, dan
PMTB. Sehingga jika dilihat dari MAPE model struktur yang dibuat sudah
merupakan model yang sangat baik. Namun, untuk nilai dari E1 beberapa
variabel memiliki nilai di atas 5%, sehingga parameter atau persamaan pada
model struktur perlu ditinjau ulang.
2. Simulasi pada sub model IPM sudah valid dilihat dari hasil E1, E2, dan
MAPE. Namun, untuk sub model persentase kemiskinan, dan TPT (Tingkat
Pengangguran Terbuka) kurang valid dikarenakan hasil E1 melebihi 5%.
3. Berdasarkan hasil skenario, jika dilihat dari jumlah total PDRB, maka
skenario optimistic merupakan skenario yang terbaik, dengan mengasumsikan
bahwa, laju ataupun nilai awal dari variabel PDRB naik 3%, namun untuk
perhitungan pertumbuhan ekonomi per tahunnya skenario most likely memliki
rata-rata yang tertinggi di antara skenario parameter. Hal itu artinya untuk
tahun 2022-2026 perlu ditingkatkan dalam melaksanakan kegiatan yang
berkaitan dengan PDRB, dan perlu dipertahankan agar pertumbuhan ekonomi
tidak menurun. Dilihat dari pertumbuhan ekonomi, skenario struktur
merupakan skenario terbaik dikarenakan memiliki nilai yang relatif naik,
68
dengan perhitungan pertumbuhan ekonomi melibatkan IPM (Indeks

Pemabngunan Manusia), TPT (Tingkat Pengangguran Terbuka), dan
persentase kemiskinan.
4. Berdasarkan hasil regresi, diperoleh bahwa selain dipengaruhi oleh PDRB,
faktor lain yang mempengaruhi pertumbuhan ekonomi yaitu IPM, TPT,
Persentase Kemiskinan. Dimana faktor tersebut memiliki korelasi dengan
pertumbuhan ekonomi.
a. IPM (indeks Pembangunan Manusia)
Koefisien dari IPM yaitu 4.5169, menunjukkan bahwa tiap kenaikan 1%
nilai IPM, maka menaikkan 4.5169% pertumbuhan ekonomi.
b. Tingkat Pengangguran Terbuka (TPT)
Koefisien variabel TPT yaitu -0.05, menunjukkan bahwa tiap kenaikan
1% nilai TPT akan menurunkan 0.05% pertumbuhan ekonomi.
c. Persentase Kemiskinan
Koefisien variabel Persentase Kemiskinan yaitu -0.048, menunjukkan
bahwa tiap kenaikan 1% nilai persentase kemiskinan, maka akan
menurunkan 0.048% pertumbuhan penduduk.
Oleh karena itu diharapkan agar bisa eningkatkan IPM di Provinsi Lampung,
dengan begitu maka dapat berpengaruh pada pertumbuhan ekonomi di Provinsi
Lampung.
69
Daftar Pustaka
Apriani, Rini. (2016). Analisis Dampak Pertumbuhan Penduduk terhadap

Pertumbuhan Ekonomi di Indonesia. Fakultas Ekonomi, Universitas
Andalas.
Axella, Oxa. 2012. Aplikasi Model Sistem Dinamik untuk Menganalisis

Permintaan dan Ketersediaan Listrik Sektor Industri (Studi Kasus: Jawa
timur). Vol 1. 339-344.
Badan Pusat Statistik. 2015. Lampung Dalam Angka 2015. BPS Provinsi
Lampung.
Badan Pusat Statistik. PDRB Menurut Pengeluaran. BPS Provinsi Lampung.

Diakses pada Juli 14, 2022, dari
https://lampung.bps.go.id/indicator/162/161/1/pdrb-menurut-
pengeluaran.html
Barlas, Y. 1994. Model Validation in System Dynamics Conferense. 1-10.
Choopojcharoen, T., & Magrazi, A. 2012. Mathematics Behind System

Dynamics. Worcester Polytechnic Institute.
Coyle, R. G. 1996. System Dynamic Modelling. Chapman.
Firmansyah, A. 2017. Model Sistem Dinamik untuk Pengembangan Smart

Economy (Studi Kasus : Kota Surabaya). Jurnal Teknik ITS. Vol. 6(2).
Fortuna, April. 2015. Model Simulasi Sistem Produksi dengan Sistem Dinamik
Guna Membantu Perencanaan Kapasitas Produksi (Studi Kasus di PT Kasin
Malang). Fakultas Teknik, Universitas Brawijaya.
J, D. Sterman. 2000. Systems Thinking and Modelling for a Complex World. Vol
6(1).
Jonaidi, Arius. 2012. Analisis Pertumbuhan Ekonomi dan Kemiskinan di

Indonesia. Vol 1(1). 140-164.
70
Paramitadevi, dkk. 2021. An Application of System Dynamics in Air Pollution

Mitigation with Sustainable Perspective in the City of Depok. Vol. 2(1). 1-
10.
Purnomo, Bambang, H., & Izza, Aqidatul. 2020. Model Sistem Dinamis
Perencanaan Bahan Bakar pada Produk Veneer di PT. XYZ. Vol. 14(1). 75-
87.
Rahayu, Nia Aditia. 2019. Pengaruh Kemiskinan dan Pertumbuhan Ekonomi

terhadap Indeks Pembangunan Manusia (IPM) dalam Perspektif Ekonomi
Islam di Kabupaten Lampung Tengah Tahun 2010-2017. Fakultas Ekonomi
dan Bisnis Syariah, Universitas Islam Negeri Raden Intan.
Sukirno, S. 2015. Makroekonomi Teori Pengantar. Edisi ketiga. Depok: Rajawali

Pers.
Utami, Farathika Putri. 2020. Pengaruh Indeks Pembangunan Manusia (IPM),

Kemiskinan, Pengangguran Terhadap Pertumbuhan ekonomi di Provinsi
Aceh. Vol 4(2). 101-113
Yu, Zhiqiu, dkk. (2022). System Dynamics Forecasting on Taiwan Power

Supply Chain. Journal Computer Systems Science and Engineering. 41(3).
1191-1205.
71
LAMPIRAN
72
Tabel 6.1 Persamaan Parameter Lookup Pengeluaran Konsumsi Rumah

Tangga dari Tabel 4.3
Pengeluaran Laju
Pengeluaran Konsumsi
Tahun Konsumsi (Nilai akhir-Nilai
Rumahtangga*Laju
Rumah Tangga awal)/Nilai awal
2010 89664
2011 94028 0,0487 4576,3985
2012 99968 0,0632 6315,2457
2013 105772 0,0581 6140,9720
2014 112290 0,0616 6919,6595
2015 118564 0,0559 6624,5484
2016 125343 0,0572 7166,5952
2017 132290 0,0554 7332,0299
2018 139813 0,0569 7950,8141
2019 147696 0,0564 8327,4629
2020 145298 -0,0162 -2359,0659
2021 147728 0,0167 2470,6399
Tabel 6.2 Persamaan Parameter Lookup Pengeluaran Konsumsi Lembaga

Non Profit Rumah Tangga (LNPRT) dari Tabel 4.3
Pengeluaran Laju
LNPRT*Laju
LNPRT awal)/Nilai awal
2010 1901
2011 2009 0,0568 114,1357
2012 2126 0,0582 123,8138
2013 2209 0,0390 86,2404
2014 2354 0,0656 154,5179
2015 2520 0,0705 177,7060
2016 2660 0,0556 147,7778
2017 2957 0,1117 330,1613
2018 3439 0,1630 560,5675
2019 3788 0,1015 384,4176
2020 3631 -0,0414 -150,4929
2021 3762 0,0361 135,7262
73
Tabel 6.3 Persamaan Parameter Lookup Pengeluaran Konsumsi Pemerintah

dari Tabel 4.3
Pengeluaran Laju
Pemerintah*Laju
Pemerintah awal)/Nilai awal
2010 12484
2011 13326 0,067446331 898,789811
2012 14150 0,061834009 874,9512232
2013 14744 0,041978799 618,9354064
2014 15113 0,02502713 378,2350109
2015 16893 0,117779395 1989,647323
2016 17473 0,034333748 599,9135737
2017 17673 0,011446231 202,2892463
2018 17973 0,016975047 305,092514
2019 18530 0,030990931 574,2619485
2020 17897 -0,03416082 -611,3762008
2021 17981 0,004693524 84,39425602
Tabel 6.4 Persamaan Parameter Lookup Pembentukan Modal tetap Bruto

(PMTB) dari Tabel 4.3
Pembentukan Laju
Pembentukan Modal Tetap
Tahun Modal Tetap (Nilai akhir-Nilai
Bruto*Laju
Bruto awal)/Nilai awal
2010 43927
2011 49059 0,1168 5731,572564
2012 53647 0,0935 5017,069977
2013 55691 0,0381 2121,878278
2014 58842 0,0566 3329,283762
2015 62036 0,0543 3367,373373
2016 67779 0,0926 6274,659827
2017 72862 0,0750 5464,193128
2018 79145 0,0862 6824,792553
2019 82805 0,0462 3829,253901
2020 78715 -0,0494 -3887,982006
2021 81813 0,0394 3219,928527
74
Tabel 6.5 Persamaan Parameter Lookup Ekspor dari Tabel 4.3
Laju
Ekspor Luar
Tahun (Nilai akhir-Nilai Ekspor Luar Negeri*Laju
Negeri
awal)/Nilai awal
2010 58516
2011 65806 0,1246 8198,1978
2012 82723 0,2571 21265,9179
2013 88309 0,0675 5963,2034
2014 90437 0,0241 2179,2789
2015 87104 -0,0369 -3210,1643
2016 84860 -0,0258 -2186,1894
2017 89754 0,0577 5176,2441
2018 100202 0,1164 11664,2210
2019 105182 0,0497 5227,5040
2020 100079 -0,0485 -4855,4233
2021 113874 0,1378 15696,5181
Tabel 6.6 Persamaan Parameter Lookup Impor dari Tabel 4.3
Laju
Impor Luar
Tahun (Nilai akhir-Nilai Impor Luar Negeri*Laju
Negeri
awal)/Nilai awal
2010 57241
2011 64751 0,1312 8495,309481
2012 82774 0,2783 23039,57934
2013 86553 0,0457 3951,528101
2014 89448 0,0334 2991,831132
2015 87856 -0,0178 -1563,665504
2016 88744 0,0101 896,9754143
2017 95546 0,0766 7323,355855
2018 109175 0,1426 15573,086
2019 113608 0,0406 4612,999899
2020 106483 -0,0627 -6678,150966
2021 118472 0,1126 13338,85041
75
Tabel 6.7 Persamaan Parameter Lookup IPM dari Tabel 4.4
Laju
Tahun IPM (Nilai akhir-Nilai IPM*Laju
awal)/Nilai awal
2010 63,71
2011 64,2 0,0077 0,4938
2012 64,87 0,0104 0,6770
2013 65,73 0,0133 0,8714
2014 66,42 0,0105 0,6972
2015 66,95 0,0080 0,5342
2016 67,65 0,0105 0,7073
2017 68,25 0,0089 0,6053
2018 69,02 0,0113 0,7787
2019 69,57 0,0080 0,5544
2020 69,69 0,0017 0,1202
2021 69,9 0,0030 0,2106
Tabel 6.8 Persamaan Parameter Lookup Persentase Kemiskinan dari

Tabel 4.5
Laju
Persentase
Tahun (Nilai akhir-Nilai Persentase Kemiskinan*Laju
Kemiskinan
awal)/Nilai awal
2010 18,94
2011 12,3 -0,3506 -4,3121
2012 15,65 0,2724 4,2624
2013 14,39 -0,0805 -1,1586
2014 14,21 -0,0125 -0,1777
2015 14,35 0,0099 0,1414
2016 14,29 -0,0042 -0,0597
2017 13,69 -0,0420 -0,5748
2018 13,14 -0,0402 -0,5279
2019 12,62 -0,0396 -0,4994
2020 12,34 -0,0222 -0,2738
2021 12,62 0,0227 0,2864
76
Tabel 6.9 Persamaan Parameter Lookup Tingkat Pengangguran Terbuka

dari Tabel 4.6
Laju
Tahun TPT (Nilai akhir-Nilai TPT*Laju
awal)/Nilai awal
2010 5,57
2011 6,38 0,1454 0,927791741
2012 5,2 -0,1850 -0,961755486
2013 5,69 0,0942 0,536173077
2014 4,79 -0,1582 -0,757644991
2015 5,14 0,0731 0,375574113
2016 4,62 -0,1012 -0,467392996
2017 4,33 -0,0628 -0,271796537
2018 4,04 -0,0670 -0,270577367
2019 4,03 -0,0025 -0,009975248
2020 4,67 0,1588 0,741637717
2021 4,69 0,0043 0,020085653
Tabel 6.10 Persamaan Parameter Skenario Optimistic Pengeluaran Konsumsi

Rumah Tangga
Pengeluaran Laju (%)

Rumahtangga*Laju
Rumahtangga awal)/Nilai awal
2010 92353,92
2011 96848,84 0,048671 4713,69
2012 102967,04 0,063173 6504,703
2013 108945,16 0,058059 6325,201
2014 115658,7 0,061623 7127,249
2015 122120,92 0,055873 6823,285
2016 129103,29 0,057176 7381,593
2017 136258,7 0,055424 7551,991
2018 144007,39 0,056867 8189,339
2019 152126,88 0,056382 8577,287
2020 149656,94 -0,01624 -2429,84
2021 152159,84 0,016724 2544,759
2022 164552,02 0,081442 13401,42
2023 170669,11 0,037174 6344,492
77
2024 176795,04 0,035894 6345,809

2025 182928,9 0,034695 6346,67
2026 189069,8 0,03357 6347,053

Pemerintah
Pengeluaran Laju (%)

Pemerintah*Laju
2010 128582,1
2011 137253,7 0,06744 9256,38
2012 145739,9 0,061828 9010,856
2013 151860,1 0,041994 6377,277
2014 155663,9 0,025048 3899,067
2015 173995,8 0,117766 20490,82
2016 179971,9 0,034346 6181,314
2017 182027,8 0,011423 2079,365
2018 185125 0,017015 3149,909
2019 185290 0,000891 165,1571
2020 184341,2 -0,00512 -943,981
2021 185204,3 0,004682 867,1815
2022 190710,9 0,029732 5670,277
2023 195843,7 0,026914 5270,973
2024 200741,6 0,025009 5020,407
2025 206110 0,026743 5511,939
2026 211050,1 0,023968 5058,498

Lembaga Non Profit Rumah Tangga
Laju (%)
Tahun LNPRT (Nilai akhir-Nilai LNPRT*Laju
awal)/Nilai awal
2010 1958,03
2011 2069,27 0,056812 117,5598
2012 2189,78 0,058238 127,5283
2013 2275,27 0,03904 88,82757
78
2014 2424,62 0,065641 159,1534

2015 2595,6 0,070518 183,0372
2016 2739,8 0,055556 152,2111
2017 3045,71 0,111654 340,0661
2018 3542,17 0,163003 577,3845
2019 3901,64 0,101483 395,9501
2020 3739,93 -0,04145 -155,008
2021 3874,86 0,036078 139,798
2022 3968,286 0,024111 95,67894
2023 4073,56 0,026529 108,0667
2024 4338,419 0,065019 282,0797
2025 4519,441 0,041725 188,5754
2026 4755,645 0,052264 248,5492
Tabel 6.13 Persamaan Parameter Skenario Optimistic Pembentukan Modal

Tetap Bruto
Laju (%)
Tahun PMTB (Nilai akhir-Nilai PMTB*Laju
awal)/Nilai awal
2010 45244,81
2011 50530,77 0,11683 5903,52
2012 55256,41 0,09352 5167,582
2013 57361,73 0,038101 2185,535
2014 60607,26 0,05658 3429,162
2015 63897,08 0,054281 3468,395
2016 69812,37 0,092575 6462,9
2017 75047,86 0,074994 5628,119
2018 81519,35 0,086232 7029,536
2019 85289,15 0,046244 3944,132
2020 81076,45 -0,04939 -4004,62
2021 84267,39 0,039357 3316,526
2022 90129,11 0,069561 6269,466
2023 93789,64 0,040614 3809,196
2024 98281,51 0,047893 4707,005
2025 101921,1 0,037033 3774,41
2026 105496,7 0,035082 3700,984
79
Tabel 6.14 Persamaan Parameter Skenario Optimistic Impor
Laju(%)
Tahun Impor (Nilai akhir-Nilai Impor*Laju
awal)/Nilai awal
2010 58958,23
2011 66693,53 0,1312 8750,169
2012 85257,22 0,278343 23730,77
2013 89149,59 0,045654 4070,074
2014 92131,44 0,033448 3081,586
2015 90491,68 -0,0178 -1610,58
2016 91406,32 0,010107 923,8847
2017 98412,38 0,076647 7543,057
2018 112450,3 0,142643 16040,28
2019 117016,2 0,040605 4751,39
2020 109677,5 -0,06272 -6878,5
2021 122026,2 0,112591 13739,02
2022 126458 0,036318 4592,76
2023 131471,7 0,039647 5212,515
2024 136359,8 0,03718 5069,886
2025 145705,6 0,068538 9986,341
2026 143444,2 -0,01552 -2226,35
Tabel 6.15 Persamaan Parameter Skenario Optimistic Ekspor
Laju(%)
Tahun Ekspor (Nilai akhir-Nilai Ekspor*Laju
awal)/Nilai awal
2010 60271,48
2011 67780,18 0,124581 8444,144
2012 85204,69 0,257074 21903,9
2013 90958,27 0,067527 6142,099
2014 93150,11 0,024097 2244,657
2015 89717,12 -0,03685 -3306,47
2016 87405,8 -0,02576 -2251,78
2017 92446,62 0,057671 5331,531
2018 103208,06 0,116407 12014,15
2019 108337,46 0,0497 5384,329
2020 103081,37 -0,04852 -5001,09
2021 117290,22 0,137841 16167,41
2022 120449,46 0,026935 3244,339
80
2023 124586,586 0,034347 4279,221

2024 128804,957 0,033859 4361,2
2025 133050,759 0,032963 4385,757
2026 137317,42 0,032068 4403,486
Tabel 6.16 Persamaan Parameter Skenario Most Likely Pengeluaran

Konsumsi Rumah Tangga
Pengeluaran
Laju(%)
Konsumsi Pengeluaran Konsumsi
Tahun (Nilai akhir-Nilai
Rumah Rumahtangga*Laju
awal)/Nilai awal
Tangga
2010 89664
2011 94028 0,048671 4576,398
2012 99968 0,063173 6315,246
2013 105772 0,058059 6140,972
2014 112290 0,061623 6919,659
2015 118564 0,055873 6624,548
2016 125343 0,057176 7166,595
2017 132290 0,055424 7332,03
2018 139813 0,056867 7950,814
2019 147696 0,056382 8327,463
2020 145298 -0,01624 -2359,07
2021 147728 0,016724 2470,64
2022 159759,2 0,081442 13011,09
2023 165218,9 0,034175 5646,284
2024 170650,4 0,032874 5610,044
2025 176389,6 0,033631 5932,218
2026 181395,8 0,028381 5148,252

Konsumsi Lembaga Non Profit Rumah Tangga (LNPRT)
Pengeluaran Laju
LNPRT*Laju
LNPRT awal)/Nilai awal
2010 1901
2011 2009 0,056812 114,1357
2012 2126 0,058238 123,8138
2013 2209 0,03904 86,24036
81
2014 2354 0,065641 154,5179

2015 2520 0,070518 177,706
2016 2660 0,055556 147,7778
2017 2957 0,111654 330,1613
2018 3439 0,163003 560,5675
2019 3788 0,101483 384,4176
2020 3631 -0,04145 -150,493
2021 3762 0,036078 135,7262
2022 3852,705 0,024111 92,89218
2023 3954,913 0,026529 104,9191
2024 4212,057 0,065019 273,8638
2025 4387,807 0,041725 183,0829
2026 4617,132 0,052264 241,3099

Konsumsi Pemerintah
Pengeluaran Laju
Pemerintah*Laju
2010 12484
2011 13326 0,067446331 898,789811
2012 14150 0,061834009 874,9512232
2013 14744 0,041978799 618,9354064
2014 15113 0,02502713 378,2350109
2015 16893 0,117779395 1989,647323
2016 17473 0,034333748 599,9135737
2017 17673 0,011446231 202,2892463
2018 17973 0,016975047 305,092514
2019 18530 0,030990931 574,2619485
2020 17897 -0,03416082 -611,3762008
2021 17981 0,004693524 84,39425602
2022 18528,8 0,030466 564,4897
2023 19036,44 0,027397 521,5441
2024 19518,83 0,02534 494,614
2025 19984,81 0,023873 477,1046
2026 20439,81 0,022767 465,3589
82
Tabel 6.19 Persamaan Parameter Skenario Most Likely Pembentukan Modal

tetap Bruto (PMTB)
Pembentukan Laju
Pembentukan Modal Tetap
Tahun Modal Tetap (Nilai akhir-Nilai
Bruto*Laju
Bruto awal)/Nilai awal
2010 43927
2011 49059 0,1168 5731,572564
2012 53647 0,0935 5017,069977
2013 55691 0,0381 2121,878278
2014 58842 0,0566 3329,283762
2015 62036 0,0543 3367,373373
2016 67779 0,0926 6274,659827
2017 72862 0,0750 5464,193128
2018 79145 0,0862 6824,792553
2019 82805 0,0462 3829,253901
2020 78715 -0,0494 -3887,982006
2021 81813 0,0394 3219,928527
2022 87503,99 0,069561 6086,86
2023 91057,9 0,040614 3698,249
2024 95418,94 0,047893 4569,907
2025 98952,56 0,037033 3664,476
2026 102424 0,035082 3593,189
Tabel 6.20 Persamaan Parameter Skenario Most Llikely Ekspor
Laju
Ekspor Luar
Tahun (Nilai akhir-Nilai Ekspor Luar Negeri*Laju
Negeri
awal)/Nilai awal
2010 58516
2011 65806 0,1246 8198,1978
2012 82723 0,2571 21265,9179
2013 88309 0,0675 5963,2034
2014 90437 0,0241 2179,2789
2015 87104 -0,0369 -3210,1643
2016 84860 -0,0258 -2186,1894
2017 89754 0,0577 5176,2441
2018 100202 0,1164 11664,2210
2019 105182 0,0497 5227,5040
2020 100079 -0,0485 -4855,4233
83
2021 113874 0,1378 15696,5181

2022 116941,2273 0,026935 3149,844
2023 120957,850 0,034347 4154,584
2024 125053,356 0,033859 4234,175
2025 129175,494 0,032963 4258,016
2026 133317,8857 0,032068 4275,23
Tabel 6.21 Persamaan Parameter Skenario Most Likely Impor
Laju
Impor Luar
Tahun (Nilai akhir-Nilai Impor Luar Negeri*Laju
Negeri
awal)/Nilai awal
2010 57241
2011 64751 0,1312 8495,309481
2012 82774 0,2783 23039,57934
2013 86553 0,0457 3951,528101
2014 89448 0,0334 2991,831132
2015 87856 -0,0178 -1563,665504
2016 88744 0,0101 896,9754143
2017 95546 0,0766 7323,355855
2018 109175 0,1426 15573,086
2019 113608 0,0406 4612,999899
2020 106483 -0,0627 -6678,150966
2021 118472 0,1126 13338,85041
2022 122774,7 0,036318 4458,99
2023 127642,4 0,039647 5060,694
2024 132388,2 0,03718 4922,219
2025 141461,8 0,068538 9695,476
2026 139266,2 -0,01552 -2161,5
Tabel 6.22 Persamaan Parameter Skenario Struktur IPM
Laju
Tahun IPM (Nilai akhir-Nilai Laju*100
awal)/Nilai awal
2010 63,71
2011 64,2 0,0077 0,77
2012 64,87 0,0104 1,04
2013 65,73 0,0133 1,33
2014 66,42 0,0105 1,05
84
2015 66,95 0,0080 0,80

2016 67,65 0,0105 1,05
2017 68,25 0,0089 0,89
2018 69,02 0,0113 1,13
2019 69,57 0,0080 0,80
2020 69,69 0,0017 0,17
2021 69,9 0,0030 0,30
2022 70,5 0,0092 0,92
2023 71,3 0,0111 1,11
2024 71,8 0,0065 0,65
2025 72,3 0,0073 0,73
2026 72,8 0,0067 0,67
Tabel 6.23 Persamaan Parameter Skenario Struktur Persentase Kemiskinan
Laju
Persentase
Tahun (Nilai akhir-Nilai Laju*100
Kemiskinan
awal)/Nilai awal
2010 18,94
2011 12,3 -0,3506 -35,06
2012 15,65 0,2724 27,24
2013 14,39 -0,0805 -8,05
2014 14,21 -0,0125 -1,25
2015 14,35 0,0099 0,99
2016 14,29 -0,0042 -0,42
2017 13,69 -0,0420 -4,20
2018 13,14 -0,0402 -4,02
2019 12,62 -0,0396 -3,96
2020 12,34 -0,0222 -2,22
2021 12,62 0,0227 2,27
2022 12,34 -0,0220 -2,20
2023 11,89 -0,0367 -3,67
2024 11,62 -0,0230 -2,30
2025 11,24 -0,0322 -3,22
2026 10,95 -0,0262 -2,62
85
Tabel 6.24 Persamaan Parameter Skenario StrukturTingkat Pengangguran

Terbuka dari Tabel 4.6
Laju
Tahun TPT (Nilai akhir-Nilai Laju*100
awal)/Nilai awal
2010 5,57
2011 6,38 0,1454 14,54
2012 5,2 -0,1850 -18,50
2013 5,69 0,0942 9,42
2014 4,79 -0,1582 -15,82
2015 5,14 0,0731 7,31
2016 4,62 -0,1012 -10,12
2017 4,33 -0,0628 -6,28
2018 4,04 -0,0670 -6,70
2019 4,03 -0,0025 -0,25
2020 4,67 0,1588 15,88
2021 4,69 0,0043 0,43
2022 4,23 -0,0979 -9,79
2023 4,00 -0,0543 -5,43
2024 3,96 -0,0112 -1,12
2025 3,94 -0,0050 -0,50
2026 3,85 -0,0224 -2,24

Model Sistem Dinamik Untuk Pertumbuhan Ekonomi Di Provinsi Lampung

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Model Sistem Dinamik Untuk Pertumbuhan Ekonomi Di Provinsi Lampung

Diunggah oleh

Hak Cipta:

Format Tersedia

MODEL SISTEM DINAMIK UNTUK PERTUMBUHAN EKONOMI

(LAPORAN KERJA PRAKTIK)

TRIYA LESTARI NOVITA DEVI

TRIYA LESTARI NOVITA DEVI

Laporan Kerja Praktik

Sebagai Salah Satu Syarat untuk Menyelesaikan Mata Kuliah

Judul Laporan : Model Sistem Dinamik untuk Pertumbuhan Ekonomi di

Bandar Lampung, 19 September 2022

Pembimbing Lapangan Dosen Pembimbing

Dr. Aang Nuryaman, S.Si., M.Si.

Bandar Lampung, 19 September 2022

Triya Lestari Novita Devi

1.1 Latar Belakang dan Masalah .................................................................. 1

II. GAMBARAN UMUM INSTANSI ............................................................. 5

2.1 Informasi Umum .................................................................................... 5

III. TINJAUAN PUSTAKA ............................................................................ 13

3.1 Pertumbuhan Ekonomi ....................................................................... 13

IV. HASIL DAN PEMBAHASAN ................................................................... 21

4.1 Kebutuhan Data ................................................................................. 21

5.1 Kesimpulan ........................................................................................ 67

DAFTAR PUSTAKA .......................................................................................... 69

2.2 Struktur Organisasi BPS Provinsi Lampung ............................................... 12

4.2 Sub Model Stock Flow Diagram PDRB ...................................................... 26

4.3 Sub Model Indeks Pembangunan Manusia (IPM)....................................... 29

4.4 Sub Model Persentase Kemiskinan ............................................................. 31

4.5 Sub Model Tingkat Pengangguran Terbuka (TPT) ..................................... 32

4.6 Verifikasi Dialog Box .................................................................................. 33

4.7 Grafik Simulasi Total PDRB Provinsi Lampung 2011-2021 ...................... 34

4.8 Grafik Simulasi Persentase Pertumbuhan PDRB Provinsi Lampung 2011-

4.9 Grafik Simulasi Impor, Ekspor, Pengeluaran Konsumsi Pemerintah,

4.10 Grafik Simulasi Indeks Pembangunan Manusia (IPM) Provinsi Lampung

4.11 Grafik Simulasi Persentase Kemiskinan Provinsi Lampung 2011-2021 .... 37

4.12 Grafik Simulasi Tingkat Pengangguran Terbuka (TPT) Provinsi Lampung

4.14 Grafik Perbandingan Data Asli IPM dan Simulasi IPM.............................. 50

4.16 Skenario Pertumbuhan Ekonomi ................................................................. 55

4.17 Grafik Skenario Struktur Pertumbuhan Ekonomi ....................................... 57

4.18 Grafik Skenario Parameter Optimistic Sub Model PDRB........................... 61

4.20 Perbandingan Skenario Parameter Total PDRB .......................................... 65

4.21 Perbandingan Skenario Pertumbuhan Ekonomi .......................................... 66

4.2 IPM, Tingkat Pengangguran Terbuka (TPT), Kemiskinan Provinsi Lampung

4.4 Persamaan IPM (Indeks Persamaan Manusia) ............................................ 30

4.5 Persamaan Sub Model Persentase Kemiskinan ........................................... 31

4.6 Persamaan Sub Model TPT (Tingkat Pengangguran Terbuka) ................... 33

4.7 Data Asli PDRB dan Data Simulasi PDRB ................................................. 39

4.8 Data Pengeluaran Pemerintah Asli dan Simulasi Pengeluaran Pemerintah 41

4.9 Data Asli Ekspor dan Simulasi Ekspor ....................................................... 42

4.10 Data Asli Impor dan Data Simulasi Impor .................................................. 43

4.16 Data Asli dan Data Simulasi Persentase Kemiskinan .................................. 53

4.17 Hasil Regresi Variabel Dependen Pertumbuhan Ekonomi ......................... 55

4.18 Persamaan Skenario Pertumbuhan Ekonomi............................................... 56

4.19 Persamaan Skenario Parameter Optimistic .................................................. 58

4.20 Persamaan Skenario Parameter Most Likely................................................ 61

4.21 Tabel Skenario Parameter Total PDRB ....................................................... 64

4.22 Tabel Skenario Pertumbuhan Ekonomi ....................................................... 65

1.1 Latar Belakang dan Masalah

Pertumbuhan ekonomi merupakan proses perubahan kondisi perekonomian suatu

Adanya pertumbuhan ekonomi merupakan indikasi keberhasilan pembangunan

Indeks pembangunan manusia merupakan salah satu indikator untuk mengetahui

Pertumbuhan ekonomi dan pembangunan manusia memiliki keterkaitan dan

Pertumbuhan ekonomi dan kemiskinan merupakan indikator penting untuk

Kemiskinan menjadi masalah dalam pembangunan. Kemiskinan tidak lagi

Salah satu faktor yang mempengaruhi pertumbuhan ekonomi adalah

masyarakat suatu negara, begitu pula sebaliknya. Meningkatnya angka