DI PROVINSI LAMPUNG
Oleh
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2022
i
MODEL SISTEM DINAMIK UNTUK PERTUMBUHAN EKONOMI
DI PROVINSI LAMPUNG
Oleh
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
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
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.
v
DAFTAR ISI
Halaman
DAFTAR GAMBAR .......................................................................................... viii
DAFTAR TABEL ................................................................................................. x
I. PENDAHULUAN ........................................................................................ 1
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
V. KESIMPULAN ........................................................................................ 67
LAMPIRAN ......................................................................................................... 71
vii
DAFTAR GAMBAR
Gambar Halaman
2.1 Logo Badan Pusat Statistik (BPS) ................................................................. 6
4.1 Causal Loop Diagram atau Base Model Pertumbuhan Ekonomi ............... 24
viii
4.13 Grafik Perbandingan Data Asli PDRB dan Data Simulasi .......................... 40
4.15 Grafik Perbandingan Data Asli TPT (Tingkat Pengangguran Terbuka) dan
Data Simulasi TPT ...................................................................................... 52
4.19 Grafik Skenario Parameter Most Likely Sub Model PDRB ........................ 63
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
4.3 Persamaan Sub Model Stock Flow Diagram PDRB (Produk Domestik
Regional Bruto) ........................................................................................... 27
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
xi
1
I. PENDAHULUAN
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
1.2 Tujuan
1.3 Manfaat
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
Logo pada Badan Pusat Statistik memiliki warna biru, hijau dan orange. Pada
setiap warna memiliki arti khusus, yaitu :
7
2.3.1 Tugas
2.3.2 Fungsi
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.
2.4.1 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
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.
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
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.
Kode etik harus menjadi pedoman dan pegangan bagi setiap insan statistik dalam
setiap penyelenggaraan kegiatan statistik. Kode etik statistik terkait dengan sifat
12
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).
3.2 Kemiskinan
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
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
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).
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.
𝑡
𝑡 = ∫ (𝑖 − 𝑜)𝑑𝑡 + 𝑠(𝑡0 )
𝑡0
Keterangan :
t = periode
i = arus aliran masuk
o = arus aliran keluar
s = stok
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
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
MAPE KETERANGAN
<10% Kemampuan model sangat baik
10%-20% Kemampuan model baik
20%-50% Kemampuan model peramalan layak
>50% Kemampuan model peramalan buruk
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
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
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.
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.
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
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 :
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
Persamaan yang digunakan pada sub model persentase kemiskinan yaitu sebagai
berikut :
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
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
Sedangkan bentuk verifikasi lain adalah dengan menampilkan grafik pada tiap-
tiap variabel. Berikut merupakan hasil grafik pada beberapa variabel sub model:
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.
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
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
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.
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:
|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.
250000
200000
150000
100000
50000
0
2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
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
|2277 − 1831|
=
1831
= 0.2438
= 24.38%
Error rate 𝐸2 ≤ 30% , berarti model simulasi valid
|Aktual − Simulasi|
(Σ )
Aktual
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.0423
= 4.23%
Nilai MAPE yang diperoleh yaitu 4.23% sehingga model sangat baik.
|Aktual − Simulasi|
(Σ )
Aktual
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.0998
= 9.98%
Nilai MAPE yang diperoleh yaitu 9.98% sehingga model sangat baik.
45
Tabel 4.11. Data Asli PMTB dan Data Simulasi PMTB (Pembentukan
Modal Tetap Bruto)
|𝐴𝑘𝑡𝑢𝑎𝑙 − 𝑆𝑖𝑚𝑢𝑙𝑎𝑠𝑖 |
(Σ )
𝐴𝑘𝑡𝑢𝑎𝑙
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.0482
= 4.82%
Nilai MAPE yang diperoleh yaitu 4.82% sehingga model sangat baik.
Tabel 4.12. Data Asli Konsumsi LNPRT dan Data Simulasi Konsumsi
LNPRT (Lembaga Non Profit Rumah Tangga)
|Aktual − Simulasi|
(Σ )
Aktual
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.0338
= 3.8%
Nilai MAPE yang diperoleh yaitu 3.8% sehingga model sangat baik.
Tabel 4.13. Data Asli Pengeluaran Konsumsi Rumah Tangga dan Data
Simulasi Pengeluaran Konsumsi Rumah Tangga
|Aktual − Simulasi|
(Σ )
Aktual
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.0147
= 1.47%
Nilai MAPE yang diperoleh yaitu 1.47% sehingga model sangat baik.
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)
|Aktual − Simulasi|
(Σ )
Aktual
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.0026
= 0.26%
Nilai MAPE yang diperoleh yaitu 0.26% sehingga model sangat baik.
Gambar 4.14 menunjukkan grafik perbandingan antara data asli dan data hasil
simulasi pada sub model IPM. Grafik menunjukkan terjadi kenaikan setiap
tahunnya.
Gambar 4.14. Grafik Perbandingan Data Asli IPM dan Simulasi IPM
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)
|Aktual − Simulasi|
(Σ )
Aktual
𝑀𝐴𝑃𝐸 = × 100%
𝑛
= 0.2943
= 29.43%
Nilai MAPE yang diperoleh yaitu 29.43% sehingga model layak.
Gambar 4.15 menunjukkan grafik perbandingan antara data asli dan data hasil
simulasi pada sub model TPT (Tingkat Pengangguran Terbuka). Grafik
menunjukkan terjadi kenaikan secara fluktuatif setiap tahunnya.
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
= 0.2144
= 21.44%
Error rate 𝐸2 ≤ 30% , berarti model simulasi valid
|Aktual − Simulasi|
(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%.
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
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 )
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
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%.
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) )
Rumah
Tangga
Laju =WITH LOOKUP (Time([(0,0)-(10,10)], (2011,117.56),
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) )
Laju =WITH LOOKUP (Time([(0,0)-(10,10)], (2011,5903.52),
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) )
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),
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
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.
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
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
Pada bagian ini akan dijelaskan mengenai hasil dari skenario yang telah dibuat.
Berikut ini adalah hasil analisis dari skenario yang telah dibuat :
500000
400000
300000
200000
100000
0
2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026
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
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
Daftar Pustaka
Badan Pusat Statistik. 2015. Lampung Dalam Angka 2015. BPS Provinsi
Lampung.
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).
Purnomo, Bambang, H., & Izza, Aqidatul. 2020. Model Sistem Dinamis
Perencanaan Bahan Bakar pada Produk Veneer di PT. XYZ. Vol. 14(1). 75-
87.
LAMPIRAN
72
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
Pengeluaran Laju
Pengeluaran Konsumsi
Tahun Konsumsi (Nilai akhir-Nilai
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
Pengeluaran Laju
Pengeluaran Konsumsi
Tahun Konsumsi (Nilai akhir-Nilai
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
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
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
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
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
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
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
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
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
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
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
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
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
Pengeluaran Laju
Pengeluaran Konsumsi
Tahun Konsumsi (Nilai akhir-Nilai
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
Pengeluaran Laju
Pengeluaran Konsumsi
Tahun Konsumsi (Nilai akhir-Nilai
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
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
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
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
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
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
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
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