MENENTUKAN NILAI PREMI ASURANSI PERTANIAN

TANAMAN PADI BERDASARKAN INDEKS CURAH HUJAN

DENGAN MENGGUNAKAN METODE BURN ANALYSIS
DI JAWA BARAT

SKRIPSI

Disusun Oleh :

ISMULIA LAILATUL HIDAYATI

NPM : 10060218036

PROGRAM STUDI MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS ISLAM BANDUNG

 LEMBAR PENGESAHAN
JUDUL SKRIPSI : MENENTUKAN NILAI PREMI
ASURANSI PERTANIAN
TANAMAN PADI BERDASARKAN
INDEKS CURAH HUJAN
DENGAN MENGGUNAKAN METODE
BURN ANALYSIS
DI JAWA BARAT
NAMA MAHASISWA : ISMULIA LAILATUL HIDAYATI
NPM : 10060218036

Setelah membaca skripsi ini dengan seksama,

menurut pertimbangan kami telah memenuhi
persyaratan ilmiah sebagai suatu skripsi

Menyetujui,

Ketua Pembimbing Anggota Pembimbing

Onoy Rohaeni, Dra., M.Sc. Eti Kurniati, Dra., M.Si.

NIK.D.92.2.056 NIK.D.91.0.125

Mengetahui,

Dekan FMIPA Unisba Ketua Program Studi Matematika

Abdul Kudus, S.Si., M.Si., Ph.D. Dr. Didi Suhaedi, S.Si., M.Kom
NIK.D.95.0.223 NIK.D.97.0.269

ii
 MOTTO

 “Allah tidak membebani seseorang melainkan sesuai dengan kesanggupannya.”

Al-Baqarah: 286

“Janganlah kamu bersikap lemah dan janganlah pula kamu bersedih hati, padahal
kamulah orang orang yang paling tinggi derajatnya jika kamu beriman.”

Al-Imran: 139

“Never expect, never assume, never ask, never demand, just let it be if it’s meant
to be it will happen”

Emptiness

“If we find something we want to do, we find our chances and find our way’

Super Junior’s Donghae

“Let’s keep moving forward at our own pace”

Seventeen’s Jeon Wonwoo

“Don’t try to live up to other people’s expectations, live by your own values take
your own small steps forward one at a time”

Seventeen’s Hoshi

‘You’re more than an unpronounced letter, Don’t downgrade yourself”

The Boyz’s Kevin and Eric

iii
 ABSTRAK

Ismulia Lailatul Hidayati NPM: 10060218036 Menentukan Nilai Premi

Asuransi Pertanian Tanaman Padi Berdasarkan Indeks Curah Hujan
Dengan Menggunakan Metode Burn Analysis Di Jawa Barat dibawah
bimbingan Onoy Rohaeni, Dra., M.Sc. dan Eti Kurniati, Dra., M.Si.

Sebagai negara agraris sektor pertanian di indonesia memliki peran yang

penting bagi perekonomian nasional. Sektor pertanian mencakup perternakan,
perkebunan, perikanan, kehutanan dan juga tanaman bahan pangan seperti
tanaman padi. Sektor pertanian berperan penting sebagai sumber pendapatan,
memenuhi kebutuhan pangan, dapat membuka lapangan pekerjaan, dan juga dapat
berkontribusi terhadap pembangunan perekonomian di daerah seperti di provinsi
Jawa Barat. Pada pelaksanaannya pada usaha sektor tani di temukan beberapa
resiko salah satunya faktor iklim yang dapat menimbulkan kerugian. Oleh sebab
itu hadir asuransi pertanian berbasis indeks yang dapat membantu mengatasi
kerugian akibat fenomena alam. Pada Provinsi Jawa Barat dari lima stasiun yang
diamati didapat data curah hujan yang tinggi. Curah hujan yang tinggi dapat
membuat biji padi cepat membusuk dan mengakibatka batang terlalu banyak
menyerap air sehingga batang tidak mampu lagi menopang sehingga akan rubuh.
Penelitian ini menggunakan metode burn analysis yang digunakan untuk
penelitian pada salah satu data iklim yang akan menghasilkan beberapa nilai
premi dengan diasumsikannya data berdasarkan data historis. Berdasarkan hasil
perhitungan yang telah dilakukan didapat nilai trigger 22,706 mm, 22,822 mm,
22,938 mm, 23,054 mm, dan 23,17 mm yang menghasilkan nilai premi berbeda-
beda yaitu Rp. 215.594, Rp. 221.117, Rp. 226.612, Rp. 232.079, dan Rp. 237.519.
Besarnya nilai premi yang dihasilkan akan bertambah besar jika nilai trigger yang
didapat juga semakin besar. Nilai premi ini akan dibayarkan selama satu kali
musim panen dengan nilai pertanggungan Rp.6.000.000 sesuai dengan yang
diteteapkan oleh PT. Asuransi Jasa Indonesia.

Kata Kunci: Burn Analysis, Asuransi berbasis Indeks, Asuransi Pertanian

iv
 KATA PENGANTAR

Alhamdulillahirobbil’alamin puji dan syukur penulis panjatkan atas kehadirat

Allah SWT, karena atas segala rahmat dan ridha-Nya yang telah diberikan kepada
penulis, sehingga penyusunan tugas akhir dengan judul Menentukan Nilai Premi
Asuransi Pertanian Tanaman Padi Berdasarkan Indeks Curah Hujan Dengan
Mengunakan Metode Burn Analysis Di Jawa Barat, dapat diselesaikan dengan
baik. Laporan tugas akhir ini disusun untuk memenuhi salah satu syarat kelulusan
pada Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan
Alam Universitas Islam Bandung (Unisba).
Selesainya laporan tugas akhir ini tentunya tidak terlepas dari bantuan berbagai
pihak, sehingga pada kesempatan ini dengan rasa hormat penulis ingin
mengucapkan terima kasih yang sebesar-besarnya kepada pihak-pihak yang telah
terlibat dan membantu secara langsung maupun tidak langsung dalam pelaksanaan
serta penyusunan laporan tugas akhir, khususnya kepada :

1. Orang tua penulis Bapak Widik Sunarto dan Ibu Sri Kaswati serta Adik
Nisaul Laily yang telah memberi dorongan baik moral maupun material
yang sangat berarti bagi penulis.
2. Bapak Abdul Kudus, S.Si.,M.Si., Ph.D. selaku Dekan Fakultas
Matematika dan Ilmu Pengetahuan Alam Universitas Islam Bandung.
3. Bapak Dr. Didi Suhaedi, S.Si, M.Kom. selaku Ketua Program Studi
Matematika Universitas Islam Bandung.
4. Ibu Onoy Rohaeni, Dra., M.Sc.ndan Ibu Eti Kurniati, Dra., M.Si. sebagai
pembimbing yang telah meluangkan waktu serta sudah membantu penulis
dalam menyusun tugas akhir.
5. Seluruh Dosen Program Studi Matematika yang selalu memberikan
dukungan dan bantuan dalam proses pembuatan laporan kuliah kerja
lapangan.
6. Teman-teman Matematika 2018 yang telah berjuang bersama dan saling
memberikan dukungan semangat selama penulisan tugas akhir. Dan juga

v
 teman-teman dari esje, tujuh belas dan juga the lanangz yang sudah
menemani penulis dalam penyusunan tugas akhir ini.
7. Semua pihak yang tidak dapat disebutkan satu persatu yang telah
membantu penulis menyelesaikan tugas akhir ini baik secara langsung
maupun tidak langsung.
8. Dan yang terakhir dan paling utama penulis ingin mengucapkan kepada
diri sendiri yaitu saudari Ismulia Lailatul yang sudah berusaha melawan
dirinya sendiri dalam menyelesaikan proses penyusunan tugas akhir.

Penulis menyadari bahwa laporan tugas akhir ini masih belum sempurna
sehingga penulis membutuhkan sran dan kritik yang bersifat membangun untuk
penulis. Dan juga penulis berharap semoga laporan tugas akhir ini dapat
bermanfaat.

Wassalamualaikum Warahmatullahi Wabarakatuh

Bandung,

Ismulia Lailatul Hidayati

vi
 DAFTAR ISI

LEMBAR PENGESAHAN......................................................................................i
MOTTO...................................................................................................................ii
ABSTRAK..............................................................................................................iii
KATA PENGANTAR............................................................................................iv
DAFTAR ISI...........................................................................................................vi
DAFTAR TABEL................................................................................................viii
DAFTAR GAMBAR..............................................................................................ix
DAFTAR LAMPIRAN............................................................................................x
BAB I PENDAHULUAN........................................................................................1
1.1. Latar Belakang...........................................................................................1
1.2. Identifikasi Masalah...................................................................................3
1.3. Tujuan Penulisan........................................................................................3
1.4. Sistematika Penulisan................................................................................3
BAB II TINJAUAN PUSTAKA..............................................................................5
2.1. Konsep Pertanians......................................................................................5
2.2. Konsep Asuransi Pertanian........................................................................6
2.3. Asuransi Berbasis Indeks...........................................................................8
2.4. Indeks Curah Hujan...................................................................................9
2.5. Metode Burn Analysis.............................................................................10
2.6. Nilai Pertanggungan................................................................................12
2.7. Statistical Produk and Service Solutions (SPSS).....................................12
BAB III PEMBAHASAN......................................................................................14
3.1. Data..........................................................................................................14
3.2. Diagram Alir............................................................................................15
3.3. Implementasi Perhitungan.......................................................................16
BAB IV PENUTUP...............................................................................................26
4.1. Kesimpulan..............................................................................................26
4.2. Saran........................................................................................................26

vii
DAFTAR PUSTAKA............................................................................................27

DAFTAR TABEL

Tabel 1. Karakteristik Intensitas Curah Hujan (mm)............................................9

Tabel 2. Rata-rata nilai ETp (mm hari -1)...........................................................10
Tabel 3. Caturwulan curah hujan provinsi Jawa Barat 2017 sampai 2021(mm).16
Tabel 4. Caturwulan Hasil panen provinsi Jawa Barat 2017 sampai 2021(ton)..16
Tabel 5. Hasil Uji Normalitas data curah hujan dan hasil panen........................17
Tabel 6. Data curah hujan dan hasil panen untuk uji korelasi.............................18
Tabel 7. Hasil Uji Korelasi data curah hujan dan hasil panen.............................19
Tabel 8. Nilai statistik deskriptif.........................................................................19
Tabel 9. Nilai curah hujan 2017 yang disesuaikan..............................................20
Tabel 10. Hasil perhitungan nilai cap dasarian,dalam satuan mm........................22
Tabel 11. Nilai rata-rata pertahun..........................................................................23
Tabel 12. Nilai Trigger..........................................................................................23
Tabel 13. Hasil uji normalitas nilai trigger............................................................24
Tabel 14. Perhitungan nilai premi.........................................................................24

viii
 DAFTAR GAMBAR

Gambar 1. Grafik curah hujan provinsi Jawa Barat 2017 sampai 2021...............14
Gambar 2. Grafik hasil panen padi provinsi Jawa Barat 2017 sampai 2021........14
Gambar 3. Diagram Alir.......................................................................................15

ix
 DAFTAR LAMPIRAN

Lampiran 1.............................................................................................................28
Lampiran 2.............................................................................................................31
Lampiran 3.............................................................................................................32
Lampiran 4.............................................................................................................33
Lampiran 5.............................................................................................................38

x
 BAB I

PENDAHULUAN

Lampiran 1. Latar Belakang

Indonesia merupakan negara agraris yang sektor pertanian memegang peranan
penting bagi perekonomian nasional. Sektor pertanian mencakup tanaman bahan
pangan, perternakan, perkebunan,perikanan dan kehutanan. Sektor pertanian
berperan penting sebagai sumber pendapatan, memenuhi kebutuhan pangan,
sebagai investasi negara dan juga sebagai pembuka lapangan pekerjaan bagi
masyarakat. Sektor pertanian juga dapat berkontribusi terhadap pembangunan di
daerah, seperti salah satunya di Provinsi Jawa Barat. Pembangunan di provinsi
Jawa Barat tercantum pada peraturan daerah No.9 Tahun 2008 yang menyatakan
tentang Rencana Pembangunan Jangka Panjang Daerah (RPJPD) provinsi Jawa
Barat tahun 2005-2025. Sektor pertanian menjadi salah satu dari tujuh unggulan
sebagai penciri pembangunan Jawa Barat pada tahun 2025 (Widianingsih, 2015).

Usaha sektor pertanian tidak luput dari risiko yang dapat mengakibatkan
kerugian, maka dari itu diperlukan upaya perlindungan terhadap petani agar dapat
mengatasi kerugian tersebut. Pada sektor pertanian tanaman pangan memiliki
beberapa risiko yang dapat mengakibatkan kerugian dan juga penurunan hasil
produksi yang berdampak pada penurunan pendapatan bagi petani itu sendiri.
Risiko yang terjadi dapat diakibatkan oleh beberapa faktor salah satu hal yang
menjadi faktor adalah faktor alam seperti curah hujan.

Curah hujan merupakan salah satu faktor alam yang dapat mengganggu
keadaan pertanian. Keadaan curah hujan yang tidak stabil dapat mempengaruhi
hasil panen dari tanaman pangan yang dihasilkan. Keadaan yang seperti itu dapat
menimbulkan dampak besar terhadap produksi pertanian. Terutama pada tanaman
padi curah hujan yang tinggi dapat mengakibatkan biji padi cepat membusuk dan
juga batang padi menyerap terlalu banyak air sehingga batang padi tidak mampu
menopang bobot tanaman dan mengakibatkan tanaman padi cepat roboh.

1
 2

Upaya yang dapat dilakukan oleh negara adalah dengan memperkenalkan

asuransi pertanian kepada petani. Asuransi pertanian merupakan salah satu
alternatif yang dapat digunakan untuk membantu melindungi petani dalam
menanggulangi risiko penyebab dari kerugian yang dapat terjadi pada usaha
pertaniannya. Perubahan iklim di sebabkan oleh variabilitas alami maupun
aktivitas manusia subsektor pertanian yang terkena dampak lebih besar akibat
perubahan iklim ini adalah sektor tanaman pangan, karena tanaman pangan ini
cenderung hanya semusim (Qosim, 2018). Pemerintah Republik Indonesia
mengadakan program asuransi pertanian untuk melindungi para petani dan juga
alternatif pendanaan untuk pembagian risiko yang terjadi. PT Asuransi Jasa
Indonesia (Jasindo) diberi wewenang oleh pemerintah untuk mengelola program
asuransi tersebut. Besar Premi yang di tanggung oleh para petani di tetapkan oleh
PT Jasindo sebesar Rp. 180.000,-/hektar (ha) untuk setiap musim tanam dengan
plafon penjaminan kerugian akibat gagal panen adalah sebesar Rp.6.000.000,-
/ha/musim tanam. Pemerintah juga memberi subsidi kepada petanisebesar 80% ya
itu sebesar Rp.144.000,-/ha/musim tanam. (Sari, 2020)

Dalam perhitungan asuransi terdapat beberapa metode dan indeks perhitungan

yang beragam, metode burn analysis merupakan salah satu metode yang
digunakan untuk penelitian apabila hanya tersedia salah satu data iklim. Pada
metode burn analysis akan terdapat beberapa keuntungan dengan diasumsikannya
data yang akan digunakan berdasarkan dengan data historis lengkap pada
periodenya untuk menganalaisis resiko.

Terdapat lima stasiun badan meteologi krimatologi dan geofisika (BMKG) di

provinsi jawa barat yang sudah diamati dan didapatkan data curah hujan yang
tinggi dengan intensitas perharinya tergolong dalam kategori hujan lebat sampai
sangat lebat. Hal ini dapat mengakibatkan resiko yang dapat mengancam hasil
panen padi di provinsi jawa barat. Dalam hal-hal yang sudah dikemukakan
tersebut maka penelitian yang akan dilakukan yaitu perhitungan nilai premi
asuransi berbasis indeks menggunakan metode burn analysis dengan indeks
perhitungan yang digunakan adalah indeks curah hujan, studi kasus pada provinsi
Jawa Barat.
 3

Lampiran 2. Identifikasi Masalah

Berdasarkan uraian latar belakang, maka rumusan masalah yang muncul yaitu
bagaimana menentukan nilai premi asuransi pertanian tanaman padi berdasarkan
indeks curah hujan menggunakan metode Burn Analysis di provinsi Jawa Barat?

Lampiran 3. Tujuan Penulisan

Berdasarkan masalah yang ada, maka tujuan dari penulisan ini adalah untuk
menentukan nilai premi asuransi pertanian tanaman padi berdasarkan indeks curah
hujan menggunakan metode Burn Analysis di provinsi Jawa Barat.

Lampiran 4. Sistematika Penulisan

Agar penulisan tugas akhir tugas akhir ini tersusun secara sistematis maka
penulis memberikan sistematika penulisan sebagai berikut.

Bab I : Pendahuluan

Bab ini akan di bahas secara keseluruhan penulisan skripsi yang terdiri dari
latar belakang masalah yang akan dibahas, identifikasi masalah yang membahas
tentang masalah apa yang akan dimunculkan, tujuan penelitian yang membahas
tujuan yang ingin di capai oleh penulis dari melakukan penelitian, dan sistematka
penulisan yang membahas tentang apa yang akan dibahas pada masing-masing
bab.

Bab II : Tinjauan Pustaka

Bab ini membahas tentang teori-teori yang berhubungan dengan penulisan

skripsi sesuai dengan konsep.

Bab III : Pembahasan

Bab ini berisi tentang analisis terhadap data yang didapatkan dan pembahasan
menyeluruh atas penelitian yang dilakukan.

Bab IV: Penutup

Bab ini berisi kesimpulan yang merupakan pernyataan singkat dan akurat yang
disajikan dari hasil pembahasan yang menjawab permasalahan dan tujuan
 4

penelitian yang telah disusun. Dan saran yang disampaikan untuk kepentingan
pengembangan riset selanjutnya serta perbaikan terhadap hal-hal yang ditemukan
sehubung dengan hasil penelitian yang ditujukan kepada pihakpihak terkait.
 BAB II

TINJAUAN PUSTAKA

Lampiran 5. Konsep Pertanians

Menurut Undang-Undang No 16 Tentang Sistem Penyuluhan Pertanian,
Perikanan, Dan Kehutanan (SP3K), menyatakan bahwa Pertanian adalah seluruh
kegiatan yang meliputi usaha hulu, usaha tani, agroindustri, pemasaran, dan jasa
penunjang, pengelolaan sumber daya alam hayati dalam agroekosistem yang
sesuai dan berkelanjutan, dengan bantuan teknologi, modal, tenaga kerja, dan
manajemen untuk mendapatkan manfaat sebesar-besarnya bagi kesejahteraan
masyarakat.

Menurut Mosher pertanian adalah suatu bentuk produksi yang khas yang
didasarkan pada proses pertumbuhan tanaman dan hewan. Petani mengelola dan
merangsang pertumbuhan tanaman dalam suatu usaha tani, dimana kegiatan
produksi merupakan bisnis, sehingga pengeluaran dan pendapatan sangat penting
artinya (Dumasari, 2020).

Menurut Van Aarsten pertanian adalah digunakan kegiatan manusia untuk

memperoleh hasil yang berasal dari tumbuh-tumbuhan dan hewan yang pada
mulanya dicapai dengan jalan sengaja menyempurnakan segala kemungkinan
yang telah diberikan oleh alam guna mengembangkan tumbuhan dan hewan
tersebut (Dumasari, 2020).

Sektor pertanian merupakan sektor yang strategis dan berperan penting dalam
perekonomian nasional dan kelangsungan hidup masyarakat, terutama dalam
sumbangan terhadap, penyedia lapangan kerja dan penyediaan pangan dalam
negeri. Pertanian adalah kegiatan pemanfaatan sumber daya hayati yang dilakukan
manusia mengahasilkan bahan pangan, bahan baku industri, atau sumber energi,
serta untuk mengelola lingkungan hidup. Oleh karenanya sektor pertanian adalah
sektor yang paling dasar dalam perekonomian yang merupakan penopang
kehidupan produksi sektor-sektor lainnya seperti subsektor perikanan, subsektor
perkebunan, subsektor perternakan.

5
 6

Padi merupakan tanaman yang termasuk kedalam genus Oryza sativa L yang
meliputi kurang lebih 25 spesies yang tersebar di daerah tropis dan daerah
subtropis seperti Asia, Afrika, Amerika dan Australia (NST, 2018). Tanaman padi
merupakan tanaman semusim yang berupa rumput berumpun, tanaman padi
mempunyai umur yang pendek kurang dari satu tahun dan hanya satu kali
produksi setelah itu maka akan mati . Padi meruakan penghasil makanan pokok
bagi sebagian besar penduduk di dunia termasuk di Indonesia yang menjadikan
padi sebagai makanan pokok nasional. Hal ini menjadikan tanaman padi di
indonesia mempunyai nilai budaya, ekonomi, dan juga nilai politik karena dapat
mempengaruhi kebutuhan hidup seseorang. Padi sendiri memenuhi 56%-80%
kebutuhan kalori penduduk Indonesia (Syahroni, 2016).

Lampiran 6. Konsep Asuransi Pertanian

Menurut Undang-Undang No. 2 Tahun 1992 tentang usaha perasuransian pasal
1 ayat 1, pengertian asuransi ya itu: “Asuransi atau pertanggungan yaitu perjanjian
antara 2 pihak atau lebih, yang mana pihak penangggung mengikatkan diri kepada
pihak tertanggung, dengan menerima premi asuransi untuk memberikan
penggantian kepada pihak tertanggung karena kerugian, kerusakan atau
kehilangan keuntungan yang diharapkan, atau tanggung jawab hukum pihak
ketiga yang mungkin akan diderita pihak tertanggung yang timbul dari suatu
peristiwa yang tidak pasti atau untuk memerikan suatu pembayaran yang
didasarkan atas meninggalnya atau hidupnya seseorang yang dipertanggungkan”

Asuransi menurut Kitab Undang-undang Hukum Dagang (KUHD) pasal 246

adalah Asuransi atau pertanggungan adalah suatu perjanjian, yang mana seorang
penanggung mengikatkan diri pada tertanggung dengan menerima suatu premi
untuk memberi penggantian kepadanya karena suatu kerugian, kerusakan atau
kehilangan keuntungan yag diharapkan yang mungkin dideritanya karena suatu
peristiwa yang tak tentu.

Asuransi menurut Molengraaff merupakan persetujuan dengan mana satu pihak

penanggung mengikatkan diri terhadap yang lain, tertanggung untuk menggangti
kerugian yang dapat diderita oleh tertanggung karena terjadinya suatu peristiwa
 7

yang telah ditunjuk dan yang belum tentu serta kebetulan, dengan manapula
tertanggung berjanji untuk membayar premi.

Asuransi atau dalam bahasa Belanda “verzekering” memliki arti

pertanggungan. Dalam bahasa hukum dan ekonomi, asuransi dapat diartikan
sebagai bentuk dari pengelolaan risiko yang digunakan untuk menghindar dari
berbagai risiko kerugian, kerusakan maupun kehilangan. Asuransi juga dapat
diartikan sebagai bentuk transfer dari risiko kehilangan suatu etnitas ke etnitas
yang lain melalui sistem pembayaran penanggulangan risiko (Fahmi, 2016).

Dasar dan unsur asuransi yaitu mengelakkan suatu resiko dengan

menyerahkannya atau membebankanya kepada orang lain. Adapun unsur-unsur
asuransi yaitu:

a. Pihak tertanggung, yang berjanji untuk membayar uang premi kepada pihak
penanggung, sekaligus atau secara berangsur-angsur.
b. Pihak Penanggung, merupakan pihak yang berjanji akan membayar sejumlah
uang kepada pihak tertanggung apabila terjadi sesuatu yang mengandung unsur
tak tentu.
c. Suatu peristiwa yang tak tentu atau tidak diketahui sebelumnya.
d. Kepentingan yang mungkin akan mengalami kerugian karena peristiwa yang
tak tentu (Fahmi, 2016).

Asuransi pertanian adalah mekanisme finansial yang akan membantu

mengelola kerugian pertanian akibat bencana alam atau iklim yang tidak
mendukung diluar kemampuan petani untuk mengendalikanya. Manajemen risiko
dibidang pertanian adalah masalah yang sangat penting dalam investasi dan
keputusan finansial petani. Program asuransi sangat bergantung pada rasio cost /
benefit bagi petani, pengusaha pertanian dan penyedia jasa asuransi dan yang
tidak kalah pentingnya adalah asuransi yang diberikan didasarkan pada
pertimbangan apakah biaya asuransi tersebut cukup efektif dalam menanggung
sebuah risiko. Asuransi yang mengancam hasil-hasil pertanian disawah adalah
untuk menggantikan kerugian petani mengenai hal-hal yang menyangkut
pertanian atau untuk melindungi petani dari kegagalan panen.
 8

Peraturan Menteri Pertanian No 40/Permentan/SR.230/7/2015 tentang asuransi

pertanian melalui Keputusan Menteri Pertanian Republik Indonesia No
02/Kpts/SR.220/B/01/2016, Asuransi Usaha Tani Padi (AUTP) adalah perjanjian
antara petani dan pihak perusahaan asuransi untuk mengikatkan diri dalam
pertanggungan risiko usaha tani padi. Pelaksanaan asuransi pertanian sesuai
amanah Undang-Undang No 19 Tahun 2013 pasal 37 yang berbunyi “Pemerintah
Pusat dan Pemerintah Daerah (Pemda) sesuai dengan kewenangannya
berkewajiban melindungi usahatani yang dilakukan oleh petani dalam bentuk
asuransi pertanian”.

Secara umum tujuan asuransi untuk sektor pertanian adalah untuk memberikan
proteksi atau penggantian terhadap risiko gagal panen akibat serangan hama,
penyakit, ataupun bencana alam. Asuransi pertanian ini diharapkan dapat
memberikan keuntungan bagi para pihak baik itu petani itu sendiri baik
menyangkut tingkat produksi bahkan sampai pada perbaikan situasi ekonomi
maupun perusahaan penyedia jasa asuransi. Maka dari itu di anjurkan kepada
petani untuk mengikuti program asuransi pada lahan pertanian yang dimiliki.

Lampiran 7. Asuransi Berbasis Indeks

Asuransi pertanian tradisional merupakan asuransi pertanian berbasis
kerusakan, hasil panen maupun kombinasi keduanya. Asuransi pertanian modern
yaitu asuransi pertanian berbasis indeks seperti indeks hasil panen, indeks iklim
atau indeks pembacaan satelit. Asuransi indeks iklim merupakan salah satu jenis
asuransi pertanian modern yang memiliki sistem pemberian pembayaran apabila
terpenuhi kondisi indeks iklim tanpa memedulikan terjadi gagal panen atau tidak
(Qosim, 2018). Asuransi tersebut dapat menjadi salah satu langkah adaptasi dan
mitigasi yang dilakukan oleh petani dalam menghadapi iklim ekstrem serta dapat
mempercepat penerimaan teknologi dan informasi bagi petani mengenai iklim
dalam pembuatan keputusan. Pengembangan asuransi indeks iklim telah
dilakukan di beberapa wilayah dengan menggunakan berbagai metode.

Asuransi berbasis indeks merupakan salah satu bagian dari asuransi parametrik,
dimana yang di asuransikan bukanlah tanaman tetapi yang di asuransikan
merupakan indeks iklim. Yang dalam penelitian ini indeks yang digunakan adalah
 9

indeks curah hujan. Nantinya indeks curah hujan ini akan mempengaruhi jumlah
premi yang akan di bayarkan oleh petani. Dalam penilaian kontrak menentukan
biaya premi harus secara fair.

Lampiran 8. Indeks Curah Hujan

Hujan merupakan sebuah proses kondensasi uap air di atmosfer menjadi butir
air yang cukup berat untuk jatuh dan tiba di permukaan. Hujan terjadi akibat
pendinginan suhu udara atau penambahan uap air ke udara. Curah hujan
merupakan jumlah air yang jatuh di permukaan tanah dasar selama periode
tertentu yang diukur dengan satuan tinggi milimeter di atas permukaan air laut.
Curah hujan juga dapat di artikan sebagai ketnggian air hujan yang terkumpul
dalam tempat yang datar, tidak menguap, tidak meresap, dan tidak mengalir.
Curah hujan sebesar 1 (satu) milimeter memiliki arti dalam luasan satu meter
persegi pada tempat yang datar tertampung air setinggi satu milimeter (Nani,
2021).
Lampiran 9. Karakteristik Intensitas Curah Hujan (mm)
Kriteria Hujan Intesitas per Jam Intesitas per Hari
Sangat Ringan <0.1 <5.0
Ringan 0.1-5.0 5.0-20
Sedang/Normal 5.1-10 20.1-50
Lebat 10.1-20 50.1-100
Sangat Leabat >20 >100

Curah hujan yang berlebihan dapat berakibat buruk pada tanaman padi,
meskipun tanaman padi membutuhkan kebutuhan air yang cukup banyak tapi
pada tanaman yang sudah berbulir dan menua curah hujan yang lebat dan
berangsur cukup sering dapat mengakibatkan tanaman padi atau bulir padi tumbuh
subur. Tanaman padi yang tumbuh subur ini dapat mengakibatkan tanaman rentan
mengalami rebah. Hal tersebut dapat terjadi akibat pertumbuhan tanaman yang
semakin subur membuat batang padi tidak mampu menopang padi. Terlebih pada
saat musim hujan bulir padi dapat cepat berisi dan menguning, sehingga batang
padi yang sudah menua tidak kuat menopang tanaman akibat dari tiupan angin
dan hujan.
 10

Lampiran 10. Metode Burn Analysis

Metode burn analysis merupakan salah satu metode yang digunakan untuk
penelitian apabila hanya tersedia salah satu data iklim. Pada metode burn analysis
akan terdapat beberapa keuntungan dengan diasumsikannya data yang akan
digunakan berdasarkan dengan data historis lengkap pada periodenya untuk
menganalaisis resiko (Anggraeni, 2018).

Tahapan-tahapan ilmiah metode burn analysis dalam meganalisis data yang

sudah di dapat untuk penelitian, sebagai berikut (Nani, 2021) :
1. Uji normalitas data, uji yang di gunakan untuk mengetahui populasi data
apakah bersifat normal atau tidak. Dan di gunakan lah uji shapiro-wilk
dengan taraf signifikasi α = 5%. Akan di katakan ata itu bersifat lognormal
apabila nilai p-value ≥ α dan menerima keputusan H0.
Distibusi normal merupakan distribusi probabilitas peubah acak yang
algoritmanya mengasumsikan nilai positif yang tersebar secara normal.
2. Index window, menentukan indeks yang akan diasuransikan dengan cara
menghitung nilai koefisien korelasi yang paling kuat untuk hubungan antar
variabel yang di cari. Digunakan koefisien korelasi Pearson Product Moment.
3. Proses statistik deskriptif yang merupakan proses analisis untuk proses
manajemen,penyajian data, dan juga untuk klarifikasi data yang digunakan.
Variabel statistik pada peneltian kali ini adalah curah hujan.
4. Nilai cap atau batasan nilai yang akan di tentukan, tujuannya adalah untuk
mencari rata-rata yang dapat mewakili data sesuai periode yang telah di
tentukan. Nilai cap akan mepresantasikan jumlah maksimum dari curah hujan
yang dihitung setiap sepuluh hari (darian) yang nilainya dapat di tentukan
menggunakan evapotranspirasi potensi harian berikut. Penentuan nilai cap
berhubungan dengan nilai evapotranspirasi potensial harian.
Lampiran 11. Rata-rata nilai ETp (mm hari -1)
Rata-Rata Suhu harian
Wilayah Dingin Sedang Hangat
(10 c) (20 c) (>30 c)
Tropik dan Subtropik
Lembab dan Sub Lembab 2-3 3-5 5-7
Kering dan Semi Kering 2-4 4-6 6-8
Temperate
 11

Lembab dan Sub lembab 1-2 2-4 4-7

Kering dan Semi Kering 1-3 4-7 6-9

Dimana nilai cap untuk 10 harian adalah :

Cap = rata-rata curah hujan X 10 Hari
Nilai yang di dapat bisa digunakan sebagai pembanding bagi nilai curah hujan
dasaraian yang di cari dengan persamaan (4) :
n=10
Dasarian1 = ∑ Cap i
i=1

n=20
Dasarian2 = ∑ Cap i
i=11

n=30
Dasarian3 = ∑ Cap i
i=21

Penjumlahan untuk bulan dengan jumlah hari 28/29 hari dan 31 hari, maka
dasarian3 akan dihitung dari hari ke-21 sampai dengan hari terakhir bulan
tersebut. Dengan asumsi sebagai berikut:
 Jika jumlah curah hujan dasarian kurang dari nilai cap, maka nilai yang
disesuaikan menggunakan nilai jumlah curah hujan dasarian tersebut.
 Jika jumlah curah hujan dasarian lebih besar dari nilai cap, maka nilai yang
disesuaikan sama dengan nilai cap
Selanjutnya dari nilai cap yang didapat dicari nilai rata-rata total untuk setiap
tahun. Nilai ratarata total untuk setiap tahun dapat dicari menggunakan persamaan
berikut:

∑ Rt
Rt = t=1
n
Dengan
n merupakan jumlah periode dasarian
Rt adalah nilai cap.
 12

5. Nilai Trigger, Nilai yang di tentukan dari nilai presentil variabel yang telah di
simulasikan. Penrhitungan presentil sendiri dengan membagi 100 bagian sama
besar.
6. Penghitungan Nilai premi asuransi berbasis indeks dapat dihitung dengan
persamaan berikut:

Premi=P ×e−r × T × N (−d 2)

Dengan

d 2=
ln ( )(
S0
K
+ r −0.5−
2)
σ2
T −t

σ √ T −t

Dengan :

P = Nilai pertanggungan

S0 = harga data curah hujan menjadi variabel acak dan terkadang konstan
K = harga kesepakatan opsi
r = suku bunga tahunan bebas risiko
𝜎 = standar deviasi pengembalian saham
t = waktu dalam beberapa tahun
𝜎̂ = standar deviasi distribusi normal data curah hujan terpilih
T = Periode waktu

Lampiran 12. Nilai Pertanggungan

Nilai pertanggungan adalah nilai yang dibayar sekaligus dari kontrak asuransi
pertanian. Nilai pertanggungan menjadi nilai yang diasuransikan jika terjadi gagal
panen atau risiko yang terjadi terhadap hasil produksi padi. Nilai pertanggungan
asuransi pertanian ditentukan berdasarkan pada biaya variabel dan biaya tetap
produksi padi. Untuk biaya variabel meliputi biaya benih padi, pupuk (pupuk
organik dan pupuk NPK), sedangkan biaya tetap produksi padi meliputi biaya
tenaga kerja, alat-alat pertanian dan operasional lainnya. Dalam penilitian ini nilai
pertanggungan diasumsikan menggunakan jumlah nilai yang di terapkan oleh
Kementerian Pertanian yaitu sebesar Rp 6.000.000,00/hektar.
 13

Lampiran 13. Statistical Produk and Service Solutions (SPSS)

Statistical Produk and Service Solutions (SPSS) merupakan sebuah program
data statistik yang berfungsi untuk membantu dalam pengambilan keputusan.

Fitur SPSS terdiri dari 3 bagian penting, diantaranya :

1. Data View, adalah sebuah halaman untuk menginput data-data penelitian

yang diperoleh selaa proses pengumpulan data
2. Variabel View, adalah sebuah halaman untuk mengedit nama variabel, tipe
data, pengaturan desimal, label, skala pengukuran, dan hal lainnya
3. Output, adalah halaman hasil pengolahan data untuk kemudian
diiterpretasikan di dalam bagian analisis data penelitian.
 BAB III

PEMBAHASAN

Lampiran 14. Data

Data yang digunakan pada penelitian ini antara lain adalah data curah hujan
dasarian provinsi Jawa Barat yang di peroleh dari BMKG wilayah Jawa Barat dan
data produksi hasil panen padi di provinsi Jawa Barat yang diperoleh dari Badan
Pusat Statistik Jawa Barat dan Dinas pertanian provinsi jawa barat periode Januari
2017 sampai dengan Desember 2021 yang disajikan kedalam plot curah hujan
harian, plot curah hujan triwulan, dan plot produksi rata-rata triwulan padi yang
ada pada gambar berikut :

Lampiran 15. Grafik curah hujan provinsi Jawa Barat 2017 sampai 2021

Lampiran 16. Grafik hasil panen padi provinsi Jawa Barat 2017 sampai 2021

14
 15

Pada Gambar 1 dan Gambar 2 terlihat bahwa adanya fluktuasi pada produksi
padi dan curah hujan secara tidak beraturan di setiap tahunnya. Fluktuasi data
curah hujan yang tidak beraturan (berintensitas rendah maupun tinggi) tentu akan
mempengaruhi hasil produksi padi. Oleh karena itu perlu adanya langkah dalam
mengatasi hal tersebut. Adanya keterkaitan curah hujan terhadap produksi padi
akan menunjukkan seberapa kuat pengaruh yang terjadi jika adanya hujan.
Hubungan antara curah hujan dengan rata-rata produksi padi inilah yang akan
menjadi jaminan bagi perusahaan asuransi dalam mengatasi risiko fluktuasi yang
terjadi

Lampiran 17. Diagram Alir

Lampiran 18. Diagram Alir

 16

Lampiran 19. Implementasi Perhitungan

Asumsi-Asumsi :

1. Data curah hujan yang digunakan merupakan data curah hujan provinsi
jawa barat yang di peroleh dari 5 stasiun Badan Meteologi Krimatologi
dan Geofisika (BMKG) di Provinsi Jawa Barat
2. Perhitungan uji normalitas, uji korelasi dan juga perhitungan nilai
statistika pada penelitian ini dihitung menggunakan bantuan software
SPSS.
3. Suku bunga tahunan bebas resiko yang digunakan adalah 6% seperti yang
biasa digunakan pada asuransi berbasis indeks
4. Periode T yang digunakan pada perhitungan pebelitian ini adalah 5 tahun
dengan kurun waktu Januari 2017 sampai Desember 2021
5. Penjumlahan untuk bulan dengan jumlah hari 28/29 hari dan 31 hari, maka
dasarian3 akan dihitung dari hari ke-21 sampai dengan hari terakhir bulan
tersebut. Dengan asumsi Jika jumlah curah hujan dasarian kurang dari
nilai cap, maka nilai yang disesuaikan menggunakan nilai jumlah curah
hujan dasarian tersebut. Jika jumlah curah hujan dasarian lebih besar dari
nilai cap, maka nilai yang disesuaikan sama dengan nilai cap
Langkah dalam implementasi adalah sebagai berikut:

1. Uji Normalitas Data

Uji normalitas dilakukan untuk mengetahui apakah data yang akan di gunakan
berdistribusi normal. Data dapat dikatakan berdistribusi normal apabila nilai p-
value > 0.05. Data yang digunakan seperti berikut :

Lampiran 20. Caturwulan curah hujan provinsi Jawa Barat 2017 sampai
2021(mm)
No Periode 2017 2018 2019 2020 2021
1. Caturwulan 1 5722,7 6575,3 6633,2 7605,9 7060,7
2. Caturwulan 2 1654,1 878,4 1730,7 2338,1 2937,3
3. Caturwulan 3 4353,2 3843,5 4460,5 5066,9 5630,5

Lampiran 21. Caturwulan Hasil panen provinsi Jawa Barat 2017 sampai
2021(ton)
No Periode 2017 2018 2019 2020 2021
31684
1. Caturwulan 1 3.051.743 2594311,13 2287475,28 2823708,08
38
 17

49678
2. Caturwulan 2 4.976.345 3496860 3890611,14 3996832
54
39546
3. Caturwulan 3 3821548 2993786,09 2838686,16 2293033
59

Uji normaltas data dilakukan dengan menggunakan bantuan Softwrare SPSS,

dikarenakan data sample yang dimiliki kurang dari 50 data sample maka uji
normalitas dilakukan dengan melihat uji shapiro-wilk. Dengan Hipotesis yang
diuji adalah sebagai berkut :

H 0 :data berdistribusi normal .

H a :data tidak berdistribusi normal .

Dengan tingkat signifikansi menggunakan α =5 % atau 0,05

Kriteria Uji :

H 0 diterima apabila Nilai Sig .> α

H 0 ditolak apabila Nilai Sig .<α

Di dapatkan hasil normalitas seperti berikut :

Lampiran 22. Hasil Uji Normalitas data curah hujan dan hasil panen
Shapiro-wilk
Statistic Df Sig.
Curah Hujan 0,951 15 0,547
Hasil Panen 0.,928 15 0,254

Pada tabel Test of Normality jika dilihat dari baris Unstandardized residual
pada kolom Shapiro wilk nilai signifikansi pada curah hujan 0,547 dan pada hasil
panen 0,254 bahwa H 0 diterima karena nilai signifikansi lebih besar dari α =0,05 ,
menunjukan bahwa data yang akan kita uji terdistribusi normal dan tidak terdapat
penyimpangan yang signifikan antar data.

2. Uji Index Window

Pada indeks window tahap yang dilakukan adalah menentukan korelasi antar
data curah hujan dan juga data hasil panen padi. Dengan data sebagai berikut :
 18

Lampiran 23. Data curah hujan dan hasil panen untuk uji korelasi
No Nama Curah Hujan Hasil Panen
Caturwulan 1 (Januari-April)
1 Cat1 2017 5722,7 mm 3051743
2 Cat1 2018 6575,3 mm 3168438
3 Cat1 2019 6633,2 mm 2594311,13
4 Cat1 2020 7605,9 mm 2287475,28
5 Cat1 2021 7060,7 mm 2823708,08
Caturwulan 2 (Mei-Agustus)
1 Cat2 2017 1654,1 mm 4976345
2 Cat2 2018 878,4 mm 4967854
3 Cat2 2019 1730,7 mm 3496860
4 Cat2 2020 2338,1 mm 3890611,14
5 Cat2 2021 2937,3 mm 3996832
Caturwulan 3 (September-Desember)
1 Cat3 2017 4353,2 mm 3821548
2 Cat3 2018 3843,5 mm 3954659
3 Cat3 2019 4460,5 mm 2993786,09
4 Cat3 2020 5066,9 mm 2838686,16
5 Cat3 2021 5630,5 mm 2293033

Dilakukan uji korelasi dengan uji hipotesis sebagai berikut

H 0 :datamemenuhi syarat kolinearitas .

H a :datatidak memenuhi syarat kolinearitas .

Dengan tingkat signifikansi menggunakan α =0.8

Kriteria Uji :

H 0 diterima apabila Nilai Sig .< α

H 0 ditolak apabila Nilai Sig .>α

Menggunakan SPSS untuk menguji korelasi data tersebut dihasilkan tabel korelasi
sebagai berikut :
 19

Lampiran 24. Hasil Uji Korelasi data curah hujan dan hasil panen

Caturwulan 1 Caturwulan 2 Caturwulan 3

Korelasi 0,744 0,579 0,929

Sign 0,149 0,306 0,022

Berdasarkan tabel terlihat bahwa data yang dimiliki memiliki korelasi yang
signifikan dengan nilai signifikansi H0 diterima karena nilai signifikasinya kurang
dari 0.8. Berdasarkan Tabel terlihat bahwa periode September-Desember
mempunyai koefisien korelasi terkuat dibandingkan periode yang lain, yaitu
0,929. Dengan kata lain 0,929 adalah nilai index window.

Berdasarkan nilai index window yang telah terpilih, maka dalam penelitian ini
nilai statistik deskriptif menggunakan periode September-Desember selama Lima
tahun dengan menghitung rata-rata harian data yang disajikan pada Tabel berikut :

Lampiran 25. Nilai statistik deskriptif

Statistik Deskriptif
Mean 4670.92
Varian 47,6860
Standar deviasi 690,55
Skewness 0,427
Kurtois 0,561

Pada Tabel tersebut diperoleh nilai skewness sebesar 0,427 yang artinya kurva
mengalami kemencengan ke kanan (positif). Untuk nilai kurtosis 0,561 < 3
menunjukan bahwa data curah hujan periode terpilih tidak memiliki ekor gemuk
(fat fail) dengan kata lain data curah hujan memiliki distribusi platikurtik (lebih
rata).

3. Penentuan Nilai Cap

Indonesia termasuk dalam kategori wilayah tropik lembab dengan rata-rata

suhu harian mencapai 20ᴼC, sehingga rata-rata nilai Etp yang tercatat Berdasarkan
tabel 2 Rata-rata nilai ETp (mm hari -1) berkisar antara 3-5 mm hari-1. Namun,
hampir setiap wilayah di Indonesia menggunakan nilai Etp acuan sebesar 5 mm
 20

hari-1. Dalam penghitungan cap untuk asuransi indeks iklim ini, menggunakan
nilai Etp acuan 5 mm hari-1. Maka nilai cap yang dihasilkan oleh persamaan 1
adalah :

Rt =Rata−Rata nilai ETP × 10 Hari

Rt =5 ×10
Rt =50 mm

Nilai cap akan mepresantasikan jumlah maksimum dari curah hujan yang dihitung
setiap harinya.

Berdasarkan nilai index yang sudah ditentukan maka yang akan dijadikan data
sample untuk perhitungan yang digunakan adalah bulan september 2017 sampai
dengan desember 2021.

Dikarenakan nilai cap yang digunakan 50mm maka nilai curah hujan pada
bulan september 2017 sampai dengan Desember 2021 setiap angka curah hujan
yang lebih besar dari 50mm maka akan diganti menjadi 50mm sesuai dengan nilai
cap dasarian seperti tabel berikut :

Lampiran 26. Nilai curah hujan 2017 yang disesuaikan

No. September Oktober November Desember
1 1,1 mm 46,6 mm 11,3 mm 50 mm
2 0 mm 15,7 mm 0 mm 11,7 mm
3 0 mm 50 mm 0 mm 0 mm
4 0 mm 50 mm 0,4 mm 0 mm
5 0 mm 4,9 mm 50 mm 50 mm
6 1,9 mm 0,8 mm 47,1 mm 0 mm
7 0 mm 0 mm 50 mm 7,1 mm
8 0 mm 50 mm 30,5 mm 50 mm
9 0,8 mm 1,1 mm 50 mm 50 mm
10 28,5 mm 67 mm 50 mm 31,3 mm
11 1 mm 7,7 mm 50 mm 36,1 mm
12 0 mm 50 mm 50 mm 50 mm
13 19,1 mm 9,4 mm 24,1 mm 50 mm
14 0 mm 39,4 mm 50 mm 7,9 mm
15 0 mm 17,5 mm 50 mm 6,2 mm
16 0 mm 0,7 mm 3.6 mm 50 mm
17 0 mm 18,2 mm 50 mm 43,7 mm
 21

18 0 mm 0 mm 50 mm 32,3 mm
19 0 mm 38,3 mm 50 mm 50 mm
20 0,3 mm 50 mm 45,6 mm 58 mm
21 6,8 mm 50 mm 0 mm 49,7 mm
22 0 mm 20,7 mm 50 mm 0 mm
23 0 mm 46,2 mm 50 mm 6,9 mm
24 63 mm 50 mm 10,8 mm 17,3 mm
25 50 mm 50 mm 43 mm 0 mm
26 3,5 mm 23,1 mm 0 mm 0 mm
27 29,4 mm 40,7 mm 50 mm 0 mm
28 50 mm 50 mm 50 mm 0,2 mm
29 1,8 mm 28,1 mm 9,2 mm 0 mm
30 50 mm 28,2 mm 28,6 mm 10,8 mm
31 16,1 mm 50
Sumber : BMKG, bulan september 2017

Berdasarkan nilai curah hujan bulan September 2017 – Desember 2021 yang
sudah disesuaikan maka dapat dilakukan perhitungan nilai cap dasarian. Untuk
perhitungan cap dasarian pada bulan September 2017 sebagai berikut :

 Dasarian 1 ( hari ke-1 sampai hari ke-10)

n=10
Dasarian1 = ∑ Cap i
i=1

Dasarian1 =32,3

 Dasarian 2 (hari ke-11 sampai dengan hari ke-20

n=20
Dasarian2 = ∑ Capi
i=11

Dasarian2 =20,4

 Dasarian 3 (hari ke-21 sampai dengan hari ke-30

n=30
Dasarian3 = ∑ Cap i
i=21

Dasarian3 =254,5

Setelah dilakukan perhitungan cap dasarian sesuai dengan persamaan maka di

dapatkan hasil seperti yang ada pada tabel berikut :
 22

Lampiran 27. Hasil perhitungan nilai cap dasarian,dalam satuan mm

No. Bulan 2017 2018 2019 2020 2021
Cap Dasarian 1
1 September 32,3 116,9 92,3 63,8 134,3
2 Oktober 286,1 13,1 112,9 239,1 158,5
3 November 289,3 352,5 165,4 172,5 410,2
4 Desember 250,1 378,9 292,1 335,5 388,4
Cap Dasarian 2
5 September 20,4 3,5 64,8 68,4 255,1
6 Oktober 231,2 139,9 252,2 215,5 249,4
7 November 423,3 246,1 189,6 226,5 392,4
8 Desember 384,2 358,9 414,4 232,9 345,5
Cap Dasarian 3
9 September 254,5 159 141,8 68,8 233,7
10 Oktober 403,1 389,6 325,4 484 496,3
11 November 291,6 380,4 370,5 367,9 353,4
12 Desember 134,9 218,3 405,5 458,5 427,8
Jumlah 3001 2757,1 2826,9 2933,4 3845

Curah hujan dasarian pada periode yang terpilih akan digunakan untuk mencari
nilai curah hujan yang disesuaikan, dengan menentukan nilai rata-rata total curah
hujan setiap tahun selama periode terpilih dengan menggunakan persamaan

∑ Rt
t=1
Rt =
n
3001
Rt =
122
Rt =24,59

Lalu hasil nilai rata-rata pertahun yang sudah disesuaikan kemudian disusun
secara berurutan berdasarkan jumlah indeks terkecil sampai dengan terbesar yang
disajikan pada tabel

Lampiran 28. Nilai rata-rata pertahun

No. Tahun Jumlah

 23

1 2018 22,59 mm
2 2019 23,17 mm
3 2020 24,53 mm
4 2017 24,59 mm
5 2021 31,51 mm

Pada tabel terlihat bahwa indeks curah hujan yang digunakan sebagai
penentuan nilai premi asuransi yang harus dibayarkan oleh para petani adalah
31.51 mm.

4. Penentuan Nilai Trigger

Nilai trigger akan dicari berdasarkan persentil dari simulasi data rata-rata total
curah hujan harian salama 5 tahun. Hasil perhitungan untuk nilai trigger disajikan
pada Tabel

Lampiran 29. Nilai Trigger

No. persentil Trigger

1 5 22,706 mm
2 10 22,822 mm
3 15 22,938 mm
4 20 23,054 mm
5 25 23,17 mm

Setelah diketahui nilai trigger maka dilakukan uji normalitas data untuk
mengetahui populasi data berdistribusi normal atu tidak. Uji normaltas data
dilakukan dengan menggunakan bantuan Softwrare SPSS, dikarenakan data
sample yang dimiliki kurang dari 50 data sample maka uji normalitas dilakukan
dengan melihat uji shapiro-wilk. Dengan Hipotesis yang diuji adalah sebagai
berkut :

H 0 :data berdistribusi normal .

H a :data tidak berdistribusi normal .

Dengan tingkat signifikansi menggunakan α =5 % atau 0,05

 24

Kriteria Uji :

H 0 diterima apabila Nilai Sig .> α

H 0 ditolak apabila Nilai Sig .<α

Di dapatkan hasil normalitas seperti berikut :

Lampiran 30. Hasil uji normalitas nilai trigger

Shapiro-wilk
Statistic df Sig.
Nilai Trigger 0,987 5 0,967

Berdasarkan Tabel 10 terlihat bahwa nilai p-value = 0,967 dan lebih besar dari
pada 𝛼. Maka 𝐻0 diterima atau dengan kata lain data simulasi rata-rata curah
hujan harian selama lima tahun berdistribusi normal. Dengan demikian data dapat
digunakan sebagai indeks yang akan mewakili keseluruhan data dalam
menentukan nilai premi asuransi.

5. Perhitungan Nilai Premi Asuransi

Dari penjelasan sebelumnya diketahui bahwa nilai pertanggungan diasumsikan

sebesar Rp 6.000.000,00/hektar, indeks curah hujan (𝑆0) adalah 31.51 mm dan
nilai trigger yang berbeda-beda untuk setiap persentilnya. Pada penelitian ini
diasumsikan suku bunga bebas risiko konstan (r) sebesar 6% dan nilai standar
deviasi adalah 0.18341. Nilai premi asuransi pertanian akan dihitung
menggunakan Persamaan 1 yang disajikan pada Tabel 14s

Lampiran 31. Perhitungan nilai premi

No persenti Nilai
Trigger(K) Premi
. l Pertanggungan

1 5 22,706mm 6.000.000 215.594

2 10 22,822 mm 6.000.000 221.117
3 15 22,938 mm 6.000.000 226.612
4 20 23,054 mm 6.000.000 232.079
5 25 23,17 mm 6.000.000 237.519
 25

Berdasarkan Tabel 14 dapat dilihat bahwa adanya perbedaan nilai premi dari
setiap nilai trigger yang digunakan. Semakin tinggi nilai persentil, maka semakin
mahal premi yang harus dibayarkan oleh para petani. Untuk persentil ke-5 dengan
nilai trigger 22,706 mm maka premi yang harus dibayar sebesar Rp 215.594,00.
Untuk persentil ke-10 dengan nilai trigger 22,822 mm maka premi yang harus
dibayar sebesar Rp 221.117,00. Untuk persentil ke-15 dengan nilai trigger 22,938
mm maka premi yang harus dibayar sebesar Rp 226.612,00. Untuk persentil ke-20
dengan nilai trigger 23,054 mm maka premi yang harus dibayar sebesar Rp
232.079,00, dan untuk persentil ke-25 dengan nilai trigger 23,17 mm maka premi
yangharus dibayar sebesar Rp 237.519,00.
 BAB IV

PENUTUP

Lampiran 32. Kesimpulan

Berdasarkan hasil penelitian dan pembahasan yang telah dilakukan, dapat
disimpulkan bahwa penggunaan metode burn analysis dihasilkan beberapa pilihan
nilai premi Untuk persentil ke-5 dengan nilai trigger 22,706 mm maka premi yang
harus dibayar sebesar Rp 215.594,00. Untuk persentil ke-10 dengan nilai trigger
22,822 mm maka premi yang harus dibayar sebesar Rp 221.117,00. Untuk
persentil ke-15 dengan nilai trigger 22,938 mm maka premi yang harus dibayar
sebesar Rp 226.612,00. Untuk persentil ke-20 dengan nilai trigger 23,054 mm
maka premi yang harus dibayar sebesar Rp 232.079,00, dan untuk persentil ke-25
dengan nilai trigger 23,17 mm maka premi yangharus dibayar sebesar Rp
237.519,00.

Lampiran 33. Saran

Setelah melakukan penelitian ini, beberapa saran yang diberikan agar
penelitian yang lebih baik adalah sebagai berikut:

1. Dapat menggunakan sampel data dengan periode yang lebih lama.

2. Menggunakan perbandingan dengan metode yang lain untuk menentukan
nilai premi agar diketahui mana yang lebih efektif.
3. Dapat menggunakan perbandingan dengan menambahkan indeks suhu
lainnya.

26
 DAFTAR PUSTAKA

Allen, G. R. (1998). Guidellines for Computing Crop Water Requirements.

Irrigation and Drainage. FaQ Irrigation and Drainage no.56, 326.

Anggraeni, A. D. (2018). Penentuan Nilai Premi Asuransi Pertanian Berbais

Indeks Suhu Permukaan Menggunakan Metode Burn Analysis. E-Jurnal
Matematika Vol.7 , 322-329.

Dumasari. (2020). Pembangunan Pertanian : Mendahulukan yang tertinggal.

Yogyakarta: Pustaka pelajar.

Fahmi, I. (2016). Manajemen Risiko- Teori, Kasus dan Solusi. Bandung: Alfabeta.

Nani, F. M. (2021). Penentuan Nilai Premi Asuransi Pertanian Berbasis Indeks

Curah Hujan Dengan Metode Burn analysis. Buletin Ilmiah Math.Stat. dan
Terapannya (Bimaster), 25-32.

NST, M. A. (2018). KARAKTERISASI MORFOLOGI PADA TANAMAN PADI

BERAS MERAH (Oryza sativa L.) DI KABUPATEN DELI SERDANG
PROVINSI SUMATERA UTARA. MEDAN: UNIVERSITAS SUMATRA
UTARA.

Qosim, S. (2018). Penentuan Harga Premi Asuransi Pertanian Berbasis Indeks

Curah Hujan Dengan Menggunakan Metode Pembangkit Distribusi
Eksponensial Campuran. E-Jurnal Matematika Vol 7, 141-147.

Sari, Y. W. (2020). PENDEKATAN OPSI CASH-OR-NOTHING UP AND IN

BARRIER UNTUK PENENTUAN NILAI PREMI ASURANSI
PERTANIAN. Indonesian Journal of Statistics and Its Applications, 557-
565.

Syahroni. (2016). Analisis Peranan Sektor Pertanian Dalam Perekonomian

Kabupaten Sarolangun. e-Jurnal Perspektif Ekonomi dan Pembangunan
Daerah. Prodi Ekonomi Pembangunan Fak. Ekonomi dan Bisnis
Universitas Jambi, 1.

27
 28

Lampiran 34.
Data Curah Hujan Provinsi Jawa Barat Stasiun 1 sampai dengan stasiun 5 pada
bulan Januari 2017 sampai Desember 2021

1. Stasiun 1

N
Bulan/Tahun 2017 2018 2019 2020 2021
o
1 Januari 68.3 190.8 231.4 207.6 148.6
2 Februari 196.3 239.3 269.3 336.6 153.9
3 Maret 396.5 292 223.3 290.8 309
4 April 210.8 297.5 298.9 271.4 177.2
5 Mei 222.3 123.9 243 292.3 238.9
6 Juni 68.4 33.4 26.5 30.3 92.4
7 Juli 7.9 0.3 13.4 63.7 33.2
8 Agustus 45.7 38.9 0.2 41.6 91.8
9 September 90.8 40.8 55 35.9 73
10 Oktober 345.3 124.8 84.2 327.3 218.4
11 November 442 483.2 270.9 207.3 454.3
12 Desember 129.9 322.9 315.5 261.8 198.5
2224.2 2187.8 2031.6 2366.6 2189.2

2. Stasiun 2

N
Bulan/Tahun 2017 2018 2019 2020 2021
o
1 Januari 261 333.1 408.3 421.3 384
2 Februari 288.5 179.3 427.9 537.1 687.1
3 Maret 283.7 332 210.8 511.8 187.4
4 April 200.8 290.8 463 328.2 358.2
5 Mei 225.9 108 167.4 383.6 115.3
6 Juni 130.8 152.4 61.9 80.8 136.8
7 Juli 8.2 6 35.4 63.1 66.3
8 Agustus 49.3 20.5 18.8 38 165.7
9 September 56 161.7 5.8 68.4 187.6
10 Oktober 279.8 130.4 180.2 276.6 311
11 November 214.7 382.1 143.8 165.7 343.8
12 Desember 320.7 195.7 320.9 319.9 446
2319.4 2292 2444.2 3194.5 3389.2

3. Stasiun 3
 29

N
Bulan/Tahun 2017 2018 2019 2020 2021
o
1 Januari 559.4 150.3 200.3 178.4 480.8
2 Februari 454.6 876.9 452.2 540.8 542.7
3 Maret 363.2 542.7 303.1 386.8 263.2
4 April 223.7 266.9 226.3 157.3 247.1
5 Mei 30.5 15.1 261.6 138.4 155
6 Juni 140.7 14.6 13.6 90.3 159.4
7 Juli 3 0 26.7 50.9 20.4
8 Agustus 49 0 12.3 28.3 16.5
9 September 27.8 8 87.6 76.3 113.5
10 Oktober 74.8 3 143.7 137.7 68
11 November 263.5 114.9 275.8 225.8 318.3
12 Desember 207 256.9 315 619 446.8
2397.2 2249.3 2318.2 2630 2831.7

4. Stasiun 4

N
Bulan/Tahun 2017 2018 2019 2020 2021
o
1 Januari 89.7 161.7 245.7 405.5 516.7
2 Februari 235.2 495.5 441 462.2 647.3
3 Maret 478.3 682.7 397.2 399.2 496.9
4 April 264.8 354.5 367.7 361.9 239.7
5 Mei 79.5 96.7 225.6 192.8 224.3
6 Juni 52 32.2 49.7 41.3 71
7 Juli 25.5 0 0 62.6 67.8
8 Agustus 20 0 14.5 20 55.6
9 September 33.7 1 64.9 41.4 64.7
10 Oktober 307.1 7.5 193.8 237.4 184.7
11 November 485.6 150.9 203.3 468.5 521.4
12 Desember 299.5 201.2 383.7 496.7 241.7
2370.9 2183.9 2587.1 3189.5 3331.8

5. Stasiun 5

N
Bulan/Tahun 2017 2018 2019 2020 2021
o
1 Januari 87.3 188.5 288 399.8 201.8
2 Februari 526.5 319.3 277.2 525.4 484.8
3 Maret 270.2 135.7 230.8 405.3 233
 30

4 April 263.9 245.8 670.8 478.5 301.3

5 Mei 248.4 114.6 312.1 298.5 479.1
6 Juni 108.4 14.9 24.9 146.2 281
7 Juli 41.9 33.2 52.8 186.3 115.6
8 Agustus 96.7 73.7 170.3 89.1 351.2
9 September 117.4 172.5 151.6 178.3 317.4
10 Oktober 302.1 397.5 381.9 583.7 566.4
11 November 206.8 386.7 330.1 189.5 275.9
12 Desember 148.7 302.1 552.8 149.7 279.1
2418.3 2384.5 3443.3 3630.3 3886.6
 31

Lampiran 35.
Data Caturwulan 1 sampai dengan data Caturwulan 3 Curah Hujan Provinsi Jawa
Barat

Caturwulan 1

N
Periode 2017 2018 2019 2020 2021
o
1 stasiun 1 871.9 1019.6 1022.9 1106.4 788.7
2 Stasiun 2 1034 1135.2 1510 1798.4 1616.7
3 Stasiun 3 1600.9 1836.8 1181.9 1263.3 1533.8
4 Stasiun 4 1068 1694.4 1451.6 1628.8 1900.6
5 Stasiun 5 1147.9 889.3 1466.8 1809 1220.9
5722.7 6575.3 6633.2 7605.9 7060.7

Caturwulan 2

N
Periode 2017 2018 2019 2020 2021
o
1 stasiun 1 344.3 196.5 283.1 427.9 456.3
2 Stasiun 2 414.2 286.9 283.5 565.5 484.1
3 Stasiun 3 223.2 29.7 314.2 307.9 351.3
4 Stasiun 4 177 128.9 289.8 316.7 418.7
5 Stasiun 5 495.4 236.4 560.1 720.1 1226.9
1654.1 878.4 1730.7 2338.1 2937.3

Caturwulan 3

N
Periode 2017 2018 2019 2020 2021
o
1 stasiun 1 1008 971.7 725.6 832.3 944.2
2 Stasiun 2 871.2 869.9 650.7 830.6 1288.4
3 Stasiun 3 573.1 382.8 822.1 1058.8 946.6
4 Stasiun 4 1125.9 360.6 845.7 1244 1012.5
5 Stasiun 5 775 1258.5 1416.4 1101.2 1438.8
4353.2 3843.5 4460.5 5066.9 5630.5
Lampiran 36.
Data Hasil Panen Padi Provinsi Jawa Barat Januari 2017 sampai Desember 2021

No Periode 2017 2018 2019 2020 2021

Caturwula
1 3051743 3168438 2594311.13 2287475.28 2823708.08
n1
Caturwula
2 4976345 4967854 3496860 3890611.14 3996832
n2
Caturwula
3 3821548 3954659 2993786.09 2838686.16 2293033
n3
Jumlah 11849636 12090951 9084957.22 9016772.58 9113573.08

32
Lampiran 37.
Data curah hujan bulan september 2017 sampai dengan Desember 2021 yang
dijadikan data sample

 Tahun 2017

No. September Oktober November Desember

1 1.1 46.6 11.3 78
2 0 15.7 0 11.7
3 0 84.7 0 0
4 0 85.8 0.4 0
5 0 4.9 62.1 59
6 1.9 0.8 47.1 0
7 0 0 83.9 7.1
8 0 134.7 30.5 103.6
9 0.8 1.1 95 52.3
10 28.5 67 167.4 31.3
11 1 7.7 94.9 36.1
12 0 73.8 87.7 60.2
13 19.1 9.4 24.1 85.1
14 0 39.4 103.9 7.9
15 0 17.5 105.2 6.2
16 0 0.7 3.6 65.3
17 0 18.2 194.6 43.7
18 0 0 119.1 32.3
19 0 38.3 52.2 73
20 0.3 60.1 45.6 58
21 6.8 63.3 0 49.7
22 0 20.7 68.6 0
23 0 46.2 84.7 6.9
24 63 105.8 10.8 17.3
25 53.4 75.4 43 0
26 3.5 23.1 0 0
27 29.4 40.7 54.7 0
28 84.8 83.3 119 0.2
29 1.8 28.1 9.2 0
30 70.3 28.2 28.6 10.8
31 16.1 107.3

 Tahun 2018

Septembe
No. Oktober November Desember
r

33
 34

1 4.6 2 29 16.1
2 11.7 0 57 38.2
3 86.3 0 6.4 37
4 0 10.4 51.3 101
5 0 0.7 28.5 96.6
6 0 0 36.9 41.7
7 0.1 0 22.8 38.1
8 118.3 0 172.2 27.2
9 0.5 0 67.6 42.8
10 0 0 28.9 37.8
11 0 7.4 79.8 23.8
12 0 0 94 20.3
13 3.1 30.6 17.7 121.6
14 0 7.2 47.5 69.8
15 0 1.4 0.3 119.2
16 0 15.5 17.3 84.2
17 0 2 0 5.5
18 0 2.5 35.2 51.6
19 0 31.7 0 68.1
20 0.4 41.6 28.1 9.3
21 21.2 58.7 51.3 0
22 3.9 0 148.5 31
23 20.4 70.7 48.3 7.6
24 61.2 11 6.5 22.2
25 0 70 46 19.2
26 0 45 23.2 60.6
27 6.7 20 117.7 25.1
28 45.6 22.9 92.1 36
29 0 125.3 6.4 25
30 0 20.7 157.3 2.1
31 65.6 0.1

 Tahun 2019

No. September Oktober November Desember

1 0 0 2.5 20.4
2 0 0 61 53.2
3 0 10.2 15.6 1.6
4 0 0 45.1 13.5
5 81.6 6.6 3.2 63.2
6 2.1 0 10.8 94.4
7 1 0 19.2 73.1
 35

8 0 2.1 2.2 11.7

9 7.6 168.7 5.6 7.6
10 0 44 0.2 37.3
11 0 233 15.2 0
12 0 0 55.8 99.5
13 12.5 79.3 0.1 30.7
14 0 8.4 70.4 103.4
15 0 0 0 188.5
16 0 117.5 37.3 47.1
17 0 0.6 0 66.7
18 0 21.7 21.8 116.8
19 72.5 44.1 0 50.8
20 2.3 27.4 15.2 36.6
21 15.3 64.2 174.5 38.1
22 3.9 15.4 12.1 45
23 18.4 49.3 23.1 112.3
24 0.6 3 12.6 84.5
25 0 0 29.1 16
26 0 32.8 54.1 39.8
27 10.4 82.2 92.6 138.7
28 0 27.4 51.8 135.6
29 43.2 84.8 43.6 16.6
30 129.5 35 96.1 0
31 12.5 175.9

 Tahun 2020

No. September Oktober November Desember

1 1 0 225.9 77.6
2 0 0.1 43.7 61.7
3 2.3 70.6 0.4 87.4
4 1.5 42.5 4.5 19.7
5 16.7 130.4 12.7 39.8
6 34.6 2.6 17.6 79.5
7 0 3 0 138.2
8 0 8.4 9.3 6.7
9 4 42.7 12.6 4.5
10 3.7 39.8 21.7 14.8
11 8.8 81.1 48.3 14.8
12 29.3 0 52.6 43.7
13 5.8 0 4.2 7.8
14 16.2 2.5 8.5 2.7
 36

15 0 5.8 32.4 35.4

16 0 3 10 50.4
17 0 75.7 2.4 21.9
18 0 22 61.4 32
19 8.3 50.4 0 24.5
20 0 32.2 20.7 0.1
21 0 176.1 19.9 22.5
22 0 97.1 92.2 45.8
23 0 86.4 47.5 143.1
24 0 72.2 26.5 68.2
25 0 170.4 37.1 181.5
26 0 99.5 128 27
27 6.7 78.3 9.9 33.5
28 249.3 42.8 27 159.1
29 11.1 34 185.8 291.4
30 1 7.2 124 29.7
31 55.9 82.1

 Tahun 2021

No. September Oktober November Desember

1 24.6 89.1 100.7 31.4
2 0 6 30.8 45.3
3 1.7 44.5 132.5 41.1
4 0 50.1 46.2 105.3
5 0 1.4 53.6 33.8
6 0 2.5 29.3 12.3
7 28 0 41.1 126.3
8 14 0 60.5 64.1
9 71.6 1.7 12.8 10.4
10 16 2.4 147.9 60.5
11 0 27.8 73.3 81.7
12 21.6 4.7 0.5 56.4
13 35.7 17.7 93.3 36.5
14 87.1 4.1 95.9 27.9
15 96.5 3.4 36.6 17.7
16 25.3 3 33.3 59.2
17 38.6 38.7 35 86.5
18 0 60.1 37 113.2
19 4.4 51.3 72.4 5.3
20 29.5 135.8 79.2 8.1
21 5 45.4 0.5 40
 37

22 77.9 48.5 36.5 101.7

23 0 32.8 16.4 50.8
24 25.3 55.6 83.9 74.5
25 0.3 45.9 0 93.6
26 18.4 35.5 74.1 125.9
27 46.9 38.2 60.9 1.3
28 42.9 145.4 135.4 82.7
29 1.2 102.5 139.6 125.3
30 43.7 67.9 87.7 17.8
 38

Lampiran 38.
Data curah hujan yang disesuaikan dengan nilai cap dasarian

 Tahun 2017

Novembe
No. September Oktober Desember
r
1 1.1 46.6 11.3 50
2 0 15.7 0 11.7
3 0 50 0 0
4 0 50 0.4 0
5 0 4.9 50 50
6 1.9 0.8 47.1 0
7 0 0 50 7.1
8 0 50 30.5 50
9 0.8 1.1 50 50
10 28.5 67 50 31.3
11 1 7.7 50 36.1
12 0 50 50 50
13 19.1 9.4 24.1 50
14 0 39.4 50 7.9
15 0 17.5 50 6.2
16 0 0.7 3.6 50
17 0 18.2 50 43.7
18 0 0 50 32.3
19 0 38.3 50 50
20 0.3 50 45.6 58
21 6.8 50 0 49.7
22 0 20.7 50 0
23 0 46.2 50 6.9
24 63 50 10.8 17.3
25 50 50 43 0
26 3.5 23.1 0 0
27 29.4 40.7 50 0
28 50 50 50 0.2
29 1.8 28.1 9.2 0
30 50 28.2 28.6 10.8
31 16.1 50

 Tahun 2018

Novembe
No. September Oktober Desember
r
 39

1 4.6 2 29 16.1
2 11.7 0 50 38.2
3 50 0 6.4 37
4 0 10.4 50 50
5 0 0.7 28.5 50
6 0 0 36.9 41.7
7 0.1 0 22.8 38.1
8 50 0 50 27.2
9 0.5 0 50 42.8
10 0 0 28.9 37.8
11 0 7.4 50 23.8
12 0 0 50 20.3
13 3.1 30.6 17.7 50
14 0 7.2 47.5 50
15 0 1.4 0.3 50
16 0 15.5 17.3 50
17 0 2 0 5.5
18 0 2.5 35.2 50
19 0 31.7 0 50
20 0.4 41.6 28.1 9.3
21 21.2 50 50 0
22 3.9 0 50 31
23 20.4 50 48.3 7.6
24 61.2 11 6.5 22.2
25 0 70 46 19.2
26 0 45 23.2 50
27 6.7 20 50 25.1
28 45.6 22.9 50 36
29 0 50 6.4 25
30 0 20.7 50 2.1
31 50 0.1

 Tahun 2019

Novembe
No. September Oktober Desember
r
1 0 0 2.5 20.4
2 0 0 61 50
3 0 10.2 15.6 1.6
4 0 0 45.1 13.5
5 81.6 6.6 3.2 50
6 2.1 0 10.8 50
7 1 0 19.2 50
 40

8 0 2.1 2.2 11.7

9 7.6 50 5.6 7.6
10 0 44 0.2 37.3
11 0 50 15.2 0
12 0 0 50 50
13 12.5 50 0.1 30.7
14 0 8.4 50 50
15 0 0 0 50
16 0 50 37.3 47.1
17 0 0.6 0 50
18 0 21.7 21.8 50
19 50 44.1 0 50
20 2.3 27.4 15.2 36.6
21 15.3 50 50 38.1
22 3.9 15.4 12.1 45
23 18.4 49.3 23.1 50
24 0.6 3 12.6 50
25 0 0 29.1 16
26 0 32.8 50 39.8
27 10.4 50 50 50
28 0 27.4 50 50
29 43.2 50 43.6 16.6
30 50 35 50 0
31 12.5 50

 Tahun 2020

Novembe
No. September Oktober Desember
r
1 1 0 50 50
2 0 0.1 43.7 50
3 2.3 50 0.4 50
4 1.5 42.5 4.5 19.7
5 16.7 50 12.7 39.8
6 34.6 2.6 17.6 50
7 0 3 0 50
8 0 8.4 9.3 6.7
9 4 42.7 12.6 4.5
10 3.7 39.8 21.7 14.8
11 8.8 50 48.3 14.8
12 29.3 0 50 43.7
13 5.8 0 4.2 7.8
14 16.2 2.5 8.5 2.7
 41

15 0 5.8 32.4 35.4

16 0 3 10 50
17 0 50 2.4 21.9
18 0 22 50 32
19 8.3 50 0 24.5
20 0 32.2 20.7 0.1
21 0 50 19.9 22.5
22 0 50 50 45.8
23 0 50 47.5 50
24 0 50 26.5 50
25 0 50 37.1 50
26 0 50 50 27
27 6.7 50 9.9 33.5
28 50 42.8 27 50
29 11.1 34 50 50
30 1 7.2 50 29.7
31 50 50

 Tahun 2021

Novembe
No. September Oktober Desember
r
1 24.6 50 50 31.4
2 0 6 30.8 45.3
3 1.7 44.5 50 41.1
4 0 50 46.2 50
5 0 1.4 50 33.8
6 0 2.5 29.3 12.3
7 28 0 41.1 50
8 14 0 50 64.1
9 50 1.7 12.8 10.4
10 16 2.4 50 50
11 0 27.8 50 50
12 21.6 4.7 0.5 50
13 35.7 17.7 50 36.5
14 50 4.1 50 27.9
15 50 3.4 36.6 17.7
16 25.3 3 33.3 50
17 38.6 38.7 35 50
18 0 50 37 50
19 4.4 50 50 5.3
20 29.5 50 50 8.1
21 5 45.4 0.5 40
 42

22 50 48.5 36.5 50
23 0 32.8 16.4 50
24 25.3 50 50 50
25 0.3 45.9 0 50
26 18.4 35.5 50 50
27 46.9 38.2 50 1.3
28 42.9 50 50 50
29 1.2 50 50 50
30 43.7 50 50 17.8
31 50 18.7