SKRIPSI
Oleh
Yuyun Andriani
C1G016251
FAKULTAS PERTANIAN
UNIVERSITAS MATARAM
2020
PERAMALAN PRODUKSI DAN KEBUTUHAN
KACANG TANAH DI PROVINSI NUSA TENGGARA
BARAT
Oleh
Yuyun Andriani
C1G016251
FAKULTAS PERTANIAN
UNIVERSITAS MATARAM
2020
HALAMAN PERNYATAAN
menyatakan bahwa skripsi ini adalah hasil karya saya yang belum pernah diajukan
untuk mendapatkan gelar atau diploma pada perguruan tinggi manapun, dan
bukan merupakan duplikasi sebagian atau seluruhnya dari karya orang lain yang
diterbitkan atau yang tidak diterbitkan, kecuali kutipan berupa data atau informasi
yang sumbernya dicantumkan dalam naskah dan daftar pustaka.
Yuyun Andriani
C1G016251
HALAMAN PENGESAHAN
telah berhasil dipertahankan di depan Dosen Penguji yang terdiri atas : Ir.
Amiruddin M.Si., Dr. Ir. Muhamad Siddik, MS. dan Prof. Dr. Ir. L Wirasepta
Karyadi, M.Si, pada tanggal 16 Juli 2020, dan diterima sebagai salah satu syarat
untuk memperoleh gelar Sarjana Pertanian pada Fakultas Pertanian Universitas
Mataram.
Menyetujui :
Dr. Ir. Muhamad Siddik, MS.___ Prof. Dr. Ir. L Wirasepta Karyadi, M.Si.
NIP. 19600801198603 1 003 NIP. 19600121198503 1 001
Mengetahui :
Tanggal Pengesahan :
KATA PENGANTAR
Puji syukur dipanjatkan kehadiran Allah SWT, Tuhan Yang Maha Esa
yang telah memberikan rahmat dan hidayahnya, sehingga skripsi yang berjudul
Peramalan Produksi dan Kebutuhan Kacang Tanah di Provinsi Nusa Tenggara
Barat ini dapat diselesaikan, sebagai salah satu syarat dalam penyelesaian tugas
akhir mahasiswa Agribisnis Fakultas Pertanian Universitas Mataram.
Pada kesempatan ini, penulis ingin menyampaikan rasa terimakasih dan
penghargaan kepada semua pihak yang membantu selama proses penyusunan
skripsi ini hingga selesai. Skripsi ini disusun atas dasar bimbingan dan arahan dari
dosen pembimbing. Oleh karena itu, penulis mengucapkan terimakasih kepada
bapak Dr. Ir. Muhamad Siddik, MS. selaku dosen pebimbing utama, dan kepada
bapak Prof. Dr. Ir. L Wirasepta Karyadi, M.Si. selaku dosen pembimbing kedua.
Selain itu ucapan terimakasih yang teristimewa untuk kedua orang tua saya, dan
sahabat-sahabat seperjuangan yang selalu memberikan motivasi dan semangat
dalam mejalankan kewajiban ini. Ucapan terimakasih yang begitu banyak tidak
dapat diungkapkan oleh penulis satu persatu, semoga budi baik yang diberikan
dibalas oleh Tuhan.
Penulis sadar bahwa dalam penyusunan skripsi ini masih jauh dari kata
sempurna. Oleh karena itu, saran dan kritik yang membangun akan sangat
membantu dalam menyempurnakan kekurangannya. Demikian yang dapat penulis
sampaikan, semoga dapat bermanfaat bagi semua pihak.
Yuyun Andriani
C1G016251
v
DAFTAR ISI
Halaman
HALAMAN JUDUL…………………………………………………... i
HALAMAN PERNYATAAN………………………………………… ii
HALAMAN PENGESAHAN…………………………………………. iii
KATA PENGANTAR…………………………………………………. iv
DAFTAR ISI…………………………………………………………... v
DAFTAR TABEL……………………………………………………... viii
DAFTAR GAMBAR………………………………………………..... x
DAFTAR LAMPIRAN………………………………………………... xi
RINGKASAN...……...………………………………………………... xiii
I. PENDAHULUAN…………………………………………………. 1
I.1. Latar Belakang………………………………………………... 1
I.2. Rumusan Masalah…………………………………………….. 5
I.3. Tujuan dan Manfaat Penelitian……………………………….. 6
I.4. Hipotesis Penelitian…………………………………………… 7
II. TINJAUAN PUSTAKA…………………………………………… 8
II.1. Dasar 8
Teori…………………………………………………….
II.1.1. Gambaran Umun Kacang Tanah………………………. 8
II.1.2. Produksi………………………………………………... 11
II.1.3. Kebutuhan……………………………………………... 13
II.1.4. Peramalan……………………………………………… 15
II.2. Penelitian Terdahulu 27
………………………………………….
II.3. Kerangka Pendekatan Masalah 29
……………………………….
II.4. Definisi 33
Operasional…………………………………………..
III. METODOLOGI PENELITIAN…………………………………… 34
vi
III.1. Metode 34
Penelitian……………………………………………...
III.2. Unit 34
Analisis…………………………………………………...
III.3. Jenis dan Sumber 34
Data………………………………………...
III.3.1. Jenis 34
Data………………………………………………
III.3.2. Sumber 35
Data……………………………………………
III.4. Teknik Pengumpulan Data 35
……………………………………
III.5. Variabel dan Cara 35
Pengukurannya…………………………….
III.6. Analisis 36
Data…………………………………………………..
III.6.1. Metode Deskriptif 36
Kuantitatif………………………….
III.6.2. Metode Time 36
Series……………………………………
III.6.3. Metode Cobb-Douglas…….. 41
………………………….
III.6.4. Uji 42
Statistik…………………………………………….
III.6.5. Uji Asumsi 43
Klasik……………………………………...
IV. HASIL DAN PEMBAHASAN…………………………………… 46
IV.1. Gambaran Umum Daerah 46
Penelitian…………………………..
IV.1.1. Geografi dan Topografi 46
vii
Wilayah………………………
IV.1.2. Keadaan Iklim dan 48
Cuaca……………………………...
IV.1.3. Jumlah dan Kepadatan 49
Penduduk……………………...
IV.1.4. Pertanian 50
Daerah……………………………………….
IV.2. Perkembangan Produksi dan Kebutuhan Kacang Tanah
di Nusa Tenggara
Barat…………………………………………. 52
IV.2.1. Perkembangan Produksi Kacang Tanah di Nusa
Tenggara Barat………………………………………… 52
IV.2.2. Perkembangan Kebutuhan Kacang Tanah di
Nusa Tenggara
Barat………………………………………… 55
IV.3. Peramalan Produksi dan Kebutuhan Kacang Tanah di
Nusa Tenggara
Barat………………………………………………… 56
IV.3.1. Menentukan Metode Peramalan
Terbaik……………… 57
IV.3.2. Hasil Peramalan Produksi Kacang Tanah di
Provinsi Nusa Tenggara Barat...
………………………………… 59
IV.3.3. Hasil Peramalan Kebutuhan Kacang Tanah di
Provinsi Nusa Tenggara Barat...
………………………………… 61
IV.4. Faktor-faktor yang Mempengaruhi Produksi Dan
Kebutuhan Kacang Tanah di Provinsi Nusa Tenggara
Barat……………... 63
viii
DAFTAR TABEL
Tabel Halaman
1.1. Luas Panen, Produksi dan Produktivitas Kacang Tanah NTB
Tahun 2001-2018……………………………………………. 2
1.2. Produksi dan Kebutuhan Kacang Tanah Tanah Tahun 2005-
2018…………………………………………………………. 4
1.3. Volume Ekspor dan Impor Kacang Tanah Indonesia Tahun
2013 – 2018………………………………………………….. 5
4.1. Luas Wilayah Tiap Kabupaten/Kota di Provinsi Nusa
Tenggara Barat………………………………………………. 47
4.2. Jumlah Penduduk, Kepadatan Penduduk dan Sex Ratio di
Provinsi NTB tahun 2018……………………………………. 50
4.3. Luas Panen dan Produksi Tanaman Pangan NTB tahun
2018………………………………………………………….. 51
4.4. Nilai MAD, MSE dan MAPE Metode Peramalan Produksi
dan Kebutuhan Kacang Tanah di Provinsi NTB…………….. 58
4.5. Hasil Peramalan Produksi Kacang Tanah di Provinsi Nusa
Tenggara Barat Tahun 2019 – 2024…………………………. 60
4.6. Peramalan Kebutuhan Kacang Tanah di Provinsi Nusa
Tenggara Barat Tahun 2019-2024…………………………… 62
4.7. Hasil Uji F Produksi Kacang Tanah di NTB………….…….. 65
4.8. Hasil Uji T Faktor Yang Mempengaruhi Produksi Kacang
Tanah di NTB………………………………….…………….. 66
4.9. Hasil Uji Koefisien Determinasi Produksi Kacang Tanah di
NTB………………………………………………………….. 68
4.10. Hasil Uji Normalitas Produksi Kacang Tanah di NTB...……. 69
4.11. Hasil Uji Multikolinieritas Produksi Kacang Tanah di
70
NTB…………………………………………………………..
4.12. Hasil Uji Multikolinieritas Koefisien
Korelasi……………………………………………………… 71
4.13. Hasil Uji Autokorelasi Produksi Kacang Tanah di
NTB………………………………………………………….. 71
x
DAFTAR GAMBAR
Gambar Halaman
2.1. Kerangka Pendekatan Masalah………………………… 32
4.1. Peta Provinsi Nusa Tenggara Barat……………………. 46
4.2. Perkembangan Produksi Kacang Tanah NTB tahun
2001-2018……………………………………………… 53
4.3. Perkembangan Kebutuhan Kacang Tanah NTB Tahun
2005-2018……………………………………………… 55
4.4. Perkembangan Hasil Peramalan Produksi Kacang
Tanah NTB Tahun 2019-2024…………………………. 61
4.5. Perkembangan Hasil Peramalan Kebutuhan Kacang
62
Tanah NTB Tahun 2019-2024………………………….
xii
DAFTAR LAMPIRAN
Lampiran Halaman
1. Perkembangan Jumlah Produksi dan Faktor-faktor yang
Mempengaruhi Produksi Kacang Tanah NTB Tahun 2001-
2018….………………………………………………………. 90
2. Perkembangan Jumlah Kebutuhan dan Faktor-faktor yang
Mempengaruhi Kebutuhan Kacang Tanah NTB Tahun 2005-
2018.…………………………………………………………. 91
3. Peramalan Produksi Kacang Tanah Metode Double Moving
Average (3 bulan)……………………………………………. 92
4. Peramalan Produksi Kacang Tanah Metode Double Moving
Average (4 bulan)……………………………………………. 93
5. Peramalan Kebutuhan Kacang Tanah Metode Double
Moving Average (3 bulan)…………………………………... 94
6. Peramalan Kebutuhan Kacang Tanah Metode Double
Moving Average (4 bulan)…………………………………... 95
7. Peramalan Produksi Kacang Tanah Metode Double
Exponential Smoothing (α = 0,5)……………………………. 96
8. Peramalan Produksi Kacang Tanah Metode Double
Exponential Smoothing (α = 0,1)……………………………. 97
9. Peramalan Kebutuhan Kacang Tanah Metode Double
Exponential Smoothing (α = 0,5)……………………………. 98
10. Peramalan Kebutuhan Kacang Tanah Metode Double
Exponential Smoothing (α = 0,1)……………………………. 99
11. Peramalan Produksi Kacang Tanah Metode Trend………….. 100
12. Peramalan Kebutuhan Kacang Tanah Metode Trend……….. 101
13. Peramalan Produksi Kacang Tanah Metode Regresi Linier
Sederhana……………………………………………………. 102
14. Peramalan Kebutuhan Kacang Tanah Metode Regresi Linier
Sederhana……………………………………………………. 103
15. Peramalan Produksi Kacang Tanah Metode
Autokorelasi…………………………………………………. 104
16. Peramalan Kebutuhan Kacang Tanah Metode
Autokorelasi…………………………………………………. 105
17. Hasil Logaritma Natural Data Produksi……………………... 106
xiii
RINGKASAN
Hasil peramalan kebutuhan kacang tanah di NTB selama tahun 2019-2024 juga
cenderung mengalami peningkatan, yaitu tahun 2019 sebesar 6.334,88 ton, tahun
2020 sebesar 6.386,21 ton, tahun 2021 sebesar 6.392,50 ton, tahun 2022 sebesar
6.393,27 ton, tahun 2023 sebesar 6.393,36 dan tahun 2024 sebesar 6.393,37 ton.
Setelah dilakukan uji statistik dan uji asumsi klasik, dan dengan
memperhatikan teori ekonomi yang ada, diperoleh faktor yang mempengaruhi
produksi kacang tanah di Provinsi Nusa Tenggara Barat secara signifikan adalah
luas panen kacang tanah. Sedangkan faktor yang mempengaruhi kebutuhan
kacang tanah di Provinsi Nusa Tenggara Barat secara signifikan adalah harga
kacang tanah dan harga kedelai. Kacang kedelai adalah barang substitusi kacang
tanah di Propinsi Nusa Tenggara Barat.
Kalimantan Selatan 1,81%; Banten 1,76%; Bali 1,62%; dan 11,59% adalah total
produksi provinsi lainnya (Kementrian Pertanian, 2016).
Nusa Tenggara Barat sebagai bagian dari 10 provinsi sentra produksi
kacang tanah Indonesia, terus memproduksi kacang tanah tiap tahunnya. Sehingga
dapat dilihat produktivitas kacang tanah NTB tiap tahunya. Untuk lebih jelasnya
luas panen, produksi dan produktivitas kacang tanah NTB tiap tahun dapat dilihat
pada Tabel 1.1.
Tabel 1.1. Luas Panen, Produksi dan Produktivitas Kacang Tanah NTB
Tahun 2001 – 2018
tanah paling sedikit adalah pada tahun 2018, yaitu sebesar 25.109 ton dengan luas
panen sebesar 19.057 ha. Produktivitas kacang tanah NTB pada tahun 2018 ini
adalah sebesar 1,32 ton/ha, artinya setiap usahatani kacang tanah dengan luas
panen 1 ha, akan menghasilkan produksi sebesar 1,32 ton kacang tanah.
Sedangkan untuk produktivitas tertinggi sendiri terjadi pada tahun 2015, yaitu
sebesar 1,52 ton/ha, artinya setiap usahatani kacang tanah dengan luas panen 1 ha,
akan menghasilkan produksi sebesar 1,54 ton kacang tanah. Di mana, produksi
pada tahun 2015 adalah sebesar 31.142 ton dengan luas panen sebesar 20.249 ha.
Untuk meningkatkan produksi kacang tanah NTB dapat dilakukan dengan
meningkatkan luas panen dan produktivitas melalui penggunaan benih unggul.
Kacang tanah NTB diproduksi untuk memenuhi kebutuhan NTB itu
sendiri dan kebutuhan nasional. Untuk kebutuhan dalam daerah digunakan
sebagai konsumsi pangan, serta digunakan kembali untuk benih dan untuk
kebutuhan bahan baku produk olahan. Kebutuhan kacang tanah NTB sejauh ini
masih dapat dipenuhi dari produksi dalam daerah. Bahkan produksi NTB
terhitung surplus, agar lebih jelasnya, dapat dilihat pada Tabel 1.2.
Tabel 1.2. Produksi dan Kebutuhan Kacang Tanah Tanahdi NTB Tahun
2005-2018
No. Tahun Volume Ekspor (ton) Volume Impor (ton) Selisih (ton)
1 2010 7.721 230.786 223.065
2 2011 7.684 253.103 245.419
3 2012 6.838 199.268 192.430
4 2013 6.414 283.838 277.424
5 2014 6.291 254.775 248.484
6 2015 8.975 198.512 189.537
7 2016 6.387 194.074 187.687
8 2017 5.786 292.173 286.387
9 2018 5.440 332.352 326.566
Sumber : Kementerian Pertanian, Statistik Makro 2018
Berdasarkan tabel tersebut, terlihat bahwa volume impor kacang tanah
lebih besar dibandingkan volume ekspornya (kacang tanah segar dan olahan).
Volume ekspor paling tinggi adalah pada tahun 2015 sebesar 8.975 ton dan
volume ekspor paling kecil terjadi pada tahun 2018 yaitu sebesar 5.440 ton.
Sedangkan volume impor kacang tanah paling besar adalah pada tahun 2018
sebesar 332.352 ton dan volume impor paling kecil adalah tahun 2016 sebesar
194.074 ton.
5
Divisi : Spermatophyta
Sub-divisi : Angiospermae
Class : Dicotyledoneae
Ordo : Rosales
Famili : Papilionaceae
Genus : Arachis
Species : Arachis hypogaea
Jenis-jenis kacang tanah dapat dibedakan menjadi 2 golongan besar, yaitu
menurut pertumbuhannya dan menurut umurnya. Menurut pertumbuhannya,
kacang tanah masih dibagi lagi ata kacang tanah tegak dan kacang tanah menjalar
(Mashudi, 2007).
a. Kacang Tanah Tegak
Kacang tanah jenis ini bercabang-cabang. Selain itu, jenis ini mempunyai
arah yang sedikit miring atau lurus ke atas. Buahnya terdapat pada ruas-ruas
dekat rumpunnya, karena itu proses penuaan terjadi bersamaan. Jenis ini
berumur relatif pendek, yaitu antara 100-120 hari, dan pemungutan hasilnya
mudah.
b. Kacang Tanah Menjalar
Cabang kacang tanah ini tumbuh ke samping, hanya bagian ujung
cabangnya yang mengarah ke atas. Batang utama dari kacang tanah yang
bertipe menjalar ini lebih panajang daripada batang utama kacang tanah tipe
tegak. Buahnya muncul pada ruas-ruas yang berdekatan dengan tanah, karena
itu proses penuaan tidak terjadi bersamaan. Jenis ini umurnya dapat mencapai
5-6 bulan.
Sedangkan menurut umurnya, kacang tanah dibagi menjadi kacang tanah
berumur pendek dan kacang tanah berumur panjang. Kacang tanah berumur
pendek dibagi atas 3 golongan, yaitu yang mempunyai kulit ari merah muda,
merah tua, dan merah jambu dengan umur sekitaran 3-4 bulan saja. Contoh
kacang tanah berumur pendek adalah jenis Gajah, jenis Macan, dan jenis Banteng.
Kacang tanah berumur panjang mempunyai ciri-ciri batangnya panjang, buahnya
10
banyak tapi tidak masak bersamaan, dan 1 buah terdapat 3-4 biji. Kacang ini
biasanya mencapai umur 6-7 bulan.
Kacang tanah dapat dikonsumsi dalam berbagai bentuk, anatara lain sebagi
bahan sayur, saus, dan digoreng atau direbus. Sebagai bahan industri dapat dibuat
keju, mentega, sabun, dan minyak. Daun kacang tanah dapat digunakan untuk
pakan ternak dan pupuk. Hasil sampingan dari pembuatan minyak, berupa
bungkil, dapat dijadikan oncom dengan bantuan fermentasi jamur. Sebagai bahan
pangan dan pakan ternak yang bergizi tinggi, kacang tanah mengandung lemak,
protein, karbohidrat, serta vitamin (A, B, C, D, E dan K). Di samping itu juga
mengandung bahan-bahan mineral antara lain Ca, Cl, Fe, Mg, P, K, dan S
(Suprapto, 2002).
Kacang tanah tumbuh dengan baik jika ditanam di lahan ringan yang
cukup mengandung unsur hara (Ca, N, P dan K). Kacang tanah menghendaki
lahan yang gembur agar perkembangan perakarannya berjalan baik, dan gnifora
mudah masuk ke dalam tanah untuk membentuk polong (Suhaeni, 2007).
Optimalisasi budidaya kacang tanah dapat dilakukan dengan memperhatikan dan
memenuhi kondisi serta persyaratan yang diperlukan oleh tanaman kacang tanah
tersebut. Untuk tumbuh dan berkembang, tanaman kacang tanah memerlukan
persyaratan tumbuh tertentu. Persyaratan ini meliputi faktor kondisi tanah, pada
tanah subur benih kacang ditanam dengan jarak 40 cm x 15 cm atau 30 cm x 20
cm. Pada tanah yang kurang subur, jarak tanam dapat diatur lebih rapat yaitu 40
cm x 10 cm atau 20 cm x 20 cm. Lubang tanam dibuat dengan cara ditugal
sedalam 3 cm. Tiap lubang diisi dengan 1 butir benih kacang kemudian ditutup
dengan tanah. Setelah penanaman, maka hal yang selanjutnya dilakukan adalah
pemeliharaan. Pemeliharaan kacang tanah meliputi : pengairan, pemupukan,
penyiangan, penggemburan dan panen. Kacang tanah yang siap panen yaitu
ditandai dengan daunnya mulai menguning dan rontok. Penentuan waktu panen
disesuaikan pula dengan jenis atau varietas yang ditanam. Polong yang sudah tua
memiliki kulit yang keras dengan biji yang bernas dan kulit biji yang tipis. Panen
kacang tanah umumnya dilakukan secara manual yaitu dengan mencabut tanaman
(Fachruddin, 2000).
11
2.1.2. Produksi
Produksi adalah suatu proses mengubah input menjadi output sehingga
nilai barang tersebut menjadi bertambah. Input (masukan) dapat terdiri atas barang
atau jasa yang digunakan dalam proses produksi, sedangkan outpput (keluaran)
adalah barang atau jasa yang dihasilkan dari suatu proses produksi (Abubakar,
2010).
Fungsi produksi merupakan hubungan kuantitatif antara masukan dan
produksi. Masukan seperti pupuk, tanah, tenaga kerja, modal, dan iklim yang
mempengaruhi besar kecilnya produksi yang diperoleh. Tidak semua masukan
yang dipakai untuk dianalisis, hal ini tergantung dari penting tidaknya pengaruh
masukan itu terhadap produksi. Jika bentuk fungsi produksi diketahui, maka
informasi harga dan biaya yang dikorbankan dapat dimanfaatkan untuk
menentukan kombinasi masukan yang terbaik. Namun biasanya petani sukar
melakukan kombinasi ini, menurut Soekartawi, 1990 karena:
1. Adanya ketidaktentuan mengenai cuaca, hama dan penyakit tanaman
2. Data yang dipakai untuk melakukan pendugaan fungsi produksi mungkin
tidak benar
3. Pendugaan fungsi produksi tidak hanya diartikan sebagai gambaran rata–rata
suatu pengamatan
4. Data harga dan biaya dikorbankan mungkin tidak dilakukan secara pasti
5. Setiap petani dan usahataninya mempunyai sifat yang khusus.
12
2. Kenaikan hasil yang tetap (Constant return to scale). Pada daerah ini Ep = 1,
yang berarti penambahan faktor produksi akan proporsional dengan
penambahan produksi yang diperoleh.
3. Kenaikan hasil yang berkurang (Decreasing return to scale). Pada daerah ini
Ep < 1, yang berarti proporsi penambahan faktor produksi melebihi proporsi
penambahan produksi. Untuk mengukur derajat kepekaan setiap peubah tidak
bebas pada suatu persamaan dari peubah penjelas, maka digunakan nilai
elastisitas. Apabila suatu persamaan :
Untuk mengukur derajat kepekaan setiap variabel tidak bebas pada suatu
persamaan dari variabel penjelas, maka digunakan nilai elastisitas. Apabila nilai
elastisitas antara satu dan tak hingga (1 < e < ∞ ) dikatakan elastis (responsif),
karena perubahan satu persen variabel bebas mengakibatkan perubahan terhadap
variabel tidak bebas lebih dari satu persen. Jika nilai elastisitas antara nol dan satu
(0 < e < 1) dikatakan inelastis (tidak responsif), karena perubahan satu persen
variabel bebas akan mengakibatkan perubahan terhadap variabel tidak bebas
kurang dari satu persen. Sedangkan jika nilai elastisitas sama dengan nol (E = 0)
artinya inelastis sempurna, dan jika sama dengan satu (E=1) disebut unitary
elastic.
2.1.3. Kebutuhan
Kebutuhan dasar manusia merupakan unsur-unsur yang dibutuhkan oleh
manusia dalam mempertahankan keseimbangan fisiologis maupun psikologis,
yang tentunya bertujuan untuk mempertahankan kehidupan dan kesehatan.
Kebutuhan dasar manusia menurut Abraham Maslow dalam Teori Hierarki
Kebutuhan menyatakan bahwa setiap manusia memiliki lima kebutuhan dasar,
yaitu kebutuhan fisiologis (makan, minum), keamanan, cinta, harga diri, dan
aktualisasi diri (Hidayat & Alimul, 2008). Kebutuhan dasar manusia dipengaruhi
oleh berbagai faktor berikut :
14
1. Penyakit
Adanya penyakit dalam tubuh dapat menyebabkan perubahan pemenuhan
kebutuhan, baik secara fisiologis maupun psikologis, karena beberapa fungsi
organ tubuh memerlukan pemenuhan kebutuhan lebih besar dari biasanya.
2. Hubungan Keluarga
Hubungan keluarga yang baik dapat meningkatkan pemenuhan kebutuhan
dasar karena adanya saling percaya dan tidak ada rasa curiga.
3. Konsep Diri
Konsep diri yang positif memberikan makna dan keutuhan bagi seseorang.
Konsep diri yang sehat menghasilkan perasaan positif terhadap diri. Orang yang
merasa positif terhadap dirinya akan mudah mengenali kebutuhan dan
mengembangkan cara hidup sehat, sehingga mudah memenuhi kebutuhan
dasarnya.
4. Tahap Perkembangan
Setiap tahap perkembangan hidup manusia tersebut, memiliki kebutuhan yang
berbeda, mengingat berbagai fungsi organ tubuh juga mengalami berbagai proses
kematangan dengan aktivitas yang berbeda.
mempengaruhi permintaan terhadap barang atau jasa itu. Permintaan suatu barang
atau jasa pada dasarnya dipengaruhi oleh beberapa faktor, antara lain sebagai
berikut (Gaspersz, 2011) :
a. Harga dari barang atau jasa itu
b. Pendapatan konsumen
c. Harga dari barang-barang atau jasa yang berkaitan (substitusi dan
komplementer)
d. Ekspektasi konsumen akan harga barang atau jasa, tingkat pendapatan, dan
ketersedian dari barang atau jasa di masa mendatang.
e. Selera konsumen
f. Banyaknya konsumen potensial
g. Faktor-faktor spesifik lain yang berkaitan dengan permintaan terhadap produk
X.
2.1.4. Peramalan
Peramalan merupakan suatu perkiraan tingkat permintaan yang diharapkan
untuk suatu produk atau beberapa produk dalam periode waktu tertentu di masa
yang akan datang. Oleh karena itu, peramalan pada dasarnya merupakan suatu
taksiran, tetapi dengan menggunakan cara-cara tertentu peramalan dapat lebih
daripada hanya satu taksiran. Dapat dikatakan bahwa peramalan adalah suatu
taksiran yang ilmiah meskipun akan terdapat sedikit kesalahan yang disebabkan
oleh adanya keterbatasan kemampuan manusia (Anwar & Puspa, 2015).
Perkiraan ramalan merupakan suatu pernyataan tentang nilai masa depan,
dari suatu variabel yang diminati, seperti permintaan. Prediksi atau perkiraaan
ramalanyang baik akan dapat menjadi lebih informatif untuk suatu keputusan
yang dibuat. Prakiraan ramalan adalah kegiatan memprediksi nilai masa depan,
dengan dasar pengetahuan atau nilai pada masa laluyang dipersiapkan. Prakiraan
ramalan mencakup penggunaan data historis, dengan memproyeksikannya untuk
masa depan yang menggunakan jenis model matematis (Assauri, 2016).
Sedangkan menurut Sugiarto & Harijono (2000), peramalan merupakan studi
16
terhadap data historis untuk menemukan hubungan, kecenderungan dan pola yang
sistematis.
Sugiarto & Harijono (2000) menjelaskan bahwa hasil peramalan mampu
memberikan gambaran masa depan bagi manajmen perusahaan untuk membuat
suatu perencanaan atau menciptakan peluang bisnis baru. Ketepatan hasil
peramalan bisnis akan meningkatkan peluang tercapainya investasi atau produksi
yang menguntungkan. Sehingga peramalan dapat memberikan arah bagi
perencanaan perusahaan, perencanaan produk dan pasar, perencanaan penjualan,
perencanaan produksi dan keuangan.
a. Langkah-langkah Peramalan
Dalam pelaksanaan peramalan, perlu dipahami bahwa terdapat tujuh langkah
yang penting dalam proses peramalan (Assauri, 2016). Ketujuh langkah tersebut
adalah :
1) Menentukan kegunaan dari peramalannya, dan kapan waktu yang
dibutuhkan, untuk bidang apa saja, dan berapa tingkat kerinciannya.
2) Menentukan item yang diramalakan, seperti tenaga kerja, mantenance dan
scheduling.
3) Menentukan horizon waktu ramalan, dan jarak wakunya.
4) Memilih teknik atau model ramalan. Model merupakan cara pengolahan dan
penyajian data agar lebih sederhana dan mudah untuk dianalisis. Model
adalah suatu kerangka analitik yang bila dimasukkan data input akan
menghasilkan data output berupa ramalan di masa yang akan datang (Baroto,
2002).
5) Mengumpulkan data yang dibutuhkan, untuk membuat ramalan.
6) Melakukan peramalan.
7) Memvalidasi dan mengimplementasikan hasil ramalan, serta memonitor atau
memantau pengimplementasian hasil ramalan tersebut.
b. Metode Peramalan
Situasi peramalan sangat beragam dalam hrizon waktu peramalan, factor yang
menentukan hasil sebenarnya, tipe pola data dan berbagai aspek lainnya. Untuk
17
2) Metode Kuantitatif
Selanjutnya adalah metode peramalan kuantitatif, yaitu peramalan yang
didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat
tergantung pada metode yang digunakan dalam peramalan tersebut. Peramalan
kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut
(Anwar & Puspa, 2015) :
1. Informasi tentang keadaan masa lalu.
2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data numerik.
3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus
berkelanjutan pada masa yang akan datang.
Kondisi yang terakhir ini dikenal sebagai asumsi berkesinambungan
(assumption of continuity); asumsi ini merupakan premis yang mendasari semua
metode peramlan kuantitatif dan banyak metode peramalan teknologis, terlepas
dari bagaimana canggihnya metode tersebut. Pada metode kuantitatif terdapat dua
jenis metode peramalan utama, yaitu : model deret berkala (time series) dan model
regresi (kausal). Pada jenis pertama, pendugaan masa depan dilakukan
berdasarkan nilai masa lalu dari suatu variabel dan/kesalahan masa lalu.
Sedangkan dipihak lain, metode kausal mengansumsikan bahwa factor yang
diramalkan menunjukkan suatu hubungan sebab-akibat dengan satu atau lebih
variabel bebas (Makridakis, 1993).
19
a) Metode Kausal
Model kausal, yaitu metode peramalan yang didasarkan atas penggunaan
analisa pola hubungan antara variabel lain yang mempengaruhinya, yang
bukan waktu yang disebut metode korelasi atau sebab akibat. Berbeda dengan
metode time series, yang mendasarkan prakiraan nilai suatu variabel pada
nilai-nilai masa lampau dari variabel itu sendiri, metode-metode kausalitas
mendasarkan prakiraan nilai suatu variabel pada nilai variabel-variabel lain
yang diyakini berhubungan sebab-akibat (Setiadi, 2003). Sehubungan dengan
itu, berikut ini akan dikemukakan berbagai alat analisis yang dicakup dalam
metode ini. Model kausal terdiri dari metode regresi dan korelasi, metode
ekonometrik, dan metode input dan output (Haming & Nurnajamuddin,
2014).
1. Analisis Regresi dan Korelasi
Analisis regresi merupakan metode yang dipakai untuk mengetahui
hubungan kausal atau saling mempengaruhi antara variabel independen
(X) dengan variabel dependen (Y). Metode yang paling umum dipakai
dalam analisis regresi ialah metode kesalahan kuadarat terkecil (least
square method). Sementara itu, korelasi merupakan metode yang dipakai
untuk menaksir keeratan dan sifat hubungan antara variabel dependen dan
independen sebuah persamaan regresi linier. Sifat hubungan yang
dimaksud mungkin saja negatif atau positif. Jika hubungan atau korelasi
antara variabel Xi dan Yi negatif, maka arah perubahan Xi dan Yi
berlawanan. Jika nilai Xi naik, nilai Yi menurun, begitu juga sebaliknya.
Jika hubungan atau korelasi antara variabel Xi dan Yi positif, arah
perubahan Xi dan Yi searah. Ini berarti jika nilai Xi naik, maka nilai Yi
juga akan naik. Akan tetapi jika nilai Xi turun, nilai Yi juga akan turun.
2. Metode Ekonomitrik
Model ekonomitrik adalah metode yang dipakai untuk menerangkan
perilaku gejala ekonomi berdasarkan data runtut waktu dengan beberapa
20
N
S ' t + S ' t −1+ S ' t−2 +…+ S ' t−N +1
S”t =
N
at = 2S’t – S”t
2
bt = (S’t – S”t)
N −1
Ft+m = at – bt.m
Di mana :
S’t = nilai peramalan dengan single moving average
S”t = nilai moving average kedua.
Ft+m = hasil peramalan dengan double moving average pada periode ke
depan.
m = periode ke depan yang diramalkan.
at = 2s’t –s”t
a
bt = (s’ – s”t)
1−a t
st+m = a + b.m
Di mana :
s’t = nilai peramalan dengan single Exponential Smoothing
s”t = nilai pemulusan eksponensial ganda
st+m = hasil peramalan periode ke depan.
m = periode ke depan yang diramalkan
a=
∑ y−b (∑ x)
n
5) Metode ARIMA
Metode peramalan yang biasa digunakan adalah Auto Regressive
Integrated Moving Avarege (ARIMA) atau Box-Jenkins. Metode-metode
Autoregresive Integrated Moving Average (ARIMA) telah dipelajari secara
mendalam oleh George Box dan Gwilym Jenkins (1976), dan nama mereka
sering disinonimkan dengan proses ARIMA yang diterapkan untuk analisis
deret berkala, peramalan dan pengendalian. Metode auto regressive (AR)
pertama kali diperkenalkan oleh Yule (1927), sedangkan metode moving
average (MA) pertama kali digunakan oleh Slutsky (1937). Akan tetapi Wold
(1938) menghasilkan dasar-dasar teoritis dari proses kombinasi ARMA.
Wold membentuk metode ARMA yang dikembangkan pada tiga arah
identifikasi efisien dan prosedur penaksiran (untuk proses AR, MA, dan
ARMA campuran), perluasan dari hasil tersebut untuk mencakup deret
berkala musiman dan pengembangan sederhana yang mencakup proses-
proses nonstasioner (ARIMA). Menurut Makridakis, Wheelwright, dan
McGee (2002) serta secara efektif telah berhasil mencapai kesepakatan
mengenai informasi relevan yang diperlukan untuk memahami dan memakai
metode ARIMA untuk deret berkala univariat (Hartati, 2017).
Model Autoregresif Integrated Moving Average (ARIMA) adalah model
yang secara penuh mengabaikan independen variabel dalam membuat
peramalan. ARIMA menggunakan nilai masa lalu dan sekarang dari variabel
dependen untuk menghasilkan peramalan jangka pendek yang akurat.
25
ARIMA cocok jika observasi dari deret waktu (time series) secara statistik
berhubungan satu sama lain (dependent).
MAD = ∑ | At −Ft
n |
Keterangan :
At = Permintaan aktual pada periode-t
Ft = Peramalan permintaan pada periode-t
n = Jumlah periode peramalan yang terlibat
2. Rata-rata Kuadrat Kesalahan (Mean Square Error/MSE)
MSE merupakan metode alternatif dalam suatu metode pengukuran kesalahan.
MSE dihitung dengan menjumlahkan semua kuadrat kesalahan peramalan pada
setiap periode dan membaginya dengan jumlah periode peramalan. Secara
matematis, MSE dapat dirumuskan sebagai berikut :
27
( At−Ft )2
MSE = ∑
n
Keterangan :
At = Permintaan aktual pada periode-t
Ft = Peramalan permintaan pada periode-t
n = Jumlah periode peramalan yang terlibat
3. Rata-rata Persentase Kesalahan Absolut (Mean Absolute Percentage
Error/MAPE)
Pengukuran ketelitian dengan cara rata-rata persentase kesalahan absolute
(MAPE/Mean Absolute Percentage Error) menunjukkan rata-rata kesalahan
absolute prakiraan dalam bentuk persentase data aktual (Herjanto, 2003). Secara
matematis, MAPE dapat dirumuskan sebagai berikut :
|e|
MAPE =
∑X x100
i
n
Keterangan :
Xi = Data aktual pada periode i
n = Jumlah periode data
e = Error (data aktual dikurangi ramalan)
menggunakan MAPE, MAD, dan MSD. Sehingga hasil yang diperoleh adalah
baik produksi maupun luas panen kacang tanah mengalami peningkatan selama
periode peramalan, sedangkan ke empat kabupaten yang ada, pasar kacang
tanahnya telah terintegrasi dengan baik.
Wahyuni (2019) telah melakukan penelitian dengan judul Peramalan
Tingkat Produksi Tanaman Pangan dan Tanaman Perkebunan Rakyat Kabupaten
Bulukumba Menggunakan Metode Exponential Smoothing. Tujuan dari penelitian
ini adalah untuk mengetahui produksi tanaman pangan tahun 2020 dan produksi
tanaman perkebunan rakyat tahun 2018 kabupaten Bulukumba. Exponential
smoothing merupakan metode yang digunakan untuk meramalkan jumlah
produksi yang akan datang, jenis double exponential smoothing dengan alpha=1
dan beta= 0.036 diaplikasikan terhadap data produksi tanaman pangan, dan single
exponential smoothing dengan alpha=0.75 diaplikasikan terhadap data produksi
perkebunan rakyat. Dari hasil penelitian dapat dilihat bahwa produksi tanaman
pangan tahun 2020 sebesar 518.087,09 ton, dan produksi tanaman perkebunan
tahun 2018 sebesar 43.814,05 ton.
Alrahman (2017) telah melakukan penelitian dengan judul Penerapan
Metode Peramalan Produksi dan Perencanaan Kebutuhan Bahan Baku dengan
Material Requirement Planning di PT. CJ Feed Medan. Tujuan penelitian ini
adalah Menentukan jumlah produksi pakan ternak jenis GM-1C dari
peramalan jumlah penjualan produk pakan ternak jenis tersebut sebelumnya.
Dan untuk merencanakan persediaan bahan baku untuk produksi pakan ternak
jenis GM-1C dengan metode Material Requirement Planning. Berdasarkan
data penjualan, metode peramalan yang digunakan adalah metode siklis karena
mempunyai nilai SEE yang paling kecil. Sehingga dapat diperkirakan
penjualan 10 hari terakhir di bulan oktober 2017 sebanyak 70782, 70143, 69266,
68210, 67049, 65860, 64725, 63720, 62915 dan 62365.
Aldillah (2006), melakukan penelitian tentang Analisis Peramalan
Permintaan dan Penawaran Jagung Nasional Serta Implikasinya Terhadap Strategi
Pengembangan Agribisnis Jagung. Tujuan dilakukannya penelitian ini adalah
untuk menganalisi peramalan permintaan dan penawaran jagung nasional hingga
29
Kacang Tanah
karakteristik atau sifat. Data kualitatif dalam penenlitian ini adalah karakteristik
atau sifat data yang dijelaskan dalam sumber yang dikutip.
5. Harga kacang tanah adalah harga jual komoditas kacang tanah yang berlaku di
Provinsi NTB dan dinyatakan dalam satuan Rupiah/kilogram (Rp/kg).
6. PDRB/kapita adalah Produk Domestik Regional Bruto per kapita Atas Dasar
Harga Konstan di Provinsi NTB dalam satuan Ribu Rupiah.
7. Harga kedelai adalah nilai jual komoditas kedelai di Provinsi NTB dalam
satuan Rupiah/kilogram (Rp/kg).
N
S ' t + S ' t −1+ S ' t−2 +…+ S ' t−N +1
S”t =
N
at = 2S’t – S”t
2
bt = (S’t – S”t)
N −1
Ft+m = at – bt.m
Di mana :
S’t = nilai peramalan dengan single moving average
S”t = nilai moving average kedua.
Ft+m = hasil peramalan dengan double moving average
m = jumlah periode ke depan yang diramalkan.
α
bt = (s’ – s”t)
1−α t
st+m = a + b.m
Di mana :
s’t = nilai peramalan dengan single Exponential Smoothing
s”t = nilai pemulusan eksponensial ganda
st+m = hasil peramalan periode ke depan.
m = periode ke depan yang diramalkan
at & bt = konstanta pemulusan
α = konstanta perataan
a=
∑Y
n
b=
∑ XY
∑ X2
Di mana :
Yt = nilai trend untuk periode tertentu
Y = data produksi/kebutuhan kacang tanah
a = bilangan konstanta
b = kemiringan garis trend
X = kode periode waktu (tahun)
mana hubungan keduanya dapat digambarkan sebagai suatu garis lurus. Dalam
penelitian ini, metode regresi linier sederhana digunakan untuk meramalkan
produksi dan kebutuhan kacang tanah di Provinsi Nusa Tenggara Barat.
Berikut adalah prosedur penggunaan metode ini :
Yi = a + bX1
Dengan menggunakan metode kuadrat terkecil didapat :
b = n¿¿
a=
∑ y−b (∑ x)
n
Di mana dalam hal ini :
Y = variabel terikat (produksi dan kebutuhan)
X = variabel bebas
a = penduga bagi intersep
b = penduga bagi koefisien regresi
5) Metode Autoregresi
Metode autoregresi digunakan untuk mengetahui besar pengaruh dan
hubungan nilai suatu variabel, antara yang telah terjadi pada suatu periode dan
yang terjadi pada periode berikutnya. Dalam penelitian ini, metode autoregresi
digunakan untuk meramalkan produksi dan kebutuhan kacang tanah di
Provinsi Nusa Tenggara Barat. Berikut adalah prosedur penggunaan metode
ini :
Yt = a + bYt-1
b = n¿¿
a=
∑Y -b
∑X
n n
Di mana :
Yt = produksi/kebutuhan kacang tanah tahun t
Yt-1 = produksi/kebutuhan kacang tanah tahun sebelumnya
a = konstanta
b = kemiringan
41
MAD = ∑ | At −Ft
n |
Keterangan :
At = Permintaan aktual pada periode-t
Ft = Peramalan permintaan pada periode-t
n = Jumlah periode peramalan yang terlibat
2) Uji Parsial T
Uji parsial T ini digunakan untuk mengetahui pengaruh masing-masing
variabel bebas terhadap variabel terikatnya. Sehingga dilakukan hipotesis terhadap
uji T, yaitu sebagai berikut :
H0 : βi= 0 (setiap variabel bebas tidak berpengaruh nyata secara partial
terhadap variabel terikat)
H1: βi ≠ 0 (Setiap variabel bebas berpengaruh nyata secara partial terhadap
variabel terikat).
Dalam penelitian ini, uji T dilakukan dengan menggunakan alat analisis
yaitu IBM SPSS Statitistic 16.0. Sehingga hasil t-hitung dan signifikannya
langsung terlihat.
2) Uji Multikolineeritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen. Salah satu
cara yang umum digunakan untuk mendeteksi adanya multikolinearitas adalah
apabila nilai R2y sangat tinggi (> 0,70), nilai F-hitung sangat tinggi (signifikan),
tetapi tidak satu pun atau sedikit sekali koefisien regresi yang diuji dengan t-
student (t-test) yang signifikan. Hal ini menandakan multikolinearitas dalam
model cukup serius.
3) Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi
linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan
terdapat problem autokorelasi. Autokorelasi muncul karena observasi yang
berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena
residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi
lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena
“gangguan” pada seseorang individu/kelompok cenderung mempengaruhi
“gangguan” pada individu/kelompok yang sama pada periode berikutnya.
4) Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi
terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang
lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap,
46
Luas Pulau Sumbawa mencapai 15.426,20 km2 (76,50 %) atau 2/3 dari
luas Provinsi Nusa Tenggara Barat, dan luas Pulau Lombok hanya mencapai 1/3
saja. Pusat pemerintahan Provinsi NTB terdapat di Kota Mataram Pulau Lombok.
Provinsi NTB terdiri dari 8 kabupaten, 2 kota, yaitu Kabupaten Lombok Barat,
Kabupaten Lombok Tengah, Kabupaten Lombok Timur, Kabupaten Sumbawa,
Kabupaten Dompu, Kabupaten Bima, Kabupaten Sumbawa Barat, dan Kabupaten
Lombok Utara, Kota Mataram dan Kota Bima. Kabupaten Lombok Utara
merupakan kabupaten termuda, yang mengalami pemekaran dari kabupaten
induknya, Lombok Barat, pada tahun 2008. Agar lebih jelasnya, berikut disajikan
table luas wilayah tiap Kabupaten/Kota di Provinsi Nusa Tenggara Barat (BPS
NTB, 2019) :
Table 4.1. Luas Wilayah Tiap Kabupaten/Kota di Provinsi Nusa Tenggara
Barat
Provinsi NTB memiliki ketinggian 27 mdpl. Kemudian, dari tujuh gunung yang
ada di Pulau Lombok, Gunung Rinjani merupakan tertinggi dengan ketinggian
3.726 mdpl, sedangkan Gunung Tambora merupakan gunung tertinggi di
Sumbawa dengan ketinggian 2.851 mdpl dari Sembilan gunung yang ada (BPS
NTB, 2019).
Klasifikasi kemiringan tanah untuk pulau Lombok yang paling luas adalah
berkisar antara 2 – 15 % seluas 198.616 Ha sedangkan yang paling sempit
kemiringan tanahnya lebih dari 40% seluas 20.175 Ha. Kemudian untuk
klasifikasi kemiringan tanah pulau Sumbawa yang paling luas berkisar antara 15 –
40 % seluas 573.903 Ha dan yang paling sempit kemiringan tanahnya adalah
berkisar antara 0 – 2 % seluas 214.194 Ha (BPS NTB, 2019).
Tabel 4.3. Luas Panen dan Produksi Tanaman Pangan NTB tahun 2018
60000
50000
40000
Produksi
30000
Linear (Produksi)
Luas Panen
20000 Linear (Luas Panen)
10000
0
2001
2003
2005
2006
2008
2009
2012
2014
2016
2017
2000
2002
2004
2007
2010
2011
2013
2015
2018
2019
Gambar 4.2. Perkembangan Produksi Kacang Tanah NTB tahun 2001-2018
Berdasarkan data perkembangannya tahun 2001 – 2018 (Lampiran 1),
rata-rata jumlah produksi kacang tanah NTB adalah 36.376,89 ton dengan rata-
rata luas panen sebesar 27.907 Ha. Perubahan produksi kacang tanah selama
kurun waktu 2001 – 2018 cenderung dipengaruhi oleh luas areal panennya. Hal
tersebut dapat dilihat pada Gambar 4.2. di mana, kurva luas panennya cukup
fluktuatif dengan kurva linier luas panen yang mengalami penurunan. Artinya,
penurunan luas panen tersebut menyebabkan produksi kacang tanah juga
mengalami penurunan. Namun, jika diperhatikan dengan seksama, kurva linier
produksi cenderung lebih datar dibandingkan dengan kurva linier luas panennya.
Hal tersebut menunjukkan bahwa perubahan yang terjadi pada produksi kacang
tanah tidak hanya dipengaruhi oleh luas panen semata. Tetapi dalam usahatani
kacang tanah juga terdapat peran teknologi di dalamnya, baik itu teknik budidaya
yang tepat, penggunaan varietas unggul, serta penggunaan mesin-mesin pertanian,
sehingga mampu meningkatkan produktivitas kacang tanah di Provinsi Nusa
Tenggara Barat. Hal tersebut juga dikemukan dalam penelitian Paturohman dan
Sumarno (2014) tentang peningkatan produktivitas kacang tanah melalui
penerapan komponen teknologi kunci. Di mana dalam penelitian tersebut
menjelaskan bahwa komponen teknologi kunci untuk meningkatkan produktivitas
kacang tanah adalah penyediaan lingkungan yang optimal untuk produksi,
teknologi budidaya yang tepat serta sistem irigasi yang mendukung.
55
Perkembangan produksi kacang tanah NTB sejak tahun 2001 sampai 2018
secara rata-rata mengalami penurunan, dengan produksi tertinggi terjadi ada tahun
2004 yaitu sebesar 49.227 ton dengan luas panen sekitar 41.020 ha. Sedangkan
produksi terendah terjadi pada tahun 2018 yaitu sebesar 25.109 ton di mana luas
panennya sebesar 19.057 ha. Penurunan produksi yang signifikan terjadi dari
tahun 2006 ke tahun 2007 yaitu sebesar 11.043 ton atau sekitar 25,1% dari
produksi sebelumnya.
Kacang tanah adalah komoditas yang bisa dikatakan kurang populer di
Provinsi Nusa Tenggara Barat jika dibandingkan dengan komoditas tanaman
pangan lainnya, seperti padi dan jagung. Sehingga investasi untuk komoditas ini
di Nusa Tenggara Barat (NTB) masih tergolong rendah. Padahal peluang untuk
mengembangkannya cukup besar. Usaha kacang tanah di NTB selama ini masih
bergerak di sektor primer, yakni produk mentah yang nilai tambahnya relatif
kecil. Salah satu usaha yang dilakukan untuk meningkatkan gairah petani NTB
dalam produksi kacang tanah adalah adanya kerjasama PT. Garuda Food dengan
petani kacang tanah NTB. Kerjasama ini terjalin sejak tahun 2008, dan sampai
dengan tahun 2011, NTB baru mencapai 10% pasokan untuk kebutuhan
perusahaan (Rahmawati, 2011). Berdasarkan penelitian yang dilakukan oleh
Eastern Indonesia-Agribusiness Development Opportunities (EI-ADO) tahun
2012, bahwa secara keseluruhan produksi kacang tanah Indonesia menurun dan di
Provinsi NTB area produksi kacang tanah stagnan selama 5 tahun belakangan.
Meskipun tanaman ini yang lebih menguntungkan bagi petani dibandingkan
dengan kedelai, Namun petani kacang tanah kekurangan infrastruktur pertanian
yang memadai. Sebaliknya, petani menikmati akses yang lebih luas terhadap
jagung dan benih padi yang berkualitas, baik melalui swasta dan publik. Sehingga
hal tersebut terus mendorong rendahnya angka produksi kacang tanah di Provinsi
Nusa Tenggara Barat.
Berdsarkan hasil penelitian yang dilakukan Arsyad dan Sembiring tahun
2003, bahwa wilayah Nusa Tenggara Barat memiliki potensi dan peluang yang
cukup besar untuk pengembangan kacang tanah di lahan sawah ataupun lahan
kering. Peluang tersebut dapat dioptimalkan dengan adanya peran serta
56
2009
2011
2013
2014
2016
2018
2004
2005
2006
2008
2010
2012
2015
2017
2019
produktivitas pada bibit, pupuk atau teknik budidayanya. Begitu pula halnya pada
kebutuhan, sehingga untuk memenuhinya masih dapat diperoleh dari produksi
dalam daerah. Untuk lebih jelasnya, berikut adalah hasil analisis peramalannya :
Tabel 4.4. Nilai MAD, MSE dan MAPE Metode Peramalan Produksi dan
Kebutuhan Kacang Tanah di Provinsi NTB
Peramala Tingkat Kesalahan Peramalan
n Metode Peramalan
MAD MSE MAPE
Produksi 6.277,7 57.818.037,8 18,19
Double Moving Average 3 Bulan 4 0 %
5.378,0 39.403.158,2 15,83
Double Moving Average 4 Bulan 1 3 %
5.705,4 43.057.111,7 15,86
Double Exponential Smoothing α = 0,5 3 7 %
5.762,2 49.493.517,0 15,99
Double Exponential Smoothing α = 0,1 6 2 %
4.301,1 27.873.000,6 12,09
Trend 8 4 %
4.349,8 28.072.023,0 12,24
Regresi Linier Sederhana 9 9 %
4.088,3 25.892.919,8 11,55
Autoregresi 5 9 %
Kebutuhan 14,42
Double Moving Average 3 Bulan 870,95 1.718.113,98 %
1.057,3 18,28
Double Moving Average 4 Bulan 5 1.726.723,18 %
12,87
Double Exponential Smoothing α = 0,5 774,85 1.280.908,43 %
15,52
Double Exponential Smoothing α = 0,1 958,61 1.185.426,52 %
11,61
Trend 694,27 716.476,81 %
11,54
Regresi Linier Sederhana 690,08 715.374,28 %
11,28
Autoregresi 685,22 672.098,70 %
Sumber : Data Sekunder, Diolah (2020)
Berdasarkan nilai MAD, MSE dan MAPE pada Tabel 4.4. tersebut,
diperoleh metode peramalan produksi kacang tanah di NTB yang terbaik yaitu
metode Autoregresi, karena memiliki nilai error terkecil. Di mana hasil
perhitungan MAD-nya sebesar 4.088,35 nilai MSE sebesar 25.892.919,89 dan
nilai MAPE sebesar 11,55%. Begitu pula metode peramalan kebutuhan kacang
tanah di NTB yang paling akurat adalah metode Autoregresi, karena memiliki
nilai error terkecil dibandingkan dengan metode lainnya. Di mana hasil
perhitungan MAD sebesar 685,22 nilai MSE sebesar 672.098,70 dan nilai MAPE
sebesar 11,28%. Sehingga metode peramalan terbaik yang digunakan untuk
60
meramalkan produksi dan kebutuhan kacang tanah di NTB adalah sama, yaitu
Autoregresi. Sehingga dengan menggunakan metode peramalan terbaik tersebut,
diharapkan agar hasil ramalannya mendekati nilai aktualnya. Metode penentuan
teknik peramalan terbaik dengan tingkat kesalahan peramalan (error) ini juga
dilakukan oleh Sakinah (2016) tentang peramalan produksi, luas panen, dan harga
serta analisis integrasi pasar kacang tanah di Provinsi Bengkulu.
Produksi (ton)
2019 30.752,31
2020 33.572,23
2021 34.981,33
2022 35.685,44
2023 36.037,28
2024 36.213,10
Sumber : Data Sekunder, Diolah (2020)
Berdasarkan Tabel 4.5. tersebut, diperoleh hasil peramalan produksi
kacang tanah di Provinsi Nusa Tenggara Barat secara linier yang semakin
meningkat. Di mana pada tahun 2019 diperoleh hasil sebesar 30.752,31 ton,
tahun 2020 sebesar 33.572,23 ton, tahun 2021 sebesar 34.981,33 ton, tahun 2022
sebesar 35.685,44 ton, tahun 2023 sebesar 36.037,28 dan pada tahun 2024 sebesar
36.213,10 ton. Untuk lebih jelasnya, berikut disajikan grafik perkembangan hasil
peramalan produksinya :
37000.00
36000.00
35000.00
34000.00
33000.00
Produksi
32000.00 Linear (Produksi)
31000.00
30000.00
29000.00
28000.00
2018 2019 2020 2021 2022 2023 2024 2025
Gambar 4.4. Perkembangan Hasil Peramalan Produksi Kacang Tanah NTB Tahun
2019-2024
Hasil peramalan yang secara linier mengalami kenaikan tersebut
menunjukkan hasil yang berbeda dengan trend perekembangan produksinya, di
mana perkembangannya menunjukkan hasil yang secara linier mengalami
penurunan. Meskipun peramalan tersebut mengalami kenaikan, namun kisaran
hasil ramalannya menunjukkan hasil yang relatif konstan pada kisaran 30.000.
Dalam analisis peramalan autoregresi ini, terdapat dua variabel yang berasal dari
62
satu variabel produksi (Y) yang sama. Satu variabel merupakan variabel yang asli
(Yt) dan variabel lainnya merupakan hasil memvariasikan time lag-nya sebanyak
1 tahun yaitu Yt-1 atau produksi periode sebelumnya (Aritonang, 2009). Sehingga
kenaikan hasil ramalan yang terjadi disebabkan karena pengaruh hasil ramalan
satu tahun sebelumnya. Selain itu, berdasarkan analisis autregresi tersebut
(lampiran 15), beberapa tahun terakhir menunjukkan hasil Y’ (hasil ramalan)
yang mengalami kenaikan, yaitu pada tahun 2017 dan 2018.
Sebagai salah satu sentra penghasil kacang tanah di Indonesia, Provinsi
Nusa Tenggara Barat perlu meningkatkan produksinya untuk membantu
kebutuhan kacang tanah nasional agar tidak kembali melakukan impor. Melalui
hasil peramalan produksi yang dilakukan, dapat dibuat suatu kebijakan yang
mengatur tentang perkembangan komoditas kacang tanah di Provinsi Nusa
Tenggara Barat ke depannya agar dapat meningkat sesuai dengan hasil
ramalannya. Sehingga untuk mewujudkan hal tersebut diperlukan upaya-upaya
seperti peningkatan luas areal panen, penggunaan benih unggul dan juga teknik
budidaya yang baik, terlepas dari faktor iklim dan cuaca yang tidak dapat diubah.
Berdasarkan monograf status kacang tanah Indonesia oleh Sumarno (2011),
beberapa upaya yang dilakukan untuk meningkatkan produksi kacang tanah juga
dapat dilakukan dengan memperogramkan perluasan areal tanam yang telah
direklamasi, menerapkan teknologi mekanisasi, memberikan bimbingan standar
mutu produk, dan teknik pengolahan benih yang tepat.
6400.00
6390.00
6380.00
6370.00
6360.00
6350.00 Kebutuhan
6340.00 Linear (Kebutuhan)
6330.00
6320.00
6310.00
6300.00
2018 2019 2020 2021 2022 2023 2024 2025
Total .445 17
Sumber : Data Sekunder Diolah (SPSS, 2020)
Berdasarkan uji F yang telah dilakukan, diperoleh nilai F-hitung sebesar
50,617 lebih besar dari nilai F-tabelnya yaitu sebesar 3,29 dengan probabilitas
signifikan yaitu sebesar 0,000 lebih kecil dari α = 0,05 maka H 0 ditolak. Artinya,
variabel, luas panen (X1), harga kacang tanah (X2), dan jumlah tenaga kerja NTB
(X3) secara serentak mempengaruhi variabel produksi kacang tanah di Provinsi
NTB (Y). Sehingga berdasarkan uji f tersebut membuktkan bahwa hasil penelitian
ini sesuai dengan hipotesis awal, yaitu semua variabel bebas secara serentak
mempengaruhi produksi kacang tanah di NTB. Kesimpulan tersebut juga
didukung oleh teori ekonomi yang dikemukanan Karmini (2018), di mana luas
panen (lahan), jumlah tenaga kerja dan harga kacang tanah mempengaruhi besar
kecilnya produksi yang diperoleh.
b. Uji Parsial T
67
Uji parsial atau uji t ini digunakan untuk mengetahui apakah dalam model
regresi variabel bebas (X1, X2,…..Xn) secara parsial berpengaruh signifikan
terhadap variabel terikat (Y). Artinya, uji ini digunakan untuk melihat pengaruh
masing-masing variabel bebas luas panen (X1), harga kacang tanah (X2), dan
jumlah tenaga kerja NTB (X3) terhadap variabel terikatnya yaitu produksi kacang
tanah di Provinsi NTB (Y). Berikut adalah hasil uji t yang dilakukan :
Tabel 4.8. Hasil Uji T Faktor Yang Mempengaruhi Produksi Kacang Tanah
di NTB
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -5.016 4.470 -1.122 .281
Luas_Panen (Ln X1) 1.068 .101 1.272 10.623 .000
Harga_kacang_tanah (Ln X2) .161 .091 .418 1.758 .101
Jumlah_tenaga_kerja (LnX3) .205 .352 .119 .584 .568
Sumber : Data Sekunder Diolah (SPSS, 2020)
Berdasarkan hasil pada tabel 4.8. tersebut diketahui nilai t-hitung untuk
variabel luas panen (X1) sebesar 10,623 dengan probabilitas 0,000 lebih kecil dari α
= 0,05 maka H0 ditolak, artinya koefisien regresi X1 (luas panen) signifikan atau
berpengaruh nyata terhadap variabel terikat Y (produksi). Menurut Karmini
(2018), faktor-faktor yang mempengaruhi tinggi rendahnya produksi ditinjau dari
segi produsen adalah faktor internal dan eksternal. Salah satu faktor internal ini
adalah ketersediaan faktor produksi di mana ketersediaan berbagai jenis faktor
produksi dalam jumlah cukup dan kualitas yang baik akan membantu
meningkatkan produksi, termasuk dalam hal ini adalah modal, lahan dan tenaga
kerja. Artinya, semakin besar lahan yang digunakan, maka kemungkinan jumlah
68
produksinya juga semakin besar. Kesimpulan tersebut juga didukung oleh hasil
penelitian yang dilakukan Arwinni (2016) di Kecamatan Camba Kabupaten
Maros Makassar, bahwa luas panen kacang tanah berpengaruh signifikan dan
positif terhadap produksi kacang tanah.
Kacang tanah sebagai salah satu jenis tanaman palawija memiliki potensi
yang besar untuk ditingkatkan melalui perluasan lahan. Namun, jika dilihat data
luas panen kacang tanah pada tahun 2018, besar luas panennya turun cukup drastis
yaitu sebesar 19.057 ha, sehingga menyebabkan produksi tahun tersebut menjadi
produksi terendah selama 15 tahun terakhir. Padahal, menurut Suwardji, et al.
(2009) luas lahan kering yang ada di NTB mencapai 83,4% dari luas daratannya,
paling tidak ada lebih dari 740.600 ha yang sangat berpotensi menjadi lahan yang
produktif. Di mana, daya dukung lahan merupakan kemampuan relatif suatu
sumberdaya lahan untuk menghasilkan surplus produksi. Terdapat aeal lahan
kering yang cukup luas untuk pengembangan kacang tanah baik yang ada di Pulau
Lombok maupun Sumbawa terutama untuk jenis tanah entisol, inceptisol dan
alfisol. Beberapa jenis tanah tersebut mempunyai kadar kalsium yang rendah yang
memerlukan tambahan untuk peningkatan produksi kacang tanah. Hasil
pengkajian dan penelitian di Bayan Lombok Utara terhadap kacang tanah yang
toleran terhadap klorosis dari 9 galur dan 2 varietas diperloleh hasil tertinggi galur
K/P1 (3,10 ton/ha) varietas lokal 2,17 ton/ha. Namun, meskipun luas lahan kering
di NTB cukup besar dan cocok untuk usahatani kacang tanah, tetapi lahan tersebut
belum di gunakan secara optimal untuk usahatani kacang tanah. Sehingga,
produksi yang dihasilkan rata-rata tidak mengalami kenaikan.
Nilai t-hitung untuk variabel harga kacang tanah (X2) sebesar 1,758
dengan probabilitas 0,101 lebih besar dari α = 0,05 maka H 0 diterima, artinya
koefisien regresi X2 (Harga kacang tanah) tidak signifikan atau tidak berpengaruh
nyata terhadap variabel terikat Y (produksi). Untuk pengaruh harga kacang tanah
terhadap produksinya adalah semakin tinggi harga produk di pasaran maka
semakin tinggi pula minat produsen untuk meningkatkan produksinya dengan
harapan memperoleh keuntungan yang besar (Karmini, 2018). Hal tersebut juga
didukung oleh hasil penelitiann Lestari (2008) yang mengatakan bahwa jika harga
69
kacang tanah meningkat, petani cenderung menanam kacang tanah dan apabila
terjadi penurunan harga, maka petani cenderung mengganti komoditasnya. Teori
tersebut kemudian sesuai dengan hasil penelitian ini yang dibuktikan dengan nilai
koefisien elastisitasnya yang positif. Namun, meskipun memiliki pengaruh dalam
produksi, tetapi untuk produksi kacang tanah di Provinsi NTB pengaruhnya tidak
signifikan. Artinya, pengaruh harga kacang tanah tidak terlalu besar untuk
meningkatkan minat petani dalam memproduksi kacang tanah di Provinsi Nusa
Tenggara Barat.
Nilai t-hitung untuk variabel jumlah tenaga kerja NTB (X3) sebesar 0,584
dengan probabilitas 0,568 lebih besar dari α = 0,05 maka H0 diterima, artinya
koefisien regresi X3 (jumlah tenaga kerja) tidak signifikan atau tidak berpengaruh
nyata terhadap variabel terikat produksi (Y). Salah satu faktor eksternal produsen
yang mempengaruhi jumlah produksi adalah ketersediaan faktor produksi di mana
ketersediaan berbagai jenis faktor produksi dalam jumlah cukup dan kualitas yang
baik akan membantu meningkatkan produksi, termasuk dalam hal ini adalah
modal, lahan dan tenaga kerja. Artinya, jika dilihat dari segi kuantitas, maka
semakin banyak jumlah tenaga kerja yang digunakan, maka kemungkinan jumlah
produksinya juga semakin banyak (Karmini, 2018). Teori terebut kemudian
dibuktikan dengan hasil penelitian ini di mana nilai koefisien elastisitas untuk
jumlah tenaga kerja adalah positif. Sehingga mununjukkan hubungan yang selaras
dengan produksinya, di mana turunnya produksi juga dipengaruhi oleh turunnya
jumlah tenaga kerja. Hasil tersebut juga didukung oleh data BPS pada Keadaan
Angkatan Kerja NTB tahun 2016-2018, di mana persentase tenaga kerja bidang
pertanian semakin turun yaitu 30,91%; 35,81%; dan 33,48%. Namun, meskipun
terbukti secara teori ekonomi, tetapi hasil penelitian ini menunjukkan pengaruh
jumlah tenaga kerja terhadap produksi itu tidak signifikan. Artinya, pengaruh
jumlah tenaga kerja tidak terlalu besar untuk meningkatkan jumah produksi
kacang tanah di NTB. Hasil ini juga sesuai dengan penelitian yang dilakukan
Arwinni (2016) di Kecamatan Camba Kabupaten Maros, di mana pengaruh fakor
jumlah tenaga kerja terhadap produksi kacang tanah tidak signifikan tetapi
meunjukkan hubungan yang positif.
70
a. Uji Normalitas
Uji ini digunakan untuk melihat apakah suatu model regresi mempunyai
residual yang berdistribusi normal atau tidak. Untuk menguji asumsi tersebut
71
dalam penelitian ini digunakan rasio skewness dan kurtosis, serta uji
Kolmogorov-Smirnov. Berikut adalah hasil dari uji normalitas yang diananlisis :
Tabel 4.10. Hasil Uji Normalitas Produksi Kacang Tanah di NTB
Skewness Kurtosis
Keterangan
Statistic Std. Error Statistic Std. Error
Unstandardized Predicted
Value 0,682 0,538 0,953 1,038
b. Uji Multikolinieritas
Uji mutikolinieritas digunakan untuk menunjukkan adanya hubungan
linear di antara variabel bebas dalam model regresi. Untuk mendeteksi keberadaan
multikolinieritas pada model regresi dapat dilihat jika antar variabel independen
ada korelasi yang cukup tinggi (umumnya > 0,70) maka hal ini merupakan
indikasi adanya multikolinieritas, dan jika nilai tolerance < 0,10 atau sama dengan
nilai VIF > 10 menunjukkan adanya gejala multikolinieritas. Berikut disajikan
hasil analisis uji multikolinieritas produksi kacang tanag di NTB :
Tabel 4.11. Hasil Uji Multikolinieritas Produksi Kacang Tanah di NTB
72
Collinearity Statistis
Variabel
Tolerance VIF
Luas Panen (LnX1) 0,421 2,378
Harga Kacang Tanah (LnX2) 0,107 9,380
Jumlah Tenaga Kerja (LnX3) 0,146 6,850
Sumber : Data Sekunder Diolah (2020)
Berdasarkan hasil pada tabel 4.11. tersebut menunjukkan bahwa nilai
tolerance pada seluruh variabel bebas adalah lebih besar 0,10 serta nilai VIF
seluruh variabel tersebut kurang dari 10 yang artinya bahwa tidak ada korelasi
antar variabel bebas yang nilainya lebih dari 95%. Hasil perhitungan nilai
Variance Inflaction Factor (VIF) dan tolerance menunjukkan tidak ada satu pun
variabel bebas yang menunjukkan gejala multikolinieritas. Gejala multikolinieritas ini
juga dapat dilihat dari besaran nilai hubungan antar variabel bebas. Berikut adalah
hasil analisisnya :
Tabel 4.12. Hasil Uji Multikolinieritas Koefisien Korelasi
Coefficient Correlationsa
Jumlah_ Luas_ Harga_
tenaga_Kerja Panen kacang_Tanah
Model (LnX3) (LnX2) (LnX2)
1 Correlations Jumlah_tenaga_kerja (LnX3) 1.000 -.228 -.872
Luas_Panen (LnX1) -.228 1.000 .555
Harga_kacang_tanah (LnX2) -.872 .555 1.000
Covariance Jumlah_tenaga_kerja (LnX3) .124 -.008 -.028
s Luas_Panen (LnX1) -.008 .010 .005
Harga_kacang_tanah (LnX2) -.028 .005 .008
Sumber : Data Sekunder Diolah (2020)
Kriteria selanjutnya adalah dengan melihat hasil besaran korelasi antar
variabel bebas. Terlihat bahwa hanya harga kacang tanah yang memiliki korelasi
lebih besar dari 0,70 dengan variabel jumlah tenaga kerja. Artinya, variabel harga
kacang tanah mempunyai sedikit gejala multikolinieritas pada variabel jumlah
tenaga kerja.
c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi
linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
73
d. Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi
terjadi ketidaksamaan variansi dari residual satu pengamatan ke pengamatan yang
lain. Jika variabel independen secara statistik signifikan mempengaruhi variabel
dependen (residual) maka ada indikasi dalam model terjadi masalah
heteroskedastisitas. Berikut adalah hasil analisis dari uji heterokedastisitas
produksi kacang tanah di NTB :
74
1 (Constant) 0,179
Luas Panen (LnX1) 0,300
Harga Kacang Tanah (LnX2) 0,143
Jumlah Tenaga Kerja (LnX3) 0,237
Sumber : Data Sekunder Diolah (2020)
Berdasarkan hasil pada tabel 4.14. tersebut menunjukkan bahwa seluruh
variabel bebas tidak signifikan secara statistik mempengaruhi variabel terikat nilai
absolute residual (Abresid). Hasl tersebut dibuktikan dengan nilai probabilitas
signifikan tiap variabel bebas yang lebih besar dari nilai α = 0,05; sehingga dapat
disimpulkan bahwa model regresi ini tidak mengandung gejala heterokedastisitas.
Total .290 13
Sumber : Data Sekunder Diolah (SPSS, 2020)
Berdasarkan uji F yang telah dilakukan, diperoleh nilai F-hitung sebesar
4,549 lebih besar dari nilai F-tabelnya yaitu sebesar 3,71 dengan probabilitas
signifikan yaitu sebesar 0,029 lebih kecil dari α = 0,05 maka H 0 ditolak. Artinya,
variabel, harga kacang tanah (X1), harga kedelai (X2), dan PDRB/kapita NTB atas
dasar harga konstan (X3) secara serentak mempengaruhi variabel kebutuhan
kacang tanah di Provinsi NTB (Y).
b. Uji Parsial T
Uji t ini digunakan untuk melihat pengaruh masing-masing variabel bebas
harga kacang tanah (X1), harga kedelai (X2) dan PDRB/kapita NTB (X3) terhadap
variabel terikatnya yaitu kebutuhan kacang tanah di Provinsi NTB (Y). Berikut
adalah hasil uji T yang dilakukan :
Tabel 4.16. Hasil Uji T Faktor Yang Mempengaruhi Kebutuhan Kacang
Tanah di NTB
76
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 10.014 1.567 6.390 .000
Harga Kacang Tanah (LnX1) -.977 .373 -2.239 -2.619 .026
Harga Kedelai (LnX2) .754 .225 1.978 3.350 .007
PDRB/kapita (LnX3) .142 .115 .716 1.230 .247
Sumber : Data Sekunder Diolah (SPSS, 2020)
Berdasarkan hasil pada tabel 4.16. tersebut diketahui nilai t-hitung untuk
variabel harga kacang tanah (X1) sebesar -2,619 dengan probabilitas 0,026 lebih
kecil dari α = 0,05 maka H0 ditolak, artinya koefisien regresi X1 (harga kacang
tanah) signifikan atau berpengaruh nyata (negatif) terhadap variabel terikat Y
(kebutuhan). Berdasarkan hasil tersebut, menunjukkan bahwa hubungan pengaruh
harga kacang tanah terhadap kebutuhannya adalah negatif. Artinya, semakin
tinggi harga kacang tanah maka kebutuhannya akan semakin rendah. Hal tersebut
disebabkan karena konsumen cenderung menginginkan produk yang berkualitas
dengan harga yang serendah mungkin. Menurut Basuki dan Prawoto (2014),
faktor-faktor penentu besar kecilnya permintaan atau kebutuhan terhadap suatu
komoditi adalah harga barang itu sendiri, harga barang substitusi dan
komplementer, jumlah pendapatan, selera konsumen, perkiraan harga di masa
yang akan datang dan jumlah penduduk. Harga barang atau produk itu sendiri
akan memepengaruhi jumlah produk yang diminta, jika harga naik jumlah
permintaan produk akan menurun, seedangkan jika harga turun, maka jumlah
permintaan produk akan meningkat. Sehingga hasil penelitian ini telah sesuai
dengan teori ekonomi yang ada. Selain itu penelitian yang dilakukan Salem dan
Nubatonis (2015) tentang fakor-faktor yang mempengaruhi permintaan kacang
tanah di Kecamatan Kota Kabupaten Timor Tengah Utara, menunjukkan hasil
yang sama yaitu harga kacang tanah berpengaruh negatif terhadap jumlah
permintaannya.
Menurut Febianti (2014), alasan mengapa ketika harga turun akan
cenderung menambah jumlah permintaan adalah karena suatu kenyataan bahwa
jika terjadi penurunan harga akan menarik pembeli baru dan bisa membuat orang
77
jenis tree nuts yang bisa menimbulkan alergi. Di Kota Semarang bahkan telah
dilakukan penelitian tentang pembuatan enting-enting (makanan khas) dengan
bahan baku kedelai sebagai pengganti kacang tanah yang dilakukan oleh
Ismayani, et al. tahun 2014. Enting-enting yang dihasilkan pun kualitasnya tidak
jauh berbeda dengan yang berbahan dasar kacang tanah.
Berdasarkan hasil penelitian ini, variabel harga kedelai berpengaruh
signifikan terhadap kebutuhan kacang tanah. Hasil yang sama juga diperoleh dari
penelitian yang dilakukan oleh Moru (2006) di Jawa Timur dengan kesimpulan
bahwa harga kacang tanah, harga kedelai, jumlah penduduk dan pendapatan per
kapita masing-masing berpengaruh nyata terhadap permintaan kacang tanah.
Sehingga dapat disimpulkan bahwa faktor yang mempengaruhi kebutuhan kacang
tanah di Provinsi NTB secara signifikan adalah harga kedelai.
Nilai t-hitung untuk variabel PDRB/kapita NTB atas dasar harga konstan
(X3) sebesar 1,230 dengan probabilitas 0,247 lebih besar dari α = 0,05 maka H0
diterima, artinya koefisien regresi X3 (PDRB/kapita) tidak signifikan atau tidak
berpengaruh nyata terhadap variabel terikat Y (kebutuhan). Berdasarkan hasil
tersebut, menunjukkan bahwa pengaruh PDRB/kapita terhadap jumlah kebutuhan
kacang tanah adalah positif. Artinya, semakin tinggi jumlah PDRB/kapita
masyarakat NTB, maka jumlah kebutuhannnya terhadap kacang tanah pun
semakin tinggi. Hasil ini juga didukung oleh teori ekonomi di mana menurut
Basuki dan Prawoto (2014), besar kecilnya pendapatan yang diperoleh seseorang
turut menentukan besarnya permintaan akan barang dan jasa. Apabila pendapatan
yang diperoleh tinggi maka permintaan akan barang dan jasa akan semakin tinggi.
Sebaliknya jika pendapatannya turun, maka kemampuan untuk membeli barang
juga akan turun. Sehingga jumlah permintaannya pun ikut turun, yang
menunjukkan hubungan positif antara keduanya. PDRB/kapita NTB atas dasar
harga konstan sendiri dianggap mewakili pendapatan perkapita masyarakat NTB
secara menyeluruh. Di mana, jumlah pendapatannya dihitung atas dasar harga
konstan tahun 2000 dan tahun 2010. Berdasarkan data yang ada (lampiran 2),
untuk PDRB/kapita NTB atas dasar harga konstan terus mengalami kenaikan
sejak tahun 2005 sampai 2018. Bahkan kontribusi kenaikan PDRB/kapita ini
79
masih didominasi oleh sektor pertnanian dengan persentase 23,40% dari segi
lapangan usaha dan 63,80% untuk konsumsi rumah tangga dari segi pengeluaran
(BPS, 2019).
Hasil penelitian ini menunjukkan bahwa meskipun PDRB/kapita NTB atas
dasar harga konstan berpengaruh terhadap kebutuhan kacang tanah, namun besar
pengaruhnya tidak signifikan. Sehingga hasil ini tidak sejalan dengan penelitian
yang dilakukan Moru (2006) di Jawa Timur, di mana pendapatan per kapita
berpengaruh signifikan terhadap permintaan kacang tanah. Sehingga dapat
disimpulkan bahwa faktor yang mempengaruhi kebutuhan kacang tanah di
Provinsi NTB secara signifikan bukanlah PDRB/kapita NTB atas dasar harga
konstan.
Oleh karena itu, berikut dilakukan uji asumsi klasik terhadap kebutuhan kacang
tanah di NTB :
a. Uji Normalitas
Uji ini digunakan untuk melihat apakah suatu model regresi mempunyai
residual yang berdistribusi normal atau tidak. Untuk menguji asumsi tersebut
dalam penelitian ini digunakan rasio skewness dan kurtosis, serta uji
Kolmogorov-Smirnov. Berikut adalah hasil dari uji normalitas yang diananlisis :
b. Uji Multikolinieritas
Uji mutikolinieritas digunakan untuk menunjukkan adanya hubungan
linear di antara variabel bebas dalam model regresi. Untuk mendeteksi keberadaan
81
multikolinieritas pada model regresi dapat dilihat jika antar variabel independen
ada korelasi yang cukup tinggi (umumnya > 0,70) maka hal ini merupakan
indikasi adanya multikolinieritas, dan jika nilai tolerance < 0,10 atau sama dengan
nilai VIF > 10 menunjukkan adanya gejala multikolinieritas. Berikut disajikan
hasil analisis uji multikolinieritas produksi kacang tanag di NTB :
Tabel 4.19. Hasil Uji Multikolinieritas Kebutuhan Kacang Tanah di NTB
Collinearity Statistis
Variabel
Tolerance VIF
Harga Kacang Tanah (LnX1) 0,058 17,284
Harga Kedelai (LnX2) 0,121 8,247
PDRB/kapita (LnX3) 0,125 8,006
Sumber : Data Sekunder Diolah (2020)
Berdasarkan hasil pada tabel 4.19. tersebut menunjukkan bahwa hanya
variabel harga kacang tanah (X1) yang nilai tolerance lebih kecil dari 0,10 dan
perhitungan nilai Variance Inflaction Factor (VIF) lebih besar dari 10 yang
menunjukkan bahwa hanya variabel Harga Kacang Tanah (X1) yang menunjukkan
gejala multikolinieritas, sedangkan variabel lainnya tidak.
Tabel 4.20. Hasil Uji Multikolinieritas Koefisien Korelasi
Coefficient Correlationsa
c. Uji Autokorelasi
82
Berikut adalah hasil analisis dari uji autokorelasi pada kebutuhan kacang
tanah di NTB :
Tabel 4.21. Hasil Uji Autokorelasi Kebutuhan Kacang Tanah di NTB
Model Durbin-Watson dL Du
1 2,932 0,4445 (α = 0,05) 2,3897 (α = 0,05)
Sumber : Data Sekunder Diolah (2020)
Berdasarkan hasil pada tabel 4.21. tersebut terlihat bahwa nilai Durbin-
Watson yang diperoleh adalah sebesar 2,932 dan kemudian nilai tersebut akan
dibandingkan dengan nilai DW tabel. Selanjutnya adalah menentukan nilai dL dan
dU pada DW tabel dengan α = 0,05 di mana sampel (n) yang digunakan sebanyak
14 dan variabel independen (k) sebanyak 3. Sehingga diperoleh hasil dL sebesar
0,7667 dan dU sebesar 1,7788. Dari hasil tersebut terlihat bahwa nilai DW lebih
besar dari nilai dL dan dU serta lebih kecil dari 4-dU (dL < dU < DW < 4-dU),
sehingga dapat disimpulkan bahwa tidak terjadi gejala autokorelasi.
d. Uji Heterokedastisitas
Jika variabel independen secara statistik signifikan mempengaruhi variabel
dependen (residual) maka ada indikasi dalam model terjadi masalah
heteroskedastisitas. Berikut adalah hasil analisis dari uji heterokedastisitas
kebutuhan kacang tanah di NTB :
Tabel 4.22. Hasil Uji Heterokedastisitas Kebutuhan Kacang Tanah di NTB
Model Sig.
1 (Constant) 0,312
Harga Kacang Tanah (LnX1) 0,058
Harga Kedelai (LnX2) 0,020
PDRB/kapita (LnX3) 0,901
Sumber : Data Sekunder Diolah (2020)
Berdasarkan hasil pada tabel 4.22. tersebut menunjukkan bahwa hanya
variabel X2 yang signifikan secara statistik mempengaruhi variabel terikat nilai
absolute residual (Abresid), sedangkan variabel bebas lainnya tidak signifikan.
Hasil tersebut dibuktikan dengan nilai probabilitas signifikan kedua variabel
bebas tersebut yang lebih besar dari nilai α = 0,05; sehingga dapat disimpulkan
83
5.1. Kesimpulan
Berdasarkan penelitian yang telah dilakukan dengan hasil yang telah
dianalisis dan dibahas, maka dapat disimpulkan bahwa :
1. Trend perkembangan produksi kacang tanah di Provinsi Nusa Tenggara Barat
tahun 2001–2018 secara linier mengalami penurunan. Sedangkan untuk Trend
perkembangan kebutuhan kacang tanah di Provinsi Nusa Tenggara Barat
tahun 2005–2018 secara linier mengalami kenaikan.
2. Hasil produksi kacang tanah di NTB selama tahun 2019-2024 diramalkan
cenderung meningkat, pada tahun 2019 sebesar 30.752,31 ton, tahun 2020
sebesar 33.572,23 ton, tahun 2021 sebesar 34.981,33 ton, tahun 2022 sebesar
35.685,44 ton, tahun 2023 sebesar 36.037,28 ton dan tahun 2024 sebesar
36.213,10 ton. Begitu juga kebutuhannya cenderung meningkat, pada tahun
2019 sebesar 6.334,88 ton, tahun 2020 sebesar 6.386,21 ton, tahun 2021
sebesar 6.392,50 ton, tahun 2022 sebesar 6.393,27 ton, tahun 2023 sebesar
6.393,36 dan tahun 2024 sebesar 6.393,37 ton.
3. Faktor yang mempengaruhi produksi kacang tanah di Provinsi Nusa Tenggara
Barat secara signifikan dan positif adalah luas panen kacang tanah. Sedangkan
84
5.2. Saran
Adapun saran yang dapat diberikan berdasarkan penelitian ini adalah sebagai
berikut :
1. Diharapkan kepada petani agar tetap mempertahankan eksistensi usahatani
kacang tanahnya dengan pengelolaan yang tepat untuk meningkatkan produksi
kacang tanah NTB.
2. Diharapkan kepada pemerintah agar mampu menjaga kestabilan harga kacang
tanah dipasar, memberikan kemudahan akses teknologi bagi petani dalam
usahatani kacang tanah serta bantuan dalam pengelolaan lahan-lahan marjinal
yang berpotensial untuk meningkatkan produksi kacang tanah.
3. Diharapkan kepada mahasiswa ataupun peneliti lain supaya dapat mengkaji
lebih dalam tentang penelitian ini baik dari pengolahan data hingga ke
analisis, agar penelitian yang dihasilkan lebih akurat terutama dalam
menganalis kebutuhan kacang tanah di NTB.
85
DAFTAR PUSTAKA
Lestari, Ratih Yuli. 2008. Respon Penawaran Kacang Tanah (Arachis hypogaea)
di Indonesia. Universitas Brawijaya. Malang.
Makridakis, Spyros., Wheelwright, Steven C., dan McGee, Victor E. 1993.
Metode Dan Aplikasi Peramalan. Erlangga. Jakarta.
Maretha, Dedy. 2008. Peramalan Produksi dan Konsumsi Kedelai Nasional Serta
Implikasinya Terhadap Strategi Pencapaian Swasembada Kedelai
Nasional. [skripsi, unpublished]. Program Sarjana Ekstensi Manajemen
Agribisnis, Fakultas Pertanian, Institut Pertanian Bogor. Bogor. Indonesia.
Martono, Nanang. 2016. Metode Penelitian Kuantitatif. Rajagrafindo Persada.
Jakarta.
Maryann, Tomovich. 2018. Anda Alergi Kacang? Ini Makanan Penggantinya.
doktersehat.com/anda-alergi-kacang-ini-makanan-penggantinya/amp/ [4
Juli 2020].
Mashudi. 2007. Bertanama Kacang Tanah dan Manfaatnya. Azka Mulia Media.
Jakarta.
Moru, Lusia Koli. 2006. Analisis Penawaran dan Permintaan Serta Proyeksi
Komoditas Kacang Tanah (Arachis hypogaea L.) Di Jawa Timur.
Universitas Jember. Jember.
Noor, Juliansyah. 2016. Metodologi Penelitian. Prenada Media Group. Jakarta.
Paturohman, Eman dan Sumarno. 2014. Peningkatan Produktivitas Kacang
Tanah Melalui Penerapan Komponen Teknologi Kunci. Balilitbang.
Jakarta.
Rahmawati, Wahyu Tri. 2011. Petani NTB Memasok 10% Kacang Tanah Ke
GarudaFood. amp.kontan.co.id/news/petani-ntb-memasok-10-kacang-
tanah-ke-garudafood-1 [1 Juli 2020].
Sakinah, Fitri. 2016. Peramalan Produksi, Luas Panen dan Harga serta Analisis
Integrasi Pasar Spasial Kacang Tanah di Provinsi Bengkulu. [skripsi,
unpublished]. Program Studi Agribisnis, Fakultas Pertanian, Universitas
Bengkulu. Bengkulu. Indonesia.
Salem, Fransiskus dan Nubatonis, Agustinus. 2015. Faktor-Faktor Yang
Mempengaruhi Permintaan Kacang Tanah Di Kecamatan Kota
Kabupaten Timor Tengah Utara. Universitas Timor. NTT.
Setiadi, Nugraha J. 2003. Prakiraan Bisnis dan Teknik Pemrakiraan Bisnis.
Prenada Media. Bogor.
Soekartawi, A, S.1990. Ilmu Usaha Tani dan Penelitian untuk Pengembangan
Petani Kecil. Dirjen Pendidikan Tinggi. Departemen Pendidikan dan
Kebudayaan. Cetakan ke 3. Jakarta.
89
Yuwono T., Widodo S., Darwanto D.H, dkk. 2011. Pembangunan Pertanian :
Membangun Kedaulatan Pangan. Gadjah Mada University Press.
Yogyakarta.
LAMPIRAN
91
Lampiran 3. Peramalan Produksi Kacang Tanah Metode Double Moving Average (3 bulan)
No
Tahun Produksi St' St" a b E
. F MAD MSE MAPE
1 2001 30595
2 2002 32225
3 2003 40489 34436
4 2004 49227 40647
5 2005 43397 44371 39,818 48,924 4,553
6 2006 43956 45527 43,515 47,538 2,012 53,477 (9,521) 9,521 90,645,209 22
7 2007 32913 40089 43,329 36,849 (3,240) 49,550 (16,637) 16,637 276,797,163 51
8 2008 32348 36406 40,674 32,138 (4,268) 33,608 (1,260) 1,260 1,588,720 4
9 2009 38615 34625 37,040 32,211 (2,415) 27,870 10,745 10,745 115,462,188 28
10 2010 33666 34876 35,302 34,450 (426) 29,796 3,870 3,870 14,975,180 11
11 2011 37965 36749 35,417 38,081 1,332 34,024 3,941 3,941 15,530,605 10
12 2012 38890 36840 36,155 37,526 685 39,412 (522) 522 272,484 1
13 2013 41889 39581 37,723 41,439 1,858 38,211 3,678 3,678 13,529,319 9
14 2014 34284 38354 38,259 38,450 96 43,297 (9,013) 9,013 81,234,169 26
15 2015 31142 35772 37,902 33,641 (2,131) 38,546 (7,404) 7,404 54,819,216 24
16 2016 33748 33058 35,728 30,388 (2,670) 31,510 2,238 2,238 5,008,644 7
17 2017 34326 33072 33,967 32,177 (895) 27,718 6,608 6,608 43,665,664 19
18 2018 25109 31061 32,397 29,725 (1,336) 31,282 (6,173) 6,173 38,105,929 25
Total 654,784 595,464 527,226 513,536 (6,845) 478,301 (19,450) 81,611 751,634,491 236
Rata-rata 6,278 57,818,038 18.19
94
Lampiran 4. Peramalan Produksi Kacang Tanah Metode Double Moving Average (4 bulan)
Produks
No. Tahun St' St" a b E
i F MAD MSE MAPE
1 2001 30595
2 2002 32225
3 2003 40489
4 2004 49227 38134
5 2005 43397 41335
6 2006 43956 44267
7 2007 32913 42373 41527 43219 564
8 2008 32348 38154 41532 34775 -2252 43783 -11435 11435 130764943 35.4
9 2009 38615 36958 40438 33478 -2320 32522 6093 6093 37119064 15.8
10 2010 33666 34386 37968 30803 -2388 31158 2508 2508 6290064 7.4
11 2011 37965 35649 36286 35011 -425 28415 9550 9550 91194940 25.2
12 2012 38890 37284 36069 38499 810 34585 4305 4305 18529796 11.1
13 2013 41889 38103 36355 39850 1165 39309 2580 2580 6656400 6.2
14 2014 34284 38257 37323 39191 623 41015 -6731 6731 45303556 19.6
15 2015 31142 36551 37549 35554 -665 39814 -8672 8672 75197803 27.8
16 2016 33748 35266 37044 33487 -1186 34889 -1141 1141 1301548 3.4
17 2017 34326 33375 35862 30888 -1658 32302 2024 2024 4097419 5.9
18 2018 25109 31081 34068 28094 -1991 29230 -4121 4121 16979207 16.4
Total 654784 561171 452022 422849 -9724.2 387022 -5040.2 59158.1 433434741 174.13
Rata-rata 5378.01 39403158.2 15.83
95
Lampiran 5. Peramalan Kebutuhan Kacang Tanah Metode Double Moving Average (3 bulan)
Lampiran 6. Peramalan Kebutuhan Kacang Tanah Metode Double Moving Average (4 bulan)
No
Tahun Kebutuhan St' St" a b E
. F MAD MSE MAPE
1 2005 4,972
2 2006 5,534
3 2007 5,580
4 2008 6,109 5,549
5 2009 6,651 5,969
6 2010 6,546 6,222
7 2011 7,094 6,600 6,085 7,115 344
8 2012 7,200 6,873 6,416 7,330 305 7,459 (259) 259 67,005 4
9 2013 7,872 7,178 6,718 7,638 307 7,635 237 237 56,396 3
10 2014 6,069 7,059 6,927 7,190 88 7,945 (1,876) 1,876 3,517,735 31
11 2015 6,770 6,978 7,022 6,934 (29) 7,278 (508) 508 257,768 7
12 2016 4,623 6,334 6,887 5,780 (369) 6,904 (2,281) 2,281 5,204,387 49
13 2017 7,018 6,120 6,623 5,618 (335) 5,411 1,607 1,607 2,582,449 23
14 2018 5,916 6,082 6,378 5,785 (198) 5,283 634 634 401,322 11
Total 87,954 70,961 53,055 53,390 111 37,220 (4,686) 7,401 12,087,062 128
Rata-rata 1,057 1,726,723 18.28
97
Lampiran 7. Peramalan Produksi Kacang Tanah Metode Double Exponential Smoothing (α = 0,5)
Lampiran 8. Peramalan Produksi Kacang Tanah Metode Double Exponential Smoothing (α = 0,1)
No Produks
Tahun
. i S't S"t at bt Ft E MAD MSE MAPE
1 2001 30595 30595.00 30595.00
2 2002 32225 30758.00 30611.30 30904.70 16.30
3 2003 40489 31731.10 30723.28 32738.92 111.98 30921.00 9568.00 9568.00 91546624.00 23.63
4 2004 49227 33480.69 30999.02 35962.36 275.74 32850.90 16376.10 16376.10 268176651.21 33.27
5 2005 43397 34472.32 31346.35 37598.29 347.33 36238.10 7158.90 7158.90 51249849.21 16.50
6 2006 43956 35420.69 31753.78 39087.59 407.43 37945.62 6010.38 6010.38 36124655.72 13.67
7 2007 32913 35169.92 32095.40 38244.44 341.61 39495.03 -6582.03 6582.03 43323076.80 20.00
8 2008 32348 34887.73 32374.63 37400.82 279.23 38586.06 -6238.06 6238.06 38913333.05 19.28
9 2009 38615 35260.46 32663.21 37857.70 288.58 37680.06 934.94 934.94 874117.09 2.42
10 2010 33666 35101.01 32906.99 37295.03 243.78 38146.28 -4480.28 4480.28 20072901.12 13.31
11 2011 37965 35387.41 33155.03 37619.78 248.04 37538.81 426.19 426.19 181641.58 1.12
12 2012 38890 35737.67 33413.30 38062.04 258.26 37867.82 1022.18 1022.18 1044843.44 2.63
13 2013 41889 36352.80 33707.25 38998.35 293.95 38320.30 3568.70 3568.70 12735613.46 8.52
14 2014 34284 36145.92 33951.12 38340.73 243.87 39292.30 -5008.30 5008.30 25083108.97 14.61
15 2015 31142 35645.53 34120.56 37170.50 169.44 38584.59 -7442.59 7442.59 55392197.93 23.90
16 2016 33748 35455.78 34254.08 36657.47 133.52 37339.94 -3591.94 3591.94 12902047.69 10.64
17 2017 34326 35342.80 34362.95 36322.65 108.87 36790.99 -2464.99 2464.99 6076200.15 7.18
18 2018 25109 34319.42 34358.60 34280.24 -4.35 36431.52 -11322.52 11322.52 128199410.82 45.09
Total 654784 621264.2 587391.9 624541.6 3763.598 594029.3 -2065.32 92196.1 791896272.3 255.7748
Rata-rata 5762.26 49493517.02 15.99
99
Lampiran 9. Peramalan Kebutuhan Kacang Tanah Metode Double Exponential Smoothing (α = 0,5)
Lampiran 10. Peramalan Kebutuhan Kacang Tanah Metode Double Exponential Smoothing (α = 0,1)
No
Tahun Kebutuhan
. S't S"t at bt Ft E MAD MSE MAPE
1 2005 4,972 4,972 4,972.00 - - - - - -
2 2006 5,534 5,028.20 4,977.62 5,078.78 5.62
3 2007 5,580 5,083.38 4,988.20 5,178.56 10.58 5,084.40 495.60 495.60 245,619.36 8.88
4 2008 6,109 5,185.94 5,007.97 5,363.91 19.77 5,189.14 919.86 919.86 846,142.42 15.06
5 2009 6,651 5,332.45 5,040.42 5,624.48 32.45 5,383.69 1,267.31 1,267.31 1,606,079.71 19.05
6 2010 6,546 5,453.80 5,081.76 5,825.85 41.34 5,656.93 889.07 889.07 790,454.36 13.58
7 2011 7,094 5,617.82 5,135.36 6,100.28 53.61 5,867.19 1,226.81 1,226.81 1,505,068.37 17.29
8 2012 7,200 5,776.04 5,199.43 6,352.65 64.07 6,153.89 1,046.11 1,046.11 1,094,348.96 14.53
9 2013 7,872 5,985.64 5,278.05 6,693.22 78.62 6,416.72 1,455.28 1,455.28 2,117,847.13 18.49
10 2014 6,069 5,993.97 5,349.64 6,638.30 71.59 6,771.84 (702.84) 702.84 493,986.47 11.58
11 2015 6,770 6,071.58 5,421.84 6,721.31 72.19 6,709.89 60.11 60.11 3,612.74 0.89
12 2016 4,623 5,926.72 5,472.33 6,381.11 50.49 6,793.51 (2,170.51) 2,170.51 4,711,101.66 46.95
13 2017 7,018 6,035.85 5,528.68 6,543.02 56.35 6,431.60 586.40 586.40 343,866.18 8.36
14 2018 5,916 6,023.86 5,578.20 6,469.53 49.52 6,599.37 (683.37) 683.37 466,990.83 11.55
Total 87,954 78,487 73,031 78,971 606 73,058 4,390 11,503 14,225,118 186
Rata-rata 959 1,185,427 15.52
101
Lampiran 13. Peramalan Produksi Kacang Tanah Metode Regresi Linier Sederhana
No
Tahun Produksi (Y) (X) XY X2 Y2 Y' E MAD MSE MAPE
.
39912.1
1 2001 30595 1 30595 1 936054025 -9317.10 9317.10 86808341.51 30.45
0
39496.1
2 2002 32225 2 64450 4 1038450625 -7271.19 7271.19 52870237.38 22.56
9
39080.2
3 2003 40489 3 121467 9 1639359121 1408.71 1408.71 1984477.46 3.48
9
38664.3
4 2004 49227 4 196908 16 2423297529 10562.62 10562.62 111568982.40 21.46
8
38248.4
5 2005 43397 5 216985 25 1883299609 5148.53 5148.53 26507351.56 11.86
7
37832.5
6 2006 43956 6 263736 36 1932129936 6123.44 6123.44 37496470.75 13.93
6
37416.6
7 2007 32913 7 230391 49 1083265569 -4503.66 4503.66 20282923.59 13.68
6
37000.7
8 2008 32348 8 258784 64 1046393104 -4652.75 4652.75 21648078.56 14.38
5
36584.8
9 2009 38615 9 347535 81 1491118225 2030.16 2030.16 4121539.68 5.26
4
36168.9
10 2010 33666 10 336660 100 1133399556 -2502.94 2502.94 6264685.26 7.43
4
35753.0
11 2011 37965 11 417615 121 1441341225 2211.97 2211.97 4892819.21 5.83
3
35337.1
12 2012 38890 12 466680 144 1512432100 3552.88 3552.88 12622948.57 9.14
2
34921.2
13 2013 41889 13 544557 169 1754688321 6967.79 6967.79 48550042.21 16.63
1
104
34505.3
14 2014 34284 14 479976 196 1175392656 -221.31 221.31 48976.72 0.65
1
34089.4
15 2015 31142 15 467130 225 969824164 -2947.40 2947.40 8687165.14 9.46
0
33673.4
16 2016 33748 16 539968 256 1138927504 74.51 74.51 5551.35 0.22
9
33257.5
17 2017 34326 17 583542 289 1178274276 1068.41 1068.41 1141509.58 3.11
9
32841.6
18 2018 25109 18 451962 324 630461881 -7732.68 7732.68 59794314.66 30.80
8
654,78
Total 654,784 171 6,018,941 2,109 24,408,109,426 0 78,298 505,296,416 220
4
Rata-rata 4,349.89 28,072,023.09 12.24
a = 40328.01
b = -415.91
Y’ = 40328.01 - 415.91X
Lampiran 14. Peramalan Kebutuhan Kacang Tanah Metode Regresi Linier Sederhana
No
Tahun Kebutuhan (Y) (X) XY X2 Y2 Y' E MAD MSE MAPE
.
1 2005 4,972 1 4,972 1 24,720,784 5,914.09 (942.09) 942.09 887,525.49 18.9478
2 2006 5,534 2 11,068 4 30,625,156 5,970.75 (436.75) 436.75 190,753.92 7.8922
3 2007 5,580 3 16,740 9 31,136,400 6,027.42 (447.42) 447.42 200,186.43 8.0183
4 2008 6,109 4 24,436 16 37,319,881 6,084.09 24.91 24.91 620.50 0.4078
5 2009 6,651 5 33,255 25 44,235,801 6,140.76 510.24 510.24 260,346.65 7.6717
6 2010 6,546 6 39,276 36 42,850,116 6,197.43 348.57 348.57 121,503.57 5.3250
7 2011 7,094 7 49,658 49 50,324,836 6,254.09 839.91 839.91 705,441.24 11.8397
8 2012 7,200 8 57,600 64 51,840,000 6,310.76 889.24 889.24 790,743.09 12.3505
105
b = 56.66813187
Y’ = 5,857.42 + 56.66813187X
7 2008 32348 32913 1046393104 1083265569 1064669724 34654.91 -1741.91 1741.91 3034260.91 5.38
8 2009 38615 32348 1491118225 1046393104 1249118020 34372.59 -2024.59 2024.59 4098949.80 5.24
9 2010 33666 38615 1133399556 1491118225 1300012590 37504.16 1110.84 1110.84 1233957.05 3.30
10 2011 37965 33666 1441341225 1133399556 1278129690 35031.18 -1365.18 1365.18 1863721.91 3.60
11 2012 38890 37965 1512432100 1441341225 1476458850 37179.36 785.64 785.64 617225.17 2.02
12 2013 41889 38890 1754688321 1512432100 1629063210 37641.58 1248.42 1248.42 1558553.88 2.98
13 2014 34284 41889 1175392656 1754688321 1436122476 39140.16 2748.84 2748.84 7556124.39 8.02
14 2015 31142 34284 969824164 1175392656 1067672328 35339.99 -1055.99 1055.99 1115120.00 3.39
15 2016 33748 31142 1138927504 969824164 1050980216 33769.96 -2627.96 2627.96 6906154.27 7.79
16 2017 34326 33748 1178274276 1138927504 1158433848 35072.16 -1324.16 1324.16 1753391.37 3.86
17 2018 25109 34326 630461881 1178274276 861891534 35360.98 -1034.98 1034.98 1071182.65 4.12
Total 624,189 629,675 23,472,055,401 23,777,647,545 23,346,972,868 624,189 5,486 37,811 115,577,572 102
Rata-rata 2,224.18 6,798,680.70 6.02
a = 18,208.51
b = 0.499693231
Y’ = 18,208.51 + 0.499693231X
5 2010 6,546 6,651 42,850,116 44,235,801 43,537,446 6,424.944 121.06 121.06 14,654.62 1.8493
6 2011 7,094 6,546 50,324,836 42,850,116 46,437,324 6,412.076 681.92 681.92 465,019.88 9.6127
7 2012 7,200 7,094 51,840,000 50,324,836 51,076,800 6,479.232 720.77 720.77 519,506.75 10.0107
8 2013 7,872 7,200 61,968,384 51,840,000 56,678,400 6,492.222 1,379.78 1,379.78 1,903,787.97 17.5277
9 2014 6,069 7,872 36,832,761 61,968,384 47,775,168 6,574.573 (505.57) 505.57 255,604.10 8.3304
10 2015 6,770 6,069 45,832,900 36,832,761 41,087,130 6,353.622 416.38 416.38 173,370.94 6.1503
11 2016 4,623 6,770 21,372,129 45,832,900 31,297,710 6,439.527 (1,816.53) 1,816.53 3,299,769.47 39.2932
12 2017 7,018 4,623 49,252,324 21,372,129 32,444,214 6,176.419 841.58 841.58 708,257.98 11.9917
13 2018 5,916 7,018 34,999,056 49,252,324 41,518,488 6,469.918 (553.92) 553.92 306,825.48 9.3631
Total 82,982 82,038 538,589,744 528,311,472 524,966,627 82,982 0 8,908 8,737,283 146.62
Rata-rata 685 672,099 11.28
a = 5,609.89
b = 0.122546531
Y’ = 5,609.89 + 0.122546531X
106
/METHOD=ENTER Luas_Panen Harga_kacang_tanah Jumlah_tenaga_kerja.
Regression
Notes
Comments
Filter <none>
Weight <none>
Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Produksi
/METHOD=ENTER Luas_Panen
Harga_kacang_tanah
Jumlah_tenaga_kerja.
[DataSet0]
108
Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 Jumlah_tenaga_kerja,
Luas_Panen, . Enter
Harga_kacang_tanah a
Model Summary
ANOVAb
Total .445 17
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
/STATISTICS=MEAN STDDEV MIN MAX KURTOSIS SKEWNESS.
Descriptives
Notes
Comments
Filter <none>
Weight <none>
Missing Value Handling Definition of Missing User defined missing values are treated
as missing.
[DataSet0]
Descriptive Statistics
Std.
Statistic Statistic Statistic Statistic Statistic Statistic Std. Error Statistic Std. Error
Unstandardized Residual 18 -.07877 .11321 .0000000 .04703167 .682 .536 .953 1.038
Valid N (listwise) 18
NPAR TESTS
/K-S(NORMAL)=RES_1
/MISSING ANALYSIS.
NPar Tests
110
Notes
Comments
Filter <none>
Weight <none>
Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.
Cases Used Statistics for each test are based on all cases with
valid data for the variable(s) used in that test.
[DataSet0]
Unstandardized
Residual
N 18
Normal Parameters a
Mean .0000000
Positive .151
Negative -.093
Kolmogorov-Smirnov Z .642
/METHOD=ENTER Luas_Panen Harga_kacang_tanah Jumlah_tenaga_kerja.
Regression
Notes
Comments
Filter <none>
Weight <none>
Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS BCOV R ANOVA
COLLIN TOL
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Produksi
/METHOD=ENTER Luas_Panen
Harga_kacang_tanah Jumlah_tenaga_kerja.
[DataSet0]
Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 Jumlah_tenaga_kerja,
Luas_Panen, . Enter
Harga_kacang_tanah a
Model Summary
ANOVAb
Total .445 17
Coefficientsa
Coefficient Correlationsa
Jumlah_tenaga_ Harga_kacang_
Model kerja Luas_Panen tanah
1 Correlations Jumlah_tenaga_kerja
1.000 -.228 -.872
Luas_Panen
-.228 1.000 .555
Harga_kacang_tanah
-.872 .555 1.000
Covariances Jumlah_tenaga_kerja
.124 -.008 -.028
Luas_Panen
-.008 .010 .005
Harga_kacang_tanah
-.028 .005 .008
Collinearity Diagnosticsa
Variance Proportions
/RESIDUALS DURBIN.
Regression
Notes
Comments
Filter <none>
115
Weight <none>
Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Produksi
/METHOD=ENTER Luas_Panen
Harga_kacang_tanah Jumlah_tenaga_kerja
/RESIDUALS DURBIN.
[DataSet0]
Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 Jumlah_tenaga_kerja,
Luas_Panen, . Enter
Harga_kacang_tanah a
Model Summaryb
ANOVAb
Total .445 17
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Residuals Statisticsa
/SAVE RESID.
Regression
Notes
Comments
Filter <none>
Weight <none>
Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Abresid
/METHOD=ENTER Luas_Panen
Harga_kacang_tanah Jumlah_tenaga_kerja
/SAVE RESID.
[DataSet0]
Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 Jumlah_tenaga_kerja,
Luas_Panen, . Enter
Harga_kacang_tanah a
Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 Jumlah_tenaga_kerja,
Luas_Panen, . Enter
Harga_kacang_tanah a
Model Summaryb
ANOVAb
Total .017 17
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Residuals Statisticsa
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT kebutuhan
/METHOD=ENTER harga_kacang_tanah harga_kedelai PDRB_perkapita.
Regression
Notes
Comments
Filter <none>
Weight <none>
Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT kebutuhan
/METHOD=ENTER harga_kacang_tanah
harga_kedelai PDRB_perkapita.
[DataSet0]
122
Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 PDRB_perkapita,
harga_kedelai, . Enter
harga_kacang_tanah a
Model Summary
ANOVAb
Total .290 13
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
DESCRIPTIVES VARIABLES=RES_1
/STATISTICS=MEAN STDDEV MIN MAX KURTOSIS SKEWNESS.
Descriptives
Notes
Comments
Filter <none>
Weight <none>
Missing Value Handling Definition of Missing User defined missing values are treated as
missing.
[DataSet0]
Descriptive Statistics
Statistic Statistic Statistic Statistic Statistic Statistic Std. Error Statistic Std. Error
Unstandardized Residual 14 -.17099 .13791 .0000000 .09714720 -.184 .597 -1.047 1.154
Valid N (listwise) 14
NPAR TESTS
/K-S(NORMAL)=RES_1
124
/MISSING ANALYSIS.
NPar Tests
Notes
Comments
Filter <none>
Weight <none>
Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.
Cases Used Statistics for each test are based on all cases with
valid data for the variable(s) used in that test.
[DataSet0]
125
Unstandardized Residual
N 14
Positive .146
Negative -.108
Kolmogorov-Smirnov Z .546
Comments
Filter <none>
Weight <none>
Missing Value Handling Definition of Missing User-defined missing values are treated as missing.
Syntax REGRESSION
/MISSING LISTWISE
COLLIN TOL
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT kebutuhan
/METHOD=ENTER harga_kacang_tanah
harga_kedelai PDRB_perkapita.
[DataSet0]
Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 PDRB_perkapita,
harga_kedelai, . Enter
harga_kacang_tanah a
Model Summary
ANOVAb
Total .290 13
Coefficientsa
Coefficient Correlationsa
harga_kacang_
Model PDRB_perkapita harga_kedelai tanah
Collinearity Diagnosticsa
Variance Proportions
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT kebutuhan
/METHOD=ENTER harga_kacang_tanah harga_kedelai PDRB_perkapita
/RESIDUALS DURBIN.
Regression
Notes
Comments
Filter <none>
129
Weight <none>
Missing Value Handling Definition of Missing User-defined missing values are treated as missing.
Cases Used Statistics are based on cases with no missing values for
Syntax REGRESSION
/MISSING LISTWISE
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT kebutuhan
/METHOD=ENTER harga_kacang_tanah
harga_kedelai PDRB_perkapita
/RESIDUALS DURBIN.
[DataSet0]
Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 PDRB_perkapita,
harga_kedelai, . Enter
harga_kacang_tanah a
Model Summaryb
Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 PDRB_perkapita,
harga_kedelai, . Enter
harga_kacang_tanah a
ANOVAb
Total .290 13
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Residuals Statisticsa
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Abresid
/METHOD=ENTER harga_kacang_tanah harga_kedelai PDRB_perkapita
/SAVE RESID.
Regression
Notes
Comments
Filter <none>
Weight <none>
Missing Value Handling Definition of Missing User-defined missing values are treated as missing.
Cases Used Statistics are based on cases with no missing values for
Syntax REGRESSION
/MISSING LISTWISE
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Abresid
PDRB_perkapita
/SAVE RESID.
Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 PDRB_perkapita,
harga_kedelai, . Enter
harga_kacang_tanah a
Model Summaryb
ANOVAb
Total .035 13
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Residuals Statisticsa
Predicted Value
.0260 .1481 .0791 .03568 14
Residual
-.05377 .07075 .00000 .03766 14
Std. Residual
-1.252 1.648 .000 .877 14