Peramalan Produksi Dan Kebutuhan Kacang Tanah Di Provinsi Nusa Tenggara Barat

PERAMALAN PRODUKSI DAN KEBUTUHAN
KACANG TANAH DI PROVINSI NUSA TENGGARA

BARAT
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
Sebagai Salah Satu Syarat untuk Memperoleh

Gelar Sarjana Pertanian pada Fakultas Pertanian
Universitas Mataram
FAKULTAS PERTANIAN
UNIVERSITAS MATARAM
2020
HALAMAN PERNYATAAN
Yang bertanda tangan di bawah ini :
Nama : Yuyun Andriani

NIM : C1G016251
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.
Pernyataan ini dibuat dengan sebenar-benarnya secara sadar dan

bertanggung-jawab, dan saya bersedia menerima sanksi pembatalan skripsi
apabila terbukti melakukan duplikasi terhada karya ilmiah yangsudah ada.
Mataram, 21 Juli 2020
Yuyun Andriani
C1G016251
HALAMAN PENGESAHAN
Skripsi yang diajukan oleh :
Nama : Yuyun Andriani

NIM : C1G016251
Program Studi : Agribisnis
Jurusan : Sosial Ekonomi Pertanian
Judul : Peramalan Produksi dan Kebutuhan Kacang Tanah
di Provinsi Nusa Tenggara Barat
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 :
Pembimbing Utama, Pembimbing Pendamping,
Dr. Ir. Muhamad Siddik, MS.___ Prof. Dr. Ir. L Wirasepta Karyadi, M.Si.
NIP. 19600801198603 1 003 NIP. 19600121198503 1 001
Mengetahui :
Ketua Jurusan Ilmu Sosial Ekonomi Ketua Program Studi Agribisnis,

Pertanian,
Ir. Ridwan, M.Si._____ Dr. Ir. Abdullah Usman, M.Agr.Sc.

NIP. 19571231198803 1 009 NIP. 19610927198803 1 001
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.
Mataram, 21 Juli 2020

Penulis
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
IV.4.1. Faktor-faktor yang Mempengaruhi Produksi

Kacang Tanah di Provinsi Nusa Tenggara
Barat………………... 64
IV.4.2. Faktor-faktor yang Mempengaruhi Kebutuhan
Kacang Tanah di Provinsi Nusa Tenggara
Barat………………... 73
V. KESIMPULAN DAN SARAN…………………………………….. 82
V.1. Kesimpulan……………………………………………
……….. 82
V.2. Saran……………………………………………………
………. 82
DAFTAR PUSTAKA…………………………………………………. 84
LAMPIRAN…………………………………………………………… 89
ix
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
4.14. Hasil Uji Heterokedastisitas Produksi Kacang Tanah di

NTB………………………………………………………….. 72
4.15. Hasil Uji F Kebutuhan Kacang Tanah di
NTB………………………………………………………….. 74
4.16. Hasil Uji T Faktor Yang Mempengaruhi Kebutuhan Kacang
Tanah di NTB…………………………….………………….. 74
4.17. Hasil Uji Koefisien Determinasi Kebutuhan Kacang Tanah
di NTB……………………………………………………….. 78
4.18. Hasil Uji Normalitas Kebutuhan Kacang Tanah di NTB……. 79
4.19. Hasil Uji Multikolinieritas Kebutuhan Kacang Tanah di
NTB………………………………………………………….. 79
4.20. Hasil Uji Multikolinieritas Koefisien Korelasi……………… 80
4.21. Hasil Uji Autokorelasi Kebutuhan Kacang Tanah di NTB….. 80
4.22. Hasil Uji Heterokedastisitas Kebutuhan Kacang Tanah di
NTB………………………………………………………….. 81
xi
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
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
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
18. Hasil Logaritma Natural Data Kebutuhan ……………...…… 106

19. Hasil Regresi Faktor-Faktor yang mempengaruhi
Produksi……………….……………………………………. 107
20. Hasil Uji Normalitas Faktor-Faktor yang mempengaruhi
Produksi ……………………………………………………. 109
21. Hasil Uji Multikolinieritas Faktor-Faktor yang
mempengaruhi Produksi .……………………………………. 111
22. Hasil Uji Autokorelasi Faktor-Faktor yang mempengaruhi
Produksi……..………………………………………………. 114
23. Hasil Uji Heterokedastisitas Faktor-Faktor yang
mempengaruhi Produksi..…………………………………... 117
24. Hasil Regresi Faktor-Faktor yang mempengaruhi
Kebutuhan…………..………………………………………. 120
25. Hasil Uji Normalitas Faktor-Faktor yang mempengaruhi
Kebutuhan …………………………………………. 122
26. Hasil Uji Multikolinieritas Faktor-Faktor yang
mempengaruhi Kebutuhan …..………………………………. 124
27. Hasil Uji Autokorelasi Faktor-Faktor yang mempengaruhi
Kebutuhan……………………………………………………. 127
28. Hasil Uji Heterokedastisitas Faktor-Faktor yang
mempengaruhi Kebutuhan…………………………………... 130
xiv
RINGKASAN
YUYUN ANDRIANI. Peramalan Produksi dan Kebutuhan Kacang

Tanah di Provinsi Nusa Tenggara Barat. Dibimbing oleh dosen pembimbing
utama Ir. Muhamad Siddik, MS. dan dosen pembimbing pendamping Prof.
Dr. Ir. L Wirasepta Karyadi, M.Si.
Kacang tanah merupakan salah satu komoditas pertanian yang diproduksi
di Indonesia, termasuk di Provinsi Nusa Tenggara Barat. Besarnya produksi dan
kebutuhan kacang tanah merupakan dua hal yang saling berkaitan, karena itulah
produksi dimaksudkan untuk memenuhi kebutuhan yang ada. Dalam penelitian
ini, tujuan yang ditetapkan adalah 1) menganalisis trend perkembangan produksi
dan kebutuhan kacang tanah di Provinsi Nusa Tenggara Barat tahun 2001 – 2018;
2) meramalkan perkembangan produksi dan kebutuhan kacang tanah di Provinsi
Nusa Tenggara Barat pada tahun 2019-2024; 3) menganalisis faktor-faktor yang
mempengaruhi produksi dan kebutuhan kacang tanah di Provinsi Nusa Tenggara
Barat. Untuk melakukan penelitian ini, data yang digunakan adalah data sekunder
dengan variabel terikatnya adalah produksi dan kebutuhan kacang tanah NTB,
sedangkan variabel bebasnya adalah luas panen kacang tanah, harga kacang tanah,
jumlah tenaga kerja, harga kedelai dan PDRB/kapita NTB atas dasar harga
konstan. Kemudian untuk menganalisis data tersebut digunakan metode deksriptif
kuantitatif, metode peramalan time series dan metode Coob-Douglass atau regresi
non-linier.
Berdasarkan analisis yang telah dilakukan, diperoleh hasil ttend
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. Kemudian hasil peramalan
produksi kacang tanah di NTB selama tahun 2019-2024 menunjukkan
peningkatan, yaitu 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.
xv
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.
Kata kunci : peramalan, produksi, kebutuhan, kacang tanah.

I. PENDAHULUAN
1.1. Latar Belakang

Indonesia merupakan negara kepulauan yang menduduki peringkat
keempat sebagai negara dengan jumlah penduduk terbanyak tahun 2019. Jumlah
penduduk tersebut tiap tahunnya semakin bertambah. Artinya, dengan semakin
bertambahnya jumlah penduduk maka jumlah kebutuhan akan pangan pun
semakin bertambah. Untuk memenuhi kebutuhan pangan tersebut dapat dilakukan
dengan memproduksinya sendiri atau impor dari negara lain. Produksi pangan
sendiri dilakukan melalui sektor primer atau biasa disebut pertanian.
Pertanian secara sederhana dapat diartikan sebagai kegiatan manusia
dalam membuka dan mengolah lahan untuk bercocok tanam. Saat ini sektor
pertanian masih menjadi mata pencaharian kurang lebih 100 juta penduduk
Indonesia atau hampir setengah dari total jumlah penduduknya (Kementrian
Pertanian). Sehingga dapat dikatakan bahwa keberadaan sektor pertanian
sangatlah penting, tidak hanya dalam memenuhi kebutuhan pangan tetapi juga
sebagai mata pencaharian penduduk Indonesia. Untuk memenuhi kebutuhan
pangan, pertanian memproduksi berbagai jenis tanaman pangan. Tanaman pangan
yang paling umum diproduksi di Indonesia adalah padi, jagung, kacang kedelai,
kacang tanah, kacang hijau, ubi jalar, dan ubi kayu. Tanaman pangan bermanfaat
untuk memenuhi kebutuhan karbohidrat dan protein pada manusia.
Salah satu jenis tanaman pangan yang menjadi sumber protein nabati dan
mempunyai kandungan protein yang relatif tinggi adalah kacang tanah.
Kebutuhan akan kacang tanah tidak hanya untuk bahan pangan, tetapi juga
sebagai bahan baku industri. Bahan baku industri ini kemudian akan diolah
menjadi produk yang bernilai tambah lebih. Untuk memenuhi kebutuhan tersebut,
hampir seluruh provinsi di Indonesia memproduksi kacang tanah kecuali DKI
Jakarta. Namun dari keseluruhan produksi, terdapat 10 provinsi dengan produksi
yang cukup tinggi yaitu Jawa Timur 29,43%; Jawa Tengah 18,06%; Yogyakarta
13,56%; Jawa Barat 9,6%; NTB 5,10%; Sulawesi Selatan 4%; NTT 3%;
2
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
No. Tahun Produksi (ton) Luas Panen (ha) Produktivitas (ton/ha)

1 2001 30.595 27.350 1,12
2 2002 32.225 28.175 1,14
3 2003 40.489 34.039 1,19
4 2004 49.227 41.020 1,20
5 2005 43.397 35.214 1,23
6 2006 43.956 34.860 1,26
7 2007 32.913 25.488 1,29
8 2008 32.348 25.541 1,27
9 2009 38.615 28.750 1,34
10 2010 33.666 25.044 1,34
11 2011 37.965 26.860 1,41
12 2012 38.890 25.508 1,52
13 2013 41.889 30.772 1,36
14 2014 34.284 26.458 1,30
15 2015 31.142 20.249 1,54
16 2016 33.748 23.538 1,43
17 2017 34.326 24.403 1,41
18 2018 25.109 19.057 1,32
Jumlah 654.784 502.326 23,68
Sumber : Dinas Pertanian dan Perkebunan NTB
Dari tabel di atas terlihat bahwa produksi kacang tanah paling besar adalah
pada tahun 2004 yaitu sebesar 49.227 ton dengan luas panen sebesar 41.020 ha.
Namun, meskipun produksinya paling besar, tetapi produktivitasnya hanya
sebesar 1,20 ton/ha. Artinya, setiap usahatani kacang tanah dengan luas panen 1
ha, akan menghasilkan produksi sebesar 1,20 ton. Kemudian produksi kacang
3
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 Produksi (ton) Kebutuhan (ton) Selisish (ton)

1 2005 43.397 4.972 38.425
2 2006 43.956 5.534 38.422
3 2007 32.913 5.580 27.333
4 2008 32.348 6.109 26.239
5 2009 38.615 6.651 31.964
6 2010 33.666 6.546 27.120
7 2011 37.965 7.094 30.871
8 2012 38.890 7.200 31.690
9 2013 41.889 7.872 34.017
10 2014 34.284 6.069 28.215
11 2015 31.142 6.770 24.372
12 2016 33.748 4.623 29.125
13 2017 34.326 7.018 27.308
14 2018 25.109 5.916 19.193
Jumlah 502.248 87.954 414.294
Sumber : Dinas Ketahanan Pangan NTB
4
Berdasarkan tabel di atas terlihat bahwa kebutuhan kacang tanah NTB

lebih kecil daripada jumlah produksinya. Sehingga seperti yang telah dijelaskan
sebelumnya bahwa surplus tersebut berkontribusi untuk memenuhi kebutuhan
nasional. Kebutuhan kacang tanah paling tinggi adalah pada tahun 2013 yaitu
sebesar 7.872 ton dan dapat dipenuhi dengan produksi sebesar 41.889 ton.
Sehingga surplus produksi pada tahun tersebut adalah sebesar 34.017 ton.
Sedangkan kebutuhan kacang tanah paling sedikit adalah pada tahun 2005 yaitu
sebesar 4.972 ton dengan produksi sebesar 43.397 ton. Sehingga pada tahun 2005
ini terjadi surplus produksi tertinggi yaitu sebesar 38.425 ton. Meskipun produksi
kacang tanah NTB surplus dan menjadi salah satu dari 10 provinsi yang
menyumbangkan kontribusi kacang tanah terbesar untuk nasional, namun sampai
saat ini Indonesia masih melakukan impor kacang tanah. Bahkan volume impor
jauh lebih besar dibandingkan dengan volume ekspornya, baik itu dalam bentuk
segar maupun olahan. Untuk lebih jelasnya, berikut disajikan dalam tabel 1.3.
Tabel 1.3. Volume Ekspor dan Impor Kacang Tanah Indonesia Tahun 2013 –
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
Neraca ekpor impor kacang tanah dari segi volumenya menunjukkan

perkembangan yang negatif. Kecenderungan ini disebabkan oleh permintaan
kacang tanah dalam negeri yang tinggi untuk industri makanan dan belum mampu
dipenuhi oleh produksi dalam negeri. Bahkan dari surplus produksi yang
dikontribusikan oleh provinsi NTB. Sehingga perlu adanya kebijakan pemerintah
yang tepat untuk meningkatkan produksi kacang tanah yang berkualitas dan
mampu memenuhi kebutuhan dalam negeri maupun daerah agar voleme impor
dapat berkurang. Sebelum kebijakan ditetapkan, perlu dilakukan perencanaan
produksi yang tepat. Perencanaan tersebut dapat disusun berdasarkan
pertimbangan dari peramalan atau proyeksi terhadap kacang tanah. Hal tersebut
dilakukan untuk memberikan gambaran produksi di masa mendatang, sehingga
dapat membantu dalam pengambilan kebijakan terkait peningkatan produksi
maupun untuk keperluan kebutuhan pangan NTB.
Oleh karena itu berdasarkan uraian di atas, peneliti tertarik untuk
melakukan penelitian tentang kacang tanah dengan judul penelitian “Peramalan
Produksi dan Kebutuhan Kacang Tanah di Provinsi Nusa Tenggara Barat”.
1.2. Rumusan Masalah

Nusa Tenggara Barat (NTB) adalah salah satu provinsi yang memproduksi
kacang tanah, di mana hasil produksinya cukup besar yaitu 5,10% produksi
nasional berasal dari NTB. Dari hasil produksi tersebut, NTB mampu memenuhi
kebutuhannya sendiri dan mampu berkontribusi dalam kebutuhan nasional.
Kendati demikian, kontribusi tersebut nyatanya belum mampu memberikan
dampak yang signifikan untuk mengurangi volume impor nasional. Sehingga
produksi NTB tersebut perlu ditingkatkan kembali, baik melalui perluasan lahan
maupun peningkatan produktivitas terkait benih yang unggul, penggunaan pupuk
yang cukup atau teknik budidaya yang tepat. Untuk meningkatkan produksi
tersebut, maka perlu dilakukan perencanaan yang tepat sebelumnya. Perencanaan
yang tepat dapat dilakukan dengan melihat pertimbangan kejadian yang akan
terjadi di masa yang akan datang. Kejadian tersebut dapat dilihat melalui
6
peramalan terhadap produksi maupun kebutuhan kacang tanah. Sehingga mampu

memberikan pertimbangan dalam pengambilan keputusan yang tepat.
Berdasarkan latar belakang yang telah dijelaskan sebelumnya, maka
dirumuskan beberapa masalah dalam penelitian ini, yaitu sebagai berikut :
1. Bagaimanakah trend perkembangan produksi dan kebutuhan kacang tanah di
Provinsi Nusa Tenggara Barat tahun 2001–2018?
2. Bagaimanakah ramalan perkembangan produksi dan kebutuhan kacang tanah
di Provinsi Nusa Tenggara Barat pada tahun 2019-2024?
3. Faktor-faktor apa saja yang mempengaruhi produksi dan kebutuhan kacang
tanah di Provinsi Nusa Tenggara Barat?
1.3. Tujuan dan Manfaat Penelitian

Tujuan dari penelitian ini adalah sebagai berikut :
1. Menganalisis trend perkembangan produksi dan kebutuhan kacang tanah di
Provinsi Nusa Tenggara Barat tahun 2001–2018.
2. Meramalkan perkembangan produksi dan kebutuhan kacang tanah di Provinsi
Nusa Tenggara Barat pada tahun 2019-2024.
3. Menganalisis faktor-faktor yang mempengaruhi produksi dan kebutuhan
kacang tanah di Provinsi Nusa Tenggara Barat.
Adapun manfaat yang dapat diambil dari penelitian ini adalah :
1. Bagi penulis, dapat melatih kemampuan penulis dalam menganalisis suatu
permasalahan berdasarkan fakta dan data yang ada, sesuai dengan kaidah
keilmuan yang telah dipelajari selama kuliah.
2. Bagi pemerintah, diharapkan mampu memberikan sumbangsih pemikiran dan
memberikan pertimbangan dalam pengambilan keputusan terkait dengan
kacang tanah yang ada di Provinsi Nusa Tenggara Barat.
3. Bagi pihak lain, diharapkan hasil penelitian ini dapat dijadikan refrensi dan
informasi tambahan untuk bahan peneitian selanjutnya.
1.4. Hipotesis Penelitian

7
Hipotesis merupakan jawaban yang bersifat sementara atas pertanyaan-

pertanyaan penelitian (Noor, 2016). Adapun hipotesis dalam penelitian ini
dirumuskan untuk rumusan masalah yang ketiga. Berikut rumusan hipotesisnya :
1. Diduga produksi kacang tanah di Provinsi Nusa Tenggara Barat dipengaruhi
oleh luas panen, harga kacang tanah dan jumlah tenaga kerja.
2. Diduga kebutuhan kacang tanah di Provinsi Nusa Tenggara Barat dipengaruhi
oleh harga kacang tanah, harga kedelai dan PDRB/kapitaNTB.
II. TINJAUAN PUSTAKA
2.1. Dasar Teori

2.1.1. Gambaran Umum Kacang Tanah
Kacang tanah (Arachis hypogaea L.) adalah tanaman kacang-kacangan
atau polong-polongan yang merupakan anggota Fabaceae. Tanaman ini berasal
dari benua Amerika, tepatnya di Brazilia (Amerika Selatan). Pada waktu itu,
daerah tersebut sudah terdapat lebih dari 6-17 spesies Arachis, mula-mula kacang
tanah ini dibawa dan disebarkan ke benua Eropa, kemudia menyebar ke Benua
Asia. Tanaman kacang ini diperkirakan masuk Indonesia anatara tahun 1521-
1529. Kacang tanah yang dibudidayakan di Indonesia ada 2 jenis, yaitu kacang
tanah tipe menjalar dan tipe tumbuh tegak (Mashudi, 2007).
Secara fisik, tanaman kacang tanah memiliki daun majemuk bersirip
genap, terdiri atas empat anak dauh dengan tangkai daun yang agak panjang.
Daun ini akan gugur pada akhir masa pertumbuhan dan dimulai dari bagian
bawah. Bunga kacang tanah keluar dari ketiak daun, mahkota bunganya berwarna
kuning dan tabung kelopak berwarna putih. Umur bunga ini hanya satu hari,
mekar di pagi hari dan layu pada sore hari. Namun, bunga kacang tanah dapat
melakukan penyerbukan sendiri. Kemudian bagian fisik lainnya adalah buah
kacang tanah yang berupa polong yang terbentuk setelah terjadi pembuahan.
Setelah terjadi pembuahan, bakal buah tumbuh memanjang yang disebut gnifora
yang nantinya akan menjadi tangkai polong. Setelah tumbuh, gnifora tersebut
mengarah ke bawah hingga masuk ke dalam tanah dan polong akan terbentuk,
sedangkan gnifora akan berhenti memanjang. Biji kacang tanah ada bermacam-
macam warna, yaitu putih, merah, ungu, dan kesumba. Sedangkan akarnya
termasuk akar tunggang dengan akar cabang yang tumbuh tegak lurus pada akar
tunggang tersebut (Suhaeni, 2007).
Dalam dunia tumbuh-tumbuhan, kacang tanah diklasifikasikan seperti
berikut ini (Suprapto, 2002) :
9
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
Penggunaan varietas unggul dalam teknologi budi daya kacang tanah di

NTB masih sangat terbatas. Petani sebagian besar masih menggunakan varietas
lokal terutama pada lahan-lahan suboptimal. Salah satu varietas lokal yang cukup
luas dikembangkan oleh petani di Pulau Sumbawa adalah varietas Bima. Namun,
pada pengembangannya varietas lokal Bima peka terhadap penyakit layu
bakteri .Varietas lokal Pelat dari Pelat Kabupaten Sumbawa dan Lokal Lombok
Utara dari Kabupaten Lombok Utara merupakan beberapa varietas lokal yang juga
berasal dari NTB. Kedua varietas unggul tersebut merupakan jenis kacang tanah
berumur pendek (Widiastuti, et al. 2019).
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
Fungsi produksi menunjukkan bahwa besar kecilnya output tergantung

pada besar kecilnya input. Sebagai contoh, untuk memproduksi suatu output
tertentu hanya diperlukan dua macam input berupa tenaga kerja (L) dan kapital
(K), maka fungsi produksi dapat dituliskan sebagai berikut (Adiningsih &
Kadarusman, 2008) :
Y = f(K,L)
Secara umum, fungsi produksi yang menggunakan ‘n’ input dapat
dituliskan sebagai berikut :
Y = f(X1, X2, X3,...,Xn)
Di mana Xn adalah jumlah input yang digunakan oleh setiap jenis input
dalam produksi. Menurut Soekartawi (1990), beberapa model fungsi produksi
yang dikenal antara lain model linier, Cobb-Douglas, dan transendental. Model
linear berganda dan model Cobb-Douglas merupakan model yang paling
sederhana serta mudah dianalisis.

Hubungan antara satu faktor produksi (variabel) dengan produk yang
dihasilkan dapat berbentuk (Suratiyah, 2008) :
1. Kenaikan produksi (output) tetap (constant returns), jika penambahan satu
satuan faktor produksi (input) menyebabkan kenaikan hasil yang tetap.
2. Kenaikan output bertambah (increaing returs), jika penambahan satu satuan
input menyebabkan kenaikan hasil yang senantiasa bertambah.
3. Kenaikan output berkurang (decreasing returns), jika penambahan satu satuan
input menyebabkan kenaikan hasil yang senantiasa berkurang.
4. Kombinasi dari kenaikan output bertambah dan kenaikan input berkurang.
Menurut Soekartawi (1990), mendefenisikan hubungan antar faktor
produksi atau skala usaha sebagai penjumlahan dari semua elastisitas faktor–
faktor produksi. Skala usaha dibagi menjadi tiga bagian, yaitu :
1. Kenaikan hasil yang meningkat (Increasing return to scale). Pada daerah ini
Ep > 1, yang berarti proporsi penambahan faktor produksi akan menghasilkan
tambahan produksi yang proporsinya lebih besar.
13
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.
Kebutuhan terhadap pangan adalah salah satu kebutuhan dasar manusia.

Ketika populasi manusia semakin berkembang dengan laju yang cukup tinggi,
kebutuhan terhadap pangan harus dipenuhi melalui proses budidaya pertanian.
Kebutuhan manusia terhadap produk pertanian semakin berkembang. Selain
pangan utaman, manusia juga memerlukan produk pertanian untuk mencukupi
kebutuhan terhadap energi hayati terbarukan, bahan industri pangan, kosmetik
maupun farmasi (Yuwono, et al. 2011) .
Pada dasarnya, teori kebutuhan ini sama dengan teori permintaan dalam
ekonomi. Teori permintaan dalam ekonomi dapat didefinisikan sebagai kuantitas
barang atau jasa yang rela atau mampu dibeli oleh konsumen selama periode
waktu tertentu berdasarkan kondisi-kondisi tertentu. Periode waktu di sini dapat
berupa satuan jam, hari, minggu, bulan, tahun, atau satuan periode waktu lainnya.
Sedangkan kondisi-kondisi tertentu adalah berkaitan dengan faktor-faktor yang
15
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
menghadapi penggunaan yang luas seperti itu, beberapa teknik telah

dikembangkan. Teknik tersebut terbagi ke dalam dua kategori utama, yaitu
metode kuantitatif dan metode kualitatif atau teknologis. Metode kuantitatif dapat
dibagi ke dalam deret berkala (time series) dan metode kausal, sedangkan metode
kualitatif atau teknologis dapat dibagi menjadi metode eksporatoris dan normative
(Makridakis, 1993).
1) Metode Kualitatif
Metode kualitatif biasanya digunakan bila tidak ada atau sedikit data masa
lalu tersedia. Dalam metode ini, pendapat pakar dan prediksi mereka dijadikan
dasar untuk menetapkan hasil yang akan datang (Baroto, 2002). Metode
peramalan kualitatif juga sering disebut sebagai metode peramalan subyektif,
karena yang dipakai sebagai dasar dalam melakukan peramalan adalah penilaian
(judgement) dari pihak yang melakukan peramalan (Sugiarto & Harijono, 2000).
Terdapat beberapa metode peramalan kualitatif, anatar lain adalah opini eksekutif,
komposisi pendapat tenaga penjual, survei pasar konsumen, dan metode delphi
(Assauri, 2016).
a) Opini Eksekutif
Opini eksekutif menunjukkan metode peramalan yang didasarkan pada
opini atau pengalaman satu atau lebih manajer. Pendekatan ini seringkali
dilakukan untuk memodifikasi peramalan oleh tenaga penjualan
(Kumalaningrum, et al. 2011). Metode ini sering dikombinasikan dengan
model statistik, yang dilakukan dengan mengumpulkan hasil yang didapat
kelompok untuk mengestimasikan atau meramalkan. Sebagai contoh,
misalnya untuk mengetahui tren masa depan penelitian medis, yaitu dengan
mengumpulkan pendapat para ilmuan, dokter dan sarjana yang diteliti
(Assauri, 2016).
b) Komposisi Pendapat Tenaga Penjual
Menekankan pada pendapat setiap tenaga penjual, akan estimasinya
berapa hasil penjualan yang dicapai didaerah teritorinya. Peramalan ini
kemudian ditinjau dan ditimbang, apakah hasil tersebut realistik.
18
c) Survei Pasar/Riset Pasar

Menunjukkan pendekatan sistematik untuk menentukan keinginan
konsumen terhadap produk atau jasa dengan melakukan tes hipotesa melalui
pengumpulan data survei (Kumalaningrum, et al. 2011).
d) Metode Delphi
Metode ini merupakan proses menentukan peramalan yang berasal dari

konsensus sekelompok ahli dengan tidak meyebut namanya. Metode ini
sangat membantu ketika peramal tidak mempunyai data historis yang dapat
dikembangkan melalui model statistik.
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
macam variabel bebas. Dengan demikian, ekonomitrika adalah ilmu yang

mencakup teori ekonomi, matematika dan statistika dalam satu kesatuan
system yang bulat (Haming & Nurnajamuddin, 2014).
Dalam banyak kasus, suatu variabel tidak hanya dipengaruhi oleh
suatu variabel lain melainkan oleh beberapa variabel. Untuk kasus seperti
ini, digunakan model regresi linier berganda (Herjanto, 2003).
ŷ = a + b1X1 + b2X2 + …+ bkXk
Keterangan :
ŷ = variabel dependen
a = konstanta
b = koefisien regresi
Xk = variabel independen
3. Metode Input dan Output
Model input output adalah metode analisis yang dipakai untuk
mengukur hubungan keterkaitan masukan-keluaran berbagai sektor usaha
dalam perekonomian dan pemerintah melalui aktivitas penjualan
keluarannya (Haming & Nurnajamuddin, 2014).
b) Metode Deret Berkala (Time Series)

Metode kuantitatif berikutnya adalah model deret berkala (time series),
yaitu metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antara variabel yang akan diperkirakan dengan variabel waktu,
yang merupakan deret waktu. Langkah penting dalam memilih metode deret
berkala atau time series adalah dengan mempertimbangkan jenis pola data.
Pola data dapat dibedakan menjadi empat siklus (Yamit, 2003).
1. Pola horizontal, terjadi bilamana nilai data berfluktuasi di sekitar nilai
rata-rata yang konstan. Contohnya, permintaan suatu produk yang
tidak meningkat atau menurut pada waktu tertentu.
2. Pola musiman, terjadi bilamana suatu deret dipengaruhi oleh faktor
musiman. Contoh, permintaan payung yang meningkat saat musim
penghujan. Metode peramalan yang sesuai dengan pola musiman
21
adalah metode moving average, atau weight moving average (Baroto,

2002).
3. Pola siklus, terjadi bilaman datanya dipengaruhi oleh fluktuasi
ekonomi jangka panjang seperti siklud bisnis. Untuk menentukan data
berpola siklus tidaklah mudah. Kalau pola musiman rentang waktu
satu tahun dapat dijadikan pedoman, maka waktu perulangan siklus
tidak tentu. Metode yang sesuai bila data berpola siklus adalah
metode moving average, weight moving average, dan exponential
smoothing.
4. Pola trend, terjadi bilamana terdapat kenaikan atau penurunan sekuler
jangka panjang dalam data. Bila data berpola trend, maka metode
peramalan yang sesuai adalah metode regresi linier, exponential
smoothing, atau double exponential smoothing.
Berikut adalah beberapa metode peramalan deret berkala atau time series
yang dapat digunakan :
1) Metode Rata-rata Bergerak (Moving Average)
Sugiarto & Harijono (2000) menjelaskan bahwa metode rata-rata
bergerak adalah metode yang menggunakan deret berkala dari data asli
diubah menjadi deret rata-rata bergerak yang lebih mulus dan tidak terlalu
tergantung pada osilasi sehingga lebih memungkinkan untuk menunjukkan
tren dasar atau siklus pada pola data sepanjang waktu. Metode ini dibagi
menjadi dua, yaitu single moving average dan double moving average.
Persamaan metode single moving average adalah :
f t−1+f t−2+ f t−3+… f t−m
ft =
m
Di mana:
ft = peramalan untuk periode t
f1 = nilai aktual pada periode t
m = jumlah periode sebagai dasar peramalan
Persamaan metode double moving average adalah :
22
Xt+X +X t−2+…+ X t−N +1

S’t = t −1
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.
2) Metode Exponential Smoothing

Metode exponential smoothing adalah suatu teknik peramalan rata-rata
bergerak yang tertimbang. Dengan teknik peramalan exponential smoothing,
setiap ramalan yang baru didasarkan pada ramalan yang lalu, dengan
menambahkan perbedaan di antara ramalan dan nilai aktual dari data pada
titik itu (Assauri, 2016).
Rumusan atau formula dasar exponential smoothing adalah :
Ft = Ft-1 + α(At-1 - Ft-1)
Di mana :
Ft = Ramalan untuk periode t
Ft-1 = Ramalan periode sebelumnya periode t-1
α = Konstanta smoothing 0 < α > 1
At-1 = Nilai aktual periode sebelumnya
Persamaan atau rumusan single exponential smoothing adalah sebagai
berikut :
s’t = ax + (1-a)s’t-1
s’t = ast + (1-a)s”t
23
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
3) Metode Kecenderungan (Trend)

Analisis trend merupakan cakupan pengembangan suatu persamaan yang
cocok untuk menggambarkan trend, dengan asumsi bahwa dalam data
tersebut terdapat trend yang sekarang. Komponen data deret waktu dalam
trend, mungkin linier atau tidak linier (Assauri, 2016).
Dengan prakiraan trend, bentuk persamaan linier yang digunakan adalah :
Ft = a + b.t
Di mana :
Ft = Ramalan untuk periode t
a = Nilai dari F pada saat t = 0
b = slope dari garis
t = jumlah tertentu dari periode waktu
4) Metode Regresi Linier

Analisis regresi membangun hubungan yang bersifat sementara untuk
variabel peramalan. Variabel yang akan diramalakan dianggap sebagai
variabel terikat, sedangkan variabel yang digunakan dalam meramalkan
dinamakan variabel bebas (Hadiguna, 2009). Model sampel untuk regresi
linier sederhana adalah (Sugiarto & Harijono, 2000) :
Yi = a + bX1
Dengan menggunakan metode kuadrat terkecil didapat :
b = n¿¿
24
a=
∑ y−b (∑ x)
n
Di mana dalam hal ini :

Y = variabel tak bebas
X = variabel bebas
a = penduga bagi intersep
b = penduga bagi koefisien regresi
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).
c) Metode Kombinasi Deret Berkala dan Kausal (Combination Time

Series Methods and Causal Methods).
Menurut Sukaria (2013) menyatakan bahwa analisis time series
merupakan serangkaian observasi terhadap suatu variabel tertentu yang
dilakukan secara diskrit. Analisis time series mengasumsikan bahwa runtun
waktu dapat di dekomposisi ke dalam sejumlah komponen atau faktor-faktor
terkait dan kemudian masing-masing komponen tersebut diidentifikasi.
Kemudian pemahaman terhadap komponen/faktor-faktor tersebut dibentuk
menjadi model matematika yang digunakan untuk membuat peramalan.
Sedangkan metode kausal banyak faktor yang diperkirakan untuk
menunjukan adanya hubungan sebab akibat dengan satu atau beberapa
variabel. Kegunaan dari metode ini ialah untuk menemukan bentuk hubungan
antara variabel-variabel dan menggunakannya untuk meramalkan nilai dari
variabel lainnya.
Kedua metode tersebut, baik itu metode time series ataupun metode
kausal mempunyai kelebihan atau keunggulan. Motode time series dapat
dipergunakan dengan mudah, sedangkan metode kausal juga dapat
dipergunakan dengan mudah dalam peramalan dengan ketepatan yang lebih
besar. Namun kemudahan dan keberhasilan tersebut membutuhkan data yang
tepat. Bila data yang dibutuhkan tersedia dalam peramalan, maka suatu
hubungan yang digunakan dalam peramalan tersebut dihipotesiskan sebagai
salah satu fungsi dari variabel lain yang bukan waktu, yang selanjutnya
dilakukan pengetesan. Sehingga secara matematis, metode-metode tersedbut
dapat dirumuskan.
Adapun rumusan dari metode deret waktu (time series) adalah sebagai
berikut :
Ŷ = f (Yt-1, Yt-2,…, Yt-k)
26
Sedangkan rumus matematis dari metode kausal adalah sebagai berikut :

Ŷ = f (X1, X2,…, Xkt)
Sehingga berdasarkan rumusan di atas, maka kedua metode tersebut dapat
dikombinasikan menjadi metode time series-kausal, dengan rumus
matematisnya adalah sebagai berikut :
Yt = f (Yt-j, j>0, Xt-i, i≥0)
c. Pengukuran Kesalahan Peramalan

Cara paling mudah untuk mengukur kesalahan adalah secara sederhana
membandingkan ramalan dengan permintaan yang nyata terjadi. Kesalahan
ramalan mempunyai dua komponen yang harus ditinjau kembali secara hati-hati
oleh peramal, yaitu ukuran perbedaan antara permintaan nyata dan neburut
ramalan, dan arah kesalahan, apakah permintaan nyata di atas atau di bawah
peramalan (Handoko, 2000). Teknik yang paling umum digunakan untuk
mengukur tingkat kesalahan peramalan adalah sebagai berikut :
1. Rata-rata Deviasi Mutlak (Mean Absolute Deviation/MAD)
Secara sederhana, ukuran ini merupakan perbedaan antara permintaan nyata
dengan peramalannya. Dalam rumusan ini, kita mengabaikan apakah perbedaan
adalah positif atau negatif. Bentuk matematis pengukuran kesalahan ini adalah
sebagai berikut :
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 :
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)
2.2. Penelitian Terdahulu

Tinjauan penelitian yang telah dilakukan sebelumnya terkait dengan
peramalan produksi dan kebutuhan kacang tanah yang akan berguna untuk
referensi penulis adalah sebagai berikut :
Sakinah (2016) telah melakukan penelitian dengan judul Peramalan
Produksi, Luas Panen dan Harga serta Analisis Integrasi Pasar Spasial Kacang
Tanah di Provinsi Bengkulu. Penelitian ini bertujuan untuk meramalkan produksi,
dan luas panen kacang tahun 2015 – 2020 serta integrasi pasar spasial kacang
tanah di Provinsi Bengkulu. Metode yang digunakan oleh peneliti adalah trend
quadratic untuk meramalkan produksi, luas panen dan harga kacang tanah, setalah
dilakukan identifikasi pola data dan pemilihan metode peramalan yang tepat
28
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
tahun 2015, Mengidentifikasi faktor-faktor yang penting untuk dipertimbangkan

dalam strategi pengembangan agribisnis jagung, dan merumuskan alternatif
strategi pengembangan agribisnis jagung serta identifikasi berdasarkan skala
prioritas. Metode yang digunakan untuk meramalkan adalah metode ARIMA,
kemudian dianalisis implikasinya dengan menggunakan matriks SWOT, sehingga
ditentukan alternatif strategi dengan QRPM. Hasil yang diperoleh dalam
penelitian ini adalah prediksi permintaan tahun 2006 adalah 12.449.181 ton
hingga 15.936.369 ton pada tahun 2015, sedangkan prediksi penawaran tahun
2006 adalah sebesar 11.588.001 ton hingga mencapai 15.269.407 ton pada tahun
2015.
Maretha (2008) melakukan penelitian dengan judul Peramalan Produksi
dan Konsumsi Kedelai Nasional Serta Implikasinya Terhadap Strategi Pencapaian
Swasembada Kedelai Nasional. Penelitian ini bertujuan untuk (1)
Mengidentifikasi pola data historis dan peramalan produksi dan konsumsi kedelai
nasional sampai tahun 2015 (2) Mengidentifikasi faktor-faktor lingkungan internal
dan eksternal yang penting untuk dipertimbangkan (3) Merumuskan alternatif
strategi agribisnis kedelai dan identifikasi berdasarkan skala prioritas untuk
pencapaian swasembada kedelai nasional. Metode peramalan yang digunakan
dalam penelitian ini adalah metode ARIMA, perumusan strategi alternatif
menggunakan Matriks SWOT dan QSPM. Hasil ramalan produksi dan konsumsi
dengan mengunakan ARIMA menunjukan nilai sebesar masing-masing 775.437
ton dan 2.080.272 ton
2.3. Kerangka Pendekatan Masalah

Kacang tanah merupakan salah satu jenis tanaman pangan dari famili
Papilionaceae yang di dalamnya mengandung protein nabati dan bernilai
ekonomis tinggi. Kacang tanah sampai saat ini dimanfaatkan sebagai salah satu
bahan pangan dan juga sebagai bahan baku industri makanan. Di Provinsi Nusa
Tenggara Barat sendiri, kacang tanah juga dimanfaatkan sebagi bahan pangan dan
memiliki potensi yang besar jika dilihat dari produksi kacang tanah yang surplus
tiap tahunnya.
30
Produksi kacang tanah yang surplus tersebut terjadi karena kebutuhan

dalam daerah yang tidak begitu besar. Sehingga produksinya mampu memberikan
kontribusi untuk produksi nasional, namun tidak dapat mengurangi volume impor
dalam negeri. Oleh karena itu informasi mengenai produksi dan kebutuhan kacang
tanah akan sangat dibutuhkan dalam menunjang pengembangan kacang tanah
sebagai salah satu tanaman pangan unggulan di Provinsi Nusa Tenggara Barat.
Salah satu metode yang dapat digunakan untuk mengetahui kemampuan Provinsi
Nusa Tenggara Barat untuk memproduksi dan mengetahui kebutuhan kacang
tanahnya adalah dengan melakukan peramalan untuk beberapa tahun yang akan
datang.
Menurut Kumalaningrum (2011), peramalan (forecasting) merupakan
suatu prediksi kegiatan-kegiatan yang akan datang untuk tujuan perencanaan.
Dalam hal ini, peramalan membutuhkan data dari masa lalu untuk meramalkan
kejadian di masa mendatang. Pada penelitian ini, peneliti ingin melakukan
peramalan terhadap produksi dan kebutuhan kacang tanah di Provinsi Nusa
Tenggara Barat.
Data yang digunakan dalam penelitian ini adalah data produksi kacang
tanah NTB tahun 2001 – 2018 dan data kebutuhan kacang tanah NTB tahun 2005
– 2018 dalam satuan ton. Langkah pertama yang dilakukan dalam penelitian ini
adalah menganalisis perkembangan trend produksi dan kebutuhan kacang tanah di
Provinsi Nusa Tenggara Barat, dalam hal ini dapat dilihat produksi dan kebutuhan
kacang tanah tertinggi maupun terendah terjadi pada tahun yang mana. Kemudian
dari data tersebut dapat dilihat perkembangan produksi maupun kebutuhan,
apakah mengalami kenaikan ataupun penurunan tiap tahunnya. Setalah dilihat
perkembangan trend-nya, kemudian dilakukan peramalan produksi dan kebutuhan
kacang tanah menggunakan metode time series. Metode time series yang
digunakan dalam hal ini adalah moving average, exponential smoothing, metode
autoregresi, metode trend, dan regresi linier sederhana. Metode peramalan terbaik
yang digunakan dapat dilihat dari hasil perhitungan tingkat kesalahan ramalan
pada setiap metode peramalan yang digunakan yaitu Mean Absolute
Deviation/MAD, Mean Square Error/MSE dan Mean Absolute Percentage
31
Error/MAPE dengan nilai terkecil. Kemudian digunakan metode peramalan

dengan tingkat kesalahan ramalan terkecil untuk meramalkan produksi dan
kebutuhan kacang tanah 6 tahun kedepan.
Setelah dilakukan peramalan, langkah selanjutnya adalah mengidentifikasi
faktor-faktor yang mempengaruhi produksi dan kebutuhan kacang tanah di
Provinsi Nusa Tenggara Barat. Metode yang digunakan untuk mengidentifikasi
hubungan produksi dan kebutuhan kacang tanah dengan variabel lain adalah
metode Cobb-Douglas (non linier) yang di mana seluruh data akan dilogaritma
naturalakn sehingga mampu diregresi seperti metode regresi linier berganda.
Sebelum diregresikan, data tersebut terlebih dahulu diuji menggunakan uji
statistik dan uji asumsi klasik. Pengujian ini bertujuan untuk memberikan
kepastian bahwa data yang telah dihitung memiliki ketepatan dalam estimasi,
konsisten dan tidak bias. Pengujian menggunakan uji asumsi klasik terdiri atas uji
normalitas, uji multikiolinieritas, autokorelasi, dan heteroskedastisitas. Kemudian
nilai elastisitas pada persamaan yang diperoleh akan menentukan pengaruh
variabel bebasnya terhadap variabel terikat. Untuk lebih jelasnya dapat dilihat
pada kerangka pendekatan masalah sebagai berikut.
32
Kacang Tanah
Perkembangan Produksi Perkembangan Kebutuhan

Kacang Tanah Provinsi NTB Kacang Tanah Provinsi NTB
tahun 2001 - 2018 tahun 2005 - 2018
Analisis Peramalan Produksi Analisis Peramalan Kebutuhan

Kacang Tanah Provinsi NTB Kacang Tanah Provinsi NTB
tahun 2019-2024 tahun 2019-2024
Metode Peramakan Time Series :

 Double Moving Average 3 Bulan
 Double Moving Average 4 Bulan
Metode Cobb-Douglas  Double Exponential Smoothing α = 0,5
(Regresi Non Linier)  Double Exponential Smoothing α = 0,1
 Trend
 Regresi Linier Sederhana
 Autoregresi
Uji statistik dan uji
asumsi klasik
Uji Tingkat Kesalahan

1. MAD
2. MSE
Faktor-Faktor yang Faktor-Faktor yang
3. MAPE
Mempengaruhi Produksi Mempengaruhi Kebutuhan
Kacang Tanah NTB : Kacang Tanah NTB :
 Luas panen kacang  Harga kacang tanah
tanah  Harga Kedelai Hasil Ramalan Produksi
 Harga kacang tanah  PDRB/kapita dan Kebutuhan Kacang
 Jumlah Tenaga Kerja Tanah Tahun 2019-2024
Gambar 2.1. Kerangka Pendekatan Masalah

33
2.4. Definisi Operasional

Berikut adalah definisi operasional yang ada dalam penelitian ini :
1. Produksi kacang tanah adalah jumlah kacang tanah yang dihasilkan dari
usahatani kacang tanah di Provinsi Nusa Tenggara Barat dalam bentuk biji
kering dengan satuan ton.
2. Kebutuhan kacang tanah adalah jumlah kacang tanah yang dibutuhkan
penduduk Provinsi Nusa Tenggara Barat secara keseluruhan dalam bentuk biji
kering dengan satuan ton.
3. Luas panen kacang tanah adalah luas kacang tanah pada lahan yang dapat
dipungut hasilnya setelah tanaman kacang tanah cukup umur untuk dipanen di
Provinsi Nusa Tenggara Barat dalam satuan ha.
4. Harga kacang tanah adalah harga jual komoditas kacang tanah di Provinsi
Nusa Tenggara Barat dalam satuan Rupiah/kg.
5. Jumlah Tenaga kerja adalah jumlah penduduk NTB yang berusia 15 tahun ke
atas dalam satuan orang.
6. PDRB/kapita adalah Produk Domestik Regional Bruto per kapita Atas Dasar
Harga Konstan di Provinsi Nusa Tenggara Barat dalam satuan Ribu Rupiah.
7. Harga kedelai adalah harga jual komoditas kedelai di Provinsi Nusa Tenggara
Barat dalam satuan Rupiah/kg.
8. Peramalan produksi kacang tanah adalah perkiraan jumlah produksi kacang
tanah di masa yang akan datang di Provinsi Nusa Tenggara Barat dalam
satuan ton.
9. Peramalan kebutuhan kacang tanah adalah perkiraan jumlah kebutuhan kacang
tanah di masa yang akan datang di Provinsi Nusa Tenggara Barat dalam
satuan ton.
10. Trend perkembangan produksi kacang tanah adalah pergerakan perubahan
jumlah produksi kacang tanah di Provinsi Nusa Tenggra Barat tahun 2001-
2018.
34
11. Trend perkembangan kebutuhan kacang tanah adalah pergerakan perubahan

jumlah kebutuhan kacang tanah di Provinsi Nusa Tenggra Barat tahun 2005-
2018.
III. METODOLOGI PENELITIAN
3.1. Metode Penelitian

Metode yang digunakan dalam penelitian ini adalah metode Deskriptif dan
metode Deret Waktu (Time Sries). Metode deskriptif adalah metode yang
menggambarkan sifat sesuatu yang tengah berlangsung pada saat penelitian
dilakukan dan memeriksa sebab-sebab dari suatu gejala tertentu (Umar, 2014).
Sedangkan metode deret waktu yaitu metode yang didasarkan pada suatu urutan
susunan waktu observasi, urutan diambil berdasarkan jarak atau interval reguler
dari waktu sepeti per jam, per hari, per bulan atau per tahun (Assauri, 2016).
Metode Deret Waktu merupakan serangkaian nilai pengamatan yang diambil
pada kurun waktu teretentu dalam interval-interval yang sama panjang, sebagai
metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara
variabel yang akan diperkirakan dengan variabel waktu.
3.2. Unit Analisis

Unit analisis yang digunakan dalam penelitian ini adalah perkembangan
produksi kacang tanah Provinsi Nusa Tenggara Barat tahun 2001-2018 dan
kebutuhan kacang tanah di Provinsi Nusa Tenggara Barat tahun 2005-2018.
3.3. Jenis dan Sumber Data

3.3.1. Jenis Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif dan
kualittatif. Data kuantitatif adalah jenis data yang dapat diukur atau dihitung
secara langsung, yang berupa informasi atau penjelasan yang dinyatakan dengan
bilangan atau berbentuk angka (Sugiyono, 2010). Data kuantitatif yang digunakan
pada penelitian ini dalam bentuk time series. Time series merupakan sekumpulan
data dari suatu fenomena tertentu yang didapat dalam beberapa interval waktu
tertentu. Sedangkan data kualitatif adalah data yang dinyatakan dalam bentuk
kata-kata atau bukan dalam bentuk angka dan data ini biasanya menjelaskan
36
karakteristik atau sifat. Data kualitatif dalam penenlitian ini adalah karakteristik
atau sifat data yang dijelaskan dalam sumber yang dikutip.
3.3.2. Sumber Data

Data yang digunakan dalam penelitian ini adalah data sekunder. Data
sekunder adalah data primer yang telah diolah lebih lanjut dan disajikan dengan
baik oleh pengumpul data primer atau pihak lain (Umar, 2014). Dalam penelitian
ini sendiri, data sekunder diperoleh dari Kementerian Pertanian, Dinas Ketahanan
Pangan Provinsi NTB, Dinas Pertanian dan Perkebunan Provinsi NTB, Dinas
Perdagangan Provinsi NTB, Badan Pusat Statistik (BPS) Provinsi NTB, dan situs
internet.
3.4. Teknik Pengumpulan Data

Pengumpulan data dilakukan dengan cara menghimpun, memilah dan
memilih, menyalin (copy) data yang relevan dan mencatat data yang diperoleh
dari berbagai sumber, seperti data produksi, luas panen dan produktivitas kacang
tanah pada Dinas Pertanian dan Perkebunan Provinsi NTB serta data jumlah
penduduk, PDRB, dan harga kedelai dari Badan Pusat Statistik (BPS) NTB, data
kebutuhan kacang tanah pada Dinas Ketahanan Pangan Provinsi NTB, dan data
harga kacang tanah pada Dinas Perdagangan Provinsi NTB.
3.5. Variabel dan Cara Pengukurannya

Variabel-variabel yang diukur dan cara pengukurannya dalam penelitian
ini adalah sebagai berikut :
1. Produksi adalah jumlah produksi dari hasil usahatani kacang tanah yang ada di
Provinsi NTB dalam bentuk biji kering, dan dinyatakan dalam satuan ton.
2. Kebutuhan adalah jumlah kebutuhan kacang tanah Provinsi NTB dalm bentuk
biji kering yang dinyatakan dalam satuan ton.
3. Luas panen adalah luas usahatani kacang tanah yang dipanen dan dinyatakan
dalam satuan hektar (Ha) di Provinsi Nusa Tenggara Barat.
4. Jumlah Tenaga kerja adalah jumlah penduduk NTB yang berusia 15 tahun ke
atas dalam satuan orang.
37
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).
3.6. Analisis Data

Data yang diperoleh dalam penelitian ini dikumpulkan dan disajikan
dalam bentuk tabel. Data sekunder yang berbentuk kuantitatif ini kemudian akan
diolah menggunakan software Microsoft Exel dan IBM SPSS Statitistic, untuk
menganalisis perkembangan, peramalan, dan faktor-faktor yang mempengaruhi
produksi dan kebutuhan kacang tanah di Provinsi Nusa Tenggara Barat. Adapun
metode-metode analisis yang digunakan adalah sebagai berikut :
3.6.1. Metode Deskriptif Kuantitatif
Metode deskriptif ini bertujuan untuk menggambarkan karakter suatu
variabel, kelompok atau gejala sosial yang terjadi di masyarakat (Martono, 2016).
Pada penelitian ini sendiri, metode deskriptif kuantitatif digunakan untuk
menganalisis trend perkembangan produksi kacang tanah di Provinsi Nusa
Tenggara Barat tahun 2001-2018 dan kebutuhan kacang tanah di Provinsi Nusa
Tenggara Barat tahun 2005-2018.
3.6.2. Metode Deret Berkala (Time Series)

Metode time series ini merupakan metode peramalan yang digunakan
untuk meramalkan produksi dan kebutuhan kacang tanah di Provinsi Nusa
Tenggara Barat tahun 2019-2024. Untuk menentukan metode peramalan terbaik
yang dapat digunakan dapat dilihat dari besarnya tingkat kesalahan ramalan atau
standard error, sehingga memberikan hasil ramalan yang tidak jauh dari
kenyataan. Oleh karena itu, untuk menentukan tingkat kesalahan ramalan terkecil,
berikut metode peramalan time series yang digunakan :
38
1) Metode Double Moving Average

Metode moving average adalah metode yang cukup sering digunakam
untuk meramalakan suatu kejadian berdasarkan plot data. Moving average
meramalkan dengan cara mengambil rata-rata dari nilai-nilai pada periode
sebelumnya untuk memperkirakan nilai pada periode masa depan.
Menggunakan data pada tahun-tahun sebelumnya, melalui moving average ini
diramalkan produksi dan kebutuhan kacang tanah di Provinsi Nusa Tenggara
Barat. Berikut adalah prosedur penggunaan metode ini :
Xt+X +X t−2+…+ X t−N +1
S’t = t −1
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.
2) Metode Double Exponential Smoothing

Metode Double Exponential Smoothing ini digunakan untuk menganalisis
peramalan produksi dan kebutuhan kacang tanah di Provinsi Nusa Tenggara
Barat. Metode ini mengasumsikan bahwa data berfluktuasi di sekitar nilai
mean yang tetap, tidak dipengaruhi data trend atau pola pertumbuhan
konsisten, dan ditentukan dengan cara trial (coba-coba) dengan merubah-
rubah nilai α (0-1), hingga mendapatkan nilai error paling kecil. Berikut
adalah prosedur penggunaan metode ini :
s’t = α.x + (1-α)s’t-1
s”t = α.st + (1-α)s”t-1
at = 2s’t –s”t
39
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
3) Metode Kecenderungan (Trend)

Metode trend merupakan cakupan pengembangan suatu persamaan yang
cocok untuk menggambarkan trend, dengan asumsi bahwa dalam data tersebut
terdapat trend yang sekarang. Metode analisis ini digunakan untuk
meramalkan produksi dan kebutuhan kacang tanah di Provinsi Nusa Tenggara
Barat. Berikut adalah prosedur penggunaan metode ini :
Yt = a + bX
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)
4) Metode Regresi Linier Sederhana

Regresi linier sederhana adalah persamaan regresi yang menggambarkan
hubungan antara satu variabel bebas (X) dan satu variabel tak bebas (Y), di
40
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
Setelah dilakukan peramalan dengan seluruh metode time series di atas,

maka akan dipilih metode terbaik, yaitu metode yang memiliki tingkat kesalahan
ramalan terkecil. Sehingga, dengan tingkat kesalahan ramalan terkecil tersebut
akan menghasilkan ramalan yang mendekati hasil kenyataan. Oleh karena itu,
untuk mengetahui cara membandingkan sebesarapa besar tingkat kesalahan
ramalan tiap metode, dapat dilakukan dengan cara berikut :
a. Rata-Rata Deviasi Mutlak (Mean Absolute Deviation/MAD)
Secara sederhana, ukuran ini merupakan perbedaan antara permintaan
nyata dengan peramalannya. Dalam rumusan ini, kita mengabaikan apakah
perbedaan adalah positif atau negatif. Bentuk matematis pengukuran
kesalahan ini adalah sebagai berikut :
MAD = ∑ | At −Ft
n |
Keterangan :
b. 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 :
( At −Ft )2
MSE = ∑
n
Keterangan :
42
c. Rata-rata Persentase Kesalahan Absolut (Mean Absolute Percentage

Error/MAPE)
MAPE merupakan ukuran kesalahan yang dinyatakan dalam persentase.
MAPE sendiri dihitung dengan membagi rata-tata deviasi mutlak dengan data
aktual dan dikalikan dengan 100 persen. 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)
3.6.3. Metode Cobb-Douglas

Metode Cobb-Douglas dalam penelitian ini digunakan untuk
mengidentifikasi faktor-faktor yang mempengaruhi produksi dan kebutuhan
kacang tanah di Provinsi Nusa Tenggara Barat. Analisis yang digunakan metode
Cobb-Douglas dalam penelitian ini adalah regresi non linier. Analisis regresi non
linier dilakukan dengan melogaritamakan seluh data agar dapat dihitung
menggunakan regresi linier. Berikut adalah persamaan pada metode Cobb-
Douglas pada penelitian ini :
Y (produksi) = a.X1b1.X2b2.X3b3
Bentuk logaritma natural dari persamaan tersebut adalah :
LnY = ln a + b1 lnX1 + b2 lnX2 + b3 lnX3
Keterangan :
Y = Produksi kacang tanah di Provinsi NTB
a = Nilai konstanta
X1 = Luas panen kacang tanah
X2 = Harga kacang tanah
X3 = Jumlah tenaga kerja NTB
b (1,2,3) = elastisitas input
43
Dalam penelitian ini, faktor-faktor yang diduga mempengaruhi produksi

kacang tanah di Provinsi Nusa Tenggara Barat adalah luas panen (X 1), harga
kacang tanah (X2), dan jumlah tenaga kerja NTB (X3). Kemudian untuk
persamaan metode Cobb-Douglas untuk variabel kebutuhan sebagai berikut :
Y (kebutuhan) = a.X1b1.X2b2.X3b3
Bentuk logaritma natural dari persamaan tersebut adalah :
LnY = ln a + b1 lnX1 + b2 lnX2 + b3 lnX3
Di mana :
Y = Kebutuhan kacang tanah di Provinsi NTB
a = Nilai konstanta
X1 = Harga kacang tanah
X2 = Harga kedelai
X3 = PDRB/kapita NTB atas dasar harga konstan
b (1,2,3) = elastisitas
Sedangkan faktor-faktor yang diduga mempengaruhi kebutuhan kacng
tanah di Provinsi Nusa Tenggara Barat adalah harga kacang tanah (X 1), dan harga
kedelai (X2), PDRB/kapita NTB atas dasar harga konstan (X3).
3.6.4. Uji Statistik

1) Uji Serentak F
Uji serentak atau uji F ini digunakan untuk mengetahui apakah variabel
bebas (X1,X2….Xn) secara bersama-sama berpengaruh secara signifikan terhadap
variabel terikat (Y). Sehingga dilakukan hipotesis terhadap uji F, yaitu :
H0 : βi = 0 (semua varibel bebas tidak berpengaruh nyata terhadap variabel
terikat)
H1 : βi ≠ 0 (Ada varibel bebas yang berpengaruh nyata terhadap variabel
terikat)
Dalam penelitian ini, uji F dilakukan dengan menggunakan alat analisis
yaitu IBM SPSS Statitistic 16.0. Sehingga hasil f-hitung dan signifikannya
langsung terlihat.
44
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.
3) Uji Koefisien Determinasi

Pengujian koefisien determinasi dilakukan dengan menghitung nilai R2
dan Adjusted R2. Pada R2 diartikan besarnya persentase pengaruh variabel bebas
(X) terhadap variasi (naik-turunnya) variabel tidak terikat (Y) sedangkan lainnya
merupakan pengaruh dari faktor lainnya yang tidak masuk dalam model.
3.6.5. Uji Asumsi Klasik

Uji asumsi klasik digunakan untuk menguji data, apakah telah memenuhi
asumsi regresi atau tidak, jika tidak maka penerapan regresi akan menghasilkan
estimasi yang bias. Adapun analisis uji asumsi klasik adalah sebagai berikut :
1) Uji Normalitas
Uji t dan F untuk melihat signifikansi variabel independen terhadap
variabel dependen tidak bisa diaplikasikan jika residual tidak mempunyai
distribusi normal. Jadi, kalau asumsi ini dilanggar maka uji statistik menjadi tidak
valid untuk jumlah sampel kecil. Uji normalitas hanya digunakan jika jumlah
observasi kurang dari 30, untuk mengetahui apakah residual (error term)
mendekati distribusi normal. Jika jumlah observasi lebih dari 30, maka tidak perlu
dilakukan uji normalitas, sebab distribusi sampling error term telah mendekati
normal. Pengujian dilakukan dengan melihat rasio skewness dan kurtosis, serta uji
Kolmogorov-Smirnov. Untuk rasio skewness dan kurtosinya, data yang
45
berdistribusi normal memiliki nilai yang berada di antara -2 dan 2. Selanjutnya

untuk menguji asumsi normalitas lainnya adalah uji statistic non-parametrik
Kolmogorov-Smirnov (K – S ). Untuk melakukan uji ini perlu dirumuskan
hipotesis sebagai berikut :
H0 : data residual berdistribusi normal
H1 : data residual tidak berdistribusi normal
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
maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.

Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi
heteroskedastisitas.
IV. HASIL DAN PEMBAHASAN
4.1. Gambaran Umum Daerah Penelitian

4.1.1. Geografi dan Topografi Wilayah
Provinsi Nusa Tenggara Barat merupakan provinsi kepulauan yang yang
menjadi bagian barat dari kepulauan Nusa Tenggara. Menurut data yang dihimpun
Badan Pusat Statistik NTB (2019), bahwa Provinsi Nusa Tenggara Barat terdiri
atas 2 (dua) pulau besar yaitu Pulau Lombok dan Pulau Sumbawa dan ratusan
pulau-pulau kecil. Dari 421 pulau yang ada, terdapat 39 pulau yang telah
berpenghuni. Luas wilayah daratan Provinsi Nusa Tenggara Barat mencapai
20.153,20 km2 sedangkan luas laautannya sebesar 29.159,04 km2, sehingga luas
wilayahnya secara keseluruhan adalah 49.312,19 km2. Terletak antara 115046’-
11905’ Bujur Timur dan 8010’-905’ Lintang Selatan. Secara geografis, berikut
adalah batas-batas wilayah Provinsi Nusa Tenggara Barat dan gambar petanya:
Sebelah Utara : Laut Jawa dan Laut Flores
Sebelah Selatan : Samudera Indonesia
Sebelah Barat : Selat Lombok/Provinsi Bali
Sebelah Timur : Selat Sape/Provinsi Nusa Tenggara Timur
Gambar 4.1. Peta Provinsi Nusa Tenggara Barat

48
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
Luas Wilayah Persentase

No. Kabupaten/Kota
(km2) (%)
1 Kabupaten Lombok Barat 105.387 5,24
2 Kabupaten Lombok Tengah 116.958 5,81
3 Kabupaten Lombok Timur 160.555 7,98
4 Kabupaten Sumbawa 664.398 33,01
5 Kabupaten Dompu 232.000 11,53
6 Kabupaten Sumbawa Barat 184.902 9,19
7 Kabupaten Lombok Utara 80.953 4,02
8 Kabupaten Bima 438.940 21,81
9 Kota Mataram 6.130 0,30
10 Kota Bima 22.225 1,10
Sumber : BPS NTB 2019
Ketinggian wilayah Provinsi NTB bervariasi dari 0 – 3.726 mdpl untuk
pulau Lombok, dan 0 – 2.755 mdpl untuk pulau Sumbawa. Provinsi ini memiliki
ketinggian yang berbeda-beda untuk tiap daerahnya, terdapat Selong yang
merupakan kabupaten dengan ketinggian paling tinggi, yaitu 166 mdpl sementara
Taliwang terendah dengan 11 mdpl. Kota Mataram sebagai tempat Ibukota
49
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).
4.1.2. Keadaan Iklim dan Curah Hujan

Menurut data dari Badan Meteorologi Klimatologi dan Geofisika
(BMKG), temperatur maksimum pada tahun 2018 berkisar antara 33,40C– 35,80C,
dan temperatur minimum berkisar antara 20,60C – 21,70C. Temperatur tertinggi
terjadi pada bulan Oktober dan terendah pada bulan Agustus. Provinsi Nusa
Tenggara Barat mempunyai kelembaban yang relatif tinggi, yaitu antara 68 - 88
persen, dengan kecepatan angin rata-rata mencapai kisaran 2,30 – 5,30 Knots dan
kecepatan angin maksimum mencapai 5 Knots. Jumlah hari hujan terendah yaitu 0
hari pada bulan Juli dan Oktober sedangkan yang terbanyak pada bulan Januari,
jumlah 30 hari (BPS NTB, 2019).
Di tahun 2018 rata-rata suhu udara di Kota Mataram sebesar 26,6 0C
dengan kisaran suhu maksimum 33,40C dan minimum 20,60C. Sedangkan kondisi
di Kota Bima secara umum lebih panas dibandingkan dengan Kota Mataram.
Rata-rata suhu udara di Kota Bima tahun 2018 mencapai 27,3 0C dengan kisaran
suhu maksimum sebesar 35,20C dan minimum 21,70C. Rata-rata kelembaban
udara di Kota Mataram dan Kota Bima pada tahun 2018 sama. Sedangkan tekanan
udara di Kota Mataram lebih rendah dibandingkan Kota Bima. Meskipun berada
di dalam satu provinsi yang sama namun karena berbeda pulau, curah hujan di
Kota Mataram dan Kota Bima berbeda cukup jauh. Pada tahun 2018, rata-rata
50
curah hujan di Kota Mataram adalah sebesar 1.673 mm 3, lebih tinggi

dibandingkan Kota Bima yang hanya sebesar 1.139 mm3 (BPS NTB, 2019).
4.1.3. Jumlah dan Kepadatan Penduduk

Berdasarkan data Proyeksi Penduduk tahun 2010 - 2020 jumlah penduduk
Nusa Tenggara Barat Tahun 2018 mencapai 5.013.687 jiwa. Dengan rincian, laki-
laki sebanyak 2.433.731 jiwa dan perempuan sebanyak 2.579.956 jiwa, dengan
rasio jenis kelamin sebesar 94,33. Jumlah penduduk terbesar terdapat di
Kabupaten Lombok Timur dan yang terkecil di Kabupaten Sumbawa Barat.
Jumlah rumah tangga di Provinsi NTB adalah 1.422.319 rumah tangga dengan
rata-rata anggota rumah tangga sebesar 4,12 orang. Bila dilihat menurut kelompok
umur, komposisi penduduk Provinsi NTB berbentuk piramid dengan komposisi
penduduk terbanyak pada umur 5 – 9 tahun yaitu sebanyak 501.281 jiwa. Terkecil
pada kelompok umur 60 – 64 tahun (BPS NTB, 2019).
Persebaran penduduk di Provinsi NTB relative tidak merata, hal ini terlihat
dari kepadatan penduduk yang sangat bervariasi. Kota Mataram yang memiliki
luas wilayah terkecil justru dihuni oleh penduduk yang cukup banyak sehingga
kepadatan penduduknya sangat tinggi, mencapai 7.789,17 jiwa/km 2. Artinya, di
dalam wilayah seluas satu km2 terdapat 7.789 jiwa yang tinggal di dalamnya. Hal
ini berbeda dengan Kabupaten Sumbawa yang kepadatan penduduknya sangat
rendah, hanya sebesar 78,26 jiwa/km 2, dikarenakan luas wilayahnya yang sangat
besar. Jumlah penduduk terbanyak terdapat di Kabupaten Lombok Timur, yaitu
1.192.110 jiwa.
Kemudian sex ratio di Provinsi NTB tahun 2018 sebesar 94,33 % yang
artinya dalam setiap 100 penduduk perempuan terdapat sekitar 95 penduduk
lakilaki. Umumnya kabupaten/kota di Provinsi NTB memiliki penduduk
perempuan yang lebih banyak dibandingkan penduduk laki-laki (Sex Ratio <
100). Namun ada beberapa kabupaten yang memliki jumlah penduduk laki-laki
yang lebih banyak dibandingkan penduduk perempuan (Sex Ratio > 100), yaitu
Kabupaten Sumbawa, Kabupaten Dompu, dan Kabupaten Sumbawa Barat.
Berikut disajikan data tersebut dalam bentuk tabel (BPS NTB, 2019) :
51
Table 4.2. Jumlah Penduduk, Kepadatan Penduduk dan Sex Ratio di

Provinsi NTB tahun 2018
Jumlah Peduduk Kepadatan Penduduk Sex Ratio
Kabupaten/Kota
(Jiwa) (Jiwa/km2) (%)
Kabupaten Lombok Barat 685.161 650 95,7
Kabupaten Lombok Tengah 939.409 803 89,81
Kabupaten Lombok Timur 1.192.110 742 87,18
Kabupaten Sumbawa 453.797 68 104,13
Kabupaten Dompu 248.879 107 102,24
Kabupaten Sumbawa Barat 144.707 78 102,88
Kabupaten Lombok Utara 218.533 270 97,22
Kabupaten Bima 483.901 110 99,21
Kota Mataram 477.476 7.789 97,92
Kota Bima 169.714 764 96,32
NTB 5.013.687 249 94,33
Sumber : BPS NTB 2019
4.1.4. Pertanian Daerah

Sampai saat ini pertanian merupakan sektor andalan di Provinsi NTB,
sehingga wilayah ini masih tergolong sebagai daerah agraris. Tidak hanya menjadi
penyerap tenaga kerja terbesar, sektor pertanian juga menjadi penyumbang
terbesar bagi perekonomian NTB. Di tahun 2018, kontribusi pertanian dalam
membentuk PDRB masih mencapai 23,40 persen. Menjadi sektor dominan,
penguatan pertanian dan pemanfaatan produk pertanian menjadi penting untuk
menjaga stabilitas sosial dan ekonomi NTB (BPS NTB, 2019).
Produksi padi sawah pada tahun 2018 mencapai 2.328.170 ton dan padi
lading sebesar 129.153 ton dengan total produksi padi sebesar 2.457.323 ton.
Produksi jagung pada tahun 2018 mencapai 2.084.929 ton. Untuk lebih jelasnya,
berikut adalah luas panen dan produksi tanaman pangan NTB tahun 2018 :
52
Tabel 4.3. Luas Panen dan Produksi Tanaman Pangan NTB tahun 2018
Luas Panen Hasil/ Hektar Produksi

No Komoditi
(Ha) (Ku/Ha) (Ton)
1. Total Padi 484.716 50,70 2.457.323
Padi Sawah 446.258 52,17 2.328.170
Padi Ladang 38.458 33,58 129.153
2. Jagung 326.377 63,88 2.084.928
3. Kedelai 65.436 10,84 70.933
4. Kacang Tanah 1.057 13,18 25.109
5. Kacang Hijau 9.799 11,69 11.456
6. Ubi Kayu 2.303 212,27 48.886
7. Ubi Jalar 611 174,04 10.630
Sumber : Dinas Pertanian dan Perkebunan NTB Tahun 2019
Selain tanaman pangan di atas, terdapat komoditas lain yang juga
berpotensi bagi pertanian NTB. Produksi komoditas pertanian bawang merah di
NTB mengalami peningkatan yang sangat siginifikan hingga mencapai 158 persen
jika dibandingkan dengan tahun 2017, yaitu dari 195 ribu ton di tahun 2017
menjadi 505 ribu ton pada tahun 2018. Begitu juga dengan produksi cabai yang
meningkat hingga mencapai 40 persen, dari 157 ribu ton pada tahun 2017 menjadi
220 ribu ton di tahun 2018. Provinsi NTB dikenal sebagai daerah pemasok
tembakau Virginia nasional, dimana hampir semua produksinya diekspor untuk
memenuhi kebutuhan bahan baku industri rokok. Pada tahun 2018, produksi
tembakau Virginia justru menurun hingga 15 persen, dari 43 ribu ton di tahun
2017 menjadi hanya 36 ribu ton pada tahun 2018. Walaupun NTB juga
menghasilkan tembakau rakyat, namun hasil produksinya tidak sebanyak
tembakau Virginia, yaitu hanya sebesar 7 ribu ton (BPS NTB, 2019).
53
4.2. Perkembangan Produksi dan Kebutuhan Kacang Tanah di Nusa

Tenggara Barat
Kacang tanah merupakan salah satu komoditas tanaman pangan yang
mengandung sumber gizi protein nabati, meskipun pemanfaatannya tidak
sepopuler kacang kedelai tetapi minyak nabati yang dihasilkan dari kacang tanah
juga memiliki nilai ekonomi yang tinggi. Semakin berkembangnya industri
makanan olahan di Indonesia menyebabkan permintaan akan kacang tanah
sebagai bahan baku industri makanan meningkat, akan tetapi produksi kacang
tanah dalam negeri belum mampu mencukupi sehingga harus dicukupi lewat
impor (Kementerian Pertanian, 2019). Namun, lain halnya dengan yang terjadi di
Provinsi NTB, di mana jumlah produksinya lebih besar dari jumlah kebutuhan
yang ada selama kurun waktu 14 tahun terakhir (lihat tabel 1.2). Untuk melihat
bagaimana perkembangan produksi dan kebutuhan tersebut, berikut adalah hasil
analisisnya :
4.2.1. Perkembangan Produksi Kacang Tanah di Nusa Tenggara Barat

Provinsi Nusa Tenggara Barat sebagai salah satu sentra penghasil kacang
tanah di luar pulau Jawa mampu menyumbangkan sekitar 5,91% produksinya
untuk memenuhi kebutuhan dalam negeri (Kementerian Pertanian, 2016). Artinya,
produksi kacang tanah NTB memiliki peran yang cukup besar dalam memenuhi
kebutuhan dalam negeri. Perkembangan produksi kacang tanah di NTB pada
tahun 2001 hingga tahun 2018 mengalami perkembangan yang fluktuatif. Namun,
apabila diperhatikan dari kurva linier produksinya, terlihat bahwa sejak tahun
2001 hingga 2018 tersebut, produksi kacang tanah NTB cenderung mengalami
penurunan dapat dilihat pada Gambar 4.2. berikut :
54
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
pemerintah dalam meningkatkan motivasi petani. Sehingga dapat dikatakan

bahwa meskipun perkembangan produksi kacang tanah NTB terus mengalami
penurunan, tetapi peluang untuk meningkatkannya juga cukup besar. Dalam hal
ini perlu adanya kerjasama yang kuat antara petani, pemerintah dan pihak mitra.
4.2.2. Perkembangan Kebutuhan Kacang Tanah di Nusa Tenggara Barat

Kacang tanah merupakan salah satu komoditas tanaman pangan yang
mengandung sumber gizi protein nabati dan minyak nabati yang dihasilkan
pun bernilai ekonomi tinggi, meskipun begitu popularitas kacang tanah tidak
setinggi kacang kedelai sebagai sumber protein nabati. Kacang tanah pada
umumnya dikonsumsi rumah tangga dalam bentuk diolah menjadi kacang
goreng, kacang rebus, dan makanan ringan lainnya. Namun dengan
perkembangan industri makanan yang semakin tinggi, pemanfaatan kacang
tanah sebagai salah satu bahan baku dalam industri makanan olahan juga
meningkat (Kementerian Pertanian, 2019).
Di Provinsi NTB sendiri, kebutuhan kacang tanahnya sejak tahun 2005
hingga tahun 2018 lebih rendah dibandingkan dengan jumlah produksinya
(Lampiran 2). Sehingga, produksinya surplus dan kebutuhannya pun dapat
dipenuhi melalui produksi daerah. Perkembangan kebutuhan kacang tanah di
Provinsi NTB tahun 2005 – 2018 dapat dilihat pada Gambar 4.3. berikut :
9000
8000
7000
6000
5000
4000 Kebutuhan
Linear (Kebutuhan)
3000
2000
1000
0
2007
2009
2011
2013
2014
2016
2018
2004
2005
2006
2008
2010
2012
2015
2017
2019
Gambar 4.3. Perkembangan Kebutuhan Kacang Tanah NTB Tahun 2005-2018

57
Berdasarkan Gambar 4.3. tersebut, menunjukkan bahwa perkembangan

kebutuhan kacang tanah NTB tahun 2005 hingga 2018 secara umum (linier)
mengalami kenaikan. Namun, jika dilihat kurva kebutuhannya, beberapa tahun
terakhir sejak tahun 2013 kebutuhan kacang tanah mengalami perkembangan yang
fluktuatif. Sedangkan tahun-tahun sebelumnya terus mengalami kenaikan.
Berdasarkan data perkembangan kebutuhan kacang tanah tahun 2005
hingga 2018 (Lampiran 2), rata-rata kebutuhan kacang tanah NTB adalah sebesar
6.282,43 ton. Di mana jumlah kebutuhan kacang tanah tertinggi terjadi pada tahun
2013 yaitu sebesar 7.872 ton, sedangkan jumlah kebutuhan terendah terjadi pada
tahun 2016 yaitu sebesar 4.623 ton.
Kebutuhan kacang tanah di Provinsi Nusa Tenggara Barat sampai saat ini
dapat dikatakan terpenuhi. Adanya kemitraan petani dengan PT. Garuda Food,
menyebabkan produksi tidak hanya untuk memenuhi kebutuhan pasar daerah
tetapi juga kebutuhan mitra kerjasama. Sebagai salah satu sumber protein nabati
yang cukup tinggi, kacang tanah umunya dikonsumsi sebagai bahan pangan,
bahan baku produk olahan seperti selai dan minyak goreng, hingga kebutuhan
benih (EI-ADO, 2012). Meningkatnya kebutuhan atau permintaan produk di suatu
daerah dapat terjadi karena harga produk yang rendah, jumlah penduduk yang
meningkat, pendapatan yang meningkat, serta adanya pengaruh selera masyarakat
terhadap produk tersebut. Sehingga sama halnya dengan kebutuhan kacang tanah
di NTB. Di mana berdasarkan data yang dihimpun dari Badan Pusat Statistik
(BPS) Provinsi NTB, kebutuhan yang meningkat tersebut mengikuti data
pendapatan per kapita NTB terus meningkat dan jumlah penduduk yang terus
bertambah.
4.3. Peramalan Produksi dan Kebutuhan Kacang Tanah di Nusa

Tenggara Barat
Dalam membuat suatu kebijakan yang tepat untuk komoditas kacang
tanah, pemerintah perlu membuat pertimbangan dengan melihat prediksi atau
peramalan produksi dan kebutuhan kacang tanah di masa mendatang. Karena,
apabila di masa mendatang produksinya rendah, pemerintah dapat segera
mengambil keputusan dengan memperluas areal tanam atau meningkatkan
58
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 :
4.3.1. Menentukan Metode Peramalan Terbaik

Ada banyak metode peramalan yang dapat digunakan, namun demikian
bahwa teknik-teknik tersebut hanya valid untuk kondisi data tertentu. Menurut
Aritonang (2009), dikemukakan tiga pendekatan yang dapat dijadikan dasar dalam
pemilihan teknik peramalan, yaitu hasil analisis otokorelasi, ukuran akurasi, dan
horizon waktu peramalan. Di mana, dalam penelitin ini, dasar yang digunakan
dalam menentukan metode peramalan adalah berdasarkan ukuran akurasinya.
Pendekatan ukuran akurasi dilakukan dengan menghitung nilai error-nya
(e) yang merupakan selisih nilai dari data yang ada dengan nilai proyeksinya
untuk tiap periode terkait. Error yang digunakan sebagai ukuran akurasi
peramalan berupa MAD (Mean Absolute Deviation), MSE (Mean Squared Error),
dan MAPE (Mean Absolute Percentage Error). Di mana, semakin kecil ukuran
error tersebut, maka semakin akurat teknik peramalannya (Aritonang, 2009).
Setelah data produksi dan kebutuhan kacang tanah di Provinsi NTB dianalisis
menggunakan metode time series yaitu Double Moving Average, Double
Exponential Smoothing, regresi linier sederhana, autoregresi dan metode trend,
selanjutnya adalah membandingkan nilai MAD, MSE dan MAPE yang telah
dihitung pada masing-masing metode tersebut.
Ukuran error yang digunakan dalam penelitian ini adalah MAD, MSE dan
MAPE. Metode yang menghasilkan nilai error paling kecil merupakan metode
terbaik yang digunakan untuk meramalkan produksi dan kebutuhan kacang tanah
di Provinsi NTB. Berikut disajikan tabel nilai MAD, MSE dan MAPE pada
metode peramalan produksi dan kebutuhan kacang tanah di Provinsi NTB :
59
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.
4.3.2. Hasil Peramalan Produksi Kacang Tanah di Provinsi Nusa Tenggara

Barat
ARIMA (Autoregresisive Integrated Moving Average) dikembangkan oleh
Box dan Jenkins sehingga disebut ARIMA Box-Jenkins. Metode ini merupakan
gabungan dari metode penghalusan, metode regresi, dan metode dekomposisi.
Parameter model metode autoregresi ini diestimasi dengan analisis regresi, yaitu
pendekatan kuadrat terkecil yang linier (Aritonang, 2009). Untuk menghitung
hasil estimasi produksi menggunakan metode ini, perlu ditentukan terlebih dahulu
nilai Yt-1 sebagai variabel bebasnya, di mana nilai tersebut diperoleh dari jumlah
produksi tahun sebelumnya. Sehingga nilai itu akan dimasukkan pada persamaan
Yt = a + bYt-1. Sama halnya dengan regresi linier sederhana, di mana a adalah
konstanta dan b adalah koefisien autoregresi produksi satu tahun sebelumnya.
Dalam penelitian ini, jumlah data untuk peramalan produksi kacang tanah
di NTB ada 18 yaitu sejak tahun 2001 hingga 2018. Sehingga, ketika dilakukan
peramalan menggunakan metode Autoregresi dan menyesuaikan dengan jumlah
data pada variabel Yt-1, maka jumlah datanya menjadi 17. Artinya, ketika data
produksi (Y) pada periode t, memiliki variabel bebas (Yt-1) pada periode
sebelumnya atau t-1. Berdasarkan hasil analisis produksi kacang tanah
menggunakan metode ini (Lampiran 15), diperoleh persamaan Autoregresinya
yaitu Y = 18.208,51 + 0,499693231Yt-1 dengan tingkat error MAD-nya sebesar
4.088,75 nilai MSE sebesar 25.892.919,89 dan nilai MAPE sebesar 11,55%.
Sehingga hasil peramalannya adalah sebagai berikut :
Tabel 4.5. Hasil Peramalan Produksi Kacang Tanah di Provinsi Nusa
Tenggara Barat Tahun 2019 – 2024
Tahun Hasil Peramalan

61
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
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.
4.3.3. Hasil Peramalan Kebutuhan Kacang Tanah di Provinsi Nusa

Tenggara Barat
Sama halnya dengan peramalan produksinya, untuk meramalkan
kebutuhan kacang tanah di Provinsi Nusa Tenggara Barat tahun 2019 sampai
tahun 2024 menggunakan metode Autoregresi. Untuk menghitung hasil estimasi
produksi menggunakan metode ini, maka perlu ditentukan terlebih dahulu nilai
dari Yt-1 sebagai variabel bebasnya, di mana nilai tersebut diperoleh dari jumlah
produksi tahun sebelumnya. Sehingga nilai tersebut akan dimasukkan pada
persamaan Yt = a + bYt-1. Sama halnya dengan regresi linier sederhana, di mana a
merupakan konstanta dan bYt-1 merupakan koefisien otoregresinya.
63
Dalam penelitian ini, jumlah data untuk peramalan kebutuhan kacang

tanah di NTB ada 14 yaitu sejak tahun 2005 hingga 2018. Sehingga, ketika
dilakukan peramalan menggunakan metode Autoregresi dan menyesuaikan
dengan jumlah data pada variabel Yt-1, maka jumlah datanya menjadi 13. Artinya,
ketika data kebutuhan (Y) pada periode t, memiliki variabel bebas (Yt-1) pada
periode sebelumnya atau t-1. Berdasarkan hasil analisis kebutuhan kacang tanah
menggunakan metode Autoregresi (Lampiran 16), diperoleh persamaan sebagai
berikut Y = 5609.89 + 0.122546531Yt-1. Di mana nilai error-nya adalah MAD
sebesar 685,22 nilai MSE sebesar 672.098,70 dan nilai MAPE sebesar 11,28%.
Berikut disajikan hasil peramalan kebutuhan kacang tanah di Provinsi Nusa
Tenggara Barat tahun 2019-2024 dalam Tabel 4.6.
Tabel 4.6. Peramalan Kebutuhan Kacang Tanah di Provinsi Nusa Tenggara
Barat Tahun 2019-2024
Tahun Hasil Peramalan

Kebutuhan (ton)
2019 6.334,88
2020 6.386,21
2021 6.392,50
2022 6.393,27
2023 6.393,36
2024 6.393,37
Berdasarkan Tabel 4.6. tersebut, diperoleh hasil peramalan kebutuhan
kacang tanah di Provinsi Nusa Tenggara Barat tahun 2019-2024 secara linier
semakin meningkat. Di mana pada tahun 2019 diperoleh hasil ramalan kebutuhan
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. Untuk lebih jelasnya, berikut disajikan grafik
perkembangan hasil peramalan kebutuhannya :
64
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
Gambar 4.5. Perkembangan Hasil Peramalan Kebutuhan Kacang Tanah NTB

Tahun 2019-2024
Sama halnya dengan produksi, hasil peramalan kebutuhan tersebut
diasumsikan bahwa aspek dari pola data di waktu yang lalu akan berlanjut ke
waktu yang akan datang. Artinya, apabila ada faktor lain yang dapat
mempengaruhi kebutuhan kacang tanah tersebut di waktu yang akan datang, tidak
akan diperhitungkan dalam peramalan apabila tidak mempengaruhi kebutuhan
kacang tanah di waktu yang lalu. Berdasarkan grafik ramalan kebutuhan kacang
tanah tersebut menunjukkan hasil yang semakin meningkat. Hal tersebut
kemudian konsisten dengan trend perkembangan kebutuhan kacang tanah
sebelumnya.
Kacang tanah menjadi salah satu sumber gizi bagi masyarakat karena
mengandung sumber protein nabati. Kacang tanah dikonsumsi rumah tangga
baik berupa kacang tanah dengan kulit maupun tanpa kulit. Dengan adanya hasil
peramalan kebutuhan kacang tanah yang semakin meningkat tersebut maka
mengindikasikan bahwa di masa yang akan datang akan semakin banyak orang
yang membutuhkannya. Sehingga keberadaan kacang tanah masih dibutuhkan
untuk memenuhi kebutuhan rumah tangga maupun usaha kecil. Di NTB sendiri,
kebutuhan kacang tanahnya masih dapat dipenuhi melalui produksi dalam daerah
sehingga ketersediannya selalu surplus meskipun kebutuhannya meningkat.
4.4. Faktor-Faktor Yang Mempengaruhi Produksi Dan Kabutuhan

Kacang Tanah Di Provinsi Nusa Tenggara Barat
65
Besar kecilnya jumlah produksi maupun kebutuhan kacang tanah

sebenarnya terjadi karena pengaruh beberapa variabel lain yang mengikutinya.
Pada produksi misalnya, apabila faktor produksi seperti modal dan lahan sedikit,
maka diasumsikan bahwa produksi yang dihasilkan juga akan sedikit. Begitu pula
pada kebutuhan, apabila harga produknya meningkat maka diasumsikan bahwa
kebutuhannya akan menurun. Sehingga besarnya pengaruh variabel lain ini
berguna untuk mengetahui sebab naik atau turunnya jumlah produksi dan
kebutuhan kacang tanah. Agar lebih jelas, berikut hasil analisis yang dilakukan :
4.4.1. Faktor-Faktor Yang Mepengaruhi Produksi Kacang Tanah di

Provinsi Nusa Tenggara Barat
Untuk mengetahui faktor-faktor yang mempengaruhi produksi kacang
tanah di Nusa Tenggara Barat, beberapa variabel bebas dianalisis yang diduga
mempengaruhi produksi tersebut. Faktor-faktor tersebut dianalisis menggunakan
metode cobb-douglas atau analisis regresi non linier untuk melihat hubungan
sebab akibat antara variabel bebas dengan variabel terikatnya. Variabel bebas
yang dianalisis adalah luas panen (X1), harga kacang tanah (X2), dan jumlah
tenaga kerja NTB (X3) yang diduga mempengaruhi produksi kacang tanah NTB
(Y). Berdasarkan hasil analisis pada Lampiran 19, diperoleh persamaan regresi
fungsi produksi kacang tanah dalam bentuk linear logarima natural sebagai
berikut:
LnY = - ln 5,016 + 1,068lnX1 + 0,161lnX2 + 0,205lnX3
Apabila persamaan di atas kembali ditransformasikan ke dalam bentuk persamaan
type Cobb-Douglas maka akan menjadi sebagai berikut :
Y = -1,612.X11,068.X20,161.X30,205
Persamaan fungsi produksi kacang tanah tersebut diuji secara statistik dan
secara ekonometrika atau uji asumsi klasik dengan hasil sebagai berikut:
(1) Uji Statistik
66
Pengujian statistik ini dilakukan untuk melihat pengaruh masing-masing

variabel bebas luas panen, harga kacang tanah dan jumlah tenaga kerja terhadap
produksi kacang tanah, meliputi pengujian secara serentak dengan uji-F dan
pengujian secara partial dengan uji-t. Selain itu juga dianalisis koefisien
determinasinya untuk melihat besarnya persentase pengaruh variabel bebas
terhadap variasi (naik-turun) variabel tidak terikatnya, berikut adalah hasil
pengujiannya :
a. Uji Serentak F
variabel terikat (Y). Berikut hasil uji F yang dilakukan :
Tabel 4.7. Hasil Uji F Produksi Kacang Tanah di NTB

ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression .408 3 .136 50.617 .000a
Residual .038 14 .003
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
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
Sehingga berdasarkan hasil uji t tersebut, diperoleh kesimpulan hanya luas

panen yang secara signifikan mempengaruhi produksi kacang tanah NTB.
c. Uji Koefisien Determinasi

Berikut adalah hasil analisis koefisien determinasi faktor-faktor yang
mempengaruhi produksi kacang tanah di Provinsi Nusa Tenggara Barat.:
Tabel 4.9. Hasil Uji Koefisien Determinasi Produksi Kacang Tanah di NTB
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .957a .916 .897 .05183

Berdasarkan hasil analisis tersebut, diperoleh nilai koefisien
determinasinya (R2) sebesar 0,916 artinya 91,6% perubahan variabel terikat atau
produksi kacang tanah di Provinsi NTB variansinya ditentukan oleh semua
variabel bebasnya, yaitu luas panen (X1), harga kacang tanah (X2), dan jumlah
tenaga kerja NTB (X3). Kemudian, 8,4% sisanya ditentukan oleh variabel lain di
luar model tersebut. Artinya, selain luas panen, harga kacang tanah dan jumlah
tenaga kerja, terdapat variabel lain yang mempengaruhi produksi kacang tanah
sebesar 8,4%. Seperti dikemukakan oleh Aritonang (2009), bahwa bila banyaknya
variabel independen meningkat, tetapi hal lainnya dianggap tetap, maka koefisien
determinasinya akan meningkat. Artinya, apabila variabel lain di luar model
tersebut diperhitungkan, maka dapat meningkatkan nilai koefisien determinasinya.
(2) Uji Asumsi Klasik

Uji asumsi klasik ini dilakukan untuk menguji data produksi tersebut
memenuhi asumsi, sehingga mampu menghasilkan model regresi yang tidak bias.
Oleh karena itu, berikut dilakukan uji asumsi klasik terhadap produksi 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
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
Keterangan Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)

Unstandardized Predicted
0,642 0,805
Value
Sumber : Data Sekunder Diolah (2020)
Berdasarkan hasil pada tabel 4.10. tersebut, dapat dihitung rasio
skewnessnya sebesar 0,682/0,538 = 1,267; sedangkan rasio kurtosinya adalah
sebesar 0,953/1,038 = 0,918. Karena rasio skewness dan kurtosinya memiliki nilai
yang berada di antara -2 dan 2, maka dapat disimpulkan bahwa data pada analisis
produksi kacang tanah di NTB tersebut berdistribusi normal.
Selanjutnya dapat dilihat besarnya nilai Kolmogorov-Smirnov adalah
0,642 dengan probabilitas signifikan sebesar 0,805 lebih besar dari α = 0,05.
Artinya, hipotesis H0 diterima dan dapat disimpulkan bahwa data residual
berdistribusi normal. Keputusan tersebut konsisten dengan hasil pada uji rasio
skewness dan kurtosis.
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
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
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
pengganggu pada periode t-1 (sebelumnya). Cara untuk mendeteksi adanya

autokorelasi adalah dengan menggunakan uji Durbin-Watson (DW test). Berikut
adalah hasil analisis dari uji autokorelasi pada produksi kacang tanah di NTB :
Tabel 4.13. Hasil Uji Autokorelasi Produksi Kacang Tanah di NTB
Model Durbin-Watson dL dU
0,9331 (α = 0,05) 1,6961 (α = 0,05)
1 1,693
0,708 (α = 0,01) 1,422 (α = 0,01)
Berdasarkan hasil pada tabel 4.13. tersebut terlihat bahwa nilai Durbin-
Watson yang diperoleh adalah sebesar 1,693 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
18 dan variabel independen (k) sebanyak 3. Sehingga diperoleh hasil dL sebesar
0,9331 dan dU sebesar 1,6961. Dari hasil tersebut terlihat bahwa nilai DW berada
di antara dL dan dU (dL < DW < dU), sehingga tidak ada keputusan dalam
menentukan keberadaan autokorelasinya atau keputusan berada pada zona ragu-
ragu.
Untuk menguji keberadaan gejala autokorelasi lainnya, digunakan DW
tabel dengan α = 0,01 dengan sampel dan variabel bebas yang sama. Sehingga
diperoleh hasil dL sebesar 0,708 dan dU sebesar 1,422. Dari hasil tersebut terlihat
bahwa nilai DW lebih besar dari pada 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
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
Tabel 4.14. Hasil Uji Heterokedastisitas Produksi Kacang Tanah di NTB

Model Sig.
1 (Constant) 0,179
Luas Panen (LnX1) 0,300
Harga Kacang Tanah (LnX2) 0,143
Jumlah Tenaga Kerja (LnX3) 0,237
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.
Berdasarkan hasil pengujian ke empat asumsi klasik di atas, maka dapat

disimpulkan bahwa model regresi fungsi produksi kacang tanah di atas dapat
dipergunakan untuk meramalkan produksi kacang tanah di Provinsi NTB.
4.4.2. Faktor-Faktor Yang Mempengaruhi Kebutuhan Kacang Tanah di

Provinsi Nusa Tenggara Barat
Untuk mengetahui faktor-faktor yang mempengaruhi kebutuhan kacang
tanah di Nusa Tenggara Barat, beberapa variabel bebas dianalisis yang diduga
mempengaruhi kebutuhan tersebut. Variabel bebas yang dianalisis adalah harga
kacang tanah (X1), dan harga kedelai (X2) dan PDRB/kapita NTB atas dasar harga
konstan (X3). Berdasarkan hasil analisis pada Lampiran 24, diperoleh persamaan
regresi fungsi kebutuhan kacang tanah dalam bentuk linear logarima natural
sebagai berikut:
LnY = ln 10,014 – 0,977 lnX1 + 0,754 lnX2 + 0,142 lnX3
Sehingga, apabila persamaan di atas kembali ditransformasikan ke dalam
bentuk persamaan Cobb-Douglas maka akan menjadi sebagai berikut :
Y = 2,303.X1-0,977.X20,754.X30,142
Persamaan fungsi kebutuhan kacang tanah tersebut diuji secara statistik
dan secara ekonometrika atau uji asumsi klasik dengan hasil sebagai berikut:
(1) Uji Statistik
75
Pengujian statistik ini dilakukan untuk melihat pengaruh masing-masing

variabel bebas terhadap variabel terikatnya serta untuk membuktikan kebenaran
jawaban pada hipotesis awal penelitian. Berikut adalah hasil uji statistik
kebutuhan kacang tanah :
a. Uji Serentak F
variabel terikat (Y). Berikut adalah hasil uji F yang dilakukan :
Tabel 4.15. Hasil Uji F Kebutuhan Kacang Tanah di NTB

ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression .167 3 .056 4.549 .029a
Residual .123 10 .012
Total .290 13
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
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
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
kaya menambah jumlah pembelian barangnya. Sementara, harga kacang di NTB

selama beberapa tahun terakhir mengalami penurunan yang menyebabkan
permintaan/kebutuhannya meningkat. Harga yang ada tersebut merupakan harga
yang terbentuk dalam pasar di Povinsi Nusa Tenggara Barat dan tidak ada campur
tangan pemenrintah. Artinya, ketika harga mengalami kenaikan atau penurunan,
semua karena kontribusi konsumen, produsen ataupun distributor yang
menyebabkan hal tersebut terjadi. Berdasarkan hasil penelitian ini, variabel harga
kacang tanah menunjukkan pengaruh yang signifikan terhadap jumlah
kebutuhannya. Sehingga dapat disimpulkan bahwa faktor yang mempengaruhi
kebutuhan kacang tanah di Provinsi NTB secara ignifikan adalah harga kacang
tanah.
Nilai t-hitung untuk variabel harga kedelai (X2) sebesar 3,350 dengan
probabilitas 0,007 lebih kecil dari α = 0,05 maka H0 ditolak, artinya koefisien
regresi X2 (harga kedelai) signifikan atau berpengaruh nyata terhadap variabel
terikat Y (kebutuhan). Kedelai dalam penelitian ini diasumsikan sebagai salah satu
barang pengganti/substitusi dari kacang tanah. Menurut Basuki dan Prawoto
(2014), salah satu faktor yang mempengaruhi jumlah permintaan suatu barang
adalah harga barang lain, yang terdiri atas barang substitusi dan komplementer.
Barang substitusi adalah suatu barang yang dapat mengganti fungsi dari barang
lain. Pengaruhnya sendiri adalah apabila harga barang substitusi lebih murah dari
produk utamanya, maka konsumen cenderung akan beralih ke barang substitusi
atau pengganti. Sehingga menyebabkan permintaan produk utamanya akan
menurun dan begitu juga sebaliknya, artinya hubungan barang substitusi dengan
jumlah permintaan produk utamanya adalah positif. Sesuai dengan teori ekonomi
tersebut, hasil dalam penelitian ini membuktikan bahwa pengaruh harga kedelai
terhadap jumlah kebutuhan kacang tanah adalah positif. Dalam penelitian ini,
sama halnya dengan kacang tanah, kedelai juga memiliki kandungan protein
nabati yang cukup tinggi yaitu 37,7 gr per 100 gr bahan keringnya yang dapat
digunakan sebagai barang pengganti kacang tanah. Bahkan menurut Maryann
Tomovich (2018), salah satu alternatif makanan pengganti kacang tanah untuk
menghindari alergi adalah kedelai. Hal tersebut karena kedelai tidak termasuk
78
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.
c. Uji Koefisien Determinasi

Berikut adalah hasil analisis koefisien determinasi faktor-faktor yang
mempengaruhi produksi kacang tanah di Provinsi Nusa Tenggara Barat.:
Tabel 4.17. Hasil Uji Koefisien Determinasi Kebutuhan Kacang Tanah di
NTB
Model Summary
1 .760a .577 .450 .11076

Berdasarkan hasil analisis tersebut, diperoleh nilai koefisien

determinasinya (R2) sebesar 0,577 artinya 57,7% perubahan variabel terikat atau
kebutuhan kacang tanah di Provinsi NTB dipengaruhi oleh semua variabel
bebasnya, yaitu harga kacang tanah (X1), harga kedelai (X2), dan PDRB/kapita
NTB atas dasar harga konstan (X3) terhadap variabel terikatnya. Kemudian,
42,3% sisanya dipengaruhi oleh variabel lain di luar model tersebut.
(2) Uji Asumsi Klasik

Uji asumsi klasik ini dilakukan untuk menguji data kebutuhan tersebut
memenuhi asumsi, sehingga mampu menghasilkan model regresi yang tidak bias.
80
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 :
Tabel 4.18. Hasil Uji Normalitas Kebutuhan Kacang Tanah di NTB

Skewness Kurtosis
Keterangan Std.
Statistic Std. Error Statistic
Error
Unstandardized Predicted Value -0,184 0,597 -1,047 1,154
Keterangan Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)

Unstandardized Predicted Value 0,546 0,926
Berdasarkan hasil pada tabel 4.18. tersebut, dapat dihitung rasio
skewnessnya sebesar -0,184/0,597 = -0,308; sedangkan rasio kurtosinya adalah
sebesar -1,047/1,154 = 0,907. Karena rasio skewness dan kurtosinya memiliki nilai
yang berada di antara -2 dan 2, maka dapat disimpulkan bahwa data pada analisis
kebutuhan kacang tanah di NTB tersebut berdistribusi normal.
Selanjutnya dapat dilihat besarnya nilai Kolmogorov-Smirnov adalah
0,546 dengan probabilitas signifikan sebesar 0,926 lebih besar dari α = 0,05.
Artinya, hipotesis H0 diterima dan dapat disimpulkan bahwa data residual
berdistribusi normal. Keputusan tersebut konsisten dengan hasil pada uji rasio
skewness dan kurtosis.
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
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
PDRB/kapita Harga Kedelai Harga Kacang

Model (LnX3) (LnX2) Tanah (LnX1)
1 Correlations PDRB/kapita (LnX3) 1.000 .146 -.730
Harga Kedelai (LnX2) .146 1.000 -.739
Harga Kacang Tanah (LnX1) -.730 -.739 1.000
Covariances PDRB/kapita (LnX3) .013 .004 -.031
Harga Kedelai (LnX2) .004 .051 -.062
Harga Kacang Tanah (LnX1) -.031 -.062 .139
Kriteria selanjutnya adalah dengan melihat hasil besaran korelasi antar
variabel bebas. Terlihat bahwa hanya variabel bebas X2 yang mempunyai korelasi
lebih dari 0,70 dengan variabel bebas lainnya. Artinya variabel harag kacang
tanah mempunyai gejala multikolinieritas.
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)
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
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
bahwa model regresi ini mengandung gejala heterokedastisitas pada variabel

harga kedelai (X2).
Berdasarkan hasil pengujian ke empat asumsi klasik di atas, maka dapat

disimpulkan bahwa model regresi fungsi kebutuhan kacang tanah di atas dapat
dipergunakan untuk meramalkan kebutuhan kacang tanah di Provinsi NTB.
V. KESIMPULAN DAN SARAN
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
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
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
faktor yang mempengaruhi kebutuhan kacang tanah di Provinsi Nusa

Tenggara Barat secara signifikan dan negatif adalah harga kacang tanah dan
secara positif adalah harga kedelai. Artinya kacang tanah dan kedelai
merupakan barang substitusi di NTB.
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
Abubakar. 2010. Agribisnis. Garuda Persada Press. Jakarta.
Adiningsih S., dan Kadarusman. 2008. Ekonomi Mikro. BPFE-YOGYAKARTA.

Yokyakarta.
Aldillah, Rizma. 2006. Analisis Peramalan Permintaan dan Penawaran Jagung
Nasional Serta Implikasinya Terhadap Strategi Pengembangan Agribisnis
Jagung. [skripsi, unpublished]. Program Sarjana Ekstensi Manajemen
Agribisnis, Fakultas Pertanian, Institut Pertanian Bogor. Bogor. Indonesia.
Alrahman, Yufri. 2017. Penerapan Metode Peramalan Produksi dan
Perencanaan Kebutuhan Bahan Baku dengan Material Requirement
Planning di PT. CJ Feed Medan. [skripsi, unpublished]. Program Studi
Teknik INDUSTRI, Fakultas Teknik, Universitas Medan Area. Medan.
Indonesia.
Anwar, Puspa F. 2015. Buku Ajar Peramalan Bisnis dan Ekonomi. Fakultas
Pertanian Universitas Mataram. Mataram.
Aritonang R, Lerbin R. 2009. Peramalan Bisnis. Ghalia Indonesia. Bogor.
Arsyad, Darmawan M. dan Sembiring, Hasil. 2003. Pengembangan Tanaman
Kacang Kacangan Di Nusa Tenggara Barat. Badan Litbang Pertanian.
NTB.
Arwinni, Nilam Anisyanti. 2016. Analisis Faktor-Faktor Yang Mempengaruhi
Produksi Dan Pendapatan Usahatani Kacang Tanah
Di Kecamatan Camba Kabupaten Maros. Universitas Negeri Makassar.
Makassar.
Assauri, Sofjan. 2016. Manajemen Operasi Produksi Pencapaian Sasaran
Organisasi Berkesinambungan. Rajagrafindo Persada. Jakarta.
Badan Pusat Satistik Provinsi Nusa Tenggara Barat. 2016-2018. Keadaan
Angkatan Kerja Provinsi Nusa Tenggara Barat Tahun 2016-2018.
Mataram.
. 2007-2019. NTB Dalam
Angka Tahun 2006-2019. Mataram.
Baroto, Teguh. 2002. Perencanaa dan Pengendalian Produksi. Ghalia Indonesia.
Jakarta.
Basuki, Agus Tri dan Prawoto, Nano. 2014. Pengantar Teori Ekonomi. Mitra
Pustaka Nurani. Yogyakarta.
87
Eastern Indonesia – Agribusiness Developmenta (EI-ADO). 2012. Value Chain

Studi Kacang-kacangan. Australian Centre For International Agricultural
Research. Australia.
Fachruddin, L. 2000. Budidaya Kacang-Kacangan. Kanisius. Yogyakarta.
Febianti, Yovi Nisa. 2014. Permintaan Dalam Ekonomi Mikro. Universitas

Swadaya Gunung Jati. Cirebon.
Gaspersz, Vincent. 2011. Ekonomi Manajerial (Managerial Economics)

Landasan Analisis dan Strategi Bisnis untuk Manajemen Perusahaan dan
Industri. Penebar Swadaya. Jakarta.
Hadiguna, Rika Ampuh. 2009. Manajemen Pabrik. Bumi Aksara. Jakarta.

Haming, Murdifin dan Nurnajamuddin, Mahfud. 2014. Manajemen Produksi
Modern. Bumi Aksara. Jakarta.
Handoko T.H. 2000. Dasar-Dasar Manajemen Produksi Dan Operasi. BPFE-
YOGYAKARTA. Yogyakarta.
Hartati. 2017. Penggunaan Metode ARIMA Dalam Meramalkan Inflasi. Jurnal
Matematika, Sains dan Teknologi 18 : 3.
Herjanto, Eddy. 2003. Manajemen Produksi dan Operasi. Grasindo. Jakarta.
Hidayat, dan Alimul A.A. 2008. Pengantar Kebutuhan Dasar Manusia. Salemba
Medika. Jakarta.
Ismayani, Agtiawati Adhi., Wahyuningsih dan Paramita, Octavianti. 2014. Studi
Eksperimen Pembuatan Enting-Enting Dengan Bahan
Dasar Kedelai Sebagai Bahan Pengganti Kacang Tanah. Universitas
Negeri Semarang. Semarang.
Karmini. 2018. Ekonomi Produksi Pertanian. Mulawarman Univercity Press.
Samarinda.
Kementerian Pertanian. 2016. Outlook Komoditas Pertanian Tanaman Pangan
Kacang Tanah. Pusat Data dan Sistem Informasi Kementerian Pertanian.
Jakarta.
. 2018. Statistik Makro Sektor Pertanian 2018. Pusat Data
dan Sistem Informasi Kementerian Pertanian. Jakarta.
. 2019. Ananlisis Kinerja Perdagangan Kacang Tanah.
Pusat Data dan Sistem Informasi Kementerian Pertanian. Jakarta.
Kumalaningrum M.P., Kusmayati H., dan Hardani R.P. 2011. Manajemen
Operasi. STIM YKPN. Yogyakarta.
88
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
Sugiarto, Harijono. 2000. Peramalan Bisnis. Gramedia Pustaka Utama. Jakarta.

Sugiyono. 2010. Statistik untuk Pendidikan. Alfabeta. Bandung.
Suhaeni, Neni. 2007. Petunjuk Praktis Menanam Kacang Tanah. Jembar.

Bandung.
Sukaria, Sinulingga. 2013. Perencanaan dan Pengendalian Produksi. Graha

Ilmu.Yogyakarta.
Sumarno. 2012. Status Kacang Tanah Di Indonesia. Pusat Penelitian dan
Pengembangan Tanaman Pangan. Jakarta.
Suprapto. 2002. Bertanam Kacang Tanah. Penebar Swadaya. Jakarta.
Suratiyah, Ken. 2008. Ilmu Usahatani. Penebar Swadaya. Jakarta Timur.
Suwardji., Hippi, Awaludin., dan Suardiari, Gede. 2009. Sekenario

Pengembangan Pertanian Lahan Kering Di Wilayah Lombok Utara. Pusat
Penelitian Lahan Kering Universitas Mataram. Universitas Mataram.
Umar, Husein. 2014. Metode Penelitian untuk Skripsi dan Tesis Bisnis.
Rajagrafindo Persada. Jakarta.
Wahyuni, Risa. 2019. Peramalan Tingkat Produksi Tanaman Pangan dan
Tanaman Perkebunan Rakyat Kabupaten Bulukumba Menggunakan
Metode Exponential Smoothing. [skripsi, unpublished]. Universitas Islam
Negeri Alauddin. Makassar. Indonesia.
Widiastuti, Eka., Rahayu, Muji., dan Zulhaedar, Fitria. 2019. Karakteristik
Fenotipe Dan Ketahanan Kacang Tanah Lokal Nusa Tenggara Barat
Terhadap Penyakit Layu Bakteri (Ralstonia solanacearum). Bulletin
Plasma Nutfah 25 : 1-2.
Yamit, Zulian. 2003. Manajemen Produksi dan Operasi. EKONISIA. Yogyakarta.
Yuwono T., Widodo S., Darwanto D.H, dkk. 2011. Pembangunan Pertanian :
Membangun Kedaulatan Pangan. Gadjah Mada University Press.
Yogyakarta.
LAMPIRAN
91
Lampiran 1. Perkembangan Jumlah Produksi dan Faktor-faktor yang

Mempengaruhi Produksi Kacang Tanah NTB Tahun 2001-2018
Harga kacang Tenaga Kerja
No. Tahun Produksi (ton) Luas Panen (ha)
tanah (Rp/kg) (orang)
1 2001 30.595 27350 5.884 2.488.664
2 2002 32.225 28175 5.944 2.737.370
3 2003 40.489 34039 6.051 2.723.900
4 2004 49.227 41020 6.295 2.762.876
5 2005 43.397 35214 6.770 2.776.594
6 2006 43.956 34860 7.458 2.975.923
7 2007 32.913 25488 8.513 3.025.650
8 2008 32.348 25541 8.084 2.997.725
9 2009 38.615 28750 9.057 2.365.316
10 2010 33.666 25044 9.806 3.380.129
11 2011 37.965 26860 10.721 3.134.958
12 2012 38.890 25508 11.210 3.163.692
13 2013 41.889 30772 11.799 3.200.485
14 2014 34.284 26.458 12.203 3.327.475
15 2015 31.142 20.249 13.479 3.390.084
16 2016 33.748 23.538 12.405 3.443.448
17 2017 34.326 24.403 15.919 3.498.399
18 2018 25.109 19.057 16.803 3.394.438
Jumlah 654.784 502.326 178.401 54.787.126
Rata-rata 36.376,89 27.907 9.911,17 3.043.729,22
Sumber : Dinas Pertanian dan Perkebunan NTB, diolah 2020
92
Lampiran 2. Perkembangan Jumlah Kebutuhan dan Faktor-faktor yang

Mempengaruhi Kebutuhan Kacang Tanah NTB Tahun 2005-2018
Harga Harga Jumlah
Kebutuhan
No. Tahun Kacang tanah kedelai Penduduk PDRB
(ton)
(Rp/kg) (Rp/kg) (jiwa)
1 2005 4.972 6.787 4.228 4.143.292 15.183.788,95
2 2006 5.534 6.255 4.472 4.257.306 15.603.774,88
3 2007 5.580 8.513 4.847 4.292.491 16.369.220,45
4 2008 6.109 8.668 7.788 4.363.756 16.831.600,88
5 2009 6.651 8.634 8.525 4.434.012 18.874.404,00
6 2010 6.546 9.361 8.912 4.500.212 20.072.641,00
7 2011 7.094 10.721 9.779 4.545.650 19.533.256,08
8 2012 7.200 15.115 10.316 4.587.562 66.340.812,44
9 2013 7.872 17.844 11.049 4.630.302 69.766.714,41
10 2014 6.069 12.203 10.120 4.773.795 73.372.964,00
11 2015 6.770 13.479 12.765 4.835.577 89.337.986,00
12 2016 4.623 12.405 11.373 4.896.162 94.524.289,80
13 2017 7.018 15.919 11.381 4.955.578 94.639.543,90
14 2018 5.916 16.803 10.034 5.013.687 90.323.419,50
Jumlah 87.954 162.707 125.589 64.229.382 64.229.382
Rata-rata 6.282,43 11.621,93 8.970,64 4.587.813 4.587.813,00
93
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)
No. Tahun Kebutuhan St' St" a b F E MAD MSE MAPE

1 2005 4,972
2 2006 5,534
3 2007 5,580 5,362
4 2008 6,109 5,741
5 2009 6,651 6,113 5,739 6,488 375
6 2010 6,546 6,435 6,097 6,774 339 6,862 (316) 316 99,856 5
7 2011 7,094 6,764 6,437 7,090 326 7,113 (19) 19 361 0
8 2012 7,200 6,947 6,715 7,178 231 7,416 (216) 216 46,656 3
9 2013 7,872 7,389 7,033 7,744 356 7,410 462 462 213,855 6
10 2014 6,069 7,047 7,127 6,967 (80) 8,100 (2,031) 2,031 4,124,961 33
11 2015 6,770 6,904 7,113 6,694 (209) 6,886 (116) 116 13,456 2
12 2016 4,623 5,821 6,590 5,051 (770) 6,485 (1,862) 1,862 3,467,044 40
13 2017 7,018 6,137 6,287 5,987 (150) 4,281 2,737 2,737 7,490,561 39
14 2018 5,916 5,852 5,937 5,768 (84) 5,837 79 79 6,276 1
Total 87,954 76,511 65,076 65,741 333 50,272 (4,098) 7,839 15,463,026 130
Rata-rata 871 1,718,114 14.42
96
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)
No. Tahun Produksi S't S"t at bt Ft E MAD MSE MAPE

1 2001 30595 30595.00 30595.00
2 2002 32225 31410.00 31002.50 31817.50 407.50
3 2003 40489 35949.50 33476.00 38423.00 2473.50 32225.00 8264.00 8264.00 68293696.00 20.41
4 2004 49227 42588.25 38032.13 47144.38 4556.13 40896.50 8330.50 8330.50 69397230.25 16.92
5 2005 43397 42992.63 40512.38 45472.88 2480.25 51700.50 -8303.50 8303.50 68948112.25 19.13
6 2006 43956 43474.31 41993.34 44955.28 1480.97 47953.13 -3997.13 3997.13 15977008.27 9.09
182878290.5
7 2007 32913 38193.66 40093.50 36293.81 -1899.84 46436.25 -13523.25 13523.25 41.09
6
8 2008 32348 35270.83 37682.16 32859.49 -2411.34 34393.97 -2045.97 2045.97 4185988.13 6.32
9 2009 38615 36942.91 37312.54 36573.29 -369.63 30448.16 8166.84 8166.84 66697336.84 21.15
10 2010 33666 35304.46 36308.50 34300.42 -1004.04 36203.66 -2537.66 2537.66 6439738.89 7.54
11 2011 37965 36634.73 36471.61 36797.84 163.12 33296.38 4668.63 4668.63 21796059.39 12.30
12 2012 38890 37762.36 37116.99 38407.74 645.38 36960.96 1929.04 1929.04 3721199.24 4.96
13 2013 41889 39825.68 38471.34 41180.03 1354.35 39053.12 2835.88 2835.88 8042242.40 6.77
14 2014 34284 37054.84 37763.09 36346.59 -708.25 42534.38 -8250.38 8250.38 68068695.70 24.06
15 2015 31142 34098.42 35930.75 32266.09 -1832.33 35638.35 -4496.35 4496.35 20217133.46 14.44
16 2016 33748 33923.21 34926.98 32919.44 -1003.77 30433.75 3314.25 3314.25 10984234.45 9.82
17 2017 34326 34124.61 34525.79 33723.42 -401.19 31915.67 2410.33 2410.33 5809709.33 7.02
18 2018 25109 29616.80 32071.30 27162.31 -2454.50 33322.23 -8213.23 8213.23 67457113.13 32.71
Total 654784 655762.2 654285.9 626643.5 1476.298 603412 -11448 91286.93 688913788.3 253.7435
Rata-rata 5705.43 43057111.77 15.86
98
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)
No. Tahun Kebutuhan S't S"t at bt Ft E MAD MSE MAPE

1 2005 4,972 4,972.00 4,972.00 - - - - - -
2 2006 5,534 5,253.00 5,112.50 5,393.50 140.50
3 2007 5,580 5,416.50 5,264.50 5,568.50 152.00 5,534.00 46.00 46.00 2,116.00 0.82
4 2008 6,109 5,762.75 5,513.63 6,011.88 249.13 5,720.50 388.50 388.50 150,932.25 6.36
5 2009 6,651 6,206.88 5,860.25 6,553.50 346.63 6,261.00 390.00 390.00 152,100.00 5.86
6 2010 6,546 6,376.44 6,118.34 6,634.53 258.09 6,900.13 (354.13) 354.13 125,404.52 5.41
7 2011 7,094 6,735.22 6,426.78 7,043.66 308.44 6,892.63 201.38 201.38 40,551.89 2.84
8 2012 7,200 6,967.61 6,697.20 7,238.02 270.41 7,352.09 (152.09) 152.09 23,132.51 2.11
9 2013 7,872 7,419.80 7,058.50 7,781.11 361.30 7,508.44 363.56 363.56 132,177.69 4.62
10 2014 6,069 6,744.40 6,901.45 6,587.35 (157.05) 8,142.41 (2,073.41) 2,073.41 4,299,045.87 34.16
11 2015 6,770 6,757.20 6,829.33 6,685.08 (72.13) 6,430.30 339.70 339.70 115,392.91 5.02
12 2016 4,623 5,690.10 6,259.71 5,120.49 (569.61) 6,612.95 (1,989.95) 1,989.95 3,959,905.67 43.04
13 2017 7,018 6,354.05 6,306.88 6,401.22 47.17 4,550.88 2,467.13 2,467.13 6,086,705.77 35.15
14 2018 5,916 6,135.03 6,220.95 6,049.10 (85.93) 6,448.39 (532.39) 532.39 283,436.14 9.00
Total 87,954 86,791 85,542 83,068 1,249 78,354 (906) 9,298 15,370,901 154
Rata-rata 775 1,280,908 12.87
100
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 11. Peramalan Produksi Kacang Tanah Metode Trend
No. Tahun Produksi (Y) X X2 XY Y' E MAD MSE MAPE

1 2001 30595 -9 81 -275355 39817.10 -9222.10 9222.10 85047117.62 30.14
2 2002 32225 -8 64 -257800 39434.85 -7209.85 7209.85 51981991.83 22.37
3 2003 40489 -7 49 -283423 39052.61 1436.39 1436.39 2063221.44 3.55
4 2004 49227 -6 36 -295362 38670.36 10556.64 10556.64 111442593.8 21.44
5 2005 43397 -5 25 -216985 38288.12 5108.88 5108.88 26100685.93 11.77
6 2006 43956 -4 16 -175824 37905.87 6050.13 6050.13 36604056.74 13.76
7 2007 32913 -3 9 -98739 37523.63 -4610.63 4610.63 21257869.63 14.01
8 2008 32348 -2 4 -64696 37141.38 -4793.38 4793.38 22976492.95 14.82
9 2009 38615 -1 1 -38615 36759.13 1855.87 1855.87 3444236.743 4.81
10 2010 33666 1 1 33666 35994.64 -2328.64 2328.64 5422579.502 6.92
11 2011 37965 2 4 75930 35612.40 2352.60 2352.60 5534737.766 6.20
12 2012 38890 3 9 116670 35230.15 3659.85 3659.85 13394487.04 9.41
13 2013 41889 4 16 167556 34847.91 7041.09 7041.09 49576998.62 16.81
14 2014 34284 5 25 171420 34465.66 -181.66 181.66 33000.65306 0.53
15 2015 31142 6 36 186852 34083.42 -2941.42 2131.90 4544997.61 6.85
16 2016 33748 7 49 236236 33701.17 46.83 46.83 2193.087241 0.14
17 2017 34326 8 64 274608 33318.92 1007.08 1007.08 1014202.117 2.93
18 2018 25109 9 81 225981 32936.68 -7827.68 7827.68 61272548.55 31.17
Total 654,784 - 570 (217,880) 654,784 (0) 77,421 501,714,012 217.63
Rata-rata 4,301 27,873,001 12.09
a = 36,376.89
b = -382.25
Y’ = 36,376.89 - 382.25X
102
Lampiran 12. Peramalan Kebutuhan Kacang Tanah Metode Trend

No
Tahun Kebutuhan (Y) X
. X2 XY Y' E MAD MSE MAPE
1 2005 4,972 -7 49 (34,804) 5,922.85 (950.85) 950.85 904,122.51 19.1242
2 2006 5,534 -6 36 (33,204) 5,974.22 (440.22) 440.22 193,794.91 7.9549
3 2007 5,580 -5 25 (27,900) 6,025.59 (445.59) 445.59 198,549.81 7.9855
4 2008 6,109 -4 16 (24,436) 6,076.96 32.04 32.04 1,026.74 0.5245
5 2009 6,651 -3 9 (19,953) 6,128.33 522.68 522.68 273,189.16 7.8586
6 2010 6,546 -2 4 (13,092) 6,179.69 366.31 366.31 134,180.92 5.5959
7 2011 7,094 -1 1 (7,094) 6,231.06 862.94 862.94 744,664.21 12.1644
8 2012 7,200 1 1 7,200 6,333.80 866.20 866.20 750,308.63 12.0306
9 2013 7,872 2 4 15,744 6,385.16 1,486.84 1,486.84 2,210,680.44 18.8876
10 2014 6,069 3 9 18,207 6,436.53 (367.53) 367.53 135,079.88 6.0559
11 2015 6,770 4 16 27,080 6,487.90 282.10 282.10 79,580.41 4.1669
12 2016 4,623 5 25 23,115 6,539.27 (1,916.27) 1,916.27 3,672,082.50 41.4507
13 2017 7,018 6 36 42,108 6,590.64 427.36 454.24 206,333.98 6.4725
14 2018 5,916 7 49 41,412 6,642.00 (726.00) 726.00 527,081.19 12.2719
Total 87,954 - 280 14,383 87,954 (0) 9,720 10,030,675 162.54
Rata-rata 694 716,477 11.61
a = 6,282.43
b = 51.37
Y’ = 6,282.43 + 51.37X
103
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
9 2013 7,872 9 70,848 81 61,968,384 6,367.43 1,504.57 1,504.57 2,263,728.57 19.1129

10 2014 6,069 10 60,690 100 36,832,761 6,424.10 (355.10) 355.10 126,095.23 5.8510
11 2015 6,770 11 74,470 121 45,832,900 6,480.77 289.23 289.23 83,655.71 4.2723
12 2016 4,623 12 55,476 144 21,372,129 6,537.44 (1,914.44) 1,914.44 3,665,062.00 41.4111
13 2017 7,018 13 91,234 169 49,252,324 6,594.10 423.90 423.90 179,688.42 6.0401
14 2018 5,916 14 82,824 196 34,999,056 6,650.77 (734.77) 734.77 539,889.05 12.4201
Total 87,954 105 672,547 1,015 563,310,528 87,954 (0) 9,661 10,015,240 161.56
Rata-rata 690 715,374 11.54
a = 5,857.42
b = 56.66813187
Y’ = 5,857.42 + 56.66813187X
Lampiran 15. Peramalan Produksi Kacang Tanah Metode Autoregresi

No. Tahun Produksi (Y) X Y2 X2 XY Y' E MAD MSE MAPE
1 2002 32225 30595 1038450625 936054025 985923875 33496.62 -2901.62 2901.62 8419422.38 9.00
2 2003 40489 32225 1639359121 1038450625 1304758025 34311.12 -2086.12 2086.12 4351913.59 5.15
3 2004 49227 40489 2423297529 1639359121 1993152003 38440.59 2048.41 2048.41 4195987.94 4.16
4 2005 43397 49227 1883299609 2423297529 2136304119 42806.91 6420.09 6420.09 41217576.43 14.79
5 2006 43956 43397 1932129936 1883299609 1907558532 39893.70 3503.30 3503.30 12273133.03 7.97
6 2007 32913 43956 1083265569 1932129936 1446723828 40173.03 3782.97 3782.97 14310897.16 11.49
106
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
Lampiran 16. Peramalan Kebutuhan Kacang Tanah Metode Autoregresi

No. Tahun Kebutuhan (Y) X Y2 X2 XY Y' E MAD MSE MAPE
1 2006 5,534 4,972 30,625,156 24,720,784 27,515,048 6,219.188 (685.19) 685.19 469,482.73 12.3814
2 2007 5,580 5,534 31,136,400 30,625,156 30,879,720 6,288.059 (708.06) 708.06 501,347.90 12.6892
3 2008 6,109 5,580 37,319,881 31,136,400 34,088,220 6,293.696 (184.70) 184.70 34,112.76 3.0233
4 2009 6,651 6,109 44,235,801 37,319,881 40,630,959 6,358.524 292.48 292.48 85,542.50 4.3975
107
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
Lampiran 17. Hasil Logaritma Natural Data Produksi

Tahu LnX1 (luas panen LnX2 (Harga LnX3 (Jumlah
LnY (Produksi)
n kacang tanah) kacang tanah) Tenaga Kerja)
2001 10,32859188 10,21647181 8,91918561 14,72725658
2002 10,38049783 10,24619034 9,000729835 14,83539525
2003 10,60878561 10,43526221 8,923591198 14,83312029
2004 10,80419753 10,62181503 8,938400406 14,83178272
2005 10,67814559 10,46919901 9,053803514 14,89179066
2006 10,69094441 10,45909532 9,169205829 14,9060648
2007 10,401623 10,14596303 9,284612616 14,9226365
2008 10,38430747 10,14804028 9,359966546 14,91336423
2009 10,56139608 10,26639305 9,429957714 14,93281734
2010 10,4242437 10,12838956 9,507849005 15,03342443
2011 10,54441996 10,19839347 9,663769907 14,95812633
2012 10,56849243 10,14674741 9,715771471 14,96725026
2013 10,64277854 10,33436046 9,789422596 14,97881292
2014 10,44243405 10,18331385 9,745897632 15,01772432
2015 10,34631267 9,915860689 10,01243164 15,03636526
2016 10,42667644 10,06637142 10,07886841 15,05198385
2017 10,44365836 10,10246135 10,04806397 15,06781599
2018 10,13098163 9,855189767 10,03487365 15,03764877
Sumber : Data sekunder diolah (2020)
Lampiran 18. Hasil Logaritma Natural Data Produksi

LnY LnX1 (Harga LnX2 (Harga LnX3
Tahun
(Kebutuhan) kacang tanah) kedelai) (PDRB/kapita)
2005 8,511577453 9,053803514 8,349484347 8,177914621
2006 8,61866616 9,169205829 8,405591015 8,193123722
2007 8,626944055 9,284612616 8,486115236 8,229196403
2008 8,717518373 9,359966546 8,960339366 8,245460581
2009 8,802522498 9,429957714 9,050758302 8,348507048
2010 8,786609455 9,507849005 9,095153962 8,399472154
2011 8,867004635 9,663769907 9,187992508 9,595995213
2012 8,881836305 9,715771471 9,241451367 9,566383416
2013 8,971067439 9,789422596 9,310095205 9,603047104
2014 8,710949126 9,745897632 9,222268943 9,640168933
2015 8,820256366 10,01243164 9,45446233 9,824181324
2016 8,438799124 10,07886841 9,338997404 9,86816033
2017 8,856233556 10,04806397 9,463120392 9,857316904
2018 8,685415824 10,03487365 9,498672233 9,798980561
107
Lampiran 19. Hasil Regresi Faktor-Faktor yang mempengaruhi Produksi

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.
Regression
Notes
Output Created 02-Jul-2020 16:52:42
Comments
Input Active Dataset DataSet0
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 18
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 any variable used.
Syntax REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT Produksi
/METHOD=ENTER Luas_Panen
Harga_kacang_tanah
Jumlah_tenaga_kerja.
Resources Processor Time 00:00:00.125
Elapsed Time 00:00:00.609
Memory Required 1940 bytes
Additional Memory Required for

0 bytes
Residual Plots
[DataSet0]
108
Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 Jumlah_tenaga_kerja,
Luas_Panen, . Enter
Harga_kacang_tanah a
a. All requested variables entered.
b. Dependent Variable: Produksi
Model Summary
1 .957a .916 .897 .05183
a. Predictors: (Constant), Jumlah_tenaga_kerja, Luas_Panen, Harga_kacang_tanah
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression .408 3 .136 50.617 .000a
Residual .038 14 .003
Total .445 17
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
1 (Constant) -5.016 4.470 -1.122 .281
Luas_Panen 1.068 .101 1.272 10.623 .000
Harga_kacang_tanah .161 .091 .418 1.758 .101
Jumlah_tenaga_kerja .205 .352 .119 .584 .568
a. Dependent Variable: Produksi

109
Lampiran 20. Hasil Uji Normalitas Faktor-Faktor yang mempengaruhi Produksi
/STATISTICS=MEAN STDDEV MIN MAX KURTOSIS SKEWNESS.
Descriptives
Notes
Comments
Filter <none>
Weight <none>
Split File <none>
Missing Value Handling Definition of Missing User defined missing values are treated
as missing.
Cases Used All non-missing data are used.
Syntax DESCRIPTIVES VARIABLES=RES_1

/STATISTICS=MEAN STDDEV MIN
MAX KURTOSIS SKEWNESS.
[DataSet0]
Descriptive Statistics
Std.
N Minimum Maximum Mean Deviation Skewness Kurtosis
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>
Split File <none>
missing.
Cases Used Statistics for each test are based on all cases with
valid data for the variable(s) used in that test.
Syntax NPAR TESTS

/K-S(NORMAL)=RES_1
/MISSING ANALYSIS.
Number of Cases Alloweda 196608
a. Based on availability of workspace memory.
[DataSet0]
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 18
Normal Parameters a
Mean .0000000
Std. Deviation .04703167
Most Extreme Differences Absolute .151
Positive .151
Negative -.093
Kolmogorov-Smirnov Z .642
Asymp. Sig. (2-tailed) .805
a. Test distribution is Normal.

111
Lampiran 21. Hasil Uji Multikolinieritas Faktor-Faktor yang mempengaruhi

Produksi
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS BCOV R ANOVA COLLIN TOL
/NOORIGIN
/DEPENDENT Produksi
/METHOD=ENTER Luas_Panen Harga_kacang_tanah Jumlah_tenaga_kerja.
Regression
Notes
Comments
Filter <none>
Weight <none>
Split File <none>
missing.
Cases Used Statistics are based on cases with no missing

values for any variable used.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS BCOV R ANOVA
COLLIN TOL
/NOORIGIN
/DEPENDENT Produksi
Harga_kacang_tanah Jumlah_tenaga_kerja.

0 bytes
Residual Plots
112
[DataSet0]
Variables
Luas_Panen, . Enter
Model Summary
1 .957a .916 .897 .05183
ANOVAb
1 Regression .408 3 .136 50.617 .000a
Residual .038 14 .003
Total .445 17

113
Coefficientsa
Unstandardized Standardized Collinearity

Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) -5.016 4.470 -1.122 .281
Luas_Panen 1.068 .101 1.272 10.623 .000 .421 2.378
Harga_kacang_tanah .161 .091 .418 1.758 .101 .107 9.380
Jumlah_tenaga_kerja .205 .352 .119 .584 .568 .146 6.850
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

114
Collinearity Diagnosticsa
Variance Proportions
Condition Luas_ Harga_kacang Jumlah_tenaga

Model Dimension Eigenvalue Index (Constant) Panen _tanah _kerja
1 1 3.998 1.000 .00 .00 .00 .00
2 .002 46.956 .00 .02 .07 .00
3 6.506E-5 247.900 .03 .96 .26 .01
4 3.175E-6 1122.175 .97 .01 .67 .99
Lampiran 22. Hasil Uji Autokorelasi Faktor-Faktor yang mempengaruhi Produksi

REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT Produksi
/METHOD=ENTER Luas_Panen Harga_kacang_tanah Jumlah_tenaga_kerja
/RESIDUALS DURBIN.
Regression
Notes
Comments
Filter <none>
115
Weight <none>
Split File <none>
missing.
Cases Used Statistics are based on cases with no missing

values for any variable used.
Syntax REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT Produksi
Harga_kacang_tanah Jumlah_tenaga_kerja
/RESIDUALS DURBIN.

0 bytes
Residual Plots
[DataSet0]
Variables
Luas_Panen, . Enter

116
Model Summaryb
Std. Error of the

Model R R Square Adjusted R Square Estimate Durbin-Watson
1 .957a .916 .897 .05183 1.693
ANOVAb
1 Regression .408 3 .136 50.617 .000a
Residual .038 14 .003
Total .445 17
Coefficientsa
Standardized
1 (Constant) -5.016 4.470 -1.122 .281
Luas_Panen 1.068 .101 1.272 10.623 .000
Jumlah_tenaga_kerja .205 .352 .119 .584 .568

117
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 10.2098 10.8097 10.4894 .15489 18
Residual -.07877 .11321 .00000 .04703 18
Std. Predicted Value -1.805 2.068 .000 1.000 18
Std. Residual -1.520 2.184 .000 .907 18
Lampiran 23. Hasil Uji Heterokedastisitas Faktor-Faktor yang mempengaruhi

Produksi
COMPUTE Abresid=ABS(RES_1).
EXECUTE.
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT Abresid
/METHOD=ENTER Luas_Panen Harga_kacang_tanah Jumlah_tenaga_kerja
/SAVE RESID.
Regression
Notes

118
Comments
Filter <none>
Weight <none>
Split File <none>
missing.

Syntax REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT Abresid
Harga_kacang_tanah Jumlah_tenaga_kerja
/SAVE RESID.

0 bytes
Residual Plots
Variables Created or Modified RES_2 Unstandardized Residual
[DataSet0]
Variables
Luas_Panen, . Enter

119
Variables
Luas_Panen, . Enter
b. Dependent Variable: Abresid
Model Summaryb
Std. Error of the

Model R R Square Adjusted R Square Estimate
1 .688a .474 .361 .02552
a. Predictors: (Constant), Jumlah_tenaga_kerja, Luas_Panen,

Harga_kacang_tanah
ANOVAb
1 Regression .008 3 .003 4.201 .026a
Residual .009 14 .001
Total .017 17

120
Coefficientsa
Standardized
1 (Constant) 3.110 2.201 1.413 .179
Luas_Panen -.053 .049 -.322 -1.076 .300
Jumlah_tenaga_kerja -.214 .173 -.627 -1.236 .237
a. Dependent Variable: Abresid
Predicted Value -.0025 .0710 .0336 .02197 18
Residual -.04120 .06499 .00000 .02316 18
Std. Residual -1.615 2.547 .000 .907 18

121
Lampiran 24. Hasil Regresi Faktor-Faktor yang mempengaruhi Kebutuhan
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT kebutuhan
/METHOD=ENTER harga_kacang_tanah harga_kedelai PDRB_perkapita.
Regression
Notes
Comments
Filter <none>
Weight <none>
Split File <none>
missing.

Syntax REGRESSION
/MISSING LISTWISE
/NOORIGIN
/METHOD=ENTER harga_kacang_tanah
harga_kedelai PDRB_perkapita.

0 bytes
Residual Plots
[DataSet0]
122
Variables
1 PDRB_perkapita,
harga_kedelai, . Enter
harga_kacang_tanah a
b. Dependent Variable: kebutuhan
Model Summary
1 .760a .577 .450 .11076
a. Predictors: (Constant), PDRB_perkapita, harga_kedelai, harga_kacang_tanah
ANOVAb
1 Regression .167 3 .056 4.549 .029a
Residual .123 10 .012
Total .290 13
Coefficientsa
Standardized
1 (Constant) 10.014 1.567 6.390 .000
harga_kacang_tanah -.977 .373 -2.239 -2.619 .026
harga_kedelai .754 .225 1.978 3.350 .007
PDRB_perkapita .142 .115 .716 1.230 .247
a. Dependent Variable: kebutuhan

123
Lampiran 25. Hasil Uji Normalitas Faktor-Faktor yang mempengaruhi Kebutuhan
DESCRIPTIVES VARIABLES=RES_1
/STATISTICS=MEAN STDDEV MIN MAX KURTOSIS SKEWNESS.
Descriptives
Notes
Comments
Filter <none>
Weight <none>
Split File <none>
Missing Value Handling Definition of Missing User defined missing values are treated as
missing.
Cases Used All non-missing data are used.
Syntax DESCRIPTIVES VARIABLES=RES_1

/STATISTICS=MEAN STDDEV MIN MAX
KURTOSIS SKEWNESS.
[DataSet0]
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation Skewness Kurtosis
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>
Split File <none>
missing.
Cases Used Statistics for each test are based on all cases with
valid data for the variable(s) used in that test.
Syntax NPAR TESTS

/K-S(NORMAL)=RES_1
/MISSING ANALYSIS.
Number of Cases Alloweda 196608
a. Based on availability of workspace memory.
[DataSet0]
125
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 14
Normal Parametersa Mean .0000000
Std. Deviation .09714720
Most Extreme Differences Absolute .146
Positive .146
Negative -.108
Kolmogorov-Smirnov Z .546
Asymp. Sig. (2-tailed) .926
a. Test distribution is Normal.
Lampiran 26. Hasil Uji Multikolinieritas Faktor-Faktor yang mempengaruhi

Kebutuhan
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS BCOV R ANOVA COLLIN TOL
/NOORIGIN
/METHOD=ENTER harga_kacang_tanah harga_kedelai PDRB_perkapita.
Regression
Notes
Comments
Filter <none>
Weight <none>
Split File <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 any variable used.

126
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS BCOV R ANOVA
COLLIN TOL
/NOORIGIN
harga_kedelai PDRB_perkapita.

0 bytes
Residual Plots
[DataSet0]
Variables
1 PDRB_perkapita,
Model Summary
Std. Error of the

Model R R Square Adjusted R Square Estimate
1 .760a .577 .450 .11076
a. Predictors: (Constant), PDRB_perkapita, harga_kedelai,

harga_kacang_tanah
127
ANOVAb
1 Regression .167 3 .056 4.549 .029a
Residual .123 10 .012
Total .290 13
Coefficientsa
Unstandardized Standardized Collinearity

Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 10.014 1.567 6.390 .000
harga_kacang_tanah -.977 .373 -2.239 -2.619 .026 .058 17.284
harga_kedelai .754 .225 1.978 3.350 .007 .121 8.247
PDRB_perkapita .142 .115 .716 1.230 .247 .125 8.006
harga_kacang_
Model PDRB_perkapita harga_kedelai tanah
1 Correlations PDRB_perkapita 1.000 .146 -.730
harga_kedelai .146 1.000 -.739
harga_kacang_tanah -.730 -.739 1.000
Covariances PDRB_perkapita .013 .004 -.031
harga_kedelai .004 .051 -.062
harga_kacang_tanah -.031 -.062 .139

128
Collinearity Diagnosticsa
Variance Proportions
Condition harga_kacang harga_ PDRB_

Model Dimension Eigenvalue Index (Constant) _tanah kedelai perkapita
1 1 3.996 1.000 .00 .00 .00 .00
2 .003 35.201 .05 .00 .00 .14
3 .000 113.646 .28 .00 .41 .37
4 4.989E-5 283.015 .68 1.00 .59 .49
Lampiran 27. Hasil Uji Autokorelasi Faktor-Faktor yang mempengaruhi

Kebutuhan
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/METHOD=ENTER harga_kacang_tanah harga_kedelai PDRB_perkapita
/RESIDUALS DURBIN.
Regression
Notes
Comments
Filter <none>
129
Weight <none>
Split File <none>
Cases Used Statistics are based on cases with no missing values for
any variable used.
Syntax REGRESSION
/MISSING LISTWISE
/NOORIGIN
harga_kedelai PDRB_perkapita
/RESIDUALS DURBIN.

0 bytes
Residual Plots
[DataSet0]
Variables
1 PDRB_perkapita,
Model Summaryb
Std. Error of the

Model R R Square Adjusted R Square Estimate Durbin-Watson
130
Variables
1 PDRB_perkapita,
1 .760a .577 .450 .11076 2.932
ANOVAb
1 Regression .167 3 .056 4.549 .029a
Residual .123 10 .012
Total .290 13
Coefficientsa
Standardized
1 (Constant) 10.014 1.567 6.390 .000
harga_kacang_tanah -.977 .373 -2.239 -2.619 .026
harga_kedelai .754 .225 1.978 3.350 .007
PDRB_perkapita .142 .115 .716 1.230 .247

131
Predicted Value 8.5102 8.8628 8.7354 .11348 14
Residual -.17099 .13791 .00000 .09715 14
Std. Residual -1.544 1.245 .000 .877 14
Lampiran 28. Hasil Uji Heterokedastisitas Faktor-Faktor yang mempengaruhi

Kebutuhan
132
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT Abresid
/METHOD=ENTER harga_kacang_tanah harga_kedelai PDRB_perkapita
/SAVE RESID.
Regression
Notes
Comments
Filter <none>
Weight <none>
Split File <none>
Cases Used Statistics are based on cases with no missing values for
any variable used.
Syntax REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT Abresid
/METHOD=ENTER harga_kacang_tanah harga_kedelai
PDRB_perkapita
/SAVE RESID.

0 bytes
Residual Plots
Variables Created or RES_2

Unstandardized Residual
Modified
133
Variables
1 PDRB_perkapita,
Model Summaryb
1 .688a .473 .315 .04294
ANOVAb
1 Regression .017 3 .006 2.991 .082a
Residual .018 10 .002
Total .035 13
Coefficientsa
Standardized
1 (Constant) -.647 .607 -1.065 .312
harga_kacang_tanah .309 .145 2.041 2.138 .058
harga_kedelai -.242 .087 -1.831 -2.778 .020
PDRB_perkapita -.006 .045 -.083 -.127 .901

134
Coefficientsa
Standardized
1 (Constant) -.647 .607 -1.065 .312
harga_kacang_tanah .309 .145 2.041 2.138 .058
harga_kedelai -.242 .087 -1.831 -2.778 .020
PDRB_perkapita -.006 .045 -.083 -.127 .901
Predicted Value
.0260 .1481 .0791 .03568 14
Residual
-.05377 .07075 .00000 .03766 14
Std. Predicted Value

-1.488 1.933 .000 1.000 14
Std. Residual
-1.252 1.648 .000 .877 14

Peramalan Produksi Dan Kebutuhan Kacang Tanah Di Provinsi Nusa Tenggara Barat

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Peramalan Produksi Dan Kebutuhan Kacang Tanah Di Provinsi Nusa Tenggara Barat

Diunggah oleh

Hak Cipta:

Format Tersedia

PERAMALAN PRODUKSI DAN KEBUTUHAN

KACANG TANAH DI PROVINSI NUSA TENGGARA

Sebagai Salah Satu Syarat untuk Memperoleh

Yang bertanda tangan di bawah ini :

Nama : Yuyun Andriani

Pernyataan ini dibuat dengan sebenar-benarnya secara sadar dan

Mataram, 21 Juli 2020

Skripsi yang diajukan oleh :

Nama : Yuyun Andriani

Pembimbing Utama, Pembimbing Pendamping,

Ketua Jurusan Ilmu Sosial Ekonomi Ketua Program Studi Agribisnis,

Ir. Ridwan, M.Si._____ Dr. Ir. Abdullah Usman, M.Agr.Sc.

Mataram, 21 Juli 2020

IV.4.1. Faktor-faktor yang Mempengaruhi Produksi

4.14. Hasil Uji Heterokedastisitas Produksi Kacang Tanah di

18. Hasil Logaritma Natural Data Kebutuhan ……………...…… 106

YUYUN ANDRIANI. Peramalan Produksi dan Kebutuhan Kacang

Kata kunci : peramalan, produksi, kebutuhan, kacang tanah.

1.1. Latar Belakang

No. Tahun Produksi (ton) Luas Panen (ha) Produktivitas (ton/ha)

No. Tahun Produksi (ton) Kebutuhan (ton) Selisish (ton)

Berdasarkan tabel di atas terlihat bahwa kebutuhan kacang tanah NTB

Neraca ekpor impor kacang tanah dari segi volumenya menunjukkan

1.2. Rumusan Masalah

peramalan terhadap produksi maupun kebutuhan kacang tanah. Sehingga mampu

1.3. Tujuan dan Manfaat Penelitian

1.4. Hipotesis Penelitian

Hipotesis merupakan jawaban yang bersifat sementara atas pertanyaan-

2.1. Dasar Teori

Penggunaan varietas unggul dalam teknologi budi daya kacang tanah di

Fungsi produksi menunjukkan bahwa besar kecilnya output tergantung

linear berganda dan model Cobb-Douglas merupakan model yang paling

sederhana serta mudah dianalisis.

Kebutuhan terhadap pangan adalah salah satu kebutuhan dasar manusia.

menghadapi penggunaan yang luas seperti itu, beberapa teknik telah

c) Survei Pasar/Riset Pasar

Metode ini merupakan proses menentukan peramalan yang berasal dari

macam variabel bebas. Dengan demikian, ekonomitrika adalah ilmu yang

b) Metode Deret Berkala (Time Series)

adalah metode moving average, atau weight moving average (Baroto,

Xt+X +X t−2+…+ X t−N +1

2) Metode Exponential Smoothing

3) Metode Kecenderungan (Trend)

4) Metode Regresi Linier

Di mana dalam hal ini :

c) Metode Kombinasi Deret Berkala dan Kausal (Combination Time

Sedangkan rumus matematis dari metode kausal adalah sebagai berikut :

c. Pengukuran Kesalahan Peramalan

2.2. Penelitian Terdahulu

tahun 2015, Mengidentifikasi faktor-faktor yang penting untuk dipertimbangkan

2.3. Kerangka Pendekatan Masalah

Produksi kacang tanah yang surplus tersebut terjadi karena kebutuhan

Error/MAPE dengan nilai terkecil. Kemudian digunakan metode peramalan

Perkembangan Produksi Perkembangan Kebutuhan

Analisis Peramalan Produksi Analisis Peramalan Kebutuhan

Metode Peramakan Time Series :

Uji Tingkat Kesalahan

Gambar 2.1. Kerangka Pendekatan Masalah

2.4. Definisi Operasional

11. Trend perkembangan kebutuhan kacang tanah adalah pergerakan perubahan

3.1. Metode Penelitian

3.2. Unit Analisis

3.3. Jenis dan Sumber Data

3.3.2. Sumber Data