Analisis Data Luas Tanaman dan Produksi Kelapa Sawit Tanaman

Perkebunan Rakyat di Provinsi Sumatera Utara

Dataset “Luas Tanaman dan Produksi Kelapa Sawit Tanaman Perkebunan Rakyat menurut Kabupaten/Kota”
diperoleh dari Badan Pusat Statistik Provinsi Sumatera Utara yang bersumber dari Dinas Perkebunan
Provinsi Sumatera Utara Link Dataset Dengan batasan tahun yang ambil yaitu dari tahun 2017 - 2021.

Library yang digunakan

library(readr)
library(tidyverse)

## -- Attaching core tidyverse packages ------------------------ tidyverse 2.0.0 --

## v dplyr 1.1.2 v purrr 1.0.1
## v forcats 1.0.0 v stringr 1.5.0
## v ggplot2 3.4.2 v tibble 3.2.1
## v lubridate 1.9.2 v tidyr 1.3.0
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()
## i Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(dplyr)
library(ggplot2)

Upload Dataset

getwd()

## [1] "/cloud/project"
sawit <- read_csv("data_sawit_sumut_2017_2021.csv")

## Warning: One or more parsing issues, call `problems()` on your data frame for details,
## e.g.:
## dat <- vroom(...)
## problems(dat)
## Rows: 169 Columns: 4
## -- Column specification --------------------------------------------------------
## Delimiter: ","
## chr (3): Kabupaten_Kota, Jumlah_Produksi, Tahun
## dbl (1): Luas_Tanaman
##
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message.

1
Melihat Struktur Database

str(sawit)

## spc_tbl_ [169 x 4] (S3: spec_tbl_df/tbl_df/tbl/data.frame)

## $ Kabupaten_Kota : chr [1:169] "Nias" "Nias" "Nias" "Nias" ...
## $ Luas_Tanaman : num [1:169] NA NA NA NA NA ...
## $ Jumlah_Produksi: chr [1:169] NA NA NA NA ...
## $ Tahun : chr [1:169] "2017" "2018" "2019" "2020" ...
## - attr(*, "spec")=
## .. cols(
## .. Kabupaten_Kota = col_character(),
## .. Luas_Tanaman = col_double(),
## .. Jumlah_Produksi = col_character(),
## .. Tahun = col_character()
## .. )
## - attr(*, "problems")=<externalptr>

Merubah Format Data

Dikarenakan masih adanya beberapa Variabel yang belum sesuai format datanya sebelum dianalisis lebih
lanjut, maka kita harus merubahnya terlebih dahulu. Dalam data ini sendiri ada beberapa variabel yang
harus diubah format datanya seperti variabel Jumlah_Produksi dari Type Data Character ke Number dan
begitupula dengan variabel Tahun.
sawit_clean <- sawit %>%
mutate(
Tahun = as.numeric(Tahun),
Jumlah_Produksi = as.numeric(Jumlah_Produksi)
)

## Warning: There were 2 warnings in `mutate()`.

## The first warning was:
## i In argument: `Tahun = as.numeric(Tahun)`.
## Caused by warning:
## ! NAs introduced by coercion
## i Run `dplyr::last_dplyr_warnings()` to see the 1 remaining warning.

Melihat Kembali Database Sesudah Merubah Format Data

str(sawit_clean)

## tibble [169 x 4] (S3: tbl_df/tbl/data.frame)

## $ Kabupaten_Kota : chr [1:169] "Nias" "Nias" "Nias" "Nias" ...
## $ Luas_Tanaman : num [1:169] NA NA NA NA NA ...
## $ Jumlah_Produksi: num [1:169] NA NA NA NA NA ...
## $ Tahun : num [1:169] 2017 2018 2019 2020 2021 ...

Pembersihan Data

sawit_cleaned <- sawit_clean %>%

filter(!is.na(Luas_Tanaman) & !is.na(Jumlah_Produksi) & !is.na(Tahun))

2
Membuat Grafik
Selanjutnya untuk mempermudah mengetahui Kota atau Kabupaten yang memiliki nilai Luas Tanaman dan
Jumlah Produksi terbesar di Sumatera Utara kita dapat membuat visualisasi data, khususnya menggunakan
diagram batang.

Total Luas Tanaman (Ha)

total_tanaman <- sawit_cleaned %>%

group_by(Kabupaten_Kota, Tahun) %>%
summarize(Total_Tanaman = sum(Luas_Tanaman)) %>%
arrange(desc(Total_Tanaman))

## `summarise()` has grouped output by 'Kabupaten_Kota'. You can override using

## the `.groups` argument.
top_kota <- total_tanaman %>%
group_by(Tahun) %>%
top_n(5, Total_Tanaman)

ggplot(top_kota, aes(x = as.factor(Tahun), y = Total_Tanaman, fill = Kabupaten_Kota)) +

geom_bar(stat = "identity", position = "dodge") +
labs(title = "Kabupaten/Kota Dengan Luas Perkebunan Kelapa Sawit Rakyat Terbesar di Sumatera Utara",
x = "Tahun",
y = "Luas Tanaman (Ha)") +
theme_minimal() +
scale_fill_brewer(palette = "Set3")

Kabupaten/Kota Dengan Luas Perkebunan Kelapa Sawit Rakyat Terbesar di Sumatera

80000

60000
Kabupaten_Kota
Luas Tanaman (Ha)

Asahan
Humbang Hasundutan
40000 Labuanbatu Utara
Labuhan Batu
Labuhanbatu Selatan
Langkat
20000

2017 2018 2019 2020 2021

Tahun

3
Total Produksi (Ton)

total_produksi <- sawit_cleaned %>%

group_by(Kabupaten_Kota, Tahun) %>%
summarize(Total_Produksi = sum(Jumlah_Produksi)) %>%
arrange(desc(Total_Produksi))

## `summarise()` has grouped output by 'Kabupaten_Kota'. You can override using

## the `.groups` argument.
top_kotaa <- total_produksi %>%
group_by(Tahun) %>%
top_n(5, Total_Produksi)

ggplot(top_kotaa, aes(x = as.factor(Tahun), y = Total_Produksi, fill = Kabupaten_Kota)) +

geom_bar(stat = "identity", position = "dodge") +
labs(title = "Jumlah Produksi Kelapa Sawit Perkebunan Rakyat di Sumut",
x = "Tahun",
y = "Total Produksi") +
theme_minimal() +
scale_fill_brewer(palette = "Set3")

Jumlah Produksi Kelapa Sawit Perkebunan Rakyat di Sumut

1500000

Kabupaten_Kota
Asahan
Total Produksi

1000000 Labuanbatu Utara

Labuhan Batu
Labuhanbatu Selatan
Langkat
Padang Lawas
500000
Simalungun

2017 2018 2019 2020 2021

Tahun
Dari keseluruh Kabupaten Kota yang ada di Sumatera, kita menyaring data dengan 5 Kabupaten Kota
yang memiliki Luas Tanaman dan Jumlah Produksi Terbesar di Sumatera Utara. Disini dapat kita ketahui
bahwa terdapat 5 Kabupaten Kota dengan Luas Tanaman terbesar yaitu : Asahan, Labuhan Batu Selatan,
Labuhan Batu Selatan dan Utara, Padang Lawas, Langkat dan Simalungun.

4
Filter data berdasarkan tahun dan daerah

data_Asahan <- sawit_cleaned %>%

filter(Kabupaten_Kota == "Asahan", Tahun >= 2017, Tahun <= 2021)

data_Labuhan_Utara <- sawit_cleaned %>%

filter(Kabupaten_Kota == "Labuanbatu Utara", Tahun >= 2017, Tahun <= 2021)

Membuat plot korelasi dengan garis regresi

ggplot(data_Asahan, aes(x = Tahun, y = Jumlah_Produksi)) +

geom_line() +
labs(title = "Rata-rata Jumlah Produksi per Tahun (Kabupatan Asahan, 2017-2021)",
x = "Tahun",
y = "Rata-rata Jumlah Produksi") +
theme_minimal()

Rata−rata Jumlah Produksi per Tahun (Kabupatan Asahan, 2017−2021)

1600000
Rata−rata Jumlah Produksi

1200000

800000

400000

2017 2018 2019 2020 2021

Tahun
Analisis data Luas Tanaman dan Jumlah Produksi kelapa sawit di Kabupaten Asahan dari tahun 2017 hingga
2021 menunjukkan adanya hubungan positif dan tren peningkatan produksi yang signifikan. Sehingga layak
untuk dilakukan pengembangan lebih lanjut mengenai potensi bisnis kelapa sawit di wilayah Kabupaten
Asahan.
ggplot(data_Labuhan_Utara, aes(x = Tahun, y = Jumlah_Produksi)) +
geom_line() +
labs(title = "Rata-rata Jumlah Produksi per Tahun (Labuhan Batu Utara, 2017-2021)",
x = "Tahun",
y = "Rata-rata Jumlah Produksi") +
theme_minimal()

5
 Rata−rata Jumlah Produksi per Tahun (Labuhan Batu Utara, 2017−2021)

1000000
Rata−rata Jumlah Produksi

750000

500000

250000
2017 2018 2019 2020 2021
Tahun
Analisis data Luas Tanaman dan Jumlah Produksi kelapa sawit di Kabupaten Labuhan Batu Utara dari
tahun 2017 hingga 2021 juga menunjukkan adanya hubungan positif dan tren peningkatan produksi yang
signifikan. Sehingga layak untuk dilakukan pengembangan lebih lanjut mengenai potensi bisnis kelapa sawit
di wilayah Kabupaten Labuhan Batu Utara.

Rekomendasi
Berdasarkan hasil analisis, terdapat beberapa rekomendasi untuk optimalisasi bisnis kelapa sawit PT Mahkota
Group,Tbk :
1.Peningkatan Luas Tanaman: Mengingat adanya hubungan positif antara Luas Tanaman dan Jumlah
Produksi di beberapa wilayah di Sumut, patut untuk mempertimbangkan kerja sama atau kolaborasi dengan
masyarakat sekitar mengenai pengetahuan tambahan untuk mengelola kebun kelapa sawit maupun yang
lainnya. Hal ini dapat berpotensi meningkatkan personal branding yang baik untuk perusahaan.
2.Tren Peningkatan Produksi: Mengingat tren peningkatan rata-rata Jumlah Produksi dari tahun ke tahun,
perluasan area tanam dan perbaikan teknik budidaya dapat terus dilakukan untuk memanfaatkan tren
positif ini. Dengan ini tim Peneliti Perusahaan dapat meneliti lebih lanjut mengenai harga jual kelapa sawit
penduduk sekitar dan mencoba mencari tahu apakah ada pabrik pengolahan sawit yang terdekat dan layak
di beberapa Kabupaten yang berpotensi menghasilkan jumlah produksi yang terus meningkat.

Catatan : Rekomendasi ini sebaiknya diimplementasikan dengan mempertimbangkan kondisi lokal, kebi-
jakan pemerintah, serta faktor-faktor sosial dan ekonomi yang memengaruhi masyarakat sekitar.