Analisis Peramalan Bayesian Structural Time Series pada Data Nilai Tukar Petani di Sulawesi Selatan
Abstract
Kesejahteraan petani masih menjadi polemik di Indonesia. Salah satu parameter kesejahteraan petani adalah Nilai Tukar Petani (NTP) yang mengukur perbandingan antara Indeks Terima Petani (ITP) dengan Indeks Bayar Petani (IBP). Pentingnya peningkatan kesejahteraan petani berkaitan dengan keberlanjutan produksi pangan di Indonesia. Sulawesi Selatan menduduki urutan ke-6 sebagai provinsi dengan Produk Domestik Regional Bruto (PDRB) sektor pertanian terbesar di tingkat nasional pada tahun 2021. Oleh karena itu, penelitian ini bertujuan untuk meramalkan kesejahteraan petani di Sulawesi Selatan menggunakan variabel NTP. Metode yang digunakan adalah Bayesian Structural Time Series (BSTS) dengan dan tanpa variabel ITP dan IBP sebagai prediktor. Proses dekomposisi deret waktu menunjukkan bahwa tren NTP mengikuti pola kuadratik dan komponen musiman 12. Pemodelan BSTS dengan variabel ITP dan IBP memiliki tingkat akurasi yang lebih tinggi daripada tanpa kedua variabel prediktor tersebut. Akurasi dari pemodelan dengan variabel ITP dan IBP mampu mencapai 99,8% dengan goodness of fit 0,133 pada iterasi ke-1000. Hasil tersebut menunjukkan bahwa model dengan variabel ITP dan IBP memberikan prediksi NTP yang lebih baik dibandingkan dengan model tanpa kedua variabel prediktor tersebut yang memiliki nilai goodness of fit –1,227. Hingga tahun 2025, peramalan NTP mengalami kenaikan signifikan yang mengindikasikan adanya peningkatan kesejahteraan petani di Sulawesi Selatan.
Full text article
References
Almarashi, A. M., & Khan, K. (2020). Bayesian Structural Time Series. Nanoscience and Nanotechnology Letters, 12(1), 54–61.
Al-Moders, A. H., & Kadhim, T. H. (2021). Bayesian Structural Time Series for Forecasting Oil Prices. Ibn AL-Haitham Journal For Pure and Applied Sciences, 34(2), 100–107.
Aulia, S. S., Rimbodo, D. S., & Wibowo, M. G. (2021). Faktor-faktor yang Memengaruhi Nilai Tukar Petani (NTP) di Indonesia. Journal of Economics and Business Aseanomics (JEBA), 6(1), 44–59.
Chatfield, C., & Xing, H. (2019). The Analysis of Time Series: An Introduction With R. CRC press.
Feroze, N. (2020). Forecasting The Patterns of COVID-19 and Causal Impacts of Lockdown in Top Five Affected Countries Using Bayesian Structural Time Series Models. Chaos, solitons & fractals, 140, 110196.
Kohns, D., & Bhattacharjee, A. (2023). Nowcasting Growth Using Google Trends Data: A Bayesian Structural Time Series Model. International Journal of Forecasting, 39(3), 1384–1412.
Mulyani, M., & Kemala, N. (2022). Dampak Pandemi Covid 19 Terhadap Nilai Tukar Petani Sub Sektor Tanaman Pangan di Provinsi Jambi. Jurnal Ilmiah Universitas Batanghari Jambi, 22(1), 154–156.
Ni’mah, R. (2023). Structural Time Series Model Using Hamiltonian Monte Carlo For Rice Price. Engineering, Mathematics and Computer Science Journal (EMACS), 5(3), 103–109.
Ning, N., & Qiu, J. (2021). The MBSTS Package: Multivariate Bayesian Structural Time Series Models in R. http://arxiv.oMathematicsrg/abs/2106.14045
Nurasa, T., & Rachmat, M. (2013). Nilai Tukar Petani Padi di Beberapa Sentra Produksi Padi di Indonesia. Jurnal Agro Ekonomi, 31(2), 161–179.
Rahman, A., Malik, A. A., & Toaha, S. (2019). Analisis Kontribusi Sektor Pertanian terhadap Produk Domestik Regional Bruto Kota Parepare. Agrikan: Jurnal Agribisnis Perikanan, 12(2), 182–187.
Ruauw, E. (2010). Nilai Tukar Petani Sebagai Indikator Kesejahteraan Petani. Jurnal penelitian ASE, 6(2), 1–8.
Saadi, R., & Ubaidillah, A. (2022). Pendugaan Area Kecil Angka Partisipasi Kasar Perguruan Tinggi di Indonesia Menggunakan Model
Subarea Twofold dengan Pendekatan Hierarchical Bayes. Seminar Nasional Official Statistics, 2022(1), 123–136.
Sebastian Seftiansyah, E., & Yuniarti, D. (2013). Peramalan Kas Bank Central Asia, Tbk Samarinda Tahun 2012 Dengan Menggunakan Metode Dekomposisi Dan Double Moving Averages Forecasting Cash Of Bank Central Asia, Tbk Samarinda Year 2012 Using Decomposition Method And Double Moving Averages. Jurnal Eksponensial, 4(2). www.bi.go.id
Suciati, I. (2023). Kajian Model Bayesian Structural Time Series pada Data Indeks Harga Saham Gabungan di Indonesia. Tesis master, Universitas Lampung.
Authors
Copyright (c) 2023 Annurial Fitrayah Taufiq, Nur Azizah Amra, Siswanto, Anisa Kalondeng
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-NonCommercial 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work