Langsung ke konten utama

Akurasi Data Surplus Beras 2014


Tahun ini bukan hanya tahun politik, tapi juga tahun pembuktian terwujudnya sejumlah target politik pemerintahan SBY-Budionoyang sudah di ambang senja.

Salah satu target itu adalah surplus beras 10 juta ton. Maklum, hingga kini beras masih memiliki nilai politis sebagai tolak ukur keberhasilan pemerintah di bidang pangan.

Di atas kertas, pencapaian target ambisius ini sangat ditentukan olehakurasi data yang digunakan dalam perhitungan surplus. Pendek kata, tercapai atau tidaknya target ini membutuhkan justifikasi data statistik.

Data pokok yang digunakan dalam perhitungan surplus beras adalah data produksi padi yang dikonversi ke beras dan data konsumsi beras.Soal akurasi, kedua data ini kerap menuai kritikan dari banyak kalangan.

Data produksi padi ditengarai over-estimated atau lebih tinggi dari angka yang sebenarnya. Akibatnya, disasosiasi antara produksi, stok, dan harga beras di pasarkerap terjadi.
Pada 2011, misalnya, data menunjukkan produksi beras cukup melimpah. Namun, pada saat yang sama, Bulog mengalami kesulitan dalam pengadaan beras, dan harga beras di pasar merangkak naik karena kekurangan suplai. Impor beras sepanjang 2011 bahkan nyaris 3 juta ton. Padahal, surplus ditaksir mencapai 4 juta ton.

Sementara itu, angka konsumsi beras nasional sebesar 139 kilogram per kapita per tahun, selain dianggap ketinggian, asal-usulnya juga dipertanyakan. Sejumlah kalangan bahkan menganggap angka ini merupakan hasil kesepakatan politis,ketimbang hasil hitung-hitungan ilmiah.

Pada awal bulan ini (3 Maret), BPS telah merilis angka sementara produksi padi pada 2013. BPS melaporkan, produksi padi pada tahun lalu mencapai 71,3 juta ton gabah kering giling (GKG) atau setara dengan 40,6 juta ton beras. Menurut kalkulasi pemerintah, angka ini menunjukkan surplus beras mencapai 7 juta ton pada 2013. Itu artinya, target surplus 10 juta ton kemungkinan bakal sulitdiwujudkan.

Menariknya, bila menggunakan angka konsumsi beras terbaru hasilsurvei BPS pada 2012, yakni sebesar 114 kilogram per kapita per tahun, surplus beras pada tahun lalu ternyata nyaris menembus 12 juta ton.

Artinya, pencapaiaan target surplus beras 10 juta ton telah berhasil direngkuh. Tapi, mengapa tak ada pernyataan resmi dari pemerintah bahwa target ambisius ini telah tercapai?

Tentu janggal, dan kejanggalan ini membuktikan, data produksi memang over-estimateddan perlu dikoreksi. Karena itu, perbaikan data produksi sebagai pijakan justifikasi pencapaian target surplus mutlak dilakukan. Bila tidak, surplus hanya angka-angka di atas kertas.

Telah lama diketahui, kelemahan utama dalam perhitungan produksi padi adalah pengumpulan data luas panen yang tidak didasarkan pada survei statistik. Metode yang lazim digunakan adalah pandangan mata atau eye estimate. Dalam prakteknya, petugas hanya datang ke sawah yang tanaman padinya siap dipanen kemudian memperkirakan luasnya. Masih mending petugas datang ke sawah, bagaimana kalau perkiraan luas panen dilakukan di atas meja?

Karena itu, mengingat pentingnya akurasi data produksi padi/beras dalam perumusan kebijakan, pengumpulan data luas panen mesti segera dibenahi dan didasarkan pada survei statistik. Misalnya, dengan memanfaatkan data citra satelit resolusi tinggi. Teknologi dan sumberdayanya sudah tersedia, yang dibutuhkan hanya komitmen dan keseriusan pemerintah. (*)


Komentar

Postingan populer dari blog ini

Bisakah R2 (baca: R kuadrat) Bernilai Negatif?

Koefisien determinasi (R2) merupakan ukuran kecocokan hasil estimasi sebuah model regresi linier dengan data yang dimodelkan, atau biasa disebut ukuran goodness of fit dari sebuah model regresi linier. Dengan lain perkataan, R2 menunjukkan seberapa dekat garis regresi yang diestimasi dengan data yang sebenarnya atau seberapa besar proporsi variasi variabel respon yang dapat dijelaskan oleh garis regresi. Ukuran ini dapat digunakan jika semua asumsi terkait residual telah terpenuhi. Bisakah R2 Bernilai Negatif? Pada dasarnya, R2 tidak pernah bernilai negatif, kecuali model regresi yang digunakan tanpa intersep. Jika model regresi yang digunakan tanpa intersep, maka R2 tidak bermakna meskipun bernilai positif. Kelemahan mendasar dari  R2 adalah nilainya yang selalu bertambah ketika dilakukan penambahan variabel bebas ke dalam model, meskipun variabel tersebut tidak begitu penting dalam menjelaskan variabel respon (tidak signifikan). Untuk mengatasi hal ini digunakan R

Kesalahan Spesifikasi Model: Penyebab dan Solusi

Dalam ekonometrika, ketika kita bekerja dengan model-model struktural, yakni model dimana hubungan antara variabel dalam model didasarkan pada suatu kerangka teori ekonomi, keselahan spesifikasi model kerap kali terjadi. Hal ini merupakan masalah serius yang sering terjadi pada penelitian yang menggunakan model ekonometrik, khususnya regresi, sebagai  alat analisis. Kesalahan spesifikasi menyebabkan model yang dihasilkan tidak dapat digunakan untuk kepentingan analisis karena dapat menyesatkan ( misleading ). Sedikitnya,  ada dua gejala yang dapat dijadikan acuan untuk mengetahui kalau model yang kita gunakan mengalami kesalahan spesifikasi. Dua gejala tersebut adalah sebagai berikut: 1.   Hasil running model menunjukkan tanda koefisien regresi yang merepresentasikan arah hubungan antara variabel  penjelas dan variabel respon berseberangan atau tidak sesuai dengan teori.  Meski tidak selalu merupakan gejala terjadinya kesalahan spesifikasi, kehadiran gejala ini me

Di Balik Penurunan Jumlah Petani Gurem

Hingga kini, kemiskinan di Indonesia masih menjadi fenomena sektor pertanian. Secara faktual, sebagian besar penduduk miskin tinggal di desa dan bekerja sebagai petani dan buruh tani. Ditengarai, salah satu penyebab kemiskinan masih berpusat di sektor pertanian adalah penguasaan lahan pertanian oleh petani yang kian sempit. Skala usaha yang kecil mengakibatkan pendapatan dari kegiatan usaha tani tidak mencukupi untuk memenuhi kebutuhan hidup meski kegiatan usaha tani yang dijalankan sebetulnya cukup menguntungkan. Alhasil, kesejahteraan pun begitu sulit direngkuh. Kemarin (2 Desember), Badan Pusat Statistik (BPS) telah merilis jumlah petani gurem hasil Sensus Pertanian tahun 2013 (disingkat ST2013). Menurut BPS, petani gurem didefinisikan sebagai rumah tangga pertanian yang mengusahakan lahan pertanian kurang dari setengah hektar. BPS mencatat, jumlah petani gurem pada Mei 2013 sebanyak 14,25 juta rumah tangga atau sekitar 55,33 persen dari sekitar 26 juta rumah tangga