1 / 57

Statistik Tanaman Pangan

Statistik Tanaman Pangan. PENGOLAHAN DAN PENYAJIAN. PENGOLAHAN DATA. Mekanisme Pengolahan Data

erin-lucas
Download Presentation

Statistik Tanaman Pangan

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. StatistikTanamanPangan PENGOLAHAN DAN PENYAJIAN

  2. PENGOLAHAN DATA Mekanisme Pengolahan Data • Sesuai dengan Instruksi Bersama Direktur Jenderal Pertanian Tanaman Pangan dan Kepala BPS No. tertanggal 28 Juni 1975, tentang Pelaksanaan Perbaikan Statistik Pertanian, telah diinstruksikan kepada Kepala Dinas Pertanian (Distan) dan Kepala BPS Propinsi/Kabupaten/Kota untuk mengadakan pengolahan bersama statistik produksi pertanian tanaman pangan untuk keperluan daerah.

  3. DAFTAR SP • BPS Kabupaten/kota melakukan pengolahan data (editing/coding, validasi, entri, update) Daftar SP (SP-PADI, SP-PALAWIJA, SP-LAHAN, SP-ALSINTAN TP dan SP-BENIH TP). • Hasil pengolahan Daftar SP di BPS Kabupaten/Kota (database) dikirimkan ke Distan Kabupaten/Kota setiap bulan. • Berdasarkan hasil pengolahan Daftar SP yang diperoleh dari BPS Kabupaten/Kota, Distan Kabupaten/Kota : • Membuat rekapitulasi tingkat kabupaten/kota (RKSP) dan mengirimkan ke Distan Propinsi; • Mengirimkan database hasil pengolahan data ke Distan Propinsi dan Deptan.

  4. DAFTAR SP • Distan Propinsi membuat rekapitulasi tingkat propinsi (RPSP) dan mengirimkan ke Direktorat Jenderal Tanaman Pangan, Departemen Pertanian. • BPS Kabupaten/Kota mengirimkan database hasil pengolahan data ke BPS Propinsi. Selanjutnya BPS Propinsi mengirimkan ke BPS.

  5. DAFTAR SUB-S (UBINAN) • Tanggungjawab pengolahan (validasi, entri, tabulasi) Daftar SUB-S adalah di BPS Propinsi. Kebijakan desentralisasi pengolahan Daftar SUB-S ke BPS Kabupaten/Kota diserahkan ke BPS Propinsi, sesuai dengan kondisi di masing-masing daerah dengan syarat bahwa jumlah ubinan di kabupaten/kota tersebut mencukupi untuk estimasi level kabupaten/kota.

  6. DAFTAR SUB-S (UBINAN) • Hasil ubinan (Daftar SUB-S) yang digunakan untuk penghitungan produktivitas adalah hasil ubinan yang metodologinya sesuai dengan metodologi Survei Ubinan yang digunakan secara nasional, dan berat gabah hasil ubinan memenuhi batasan cut-off. • Batasan cut-off ubinan yaitu berat ubinan yang terletak pada selang kepercayaan 95 % yaitu pada kisaran : rata-rata ± 1,96 standar deviasi. Angka 1,96 adalah titik kritis (critical value) pada tabel normal untuk tingkat kesalahan (α=5%). • Jadi berat gabah hasil ubinan diluar batas tersebut tidak diikutkan dalam pengolahan. Hal ini dimaksudkan untuk menghilangkan pengaruh angka yang ekstrim (pencilan) baik pencilan rendah maupun pencilan tinggi.

  7. ContohPenghitunganCut off HasilUbinan Misalkan berat gabah hasil ubinan adalah (dalam kg) : 3,50 3,50 0,350 3,70 3,60 3,60 3,52 4,10 4,20 dan 7,50.

  8. ContohPenghitunganCut Off HasilUbinan

  9. PENGHITUNGAN DATA REALISASI PRODUKSI (1) • Produksi padi dan palawija diperoleh dari hasil perkalian antara luas panen (bersih) dengan produktivitas. Data luas panen yang dilaporkan dari tingkat kecamatan (Daftar SP-PADI dan SP-PALAWIJA) masih merupakan luas kotor, sehingga harus dikoreksi dengan besaran konversi galengan/pematang untuk mendapatkan luas panen bersih. • Semua jenis tanaman yang dipanen di lahan sawah (padi/palawija) harus dikoreksi dengan besaran konversi galengan, sedangkan jenis tanaman padi dan palawija yang dipanen di lahan bukan sawah, luas galengan dianggap tidak ada (tidak perlu dikoreksi dengan besaran konversi galengan).

  10. PENGHITUNGAN DATA REALISASI PRODUKSI (2) • Tanggungjawab penghitungan produksi padi/palawija adalah di BPS Propinsi. Kebijakan desentralisasi pengolahan produksi ke BPS Kabupaten/Kota diserahkan ke BPS Propinsi, sesuai dengan kondisi di masing-masing daerah dengan syarat bahwa jumlah ubinan di kabupaten/kota tersebut mencukupi untuk estimasi level kabupaten/kota. • Penghitungan produksi padi/palawija setiap subround didasarkan pada hasil pengolahan Daftar SP (SP-PADI, SP-PALAWIJA, SP-LAHAN) dan hasil pengolahan Daftar SUB-S.

  11. PENGHITUNGAN DATA RAMALAN PRODUKSI • Bersamaan dengan penghitungan data realisasi produksi padi/palawija berdasarkan laporan Daftar SP dan Daftar SUB-S, BPS Propinsi juga melakukan penghitungan Angka Ramalan (ARAM). • Hasil penghitungan ARAM dituangkan dalam form R-I (untuk ARAM I), R-II (untuk ARAM II), dan R-III (untuk ARAM III) yang dilengkapi dengan penjelasan kualitatif/kuantitatif yang terkait dengan perkembangan data produksi padi/ palawija.

  12. PEMBAHASAN DATA PRODUKSI (1) • Pembahasan data luas panen, produktivitas dan produksi (data realisasi dan angka ramalan) dilakukan setiap subround (catur wulan/empat bulanan) secara berjenjang, dimulai dari tingkat kabupaten/kota, tingkat propinsi dan tingkat nasional.

  13. PEMBAHASAN DATA PRODUKSI (2) • Pembahasan data realisasi di tingkat kabupaten/kota dilakukan bersama oleh Distan Kabupaten/Kota bersama dengan BPS Kabupaten/Kota, sekitar minggu ke 2-3 bulan Januari, Mei, dan September. • Jika ada perbaikan data hasil pembahasan, updating data dilakukan di BPS Kabupaten/Kota. Hasil perbaikan/updating dikirimkan ke BPS Propinsi oleh BPS Kabupaten/Kota, dan ke Distan Propinsi oleh Distan Kabupaten/Kota

  14. PEMBAHASAN DATA PRODUKSI (3) • Pembahasan data realisasi dan angka ramalan di tingkat propinsi dilakukan oleh Distan Propinsi dan BPS Propinsi (bersama dengan Distan Kabupaten/Kota dan BPS Kabupaten/Kota), sekitar minggu ke 3-4 bulan Januari, Mei, dan September. • Jika ada perbaikan data hasil pembahasan, updating data dilakukan di BPS Propinsi/Kabupaten/Kota. • Hasil perbaikan/updating ditandatangani oleh Kepala BPS Propinsi dan Kepala Distan Propinsi, selanjutnya dikirimkan ke BPS oleh BPS Propinsi, dan ke Ditjen Tanaman Pangan-Deptan oleh Distan Propinsi.

  15. PEMBAHASAN DATA PRODUKSI (4) • Pembahasan data realisasi dan data ramalan di tingkat nasional dilakukan oleh Ditjen Tanaman Pangan Departemen Pertanian dan BPS (bersama dengan Distan Propinsi dan BPS Propinsi), sekitar minggu ke 1-2 bulan Pebruari, Juni, dan Oktober. • Jika ada perbaikan data hasil pembahasan, updating data dilakukan di BPS Propinsi/Kabupaten/Kota. • Hasil perbaikan/updating ditandatangani oleh Kepala BPS Propinsi dan Kepala Distan Propinsi, kemudian dikirimkan ke BPS oleh BPS Propinsi, dan ke Ditjen Tanaman Pangan-Deptan oleh Distan Propinsi.

  16. Daftar Pengolahan Data Statistik Tanaman Pangan Keterangan : *) Perhitungan ramalan

  17. Pengolahan Daftar SP Editing dan Coding • Dalam editing dilakukan pengecekan terhadap kelengkapan, konsistensi dan kewajaran isian masing-masing kolom/baris. • Pada Daftar SP-PADI dan SP-PALAWIJA, periksalah isian kode propinsi, kabupaten, kecamatan, bulan, tahun apakah telah sesuai dengan kode yang telah ditetapkan

  18. Pengecekan kolom - kolom Daftar SP-PADI : Kolom (7) bulan lalu = kolom (3) bulan laporan. Kolom (12) bulan lalu = kolom (8) bulan laporan Kolom (7) = kolom (3) – kolom (4) – kolom (5) + kolom (6) Kolom (12) = kolom (8) – kolom (9) – kolom (10) + kolom (11) Jumlah rincian 1a + 1b + 1c dari setiap kolom (3) s.d. kolom (12) = jumlah rincian 2a + 2b dari setiap kolom (3) s.d. kolom (12) = jumlah rincian 3a + 3b dari setiap kolom (3) s.d. kolom (12)= Jumlah Padi dari setiap kolom (3) s.d. kolom (12).

  19. Pengecekan kolom - kolom Daftar SP-PALAWIJA : Kolom (9) bulan lalu = kolom (3) bulan laporan. Kolom (16) bulan lalu = kolom (10) bulan laporan Kolom (9) = kolom (3) – kolom (4) – kolom (5) – kolom (6) - kolom (7) + kolom (8) Kolom (16) = kolom (10) – kolom (11) – kolom (12) – kolom (13) - kolom (14) + kolom (15)

  20. Daftar SP-LAHAN • Rincian 1 : Lahan Sawah Kolom (8) = kolom (3) + kolom (4) + kolom (5) + kolom (6) + kolom (7) Jumlah Lahan Sawah = jumlah rincian 1.a sampai dengan rincian 1.h • Rincian 2 : Lahan Pertanian Bukan Sawah Jumlah lahan pertanian bukan sawah = jumlah rincian 2.a sampai dengan rincian 2.i • Rincian 3 : Lahan Bukan Pertanian Jumlah lahan bukan pertanian = jumlah rincian 3.a sampai dengan rincian 3.d

  21. Daftar SP-ALSINTAN TP Rincian 1 sampai dengan rincian 11 : Kolom (3) + kolom (4) = kolom (5) untuk rincian 1 sampai dengan 11 Rincian 1.a = rincian 1.a.1 + rincian 1.a.2 + rincian 1.a.3 Rincian 1.b = rincian 1.b.1 + rincian 1.b.2 + rincian 1.b.3 Rincian 5.a = rincian 5.a.1 + rincian 5.a.2 + rincian 5.a.3 + rincian 5.a.4 + rincian 5.a.5 Rincian 7.a = rincian 7.a.1 + rincian 7.a.2 Rincian 11.h = rincian 11.h.1 + rincian 11.h.2

  22. Daftar SP-BENIH TP • Jika kolom (3) isi, maka kolom (4) atau kolom (5) ada isian. Jika kolom (5) isi, maka kolom (6) harus ada isian (demikian juga sebaliknya). • Kolom (7) isi maka kolom (8) harus ada isian.

  23. Estimasi laporan yang belum masuk • Untuk laporan/data yang tidak masuk, harus dilakukan estimasi. Estimasi Daftar SP-PADI dan SP-PALAWIJA dilakukan dengan mengisikan luas tanam, luas panen dan luas puso dengan memperhatikan data pada kecamatan dan bulan yang sama tahun lalu. • Khusus untuk pengolahan Daftar SP-LAHAN, SP-ALSINTAN TP dan SP-BENIH TP, maka data yang tidak masuk sampai dengan batas terakhir pengolahan, diestimasi dengan memperhatikan data laporan tahun sebelumnya. Agar laporan dapat lengkap, dihimbau kepada KCD untuk menyerahkan laporan sesuai jadwal yang telah ditetapkan.

  24. PengolahanPadidanPalawija • Rekapitulasi tingkat Kabupaten/Kota yaitu RKSP-PADI, RKSP-PALAWIJA, RKSP-LAHAN, RKSP-ALSINTAN TP, RKSP-BENIH TP, dilakukan dengan menjumlahkan data dari tingkat kecamatan. Pengolahan dilakukan dengan menggunakan program pengolahan data tanaman pangan secara elektronik/komputer. • Rekapitulasi tingkat propinsi yaitu RPSP-PADI, RPSP-PALAWIJA, RPSP-LAHAN, RPSP-ALSINTAN TP, RPSP-BENIH TP dilakukan dengan menggunakan program pengolahan data tanaman pangan secara elektronik/komputer. Sedangkan form R-I, R-II dan R-III merupakan hasil penghitungan luas panen, produktivitas dan produksi per subround baik angka realisasi maupun angka ramalan.

  25. Pengolahan Ubinan(Daftar SUB-S) • Pengolahan hasil ubinan dimaksudkan untuk mendapatkan hasil per hektar dari masing-masing jenis tanaman padi dan palawija. • Hasil per hektar yang diperoleh akan mewakili satu subround (4 bulan), walaupun pelaksanaan dan pelaporan daftarnya dilakukan bulanan (ada panenan).

  26. Penghitungan hasil per hektar untuk padi dan palawija tingkat kab/kota. • Penghitungan hasil per hektar di tingkat kabupaten/kota hanya dapat dilakukan apabila jumlah sampel ubinan memenuhi minimum ukuran sampel, baik berasal dari sampel pusat maupunsampel ubinan prakarsa. • Penambahan sampel ubinan prakarsa ini harus tetap mengikuti metodologi/prosedur yang telah ditetapkan oleh BPS sehingga hasilnya dapat diintegrasikan dengan ubinan Pusat. • Penambahan sampel ubinan prakarsa ini harus diikuti dengan penambahan blok sensus

  27. Ramalan Produksi Padi dan Palawija (1) • Salah satu kegiatan lain dalam statistik pertanian adalah peramalan produksi padi/palawija dengan menggunakan data seri luas tanaman akhir, luas panen maupun produktivitas dari angka tetap yang telah dikeluarkan oleh BPS. • Angka ramalan produksi padi dan palawija yang resmi dipakai oleh pemerintah adalah angka yang dikeluarkan oleh BPS.

  28. Ramalan Produksi Padi dan Palawija (2) Dalam satu tahun BPS membuat tiga kali ramalan produksi padi/palawija, yaitu: • Ramalan I dirilis pada tanggal 1 Maret tahun yang bersangkutan. • Ramalan II dirilis pada tanggal 1 Juli tahun yang bersangkutan. • Ramalan III dirilis pada tanggal 1 Nopember tahun yang bersangkutan.

  29. Ramalan Produksi Padi dan Palawija (3) • Ramalan produksi merupakan perkalian antara ramalan luas panen dengan ramalan produktivitas, dimana luas panen dan produktivitas sudah merupakan resultan dari faktor-faktor yang mempengaruhi produksi • Ramalan luas panen dan produktivitas dilakukan setiap subround (empat bulan) yaitu subround 1 (Januari-April), subround 2 (Mei-Agustus) dan subround 3 (September-Desember). • Model ramalan luas panen yang digunakan adalah model regresi sederhana, bisa linier atau non linier (logaritma, eksponensial) tergantung pola datanya

  30. Ramalan Produksi Padi dan Palawija (4) Model peramalan luas panen untuk subround 1 (Januari-April) : • Regresi Linier :A1(t) = α1 + β1 XDes(t-1) • Regresi logaritma :A1(t) = α1 + β1 Ln XDes(t-1) • Regresi Eksponensial :A1(t) = α1 exp (β1 XDes(t-1)) Keterangan: A1(t)= Luas Panen Subround 1 tahun t XDes (t-1)= Luas Tanaman Akhir Desb.tahun sebelumnya (t-1) t= Series tahun α1= konstanta model regresi β1= koefisien model regresi, menunjukkan besaran pengaruh luas tanaman akhir Desember tahun t-1 terhadap luas panen Januari-April tahun t.

  31. Ramalan Produksi Padi dan Palawija (5) • Model peramalan luas tanaman akhir April : Trend Linier :S2(t) = α2 + β2 t Smoothing eksponensial:S2(t) = α XApril(t-1) + (1-α) S2(t-1) Keterangan : S2(t)= Ramalan Luas Tanaman Akhir April tahun t S2(t-1)= Ramalan Luas Tanaman Akhir April tahun t-1 XApril(t-1)= Luas tanaman akhir April tahun sebelumnya (t-1) t= Series tahun α2= konstanta model trend β2= koefisien model trend, menunjukkan besaran trend luas tanaman akhir April α = Penimbang dengan nilai 0 ≤ α ≤ 1

  32. Ramalan Produksi Padi dan Palawija (6) • Model peramalan produktivitas per subround (i=1,2,3) : Trend Linier : Yi(t) = αi + βi t Smoothing eksponensial : Fi(t) = α Yi(t-1) + (1-α) Fi(t-1) Keterangan : Yi(t) = Produktivitas subround ke i tahun t Fi(t) = Ramalan produktivitas subround ke i tahun t t = Series tahun α = Penimbang dengan nilai 0 ≤ α ≤ 1

  33. Ramalan I (1) • Ramalan produksi Januari-Desember • Ramalan Produksi Jan-Apr= Ramalan Luas Panen Jan-Apr x Ramalan hasil per Ha Jan-Apr • Ramalan Produksi Mei-Agt= Ramalan Luas Panen Mei-Agt x Ramalan hasil per Ha Mei-Agt • Ramalan Produksi Sep-Des= Ramalan Luas Panen Sep-Des x Ramalan hasil per Ha Sep-Des • Ramalan Produksi Jan-Des= Ramalan Produksi Jan-Apr + Ramalan Produksi Mei-Agt + Ramalan Produksi Sep-Des

  34. RamalanI (2) • Ramalan luas panen Januari-April Contoh dengan menggunakan model regresi linier : Y1= a1 + b1XDes + e1........................................................(1) dengan : XDesadalah luas tanaman akhir Desember tahun yang lalu (t-1). Y1 adalah luas panen Januari -April tahun yang bersangkutan (t). e1 adalah faktor acak (random) atau sisaan (error) a1 dan b1 adalah konstanta/koefisien regresi yang dihitung berdasarkan seri data tahun-tahun yang lalu dengan menggunakan metode kuadrat terkecil.

  35. RamalanI (3) • Ramalan luas panen Mei-Agustus • Ramalan luas panen Mei-Agustus didasarkan pada luas tanaman akhir April tahun yang bersangkutan. Karena luas tanaman akhir April belum ada realisasinya, maka terlebih dahulu diramalkan. Contoh ramalan luas tanaman akhir April dengan menggunakan model linier : Yapril = a + b t + e………………..……………………….…(2) dengan : Yapriladalah luas tanaman akhir April tahun t Nilai a dan b dihitung dengan cara yang sama seperti pada persamaan (1)

  36. RamalanI (4) • Ramalan luas panen September-Desember • Ramalan luas panen September-Desember didasarkan pada luas tanaman akhir Agustus tahun yang bersangkutan. Karena luas tanaman akhir Agustus belum ada realisasinya, maka terlebih dahulu diramalkan. Contoh ramalan luas tanaman akhir Agustus dengan menggunakan model linier : Yagustus= a + b t + e…………………………………….(3) dengan : Yagustus adalah luas tanaman akhir Agustus tahun t Nilai a dan b dihitung dengan cara yang sama seperti contoh sebelumnya

  37. RamalanI (5) • Ramalan Hasil per Hektar Januari-April, Mei-Agustus dan September-Desember • Hasil per hektar diramalkan dengan menggunakan persamaan trend linier atau smoothing eksponensial tergantung pola datanya. Sebagai contoh menggunakan model trend linier : Y4 = a4 + b4 t + e4…………….................................……..(4) Y5 = a5 + b5 t + e5…………………....…………………..(5) Y6 = a6 + b6 t + e6…………………………………....….(6) dengan : Y4adalah hasil per Ha Januari-April tahun t Y5 adalah hasil per Ha Mei-Agustus tahun t Y6 adalah hasil per Ha September-Desember tahun t • Koefisien regresi dihitung dengan cara yang sama seperti contoh sebelumnya, demikian pula untuk penentuan faktor koreksinya.

  38. Ramalan II (1) • Ramalan II adalah realisasi Januari-April ditambah dengan ramalan Mei-Desember. Realisasi produksi Januari - April adalah hasil kali antara luas panen Januari -April dengan hasil per hektar Januari - April. • Luas Panen Mei-Agustus • Ramalan luas panen Mei-Agustus didasarkan pada luas tanaman akhir bulan April dengan menggunakan model regresi linier atau non linier (logaritmo, eksponensial) tergantung pola datanya. Contoh menggunakan model regresi linier : Y7 = a7 + b7 Xapril + e7……………………….…..(7) dengan : Y7adalah luas panen Mei-Agustus tahun t Xapriladalah luas tanaman akhir April tahun t

  39. Ramalan II (2) • Luas Panen September-Desember • Ramalan luas panen September-Desember diramalkan berdasarkan luas tanaman akhir Agustus tahun yang bersangkutan. Karena luas tanaman akhir Agustus belum realisasi, maka terlebih dahulu diramalkan. Model yang digunakan untuk meramalkan luas tanaman akhir Agustus adalah model trend linier atau smoothing eksponensial tergantung pola datanya. Contoh menggunakan model trend linier : Yagustus = a + b t + e…….………………………..(8) dengan : Yagustusadalah luas tanaman akhir Agustus tahun t

  40. Ramalan II (3)Luas Panen September-Desember • Selanjutnya luas panen September-Desember diramalkan dengan regresi linier berikut : Y8 = a8 + b8 Yagustus + e8…...……………………..(9) dengan : Y8 adalah luas panen September-Desember tahun t • Dengan memasukkan nilai perkiraan Yagustus yang diperoleh pada persamaan (8), maka diperoleh nilai perkiraan luas panen September-Desember. Untuk menentukan faktor koreksi dilakukan dengan cara seperti dijelaskan sebelumnya

  41. Ramalan II (4) • Ramalan Hasil per Hektar Mei-Agustus dan September-Desember • Ramalan hasil per hektar Mei-Agustus dan September-Desember diramalkan dengan menggunakan model trend linier atau smoothing eksponensial tergantung pola datanya. Contoh menggunakan model trend linier : Y9 = a9 + b9 t + e9 ………..…………………..…..(10) Y10 = a10 + b10 t + e10 ………....………..………..(11) dengan : Y9adalah hasil per Ha Mei-Agustus tahun t Y10adalah hasil per Ha September-Desember tahun t • Koefisien regresi dihitung dengan cara yang sama seperti contoh sebelumnya, demikian pula untuk penentuan faktor koreksinya

  42. Ramalan II (5) • Ramalan produksi Januari-Desember • Ramalan produksi Januari-Desember diperoleh dari hasil perkalian antara ramalan luas panen dengan ramalan hasil per Ha yang telah diperoleh. • Realisasi Produksi Jan-Apr = Realisasi Luas Panen Jan-Apr x Realisasi hasil per Ha Jan-Apr • Ramalan Produksi Mei-Agt = Ramalan Luas Panen Mei-Agt x Ramalan hasil per Ha Mei-Agt • Ramalan Produksi Sep-Des = Ramalan Luas Panen Sep-Des x Ramalan hasil per Ha Sep-Des • Ramalan Produksi Jan-Des = Realisasi Produksi Jan-Apr + Ramalan Produksi Mei-Agt + Ramalan Produksi Sep-Des

  43. RamalanIII (1) • Ramalan III merupakan realisasi produksi Januari-April dan Mei-Agustus ditambah dengan ramalan produksi September-Desember. • Realisasi produksi Januari-April adalah hasilkali antara realisasi luas panen Januari-April dengan hasil per Ha Januari-April. Realisasi produksi Mei-Agustus adalah hasilkali antara realisasi luas panen Mei-Agustus dengan hasil per Ha Mei-Agustus. • Ramalan luas panen September – Desember. • Luas panen September Desember diramalkan dengan persamaan regresi linier atau non linier (logaritma, eksponensial) tergantung pola datanya. Contoh menggunakan model regresi linier : Y11 = a11 + b11 Yagustus + e11 ..............................................(12) dengan : Xagustusadalah luas tanaman akhir Agustus tahun t Y11adalah luas panen September - Desember tahun t

  44. Ramalan III (2) • Ramalan Hasil per Hektar September – Desember. • Hasil per Ha September - Desember diramalkan dengan menggunakan model trend linier atau smoothing eksponensial tergantung pola datanya. Contoh menggunakan model trend linier : Y12= a12 + b12 t + e12……...........................................(13) dengan : Y12adalah hasil per Ha September - Desember tahun t • Ramalan produksi September-Desember ialah hasil kali antara ramalan luas panen September-Desember dengan ramalan hasil per ha September-Desember. • Ramalan produksi Januari-Desember adalah jumlah realisasi produksi Januari-Agustus dengan ramalan produksi September-Desember.

  45. Status Angka Produksi • Di tingkat pusat dan propinsi, dalam setahun dikeluarkan 5 (lima) status angka produksi tanaman pangan (padi/palawija), yaitu : • Angka Ramalan I (ARAM I) • Angka Ramalan II (ARAM II) • Angka Ramalan III (ARAM III) • Angka Sementara (ASEM) • Angka Tetap (ATAP) • ARAM I tidak berlaku lagi setelah ARAM II dikeluarkan. • ARAM II tidak berlaku lagi setelah ARAM III dikeluarkan. • ARAM III tidak berlaku lagi setelah ASEM dikeluarkan. • ASEM tidak berlaku lagi setelah ATAP dikeluarkan

  46. Status Angka Produksi • Bersamaan dengan rilis ARAM I tahun berjalan pada tanggal 1 Maret, juga dirilis ASEM luas panen, produktivitas dan produksi 1 (satu) tahun sebelumnya. • ARAM II tahun berjalan dirilis pada tanggal 1 Juli bersamaan dengan ATAP 1 (satu) tahun sebelumnya.

  47. PELAPORAN DAN PENYAJIAN DATA Pelaporan Hasil Pengolahan Data • Pelaporan data dari tingkat kabupaten/kota maupun propinsi dibuat seragam, baik bentuk tabel, satuan berat, bentuk hasil, maupun waktu dan satuan wilayah untuk memudahkan pengolahan selanjutnya. • Laporan dari kabupaten/kota akan dijadikan dasar penyusunan laporan tingkat propinsi, demikian juga laporan propinsi menjadi dasar untuk penyusunan angka nasional. • Dengan adanya laporan yang seragam tersebut akan lebih mudah melakukan kompilasi data laporan kabupaten/kota dan propinsi.

  48. Pelaporan UntukKabupaten/Kota Pengiriman Rekapitulasi Daftar SP (RKSP) • Rekapitulasi Daftar SP dibuat 4 (empat) rangkap oleh DinasPertanian Kab/Kota dan dikirim ke: • BPS Propinsi melalui BPS Kab/Kota • Dinas Pertanian Propinsi • BPS Kab/Kota • Arsip di Dinas Pertanian Kab/Kota • Selain mengirimkan data RKSP, Dinas Pertanian Kab/Kota juga mengirimkan (upload) Database-SPTP ke Dinas Pertanian Propinsi dan Departemen Pertanian.

More Related