Salah satu poin SDGs dalam rangka mendukung kesejahteraan masyarakat menurut Persatuan Bangsa-Bangsa (PBB) adalah Zero Hunger. Kelaparan merupakan salah satu masalah di dunia yang mempengaruhi Kesehatan Masyarakat. Kelaparan ini disebabkan oleh ketidakamanan stok pangan, kualitas pangan yang buruk, dan limbah. Menurut Program Pangan Dunia (WFP), proyeksi peningkatan populasi manusia akan mencapai dua miliar orang pada tahun 2050. Namun, dalam beberapa tahun terakhir telah terjadi peningkatan populasi manusia. terjadi tren penurunan produksi pangan dan sebesar 8,9 persen penduduk dunia berada dalam kondisi kelaparan. Oleh karena itu, ketahanan pangan mempunyai peranan yang sangat penting dalam mencapai titik Zero Hunger. Untuk mencapai hal tersebut, diperlukan dukungan untuk memberdayakan pertanian berkelanjutan. Padi merupakan sektor penting yang mendominasi produksi pangan di banyak negara, termasuk Indonesia. Mayoritas masyarakat Indonesia mengonsumsi nasi sebagai makanan pokok. Menurut Badan Pangan Nasional (Bapanas), konsumsi beras masyarakat Indonesia pada tahun 2023 mencapai 81,23 kg/kapita/tahun. Sedangkan kebutuhan beras untuk konsumsi rumah tangga mencapai 22,64 juta ton per tahun pada tahun 2023. Idealnya, konsumsi beras sebanding dengan produksi padi yang dihasilkan guna mencapai ketahanan stok pangan.  Namun produksi padi di Indonesia berfluktuasi dari waktu ke waktu tergantung berbagai faktor yang mempengaruhinya. Salah satu faktor yang mempengaruhi besar kecilnya produksi padi adalah masih adanya potensi gagal panen sebagai dampak perubahan iklim. Selain potensi gagal panen, kualitas fase generatif termasuk ukuran dan kesehatan tanaman padi juga menjadi faktor yang mempengaruhi produksi padi. Mengingat pentingnya produksi padi, maka diperlukan prediksi yang tepat dan akurat mengenai produksi padi dalam merencanakan dan mengelola produksi padi.

Dalam penelitian ini dimodelkan produksi padi di Indonesia menggunakan pendekatan regresi deret waktu semiparametrik berdasarkan Least Square Spline Estimator (LSSE). Dimana spline digunakan untuk mengatasi data yang cenderung berfluktuasi pada data produksi padi bulanan. Data bulanan produksi padi di Indonesia selama periode waktu tertentu digunakan untuk membangun model. Penggunaan pendekatan regresi semiparametrik dengan menggabungkan komponen parametrik dan komponen nonparametrik untuk menganalisis faktor-faktor yang mempengaruhi produksi padi. Pada penelitian ini komponen parametriknya adalah produksi padi pada periode sebelumnya lag-1 dan komponen nonparametriknya adalah luas lahan potensial gagal panen dan luas areal generatif. Untuk memprediksi produksi padi di Indonesia menggunakan pendekatan Semiparametric Time Series Regression Model (STSRM) berbasis LSSE, ditentukan urutan dan titik simpul optimal berdasarkan nilai Generalized Cross Validation (GCV) terkecil.

Hasil-Hasil yang diperoleh adalah sebagai berikut: untuk mendapatkan model STSRM dilakukan berdasarkan LSSE. Model dibangun berdasarkan urutan dan titik simpul yang diperoleh dari nilai GCV terkecil. Penentuan orde dan knot berdasarkan nilai GCV disajikan pada Tabel berikut ini.

Akhirnya dapat disimpulkan bahwa prediksi produksi padi di Indonesia menggunakan STSRM berbasis LSSE merupakan prediksi yang baik dengan MAPE nilai 18,05% kurang dari 20%. Berdasarkan model estimasi, hubungan produksi padi dan produksi padi pada periode sebelumnya lag-1 bernilai positif. Variabel potensi luas gagal panen mempunyai berpengaruh negatif terhadap produksi padi, sedangkan luas areal generatif mempunyai pengaruh positif terhadap padi produksi. Dalam rangka memenuhi kebutuhan pangan, potensi gagal panen dapat menurunkan produksi padi, sehingga potensi gagal panen dapat menjadi perhatian khusus bagi pemerintah Indonesia. Fase generatif adalah momen penting bagi tanaman padi dalam proses menghasilkan padi yang berkualitas. Meningkatkan luas wilayah fase generatif dapat meningkatkan kualitas dan kuantitas produksi padi. Prediksi produksi padi di Indonesia bisa dijadikan pendukung salah satu poin SDGs, Zero Hunger.

Penulis: Prof. Dr. Nur Chamidah, S.Si., M.Si.

Informasi lengkap (detail) dari penelitian ini dapat dilihat pada tulisan kami di laman:

https://doi.org/10.56294/dm2025527

Any Tsalasatul Fitriyah, Nur Chamidah, Toha Saifudin (2024). Prediction  of  Paddy  Production  in  Indonesia  Using  Semiparametric  Time  Series  Regression Least Square Spline Estimator. Data and Metadata 2025; 4: 527,pp.1–12.DOI: 10.56294/dm2025527.