Indonesia Statistical Analysis Conference 2013

ANALISIS STATISTIKA RANTAI PASOK BERAS MELALUI PASAR

INDUK BERAS CIPINANG JAKARTA

Dedy Sugiarto1, Dadang Surjasa1, Nirdukita Ratnawati2, Binti Solihah3

1
Jurusan Teknik Industri, Fakultas Teknologi Industri, Universitas Trisakti
2
Jurusan Ilmu Ekonomi, Fakultas Ekonomi, Universitas Trisakti
3
Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Trisakti
dedy@trisakti.ac.id, d_giarto@yahoo.com, d_surjasa@yahoo.com

Abstrak

Makalah ini menyajikan potret rantai pasok beras yang melalui Pasar Induk Beras
Cipinang (PIBC) Jakarta. Data yang digunakan adalah data sekunder berupa data pasokan beras
per bulan mulai bulan Januari 2011 sampai dengan bulan Juni 2013 serta data primer berupa hasil
wawancara guna mengidentifikasi struktur rantai pasok. Teknik analisis yang digunakan adalah
ukuran-ukuran statistik dari data, box plot, plot deret waktu serta metode peramalan Dekomposisi
dan Winter. Hasil penelitian menunjukkan total pasokan beras ke PIBC memiliki nilai rata-rata
70.203 ton per bulan dengan nilai minimum 48.322 ton serta maksimum 89.596 ton. Berdasarkan
analisis box plot dapat diketahui bahwa nilai minimum dan maksimum tersebut termasuk dalam
data pencilan (outlier). Hasil penelusuran terhadap data deret waktu menunjukkan bahwa nilai
pencilan bawah tersebut terjadi pada saat Idul Fitri bulan Agustus 2012 serta nilai pencilan atas
pada bulan Februari 2012 saat adanya pasokan beras dari Bulog dan Jateng sebagai antisipasi
rendahnya pasokan dari Karawang, Cirebon dan Bandung. Plot grafik pasokan pasokan beras dari
tiga wilayah sentra produksi beras yaitu Cirebon, Karawang dan Bandung memiliki pola yang mirip
yaitu memiliki trend menurun serta bersifat musiman. Volume pasokan tinggi pada sekitar bulan
Maret-April (musim panen pertama) serta bulan September-Oktober (musim panen kedua) serta
volume rendah pada masa paceklik, sekitar bulan Desember-Februari. Namun demikian pola
Karawang dan Cirebon lebih mirip satu sama lain bila dibandingkan dengan Bandung. Hal ini
dikarenakan Karawang dan Cirebon sama-sama memiliki karakteriktik adanya panen raya. Hal ini
berbeda dengan Bandung yang tidak mengenal istilah panen raya. Metode peramalan yang tepat
digunakan untuk meramalkan total pasokan dari tiga sentra produksi tersebut berdasarkan pada
kriteria mean absolute deviation (MAD) serta kesesuaian distribusi residual dengan distribusi
Normal adalah metode Winter.

Kata Kunci : beras, musiman, panen raya, peramalan, rantai pasok beras

Pendahuluan melakukan pemantauan data pasokan,

Rantai pasok beras di Propinsi DKI Jakarta
sebagian besar melewati Pasar Induk Beras
Cipinang (PIBC) yang dikelola oleh Pemerintah
Propinsi DKI melalui PT. Food Station
Tjipinang Jaya (FSTJ). Menurut Surjasa
(2012), PIBC merupakan satu area
pergudangan, pusat pemasaran dan transaksi
perberasan terbesar di Indonesia dibandingkan
dengan pasar induk beras yang berada di
daerah lainnya. Sedangkan salah satu tugas
PT. FSTJ selaku pengelola PIBC adalah
1
distribusi dan harga beras sehingga berguna
sebagai pedoman para pengusaha, pedagang
beras, para pembuat kebijakan di instansi
pemerintah, serta bahan berita di media masa
nasional dan internet.
. Tujuan penelitian ini adalah memberikan
gambaran situasi pasokan beras yang masuk
ke PIBC menggunakan teknik-teknik analisis
statistika deskriptif yang tergabung exploratory
data analysis (EDA) serta metode peramalan.
Hasilnya diharapkan dapat menjadi input bagi
para pelaku rantai pasok beras DKI Jakarta
 Indonesia Statistical Analysis Conference 2013
serta pemerintah daerah khususnya PT. FSTJ
dalam rangka peningkatan kualitas
pemantauan data pasokan, peningkatan
kinerja rantai pasok serta peningkatan
ketahanan pangan di Propinsi DKI Jakarta.
Metode Penelitian
Penelitian menggunakan metode
kuantitatif dengan data berupa data primer dan
data sekunder. Data primer adalah data hasil
wawancara yang terkait dengan identifikasi
struktur rantai pasok beras yang melalui PIBC.
Data sekunder berupa data deret waktu
volume pasokan beras per bulan mulai bulan
Januari 2011 sampai dengan bulan Juni 2013
(30 bulan). Sampel penelitian untuk keperluan
wawancara sebanyak masing-masing 1 orang
pedagang daerah (pemilik penggilingan padi
yang membawa beras langsung ke PIBC) yang
berasal dari Kecamatan Cilamaya (mewakili
Kabupaten Karawang), Kecamatan Jamblang
(mewakili Kabupaten Cirebon) serta
Kecamatan Ciparay (mewakili Kabupaten
Bandung).
Tahapan analisis dimulai dari
identifikasi struktur rantai pasok, statistika
deskriptif total pasokan dan asal pasokan serta
analisis deret waktu. Teknik analisis yang
digunakan adalah ukuran-ukuran statistik dari
data, box plot, plot deret waktu serta metode
peramalan dekomposisi dan winter. Metode
peramalan ini dipilih dalam penelitian karena
termasuk metode yang sesuai untuk data deret
waktu dengan pola trend dan musiman
(Fogarty et al, 1991; Minitab, 2000).
Hasil dan Pembahasan
Identifikasi Struktur Jaringan Rantai Pasok
Rantai pasok beras dari berbagai
daerah ke DKI sesungguhnya memiliki
struktur yang cukup rumit dan memiliki
berbagai pola. Namun secara umum struktur
tersebut selalu dimulai dari petani kemudian
melewati penggilingan padi dan pedagang
besar serta pengecer. Pedagang besar
sebagian besar terkonsentrasi di Pasar Induk
Beras Cipinang (PIBC). Pedagang besar
terbagi atas pedagang besar untuk wilayah
pemasaran DKI dan sekitarnya serta
pedagang besar untuk wilayah pemasaran
antar pulau.
2
Responden pemilik penggilingan padi
di Cilamaya mendapatkan gabah dari wilayah
Cilamaya sendiri serta dapat juga berasal dari
wilayah lain seperti Indramayu, Cirebon,
Demak dan juga Banten. Penggilingan padi
membeli gabah dari petani dengan perantara
calo atau informan daerah. Gabah kemudian
digiling menjadi beras untuk kemudian dijual
kepada pedagang besar baik di PIBC atau di
Pasar Johar Karawang untuk dijual kembali
oleh pedagang besar kepada padagang
pengecer dan akhirnya sampai ke tangan
konsumen.
Penggilingan dengan responden dari
Cirebon mendapatkan gabah selain dari petani
setempat, dapat juga melakukan pengadaan
gabahnya dari berbagai daerah, seperti dari
Demak, Kudus, Sragen, Ngawi, Jepara,
Madiun dan Brebes. Beras yang dihasilkan
oleh penggilingan selanjutnya lebih banyak
dipasok ke PIBC Jakarta daripada ke pasar
lokal.
Responden penggilingan padi dari
Ciparay Bandung mendapatkan gabah dari
beberapa wilayah, seperti dari Soreang,
Ciparay dan Majalaya. Sebelum masuk ke
penggilingan, biasanya para calo atau
informan menghubungkan pihak petani dengan
pihak penggilingan. Pihak calo mendapatkan
fee dari proses ini. Selanjutnya beras yang
dihasilkan oleh penggilingan dijual ke
pedagang beras di PIBC melalui koperasi
Himpunan Pedagang Beras Ciparay (HPBC)
atau Perhimpunan Pedagang Beras Ciparay
(PPBC) dan sebagian ada juga yang dijual ke
pedagang atau pasar lokal di sekitar Bandung.
Statistika Deskriptif Pasokan Beras ke PIBC
Total pasokan beras ke PIBC memiliki
nilai rata-rata 70.203 ton per bulan dengan
nilai minimum 48.322 ton serta maksimum
89.596 ton. Berdasarkan analisis box plot
seperti terlihat pada Gambar 1 dapat diketahui
bahwa nilai minimum dan maksimum tersebut
termasuk dalam data pencilan (outlier).
 Indonesia Statistical Analysis Conference 2013

Boxplot of Total Time Series Plot of Karawang; Cirebon; Bandung; Cianjur; Banten; ...
90000 40000 Variable
Karawang
Cirebon
Bandung
80000 Cianjur
30000
Banten
Jateng
Jatim
Gdg.Jkt
Total

70000

Data
20000 Ex Bulog
Anpu

60000
10000

50000

Gambar 1. Boxplot total pasokan beras ke 3 6 9 12 15 18

Index
21 24 27 30

PIBC per bulan

Hasil penelusuran terhadap data deret
waktu menunjukkan bahwa nilai pencilan
bawah tersebut terjadi pada saat Idul Fitri
bulan Agustus 2012 serta nilai maksimum
terjadi pada bulan Februari 2012 saat adanya
pasokan beras dari Bulog dan Jateng sebagai
antisipasi rendahnya pasokan dari Karawang,
Cirebon dan Bandung.
Berdasarkan data tahun 2011,
pasokan beras terbesar berturut-turut berasal
dari Cirebon (33 %), Karawang (27 %) serta
Bandung (11 %). Sedangkan beras yang
keluar dari PIBC sebagian besar di jual di DKI
Jakarta (49 %) serta antar pulau (30 %). Antar
pulau itu sendiri terdiri atas Pontianak (19 %),
Batam (18 %), Medan (15 %), Palembang (14
%), Bangka (13 %), Pekanbaru 12 %,
Lampung 3 %, Padang (2 %), Jambi (2 %)
serta Sulawesi (2 %).
Gambar 2 memperlihatkan pola
pasokan beras selama 30 bulan (mulai Januari
tahun 2011 sampai dengan Juni 2013) dimana
wilayah Karawang, Cirebon dan Bandung
merupakan pemasok terbesar beras ke PIBC.
Pada saat masa paceklik dapat pula terlihat
bahwa beras Bulog masuk ke PIBC dengan
jumlah besar untuk menjaga kestabilan harga.
Gambar 2. Grafik pasokan beras dari berbagai
sumber ke PIBC
Gambar 3 memperlihatkan plot grafik
pasokan pasokan beras dari tiga wilayah
sentra produksi beras yaitu Cirebon, Karawang
dan Bandung memiliki pola yang mirip yaitu
memiliki trend menurun serta bersifat
musiman. Volume pasokan tinggi pada sekitar
bulan Maret-April (musim panen pertama)
serta bulan September-Oktober (musim panen
kedua) serta volume rendah pada masa
paceklik, sekitar bulan Desember-Februari.
Namun demikian pola Karawang dan Cirebon
lebih mirip satu sama lain bila dibandingkan
dengan Bandung. Hal ini dikarenakan
Karawang dan Cirebon sama-sama memiliki
karakteriktik adanya adanya panen raya. Hal
ini berbeda dengan Bandung yang tidak
mengenal istilah panen raya.
Analisis Deret Waktu
Data deret waktu jumlah pasokan dari
ketiga sentra produksi beras (Cirebon,
Karawang dan Bandung) yang diramalkan
dengan metode dekomposisi dapat dilihat
pada Gambar 4.
Time Series Plot of Karawang; Cirebon; Bandung
30000 Variable
Karawang
Cirebon
Bandung
25000

20000
Data

15000

10000

5000

3 6 9 12 15 18 21 24 27 30
Index

3
 Indonesia Statistical Analysis Conference 2013

Gambar 3. Grafik pasokan beras dari tiga Winters' Method Plot for Total tiga sentra
Additive Method
wilayah sentra produksi Variable
A ctual
60000 Fits
Forecasts

Gambar 4 memperlihatkan plot data 95,0% PI

Smoothing Constants

Total tiga sentra

50000
deret waktu total pasokan dari tiga sentra A lpha (lev el)
Gamma (trend)
0,2
0,2
Delta (seasonal) 0,2
produksi yang merupakan pemasok terbesar di 40000 A ccuracy Measures
MAPE 7
PIBC. Bila dilihat dari Gambar 2, karakteristik MAD
MSD
3032
13473695
30000
pasokan dari tiga wilayah tersebut yang
menjadi pemicu adanya operasi pasar dari 20000

Bulog dengan memasok cadangan berasnya 4 8 12 16 20

Index
24 28 32 36

ke PIBC. Pada saat pasokan tiga wilayah

Gambar 5. Peramalan total pasokan tiga
tersebut rendah maka pasokan dari Bulog
sentra produksi dengan metode Winter
tinggi. Oleh karena itu dinilai penting untuk
mengidentifikasi sifat dan pola pasokan total
Hasil pemeriksaan residual dari metode
tiga wilayah tersebut serta peramalannya pada
dekomposisi didapatkan bahwa residual tidak
masa mendatang.
berdistribusi Normal sehingga model
peramalan dengan metode dekomposisi
Time Series Decomposition Plot for Total tiga sentra
Additive Model dengan 30 data deret waktu secara bulanan
60000
Variable
A ctual
Fits
belum layak digunakan (Gambar 6). Hal
Trend
Forecasts tersebut ditandai dengan nilai p value yang
50000
masih kurang dari 5% yang berarti hipotesis
Total tiga sentra

A ccuracy Measures
MA PE 5
MA D 2114

40000
MSD 7350392
nol bahwa data residual berdistribusi Normal di
tolak.
30000

20000
4 8 12 16 20 24 28 32 36 Probability Plot of RESI1
Index Normal
99
Mean 0

Gambar 4. Peramalan total pasokan tiga 95

StDev
N
2758
30

sentra produksi dengan metode Dekomposisi

AD 1,458
90
P-Value <0,005
80
70
Percent

60

Pola total pasokan tiga sentra produksi 50

40
30
tersebut cenderung memiliki trend yang 20

menurun dalam tiga puluh bulan terakhir. Nilai 10

MAD yang dihasilkan dengan metode 1

peramalan dekomposisi sebesar 2114. Hasil -7500 -5000 -2500 0

RESI1
2500 5000

MAD ini lebih kecil bila dibandingkan dengan

Gambar 6. Pemeriksaan distribusi residual
peramalan yang menggunakan metode Winter
hasil metode Dekomposisi
dengan tiga parameter yaitu sebesar 3032
(Gambar 5). Namun demikian pemodelan
peramalan yang tepat masih memerlukan Sedangkan pemeriksaan kenormalan
pemeriksaan distribusi Normal terhadap residual hasil metode Winter menunjukkan
residual (sisaan) yang menjadi prasyarat bahwa hipotesis nol dapat diterima yang
penduga tak bias dalam peramalan (Fogarty et berarti data residual berdistribusi Normal. Hal
al, 1991), tersebut ditandai oleh nilai p value yang lebih
dari 5 % (Gambar 7). Oleh karena itu
peramalan dengan metode Winter dapat
digunakan untuk memodelkan total pasokan
beras dari tiga sentra produksi beras terbesar
yang memasok berasnya ke PIBC.

4
 Indonesia Statistical Analysis Conference 2013

Probability Plot of RESI2

5. Perlu diantisipasi lebih lanjut oleh Bulog
Normal
maupun oleh pemerintah dengan adanya
99
Mean
StDev
-544,8
3692
pola pasokan beras ke DKI Jakarta yang
N 30
95

90
AD 0,358 memiliki kecenderungan terus menurun.
P-Value 0,430
80 6. Penurunan pasokan dapat diakibatkan
70
oleh penyusutan wilayah persawahan
Percent

60
50
40 akibat konversi ke non-persawahan,
30
20 budidaya persawahan itu sendiri sudah
10
tidak memiliki daya tarik dalam hal jaminan
5
memberikan jaminan hidup kepada para
1
-10000 -5000 0 5000 10000 petaninya dan semakin banyak pasokan
RESI2
beras yang masuk ke DKI Jakarta yang
Gambar 7. Pemeriksaan distribusi residual tidak melalui PIBC tetapi langsung masuk
metode Winter ke pengguna akhir seperti ke pelanggan di
perumahan, hotel, catering maupun ke
Berdasarkan plot grafik pada Gambar instansi atau perkantoran yang langsung
4 dan Gambar 5 dapat dicermati adanya trend berhubungan dengan para pemasok beras
pasokan yang menurun. Penurunan pasokan itu.
tersebut diduga diakibatkan oleh penyusutan
wilayah persawahan akibat konversi ke non-
persawahan, budidaya persawahan itu sendiri Ucapan Terima Kasih
yang sudah tidak memiliki daya tarik dalam hal
jaminan memberikan jaminan hidup kepada Terima kasih diucapkan kepada Direktorat
para petaninya serta semakin banyak pasokan Jenderal Pendidikan Tinggi, Kementerian
beras yang masuk ke DKI Jakarta yang tidak Pendidikan dan Kebudayaan atas kesempatan
melalui PIBC tetapi langsung masuk ke dan dana hibah penelitian yang diberikan
melalui hibah penelitian Masterplan
pengguna akhir seperti ke pelanggan di
Percepatan dan Perluasan Pembangunan
perumahan, hotel, catering maupun ke instansi Ekonomi Indonesia (MP3EI) untuk pendanaan
atau perkantoran yang langsung berhubungan tahun 2013
dengan para pemasok beras itu.
Daftar Pustaka
Simpulan
MINITAB. (2000). MINITAB Users Guide 2 :
1. Pasokan beras yang masuk ke DKI Data Analysis and Quality Tools. Minitab
Jakarta melalui PIBC, dipasok oleh tiga Inc.
Surjasa, D. (2011). Rancang Bangun Model
sentra produksi terbesar dari Jawa Barat.
Sistem Pendukung Keputusan Cerdas
Berturut-turut berasal dari Cirebon sebesar Untuk Sistem Rantai Pasokan Beras di
33 %, Karawang sebesar 27 % serta DKI Jakarta. Disertasi Program
Bandung sebesar 11 %. Pascasarjana IPB.
2. Pasokan beras yang keluar dari PIBC Fogarty D, J.H. Blackstone & T.R. Hoffmann.
sebagian besar masuk ke pasar lokal di (1991). Production and Inventory
DKI Jakarta sebesar 49 % dan Management. (2nd ed.). Cincinnati : South-
diperjualbelikan antar pulau sebesar 30 %. Western Publishing Co.
3. Pola pasokan beras dari Cirebon,
Karawang dan Bandung memiliki pola
trend menurun serta bersifat musiman.
4. Jumlah atau volume pasokan tertinggi
biasa terjadi pada bulan Maret April
(panen pertama) serta pada bulan
September - Oktober (panen kedua)
sedangkan untuk volume terendah biasa
terjadi pada masa paceklik, yaitu pada
bulan Desember Februari setiap
tahunnya.
5