ANALISIS PENGEMBANGAN MODEL SPLITTING DAN FORECASTING

Transkripsi

1 ANALISIS PENGEMBANGAN MODEL SPLITTING DAN FORECASTING Nilai Tambah Industri Bahan Kimia Industri Barang Dari Bahan Kimia, Industri Peralatan Listrik, Dan Industri Mesin Dan Perlengkapan TAHUN 2019

2 TIM PENYUSUN 1. Dr. Djoni Hartono, S.Si, M.E, Staf Pengajar Departemen Ilmu Ekonomi FEB UI 2. Nurkholis, S.E, M.SE, Staf Pengajar Departemen Ilmu Ekonomi FEB UI 3. Dr. Indra, S.Si, M.Si, Staf Pengajar Departemen Ilmu Ekonomi FEM IPB 4. Tim ADPI, Pusat Data dan Informasi - Kementerian Perindustrian

3 KATA PENGANTAR Segala puji dan syukur kami panjatkan kepada Tuhan Yang Maha Esa yang telah melimpahkan rahmat serta karunia-nya sehingga Buku Pengembangan Model Splitting dan Forecasting Nilai Tambah Industri Bahan Kimia, Industri Barang dari Bahan Kimia, Industri Peralatan dan Listrik, dan Industri Mesin dan Peralatan ini dapat diselesaikan pada waktunya. Buku ini memuat pemisahan (splitting) nilai PDB dari sektor industri yang tidak muncul pada data yang dirilis oleh BPS secara triwulanan dan sekaligus melakukan peramalan (forecasting) terhadap nilai PDB sektor industri yang telah di-split dikarenakan rilis data nilai PDB yang rinci hanya sampai pada tahun 2015 melalui Statistik Industri Besar dan Sedang (SIBS). Semoga buku ini dapat memberikan gambaran tentang kinerja industri pengolahan, yang dapat bermanfaat bagi pembina industri sebagai bahan masukan dalam pengambilan keputusan maupun pelaku industri dan stakeholders lainnya. Selanjutnya kami mengharapkan Bapak/Ibu dapat menyampaikan usulan kebutuhan analisis, sehingga terjadi sinergi dan kolaborasi dalam mengembangkan industri nasional. Jakarta, Desember 2019 Kepala Pusat Data dan Informasi Ni Nyoman Ambareny i

4 RINGKASAN EKSEKUTIF Dalam metode splitting terdapat dua sumber data berbeda yang digunakan. Pertama, data PDB nasional menurut lapangan usaha (KBLI 2 digit) yang dikumpulkan sepanjang Triwulan I 2010 sampai Triwulan Kedua, data nilai tambah industri yang lebih rinci yang bersumber dari Statistik Industri Besar Sedang (SIBS) BPS yang dikumpulkan sepanjang periode Metode splitting dilakukan dengan terlebih dahulu melakukan interpolasi data series nilai tambah Industri KBLI 3-5 digit, dari tahunan ke triwulan dengan menggunakan metode cubic spline. Hasil interpolasi akan memberikan estimasi Triwulanan industri KBLI 3-5 digit sepanjang Triwulan I 2011 Triwulan IV Tahap selanjutnya adalah menghitung pangsa (share) nilai tambah Industri KBLI 3-5 digit terhadap total PDB (current price) Industri KBLI 2 digit sepanjang Triwulan I 2011 Triwulan IV Berdasarkan data ini, selanjutnya dilakukan forecast pangsa (share) nilai tambah Industri KBLI 3-5 digit sampai Triwulan IV Metode forecasting yang digunakan pada kajian ini adalah model ekonometrika univariate seperti ARIMA beserta varian-variannya. Model yang digunakan untuk forecasting dipilih berdasarkan kriteria pemilihan model terbaik. Kajian ini bertujuan melakukan peramalan (forecasting) nilai PDB dari sektor industri dan pemisahan (splitting) terhadap sektor industri strategis yang tidak muncul secara khusus dalam PDB nasional. Fokus kajian adalah pemisahan dan peramalan nilai PDB pada: 1. Industri Bahan Kimia dan Barang dari Bahan Kimia (KBLI 20) dengan split industri kimia dasar organik yang bersumber dari hasil pertanian (KBLI 20115), industri cat dan tinta cetak (KBLI 20221), industri sabun dan bahan pembersih keperluan rumah tangga ii

5 (KBLI 20231), serta industri bahan kosmetik dan kosmetik termasuk pasta gigi (KBLI 20232). 2. Industri Peralatan Listrik (KBLI 27) dengan split industri pengubah tegangan (transformator), pengubah arus (rectifier) dan pengontrol tegangan (voltage stabilizer) dengan kode KBLI Industri Mesin dan Perlengkapan (KBLI 28) dengan split industri mesin penambangan, penggalian, dan konstruksi (KLBI 28240). INDUSTRI KIMIA DAN BARANG DARI BAHAN KIMIA Untuk industri bahan kimia dan barang dari bahan kimia, splitting dilakukan dengan prosedur sebagai berikut: (i) melakukan splitting PDB industri bahan kimia (KBLI 201); (ii) splitting PDB barang dari bahan kimia (KBLI 202); (iii) splitting PDB industri serat buatan (KBLI 203); (iv) splitting PDB industri kimia dasar organik yang bersumber dari hasil pertanian (KBLI 20115) dari PDB industri bahan kimia (KBLI 201); (v) splitting PDB industri cat dan tinta cetak (KBLI 20221); (vi) splitting PDB industri sabun dan bahan pembersih keperluan rumah tangga (KBLI 20231); dan splitting PDB industri bahan kosmetik dan kosmetik termasuk pasta gigi (KBLI 20232) dari PDB barang dari bahan kimia (KBLI 202). Gambar 1. menyajikan proyeksi triwulanan PDB riil industri bahan kimia sepanjang Triwulan sampai Triwulan Nilai PDB riil industri bahan kimia diperkirakan akan meningkat hingga Triwulan Nilai PDB riil industri bahan kimia pada Triwulan diperkirakan sebesar Rp Milyar, meningkat menjadi Rp Milyar pada Triwulan Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan mencapai 0,04 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri bahan kimia iii

6 cenderung meningkat hingga Triwulan-IV 2024 mengikuti tren jangka panjangnya , , , , , , , ,00 Forecast 25% 20% 15% 10% 5% 0% -5% -10% 0,00-15% PDB IBK Rill (Rp. Milyar) Growth IBK (%, Sb Sb Kanan) Gambar 1. Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Bahan Kimia Gambar 2. menyajikan proyeksi triwulanan PDB riil industri barang dari bahan kimia sepanjang Triwulan I 2016 sampai Triwulan IV Dapat dilihat bahwa nilai PDB riil barang dari bahan kimia diperkirakan akan meningkat hingga Triwulan IV 2024 seiring meningkatnya perkiraan PDB riil industri bahan kimia dan barang dari bahan kimia pada periode yang sama. Pada Triwulan I 2016 diperkirakan nilai PDB riil industri barang dari bahan kimia sebesar Rp Milyar, meningkat menjadi Rp Milyar pada Triwulan IV Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan mencapai 0.03 persen (y-o-y). iv

7 7000, , , , , , ,00 0,00 Forecast 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0-0,1-0,2-0, PDB IBBK Rill (Rp. Milyar) Growth IBBK (%, Sb Sb Kanan) Gambar 2. Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Barang dari Bahan Kimia Forecast 4000,0 3500,0 3000,0 2500,0 2000,0 1500,0 1000,0 500,0 0,0 14,00 12,00 10,00 8,00 6,00 4,00 2,00 0,00-2, PDB Industri Kimia Dasar Organik dari Pertanian (Rp. Milyar) Growth Industri Kimia Dasar Organik dari Pertanian (%, Sb Kanan) Gambar 3. Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Kimia Dasar Organik dari Pertanian v

8 Gambar 3. menyajikan proyeksi triwulanan PDB riil industri Industri Kimia Dasar Organik dari Pertanian sepanjang Triwulan I 2016 sampai Triwulan IV Dapat dilihat bahwa nilai PDB riil industri bahan kimia yang bersumber dari pertanian diperkirakan akan meningkat hingga Triwulan IV Nilai PDB riil industri bahan kimia yang bersumber dari pertanian pada Triwulan I 2016 diperkirakan sebesar Rp 115,7 Milyar, meningkat menjadi Rp 424,1 Milyar pada Triwulan IV Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan mencapai 0,12 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri bahan kimia yang bersumber dari pertanian mengalami penurunan yang substansial sejak tahun 2012 hingga tahun Forecast 1200,0 1000,0 800,0 600,0 400,0 200,0 0,0 1,00 0,80 0,60 0,40 0,20 0,00-0,20-0,40-0, PDB Industri Cat dan Tinta Cetak Rill (Rp. Milyar) Growth Industri Cat dan Tinta Cetak Rill (%, Sb Kanan) Gambar 4. Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Cat dan Tinta Cetak Gambar 4. menyajikan proyeksi triwulanan PDB riil industri cat dan tinta cetak sepanjang Triwulan I 2016 sampai Triwulan IV Dapat dilihat vi

9 bahwa nilai PDB riil industri cat dan tinta cetak diperkirakan akan meningkat hingga Triwulan IV Nilai PDB riil industri cat dan tinta cetak pada Triwulan I 2016 diperkirakan sebesar Rp 578,1 Milyar, meningkat menjadi Rp 607,2 Milyar pada Triwulan IV Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan mencapai 6,5 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri cat dan tinta cetak cenderung berfluktuasi mengikuti pola yang terjadi pada periode sebelumnya. 2500,0 2000,0 1500,0 1000,0 500,0 0,0 Forecast 2,50 2,00 1,50 1,00 0,50 0,00-0,50-1, PDB Industri Sabun dan Bahan Keperluan RT (Rp. Milyar) Growth Industri Sabun dan Bahan Keperluan RT (%, Sb. Kanan) Gambar 5. Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Sabun dan Bahan Pembersih Keperluan RT Gambar 5. menyajikan proyeksi triwulanan PDB riil industri Sabun dan Bahan Pembersih Keperluan RT sepanjang Triwulan I 2016 sampai Triwulan IV Dapat dilihat bahwa nilai PDB riil industri sabun dan bahan pembersih keperluan RT diperkirakan akan meningkat hingga Triwulan IV Nilai PDB riil industri sabun dan bahan pembersih keperluan RT pada Triwulan I 2016 diperkirakan sebesar Rp 592,81 Milyar, meningkat menjadi Rp Milyar pada Triwulan IV Pada periode tersebut rata-rata pertumbuhan per vii

10 triwulannya diperkirakan mencapai 15,3 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri sabun dan bahan pembersih keperluan RT cenderung berfluktuasi mengikuti pola yang terjadi pada periode sebelumnya. 1800,0 1600,0 1400,0 1200,0 1000,0 800,0 600,0 400,0 200,0 0,0 Forecast 0,4 0,3 0,2 0,1 0-0,1-0,2-0,3-0,4-0,5-0, PDB Industri Kosmetik Termasuk Pasta Gigi (Rp. Milyar) Growth Industri Kosmetik Termasuk Pasta Gigi (%, Sb. Kanan) Gambar 6. Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Kosmetik termasuk Pasta Gigi Gambar 6. menyajikan proyeksi triwulanan PDB riil industri Kosmetik termasuk Pasta Gigi sepanjang Triwulan I 2016 sampai Triwulan Dapat dilihat bahwa nilai PDB riil industri bahan kosmetik dan kosmetik termasuk pasta gigi diperkirakan akan meningkat hingga Triwulan IV Nilai PDB riil industri bahan kosmetik dan kosmetik termasuk pasta gigi pada Triwulan I 2016 diperkirakan sebesar Rp 1.061,3 Milyar, meningkat menjadi Rp 1.354,5 Milyar pada Triwulan IV Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan mencapai 2,6 persen (yoy). viii

11 TW4 TW2 TW4 TW2 TW4 TW2 TW4 TW2 TW4 INDUSTRI PERALATAN LISTRIK Untuk splitting Industri Peralatan Listrik menggunakan dua sumber data berbeda. Pertama, data PDB industri Peralatan Listrik yang dikumpulkan sepanjang Triwulan I 2010 sampai Triwulan I Kedua, data nilai tambah industri Peralatan Listrik yang bersumber dari Statistik Industri Besar Sedang (SBIS) BPS, yang dikumpulkan sepanjang periode Forecast 900,0 800,0 700,0 600,0 500,0 400,0 300,0 200,0 100,0 0,0 80,0% 60,0% 40,0% 20,0% 0,0% -20,0% -40,0% -60,0% -80,0% Industri PTAPT Riil Growth (%, Sb Kanan) Gambar 7. Nilai Aktual dan Forecasting PDB Rill dan Pertumbuhan PDB Riil Industri Pengubah Tegangan, Pengubah Arus, dan Pengontrol Tegangan Gambar 7. menyajikan forecasting PDB Riil dan Pertumbuhan PDB Riil Industri Pengubah Tegangan, Pengubah Arus, dan Pengontrol Tegangan sepanjang periode Triwulan I 2016 Triwulan IV Dapat dilihat bahwa nilai PDB riil industri pengubah tegangan, pengubah arus, dan pengontrol tegangan diperkirakan akan meningkat hingga Triwulan IV Nilai PDB riil industri pengubah tegangan, pengubah arus, dan pengontrol tegangan pada Triwulan I 2016 diperkirakan sebesar Rp 266,6 Milyar, meningkat menjadi Rp 362,9 ix

12 Milyar pada Triwulan IV Pada periode tersebut, rata-rata pertumbuhan per triwulannya diperkirakan sebesar persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri pengubah tegangan, pengubah arus, dan pengontrol tegangan cenderung stagnan hingga Triwulan IV , , , ,0 8000,0 6000,0 4000,0 2000,0 0,0 Forecast 0,25 0,2 0,15 0,1 0,05 0-0,05-0, Industri Peralatan Listrik Growth (%, Sb Kanan) Gambar 8. Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Peralatan Listrik Gambar 8. menyajikan forecasting PDB Riil dan Pertumbuhan PDB Rill Industri Peralatan Listrik lainnya sepanjang periode Triwulan I 2016 Triwulan IV Nilai PDB riil industri peralatan listrik lainnya diperkirakan akan meningkat hingga Triwulan IV Nilai PDB riil industri peralatan listrik lainnya pada Triwulan I 2016 diperkirakan sebesar Rp 9.877,6 Milyar, meningkat menjadi Rp ,9 Milyar pada Triwulan IV Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan sebesar 3,39 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri peralatan listrik lainnya cenderung meningkat hingga Triwulan IV 2024 mengikuti tren jangka panjangnya. x

13 INDUSTRI MESIN DAN PERLENGKAPAN Untuk splitting Industri Mesin dan Perlengkapan menggunakan dua sumber data berbeda. Pertama, data PDB industri Mesin dan Perlengkapan yang dikumpulkan sepanjang Triwulan I 2010 sampai Triwulan I Kedua, data nilai tambah industri Mesin dan Perlengkapan yang bersumber dari Statistik Industri Besar Sedang (SBIS) BPS yang dikumpulkan sepanjang periode Forecast 450,00 400,00 350,00 300,00 250,00 200,00 150,00 100,00 50,00 0,00 200,0% 150,0% 100,0% 50,0% 0,0% -50,0% PDB Rill IMPPK Growth (%, Sb Kanan) Gambar 9. Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Mesin Penambangan, Penggalian dan Konstruksi Gambar 9. menyajikan forecasting PDB riil dan Pertumbuhan PDB Riil Industri Mesin Penambangan, Penggalian, dan Konstruksi sepanjang periode Triwulan I 2016 Triwulan IV Nilai PDB riil industri mesin penambangan, penggalian dan konstruksi diperkirakan akan meningkat hingga Triwulan IV Nilai PDB riil industri mesin penambangan, penggalian dan konstruksi tegangan pada Triwulan I 2016 diperkirakan sebesar Rp 339,55 Milyar, meningkat menjadi Rp 402,38 Milyar pada Triwulan IV Pada periode tersebut rata-rata xi

14 pertumbuhan per triwulannya diperkirakan sebesar 5,38 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri mesin penambangan, penggalian dan konstruksi cenderung meningkat hingga Triwulan IV Forecast 12000, , , , , ,00 0,00 0,2 0,15 0,1 0,05 0-0,05-0,1-0,15-0, PDB Rill Industri Mesin Growth (%, Sb Kanan) Gambar 10. Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Mesin dan Perlengkapan Gambar 10. menyajikan forecasting PDB riil dan Pertumbuhan PDB Riil Industri Industri Mesin dan Perlengkapan sepanjang periode Triwulan I Triwulan IV 2024, nilai PDB riil industri mesin dan perlengkapan lainnya diperkirakan akan meningkat hingga Triwulan IV Nilai PDB riil industri mesin dan perlengkapan lainnya pada Triwulan I 2016 diperkirakan sebesar Rp 8.637,02 Milyar, meningkat menjadi Rp ,84 Milyar pada Triwulan IV Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan sebesar 4,45 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri mesin dan perlengkapan lainnya cenderung meningkat hingga Triwulan IV 2024 mengikuti tren jangka panjangnya. xii

15 DAFTAR ISI KATA PENGANTAR... i RINGKASAN EKSEKUTIF... ii DAFTAR ISI... xiii DAFTAR TABEL... xiv DAFTAR GAMBAR... xv I. PENDAHULUAN Latar Belakang Tujuan Ruang Lingkup Keluaran... 3 II. TINJAUAN PUSTAKA Konsep Peramalan (Forecasting) PDB Sektor Industri Pengolahan... 7 III. METODOLOGI Data dan Variabel Strategi Pemodelan untuk Splitting dan Forecasting Metode Splitting Metode Forecasting IV. HASIL FORECASTING DAN ANALISIS Forecasting PDB Industri Bahan Kimia dan Barang dari Bahan Kimia Forecasting PDB Industri Peralatan Listrik Forecasting PDB Industri Mesin dan Perlengkapan V. PENUTUP LAMPIRAN xiii

16 DAFTAR TABEL Tabel 4.1. Hasil Estimasi Model Log ARIMA (0,1,2) + Seasonal Dummies Tabel 4.2 Forecasting Nilai dan Pertumbuhan PDB Riil Industri Bahan Kimia dan Barang dari Bahan Kimia Tabel 4.3. Hasil Estimasi Model ARIMA (3,1,0) (2,0,2) + Seasonal Dummies Tabel 4.4. Forecasting Nilai dan Pertumbuhan PDB Riil Industri Peralatan Listrik Tabel 4.5. Hasil Estimasi PDB Riil Industri Mesin dan Perlengkapan Tabel 4.6. Forecasting Nilai dan Pertumbuhan PDB Riil Industri Mesin dan Perlengkapan xiv

17 DAFTAR GAMBAR Gambar 2.1. Tahapan Peramalan Umum dengan Pemodelan Kuantitatif... 6 Gambar 3.1. Prosedur Splitting dan Forecasting Data Nilai Tambah Industri Bahan Kimia dan Barang dari Bahan Kimia Gambar 3.2. Prosedur Splitting dan Forecasting Data Nilai Tambah Industri Peralatan Listrik Gambar 3.3. Prosedur Splitting dan Forecasting Data Nilai Tambah Industri Mesin dan Perlengkapan Gambar 4.1. Nilai Aktual dan Forecasting PDB Rill dan Pertumbuhan PDB Rill Industri Bahan Kimia dan Barang dari Bahan Kimia Gambar 4.2. Hasil AIC untuk 20 Model Terbaik Gambar 4.3. Share PDB Industri Bahan Kimia dan Barang dari Bahan Kimia Gambar 4.4. Proyeksi Share Industri Bahan Kimia dan Barang dari Bahan Kimia Gambar 4.5. Proyeksi PDB Riil dan Pertumbuhan PDB Riil Industri Bahan Kimia Gambar 4.6. Proyeksi PDB Riil dan Pertumbuhan PDB Riil Industri Barang dari Bahan Kimia Gambar 4.7. Proyeksi Share PDB Industri Bahan Kimia Gambar 4.8. Proyeksi PDB Riil dan Pertumbuhan PDB Riil Industri Kimia Dasar Organik dari Pertanian Gambar 4.9. Proyeksi PDB Riil dan Pertumbuhan PDB Riil Industri Bahan Kimia Gambar Proyeksi Share PDB Industri Barang dari Bahan Kimia Gambar Proyeksi PDB Riil dan Pertumbuhan PDB Riil Industri Cat dan Tinta Cetak xv

18 Gambar Proyeksi PDB Riil dan Pertumbuhan PDB Riil Industri Sabun dan Bahan Pembersih Keperluan RT Gambar 4.13a.Proyeksi PDB Riil dan Pertumbuhan PDB Riil Industri Kosmetik termasuk Pasta Gigi Gambar 4.13b.Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Barang dari Bahan Kimia Gambar Nilai Aktual dan Forecasting PDB Rill dan Pertumbuhan PDB Rill Industri Peralatan Listrik Gambar Hasil AIC untuk 20 Model Terbaik Gambar Share PDB Industri Peralatan Listrik Gambar Proyeksi Share PDB Industri Peralatan Listrik Gambar Proyeksi PDB Riil dan Pertumbuhan PDB Riil Industri Pengubah Tegangan, Pengubah Arus, dan Pengontrol Tegangan Gambar Proyeksi PDB Riil dan Pertumbuhan PDB Riil Industri Peralatan Listrik Gambar Proyeksi PDB Riil dan Pertumbuhan PDB Riil Industri Mesin dan Perlengkapan Gambar Share PDB Industri Mesin dan Perlengkapan Gambar Proyeksi Share PDB Industri Mesin dan Perlengkapan Gambar Proyeksi PDB Riil dan Pertumbuhan PDB Riil Industri Mesin Penambangan, Penggalian dan Konstruksi Gambar Proyeksi PDB Riil dan Pertumbuhan PDB Riil Industri Mesin dan Perlengkapan xvi

19 I. PENDAHULUAN 1.1. Latar Belakang Perencanaan sektoral merupakan sesuatu yang penting dan menjadi suatu keharusan dalam pengambilan kebijakan yang bersifat sektoral. Salah satu hal yang penting untuk diperhatikan adalah perhitungan dan pemantauan terhadap salah satu kinerja industri, dalam hal ini adalah nilai Produk Domestik Bruto (PDB). Namun sayangnya, ketersediaan data yang ada di Badan Pusat Statistik (BPS) hanya terbatas pada jenis industri tertentu, yang tidak menyediakan informasi pada sektor yang lebih rinci, misalnya saja informasi nilai PDB untuk jenis industri kimia dasar organik, industri cat dan tinta cetak, industri sabun, industri kosmetik, industri pengubah tegangan, pengubah arus, dan pengontrol tegangan, dan industri mesin pertambangan, penggalian dan konstruksi. Nilai PDB dari industri kimia dasar organik, industri cat dan tinta cetak, industri sabun, industri kosmetik masih menjadi satu bagian dengan nilai PDB industri bahan kimia dan barang dari bahan kimia. Sedangkan PDB industri pengubah tegangan, pengubah arus, dan pengontrol tegangan masih tergabung di dalam PDB industri peralatan listrik. Begitu juga industri mesin pertambangan, penggalian dan konstruksi masih tergabung dalam industri mesin dan perlengkapan ytdl. Oleh karenanya, diperlukan suatu teknik analisis untuk melakukan pemisahan nilai PDB dari satu jenis industri tertentu dari nilai PDB industri induknya, misalnya saja nilai PDB industri pengubah tegangan, pengubah arus, dan pengontrol tegangan masih tergabung dari PDB industri peralatan listrik 1

20 Selain soal pemisahan (splitting) data PDB, pentingnya perencanaan sektoral juga harus mampu melakukan peramalan nilai PDB itu sendiri. Dengan adanya peramalan diharapkan kebijakan tidak hanya mempertimbangkan keadaan saat ini, namun juga mempertimbangkan perkiraan keadaan di masa yang akan datang. Mengingat pentingnya informasi terkait nilai PDB sektoral khususnya industri kimia dasar organik, industri cat dan tinta cetak, industri sabun, industri kosmetik, industri pengubah tegangan, pengubah arus, dan pengontrol tegangan, dan industri mesin pertambangan, penggalian dan konstruksi, diperlukan pula kajian atau studi mengenai peramalan terkait nilai PDB untuk industri-industri tersebut. Oleh karena itu, studi ini ingin melakukan estimasi nilai PDB dari jenis-jenis industri tersebut dan untuk selanjutnya dilakukan peramalan yang dapat digunakan untuk membantu perumusan kebijakan di masa yang akan datang Tujuan Adapun tujuan dari kajian ini adalah melakukan peramalan (forecasting) nilai PDB dari sektor industri dan pemisahan (splitting) terhadap sektor industri strategis yang tidak muncul secara khusus dalam PDB nasional dengan fokus kajian adalah pada pemisahan dan peramalan nilai PDB pada: Industri bahan kimia (split kimia dasar organik) dan industri barang dari bahan kimia (split cat dan tinta cetak, sabun, dan kosmetik) Industri peralatan listrik (split industri pengubah tegangan, pengubah arus, dan pengontrol tegangan) Industri mesin dan perlengkapan ytdl. (split industri mesin pertambangan, penggalian dan konstruksi) 2

21 1.3. Ruang Lingkup Ruang lingkup dari kajian ini adalah kegiatan pemisahan nilai PDB dan melakukan peramalan. Peramalan nilai PDB dari sektor industri dan pemisahan (splitting) dilakukan terhadap sektor industri strategis yang memang tidak muncul secara spesifik dalam PDB nasional. Kajian ini membatasi pada pemisahan dan peramalan nilai PDB industri bahan kimia dan barang dari bahan kimia, PDB industri peralatan listrik, dan PDB industri mesin dan perlengkapan ytdl Keluaran Adapun keluaran dari kajian ini adalah: a. Metode dan hasil splitting data PDB: Industri bahan kimia (split kimia dasar organik) dan industri barang dari bahan kimia (split cat dan tinta cetak, sabun, dan kosmetik) Industri peralatan listrik (split industri pengubah tegangan, pengubah arus, dan pengontrol tegangan) Industri mesin dan perlengkapan ytdl. (split industri mesin pertambangan, penggalian dan konstruksi) b. Metode dan hasil forecasting data PDB: Industri bahan kimia (split kimia dasar organik) dan industri barang dari bahan kimia (split cat dan tinta cetak, sabun, dan kosmetik) Industri peralatan listrik (split industri pengubah tegangan, pengubah arus, dan pengontrol tegangan) Industri mesin dan perlengkapan ytdl. (split industri mesin pertambangan, penggalian dan konstruksi) 3

22 II. TINJAUAN PUSTAKA 2.1. Konsep Peramalan (Forecasting) Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan kemungkinan terjadinya suatu kondisi pada masa yang akan datang, baik yang bersifat jangka pendek maupun jangka panjang. Sedangkan ramalan adalah suatu situasi atau kondisi yang akan diperkirakan akan terjadi pada masa yang akan datang. Untuk memprediksi hal tersebut umumnya diperlukan data yang akurat di masa lalu, sehingga dapat dilihat prospek situasi dan kondisi di masa yang akan datang berdasarkan perilaku historis data tersebut. Setidaknya terdapat 3 (tiga) kegunaan peramalan, yakni: (i) sebagai alat bantu dalam perencanaan yang efektif dan efisien; (ii) untuk menentukan kebutuhan sumber daya di masa mendatang; dan (iii) untuk membuat keputusan yang tepat. Kegunaan peramalan terlihat pada suatu pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan dalam berbagai kegiatan. Baik tidaknya hasil suatu penelitian sangat ditentukan oleh ketetapan ramalan yang dibuat. Walaupun demikian perlu diketahui bahwa ramalan selalu ada unsur kesalahannya, sehingga yang perlu diperhatikan adalah usaha untuk memperkecil kesalahan dari ramalan tersebut. Dalam literatur, setidaknya terdapat 2 (dua) pendekatan yang dapat digunakan untuk melakukan peramalan. Pertama, peramalan kualitatif. Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini penting karena 4

23 hasil peramalan tersebut ditentukan berdasarkan pendapat dan pengetahuan serta pengalaman penyusunnya. Kedua, peramalan kuantitatif Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang digunakan dalam peramalan tersebut. Baik tidaknya metode yang digunakan ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi maka semakin baik pula metode yang digunakan. Peramalan kuantitatif dapat diterapkan bila terdapat kondisi berikut: (i) tersedia informasi (data) tentang masa lalu; (ii) informasi (data) tersebut dapat dikuantitatifkan dalam bentuk data numerik; dan (iii) dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut pada masa yang akan datang. Sebagaimana diuraikan pada bagian terdahulu, fokus utama kajian ini adalah melakukan peramalan (forecasting) terhadap data nilai tambah (PDB) industri bahan kimia (split kimia dasar organik) dan industri barang dari bahan kimia (split cat dan tinta cetak, sabun, dan kosmetik), industri peralatan listrik (split industri pengubah tegangan, pengubah arus, dan pengontrol tegangan), dan industri mesin dan perlengkapan ytdl. (split industri mesin pertambangan, penggalian dan konstruksi). Karena informasi utama yang digunakan untuk melakukan forecasting adalah data historis kuantitatif, maka pendekatan peramalan yang akan digunakan adalah pendekatan kuantitatif. 5

24 Gambar 2.1. Tahapan Umum Peramalan dengan Pemodelan Kuantitatif Dalam konteks peramalan kuantitatif, umumnya terdapat dua pendekatan yang dapat digunakan: model ekonometrika univariate dan model ekonometrika multivariate. Pendekatan univariate model digunakan untuk menduga prilaku historis sebuah variabel dengan hanya memanfaatkan sepenuhnya informasi atau data masa lalu dari variabel tersebut. Beberapa model ekonometrika yang umumnya digunakan antara lain: Autoregressive (AR), Moving Average (MA), ARMA/ARIMA, Seasonal ARIMA, dan lain-lain. Sementara pendekatan multivariate model digunakan selain untuk proyeksi, juga digunakan 6

25 untuk melakukan simulasi untuk mengetahui dampak dari perubahan variabel-variabel eksogenus eksternal terhadap variabel yang diobservasi. Di sini multivariate model menggunakan beberapa indikator eksogenus eksternal, seperti variabel makro yang dianggap relevan mempengaruhi prilaku historis suatu variabel target yang diobservasi. Secara umum tahapan pemodelan dengan menggunakan pendekatan kuantitatif disajikan pada Gambar PDB Sektor Industri Pengolahan Produk Domestik Bruto (PDB) merupakan salah satu indikator penting untuk mengetahui perkembangan perekonomian di suatu negara dalam suatu periode tertentu, baik atas dasar harga berlaku maupun atas dasar harga konstan. PDB pada dasarnya merupakan jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha di suatu negara tertentu dalam periode tertentu. Jumlah nilai barang dan jasa akhir yang disediakan dari produksi harus sama dengan nilai barang yang digunakan. PDB atas dasar harga berlaku menggambarkan nilai tambah barang dan jasa yang dihitung menggunakan harga yang berlaku pada setiap tahun, sedang PDB atas dasar harga konstan menunjukkan nilai tambah barang dan jasa tersebut yang dihitung menggunakan harga yang berlaku pada satu tahun tertentu sebagai tahun dasar. PDB menurut harga berlaku digunakan untuk mengetahui pergeseran, dan struktur ekonomi suatu negara. Sementara itu, PDB konstan digunakan untuk mengetahui kemampuan sumber daya dalam mendorong pertumbuhan ekonomi secara riil dari tahun ke tahun atau pertumbuhan ekonomi yang tidak dipengaruhi oleh faktor harga. PDB juga dapat digunakan untuk mengetahui perubahan harga dengan menghitung deflator PDB (perubahan indeks implisit). Indeks harga 7

26 implisit merupakan rasio antara PDB menurut harga berlaku dan PDB menurut harga konstan. Setidaknya terdapat 3 (jenis) pendekatan yang dapat digunakan dalam perhitungan PDB secara konseptual, yaitu: pendekatan produksi (nilai tambah), pendekatan pengeluaran, dan pendekatan pendapatan. 1. Pendekatan Produksi. Dalam pendekatan produksi, PDB adalah jumlah nilai tambah atas barang dan jasa yang dihasilkan oleh berbagai unit produksi di wilayah suatu negara dalam jangka waktu tertentu (umumnya triwulan dan tahunan). Dalam pendekatan produksi, BPS menghitung aktivitas produksi dari 17 lapangan usaha, yaitu: (1) pertanian, kehutanan dan perikanan, (2) pertambangan dan penggalian, (3) industri pengolahan, (4) pengadaan listrik, (5) pengadaan air, pengelolaan sampah, limbah dan daur ulang, (6) konstruksi, (7) perdagangan besar dan eceran, reparasi mobil & sepeda motor, (8) transportasi dan pergudangan, (9) penyediaan akomodasi dan makan minum, (10) informasi dan komunikasi, (11) jasa keuangan dan asuransi, (12) real estate, (13) Jasa Perusahaan, (14) administrasi pemerintahan, pertahanan dan jaminan sosial wajib, (15) jasa pendidikan, (16) jasa kesehatan dan kegiatan lainnya dan (17) jasa lainnya 2. Pendekatan Pengeluaran. Dalam pendekatan pengeluaran, PDBI dihitung dengan menjumlahkan komponen-komponen pengeluaran berikut: (1). Pengeluaran Konsumsi Rumah tangga (2). Pengeluaran Konsumsi LNPRT (3). Pengeluaran Konsumsi Pemerintah (4) Pembentukan modal tetap domestik 8

27 bruto (5). Perubahan inventori, (6) Ekspor Barang dan Jasa (7) (Dikurang) impor barang dan jasa. 3. Pendekatan Pendapatan. Dalam pendekatan pendapatan, PDB merupakan jumlah balas jasa yang diterima oleh faktorfaktor produksi yang ikut serta dalam proses produksi di suatu negara dalam jangka waktu tertentu (biasanya satu tahun). Balas jasa yang dimaksud adalah upah dan gaji, sewa tanah, bunga modal dan keuntungan; semuanya sebelum dipotong pajak penghasilan dan pajak langsung lainnya. Dalam definisi ini, PDB mencakup juga penyusutan dan pajak tidak langsung neto (pajak tak langsung dikurangi subsidi) Kajian ini berfokus pada peramalan sub sektor industri bahan kimia dan barang dari bahan kimia; industri peralatan listrik; serta industri mesin dan perlengkapan ytdl. Ketiganya merupakan bagian atau sub sektor dari lapangan usaha industri pengolahan. Dengan demikian, kajian ini akan berfokus pada perhitungan PDB dari sisi produksi (nilai tambah) menurut lapangan usaha. PDB lapangan usaha industri pengolahan meliputi kegiatan ekonomi di bidang perubahan secara kimia atau fisik dari bahan, unsur atau komponen menjadi produk baru. Bahan baku industri pengolahan berasal dari produk pertanian, kehutanan, perikanan, pertambangan atau penggalian seperti produk dari kegiatan industri pengolahan lainnya. Perubahan, pembaharuan atau rekonstruksi yang pokok dari barang secara umum diperlakukan sebagai industri pengolahan. Unit industri pengolahan digambarkan sebagai pabrik, mesin atau peralatan yang khusus digerakkan dengan mesin dan tangan. Menurut BPS, termasuk Lapangan Usaha Industri Pengolahan adalah perubahan bahan menjadi produk baru dengan menggunakan 9

28 tangan, kegiatan maklon atau kegiatan penjualan produk yang dibuat di tempat yang sama dimana produk tersebut dijual dan unit yang melakukan pengolahan bahan-bahan dari pihak lain atas dasar kontrak. Untuk Industri bukan Migas yaitu: Industri Makanan dan Minuman sampai dengan Industri Pengolahan, Jasa Reparasi, dan Pemasangan Mesin dan Peralatan terdiri dari: Produksi/Indikator Produksi yang dibagi menjadi dua kelompok besar yaitu Indeks Produksi Industri Besar Sedang (IBS) dan Indeks Produksi Industri Mikro dan Kecil (IMK) diperoleh dari Direktorat Statistik Industri-BPS. Data Harga/Indikator Harga diperoleh dari Direktorat Statistik Harga- BPS. Data Struktur Biaya diperkirakan dari Hasil Survei Tahunan IBS dan Hasil Survei Tahunan IMK-BPS ditambah dengan berbagai Survei Khusus yang dilakukan Direktorat Neraca Produksi. Data Produksi Industri Makanan dan Minuman sampai dengan Industri Pengolahan, Jasa Reparasi, dan Pemasangan Mesin dan Peralatan terdiri dari: Produksi/Indikator Produksi yang dibagi menjadi dua kelompok besar yaitu Indeks produksi Industri Besar Sedang (IBS) dan indeks produksi Industri Mikro dan Kecil (IMK) diperoleh dari Direktorat Statistik Industri-BPS. Data Harga/Indikator Harga diperoleh dari Direktorat Statistik Harga BPS. Data Struktur Biaya diperkirakan dari Hasil Survei Tahunan IBS dan Hasil Survei Tahunan IMK-BPS ditambah dengan berbagai Survei Khusus yang dilakukan Direktorat Neraca Produksi-BPS PDB Subsektor Industri Bahan Kimia dan Barang dari Bahan Kimia Industri bahan kimia dan barang dari bahan kimia memiliki kode KBLI 2 (dua) digit 20. Industri ini terdiri industri bahan kimia yang 10

29 memiliki kode KBLI 201 yang meliputi industri bahan kimia yang di antaranya mencakup industri kimia dasar anorganik, industri kimia dasar organik, industri pupuk dan industri barang dari kimia yang memiliki kode KBLI 202 yang di antaranya mencakup berbagai produk dari bahan kimia seperti cat, sabun, bahan kosmetik dan lain-lain. Industri yang juga tercakup dalam industri bahan kimia dan barang dari bahan kimia adalah industri serat buatan dengan kode KBLI 203. Pada kasus industri ini akan dilakukan splitting secara bertahap: pertama, splitting PDB industri bahan kimia (KBLI 201), splitting PDB barang dari bahan kimia (202), dan splitting PDB industri serta buatan (KBLI 203) dari PDB industri bahan kimia dan barang dari bahan kimia memiliki kode KBLI 20. Kedua, splitting PDB industri kimia dasar organik yang bersumber dari hasil pertanian (KBLI 20115) dari PDB industri bahan kimia (KBLI 201), splitting PDB industri cat dan tinta cetak (KBLI 20221), splitting PDB industri sabun dan bahan pembersih keperluan rumah tangga (KBLI 20231), dan splitting PDB industri bahan kosmetik dan kosmetik termasuk pasta gigi (KBLI 20232) dari PDB barang dari bahan kimia (KBLI 202) PDB Mesin dan Perlengkapan YTDL Industri yang tercakup dalam subkategori industri mesin dan perlengkapan (KBLI 28) adalah pembuatan mesin dan peralatan yang dapat bekerja bebas baik secara mekanik atau yang berhubungan dengan pengolahan bahan-bahan, termasuk komponen mekaniknya yang menghasilkan dan menggunakan tenaga dan komponen utama yang dihasilkan secara khusus. Subkategori ini juga mencakup pembuatan mesin untuk keperluan khusus untuk angkutan penumpang atau barang dalam dasar pembatasan, peralatan tangan, peralatan 11

30 tetap atau bergerak tanpa memperhatikan apakah peralatan tersebut dibuat untuk keperluan industri, pekerjaan sipil, dan bangunan, pertanian dan rumah tangga. Pada kasus ini akan dilakukan splitting PDB industri mesin penambangan, penggalian, dan konstruksi (KLBI 28240) dari PDB industri mesin dan perlengkapan (KBLI 28) PDB Subsektor Industri Peralatan Listrik Industri peralatan listrik memiliki kode KBLI 2 (dua) digit 27. Industri ini meliputi berbagi industri peralatan listrik di antaranya: industri motor dan pembangkit listrik, industri pengubah tegangan (transformator), pengubah arus (rectifier) dan pengontrol tegangan (voltage stabilizer), industri peralatan penerangan, dll. Pada kasus industri ini akan dilakukan splitting PDB industri pengubah tegangan (transformator), pengubah arus (rectifier) dan pengontrol tegangan (voltage stabilizer) dengan kode KBLI dari PDB industri peralatan listrik (KBLI 27) 12

31 III. METODOLOGI 3.1. Data dan Variabel Kajian ini menggunakan dua struktur data yang berbeda. Pertama, data PDB nasional menurut lapangan usaha (KBLI dua digit) yang dikumpulkan sepanjang Triwulan sampai Triwulan Secara khusus lapangan usaha yang diobservasi adalah industri bahan kimia dan barang dari bahan kimia (KBLI 20), industri peralatan listrik (KBLI 27), dan industri mesin dan perlengkapan ytdl (KBLI 28). Kedua, data nilai tambah industri yang bersumber dari Statistik Industri Besar Sedang (SBIS) BPS, yang dikumpulkan sepanjang periode Penggunaan data SBIS dikarenakan tidak tersedianya publikasi data PDB menurut lapangan usaha (KBLI 3-5 digit) untuk industri kimia dasar organik yang bersumber dari pertanian, industri cat dan tinta cetak, sabun, dan kosmetik, industri pengubah tegangan, pengubah arus, dan pengontrol tegangan, serta industri mesin pertambangan, penggalian dan konstruksi. Data nilai tambah ini kemudian digunakan sebagai dasar untuk melakukan splitting PDB industri-industri tersebut dari data PDB lapangan usaha industri manufaktur dengan KBLI dua digit Strategi Pemodelan untuk Splitting dan Forecasting Kajian ini berfokus pada dua hal: pertama, melakukan splitting PDB industri bahan kimia (KBLI 201), splitting PDB barang dari bahan kimia (KBLI 202), dan splitting PDB industri serat buatan (KBLI 203) dari PDB industri bahan kimia dan barang dari bahan kimia (KBLI 20). Splitting PDB industri kimia dasar organik yang bersumber dari hasil pertanian (KBLI 20115) dari PDB industri bahan kimia (KBLI 201), 13

32 splitting PDB industri cat dan tinta cetak (KBLI 20221), splitting PDB industri sabun dan bahan pembersih keperluan rumah tangga (KBLI 20231), splitting PDB industri bahan kosmetik dan kosmetik termasuk pasta gigi (KBLI 20232) dari PDB barang dari bahan kimia (KBLI 202). Splitting PDB industri mesin penambangan, penggalian, dan konstruksi (KLBI 28240) dari PDB industri mesin dan perlengkapan (KBLI 28). Splitting PDB industri pengubah tegangan (transformator), pengubah arus (rectifier) dan pengontrol tegangan (voltage stabilizer) dengan kode KBLI dari PDB industri peralatan listrik (KBLI 27). Kedua, melakukan forecasting data nilai tambah dari industri-industri tersebut sampai akhir triwulan tahun Data PDB Industri Bahan Kimia dan Barang Kimia Splitting Data Data PDB Menurut Sektor (Tw I Tw I 2019) Data PDB Industri Bahan Kimia Data PDB Industri Kimia Dasar Organik Data PDB Industri Bahan Kimia Interpolasi Data (Tahunan Triwulanan) Data Statistik Industri Tahunan ( ) Data PDB Industri Cat dan Tinta Cetak Penyusunan Struktur Data Time Series (Triwulanan) Pemodelan Ekonometrika Forecasting Data PDB Industri Barang Kimia Data PDB Industri Sabun dan Bahan Pembersih Keperluan RT Seasonal Adjustment Evaluasi Model Data PDB Industri Bahan Kosmetik dan Kosmetik termasuk Pasta Gigi Data PDB Industri Barang Kimia Data PDB Industri Serat Buatan Gambar 3.1. Prosedur Splitting dan Forecasting Data Nilai Tambah Industri Bahan Kimia dan Barang dar Bahan Kimia 14

33 Data PDB Industri Peralatan Listrik Splitting Data Data PDB Menurut Sektor (Tw I Tw I 2019) Data PDB Industri Pengubah Tegangan, Pengubah Arus, Dan Pengontrol Tegangan Data Statistik Industri Tahunan ( ) Interpolasi Data (Tahunan Triwulanan) Penyusunan Struktur Data Time Series (Triwulanan) Pemodelan Ekonometrika Forecasting Data PDB Industri Peralatan Listrik Seasonal Adjustment Evaluasi Model Gambar 3.2. Prosedur Splitting dan Forecasting Data Nilai Tambah Industri Peralatan Listrik Data PDB Industri Mesin Dan Perlengkapan Ytdl Splitting Data Data PDB Menurut Sektor (Tw I Tw I 2019) Data PDB Industri Mesin Pertambangan, Penggalian Dan Kontruksi Data Statistik Industri Tahunan ( ) Interpolasi Data (Tahunan Triwulanan) Penyusunan Struktur Data Time Series (Triwulanan) Pemodelan Ekonometrika Forecasting Data PDB Industri Mesin Dan Perlengkapan Ytdl lainnya Seasonal Adjustment Evaluasi Model Gambar 3.3. Prosedur Splitting dan Forecasting Data Nilai Tambah Industri Mesin dan Perlengkapan ytdl Secara ringkas, prosedur splitting dan forecasting yang akan dilakukan pada kajian ini disajikan pada Gambar Gambar 3.1 menyajikan prosedur splitting dan forecasting untuk data nilai tambah (PDB) industri bahan kimia dan barang dari bahan kimia. Gambar

34 menyajikan prosedur splitting dan forecasting untuk data nilai tambah (PDB) industri peralatan listrik. Dan Gambar 3.3 menyajikan prosedur splitting dan forecasting untuk data nilai tambah (PDB) industri mesin dan perlengkapan ytdl Metode Splitting 16 Tahapan splitting data nilai tambah (PDB) Industri manufaktur KBLI 2 (dua) digit menjadi nilai tambah (PDB) industri manufaktur KBLI 3-5 digit, dilakukan dengan menggunakan prosedur sebagai berikut: 1. Menyiapkan struktur data time series triwulanan PDB Industri KBLI dua digit sepanjang Triwulanan I 2010 Triwulan II Data PDB tersebut dikumpulkan dalam bentuk harga konstan (constant price) dan harga berlaku (current price). 2. Menghitung Deflator PDB industri KBLI dua digit dengan menggunakan formulasi sebagai berikut: DeflatorPDB PDB KBLI 2 Digit KBLI 2 Digit t t = KBLI 2 Digit PDBt harga berlaku harga konstan 3. Menyiapkan struktur data time series tahunan nilai tambah industri KBLI 3-5 digit sepanjang Tahun berdasarkan data SIBS. 4. Melakukan interpolasi data series nilai tambah Industri KBLI 3-5 digit yang diobservasi berdasarkan data SIBS, dari tahunan ke triwulan dengan menggunakan metode cubic spline. Metode spline adalah salah satu metode numerik yang dapat digunakan untuk pencarian interpolasi, yakni mengestimasi nilai-nilai di antara dua nilai yang tersedia secara aktual. Interpolasi spline merupakan polinom sepotong-sepotong. Suatu fungsi f(x) yang sudah diketahui nilainya pada selang a x b dihampiri

35 dengan sebuah fungsi lain g(x) dengan cara menyekat selang a x b menjadi beberapa anak selang a = x1 x2 xn = b. Fungsi g(x) yang disebut sebagai spline, dan jika g(x) mengambil bentuk fungsi cubic, maka pendekatan interpolasi ini disebut sebagai cubic spline. Hasil dari cubic spline akan memberikan nilai estimasi Triwulanan industri KBLI 3-5 digit yang diobservasi sepanjang Tw I Tw IV Menghitung masing-masing pangsa (share) nilai tambah Industri KBLI 3-5 digit terhadap Total PDB (current price) KBLI 2 digit selama Tw I 2011 Tw IV Melakukan forecast pangsa (share) nilai tambah Industri KBLI 3-5 Digit sampai Triwulan IV Melakukan forecast PDB (constant dan current price) Industri KBLI 2 digit sampai Triwulan IV Berdasarkan hasil Langkah 7 dan 8, selanjutnya dapat dihitung estimasi nilai tambah (PDB) Industri KBLI 3-5 Digit selama TwI 2016 TwIV Metode Forecasting: Pendekatan Ekonometrika dan Exponential Smoothing Model ARMA/ARIMA Salah satu metode peramalan yang cukup baik dan seringkali digunakan untuk menjelaskan prilaku data univariate time series adalah metode Box-Jenkins, yang dikenal juga sebagai model Autoregressive Integrated Moving Average (ARIMA). Model ini merupakan model linier yang mampu menggambarkan prilaku data time series, baik yang bersifat stasioner maupun non-stasioner. 17

36 Dengan demikian model ARIMA tidak mensyaratkan adanya asumsi tertentu terhadap pola historis suatu data time series untuk melakukan suatu peramalan. Karena model ARIMA dibangun berdasarkan data univariate time series, maka model ini hanya mengandalkan satu variabel saja (tidak melibatkan penggunaan variabel lainnya) dalam mencocokkan prilaku historis sebuah data time series. Dengan kata lain, model ini menggambarkan bagaimana suatu variabel dipengaruhi oleh prilaku variabel itu sendiri, namun pada time lag yang berbeda. Model Box-Jenkins sangat baik digunakan untuk peramalan jangka pendek, akan tetapi untuk peramalan dalam jangka panjang ketepatannya kurang baik karena nilai proyeksinya cenderung konstan. Metodologi Box-Jenkins umumnya mengacu pada sekumpulan prosedur yang bertujuan untuk mengidentifikasi pola time series (identifying), mencari model yang mampu menggambarkan prilaku pergerakan data time series (fitting), mengecek akurasi dan asumsi model (checking), dan meramal dari model yang diperoleh (forecasting) (Hanke, 2001 & Enders, 2004). Selanjutnya, karena model Box-Jenkins atau ARIMA merupakan model yang melibatkan fungsi autoregressive dan moving average, maka untuk memahami konsep model tersebut, berikut akan dibahas mengenai model autoregressive dan model moving average. 1) Model Autoregressive (AR) Model Autoregressive adalah model yang menggambarkan bahwa variabel tak bebas (dependent) dipengaruhi oleh lag variabel tak bebas itu sendiri pada periode-periode waktu sebelumnya (time lag). Model autoregressive orde-p dinotasikan dengan AR(p) mempunyai bentuk: 18

37 dengan Y t Y t = φ 0 + φ 1 Y t 1 + φ 2 Y t φ p Y t p + ε t... (3.1) t Y t 1, Y t 2, Y t p = lag variabel waktu = variabel tak bebas (dependent) pada waktu Y t pada masing-masing selang φ 0, φ 1, φ 2, φ p = parameter yang akan diestimasi ε t = error term 2) Model Moving Average (MA) berikut: dengan Model moving average orde-q dapat dinyatakan sebagai Y t = μ + ε t ω 1 ε t 1 ω 2 ε t 2 ω q ε t q... (3.2) Y t = variabel tak bebas (dependent) pada waktu t μ = konstanta mean ω 1, ω 2,, ω q = parameter yang akan diestimasi ε t = error term ε t 1, ε t 2,, ε t q = lag dari error term Perbedaan model moving-average dengan autoregressive terletak pada jenis variabel independen. Bila variabel independen pada autoregressive adalah nilai sebelumnya (lag) dari variabel Y t itu sendiri, maka pada model moving-average, variabel independennya adalah nilai residual (error) pada periode sebelumnya. Walaupun koefisien mempunyai tanda negatif, nilai koefisien tersebut bisa saja bernilai positif ataupun negatif. 19

38 3) Model Autoregressive Integrated Moving Average (ARIMA) Model ARIMA merupakan kombinasi antara model AR dan model MA. Secara umum model Box-Jenkins (ARIMA) dinotasikan sebagai berikut: ARIMA (p,d,q) dengan p Menunjukkan orde autoregressive (AR) d Menunjukkan orde differencing q Menunjukkan orde moving average (MA) Bila orde differencing (pembedaan) sama dengan nol, maka model ARIMA disebut juga sebagai model ARMA. Model ARMA (p,q) sendiri dapat dituliskan sebagai berikut: Y t = φ 0 + φ 1 Y t 1 + φ 2 Y t φ p Y t p + ε t ω 1 ε t 1 ω 2 ε t 2 ω q ε t q... (3.3) Sedangkan model ARIMA (p,d,q) untuk d=1dituliskan sebagai berikut: ΔY t = φ 0 + φ 1 ΔY t 1 + φ 2 ΔY t φ p ΔY t p + ε t ω 1 ε t 1 ω 2 ε t 2 ω q ε t q... (3.4) 4) Model Seasonal ARIMA Seasonal ARIMA merupakan pengembangan dari model ARIMA pada data runtun waktu yang memiliki pola musiman. Model Seasonal ARIMA terdiri atas dua jenis, yaitu model dengan hanya komponen seasonal saja dan model ARIMA multiplikatif dengan komponen musiman dan non musiman. Spesifikasi Model Seasonal ARIMA: ARIMA (p,d,q) (P,D,Q) S... (3.5) dengan: 20

39 o o o p, d, q : order AR, MA yang non-musiman dari model P, D, Q : order AR, MA yang musiman dari model s : jumlah periode per musim Exponential Smoothing Metode exponential smoothing pada dasarnya mirip dengan metode time trend, namun metode exponential smoothing mencocokan (fitting) data aktual dengan menggunakan skema smoothing melalui pembobotan yang menurun secara geometris seiring perjalanan waktu ke belakang (go backward in time). Peramalan dengan menggunakan metode exponential smoothing menggunakan metode time trend dimana trend ini mengacu pada observasi terbaru dan bukannya melihat observasi secara keseluruhan. Seberapa baik metode exponential smoothing digunakan untuk proyeksi, bergantung pada pembobotan yang dipilih. Single exponential smoothing menghasilkan peramalan dengan trend konstan (tidak ada trend). Double exponential smoothing menghasilkan peramalan dengan trend linier Statistics of Fit Model Statistics of fit digunakan untuk melihat kebaikan dari model yang digunakan dalam mem-fit prilaku historis suatu data time series. Dengan kata lain statistics of fit dapat digunakan untuk melakukan evaluasi terhadap model yang digunakan dengan tujuan untuk mendapatkan model yang lebih baik. Beberapa kriteria statistics of fit yang tersedia dan dapat digunakan dalam TSFS antara lain: 1. Sum of Squares Error (SSE): ( ˆ ) 2 SSE = y y n t= 1 t t 21

40 1 n MSE = y y 2. Mean Square Error (MSE): ( ˆ ) 2 t= 1 n 3. Root Mean Square Error (RMSE): ( ˆ ) 2 4. Mean Absolute Error (MAE): t 1 n RMSE = y y t= 1 n t t= 1 n 1 n MAE = y yˆ 5. Mean Absolute Percent Error (MAPE): MAPE = n 6. R-Square: t= 1 ( y yˆ ) 100 n t t R y = 1 2 t= 1 t n ( y yˆ ) 2 n t t= 1 y 2 t t n 1 n k 7. Adjusted R-Square: 2 R = 1 ( 1 R 2 ) 8. Amemiya s Adjusted R-Square : Amemiya R n+ k = 1 1 n k ( R ) Akaike s Information Criterion (AIC): AIC = nln( MSE) + 2k 10. Schwarz Bayesian Information Criterion (SBIC): ( ) ln ( ) SBIC = n ln MSE + k n t t t t 22

41 IV. HASIL FORECASTING DAN ANALISIS 4.1. Forecasting PDB Industri Bahan Kimia dan Barang dari Bahan Kimia Gambar 4.1 menyajikan nilai aktual dan pertumbuhan PDB riil industri bahan kimia dan barang dari kimia serta nilai proyeksinya hingga Triwulan Forecasting tersebut dilakukan dengan menggunakan basis data aktual PDB riil industri bahan kimia dan barang dari bahan kimia sepanjang Triwulan sampai Triwulan Sementara itu, nilai proyeksi PDB riil industri bahan kimia dan barang dari bahan kimia periode Triwulan sampai Triwulan diperoleh berdasarkan model univariat Log ARIMA (0,1,2) + Seasonal Dummies. Model tersebut diperoleh berdasarkan tahapan pemilihan model ARIMA terbaik sebagaimana dijelaskan pada bagian metodologi. Hasil estimasi parameter untuk model tersebut disajikan pada Tabel 4.1. Sementara kriteria pemilihan model terbaik berdasarkan metode Akaike Information Criterion (AIC) disajikan pada Gambar 4.2. Gambar 4.1 memperlihatkan pergerakan nilai aktual PDB riil industri bahan kimia dan barang dari bahan kimia yang cenderung meningkat sepanjang periode Triwulan sampai Triwulan Pada Triwulan , PDB riil industri bahan kimia dan barang dari bahan kimia tercatat sebesar Rp Milyar, meningkat menjadi Rp Milyar pada Triwulan Meski memiliki tren yang meningkat, namun pertumbuhan PDB riil industri bahan kimia dan barang dari bahan kimia pada periode tersebut cenderung berfluktuasi, dengan rata-rata pertumbuhan mencapai 5,03% (y-o-y) per Triwulan. 23

42 Forecast % 25% 20% 15% 10% 5% 0% -5% -10% -15% PDB BKBBK Riil (Rp. Milyar) Growth BKBBK(%, Sb Kanan) Gambar 4.1. Nilai Aktual dan Forecasting PDB Rill dan Pertumbuhan PDB Rill Industri Bahan Kimia dan Barang dari Bahan Kimia Dependent Variable: DLOG(PDB_BKBBK_RIIL) Method: ARMA Maximum Likelihood (BFGS) Sample: 2011Q2 2019Q1 Included observations: 32 Variable Coefficient Std. Error t-statistic Prob. C D D D MA(1) MA(2) E SIGMASQ R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Tabel 4.1. Hasil Estimasi Model Log ARIMA (0,1,2) + Seasonal Dummies 24

43 (0,2)(0,0) (0,2)(1,1) (0,2)(1,0) (2,0)(0,1) (2,0)(1,1) (3,0)(1,1) (0,2)(0,1) (2,1)(1,1) (2,0)(1,0) (3,0)(0,1) (0,3)(1,1) (1,1)(0,0) (0,2)(1,2) (4,3)(2,1) (2,1)(1,2) (3,0)(1,0) (0,2)(2,0) (2,1)(0,1) (3,2)(1,0) (1,2)(0,0) Akaike Information Criteria (top 20 models) Gambar 4.2. Hasil AIC untuk 20 Model Terbaik Fluktuasi data aktual PDB riil industri bahan kimia dan barang dari bahan kimia setiap tahunnya juga menunjukkan adanya komponen seasonal. Secara umum dapat dilihat bahwa pergerakan PDB riil industri bahan kimia dan barang dari bahan kimia konsisten meningkat. Hal ini mengindikasikan bahwa pergerakannya di masa mendatang juga diperkirakan akan meningkat. Selanjutnya, berdasarkan model Log ARIMA (0,1,2) + Seasonal Dummies, diperkirakan nilai PDB riil industri bahan kimia dan barang dari bahan kimia pada Triwulan akan sebesar Rp Milyar, dan nilai ini diperkirakan akan meningkat hingga Triwulan , konsisten dengan pergerakan tren jangka panjangnya. Hingga Triwulan diperkirakan nilai PDB riil industri bahan kimia dan barang dari bahan kimia meningkat sebesar Rp Milyar, dengan rata-rata 25

44 pertumbuhan sebesar 4,79 persen (y-o-y) per Triwulannya. Nilai proyeksi dan pertumbuhan PDB riil industri bahan kimia dan barang dari bahan kimia disajikan pada Tabel 4.2. Periode PDB (Rp. Milyar) Growth Periode PDB (Rp. Milyar) Growth % % TW % TW % % % TW % TW % % % TW % TW % % % TW % TW % % % TW % TW % % % TW % TW % Sumber: Hasil Estimasi Tabel 4.2. Forecasting Nilai dan Pertumbuhan PDB Riil Industri Bahan Kimia dan Barang dari Bahan Kimia Salah satu tujuan utama kajian ini adalah melakukan proyeksi terhadap nilai PDB riil industri bahan kimia, split PDB riil kimia dasar organik yang bersumber dari pertanian dan PDB riil industri barang dari bahan kimia, split PDB riil industri cat dan tinta cetak, sabun, dan kosmetik. Sebagaimana telah diuraikan pada bagian terdahulu, data statistik PDB riil industri bahan kimia, PDB riil kimia dasar organik yang bersumber dari pertanian, PDB riil industri barang dari bahan kimia, dan PDB riil industri cat dan tinta cetak, sabun, dan kosmetik tidak tersedia dalam format publikasi PDB menurut lapangan usaha atau sektor. 26

45 Untuk itu, nilai PDB dari industri-industri tersebut akan diekstraksi dari PDB industri bahan kimia dan barang dari bahan kimia (KBLI dua digit) dengan menggunakan prosedur splitting yang telah dijelaskan sebelumnya. Dengan prosedur ini, selanjutnya juga dapat diproyeksi nilai PDB riil dari industri-industri tersebut hingga Triwulan-4 Tahun Data PDB riil industri bahan kimia, PDB riil kimia dasar organik yang bersumber dari pertanian, PDB riil industri barang dari bahan kimia, dan PDB riil industri cat dan tinta cetak, sabun, dan kosmetik diperoleh dari publikasi Statistik Industri Besar Sedang (SIBS). Namun, publikasi tersebut hanya menyediakan data nilai tambah dalam format tahunan, bukan triwulanan seperti halnya data PDB menurut lapangan usaha yang dipublikasikan secara luas oleh BPS. Namun di sisi lain, data SIBS yang dipublikasikan sejauh ini hanya tersedia hingga tahun Oleh karena itu, data SIBS yang digunakan pada kajian ini terbatas pada periode Atas alasan ini dan untuk keperluan forecasting, maka data nilai tambah industri-industri tersebut pada periode akan diinterpolasi dengan menggunakan metode cubic spline untuk mendapatkan perkiraan triwulanannya. Harapannya adalah periode observasi yang digunakan untuk pemodelan untuk keperluan forecasting dapat bertambah, sehingga mencukupi keperluan pemodelan ekonometrika. Selanjutnya, berdasarkan data SIBS periode , diperoleh rata-rata pangsa PDB industri bahan kimia terhadap PDB industri bahan kimia dan barang dari bahan kimia sepanjang periode tersebut adalah sebesar 78,28% per tahun. Sementara rata-rata pangsa PDB industri barang dari bahan kimia terhadap PDB industri bahan kimia dan barang dari bahan kimia sepanjang periode tersebut 27

46 adalah sebesar 17,42% per tahun. Sementara sisanya, pangsa PDB industri serat buatan hanya mencapai rata-rata sebesar 4,31 persen per tahun (lihat Gambar 4.3). Industri Bahan Kimia Industri Barang dari Kimia Industri Serat Buatan 1,00% 8,64% 6,25% 2,53% 3,61% 3,80% 17,03% 15,94% 21,82% 14,87% 14,41% 20,43% 70,93% 77,80% 75,65% 81,97% 81,52% 81,80% Gambar 4.3. Share PDB Industri Bahan Kimia dan Barang dari Bahan Kimia Berbeda dengan data PDB industri bahan kimia dan barang dari bahan kimia yang memiliki data aktual hingga periode Triwulan , data PDB riil industri bahan kimia dan PDB riil industri barang dari bahan kimia hanya tersedia hingga akhir tahun Dengan demikian, periode proyeksi bagi PDB riil bahan kimia dan PDB riil industri barang dari bahan kimia akan dimulai pada Triwulan hingga Triwulan Prosedur proyeksi yang dilakukan secara umum sama dengan kasus sebelumnya. Pada kasus ini akan digunakan hasil interpolasi data aktual share PDB industri bahan kimia (KBLI 201) dan PDB industri barang dari bahan kimia (KBLI 202) terhadap total PDB industri barang kimia dan bahan dari barang kimia 28

47 (KBLI 20). Berdasarkan tahapan pemodelan, diperoleh model yang sesuai adalah Model ETS Exponential Smoothing. Model ini dipilih berdasarkan kriteria pemilihan model terbaik, dan untuk kasus pangsa industri bahan kimia dan barang dari bahan kimia hasil model ETS Exponential Smoothing menghasilkan nilai proyeksi yang lebih baik. Berdasarkan model tersebut, hasil proyeksi pangsa PDB untuk kedua industri tersebut disajikan pada Gambar 4.4. Dapat dilihat bahwa perkiraan rata-rata pangsa PDB untuk industri-industri tersebut relatif tidak jauh berbeda dengan pangsa aktualnya pada periode % Forecast 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Industri Bahan Kimia Industri Barang dari Bahan Kimia Industri Serat Buatan Gambar 4.4 Proyeksi Share PDB Industri Bahan Kimia dan Barang dari Bahan Kimia 29

48 Berbeda dengan prosedur forecasting sebelumnya, forecasting PDB riil industri bahan kimia diperoleh dengan memanfaatkan hasil forecasting pangsa nilai tambah industri bahan kimia terhadap total PDB industri bahan kimia dan barang dari bahan kimia. Selanjutnya dengan memanfaatkan hasil forecasting PDB industri bahan kimia dan barang dari bahan kimia dan PDB deflatornya sepanjang Triwulan sampai Triwulan , dapat ditentukan nilai proyeksi PDB riil industri bahan kimia sepanjang periode tersebut. Berdasarkan pendekatan tersebut, nilai PDB riil industri bahan kimia diperkirakan akan meningkat hingga Triwulan Nilai PDB riil industri bahan kimia pada Triwulan diperkirakan sebesar Rp Milyar, meningkat menjadi Rp Milyar pada Triwulan (lihat Gambar 4.5). Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan mencapai 0,04 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri bahan kimia cenderung meningkat hingga Triwulan-IV 2024 mengikuti tren jangka panjangnya. Selanjutnya Gambar 4.6 menyajikan proyeksi triwulanan PDB riil industri barang dari bahan kimia sepanjang Triwulan sampai Triwulan Seperti halnya kasus industri bahan kimia, PDB riil industri barang dari bahan kimia diproyeksi dengan memanfaatkan hasil forecast share nilai tambah PDB industri barang dari bahan kimia terhadap total PDB industri bahan kimia dan barang dari bahan kimia. Kemudian dengan memanfaatkan hasil forecast PDB industri bahan kimia dan barang dari bahan kimia dan PDB deflatornya sepanjang Triwulan sampai Triwulan , dapat ditentukan nilai proyeksi PDB riil industri barang dari bahan kimia sepanjang periode tersebut. 30

49 40000, , , , , , , ,00 Forecast 25% 20% 15% 10% 5% 0% -5% -10% 0,00-15% PDB IBK Rill (Rp. Milyar) Growth IBK (%, Sb Sb Kanan) Gambar 4.5 Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Bahan Kimia Pada Gambar 4.6 dapat dilihat bahwa nilai PDB riil barang dari bahan kimia diperkirakan akan meningkat hingga Triwulan seiring meningkatnya perkiraan PDB riil industri bahan kimia dan barang dari bahan kimia pada periode yang sama. Pada Triwulan diperkirakan nilai PDB riil industri barang dari bahan kimia sebesar Rp Milyar, meningkat menjadi Rp Milyar pada Triwulan Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan mencapai 0.03 persen (y-o-y). Secara umum, dapat dilihat bahwa PDB riil industri barang dari bahan kimia akan cenderung meningkat hingga Triwulan mengikuti tren jangka panjangnya. 31

50 Forecast 7000, , , , , , ,00 0,00 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0-0,1-0,2-0, PDB IBBK Rill (Rp. Milyar) Growth IBBK (%, Sb Sb Kanan) Gambar 4.6 Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Barang dari Bahan Kimia Seperti pada kasus sebelumnya, proyeksi PDB riil industri kimia organik yang bersumber dari pertanian akan diproyeksi dengan memanfaatkan hasil interpolasi data aktual share PDB industri kimia organik yang bersumber dari pertanian (KBLI 20115) terhadap total PDB industri bahan kimia (KBLI 201). Berdasarkan tahapan pemodelan, diperoleh model yang sesuai adalah Model Log ARIMA (0,1,2). Model ini dipilih berdasarkan kriteria pemilihan model ARIMA terbaik. Berdasarkan model tersebut, hasil proyeksi pangsa PDB untuk industri kimia organik yang bersumber dari pertanian dan industri bahan kimia lainnya selama periode Triwulan Triwulan disajikan pada Gambar

51 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Forecast Industri Kimia Dasar Organik dari Pertanian Industri Bahan Kimia Gambar 4.7 Proyeksi Share PDB Industri Bahan Kimia Seperti pada kasus sebelumnya, forecasting PDB riil industri bahan kimia yang bersumber dari pertanian diperoleh dengan memanfaatkan hasil forecasting pangsa nilai tambah industri tersebut terhadap total PDB industri bahan kimia. Selanjutnya dengan memanfaatkan hasil forecasting PDB industri bahan kimia dan barang dari bahan kimia dan PDB deflatornya sepanjang Triwulan sampai Triwulan , dapat ditentukan nilai proyeksi PDB riil industri bahan kimia yang bersumber dari pertanian sepanjang periode tersebut. Berdasarkan pendekatan tersebut, nilai PDB riil industri bahan kimia yang bersumber dari pertanian diperkirakan akan meningkat hingga Triwulan Nilai PDB riil industri bahan kimia yang bersumber dari pertanian pada Triwulan diperkirakan sebesar Rp 115,7 Milyar, meningkat menjadi Rp 424,1 Milyar pada Triwulan (lihat Gambar 4.8). Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan mencapai 0,12 persen 33

52 (yoy). Secara umum dapat dilihat bahwa PDB riil industri bahan kimia yang bersumber dari pertanian mengalami penurunan yang substansial sejak tahun 2012 hingga tahun Namun demikian, meski masih relatif rendah dibandingkan periode sebelumnya, hasil forecasting industri bahan kimia yang bersumber dari pertanian diperkirakan akan kembali mengalami peningkatan Triwulan Forecast 4000,0 3500,0 3000,0 2500,0 2000,0 1500,0 1000,0 500,0 0,0 14,00 12,00 10,00 8,00 6,00 4,00 2,00 0,00-2, PDB Industri Kimia Dasar Organik dari Pertanian (Rp. Milyar) Growth Industri Kimia Dasar Organik dari Pertanian (%, Sb Kanan) Gambar 4.8 Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Kimia Dasar Organik dari Pertanian Forecasting PDB riil industri bahan kimia lainnya juga diperoleh dengan memanfaatkan hasil forecasting pangsa nilai tambah industri tersebut terhadap total PDB industri bahan kimia. Selanjutnya dengan memanfaatkan hasil forecasting PDB industri bahan kimia dan barang dari bahan kimia dan PDB deflatornya sepanjang Triwulan sampai Triwulan , dapat ditentukan nilai proyeksi PDB riil industri bahan kimia lainnya sepanjang periode tersebut. Berdasarkan 34

53 pendekatan tersebut, nilai PDB riil industri bahan kimia lainnya diperkirakan akan meningkat hingga Triwulan Nilai PDB riil industri bahan kimia lainnya pada Triwulan diperkirakan sebesar Rp ,4 Milyar, meningkat menjadi Rp ,5 Milyar pada Triwulan (lihat Gambar 4.9). Pada periode tersebut ratarata pertumbuhan per triwulannya diperkirakan mencapai 0,04 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri bahan kimia cenderung meningkat hingga Triwulan mengikuti tren jangka panjangnya. Forecast 35000, , , , , ,0 5000,0 0,0 0,35 0,30 0,25 0,20 0,15 0,10 0,05 0,00-0,05-0,10-0, PDB Industri Bahan Kimia (Rp. Milyar) Growth Industri Bahan Kimia (%, Sb Kanan) Gambar 4.9 Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Bahan Kimia Seperti pada kasus sebelumnya, proyeksi PDB riil industri cat dan tinta cetak (KBLI 20221), industri sabun dan bahan pembersih 35

54 keperluan RT (KBLI 20231), dan industri bahan kosmetik dan kosmetik termasuk pasta gigi (KBLI 20232) akan diproyeksi dengan memanfaatkan hasil interpolasi data aktual share PDB industri-industri tersebut terhadap total PDB industri barang dari bahan kimia (KBLI 202). Forecast pangsa PDB industri cat dan tinta cetak diperoleh dengan menggunakan Model Log ARIMA (2,0,4) (2,0,0). Forecast pangsa PDB industri bahan kosmetik dan kosmetik termasuk pasta gigi diperoleh dengan menggunakan Model Log ARIMA (4,0,2). Forecast pangsa PDB barang dari bahan kimia lainnya diperoleh dengan menggunakan Model ARIMA (2,0,1) (1,0,0). Sementara forecast pangsa PDB industri sabun dan bahan pembersih keperluan rumah tangga diperoleh dari hasil residu forecast pangsa PDB ketiga industri sebelumnya. 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Forecast Industri Cat dan Tinta Cetak Indutri Bahan Kosmetik dan Kosmetik Industri Sabun dan Bahan Pembersih Industri BBK Gambar 4.10 Proyeksi Share PDB Industri Barang dari Bahan Kimia 36

55 Forecasting PDB riil industri cat dan tinta cetak diperoleh dengan memanfaat hasil forecasting pangsa nilai tambah industri tersebut terhadap total PDB industri barang dari bahan bahan kimia (lihat Gambar 4.11). Selanjutnya dengan memanfaatkan hasil forecasting PDB industri bahan kimia dan barang dari bahan kimia dan PDB deflatornya sepanjang Triwulan sampai Triwulan , dapat ditentukan nilai proyeksi PDB riil industri cat dan tinta cetak sepanjang periode tersebut. Berdasarkan pendekatan tersebut, nilai PDB riil industri cat dan tinta cetak diperkirakan akan meningkat hingga Triwulan Nilai PDB riil industri cat dan tinta cetak pada Triwulan diperkirakan sebesar Rp 578,1 Milyar, meningkat menjadi Rp 607,2 Milyar pada Triwulan (lihat Gambar 4.11). Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan mencapai 6,5 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri cat dan tinta cetak cenderung berfluktuasi mengikuti pola yang terjadi pada periode sebelumnya. Forecasting PDB riil industri sabun dan bahan pembersih keperluan RT diperoleh dengan memanfaatkan hasil forecasting pangsa nilai tambah industri tersebut terhadap total PDB industri barang dari bahan kimia (lihat Gambar 4.12). Selanjutnya dengan memanfaatkan hasil forecasting PDB industri bahan kimia dan barang dari bahan kimia dan PDB deflatornya sepanjang Triwulan sampai Triwulan , dapat ditentukan nilai proyeksi PDB riil industri sabun dan bahan pembersih keperluan RT sepanjang periode tersebut. Berdasarkan pendekatan tersebut, nilai PDB riil industri sabun dan bahan pembersih keperluan RT diperkirakan akan meningkat hingga Triwulan

56 Forecast 1200,0 1000,0 800,0 600,0 400,0 200,0 0,0 1,00 0,80 0,60 0,40 0,20 0,00-0,20-0,40-0, PDB Industri Cat dan Tinta Cetak Rill (Rp. Milyar) Growth Industri Cat dan Tinta Cetak Rill (%, Sb Kanan) Gambar 4.11 Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Cat dan Tinta Cetak Nilai PDB riil industri sabun dan bahan pembersih keperluan RT pada Triwulan diperkirakan sebesar Rp 592,81 Milyar, meningkat menjadi Rp Milyar pada Triwulan (lihat Gambar 4.12). Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan mencapai 15,3 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri sabun dan bahan pembersih keperluan RT cenderung berfluktuasi mengikuti pola yang terjadi pada periode sebelumnya. Forecasting PDB riil industri bahan kosmetik dan kosmetik termasuk pasta gigi diperoleh dengan memanfaatkan hasil forecasting pangsa nilai tambah industri tersebut terhadap total PDB industri barang dari bahan bahan kimia (lihat Gambar 4.13a). 38

57 Forecast 2500,0 2000,0 1500,0 1000,0 500,0 0,0 2,50 2,00 1,50 1,00 0,50 0,00-0,50-1, PDB Industri Sabun dan Bahan Keperluan RT (Rp. Milyar) Growth Industri Sabun dan Bahan Keperluan RT (%, Sb. Kanan) Gambar 4.12 Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Sabun dan Bahan Pembersih Keperluan RT Selanjutnya dengan memanfaatkan hasil forecasting PDB industri bahan kimia dan barang dari bahan kimia dan PDB deflatornya sepanjang Triwulan sampai Triwulan , dapat ditentukan nilai proyeksi PDB riil industri bahan kosmetik dan kosmetik termasuk pasta gigi sepanjang periode tersebut. Berdasarkan pendekatan tersebut, nilai PDB riil industri bahan kosmetik dan kosmetik termasuk pasta gigi diperkirakan akan meningkat hingga Triwulan Nilai PDB riil industri bahan kosmetik dan kosmetik termasuk pasta gigi pada Triwulan diperkirakan sebesar Rp 1.061,3 Milyar, meningkat menjadi Rp 1.354,5 Milyar pada Triwulan (lihat Gambar 4.13a). Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan mencapai 2,6 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri bahan kosmetik dan kosmetik termasuk pasta gigi cenderung berfluktuasi mengikuti pola yang terjadi pada periode sebelumnya. 39

58 1800,0 1600,0 1400,0 1200,0 1000,0 800,0 600,0 400,0 200,0 0,0 Forecast 0,4 0,3 0,2 0,1 0-0,1-0,2-0,3-0,4-0,5-0, PDB Industri Kosmetik Termasuk Pasta Gigi (Rp. Milyar) Growth Industri Kosmetik Termasuk Pasta Gigi (%, Sb. Kanan) Gambar 4.13a Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Kosmetik termasuk Pasta Gigi Forecast 2500,0 2000,0 1500,0 1000,0 500,0 0,0 1,2 1 0,8 0,6 0,4 0,2 0-0,2-0,4-0, PDB Industri BBK (Rp. Milyar) Growth Industri BBK (%, Sb. Kanan) Gambar 4.13b Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Barang dari Bahan Kimia 40

59 Forecasting PDB riil barang dari bahan kimia lainnya diperoleh dengan memanfaatkan hasil forecasting pangsa nilai tambah industri tersebut terhadap total PDB industri barang dari bahan bahan kimia (lihat Gambar 4.13a). Selanjutnya dengan memanfaatkan hasil forecasting PDB industri bahan kimia dan barang dari bahan kimia dan PDB deflatornya sepanjang Triwulan sampai Triwulan , dapat ditentukan nilai proyeksi PDB riil barang dari bahan kimia lainnya sepanjang periode tersebut. Berdasarkan pendekatan tersebut, nilai PDB riil industri barang dari bahan kimia lainnya diperkirakan akan meningkat hingga Triwulan Nilai PDB riil industri barang dari bahan kimia lainnya pada Triwulan diperkirakan sebesar Rp 1.818,5 Milyar, meningkat menjadi Rp 1.797,4 Milyar pada Triwulan (lihat Gambar 4.13a). Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan mencapai 0,8 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri barang dari bahan kimia lainnya cenderung berfluktuasi mengikuti pola yang terjadi pada periode sebelumnya Forecasting PDB Industri Peralatan Listrik Gambar 4.14 menyajikan nilai aktual PDB riil industri peralatan listrik dan pertumbuhannya, beserta nilai ramalannya hingga Triwulan Forecasting tersebut dilakukan dengan menggunakan basis data aktual PDB riil industri peralatan listrik sepanjang periode Triwulan sampai Triwulan Sementara itu, nilai proyeksi PDB riil industri peralatan listrik periode Triwulan sampai Triwulan diperoleh berdasarkan model univariat ARIMA (3,1,0) (1,0,1) + Seasonal Dummies. Model tersebut diperoleh berdasarkan tahapan pemilihan model ARIMA terbaik sebagaimana dijelaskan pada 41

60 bagian metodologi. Hasil estimasi parameter untuk model tersebut disajikan pada Tabel 4.3. Sementara kriteria pemilihan model terbaik berdasarkan metode Akaike Information Criterion (AIC) disajikan pada Gambar Forecast ,2 0,15 0,1 0,05 0-0,05-0, PDB Peralatan Listrik Riil (Rp. Milyar) Growth PDB Peralatan Listrik (%, Sb. Kanan) Gambar Nilai Aktual dan Forecasting PDB Rill dan Pertumbuhan PDB Rill Industri Peralatan Listrik Gambar 4.14 memperlihatkan pergerakan nilai aktual PDB riil industri peralatan listrik yang cenderung meningkat sepanjang periode Triwulan sampai Triwulan Pada Triwulan PDB riil industri peralatan listrik tercatat sebesar Rp Milyar, meningkat menjadi Rp Milyar pada Triwulan Meski trennya cenderung meningkat, namun pertumbuhan PDB riil industri peralatan listrik pada periode tersebut cenderung berfluktuasi dengan rata-rata pertumbuhan mencapai 5,48% (y-o-y) per triwulan. Fluktuasi data aktual PDB riil industri peralatan listrik setiap tahunnya juga mengindikasikan adanya komponen seasonal. Di sisi lain, fakta bahwa 42

61 (3,0)(1,1) (3,0)(0,0) (2,1)(0,0) (0,2)(0,0) (4,0)(0,1) (3,0)(0,2) (4,3)(2,1) (4,2)(0,1) (3,0)(1,0) (2,3)(0,0) (3,0)(0,1) (4,0)(0,0) (3,0)(2,1) (3,1)(0,0) (0,3)(0,0) (4,1)(0,0) (2,0)(0,0) (2,2)(0,0) (3,0)(1,2) (3,1)(1,1) pergerakan PDB riil industri peralatan listrik konsisten meningkat, mengindikasikan bahwa pergerakannya di masa mendatang juga akan meningkat. Akaike Information Criteria (top 20 models) Gambar Hasil AIC untuk 20 Model Terbaik Dependent Variable: D(PDB_PL_RIIL) Method: ARMA Maximum Likelihood (BFGS) Sample: 2011Q2 2019Q1 Included observations: 32 Variable Coefficient Std. Error t-statistic Prob. C D D D AR(1) AR(2) AR(3) SAR(4) MA(4) SIGMASQ E R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion

62 Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Tabel 4.3. Hasil Estimasi Model ARIMA (3,1,0) (2,0,2) + Seasonal Dummies Selanjutnya, berdasarkan model ARIMA (3,1,0) (2,0,2) + Seasonal Dummies, diperkirakan nilai PDB riil industri peralatan listrik pada Triwulan akan sebesar Rp Milyar, dan nilai ini diperkirakan akan cenderung meningkat hingga Triwulan , konsisten dengan pergerakan tren jangka panjangnya. Hingga Triwulan diperkirakan nilai PDB riil industri peralatan listrik akan meningkat sebesar Rp Milyar, dengan rata-rata pertumbuhan sebesar 5,05 persen (y-o-y) per Triwulannya. Nilai proyeksi dan pertumbuhan PDB riil industri peralatan listrik disajikan pada Tabel Periode PDB (Rp. Milyar) Growth Periode PDB (Rp. Milyar) Growth % % TW % TW % % % TW % TW % % % TW % TW % % % TW % TW % % % TW % TW % % % TW % TW % Sumber: Hasil Estimasi Tabel 4.4. Forecasting Nilai dan Pertumbuhan PDB Riil Industri Peralatan Listrik

63 Selanjutnya hasil proyeksi nilai PDB riil industri peralatan listrik akan dipisahkan menjadi PDB riil industri pengubah tegangan, pengubah arus, dan pengontrol tegangan dan PDB industri peralatan listrik lainnya. Sebagaimana telah diuraikan pada bagian terdahulu, data statistik PDB riil industri pengubah tegangan, pengubah arus, dan pengontrol tegangan tidak tersedia dalam format publikasi PDB menurut lapangan usaha atau sektor. Untuk itu, nilai PDB dari industri tersebut akan diekstraksi dari PDB industri peralatan listrik (KBLI 2 digit) dengan menggunakan prosedur splitting yang telah dijelaskan sebelumnya. Dengan prosedur ini, selanjutnya juga dapat diproyeksi nilai PDB riil industri pengubah tegangan, pengubah arus, dan pengontrol tegangan dan PDB industri peralatan listrik lainnya hingga Triwulan-4 Tahun Data PDB riil industri pengubah tegangan, pengubah arus, dan pengontrol tegangan dan PDB industri peralatan listrik lainnya diperoleh dari publikasi Statistik Industri Besar Sedang (SIBS). Seperti pada kasus sebelumnya, publikasi tersebut hanya menyediakan data nilai tambah tahunan, bukan triwulanan seperti halnya data PDB menurut lapangan usaha. Di sisi lain, data terbaru publikasi SIBS sejauh ini hanya tersedia hingga tahun Dengan demikian, data SIBS yang digunakan pada kasus ini juga terbatas pada periode Atas alasan ini dan untuk keperluan forecasting, maka data nilai tambah industri-industri tersebut pada periode akan diinterpolasi dengan menggunakan metode cubic spline untuk mendapatkan perkiraan triwulanannya. 45

64 Industri Peralatan Listrik Industri Pengubah Tegangan, Pengubah Arus, dan Pengontrol Tegangan 93,63% 92,64% 90,91% 94,46% 94,07% 97,31% 6,37% 7,36% 9,09% 5,54% 5,93% 2,69% Gambar Share PDB Industri Peralatan Listrik Selanjutnya, berdasarkan data aktual nilai tambah industri peralatan listrik periode , diperoleh rata-rata pangsa PDB industri pengubah tegangan, pengubah arus, dan pengontrol tegangan sebesar 6,16% per tahun. Sementara itu, rata-rata pangsa PDB industri peralatan listrik lainnya tercatat sebesar 93,84% per tahun (lihat Gambar 4.16). Berbeda dengan data PDB industri peralatan listrik yang memiliki data aktual hingga periode Triwulan , data PDB industri pengubah tegangan, pengubah arus, dan pengontrol tegangan hanya tersedia hingga akhir tahun Dengan demikian, periode proyeksi bagi PDB industri pengubah tegangan, pengubah arus, dan pengontrol tegangan dan PDB industri peralatan listrik lainnya akan dimulai pada Triwulan hingga Triwulan Prosedur proyeksi yang dilakukan secara umum sama dengan kasus sebelumnya. Pada kasus ini akan digunakan hasil interpolasi data aktual share PDB industri pengubah tegangan, pengubah arus, dan pengontrol tegangan (KBLI 46

65 27113) terhadap total PDB industri peralatan listrik (KBLI 27). Berdasarkan tahapan pemodelan, diperoleh model yang sesuai adalah Model Log ARIMA (0,1,2). Hasil proyeksi pangsa PDB industri pengubah tegangan, pengubah arus, dan pengontrol tegangan dan industri peralatan listrik lainnya disajikan pada Gambar Dapat dilihat bahwa perkiraan rata-rata pangsa PDB untuk industri-industri tersebut relatif tidak jauh berbeda dengan pangsa aktualnya pada periode % 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Forecast IPTPAPT Industri Peralatan Listrik Gambar 4.17 Proyeksi Share Industri Peralatan Listrik Forecasting PDB riil industri pengubah tegangan, pengubah arus, dan pengontrol tegangan diperoleh dengan memanfaatkan hasil forecasting pangsa nilai tambah industri pengubah tegangan, pengubah arus, dan pengontrol tegangan terhadap total PDB industri peralatan listrik. Selanjutnya dengan memanfaatkan hasil forecasting PDB industri peralatan listrik dan PDB deflatornya sepanjang Triwulan sampai Triwulan , dapat ditentukan nilai proyeksi PDB riil industri pengubah tegangan, pengubah arus, dan pengontrol 47

66 tegangan sepanjang periode tersebut. Berdasarkan pendekatan tersebut, nilai PDB riil industri pengubah tegangan, pengubah arus, dan pengontrol tegangan diperkirakan akan meningkat hingga Triwulan Nilai PDB riil industri pengubah tegangan, pengubah arus, dan pengontrol tegangan pada Triwulan diperkirakan sebesar Rp 266,6 Milyar, meningkat menjadi Rp 362,9 Milyar pada Triwulan (lihat Gambar 4.18). Pada periode tersebut, rata-rata pertumbuhan per triwulannya diperkirakan sebesar persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri pengubah tegangan, pengubah arus, dan pengontrol tegangan cenderung stagnan hingga Triwulan Forecast 900,0 800,0 700,0 600,0 500,0 400,0 300,0 200,0 100,0 0,0 80,0% 60,0% 40,0% 20,0% 0,0% -20,0% -40,0% -60,0% -80,0% Industri PTAPT Riil Growth (%, Sb Kanan) Gambar 4.18 Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Pengubah Tegangan, Pengubah Arus, dan Pengontrol Tegangan Seperti kasus sebelumnya, forecasting PDB riil industri peralatan listrik lainnya diperoleh dengan memanfaatkan hasil forecasting pangsa nilai tambah industri tersebut terhadap total PDB industri peralatan listrik. Selanjutnya dengan memanfaatkan hasil forecasting 48

67 PDB industri peralatan listrik dan PDB deflatornya sepanjang Triwulan sampai Triwulan , dapat ditentukan nilai proyeksi PDB riil industri peralatan listrik lainnya sepanjang periode tersebut. Nilai PDB riil industri peralatan listrik lainnya diperkirakan akan meningkat hingga Triwulan Nilai PDB riil industri peralatan listrik lainnya pada Triwulan diperkirakan sebesar Rp 9.877,6 Milyar, meningkat menjadi Rp ,9 Milyar pada Triwulan (lihat Gambar 4.19). Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan sebesar 3,39 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri peralatan listrik lainnya cenderung meningkat hingga Triwulan mengikuti tren jangka panjangnya , , , ,0 8000,0 6000,0 4000,0 2000,0 Forecast 0,25 0,2 0,15 0,1 0,05 0-0,05 0,0-0, Industri Peralatan Listrik Growth (%, Sb Kanan) Gambar 4.19 Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Peralatan Listrik 49

68 4.3. Forecasting PDB Industri Mesin dan Perlengkapan Gambar 4.20 menyajikan nilai aktual PDB riil industri mesin dan perlengkapan, beserta nilai ramalannya hingga Triwulan Forecasting tersebut dilakukan dengan menggunakan basis data aktual PDB riil industri mesin dan perlengkapan sepanjang Triwulan sampai Triwulan Sementara itu, nilai proyeksi PDB riil industri mesin dan perlengkapan periode Triwulan sampai Triwulan diperoleh berdasarkan model ETS Exponential Smoothing. Model tersebut diperoleh berdasarkan tahapan pemilihan model terbaik sebagaimana dijelaskan pada bagian metodologi. Hasil estimasi parameter untuk model tersebut disajikan pada Tabel 4.5. Forecast ,2 0,15 0,1 0,05 0-0,05-0,1-0, PDB Industri Mesin da Peralatan YTDL Growth (%, Sb Kanan) Gambar 4.20 Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Mesin dan Perlengkapan 50

69 Model selection: Average Mean Squared Error Convergence achieved after 1 iteration Parameters Alpha: Beta: Gamma: Phi: Initial Parameters Initial level: Initial trend: Initial state 1: Initial state 2: Initial state 3: Initial state 4: Compact Log-likelihood Log-likelihood Akaike Information Criterion Schwarz Criterion Hannan-Quinn Criterion Sum of Squared Residuals Root Mean Squared Error Average Mean Squared Error Forecast Evaluation RMSE MAE MAPE SMAPE Theil U1 Theil U Tabel 4.5. Hasil Estimasi PDB Riil Industri Mesin dan Perlengkapan Periode PDB (Rp. Milyar) Growth Periode PDB (Rp. Milyar) Growth % % TW % TW % % % TW % TW % % % TW % TW % % % 51

70 TW % TW % % % TW % TW % % % TW % TW % Sumber: Hasil Estimasi Tabel 4.6. Forecasting Nilai dan Pertumbuhan PDB Riil Industri Mesin dan Perlengkapan Sementara itu, Gambar 4.20 memperlihatkan pergerakan nilai aktual PDB riil industri mesin dan perlengkapan yang cenderung meningkat sepanjang Triwulan sampai Triwulan Pada Triwulan nilai aktual PDB riil industri mesin dan peralatan tercatat sebesar Rp Milyar, meningkat menjadi Rp Milyar pada Triwulan Meski pergerakannya cenderung meningkat, namun pertumbuhan PDB riil industri mesin dan perlengkapan pada periode tersebut cenderung berfluktuasi dengan rata-rata pertumbuhan mencapai 4,35% (y-o-y) per triwulan. Selanjutnya, fakta bahwa pergerakan PDB riil industri mesin dan perlengkapan yang cenderung meningkat, mengindikasikan bahwa pergerakannya di masa mendatang juga cenderung meningkat mengikuti tren jangka panjangnya. Selanjutnya, berdasarkan model ETS Exponential Smoothing, diperkirakan nilai PDB riil industri mesin dan perlengkapan pada Triwulan akan sebesar Rp Milyar, dan nilai ini diperkirakan meningkat hingga Triwulan sebesar Rp Milyar. Sepanjang periode tersebut, pergerakan PDB riil industri mesin dan perlengkapan juga cenderung berfluktuasi dengan rata-rata pertumbuhan sebesar 4,45 persen (y-o-y) per Triwulannya. Nilai proyeksi dan pertumbuhan PDB riil industri mesin dan perlengkapan disajikan pada Tabel

71 Selanjutnya hasil proyeksi nilai PDB riil industri mesin dan perlengkapan akan dipisahkan menjadi PDB riil industri mesin penambangan, penggalian dan konstruksi dan PDB industri mesin dan perlengkapan lainnya. Seperti pada kasus sebelumnya, data statistik PDB riil industri mesin penambangan, penggalian dan konstruksi tidak tersedia dalam format publikasi PDB menurut lapangan usaha atau sektor. Untuk itu, nilai PDB dari industri tersebut akan diekstraksi dari PDB industri mesin dan perlengkapan (KBLI 2 digit) dengan menggunakan prosedur splitting yang telah dijelaskan sebelumnya. Dengan prosedur ini, selanjutnya juga dapat diproyeksi nilai PDB riil mesin penambangan, penggalian dan konstruksi dan PDB industri mesin dan perlengkapan lainnya hingga Triwulan-4 Tahun Industri Mesin dan Perlengkapan Industri Mesin Penambangan, Penggalian, dan Konstruksi 97,1% 98,3% 97,5% 94,2% 95,9% 96,4% 2,88% 1,74% 2,47% 5,79% 4,11% 3,56% Gambar Share PDB Industri Mesin dan Perlengkapan Data PDB riil industri mesin penambangan, penggalian dan konstruksi tegangan dan PDB industri mesin dan perlengkapan lainnya diperoleh dari publikasi Statistik Industri Besar Sedang (SIBS). Seperti pada kasus sebelumnya, publikasi tersebut hanya menyediakan data nilai tambah tahunan, bukan triwulanan seperti halnya data PDB 53

72 menurut lapangan usaha. Dan data terbaru publikasi SIBS sejauh ini hanya tersedia hingga tahun Dengan demikian, data SIBS yang digunakan pada kasus ini juga terbatas pada periode Atas alasan ini dan untuk keperluan forecasting, maka data nilai tambah industri-industri tersebut pada periode akan diinterpolasi dengan menggunakan metode cubic spline untuk mendapatkan perkiraan triwulanannya. Berbeda dengan data PDB industri mesin dan perlengkapan yang memiliki data aktual hingga periode Triwulan , data PDB industri mesin penambangan, penggalian dan konstruksi hanya tersedia hingga akhir tahun Dengan demikian, periode proyeksi bagi PDB industri mesin penambangan, penggalian dan konstruksi dan PDB industri mesin dan perlengkapan lainnya akan dimulai pada Triwulan hingga Triwulan Prosedur proyeksi yang dilakukan secara umum sama dengan kasus sebelumnya. Pada kasus ini akan digunakan hasil interpolasi data aktual share PDB industri mesin penambangan, penggalian dan konstruksi (KBLI 28240) terhadap total PDB industri mesin dan perlengkapan (KBLI 28). Berdasarkan tahapan pemodelan, diperoleh model yang sesuai adalah Model ETS Exponential Smoothing. Hasil proyeksi pangsa PDB industri mesin penambangan, penggalian dan konstruksi dan industri mesin dan perlengkapan lainnya disajikan pada Gambar Dapat dilihat bahwa perkiraan rata-rata pangsa PDB untuk industri-industri tersebut relatif tidak jauh berbeda dengan pangsa aktualnya pada periode Forecasting PDB riil industri mesin penambangan, penggalian dan konstruksi diperoleh dengan memanfaatkan hasil forecasting pangsa nilai tambah industri mesin penambangan, penggalian dan 54

73 konstruksi terhadap total PDB industri mesin dan perlengkapan. Selanjutnya dengan memanfaatkan hasil forecasting PDB industri mesin dan perlengkapan dan PDB deflatornya sepanjang Triwulan sampai Triwulan , dapat ditentukan nilai proyeksi PDB riil industri mesin penambangan, penggalian dan konstruksi sepanjang periode tersebut. Berdasarkan pendekatan tersebut, nilai PDB riil industri mesin penambangan, penggalian dan konstruksi diperkirakan akan meningkat hingga Triwulan Nilai PDB riil industri mesin penambangan, penggalian dan konstruksi pada Triwulan diperkirakan sebesar Rp 339,55 Milyar, meningkat menjadi Rp 402,38 Milyar pada Triwulan (lihat Gambar 4.23). Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan sebesar 5,38 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri mesin penambangan, penggalian dan konstruksi cenderung meningkat hingga Triwulan-IV % 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Forecast Industri MPPK Industri Mesin Gambar 4.22 Proyeksi Share Industri Mesin dan Peralatan YTDL 55

74 Seperti kasus sebelumnya, forecasting PDB riil industri mesin dan perlengkapan lainnya diperoleh dengan memanfaatkan hasil forecasting pangsa nilai tambah industri tersebut terhadap total PDB industri mesin dan perlengkapan. Selanjutnya, dengan memanfaatkan hasil forecasting PDB industri mesin dan perlengkapan dan PDB deflatornya sepanjang Triwulan sampai Triwulan , dapat ditentukan nilai proyeksi PDB riil industri mesin dan perlengkapan lainnya sepanjang periode tersebut. Berdasarkan pendekatan tersebut, nilai PDB riil industri mesin dan perlengkapan lainnya diperkirakan akan meningkat hingga Triwulan Forecast 450,00 400,00 350,00 300,00 250,00 200,00 150,00 100,00 50,00 0,00 200,0% 150,0% 100,0% 50,0% 0,0% -50,0% PDB Rill IMPPK Growth (%, Sb Kanan) Gambar 4.23 Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Mesin Penambangan, Penggalian dan Konstruksi 56

75 . Nilai PDB riil industri mesin dan perlengkapan lainnya pada Triwulan diperkirakan sebesar Rp 8.637,02 Milyar, meningkat menjadi Rp ,84 Milyar pada Triwulan (lihat Gambar 4.24). Pada periode tersebut rata-rata pertumbuhan per triwulannya diperkirakan sebesar 4,45 persen (yoy). Secara umum dapat dilihat bahwa PDB riil industri mesin dan perlengkapan lainnya cenderung meningkat hingga Triwulan-IV 2024 mengikuti tren jangka panjangnya. Forecast 12000, , , , , ,00 0,00 0,2 0,15 0,1 0,05 0-0,05-0,1-0,15-0, PDB Rill Industri Mesin Growth (%, Sb Kanan) Gambar 4.24 Proyeksi PDB riil dan Pertumbuhan PDB Riil Industri Mesin dan Perlengkapan 57

76 V. PENUTUP Kajian ini bertujuan melakukan peramalan (forecasting) nilai PDB dari sektor industri dan pemisahan (splitting) terhadap sektor industri strategis yang tidak muncul secara khusus dalam PDB nasional. Fokus kajian adalah melakukan pemisahan dan peramalan nilai PDB pada industri bahan kimia (split kimia dasar organik) dan industri barang dari bahan kimia (split cat dan tinta cetak, sabun, dan kosmetik), industri peralatan listrik (split industri pengubah tegangan, pengubah arus, dan pengontrol tegangan), dan Industri mesin dan perlengkapan (split industri mesin pertambangan, penggalian dan konstruksi). Secara umum metode forecasting yang digunakan adalah model ekonometrika univariate, yakni model ARMA/ARIMA beserta variannya dan model ETS Exponential Smoothing. Kajian ini menggunakan dua struktur data yang berbeda. Pertama, data PDB nasional menurut lapangan usaha (KBLI dua digit) yang dikumpulkan sepanjang Triwulan I 2010 sampai Triwulan Secara khusus lapangan usaha yang diobservasi adalah industri bahan kimia dan barang dari bahan kimia (KBLI 20), industri peralatan listrik (KBLI 27), dan industri mesin dan perlengkapan ytdl (KBLI 28). Kedua, data nilai tambah industri yang bersumber dari Statistik Industri Besar Sedang (SBIS) BPS, yang dikumpulkan sepanjang periode Penggunaan data SBIS dikarenakan tidak tersedianya publikasi data PDB menurut lapangan usaha (KBLI lima digit) untuk industri kimia dasar organik yang bersumber dari pertanian, industri cat dan tinta cetak, sabun, dan kosmetik, industri pengubah tegangan, pengubah arus, dan pengontrol tegangan, serta industri mesin pertambangan, penggalian dan konstruksi. Data nilai tambah ini 58

77 kemudian digunakan sebagai dasar untuk melakukan splitting PDB industri-industri tersebut dari data PDB lapangan usaha industri manufaktur dengan KBLI dua digit. Kajian ini menghasilkan nilai-nilai peramalan variabel-variabel berikut hingga akhir tahun 2024: 1) PDB Rill dan Pertumbuhan PDB Rill Industri Bahan Kimia dan Barang dari Bahan Kimia 2) Share PDB Industri Bahan Kimia dan Barang dari Bahan Kimia 3) PDB riil dan Pertumbuhan PDB Riil Industri Bahan Kimia 4) PDB riil dan Pertumbuhan PDB Riil Industri Barang dari Bahan Kimia 5) Share PDB Industri Bahan Kimia 6) PDB riil dan Pertumbuhan PDB Riil Industri Kimia Dasar Organik dari Pertanian 7) PDB riil dan Pertumbuhan PDB Riil Industri Bahan Kimia 8) Share PDB Industri Barang dari Bahan Kimia 9) PDB riil dan Pertumbuhan PDB Riil Industri Cat dan Tinta Cetak 10) PDB riil dan Pertumbuhan PDB Riil Industri Sabun dan Bahan Pembersih Keperluan RT 11) PDB riil dan Pertumbuhan PDB Riil Industri Kosmetik termasuk Pasta Gigi 12) PDB riil dan Pertumbuhan PDB Riil Industri Barang dari Bahan Kimia 13) PDB Rill dan Pertumbuhan PDB Rill Industri Peralatan Listrik 14) Share Industri Peralatan Listrik 59

78 15) PDB riil dan Pertumbuhan PDB Riil Industri Pengubah Tegangan, Pengubah Arus, dan Pengontrol Tegangan 16) PDB riil dan Pertumbuhan PDB Riil Industri Mesin dan Perlengkapan 17) Share Industri Mesin dan Perlengkapan 18) PDB riil dan Pertumbuhan PDB Riil Industri Mesin Penambangan, Penggalian dan Konstruksi 19) PDB riil dan Pertumbuhan PDB Riil Industri Mesin dan Perlengkapan 60

79 Periode LAMPIRAN 1. Hasil Splitting dan Forecasting Industri Bahan Kimia dan Barang dari bahan Kimia Bahan Kimia Share PDB (%) Barang dari bahan Kimia BKBBK PDB BKBBK (Rp Milyar) Riil Nominal PDB Nominal (Rp Milyar) Bahan Kimia Barang dari bahan Kimia BKBBK PDB BKBBK Deflator Bahan Kimia PDB Riil (Rp Milyar) Barang dari bahan Kimia BKBBK Bahan Kimia Growth (%) Barang dari bahan Kimia BKBBK Mar % 20.43% 8.64% Jun % 18.47% 8.14% Sep % 16.84% 7.60% Dec % 15.89% 6.99% Mar % 15.94% 6.25% % % % Jun % 17.17% 5.37% % -4.03% % Sep % 19.03% 4.41% % 31.03% % Dec % 20.81% 3.44% % 62.82% % Mar % 21.82% 2.53% % 63.11% % Jun % 21.54% 1.76% % 45.56% % Sep % 20.30% 1.19% % 15.14% % Dec % 18.62% 0.91% % % % Mar % 17.03% 1.00% % % % Jun % 15.95% 1.48% % % % Sep % 15.33% 2.20% % % 86.44% Dec % 15.02% 2.98% % % % Mar % 14.87% 3.61% % -3.47% % Jun % 14.75% 3.95% % -4.11% % Sep % 14.64% 4.04% % 1.51% 95.02% Dec % 14.52% 3.96% % -5.67% 29.82% Mar % 14.21% 3.76% % -9.46% -1.37% Jun % 14.21% 3.61% % -1.93% -6.95% Sep % 14.03% 3.59% % -0.45% -7.70% Dec % 13.83% 3.77% % 7.66% 7.50%

80 Periode PDB BKBBK Share PDB (%) PDB Nominal (Rp Milyar) PDB Riil (Rp Milyar) (Rp Milyar) Growth (%) PDB Barang Barang BKBBK Barang Barang Bahan dari BKBBK Bahan dari BKBBK Riil Nominal Deflator Bahan dari BKBBK Bahan dari BKBBK Kimia bahan Kimia bahan Kimia bahan Kimia bahan Kimia Kimia Kimia Kimia Mar % 13.83% 3.70% % 6.74% 7.96% Jun % 13.91% 3.59% % 7.36% 9.03% Sep % 13.79% 3.59% % 4.93% 6.66% - Dec % 13.65% 3.78% % % % % % % Mar % 13.68% 3.72% Jun % 13.79% 3.61% % -5.64% -4.28% Sep % 13.70% 3.61% % -4.97% -3.76% Dec % 13.58% 3.80% % 13.52% 14.73% Mar % 13.62% 3.73% % 17.56% 18.66% Jun % 13.75% 3.63% % 3.59% 4.44% Sep % 13.66% 3.63% % 4.22% 4.94% Dec % 13.55% 3.81% % 1.07% 1.63% Mar % 13.60% 3.75% % -0.39% 0.07% Jun % 13.73% 3.64% % 4.68% 5.10% Sep % 13.65% 3.63% % 4.61% 4.95% Dec % 13.54% 3.82% % 4.63% 4.90% Mar % 13.59% 3.75% % 4.65% 4.87% Jun % 13.72% 3.64% % 4.66% 4.85% Sep % 13.65% 3.64% % 4.68% 4.83% Dec % 13.53% 3.82% % 4.68% 4.80% Mar % 13.59% 3.75% % 4.69% 4.79% Jun % 13.72% 3.65% % 4.70% 4.78% Sep % 13.64% 3.64% % 4.70% 4.77% Dec % 13.53% 3.82% % 4.70% 4.75%

81 Periode PDB BKBBK Share PDB (%) PDB Nominal (Rp Milyar) PDB Riil (Rp Milyar) (Rp Milyar) Growth (%) PDB Barang Barang BKBBK Barang Barang Bahan dari BKBBK Bahan dari BKBBK Riil Nominal Deflator Bahan dari BKBBK Bahan dari BKBBK Kimia bahan Kimia bahan Kimia bahan Kimia bahan Kimia Kimia Kimia Kimia Mar % 13.59% 3.76% % 4.71% 4.75% Jun % 13.72% 3.65% % 4.71% 4.74% Sep % 13.64% 3.64% % 4.71% 4.74% Dec % 13.53% 3.82% % 4.71% 4.73% Mar % 13.59% 3.76% % 4.71% 4.73% Jun % 13.72% 3.65% % 4.71% 4.73% Sep % 13.64% 3.64% % 4.72% 4.73% Dec % 13.53% 3.82% % 4.72% 4.72%

82 LAMPIRAN 2. Hasil Splitting dan Forecasting Industri Bahan Kimia Periode Kimia Organik Pertanian Share PDB (%) PDB Nominal (Rp. Milyar) PDB Riil (Rp. Milyar) Growth (%) Kimia Bahan Kimia Kimia Organik Bahan Kimia Kimia Organik Bahan Kimia Bahan kimia Organik Pertanian Pertanian Pertanian Bahan Kimia Mar % 98.37% Jun % 92.87% Sep % 87.89% Dec % 83.98% Mar % 81.65% % -5.15% Jun % 81.27% % -4.64% Sep % 82.54% % 10.36% Dec % 84.97% % 23.49% Mar % 88.09% % 25.00% Jun % 91.45% % 29.25% Sep % 94.67% % 26.95% Dec % 97.43% % 18.00% Mar % 99.37% % 23.07% Jun % 95.73% % 16.97% Sep % 96.80% % 8.27% Dec % 97.33% % 8.20% Mar % 99.54% % 10.13% Jun % 99.24% % 5.81% Sep % 99.12% % 7.35% Dec % 99.12% % -1.23% Mar % 99.51% % -4.67% Jun % 99.42% % 3.07% Sep % 99.46% % 5.56% Dec % 99.20% % 14.31% Mar % 99.19% % 9.89%

83 Periode Kimia Organik Pertanian Share PDB (%) PDB Nominal (Rp. Milyar) PDB Riil (Rp. Milyar) Growth (%) Kimia Bahan Kimia Kimia Organik Bahan Kimia Kimia Organik Bahan Kimia Bahan kimia Organik Pertanian Pertanian Pertanian Bahan Kimia Jun % 99.18% % 9.84% Sep % 99.16% % 6.71% Dec % 99.15% % % Mar % 99.14% % % Jun % 99.13% % -4.78% Sep % 99.12% % -4.30% Dec % 99.10% % 14.14% Mar % 99.09% % 18.05% Jun % 99.08% % 3.91% Sep % 99.06% % 4.47% Dec % 99.05% % 1.25% Mar % 99.04% % -0.27% Jun % 99.02% % 4.77% Sep % 99.01% % 4.67% Dec % 98.99% % 4.67% Mar % 98.98% % 4.66% Jun % 98.97% % 4.66% Sep % 98.95% % 4.66% Dec % 98.94% % 4.66% Mar % 98.92% % 4.66% Jun % 98.90% % 4.65% Sep % 98.89% % 4.65% Dec % 98.87% % 4.65% Mar % 98.86% % 4.65% Jun % 98.84% % 4.65% Sep % 98.82% % 4.65% Dec % 98.81% % 4.65%

84 Periode Kimia Organik Pertanian Share PDB (%) PDB Nominal (Rp. Milyar) PDB Riil (Rp. Milyar) Growth (%) Kimia Bahan Kimia Kimia Organik Bahan Kimia Kimia Organik Bahan Kimia Bahan kimia Organik Pertanian Pertanian Pertanian Bahan Kimia Mar % 98.79% % 4.65% Jun % 98.77% % 4.65% Sep % 98.75% Dec % 98.74%

85 Periode LAMPIRAN 3. Hasil Splitting dan Forecasting Industri Barang dari Bahan Kimia Cat dan Tinta Cetak Share PDB (%) PDB Nominal (Rp. Milyar) PDB Riil (Rp. Milyar) Growth (%) Cat Cat Barang Barang Barang Cat dan Kosmetik dan Sabun Kosmetik dan Sabun Kosmetik Sabun dari BK dari BK dari BK Tinta dll Tinta dll dll Tinta dll dll dll Cetak Cetak Cetak Sabun dll Kosmetik dll Mar % 9.94% 35.98% 42.33% Jun % 11.30% 38.68% 37.01% Sep % 12.96% 40.52% 32.32% Dec % 15.18% 40.64% 28.89% Mar % 18.26% 38.18% 27.35% % 49.3% -13.7% -47.5% Jun % 22.31% 32.73% 28.05% % 89.4% -18.8% -27.3% Sep % 26.77% 25.65% 30.23% % 170.7% -17.1% 22.6% Dec % 30.87% 18.73% 32.83% % 231.1% -25.0% 85.0% Mar % 33.88% 13.78% 34.82% % 202.6% -41.1% 107.7% Jun % 35.22% 12.11% 35.45% % 129.8% -46.1% 84.0% Sep % 35.02% 13.12% 35.24% % 50.7% -41.1% 34.2% Dec % 33.57% 15.68% 34.99% % -5.8% -27.4% -7.6% Mar % 31.15% 18.72% 35.53% % -27.7% 6.8% -19.8% Jun % 28.09% 21.31% 37.41% % -38.7% 35.2% -18.9% Sep % 24.76% 23.32% 40.15% % -46.2% 35.4% -13.3% Dec % 21.59% 24.79% 43.03% % -44.8% 35.5% 5.4% Mar % 18.99% 25.77% 45.30% % -41.2% 32.9% 23.1% Jun % 17.25% 26.31% 46.41% % -41.1% 18.4% 19.0% Sep % 16.24% 26.52% 46.51% % -33.4% 15.4% 17.6% Dec % 15.72% 26.51% 45.95% % -31.3% 0.8% 0.7% Mar % 14.63% 26.20% 44.89% % -30.2% -7.9% -10.3% Jun % 14.65% 25.98% 44.12% % -16.7% -3.2% -6.8% Sep % 14.73% 25.57% 43.48% % -9.7% -4.0% -7.0% Dec % 15.35% 24.87% 42.70% % 5.1% 1.0% 0.0% Barang dari BK

86 Periode Cat dan Tinta Cetak Share PDB (%) PDB Nominal (Rp. Milyar) PDB Riil (Rp. Milyar) Growth (%) Cat Cat Barang Barang Barang Cat dan Kosmetik dan Sabun Kosmetik dan Sabun Kosmetik Sabun dari BK dari BK dari BK Tinta dll Tinta dll dll Tinta dll dll dll Cetak Cetak Cetak Sabun dll Kosmetik dll Mar % 16.58% 23.89% 41.71% % 20.9% -2.7% -0.8% Jun % 19.10% 22.76% 39.95% % 40.0% -5.9% -2.8% Sep % 22.72% 21.71% 37.68% % 61.8% -10.9% -9.1% Dec % 26.68% 20.89% 35.32% % 51.7% -26.7% -27.8% Mar % 30.47% 20.42% 33.09% % 61.1% -25.0% -30.5% Jun % 33.15% 20.32% 31.70% % 63.7% -15.8% -25.1% Sep % 34.65% 20.56% 31.06% % 45.0% -10.0% -21.7% Dec % 35.25% 21.08% 30.98% % 50.0% 14.5% -0.4% Mar % 35.11% 21.81% 31.36% % 35.5% 25.5% 11.4% Jun % 34.72% 22.65% 31.69% % 8.5% 15.5% 3.6% Sep % 33.94% 23.53% 32.08% % 2.1% 19.3% 7.6% Dec % 32.57% 24.35% 32.72% % -6.6% 16.7% 6.7% Mar % 30.56% 25.02% 33.65% % -13.3% 14.3% 6.9% Jun % 27.64% 25.45% 35.25% % -16.7% 17.6% 16.4% Sep % 24.21% 25.60% 37.32% % -25.4% 13.8% 21.7% Dec % 20.76% 25.44% 39.54% % -33.3% 9.3% 26.4% Mar % 17.72% 25.01% 41.70% % -39.3% 4.6% 29.7% Jun % 15.65% 24.37% 43.31% % -40.7% 0.2% 28.6% Sep % 14.48% 23.63% 44.36% % -37.4% -3.4% 24.4% Dec % 14.12% 22.88% 44.96% % -28.8% -5.9% 19.1% Mar % 14.47% 22.21% 45.16% % -14.5% -7.0% 13.4% Jun % 15.24% 21.69% 45.26% % 1.9% -6.8% 9.4% Sep % 16.50% 21.36% 45.19% % 19.3% -5.4% 6.7% Dec % 18.18% 21.24% 44.80% % 34.9% -2.8% 4.3% Mar % 20.13% 21.34% 44.05% % 45.7% 0.6% 2.1% Jun % 22.42% 21.63% 42.69% % 54.1% 4.4% -1.2% Barang dari BK

87 Periode Cat dan Tinta Cetak Share PDB (%) PDB Nominal (Rp. Milyar) PDB Riil (Rp. Milyar) Growth (%) Cat Cat Barang Barang Barang Cat dan Kosmetik dan Sabun Kosmetik dan Sabun Kosmetik Sabun dari BK dari BK dari BK Tinta dll Tinta dll dll Tinta dll dll dll Cetak Cetak Cetak Sabun dll Kosmetik dll Sep % 24.79% 22.08% 40.88% % 57.3% 8.3% -5.3% Dec % 27.03% 22.64% 38.86% % 55.7% 11.6% -9.2% Mar % 29.04% 23.25% 36.79% % 51.1% 14.1% -12.5% Jun % 30.45% 23.83% 35.07% % 42.3% 15.4% -14.0% Sep % 31.29% 24.32% 33.72% % 32.2% 15.3% -13.6% Dec % 31.60% 24.64% 32.70% % 22.4% 14.0% -11.9% Barang dari BK

88 LAMPIRAN 4. Hasil Splitting dan Forecasting Industri Peralatan Listrik Periode Pangsa PDB (%) PDB Nominal (Rp. Milyar) PDB Riill (Rp. Milyar) Growth (%) Peralatan Peralatan Peralatan Peralatan Peralatan Listrik PTPAPT Listrik PTPAPT Listrik PTPAPT Listrik Listrik PTPAPT Peralatan Listrik Mar % 93.54% Jun % 93.39% Sep % 93.11% Dec % 92.64% Mar % 91.97% % 13.79% Jun % 91.30% % 4.84% Sep % 90.86% % 6.42% Dec % 90.91% % 15.75% Mar % 91.59% % 9.77% Jun % 92.64% % 11.75% Sep % 93.71% % 11.50% Dec % 94.46% % 7.13% Mar % 94.64% % 6.32% Jun % 94.43% % 6.85% Sep % 94.15% % 14.64% Dec % 94.07% % 17.21% Mar % 94.43% % 9.89% Jun % 95.18% % 7.25% Sep % 96.18% % 4.83% Dec % 97.31% % -0.28% Mar % 97.37% % 3.17% Jun % 97.32% % 0.23% Sep % 97.31% % -0.45% Dec % 97.40% % 1.39% Mar % 97.37% % -0.27%

89 Periode Pangsa PDB (%) PDB Nominal (Rp. Milyar) PDB Riill (Rp. Milyar) Growth (%) Peralatan Peralatan Peralatan Peralatan Peralatan Listrik PTPAPT Listrik PTPAPT Listrik PTPAPT Listrik Listrik PTPAPT Peralatan Listrik Jun % 97.32% % -1.75% Sep % 97.31% % 0.47% Dec % 97.40% % 0.53% Mar % 97.37% % -4.15% Jun % 97.32% % 1.85% Sep % 97.31% % 4.84% Dec % 97.40% % 5.73% Mar % 97.37% % 17.17% Jun % 97.32% % 19.05% Sep % 97.31% % 7.96% Dec % 97.40% % 7.15% Mar % 97.37% % 8.77% Jun % 97.32% % 4.78% Sep % 97.31% % 6.60% Dec % 97.40% % 9.22% Mar % 97.37% % 5.25% Jun % 97.32% % 3.60% Sep % 97.31% % 5.78% Dec % 97.40% % 2.96% Mar % 97.37% % 0.51% Jun % 97.32% % 0.41% Sep % 97.31% % 1.33% Dec % 97.40% % 1.30% Mar % 97.37% % 0.53% Jun % 97.32% % -0.74% Sep % 97.31% % 0.52% Dec % 97.40% % 1.33%

90 Periode Pangsa PDB (%) PDB Nominal (Rp. Milyar) PDB Riill (Rp. Milyar) Growth (%) Peralatan Peralatan Peralatan Peralatan Peralatan Listrik PTPAPT Listrik PTPAPT Listrik PTPAPT Listrik Listrik PTPAPT Peralatan Listrik Mar % 97.37% % 0.78% Jun % 97.32% % 1.86% Sep % 97.31% % 2.31% Dec % 97.40% % 2.04%

91 LAMPIRAN 5. Hasil Splitting dan Forecasting Industri Mesin dan Perlengkapan Ytdl Periode Pangsa PDB (%) PDB Nominal (Rp. Milyar) PDB Riill (Rp. Milyar) Growth (%) Mesin dan Mesin dan Mesin dan Mesin dan Mesin dan Perlengkapan MPPK Perlengkapan MPPK Perlengkapan MPPK Perlengkapan Perlengkapan MPPK Mesin dan Perlengkapan Mar % 97.46% Jun % 97.77% Sep % 98.05% Dec % 98.26% Mar % 98.39% % 8.61% Jun % 98.36% % -5.33% Sep % 98.10% % -3.61% Dec % 97.53% % -4.09% Mar % 96.64% % % Jun % 95.62% % % Sep % 94.73% % -6.18% Dec % 94.21% % 2.81% Mar % 94.24% % 5.96% Jun % 94.68% % 11.01% Sep % 95.31% % 7.89% Dec % 95.89% % 8.73% Mar % 96.26% % -0.75% Jun % 96.43% % 5.96% Sep % 96.47% % 16.26% Dec % 96.44% % 15.07% Mar % % % 16.07% Jun % % % 9.66% Sep % % % 0.83% Dec % % % -4.57% Mar % % % 0.18%

92 Periode Pangsa PDB (%) PDB Nominal (Rp. Milyar) PDB Riill (Rp. Milyar) Growth (%) Mesin dan Mesin dan Mesin dan Mesin dan Mesin dan Perlengkapan MPPK Perlengkapan MPPK Perlengkapan MPPK Perlengkapan Perlengkapan MPPK Mesin dan Perlengkapan Jun % % % 6.28% Sep % % % 6.32% Dec % % % 9.50% Mar % % % 15.49% Jun % % % 4.19% Sep % % % 4.24% Dec % % % 14.54% Mar % % % 1.29% Jun % % % 7.41% Sep % % % 7.56% Dec % % % -0.77% Mar % % % 5.73% Jun % % % 4.29% Sep % % % 4.33% Dec % % % 4.41% Mar % % % 4.31% Jun % % % 4.29% Sep % % % 4.33% Dec % % % 4.40% Mar % % % 4.31% Jun % % % 4.29% Sep % % % 4.33% Dec % % % 4.40% Mar % % % 4.31% Jun % % % 4.29% Sep % % % 4.33% Dec % % % 4.40%

93 Periode Pangsa PDB (%) PDB Nominal (Rp. Milyar) PDB Riill (Rp. Milyar) Growth (%) Mesin dan Mesin dan Mesin dan Mesin dan Mesin dan Perlengkapan MPPK Perlengkapan MPPK Perlengkapan MPPK Perlengkapan Perlengkapan MPPK Mesin dan Perlengkapan Mar % % % 4.31% Jun % % % 4.30% Sep % % % 4.33% Dec % % % 4.40%

94