Analisis Probabilistik Spasial-Temporal Sistem Produksi Pajale Indonesia

Authors

  • Restu Puji Hidayat Pusat Sosial Ekonomi dan Kebijakan Pertanian Author

Keywords:

Clustering Probabilistik, Commodity Production Signature, Data Sains Pertanian, Gaussian Mixture Mode, Sistem Produksi Padi-Jagung-Kedelai

Abstract

Struktur produksi dan dinamika temporal sistem produksi padi, jagung, dan kedelai (Pajale) di Indonesia dianalisis menggunakan pendekatan probabilistik berbasis data melalui Gaussian Mixture Model (GMM). Data panel tahunan tingkat provinsi berupa produksi dan luas panen periode 2005–2024 digunakan untuk mengidentifikasi struktur produksi laten, dinamika temporal, pola ketidakpastian, dan perbedaan efisiensi wilayah. Kerangka analisis mengintergrasikan harmonisasi data, clustering probabilistik, analisis dinamika temporal, analisis ketidakpastian, serta klasifikasi tipologi wilayah berbasis produktivitas. Commodity Production Signature (CPS) digunakan untuk menggambarkan kontribusi struktural relatif antarkomoditas secara probabilistik dalam sistem produksi. Hasil analisis mengidentifikasi empat tipologi utama sistem produksi dengan perbedaan wilayah yang jelas dan stabilitas kluster yang tinggi. Analisis temporal menunjukkan persistensi yang kuat dan transisi antarkluster yang terbatas, dengan pola transisi yang berbeda secara signifikan dari ekspetasi acak, sehingga mengindikasikan adanya dinamika temporal yang terstruktur antartipologi produksi. Integrasi CPS dan produktivitas berhasil mengidentifikasi wilayah inti efisien (efficient core regions), wilayah dengan struktur kuat namun memerlukan peningkatan (structurally strong regions with improvement potential), wilayah berkembang (emerging regions), dan wilayah yang memerlukan penguatan lebih lanjut (developing regions). Pendekatan berbasis tipologi wilayah berpotensi mendukung pengembangan strategi pembangunan pertanian yang lebih adaptif dan sesuai dengan karakteristik regional.

Downloads

Published

2026-09-18

Issue

Section

Statistika dan Sains Data