Electronic Theses and Dissertation

Nilai Tukar Petani (NTP) merupakan indikator penting dalam mengukur tingkat kesejahteraan petani serta kinerja sektor pertanian. Pergerakan NTP tidak hanya berubah dari waktu ke waktu, tetapi juga dapat dipengaruhi hubungan antarwilayah yang berdekatan secara geografis. Penelitian ini bertujuan untuk menganalisis keterkaitan spasial dan temporal serta meramalkan NTP di Provinsi Sumatera Utara, Sumatera Barat, dan Riau menggunakan model Generalized Space Time Autoregressive (GSTAR). Data yang digunakan adalah data bulanan NTP periode Januari 2019 hingga Desember 2025 yang diperoleh dari Badan Pusat Statistik (BPS). Analisis meliputi analisis deskriptif, uji stasioneritas, uji heterogenitas spasial, identifikasi orde model, serta estimasi parameter dengan Ordinary Least Squares (OLS). Hasil penelitian menunjukkan adanya keterkaitan temporal pada ketiga provinsi, sedangkan keterkaitan spasial terjadi secara tidak merata. Model terbaik adalah GSTAR(3,1,1) dengan bobot normalisasi korelasi silang yang memenuhi asumsi white noise dan normalitas. Model menghasilkan nilai RMSE sebesar 7,942, MAE sebesar 6,852, dan MAPE sebesar 4,712%. Nilai VAF sebesar 91,139% dan OI sebesar 0,978 yang menunjukkan tingkat kesesuaian model yang baik. Hasil peramalan menunjukkan bahwa NTP tertinggi terjadi di Provinsi Riau, yang saling memengaruhi dengan Provinsi Sumatera Utara. Sedangkan NTP Sumatera Barat cenderung konstan dan tidak dipengaruhi oleh kedua provinsi lainnya. Secara keseluruhan, model GSTAR layak digunakan untuk peramalan NTP pada ketiga provinsi tersebut.

The Farmers' Exchange Rate (NTP) or Farmers’ Term of Trade is an important indicator of farmers' welfare and the performance of the agricultural sector. Movements in the NTP are changing not only by time but also by spatial interrelationships between geographically adjacent regions. This study aims to analyze spatial and temporal correlations and to forecast the NTP in North Sumatra, West Sumatra, and Riau provinces using the Generalized Space-Time Autoregressive (GSTAR) model. The data used is monthly NTP data for the period of January 2019 to December 2025 obtained from the Central Statistics Agency (BPS). The analysis includes descriptive analysis, stationarity testing, spatial heterogeneity testing, model order identification, and parameter estimation using Ordinary Least Squares (OLS). The results of the study show that there is a temporal relationship in the three provinces, while the spatial relationship occurs unevenly. The best model is GSTAR(3,1,1) with cross-correlation normalization weights that meet the assumptions of white noise and normality. The model produced an RMSE value of 7,942, an MAE of 6,852, and a MAPE of 4,712%. The VAF value of 91,139% and OI of 0,978 indicate a good level of model fit. The forecasting results show that the highest NTP is expected to occur in Riau Province, which interacts with North Sumatra Province. Meanwhile, West Sumatra's NTP is relatively constant and is not influenced by the other two provinces. Overall, the GSTAR model is suitable for forecasting NTP in these three provinces.