Ciptaningtyas.
et al.
,/Barakuda 45 7 .
, 328-340 e-ISSN : 2656-7474 DOI:https://doi.
org/10.
47685/barakuda45.
NERACA KOMODITAS IKAN TUNA DI INDONESIA
Tuna Fish Commodity Balance In Indonesia Intan Savitri Ciptaningtyas.
Syarif Imam Hidayat2*).
Nisa Hafi Idhoh Fitriana.
1,2,3 Program Studi Agribisnis.
Fakultas Pertanian.
Universitas Pembangunan Nasional AuVeteranAy Jawa Timur Jl.
Rungkut Madya No.
1 Gunung Anyar.
Surabaya.
Jawa Timur 60294 *)Korespondensi: syarifimamhidayat@yahoo.
Received: 12 Mei 2025.
Received in revised form: 14 Juli 2025.
Accepted: 12 November 2025
ABSTRAK
Neraca komoditas merupakan kumpulan data dan informasi yang menggambarkan kondisi konsumsi dan produksi suatu komoditas tertentu, baik untuk memenuhi kebutuhan masyarakat maupun sektor industri dalam periode waktu tertentu dan berlaku secara nasional.
Analisis neraca komoditas ikan tuna di Indonesia sangat penting untuk memahami keseimbangan antara produksi dan konsumsi serta dampaknya terhadap kebijakan perikanan dan ekonomi nasional.
Namun, masalah seperti overfishing, keterbatasan infrastruktur, dan rendahnya konsumsi domestik menjadi tantangan utama yang perlu diatasi.
Oleh karena itu, tujuan penelitian ini yaitu untuk: .
menganalisis neraca komoditas ikan tuna di Indonesia, dan .
peramalan produksi dan konsumsi ikan tuna di Indonesia.
Penelitian ini mengambil objek Indonesia ke Jepang.
Data yang digunakan kuantitatif dengan sumber data sekunder dari Badan Pusat Statistik (BPS) dan Kementerian Kelautan dan Perikanan (KKP) Tahun 1994 Ae 2023.
Data time series selama 30 Tahun dianalisis menggunakan metode kuantitatif dengan pendekatan deskriptif untuk analisis neraca komoditas serta model ARIMA untuk peramalan produksi dan konsumsi ikan tuna di Indonesia yang dipilih berdasarkan hasil uji stasioneritas, plot ACFPACF, serta kriteria AIC.
SC, dan HC terendah.
Hasil penelitian menunjukkan bahwa selama Tahun 1994 Ae 2023, neraca komoditas ikan tuna di Indonesia secara umum mengalami surplus, terutama setelah Tahun 2015 dikarenakan terjadi adanya lonjakan produksi.
Model ARIMA .
, 1, .
dipilih sebagai model terbaik untuk produksi, sedangkan ARIMA .
, 1, .
untuk konsumsi.
Peramalan menggunakan ARIMA menunjukkan tren peningkatan, baik pada produksi maupun konsumsi ikan tuna mulai Tahun 2024-2030.
Rekomendasi kebijakan agar pemerintah meningkatkan efisiensi produksi, memperkuat kualitas produk sesuai standar ekspor, serta memperluas akses pasar domestik guna meningkatkan konsumsi ikan tuna nasional.
Kata Kunci: Ikan Tuna.
Neraca Komoditas.
Produksi.
Konsumsi.
ARIMA
ABSTRACT
Commodity balance is a collection of data and information that describes the consumption and production conditions of a particular commodity, both to meet the needs of the community and the industrial sector in a certain period of time and applies nationally.
Analysis of the tuna commodity balance in Indonesia is very important to understand the balance between production and consumption and its impact on fisheries policy and the national economy.
addition, forecasting tuna production and consumption also plays a crucial role in ensuring resource sustainability and market balance in the future.
However, issues such as overfishing.
Ciptaningtyas.
et al.
,/Barakuda 45 7 .
, 328-340 e-ISSN : 2656-7474 DOI:https://doi.
org/10.
47685/barakuda45.
infrastructure limitations, and low domestic consumption pose significant challenges that need to be addressed.
Therefore, the objectives of this study are: .
analyze the tuna commodity balance in Indonesia, and .
forecast tuna production and consumption in Indonesia.
This research takes the object of Indonesia to Japan.
The data used is quantitative with secondary data sources from Badan Pusat Statistik (BPS) and Kementerian Kelautan dan Perikanan (KKP) from 1994 - 2023.
Time series data for 30 years were analyzed using quantitative methods with a descriptive approach for commodity balance analysis and ARIMA models for forecasting tuna production and consumption in Indonesia, selected based on stationarity tests.
ACF-PACF plots, and the lowest AIC.
SC, and HC criteria.
The ARIMA .
, 1, .
model was selected as the best model for production, while ARIMA .
, 1, .
was chosen for consumption.
Forecasting using ARIMA indicates an upward trend in both tuna production and consumption from 2024 to 2030.
Policy recommendations for the government to improve production efficiency, strengthen product quality according to export standards, and expand domestic market access to increase national tuna consumption.
Keywords: Tuna Fish.
Commodity Balance.
Production.
Consumption.
ARIMA
PENDAHULUAN
keberlanjutan stok ikan di perairan Indonesia.
Selain itu, banyak pelaku industri perikanan belum sepenuhnya mengadopsi prinsip keberlanjutan dan ramah lingkungan, yang berdampak pada kualitas ekspor dan daya saing di pasar Pemerintah Indonesia menerbitkan Peraturan Presiden Republik Indonesia Nomor 61 Tahun 2024 tentang Neraca Komoditas sebagai bentuk reformasi tata kelola perdagangan yang Penyusunan komoditas tuna menjadi penting untuk mengevaluasi ketersediaan dan kebutuhan nasional, baik untuk keperluan domestik maupun ekspor.
Neraca komoditas merupakan basis data terintegrasi yang mencerminkan kondisi konsumsi dan produksi suatu komoditas dalam periode tertentu, dan menjadi dasar dalam pengambilan kebijakan ekspor dan impor (Gupta, 2.
Pemerintah dapat melihat penggunaan izin ekspor dan impor untuk membatasi dan mengontrol perdagangan, yang mana nantinya terdapat basis data yang terintegrasi melalui neraca komoditas.
Minimnya kajian yang membahas neraca komoditas ikan tuna masih menjadi tantangan, terutama karena sebagian besar penelitian sebelumnya hanya menyoroti aspek produksi dan ekspor, tanpa Indonesia adalah negara kepulauan dengan ribuan pulau yang tersebar luas, menjadikannya sebagai negara maritim terbesar di dunia yang berada di zona tropis.
Menurut informasi dari Badan Informasi Geospasial.
Indonesia memiliki luas wilayah daratan seluas 1,9 juta km2, sementara wilayah perairan mencapai 6,4 juta km2.
Hal tersebut menjadikan Indonesia kaya akan potensi perikanan dalam hal jumlah maupun variasinya (Hasanah, 2.
Perikanan terdiri dari beberapa komoditas utama, salah satunya yaitu ikan tuna.
Sebagai salah satu komoditas unggulan di Indonesia, ikan tuna pendapatan ekonomi negara dan juga menjadi tumpuan ekspor hasil laut Indonesia ke pasar global.
Industri perikanan tuna di Indonesia menghadapi berbagai tantangan yang Di satu sisi.
Indonesia merupakan salah satu produsen tuna terbesar di dunia, namun di sisi lain, sektor ini kerap mengalami kendala seperti praktik overfishing (Firdaus dkk.
, 2.
, distribusi infrastruktur yang tidak merata, serta konsumsi domestik yang masih rendah.
Praktik Ciptaningtyas.
et al.
,/Barakuda 45 7 .
, 328-340 e-ISSN : 2656-7474 DOI:https://doi.
org/10.
47685/barakuda45.
mengaitkannya secara langsung dengan dinamika konsumsi domestik maupun proyeksi jangka panjang.
Selain itu, penerapan metode peramalan kuantitatif yang menggabungkan informasi produksi dan konsumsi dalam satu model terpadu juga belum banyak diimplementasikan dalam konteks sektor perikanan nasional.
Penelitian ini dirancang untuk menjawab kesenjangan tersebut melalui analisis neraca komoditas ikan tuna di Indonesia, disertai dengan proyeksi tren produksi dan konsumsi menggunakan pendekatan model ARIMA.
Hasil analisis ini diharapkan dapat perumusan kebijakan strategis berbasis data, memperkuat tata kelola perikanan yang berkelanjutan, serta mendorong peningkatan konsumsi ikan tuna domestik dan daya saing Indonesia di pasar global.
deskriptif yaitu data ditampilkan dalam bentuk tabel yang kemudian dideskripsikan menggunakan kalimat penulis secara sistematis dan mudah dimengerti.
Langkah Ae langkahnya sebagai berikut:
Gambar 1.
Langkah Ae Langkah Analisis Neraca Komoditas Ikan Tuna di Indonesia Sumber : Peneliti, 2025 Data dalam penelitian ini adalah data produksi dan konsumsi ikan tuna pada Tahun 1994 Ae 2023 yang dijadikan sebagai data penelitian untuk mengetahui neraca komoditas ikan tuna di Indonesia selama tiga puluh tahun terakhir.
Proses penelitian ini meliputi beberapa tahapan penting, yaitu pengumpulan data, analisis data, dan interpretasi hasil.
Tahap pengumpulan data.
Data dikumpulkan melalui pencarian di database, seperti Badan Pusat Statistik Indonesia (BPS).
Kementerian Kelautan dan Perikanan (KKP) dan United Nations Commodity Trade Statistics Database (Un Comtrad.
Tahap kedua adalah pengelompokan data produksi dan konsumsi ikan tuna Indonesia Pengelompokan disesuaikan dengan tahun dan jenis ikan yang diekspor .
esuai dengan batasan METODE PENELITIAN Penelitian ini menganalisis neraca komoditas ikan tuna di Indonesia dan peramalan jumlah produksi dan konsumsi ikan tuna di Indonesia.
Sehingga, pendekatan yang digunakan dalam penelitian ini yaitu deskriptif kuantitatif dengan data sekunder.
Data sekunder adalah data yang diperoleh secara sistematis berupa data runtun waktu serta berasal dari berbagai dokumen atau laporan yang diterbitkan oleh lembaga terkait maupun sumber pendukung lainnya.
Data yang digunakan dalam penelitian ini mencakup data runtun waktu .
ime serie.
selama tiga puluh tahun terakhir mulai dari Tahun 1994 Ae 2023 yang bersumber dari Badan Pusat Statistik (BPS).
Kementerian Kelautan dan Perikanan (KKP), pendukung seperti literatur, media massa maupun media elektronik .
Metode analisis data menggunakan analisis deskriptif kuantitatif berdasarkan dari hasil perhitungan oleh rumus Ae rumus.
Sesuai dengan tujuan penelitian antara lain:
Tujuan penelitian pertama terkait AuMenganalisis Neraca Komoditas Ikan Tuna di IndonesiaAy dianalisis secara Tabel 1.
Neraca Komoditas Ikan Tuna di Indonesia Tahun Produ (To.
Konsu (To.
Sumber : Peneliti, 2025 Nera (To.
Stat A.
Ciptaningtyas.
et al.
,/Barakuda 45 7 .
, 328-340 e-ISSN : 2656-7474 DOI:https://doi.
org/10.
47685/barakuda45.
Tahap ketiga adalah memasukkan data konsumsi, produksi ikan tuna Indonesia, dan neraca pada Tabel 1.
Nilai neraca dapat diketahui dengan mengurangi volume produksi dengan konsumsi ikan tuna Indonesia.
Tahap keempat adalah analisis data.
Data yang terkumpul dianalisis secara kualitatif dan kuantitatif dengan pendekatan deskriptif.
Berdasarkan analisis data, peneliti menyusun mengenai produksi dan konsumsi tuna di Indonesia.
pertahunnya mengalami defisit atau surplus ikan tuna.
antar variabel terhadap satu sama lain.
dan rekomendasi kebijakan yang tepat Metodologi penelitian yang sistematis dan komprehensif ini diharapkan dapat memberikan gambaran yang jelas mengenai kondisi ikan tuna di Indonesia sehingga dapat dimanfaatkan oleh seluruh stakeholder.
Tujuan penelitian kedua terkait AuMenganalisis Peramalan Jumlah Produksi dan Konsumsi Tuna di IndonesiaAy dianalisis menggunakan model ARIMA.
Tahapan Ae tahapan analisis yang dilakukan sebagai Uji Stasioneritas, diuji menggunakan Augmented Dickey-Fuller (ADF) dan Phillips-Perron (PP).
Jika data tidak melalui first differencing hingga data menjadi stasioner.
Nilai d dalam ARIMA .
,d,.
ditentukan dari proses Identifikasi Nilai p dan q, nilai parameter p dan q ditentukan Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF) terhadap data yang telah Estimasi dan Pemilihan Model Terbaik, beberapa kombinasi model diuji dan model terbaik dipilih berdasarkan nilai kriteria informasi terendah: Akaike Information Criterion (AIC).
Schwarz
Criterion (SC), dan Hannan-Quinn
Criterion
(HQC),
memperhatikan prinsip parsimoni.
Uji Diagnostik Model, validitas model diuji dengan mengkaji Uji Normalitas Residual (Jarque-Bera Tes.
Uji Autokorelasi Residual (Ljung-Box QStatisti.
, dan Uji Heteroskedastisitas (Correlogram of Squared Residual.
Validasi dan Evaluasi Akurasi Model, akurasi model dinilai setelah proses forecasting menggunakan indikator Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE).
Metode validasi silang .
tidak digunakan karena karakteristik deret waktu yang tidak train/test seperti pada model machine Evaluasi dilakukan secara expost dari hasil forecast.
Peramalan dan Interpretasi, berdasarkan model ARIMA terbaik yang telah divalidasi, dilakukan proyeksi terhadap volume produksi dan konsumsi ikan tuna Indonesia hingga tahun 2030.
Hasil proyeksi digunakan untuk menyusun arah kebijakan pengelolaan komoditas secara berkelanjutan dan memperkuat sistem neraca komoditas nasional.
HASIL DAN PEMBAHASAN
Neraca Komoditas Ikan Tuna di Indonesia Menurut Peraturan Presiden Republik Indonesia Nomor 61 Tahun 2024 tentang Neraca komoditas merupakan data dan informasi yang memuat situasi konsumsi dan produksi komoditas tertentu untuk kebutuhan Ciptaningtyas.
et al.
,/Barakuda 45 7 .
, 328-340 e-ISSN : 2656-7474 DOI:https://doi.
org/10.
47685/barakuda45.
penduduk dan keperluan industri dalam kurun waktu tertentu yang ditetapkan dan berlaku secara nasional.
Tabel 2.
Neraca Komoditas Ikan Tuna di Indonesia .
4 Ae 2.
Produksi Konsumsi Neraca Status (To.
(To.
(To.
Surplus Surplus Surplus Surplus Surplus Defisit Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Surplus Sumber : Data olahan penelitian, 2025 Berdasarkan hasil analisis yang telah berarti Indonesia mengonsumsi lebih banyak dilakukan, neraca komoditas ikan tuna di ikan tuna daripada yang dihasilkannya.
Tinggi Indonesia selama Tahun 1994 Ae 2023 secara rendahnya produksi ikan tuna dipengaruhi oleh umum surplus.
Analisis neraca komoditas ikan beberapa faktor, salah satunya yaitu musim tuna ini diperoleh dengan menghitung selisih penangkapan dan upwelling.
Menurut Sofiati antara jumlah produksi dan konsumsi setiap dan Alwi .
mengetahui pola musim Kondisi surplus berarti produksi ikan penangkapan dapat menjadi satu cara tuna lebih besar daripada konsumsi ikan tuna meningkatkan produksi ikan tuna.
Penangkapan pada tahun tersebut.
Dengan kata lain, ikan tuna yang memberikan hasil optimal bagi Indonesia menghasilkan lebih banyak ikan tuna para nelayan yaitu terjadi pada musim puncak daripada yang dikonsumsi oleh masyarakat bulan Maret dan Mei.
Selain itu, terjadinya .
, sehingga terdapat kelebihan yang upwelling di beberapa perairan, salah satunya bisa diekspor atau disimpan.
Kondisi defisit yaitu perairan Manokwari yang berada di berarti konsumsi ikan tuna lebih besar daripada Provinsi Papua Barat juga dapat meningkatkan produksi ikan tuna pada tahun tersebut.
Hal ini produksi ikan tuna.
Faktor lainnya yang dapat Tahun Ciptaningtyas.
et al.
,/Barakuda 45 7 .
, 328-340 e-ISSN : 2656-7474 DOI:https://doi.
org/10.
47685/barakuda45.
memengaruhi jumlah produksi tangkapan ikan tuna yaitu jumlah alat tangkap, penggunaan penangkapan, dan jumlah pelaku penangkapan (Firdaus dkk.
, 2.
Tingginya produksi atau kelebihan produksi yang terjadi perlu dibaca secara kritis karena tidak serta merta menunjukkan kondisi yang berkelanjutan.
Peningkatan konsumsi ikan tuna di Indonesia salah satunya didukung oleh program Kampanye Gerakan Memasyarakatkan Makan Ikan (GEMARIKAN).
Kementerian Kelautan dan Perikanan (KKP) terus menggalakkan program ini dengan sasaran daerah Ae daerah yang angka konsumsinya masih rendah, salah satunya yaitu penduduk yang tinggal di wilayah perbukitan (Pramanta dkk.
, 2.
Meskipun ikan tuna kaya akan kandungan gizi dan memiliki potensi untuk meningkatkan pola makan sehat masyarakat, namun hal tersebut tetap memengaruhi daya beli masyarakat yang pendapatannya rendah karena faktor utama yang menentukan konsumsi seorang konsumen adalah tingkat pendapatan konsumen tersebut (Suparmono, 2.
Selain itu, diversifikasi produk olahan tuna, seperti tuna kaleng, abon tuna, dan frozen fillet juga akan memengaruhi konsumsi tuna di Indonesia karena dapat memberikan kemudahan, kestabilan harga, dan menyesuaikan dengan perubahan pola konsumsi masyarakat.
Defisit neraca komoditas ikan tuna pada tahun 1999 merupakan indikasi adanya masalah serius dalam produksi ikan tuna di Indonesia pada tahun tersebut.
Status defisit ini menunjukkan bahwa produksi domestik tidak mampu memenuhi permintaan konsumsi dalam negeri maupun ekspor tuna itu sendiri.
Salah satu indikasi yang menyebabkan defisit neraca komoditas ikan tuna pada Tahun 1999 ialah fenomena El Nino pada Tahun 1997/1998.
Menurut As-syakur .
dalam penelitiannya yang berjudul AuPola Spasial Pengaruh Kejadian La Nina terhadap Curah Hujan di Indonesia Tahun 1998/1999.
Observasi Menggunakan Data TRMM Multisatellite Precipitation Analysis (TMPA) 3B43Ay menunjukkan pada periode April Ae Desember 1998 sebagian besar wilayah perairan Indonesia, terutama di wilayah Selatan dan Tengah yang mana termasuk zona penangkapan utama ikan tuna seperti Laut Banda.
Laut Flores, dan perairan NTT menunjukkan anomali suhu positif atau pemanasan, dengan intensitas tinggi pada bulan Juni Ae November.
Kondisi menyebabkan perairan menjadi kurang produktif karena rendahnya nutrien.
Anomali suhu positif di beberapa wilayah perairan masih terjadi pada awal Tahun 1999.
Hal ini menunjukkan bahwa efek El Nino bersifat persisten sehingga memengaruhi musim awal penangkapan tuna pada Tahun 1999.
Neraca komoditas ikan tuna Indonesia secara umum menunjukkan kondisi surplus, namun kondisi ini masih menghadapi tantangan struktural yang signifikan.
Surplus produksi yang tidak diimbangi dengan pengendalian produksi dan pengawasan terhadap aktivitas penangkapan berisiko mendorong terjadinya eksploitasi berlebih .
(Firdaus , 2.
mencatat bahwa selama periode 1991 Ae 2015 terjadi penurunan stok tuna dengan tingkat deplesi sebesar 2.
828 Ton/Tahun yang menjadi indikasi tekanan berlebihan terhadap sumber daya.
Oleh karena itu, indikator keberlanjutan seperti laju deplesi stok ikan, status eksploitasi .
isalnya fully exploited, overfishe.
, serta jumlah tangkapan yang diperbolehkan (JTB) perlu dipantau secara terpadu bersama dengan neraca komoditas.
Pendekatan ini bertujuan agar analisis kinerja perikanan tidak hanya berfokus pada dimensi ekonomi, tetapi juga memperhatikan aspek ekologis dan konservasi.
Sejalan dengan hal tersebut Anderson dkk.
, .
menekankan bahwa evaluasi perikanan harus dilakukan berdasarkan pendekatan triple bottom line yaitu ekologi, ekonomi, dan sosial guna memperoleh gambaran yang utuh atas kinerja perikanan.
Peramalan Jumlah Produksi dan Konsumsi Tuna di Indonesia Perkembangan sektor perikanan tuna di Indonesia dengan analisis terhadap data historis produksi dan konsumsi selama tiga dekade terakhir menunjukkan adanya kecenderungan tren peningkatan yang disertai dengan fluktuasi pada beberapa periode tertentu.
Penelitian ini menggunakan data deret waktu selama 30 tahun terakhir dan menerapkan model ARIMA (Autoregressive Integrated Moving Averag.
, yang merupakan pendekatan univariat berbasis data historis.
Model ini digunakan untuk mengidentifikasi dan memproyeksikan pola masa depan tanpa mempertimbangkan pengaruh langsung dari variabel eksternal.
Ciptaningtyas.
et al.
,/Barakuda 45 7 .
, 328-340 e-ISSN : 2656-7474 DOI:https://doi.
org/10.
47685/barakuda45.
seperti kondisi alam, efisiensi armada penangkapan, maupun perubahan kebijakan dan dinamika pasar.
Dengan demikian, pola pertumbuhan dan fluktuasi yang dihasilkan sepenuhnya bergantung pada perilaku data masa lalu.
Meskipun memiliki keterbatasan dalam menangkap pengaruh faktor eksternal, mengevaluasi dinamika jangka pendek dan memberikan gambaran awal tentang tren produksi dan konsumsi ikan tuna di masa mendatang berdasarkan karakteristik statistik historis yang tersedia.
Peramalan adalah salah satu metode untuk memperkirakan informasi prediksi dalam menentukan arah masa depan dengan menggunakan data runtun waktu.
Model Gambar 2.
di atas menunjukkan bahwa produksi ikan tuna di Indonesia mengalami fluktuasi dan bersifat trend.
Data tersebut tidak berfluktuasi di sekitar rata Ae rata yang konstan sehingga harus dilakukan pengujian untuk kestasioneran data.
Gambar 3.
Plot Data Time Series Konsumsi Ikan Tuna di Indonesia Sumber : Data olahan penelitian, 2025 Gambar 3.
di atas menunjukkan bahwa konsumsi ikan tuna di Indonesia juga mengalami fluktuasi dan bersifat trend.
Data tersebut belum stasioner .
ata tidak berfluktuasi di sekitar rata Ae rata yang konsta.
sehingga harus dilakukan pengujian untuk kestasioneran Uji Stasioneritas ARIMA digunakan dalam penelitian ini untuk meramalkan tren produksi dan konsumsi ikan tuna di Indonesia pada periode 2024 Ae 2030 berdasarkan data historis mulai tahun 1994 hingga 2023.
Dalam proses peramalan produksi dan konsumsi ikan tuna, beberapa asumsi digunakan untuk menjaga akurasi prediksi, yaitu: .
Tren produksi dan konsumsi ikan tuna terus meningkat sesuai dengan pola historis, .
Kondisi ekonomi dan kebijakan perikanan tetap stabil tanpa perubahan drastis, .
Teknologi penangkapan dan distribusi tetap sama seperti periode sebelumnya, serta .
Tidak terjadi gangguan eksternal seperti perubahan iklim ekstrem atau kebijakan eksporAeimpor yang Jika salah satu asumsi berubah, maka tren peramalan dapat berubah dan hasilnya perlu ditinjau kembali.
Identifikasi Pola Data Produksi Konsumsi Ikan Tuna di Indonesia Gambar 4.
Hasil Uji Stasioneritas Produksi Ikan Tuna Pada Tingkat 1st Difference Sumber : Data olahan penelitian, 2025 Setelah dilakukan differencing pada tingkat 1st, hasil uji ADF menunjukkan bahwa nilai probabilitas variabel produksi tuna sebesar 0,0001 yaitu kurang dari 0,05 sehingga signifikan dan data telah stasioner.
Hal ini berarti data menjadi lebih stabil dan memiliki rata-rata serta varians yang konstan.
Gambar 2.
Plot Data Time Series Produksi Ikan Tuna di Indonesia Tahun 1994 Ae 2023 Sumber : Data olahan penelitian, 2025 Gambar 5.
Hasil Uji Stasioneritas Konsumsi Ikan Tuna Pada Tingkat 1st Difference Sumber : Data olahan penelitian, 2025 Ciptaningtyas.
et al.
,/Barakuda 45 7 .
, 328-340 e-ISSN : 2656-7474 DOI:https://doi.
org/10.
47685/barakuda45.
Setelah dilakukan differencing pada tingkat 1st, hasil uji ADF menunjukkan bahwa nilai probabilitas variabel konsumsi tuna sebesar 0,0000 yaitu kurang dari 0,05 sehingga signifikan dan data telah stasioner.
Hal ini berarti data menjadi lebih stabil dan memiliki rata-rata serta varians yang konstan sepanjang Kesimpulan pada tahap ini adalah data stasioner pada first difference, maka unsur AodAo dalam model ARIMA .
, d, .
Sehingga menggunakan ARIMA .
, 1, .
Langkah selanjutnya adalah menentukan nilai p dan q.
Karena baik ACF maupun PACF tidak menunjukkan lonjakan signifikan di lag tertentu setelah differencing pertama, beberapa model ARIMA yang dapat dibentuk yaitu .
, 1, .
, .
, 1, .
, .
, 1, .
, dan .
, 1, .
Autocorrelation Function (ACF) variabel konsumsi menunjukkan adanya satu lag signifikan pada lag 1 (-0.
yang melewati batas signifikansi.
Setelah itu, tidak ada lagi lag yang signifikan.
Sedangkan.
Partial Autocorrelation Function (PACF) variabel konsumsi juga menunjukkan adanya satu lag signifikan pada lag 1 (-0.
yang melewati batas signifikansi.
Setelah itu, tidak ada lagi lag yang signifikan.
Berdasarkan pola ACF dan PACF, beberapa model ARIMA yang dapat dibentuk yaitu .
, 1, .
, 1, .
, 1, .
, 1, .
Langkah selanjutnya adalah estimasi dan pemilihan model terbaik.
Identifikasi Nilai p dan q Penentuan AopAo atau orde autoregressive (AR) dan AoqAo atau orde moving average (MA) dilakukan dengan menganalisis plot ACF dan PACF.
Hasil Autocorrelation Function (ACF) variabel produksi ikan tuna menunjukkan korelasi antara data dengan lag sebelumnya.
Tidak adanya lag yang secara signifikan melebihi batas signifikansi .
aris putus-putu.
, menunjukkan tidak adanya autokorelasi signifikan pada lag manapun.
Korelasi menurun Sedangkan Partial Autocorrelation Function (PACF) variabel produksi ikan tuna menunjukkan korelasi antara data dengan lag sebelumnya setelah menghilangkan pengaruh lag di antara keduanya, serupa dengan ACF.
Estimasi dan Pemilihan Model Terbaik Pemilihan model terbaik untuk forecasting ditentukan berdasarkan nilai AIC (Akaike Information Criteretio.
SC (Schwarz Criterio.
dan HC (Hannan-Quinn Crite.
Menurut (Ekananda, 2.
pemilihan model berdasarkan nilai signifikansi koefisien ARIMA dan nilai Akaike Information Criteretion (AIC) terendah.
Tabel 3.
Pemilihan Model Terbaik Produksi Ikan Tuna di Indonesia
Model ARIMA
AIC
Adjusted R-Squared Variabel Signifikan .
,1,.
,1,.
,1,.
,1,.
Sumber : Data olahan peneliti, 2025 Pemilihan model yang paling sesuai .
untuk variabel produksi ikan tuna yaitu pada model ARIMA .
, 1, .
yang memiliki nilai AIC yaitu 24,40944.
nilai SC yaitu 24,55088.
dan nilai HC yaitu 24,45374 terendah di antara semua model yang diuji.
Tabel 4.
Pemilihan Model Terbaik Konsumsi Ikan Tuna di Indonesia
Adjusted Model ARIMA
AIC
R-Squared .
,1,.
,1,.
,1,.
,1,.
Sumber : Data olahan peneliti, 2025 Variabel Signifikan Ciptaningtyas.
et al.
,/Barakuda 45 7 .
, 328-340 e-ISSN : 2656-7474 DOI:https://doi.
org/10.
47685/barakuda45.
Pemilihan model yang paling sesuai .
untuk variable konsumsi ikan tuna yaitu pada model ARIMA .
, 1, .
yang memiliki nilai AIC yaitu 23,89436.
nilai SC yaitu 24,03580.
dan nilai HC yaitu 23,93866 terendah di antara semua model yang diuji.
Setelah model terbaik yang terpilih yaitu ARIMA .
, 1, .
untuk produksi dan ARIMA .
, 1, .
untuk konsumsi, dilakukan estimasi parameter dan evaluasi performa model.
Evaluasi mencakup uji normalitas residual (Jarque-Ber.
, uji autokorelasi, dan uji heteroskedastisitas Uji Diagnostik Model produksi, tidak ditemukan autokorelasi yang signifikan hingga lag ke-12.
Hal ini ditunjukkan oleh seluruh nilai probabilitas .
-valu.
yang berada di atas tingkat signifikansi 5%, dengan nilai p tertinggi mencapai 0,975 pada lag ke-12.
Oleh karena itu, dapat disimpulkan bahwa residual dari model ARIMA untuk variabel produksi tidak menunjukkan pola autokorelasi, dan telah memenuhi asumsi white noise.
Kemudian, untuk variabel konsumsi juga tidak ditemukan autokorelasi yang signifikan hingga lag ke-12.
Seluruh nilai probabilitas .
-valu.
berada di atas tingkat signifikansi 5%, dengan nilai p tertinggi mencapai 0,982 pada lag ke-12.
Oleh karena itu, dapat disimpulkan bahwa residual dari model ARIMA untuk variabel konsumsi tidak menunjukkan pola autokorelasi, dan telah memenuhi asumsi white noise.
Uji Normalitas Residual Gambar 6.
Hasil Uji Normalitas Produksi Sumber : Data olahan peneliti, 2025 Berdasarkan hasil uji normalitas menggunakan Jarque-Bera pada Gambar 6.
residual dari model ARIMA untuk variabel produksi ikan tuna menunjukkan nilai probabilitas .
-valu.
sebesar 0,050516 yang berada sedikit di atas ambang signifikansi 5%.
Dengan demikian, residual dapat dianggap mengikuti distribusi normal.
Hal ini mendukung validitas model dalam memenuhi asumsi distribusi error.
Uji Heteroskedastisitas Uji heteroskedastisitas dilakukan dengan mengamati autokorelasi dalam kuadrat residual menggunakan plot ACF.
PACF, dan Qstatistic hingga lag ke-12.
Berdasarkan hasil uji heteroskedastisitas yang dilakukan terhadap model ARIMA untuk variabel produksi dan konsumsi ikan tuna, diperoleh bahwa seluruh nilai probabilitas lebih besar dari 0,05.
Hal ini menunjukkan bahwa tidak terdapat autokorelasi yang signifikan dalam varians residual pada kedua model tersebut.
Dengan demikian, baik model produksi maupun konsumsi tidak menunjukkan indikasi heteroskedastisitas, dan struktur varians residual dapat dianggap stabil sepanjang waktu.
Series: Y Sample 1994 2023 Observations 30 Mean Median Maximum Minimum Std.
Dev.
Skewness Kurtosis Jarque-Bera Probability Gambar 7.
Hasil Uji Normalitas Konsumsi Sumber : Data olahan peneliti, 2025 Berdasarkan hasil uji normalitas menggunakan Jarque-Bera pada Gambar 7.
residual untuk variabel konsumsi ikan tuna menunjukkan nilai probabilitas .
-valu.
sebesar 0,072245.
Karena p-value lebih besar dari tingkat signifikansi 5%, maka tidak terdapat cukup bukti untuk menyimpulkan bahwa residual tidak normal.
Dengan demikian, residual dapat dianggap mengikuti distribusi normal pada tingkat signifikansi tersebut.
Forecasting 1,600,000 1,200,000 800,000 400,000 -400,000 -800,000 Forecast: XF Actual: X Forecast sample: 1994 2030 Adjusted sample: 1996 2030 Included observations: 35 Root Mean Squared Error 102256.
Mean Absolute Error 84325.
Mean Abs.
Percent Error Theil Inequality Coef.
Bias Proportion Variance Proportion Covariance Proportion 0.
Theil U2 Coefficient Symmetric MAPE A 2 S.
Gambar 8.
Hasil Uji Forecasting Produksi Ikan Tuna di Indonesia .
4 Ae 2.
Sumber : Data olahan peneliti, 2025 Uji Autokorelasi Berdasarkan hasil uji autokorelasi residual menggunakan grafik ACF dan PACF serta uji Ljung-Box (Q-statisti.
variabel Ciptaningtyas.
et al.
,/Barakuda 45 7 .
, 328-340 e-ISSN : 2656-7474 DOI:https://doi.
org/10.
47685/barakuda45.
Hasil peramalan produksi ikan tuna dengan model ARIMA menunjukkan tren peningkatan secara bertahap dari Tahun 2024 Pada grafik, garis biru mewakili prediksi jumlah produksi setiap tahun, sedangkan garis putus-putus di atas dan di bawahnya menggambarkan batas atas dan bawah dari interval kepercayaan (A2 standard Semakin ke depan, jarak antara batas atas dan bawah semakin lebar, yang menandakan tingkat ketidakpastian prediksi jangka panjang.
Nilai Root Mean Square Error (RMSE) sebesar 102.
253,6 ton dan Mean Absolute Error (MAE) sebesar 84.
325,87 ton menunjukkan rata-rata besar kesalahan prediksi model dalam satuan ton.
Sementara itu, nilai Mean Absolute Percentage Error (MAPE) mencapai 229,48%, yang tergolong tinggi dan mengindikasikan adanya deviasi besar dalam skala persentase.
Namun demikian, nilai TheilAos Inequality Coefficient (TheilAos U) sebesar 0,2505 menunjukkan bahwa model masih mampu memberikan hasil peramalan yang cukup baik secara umum.
800,000
600,000
400,000
200,000
-200,000
-400,000
Tabel 5.
Hasil Forecasting Produksi dan Konsumsi Ikan Tuna di Indonesia .
4 Ae Tahun Forecast Produksi (To.
751,90 826,20 900,50 974,80 049,00 123,30 197,60 Forecast Konsumsi (To.
155,70 351,10 546,60 742,00 937,50 132,90 328,40 Sumber : Data olahan peneliti, 2025 Hasil forecasting di atas dapat disimpulkan bahwa selama 7 tahun ke depan .
4 Ae 2.
berdasarkan data historis, terlihat adanya pertumbuhan produksi dengan rata Ae rata sebesar 10.
318 Ton/Tahun dan konsumsi ikan tuna sebesar 7.
080 Ton/Tahun.
Tren ini mengindikasikan bahwa sektor perikanan tuna di Indonesia berpotensi berkembang lebih lanjut jika tidak ada gangguan signifikan dari faktor internal maupun eksternal serta permintaan ikan tuna di Indonesia juga akan terus meningkat.
Namun perlu diingat, peningkatan produksi dapat menyebabkan eksploitasi berlebih bila Penelitian oleh Aryani dkk.
Wilayah Pengelolaan Perikanan (WPP) Indonesia 573 telah mengalami overfishing.
Peningkatan konsumsi dapat disebabkan oleh peningkatan pendapatan masyarakat.
Secara teoritis, faktor pendapatan dan harga merupakan faktor utama yang memengaruhi permintaan (Arthatiani , 2.
Perlu dicermati bahwa model ARIMA yang digunakan dalam studi ini merupakan model univariat, yang berarti hanya menggunakan satu variabel waktu dan tidak memasukkan pengaruh faktor eksternal secara Oleh karena itu, hasil peramalan ini berlaku di bawah asumsi ceteris paribus, yakni tidak terjadi perubahan besar pada variabel Pemilihan model ARIMA didasarkan pada ketersediaan data historis selama lebih dari 30 tahun yang bersifat runtun waktu tahunan, serta karena model ini mampu menangkap pola tren dan fluktuasi internal dari data produksi dan konsumsi tuna tanpa memerlukan data Forecast: YF Actual: Y Forecast sample: 1994 2030 Adjusted sample: 1995 2030 Included observations: 36 Root Mean Squared Error 48523.
Mean Absolute Error 40344.
Mean Abs.
Percent Error Theil Inequality Coef.
Bias Proportion Variance Proportion Covariance Proportion Theil U2 Coefficient 2030 Symmetric MAPE A 2 S.
Gambar 9.
Hasil Uji Forecasting Konsumsi Ikan Tuna di Indonesia .
4 Ae 2.
Sumber : Data olahan peneliti, 2025 Hasil peramalan konsumsi ikan tuna dengan model ARIMA menunjukkan tren peningkatan secara bertahap dari hingga Tahun 253,15 ton dan Mean Absolute Error (MAE) sebesar 40.
344,89 ton, yang berarti rata-rata kesalahan prediksi masih cukup besar secara absolut.
Nilai Mean Absolute Percentage Error (MAPE) juga cukup tinggi yaitu 115,82%, yang menunjukkan bahwa kesalahan model terhadap data aktual cukup signifikan secara persentase.
Meski demikian, nilai Symmetric MAPE yang lebih rendah yaitu 63% menunjukkan bahwa penyimpangan model tidak terlalu ekstrem jika dibandingkan secara proporsional.
Namun demikian, nilai TheilAos U sebesar 0,2505 menunjukkan bahwa model masih mampu memberikan hasil peramalan yang cukup baik secara umum.
Ciptaningtyas.
et al.
,/Barakuda 45 7 .
, 328-340 e-ISSN : 2656-7474 DOI:https://doi.
org/10.
47685/barakuda45.
penjelas tambahan.
Dengan demikian.
ARIMA merupakan metode yang tepat untuk perkembangan ke depan berdasarkan pola masa permintaan domestik akan mendorong pertumbuhan agribisnis dari sisi hilir.
Ketika konsumsi domestik naik, maka rantai pasok agribisnis akan terdorong untuk menyesuaikan kapasitas dan kualitas layanan, dari nelayan, pelaku logistik, hingga pengecer.
Mengingat ikan tuna adalah komoditas pengelolaannya harus dilakukan secara berkelanjutan agar populasi tuna tetap terjaga dan ekosistem laut tidak terganggu.
Pemerintah Indonesia secara berkala telah menetapkan Jumlah Tangkapan yang Diperbolehkan (JTB) melalui regulasi, seperti yang tercantum dalam Keputusan Menteri Kelautan dan Perikanan Nomor 50/KEPMEN-KP/2017 Tahun 2017 tentang estimasi potensi, jumlah tangkapan yang diperbolehkan, dan tingkat pemanfaatan sumber daya ikan di Wilayah Pengelolaan Perikanan Negara Republik Indonesia serta Peraturan Menteri Kelautan dan Perikanan Nomor 19 Tahun 2022 tentang Statuta Politeknik Kelautan dan Perikanan Jembrana, 2022 yang mana hingga saat ini dijadikan pedoman dalam proses penangkapan ikan pada Wilayah Pengelolaan Perikanan Republik Indonesia (WPPRI).
Oleh karena itu, diperlukan pengawasan atau kebijakan yang lebih ketat guna mencegah praktik penangkapan berlebihan .
oleh oknum tertentu pada WPP-RI, sehingga ketersediaan ikan yang ada di wilayah perairan Indonesia tetap terjaga.
Rekomendasi Kebijakan Komoditas Ikan Tuna Pengembangan infrastruktur perikanan perlu dilakukan seiring meningkatnya volume produksi tuna di Indonesia.
Fasilitas infrastruktur penting yang diperlukan menurut (Nainggolan dkk.
, 2.
adalah air bersih dan sanitasi, listrik dan energi termasuk bahan bakar minyak (BBM).
Selain itu, infrastruktur pendingin atau cold storage sangat penting dalam menciptakan rantai pasokan yang efektif dan efisien.
Dengan infrastruktur yang memadai, jual beli ikan tuna akan lebih efisien dan ketersediaan ikan tuna berkualitas tinggi bagi konsumen domestkc maupun ekspor juga akan lebih terjamin.
Rendahnya konsumsi tuna di Indonesia dapat diatasi dengan meningkatkan kampanye edukasi dan promosi konsumsi ikan atau yang GEMARIKAN.
Menurut Subakir dkk.
, .
optimalisasi strategi GEMARIKAN melalui media cetak, digital dan elektronik menjadi peningkatan konsumsi ikan di kalangan masyarakat berpendapatan rendah.
Peningkatan SIMPULAN kebijakan perikanan, atau dinamika pasar Tingkat kesalahan prediksi (MAPE) yang cukup tinggi juga menunjukkan diperhatikan dalam penggunaan proyeksi ini untuk pengambilan keputusan.
Industri tuna Indonesia masih menghadapi tantangan berupa risiko pengelolaan, keterbatasan infrastruktur rantai pasok, serta rendahnya konsumsi ketergantungan pada pasar ekspor.
Kondisi ini membuat industri tuna rentan terhadap fluktuasi permintaan global dan perubahan Implikasi praktis dari temuan ini Berdasarkan hasil penelitian dapat disimpulkan bahwa analisis neraca komoditas ikan tuna di Indonesia selama Tahun 1994 Ae 2023 secara umum surplus, kecuali pada Tahun 1999 yang tercatat defisit menandakan adanya fluktuasi yang pengelolaan sumber daya.
Hasil forecasting selama 7 tahun ke depan untuk produksi ikan tuna yaitu berkisar antara 360.
000 Ton Ae 420.
000 Ton, sedangkan untuk konsumsi ikan tuna berkisar antara 170.
000 Ton Ae 000 Ton.
Namun, hasil ini perlu diinterpretasikan dengan hati-hati karena model yang digunakan bersifat univariat, yang artinya hanya mempertimbangkan data historis tanpa melibatkan variabel Ciptaningtyas.
et al.
,/Barakuda 45 7 .
, 328-340 e-ISSN : 2656-7474 DOI:https://doi.
org/10.
47685/barakuda45.
ekonomi, dan sosial secara berimbang, serta perlunya penguatan sistem pengawasan, peningkatan infrastruktur, dan diversifikasi produk untuk mendorong konsumsi Selain itu, pengembangan model peramalan yang lebih komprehensif dengan memasukkan variabel eksternal sangat diperlukan agar hasil proyeksi dapat lebih adaptif terhadap dinamika industri.
Dengan demikian, hasil studi ini diharapkan dapat menjadi dasar perumusan kebijakan yang lebih adaptif, berbasis data, dan berorientasi pada keberlanjutan industri perikanan tuna di Indonesia.
As-syakur.
Pola Spasial Pengaruh Kejadian La Nina Terhadap Curah Hujan di Indonesia Tahun 1998/1999.
Observasi Menggunakan Data
TRMM
Multisatellite Precipitation Analysis (TMPA) 3B43.
Prosiding Pertemuan Ilmiah Tahunan MAPIN XVII AuTeknologi Geospasial Untuk Ketahanan Pangan dan Pembangunan Berkelanjutan,Ay 230Ae Ekananda, .
Analisis Ekonometrika Time Series Edisi 2.
Mitra Wacana Media.
Firdaus.
Fauzi.
, dan Falatehan.
Deplesi Sumber Daya Ikan Tuna dan Cakalang di Indonesia.
Jurnal Sosial Ekonomi Kelautan Dan Perikanan, 13.
, https://doi.
org/10.
15578/jsekp.
Gupta.
Perubahan Kebijakan Perdagangan Peraturan Presiden No.
32/2022 Tentang Neraca Komoditas.
CipsIndonesia.
Org/Donate, 13, 1Ae12.
Hasanah.
Karakteristik Wilayah Daratan dan Perairan di Indonesia.
Jurnal Geografi, 20, 1Ae6.
Keputusan Menteri Kelautan dan Perikanan Nomor 50/KEPMEN-KP/2017 Tahun 2017 Tentang Estimasi Potensi.
Jumlah Tangkapan Yang Diperbolehkan.
Tingkat Pemanfaatan Sumber Daya Ikan di Wilayah Pengelolaan Perikanan Negara Republik Indonesia.
https://peraturan.
id/Details/15 9676/kepmen-kkp-no-50kepmenkp2017-tahun-2017 Nainggolan.
Tampubolon.
, dan Ginting.
Pengembangan Sektor Perikanan Menuju Hilirisasi Industri Untuk Mendukung Pembangunan Ekonomi Wilayah Kabupaten Serdang Bedagai Provinsi Sumatera Utara.
Jurnal Saintek Perikanan, 15.
, 139Ae148.
Peraturan Menteri Kelautan dan Perikanan DAFTAR PUSTAKA