Pemodelan Keragaman Indeks Ketahanan Pangan di Indonesia dengan Pendekatan Spasial Temporal, Analisis Efisiensi, dan Penggerombolan

Abstract

Ketahanan pangan yang digambarkan oleh ukuran Indeks Ketahanan Pangan (IKP) umumnya memiliki variasi permasalahan regional antar wilayahnya dan cenderung berfluktuasi antar tahunnya, sehingga diperlukan pendekatan penanganan yang disesuaikan dengan kondisi masing-masing wilayah. Penelitian ini menggunakan pendekatan geographically temporally weighted regression yang memungkinkan untuk memodelkan keragaman spasial dan temporal dalam data, dan sesuai dengan sifat data ketahanan pangan yaitu cenderung bervariasi antar wilayah dan tahun. Selanjutnya output analisis tersebut diperdalam dengan data envelopment analysis untuk menilai efisiensi pemanfaatan sumber daya terhadap kondisi ketahanan pangan antar wilayah dan menggunakan penggerombolan k-medoid untuk melakukan perbandingan kondisi pangan antar kelompok wilayah. Seluruh wilayah di Indonesia menjadi objek penelitian ini, yaitu sebanyak 514 kabupaten/kota selama tahun 2020-2022. Hasil dari penelitian menunjukkan bahwa peubah angka harapan hidup, laju pertumbuhan penduduk, persentase penduduk miskin, produksi tanaman pangan, dan pengeluaran per kapita berpengaruh pada taraf nyata 5% terhadap nilai IKP di sebagian besar wilayah, dengan nilai Pseudo R^2 sebesar 91.2%. Hasil analisis DEA menunjukkan terdapat dua puluh tujuh daerah di Indonesia yang selalu konsisten dengan tingkat efisiensi ketahanan pangan maksimum. Namun secara keseluruhan, kemampuan efisiensi mengalami penurunan yang cukup signifikan pada tahun 2022. Hal ini diperkuat dengan hasil analisis gerombol k-medoid bahwa dari tiga gerombol yang terbentuk (gerombol dengan IKP cenderung tinggi, sedang, dan rendah), gerombol dengan tingkat ketahanan pangan rendah mengalami peningkatan sebesar 9% dari tahun 2020 ke tahun 2022 yang perlu diperhatikan.

Food security, which is represented by the Food Security Index (FSI) measure, generally has regional variations between regions and tends to fluctuate between years, so a handling approach that is tailored to the conditions of each region is needed. This study uses a geographically temporally weighted regression approach that allows to model spatial and temporal variability in the data, which is in accordance with the nature of food security data, which tends to vary between regions and years. Then the output of the analysis is deepened with data envelopment analysis to assess the efficiency of resource utilization towards food security conditions between regions and using k-medoid clustering to compare food conditions between regional groups. All regions in Indonesia became the object of this research, namely 514 districts/cities during 2020-2022. The results of the study indicated that the variables of life expectancy, population growth rate, percentage of poor people, food crop production, and per capita expenditure have a significant effect on the FSI value in most regions, with a Pseudo R^2 value of 91.2%. The results of DEA analysis showed that there are twenty seven regions in Indonesia that are always consistent with the maximum level of food security efficiency. But overall, the efficiency ability has decreased significantly in 2022. This is reinforced by the results of the k-medoid clustering analysis that of the three clusters formed (clusters with IKP tending to be high, medium, and low), the cluster with a low level of food security has increased by 9% from 2020 to 2022, which needs more attention.