Contoh Data Sekunder dalam Penelitian Bidang Pertanian
Sebuah penelitian pastinya membutuhkan data untuk menghasilkan keputusan dan hasil penelitian yang dapat dipertanggungjawabkan kebenarannya. Baik itu data primer maupun data sekunder, keberadaan data sangatlah bermanfaat untuk menjawab tujuan penelitian yang telah kita susun sebelumnya. Salah satu jenis data yang banyak digunakan dalam berbagai jenis penelitian adalah data sekunder. Data sekunder adalah sumber data penelitian yang diperoleh peneliti secara tidak langsung melalui media perantara. Hal tersebut berarti bahwa peneliti berperan sebagai pihak kedua, karena tidak didapatkan secara langsung. Karena peneliti sebagai pihak kedua maka tidak dapat dipungkiri jika cara mendapatkan data sekunder ini terbilang efisien, fleksibel dan mudah diperoleh. Namun, kemudahan dalam memperoleh data sekunder juga terbilang tricky karena terkadang tidak semua data tersedia dalam kurun waktu tertentu. Dengan demikian, perlakuan data primer juga dilibatkan dalam penelitian data sekunder untuk melengkapi data yang tidak tersedia saat mendapatkan data yang kita inginkan. Oleh karena itu, data sekunder terkadang menjadi pilihan yang tepat bagi peneliti karena segi efisiensi waktu dan tingkat kemudahan dalam memperoleh data.
Di berbagai bidang studi maupun disiplin ilmu, bisa jadi cara mendapatkan data juga berbeda-beda. Hal ini tergantung dari kebutuhan peneliti sendiri ingin mencari data apa saja yang ingin ditonjolkan dan menjadi acuan dalam penelitian yang akan dilakukan. Misalnya dalam dunia pendidikan, data sekunder biasanya difokuskan pada jumlah penduduk yang melek baca, jumlah sekolah dan lain sebagainya. Dalam dunia kesehatan, misalnya untuk mengetahui jumlah kasus harian COVID-19 di beberapa provinsi di Indonesia dan nasional, tingkat prevalensi, angka harapan hidup, jumlah rumah sakit yang penuh dan masih banyak lagi yang lainnya. Tapi apakah sahabat data penasaran bagaimana contoh data sekunder dalam dunia pertanian? Kebetulan banget nih sahabat data. Pada artikel DQLab kali ini, kita akan membahas mengenai contoh data sekunder yang diaplikasikan dalam dunia pertanian. Dengan harapan bisa menjadi tambahan insight dan rekomendasi bagi kalian calon praktisi data, peneliti maupun data enthusiast. Jangan lewatkan artikel berikut ini, pastikan simak baik-baik, stay tune and keep scrolling on this article guys!
1. Badan Pusat Statistik
Badan Pusat Statistik (BPS) merupakan lembaga publik yang memiliki tugas dan tanggung jawab menyediakan data dan informasi di bidang statistik. Hal ini sesuai dengan amanat Undang-undang Nomor 16 Tahun 1997 tentang Statistik dan Peraturan Pemerintah Nomor 51 tahun 1999 tentang Penyelenggaraan Statistik. BPS menerbitkan berbagai data meliputi Sosial dan Kependudukan, Ekonomi dan Perdagangan, serta Pertanian dan Pertambangan. Setiap bagian tersebut akan dibagi lagi menjadi beberapa sub yang lebih mendalam. Dalam bidang pertanian, sumber data dari Badan Pusat Statistik (BPS) banyak digunakan untuk berbagai jenis penelitian. Contoh Inflasi, Indeks Harga Konsumen, Indeks Pembangunan Manusia (IPM), Ekspor-Impor, Nilai Tukar Petani, Produksi Pertanian dan lain sebagainya. Selain itu, jika kalian ingin mencari data langsung dalam bentuk banyak kalian juga bisa mengakses dalam bentuk publikasi statistik. Bisa dilihat langsung atau diunduh secara gratis melalui laman bps.go.id
Baca juga : Data Analisis : 2 Jenis Metode yang Penting Untuk Kamu Tahu dalam Analisis Data
2. Pusat Data dan Sistem Informasi Pertanian
Pusat Data dan Sistem Informasi Pertanian atau biasa disingkat Pusdatin merupakan lembaga di bawah naungan Kementerian Pertanian Republik Indonesia. Pusat Data dan Sistem Informasi Pertanian biasanya menerbitkan Buletin Konsumsi Pangan yang terbit setiap triwulan. Buletin konsumsi pangan ini merupakan terbitan tahun keempat, berisi informasi gambaran umum konsumsi pangan di Indonesia, konsumsi rumah tangga dan ketersediaan konsumsi per kapita serta konsumsi di negara-negara dunia terutama untuk komoditas yang banyak dikonsumsi masyarakat. Buletin ini disajikan perkembangan konsumsi Beras, Jagung, Bawang Merah, Gula Pasir dan Telur Ayam Ras dan lain-lain. Data yang disajikan dalam buletin ini diolah oleh Pusat Data dan Sistem Informasi Pertanian, Kementerian Pertanian bersumber dari hasil Survei Sosial Ekonomi Nasional (SUSENAS) BPS, Neraca Bahan Makanan (NBM), Badan Ketahanan Pangan dan website FAO (Food Agriculture Organization). Selain itu, Pusat Data dan Sistem Informasi Pertanian juga menyediakan berbagai statistik pertanian berupa outlook terkait komoditas pertanian seperti perkebunan, tanaman semusim, tanaman hias mulai dari data produksi, konsumsi, luasan lahan dan data lain yang menunjang penelitian dan membutuhkan data-data tersebut.
3. UN Comtrade
UN COMTRADE adalah nama samaran untuk Database Statistik Perdagangan Internasional PBB. Lebih dari 170 negara/wilayah reporter memberikan kepada Divisi Statistik Perserikatan Bangsa-Bangsa (UNSD) data statistik perdagangan internasional tahunan dan bulanan yang dirinci menurut kategori komoditas/jasa dan negara mitra. Data ini selanjutnya diubah menjadi format standar Divisi Statistik Perserikatan Bangsa-Bangsa dengan pengkodean dan penilaian yang konsisten menggunakan sistem pemrosesan. UN COMTRADE adalah penyimpanan terbesar data perdagangan internasional. Ini berisi lebih dari 40 miliar catatan data sejak tahun 1962 dan tersedia untuk umum di internet. Selain itu, ia menawarkan API data publik dan premium untuk integrasi/pengunduhan yang lebih mudah.
Semua nilai komoditas dikonversi dari mata uang nasional ke dolar AS menggunakan nilai tukar yang disediakan oleh negara-negara pelapor, atau diturunkan dari nilai pasar bulanan dan volume perdagangan. Kuantitas, jika disediakan dengan data negara pelapor dan jika memungkinkan, dikonversi menjadi unit metrik. Komoditas dilaporkan dalam klasifikasi dan revisi saat ini (HS 2012 pada sebagian besar kasus pada 2016) dan dikonversi hingga klasifikasi paling awal SITC revisi 1. Oleh karena itu, jika data diterima dalam versi HS 2012, data tersebut dikonversi ke HS 2007, HS 2002, HS1996, HS1988, SITC rev. 3, putaran SITC. 2, putaran SITC. 1 dan BEC. Data disimpan secara permanen di server database UN COMTRADE.
4. Statistik Kementerian Perdagangan
Publikasi Statistik Perdagangan Luar Negeri Indonesia (Ekspor) merupakan merupakan publikasi tahunan yang diterbitkan oleh BPS. Sumber utama data ekspor diperoleh dari Ditjen Bea dan Cukai berupa dokumen Pemberitahuan Ekspor Barang (PEB). Sumber data lainnya diperoleh dari data PT. Pos Indonesia, catatan instansi lain di perbatasan, serta hasil pendataan ekspor di wilayah perbatasan laut. Pengelompokan komoditas dalam publikasi ini menggunakan kode Harmonized Systems(HS) 2017 sehingga dapat dibandingkan secara internasional. Data disajikan dalam satuan berat bersih (kilogram) dan nilai FOB (dolar AS) yang dirinci menurut komoditas dan negara tujuan. Pada tahun 2019 nilai ekspor Indonesia mencapai 167.683,0 juta dolar AS, mengalami penurunan yang cukup signifikan jika dibandingkan tahun 2018 sebesar 6,85 persen. Dari keseluruhan nilai ekspor Indonesia tersebut, sebanyak 92,97 persen (155.893,7 juta dolar AS) merupakan ekspor komoditas nonmigas dan 7,03 persen (11.789,3 juta dolar AS) merupakan ekspor komoditas migas. Ekspor komoditas migas didominasi oleh komoditas gas alam sedangkan ekspor komoditas nonmigas didominasi oleh komoditas industri pengolahan
Baca juga : Langkah-Langkah Menggunakan Teknik Analisis Data Kualitatif
5. Tingkatkan Pengetahuan Olah Datamu Bersama DQLab!
Data menjadi salah satu komponen penting yang tidak dapat terpisahkan dari adanya suatu penelitian. Maka dari itu, diperlukan ketelitian dan kejelian untuk mengubah data mentah atau data tidak terstruktur menjadi sebuah insight yang valuable. Dengan mempelajari Data Science, kamu akan terlatih dan terbiasa untuk menghasilkan informasi dari olahan data mentah dan insight yang valuable.
Jika kamu penasaran dengan data science dan ingin belajar data science secara langsung, caranya mudah banget. Kamu bisa loh untuk coba bikin akun gratisnya kesini di DQLab.id/signup. Nikmati pengalaman belajar data science yang menarik bersama DQLab yang seru dan menyenangkan dengan live code editor. Cobain juga free module Introduction to Data Science with R dan Introduction to Data Science with Python untuk menguji kemampuan data science kamu. Kalian juga bisa mencoba studi kasus penerapan real case industry. Ayo persiapkan dirimu untuk berkarir sebagai praktisi data yang kompeten!
Penulis: Reyvan Maulid Pradistya