Dataset “Luas Tanaman dan Produksi Kelapa Sawit Tanaman Perkebunan Rakyat menurut Kabupaten/Kota” diperoleh dari Badan Pusat Statistik Provinsi Sumatera Utara yang bersumber dari Dinas Perkebunan Provinsi Sumatera Utara Link Dataset Dengan batasan tahun yang ambil yaitu dari tahun 2017 - 2021.

Library yang digunakan

library(readr)
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.2     ✔ purrr     1.0.1
## ✔ forcats   1.0.0     ✔ stringr   1.5.0
## ✔ ggplot2   3.4.2     ✔ tibble    3.2.1
## ✔ lubridate 1.9.2     ✔ tidyr     1.3.0
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(dplyr)
library(ggplot2)

Upload Dataset

getwd()
## [1] "/cloud/project"
sawit <- read_csv("data_sawit_sumut_2017_2021.csv")
## Warning: One or more parsing issues, call `problems()` on your data frame for details,
## e.g.:
##   dat <- vroom(...)
##   problems(dat)
## Rows: 169 Columns: 4
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (3): Kabupaten_Kota, Jumlah_Produksi, Tahun
## dbl (1): Luas_Tanaman
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

Melihat Struktur Database

str(sawit)
## spc_tbl_ [169 × 4] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
##  $ Kabupaten_Kota : chr [1:169] "Nias" "Nias" "Nias" "Nias" ...
##  $ Luas_Tanaman   : num [1:169] NA NA NA NA NA ...
##  $ Jumlah_Produksi: chr [1:169] NA NA NA NA ...
##  $ Tahun          : chr [1:169] "2017" "2018" "2019" "2020" ...
##  - attr(*, "spec")=
##   .. cols(
##   ..   Kabupaten_Kota = col_character(),
##   ..   Luas_Tanaman = col_double(),
##   ..   Jumlah_Produksi = col_character(),
##   ..   Tahun = col_character()
##   .. )
##  - attr(*, "problems")=<externalptr>

Merubah Format Data

Dikarenakan masih adanya beberapa Variabel yang belum sesuai format datanya sebelum dianalisis lebih lanjut, maka kita harus merubahnya terlebih dahulu. Dalam data ini sendiri ada beberapa variabel yang harus diubah format datanya seperti variabel Jumlah_Produksi dari Type Data Character ke Number dan begitupula dengan variabel Tahun.

sawit_clean <- sawit %>%
  mutate(
    Tahun = as.numeric(Tahun),
    Jumlah_Produksi = as.numeric(Jumlah_Produksi)
  )
## Warning: There were 2 warnings in `mutate()`.
## The first warning was:
## ℹ In argument: `Tahun = as.numeric(Tahun)`.
## Caused by warning:
## ! NAs introduced by coercion
## ℹ Run `dplyr::last_dplyr_warnings()` to see the 1 remaining warning.

Melihat Kembali Database Sesudah Merubah Format Data

str(sawit_clean)
## tibble [169 × 4] (S3: tbl_df/tbl/data.frame)
##  $ Kabupaten_Kota : chr [1:169] "Nias" "Nias" "Nias" "Nias" ...
##  $ Luas_Tanaman   : num [1:169] NA NA NA NA NA ...
##  $ Jumlah_Produksi: num [1:169] NA NA NA NA NA ...
##  $ Tahun          : num [1:169] 2017 2018 2019 2020 2021 ...

Pembersihan Data

sawit_cleaned <- sawit_clean %>%
  filter(!is.na(Luas_Tanaman) & !is.na(Jumlah_Produksi) & !is.na(Tahun))

Membuat Grafik

Selanjutnya untuk mempermudah mengetahui Kota atau Kabupaten yang memiliki nilai Luas Tanaman dan Jumlah Produksi terbesar di Sumatera Utara kita dapat membuat visualisasi data, khususnya menggunakan diagram batang.

Total Luas Tanaman (Ha)

total_tanaman <- sawit_cleaned %>%
  group_by(Kabupaten_Kota, Tahun) %>%
  summarize(Total_Tanaman = sum(Luas_Tanaman)) %>%
  arrange(desc(Total_Tanaman)) 
## `summarise()` has grouped output by 'Kabupaten_Kota'. You can override using
## the `.groups` argument.
top_kota <- total_tanaman %>%
  group_by(Tahun) %>%
  top_n(5, Total_Tanaman)
ggplot(top_kota, aes(x = as.factor(Tahun), y = Total_Tanaman, fill = Kabupaten_Kota)) +
  geom_bar(stat = "identity", position = "dodge") +
  labs(title = "Kabupaten/Kota Dengan Luas Perkebunan Kelapa Sawit Rakyat Terbesar di Sumatera Utara",
       x = "Tahun",
       y = "Luas Tanaman (Ha)") +
  theme_minimal() +
  scale_fill_brewer(palette = "Set3")

Total Produksi (Ton)

total_produksi <- sawit_cleaned %>%
  group_by(Kabupaten_Kota, Tahun) %>%
  summarize(Total_Produksi = sum(Jumlah_Produksi)) %>%
  arrange(desc(Total_Produksi)) 
## `summarise()` has grouped output by 'Kabupaten_Kota'. You can override using
## the `.groups` argument.
top_kotaa <- total_produksi %>%
  group_by(Tahun) %>%
  top_n(5, Total_Produksi)
ggplot(top_kotaa, aes(x = as.factor(Tahun), y = Total_Produksi, fill = Kabupaten_Kota)) +
  geom_bar(stat = "identity", position = "dodge") +
  labs(title = "Jumlah Produksi Kelapa Sawit Perkebunan Rakyat di Sumut",
       x = "Tahun",
       y = "Total Produksi") +
  theme_minimal() +
  scale_fill_brewer(palette = "Set3")

Dari keseluruh Kabupaten Kota yang ada di Sumatera, kita menyaring data dengan 5 Kabupaten Kota yang memiliki Luas Tanaman dan Jumlah Produksi Terbesar di Sumatera Utara. Disini dapat kita ketahui bahwa terdapat 5 Kabupaten Kota dengan Luas Tanaman terbesar yaitu : Asahan, Labuhan Batu Selatan, Labuhan Batu Selatan dan Utara, Padang Lawas, Langkat dan Simalungun.

Filter data berdasarkan tahun dan daerah

data_Asahan <- sawit_cleaned %>%
  filter(Kabupaten_Kota == "Asahan", Tahun >= 2017, Tahun <= 2021)
data_Labuhan_Utara <- sawit_cleaned %>%
  filter(Kabupaten_Kota == "Labuanbatu Utara", Tahun >= 2017, Tahun <= 2021)

Membuat plot korelasi dengan garis regresi

ggplot(data_Asahan, aes(x = Tahun, y = Jumlah_Produksi)) +
  geom_line() +
  labs(title = "Rata-rata Jumlah Produksi per Tahun (Kabupatan Asahan, 2017-2021)",
       x = "Tahun",
       y = "Rata-rata Jumlah Produksi") +
  theme_minimal()

Analisis data Luas Tanaman dan Jumlah Produksi kelapa sawit di Kabupaten Asahan dari tahun 2017 hingga 2021 menunjukkan adanya hubungan positif dan tren peningkatan produksi yang signifikan. Sehingga layak untuk dilakukan pengembangan lebih lanjut mengenai potensi bisnis kelapa sawit di wilayah Kabupaten Asahan.

ggplot(data_Labuhan_Utara, aes(x = Tahun, y = Jumlah_Produksi)) +
  geom_line() +
  labs(title = "Rata-rata Jumlah Produksi per Tahun (Labuhan Batu Utara, 2017-2021)",
       x = "Tahun",
       y = "Rata-rata Jumlah Produksi") +
  theme_minimal()

Analisis data Luas Tanaman dan Jumlah Produksi kelapa sawit di Kabupaten Labuhan Batu Utara dari tahun 2017 hingga 2021 juga menunjukkan adanya hubungan positif dan tren peningkatan produksi yang signifikan. Sehingga layak untuk dilakukan pengembangan lebih lanjut mengenai potensi bisnis kelapa sawit di wilayah Kabupaten Labuhan Batu Utara.

Rekomendasi

Berdasarkan hasil analisis, terdapat beberapa rekomendasi untuk optimalisasi bisnis kelapa sawit.

1.Peningkatan Luas Tanaman: Mengingat adanya hubungan positif antara Luas Tanaman dan Jumlah Produksi di beberapa wilayah di Sumut, patut untuk mempertimbangkan kerja sama atau kolaborasi dengan masyarakat sekitar mengenai pengetahuan tambahan untuk mengelola kebun kelapa sawit maupun yang lainnya. Hal ini dapat berpotensi meningkatkan personal branding yang baik untuk perusahaan.

2.Tren Peningkatan Produksi: Mengingat tren peningkatan rata-rata Jumlah Produksi dari tahun ke tahun, perluasan area tanam dan perbaikan teknik budidaya dapat terus dilakukan untuk memanfaatkan tren positif ini. Dengan ini tim Peneliti Perusahaan dapat meneliti lebih lanjut mengenai harga jual kelapa sawit penduduk sekitar dan mencoba mencari tahu apakah ada pabrik pengolahan sawit yang terdekat dan layak di beberapa Kabupaten yang berpotensi menghasilkan jumlah produksi yang terus meningkat.

Catatan :

Rekomendasi ini sebaiknya diimplementasikan dengan mempertimbangkan kondisi lokal, kebijakan pemerintah, serta faktor-faktor sosial dan ekonomi yang memengaruhi masyarakat sekitar.