HKJR = d + d
1
HKDR + d
2
XKI-LXKILXKI + d
3
NTR + d
4
DBT + d
5
DMJ + d
6
DBU + d
7
DTE + d
8
DSAR + d
9
DME + d
10
DTJB + d
11
DTJT +
d
12
LHKJR + d
13
LHKJR2 + U
4
dimana: HKJR
= Harga Karet Jambi Riil RpKg LXKI
= Peubah beda kala Lag dari XKI NTR
= Nilai Tukar Rupiah RpUS LHKJR
= Peubah beda kala Lag dari HKJR LHKJR2
= Peubah beda kala Lag2 dari HKJR Tanda parameter yang diharapkan adalah:
d
1
, d
3
0; d
2
0; 0 d
12
1
4.2.2. Kelapa Sawit Jambi 1. Areal Kelapa Sawit
Jambi
Faktor –faktor yang mempengaruhi areal kelapa sawit di Jambi adalah harga
CPO Jambi riil, perkembangan upah tenaga kerja, suku bunga, perkembangan areal karet dan areal Kelapa Dalam sebagai komoditas pesaing dalam penggunaan
lahan, dan areal kelapa sawit Jambi pada tahun sebelumnya. Persamaan areal kelapa sawit dirumuskan sebagai berikut:
AKSJ = f + f
1
HCPOJR + f
2
UTKR-LUTKRLUTKR + f
3
SB + f
4
AKJ- LAKJAKJ + f
5
AKDJ + f
6
DBT + f
7
DMJ + f
8
DBU + f
9
DTE + f
10
DSAR + f
11
DME + f
12
DTJB + f
13
DTJT + f
14
LAKSJ + U
5
dimana: AKSJ
= Areal tanaman Kelapa Sawit di Jambi Ha HCPOJR
= Harga CPO Jambi Riil RpKg LAKSJ
= Peubah beda kala Lag dari AKSJ Tanda parameter yang diharapkan adalah:
f
1
0; f
2
,f
3
,f
4
,f
5
0; 0 f
14
1
2. Produktivitas CPO Jambi
Produktivitas CPO di Jambi dipengaruhi oleh perkembangan areal kelapa sawit, curah hujan, jumlah tenaga kerja pada komoditas kelapa sawit, suku bunga
dan produktivitas pada tahun sebelumnya. Persamaan produktivitas kelapa sawit adalah:
YCPOJ = g + g
1
AKSJ-LAKSJAKSJ + g
2
CH + g
3
JTKKS + g
4
SB + g
5
DBT + g
6
DMJ + g
7
DBU + g
8
DTE + g
9
DSAR + g
10
DME + g
11
DTJB + g
12
DTJT + g
13
LYCPOJ + U
6
dimana: YCPOJ
= Produktivitas CPO di Jambi KgHa JTKKS
= Jumlah Tenaga Kerja pada Kelapa Sawit orangtahun LYCPOJ
= Peubah beda kala Lag dari YCPOJ Tanda parameter dugaan yang diharapkan:
g
1
,g
3
0; g
2
, g
4
0; 0 g
14
1
3. Produksi CPO Jambi
Produksi CPO di Jambi didefinisikan sebagai hasil kali antara areal kelapa sawit Jambi dengan produktivitas CPO, yaitu:
QCPOJ = AKSJ YCPOJ dimana:
QCPOJ = Produksi CPO Jambi Kg
4. Ekspor CPO Jambi
Komoditas kelapa sawit dalam bentuk CPO di Provinsi Jambi ditujukan untuk kebutuhan ekspor. Namun demikian, volume ekspornya tetap dipengaruhi
oleh harga CPO dunia, produksi CPO Jambi, ekspor CPO provinsi lain, perkembangan nilai tukar rupiah terhadap US dollar, pajak ekspor CPO, dan
ekspor CPO Jambi tahun sebelumnya. Dengan demikian rumusan persamaan perilakunya adalah:
XCPOJ = h + h
1
HCPODR + h
2
QCPOJ + h
3
XCPOPL + h
4
NTR-LNTRLNTR + h
5
PECPO + h
6
DXCPOJ + h
7
DPECPOJ + h
8
DBT + h
9
DMJ + h
10
DBU + h
11
DTE + h
12
DSAR + h
13
DME + h
14
DTJB + h
15
DTJT + h
16
LXCPOJ + U
7
dimana: XCPOJ
= Ekspor CPO Jambi Kg HCPODR
= Harga CPO Dunia Riil USKg XCPOPL
= Ekspor CPO Provinsi Lain Kg NTR
= Nilai Tukar Rupiah RpUS PECPO
= Pajak Ekspor CPO RpKg DXCPOJ
= Dummy Ekspor CPO Jambi DPECPOJ
= Dummy Pajak Ekspor CPO Jambi LNTR
= Peubah beda kala Lag dari NTR LXCPOJ
= Peubah beda kala Lag dari XCPOJ Tanda parameter yang diharapkan:
h
1
, h
2
, h
4
0; h
3
, h
5
, 0; 0 h
16
1 Persamaan Ekspor CPO Indonesia:
XCPOI = XCPOJ + XCPOPL dimana:
XCPOI = Ekspor CPO Indonesia Kg
5. Harga CPO Jambi
Harga CPO Jambi dipengaruhi oleh harga CPO dunia, ekspor CPO Indonesia, nilai tukar rupiah dan harga CPO Jambi tahun sebelumnya.
Selengkapnya dapat dirumuskan sebagai berikut:
HCPOJR = i
+ i
1
HCPODR + i
2
XCPOI + i
3
NTR + i
4
DBT + i
5
DMJ + i
6
DBU + i
7
DTE + i
8
DSAR + i
9
DME + i
10
DTJB + i
11
DTJT + i
12
LHCPOJR + U
8
dimana: HCPOJR
= Harga CPO Jambi Riil RpKg HCPODR
= Harga CPO Dunia Riil di Rotterdam USKg LHCPOJR = Peubah beda kala Lag dari HCPOJR
Tanda parameter yang diharapkan adalah: i
1
,i
3
0; i
2
0; 0 i
12
1
4.2.3. Kelapa Dalam Jambi 1. Luas Areal Kelapa Dalam
Jambi
Faktor –faktor yang mempengaruhi areal Kelapa Dalam Jambi adalah harga
Kelapa Dalam Jambi riil, upah tenaga kerja, suku bunga, perkembangan areal karet dan areal kelapa sawit sebagai komoditas pesaing dalam penggunaan lahan,
dan areal Kelapa Dalam Jambi tahun sebelumnya. Persamaan luas areal Kelapa Dalam dirumuskan sebagai berikut:
AKDJ = k + k
1
HKDJRUTKR + k
2
SB + k
3
AKJ-LAKJAKJ + k
4
AKSJ + k
5
DBT + k
6
DMJ + k
7
DBU + k
8
DTE + k
9
DSAR + k
10
DME + k
11
DTJB + k
12
DTJT + k
13
LAKDJ + U
9
dimana: AKDJ
= Areal tanaman Kelapa Dalam di Jambi Ha HKDJR
= Harga Kelapa Dalam Jambi Riil RpKg LAKDJ
= Peubah beda kala Lag dari AKDJ Tanda parameter yang diharapkan adalah:
k
1
0; k
2
, k
3
, k
4
0; 0 k
13
1
2. Produktivitas Kelapa Dalam Jambi
Produktivitas Kelapa Dalam jambi dipengaruhi oleh perkembangan areal Kelapa Dalam, curah hujan, jumlah tenaga kerja pada komoditas Kelapa Dalam,
suku bunga dan produktivitas tahun sebelumnya. Persamaan produktivitas Kelapa Dalam adalah:
YKDJ = l + l
1
AKDJ-LAKDJLAKDJ + l
2
CH + l
3
JTKKD + l
4
SB + l
5
DBT + l
6
DMJ + l
7
DBU + l
8
DTE + l
9
DSAR + l
10
DME + l
11
DTJB + l
12
DTJT + l
13
LYKDJ + U
10
dimana: YKDJ
= Produktivitas Kelapa Dalam Jambi KgHa JTKKD
= Jumlah Tenaga Kerja pada Kelapa Dalam orangtahun LJTKKD
= Peubah beda kala Lag dari JTKKD LYKDJ
= Peubah beda kala Lag dari YKDJ Tanda parameter dugaan yang diharapkan:
l
1
,l
3
0; l
2
, l
4
0; 0 l
13
1
3. Produksi Kelapa Dalam Jambi
Produksi Kelapa Dalam di Jambi didefinisikan sebagai hasil kali antara areal Kelapa Dalam Jambi dengan produktivitasnya, yaitu:
QKDJ = AKDJ YKDJ dimana:
QKDJ = Produksi Kelapa Dalam Jambi Kg
4. Ekspor Kelapa Dalam Jambi
Volume ekspor Kelapa Dalam Jambi dipengaruhi oleh perkembangan harga kopra dunia, produksi Kelapa Dalam Jambi, ekspor Kelapa Dalam provinsi lain
tahun sebelumnya, nilai tukar rupiah tahun sebelumnya dan ekspor Kelapa Dalam
Jambi tahun sebelumnya. Dengan demikian rumusan persamaan perilakunya adalah:
XKDJ = m + m
1
HCOPDR-LHCOPDRHCOPDR + m
2
QKDJ + m
3
LXKDPL + m
4
LNTR + m
5
DXKDJ + m
6
DBT + m
7
DMJ + m
8
DBU + m
9
DTE + m
10
DSAR + m
11
DME + m
12
DTJB + m
13
DTJT + m
14
LXKDJ + U
11
dimana: XKDJ
= Ekspor Kelapa Dalam Jambi Kg HCOPDR
= Harga Kopra Dunia Riil di Rotterdam RpKg LHCOPDR
= Peubah beda kala Lag dari HCOPDR XKDPL
= Ekspor Kelapa Dalam provinsi lain Kg LXKDPL
= Peubah beda kala Lag dari XKDPL DXKDJ
= Dummy Ekspor Kelapa Dalam Jambi LXKDJ
= Peubah beda kala Lag dari XKDJ Tanda parameter yang diharapkan:
m
1
, m
2
, m
4
0; m
3
0; 0 m
14
1 Persamaan Ekspor Kelapa Dalam Indonesia:
XKDI = XKDJ + XKDPL dimana:
XKDI = Ekspor Kelapa Dalam Indonesia Kg
5. Harga Kelapa Dalam Jambi
Harga Kelapa Dalam Jambi dipengaruhi oleh harga kopra dunia, ekspor Kelapa Dalam Indonesia, nilai tukar rupiah dan harga Kelapa Dalam Jambi tahun
sebelumnya. Selengkapnya dapat dirumuskan sebagai berikut: HKDJR
= n + n
1
HCOPDR + n
2
XKDI + n
3
NTR + n
4
DBT + n
5
DMJ + n
6
DBU + n
7
DTE + n
8
DSAR + n
9
DME + n
10
DTJB + n
11
DTJT + n
12
LHKDJR + U
12
dimana: HKDJR
= Harga Kelapa Dalam Jambi Riil RpKg HCOPDR
= Harga Kopra Dunia Riil di Rotterdam RpKg LHKDJR
= Peubah beda kala Lag dari HKDJR Tanda parameter yang diharapkan adalah:
n
1
, n
3
0; n
2
0; 0 n
12
1
4.2.4. Kopi Jambi 1. Luas Areal Kopi Jambi
Faktor –faktor yang mempengaruhi areal kopi di Jambi adalah harga kopi
Jambi, upah tenaga kerja, tingkat suku bunga, dan areal kopi Jambi tahun sebelumnya. Persamaan luas areal kopi dirumuskan sebagai berikut:
AKOJ = p + p
1
HKOJR + p
2
UTKR + p
3
SB + p
4
DBT + p
5
DMJ + p
6
DBU + p
7
DTE + p
8
DSAR + p
9
DME + p
10
DTJB + p
11
DTJT + p
12
LAKOJ + U
13
dimana: AKOJ
= Areal tanaman Kopi di Jambi Ha HKOJR
= Harga Kopi Jambi Riil RpKg LAKOJ
= Peubah beda kala Lag dari AKOJ Tanda parameter yang diharapkan adalah:
p
1
0; p
2
, p
3
0; 0 p
12
1
2. Produktivitas Kopi Jambi
Produktivitas kopi Jambi dipengaruhi oleh areal kopi Jambi, curah hujan, jumlah tenaga kerja pada komoditas kopi, suku bunga dan produktivitas kopi pada
tahun sebelumnya. Persamaan produktivitas kopi adalah sebagai berikut: YKOJ = q
+ q
1
AKOJSB + q
2
CH + q
3
JTKKO + q
4
DBT + q
5
DMJ + q
6
DBU + q
7
DTE + q
8
DSAR + q
9
DME + q
10
DTJB + q
11
DTJT + q
12
LYKOJ + U
13
dimana: YKOJ
= Produktivitas Kopi Jambi KgHa
JTKKO = Jumlah Tenaga Kerja Kopi orangtahun
LYKOJ = Peubah beda kala Lag dari YKOJ
Tanda parameter dugaan yang diharapkan: q
1
,q
2
,q
3
0; 0 q
12
1
3. Produksi Kopi Jambi
Produksi kopi di Jambi didefinisikan sebagai hasil kali antara areal kopi Jambi dengan produktivitasnya, yaitu:
QKOJ = AKOJ YKOJ dimana:
QKOJ = Produksi kopi Jambi Kg
4. Ekspor Kopi Jambi
Volume ekspor kopi dipengaruhi oleh harga kopi dunia, produksi kopi Jambi, ekspor kopi provinsi lain tahun sebelumnya, nilai tukar rupiah dan ekspor
kopi Jambi tahun sebelumnya. Dengan demikian rumusan persamaan perilakunya adalah:
XKOJ = r + r
1
HKODR + r
2
QKOJ + r
3
LXKOPL + r
4
NTR + r
5
DXKOJ + r
6
DBT + r
7
DMJ + r
8
DBU + r
9
DTE + r
10
DSAR + r
11
DME + r
12
DTJB + r
13
DTJT + r
14
LXKOJ + U
15
dimana: XKOJ
= Ekspor Kopi Jambi Kg HKODR
= Harga Kopi Dunia Riil USKg XKOPL
= Ekspor Kopi Provinsi Lain Kg LXKOPL
= Peubah beda kala Lag dari XKOPL DXKOJ
= Dummy ekspor kopi Jambi LXKOJ
= Peubah beda kala Lag dari XKOJ Tanda parameter yang diharapkan:
r
1
, r
2
, r
4
0; r
3
0; 0 r
14
1
Persamaan Ekspor Kopi Indonesia: XKOI = XKOJ + XKOPL
dimana: XKOI = Ekspor Kopi Indonesia Kg
5. Harga Kopi Jambi
Harga kopi Jambi dipengaruhi oleh harga kopi dunia, ekspor kopi Indonesia, nilai tukar rupiah dan harga kopi Jambi tahun sebelumnya. Selengkapnya dapat
dirumuskan sebagai berikut: HKOJR = s
+ s
1
HKODRXKOI + s
2
NTR + s
3
DBT + s
4
DMJ + s
5
DBU + s
6
DTE + s
7
DSAR + s
8
DME + s
9
DTJB + s
10
DTJT + s
11
LHKOJR + U
16
dimana: HKOJR
= Harga kopi Jambi Riil RpKg HKODR
= Harga Kopi Dunia Riil di London USKg LHKOJR
= Peubah beda kala Lag dari HKOJR Tanda parameter yang diharapkan adalah :
s
1
, s
2
0; 0 s
11
1
4.2.5. Produk Domestik Regional Bruto Subsektor Perkebunan Jambi
Produk Domestik Regional Bruto Subsektor Perkebunan Jambi dipengaruhi oleh produksi karet Jambi, produksi CPO Jambi, produksi Kelapa Dalam Jambi
dan produksi kopi Jambi, serta PDRB subsektor perkebunan Jambi pada tahun sebelumnya. Persamaannya dapat dituliskan sebagai berikut:
PDRBSSPBJ = t + t
1
QKJ + t
2
QCPOJ + t
3
QKDJ + t
4
QKOJ + t
5
DBT + t
6
DMJ + t
7
DBU + t
8
DTE + t
9
DSAR + t
10
DME + t
11
DTJB + t
12
DTJT + t
13
LPDRBSSPBJ + U
17
dimana: PDRBSSPBJ = PDRB Sub sektor Perkebunan Rp
LPDRBSSPBJ = Peubah beda kala Lag dari PDRBSSPBJ
Tanda parameter yang diharapkan adalah: t
1
, t
2
, t
3
, t
4
0; 0 t
13
1
4.3. Identifikasi Model
Identifikasi model ditentukan atas dasar “order condition” sebagai syarat
keharusan dan “rank condition” sebagai syarat kecukupan. Rumusan identifikasi
model persamaan struktural berdasarkan order condition adalah Koutsoyiannis, 1977:
K - M G - 1 dimana:
K = Total variabel dalam model, yaitu endogenous variables dan
predetermined variables. M
= Jumlah variabel endogen dan eksogen yang termasuk dalam satu persamaan tertentu dalam model, dan
G = Total persamaan dalam model, yaitu jumlah variabel endogen
dalam model. Jika dalam suatu persamaan model menunjukkan kondisi sebagai berikut:
K – M G – 1 = maka persamaan dinyatakan teridentifikasi secara
berlebih overidentified K
– M = G – 1 = maka persamaan tersebut dinyatakan teridentifikasi secara tepat exactly identified, dan
K – M G – 1 = maka persamaan tersebut dinyatakan tidak teridentifi-
kasi unidentified. Dari spesifikasi model yang telah ditentukan sebelumnya, dapat diketahui
bahwa, total endogenous variabel adalah adalah sebanyak 25 dua puluh lima variabel, yang terdiri dari:
a. 17 tujuh belas persamaan struktural b. 8 delapan persamaan identitas
Hasil identifikasi untuk setiap persamaan struktural haruslah exactly identified
atau overidentified untuk dapat menduga parameter-parameternya. Pada penelitian ini jumlah K = 71, M = 6 dan G = 25, sehingga persamaan dinyatakan
teridentifikasi secara berlebih overidentified.
4.4. Metode Pendugaan Model
Dari hasil identifikasi model diketahui bahwa semua persamaan dalam model adalah overidentified. Persamaan yang demikian dapat diduga dengan
menggunakan 2SLS Two Stage Least Squares, 3SLS Three Stage Least Squares
, LIML Limited Information Maximum Likelihood atau FIML Full Information Maximum Likelihood
. Dalam penelitian metode pendugaan model yang digunakan adalah 2SLS,
dengan beberapa pertimbangan, yaitu penerapan 2SLS menghasilkan taksiran yang konsisten, lebih sederhana dan lebih mudah, sedangkan model 3SLS dan
FIML menggunakan informasi yang lebih banyak dan lebih sensitif terhadap kesalahan pengukuran maupun kesalahan spesifikasi model Gujarati, 1999.
Untuk mengetahui dan menguji apakah variabel penjelas secara bersama –
sama berpengaruh nyata atau tidak terhadap variabel endogen, maka pada setiap persamaan digunakan uji statistik F, dan untuk menguji apakah masing
–masing variabel penjelas berpengaruh nyata atau tidak terhadap variabel endogen, maka
pada setiap persamaan digunakan uji statistik t. Selanjutnya karena model mengandung persamaan simultan dan peubah
bedakala lag endogenous variabel, maka uji serial korelasi dengan
menggunakan statistik d
w
Durbin-Watson Statistics tidak valid untuk digunakan. Sebagai penggantinya untuk mengetahui apakah terdapat serial korelasi
Autocorelation atau tidak dalam setiap persamaan maka digunakan statistik d
h
Durbin-h statistics Pindyck and Rubinfeld, 1991, sebagai berikut:
dimana: d
= d
w
statistik n
= jumlah observasi var β = varians koefisien regresi untuk lagged dependent variabel.
Apabila h
hitung
lebih kecil dari nilai kritis h dari tabel distribusi normal, maka dalam persamaan tidak mengalami serial korelasi.
4.5. Validasi Model
Untuk mengetahui apakah model cukup valid untuk membuat suatu simulasi kebijakan ekonomi dan faktor eksternal dan peramalan, maka perlu dilakukan
suatu validasi model, dengan tujuan untuk menganalisis sejauhmana model tersebut dapat mewakili dunia nyata.
Dalam penelitian ini, kriteria statistik untuk validasi nilai pendugaan model ekonometrika yang digunakan adalah Root Means Square Error RMSE, Root
Means Percent Square Error RMSPE dan
Theil’s Inequality Coefficient U Pindyck and Rubinfield, 1991. Kriteria
– kriteria dirumuskan sebagai berikut:
dimana: = nilai hasil simulasi dasar dari variabel observasi
= nilai aktual variabel observasi = jumlah periode observasi
Statistik RMSPE digunakan untuk mengukur seberapa jauh nilai –nilai
peubah endogen hasil pendugaan menyimpang dari alur nilai –nilai aktualnya
dalam ukuran relatif persen, atau seberapa dekat nilai dugaan itu mengikuti perkembangan nilai aktualnya.
Sedangkan nilai statistik U bermanfaat untuk mengetahui kemampuan model untuk analisis simulasi peramalan. Nilai koefisien Theil U berkisar antara
1 dan 0. Jika U = 0 maka pendugaan model sempurna, jika U = 1 maka pendugaan model naif.
Untuk melihat keeratan arah slope antara aktual dengan hasil yang disimulasi dilihat dari nilai koefisien determinasinya R
2
. Pada dasarnya makin kecil nilai RMSPE dan U-
Theil’s dan makin besar nilai R
2
, maka pendugaan model semakin baik.
4.6. Simulasi Model
Setelah divalidasi, prosedur berikutnya adalah simulasi model. Analisis simulasi digunakan untuk menjelaskan dampak kebijakan pengembangan
komoditas perkebunan terhadap perekonomian daerah Jambi yang sedang dikaji. Analisis simulasi diterapkan pada periode tahunan pada tahun 2000
–2009, karena data lebih lengkap dan terjamin.
Analisis ini mencakup periode yang sudah lampau, sehingga simulasi ini dinamakan simulasi historis. Dengan demikian beberapa skenario simulasi
alternatif dampak kebijakan pengembangan komoditas perkebunan untuk komoditas karet, kelapa sawit, Kelapa Dalam dan kopi yaitu:
1. Peningkatan luas areal masing–masing komoditas karet, kelapa sawit, Kelapa
Dalam dan kopi sebesar 6 persen. Simulasi ini dilakukan berdasarkan data perkembangan areal perkebunan
provinsi Jambi, dimana setiap areal komoditas mengalami peningkatan rata- rata sebesar 6 persen setiap tahunnya.
2. Peningkatan luas areal karet, kelapa sawit, Kelapa Dalam dan kopi sebesar 6
persen secara serentak. Simulasi ini dilakukan berdasarkan kegiatan revitalisasi perkebunan di Provinsi
Jambi yang dilakukan serentak terhadap keempat komoditas tersebut. 3.
Peningkatan luas areal karet, kelapa sawit, dan kopi sebesar 6 persen secara serentak.
Simulasi ini dilakukan, karena ada indikasi bahwa Kelapa Dalam berdampak negatif terhadap PDRB subsektor perkebunan Jambi.
4. Penurunan suku bunga sebesar 5 persen.
Simulasi ini dilakukan karena program revitalisasi perkebunan didukung kredit investasi perbankan dan subsidi bunga oleh pemerintah. Penetapan 5 persen
dilakukan karena rata-rata kenaikan suku bunga pertahun adalah 5 persen.
5. Peningkatan pajak ekspor CPO sebesar 25 persen.
Simulasi pajak ekspor CPO dilakukan karena hanya komoditas kelapa sawit dalam bentuk CPO yang masih dikenakan pajak oleh pemerintah, sedangkan
untuk komoditas karet, Kelapa Dalam dan kopi, tidak dikenakan pajak ekspor.
V. GAMBARAN UMUM PERKEBUNAN JAMBI
Provinsi Jambi secara geografis terletak antara 0.45° Lintang Utara, 2.45° Lintang Selatan dan antara 101.10°-104.55° Bujur Timur. Di sebelah Utara
berbatasan dengan Provinsi Riau, sebelah Timur dengan Selat Berhala, sebelah Selatan berbatasan dengan Provinsi Sumatera Selatan dan sebelah Barat dengan
Provinsi Sumatera Barat dan Provinsi Bengkulu. Kondisi geografis yang cukup strategis di antara kota-kota lain di provinsi sekitarnya membuat peran provinsi
Jambi cukup penting terlebih lagi dengan dukungan sumber daya alam yang melimpah. Sehingga kebutuhan industri dan masyarakat di kota-kota
sekelilingnya disuplai bahan baku dan bahan kebutuhan dari provinsi Jambi. Badan Pusat Statistik Jambi, 2010.
Luas Provinsi Jambi 53 435 km2 dengan jumlah penduduk Provinsi Jambi pada tahun 2010 berjumlah 3 088 618 jiwa. Sedangkan sebanyak 46.88 persen
dari jumlah tenaga kerja Provinsi Jambi bekerja pada sektor pertanian, perkebunan dan perikanan, 21.58 persen pada sektor perdagangan dan 12.58
persen pada sektor jasa. Dengan kondisi ketenagakerjaan yang sebagian besar masyarakat di provinsi ini sangat tergantung pada hasil pertanian, perkebunan
sehingga menjadikan upaya pemerintah daerah maupun pusat untuk mensejahterakan masyarakat adalah melalui pengembangan sektor pertanian
Badan Pusat Statistik Jambi Jambi, 2010. Dengan kondisi suhu udara berkisar antara 23 °C s.d 31 °C dan luas wilayah
53 435 km2 di antaranya sekitar 60 persen lahan merupakan kawasan perkebunan dan kehutanan yang menjadikan kawasan ini merupakan salah satu penghasil
