Nilai hasil ramalan dapat dilihat pada Lampiran 21. Hasil ramalan dengan metode pemulusan eksponensial Winter’s untuk satu tahun ke
depan pada enam periode pertama nilai aktualnya semua berada pada rentang nilai forecast, sehingga nilai ramalannya akurat. Sedangkan
dengan pendekatan kointegrasi pada penelitian ini hanya pada tiga periode pertama saja yang akurat. Metode pemulusan eksponensial
Winter’s tersebut lebih sensitif terhadap tren dan pola musiman yang ada pada data lettuce head dari periode Januari 2009 sampai periode
Desember 2011. Hasil peramalannya berfluktuatif dan memiliki kecenderungan menurun seiring dengan peningkatan periode ramalan
pada penelitian. Hasil ramalan ini hampir sama dengan hasil ramalan untuk komoditas kembang kol yang menghasilkan nilai peramalan yang
cenderung semakin menurun karena dipengaruhi data sebelumnya yang dijadikan dasar pada peramalan. Bila dibandingkan dengan hasil
peramalan dengan pendekatan kointegrasi pada penelitian ini, peramalan dengan metode pemulusan eksponensial Winter’s lebih
sensitif terhadap tren dan pola musiman yang terdapat pada data lettuce head.
4. Variance Decomposition of Lettuce head
Gambar 9. Variance Decomposition of Lettuce head Gambar 9 variance decomposition di atas dapat dilihat bahwa
permintaan komoditas lettuce head sangat dipengaruhi oleh komoditas
lettuce head itu sendiri dan kembang kol. Pada periode pertama lettuce head mempengaruhi komoditas lettuce head itu sendiri sebesar 48,7
persen lebih kecil dari pengaruh yang diberikan oleh kembang kol terhadap lettuce head sebesar 51, 2 persen. Periode berikutnya pengaruh
lettuce head pada lettuce head itu sendiri mulai melemah terlihat pada periode ke 3 hingga mencapai 44,3 persen dan mulai stabil pada periode
ke 9 dengan nilai 39,8 persen. Pengaruh dari komoditas kembang kol semakin menguat terlihat
dari periode ke 3 dengan nilai sebesar 55,4 persen sampai dengan periode ke 50 dengan nilai sebesar 57,5 persen. Sedangkan pengaruh
dari tomat beef menguat terlihat dari periode ke 3 dengan nilai sebesar 0.3 persen sampai dengan periode ke 50 nilainya sebesar 2,8 persen.
Hal ini mengindikasikan bahwa variabilitas permintaan komoditas lettuce head sangat dipengaruhi oleh permintaan kembang kol dan
permintaan lettuce head itu sendiri serta dipengaruhi oleh permintaan komoditas tomat beef baik dalam jangka waktu yang panjang maupun
jangka waktu yang pendek.
5. Forecast Error Of Beef Tomato
Variabilitas data ramalan dapat diukur dengan peramalan kesalahan standar atau forecast standar error ditambah denagn nilai
prediksi dari garis persamaan regresi. Persamaan regresi beda kala yang diperoleh dari pemodelan VECM adalah sebagai berikut :
TR = 681 + 0,988 LAGTR + 0,150 LH - 0,177 LAGLH + 0,084 KKOL - 0,413 LAGKOL
Hasil dari persamaan regresi tersebut dapat mengetahui nilai prediksi permintaan komoditas tomat beef. Setelah memperoleh
persamaan regresinya, dapat menghitung nilai peramalannya. Tabel 11 di bawah ini merupakan hasil peramalan dari komoditas tomat beef
selama satu tahun ke depan mulai dari periode ke 31 Juli 2011 sampai dengan periode ke 42 Juni 2012 dengan satuan kilogram untuk setiap
nilainya.
Tabel 11. Hasil Peramalan Tomat Beef
Periode Forecast SE
Nilai Persamaan
Nilai Forecast
Nilai Aktual
Keakuratan 31
±342 3976
3634 4318
2129 tidak akurat
32 ±451
4273 3822
4724 1253
tidak akurat
33 ±554
4528 3974
5082 2426
tidak akurat
34
±688 4759
4071 5447
1621 tidak akurat
35
±795 4979
4184 5774
519 tidak akurat
36 ±893
5179 4286
6072 530
tidak akurat
37 ±992
5355 4363
6347
38
±1067 5501
4434 6568
39
±1124 5615
4491 6739
40 ±1177
5695 4518
6872
41 ±1218
5742 4524
6960
42
±1251 5757
4506 7008
Tabel 11 hasil peramalan di atas, dapat dilihat dari hasil nilai persamaan atau nilai prediksi sementara dari variabel tomat beef
mengalami peningkatan di setiap periodenya. Nilai ramalan cenderung terus meningkat sampai dengan periode ke 42 Juni 2012. Nilai aktual
selama enam periode pertama yaitu periode ke 31 sampai dengan periode ke 36 nilainya tidak berda pada rentang nilai forecast. Hal ini
menunjukkan bahwa hitungan ramalan yang telah dilakukan mengasilkan nilai ramalan yang kurang akurat. Nilai aktual yang tidak
berada pada rentang nilai forecast pada periode tersebut karena adanya faktor penyebab yang tidak terduga yaitu tanaman tomat beef yang
dibudidayakan dalam green house terserang virus gemini. Sehingga perusahaan melakukan pengurangan dan menghentikan sementara
permintaan terhadap komoditas tomat beef karena barang yang tidak ada dan kurang mencukupi permintaan. Permasalahan lain yang
menyebabkan permintaan menurun yaitu disebabkan harga jual perusahaan yang kurang kompetitif, kebutuhan komoditas yang
menggantungkan dari hasil produksi green house, dan permintaan dari customer retail dikurangi dan lebih mengutamakan pemenuhan
permintaan customer process. Untuk peramalan enam periode berikutnya yaitu dari periode ke 37 sampai dengan periode ke 42
perusahaan dapat menetapkan target permintaan terhadap penjualan komoditas tomat beef tersebut pada rentang nilai forecast. Untuk
melihat lebih jelas perbandingan nilai aktual dengan nilai hasil peramalan dapat melihat Gambar 10.
Gambar 10. Nilai Aktual dan Nilai Peramalan Tomat beef Seperti dijelaskan sebelumnya untuk komoditas kembang kol
dan lettuce head, penelitian ini juga melakukan analisis peramalan dengan teknik dan metode peramalan lain untuk membandingkan hasil
ramalan yang didapatkan pada komoditas tomat beef. Hasil peramalan dengan metode pemulusan eksponensial Winter’s menghasilkan nilai
kesalahan yang lebih kecil dibandingkan dengan metode peramalan analisis tren dan time series decomposition. Nilai hasil ramalan dapat
dilihat pada Lampiran 22. Hasil ramalan dengan metode pemulusan eksponensial Winter’s untuk satu tahun ke depan pada enam periode
pertama nilai aktualnya semua berada pada rentang nilai forecast, sehingga nilai ramalannya akurat. Sedangkan dengan pendekatan
kointegrasi pada penelitian ini nilai aktualnya semua tidak berada pada rentang nilai forecast sehingga nilai ramalannya tidak akurat. Metode
pemulusan eksponensial Winter’s tersebut lebih sensitif terhadap tren dan pola musiman yang ada pada data tomat beef dari periode Januari
2009 sampai periode Desember 2011. Hasil peramalannya berfluktuatif dan memiliki kecenderungan menurun seiring dengan peningkatan
periode ramalan pada penelitian. Hasil ramalan ini hampir sama dengan
hasil ramalan untuk komoditas kembang kol dan lettuce head yang menghasilkan nilai peramalan yang cenderung semakin menurun karena
dipengaruhi data sebelumnya yang dijadikan dasar pada peramalan ini. Bila dibandingkan dengan hasil peramalan dengan pendekatan
kointegrasi pada penelitian ini, peramalan dengan metode pemulusan eksponensial Winter’s lebih sensitif terhadap tren dan pola musiman
yang terdapat pada data komoditas sayuran tomat beef.
6. Variance Decomposition of Beef Tomato
