Analisis Peramalan Permintaan Sayuran Menggunakan Pendekatan Kointegrasi Pada PT Saung Mirwan, Bogor, Jawa Barat

PT SAUNG MIRWAN, BOGOR, JAWA BARAT

Oleh

TITI DESTIYANTI LESTARI

H24080039

DEPARTEMEN MANAJEMEN

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

BOGOR

2012

PT SAUNG MIRWAN, BOGOR, JAWA BARAT

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar SARJANA EKONOMI

di Departemen Manajemen Fakultas Ekonomi dan Manajemen

Institut Pertanian Bogor

Oleh :

TITI DESTIYANTI LESTARI

H24080039

DEPARTEMEN MANAJEMEN

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

BOGOR

Nama : Titi Destiyanti Lestari

NIM : H24080039

Menyetujui Dosen Pembimbing I

(Dr. Ir. Muhammad Syamsun, M.Sc) NIP : 19500727197412 1001

Dosen Pembimbing II

(Alim Setiawan S, S.TP, M.Si) NIP : 19820227200912 1001

Mengetahui : Ketua Departemen,

(Dr. Ir. Jono M. Munandar, M.Sc) NIP : 19610123198601 1002

iv RINGKASAN

TITI DESTIYANTI LESTARI. H24080039. Analisis Peramalan Permintaan Sayuran Menggunakan Pendekatan Kointegrasi pada PT Saung Mirwan, Bogor, Jawa Barat. Di bawah bimbingan MUHAMMAD SYAMSUN dan ALIM SETIAWAN

Usaha di sub sektor pertanian, khususnya di dalam bidang hortikultura yaitu sayuran memberikan kontribusi nyata dalam pembangunan pertanian dan memiliki nilai strategis dalam upaya memenuhi kebutuhan akan protein, vitamin, mineral, dan zat-zat lainnya yang penting bagi pemenuhan gizi masyarakat. Hal ini menandakan bahwa terdapat peluang bagi para produsen agribisnis khususnya sayuran untuk mengembangkan usahanya dalam rangka memenuhi permintaan akan sayuran. Salah satu perusahaan yang bergerak pada bidang agribisnis ini adalah PT Saung Mirwan, produsen sekaligus supplier serta perusahaan perdagangan pada bidang sayuran. Selama ini, PT Saung Mirwan dalam menerapkan peramalan permintaan masih menggunakan metode kualitatif atau subjektif. Oleh karena itu, penelitian ini berusaha dilakukan untuk memberikan sebuah masukan atau alternatif peramalan permintaan dengan menggunakan pendekatan kointegrasi bagi perusahaan. Jenis sayuran yang diusahakan sangat banyak, maka peramalan yang dilakukan hanya pada beberapa sayuran berdasarkan permintaan customer retail yang cukup tinggi yaitu kembang kol, lettuce head, dan tomat beef. Tujuan dari penelitian ini diantaranya, (1) mengidentifikasi dan menganalisis pola permintaan sayuran (kembang kol, lettuce head, dan tomat beef) di PT Saung Mirwan, (2) mempelajari dan mendapatkan ramalan jumlah permintaan sayuran (kembang kol, lettuce head, tomat beef), (3) menganalisis kointegrasi produk kembang kol, lettuce head, dan tomat beef pada proses permintaan penjualan di PT Saung Mirwan. Data permintaan yang diambil untuk peramalan yaitu dari bulan Januari 2009 sampai dengan bulan Desember 2011. Penelitian dilakukan selama tiga bulan mulai dari Desember 2011 sampai dengan Februari 2012. Informasi dan data yang diperoleh dianalisis secara kualitatif (deskriptif) dan kuantitatif dengan menggunakan bantuan program Microsoft Excel 2007, Eviews 6, dan Minitab 16.

Setelah dilakukan analisis terhadap komoditi kembang kol, lettuce head, dan tomat beef berdasarkan uji stasioneritas data permintaannya tidak stasioner dan terdapat tren, maka harus dilakukan pembedaan atau difference. Hal ini mengarahkan bahwa data akan dianalisis lebih lanjut menggunakan analisis Vector Error Correction Model (VECM) dengan menggunakan panjang lag satu dan selang kepercayaan yang digunakan adalah lima persen. Hasil yang didapatkan pada uji kointegrasi bahwa terindikasi terdapat tiga kointegrasi diantara ketiga komoditi (kembang kol, lettuce head, dan tomat beef) yaitu adanya hubungan dan pengaruh permintaan antar komoditi. Pengaruh dan hubungan permintaan setiap komoditi tersebut dalam perusahaan akan menyebabkan penurunan dan peningkatan permintaaan terhadap komoditi lainnya. Hasil peramalan ketiga komoditi tersebut berdasarkan IRF dan FEVD untuk satu tahun ke depan cenderung mengalami peningkatan, walaupun ada fluktuasi dan berpengaruh baik terhadap peningkatan permintaan semua komoditi yang diteliti.

v

RIWAYAT HIDUP

Penulis dilahirkan di Jakarta pada tanggal 21 Desember 1989. Penulis merupakan anak ketiga dari tiga bersaudara pasangan Bapak Durga dan Ibu Suminah, dan dibesarkan oleh Ibu Masruroh. Penulis menyelesaikan pendidikan dasar di Sekolah Dasar Negeri (SDN) Pawidean III selama enam tahun. Kemudian melanjutkan ke Sekolah Menengah Pertama (SMP) Negeri 1 Haurgeulis selama tiga tahun. Sekolah lanjutan tingkat atas diselesaikan oleh penulis di Sekolah Menengah Atas (SMA) Negeri 32 Jakarta dan lulus pada tahun 2008. Setelah lulus, pada tahun 2008 penulis diterima di Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI) di Departemen Manajemen Fakultas Ekonomi dan Manajemen (FEM).

Selama menjadi mahasiswa, penulis aktif dalam organisasi seperti menjadi staf Shar-E SESC IPB periode 2009-2010 dan sebagai Bendahara Divisi Shar-E SESC IPB periode 2010-2011. Penulis juga aktif di berbagai kegiatan yang diadakan di kampus yaitu sebagai staf Expo acara Extravaganza 2009, staf Danus dan Sponsorship acara Banking Goes to Campus 2010, staff Danus dan Sponsorship acara IPB Social Fair 2010, staf Humas acara Season 6 2010, staf Konsumsi acara Masa Perkenalan Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor 2010, dan terakhir sebagai Steering Commitee sekaligus staf Konsumsi acara Season 7 2011. Selain itu, penulis juga mengikuti seminar-seminar yang diadakan di kampus untuk menambah pengetahuan dan pengalaman.

vi

KATA PENGANTAR

Puji dan syukur senantiasa penulis panjatkan kepada Allah SWT Tuhan semesta alam yang telah memberikan rahmat, hidayah, karunia, dan nikmat yang tidak terkira dalam memberikan kemudahan berpikir dan bertindak, serta atas kesempatan-Nya kepada penulis untuk dapat menyelesaikan penulisan skripsi ini dengan baik. Shalawat dan salam tidak lupa penulis haturkan untuk junjungan nabi besar Muhammad SAW, beserta keluarganya, sahabat-sahabatnya, dan untuk para pengikutnya.

Skripsi ini berjudul Analisis Peramalan Permintaan Sayuran Menggunakan Pendekatan Kointegrasi pada PT Saung Mirwan, Bogor, Jawa Barat disusun sebagai tugas akhir untuk memperoleh gelar Sarjana Ekonomi pada Departemen Manajemen Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor. Skripsi ini menganalisis pola data permintaan PT Saung Mirwan dan mengolahnya untuk meramalkan permintaan di masa yang akan datang, kemudian menjelaskan pengaruh variabel pada produk yang digunakan terhadap penjualan produk itu sendiri maupun produk lainnya yang dianalisis dalam skripsi ini. Informasi yang diperoleh tersebut dapat menjadi masukan bagi perusahaan sehingga dapat digunakan untuk membuat perencanaan strategi maupun kebijakan yang sesuai dan tepat diterapkan di masa yang akan datang. Penulis berharap dengan adanya skripsi ini dapat menambah wawasan baru mengenai pengolahan data untuk peramalan produk yang dilihat hubungannya dalam jangka panjang.

Penulis menyadari bahwa dalam penulisan skripsi ini masih jauh dari sempurna dan masih banyak kekurangan yang perlu diperbaiki. Oleh karena itu, penulis sangat mengharapkan saran dan kritik yang membangun sehingga dapat menjadikan skripsi ini lebih baik. Semoga skripsi ini dapat bermanfaat bagi pihak yang memerlukannya, khususnya PT Saung Mirwan, bagi akademisi dan ilmu pengetahuan.

Bogor, Maret 2012

vii

UCAPAN TERIMA KASIH

Segala puja dan puji bagi Allah SWT Tuhan Yang Maha Pengasih dan Penyayang atas rahmat dan karunia-Nya, penulis dapat menyelesaikan penulisan skripsi yang berjudul Analisis Peramalan Permintaan Sayuran Menggunakan Pendekatan Kointegrasi pada PT Saung Mirwan, Bogor, Jawa Barat sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Manajemen Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor.

Skripsi ini tidak akan selesai tanpa dukungan, dorongan, dan bantuan dari berbagai pihak baik secara moril maupun materil. Oleh karena itu, pada kesempatan ini penulis mengucapkan terima kasih yang sebesar-besarnya kepada : 1. Dr. Ir. Muhammad Syamsun, M.Sc sebagai dosen pembimbing pertama yang telah meluangkan waktunya untuk memberikan bimbingan, nasihat, motivasi, dan arahan selama penulis melakukan penyusunan skripsi.

2. Alim Setiawan S, S.TP, M.Si sebagai dosen pembimbing kedua yang telah meluangkan waktunya untuk memberikan bimbingan, nasihat, motivasi, saran, dan arahan selama penulis melakukan penyusunan skripsi.

3. Ir. Pramono Djoko Fewidarto, MS sebagai dosen penguji sidang skripsi yang telah meluangkan waktunya, memberikan masukan, saran, dan arahan yang membangun untuk perbaikan skripsi.

4. Dr. Ir. Jono M. Munandar, M.Sc selaku Ketua Departemen Manajemen Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor.

5. Seluruh staf dan karyawan Departemen Manajemen Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor.

6. Bapak Tatang (Theo) Hadinata selaku Presiden Direktur PT Saung Mirwan yang telah memberikan kesempatan bagi penulis untuk meneliti di perusahaan miliknya. Ibu Lina, Mba Dhita, Pak Wasil, Pak Hendro, Mba Elin sebagai staf karyawan dan seluruh karyawan PT Saung Mirwan yang telah membantu memberikan informasi dan data yang ada pada PT Saung Mirwan untuk penelitian saya selama ini.

7. Orang tua tercinta, Ayah Durga dan Ibu Masruroh (Almh) yang selalu mencurahkan kasih sayang, senantiasa berdoa, memberikan nasihat,

viii

dukungan moral maupun materil, motivasi, pengertian, kesabaran, dan perhatian yang tiada henti untuk diberikan kepada penulis.

8. Orang tua, Bapak Tono dan Mimi Saminah, Mama Warkan, serta adik Syiva atas doa, kasih sayang, dukungan, semangat dan pengertian yang tiada henti diberikan kepada penulis.

9. Kakak-kakak tercinta, yayu Eka Ratna Wati, mamas Slamet Widodo, aa Bambang Haryanto, eteh Ecih Sukaesih, dan ponakan tercinta dede Labibah Nurul Jannah atas doa, kasih sayang, dukungan, dan pengertian yang tiada henti untuk diberikan kepada penulis.

10. Sendi Riyanto untuk setiap cinta, kasih sayang, dukungan, pengertian, kesabaran, doa tulus, penghibur hati dan berbagi cerita suka dan duka.

11. Kak Mokhammad Indrazakti dan Kak Kiki Maulya Puspita yang telah membantu penyusunan skripsi saya.

12. Sahabat-sahabat tersayang di Manajemen 45 (Septi, Putri, Aulia, Angietha, Ana, Meylisa) yang telah memberikan banyak pelajaran suka, duka, dan kebersamaan selama kuliah.

13. Teman-teman satu bimbingan Arni Novriana S, Choirul Amalia, Yuti Arlan, Yuviani Kusumawardani, Jessica Merismana, Rasyah Yunita R, dan Risyayana Ersya yang telah memberikan dukungan, semangat, dan doanya untuk berjuang bersama dalam menyelesaikan skripsi ini.

14. Teman sekamarku Nia Andriani yang telah menghibur, berbagi cerita suka dan duka, dan memberikan dukungan serta doa dan teman-teman kosan Rumah Ijo Siti Munawaroh, Mely Choirul Nurfitri, dan Ramadhani Safitri yang memberikan semangat, dukungan, dan doanya.

15. Semua teman-teman di Manajemen 45 yang selama ini telah berbagi suka dan duka bersama melewati masa perkuliahan di Manajemen, semoga tali silaturahmi kita akan tetap terjaga.

16. Semua pihak yang tidak disebutkan namanya dalam kesempatan ini, namun tidak mengurangi rasa terima kasih penulis atas kerja sama dan bantuannya dalam menyelesaikan skripsi ini.

Semoga Allah SWT memberikan balasan kebaikan yang telah diberikan oleh semua pihak kepada penulis dalam menyusun skripsi ini.

ix DAFTAR ISI

Halaman RINGKASAN

RIWAYAT HIDUP ... v

KATA PENGANTAR ... vi

UCAPAN TERIMA KASIH ... vii

DAFTAR TABEL ... xi

DAFTAR GAMBAR ... xii

DAFTAR LAMPIRAN ... xiii

I. PENDAHULUAN ... 1

1.1 Latar Belakang Penelitian ... 1

1.2 Perumusan Masalah ... 4

1.3 Tujuan Penelitian ... 5

1.4 Manfaat Penelitian ... 5

1.5 Ruang Lingkup Penelitian ... 6

II. TINJAUAN PUSTAKA ... 7

2.1 Sayuran ... 7

2.2 Definisi Peramalan... 8

2.2.1 Jenis-jenis Peramalan ... 8

2.2.2 Peramalan Time Series (Runtut Waktu) ... 9

2.3 Teori Pemasaran ... 10

2.4 Peramalan Penjualan ... 11

2.5 Kestasioneran Data ... 13

2.6 Model Vector Autoregression (VAR) ... 13

2.7 Vector Error Correction Model (VECM) ... 14

2.8 Penelitian Terdahulu ... 14

III. METODE PENELITIAN ... 16

3.1 Kerangka Pemikiran Penelitian ... 16

3.2 Lokasi dan Waktu Penelitian ... 19

3.3 Pengumpulan Data ... 19

3.3.1 Jenis Data dan Informasi ... 19

3.3.2 Sumber Data dan Informasi ... 19

3.4 Pengolahan dan Analisis Data ... 20

3.5 Uji Stasioneritas Data ... 21

3.6 Uji Kausalitas Granger ... 23

3.7 Model Vector Autoregression (VAR) ... 23

3.8 Kointegrasi ... 25 3.9 Impuls Respons Functionand Forecast Error Variance

x

Decomposition (Fungsi Respon Impuls dan Dekomposisi

Ragam) ... 27

3.10 Penentuan Ordo VAR ... 28

3.11 Uji Stabilitas Model ... 28

3.12 Vector Error Correction Model (VECM)... 29

IV. HASIL DAN PEMBAHASAN ... 32

4.1 Gambaran Umum Perusahaan ... 32

4.1.1 Sejarah Singkat PT Saung Mirwan ... 32

4.1.2 Letak Geografis ... 33

4.1.3 Profil PT Saung Mirwan ... 34

4.1.4 Hasil Produksi ... 35

4.1.5 Struktur Organisasi dan Ketenagakerjaan ... 38

4.1.6 Pola Kemitraan ... 42

4.1.7 Pemasaran ... 44

4.1.8 Pelayanan Terhadap Pelanggan ... 46

4.2 Hasil Analisis ... 46

4.2.1 Uji Stasioneritas ... 46

4.2.2 Uji Kausalitas Granger ... 48

4.2.3 Uji Lag Optimum ... 49

4.2.4 Uji Kointegrasi ... 50

4.2.5 Estimasi VECM (Vector Error Correction Model) .. 51

4.2.6 Uji Stabilitas Model ... 52

4.2.7 Impuls Response Function (IRF) ... 53

4.2.8 Forecast Error Variance Decomposition (FEVD) ... 60

4.2.9 Implikasi Manajerial ... 72

KESIMPULAN DAN SARAN ... 73

1. Kesimpulan ... 73

2. Saran ... 74

DAFTAR PUSTAKA ... 75

xi

DAFTAR TABEL

No Halaman

1. Hasil Uji Stasioneritas pada Level ... 47

2. Hasil Uji Stasioneritas First Difference ... 48

3. Hasil Uji Stasioneritas Second Difference ... 48

4. Hasil Uji Kausalitas Granger ... 49

5. Hasil Uji Lag Optimum ... 50

6. Hasil Uji Kointegrasi ... 51

7. Hasil Estimasi VECM ... 52

8. Hasil Uji Stabilitas Model ... 53

9. Hasil Peramalan Kembang Kol ... 61

10. Hasil Peramalan Lettuce Head ... 64

xii

DAFTAR GAMBAR

No Halaman

1. Grafik Permintaan Lettuce Head, Tomat Rianto (Beef Tomato),

dan Kembang kol ... 4

2. Kerangka Pemikiran penelitian ... 18

3. Impuls Response of Kembang kol ... 53

4. Impuls Response of Lettuce head ... 56

5. Impuls Response of Beef Tomato ... 58

6. Nilai Aktual dan Nilai Forecast Kembang kol ... 62

7. Variance Decomposition of Cauliflower (Kembang kol) ... 63

8. Nilai Aktual dan Nilai Forecast Lettuce head ... 65

9. Variance Decomposition of Lettuce Head ... 66

10. Nilai Aktual dan Nilai Forecast Tomat beef ... 69

xiii

DAFTAR LAMPIRAN

No Halaman

1. Rata-rata Konsumsi Kalori (KKal) per Kapita Sehari Menurut

Kelompok Makanan ... 78

2. Permintaan Komoditas Sayuran Kembang Kol, Lettuce Head, dan Tomat Rianto (Beef Tomato) ... 79

3. Daftar Customer PT Saung Mirwan ... 80

4. Jumlah Karyawan PT Saung Mirwan ... 81

5. Produk PT Saung Mirwan ... 82

6. Struktur Organisasi PT Saung Mirwan ... 84

7. Uji Stasioneritas Permintaan Kembang Kol ... 85

8. Uji Stasioneritas Permintaan Lettuce Head ... 87

9. Uji Stasioneritas Permintaan Tomat Beef ... 89

10. Uji Kausalitas Granger ... 91

11. Uji Lag Optimum ... 92

12. Uji Kointegrasi ... 93

13. Estimasi VECM ... 94

14. Uji Stabilitas Model ... 96

15. Impuls Response of Cauliflower (Kembang Kol) ... 97

16. Impuls Response of Lettuce Head ... 98

17. Impuls Response of Beef Tomato ... 99

18. FEVD of Kembang Kol, Lettuce Head, Beef Tomato ... 100

19. Regresi Model Minitab ... 103

20. Hasil Ramalan Komoditas Kembang Kol ... 106

21. Hasil Ramalan Komoditas Lettuce Head ... 107

I. PENDAHULUAN

1.1 Latar Belakang

Indonesia merupakan Negara Agraris yang sebagian besar mata pencaharian penduduknya pada pertanian. Pertanian di sini meliputi pertanian tanaman bahan makanan, perikanan, tanaman perkebunan, peternakan, dan kehutanan. Hasil-hasil komoditas pertanian tersebut sangat berperan penting dalam memberikan sumbangan nilai tambah dan proses pembangunan ekonomi Negara Indonesia.

Pertanian Indonesia memiliki potensi besar untuk dikembangkan, khususnya pada komoditas hortikultura. Hortikultura merupakan salah satu bidang dalam sub sektor pertanian sebagai penyedia sumber makanan. Komoditas hortikultura diantaranya yaitu sayuran, buah-buahan, bunga, obat-obatan, dan tanaman taman. Komoditas hortikultura sering ditentukan sebagai komoditas yang berkualitas tinggi dengan standar kualitas tertentu dan juga sebagai komoditas yang memiliki nilai ekonomi yang tinggi, salah satunya yaitu komoditas sayuran. Oleh karena itu, komoditas tersebut harus diproduksi secara efisien untuk mendapatkan produk yang berkualitas dan dapat bersaing di pasar dalam negeri maupun luar negeri.

Usaha di sub sektor pertanian, khususnya di dalam bidang hortikultura yaitu sayuran. Sayuran merupakan salah satu komponen penting di dalam menu makanan yang seimbang untuk pola hidup sehat. Hal ini karena sayuran memberikan kontribusi nyata dalam pembangunan pertanian dan memiliki nilai strategis dalam upaya memenuhi kebutuhan akan protein, vitamin, mineral, dan zat-zat lainnya yang penting bagi pemenuhan gizi masyarakat. Karena manusia membutuhkan dan selalu tertarik dengan pangan. Pangan merupakan sumber energi dan makanan. Seluruh pangan berasal langsung atau tidak langsung dari tanaman yang sebagian besar termasuk dalam kelompok sayuran (Rubatzky dan Yamaguchi, 1998).

Kebutuhan rata-rata konsumsi kalori per kapita sehari akan sayur-sayuran di Indonesia hingga saat ini sebanyak 38,72 menurun dari tahun

sebelumnya (Lampiran 1). Namun, gaya hidup back to nature sekarang ini sedang menjadi trend di kalangan masyarakat yang sadar akan pentingnya menjaga kesehatan tubuh. Sektor pertanian dalam hal ini pertanian sayur mayur merupakan salah satu sektor penyedia pangan yang utama untuk meningkatkan pertumbuhan dan menyediakan zat-zat yang dibutuhkan oleh tubuh untuk dapat hidup sehat.

Konsumsi sayur-sayuran meningkat seiring dengan perubahan ekonomi baik secara lokal, regional, nasional, maupun internasional. Hal ini menandakan bahwa terdapat peluang bagi para produsen agribisnis khususnya sayuran untuk mengembangkan usahanya dalam rangka memenuhi permintaan akan sayuran. Pada daerah Jawa Barat, terdapat beberapa perusahaan agribisnis berskala usaha luas yang dikenal sebagai produsen komoditi sayuran, misalnya PT Saung Mirwan, PT Parung Farm, PD Pacet Segar, PT Abbas Agri, dan PT Bi Mandiri.

Peluang dalam menyediakan pasokan bahan makanan sayuran ini banyak dimanfaatkan salah satunya oleh PT Saung Mirwan untuk meningkatkan persediaan sayuran memenuhi permintaan dan kepuasaan konsumen akan kebutuhannya. PT Saung Mirwan (SM) merupakan salah satu perusahaan yang bergerak di bidang agribisnis sayuran. Sejak awal, perusahaan ini telah memposisikan dirinya sebagai perusahaan yang menghasilkan sayuran yang berkualitas dan eksklusif. Customer PT Saung Mirwan dibagi ke dalam dua kelompok, yaitu customer process (contohnya Seven Eleven) dan customer retail (contohnya Carrefour). Misalnya saja customer retail dalam melakukan permintaan komoditas di PT Saumg Mirwan sangat dipengaruhi oleh harga dan kuantitas, hari libur maupun hari raya. Customer retail dalam melakukan permintaan sudah ada kesepakatan terlebih dahulu dengan pihak perusahaan baik dalam jenis komoditas, harga, kuantitas, kualitas, dan spesifikasi produk. Mengingat jumlah permintaan sayuran yang diminta berfluktuasi dan peran peramalan permintaan untuk pengambilan keputusan bagi pihak manajemen perusahaan, maka perusahaan membutuhkan metode peramalan.

Peramalan permintaan tersebut digunakan sebagai informasi dasar untuk menyusun perencanaan dan keputusan di berbagai bidang dalam perusahaan. Mengingat jenis sayuran yang diusahakan cukup banyak, maka peramalan hanya dilakukan pada beberapa sayuran. Komoditi yang terpilih merupakan sayuran yang memiliki prospek permintaan yang bagus dari sisi harga, profit, dan kuantitas. Berdasarkan pertimbangan tersebut, maka komoditi yang terpilih terdiri dari kembang kol, lettuce head, dan tomat jenis rianto atau biasa disebut beef tomato. Ketiga komoditas ini merupakan komoditas yang paling banyak diminta oleh customer retail dari bayaknya komoditas yang diusahakan oleh PT Saung Mirwan, karena dipengaruhi permintaan dari end user dari customer retail setiap harinya.

Peningkatan konsumsi sayuran diperkirakan akan terus meningkat apabila terjadi pertumbuhan ekonomi karena mempunyai hubungan yang positif dengan pendapatan masyarakat yang semakin meningkat dan manfaat lain yang terkandung di dalam sayuran yang dikonsumsi. Kebutuhan pasar akan sayuran yang terus meningkat dan harus dipenuhi. Hal ini menjadi sebuah kesempatan bagi perusahaan tersebut dalam melayani keinginan dan kebutuhan masyarakat di daerah tersebut maupun di daerah lainnya. Peluang dalam memenuhi kebutuhan pasar akan sayuran sangat dimanfaatkan dengan baik oleh PT Saung Mirwan. Selain itu, perusahaan selalu mengutamakan untuk memenuhi permintaan customer baik dalam hal kuantitas maupun kualitasnya.

Ketiga komoditas yang paling banyak diminta oleh customer retail ini memiliki tingkat permintaan yang cukup baik seperti terlihat pada Gambar 1 dan lebih jelasnya dapat dilihat pada Lampiran 2 untuk angka setiap periodenya. PT Saung Mirwan banyak memasarkan komoditasnya ke daerah Jakarta, Bogor, Depok, Tangerang, Bekasi, dan ada juga ke daerah lainnya. Permintaan komoditas kembang kol, lettuce head, dan tomat rianto (beef tomato) berfluktuatif menyebabkan PT Saung Mirwan memerlukan suatu instrumen untuk melihat hubungan dan pengaruh permintaan pada penjualan ketiga komoditas tersebut. Adanya fluktuasi permintaan ini juga menunjukkan bahwa peramalan merupakan hal yang penting untuk

menentukan keberhasilan dari perencanaan. Data permintaan untuk ketiga komoditas yang berfluktuasi ini dipengaruhi oleh tren dan pola musiman. Kehadiran musiman ini dipengaruhi oleh kondisi tertentu seperti hari libur, hari raya, dan bulan puasa.

Gambar 1. Grafik Permintaan Lettuce Head, Tomat Rianto (Beef Tomato), dan Kembang Kol Periode Tahun 2009 sampai Tahun 2011 (PT Saung

Mirwan, 2012)

Hasil peramalan merupakan informasi dasar untuk menyusun perencanaan dan keputusan di berbagai bidang. Hal ini juga diperlukan untuk membantu PT Saung mirwan dalam mengontrol penjualan dari ketiga komoditas dalam beberapa periode ke depan. Pengaruh dan hubungan dalam permintaan setiap komoditas pada perusahaan terkadang dapat menyebabkan penurunan maupun peningkatan permintaan dan penjualan terhadap komoditas lainnya.

1.2 Perumusan Masalah

Semakin banyaknya pesaing produsen atau petani kembang kol, lettuce head, dan tomat rianto atau beef tomato sekarang ini, membuat jumlah produk sayuran tersebut di pasaran harus bersaing dengan ketat baik dalam ketersediaan jumlah produk sayuran maupun kualitas yang diberikan oleh produsen ke konsumen. Hal ini membuat produsen sayuran kembang kol, lettuce head, dan tomat beef yang memasok pada PT Saung Mirwan harus

memikirkan bagaimana cara untuk mempertahankan pelanggannya maupun meningkatkan konsumennya. Oleh karena itu, PT Saung Mirwan sebagai produsen sayuran harus melakukan peramalan permintaan untuk menetapkan sasaran permintaan pada penjualan komoditas kembang kol, lettuce head, dan tomat rianto atau beef tomato.

Perumusan masalah dari penelitian ini adalah :

1. Bagaimana pola permintaan yang terjadi pada produksi sayuran (kembang kol, lettuce head, dan tomat beef) di PT Saung Mirwan selama ini?

2. Bagaimana peramalan permintaan deret waktu komoditas sayuran di PT Saung Mirwan menurut pola permintaan yang ada untuk satu tahun ke depan pada produk sayuran (kembang kol, lettuce head, dan tomat beef)? 3. Bagaimana kointegrasi produk kembang kol, lettuce head, dan tomat beef

dalam proses permintaan produk di PT Saung Mirwan? 1.3 Tujuan Penelitian

Berdasarkan perumusan masalah di atas, maka tujuan dari penelitian ini adalah :

1. Mengidentifikasi dan menganalisis pola permintaan sayuran (kembang kol, lettuce head, dan tomat beef) di PT Saung Mirwan yang selama ini berlangsung.

2. Mempelajari dan mendapatkan ramalan jumlah permintaan sayuran (kembang kol, lettuce head, dan tomat beef) yang akan diminta untuk satu tahun ke depan dan menganalisis dilihat dari komoditas sayuran yang diramalkan.

3. Menganalisis kointegrasi produk kembang kol, lettuce head, dan tomat beef dalam proses penjualan di PT Saung Mirwan.

1.4 Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat dan kontribusi : 1. Bagi penulis, dapat menerapkan ilmu pengetahuan yang didapat dari

perkuliahan untuk dapat mempraktekannya atau menerapkannya di lapangan (usaha).

2. Bagi perusahaan, hasil penelitian dapat menjadi bahan pertimbangan dan masukan dalam pengambilan keputusan manajerial yang berkaitan dengan penyediaan produk (sayuran kembang kol, lettuce head, dan tomat beef) yang sesuai dengan permintaan konsumen dan kebijakan yang dapat diterapkan dalam merencanakan produksi yang optimal.

3. Bahan referensi bagi peneliti lain yang akan melakukan penelitian yang sama atau lebih lanjut mengenai peramalan yang melihat komoditas yang satu dapat mempengaruhi komoditas lainnya.

1.5 Ruang Lingkup Penelitian

Ruang lingkup penelitian ini yaitu analisis peramalan penjualan dan kointegrasi dalam permintaan produk sayuran kembang kol, lettuce head, dan tomat rianto atau beef tomato dari periode Januari 2009 sampai Desember 2011 di PT Saung Mirwan. Analisis kointegrasi penjualan dengan menggunakan alat analisis Vector Autoregression (VAR) atau Vector Error Correction Model (VECM) dan untuk peramalannya dengan menggunakan Impuls Respons Function (IRF) dan Forecast Error Variance Decomposition (FEVD). Data yang dibutuhkan berupa data sekunder mengenai penjualan sayuran kembang kol, lettuce head, dan tomat rianto atau beef tomato serta seluruh data yang bersumber pada catatan pengelolaan produk sayuran di PT Saung Mirwan.

II. TINJAUAN PUSTAKA

2.1 Sayuran

Menurut Williams et, al. (1993), rentang jenis sayuran yang diusahakan dan ditemukan di pasar-pasar jauh lebih besar di daerah tropis dibandingkan di daerah atau negara-negara beriklim sedang. Terlepas dari keanekaragaman yang besar dari sayuran tropis, jumlah yang dikonsumsi per kapita sering kali lebih sedikit dibandingkan dengan di negara yang beriklim sedang. Hal ini sangat memprihatinkan karena sayuran merupakan sumber protein penting dan zat nutrien lainnya yang murah, bila dibandingkan dengan daging, telur, dan hasil-hasil susu lainnya yang lebih mahal. Selain itu, masyarakat negara tropis sangat sedikit mengkonsumsi makanan tersebut untuk mendapatkan zat nutriennya.

Suatu faktor yang membedakan pertanian sayuran dari tipe pertanian lainnya adalah luas lahan usaha tani dan sifat intensif dari pertanian sayuran. Karena sayuran lebih banyak dipanen dalam bentuk segar (kandungan air tinggi) maka hasilnya akan sangat tinggi bila diusahakan dengan sebaik mungkin. Supaya hasilnya memuaskan, masukan dalam bentuk pupuk, bibit, tenaga untuk penanaman, pemeliharaan dan pemanenan, serta perlindungan tanaman juga sangat tinggi, jauh lebih tinggi daripada untuk tanaman pertanian atau field crops (Williams et, al., 1993).

Sayuran dikonsumsi dengan cara yang sangat bermacam-macam, baik sebagai bagian dari menu utama maupun sebagai makanan sampingan. Kandungan nutrisi antara sayuran yang satu dan sayuran yang lain pun berbeda-beda, meski umumnya sayuran mengandung sedikit protein atau lemak, dengan jumlah vitamin, provitamin, mineral, fiber dan karbohidrat yang bermacam-macam. Beberapa jenis sayuran bahkan telah diklaim mengandung zat antioksidan, antibakteri, antijamur, maupun zat anti racun. Kandungan zat gizi alami dalam sayuran hijau sangat banyak. Selain kaya dengan vitamin A dan C, sayuran hijau juga mengandung berbagai unsur mineral seperti zat kapur, zat besi, magnesium dan fosfor. Sayuran yang

berwarna hijau tua merupakan sumber karotenoid (pigmen dalam tanaman yang terdapat pada tumbuhan) terbaik dan tergolong penting untuk memerangi radikal bebas.

2.2 Definisi Peramalan

Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Usaha untuk melihat situasi dan kondisi pada masa yang akan datang merupakan usaha untuk memperkirakan pengaruh situasi dan kondisi yang berlaku terhadap perkembangan di masa yang akan datang. Peramalan merupakan dasar untuk penyusunan rencana yang manfaatnya dapat terlihat pada saat pengambilan keputusan dengan menggunakan suatu metode yang sesuai. Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu (Assauri, 1984). Sedangkan menurut Kusuma (1999), peramalan adalah perkiraan tingkat permintaan satu atau produk selama beberapa periode mendatang.

Menurut Heizer dan Render (2006), peramalan adalah seni dan ilmu untuk memperkirakan kejadian di masa depan dapat dilakukan dengan pengambilan data masa lalu dan menempatkannya ke masa yang akan datang dengan suatu bentuk model matematis atau bisa juga dengan prediksi intuisi yang bersifat subjektif, maupun kombinasi dari keduanya. Prosedur peramalan dapat dikelompokkan sesuai dengan sifatnya yang kuantitatif atau kualitatif. Teknik kualitatif yang murni adalah yang jelas tidak memerlukan manipulasi data, hanya pendapat pribadi yang digunakan oleh forecaster (peramal) yang mengacu hasil dari manipulasi mental data historis masa lalu. Di sisi lain, teknik kuantitatif yang murni tidak memerlukan input pendapat pribadi, hal ini merupakan prosedur mekanis yang menghasilkan keluaran kuantitatif dan memerlukan lebih banyak manipulasi data yang canggih dibandingkan lainnya (Hanke et, al., 2003).

2.2.1 Jenis-jenis Peramalan

Jenis-jenis peramalan menurut Assauri (1984), apabila dilihat dari sifat penyusunannya dapat dibedakan atas dua macam:

a. Peramalan yang subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya.

b. Peramalan yang objektif, adalah peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode dalam penganalisaan data tersebut.

Jika dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan atas tiga macam:

a. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari tiga tahun atau lebih.

b. Peramalan jangka menengah, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya mencakup hitungan bulanan hingga tiga tahun.

c. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dengan jangka waktu yang kurang dari satu tahun tetapi umumnya kurang dari tiga periode.

Metode peramalan kuantitatif dibagi ke dalam dua kategori, yaitu: a. Metode peramalan yang didasarkan atas penggunaan analisis pola

hubungan antara variabel yang akan diperkirakan dengan variabel waktu disebut metode deret waktu atau time series, seperti dengan menggunakan pendekatan naif, rata-rata bergerak, penghalusan eksponensial, dan proyeksi tren.

b. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan digunakan dengan variabel lain yang mempengaruhinya, yang bukan waktu, disebut metode korelasi atau sebab akibat causal methods (Assauri, 1984), seperti dengan menggunakan regresi linear.

2.2.2 Peramalan Time Series (Runtut Waktu)

Peramalan time series (runtut waktu) menggunakan data runtut waktu yaitu data yang dikumpulkan dari suatu waktu ke waktu berikutnya selama jangka waktu tertentu, seperti jam, hari, minggu,

periode, tahun, dan lainnya. Data yang diperlukan untuk peramalan time series adalah nilai masa lalu dari suatu produk dianalisis pola data tersebut apakah berpola trend, musiman, atau siklus. Meramalkan berdasarkan data time series berarti nilai masa depan yang diperkirakan hanya dari nilai masa lalu dan bahwa peubah lain diabaikan, walaupun peubah-peubah lain tersebut mungkin sangat bermanfaat pada analisis.

Data deret waktu dapat dibedakan menjadi data deret waktu yang bersifat stasioner dan tidak stasioner. Data stasioner memiliki nilai rata-rata dan variansi yang relatif konstan dari waktu ke waktu, sedangkan data yang tidak stasioner relatif bervariansi dari waktu ke waktu (Aritonang, 2002). Data time series dapat juga dibedakan menjadi empat komponen, yaitu trend, musim, siklus, dan variasi acak atau random variation.

2.3 Teori Pemasaran

Menurut Kotler (2009), pemasaran berhubungan dengan mengidentifikasi dan memenuhi kebutuhan manusia dan masyarakat. Setiap orang mungkin bisa menghasilkan produk, tetapi tidak semua bisa menghasilkan produk yang sesuai dengan keinginan dan kebutuhan dengan harga yang murah dan memuaskan. Pemasaran di sini adalah suatu proses yang di dalamnya individu dan kelompok mendapatkan apa yang mereka butuhkan dan inginkan dengan menciptakan, menawarkan, dan secara bebas mempertukarkan produk yang bernilai dengan pihak lain yaitu pelanggan. Pemasaran merupakan seni dalam menjual suatu produk yang dihasilkan oleh individu, kelompok, maupun organisasi dalam hal ini perusahaan. Pemasaran tidak hanya fokus pada penjualan produk, tetapi untuk dapat mengetahui dan memahami keinginan dan kebutuhan pelanggan sehingga produk diterima dan cocok dengannya dan selanjutnya memberikan pelayanan lain atas produknya.

Konsep pemasaran menegaskan bahwa kunci utama untuk mencapai tujuan organisasi yang ditetapkan adalah perusahaan tersebut harus menjadi lebih efektif dibandingkan para pesaing dalam menciptakan, menyerahkan,

dan mengkomunikasikan nilai pelanggan kepada pasar sasaran yang terpilih. Pemasar harus terampil dalam mengelola permintaan yang berasal dari individu dan masyarakat, berupaya untuk memengaruhi level, waktu, dan komposisi permintaan. Produk yang dipasarkan oleh pemasar bisa berupa barang, jasa, acara khusus atau event, pengalaman, orang, tempat, kepemilikan, organisasi, informasi, dan gagasan. Pemasar dapat beroperasi dalam empat tempat pasar yang menjadi targetnya yaitu konsumen, bisnis, global, dan nirlaba.

2.4 Peramalan Penjualan

Peramalan yang dilakukan oleh perusahaan pada umumnya hasilnya akan berimplikasi pada peramalan penjualan. Teknik dan metode analisa yang sangat erat kaitannya dengan perencanaan atau peramalan, khususnya disini tentang permintaan atau penjualan. Hal ini disebabkan oleh maksud dan tujuan dari suatu analisa kegiatan usaha yang menitikberatkan pada mengkaji situasi dan kondisi sekarang dengan situasi dan kondisi pada masa yang akan datang (Aritonang, 2002). Kegiatan peramalan tersebut untuk melihat prospek situasi dan kondisi di masa yang akan datang mengenai penjualan sayuran. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Assauri, 1984).

Peramalan bisa mempengaruhi perusahaan dalam mencapai tujuannya di masa yang akan datang, keberhasilannya yang diperoleh dari kebijakan yang diterapkan dan dilaksanakan. Jadi, dalam menentukan kebijakan perlu diperkirakan peluang yang ada dan ancaman yang mungkin terjadi serta harus dihadapi dengan kekuatan yang dimiliki perusahaan, kelemahan bukan menjadi hambatan bagi perusahaan untuk tetap menjalankan usahanya. Dalam usaha untuk mengetahui atau melihat yang terjadi di masa depan, peramalan dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan akan sesuatu timbul, sehingga dapat dipersiapkan kebijakan atau langkah – langkah tindakan yang perlu dilakukan (Aritonang, 2002).

Sebagian besar perusahaan membutuhkan hasil peramalan penjualan untuk dapat memprediksi kebutuhan sumber daya yang akan diproduksi untuk

menghasilkan produk yang nantinya akan ditawarkan kepada pelanggannya. Peramalan yang dilakukan perusahaan tidak hanya untuk jangka pendek saja tetapi juga jangka panjang. Oleh karena itu, peramalan penjualan merupakan hal yang penting dan strategis dilakukan oleh perusahaan agar dapat memprediksi dan memperkirakan apa yang akan terjadi pada masa yang akan datang di dalam perusahaan. Peramalan yang dilakukan oleh manajemen puncak biasanya melihat faktor-faktor baik internal maupun eksternal, tetapi sebagian besar akan dipengaruhi oleh faktor eksternalnya, seperti kondisi ekonomi, kondisi politik, kondisi sosial, perubahan teknologi, dan lingkungan eksternal lainnya yang secara strategis mempengaruhi kinerja perusahaan. Hasil ramalan penjualan manajemen puncak yang nantinya akan digunakan oleh seluruh bagian perusahaan yang dijadikan sebagai acuan untuk penganggaran dan perencanaan produk yang hasilnya harus benar-benar diimplementasikan.

Menurut Sugiarto dan Harijono (2000), peramalan penjualan jangka panjang sangat dibutuhkan oleh perusahaan dalam keputusan pengembangan produk baru, penambahan lini produk dan juga keputusan untuk mengurangi jumlah produk yang dihasilkan atau dipasarkan. Selain itu ramalan penjualan jangka panjang juga sangat menentukan dalam proses penganggaran modal, pembukaan daerah pemasaran baru, pengambilalihan perusahaan lain, pengembangan saluran distribusi baru dan keputusan-keputusan strategis lainnya. Sedangkan pada jangka pendek perusahaan melakukan peramalan juga terhadap permintaan dan penjualan untuk setiap produk per daerah geografis dan konsumen yang menjadi target pemasaran perusahaan, perencanaan periklanan, rekrutmen sales force dan berbagai strategi pemasaran yang dapat dibuat peramalannya, perencanaan jadwal produksi, perencanaan kebutuhan bahan, perencanaan kebutuhan, rekrutmen tenaga kerja, prediksi arus kas, tingkat komposisi biaya dan pendapatan, dan lain sebagainya.

2.5 Kestasioneran Data

Kestasioneran data deret waktu dapat diperiksa dengan melihat plot deret waktu. Plot deret waktu yang berfluktuasi dengan ragam yang konstan di sekitar rataan yang konstan menunjukkan bahwa data deret waktu tersebut stasioner. Sedangkan plot deret waktu yang tidak berfluktuasi di sekitar rataan yang konstan atau tidak berfluktuasi dengan ragam yang konstan mengindikasikan bahwa data deret waktu tersebut tidak stasioner. Selain itu plot korelasi diri (ACF) juga dapat menunjukkan data deret waktu stasioner atau tidak stasioner. Jika plot ACF dari data membentuk pola cuts off (memotong garis) atau tails off (turun secara eksponensial menuju nol) dengan cepat, maka data tersebut diperkirakan stasioner. Sedangkan jika plot ACF membentuk pola tails off secara lambat, maka data deret waktu tersebut diperkirakan tidak stasioner (Bowerman & O’Connell, 1993). Data dikatakan stasioner bila memenuhi syarat berikut: (1) rata-rata dan variannya konstan sepanjang waktu, dan (2) kovarian antara dua data runtut waktu tergantung pada kelambanan antara dua periode tersebut (Winarno, 2007).

2.6 Model Vector Autoregression (VAR)

Model VAR dikembangkan oleh Christoper Sims pada tahun (1980). model ini pada dasarnya hampir sama dengan model untuk menguji Granger’s Causality. Model VAR sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi dimana terjadi saling ketergantungan antar variabel dalam ekonomi. Sims berpendapat, jika memang terdapat hubungan yang simultan antar variabel yang diamati, variabel-variabel tersebut perlu diperlakukan sama, sehingga tidak ada lagi variabel endogen dan eksogen (Nachrowi dan Usman, 2006).

Model VAR ini menjawab tantangan kesulitan yang ditemui akibat model struktural yang harus mengacu pada teori. Dengan kata lain, model VAR tidak banyak tergantung pada teori, tetapi hanya perlu menentukan variabel yang saling berinteraksi (menyebabkan) yang perlu dimasukkan dalam sistem, dan banyaknya variabel jeda yang perlu diikutsertakan dalam

model yang diharapkan dapat menangkap keterkaitan antar variabel dalam sistem (Nachrowi dan Usman, 2006).

2.7 Vector Error Correction Model (VECM)

Vector Error Correction Model (VECM) digunakan jika peubah-peubah yang ada bersifat tidak stasioner. Hal ini terjadi karena setiap bentuk persamaan kointegrasi akan mempunyai error correction model yang disebabkan dalam jangka pendek pergerakan dari setiap peubah mungkin saja akan menyimpang dari long-run-track-nya, misalnya karena adanya guncangan harga atau karena adanya faktor musim yang tidak menentu.

Apabila kedua data yang dianalisis tidak stasioner tetapi saling berkointegrasi, berarti ada hubungan jangka panjang (atau keseimbangan) antara kedua variabel tersebut. Dalam jangka pendek ada kemungkinan terjadi ketidakseimbangan atau disekuilibrium. Karena adanya ketidakseimbangan ini maka diperlukan adanya koreksi dengan model koreksi kesalahan.

2.8 Penelitian Terdahulu

Indrazakti (2011) meneliti tentang peramalan penjualan dengan menggunakan metode kointegrasi pada Safe 1, dan Cypergard (500 ml dan 100 ml) di PT Chemigard, data kuantitatif yang digunakan berupa laporan penjualan pestisida pembasmi rayap serta data kualitatif berupa penjelasan dan keterangan-keterangan. Model yang digunakan adalah model analisis Vector Error Correction Model (VECM) yang selanjutnya ada uji stabilitas data, kemudian memiliki analisis lanjutan yaitu Impuls Respons Function (IRF) dan Forecasting Error Variance Decomposition (FEVD) untuk mendapatkan peramalannya, yang terlebih dahulu harus dilakukan uji stasioneritas, penentuan lag optimal dan uji kointegrasi. Berdasarkan hasil uji kointegrasi data yang diolah memiliki hubungan kointegrasi pada produk Safe 1 dan Cypegard (500 ml dan 100 ml), dan berdasarkan IRF dan FEVD hasil ramalan ketiga produk tersebut untuk enam periode cenderung mengalami peningkatan walaupun adanya fluktuasi ringan dan produk yang berpengaruh baik terhadap peningkatan penjualan semua produk adalah produk Cypegard

baik kemasan 500 ml maupun 100 ml. Sedangkan produk Safe 1 berpengaruh positif terhadap penjualan dirinya sendiri dan penjualan produk Cypegard 500 ml, tetapi berpengaruh negatif terhadap penjualan produk Cypegard 100 ml.

Penelitian lain yang terkait, Widyasari (2010) meneliti tentang kointegrasi harga beberapa komoditas pangan utama pasca krisis ekonomi di Pulau Sumatera dan Jawa dengan menggunakan metode analisis Vector Autoregression (VAR) dan Vector Error Correction Model (VECM) yang dalam penggunaannya dibedakan menurut pola datanya, terlebih dahulu diuji menggunakan uji stasioneritas. Apabila data yang digunakan stasioner pada level nol maka digunakan metode analisis VAR dan apabila data yang digunakan tidak stasioner pada level nol maka digunakan metode analisis VECM. Penelitian yang dilakukan bertujuan untuk menganalisis kointegrasi harga beberapa komoditas pangan utama di tingkat produsen dan tingkat konsumen, dan menganalisis apakah terdapat pemimpin harga komoditas pangan utama di tingkat produsen dan tingkat konsumen. Hasil yang diperoleh dengan metode analisis VAR dan VECM menunjukkan terdapat kointegrasi harga komoditas jagung, kacang tanah, dan ketela rambat di Pulau Sumatera dan Jawa pada tingkat produsen maupun konsumen.

III. METODE PENELITIAN

3.1Kerangka Pemikiran Penelitian

Setiap perusahaan memilki tujuan mendapatkan keuntungan yang maksimal secara berkelanjutan. Untuk itu, setiap perusahaan harus merencanakan atau merancang dan memiliki strategi manajemen yang baik. Proses penyusunan perencanaan membutuhkan suatu prediksi atau perkiraan yang tepat terhadap suatu proyeksi keadaan pada masa yang akan datang dengan mengacu pada keadaan atau kondisi saat ini.

Penelitian meramalkan beberapa komoditas sayuran dengan menggunakan metode kointegrasi, sehingga hasil ramalan yang diperoleh dari masing-masing komoditas sayuran dapat melihat hubungan dan pengaruh komoditas sayuran yang satu dengan lainnya. Tujuan dari penelitian ini salah satunya adalah mengetahui pola data dan metode peramalan penjualan terbaik yang digunakan pada komoditas sayuran oleh PT Saung Mirwan untuk mencapai tujuan yang direncanakan dalam strategi pemasarannya. Langkah dalam melakukan penelitian ini dimulai dengan mengumpulkan data-data yang relevan mengenai perusahaan dan data permintaan dan penjualan komoditas sayuran yang terdapat pada PT Saung Mirwan untuk kurun waktu selama tiga tahun yaitu dari tahun 2009 sampai dengan tahun 2011.

Data yang diperoleh akan diolah dan dianalisis dengan menggunakan metode analisis time series (deret waktu) dan metode analisis regresi, sebelumnya akan dibuat plot pola data penjualan selama kurun waktu yang diteliti. Setelah data penjualan dianalisis maka selanjutnya akan dilakukan uji kointegrasi pada data tersebut untuk mengetahui kestasioneran data yang diperoleh. Uji kointegrasi selesai maka tidak akan sulit untuk menentukan metode peramalan yang akan digunakan dan cocok pada data yang dihasilkan, karena data penjualan yang bersifat stasioner maka model yang dapat digunakan untuk analisis peramalan adalah Vector Autoregression (VAR), sedangkan untuk data penjualan yang bersifat tidak stasioner maka model yang dapat digunakan pada analisis peramalannya adalah Vector Error Correction

Model (VECM). Setelah analisis VAR atau VECM dilakukan maka akan diperoleh hasilnya, hasil dari analisis tersebut yang akan menunjukkan peramalan penjualan pada komoditas sayuran di PT Saung Mirwan untuk kurun waktu selama satu tahun ke depan.

Gambar 2. Kerangka pemikiran penelitian PT Saung Mirwan

Melihat hubungan antar komoditas sayuran dan diperlukan peramalan penjualan untuk menyusun perencanaan yang lebih

tepat dan akurat Visi, misi, dan tujuan

Eksplorasi data penjualan sayuran 2009-2011

Hasil analisis

Implikasi manajerial Uji Kestasioneran

Stasioner

Pembedaan Ya

Tidak

Pemilihan Ordo

Uji Kointegrasi (dilakukan jika sudah stasioner untuk data yang tidak stasioner)

Johansen Engle-Granger r ≤ 0

VAR VECM

r > 0

Impuls Respon Function (IRF) dan Forecast Error Variance Decomposition (FEVD)

3.2 Lokasi dan Waktu Penelitian

Penelitian ini dilakukan di sebuah perusahaan produsen dan suplier komoditas sayuran yaitu PT Saung Mirwan. PT Saung Mirwan ini bertempat di Jalan Raya Puncak Mega Mendung, Bogor, Jawa Barat. Pelaksanaan penelitian dilakukan selama tiga bulan mulai dari bulan Desember 2011 sampai dengan bulan Februari 2012.

3.3 Pengumpulan Data

Data yang digunakan adalah data historis permintaan dan penjualan komoditas sayuran yang terpilih dan data lain yang relevan terhadap penelitian ini. Data penjualan yang digunakan adalah penjualan komoditas sayuran kembang kol, lettuce head, dan tomat rianto atau beef tomato selama periode tahun 2009 sampai dengan tahun 2011. Data yang diambil bersifat kualitatif dan kuantitatif.

3.3.1 Jenis Data dan Informasi

a. Informasi mengenai gambaran umum perusahaan yaitu meliputi sejarah, visi, misi dan perkembangan perusahaan, lokasi perusahaan, struktur organisasi dan ketenagakerjaan dalam perusahaan, pengadaan sarana produksi, fasilitas karyawan, pengelolaan limbah produksi dan program tanggung jawab sosial perusahaan terhadap lingkungan sekitarnya.

b. Informasi mengenai gambaran umun proses produksi perusahaan. c. Data mengenai biaya produksi, biaya tenaga kerja, serta biaya

produksi lainnya.

d. Kapasitas produksi aktual perusahaan setiap periodenya dan perkembangan volume produksi setiap periodenya dan data mengenai permintaan sayuran.

e. Data mengenai kapasitas gudang penyimpanan sayuran. 3.3.2 Sumber Data dan Informasi

a. Data Primer, yaitu data yang diperoleh secara langsung dari perusahaan yang diperoleh dengan cara:

1) Observasi, yaitu teknik pengumpulan data yang dilakukan dengan cara pengamatan terhadap obyek.

2) Wawancara, yaitu teknik pengumpulan data dengan cara mengadakan tanya jawab langsung secara lisan terhadap pemilik dan pegawai perusahaan yang terkait.

b. Data Sekunder, yaitu data yang didapatkan dari sumber-sumber lain yang berfungsi sebagai data pendukung, yaitu:

1) Buku-buku, jurnal, atau laporan-laporan hasil penelitian yang relevan dan memilki keterkaitan dengan penelitian ini.

2) Data dari Departemen Pertanian, Departemen Perdagangan, maupun instansi-instansi yang terkait dengan penulisan penelitian ini dan menunjang tercapainya tujuan.

3) Data dari perusahaan yang berkaitan dengan data penjualan, data produksi sayuran, data kebutuhan input, dan lain-lain.

3.4 Pengolahan dan Analisis Data

Informasi yang dikumpulkan kemudian diolah dan dianalisis untuk dapat memberikan penjelasan dan gambaran mengenai permasalahan yang diangkat dalam penelitian ini. Pengolahan dan analisis data yang diperoleh dalam penelitian ini dilakukan secara kualitatif dan kuantitatif. Analisis kualitatif atau deskriptif yang digunakan menggabungkan faktor-faktor seperti perasaan atau intuisi pengambil keputusan, emosi, pengalaman pribadi dan sistem nilai yang sebagian besar ada di dalam pribadi seseorang. Analisis kualitatif yang biasanya diperoleh dengan cara wawancara atau tanya jawab dengan pihak perusahaan untuk menggambarkan keadaan umum perusahaan dan mengetahui permasalahan yang terjadi di dalam perusahaan tersebut. Sedangkan untuk analisis kuantitatif yaitu menggunakan model matematis yang beragam dengan data masa lalu dan variabel sebab akibat untuk meramalkan permintaan. Analisis kuantitatif yang dilakukan untuk analisis peramalan penjualan komoditas sayuran yang terpilih selama satu tahun ke

depan dengan menggunakan metode peramalan kointegrasi dengan menggunakan data penjualan deret waktu, artinya disajikan berdasarkan waktu kejadian tanpa menunjukkan faktor-faktor yang mempengaruhinya, sebelumnya harus dianalisis apakah data stasioner atau tidak stasioner, kemudian akan dilanjutkan dengan memilih model analisis peramalan yang sesuai dengan data tersebut. Hasil peramalan tersebut untuk melihat hubungan antara komoditas yang satu dengan komoditas lainnya dan digunakan juga untuk menetapkan target penjualan sayuran satu tahun ke depan, sehingga dapat dijadikan sebagai acuan perusahaan untuk membuat keputusan dan perencanaan strategi pemasaran terbaik di masa yang akan datang. Data kuantitatif tersebut diolah dengan menggunakan bantuan program Microsoft Excel 2007, Eviews 6, dan Minitab 16.

3.5 Uji Stasioneritas Data

Umumnya data time series bersifat stokastik atau memiliki tren yang tidak stasioner yang artinya data tersebut mengandung akar unit. Supaya dapat mengestimasi model menggunakan data tersebut maka yang harus dilakukan pada langkah pertama yaitu uji stasioneritas data atau dikenal dengan unit root test. Bila data yang digunakan mengandung akar unit maka akan sulit untuk mengestimasi suatu model dengan menggunakan data tersebut sebab tren datanya cenderung berfluktuasi tidak disekitar nilai rata-ratanya. Jadi, dapat disimpulkan bahwa data yang stasioner akan cenderung untuk mendekati nilai ratanya dan berfluktuasi di sekitar nilai rata-ratanya (Gujarati, 2003). Uji akar unit dalam penelitian ini akan dilakukan dengan menggunakan Augmented Dickey Fuller (ADF).

Pengujian Augmented Dickey Fuller (ADF) ini memodelkan pengaruh autokorelasi pada disturbance (memasukkan lag ΔX yang menyebabkan autokorelasi ke dalam model pengujian Augmented Dickey Fuller) sehingga uji hipotesa pada parameter yang diestimasi akan lebih akurat. Bentuk umum persamaan uji stasioneritas tersebut dapat dituliskan sebagai berikut (Enders, 2004):

Dimana:

= bentuk dari first different α = intersep

X = variabel yang diuji stasioneritasnya P = panjang lag yang digunakan dalam model ut = residual atau error

Hipotesisnya adalah H0 mengandung hipotesis bahwa terdapat

akar-akar unit, H1 mengandung hipotesis bahwa tidak terdapat akar-akar unit.

Pengujian hipotesis statistik tersebut dilakukan dengan membandingkan ADF test statistic hasil regresi dengan t-statistik MacKinnon Critical Value 1 persen, 5 persen, 10 persen. Bila ADF test statistic hitung lebih kecil dari MacKinnon Critical Value, maka H0 diterima dan H1 ditolak, tidak cukup

bukti untuk menolak hipotesis bahwa di dalam persamaan mengandung akar-akar unit, artinya data tersebut bersifat tidak stasioner. Tetapi sebaliknya, jika ADF test statistic hitung lebih besar dari MacKinnon Critical Value, maka H0

ditolak dan H1 diterima, karena cukup bukti untuk menolak hipotesis nol

bahwa di dalam persamaan mengandung akar-akar unit yang artinya data bersifat stasioner.

Jika hasil dari uji stasioner menunjukkan bahwa data belum stasioner pada level atau integrasi derajat nol I(0), maka untuk memperoleh data yang stasioner dilakukan dengan cara differencing data yaitu dengan mengurangi data tersebut pada data periode sebelumnya. Data melalui differencing pertama atau first difference akan diperoleh selisih, prosedur ADF dilakukan untuk menguji data sudah stasioner pada first difference. Apabila pada first difference menghasilkan data yang stasioner, maka data time series tersebut terintegrasi pada derajat pertama I(1) untuk seluruh variabel. Tetapi bila pada first difference data belum stasioner maka dilakukan second difference untuk menghasilkan data yang stasioner. Hal ini terus dilakukan sehingga diperoleh data yang stasioner.

3.6 Uji Kausalitas Granger

Uji kausalitas Granger dilakukan untuk mengetahui dan mengevaluasi kemampuan peramalan dari suatu peubah deret waktu pada periode sebelumnya terhadap peubah deret waktu lainnya pada periode sekarang. Hipotesis nol yang diuji menyatakan bahwa tidak adanya kausalitas diantara variabel sedangkan hipotesis alternatif menyatakan bahwa adanya hubungan kausalitas diantara variabel. Untuk menolak atau menerima hipotesis nol dapat melihat probabilitasnya yang dibandingkan dengan tingkat kepercayaan, pada penelitian ini menggunakan tingkat kepercayaan atau nilai kritis sebesar 5 persen. Jika nilai probabilitasnya lebih kecil dari 5 persen maka hipotesis nol ditolak, ini berarti bahwa adanya hubungan kausalitas diantara variabel-variabel yang diuji.

3.7 Model Vector Autoregression (VAR)

Vector Autoregression (VAR) merupakan alat analisis atau metode statistik yang bisa digunakan baik untuk memproyeksikan sistem variabel-variabel atau peubah runtut waktu atau time series maupun untuk menganalisis dampak dinamis dari faktor gangguan yang terdapat dalam sistem variabel tersebut. Kelebihan dari analisis model VAR, antara lain adalah (Nachrowi dan Usman, 2006) :

a. Model VAR adalah model yang sederhana dan tidak perlu membedakan mana variabel yang endogen dan mana yang variabel eksogen. Semua variabel pada model VAR dapat dianggap sebagai variabel endogen

b. Cara estimasinya sangat mudah, dimana metode Ordinary Least Square (OLS) dapat diaplikasikan pada tiap-tiap persamaan secara terpisah.

c. Peramalan atau forecast yang diperoleh dengan model VAR pada beberapa hal lebih baik dibandingkan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks sekalipun.

Namun dengan demikian, model VAR tetap mempunyai kekurangan, diantaranya sebagai berikut :

a. Model VAR lebih bersifat a teoritik karena tidak dapat memanfaatkan informasi atau teori terdahulu. Oleh karena itu, model tersebut sering disebut sebagai model yang tidak struktural.

b. Mengingat tujuan utama model VAR adalah untuk peramalan maka model VAR kurang cocok untuk analisis kebijakan.

c. Pemilihan banyaknya lag yang digunakan dalam persamaan juga dapat menimbulkan permasalahan.

d. Semua variabel VAR harus stasioner, jika tidak stasioner maka harus ditransformasi terlebih dahulu.

e. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah. VAR adalah suatu sistem persamaan dinamis dimana pendugaan suatu peubah pada periode tertentu tergantung pada pergerakan peubah tersebut dan peubah-peubah lain yang terlibat dalam sistem pada periode-periode sebelumnya (Enders, 2004). Untuk suatu sistem sederhana dengan dua peubah, model simultan yang dibentuk (Enders, 2004) adalah sebagai berikut:

...(2) ...(3) dengan asumsi: (a) dan stasioner; (b) dan adalah galat dengan simpangan baku dan ; dan (c) dan tidak berkorelasi.

Persamaan 2 dan 3 memiliki struktur timbal balik atau feedback karena dan saling memberikan pengaruh satu sama lain. Persamaan ini merupakan persamaan VAR struktural. Dengan menggunakan aljabar matriks, persamaan 2 dan 3 dapat dituliskan sebagai berikut:

atau

...(4) Jika persamaan 4 dikalikan dengan akan diperoleh model VAR bentuk standar:

...(5) dimana:

Secara umum model VAR berordo p mempunyai bentuk persamaan (Enders, 2004) sebagai berikut:

...(6) Dimana = vektor peubah endogen berukuran nx1 diasumsikan stasioner yang berisi n peubah yang masuk ke dalam model VAR, = vektor intersep berukuran nx1, = matriks parameter berukuran nxn untuk i = 1, 2, ..., p, = vektor sisaan berukuran nx1, p = panjang lag, t = periode amatan.

Vector Autoregression (VAR) adalah sistem persamaan yang menunjukkan setiap peubah dalam persamaan merupakan fungsi linier dari konstanta nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada di dalam sistem (Agung, 2009). Jadi, peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem.

3.8 Kointegrasi

Dua variabel atau peubah yang tidak stasioner sebelum didiferensi namun stasioner pada tingkat diferensi pertama, besar kemungkinan akan terjadi kointegrasi, yang berarti terdapat hubungan jangka panjang diantara keduanya. Ada tiga cara untuk menguji kointegrasi, yaitu uji kointegrasi Engle-Granger (EG), uji Cointegrating Regression Durbin Watson (CRDW), dan uji Johansen. Kointegrasi terjadi apabila variabel independen dan variabel dependen sama-sama merupakan suatu tren time series, sehingga masing-masing tidak stasioner. Akan tetapi bila keduanya diregresi kombinasi linearnya menjadi stasioner. Kointegrasi juga dapat menyebabkan terjadinya spurious regression (regresi lancung). Kointegrasi mudah terjadi pada data time series yang melibatkan jangka waktu yang lama (Winarno, 2007).

Regresi dari dua variabel atau peubah yang non-stasioner akan menyebabkan terjadinya spurious regression sehingga proses diferensiasi harus terlebih dahulu dilakukan (Engle dan Granger, 1987). Namun, proses ini justru akan menghilangkan hubungan jangka panjang yang mungkin

terdapat dalam variabel-variabel time series yang diteliti dan hanya memberikan hubungan jangka pendek time series. Maka di sini pentingnya proses kointegrasi dimana konsep ini membantu memberikan informasi mengenai hubungan jangka panjang yang ada dengan menggunakan deret waktu non-stasioner. Jadi, dengan kata lain konsep ini menyatakan bahwa apabila terdapat dua atau lebih deret waktu yang tidak stasioner (mempunyai unit roots) dan terintegrasi pada orde yang sama serta residunya bersifat stasioner sehingga tidak ada korelasi seri di dalamnya yaitu white nose, maka time series dinamakan terkointegrasi.

Menurut Enders (2004), dalam konsep kointegrasi ini terdapat beberapa hal penting yang perlu diperhatikan, yaitu:

a. Kointegrasi merupakan kombinasi linear dari dua atau lebih data time series yang tidak stasioner. Vektor kointegrasi dari kombinasi linear tersebut tidak unik karena dengan suatu konstanta yang tidak nol (λ), maka λβ juga benar sebagai vektor kointegrasi. Oleh karena itu, biasanya salah satu besaran digunakan untuk normalisasi vektor kointegrasi dengan menetapkan koefisiennya menjadi satu.

b. Semua variabel harus terintegrasi pada orde yang sama. Tetapi tidak semua variabel yang terintegrasi pada orde yang sama terkointegrasi.

c. Bila vektor mempunyai n komponen, maka akan ada n-1 vektor kointegrasi linear yang tidak tergantung satu dengan yang lainnya. Jumlah vektor kointegrasi ini dinamakan peringkat kointegrasi atau cointegration rank, biasanya dilambangkan dengan r.

Sifat penting yang terdapat dalam variabel-variabel atau peubah yang terkointegrasi adalah perjalanan waktu variabel-variabel atau peubah tersebut dipengaruhi oleh perubahan atas hubungan keseimbangan jangka panjangnya. Dengan kata lain, variabel-variabel atau peubah non-stasioner yang terintegrasi pada orde yang sama dan terkointegrasi akan menjadi stasioner dalam jangka panjang (Enders, 2004).

3.9 Impuls Respons Function and Forecast Error Variance Decomposition (Fungsi Respon Impuls dan Dekomposisi Ragam)

Dekomposisi ragam memisahkan keragaman pada peubah endogen menjadi komponen-komponen yang ada di dalam sistem VAR. Dekomposisi ragam menginformasikan proporsi keragaman sisaan suatu peubah yang dijelaskan oleh sisaan masing-masing peubah dan sisaan peubah lain. Jika tidak menjelaskan sedikitpun ragam peramalan sisaan dari { } pada semua tahapan periode ramalan ke depan, maka dapat dikatakan bahwa { } bebas (Enders, 2004). Misalkan model VAR pada persamaan 6 untuk panjang lag p=1 dan banyaknya peubah endogen n=2 (peubah y dan z), peramalan untuk n tahapan periode ke depan (Enders, 2004) adalah

Dengan peramalan sisaan sebesar:

Dimana

Koefisien disebut sebagai fungsi respon impuls yang menginformasikan pengaruh perubahan shock atau guncangan suatu peubah terhadap peramalan peubah lain (Enders, 2004). Pengaruh tersebut dapat dilihat secara visual dengan menggunakan plot antara koefisien dengan i.

Impuls respon dapat diartikan bahwa suatu respon dari suatu peubah endogen ketika peubah endogen yang lainnya di-shock atau diguncangkan dalam peubah itu sendiri atau peubah endogen lainnya. Impuls Respon Function (IRF) digunakan untuk menelusuri pengaruh suatu standar deviasi shock atau guncangan terhadap inovasi pada nilai peubah endogen pada saat ini dan di masa yang akan datang. Suatu shock atau guncangan yang terjadi pada satu peubah akan langsung mempengaruhi peubah tersebut dan juga dilanjutkan atau diteruskan pada peubah endogen yang lainnya melalui struktur yang dinamis atau struktur lag dalam VAR.

3.10 Penentuan Ordo VAR

Penentuan ordo atau panjang beda kala (lag) dalam model VAR menunjukkan derajat bebas. Menurut Enders (2004) kriteria uji alternatif untuk menentukan panjang beda kala yang sesuai adalah dengan menggunakan statistik Akaike Information Criterion (AIC) atau Schwartz Bayesian Criterion (SBC). Model yang baik adalah model yang mampu memberikan tingkat residual atau error yang paling kecil. Model dengan nilai AIC atau SBC terkecil dipilih sebagai model terbaik dengan beda kala yang cukup efisien.

dimana:

T = banyaknya pengamatan yang digunakan = determinan matriks ragam peragam dari sisaan

N = total banyaknya parameter yang diduga dalam semua persamaan

Jika setiap persamaan dalam n peubah VAR mempunyai p beda kala dan sebuah intersep, maka .

3.11 Uji Stabilitas Model

Uji stabilitas digunakan untuk melihat apakah model yang digunakan sudah stabil atau tidak. Estimasi harus mempunyai validitas yang tinggi sehingga hasilnya dapat dipercaya. Hasilnya dapat dipercaya jika model yang digunakan mempunyai stabilitas model. Apabila model VAR yang digunakan tidak stabil, maka hasil estimasi dengan menggunakan model VAR tidak memiliki tingkat validitas yang tinggi.

Stabilitas dapat diartikan bahwa hasil estimasinya mendekati nol jika model diperpanjang periode waktunya. Model dikatakan memiliki validitas yang tinggi bila inverse akar karakteristiknya mempunyai modulus kurang dari satu atau berada pada lingkaran, maka model cukup stabil. Namun

sebaliknya, jika modulusnya bernilai satu, atau lebih dari satu, atau kebanyakan modulusnya berada di luar lingkaran maka dapat dipastikan bahwa modelnya tidak stabil. Hasil dari estimasi model VAR tersebut meragukan, apabila model VAR tersebut memiliki tingkat stabilitas yang rendah atau semua inverse akar karakteristiknya berada di luar unit circle. 3.12 Vector Error Correction Model (VECM)

Peubah-peubah tidak stasioner yang terintegrasi pada tingkat yang sama akan membentuk kombinasi linear yang bersifat stasioner (Enders, 2004). Setiap bentuk persamaan kointegrasi akan mempunyai error correction model karena dalam jangka pendek pergerakan dari setiap peubah mungkin saja akan menyimpang dari long-run-track-nya, misalnya karena adanya guncangan harga atau karena adanya faktor musim.

Apabila kedua data yang dianalisis tidak stasioner tetapi saling berkointegrasi, berarti ada hubungan jangka panjang (atau keseimbangan) antara kedua variabel tersebut. Dalam jangka pendek ada kemungkinan terjadi ketidakseimbangan atau disekuilibrium. Karena adanya ketidakseimbangan ini maka diperlukan adanya koreksi dengan model koreksi kesalahan atau Error Corection Model (ECM). Model ECM ini diperkenalkan oleh Sargan, dikembangkan oleh Hendry, dan dipopulerkan oleh Engle dan Granger. Model koreksi kesalahan EG-nya dapat dituliskan sebagai berikut:

Y : variabel dependen X : variabel independen

: koreksi kesalahan atau residual lag 1 dari persamaan awal.

Model koreksi kesalahan yang diajukan oleh Engle-Granger memerlukan dua tahap, sehingga disebut dengan two steps EG. Tahap tertama adalah menghitung nilai residual dari persamaan regresi awal. Tahap kedua adalah melakukan analisis regresi dengan memasukkan residual dari langkah pertama (Winarno, 2007).

Komponen dari vektor dikatakan terintegrasi jika ada vektor β’=(β1,

β2, ..., βn) sehingga kombinasi linear β bersifat stasioner, dengan syarat ada

unsur β bernilai tidak sama dengan nol. Vektor β disebut vektor kointegrasi atau parameter jangka panjang. Rank kointegrasi (r) dari vektor adalah banyaknya vektor kointegrasi yang saling bebas. Nilai r diperoleh melalui uji Johansen.

Hipotesis yang diuji adalah : H0 : rank ≤ r

H1 : rank > r

Statistik uji yang digunakan adalah :

Dengan: : akar ciri ke-i matriks

, diperoleh dari persamaan (6)

T : banyaknya pengamatan.

Jika maka keputusan yang diambil adalah menerima H0,

artinya kointegrasi terjadi pada rank r.

Jika rank kointegrasi (r) kurang dari atau sama dengan nol maka VAR dapat langsung digunakan, tetapi jika rank kointegrasi (r) lebih besar dari nol maka harus digunakan Vector Error Correction Model (VECM). Untuk data deret waktu yang tidak stasioner, VECM dapat memberikan pemahaman yang lebih baik tentang sifat-sifat dan dapat memperbaiki peramalan untuk jangka panjang.

VECM ordo p dituliskan sebagai:

Dengan π = αβ’

α : vektor adjustment berukuran r x 1

Pendugaan parameter dilakukan dengan menggunakan metode kemungkinan maksimum. VECM dapat dituliskan dalam bentuk model VAR dengan menguraikan nilai diferensi .

IV.HASIL DAN PEMBAHASAN

4.1 Gambaran Umum Perusahaan

4.1.1 Sejarah Singkat PT Saung Mirwan

PT Saung Mirwan (SM) berdiri sejak tahun 1984. PT Saung Mirwan didirikan oleh Tatang Hadinata yang pada awalnya adalah seorang pengusaha konstruksi. Kegiatan berawal dari kegemaran pemilik sekaligus pimpinan perusahaan terhadap tanaman. Tatang Hadinata atau biasa disebut juga dengan nama Theo merupakan seorang yang otodidak di bidang pertanian dan memulai segalanya dari bawah. Sejak pendirian perusahaan, PT SM hanya memiliki empat orang staf dan beberapa karyawan harian mulai dengan menanam melon di atas lahan terbuka, tepatnya di daerah Sukamanah.

Tahun 1985, perusahaan mulai mengembangkan usaha dengan menanam bawang putih seluas 7 hektar di Cipanas, Kabupaten Cianjur. Lahan tersebut juga ditanami dengan berbagai sayuran. Usaha tersebut terus berkembang selama tiga tahun, tetapi pada tahun terakhir mengalami penurunan. Kemudian pimpinan perusahaan akhirnya memutuskan untuk mengembalikan usahanya di sekitar Desa Sukamanah.

Tahun 1988, perusahaan melakukan perubahan terhadap pola usahanya yaitu dari cara tradisional di lahan terbuka menjadi hidroponik dalam green house (rumah kaca) dengan menggunakan sistem irigasi tetes. Hasil percobaan awal menunjukkan hasil yang sangat memuaskan sehingga membuat pimpinan perusahaan memutuskan untuk memperbesar usahanya dengan menanam tanaman melon, paprika, tomat, kyuuri (timun jepang), dan shisito. Luas areal lahan green house yang digunakan hingga mencapai 1,5 hektar. Banyaknya relasi dan kedekatan T. Hadinata dengan para ahli pertanian di Negara Belanda memberikan keuntungan sendiri bagi perusahaan. Para ahli tersebut memberikan konsultasi mengenai pertanian

diberbagai hal mulai dari masalah teknologi, informasi pasar, koperasi dan juga kemitraan pertanian.

Usahanya pada tanaman sayuran dalam green house PT SM semakin berkembang, maka pada tahun 1992 perusahaan melakukan diversifikasi produk dengan percobaan untuk melakukan stek bunga krisan yang sudah berakar atau unrooted cutting. Kemudian dilakukan percobaan produksi bunga pot krisan dan bunga potong krisan. Hasil percobaan produksi yang berhasil dan memuaskan mendorong PT SM untuk membentuk divisi bunga dan mulai memproduksi secara komersial dan kontinyu atau keberlanjutan.

4.1.2 Letak Geografis

PT Saung Mirwan berlokasi di Jalan Cikopo Selatan No. 134, Desa Sukamanah, Kampung Pasir Muncang, Bogor, Jawa Barat. Desa Sukamanah berbatasan dengan Desa Sukamaja di sebelah utara, Desa Suka Karya dan Desa Suka Galih di sebelah timur, Desa Suka Resmi dan Desa Bojong Murni di sebelah selatan, dan Desa Jambu Luwuk di sebelah barat. Lokasi tersebut berada di kaki Gunung Pangrango dengan ketinggian 670 meter di atas permukaan laut (dpl). Secara astronomis PT Saung Mirwan terletak pada koordinat 106º54’BT dan 6º41’LS. Lokasi tersebut dapat dicapai dengan menggunakan kendaraan pada jarak tempuh kurang lebih 25 kilometer dari Bogor dan 60 kilometer dari Jakarta, serta berjarak 5 kilometer ke arah selatan dari jalan raya Gadog.

Desa Sukamanah memiliki topografi yang berbukit-bukit, datar, dan miring. Jenis tanah di daerah ini adalah tanah latosol yang berwarna kecoklatan. Jenis tanah ini memiliki sifat liat, remah, gembur, mudah menginfiltrasi air, daya menahan air cukup baik, dan tahan erosi. Tanah sesuai untuk budi daya tanaman sayuran. Suhu tertinggi yang dicapai dalam green house adalah 35-38ºC pada siang hari dan suhu terendah 18-25ºC pada malam hari. Kelembaban udara relatif (RH) dapat

mencapai titik tertinggi lebih dari 90% dan titik terendah 50% pada siang hari.

4.1.3 Profil PT Saung Mirwan

PT Saung Mirwan merupakan salah satu perusahaan perdagangan yang bergerak di bidang agribisnis, tepatnya sebagai produsen sekaligus supplier dan perusahaan perdagangan pada bidang sayuran dan bunga. Perusahaan ini mengawali kegiatannya sebagai produsen sayuran dengan menerapkan teknik budi daya secara hidroponik untuk berbagai macam sayuran eksklusif seperti tomat besar (dikenal sebagai tomat beef atau tomat rianto), tomat cherry, timun jepang atau kyuuri, cabe jepang atau shisito, dan paprika. Sejak tahun 1992 perusahaan ini memperluas usahanya dengan budi daya stek bunga krisan, bunga pot krisan, dan bunga potong. Salah satu strategi yang diterapkan perusahaan sehingga perusahaan masih tetap berkiprah di bidang agribisnis sampai saat ini adalah konsep customer to customer. Konsep tersebut menitikberatkan pada pemberian pelayanan untuk kepuasaan pelanggan dengan cara memenuhi permintaan pelanggan akan sayuran yang berkualitas.

Sebagian besar tanaman yang ada dibudidayakan di dalam green house. Green house yang ada di Desa Sukamanah memiliki tipe rumah susun berganda atau shape frame dengan ventilasi di bagian atasnya, sehingga sirkulasi udara dapat berjalan dengan baik. Selain membudidayakan tanaman di dalam green house, PT Saung Mirwan juga memanfaatkan lahan luar untuk membudidayakan tanaman.

Pusat kegiatan yang dilakukan oleh PT Saung Mirwan mulai dari proses produksi, pengemasan, penjualan, sampai administrasi berada di Desa Sukamanah. Luas areal yang dimiliki saat ini kurang lebih 11 ha. Hampir 4 ha adalah bangunan green house. Bangunan lain yang ada di lokasi ini seperti rumah pemilik, kantor, gudang pengemasan, bengkel, sarana olah raga, sarana ibadah, mess karyawan,

serta sarana dan prasarana lainnya yang menunjang kegiatan produksi hingga distribusi dari produk yang dihasilkan dari perusahaan.

Visi PT Saung Mirwan adalah menjadi salah satu leader di bidang agribisnis dengan menerapkan teknologi tepat guna untuk meningkatkan kesejahteraan masyarakat pertanian. Sedangkan misinya, antara lain:

1. Menghasilkan produk pertanian yang berkualitas tinggi secara berkesinambungan sesuai dengan kebutuhan pasar.

2. Senantiasa meningkatkan kualitas produk, kualitas sumber daya manusia dan kualitas pelayanan untuk memberikan kepuasan pelanggan.

3. Mengembangkan sistem agribisnis melalui jaringan kemitraan. 4. Bekerjasama dengan berbagai lembaga penelitian untuk menerapkan

teknologi tepat guna yang bermanfaat untuk pelaku agribisnis. 4.1.4 Hasil Produksi

PT Saung Mirwan memproduksi berbagai jenis sayuran yang terdiri dari sayuran dataran rendah dan sayuran dataran tinggi seperti berbagai jenis lettuce, kedelai jepang atau edamame, tomat, pakchoy, bawang daun, buncis mini, okra, dan lain sebagainya. Komoditi sayuran yang ditanam di dalam green house termasuk dalam kategori eksklusif diantaranya adalah tomat cherry, tomat besar (dikenal dengan tomat beef arau tomat rianto), rukola, timun mini, dan timun jepang, diproduksi sendiri oleh perusahaan dengan luasan sekitar 0.7 ha. Sebagian besar produksi yang dilakukan oleh para petani mitra tani di lahan milik mereka masing-masing dengan komoditas sayuran yang sudah direncanakan sebelumnya dan cocok pada lahan yang digunakan.

Komoditi bunga yang ditanam di dalam green house diantaranya adalah krisan pot, kalanchoe, kalandiva, dan kastuba. Lokasi tanaman induk krisan untuk produksi stek pucuk terbagi menjadi dua, yaitu 0.5 ha untuk induk krisan yang memproduksi stek pucuk untuk pasar lokal dan 0.9 ha untuk induk krisan yang memproduksi stek pucuk untuk

pasar ekspor. Lahan luar dimanfaatkan untuk produksi benih edamame, bawang daun, buncis mini, caisim, lettuce, selada keriting, dan rukola. Tetapi sekarang sebagian besar produk sayuran PT Saung Mirwan dipasok dari petani, baik dari mitra tani maupun mitra beli.

PT Saung Mirwan menyadari kemungkinan orang yang sakit diakibatkan oleh produk yang dihasilkannya. Sayur itu sehat, tetapi kalau sayuran yang bersentuhan langsung dengan lingkungan yaitu tanah harus dicuci dengan air yang bersih, bila dibersihkannya dengan air yang kotor maka akan tercemar dengan bakteri yang menyebabkan penyakit seperti E. Coli. Untuk itu pencegahan dilakukan dalam menjamin bahwa perusahaan berada di posisi paling depan dalam menyiapkan metode pengolahan dan penanganan yang benar untuk mencegah terjadinya hal tersebut. Saat ini dalam persaingan yang semakin ketat, citra PT SM tetap tinggi karena konsistensinya di dalam menjaga kualitas. Kualitas adalah kesepakatan antara pembeli dan penjual untuk suatu produk yang diminta.

Produk yang diusahakan oleh PT Saung Mirwan mengutamakan kualitas yang diinginkan oleh customer. Keunggulan produk PT SM terletak pada daya tahan ketika disimpan dibandingkan dengan produk perusahaan lainnya. Faktor yang membedakan produk PT Saung Mirwan dengan perusahaan lainnya yang paling dominan adalah dari segi harga, tetapi kalau sayuran dari sumber yang sama bila sudah dikirim ke beberapa perusahaan sayuran tidak akan berbeda, akan berbeda bila sayuran yang dibudidayakan di dalam green house sendiri. Penerapan Hazard Analysis Critical Control Point (HACCP) secara konsisten menjadi bagian dari budaya kerja dari seluruh karyawan PT SM sehingga kualitas produknya berada di atas yang lainnya. Penerapan HACCP dimulai dari sejak persiapan tanam, waktu tanam dan proses pemeliharaan sampai dengan waktu panen serta pascapanen komoditas sayuran.

Kegiatan utama yang dilakukan PT Saung mirwan diantaranya adalah:

1. Memproduksi berbagai jenis sayuran segar yang dibudidayakan secara hidroponik di dalam green house dan juga sayuran segar dibudidayakan di lahan terbuka.

2. Mengemas sayuran segar hasil produksi dalam kemasan.

3. Memproses sayuran segar menjadi sayuran fresh cut (sayuran siap masak) yang mempunyai kecenderungan besar menjadi produk pilihan bagi customer.

4. Memproduksi stek (bibit) bunga krisan untuk bunga pot krisan. Inovasi produk yang dilakukan oleh perusahaan pada sayuran segar seperti fresh cut yang sudah lama diterapkan pada hortikultura segar, tetapi tetap menjadi inovasi utama. Perusahaan sudah menerapkan pilihan produk ini sejak tahun 2003 dengan menggunakan logo fresh & quality. PT SM melakukan hal tersebut karena adanya kecenderungan bahwa dengan meningkatnya kesadaran konsumen akan kepraktisan dan penghematan, permintaan sayuran fresh cut diperkirakan akan meningkat dan karena adanya permintaan dari pelanggannya. PT SM memanfaatkan peluang tersebut dengan memproduksi sayuran fresh cut yang kemudian melakukan percobaan ke beberapa supermarket dan ternyata mendapatkan respon yang cukup baik.

Produk fresh cut merupakan sayuran segar atau buah segar atau kombinasi keduanya yang secara fisik telah dirubah dari bentuknya semula, tetapi tetap dijaga kondisi kesegarannya yang ditempat pada suatu wadah. Produk fresh cut dijamin bersih, aman, dan sehat karena sudah melewati proses yang menambah nilai yang merupakan perpaduan antara ilmu pengetahuan, keterampilan, teknologi, dan pengawasan kualitas yang konsisten. Hal ini dilakukan pada Divisi Packaging atau Pengemasan. Divisi Packaging pada PT Saung Mirwan terdiri dari dua bagian pengemasan dan processing vegetable. Pengemasan sayuran untuk produk-produk yang akan dikirim ke supermarket, sedangkan processing sayuran untuk dikirim ke customer hotel, restoran, dan katering (Horeka) ini berdasarkan produk dan

Lampiran 19. Regresi Model Minitab

1.

Kembang Kol

The regression equation is

KKOL = 158 + 0,465 LAGKOL - 0,099 LAGLH + 0,327 LH + 0,062 LAGTR + 0,0185 TR

29 cases used, 1 cases contain missing values

Predictor Coef SE Coef T P Constant 158,2 170,3 0,93 0,362 LAGKOL 0,4649 0,1772 2,62 0,015 LAGLH -0,0991 0,1233 -0,80 0,430 LH 0,32670 0,08451 3,87 0,001 LAGTR 0,0619 0,1316 0,47 0,643 TR 0,01847 0,09799 0,19 0,852

S = 274,003 R-Sq = 81,6% R-Sq(adj) = 77,6%

Analysis of Variance

Source DF SS MS F P Regression 5 7649483 1529897 20,38 0,000 Residual Error 23 1726787 75078

Total 28 9376269

Source DF Seq SS LAGKOL 1 5904671 LAGLH 1 417044 LH 1 1263126 LAGTR 1 61974 TR 1 2667

Unusual Observations

Obs LAGKOL KKOL Fit SE Fit Residual St Resid

15 1866 2934,0 2229,6 121,1 704,4 2,87R

18 2128 1979,0 1558,9 179,9 420,1 2,03R

R denotes an observation with a large standardized residual.

Lanjutan Lampiran 19

2.

Lettuce Head

The regression equation is

LH = - 155 - 0,471 LAGKOL + 1,21 KKOL + 0,612 LAGLH - 0,156 LAGTR + 0,122 TR

29 cases used, 1 cases contain missing values

Predictor Coef SE Coef T P Constant -154,6 331,6 -0,47 0,645 LAGKOL -0,4715 0,3753 -1,26 0,222 KKOL 1,2055 0,3118 3,87 0,001 LAGLH 0,6121 0,2035 3,01 0,006 LAGTR -0,1561 0,2518 -0,62 0,541 TR 0,1223 0,1866 0,66 0,519

S = 526,339 R-Sq = 81,9% R-Sq(adj) = 78,0%

Analysis of Variance

Source DF SS MS F P Regression 5 28824634 5764927 20,81 0,000 Residual Error 23 6371753 277033

Total 28 35196387

Source DF Seq SS LAGKOL 1 17745595 KKOL 1 8310733 LAGLH 1 2637383 LAGTR 1 12030 TR 1 118894

Unusual Observations

Obs LAGKOL LH Fit SE Fit Residual St Resid 18 2128 1743,0 2756,3 321,1 1013,3 -2,43R

R denotes an observation with a large standardized residual.

Lanjutan Lampiran 19

3.

Tomat Beef

The regression equation is

TR = 681 + 0,988 LAGTR + 0,150 LH - 0,177 LAGLH + 0,084 KKOL - 0,413 LAGKOL

29 cases used, 1 cases contain missing values

Predictor Coef SE Coef T P Constant 680,7 340,4 2,00 0,057 LAGTR 0,9885 0,1911 5,17 0,000 LH 0,1498 0,2287 0,66 0,519 LAGLH -0,1769 0,2633 -0,67 0,508 KKOL 0,0835 0,4430 0,19 0,852 LAGKOL -0,4129 0,4207 -0,98 0,337

S = 582,629 R-Sq = 61,4% R-Sq(adj) = 53,1%

Analysis of Variance

Source DF SS MS F P Regression 5 12443943 2488789 7,33 0,000 Residual Error 23 7807500 339457

Total 28 20251443

Source DF Seq SS LAGTR 1 10796289 LH 1 127299 LAGLH 1 1157531 KKOL 1 35869 LAGKOL 1 326956

Unusual Observations

Obs LAGTR TR Fit SE Fit Residual St Resid 18 1949 478 1642 349 -1164 -2,50R 30 1701 3624 2095 322 1529 3,15R

R denotes an observation with a large standardized residual.

Lampiran 20. Hasil Ramalan Komoditas Kembang Kol dengan Metode

Pemulusan Eksponensial

Winter’s

, Metode Tren, dan

Time

Series Decomposition

Pemulusan eksponensial Winters

Analisis Tren

Time series

Decomposition

Nilai

Persamaan

Nilai Forecast

Nilai

Aktual

Nilai

Forecast

Nilai

Aktual

Nilai

Forecast

Nilai

Aktual

756

217

1295

579

1123

579

1031

579

593

-1

1187

410

1095

410

844

410

723

63

1383

354

1066

354

1088

354

596

-138

1331

361

1038

361

969

361

536

-279

1351

591

1009

591

960

591

491

-409

1390

409

981

409

944

409

279

-708

1267

952

701

263

-815

1341

924

759

327

-843

1498

896

1165

234

-1030

1498

867

1006

170

-1189

1529

839

807

122

-1333

1576

810

749

Lampiran 21. Hasil Ramalan Komoditas

Lettuce Head

dengan Metode

Pemulusan Eksponensial

Winter’s

, Metode Tren, dan

Time

Series Decomposition

Pemulusan eksponensial Winters

Analisis Tren

Time series

Decomposition

Nilai

Persamaan

Nilai

Forecast

Nilai

Aktual

Nilai

Forecast

Nilai

Aktual

Nilai

Forecast

Nilai

Aktual

629

-398

1656

529

1222

529

976

529

592

-540

1724

531

1136

531

1003

531

539

-719

1797

537

1045

537

1073

537

427

-973

1827

90

963

90

1065

90

218

-1335 1771

167

877

167

768

167

118

-1597 1832

280

791

280

764

280

-10

-1892 1872

704

547

-106

-2160 1945

618

502

-256

-2486 1975

532

564

-388

-2797 2021

445

498

-451

-3041 2139

359

250

-445

-3218 2328

273

104

Lampiran 22. Hasil Ramalan Komoditas Tomat Beef dengan Metode

Pemulusan Eksponensial

Winter’s

, Metode Tren, dan

Time

Series Decomposition

Pemulusan eksponensial Winters

Analisis Tren

Time series

Decomposition

Nilai

Persamaan

Nilai

Forecast

Nilai

Aktual

Nilai

Forecast

Nilai

Aktual

Nilai

Forecast

Nilai

Aktual

1521

457 2585

2129

878

2129

974

2129

1536

363 2708

1253

847

1253

982

1253

1885

582 3188

2426

816

2426

1243

2426

1969

519 3419

1621

785

1621

1491

1621

1589

-19

3198

519

754

519

1047

519

2217

441 3992

530

723

530

1241

530

3128

1179 5077

692

2000

3141

1013 5269

661

2019

4242

1932 6552

630

2843

4689

2194 7184

599

2617

4412

1729 7095

568

2357

4246

1374 7118

537

628