Tabel 6. Nilai MSE Metode Peramalan Times Series Pada Harga Bawang Merah di Kota Bandung
No Metode MAPE MAE
MSE MSE
Terkecil
1 Trend Quadratik
9.62757 709.369 1177370 8
2 Single Exponential Smoothing
6 434
407334 4
3 Double Exponential
Smoothing 6
450 439134 5
4 Winters Aditif
6 412 342050
2 5
Winter Multiplikatif 5
394 309745
1
6 Dekomposisi Aditif
11 814 1123491
7 7 Dekomposisi
Multiplikatif 11
807 1104035 6
8 SARIMA
1,1,01,0,0
16
390071 3
Hasil pengolahan dengan metode winter multiplikatif Lampiran 5 menunjukkan bahwa peramalan harga bawang merah di kota Bandung
berfluktuatif, pada periode November 2006 sampai Juni 2007 menunjukkan adanya peningkatan sedangkan pada bulan Juli 2007 sampai Oktober 2007
mengalami penurunan. Harga bawang merah terendah di kota Bandung terjadi pada periode ke 69 September 2007 yaitu sebesar Rp 5331,80kg, sedangkan
puncak harga tertinggi terjadi pada periode ke 66 Juni 2007 yaitu sebesar Rp 6744,52kg.
5.2.3. Analisis Regresi
Berdasarkan Tabel 7 atau output komputer pada Lampiran 15, bahwa variabel yang mempengaruhi harga bawang merah secara nyata pada taraf nyata
5 persen di kota Bandung adalah harga di Pasar Induk Kramat Jati PIKJ, apabila terjadi kenaikan harga bawang merah sebesar Rp 1kg di PIKJ maka harga
bawang merah di kota Bandung akan naik sebesar Rp 0,44351kg. Hal ini dipengaruhi karena tingkat permintaan yang terjadi di Pasar Induk Kramat Jati
dimana faktor lain cateris paribus. Lag harga bawang merah, dimana harga bulan
sekarang lebih besar dibandingkan harga bulan lalu sebesar Rp 0,51091kg. Secara umum harga bulan lalu sangat berpengaruh terhadap pembentukan harga di
masa datang. Sedangkan variabel yang tidak berpengaruh secara nyata adalah harga bawang merah di tingkat produsen, pasokan bawang merah ke Pasar Induk
Kramat Jati dan dummy hari besar keagamaan.
Tabel 7. Hasil Analisis Model Regresi Linier Berganda Harga Bawang Merah di Kota Bandung
Variabel Koefisien SE
Koefisien T Hitung
P-Value VIF
Konstanta 1270,0
591,1 2,15
0,036 Harga Produsen
0,00220 0,08394
0,03 0,979
1,4 Harga di PIKJ
0,44351 0,04919
9,02 0,000
2,2 Pasokan ke PIKJ
-0,02017 0,08752
-0,23 0,819
1,1 Lag Harga
0,51091 0,05630
9,07 0,000
1,8 Dummy
96,4 155,3
0,62 0,538
1,1 R-Sq = 91,3
R-Sq adj = 90,4 F Hitung = 106,61
P-Value = 0,000 Durbin-Watson statistic = 1.49
Keterangan: = Signifikan pada taraf nyata 5
Evaluasi model regresi harga bawang merah di kota Bandung dapat dilihat pada Lampiran15. Pertama, untuk mengetahui uji autokorelasi dapat dilihat dari
nilai Durbin-Watson sebesar 1,49 berada pada selang dl d du atau 4-du d
4-dl du1,41; dl=1,77, berdasarkan hipotesis penelitian hal ini tidak dapat disimpulkan. Kedua, uji multikolinearitas dapat dilihat dari nilai Variance
Inflation Factors VIF pada Tabel 7, dimana semua variabel menghasilkan nilai
VIF yang lebih kecil dari 10, sehingga tidak terjadi masalah multikolinearitas. Ketiga, asumsi heteroskedastisitas diperiksa dengan menggunakan uji Breusch-
Pagan . Dari hasil output Lampiran 15 dapat dilihat bahwa nilai P-Value yaitu
sebesar 0,488 lebih besar dari taraf nyata 5 persen. Serta nilai LM test sebesar 4,62 lebih kecil dari nilai chi square
2
pada taraf nyata 5 persen yaitu 11,07. Hal ini menunjukkan bahwa nilai residual dari model regresi harga bawang merah
Gambar 7. Plot Data Harga Bawang Merah di Kota Semarang Januari 2002 – Oktober 2006
2000 4000
6000 8000
10000 12000
Janu ar
i Ap
ri l
Jul i
Ok to
b e
r Janu
ar i
Ap ri
l Jul
i Ok
to b
e r
Janu ar
i Ap
ri l
Jul i
Ok to
b e
r Janu
ar i
Ap ri
l Jul
i Ok
to b
e r
Janu ar
i Ap
ri l
Jul i
Ok to
b e
r
Bulan Ha
rg a
R p
k g
Sem arang
di kota Bandung tidak terjadi masalah heteroskedastisitas. Keempat, untuk mengetahui uji kenormalan dapat dilihat dari grafik Kolmogorov-Smirnov
Lampiran 15. Titik residual yang tergambar dalam grafik tersebut segaris dan P-Value sebesar 0,15 lebih besar dari taraf nyata 5 persen, yang berarti residual
model harga bawang merah di kota Bandung terdistribusi normal. Nilai R-Sq sebesar 91,3 persen menunjukkan nilai koefisien determinasi yang berarti bahwa
variabel-variabel bebas yang digunakan dalam model dapat menerangkan keragaman harga bawang merah di Kota Bandung sebesar 91,3 persen. Sisanya
yaitu 8,7 persen dijelaskan oleh variabel-variabel lain yang tidak terdapat dalam model. Nilai P-Value pada uji F sebesar 0,000 lebih kecil dari taraf nyata yaitu
5 persen. Sehingga model yang dihasilkan cukup baik, hal ini menunjukkan bahwa secara serentak variabel bebas dalam model secara signifikan berpengaruh
terhadap harga bawang merah di kota Bandung.
5.3. Harga dan Faktor-faktor yang Mempengaruhi Bawang Merah di