39
4.6 Pemilihan Metode Peramalan
Time Series
Metode- metode peramalan yang terbaik hasil dari pengolahan dari data rata-rata harga bulanan cabai merah, dipilih metode yang paling sesuai untuk
meramalkan harga cabai merah. Kriteria pemilihan metode yang paling sering digunakan atau kriteria utama adalah mean square error MSE. Metode yang
terpilih adalah metode yang memiliki nilai MSE yang paling rendah. Selain itu, kriteria kedua adalah memiliki bentuk paling sederhana dan membutuhkan waktu
yang paling sedikit dalam proses pengolahannya.
4.7 Metode Kausal
Analisis data yang digunakan dalam metode kausal adalah model regresi. Model regresi berganda dengan persamaan tunggal bentuk dan model mampu
menunjukkan berapa persen variabel terikat dapat dijelaskan oleh variabel bebas dengan koefisien determinsai R
2
. Variabel- variabel bebas tersebut kemudian dilakukan pengujian apakah berpengaruh nyata atau tidak terhadap variabel tak
bebas dengan melakukan uji-t dan perhitungannya lebih sederhana Hanke et al,2003
Penaksiran parameter diduga dengan metode kuadrat terkecil biasa Ordinary Least Square atau metode kuadrat terkecil. Untuk mendapat hasil
OLS terbaik dan tak bias Best Linier Unbiased Estimator, model regresi linier harus memenuhi asumsi-asumsi sebagai berikut Nachrowi et al, 2002 :
1. Eu
i
=0; nilai rata-rata untuk kesalahan pengganggu sama dengan nol u
i
meyatakan variabel- varibel lain yang mempengaruhi Y
i
akan tetapi tidak terwakili di dalam model.
40 2. Cov u
i
,u
j
= 0 ; i ≠
j; tidak ada autokorelasi antara kesalahan pengganggu Pada saat x
i
sudah terobservasi, deviasi Y
i
dari meannya tidak menunjukkan adanya pola {Eu
i,
u
j
= 0}. 3. Homoskedastis; variasi u
i
sama ; var u
i
= σ
2
untuk setiap i. 4. Covarians antara u
i
dan x
i
sama dengan nol {cov u
i
,x
i
= 0}; Peubah bebas X
1
, X
2
,....X
k
konstan dalam pengambilan sampel dan bebas terhadap kesalahan pengganggu.
5. Peubah bebas X saling bebas atau tidak ada kolinieritas ganda diantara peubah bebas X
6. ε
i
∼ N 0;
σ
2
, artinya kesalahan pengganggu mengikuti distribusi normal dengan rata-rata nol dan varian
7. Model regresi dispesifikasi secara benar Sebelum membuat model, perlu diperhatikan hal-hal sebagai berikut:
- Bagaimana yang dikatakan oleh teori - Variabel- variabel apa saja yang perlu diperhatikan
- Bagaimana bentuk fungsinya Apabila asumsi-asumsi di atas dapat terpenuhi, maka koefisen regresi
parameter yang diperoleh merupakan penduga linier terbaik dan tak bias. Penelitian ini menggunakan model peramalan kausal dengan variabel
dummy boneka, untuk menganalisis faktor- faktor yang mempengaruhi harga cabai merah di Indonesia. Variabel dummy digunakan untuk menjelaskan data
kualitatif yang menunjukan kategori tertentu. Variabel-variabel yang digunakan dalam penelitian ini adalah harga cabai
sebagai variabel terikat. Variabel bebasnya adalah harga cabai di tingkat
41 produsen, harga cabai pada periode sebelumnya, jumlah pasokan cabai di PIKJ
dan harga jual cabai merah di PIKJ. Variabel dummy meliputi faktor iklim dan budaya masyarakat. Variabel dummy budaya masyarakat, akan bernilai 1 saat
terjadi hari-hari besar bulan puasa dan idul fitri dan akan bernilai 0 apabila tidak ada hari besar pada bulan tersebut.
Persamaan yang akan digunakan pada metode peramalan kausal adalah sebagai berikut :
Dimana :
i
Y = harga cabai merah di kota i periode t Rpkg
a = intersep model
ß
1
.,ß
4
= slope variabel bebas X
1
= harga cabai merah di tingkat produsen di kota i Rpkg X
2
= harga cabai merah di kota i periode sebelum t Rpkg X
3
= jumlah pasokan cabai di PIKJ kgbulan X
4
= harga cabai merah di PKIJ RpKg D
1
= variabel dummy untuk budaya masyarakat Keterangan : ß
1
, ß
2
, ß
4
, ß
5
ß
3
t i
D X
X X
X Y
ε β
β β
β β
α +
+ +
+ +
+ =
1 5
4 4
3 3
2 2
1 1
BAB V HASIL DAN PEMBAHASAN
5.1. Hasil
Peramalan mengenai harga cabai merah di enam kota kota dilakukan dengan cara menginterpretasikan plot data cabai merah besar maupun cabai merah
keriting dari masing- masing kota. Selanjutnya dilakukan pengolahan data dengan menggunakan analisis time series. Sedangkan untuk melihat faktor-faktor yang
mempengaruhi perubahan harga cabai merah akan dilakukan metode kausal.
5.1.1. Peramalan dan Faktor-Faktor yang Mempengaruhi Harga Cabai Merah Besar di DKI Jakarta
a. Plot Data
DKI Jakarta merupakan ibu kota negara, sehingga DKI Jakarta menjadi tujuan utama perdagangan. Cabai merah besar merupakan salah satu komoditas
yang banyak dipasarkan ke DKI Jakarta. Selama tahun 2002-2006, harga cabai merah besar berfluktuasi dengan selisih antara harga tertinggi dengan harga
terndah sebesar Rp 15.968,00. Harga tertinggi dicapai pada tingkat harga Rp 22.161,00Kg yang terjadi pada bulan November 2005, sedangkan harga
terendah adalah sebesar Rp 6.193,00Kg yang terjadi pada bulan Juli 2003. Harga rata-rata dicapai pada tingkat harga Rp 10.947,00Kg. Pada tahun 2006 harga
cabai merah besar terendah hanya mencapai Rp 10.069,00Kg, tidak berbeda jauh dengan harga rata-rata yang didapat sebelumnya. Perubahan harga cabai merah
besar di DKI Jakarta memiliki kecenderungan yang meningkat. Hal ini terlihat dari plot data Gambar 4 dari tahun ke tahun harga cabai merah besar mengalami
peningkatan trend meningkat. Setelah dilakukan perataan harga setiap bulannya,