Peramalan dan Faktor-faktor yang Mempengaruhi Impor Buah Indonesia

(1)

PERAMALAN DAN FAKTOR-FAKTOR YANG

MEMPENGARUHI IMPOR BUAH INDONESIA

Oleh:

Taufan S Nusantara

A14103703

PROGRAM SARJANA EKSTENSI MANAJEMEN AGRIBISNIS

FAKULTAS PERTANIAN

INSTITUT PERTANIAN BOGOR

2006

(2)

RINGKASAN

TAUFAN S NUSANTARA. Peramalan dan Faktor-faktor yang Mempengaruhi Impor Buah-buahan Indonesia (di Bawah Bimbingan MUHAMMAD FIRDAUS).

Telah dibukanya perdangan bebas pada masa sekarang ini, setiap negara harus membuka pasar dalam negerinya untuk dimasuki negara lain. Semua hambatan tarif dan non tarif pada semua komoditi pada akhirnya akan dihapuskan kecuali beberapa komoditi penting, seperti makanan pokok. Hal ini akan mengakibatkan terjadinya persaingan yang ketat dalam pasar di Indonesia. Indonesia mengimpor beberapa komoditas pertanian dari negara atau kelompok negara seperti Jepang, USA, ASEAN, APEC antara lain dikelompokkan ke dalam kelompok serealia, kelompok peternakan, kelompok ikan, kelompok hortikultura, kelompok perkebunan dan kelompok bahan pakan ternak. Ketergantungan pangan yang sangat tinggi pada pasokan luar negeri akan dapat mengancam ketahanan (ketersediaan) pangan dalam negeri, terutama apabila pasokan dalam negeri dan pasar dunia sangat tipis.

Melonjaknya permintaan volume ekspor dari volume impor buah-buahan Indonesia, menyebabkan neraca perdagangan menjadi defisit. Masalah dari semakin meningkatnya impor buah-buahan adalah terjadinya fluktuasi dalam tiap tahunnya. Fluktuasi tersebut dikhawatirkan akan dapat menggeser konsumsi buah lokal dan sustainibiitas pertanian buah-buahan serta komoditas substitusi impor lainya. Peramalan dan analisis faktor-faktor yang mempengaruhi permintaan impor digunakan alat untuk mendapatkan imformasi di masa yang akan datang sebagai untuk mengantisipasi berbagai dampak negatif dari meningkatnya impor. Selain itu, sebagai pertimbangan dalam mengevaluasi dan menetapkan kebijakan impor buah-buahan.

Penelitian bertujuan untuk: 1) Mendapatkan gambaran mengenai perkembangan permintaan impor buah-buahan Indonesia 2) Menganalisis faktor-faktor yang mempengaruhi permintaan impor buah-buahan Indonesia 3) Mendapatkan metode peramalan terbaik untuk meramalkan impor buah-buahan Indoensia 4) Meramalkan volume impor buah-buahan Indonesia.

Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data laporan bulanan impor Badan Pusat Statstik dari tahun 2001-2005 dan data Pasar Induk Keramat Jati tahun 2002-2005. Metode yang digunakan adalah terdiri dari metode time series dan regresi. Metode time series digunakan untuk meramalkan permintaan impor buah-buahan 12 bulan ke depan. Sedangkan metode regresi digunakan untuk menganalisis faktor-faktor yang mempengaruhi permintaan impor buah-buahan Indonesia.

Perkembangan impor buah-buahan Indonesia dari negara-negara ekportir selama lima tahun memiliki kecenderungan memiliki trend yang meningkat. Selain itu, permintaan buah-buahan juga dipengaruhi adanya unsur musiman. Hal ini menyebabkan permintaan buah-buahan cenderung berfluktuatif dalam satu tahunnya. Penguasaan pasokan oleh negara-negara pengekspor buah-buahan pada umumnya dikuasai oleh negara China, Australia dan Amerika Serikat. Persentase dari ketiga negara tersebut kurang lebih sekitar 80 persen.

Pengolahan menggunanakan beberapa model time series yang digunakan, antara lain: metode trend, dekomposisi aditif dan Multiplikatif, winters aditif dan multiplikatif dan metode Bob Jenkins (ARIMA). Hasil pengolahan dari metode-metode tersebut, metode yang sesuai untuk meramalkan permintaan Impor Indonesia yang pertama adalah metode SARIMA, yang kedua adalah metode winters multiplikatif dan yang ketiga adalah metode dekomposisi aditif.

(3)

Secara keseleruhan variabel yang berpengaruh terhadap permintaan buah-buah-buahan adalah variabel lag dan dummy musiman. Hal ini menunjukkan adanya ekspekstasi untuk melakukan mengimpor dari jumlah impor yang pada waktu sebelumnya dan pada saat negara pengekspor mengalami pucak musim panen permintaan impor untuk buah-buahan mengalami peningkatan.

Nilai tukar dan harga buah apel itu sendiri secara keseluruhan tidak berpengaruh nyata terhadap permintaan buah impor, diduga disebabkan oleh harga buah yang relatif lebih murah. Sedangkan secara umum pasokan buah pasar induk keramat jati tidak berpengaruh terahadap permintaan impor buah-buahan, menunjukkan terdapat indikasi bahwa impor buah dapat dilakukan setiap saat. Impor buah tidak memperhatikan jumlah pasokan buah di dalam negeri. Apabila tidak dilakukan antisipasi, pada jangka panjang impor buah-buahan dapat mengancam buah lokal.

(4)

PERAMALAN DAN FAKTOR-FAKTOR YANG

MEMPENGARUHI IMPOR BUAH INDONESIA

Skripsi

Sebagai syarat untuk memperoleh gelar Sarjana Pertanian pada Fakultas Pertanian Institut Pertanian Bogor

Oleh:

Taufan S Nusantara

A14103703

PROGRAM SARJANA EKSTENSI MANAJEMEN AGRIBISNIS

FAKULTAS PERTANIAN

INSTITUT PERTANIAN BOGOR

2006

(5)

Judul : Peramalan dan Faktor-faktor yang Mempengaruhi Impor Buah Indonesia

Nama : Taufan S Nusantara NRP : A14103703

Menyetujui, Dosen Pembimbing

Muhammad Firdaus, SP. MSi NIP. 132 158 758

Mengetahui, Dekan Fakultas Pertanian

Prof. Dr. Ir. Supiandi Sabiham, M.Agr NIP. 130 422 698

(6)

KATA PENGANTAR

Puji syukur penulis panjatkan ke hadirat Allah SWT atas khndak dan segala rahmat-Nya sehingga penulis dapat menyelesaikan skripsi ini. Penyusunan skripsi ini adalah sebagai salah satu syarat untuk memperoleh gelar Sarjana Pertanian pada Fakultas Pertanian Institut Pertanian Bogor.

Adapun judul skripsi ini adalah “Peramalan dan Analisis Faktor-faktor yang Mempengaruhi Permintaan Imor Buah-buahan Indonesia”. Penelitian ini bertujuan untuk meramalkan permitaan impor buah-buahan Indonesia ke depan dan menganalisis faktor-faktor yang mempengaruhi permintaan impor buah-buahan Indonesia.

Penulis menyadari bahwa masih banyak kajian mengenai impor buah-buahan Indonesia yang dapat digunakan untuk memperluas penulisan skripsi ini sehingga menjadi lebih sempurna. Penulis mengharapakan skripsi ini dapat bermanfaat bagi semua pihak yang berminat untuk mengembangkan penelitian mengenai impor buah-buahan.

Bogor, Juli 2006

(7)

PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI YANG BERJUDUL PERAMALAN DAN FAKTOR-FAKTOR YANG MEMPENGARUHI IMPOR BUAH INDONESIA BENAR-BENAR HASIL KARYA SAYA SENDIRI DAN BELUM PERNAH DIAJUKAN SEBAGAI KARYA TULIS ILMIAH PADA PERGURUAN TINGGI ATAU LEMBAGA MANAPUN

Bogor, Juli 2006

Taufan S Nusantara

(8)

DAFTAR RIWAYAT HIDUP

Penulis adalah putra keenam dari enam bersaudara dari pasangan Bapak Sunarto dan Ibu Sutarmi, dilahirkan di Kediri pada tanggal 02 Agustus 1982.

Penulis menyelesaikan pendidikan Sekolah Dasar pada tahun 1994 di SDN Pare VIII. Kemudian melanjutkan pendidikan menengah pertama ke SLTPN 2 Pare dan selesai pada tahun 1997. Penulis melanjutkan ke Sekolah Menengah Umum Negeri di SMUN 2 Pare dan lulus pada tahun 2000. Pada tahun yang sama penulis diterima sebagai mahasiswa pada Program Diploma III Manajemen Agribisnis, Fakultas Pertanian, Institut Pertanian Bogor dan lulus pada tahun 2004.

Penulis melanjutkan studi ke jenjang S1 pada tahun 2004 di Program Sarjana Ekstensi Manajemen Agribisnis, Fakultas Pertanian, Institut Pertanian Bogor.

(9)

KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah SWT yang senantiasa memberikan rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan skripsi dengan judul “Peramalan dan Faktor-faktor yang Mempengaruhi Impor Buah Indonesia”. Tujuan dari penelitian ini adalah untuk Meramalkan dan Menganalisis faktor-faktor yang mempengaruhi permintaan impor buah Indonesia.

Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Oleh karena itu saran dan kritik yang membangun sangat diharapkan untuk menyempurnakan tulisan ini.

Bogor, Agustus 2006

Taufan S Nusantara

(10)

UCAPAN TERIMA KASIH

Segala puji dan syukur kehadirat Allah SWT, karena berkat rahmat dan karunia-Nya penulis dapat menyelesaikan skripsi ini. Penyelesaian skripsi ini selain dari hasil kesungguhan, kerja keras, kesabaran, pengorbanan serta doa juga tidak lepas dari bimbingan, nasehat, bantuan maupun dorongan berbagai pihak. Untuk itu pada kesempatan ini penulis mengucapkan terima kasih dan penghargaan yang setinggi-tingginya kepada:

1. Muhammad Firdaus SP. MSi selaku dosen pembimbing yang dengan penuh kesabaran selalu bersedia membimbing, membantu dan mengarahkan penulis dalam menyelesaikan skripsi.

2. Ibu, Bapak dan kakak-kakakku yang selalu kucintai dan kusayangi terima kasih atas kasih sayang, cinta, doa, dukungan, bimbingan, bantuan moral dan materil, nasihat, pengorbanan serta harapan yang telah diberikan kepada penulis.

3. Ir. Harmini, MS dan Arif Karyadi, SP selaku dosen penguji terima kasih atas masukan untuk perbaikan skripsi.

4. Wahyu Dian, SP. MS, Sir Hab dan Lettya Roswati terimakasih atas dukungan, masukan, Harapan, komputer, printer dan kertasnya.

5. Taufik Nugraha (Ovx), Mardian Nurmansyah (Aa Adi), Dzulfikar Ali Hakim (Izul), Muhammad Marwan (Oto), Arif Priyadi, Budi Nurdiana (Bojels), Zahakir Haris (Apek), Alex, Heru, Andi Ismail, Sari Rahmawati, Ana Khaerani, Enda Wahyuni dan teman-teman angkatan X yang telah menjadi sahabat penulis dalam suka dan duka. Terima kasih atas kebersamaan, persahabatan, dorongan, bantuan, keceriaan dan canda tawanya.

(11)

PERAMALAN DAN FAKTOR-FAKTOR YANG

MEMPENGARUHI IMPOR BUAH INDONESIA

Oleh:

Taufan S Nusantara

A14103703

PROGRAM SARJANA EKSTENSI MANAJEMEN AGRIBISNIS

FAKULTAS PERTANIAN

INSTITUT PERTANIAN BOGOR

2006

(12)

RINGKASAN

TAUFAN S NUSANTARA. Peramalan dan Faktor-faktor yang Mempengaruhi Impor Buah-buahan Indonesia (di Bawah Bimbingan MUHAMMAD FIRDAUS).

(13)

(14)

PERAMALAN DAN FAKTOR-FAKTOR YANG

MEMPENGARUHI IMPOR BUAH INDONESIA

Skripsi

Sebagai syarat untuk memperoleh gelar Sarjana Pertanian pada Fakultas Pertanian Institut Pertanian Bogor

Oleh:

Taufan S Nusantara

A14103703

PROGRAM SARJANA EKSTENSI MANAJEMEN AGRIBISNIS

FAKULTAS PERTANIAN

INSTITUT PERTANIAN BOGOR

2006

(15)

Judul : Peramalan dan Faktor-faktor yang Mempengaruhi Impor Buah Indonesia

Nama : Taufan S Nusantara NRP : A14103703

Menyetujui, Dosen Pembimbing

Muhammad Firdaus, SP. MSi NIP. 132 158 758

Mengetahui, Dekan Fakultas Pertanian

Prof. Dr. Ir. Supiandi Sabiham, M.Agr NIP. 130 422 698

(16)

KATA PENGANTAR

Bogor, Juli 2006

(17)

PERNYATAAN

Bogor, Juli 2006

Taufan S Nusantara

(18)

DAFTAR RIWAYAT HIDUP

Penulis adalah putra keenam dari enam bersaudara dari pasangan Bapak Sunarto dan Ibu Sutarmi, dilahirkan di Kediri pada tanggal 02 Agustus 1982.

Penulis melanjutkan studi ke jenjang S1 pada tahun 2004 di Program Sarjana Ekstensi Manajemen Agribisnis, Fakultas Pertanian, Institut Pertanian Bogor.

(19)

KATA PENGANTAR

Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Oleh karena itu saran dan kritik yang membangun sangat diharapkan untuk menyempurnakan tulisan ini.

Bogor, Agustus 2006

Taufan S Nusantara

(20)

UCAPAN TERIMA KASIH

1. Muhammad Firdaus SP. MSi selaku dosen pembimbing yang dengan penuh kesabaran selalu bersedia membimbing, membantu dan mengarahkan penulis dalam menyelesaikan skripsi.

3. Ir. Harmini, MS dan Arif Karyadi, SP selaku dosen penguji terima kasih atas masukan untuk perbaikan skripsi.

4. Wahyu Dian, SP. MS, Sir Hab dan Lettya Roswati terimakasih atas dukungan, masukan, Harapan, komputer, printer dan kertasnya.

(21)

DAFTAR ISI

Halaman

I. PENDAHULUAN... 1

1.1. Latar Balakang ... 1

1.2. Perumusan Masalah... 2

1.3. Tujuan Penelitian... 5

1.4. Ruang Lingkup Penelitian... 6

II. TINJAUAN PUSTAKA... 7

2.1. Konsep Permintaan... 7

2.1.1. Faktor-faktor yang Mempengaruhi Permintaan ... 8

2.1.2. Elastisitas Permintaan... 10

2.2. Teori Dasar Perdagangan Internasional ... 11

2.3. Buah-buahan... 11

2.3.1. Definisi Buah-buahan ... 13

2.3.2. Karakteristik Buah-buahan ... 13

2.4. Peramalan ... 14

2.5. Teknik Peramalan ... 15

2.5.1. Metode Kualitatif... 16

2.5.2. Metode Kuantitatif ... 17

2.6. Penelitian terdahulu ... 19

III. KERANGKA PEMIKIRAN... 22

IV. METODE PENELITIAN... 27

4.1. Lokasi dan Waktu Penelitian... 27

4.2. Jenis dan Sumber Data ... 27

4.3. Pengolahan dan Analisisi Data ... 27

4.4. Identifikasi Pola Data Permintaan Buah-buahan ... 28

4.5. Penerapan Metode Peramalan ... 28

4.5.1. Metode Peramalan Time Series ... 28

4.5.1.1. Metode Trend... 28

4.5.1.2. Metode Dekomposisi... 29

4.5.1.3. Metode Winters... 29

4.5.1.4. Metode BobJenkins (ARIMA) ... 30

(22)

Halaman 4.5.2. Metode Kausal ... 39 4.5.2.1. Metode Regresi ... 40 4.5.2.2. Evaluasi Model Penduga... 42

V. HASIL DAN PEMBAHASAN... 48 5.1. Hasil ... 48 5.1.1 Permintaan Apel Indonesia ... 48 5.1.1.1 Permintaan Apel dari China ... 48 5.1.1.2. Permintaan Apel dari Amerika Serikat... 52 5.1.1.3. Permintaan Apel dari Australia ... 57 5.1.2. Permintaan Oranges Indonesia ... 60 5.1.2.1. Permintaan Oranges dari China ... 60 5.1.2.2. Permintaan Oranges dari Australia... 66 5.1.2.3. Permintaan Oranges dari Amerika Serikat ... 69 5.1.3. Permintaan Mandarin Indonesia... 75 5.1.3.1. Permintaan Mandarin dari China ... 75 5.1.3.2. Permintaan Mandarin dari Pakistan... 79 5.1.3.3. Permintaan Mandarin dari Australia ... 84 5.1.4. Permintaan Anggur Indonesia ... 87 5.1.4.1. Permintaan Anggur dari Australia... 88 5.1.4.2. Permintaan Anggur dari Amerika Serikat ... 91 5.1.4.3. Permintaan Anggur dari China ... 95 5.1.5. Permintaan Pear Indonesia ... 100 5.15.1. Permintaan Pear dari China ... 100 5.1.5.2. Permintaan Pear dari Australia... 104 5.15.3. Permintaan Pear dari Amerika Serikat ... 109 5.2. Pembahasan ... 113

VI. KESIMPULAN DAN SARAN... 121 6.1. Kesimpulan ... 121 6.2. Saran ... 122

DAFTAR PUSTAKA... 123

(23)

DAFTAR TABEL

Tabel Teks Halaman

1 Neraca Ekspor-Impor Buah-buahan Indoneisa Tahun

1999-2000 ... 1 2 Pola ACF dan PACF model Seasonal ARIMA ... 34 3 Nilai MSE Metode Peramalan Time series pada

Permintaan Apel Indonesia dari China... 49 4 Hasil Analisis Model Regresi Permintaan Impor Apel dari China

Tahun 2002-2005 ... 50 5 Nilai MSE Metode Peramalan Time series pada Permintaan

Impor Apel Indonesia dari Amerika Serikat ... 53 6 Hasil Analisis Model Regresi Permintaan Impor Apel dari USA

Tahun 2002-2005 ... 55 7 Nilai MSE Metode Peramalan Time Series pada

Permintaan Apel Indonesia dari Australia ... 58 8 Hasil Analisis Model Regresi Linier Berganda Permintaan Impor

Apel dari Australia Tahun 2002-2005... 59 9 Nilai MSE Metode Peramalan Time Series pada Permintaan

Oranges Indonesia dari China... 61 10 Hasil Analisis Model Regresi Permintaan Impor Oranges dari China

Tahun 2002-2005 ... 64 11 Nilai MSE Metode Peramalan Time Series pada Permintaan

Oranges Indonesia dari Australia ... 67 12 Hasil Analisis Model Regresi Permintaan Impor Oranges dari

Australia Tahun 2002-2005 ... 68 13 Nilai MSE Metode Peramalan Time Series pada Permintaan

Oranges Indonesia dari Amerika Serikat... 70 14 Hasil Analisis Model Regresi Permintaan Impor Oranges dari USA

Tahun 2002-2005 ... 73 15 Nilai MSE Beberapa Metode Peramalan Time Series pada

Permintaan Mandarin Indonesia dari China ... 76 16 Hasil Analisis Model Regresi Permintaan Impor Mandarin dari

China Tahun 2002-2005... 77 17 Nilai MSE Metode Peramalan Time Series pada Permintaan

(24)

Tabel Teks Halaman

18 Hasil Analisis Model Regresi Permintaan Impor Mandarin dari

Pakistan Tahun 2002-2005 ... 82 19 Nilai MSE Metode Peramalan Time Series pada Permintaan

Mandarin Indonesia dari Australia... 85 20 Hasil Analisis Model Regresi Permintaan Impor Mandarin dari

Australia Tahun 2002-2005 ... 86 21 Nilai MSE Metode Peramalan Time Series Pada Permintaan

Angggur dari Australia... 89 22 Hasil Analisis Model Regresi Permintaan Impor Anggur dari

Australia Tahun 2002-2005 ... 90 23 Nilai MSE Metode Peramalan Time Series pada Permintaan

Angggur dari Amerika Serikat ... 92 24 Hasil Analisis Model Regresi Permintaan Impor Anggur dari

USA Tahun 2002-2005... 93 25 Nilai MSE Metode Peramalan Time Series pada Permintaan

Angggur dari China ... 96 26 Hasil Analisis Model Regresi Permintaan Impor Anggur dari

China Tahun 2002-2005... 99 27 Nilai MSE Metode Peramalan Time Series pada Permintaan

Pear dari China ... 102 28 Hasil Analisis Model Regresi Permintaan Impor Pear dari

China Tahun 2002-2005... 102 29 Nilai MSE Beberapa Metode Peramalan Time Series pada

Permintaan Pear dari Australia ... 105 30 Hasil Analisis Model Regresi Permintaan Impor Pear dari

Australia Tahun 2002-2005 ... 108 31 Nilai MSE Metode Peramalan Time Series pada Permintaan

Pear dari Amerika Serikat (USA)... 110 32 Hasil Analisis Model Regresi Permintaan Impor Pear dari USA

(25)

DAFTAR GAMBAR

Gambar Teks Halaman

1 Kurva Perdagangan Internasonal ... 13 2 Kerangka Operasional Peramalan dan Analisis Faktor-faktor

yang Mempangaruhi Permintaan Impor Buah-Buahan

Indonesia ... 26 3 Perkembangan Impor Apel Indonesia dari China Tahun

2001-2005... 49 4 Perkembangan Impor Apel Indonesia dari Amerika Serikat

Tahun 2001-2005 ... 52 5 Perkembangan Impor Apel Indonesia dari Australia Tahun

2001-2005... 57 6 Perkembangan Impor Oranges Indonesia dari China Tahun

2001-2005... 61 7 Perkembangan Impor Oranges Indonesia dari Australia

Tahun 2001-2005 ... 66 8 Perkembangan Impor Oranges Indonesia dari Amerika Serikat

Tahun 2001-2005 ... 69 9 Perkembangan Impor Mandarin Indonesia dari China Tahun

2001-2005... 75 10 Perkembangan Impor Mandarin Indonesia dari Pakistan

Tahun 2001-2005 ... 79 11 Perkembangan Impor Mandarin Indonesia dari Australia Tahun

2001-2005... 84 12 Perkembangan Impor Anggur Indonesia dari Australia Tahun

2001-2005... 88 13 Perkembangan Impor Anggur Indonesia dari Amerika Serikat

Tahun 2001-2005 ... 91 14 Perkembangan Impor Anggur Indonesia dari Australia Tahun

2001-2005... 95 15 Perkembangan Impor Pear Indonesia dari China Tahun

2001-2005... 101 16 Perkembangan Impor Pear Indonesia dari Australia Tahun

2001-2005... 104 17 Perkembangan Impor Pear Indonesia dari Amerika Serikat

(26)

DAFTAR LAMPIRAN

Lampiran Teks Halaman

1 Total Volume Apel Indonesia Berdasarkan Lima Negara Asal

Terbesar Tahun 2001 – 2004 (Kg) ... 125 2 Output Analisis Metode Winter Multiplikatif untuk Peramalan

Permintaan Apel dari China... 125 3 Perkembangan Harga Apel Impor dari China Tahun

2001-2005... 125 4 Residual Plot Model Regresi Permintaan Apel dari China ... 126 5 Output Analisis Regresi Permintaan Impor Apel dari China ... 126 6 Output Analisis SARIMA (0,0,0) (0,1,1) untuk Permintaan

Impor Apel dari USA ... 127 7 Perkembangan Harga Apel Impor dari USA Tahun 2001-2005 128 8 Residual Plot Model Regresi Permintaan Apel dari USA ... 128 9 Output Analisis Regresi Permintaan Apel dari USA ... 129 10 Output Analisis Winters Aditif untuk Peramalan Permintaan

Impor Apel dari Australia ... 130 11 Perkembangan Harga Apel Impor dari Australia Tahun

2001-2005... 130 12 Residual Plot Model Regresi Permintaan apel dari Australia .... 130 13 Output Analisis Regresi Permintaan Apel dari Australia... 131 14 Total Volume Impor Oranges Indonesia Berdasarkan Lima

Negara Asal Terbesar Tahun 2001 – 2005 (Kg)... 132 15 Perkembangan Harga Oranges Impor dari China Tahun

2001-2005... 132 16 Output Analisis SARIMA (0,0,1 )(0,1,2) Permalan Permintaan

Oranges dari Chin... 132 17 Residual Plot Model Regresi Permintaan Oranges dari Chin.... 133 18 Output Analisis Regresi Permintaan Oranges dari China... 134 19 Analisis Winters' Multiplicative Model untuk Peramalan

Permintaan Oranges dari Australia... 135 20 Perkembangan Harga Oranges Impor dari Australia Tahun

(27)

Lampiran Teks Halaman 21 Residual Plot Model Regresi Permintaan Oranges dari

Australia... 135 22 Output Analisis Regresi Permintaan Oranges dari Australia ... 136 23 Output Analisis SARIMA (0,0,0 )(3,1,0) Peramalan Permintaan

Oranges dari USA... 137 24 Perkembangan Harga Oranges Impor dari USA Tahun

2001-2005... 138 25 Residual Plot Model Regresi Permintaan Oranges dari USA .... 138 26 Output Analisis Regresi Permintaan Oranges dari USA... 138 27 Total Volume Impor Mandarin Indonesia Berdasarkan Lima

Negara Asal Terbesar Tahun 2001 – 2005 (Kg)... 139 28 Perkembangan Harga Mandarin Impor dari China Tahun

2001-2005... 139 29 Output Analisis Winters' multiplicative model untuk

Peramalan Permintaan Mandarin dari China... 140 30 Residual Plot Model Regresi Permintaan Mandarin dari China. 140

31 Ouput Analisis Regresi Permintaan Mandarin dari China ... 141 32 Output Analisis SARIMA (1,0,0) (0,1,1) untuk Peramalan

Permintaan Mandarin dari Pakistan... 142 33 Perkembangan Harga Mandarin Impor dari Pakistan Tahun

2001-2005... 143 34 Residual Plot Model Regresi Permintaan Mandarin dari

Pakistan ... 143 35 Output Analisis Regresi Permintaan Mandarin dari Pakistan .... 143 36 Output Analisis Model Dekomposisi Multiplikatif untuk

Peramalan Permintaan Mandarin dari Australia ... 144 37 Perkembangan Harga Mandarin Impor dari Australia Tahun

2001-2005... 145 38 Residual Plot Model Regresi Permintaan Mandarin dari

Australia... 145 39 Output Analisis Regresi Permintaan Mandarin dari Australia.... 145 40 Total Volume Impor Anggur Indonesia Berdasarkan Lima

(28)

Lampiran Teks Halaman 41 Perkembangan Harga Anggur Impor dari Australia Tahun

2001-2005... 146 42 Output Analisis Model Dekomposisi Multiplikatif untuk

Peramalan Permintaan Anggur dari Australia ... 147 43 Residual Model Regresi Permintaan Anggur dari Australia... 147 44 Output Analisis Regresi Permintaan Anggur dari Australia ... 148 45 Output Analisis Dekomposisi Multiplikatif untuk Peramalan

Permintaan Anggur dari USA ... 149 46 Perkembangan Harga Anggur Impor dari USA Tahun

2001-2005... 149 47 Residual Plot Model Regresi Permintaan Anggur dari USA ... 149 48 Output Analisis Regresi Pemintaan Angur dari USA ... 150 49 Output Analisis SARIMA (0,0,0) (0,1,1) untuk Peramalan

Permintaan Anggur dari China ... 151 50 Perkembangan Harga Anggur Impor dari China Tahun

2001-2005... 152 51 Residual Plot Model Regresi Permintaan Anggur dari China .... 152 52 Output Analisi Regresi Permintaan Anggur dari China... 152 53 Total Volume Impor Pear Indonesia Berdasarkan Lima

Negara Asal Terbesar Tahun 2001 – 2005 (Kg)... 153 54 Perkembangan Harga Pear Impor dari China Tahun

2001-2005... 153 55 Output Analisis Winters' multiplicative model untuk

Peramalan Permintaan Pear dari China ... 154 56 Residual Plot Model Regresi Permintaan Pear dari China ... 154 57 Output Analisis Model Regresi Permintaan Pear dari China ... 154 58 Output Analisis Model SARIMA (1,0,0) (0,1,1) untuk

Peramalan

Permintaan

Pear dari Australia ...

155 59 Perkembangan Harga Pear Impor dari Australia Tahun

2001-2005... 156 60 Residual Plot Model Regresi Permintaan Pear dari Australia ... 157 61 Output Analisis Model Regresi Permintaan Pear dari Australia 157

(29)

Lampiran Teks Halaman 62 Output Analisis Winters' multiplicative model untuk Peramalan

Permintaan Pear dari USA ... 158 63 Perkembangan Harga Pear Impor dari USA Tahun 2001-2005 158 64 Residual Plot Model Regresi Permintaan Pear dari USA ... 159 65 Output Analisis Model Regresi Permintaan Pear dari USA ... 159

(30)

BAB 1 PENDAHULUAN

1.1. Latar Belakang

Telah dibukanya perdagangan bebas pada masa sekarang ini, setiap negara harus membuka pasar dalam negerinya untuk dimasuki negara lain. Semua hambatan tarif dan non tarif pada semua komoditi pada akhirnya akan dihapuskan kecuali beberapa komoditi penting, seperti makanan pokok. Hal ini akan mengakibatkan terjadinya persaingan yang ketat dalam pasar di Indonesia.

Indonesia mengimpor beberapa komoditas pertanian dari negara atau kelompok negara seperti Jepang, USA, ASEAN, APEC antara lain dikelompokkan ke dalam kelompok serealia, kelompok peternakan, kelompok ikan, kelompok hortikultura, kelompok perkebunan dan kelompok bahan pakan ternak. Beberapa kelompok produk pertanian tersebut memiliki trend yang meningkat misalnya kelompok peternakan khususnya daging beku, kelompok perkebunan khususnya gula dan kelompok hortikultura terutama buah-buahan (Agroindonesia, 2004).

Tingginya impor komoditas pangan merupakan konsekuensi dari peningkatan jumlah penduduk yang besar sehingga menjadi sasaran bagi negara lain untuk memasukkan produknya. disamping itu peningkatan pendapatan per kapita dapat dipandang sebagai salah satu pemicu (trigger) meningkatnya permintaan impor barang konsumsi, apalagi bila peningkatan pendapatan tersebut tanpa diikuti dengan pertumbuhan tingkat menabung (saving rate) yang memadai. (Suryana, 1997).

Preferensi konsumen terhadap komoditas pertanian yang semula hanya dipengaruhi oleh jenis kenyamanan, stabilitas harga dan nilai komoditas (Simatupang dalam Suryana, 1997), Maka saat ini preferensi konsumen

(31)

dipengaruhi oleh kualitas, kandungan nutrisi, kesehatan dan aspek lingkungan. Adanya perubahan mendasar yang terjadi pada masyarakat golongan menengah ke atas adalah adanya kecenderungan lebih menghargai produk-produk impor, sehingga konsumsi barang impor meningkat seiring dengan bertambahnya jumlah masyarakat golongan tersebut.

Kecenderungan lebih menghargai produk impor mengindikasikan beberapa kemungkinan antara lain, 1) produksi domestik yang belum dapat mengimbangi permintaan 2) jenis dan kualitas komoditas pertanian tidak sesuai dengan preferensi konsumen 3) bahan yang diperlukan untuk bahan baku dan olahannya tidak dapat diproduksi sendiri 4) harga barang impor cukup bersaing dengan produk dalam negeri, sebagai akibat adanya kebijakan untuk mengurangi atau menghilangkan hambatan non tarif-barrier dan penurunan besarnya tariff

sejalan dengan liberalisasi perdagangan dunia.

Ketergantungan pangan yang sangat tinggi pada pasokan luar negeri akan dapat mengancam ketahanan (ketersediaan) pangan dalam negeri, terutama apabila pasokan dalam negeri dan pasar dunia sangat tipis. Bagi Indonesia, apabila tidak segera dilakukan langkah antisipasi yang tepat, hal tersebut akan mengakibatkan krisis pangan yang serius serta meningkatnya jumlah tenaga penganggur dan penduduk miskin yang semula bekerja di bidang pertanian akan memicu kerawanan sosial.

1.2. Perumusan Masalah

Berdasarkan laporan Badan Pusat Statistik tahun 1999-2004, secara keseluruhan perkembangan ekspor dan impor buah-buahan menunjukkan peningkatan. Namun melonjaknya permintaan volume impor lebih tinggi dari volume ekspor buah-buahan Indonesia, menyebabkan neraca perdagangan menjadi defisit. Neraca perdagangan buah-buahan mengalami surplus yang

(32)

sangat tinggi pada tahun 1999, mencapai USD 215 juta. Namun setelah itu nilai neraca perdagangan terus mengalami penurunan hingga defisit mulai tahun 2000.

Tabel 1. Neraca Ekspor-Impor Buah-buahan Indonesia Tahun 1999-2004

Ekspor Impor Neraca Tahun

volume (kg) nilai(US$) volume (kg) nilai(US$) volume (kg) nilai(US$)

1999 264.955.554 132.967.838 110.409.321 61.352.034 154.546.233 71.615.804

2000 187.344.905 94.703.116 246.621.488 145.057.885 -59.276.583 -50.354.769

2001 188.040.173 100.629.327 250.624.963 147.103.077 -62.584.790 -46.473.750

2002 225.367.780 138.373.394 274.783.344 220.253.270 -49.415.564 -81.879.876

2003 189.648.224 131.500.808 228.648.866 195.006.043 -39.000.642 -63.505.235

2004 210.182.344 122.836.691 393.353.172 224.589.553 -183.170.828 -101.752.862

Sumber: Badan Pusat Statistik (BPS), 2005 (diolah)

Rekomendasi Food and Agriculture Orgnization (FAO) konsumsi buahan per kapita per tahun adalah sebesar 65,75 kilogram. Produksi buah-buahan Indonesia hanya mampu memenuhi kebutuhan konsumsi buah-buah-buahan sebesar 50 kilogram per kapita per tahun. Berdasarkan laporan Direktorat Jenderal Hortikultura tahun 2005, produksi buah-buahan Indonesia mencapai 14 juta ton. Buah yang diekspor hanya mengambil proporsi kurang lebih 0,02 persen dari total produksi. Buah-buahan yang diekspor antara lain manggis, mangga, nanas segar, pisang non cavendish, jeruk, pomelo, melon, rambutan, alpokad, belimbing, pepaya dan salak. Maka untuk memenuhi konsumsi buah yang direkomendasikan FAO diperlukan produksi buah-buahan kurang lebih sebesar 5 juta ton. Hal ini menunjukkan pasar buah-buahan Indonesia masih terbuka lebar.

Selain dari sisi produksi, adanya pengaruh musiman diduga juga sebagai pemicu meningkatnya permintaan impor buah. Pengaruh musiman menyebabkan variasi buah-buahan Indonesia menjadi sedikit, karena beberapa buah ada hanya pada saat-saat tertentu. Misalnya buah jeruk, buah jeruk tinggi pada bulan Mei sampai Juli. Sedangkan buah impor, karena keberadaan negara-negara produsen buah-buahan yang berada di belahan bumi utara dan selatan

(33)

menyebabkan bermacam-macam buah impor buah dapat dipasok sepanjang tahun.

Indikasi kebijakan impor buah yang diterapkan Indonesia saat ini, diduga pula sebagai pemicu buah-buahan impor membanjiri pasar buah dalam negeri tanpa ada batasan. Beberapa kebijakan impor buah tersebut di antaranya adalah deregulasi Juni tahun 1991, yang menyebabkan tataniaga komoditas hortikultura menjadi relatif bebas. Paket deregulasi yang dikenal sebagai Pakjun 1991 itu memang telah melonggarkan pembatasan impor komoditas hortikultura yang sebelumnya diatur melalui SK Menperdagkop No. 505/1982. Pada tahun 1991 nilai impor buah hanya sebesar 5 juta dolar AS tetapi untuk tahun 1992 membengkak hingga 8 juta dolar. Begitu pula di tahun 1993 dan 1994, data memberi gambaran jumlah nilai impor bagi buah segar masing-masing telah mencapai angka 40 dan 66 juta dolar. Sementara itu dalam kurun enam bulan pertama pada tahun 1995 (Januari-Juni), total nilai impor tersebut sudah mencapai 45 juta Dollar1. Tarif bea masuk (BM) yang sangat rendah, yaitu hanya sebesar 5%, dan tidak diterapkannya kuota impor. Selain itu, pemerintah belum menerapkan standar dan prosedur pemeriksaan buah impor seperti menerapkan persyaratan Sanitary and Phytosanitary (SPS), dan persyaratan mutu secara spesifik. Mempersyaratkan sertifikasi Europ GAP dan memenuhi ketentuan Bio Terorism Act, memberlakukan ketentuan batas maksimum kandungan kimia dan hanya buah tertentu yang boleh diimpor. (Agroindonesia, 2004).

Impor buah-buahan yang semakin meningkat dikhawatirkan akan makin menggeser konsumsi buah lokal, karena secara umum memang menunjukkan keragaan yang sangat tinggi. Buah-buahan impor dari berbagai negara yang jumlahnya pada tahun 2004 tercatat sekitar 400 ribu ton. Selain itu, Impor

http://www.w3c.org/TR/1999/REC-html401-19991224/loose.dtd. diakses pada tanggal 8 Juni 2006

(34)

buahan Indonesia mememiliki kecenderungan trend yang meningkat dan berfluktuasi secara bulanan dalan tiap tahunnya. Peningkatan dan fluktuasi impor buahan diharapkan tidak mengganggu sustainabilitas pertanian buah-buahan dan komoditas subsitusi impor lainnya di Indonesia.

Tindakan antisipasi berbagai dampak negatif serta pertimbangan dalam mengevaluasi dan menetapkan kebijakan impor buah-buahan, dapat didasarkan pada informasi dari Identifikasi keadaan masa lalu dan melalui peramalan. Identifikasi keadaan masa lalu berguna untuk melihat pola pemintaan yang telah terjadi dan menganalisis faktor-faktor apa saja mempengaruhinya. Sedangkan peramalan berguna untuk melihat perkiraan keadaan di masa yang akan datang.

Melakukan suatu peramalan dibutuhkan metode yang tepat dengan pola data yang telah diketahui bentuknya. Metode yang tepat dan pola data yang diketahui bentuknya akan berguna untuk menghasilkan metode peramalan dengan hasil peramalan yang mendekati keadaan aktual. Metode peramalan yang baik memberikan nilai kesalahan (error) terkecil yang diukur dari nilai rata-rata kuadrat erornya.

1.3. Tujuan Penelitian

Penelitian ini bertujuan untuk:

1. Mendapatkan gambaran mengenai perkembangan permintaan impor buah-buahan Indonesia

2. Mendapatkan metode peramalan terbaik dan meramalkan impor buah-buahan Indoensia.

3. Menganalisis faktor-faktor yang mempengaruhi permintaan impor buah-buahan Indonesia

(35)

1.4. Ruang lingkup Penelitian

Pada penelitian ini, peramalan dilakukan hanya pada lima buah impor apel, oranges, mandarin, anggur dan pear di mana buah-buahan tersebut merupakan buah tertinggi dan secara kontinyu diimpor. Negara-negara pengekspor buah-buahan tersebut dibatasi berdasarkan pada nilai ekspor dan kekontiyuannya melakukan ekspor ke Indonesia selama tahun 2001- 2005 dan hanya dipilih tiga negara pengekspor tertinggi.

(36)

BAB II

TINJAUAN PUSTAKA

2.1. Konsep Permintaan

Permintaan dapat diartikan sebagai jumlah produk atau jasa yang diminta oleh konsumen. Dalam istilah ekonomi, permintaan mengacu pada jumlah produk yang rela dan mampu dibeli oleh orang-orang berdasarkan sekelompok kondisi tertentu. Kebutuhan atau keinginan merupakan komponen yang diperlukan tetapi harus disertai dengan kemampuan keuangan sebelum permintaan ekonomi tercipta. Jadi, dalam permintaan ekonomi memerlukan para pembeli potensial dengan keinginan untuk menggunakan atau memiliki sesuatu dan kemampuan keuangan untuk memperolehnya (Pappas dan Hirschey, 1995)

Menurut Kottler (1997), dasar pemikiran pemasaran dimulai dari kebutuhan dan keinginan manusia, sehingga adalah penting untuk membedakan antara kebutuhan, keinginan dan permintaan. Kebutuhan manusia (human

Needs) merupakan hal yang tidak diciptakan oleh masyarakat atau pemasar

karena kebutuhan hakikat biologis dari kondisi manusia. Keinginan (Wants) adalah hasrat akan pemuas kebutuhan yang spesifik. Meskipun kebutuhan manusia sedikit, keiginan mereka banyak. Keinginan manusia terus dibentuk dan diperbaharui oleh kekuatan dan lembaga sosial. Permintaan (demands) adalah keinginan akan produk spesifik yang didukung oleh kemampuan dan kesediaan untuk membelinya. Keinginan dapat menjadi permintaan jika didukung oleh daya beli.

Permintaan yang diartikan sebagai jumlah produk atau jasa yang diminta oleh konsumen juga dipengaruhi oleh sejumlah variabel. Permintaan merupakan jumlah barang atau jasa yang rela dan mampu dibeli oleh para pelanggan, selama periode waktu tertentu berdasarkan pada sekelompok kondisi tertentu.

(37)

Kondisi-kondisi yang dipertimbangkan antara lain mencakup harga barang yang bersangkutan, harga, ketersediaan barang yang berkaitan, perkiraan akan perubahan harga, pengeluaran periklanan dan sebagainya. Jumlah produk yang akan dibeli oleh konsumen, dalam hal ini adalah permintaan produk tersebut, bergantung pada semua faktor ini (Pappas dan Hirschey, 1995)

2.1.1. Faktor-faktor yang Mempengaruhi Permintaan

Hukum permintaan, harga barang yang dimaksud merupakan variabel atau faktor yang mempengaruhi permintaan, ceteris paribus. Adanya asumsi yang menganggap faktor lain tetap sama tentu sangat berbeda dalam kenyataan sebenarnya. Oleh karena itu diperlukan analisa bagaimana faktor penting lainya akan mempengaruhi permintaan.

Harga barang-barang lain, pendapatan, selera, dan kekayaan merupakan faktor-faktor penting yang mempengaruhi kuantitas yang diminta. Selanjutnya Lipsey, et al. (1995) menyebutkan bahwa harga komoditi itu sendiri, rata-rata penghasilan rumahtangga, harga komoditi lain, selera, distribusi pendapatan di antara rumahtangga, dan besarnya populasi merupakan variabel penting yang mempengaruhi banyaknya komoditi yang akan dibeli semua rumahtangga pada periode waktu tertentu. Sedangkan menurut Nicholson (2002) kuantitas yang diminta itu tergantung pada harga, pendapatan, dan preferensi, ceteris paribus.

Secara matematis kuantitas yang diminta dan faktor-faktor yang mempengaruhinya dapat ditulis dalam bentuk fungsi permintaan seperti berikut:

Qdx = ƒ (Px, Py, I, preferensi) ceteris paribus

Fungsi permintaan di atas bisa diartikan bahwa kuantitas permintaan barang X dipengaruhi oleh harga barang X (Px), harga barang Y (Py), pendapatan (I;

income), dan preferensi. Namun bukan berarti faktor-faktor lain tidak

(38)

berpengaruh, untuk menyederhanakan maka digunakan asumsi ceteris paribus

seperti yang tertulis di belakang fungsi tersebut.

Adapun faktor-faktor yang mempengaruhi permintaan adalah harga barang itu sendiri, harga barang lain yang terkait, tingkat pendapatan per kapita, selera atau kebiasaan, jumlah penduduk, perkiraan harga di masa mendatang, distribusi pendapatan dan usaha-usaha produsen meningkatkan penjualan. Hubungan antara faktor-faktor tersebut dengan jumlah permintaan secara matematis ditilis sebagai berikut:

Dx = f(Px, Py, Y/kap, T, Pop, Pp, Ydist, Adv) - +/- +/- + + + + + dimana: Dx = permintaan barang X

Px = harga barang X

Py = haraga barang Y (subtitusi atau komplemen) Y/kap = pendapatan per kapita

T = selera

Pop = jumlah penduduk

Pp = perkiraan harga barang X periode mendatang Ydist = distribusi pendapatan

Adv = upaya produsen meningkatkan penjualan (promosi)

Perubahan permintaan yang disebabkan oleh faktor-faktor di atas dapat dibedakan dalam dua pengertian yaitu pergerakan sepanjang kurva permintaan atau movement along a demand curve (increaseor decrease in quantity demand) dan pergeseran kurva permintaan atau shift/change in demand (increase or

decrease in demand). Apabila satu atau beberapa kondisi dari ceteris paribus

(selain harga barang yang diminta) berubah, maka kurva permintaan akan bergeser, sedangkan pergerakan sepanjang kurva permintaan tidak perlu ada perubahan dalam kondisi ceteris paribus atau hanya disebabkan perubahan harga barang yang diminta.

Pengaruh perubahan harga suatu barang terhadap kuantitas sejenis barang yang diminta akan memiliki dua efek yang berbeda pada pilihan individu yaitu efek substitusi dan efek pendapatan. Kedua efek ini bisa dijelaskan dengan kurva kepuasan sama (kurva indiferens). Jika harga barang X turun, ceteris

(39)

paribus, maka konsumen akan lebih banyak mengkonsumsi barang X dan mengurangi konsumsi barang Y (efek substitusi). Perpindahan akan terjadi di sepanjang kurva indiferens yang sama. Akibat harga barang X turun, pendapatan (daya beli) riil konsumen atau individu akan meningkat dan menambah kosumsi barang X (efek pendapatan). Individu akan berpindah ke kurva indiferens yang baru.

Perubahan harga barang lain terhadap kuantitas barang yang diminta terlebih dahulu harus dilihat keterkaitan atau hubungan antarbarang tersebut: barang itu merupakan barang komplemen atau barang substitusi. Dua barang bersifat komplemen jika kenaikan harga satu barang akan menurunkan kuantitas permintaan barang lainnya. Misalkan, harga barang Y meningkat maka kurva permintaaan barang X akan bergeser ke kiri. Sebaliknya barang substitusi adalah sifat dua barang yang jika salah satu harganya meningkat, kuantitas barang lainnya yang diminta akan meningkat. Sehingga kurva permintaan barang X akan bergeser ke kanan jika harga barang Y meningkat.

Saat pendapatan meningkat dengan asumsi faktor lain tetap sama, maka kuantitas yang diminta juga bertambah untuk barang normal. Akibatnya kurva permintaan akan bergeser ke kanan. Lain halnya untuk barang inferior, jika pendapatan meningkat justru akan mengurangi kuantitas yang diminta, terlihat dari pergeseran kurva permintaaan ke kiri

2.1.2 Elastisitas Permintaan

Elastisitas dibutuhkan untuk mengetahui sejauh mana respon perubahan kuantitas yang diminta akibat perubahan faktor-faktor yang mempengaruhinya. Koefisien elastisitas itu sendiri dapat didefinisikan sebagai persentase perubahan dalam variabel yang tak bebas (dependent variable) dibagi dengan persentase perubahan dalam variabel bebas (independen variable). Nicholson (2002)

(40)

menyatakan bahwa elastisitas adalah ukuran persentase perubahan suatu variabel yang disebabkan oleh 1 persen perubahan variabel lainnya.

Perubahan P (harga barang) akan menyebabkan perubahan Q (kuantitas yang dibeli). Elastisitas harga dari permintaaan akan mengukur hubungan ini. Secara khusus, elastisitas harga dari permintaan didefinisikan sebagai persentase perubahan jumlah yang diminta atas suatu barang yang disebabkan oleh perubahan harga barang itu sebesar 1 persen (Nicholson, 2002). Dalam bentuk matematis, Persentase perubahan

℮D =

P perubahan Persentase

Q perubahan Persentase

= P Q ∂ ∂

•

Q P

Jika ℮D = 1, maka dikatakan kurva permintaan itu ber-elastisitas satu

(unitary elasticity), jika ℮D >1, kurva permintaan adalah elastis, dan jika ℮D < 1

kurva permintaan adalah inelastis. Menurut Samuelson & Nordhaus (1993) permintaan bersifat elastis terhadap harga bila perubahan harga sebesar 1 persen menyebabkan perubahan yang diminta lebih dari 1 persen. Sebaliknya permintaaan bersifat inelastis terhadap harga bila perubahan harga sebesar 1 persen menyebabkan perubahan jumlah yang diminta sebesar kurang dari 1 persen.

2.2. Teori Dasar Perdagangan Internasional

Beberapa faktor penting yang mendorong timbulnya perdagangan internasional (ekspor-impor) suatu negara dengan negara lain. Faktor-faktor tersebut antara lain yaitu keinginan untuk memperluas pemasaran, memperbesar penerimaan devisa, adanya perbedaan biaya relatif dalam menghasilkan komoditi tertentu serta perbedaan permintaan dan penawaran antar negara karena tidak semua negara mampu menyediakan kebutuhan masyarakat.

(41)

Terjadinya perdagangan dapat dilihat pada gambar 1 dengan menggunakan konsep dasar fungsi permintaan dan penawaran domestik. Suatu negara A dan B memiliki fungsi permintaan dan penawaran domestik, masing-masing adalah DA dan SA untuk negara A serta DA dan SB untuk negara B.

Sebelum terjadinya perdagangan, keseimbangan di negara A dicapai pada kondisi E

A dengan jumlah QA dan harga PA sedangkan di negara B

keseimbangan dicapai pada kondisi EB dan harga PBB, dengan asumsi bahwa harga domestik di negara A relaitif lebih tinggi dibandingkan dengan harga domestik di negara B.

Apabila harga internasional di bawah PA, maka negara A akan meminta

lebih banyak daripada kebutuhan konsumsinya sehingga di negara A telah terjadi

axcess demand (kelebihan permintaan) karena konsumsi domestiknya lebih

besar daripada produksi domestiknya. Sementara itu, jika harga internasional di atas PB, maka negara B akan memproduksi lebih banyak daripada kebutuhan

konsumsinya sehingga di negara B telah terjadi axcess supply (kelebihan Penawaran). Dengan demikian negara B mempunyai kesempatan menjual kelebihan produksinya ke negara lain.

Selanjutnya apabila terjadi perdagangan di antara ke-dua negara. Permintaan impor digambarkan oleh ED dan penawaran ekspor digambarkan oleh ES. Keseimbangan di pasar dunia terjadi pada kondisi E* yang menghasilkan harga dunia sebesar P*, dimana negara A akan mengimpor sebesar M dan negara B akan mengekspor sebesar X yang merupakan jumlah yang sama dengan impor dari negara A. Jumlah Ekspor dan impor tersebut ditunjukkan oleh jumlah perdagangan sebesar Q* pada pasar dunia.

(42)

0 DA

M E*

ED Q*

Negara A (Pengimpor) Perdagangan Internasional Negara B (Pengekspor)

Keterangan:

PA : Harga domestik di negara A tanpa perdagangan internasional

PB : Harga domestik di negara B tanpa perdagangan internasional

QA : jumlah yang diperdagangkan di negara A tanpa perdagangan internasional

QB : jumlah yang diperdagangkan di negara B tanpa perdagangan internasional

M : Jumlah yang di impor oleh negara A X : Jumlah yang di ekspor oleh negara B

P* : Harga di pasar internasional setelah perdagangan internasional Q* : Jumlah yang diperdagangkan di pasar internasional

Gambar 1. Kurva Perdagangan Internasonal Sumber: Salvatore, 1997 (diolah) 2.3. Buah-buahan

2.3.1. Definisi buah-buahan

Buah-buahan adalah bahan makanan yang kaya akan vitamin, mineral, lemak,protein dan serat. Selain itu, setiap buah mempunyai keuinikan dan daya tarik tersendiri, misalnya rasa yang lezat, aroma yang khas serta warna atau bentuk yang menarik dan mengandung nilai estitika

Buah-buahan yang dikonsumsi dapat dibedakan dalam bentuk buah segar maupun dalam bentuk olahan. Buah segar yang dikonsumsi berupa buah natural artinya buah yang masih utuh secara organoleptik bukan hasil olahan, sedangkan buah hasil olahan dapat berupa cairan maupun serbuk ataupun berupa tablet yang merupakan hasil olahan berbagai macam buah-buahan (Sjaifullah, 1997)

(43)

2.3.2. Karakteristik buah

Terdapat berbagai macam buah-buahan yang terdapat di Indonesia. Namun, berbagai jenis buah itu pada dasarnya dapat dibedakan menjadi dua kelompok sesuai dengan persyaratan hidupnya, yaitu kelompok buah-buahan subtropik dan buah-buahan tropik

Kelompok buah-buahan subtropik yang untuk tumbuh dan berbuahnya menghendaki suhu rendah (kurang dari 210C). Daerah tersebut di Indonesia hanya terdapat pada pengunungan yang berada pada ketinggian lebih dari 1000 meter di atas permukaan laut. Buah yang termasuk dalam kelompok ini adalah apel, pir dan persik.

Kelompok buah-buahan tropis yang tumbuh dan berbuahnya menghendaki suhu tinggi (lebih dari 250_{C). Daerah tersebut di Indonesia hanya}

terdapat di dataran rendah. Buah yang termasuk ke dalam kelompok ini antara lain durian, rambutan, dan salak (Sunaryo, 1997)

2.4. Peramalan

Forcasting (selanjutnya diistilahkan dengan peramalan) pada dekade

1980-an di dunia barat, masih dipandang sebagai kegiatan yang teknis atau tepatnya sebagai dari ilmu statistik semata yang digunakan untuk memprediksi suatu peubah di masa yang akan datang. Pada dekade 1990-an, pandangan yang sama juga masih dapat dirasakan oleh kalangan bisnis di Indonesia dan negara-negara berkembang lainnya. Belakangan ini ditempat asalnya yaitu dunia barat, cakupan peramalan telah berkembang pesat yang melampaui sifat teknisnya, yaitu secara luas digunakan dalam perencanaan, pengambilan keputusan, serta dalam isu-isu manajerial lainnya. Sebagai alat pendukung untuk bidang-bidang tersebut, peramalan telah berkembang dan dipandang sebagai kebutuhan yang cukup penting.

(44)

Menurut Sugiarto dan Harijono (2000) peramalan merupakan suatu studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola yang sistematis. Apabila direnungkan secara mendalam, banyak orang akan terkejut jika menyadari bahwa pada kenyataannya banyak keputusan yang dilakukan secara pribadi maupun oleh perusahaan mengarah kepada kejadian-kejadian di masa datang sehingga memerlukan ramalan tentang keadaan lingkungan masa depan tersebut.

2.5.Teknik Peramalan

Terdapat sejumlah teknik yang tersedia dalam peramalan, maka masalah yang timbul bagi para praktisi adalah memahami bagaimana karakteristik suatu metode peramalan akan sesuai dengan situasi pengambilan keputusan tertentu. Pappas dan Hirschey (1995) membagi teknik peramalan ke dalam empat katagori yaitu analisis kualitatif, analisis serial waktu dan proyeksi, metode ekonometrik dan analisis masukan dan keluaran. Salah satu dari pendekatan peramalan yang digunakan lebih unggul dan merupakan pendekatan terbaik dibandingkan dengan yang lainnya, bergantung pada masalah yang bersangkutan. Beberapa faktor penting yang harus dipertimbangkan mencakup:

1. Jarak ke masa depan yang harus diramal 2. Tenggang waktu yang tersedia untuk analisis 3. Tingkat akurasi yang diperlukan

4. Kualitas data yang tersedia untuk dianalisis

5. Sifat hubungan yang tercakup dalam masalah peramalan

6. Biaya dan keuntungan yang berkaitan dengan masalah peramalan

Situasi peramalan sangat beragam dalam horizon waktu peramalan, faktor yang menentukan hasil sebenarnya, tipe pola data dan berbagai aspek lainnya. Untuk menghadapi penggunaan yang lebih luas, beberapa teknik

(45)

peramalan telah dikembangkan. Teknik tersebut dibagi menjadi dua kategori utama yaitu metode kuantitatif dan metode kualitatif.

2.5.1. Metode Kualitatif

Peramalan kualitatif pada hakikatnya didasarkan pada intuisi atau pengalaman empiris dari perencana atau pengambil keputusan sehingga relatif lebih subjektif. Dalam situasi manajemen dan industri atau pasar yang masih sederhana, peramalan kualitatif dapat memberikan akurasi hasil peramalan yang relatif sama dengan peramalan kuantitatif. Metode kualitatif dapat memberikan hasil yang membias ketika beberapa individu tertentu mendominasi proses peramalan melalui reputasi, kekuatan, atau posisi strategis dalam organisasi. Makridakis et al. (1999) menyatakan bahwa metode peramalan kualitatif tidak memerlukan data seperti halnya dalam metode kuantitatif. Hal tersebut tidak berarti bahwa metode kualitatif tidak memerlukan data kuantitatif. Perbedaanya terletak pada penggunaan data tersebut. Input yang dibutuhkan tergantung pada metode tertentu dan biasanya merupakan hasil dari pemikiran intuitif, pertimbangan dan pengetahuan yang didapat. Pendekatan dengan metode ini seringkali memerlukan input dari sejumlah orang yang telah terlatih secara khusus. Metode peramalan ini terbagi atas metode eksploratoris dan

normative. Metode eksploratoris (metode Dalphi, kurvas-S analogi dan penelitian

morfologis) dimulai dari masa lalu dan masa kini sebagai titik awalnya dan bergerak secara heuristik dengan melihat semua kemungkinan yang ada. Sedangkan metode normative (matrik keputusan, pohon relevansi dan analisi sistem) dimulai dengan menetapkan sasaran dan tujuan yang akan datang, kemudian melihat ke masa lalu apakah hal ini dapat dicapai, berdasarkan kendala, sumberdaya dan teknologi yang tersedia. Menurut Georgoff dan Murdick (1985) seperti dikutip oleh Geynor dan Kirkpatrick (1994) membagi

(46)

metode kualitatif menjadi dua yaitu berdasarkan pertimbangan (judgement) dan perhitungan (counting). Berdasarkan metode pertimbangan terbagi menjadi naïve

extrapolation, sales forces composite dan historical analogy. Sedangkan

berdasarkan metode perhitungan, terdiri atas market testing, consumer market servey dan industrial market survey.

2.5.2. Metode Kuantitatif

Peramalan kuantitif memiliki sifat yang objektif karena didasarkan pada keadaan aktual (data) yang diolah dengan menggunakan metode-metode tertentu. Penggunaan suatu metode juga harus didasarkan pada fenomena apa yang akan diramalkan dan tujuan yang ingin dicapai melalui peramalan. Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi (Makridakis et al

., 1999) berikut:

1. Tersedia informasi masa lalu

2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numeric 3. Dapat diasumsikan bahwa pola masa lalu akan terus berlanjut di masa

yang akan datang.

Dua asumsi pertama merupakan syarat keharusan bagi penerapan metode kuantitatif. Asumsi ke-tiga merupakan syarat kecukupan, artinya walaupun asumsi ke-tiga dilanggar, model yang dirumuskan masih dapat digunakan. Hanya saja akan memberikan kesalahan peramalan yang relatif besar bila perubahan pola data ataupun bentuk hubungan fungsional tersebut terjadi secara sistematis.

Peramalan kuantitatif dapat memberikan hasil yang dapat dipertanggungjawabkan karena memiliki dasar yang jelas. Dasar yang digunakan adalah data yang merupakan represensi gambaran aktual masa lalu dan adanya justifikasi teoritik mengenai metode yang digunakan secara

(47)

sistematik, melihat perkembangan teknologi komputer yang semakin pesat, maka peramalan kuatitatif dapat dikatakan sebagai kegiatan yang tidak terlalu sukar untuk diterapkan.

Peramalan kuantitatif juga memiliki keterbatasan. Pada dasarnya segala bentuk dan teknik peramalan kuantitatif bersifat eksploratif, yang didasarkan pada suatu pola data atau hubungan sebagai dan akibat antar data. Peramalan kuantitatif mengasumsikan bahwa pola data atau hubungan sebab akibat antar data masih akan berlaku pada periode yang akan datang. Jika terjadi perubahan pola data atau hubungan sebab akibat, maka hasil ramalan menjadi kurang akurat. Akan tetapi hal tersebut dapat dideteksi untuk menentukan ada tidaknya perubahan melalui suatu pendekatan pemantauan (monitoring). Hal yang relatif sulit adalah masalah penyesuaian bentuk pola data atau hubungan sebab akibat antar data setelah ada perubahan, kecuali setelah perubahan telah cukup untuk menetukan pola atau hubungan yang baru.

Monitoring dalam peramalan bertujuan untuk memantau sejauh mana

suatu model peramalan, baik yang kausal maupun bentuk time series masih dapat digunakan. karena pada kenyataannya tidak jarang terjadi suatu perubahan yang mendasar, misalnya perubahan kebijakan pemerintahan dalam bentuk deregulasi. Melalui metode ini adanya perubahan tersebut dapat dideteksi dengan baik sehingga reformulasi model peramalan dapat dilakukan secepat mungkin. Metode peramalan kuantitatif pada dasarnya dapat dibagi menjadi dua kelompok utama, yaitu metode time series (deret berkala) dan metode kausal.

(48)

2.6. Penelitian Terdahulu

Penelitian yang terkait dengan peramalan telah dilakukan oleh para peneliti sebelumnya. Hasil penelitian Ricky (2001), Hartono (2001), Sugiharta (2002) dan Hasibuan (2003), sedangkan data penel hasil penelitian Safitri (2004) akan diuraikan secara ringkas berikut ini.

Ricky (2001) melakukan penelitian dengan judul Peramalan Permintaan Paprika untuk perencanaan Produksi pada PT Saung Mirwan (PT SM). Data yang digunakan adalah data permintaan paprika selama 95 minggu. Pola data paprika memiliki unsur tren dan musiman. Unsur tren permintaan paprika disebabkan oleh beberapa hal. Paprika memiliki tren permintaan yang meningkat. Hal tersebut dikarenakan permintaan paprika selain untuk memenuhi pasar lokal, juga untuk memenuhi permintaan pasar ekspor. Selain itu PT SM merupakan perusahaan yang identik dengan produksi paprika berkualitas, sehingga hal tersebut yang mendorong naiknya permintaan. Untuk unsur musiman, biasanya permintaan paprika cenderung meningkat saat hari raya, tahun, baru, liburan sekolah dan ketika negara Belanda sebagai negara produsen paprika tidak berproduksi (November-Februari). Metode peramalan yang digunakan adalan metode winter dan dekomposisi.

Peramalan permintaan paprika PT SM dengan menggunakan metode winter memberikan hasil yang terbaik. Galat peramalan untuk permintaan oranye lokal, paprika hijau lokal, kuning lokal, merah lokal, kuning ekspor dan merah ekspor dengan pendekatan MAPE adalah 42.19 persen, 37 persen, 24 persen, 40 persen dan 40 persen. Penelitian yang dilakukan Ricky hanya menggunakan dua metode time series yaitu metode winter dan dekomposisi pada komoditi paprika. Dalam penelitian ini peneliti menyarankan agar penggunaan metode peramalan terpilih, memberikan batasan beberapa persen galat peramalan yang masih diterima dan mengamati perubahan terhadap permintaan yang terjadi.

(49)

Hartono (2001) melakukan penelitian dengan judul Aplikasi Metode Peramalan Time series dalam Pendugaan Harga Saham pada perusahaan Agribisnis di PT Bursa Efek Jakarta (BEJ). Peneliatian ini bertujuan untuk mengetahui perkembangan perusahaan agribisnis yang terdaftar di BEJ, menerapkan dan menetukan metode peramalan time series untuk menduga harga saham perusahaan agribisnis di BEJ dan mempelajari prospek pengembangan investasi saham yang dikaitkan dengan pengembangan agrisbisnis di Indonesia. Data sekunder yang digunakan terdiri dari serial data harga saham penutupan yang terdaftar pada tanggal 1 januari -30 juni 2001.

Fluktuasi harga saham pada perdagangan saham harian merupakan cerminan dari kekuatan permintaan dan penawaran transaksi jual dan beli di lantai bursa. Salah satu cara yang dilakukan untuk mendorong investor dalam memprediksi pergerakan harga saham di masa yang akan datang adalah menggunakan metode peramalan.

Peramalan harga saham perusahaan PT Astra Agrolestari Tbk, PT Cipendawa Farm Enterprises, PT Multibreeder Adirama Indonesia Tbk, \PT Indofood Sukses Makmur Tbk, PT Ultrajaya Milk Tbk, sebaiknya menggunakan metode wighted moving average. Saham-saham PT Bakrie Sumatera Plentation Tbk dan PT H.M. Samporna T bk Mengunakan Metode simple average. PT Gudang Garam Tbk menggunakan metode Brown. Sedangkan untuk PT London Sumatera Tbk dan PT Bahtera Adirama Samudera Tbk masing-masing menggunakan metode single exponential smoothing dan winter. Dalam penelitian ini tidak menggunakan metode Bob Jenkins (ARIMA) yang sebenarnya sesuai dengan data yang memiliki jangka waktu pendek.

Hasibuan (2003) melakukan penelitian dengan judul Peramalan Produksi CPO di PT Sucofindo Medan, Sumatera utara (Suatu Pendekatan Metode Peramalan Kuantitatif). Metode yang terbaik dengan nilai MSE terendah adalah

(50)

metode ARIMA. Selain itu, adanya pertimbangan kemudahan dalam penggunaan dan keakuratan yang dihasilkan, sebaiknya perusahaan menggunakan metode winter. Metode ini tidak tergantung pada ketersediaan dugaan jumlah tanaman belum menghasilkan dan tidak harus diolah kembali dengan adanya data baru, selama konstanta yang digunakan optimal.

Safitri (2004) mengidentifikasi perilaku volme ekspor komoditas pertanian Indoensia ke Negara Singapura, Malaysia dan Thailand serta menetukan metode peramalan terbaik. Penelitian ini dilakukan di Badan Pusat Statistik Jakarta untuk observasi data ekspor dari tahun 1970 sampai 2002. metode peramalan yang digunakan adalah metode time series. ARIMA dipilih sebagai metode terbaik pada hampir semua komoditas ekspor ke Singapura, yaitu tembakau, kopi, kakao rempah kecuali karet dengan metode DES Holt. Metode terbaik peramalan ekspor ke Malaysia adalah DES pada komoditas teh dan ikan, DES holt pada tembakau dan ARIMA (2,2,2) pada rempah. Permalan ekspor ke Thailand dipilih ARIMA (2,1,2) pada komoditas ikan dan AR pada kayu sebagai metode terbaik.

Penulis merasa topik penelitian yang digunakan baru pertama kalinya dan belum pernah dilaksanakan. Sehingga akan memperdalam atau menyempurnakan penelitian terdahulu. Kesamaan penelitiaan ini dengan penelitian terdahulu adalah dari alat analisis yang digunakan yaitu memakai analisis time series dan kausal (regresi)

(51)

BAB III

KERANGKA PEMIKIRAN

Indonesia telah terlibat dalam kesepakatan perdagangan bebas, hal ini mengakibatkan negara-negara di dunia memiliki hubungan perdagangan dengan Indonesia. Salah satu hubungan perdagangan tersebut adalah impor, dalam hal ini adalah impor produk pertanian salah satunya adalah buah-buahan. Berdasarkan data impor buah-buahan selama lima tahun ke belakang, impor buah-buahan Indonesia mengalami peningkatan, walaupun mengalami peningkatan dalam setiap tahunya, akan tetapi dalam tiap bulannya dalam satu tahun volume impor sangat berfluktuasi.

Peningkatan dan fluktuasi volume impor buah-buahan dapat beresiko dapat mengancam sustainabilitas pertanian buah-buahan dan komoditas subsitusi impor lainnya di Indonesia, bahkan apabila tanpa dilakukan penanggulangan yang serius dapat mengancam perekonomian. Salah satu cara untuk mengantisipasi atau mengurangi resiko negatif dari adanya impor dengan mengetahui perkembangan impor buah-buahan pada masa mendatang. Salah satunya dengan melakukan peramalan terhadap impor buah-buahan. Sehingga dengan mengetahui keadaan di masa yang akan datang dapat membuat kebijakan-kebijakan yang tepat untuk meminimalkan resiko negatif tersebut.

Peramalan merupakan upaya memperkirakan hal-hal yang menjadi perhatian di masa depan. Secara garis besar, peramalan dibedakan menjadi peramalan kuantitatif dan kualitatif. Hasil peramalan kualitatif didasarkan pada pengamatan kejadian-kejadian di masa sebelumnya yang digabungkan dengan intuisi maupun ketajaman peramal dalam menghasilkan suatu informasi yang diperkirakan akan terjadi di masa depan. Sebaliknya, peramalan kuantitatif menggunakan data kuantitatif yang diperoleh dari pengamatan nilai sebelumnya

(52)

dengan ditunjang dari beberapa informasi kualitatif. Hasil peramalan kuantitatif ralatif lebih disukai kaena dapat memberikan pandangan yang lebih nyata dan objektif.

Model peramalan yang tersedia cukup banyak maka harus dilakukan pemilihan terhadap metode yang akan digunakan. Metode peramalan yang digunakan adalah harus sesuai dengan kebutuhan dan kemampuan pengguna. Oleh kerana itu, dari beberapa metode peramalan yang ada perlu dipilih yang sesuai dan terbaik. Mengingat jumlah komoditi buah yang diimpor cukup banyak, maka peramalan dalam penelitian hanya dilakukan lima komoditi tertinggi yang diimpor secara kontinyu dan berdasarkan negara pengekspor tiga terbesar. Metode peramalan yang digunakan dalam penelitian ini adalah metode kuantitatif yang terdiri atas metode time series.

Salah satu kriteria yang sering dipakai dalam memilih metode peramalan adalah kesalahan peramalan. Semakin kecil nilai kesalahan peramalan, semakin baik metodenya karena hasil peramalan mendekati aktualnya. Karena tiap metode memiliki karakteristik yang berbeda-beda, maka yang perlu dipertimbangkan adalah faktor ketersediaan data, pola data historis yang dimiliki dan horison peramalan. Selain kesalahan peramalan, perlu diperhatikan juga prinsip parsimony

Metode time series yang digunakan dalam penelitian terdiri dari beberapa metode. Pemilihan metode tersebut berdasarkan pada identifikasi pola data pada masing-masing komoditi terpilih. Identifikasi pola data dilakukan dengan cara memplot data dan nilai autokorelasi. Berdasarkan identifikasi tersebut dapat diduga sementara model yang sesuai dengan pola datanya. Kemudian dari model time series yang digunakan, dipilih model time series yang terbaik dengan menggunakan kriteria nilai MSE terendah.

(53)

Selain metode time series, digunakan juga Metode kausal. Metode kausal digunakan untuk menentukan model melalui persamaan regresi, dengan veriabel dependen permintaan buah dari masing-masing komoditi yang dipilih. Identifikasi veriabel independen yang berpengaruh terhadap impor buah-buahan didasarkan pada teori, dapat dikuantitatifkan dan tersedia data dalam bentuk bulanan. Variabel independen tersebut adalah harga, nilai tukar rupiah terhadap Dollar Amerika Serikat, pasokan dan harga buah tropis pasar induk keramat jati dan dummy bulanan.

Harga buah-buahan impor berkorelasi negatif terhadap permintaan impor buah-buahan. Memiliki korelasi negatif artinya, apabila terjadi kenaikan harga sebesar satu satuan maka akan menyebabkan menurunnya permintaan impor buah-buahan Indonesia. Nilai tukar berkorelasi negatif terhadap permintaan impor buah-buahan Indonesia. Nilai tukar memiliki korelasi negatif karena pada saat nilai tukar melemah (nominal meningkat), secara teori harga produk dalam negeri relatif lebih murah dibandingkan dengan harga produk negara lain. Hal ini seharusnya memacu meningkatnya ekspor dan menurunkan impor. Harga buah lokal apabila memilki hubungan negatif terhadap permintaan, secara teori maka buah lokal merupakan komplementer dari buah impor. Sedangkan apabila berkorelasi positif maka buah lokal merupakan substitusi dari buah impor. Pasokan buah PIKJ apabila memiliki hubungan negatif terhadap permintaan impor buah bahwa impor buah dilakukan untuk mengisi kekosongan pasokan buah dalam negeri dan sebalikknya. Lag volume impor adalah nilai volume impor sebelumnya, hal ini untuk melihat pengaruh adanya ekspektasi impor pada masa yang akan datang dari jumlah impor yang dilakukan pada waktu yang lalu. Sedangkan dummy bulanan digunakan untuk melihat pucak musim buah-buahan di setiap negara produsen buah

(54)

Model regresi dalam penelitian ini menggunakan model linier dan bentuk fungsional regresi yang lain seperti model regresi double log. Model regresi diduga dengan menggunakan metode ordinary least square (OLS) dengan melakukan uji statistik agar sesuai dengan asumsi-asumsi OLS, agar bersifat

Best Linier Unbiased and Estimator (BLUE).

Setelah mendapatkan gambaran mengenai keadaan periode mendatang dan faktor-faktor yang berpengaruh, informasi tersebut dapat digunakan sebagai pertimbangan tindakan untuk antisipasi bebagai dampak negatif dan pertimbangan dalam mengevaluasi dan menetapkan kebijakan impor buah-buahan Indonesia

(55)

Perdagangan Dunia

Fluktuasi Volume Impor Buah

Beresiko Terhadap Sustainabilitas Pertanian

Buah-buahan Indonesia

Identifikasi Pola Data

Peramalan Volume Impor Buah-buahan Indonesia

Plot Data Impor: - Stasioner - Trend

Penyesuaian Pola Data dengan Menggunakan Metode Peramalan yang akan digunakan

Metode Peramalan: - Trsend

- Dekomposisi multiplikatif - Dekomposisi aditif - Winter multiplikatif - Winters aditif - ARIMA Metode Kausal

1. Pemilihan Metode Peramalan Terbaik untuk Meramalkan Impor Buah-buahan Indonesia 2. Meramalkan permintaan

Impor buah-buahan indonesia

Impor buah-buahan

Harga impor Nilai tukar rupiah

Harga dan Pasokan buah PKIJ

Lag impor

Identifikasi faktor-fakor yang berpengaruh terhadap permintaan impor buah-buahan

Indonesia

Rekomendasi Informasi permintaan dan faktor-faktor yang mempengaruhi impor buah-buahan

Musim penen negara pengekspor

Gambar 2. Kerangka Operasional Peramalan dan Analisis Faktor faktor yang Mempengaruhi Permintaan Impor Buah-Buahan Indonesia

(1)

Lampiran 57. Lanjutan

mar 195544 77773 2,51 0,017 2,6 apr -160027 87586 -1,83 0,077 3,3 mei 40758 70474 0,58 0,567 2,2 jun 48744 69574 0,70 0,489 2,1 jul -17731 71154 -0,25 0,805 2,2 ags 41769 69784 0,60 0,554 2,1 sep -41227 77713 -0,53 0,600 2,6 okt -142107 107852 -1,32 0,197 5,1 nov -113029 93828 -1,20 0,237 3,8 des -180007 92332 -1,95 0,060 3,7 S = 91753 R-Sq = 63,0% R-Sq(adj) = 44,0%

Analysis of Variance

Source DF SS MS F P Regression 16 4,45192E+11 27824521725 3,31 0,002 Residual Error 31 2,60979E+11 8418667769

Total 47 7,06171E+11 Durbin-Watson statistic = 2,15

Approximate P-Value > 0.15 D+: 0,074 D-: 0,038 D : 0,074 Kolmogorov-Smirnov Normality T est N: 48

StDev: 74516,7 Average: -0,0000000

200000 100000

0 -100000

,999 ,99 ,95 ,80 ,50 ,20 ,05 ,01 ,001

robab

ilit

RESI1 Normal Probability Plot

Lampiran 58. Output Analisis Model SARIMA (1,0,0) (0,1,1)

untuk

Peramalan Permintaan Pear dari Australia

Estimates at each iteration

Iteration SSE Parameters 0 939363813432 0.100 0.100 1 824578423679 0.250 0.123 2 747634697626 0.400 0.173 3 694023656500 0.536 0.295 4 660624746280 0.575 0.433 5 635570747185 0.611 0.548 6 616746279829 0.639 0.642 7 605913838096 0.657 0.708 8 602356826538 0.666 0.742 9 601613654502 0.670 0.757 10 601485963376 0.672 0.763 11 601465750494 0.673 0.765 12 601462757574 0.673 0.766

(2)

Final Estimates of Parameters

Type Coef SE Coef T P AR 1 0.6735 0.1187 5.67 0.000 SMA 12 0.7665 0.1486 5.16 0.000 Differencing: 0 regular, 1 seasonal of order 12

Number of observations: Original series 60, after differencing 48 Residuals: SS = 471409222303 (backforecasts excluded)

MS = 10248026572 DF = 46

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48

Chi-Square 8.7 15.0 32.0 * DF 10 22 34 *

P-Value 0.561 0.863 0.565 * Forecasts from period 60 Period Forecast Period Forecast 61 54300 67 201330

62 74649 68 203395

63 340117 69 169333

64 181713 70 147072

65 186210 71 106015

66 201911 72 39482

5 15 25 35 45 55

-1 .0 -0 .8 -0 .6 -0 .4 -0 .2 0 .0 0 .2 0 .4 0 .6 0 .8 1 .0 A u to c o rr e la ti o n 1 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 0 2 1 2 2 2 3 2 4 2 5 2 6 2 7 2 8 2 9 3 0 3 1 3 2 3 3 3 4 3 5 3 6 3 7 3 8 3 9 4 0 4 1 4 2 4 3 4 4 4 5 4 6 4 7 4 8 4 9 5 0 5 1 5 2 5 3 5 4 5 5 5 6 5 7 5 8 0 .5 6

0 .3 6 0 .2 4 0 .1 7 0 .1 1 0 .0 6 0 .0 3 0 .0 4 -0 .0 1 0 .1 0 0 .1 4 0 .3 1

0 .1 8 0 .2 0 0 .1 2 0 .1 5 0 .1 9 0 .1 5 0 .0 5 -0 .0 5 -0 .1 2 -0 .0 3 0 .0 4 0 .0 7

-0 .0 8 -0 .0 0 -0 .1 0 -0 .1 8 -0 .1 7 -0 .1 6 -0 .1 5 -0 .1 9 -0 .1 6 -0 .0 6 -0 .0 4 -0 .0 2

-0 .1 5 -0 .1 5 -0 .1 3 -0 .1 3 -0 .1 5 -0 .1 8 -0 .1 9 -0 .1 8 -0 .1 8 -0 .1 0 -0 .0 6 -0 .0 3

-0 .0 2 0 .0 2 -0 .0 1 -0 .0 3 -0 .0 7 -0 .1 2 -0 .1 6 -0 .1 4 -0 .0 9 -0 .0 2 4 .3 7

2 .1 9 1 .3 3 0 .9 6 0 .6 0 0 .3 2 0 .1 6 0 .2 2 -0 .0 4 0 .5 4 0 .7 5 1 .6 5

0 .8 8 0 .9 9 0 .5 8 0 .7 2 0 .9 3 0 .7 3 0 .2 4 -0 .2 4 -0 .5 8 -0 .1 3 0 .1 7 0 .3 1

-0 .3 6 -0 .0 0 -0 .4 8 -0 .8 2 -0 .8 0 -0 .7 2 -0 .6 7 -0 .8 4 -0 .6 9 -0 .2 6 -0 .1 7 -0 .0 7

-0 .6 7 -0 .6 4 -0 .5 6 -0 .5 6 -0 .6 3 -0 .7 6 -0 .7 9 -0 .7 6 -0 .7 4 -0 .4 2 -0 .2 4 -0 .1 1

-0 .0 9 0 .1 0 -0 .0 2 -0 .1 4 -0 .2 9 -0 .4 8 -0 .6 4 -0 .5 5 -0 .3 4 -0 .0 9 2 0 .0 6

2 8 .4 8 3 2 .1 4 3 4 .1 7 3 5 .0 2 3 5 .2 7 3 5 .3 4 3 5 .4 5 3 5 .4 6 3 6 .2 1 3 7 .7 3 4 5 .4 1

4 7 .8 5 5 1 .0 8 5 2 .2 3 5 4 .0 9 5 7 .2 9 5 9 .3 8 5 9 .6 1 5 9 .8 5 6 1 .3 1 6 1 .3 9 6 1 .5 3 6 1 .9 9

6 2 .6 2 6 2 .6 2 6 3 .8 4 6 7 .4 8 7 1 .0 9 7 4 .2 3 7 7 .1 1 8 1 .8 0 8 5 .1 9 8 5 .7 0 8 5 .9 2 8 5 .9 6

8 9 .7 4 9 3 .3 8 9 6 .3 6 9 9 .5 0 1 0 3 .8 0 1 1 0 .4 6 1 1 8 .1 4 1 2 5 .8 4 1 3 3 .9 4 1 3 6 .7 7 1 3 7 .7 6 1 3 7 .9 9

1 3 8 .1 4 1 3 8 .3 5 1 3 8 .3 6 1 3 8 .9 3 1 4 1 .6 3 1 5 0 .3 2 1 6 8 .9 9 1 8 6 .6 0 1 9 5 .6 6 1 9 6 .5 7 L a gCo rr T L BQ L a gCo rr T L BQ L a gCo rr T L BQ L a gCo rr T L BQ L a g Co rr T L BQ

Autocorrelation Function for Vol_Australi

5 15 25 35 45 55

-1 .0 -0 .8 -0 .6 -0 .4 -0 .2 0 .0 0 .2 0 .4 0 .6 0 .8 1 .0 P a rt ia l A u to c o rre la ti o n 1 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 0 2 1 2 2 2 3 2 4 2 5 2 6 2 7 2 8 2 9 3 0 3 1 3 2 3 3 3 4 3 5 3 6 3 7 3 8 3 9 4 0 4 1 4 2 4 3 4 4 4 5 4 6 4 7 4 8 4 9 5 0 5 1 5 2 5 3 5 4 5 5 5 6 5 7 5 8 0 .5 6

0 .0 6 0 .0 1 0 .0 3 -0 .0 1 -0 .0 2 -0 .0 1 0 .0 4 -0 .0 6 0 .1 7 0 .0 5 0 .2 8

-0 .2 0 0 .1 4 -0 .1 3 0 .1 5 0 .0 8 -0 .0 1 -0 .0 9 -0 .1 6 -0 .0 0 0 .0 3 0 .1 8 -0 .1 7

-0 .1 0 0 .0 3 -0 .1 7 -0 .1 8 -0 .0 9 -0 .0 1 0 .0 0 0 .0 1 0 .0 4 -0 .0 5 -0 .0 2 -0 .0 3

-0 .1 1 -0 .0 2 0 .1 4 -0 .0 6 -0 .0 3 -0 .0 1 -0 .0 3 0 .0 9 -0 .0 2 0 .1 0 0 .0 1 0 .0 4

0 .0 2 0 .0 4 0 .0 1 -0 .0 8 -0 .0 3 0 .0 2 0 .0 2 -0 .0 5 -0 .0 1 -0 .0 2 4 .3 7

0 .5 0 0 .1 1 0 .2 5 -0 .1 2 -0 .1 6 -0 .0 5 0 .2 8 -0 .4 6 1 .3 5 0 .4 3 2 .1 4

-1 .5 7 1 .0 9 -1 .0 1 1 .1 3 0 .6 1 -0 .1 1 -0 .6 9 -1 .2 3 -0 .0 1 0 .2 1 1 .3 8 -1 .2 9

-0 .7 9 0 .2 1 -1 .2 9 -1 .3 8 -0 .7 0 -0 .1 0 0 .0 2 0 .0 4 0 .3 4 -0 .3 7 -0 .1 9 -0 .2 4

-0 .8 3 -0 .1 5 1 .0 8 -0 .5 0 -0 .2 2 -0 .0 5 -0 .2 3 0 .7 0 -0 .1 3 0 .7 9 0 .1 0 0 .2 8

0 .1 8 0 .2 8 0 .0 5 -0 .6 4 -0 .2 4 0 .1 4 0 .1 8 -0 .3 6 -0 .1 1 -0 .1 7 L a g PAC T L a g PAC T L a g PAC T L a g PAC T L a g PAC T

Partial Autocorrelation Function for Vol_Australi

Lampiran 59. Perkembangan Harga Pear Impor dari Australia Tahun

2001-2005

0 0,5 1 1,5 2 2,5 3 jan_ 01 mar _01 me i_01

jul_0 1 sep

_01 nov_0

1 jan_ 02 mar _02 me

i_02 jul_

02 sep

_02 nov_0

2 jan_ 03 mar _03 me

i_03 jul_0

3 sep

_03 nov_0

3 jan_ 04 mar _04 me

i_04 jul_

04 sep

_04 nov_0

4 jan_ 05 mar _05 me

i_05 jul_0

5 sep

_05 nov_0

Bulan

$ harga pear Australia

rata-rata harga Australia rata-rata pasar

(3)

Lampiran 60. Residual Plot Model Regresi Permintaan Pear dari Australia

200000 100000 0 -100000 -200000 9 8 7 6 5 4 3 2 1 0

Residual

req

uenc

Residual Model Diagnostics Normal Plot of Residuals

Histogram of Residuals

50 40 30 20 10 0 300000 200000 100000 0 -100000 -200000 -300000

Observation Number

idual

I Chart of Residuals

7 Mean=-1,3E-11

UCL=234557

LCL=-234557

300000 200000 100000 0 200000 100000 0 -100000

Fit

idual

Residuals v s. Fits

2 1 0 -1 -2 200000 100000 0 -100000

Normal Score

idual

Lampiran 61. Output Analisis Model Regresi Permintaan Pear dari Australia

The regression equation is

Q_aus = 137659 - 5,1 e_usd - 26240 P_aus + 0,00778 Qm - 7,97 Pm + 0,707 lag_Q - 33103 feb + 195544 mar - 160027 apr + 40758 mei + 48744 jun - 7731 jul + 41769 ags - 41227 sep - 142107 okt - 113029 nov - 180007 des

Predictor Coef SE Coef T P VIF Constant 137659 231041 0,60 0,556

e_usd -5,11 23,81 -0,21 0,832 1,0 P_aus -26240 51880 -0,51 0,617 1,5 Qm 0,007780 0,005111 1,52 0,138 5,1 Pm -7,971 9,628 -0,83 0,414 2,9 lag_Q 0,7073 0,1609 4,40 0,000 2,1 feb -33103 67573 -0,49 0,628 2,0 mar 195544 77773 2,51 0,017 2,6 apr -160027 87586 -1,83 0,077 3,3 mei 40758 70474 0,58 0,567 2,2 jun 48744 69574 0,70 0,489 2,1 jul -17731 71154 -0,25 0,805 2,2 ags 41769 69784 0,60 0,554 2,1 sep -41227 77713 -0,53 0,600 2,6 okt -142107 107852 -1,32 0,197 5,1 nov -113029 93828 -1,20 0,237 3,8 des -180007 92332 -1,95 0,060 3,7 S = 91753 R-Sq = 63,0% R-Sq(adj) = 44,0%

Analysis of Variance

Source DF SS MS F P Regression 16 4,45192E+11 27824521725 3,31 0,002 Residual Error 31 2,60979E+11 8418667769

Total 47 7,06171E+11 Durbin-Watson statistic = 2,15

(4)

Lampiran 61. Lanjutan

Approximate P-Value > 0.15 D+: 0,074 D-: 0,038 D : 0,074 Kolmogorov-Smirnov Normality T est N: 48

StDev: 74516,7 Average: -0,0000000

200000 100000

0 -100000

,999 ,99 ,95 ,80 ,50 ,20 ,05 ,01 ,001

robab

ilit

RESI1 Normal Probability Plot

Lampiran 62. Output Analisis Winters' multiplicative model untuk

Peramalan Permintaan Pear dari USA

Data Vol_Usa Length 60,0000 NMissing 0

Smoothing Constants Alpha (level): 0,52 Gamma (trend): 0,19 Delta (seasonal): 0,01 Accuracy Measures MAPE: 141 MAD: 27668 MSD: 1,60E+09

Row Period FORE1 Row Period FORE1 1 61 122177 7 67 6254 2 62 91002 8 68 17530 3 63 56414 9 69 27269 4 64 84488 10 70 138906 5 65 110982 11 71 240013 6 66 7660 12 72 337877

Lampiran 63. Perkembangan Harga Pear Impor dari USA Tahun 2001-2005

0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8

jan_

mar_

mei_

01 jul_

sep

_01

nov_

01 jan_

mar_

02 mei

_02

jul_

sep

_02

nov_

02 jan_

mar

_03

mei

_03

jul_

sep

_03

nov_

03 jan_

mar_

mei_

04 jul_

sep

_04

nov_

jan_

05 mar

_05 mei

_05

jul_

sep

_05

nov_

05 Bulan

$ harga pear USA

rata-rata harga USA rata-rata pasar

(5)

Lampiran 64. Residual Plot Model Regresi Permintaan Pear dari USA

200000 100000 0 -100000 -200000 8 7 6 5 4 3 2 1 0

Residual

req

uenc

Residual Model Diagnostics

I Chart of Residuals Normal Plot of Residuals

Histogram of Residuals

50 40 30 20 10 0 200000 100000 0 -100000 -200000

Observation Number

idual Mean=-6,3E-11

UCL=214571

LCL=-214571

400000 300000 200000 100000 0 100000

-100000

Fit

idual

Residuals v s. Fits

2 1 0 -1 -2 100000

-100000

Normal Score

idual

Lampiran 65. Output Analisis Model Regresi Permintaan Pear dari USA

The regression equation is

Q_usa = 342903 - 28,0 e - 69682 P_usa + 5,6 Pm - 0,00753 Qm + 0,531 lag_Q - 26958 feb + 234467 mar - 107318 apr + 47658 mei + 50228 jun + 10715 jul + 61766 agst + 40547 sep + 95126 okt + 78429 nov - 22364 des

Predictor Coef SE Coef T P VIF Constant 342903 227198 1,51 0,141

e -27,98 24,44 -1,15 0,261 1,2 P_usa -69682 47077 -1,48 0,149 1,3 Pm 5,57 12,57 0,44 0,661 3,2 Qm -0,007534 0,004446 -1,69 0,100 4,3 lag_Q 0,5306 0,1576 3,37 0,002 2,2 feb -26958 62618 -0,43 0,670 1,9 mar 234467 74800 3,13 0,004 2,7 apr -107318 76362 -1,41 0,170 2,8 mei 47658 64883 0,73 0,468 2,0 jun 50228 71459 0,70 0,487 2,5 jul 10715 71394 0,15 0,882 2,4 agst 61766 69122 0,89 0,378 2,3 sep 40547 71168 0,57 0,573 2,4 okt 95126 86319 1,10 0,279 3,6 nov 78429 79048 0,99 0,329 3,0 des -22364 75313 -0,30 0,768 2,7 S = 87368 R-Sq = 66,5% R-Sq(adj) = 49,2%

Analysis of Variance

Source DF SS MS F P Regression 16 4,69540E+11 29346249248 3,84 0,001 Residual Error 31 2,36631E+11 7633250102

Total 47 7,06171E+11 Durbin-Watson statistic = 1,98

(6)

Lampiran 65. Lanjutan

Approximate P-Value > 0.15 D+: 0,096 D-: 0,091 D : 0,096 Kolmogorov-Smirnov Normality T est N: 48

StDev: 70955,6 Average: -0,0000000

100000 0

-100000 ,999

,99 ,95 ,80 ,50 ,20 ,05 ,01 ,001

robab

ilit

RESI1 Normal Probability Plot

Peramalan dan Faktor-faktor yang Mempengaruhi Impor Buah Indonesia

PERAMALAN DAN FAKTOR-FAKTOR YANG

MEMPENGARUHI IMPOR BUAH INDONESIA

Oleh:

Taufan S Nusantara

A14103703

PROGRAM SARJANA EKSTENSI MANAJEMEN AGRIBISNIS

FAKULTAS PERTANIAN

INSTITUT PERTANIAN BOGOR

2006

RINGKASAN

PERAMALAN DAN FAKTOR-FAKTOR YANG

MEMPENGARUHI IMPOR BUAH INDONESIA

Oleh:

Taufan S Nusantara

A14103703

PROGRAM SARJANA EKSTENSI MANAJEMEN AGRIBISNIS

FAKULTAS PERTANIAN

INSTITUT PERTANIAN BOGOR

2006

PERNYATAAN

DAFTAR RIWAYAT HIDUP

KATA PENGANTAR

UCAPAN TERIMA KASIH

PERAMALAN DAN FAKTOR-FAKTOR YANG

MEMPENGARUHI IMPOR BUAH INDONESIA

Oleh:

Taufan S Nusantara

A14103703

PROGRAM SARJANA EKSTENSI MANAJEMEN AGRIBISNIS

FAKULTAS PERTANIAN

INSTITUT PERTANIAN BOGOR

2006

RINGKASAN

PERAMALAN DAN FAKTOR-FAKTOR YANG

MEMPENGARUHI IMPOR BUAH INDONESIA

Oleh:

Taufan S Nusantara

A14103703

PROGRAM SARJANA EKSTENSI MANAJEMEN AGRIBISNIS

FAKULTAS PERTANIAN

INSTITUT PERTANIAN BOGOR

2006

PERNYATAAN

DAFTAR RIWAYAT HIDUP

KATA PENGANTAR

UCAPAN TERIMA KASIH

Peramalan

Permintaan

Pear dari Australia ...

•

Lampiran 57. Lanjutan

Lampiran 58. Output Analisis Model SARIMA (1,0,0) (0,1,1)

untuk

Peramalan Permintaan Pear dari Australia

Lampiran 59. Perkembangan Harga Pear Impor dari Australia Tahun

2001-2005

Lampiran 60. Residual Plot Model Regresi Permintaan Pear dari Australia

Lampiran 61. Output Analisis Model Regresi Permintaan Pear dari Australia

Lampiran 61. Lanjutan

Lampiran 62. Output Analisis Winters' multiplicative model untuk

Peramalan Permintaan Pear dari USA

Lampiran 63. Perkembangan Harga Pear Impor dari USA Tahun 2001-2005

Lampiran 64. Residual Plot Model Regresi Permintaan Pear dari USA

Lampiran 65. Output Analisis Model Regresi Permintaan Pear dari USA

Lampiran 65. Lanjutan

Parts

Dokumen yang terkait

Faktor-Faktor Yang Mempengaruhi Impor Barang Konsumsi di Indonesia.

Analisis Faktor-Faktor Yang Mempengaruhi Impor Di Indonesia

ANALISIS TREND PRODUKSI DAN IMPOR GULA SERTA FAKTOR-FAKTOR YANG MEMPENGARUHI IMPOR GULA INDONESIA

Analisis faktor-faktor yang mempengaruhi produksi dan impor kedelai di Indonesia

Analisis Peramalan Dan Faktor-Faktor Yang Mempengaruhi Impor Jeruk Di Indonesia

Faktor-faktor yang Mempengaruhi Permintaan Impor Buah-buahan dan Sayuran Indonesia

FAKTOR – FAKTOR YANG MEMPENGARUHI IMPOR FAKTOR – FAKTOR YANG MEMPENGARUHI IMPOR BERAS DI INDONESIA TAHUN 1991 – 2011 (Pendekatan Error Correction Model).

FAKTOR-FAKTOR YANG MEMPENGARUHI IMPOR BERAS DI INDONESIA.

Faktor Faktor yang Mempengaruhi Penegakan Hukum

Faktor-Faktor Yang Mempengaruhi Permintaan Buah Jeruk Impor di Kota Medan

Dokumen yang Anda mencari sudah siap untuk unduhkan