70 yang sangat kecil dibandingkan dengan negara-negara lainnya. Sehingga bisa
dikatakan bahwa pasokan oranges dari Amerika Serikat hampir selalu ada di setiap tahunnya.
Sepanjang tahun 2001, Indonesia tidak mengimpor oranges dari Afrika Selatan pada bulan Oktober. Impor tertinggi di tahun 2001 terjadi di bulan Mei,
yaitu sebesar 22.252 kg. Indonesia tidak mengimpor oranges dari Amerika Serikat terjadi kembali pada bulan Agustus-September 2003.
Tahun 2001 permintaan impor oranges dari USA sebesar 1.339 ton. Tahun 2002 permintan oranges dari USA sebesar 1.438
ton atau meningkat 7,39 persen dari tahun 2001. Pada tahun 2003 menurun 21,54 persen dari tahun 2002
menjadi 1.128 ton. Meningkat kembali sebesar 36,05 persen pada tahun 2004 menjadi 1.535 ton. Pada tahun 2005 terjadi penurunan sebesar 17,64 persen
menjadi 1.264 ton.
b. Peramalan Permintaan Impor Oranges dari Amerika Serikat
Berdasarkan Tabel 13 dibawah ini, metode peramalan time series terbaik untuk permintaan oranges dari Amerika Serikat adalah Metode SARIMA
0,0,03,1,0
12
atau dalam bentuk persamaan back shift operator notation adalah 1-B
12 1
1+1.0262B
12
+1.0166B
24
+0.9927B
36
Y
t
= ε
t
. Hasil Pengolahan Metode SARIMA 0,0,03,1,0
12
untuk peramalan pemintaan oranges dari Amerika Serikat dapat dilihat pada Lampiran 23.
Tabel 13. Nilai MSE Metode Peramalan Time Series pada Permintaan Impor Oranges
Indonesia dari Amerika Serikat No. Metode
MSE MSE
Terkecil 1
Tend 3,25E+10 6
2 Winters Multiplikatif
2,03E+10 5
3 Winters Aditif
1,73E+10 4
4 Dekomposisi Multiplikatif
8,45E+09 3
5 Dekomposisi Aditif
7,76E+09 2
6 Arima 0,0,0
3,1,0 2,99E+09 1
71
1. Identifikasi Berdasarkan gambar plot ACF dan PACF pada Lampiran 23, plot ACF
memiliki pola gelombang sinus damped sine wave sedangkan PACFnya cut off. Pada gambar plot gambar autokorelasi dapat dilihat nilai autokorelasi yang
berbeda nyata dari nol terjadi pada lag 1 dan 5. Pada selain lag-lag tersebut, nilai autokorelasinya sama dengan nol. Hal ini menunjukkan bahwa data permintaan
impor oranges dari Amerika Serikat sudah stasioner, jadi tidak perlu dilakukan pembedaan.
2. Estimasi
Melihat pola ACF dan PACF model tentatif yang mungkin adalah AR 1. selain kemungkinan dari model tersebut, tidak menutup kemungkinan untuk
model tentatif yang lain. Menentukan model terbaik diantara model-model yang ditentukan adalah memilih model yang memiliki nilai MSE terkecil. Walaupun
pada plot non musiman tidak menunjukkan adanya unsur trend, juga pengolahan diuji dengan melakukan pembedaan.
3. Evaluasi Model Uji Diagnostik
Setelah dilakukan estimasi parameter model, selanjutnya dilakukan evaluasi untuk memastikan apakah model yang diestimasi sudah baik atau
belum. Kreiteria dalam evaluasi metode ARIMA antara lain: - Proses iterasi harus convergence
Hasil pengolahan Model ARIMA menunjukkan bahwa proses iterasi telah convergence antara dua model sudah tidak ada beda yang nyata. Proses
iterasi terlah convergence ditunjukkan adanya pernyataan relative change in each estimate less then 0,0010.
- Residual random Residual dari hasil peramalan dari model juga menunjukkan bahwa residual
forcast error sudah random. Sebagai indikator residual hasil ramalan telah
72 random indikator yang digunakan adalah modified Box-Pierce statistik. Hal ini
ditunjukkan bahwa nilai P-value untuk uji statistik dari residual lebih besar dari 0,05. Selain itu grafik ACF dan PACF dari residual yang memiliki pola cut off
menunjukkan bahwa residual telah acak. - Kondisi invertibilitas ataupun stasioneritas harus terpenuhi
Kondisi invertibilitas ataupun stasioner telah terpenuhi. Hal ini ditunjukkan oleh jumlah koefisien MA atau AR yang masing-masingnya kurang dari satu.
Dalam output model terlihat jumlah koefisien untuk SAR 1,1 = -1.0262 SAR 1,2 = -1.0166 dan SAR 1,3 = -0.9927.
- Parameter yang diestimasi berbeda nyata dari nol Parameter yang diestimasi berbeda nyata dengan nol. Ini dapat dilihat dari
nilai P-value koefisien kurang dari 0,05. Terlihat pada output bahwa P-value koefisen untuk SAR 1,1 = 0,000 SAR 1,2 = 0,000 dan SAR 1,3 = 0,000.
- Model harus parsimonius Keseluruhan model yang telah memenuhi syarat di atas, model SARIMA
ARIMA 0,0,03,1,0
12
adalah model yang relatif sudah dalam bentuk paling sederhana
- Model harus memiliki nilai MSE terkecil Model ini memiliki nilai MSE terkecil dari keseluruhan model yang dicoba.
Model ini meiliki nilai MSE sebesar 2,99E+09.
4. Peramalan Hasil peramalan ini dapat dilihat Lampiran 23. Permintaan oranges 12
bulan dari USA meningkat dari tahun sebelumnya sebesar 165 ton, dengan total permintaan sebesar 1.436 ton. Puncak tertinggi terjadi pada bulan Juli yaitu
sebesar 317 ton, sedangkan puncak permintan terendah terjadi pada bulan Februari yaitu sebesar 13 ton.
73
c. Faktor-Faktor yang Mempengaruhi Permintaan Impor Oranges dari Amerika Serikat USA
