Pendekatan Box-Jenkins pada analisis deret waktu adalah alat yang sangat kuat dalam menyediakan ramalan jangka pendek. Model ARIMA agak fleksibel
dan dapat mewakili rentang yang lebar dari karakteristik deret waktu yang terjadi dalam praktek. Prosedur formal pengujian kesesuaian model tersedia. Selain itu,
interval ramalan dan prediksi langsung mengikuti modelnya. Teknik ARIMA dapat memberikan hasil ramalan yang lebih akurat dari teknik ramalan lainnya,
tetapi teknik ini lebih sulit penerapannya dan memerlukan keterampilan dalam penggunaan program komputer dan biaya komputer yang relatif lebih tinggi
sedangkan untuk teknik pemulusan eksponensial cenderung lebih mudah dalam penerapannya dan memerlukan biaya komputer yang lebih rendah dari teknik
ARIMA.
5.4 Teknik Kausal
Teknik Kausal yang digunakan untuk menentukan faktor-faktor yang berpengaruh adalah analisis regresi berganda. Analisis ini melibatkan penggunaan
lebih dari satu variabel independen yang berpengaruh terhadap variabel dependen. Hasil penerapan analisi regresi berganda dari masing-masing kota adalah sebagai
berikut :
5.4.1 Regresi Berganda Kota Jakarta
Penentuan faktor-faktor yang mempengaruhi perubahan terhadap harga beras di Kota Jakarta menggunakan enam variabel independen yang terdiri dari
harga tingkat produsen X
1
, harga beras IR II tingkat grosir X
2
, pasokan beras di Pasar Induk Beras Cipinang X
3
, stok Bulog X
4
, impor beras X
5
dan lag
tingkat konsumen di Jakarta sebelumnya X
6
. Persamaan regresi berganda untuk kota Jakarta adalah :
Yjkt = 268 + 0,083 X
1
+ 0,493 X
2
+ 0,00271 X
3
– 0,000110 X
4
+ 0,000680 X
5
+ 0,413 X
6
Nilai koefisien determinasi R-sq digunakan untuk mengukur kecukupan model regresi berganda. Nilai R-sq sebesar 95,3 persen. Artinya 95,3 persen dari
variasi harga beras IR II tingkat konsumen dijelaskan oleh harga tingkat produsen, harga beras IR II tingkat grosir, pasokan beras di Pasar Induk Beras Cipinang
PIBC, stok Bulog, impor beras dan lag harga serta sisanya 4,7 persen dijelaskan oleh variabel yang lain. Model regresi berganda ini sangat efektif untuk
digunakan, karena nilai koefisien determinasinya tinggi. Berdasarkan tabel distribusi F, nilai F
0,05; 6; 58
= 2,34. F hitung dari hasil output komputer menunjukkan angka 194,79 yang lebih besar dari F
0,05; 6; 58
= 2,34 sehingga Ho ditolak atau Hi diterima. Berarti keenam variabel yaitu variabel
harga tingkat produsen, harga beras IR II tingkat grosir, stok Bulog, pasokan beras di PIBC, impor beras dan lag harga secara bersama-sama mempengaruhi
besaran variabel harga beras IR II tingkat konsumen di Kota Jakarta. Uji koefisien regresi dilakukan dengan tujuan untuk menguji signifikansi
hubungan antara variabel independen dengan variabel dependen. Nila t hitung dan probabilitas P pada analisis statistik digunakan untuk menguji variabel-variabel
independen secara individu, sedangkan data F hitung digunakan untuk menguji variabel bebas secara bersama-sama. Angka t tabel dicari setelah diketahui tingkat
signifikansi dan derajat kebebasan. Tingkat signifikansi dalam analisis regresi berganda ini adalah lima persen 0,05. Berdasarkan tabel distribusi t, nilai t
0,025;
6; 58
= 2,02. Nilai t hitung variabel X
1
sebesar 0,72 , X
4
sebesar 1,43 dan X
5
sebesar 1,99 lebih kecil dari pada t
0,025; 6; 58
. Uji P dari X
1
, X
4
dan X
5
lebih besar dari 0,05. Uji t dan uji P menunjukkan bahwa koefisien X
1
, X
4
dan X
5
sama dengan nol terima Ho:
β
1
= β
4
= β
5
=0, berarti harga tingkat produsen X
1
dan stok Bulog X
4
dan impor beras X
5
tidak berpengaruh secara signifikan terhadap naik turunnya harga beras tingkat konsumen di Jakarta Y
jkt
. Nilai t hitung variabel X
2
, X
3
, X
6
sebesar 6,23, 2,04, 5,17 lebih besar dari pada t
0,025; 6; 58
= 2,02 dan nilai P variabel X
2
, X
3
, X
6
lebih kecil dari 0,05 menunjukkan bahwa koefisien X
2
, X
3
, X
6
berbeda dengan nol pada taraf nyata 5 persen tolak Ho : β
2
= β
3
= β
6
=0 berarti bahwa harga beras IR II tingkat grosir X
2
, pasokan beras di PIBC X
3
, dan lag harga X
6
mempengaruhi besaran harga beras IR II tingkat konsumen di Kota Jakarta Y
jkt
.
Tabel 15 Hasil Uji Variabel dan Multikolinieritas untuk Model Dugaan Regresi Berganda di Jakarta
Variabel Independen
Koefisien Uji t
Uji P VIF 10
X1 0,0827
Terima Ho Terima Ho
Terpenuhi X2
0,4927 Tolak Ho
Tolak Ho Terpenuhi
X3 0,0027
Tolak Ho Tolak Ho
Terpenuhi X4
-0,0001 Terima Ho
Terima Ho Terpenuhi
X5 0,0007
Terima Ho Terima Ho
Terpenuhi X6
0,4127 Tolak Ho
Tolak Ho Terpenuhi
Keterangan : Terima Ho = Tidak Signifikan Tolak Ho = Signifikan
Nilai Variance Inflation Factor VIF digunakan untuk mengidentifikasi adanya multikolinier dalam model. Apabila VIF10 maka terdapat masalah
multikolinier. Nilai VIF yang besar bermakna bahwa terdapat informasi berulang diantara variabel independen sehingga terjadi ketidaksesuaian model yang telah
dibuat. Model dugaan regresi berganda untuk kota Jakarta tidak terdapat masalah multikolinier karena nilai VIF 10. Nilai Durbin-Watson yang diperoleh sebesar
1,783 lebih besar dari batas atas DU pada tabel distribusi DW
0,05; 6; 65
sebesar 1,77, maka dapat disimpulkan tidak terjadi autokorelasi .
Hubungan antara variabel harga beras IR II tingkat grosir, pasokan beras, dan lag harga dengan variabel harga beras IR II tingkat konsumen di Jakarta
adalah positif. Setiap kenaikkan harga beras IR II tingkat grosir sebesar Rp 1,00 per kg akan mempengaruhi kenaikkan harga beras IR II tingkat konsumen di
Jakarta sebesar Rp 0,493 per kg atau 0,493 persen. Peningkatan jumlah pasokan beras sebesar satu ton akan meningkatkan harga beras IR II tingkat konsumen di
Jakarta sebesar Rp 0,003 per kg atau 0,003 persen. Apabila lag harga naik sebesar Rp 1,00 per kg akan mempengaruhi kenaikkan terhadap harga beras IR II tingkat
konsumen di Kota Jakarta sebesar Rp 0,413 per kg atau 0,413 persen.
5.4.2 Regresi Berganda Kota Bandung
