salah satu teknik yang terbaik dalam meramalkan harga beras IR II . Rumus nilai kesalahan peramalan pada periode ke-t adalah :
e
t
= X
t
- F
t
Dimana :
e
t
= Nilai kesalahan peramalan error pada periode ke-t X
t
= Nilai aktual pada periode ke-t F
t
= Nilai ramalan periode ke-t
Metode peramalan yang memiliki nilai MSE paling kecil mengandung pengertian bahwa semakin kecil nilai MSE suatu peramalan, maka hasil ramalan
tersebut akan semakin mendekati nilai aktualnya forecasting power semakin kuat. Nilai MSE dirumuskan :
n
MSE = [ ∑ et
2
] n
i=1
4.4 Teknik Kausal
Teknik kausal yang digunakan adalah regresi berganda. Model regresi berganda ini terdiri dari variabel dependen Y yaitu harga beras dan variabel
independen X yaitu harga gabah kering giling, harga beras IR II tingkat grosir, jumlah pasokan, cadangan beras bulog, impor beras , lag harga. Persamaan regresi
berganda untuk harga beras IR II tingkat konsumen adalah :
X ......
X X
X o
Y
kt x
3t 3
2t 2
1t 1
t t
ε β
β β
β β
+ +
+ +
+ =
Dimana:. Y
t
= Harga beras IR IIdi tingkat konsumen di masing-masing kota ke i Rp pada periode ke t
X
1t
= Harga tingkat produsen Rp pada periode ke t X
2t
= Harga beras IR II tingkat grosir Rp pada periode ke t X
3t
= Jumlah pasokan beras di Pasar Induk Cipinang Ton pada periode ke t X
4t
= Cadangan beras bulog Ton pada periode ke t X
5t
= Jumlah impor beras Ton pada periode ke t X
6t
= Lag harga Rp. pada periode ke t βlog β
= Intersep β
1
= Pengaruh harga tingkat produsen terhadap harga beras IR II ditingkat konsumen ke- i
β
2
= Pengaruh harga beras IR II tingkat grosir terhadap harga beras IR II ditingkat konsumen ke- i
β
3
= Pengaruh jumlah pasokan beras di Pasar Induk Cipinang terhadap harga beras IR II ditingkat konsumen ke- i
β
4
= Pengaruh cadangan beras bulog terhadap harga beras IR II ditingkat konsumen ke- i
β
5
= Pengaruh jumlah impor beras terhadap harga beras IR II ditingkat konsumen ke- i
β
6
= Pengaruh lag harga terhadap harga beras IR II ditingkat konsumen ke- i
Galat baku taksiran adalah standar deviasi dari residual. Hal ini mengukur penyebaran nilai Y dari fungsi regresi disesuaikan.
MSE k
n SSE
k n
Y Y
S
s x
y
= −
− =
− −
− =
∑
∧
1 1
2 ,
.
Dimana : n
= Jumlah observasi k = Jumlah variable bebas dalam fungsi regresi
SSE = Jumlah kuadrat residual MSE = Mean kuadrat residual
Pada model regresi berganda, hipotesisnya adalah
H :
β
1
= β
2
= β
3
=
….
= β
k
= 0 H
1
: paling tidak salah satu β
j
≠ 0
Signifikan regresi di uji melalui rasio F : F = MSR MSE dengan df = k, n – k – 1. Daerah penolakan pada level signifikan
α, adalah Jika F F
α
maka semua prediktor secara bersama-sama signifikan terhadap variabel dependen, dimana F
α
adalah titik persentase diatas α dari distribusi F dengan derajat bebas.
. Uji t dilakukan dengan membanding t-hitung dari suatu prediktor dengan t-tabel t
α
, n - k . Jika t-hitung t-tabel maka prediktor tersebut
signifikan. Asumsi OLS pada metode analisis regresi berganda adalah sebagai berikut :
a. Model linear dalam parameter, tidak terdapat autokorelasi. 1
,
2
−
1
− =
= k
n k
δ δ
b. Error bersifat random, menyebar normal dengan mean nol. c. Tidak ada multikolinieritas diantara indipenden variabel
d. Ragam error konstan homoskesdastisitas.
Nilai R
2
= 1 menyatakan bahwa semua observasi Y jatuh tepat pada fungsi regresi yang disesuaikan dan semua variasi respon dijelaskan oleh regresi. Nilai
R
2
= 0 bermakna yaitu SSR = 0, dan tidak satupun variasi pada Y yang dijelaskan oleh regresi. Koefisien determinasi dirumuskan sebagai berikut :
Y =
ˆ Y
∑ ∑
∑ ∑
− −
− =
− =
− −
= =
2 2
2 2
2
ˆ 1
1 ˆ
Y Y
Y Y
SST SSE
Y Y
Y Y
SST SSR
R
Hubungan linier antara dua atau beberapa variabel bebas disebut multikolinieritas. Kekuatan multikolinieritas diukur melalui Variance Inflation
Factor VIF.
Jika VIF 10 maka model dugaan ada masalah multikolinieritas. k
j R
j
....., ,
2 ,
1 ,
1 1
2
= −
= VIF
V. HASIL DAN PEMBAHASAN
5.1 Identifikasi Pola Data
Identifikasi pola data dilakukan untuk menentukan jenis data pada deret waktu time series harga beras IR II di lima kota besar yaitu Jakarta, Bandung,
Yogyakarta, Surabaya, dan Denpasar dengan metode peramalan yang akan digunakan. Data harga beras IR II tingkat konsumen yang dianalisis berupa data
mingguan dari bulan Oktober 2004 sampai bulan Juli 2006 dengan jumlah observasi 100 data. Identifikasi plot data harga beras IR II untuk masing-masing
kota adalah sebagai berikut :
5.1.1 Identifikasi pola data terhadap Harga Beras IR II di Jakarta
Identifikasi terhadap plot data time series harga beras IR II di Jakarta menunjukkan adanya unsur trend yang meningkat. Hal ini dapat dilihat dari data
mingguan yang berfluktuasi dari periode ke-1 Oktober 2004 sampai periode 27 April 2005, harga beras IR II mengalami peningkatan, namun pada periode 28
April-II 2005 sampai periode 34 Mei-III 2005, harga beras IR II mengalami penurunan. Begitu juga yang terjadi pada periode 35 Mei-IV 2005 sampai
dengan periode akhir Juli-V 2006, harga beras IR II cenderung tidak stabil karena harga beras IR II naik turun dengan cepat. Harga beras IR II tertinggi
terjadi pada periode 76 Februari-III 2006 dengan tingkat harga Rp 4.780 per kg dan harga beras IR II terendah terjadi pada periode I Oktober-I 2004 dengan
tingkat harga Rp 3.030 per kg. Plot data harga Beras IR II di Jakarta juga mengandung unsur musiman bila diamati dalam jangka pendek. Plot data harga
beras IR II di Jakarta untuk lebih jelasnya dapat dilihat pada Gambar 5.
