X
1
= harga bawang merah di tingkat produsen di kota Z Rpkg X
2
= harga bawang merah di Pasar Induk Kramat Jati Rpkg X
3
= jumlah pasokan bawang merah ke Pasar Induk Kramat Jati kgbulan
X
4
= lag harga bawang merah Rpkg D
= dummy
hari besar keagamaan D = 1 menjelang dan saat hari besar keagamaan
D = 0 diluar hari besar keagamaan e
t
= error-term galat Persamaan regresi diestimasi secara terpisah untuk enam kota besar. Kota-
kota yang diamati adalah DKI Jakarta, Bandung, Semarang, Yogyakarta, Surabaya, dan Denpasar. Untuk kota DKI Jakarta, variabel harga bawang merah
ditingkat produsen tidak digunakan karena di DKI Jakarta tidak ada produksi bawang merah, jadi harga produsen diasumsi kan sama dengan harga bawang
merah di Pasar Induk Kramat Jati. Sedangkan untuk kota yang lainnya menggunakan harga produsen sebagai variabel independennya.
4.4.2.1. Pengujian Model Penduga
Pengujian terhadap model penduga harga bawang merah dilakukan untuk mendapatkan model terbaik dan apakah model yang diduga terpenuhi secara teori
dan statistik. Pengujian yang dilakukan antara lain, yaitu sebagai berikut: A. Uji Autokorelasi
Uji autokorelasi digunakan untuk melihat apakah ada hubungan linier antara error serangkaian observasi yang diurutkan menurut waktu data time
∑ ∑
− −
= i
e 2
1 i
e i
e d
series . Uji autokorelasi perlu dilakukan apabila data yang dianalisa
merupakan data time series Gujarati, 1997.
Keterangan: d = nilai Durbin Watson ∑e
i
= jumlah kuadrat sisa Nilai Durbin Watson kemudian dibandingkan dengan nilai d
tabel
. Hasil perbandingan akan menghasilkan kesimpulan Gambar 4 seperti kriteria
sebagai berikut: 1. Jika d
dl, berarti terdapat autokorelasi positif 2. Jika d
4-dl, berarti terdapat autokorelasi negatif 3. Jika dl d
du atau 4-du d 4-dl, berarti tidak dapat
disimpulkan 4. Jika du d 4-du, berarti tidak terdapat autokorelasi
B. Uji Multikolinearitas Masalah multikolinearitas dalam model dapat diketahui dengan melihat
nilai Varians Inflation Facktor VIF pada masing-masing variabel bebasnya.
2 i
R 1
1 VIF
− =
Dimana: R
2
= koefisien determinasi
Autokorelasi Positif
Autokorelasi Negatif
Tidak dapat Disimpulkan
Tidak dapat Disimpulkan
Tidak ada Autokorelasi
4-du du
dl 0 4-dl
4
Gambar 4. Aturan Membandingkan Uji Durbin-Watson dengan Tabel Durbin-Watson Nachrowi dan Usman, 2006
Apabila nilai VIF kurang dari 10, maka dapat disimpulkan bahwa dalam
model tidak terdapat masalah multikolinearitas. Selain itu, untuk melihat korelasi antar peubah bebas dalam model dapat digunakan uji korelasi
pearson, dimana nilai yang semakin mendekati satu berarti korelasi peubah bebas semakin kuat.
C. Uji Heteroskedastisitas Heteroskedastisitas yang menyatakan bahwa variasi dari setiap unsur
residual model adalah sama konstan. Asumsi ini bila dilanggar akan menyebabkan model yang dihasilkan menjadi tidak bias, konsisten, terbaik
dan linier tetapi tidak efisien Gujarati, 1997. Untuk menguji ada tidaknya masalah heteroskedastisitas dalam model,
dapat dilakukan uji Breusch-Pagan yaitu dengan cara meregresikan kembali nilai residual yang telah dikuadratkan dengan variabel-variabel bebas dalam
model. Hipotesis: H
: Homoskedastisitas H
1
: Heterokedastisitas Statistik Uji : LM = nR
2
Dimana : n = jumlah pengamatan R
2
= koefisien determinasi dari auxiliary regression Kriteria Uji :
p-value α
= 0,05
: maka tolak H
yang berarti terjadi masalah heteroskedastisitas atau jika LM
1 2
α χ
− p
dimana α = 0,05.
p-value α = 0,05 : maka terima H
yang berarti tidak terjadi masalah heteroskedastisitas atau jika LM
1 2
α χ
− p
dimana α = 0,05.
D. Uji Normalitas Asumsi normalitas mengharuskan nilai residual dalam model menyebar
atau terdistribusi secara normal. Untuk mengetahuinya dapat dilakukan uji Kolmogorov-Smirnov
dengan memplotkan nilai standar residual dengan probabilitinya pada tes normalitas. Apabila pada grafik titik-titik residual yang
ada tergambar segaris dan p-value lebih besar dari α = 0,05, maka dapat
disimpulkan bahwa residual model terdistribusi dengan normal. E. Uji model penduga uji F
Tujuan dari pengujian ini adalah untuk mengetahui apakah model penduga yang diajukan layak untuk menduga parameter dari fungsi harga
bawang merah. Hipotesis:
H :
1
=
2
=….=
i
= 0, variabel bebas Xi secara serentak tidak berpengaruh nyata terhadap harga bawang merah.
H
1
: paling tidak salah satu
i
≠ 0, i = 1, 2, 3,….,, variabel bebas Xi secara serentak berpengaruh nyata terhadap harga bawang merah.
Uji statistik yang digunakan adalah uji F:
F-hitung =
⎟ ⎟
⎠ ⎞
⎜ ⎜
⎝ ⎛
⎟ ⎟
⎠ ⎞
⎜ ⎜
⎝ ⎛
− −
− k
n 2
R 1
1 k
2 R
F-tabel = F
αk-1,n-k
Dimana: R
2
= koefisien determinasi K = jumlah parameter termasuk intersep
N = jumlah observasi Kriteria uji:
F-hitung F
αk-1,n-k
, maka tolak H F-hitung F
αk-1,n-k
, maka terima H Jika H
ditolak maka seluruh variabel bebas secara bersama-sama mempengaruhi varabel tidak bebasnya pada tingkat signifikasi tertentu dan
derajat bebas tertentu. Jika H diterima maka seluruh variabel bebas secara
bersama-sama tidak mempengaruhi variabel tak bebas pada tingkat signifikasi tertentu dan derajat bebas tertentu.
F. Uji untuk masing-masing parameter Pengujian ini bertujuan untuk mengetahui variabel bebas yang
berpengaruh secara parsial terhadap variabel tak bebas. Hipotesis:
H :
ij
= 0 H
1
:
i
≠ 0 Uji statistik yang digunakan adalah uji-t
t-hitung =
⎟⎟ ⎠
⎞ ⎜⎜
⎝ ⎛ −
i i
i
b S
b β
t-tabel = t
α2n-k
Dimana: bi = koefisien k-i yang diduga
S bi = standar deviasi parameter bi i
= parameter ke-i yang diduga k
= jumlah parameter termasuk intersep n
= jumlah observasi Kriteria uji:
t-hitung t α2n-k, maka tolak H
t-hitung t α2n-k, maka terima H
Jika t-hitung lebih besar dari t-tabel α, n-k maka tolak H
artinya peubah bebas berpengaruh nyata terhadap peubah tidak bebas dalam model
pada taraf nyata α persen dan sebaliknya apabila t-hitung lebih kecil dari pada
t-tabel α, n-k, maka terima H
0,
artinya peubah bebas tidak berpengaruh nyata terhadap peubah tidak bebas dalam model pada taraf nyata
α persen.
V. PERAMALAN DAN FAKTOR-FAKTOR YANG
MEMPENGARUHI HARGA BAWANG MERAH
5.1. Peramalan dan Faktor-faktor yang Mempengaruhi Harga Bawang
Merah di DKI Jakarta
5.1.1. Plot data
DKI Jakarta merupakan salah satu kota besar di Indonesia dimana bawang merah merupakan salah satu komoditas pangan strategis yang dibutuhkan oleh
masyarakatnya. Selama bulan Januari 2002 sampai Oktober 2006, harga bawang merah di Jakarta menunjukkan trend yang meningkat dan memiliki unsur
musiman Gambar 5. Pada bulan Januari 2002 harga bawang merah di DKI Jakarta sebesar Rp 6357kg. Harga ini kemudian menurun ke titik terendah pada
bulan September 2002 menjadi Rp 4665kg.
Pada masing-masing tahunnya, harga bawang merah tertinggi di DKI Jakarta terjadi pada bulan Desember 2002, Maret 2003, Desember 2004, Juli 2005
dan April 2006. Pada bulan Desember 2002, harga bawang merah di DKI Jakarta adalah sebesar Rp 8008kg. Pada bulan Maret 2003, harga bawang merah di DKI
Jakarta adalah sebesar Rp 7887kg. Pada bulan Desember 2004, Juli 2005 dan
Gambar 5. Plot Data Harga Bawang Merah di DKI Jakarta Januari 2002 – Oktober 2006
2000 4000
6000 8000
10000 12000
J a
nua ri
Ap ri
l Ju
li O
k tobe
r J
a nua
ri Ap
ri l
Ju li
O k
tobe r
J a
nua ri
Ap ri
l Ju
li O
k tobe
r J
a nua
ri Ap
ri l
Ju li
O k
tobe r
J a
nua ri
Ap ri
l Ju
li O
k tobe
r
Bulan H
a rg
a R
p kg
DKI Jakarta