Peramalan Nilai Ekspor dan Impor Semua Tanaman di Balai Besar Karantina Pertanian Belawan

(1)

PERAMALAN NILAI EKSPOR DAN IMPOR SEMUA TANAMAN DI BALAI BESAR KARANTINA PERTANIAN BELAWAN

DENGAN PERIODE BULANAN

TUGAS AKHIR

RAHMAYANI NASUTION 112407098

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014

(2)

PERAMALAN NILAI EKSPOR DAN IMPOR SEMUA TANAMAN DI BALAI BESAR KARANTINA PERTANIAN BELAWAN

DENGAN PERIODE BULANAN

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh gelar Ahli Madya

RAHMAYANI NASUTION 112407098

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014

(3)

PERSETUJUAN

Judul : Peramalan Nilai Ekspor dan Impor Semua Tanaman di Balai

Besar Karantina Pertanian Belawan

Kategori : Tugas Akhir

Nama : Rahmayani Nasution

NIM : 112407098

Program Studi : D3 Statistika

Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam (FMIPA)

Universitas Sumatera Utara

Disetujui di Medan, Juni 2014

Disetujui Oleh

Ketua Program Studi D3 Statistika FMIPA Pembimbing,

USU

Dr. Faigiziduhu Bu’ulölö, M.Si Dr. Sutarman M.Sc

(4)

SURAT PERNYATAAN

PERAMALAN NILAI EKSPOR DAN IMPOR SEMUA TANAMAN DI BALAI BESAR KARANTINA PERTANIAN BELAWAN

DENGAN PERIODE BULANAN

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juni 2014

RAHMAYANI NASUTION 112407098

(5)

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pengasih dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan Tugas Akhir ini dengan judul “Peramalan Nilai Ekspor dan Impor Semua Tanaman di Balai Besar Karantina Pertanian Belawan dengan Periode Bulanan”.

Terimakasih penulis sampaikan kepada Bapak Dr. Sutarman, M.Sc selaku pembimbing sekaligus Dekan FMIPA USU yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si dan Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardinigsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak Alm. Ramlan Nasution, Ibu Tumita dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan semoga Tuhan Yang Maha Esa membalasnya.

Penulis

(6)

DAFTAR ISI

Halaman

PERSETUJUAN i

PERNYATAAN ii PENGHARGAAN iii DAFTAR ISI iv DAFTAR TABEL v DAFTAR GAMBAR vi BAB 1 PENDAHULUAN 1 1.1. Latar Belakang 1

1.2. Rumusan Masalah 3

1.3. Batasan Masalah 3

1.4. Tujuan dan Manfaat 6

1.5. Metode Penelitian 6

1.6. Sistematika Penulisan 8

BAB 2 LANDASAN TEORI 10

2.1. Pengertian Peramalan 10

2.2.Jenis Peramalan 11

2.3.Metode Peramalan 12

2.3.1. Pengertian Metode Peramalan 13

2.3.2. Jenis Jenis Metode Peramalan 13

2.4.Metode Box-Jenkis 15

2.5.Metode Deret Berkala (Times Series) Box-Jenkins 18

2.6.Metode Auto Regresive (AR) 18

2.7.Metode Rataan Bergerak 19

2.8.Metode Box-Jenkins 20

2.9.Peramalan Metode Box-Jenkins 21

BAB 3 SEJARAH PERUSAHAAN 22

3.1. Sejarah Singkat Karantina Pertanian 22

3.2. Organisasi Karantina 24

3.3. Arti dan Makna Logo 24

3.4. Visi dan Misi 26

(7)

BAB 4 ANALISA DAN EVALUASI 28

4.1. Studi Kasus 28

4.2. Analisa Plot Data Awal30

BAB 5 KESIMPULAN DAN SARAN 46

5.1. Kesimpulan 46

5.2. Saran 47

DAFTAR PUSTAKA LAMPIRAN

(8)

DAFTAR TABEL

Halaman

Tabel 4.1.1. Data Bulanan Nilai Ekspor Pertanian Belawan 2008-2012 28

Tabel 4.1.2. Data Bulanan Nilai Impor Pertanian Belawan 2008-2012 29

Tabel 4.2.1. Nilai-nilai Pembedaan Pertama Ekspor 35

Tabel 4.2.2. Nilai-nilai Pembedaan Pertama Impor 36

Tabel 4.2.3. Nilai-nilai Pembedaan Kedua Ekspor 41

(9)

DAFTAR GAMBAR

Halaman

Gambar 3.3.1. Arti dan Makna Logo 24

Gambar 4.2.1. Plot Ekspor dan Impor Pertanian Belawan Tahun 2008-2012 30

Gambar 4.2.2. Autokorelasi Nilai Ekspor Pertanian Belawan Tahun 2008-2012 31

Gambar 4.2.3. Autokorelasi Nilai Impor Pertanian Belawan Tahun 2008-2012 32

Gambar 4.2.4. Autokorelasi Parsial Nilai Ekspor 33

Gambar 4.2.5. Autokorelasi Parsial Nilai Impor 34

Gambar 4.2.6. Autokorelasi Nilai Ekspor dengan Pembedaan Pertama 37

Gambar 4.2.7. Autokorelasi Nilai Impor dengan Pembedaan Pertama 38

Gambar 4.2.8. Autokorelasi Parsial Nilai Ekspor dengan Pembedaan Pertama 39

Gambar 4.2.9. Autokorelasi Parsial Nilai Impor dengan Pembedaan Pertama 40

Gambar 4.3.0. Autokorelasi Nilai Ekspor dengan Pembedaan Kedua 42

Gambar 4.3.1. Autokorelasi Nilai Impor dengan Pembedaan Kedua 43

Gambar 4.3.2. Autokorelasi Parsial Nilai Ekspor dengan Pembedaan Kedua 44

(10)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Pada mulanya hubungan perdagangan hanya terbatas pada satu wilayah Negara yang tertentu, tetapi dengan semakin berkembangnya arus perdagangan maka hubungan dagang tersebut tidak hanya dilakukan antara para pengusaha dalam satu wilayah negara saja, tetapi juga dengan para pedagang dari negara lain, tidak terkecuali Indonesia. Bahkan hubungan-hubungan dagang tersebut semakin beraneka ragam, termasuk cara pembayarannya.

Kegiatan ekspor impor didasari oleh kondisi bahwa tidak ada suatu Negara yang benar-benar mandiri karena satu sama lain saling membutuhkan dan saling mengisi. Setiap Negara memiliki karakteristik yang berbeda, baik sumber daya alam, iklim, geografi, demografi, struktur ekonomi dan struktur sosial. Perbedaan tersebut menyebabkan perbedaan komoditas yang dihasilkan, komposisi biaya yang diperlukan, kualitas dan kuantitas produk. secara langsung atau tidak langsung membutuhkan pelaksanaan pertukaran barang dan atau jasa antara satu negara dengan negara lainnya. Maka dari itu antara negara-negara yang terdapat didunia perlu terjalin suatu hubungan perdagangan untuk memenuhi kebutuhan tiap-tiap negara tersebut.

(11)

Transakasi perdagangan internasional yang lebih dikenal dengan istilah ekspor impor, pada hakikatnya adalah suatu transaksi sederhana yang tidak lebih dari membeli dan menjual barang antara pengusaha-pengusaha yang bertempat tinggal atau berdomisili dinegara-negara yang berbeda. Namun dalam pertukaran barang dan jasa yang menyeberangi laut ataupun darat ini tidak jarang timbul berbagai masalah yang kompleks antara para pengusaha yang mempunyai bahasa, kebudayaan, adat istiadat, dan cara yang berbeda-beda

Ekspor adalah proses transportasi barang atau komoditas dari suatu negara ke negara lain secara legal, umumnya dalam proses perdagangan. Proses ekspor pada umumnya adalah tindakan untuk mengeluarkan barang atau komoditas dari dalam negeri untuk memasukannya ke negara lain. Ekspor barang secara besar umumnya membutuhkan campur tangan dari bea cukai di negara pengirim maupun penerima. Ekspor adalah bagian penting dari perdagangan internasional, lawannya adalah impor.

Impor adalah proses transportasi barang atau komoditas dari suatu negara ke negara lain secara legal, umumnya dalam proses perdagangan. Proses impor umumnya adalah tindakan memasukan barang atau komoditas dari negara lain ke dalam negeri. Impor barang secara besar umumnya membutuhkan campur tangan dari bea cukai di negara pengirim maupun penerima. Impor adalah bagian penting dari perdagangan internasional, lawannya adalah ekspor.

(12)

Pengutamaan Ekspor bagi Indonesia sudah digalakkan sejak tahun 1983.Sejak saat itu,ekspor menjadi perhatian dalam memacu pertumbuhan ekonomi seiring dengan berubahnya strategi industrialisasi dari penekanan pada industri substitusi impor ke industri promosi ekspor. Konsumen dalam negeri membeli barang impor atau konsumen luar negeri membeli barang domestik,menjadi sesuatu yang sangat lazim. Persaingan sangat tajam antar berbagai produk. Selain harga,kualitas atau mutu barang menjadi faktor penentu daya saing suatu produk.

Sesuai dengan penjelasan di atas maka penulis ingin mengangkat judul

“PERAMALAN NILAI EKSPOR DAN IMPOR SEMUA TANAMAN DI BALAI BESAR KARANTINA PERTANIAN BELAWAN DENGAN PERIODE BULANAN”.

1.2 Perumusan Masalah

Untuk memperjelas dan mempermudah penelitian ini agar tidak menyimpang dari sasaran yang dituju, maka penulis hanya meramalkan n nisbi yang akan datang (Bulan Januari 2007 – Desember 2012).

1.3 Tinjauan Pustaka

Metode ARIMA adalah salah satu metode peramalan yang ada dalam statistik, metode ini termasuk dari jenis model kausal, model kausal ini biasanya

(13)

mempengaruhi variabel dependen. Selain menggunnakan model regresi model ini juga dapat menggunakan metode ARIMA atau metode BOX-JENKINS, untuk mencari model terbaik yang dapat digunakan dalam peramalan. Metode ARIMA berasal dari penggabungan antara Autoregresive (AR), Moving Average (MA). Dalam meramalkan ekspor dan impor, maka dapat digunakan beberapa buku antara lain :

Assauri, S [1] menguraikan tentang defenisi peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Sedangkan ramalan adalah situasi atau kondisi yang diperlukan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat didasarkan atas bermacam-macam cara yang dikenal dengan metode peramalan.

Daljoeni, N [2] menguraikan tentang klimatologi yakni seluk-beluknya, klasifikasinya serta pernyataan secara wilayah. Dalam beberapa uraian diusahakan relevansinya dengan kehidupan makhluk hidup.

Makridakis, S [3] menguraikan bahwa dalam metode dan aplikasi peramalan Makridakis, pada dasarnya ada dua model dari metode Box-Jenkins yaitu model linier untuk deret statis (Stationery Series) dan model linier yang tidak statis (Non Stationery Series). Model-model untuk deret statis menggunakan teknik penyaringan untuk deret waktu yaitu apa yang disebut dengan ARIMA (Auto Regresive-Moving Average) untuk suatu kumpulan data, sedangkan untuk model yang tidak statis menggunakan apa yabg disebut debgan ARIMA (Auto Regresive-integrate-Moving Average).

(14)

Untuk kumpulan data, model ARIMA (p,q) menjadi:

Xt = ∅1Xt-1 + ∅2Xt-2 + ... + ∅pXt-p+ et – �1et-1 - ... – �qet-q

Untuk data yang dikumpulkan secara bulanan, pembedaan satu musim penuh

(tahun) dapat dihitung Xt – Xt-12 = (1-B12)Xt, sehingga untuk model ARIMA (p,d,f),

(P,D,Q)s dengan s adalah jumlah periode permusim.

Maljoivi [4] menguraikan tentang peramalan usaha dengan berbagi metode, salah satunya dengan menggunakan metode runtun waktu lanjutan yang didalamnya terdapat bermacam-macam metode antara lain : metode otokorelasi (Yt = Yt-n), metode otoregresi (Yt = ∅1Yt-1 + ... + ∅nYt-n + et), dan metode Box-Jenkins.

Mudrajad [5] menguraikan tentang anlisis kurs valas menggunakan pendekatan Box-Jenkins dengan ARIMA (Auto Regresive-integrate-Moving Average) adalah metode yang menggabungkan banyak unsur dalam teori dan banyak dipakai untuk tujuan peramalan.

Sudjana [6] menguraikan tentang data yang terdiri atas dua atau lebih variabel untuk mempelajari cara bagaimana data itu berhubungan. Hubungan yang didapat pada umumnya dinyatakan dalam bentuk persamaan matematika yang menyatakan hubungan fungsional antar variabel-variabel. Untuk keperluan analisis, variabel bebas akan dinyatakan dengan X1, X2,..., Xk + et (k≥ 1) sedangkan variabel tak bebas akan dinyatakan dengan Y.

(15)

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk dapat menganalisis nilai ekspor dan impor, menerapkan dan mengaplikasikan metode Box-Jenkins, agar dapat meramalkan nilai ekpor dan impor bulanan di Pertanian Belawan selama 2013.

1.5 Kontribusi Penelitian

Kontribusi yang dapat diambil dari penelitian ini adalah :

1. Dapat menjadi suatu bahan masukan atau sebagai pertimbangan yang

berguna bagi Karantina Pertanian Belawan dalam mengambil suatu kebijaksanaan.

2. Sebagai informasi bagi BPS, instansi peternakan, pertanian dan

perkebunan di Kotamadya Medan.

3. Sebagai sarana meningkatkan pengetahuan dan wawasan penulis.

1.6 Metode Penelitian

Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi dimasa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat didasarkan atas berbagai macam metode, yaitu metode pemulusan eksponensial atau rata-rat bergerak, metode Box-Jenkins, dan metode Regresi, semua itu dikenal dengan metode peramalan. Metode peramalan adalah cara untuk

(16)

memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang. Dengan kata lain metode peramalan ini digunakan dalam peramalan yang bersifat objektif.

Peramalan dengan menggunakan metode deret waktu didasarkan pada pendugaan masa depan yang dilakukan berdasarkan nilai masa lalu dari suatu variabel dan / atau kesalahan peramalan di masa lalu. Tujuan metode peramalan deret waktu seperti itu adalah menemukan pola dalam deret data historis dan mengekstrapolasikan pola dalam deret data tersebut ke masa depan.

Data yang dikumpulkan dalam penelitian ini adalah data sekunder yang diperoleh dari Balai Besar Karantina Pertanian Belawan, yaitu data ekspor dan impor dari bulan januari 2009 s/d desember 2013, data yang dikumpulkan kemudian diatur, disusun dan disajikan dalam tabel. Model peramalan Box-Jenkins untuk postulasi kelas untuk ARIMA (p,q) yang umum adalah:

Xt = ∅1Xt-1 + ∅2Xt-2 + ... + ∅pXt-p+ et – �1et-1 - ... – �q et-q

Keterangan :

Xt = Variabel yang diramalkan

Xt-p = Variabel pertama dari periode ke 1,2,...,p

∅p = Parameter Auto Regresive

et = Nilai kesalahan pada t

�q = Parameter-parameter dari MA (1,2,...,p)

(17)

1.7 Sistematika Penelitian

penulisan tugas akhir ini disususn secara sistematis didalamnya dikemukakan beberapa hal, dimana setiap Bab seperti yang tercantum dibawah :

BAB 1 PENDAHULUAN

Bab ini menerangkan tentang latar belakang,perumusan masalah, tinjauan pustaka, tujuan penelitian, kontribusi penelitian, metode penelitian, dan sistematika penulisan.

BAB 2 LANDASAN TEORI

Bab ini menerangkan tentang segala sesuatu yang mencakup terhadap penyelesaian masalah sesuai dengan judul yang dibuat.

BAB 3 SEJARAH SINGKAT KARANTINA PERTANIAN

Bab ini menerangkan keadaan KARANTINA PERTANIAN

BAB 4 ANALISIS DATA

Bab ini membahas tentang pengolahan data untuk mencari hasil peramalan.

(18)

BAB 5 KESIMPULAN DAN SARAN

Bab ini menerangkan kesimpulan atas data yang telah diamati juga saran yang dapat berupa masukan bagi KARANTINA PERTANIAN, pemerintah maupun swasta serta pihak-pihak lain membutuhkan hasil dari penelitian ini.

(19)

BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan

Disamping itu peramalan memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga apabila digunakan pendekatan yang sama suatu permasalahan dalam kegiatan peramalan, maka akan didapat dasar pemikiran dan pemecahan yang sama.

Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh metode yang digunakan, juga ditentukan baik tidaknya informasi yang digunakan. Selama informasi yang digunakantidak dapat meyakinkan, maka hasil peramalan yang disusun juga akan sulit dipercaya ketepatannya.

(20)

2.2 Kegunaan Peramalan

Sering terdapat senjang waktu (Time Lag) antara kesadaran akan peristiwa atau

kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (Lead

Time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi

itu peramalan diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.

Dalam perencanaan di organisasi atau perusahaan peramalan merupakan kebutuhan yang sangat penting, dimana baik buruknya peramalan dapat mempengaruhi seluruh bagian organisasi, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan merupakan alat bantu untuk yang penting dalam perencanaan yang efektif dan efesien.

Peramalan memiliki banyak kegunaan, diantaranya:

1. Berguna penjadwalan sumber daya yang tersedia.

Penggunaan sumber daya yang efesien memerlukan penjadwalan produksi, transportasi, kas, personalia, dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaan akan konsumennya atau pengalaman.

2. Berguna dalam penyediaan sumber daya tambahan.

Waktu tenggang (Lead Time) untuk memperoleh bahan baku menerima

pekerjaan yang baru atau membeli mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan sumber daya dimasa akan datang.

(21)

3. Untuk menentukan sumber daya yang diinginkan.

Setiap organisasi harus menentukan sumber daya yang dimiliki dalam jangka panjang. Keputusan semacam itu bergantung kepada faktor-faktor lingkungan, manusia dan pengembangan sumber daya keuangan. Semua penentuan ini memerlukan ramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.

Walaupun terdapat banyak bidang lain yang memerlukan peramalan, namun tiga kelompok diatas merupakan bentuk khas dari kegunaan peramalan jangka pendek, menengah dan panjang.

Dari uraian diatas dapat dikatakan Metode Peramalan sangat berguna, karena akan membantu dalam mengadakan analisis terhadap data dari masa lalu, sehingga dapat memberikan cara pemikiran, pengerjaan yang teratur dan terarah, perencanaan yang sistematis serta memberikan ketepatan hasil peramalan yang dibuat atau disusun.

2.3 Metode Peramalan

Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan berdasarkan data yang relevan pada masa lalu. Metode peramalan sangat berguna untuk membantu dalam mengadakan pendekatan analisis terhadap pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pekerjaan dan pemecahan yang sistematis, serta memberikan tingkat keyakinan yang lebih luas atas ketepatan hasil ramalan yang dibuat.

(22)

2.3.1 Metode Peramalan Kualitatif

Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada

masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan oleh

pemikiran yang bersifat intuisi, pendapatan dan pengetahuan serta pengalaman

dari penyusunnya. Biasanya peramalan ini didasarkan atas hasil penyelidikan.

Metode kualitatif ini dapat dibagi menjadi metode eksploratoris dan normatif.

2.3.2 Metode Peraalan Kuantitatif

Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada

masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan, adapun yang perlu diperhatikan dari penggunaan metode-metode tersebut adalah baik tidaknya metode yang dipergunakan sangat ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik. Metode

kuatitatif dapat dibagi menjadi deret berkala (time series) dan metode kausal.

Sekarang ini telah dikembangkan beberapa metode atau teknik-teknik peramalan untuk menghadapi bermacam-macam keadaan yang akan terjadi. Peramalan dibedakan atas peramalan kuantitatif dan kualitatif. Dalam hal ini penulis membatasi bahwa metode peramalan yang akan terjadi di masa depan

(23)

pada peramalan kuantitatif. Pada dasarnya metode peramaln kuantitatif ini dibedakan atas :

1. Metode peramalan yang didasarkan pada penggunaan analisa pola hubungan

antara variabel yang akan diperkirakan dengan variabel waktu, yang

merupakan deret berkala (time series).

2. Metode peramalan yang didasarkan pada penggunaan analisa pola hubungan

antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, bukan waktu yang disebut dengan metode korelasi, sebab

akibat (causal methods).

Dalam penulisan proposal ini., digunakan metode peramalan yang pertama, yaitu metode peramalan dengan menggunakan variabel waktu atau yang

dikenal dengan “time series”.

Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi, yaitu:

1. Adanya informasi tentang masa lalu

2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data

3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu

akan terus berlanjut di masa yang akan datang.

Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan (asumtion of continuity). Asumsi ini merupakan modal yang mendasari dari semua metode peramalan kuantitatif dan banyak metode peramalan teknologis yang terlepas dari bagaimana canggihnya metode tersebut.

(24)

Metode-metode peramalan dengan menggunakan analisa deret waktu, yaitu:

1. Metode pemulusan (smoothing) dan rata-rata bergerak (moving average)

Metode ini sering digunakan untuk ramalan jangka pendek dan untuk ramalan jangka panjang.

2. Metode Box Jenkins

Metode ini jarang dipakai, namun baik digunakan untuk ramalan jangka pendek, menengah dan jangka panjang.

3. Metode proyeksi trend dengan regresi

Metode ini digunakan untuk ramalan jangka menengah dan jangka panjang.

Dalam penulisan proposal ini, yang akan digunakan adalah metode time series yang pertama, yaitu metode pemulusan eksponensial.

2.4 Pemilihan Teknik dan Metode Peramalan

Dalam pemilihan teknik dan metode peramalan, perlu diketahui ciri-ciri penting untuk pengambilan keputusan dan analisa keadaan dalam mempersiapkan peramalan.

Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode peramalan, yaitu:

1. Horizon Waktu

Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan. Aspek pertama adalah cakupan waktu di masa yang akan

(25)

2. Pola data

Dasar utama metode peramalan adalah anggapan bahwa macam dari pola data yang diramalkan akan berkelanjutan.

3. Jenis-jenis dari Model

Jenis-jenis model merupakan suatu deret dimana waktu yang digambarkan sebagai unsur penting untuk menentukan perubahan-perubahan dalam pola. Masing-masing model perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan.

4. Biaya yang dibutuhkan

Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu

prosedur peramalan yaitu: biaya-biaya pengembangan, penyimpanan (storage)

data, operasi pelaksaan, kesempatan dalam penggunaan teknik-teknik dan metode peramalan.

5. Ketepatan Metode Peramalan

Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.

6. Kemudahan dalam Penerapan

Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambilan keputusan.

(26)

Hal penting yang harus diperhatikan dalam metode deret berkala adalah menentukan jenis pola data historinya. Sehingga pola data yang tepat dengan pola data historis tersebut dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut:

1. Pola Data Horizontal

Pola ini terjadi bila berpluktasi disekitar nilai rata-rata yang konstan.

2. Pola Data Musiman (Seasonal)

Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman, misalnya: kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu.

3. Pola Data Siklis (Cyclical)

Pola data yang menunjukkan gerak naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.

4. Pola Data Trend

(27)

2.5 Metode Deret Berkala (Time Series) Box-Jenkins (ARIMA)

Metode peramalan yang sering digunakan adalah deret waktu (time series).

Dimana sejumlah observasi diambil selama beberapa periode dan digunakan sebagai dasar dalam penyusunan suatu ramalan untuk beberapa periode dimasa depan yang diinginkan. Metode Box-Jenkins adalah salah satu metode untuk menganalisis waktu.

Pada dasarnya ada dua model dari metode Box-Jenkins, yaitu model linier

untuk deret statis (Stasionary Series) dan model untuk deret data yang tidak statis

(Non Stasionary Series). Model-model linier untuk deret data yang statis

menggunakan teknik penyaringan (Auto Regresive-Moving Average) untuk suatu

kumpulan data. Sedangkan untuk model yang tidak statis menggunakan apa yang

disebut ARIMA (Auto Regresive-Moving Average).

2.6 MetodeAuto Regresive (AR)

Metode Auto Regresive adalah model yang menggambarkan bahwa variabel dependen dipengaruhi oleh variabel dependen itu sendiri pada periode-periode yang sebelumnya, atau autokorelasi dapat juga sebagai korelasi linier deret

berkala dengan deret berkala itu sendiri dengan selisih waktu (lag) 0,1,2 periode

atau lebih. Bentuk umum Autoregresive dengan ordo p atau dituliskan dengan AR (p) mempunyai persamaan sebagai berikut:

Xt

=

�

+

∅

�

�−1

+

∅

�

�−2

+ ...+

∅

�

�−�

�

(28)

∅ t = Parameter

�

t = Nilai kesalahan pada t

� = Nilai kostanta

Persamaan umum model AR (p) dapat juga ditulis sebagai berikut:

(1 -

∅

B

-

∅

B

- ... -

∅

B

)

X

-

+

∅

X

=

�

+

�

Dalam hal ini B adalah operator mundur (Backward Shift Operator), bentuk umum operator bergerak mundur ini dapat ditulis sebagai berikut :

B

X t

=

Yt=d

Model Auto Regresive yang sering dijumpai dalam peraktek adalah model AR (1) dan AR (2).

Persamaan AR (1) ditulis dengan:

(1 -

∅

)

X t

=

�

+

�

Persamaan AR (2) ditulis dengan:

(1 -

∅

-

∅

B

)

X t

=

�

+

�

2.7 Metode Rataan Bergerak

Metode rataan bergerak (Moving Average) mempunyai bentuk umum dengan ordo q atau bisa ditulis dengan MA (q) adalah sebagai berikut:

(29)

X t

=

�

+

�

–

�

t-1

–

�

t-2

–

�

t-k

Keterangan:

�i = Parameter dari proses rataan bergerak ke-I, i = 1,2,3,...,q

X t = Variabel yang diramalkan

�

t-q = Nilai kesalahan pada saat t-q

Persamaan untuk model MA (q) bila menggunakan operator penggerak mundur dapat ditulis sebagai berikut:

X t

=

�

+ (1 -

∅

-

∅

B

- ...

∅

B

)

�

Persamaan MA (1) dapat dituliskan dengan:

X

=

�

+

�

-

∅

�

t=1

Perbedaan model moving average dan model autoregressive terletak pada jenis variabel independen pada model autoregressive adalah nilai sebelumnya

(lag) dari variabel dependen (Xt) itu sendiri, maka pada model moving average

sebagai variabel independen adalah nilai residual pada periode sebelumnya.

2.8 Metode Box-Jenkins

Metode ARIMA meliputi tiga tahap yang harus dilakukan secara berurutan:

1. Identifikasi parameter-parameter model dengan menggunakan metode autokorelasi dan autokorelasi parsial.

2. Estimasi (penaksiran) komponen-komponen atoregresive (AR) dan rata-rata bergerak (MA) untuk melihat apakah komponen-komponen tersebut secara

(30)

signifikan memberikan kontribusi pada model atau salah satunya dapat dihilangkan.

3. Pengujian dan penerapan model untuk meramalkan series data beberapa

periode ke depan. Pada tahap ini digunakan try and error yang sangat

bermanfaat untuk meningkatkan pemahaman dalam aplikasi model ARIMA

untuk memprediksi data-data ekspor dan impor yang berbasis time series.

2.9 Peramalan Model Box-Jenkins

Tujuan peramalan adalah untuk menduga nilai deret waktu masa yang akan datang. Jika model yang ditetapkan menunjukkan residual yang acakan, maka model itu dapat dipergunakan untuk maksud peramalan.

(31)

BAB 3

SEJARAH PERUSAHAAN

3.1 Sejarah Singkat Karantina Pertanian

Pada tahun 1877 sudah dicetuskan peraturan perundang undangan yang berkait dengan karantina (tumbuhan), yakni Ordonansi 19 Desember 1877 (Staatsblad No.262) tentang larangan pemasukan tanaman kopi dan biji dari Srilanka. Pada tahun 1914 sebagai tindak lanjut dari Ordonansi 28 Januari 1914 (Staatsblad No.161) penyelenggaraan kegiatan perkarantinaan secara institusional di Indonesia secara nyata baru dimulai oleh sebuah organisasi pemerintah bernama Instituut voor Plantenzekten en Cultures (Balai Penyelidikkan Penyakit Tanaman dan Budidaya).

Pada tahun 1930 pelaksanaan kegiatan operasional karantina di pelabuhan-pelabuhan diawasi secara sentral oleh Direktur Balai Penyelidikan Penyakit Tanaman dan Budidaya, serta ditetapkan seorang pegawai Balai yang kemudian diberi pangkat sebagai Plantenziektenkundigeambtenaar (pegawai ahli penyakit

tanaman). Pada tahun 1939 Dinas karantina tumbuh-tumbuhan

(Planttenquarantine Diest) menjadi salah satu dari 3 seksi dari Balai Penyelidikan Penyakit Tanaman (Instituut voor Plantenziekten).

Tahun 1966 dalam reorganisasi dinas karantina tumbuhan tidak lagi ditampung dalam organisasi Lembaga Pusat Penelitian Pertanian (LP3) yang merupakan penjelmaan LPHT. Kemudian Karantina menjadi salah satu Bagian di

(32)

dalam Biro Hubungan Luar Negeri Sekretariat Jenderal Departemen Pertanian. Pada tahun 1969, status organisasi karantina tumbuhan diubah kembali dengan ditetapkannya Direktorat Karntina Tumbuh-tumbuhan yang secara operasional berada dibawah Menteri Pertanian dan secara administratif dibawah Sekretariat Jenderal. Dengan status Direktorat tersebut, status organisasi Karantina tumbuh meningkat dari elson III menjadi elson II. Pada tahun 1974, organisasi karantina diintegrasikan dalam wadah Pusat Karantina Pertanian dibawah Badan Penelitian dan Pengembangan Pertanian.

Tahun 1980 berdasarkan Keputusan Menteri Pertanian No. 453 dan No. 861 tahun 1980, organisasi Pusat Karantina Pertanian (yang notabene baru diisi karatina tumbuhan ex Direktorat Karantina Tumbuhan), mempunyai rentang kendali manajemen yang luas. Pusat Karantina Pertanian pada masa itu terdiri dari 5 Balai (eselon III), 14 Stasiun (eselon IV), 38 Pos (eselon V)dan 105 Wilayah Kerja (non structural)yang tersebar diseluruh Indonesia. Pada tahun 1983 Pusat Karantina Pertanian dialihkan kembali dari Badan Litbang Pertanian ke Sekretariat Jenderal dengan pembinaan operasional langsung dibawah Menteri Pertanian .

Namun kali ini kedua unsur karantina (hewan dan tumbuhan) benar-benar diintegrasikan. Pada tahun 1985 Direktorat Jenderal Peternakan menyerahkan pembinaan unit karantina hewan, sedangkan Badan Litbang Pertanian menyerhkan pembinaan unit karantina tumbuhan, masing-masing kepada Sekretariat Jenderal Departemen Pertanian. Pada tahun 2001 terbentuklah Badan Karantina Pertanian, Organisasi eselon I di Departemen Pertanian melalui Keppres No. 58 Tahun 2001.

(33)

3.2 Organisasi Karantina

Karantina Pertanian di Indonesia merupakan tanggung jawab Departemen Pertanian yang pelaksanaannya oleh Badan Karantina Pertanian, Organisasi Eselon I lingkup Departemen Pertanian. Badan Karantina Pertanian dipimpin oleh seorang Kepala Badan.

Di tingkat Pusat, Kepala Badan Karantina Peratanian dibantu oleh 4 pejabat eselon II, 10 pejabat elson III, 24 pejabat elson IV. Ditingkat lapangan Kepala Barantan dibantu oleh Kepala UPT terdiri atas 39 UPT Karantina Hewan, 43 UPT Karantina Tumbuhandan 1 Balai Uji standar.

3.3 Arti dan Makna Logo

Dasar Hukum : Surat Keputusan Kepala Badan Nomor 91.Kpts.PL.030.F.IV.2003 tanggal 1 April 2003 tentang Pakaian Dinas dan Atribut Pegawai Lingkup Badan Karantina Pertanian. Sebagai salah satu unit eselon 1 di lingkup Kementerian

(34)

Pertanian, maka logo Badan Karantina Pertanian mengacu pada lambang Kementerian Pertanian. Adapun makna logo Badan Karantina Pertanian sebagai berikut :

Tunas menggambarkan pengertian biologis daripada seluruh kegiatan yang dikelola oleh Kementerian Pertanian, kecuali manusia

1. sebagai benda hidup. Tunas berwarna putih dengan dasar berwarna hijau melambangkan kehidupan

2. Lingkaran berbentuk huruf Q, yang berakar dari bahasa latin kuno

“Quadraqinta” yang berarti empat puluh, menunjukan lamanya masa penahanan terhadap kapal yang diduga mebawa penyakit menular

3. Lingkaran luar dengan tulisan Badan Karantina Pertanian melingkar

menandakan kesatuan perlindungan Badan Karantina Pertanian sebagai salah unit di lingkungan Kementerian Pertanian

4. Lingkaran huruf Q dan lingkaran luar berwarna kuning yang

melambangkan kemegahan dan kewaspadaan

5. Tulisan Badan Karantina Pertanian berwarna hijau daun, sinergi dengan warna dasar Tunas yang melambangkan kehidupan

6. Logo type dengan tipe huruf Candara yang memancarkan nuansa modern klasik, di tuliskan dibawah lambang masing-masing Badan Karantina Pertanian pada baris pertama dan Kementerian Pertanian pada baris kedua

(35)

3.4 VISI dan MISI

Visi

Terwujudnya Karantina Tumbuhan Yang Tangguh, Profesional dan Terpercaya pada Balai Karantina Pertanian Belawan.

Misi

1. Melindungi dan menyelamatkan kelestarian sumber daya alam hayati tumbuhan

2. Mendukung keberhasilan Program Agribisnis dan Ketahanan Pangan Nasional 3. Meningkatkan daya saing melalui sistem standarisasi, sanitasi, sertifikasi

karantina

4. Memfasilitasi kelancaran perdagangan/pemasaran produk Agribisnis

5. Meningkatkan pelayanan publik melalui sumber daya manusia yang profesional

6. Mendorong partisipasi masyarakat dalam penyelenggaraan perkarantinaan

Tugas pokok dan Fungsi

Balai dan Stasiun Karantina Tumbuhan mempunyai tugas melaksanakan kegiatan operasional perkarantinaan tumbuhan tanaman pangan, hortikultura dan tanaman perkebunan. Dalam melaksanakan tugas tersebut, Balai dan Stasiun karantina menyelenggarakan fungsi sebagai berikut :

(36)

1. Pelaksanaan pemeriksaan, pengasingan, pengamatan, perlakuan, penahanan, penolakan, pemusnahan dan pembebasan media pembawa organisme pengganggu tumbuhan.

2. Pemantauan Daerah Sebar Organisme Pengganggu Tumbuhan Karantina. 3. Pembuatan Koleksi Organisme Pengganggu Tumbuhan.

4. Pengelolaan laboratorium karantina tumbuhan.

5. Pengumpulan dan pengolahan data, informasi serta operasional tindakan karantina.

6. Pemberian pelayanan teknis kegiatan operasional 7. Pelaksanaan tata usaha dan rumah tangga

(37)

BAB 4

ANALISA DAN EVALUASI

4.1 Studi Kasus

Dalam penyelesaian suatu masalah diperlukan suatu data sebagai bahan penunjang dan diharapkan mendekati masalah. Data yang diambil merupakan data historis dari nilai ekspor dan impor pertanian belawan dari tahun 2008 sampai 2012 yang disajikan dalam bentuk tabel. Data tersebut adalah sebagai berikut:

Tabel 4.1.1 Data Bulanan Nilai Ekspor Pertanian Belawan Tahun 2008-2012

Bulan Tahun

2008 2009 2010 2011 2012

Januari 509 745 660 647 924

Februari 602 721 702 736 763

Maret 581 682 788 770 821

April 764 588 620 814 995

Mei 695 592 615 1016 966

Juni 408 604 783 929 893

Juli 452 612 625 974 1047

Agustus 501 709 654 798 780

September 498 684 781 730 1003

Oktober 528 718 725 814 955

Nopember 414 752 865 781 850

(38)

Tabel 4.1.2 Data Bulanan Nilai Impor Pertanian Belawan Tahun 2008-2012

Bulan Tahun

2008 2009 2010 2011 2012

Januari 425 671 760 635 548

Februari 504 682 563 689 539

Maret 518 512 572 663 464

April 600 543 680 590 553

Mei 523 720 605 509 679

Juni 433 608 732 620 660

Juli 582 598 520 783 610

Agustus 644 562 558 616 481

September 653 701 652 587 447

Oktober 564 786 606 557 475

Nopember 621 755 686 467 441

(39)

4.2 Analisis Plot Data Awal

Langkah pertama yang perlu dilakukan untuk menganalisis data time series adalah membuat plot data terhadap waktu dan melakukan interpretasi secara visual. Dengan membuat plot data mentah, yaitu data yang akan diolah dan dianalisis, dapat dideteksi apakah pola data mengandung unsur trend, siklik, musiman atau tidak mengandung pola tertentu.

Des Jun Des Jun Des Jun Des Jun Des Jun 1100 1000 900 800 700 600 500 400 Mont h D a ta Ek spor I mpor Variable Time Series Plot of Ekspor; I mpor

(40)

Gambar 4.2.2 Autokorelasi Nilai Ekspor Pertanian Belawan Tahun 2008-2012

Keterangan : dengan menggunakan Autokorelasi terlihat nilai ekspor mengalami penurunan sehingga harus melakukan langkah selanjutnya untuk mengetahui hasil yang lebih signifikan.

(41)

Gambar 4.2.3 Autokorelasi Nilai Impor Pertanian Belawan Tahun 2008-2012

Keterangan : karena ternyata nilai ekspor dan impor belum menunjukkan stasioner dalam mean maka dari itu perlu dilakukan difference pada data transformasi.

(42)

Gambar 4.2.4 Autokorelasi Parsial Nilai Ekspor Pertanian Belawan Tahun 2008-2012

(43)

Gambar 4.2.5 Autokorelasi Parsial Nilai Impor Pertanian Belawan Tahun 2008-2012

ACF dan PACF diduga order ARIMA yang bisa digunakan adalah ARIMA (0,1,1) atau ARIMA (0,0,1); ARIMA (1,1,1) atau ARIMA (1,0,1); ARIMA (1,1,0) atau ARIMA (1,0,0). Dengan menggunakan cara mencoba-coba (trial and error) pada model ARIMA yang mungkin berdasarkan pada plot ACF dan PACF, didapatkan kesimpulan bahwa terdapat 3 model yang mungkin yaitu AR (1), MA(1), serta ARIMA (1), hasil ini didapat berdasarkan pada parameter-parameternya yang telah signifikan.

(44)

Plot data diatas memperlihatkan deret data yang tidak stasioner, maka perlu diadakan pembedaan pertama dengan persamaan:

Nilai Ekspor Nilai Impor

Xt = xt – xt-1 Xt = xt – xt-1

X2 = x2 – x2-1 X2 = x2 – x2-1

= 602 – 509 = 504 – 425

= 93 = 79

Tabel 4.2.1 Nilai-nilai Pembedaan Pertama Ekspor

No. Wt No. Wt No. Wt No. Wt

1 * 16 -94 31 -158 46 84

2 93 17 4 32 29 47 -33

3 -21 18 12 33 127 48 -38

4 183 19 8 34 -56 49 181

5 -69 20 97 35 139 50 -161

6 -287 21 -25 36 -235 51 58

7 44 22 34 37 17 52 174

8 49 23 34 38 89 53 -29

9 -3 24 -12 39 34 54 -73

10 30 25 -80 40 44 55 154

11 -114 26 42 41 202 56 -267

12 -6 27 86 42 -87 57 223

13 337 28 168 43 45 58 -48

14 -24 29 -5 44 -176 59 -105

(45)

Tabel 4.2.2 Nilai-nilai Pembedaan Pertama Impor

No. Wt No. Wt No. Wt No. Wt

1 * 16 31 31 -212 46 -30

2 79 17 177 32 38 47 -90

3 14 18 -112 33 94 48 81

4 82 19 -10 34 -46 49 0

5 -77 20 -36 35 80 50 -9

6 -90 21 139 36 -96 51 -75

7 149 22 85 37 45 52 89

8 62 23 -31 38 54 53 126

9 9 24 -56 39 -26 54 -19

10 -89 25 61 40 -73 55 -50

11 57 26 -197 41 -81 56 -129

12 30 27 9 42 111 57 -34

13 20 28 108 43 163 58 28

14 11 29 -75 44 -167 59 -34

(46)

Gambar 4.2.6 Autokorelasi Nilai Ekspor dengan Menggunakan Pembedaan Pertama

(47)

Gambar 4.2.7 Autokorelasi Nilai Impor dengan Menggunakan Pembedaan Pertama

(48)

Gambar 4.2.8 Autokorelasi Parsial Nilai Ekspor dengan Menggunakan Pembedaan Pertama

(49)

Gambar 4.2.9 Autokorelasi Parsial Nilai Impor dengan Menggunakan Pembedaan Pertama

(50)

Dari plot korelasi diatas terlihat bahwa ada satu koefisien korelasi diri

Tabel 4.2.3 Nilai-nilai Pembedaan Kedua Ekspor

No. Wt No. Wt No. Wt No. Wt

1 * 16 -55 31 -326 46 152

2 * 17 98 32 187 47 -117

3 -114 18 8 33 98 48 -5

4 204 19 -4 34 -183 49 219

5 -252 20 89 35 195 50 -342

6 -218 21 -122 36 -374 51 219

7 331 22 59 37 252 52 116

8 5 23 0 38 72 53 -203

9 -52 24 -46 39 -55 54 -44

10 33 25 -68 40 10 55 227

11 -144 26 122 41 158 56 -421

12 108 27 44 42 -289 57 490

13 343 28 -254 43 132 58 -271

14 -361 29 163 44 -221 59 -57

15 -15 30 173 45 108 60 99

Tabel 4.2.4 Nilai-nilai Pembedaan Kedua Impor

No. Wt No. Wt No. Wt No. Wt

1 * 16 141 31 -339 46 -1

2 * 17 146 32 250 47 -60

3 -65 18 -289 33 56 48 171

4 68 19 102 34 -140 49 -81

5 -159 20 -26 35 126 50 -9

6 -13 21 175 36 -176 51 -66

7 239 22 -54 37 141 52 164

8 -87 23 -116 38 9 53 37

9 -53 24 -25 39 -80 54 -145

10 -98 25 117 40 -47 55 -31

11 146 26 -258 41 -8 56 -79

12 -27 27 206 42 192 57 95

(51)

Gambar 4.3.0 Autokorelasi Nilai Ekspor dengan Menggunakan Pembedaan Kedua

(52)

Gambar 4.3.1 Autokorelasi Nilai Impor dengan Menggunakan Pembedaan Kedua

(53)

Gambar 4.3.2 Autokorelasi Parsial Nilai Ekspor dengan Menggunakan Pembedaan Kedua

(54)

Gambar 4.3.3 Autokorelasi Parsial Nilai Impor dengan Menggunakan Pembedaan Kedua

Dari plot korelasi diatas terlihat bahwa ada satu koefisien korelasi diri berbeda nyata dari nol sehingga diduga ordo dari proses MA adalah 1 (Q = 1). Dari plot fungsi korelasi diri, ditentukan ordo dari proses regresi diri. Dari plot tersebut dilihat bahwa ada satu koefisien korelasinya berbeda nyata dari nol, sehinggadiduga bahwa ordo dari AR adalah 1 (P = 1). Sesuai dengan keterangan diatas model sementara data yang dibedakan adalah ARIMA (1,1,1). Pendugaan parameter-parameter model ARIMA dari Box-Jenkins untuk model ARIMA (1,1,1).

(55)

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari hasil penelitian data sekunder Karantina Pertanian Belawan yang dianalisa dari Bulan Januari 2008 s/d Desember 2010, dapat diambil beberapa kesimpulan sebagai berikut:

1. Berdasarkan hasil pengujian plot data aktual, menunjukkan bahwa nilai

ekspor dan impor tidak stasioner. Fluktuasi nilai ekspor dan impor sangat

signifikan, sehingga dilakukan pembedaan (difference) agar diperoleh data

yang stasioner.

2. Dengan menggunakan Plot, Autokorelasi dan Autokorelasi Parsil dapat

dilihat perbedaan nilai ekspor dan impor.

3. Terdapat tabel perbedaan pertama dan perbedaan kedua untuk

(56)

5.2 Saran

Dari hasil penelitian dan dari beberapa hasil kesimpulan dapat diambil saran sebagai berikut:

1. Untuk melakukan prediksi, sebaiknya menggunakan data times series yang

panjang agar dapat mengetahui pola dari data tersebut, sehingga dapat diketahui apakah datanya stasioner atau tidak.

2. Perlu dilakukan pengujian ordo ARIMA dengan metode try and error

untuk memperoleh hasil yang lebih baik.

3. Gunakan program SPSS dan MINITAB karena model ini dapat

menentukan nilai taksiran kostanta, nilai standart error, uji t dan matriks korelasi serta dapat menghitung model ARIMA.

(57)

DAFTAR PUSTAKA

Assauri,Sofyan. 1984. Teknik dan Metode Peramalan. Jakarta: Fakultas Ekonomi

Universitas Indonesia.

Cryer, Jonathan D. Time Series Analysis, 1986. Boston, Duxbury Press.

Hasan, M.Iqbal. Pokok-pokok Materi Statistik 2 (Statistik Inferensif), 2005.

Jakarta, PT Bumi Aksara.

Iriawan, Nur & Astuti, Septin Puji. Mengolah Data Statistik dengan mudah

menggunakan Minitab 14 (Yogyakarta: ANDI, 2006).

Makridakis S Wheelwright S.C dan M.C Gee V.E. 1993. Metode dan Aplikasi

Peramalan

Wheelwright, Steven C. 1983. Metode Peramalan Untuk Managemen. New York:

(1)

Gambar 4.3.1 Autokorelasi Nilai Impor dengan Menggunakan Pembedaan Kedua

(2)

Gambar 4.3.2 Autokorelasi Parsial Nilai Ekspor dengan Menggunakan Pembedaan Kedua

(3)

Gambar 4.3.3 Autokorelasi Parsial Nilai Impor dengan Menggunakan Pembedaan Kedua

(4)

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari hasil penelitian data sekunder Karantina Pertanian Belawan yang dianalisa dari Bulan Januari 2008 s/d Desember 2010, dapat diambil beberapa kesimpulan sebagai berikut:

1. Berdasarkan hasil pengujian plot data aktual, menunjukkan bahwa nilai ekspor dan impor tidak stasioner. Fluktuasi nilai ekspor dan impor sangat signifikan, sehingga dilakukan pembedaan (difference) agar diperoleh data yang stasioner.

2. Dengan menggunakan Plot, Autokorelasi dan Autokorelasi Parsil dapat dilihat perbedaan nilai ekspor dan impor.

3. Terdapat tabel perbedaan pertama dan perbedaan kedua untuk membedakan hasil nilai ekspor dan impor.

(5)

5.2 Saran

Dari hasil penelitian dan dari beberapa hasil kesimpulan dapat diambil saran sebagai berikut:

1. Untuk melakukan prediksi, sebaiknya menggunakan data times series yang panjang agar dapat mengetahui pola dari data tersebut, sehingga dapat diketahui apakah datanya stasioner atau tidak.

2. Perlu dilakukan pengujian ordo ARIMA dengan metode try and error untuk memperoleh hasil yang lebih baik.

3. Gunakan program SPSS dan MINITAB karena model ini dapat menentukan nilai taksiran kostanta, nilai standart error, uji t dan matriks korelasi serta dapat menghitung model ARIMA.

(6)

DAFTAR PUSTAKA

Assauri,Sofyan. 1984. Teknik dan Metode Peramalan. Jakarta: Fakultas Ekonomi Universitas Indonesia.

Cryer, Jonathan D. Time Series Analysis, 1986. Boston, Duxbury Press.

Hasan, M.Iqbal. Pokok-pokok Materi Statistik 2 (Statistik Inferensif), 2005. Jakarta, PT Bumi Aksara.

Iriawan, Nur & Astuti, Septin Puji. Mengolah Data Statistik dengan mudah menggunakan Minitab 14 (Yogyakarta: ANDI, 2006).

Makridakis S Wheelwright S.C dan M.C Gee V.E. 1993. Metode dan Aplikasi Peramalan

Wheelwright, Steven C. 1983. Metode Peramalan Untuk Managemen. New York: John Wiley & Sons. Hal 1-4.