59
5.1.4. Peramalan dan Faktor-Faktor yang Mempengaruhi Harga Cabai Merah Keriting di Bandung
a. Plot Data
Plot data harga cabai merah keriting di Bandung tidak berbeda jauh dengan plot data harga cabai merah besar di Bandung. Harga selama tahun 2006
memiliki kecenderungan menurun. Peningkatan harga yang sangat tajam terjadi pada bulan September-Oktober 2005 sebesar Rp 13.058,00. Harga tertinggi juga
terjadi pada bulan Oktober 2005 sebesar Rp 23.288,00Kg. Sedangkan harga terendah terjadi pada bulan Juni 2002 sebesar Rp 5.479,00Kg. Selisih dari harga
trtinggi dan terendah adalah sebesar Rp 17.809,00. Pada bulan-bulan lainnya peningkatan dan penurunan harga cabai merah keriting cenderung terjadi secara
bertahap. Harga rata-rata cabai merah keriting di Bandung mencapai harga Rp 10.257,80Kg. Harga rata-rata cabai merah keriting di Bandung hampir
mencapai dua kali lipat dari harga terendahnya. Harga cabai merah keriting di Bandung untuk jangka panjang terdapat unsur trend. Trend yang meningkat pada
harga cabai merah keriting memperlihatkan bahwa terjadi kenaikan harga cabai merah setiap tahunnya. Pada jangka pendek harga cabai merah keriting
mempunyai unsur musiman, dimana pada bulan November sampai Febuariharga berada pada titik tertinggi dan bulan-bulan lainnya cenderung lebih rendah.
60
Fluktuasi Harga Cabai Merah Keriting di Bandung
5000 10000
15000 20000
25000
1 4
7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Bulan RpKg
Gambar 7. Plot Harga Cabai Merah Keriting di Bandung Januari 2002-Oktober 2006
b. Pemilihan Model Peramalan
Metode analisis time series terbaik untuk meramalkan harga cabai merah keriting di Bandung adalah model SARIMA 1,0,01,1,1
8
. Dari model ini dihasilkan nilai MSE sebesar 5819237, yang merupakan MSE terkecil. Model ini
di dapatkan dengan melihat pola ACF dan PACF dari data yang sudah stasioner data yang sudah dilakukan pembedaan. Dari pola ACF dan PACF terlihat
bahwa keduanya ber pola dyingdown, sehingga data tersebut memiliki unsur AR dan MA. Setelah melihat pola ACF dan PACF, maka dilakukan analisis model
tentatif. Untuk menentukan model SARIMA terbaik dilihat model yang memiliki nilai MSE terkecil. Setelah dilakukan evaluasi model dengan menggunakan
kriteria evaluasi Box Jenkins, maka didapatkan model SARIMA 1,0,01,1,1
8
. Peramalan dengan model SARIMA 1,0,01,1,1
8
dapat dilihat pada Lampiran 12. Dari model SARIMA 1,0,01,1,1,
8
didapat back shift operator notation seperti 1 + 0,5758 B 1- 0,5855 B
8 1
Y
t
= 1 + 0,7631 B
8
e
t
61
Tabel 16. Nilai MSE Metode Peramalan Time Series pada Harga Cabai
Merah Keriting di Bandung No.
Metode Peramalan MSE
MSE Terkecil
1 Trend Kuadratik
14746077 8
2 Pemulusan Eksponensial Tunggal
9992179 4
3 Pemulusan Eksponensial Ganda
10991083 5
4 Winters Aditif
8837097 3
5 Winters Multiplikatif
8304749 2
6 Dekomposisi Aditif
12100356 6
7 Dekomposisi Multiplikatif
12135026 7
8 SARIMA 1,0,01,1,1
8
7901026 1
Evaluasi model SARIMA harus memenuhi enam kriteria, yaitu: 1. Residual sudah bersifat acak. Hal ini dapat dilihat dari P-value pada
indikator Ljung-Box bernilai 0,422. 2. Model SARIMA 1,0,01,1,1
8
sudah dalam bentuk yang paling sederhana parsimonious.
3. P-value koefisien kurang dari 0,05 yaitu 0,03. 4. Kondisi invertibilitas ataupun stasioneritas sudah terpenuhi, dapat dilihat
dari nilai koefisien AR = 0,5758, SAR = -0,5855 dan SMA = 0,7631. 5. Proses iterasi sudah convergence, pada output terdapat pernyataan relative
change in each estinate less than 0,0010.
6. Model memiliki nilai MSE terkecil yaitu sebesar 7901026.
Berdasarkan metode peramalan terbaik yang didapatkan untuk peramalan harga cabai merah keriting di Bandung, dilakukan peramalan untuk 12 bulan ke
depan. Hasil peramalan harga didapatkan harga ramalan rata-rata sebesar
62 Rp 12.467,80Kg dengan harga ramalan tertinggi yang akan terjadi pada bulan
April 2008 sebesar Rp 14.950,20Kg dan harga terendah akan dicapai pada bulan Desember 2007 dengan tingkat harga Rp 10.346,20Kg. Selisih harga ramalan
tertinggi dan terendah didapat sebesar Rp 4.604,00. Dari hasil ramalan dapat dilihat bahwa harga cabai merah keriting di Bandung pada periode Mei 2007-
April 2008 akan mengalami fluktuasi harga yang tidak tinggi. Tabel 17. Hasil Peramalan Harga Cabai Merah Keriting di Bandung Selama
12 Bulan Tahun
Bulan Peramalan Harga
Rp Kg
2007 Mei
13.695,7 Juni
12.554,3 Juli
11.862,4 Agustus
12.682,6 September
10.734,4 Oktober
13.442,9 November
12.712,3 Desember
10.346,2 2008
Januari 11.646,0
Februari 11.532,3
Maret 13.454,3
April 14.950,2
Rata-rata 12.467,8
c. Analisis Regresi.
F aktor-faktor yang diduga mempengaruhi perubahan harga cabai merah
keriting di Bandung dapat dilihat pada Tabel 18. Faktor- faktor yang diduga berpengaruh adalah harga cabai merah di tingkat produsen di kota Bandung X
1
, lag harga cabai merah keriting di Bandung X
2
, jumlah pasokan cabai di PIKJ X
3
, harga jual cabai merah keriting di PIKJ X
4
dan dummy budaya masyarakat D
1
. Didapat beberapa faktor yang mempengaruhi perubahan harga cabai merah
63 keriting di Bandung, yaitu cabai merah di tingkat produsen di kota Bandung X
1
, lag harga cabai merah keriting di Bandung X
2
, harga jual cabai merah keriting di PIKJ X
4
dan dummy budaya masyarakat D
1
. Ke empat faktor tersebut berhubungan positif dengan harga cabai merah keriting di Bandung, hal ini berarti
setiap kenaikan satu-satuan faktor- faktor tersebut akan mempengaruhi kenaikan harga cabai merah keriting di Bandung sebesar nilai koefisien faktor- faktor
tersebut. Untuk harga cabai merah keriting di bandung ini dipengaruhi oleh tingkat
harga yang didapat oleh produsen di daerah tersebut, hal ini dimungkinkan kenaikan harga yang terjadi di tingkat produsen akan berpengaruh langsung
terhadap kenaikan harga cabai merah keriting. Faktor berikutnya yang mempengaruhi parubahan harga cabai merah di Bandung adalah lag harga cabai
merah, hal ini memungkinkan para pelaku perdagangan cabai merah keriting membentuk harga berdasarkan lag harga cabai merah keriting. Selain lag harga
cabai merah keriting, harga jual cabai merah keriting di PIKJ juga menjadi dasar pembentukan harga cabai merah keriting di Bandung. Faktor terakhir adalah
budaya masyarakat, hal ini disebabkan karena masyarakat membutuhkan cabai merah keriting sebagai bumbu masakan yang akan dihidangkan pada waktu
tersebut. Sehingga permintaan cabai merah keriting meningkat dan tidak diimbangi dengan jumlah pasokan yang mengakibatkan terjadinya kelebihan
permintaan kelangkaan barang.
64
Tabel 18. Hasil Analisis Regresi Linier Berganda Harga Cabai Merah Keriting di Bandung
Variabel Koefisien
SE Koefisien
T Hitung P Value
VIF
Konstanta 1191
1193 1,00
0,324 X
1
0,4462 0,2157
2,07 0,045
5,9 X
2
0,11345 0,04575
2,48 0,017
1,9 X
3
-0,1545 0,1395
-1,11 0,274
1,4 X
4
0,75209 0,07929
9,49 0,000
5,0 D
1
1507,2 391,9
3,85 0,000
1,2 R-Sq = 95,6
R-Sqadj = 95,1 F Hitung = 179,71
P Value = 0,000 Durbin-Watson statistic = 1,81
Keterangan : = Signifikan pada taraf nyata 5
Evaluasi model linier berganda harga cabai merah keriting di Bandung adalah Uji autokorelasi dilakukan dengan melihat nilai Durbin-Watson sebesar
1,81, sehingga tidak ada hubungan autokorelasi antar variabel bebas dalam model. Uji multikolinearitas dilakukan dengan melihat nilai VIF pada Tabel 18, dari tabel
tersebut terlihat semua variabel menghasilkan nilai VIF yang lebih kecil dari 10, sehingga tidak terjadi masalah moltikolinieritas. Uji kenormalan dilakukan
dengan melihat P- value Kolmogolov-Sminov yang bernilai 0.15 lebih besar dari taraf nyata 5 persen, hal ini memperlihatkan bahwa residual model sudah
terdistribusi secara normal. Nilai R-Sq didapat sebesar 95,6 persen, sehingga model tersebut dapat menjelaskan keragaman harga cabai merah keriting di
Bandung sebesar 95,6 persen. Mopdel yang dihasilkan sudah cukup baik, dapat dilihat dari nilai P value pada uji F sebesar 0,000, lebih kecil dari taraf nyata 5
persen. Hal ini menunjukan bahwa variabel bebas dalam model secara signifikan berpengaruh terhadap harga cabai merah keriting di Bandung.
65
5.1.5. Peramalan dan Faktor-Faktor yang Mempengaruhi Harga Cabai Merah Besar di Semarang
a. Plot Data
Fluktuasi harga cabai merah besar di Semarang juga memiliki pola yang hampir sama dengan fluktuasi harga yang terjadi di kota-kota sebelumnya.
Peningkatan dan penurunan harga terjadi lebih banyak terjadi secara bertahap. Tetapi lonjakan permintaan pada bulan September-Oktober 2005 menyebabkan
kenaikan harga yang sangat besar, peningkatan tersebut sebesar Rp 11.393,00Kg. Harga tertinggi yang terjadi pada bulan Oktober 2005 adalah
sebesar Rp 19.550,00Kg dan harga terendahnya dicapai pada harga Rp 3.228,00Kg di bulan September 2003. Selisih antara harga tertinggi dan
terdah adalah sebesar Rp, 16.322,00. Dari gambar 10, terlihat bahwa titik harga cabai merah besar banyak berada di bawah tingkat harga Rp 10.000,00Kg selama
Januari 2002-Oktober 2006. Tingkat harga cabai merah di Semarang cenderung lebih rendah bila dibandingkan dengan tingkat harga pada dua kota sebelumnya.
Harga rata-rata cabai merah besar di Semarang yang didapat Rp 6.843,20Kg. Pada harga cabai merah besar di Semarang memiliki trend yang meningkat, dalam
jangka panjang fluktuasi harga cabai merah besar terus meningkat. Dari harga rataan bulanan harga cabai merah besar di Semarang terlihat pola musiman,
dimana selama delapan bulan Maret-Oktober harga cabai merah cenderung berada pada tingkat harga yang tidak tinggi dan selama empat bulan November-
Febuari harga cabai merah besar berada pada tingkat tinggi.
66
Fluktuasi Harga Cabai Merah Besar di Semarang
5000 10000
15000 20000
25000
1 4
7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Bulan RpKg
Gambar 8. Plot Harga Cabai Merah Besar di Semarang Januari 2002-Oktober 2006
b. Pemilihan Model Peramalan
Dari hasil pengolahan data dengan menggunakan analisis time series, maka didapatkan model SARIMA 0,0,01,1,1
8
sebagai model terbaik. Model ini menghasilkan MSE sebesar 6315179, yang merupakan MSE terkecil. Model
SARIMA ini di dapatkan dengan melihat pola ACF dan PACF dari data yang sudah stasioner. Dari pola ACF dan PACF terlihat bahwa keduanya berpola
dyingdown, sehingga data tersebut memiliki unsur AR dan MA. Selanjutnya dilakukan uji model tentatif dan melihat nilai MSE terkecil dari model- model
tentatif yang memungkinkan. Setelah dilakukan evaluasi model dengan menggunakan kriteria evaluasi Box Jenkins, maka didapatkan model SARIMA
0,0,01,1,1
8.
Peramalan dengan model SARIMA dapat dilihat pada Lampiran 13.
Berikut adalah bentuk persamaan SARIMA 0,0,01,1,1
8.
1 + 0,5758 B 1- 0,5855 B
8 1
Y
t
= 1 + 0,7631 B
8
e
t
67
Tabel 19. Nilai MSE Metode Peramalan Time Series pada Harga Cabai
Merah Besar di Semarang No.
Metode Peramalan MSE
MSE Terkecil
1 Trend Kuadratik
9218645 8
2 Pemulusan Eksponensial Tunggal
7527821 4
3 Pemulusan Eksponensial Ganda
8174452 6
4 Winters Aditif
6800372 3
5 Winters Multiplikatif
6485957 2
6 Dekomposisi Aditif
8044317 5
7 Dekomposisi Multiplikatif
8285662 7
8 SARIMA 0,0,01,1,1
8
6315179 1
Evaluasi model SARIMA harus memenuhi enam kriteria, yaitu: 1. Residual sudah bersifat acak. Hal ini dapat dilihat dari P-value pada
indikator Ljung-Box bernilai 0,210. 2. Model SARIMA 0,0,01,1,1
8
sudah dalam bentuk yang paling sederhana parsimonious.
3. P-value koefisien kurang dari 0,05 yaitu 0,048. 4. Kondisi invertibilitas ataupun stasioneritas sudah terpenuhi, dapat dilihat
dari nilai koefisien SAR = -0,7831 dan SMA = 0,8038. 5. Proses iterasi sudah convergence, pada output terdapat pernyataan relative
change in each estinate less than 0,0010.
6. Model memiliki nilai MSE terkecil yaitu sebesar 6315179.
Dari hasil ramalan harga cabai merah besar di Semarang, terlihat bahwa fluktuasi harga yang akan terjadi tidak terlalu besar. Hal ini terlihat dari selisih
harga ramalan tertinggi dengan harga ramalan terendah yang hanya berjarak Rp 4.669,40. Tingkat harga ramalan tertinggi dicapai pada Rp 12.216,30Kg yang
akan terjadi pada bulan April 2008 dan harga ramalan terendah akan terjadi pada
68 bulan Desember 2007 dengan nilai sebesar Rp 7.546,90Kg. Harga ramalan rata-
rata sebesar Rp 9.090,20Kg. Perubahan harga yang akan terjadi mengalami peningkatan dan penurunan harga secara bergantian selang-seling, tetapi
perubahan yang terjadi tidak terlalu besar.
Tabel 20. Hasil Peramalan Harga Cabai Merah Besar di Semarang Selama 12 Bulan
Tahun Bulan
Peramalan Harga Rp Kg
2007 Mei
10.490,5 Juni
9.858,2 Juli
9.535,2 Agustus
9.655,0 September
8.325,8 Oktober
9.771,4 November
7.659,4 Desember
6.181,8 2008
Januari 7.726,3
Februari 7.546,9
Maret 10.115,2
April 12.216,3
Rata-rata 9.090,2
c. Analisis Regresi