Analisis Peramalan Penjualan Sepeda Motor Honda Tipe Bebek, Matik, dan Sport di PT. Catur Putra Jaya Menggunakan Metode Kointegrasi

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR HONDA TIPE
BEBEK, MATIK, DAN SPORT DI PT. CATUR PUTRA JAYA
MENGGUNAKAN METODE KOINTEGRASI

BOB MARSHALL SITORUS

DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
2013

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Peramalan
Penjualan Sepeda Motor Honda Tipe Bebek, Matik, dan Sport di PT. Catur Putra
Jaya Menggunakan Metode Kointegrasi adalah benar karya saya dengan arahan
dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada
perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya
yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam
teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, November 2013
Bob Marshall Sitorus
NIM H24090106

ABSTRAK
BOB MARSHALL SITORUS. Analisis Peramalan Penjualan Sepeda Motor
Honda Tipe Bebek, Matik, dan Sport di PT. Catur Putra Jaya Menggunakan
Metode Kointegrasi. Dibimbing oleh ABDUL BASITH.
Kegiatan forecasting ditujukan untuk mengurangi ketidakpastian akan
sesuatu yang belum terjadi di masa depan; memang tidak ada satu metode pun
yang dapat menghilangkan ketidakpastian. Tujuan penelitian ini yaitu
menganalisis hubungan kointegrasi antara tipe sepeda motor bebek, matik dan
sport, untuk mendapatkan prediksi atau ramalan pencapaian penjualan sepeda
motor pada tahun 2013, serta bagaimana kointegrasi produk dan ramalan
penjualan memiliki kontribusi dalam perencanaan strategi yang mungkin
diterapkan perusahaan dan keunggulan dengan perusahaan pesaing. Data yang
digunakan pada penelitian ini adalah data sekunder. Analisis data dilakukan
dengan menggunakkan vector autoregression, uji stasioneritas data, uji kausalitas

Granger, uji lag optimum, uji kointegrasi, estimasi VECM, uji stabilitas model,
impuls respons function dan foercast error decomposition variance. Berdasarkan
hasil analisis yang dilakukan, ditemukan adanya kointegrasi antar variabel.
Variabel Sport memiliki pengaruh positif paling besar terhadap variabel Bebek
dan Matik. Oleh karena itu peran produk Sport menjadi penting karena
peningkatan penjualan produk Sport akan mempengaruhi naiknya pula penjualan
produk Bebek dan Matik.
Kata kunci: kointegrasi, penjualan, peramalan

ABSTRACT
BOB MARSHALL SITORUS. Forecasting Analysis for Honda Motorcycle
Matic, Bebek, and Sport Type Sale with Cointegration Method at Catur Putra
Jaya. Supervised by ABDUL BASITH.
Forecasting is used to minimize uncertainty of future, though there is not a
single method can erase any of uncertainty. The aim of this research is to analyse
the relation of cointegration between the type of motorcycle such as Bebek,
Matik, and Sport. The cointegration can be used to forecast the number of the
motorcycle sale in 2013, and also help the management to arange the strategy to
be used by the company to lead the marketing and compete others. The data that is
used in this research is secondary data. The analysis is being done with vector

autoregression, data stationarity test, Granger causality test, lag optimum test,
cointegration test, VECM estimation, data stability test, impulse response funtion,
and forecast error decomposition variance
Based on the result of the analysis, is found that there is exist the
cointegration between variabels. Sport gives the biggest positive efect to Bebek
and Matik. That is why Sport has important role in sale, because the increasing of
Sport sale will raise the sale of Bebek and Matik.
Keywords: cointegration, forecasting, sale

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR HONDA TIPE
BEBEK, MATIK, DAN SPORT DI PT. CATUR PUTRA JAYA
MENGGUNAKAN METODE KOINTEGRASI

BOB MARSHALL SITORUS

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Ekonomi
pada
Departemen Manajemen

DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
2013

Judul Skripsi: Analisis Peramalan Penjualan Sepeda Motor Honda Tipe Bebek,
Matik, dan Sport di PT. Catur Putra Jaya Menggunakan Metode
Kointegrasi
Nama
: Bob Marshall Sitorus
NIM
: H24090106

Disetujui oleh

...

ｾ＠

Pembimbing

STP MM

Tanggal Lulus:

o2 DEC

2013

iii
Judul Skripsi : Analisis Peramalan Penjualan Sepeda Motor Honda Tipe Bebek,
Matik, dan Sport di PT. Catur Putra Jaya Menggunakan Metode
Kointegrasi
Nama
: Bob Marshall Sitorus
NIM
: H24090106

Disetujui oleh

Dr Ir Abdul Basith, MS
Pembimbing

Diketahui oleh

Dr Mukhamad Najib, STP, MM
Ketua Departemen

Tanggal Lulus:

iv

PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala
karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih
dalam penelitian yang dilaksanakan sejak bulan Mei 2013 ini ialah peramalan,
dengan judul Analisis Peramalan Penjualan Sepeda Motor Honda Tipe Bebek, Matik,
dan Sport di Catur Putra Jaya Menggunakan Metode Kointegrasi.

Terima kasih penulis ucapkan kepada Bapak Dr Ir Abdul Basith, MS selaku
pembimbing, serta pihak-pihak yang telah banyak memberi saran. Di samping itu,
penghargaan penulis sampaikan kepada Bapak Harno Wiracakseno dari PT. Catur
Putra Jaya yang telah membantu selama pengumpulan data. Ungkapan terima
kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga, atas segala doa
dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.

Bogor, November 2013
Bob Marshall Sitorus

v

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

3

Tujuan Penelitian

3

Manfaat Penelitian

3

Ruang Lingkup Penelitian

3

METODE
Prosedur Analisis Data
HASIL DAN PEMBAHASAN

3
5
10

Sejarah Perusahaan

10

Produk-Produk Perusahaan

10

Hasil Analisis

11

Implikasi Manajerial

23

SIMPULAN DAN SARAN

24

DAFTAR PUSTAKA

25

RIWAYAT HIDUP

40

vi

DAFTAR TABEL

1. Durasi indent sepeda motor di PT. Catur Putra Jaya
2. Hasil uji stasioner
3. Hasil first difference
4. Uji kausalitas Granger
5. Hasil uji lag optimum
6. Hasil uji kointegrasi
7. Hasil estimasi VECM
8. Hasil uji stabilitas model
9. Hasil peramalan Matik
10. Hasil peramalan Bebek
11. Hasil peramalan Sport

2
12
12
13
13
14
14
15
21
22
23

DAFTAR GAMBAR
1. Kerangka pemikiran
2. Hasil analisis impulse response function (IRF) Matik ke Matik
3. Hasil analisis impulse response function (IRF) Bebek ke Matik
4. Hasil analisis impulse response function (IRF) Sport ke Matik
5. Hasil analisis impulse response function (IRF) Bebek ke Bebek
6. Hasil analisis impulse response function (IRF)
7. Hasil Analisis impulse response function (IRF)
8. Hasil analisis impulse response function (IRF)
9. Hasil analisis impulse response function (IRF) Matik ke Sport
10. Hasil analisis impulse response function (IRF) Bebek ke Sport
11. Variance decomposition of Matik
12. Variance decomposition of Bebek
13. Variance decomposition of Sport

4
16
16
17
17
18
18
19
19
20
20
21
22

DAFTAR LAMPIRAN
1. Laporan penjualan PT. Catur Putra Jaya Bekasi
2. Uji stasioneritas Matik
3. Uji stasioneritas Bebek
4. Uji stasioneritas Sport
5. Uji stasioneritas Matik setelah first difference
6. Uji stasioneritas Bebek setelah first difference
7. Uji stasioneritas Sport setelah first difference
8. Uji kausalitas Granger
9. Uji lag optimum
10. Uji kointegrasi
11. Estimasi VECM
12. Uji stabilitas model
13. Impuls response of Matik

26
27
27
27
27
28
28
28
29
29
29
30
32

vii
14. Impuls response of Bebek
15. Impuls response of Sport
16. Variance decomposition of MATIK
17. Variance decomposition of BEBEK
18. Variance decomposition of SPORT
19. Hasil regresi model Minitab

33
34
35
36
37
38

1

PENDAHULUAN
Indonesia merupakan salah satu negara berkembang di dunia. Dalam dunia
bisnis, Indonesia merupakan lahan subur bagi para investor baik dalam negeri
maupun luar negeri. Perkembangan teknologi yang sangat pesat dan pola hidup
masyarakat yang tergolong konsumtif sehingga menimbulkan ketatnya persaingan
antar perusahaan. Salah satu bisnis yang berkembang pesat adalah bisnis otomotif.
Tahun 2012, pemasukan dari industri sepeda motor terhadap produk domestik
bruto (PDB) nasional mencapai Rp 120 triliun. Sedangkan nilai investasi yang
ditanamkan produsen domestik maupun asing sebesar US$ 7 miliar atau Rp 67,3
triliun. (Subagjo 2005)
Latar Belakang
PT. Catur Putra Jaya didirikan pada 20 Agustus 2002 dan resmi beroperasi
sebagai dealer resmi sepeda motor Honda pada tanggal 16 April 2003
dengan menyewa sebuah ruko yang beralamat Jl. Perjuangan Kav 17-19,
Komplek Wisma Asri, Teluk Pucung, Bekasi Utara, Jawa Barat. PT. Catur Putra
Jaya terus tumbuh dan berkembang secara berkesinambungan dan konsisten dari
tahun ke tahun sehingga saat ini menjadi dealer terbesar di Jawa Barat.
Bisnis main dealership ini terus berkembang, sehingga pada tahun 2005, I
Made Wija memutuskan untuk menambah jaringan perusahaan dengan
mendirikan kantor cabang di kota Depok, serta lebih melibatkan para profesional
untuk mengelola perusahaan. Praktek manajemen modern serta teknologi semakin
dimanfaatkan dalam rangka meningkatkan efektivitas dan efisiensi proses.
Sumber daya manusia juga terus-menerus dibenahi dan ditingkatkan kualitasnya.
Fasilitas dan infrastruktur pendukung pun terus dilengkapi dan diperkuat agar
perusahaan semakin kompetitif untuk dapat memenangkan kompetisi dalam dunia
otomotif.
Dengan adanya komputer sebagai alat pengolah data, maka semua bidang
dalam suatu perusahaan ataupun instansi dapat dikomputerisasikan, dalam hal ini
bidang-bidang yang dianggap penting dan utama karena hal ini dapat mendukung
keberhasilan suatu perusahaan dalam mencapai tujuannya.
Namun sering kali konsumen dihadapkan pada kasus dimana produk yang
diinginkan tidak ready stock. Hal ini akan mengharuskan konsumen untuk indent
pemesanan. Durasi indent itu sendiri berbeda-beda setiap produk. Hal ini tentu
saja membuat loyalitas konsumen rendah. Berikut adalah data mengenai durasi
indent yang diperlukan dalam proses pemesanan produk sepeda motor di PT.
Catur Putra Jaya Bekasi.
Demi memenuhi kepuasan konsumen, PT. Catur Putra Jaya perlu
mempersingkat durasi indent. Agar waktu yang diperlukan dalam masa menunggu
produk dapat lebih singkat maka ada beberapa hal yang dapat dilakukan oleh PT.
Catur Putra Jaya. (Pearce and Robinson 1997)

2

Tabel 1 Durasi indent sepeda motor di PT. Catur Putra Jaya
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

Tipe Motor
Revo Fit
Revo Spoke
Revo CW
Revo Techno AT
New Supra X 125 Spoke
New Supra X 125 CW
New Supra X 125 Helm-In PGM FI
New Mega Pro Spoke
New Mega Pro CW
New Tiger Single Head CW
New Tiger Double Head CW
New Blade CW
New Blade Repsol
CBR 150 STD
CBR 150 Repsol
CBR 250 R STD
CBR 250 R ABS
New Vario CW
New Vario Techno 125 PGM FI
New Vario Techno CBS 125 PGM FI
New Beat PGM FI CW
New Beat PGM FI CW CBS
New Spacy Helm In PGM FI Spoke
New Spacy Helm In PGM FI CW
New Scoopy
PCX 150
New CB150R
New Honda Verza 150
City Sport One ( CS1)
Sumber: PT. Catur Putra Jaya Bekasi

Durasi
Indent
ready stock
ready stock
ready stock
ready stock
ready stock
ready stock
ready stock
ready stock
1-2 minggu
1 bulan
1 bulan
ready stock
ready stock
1-2 bulan
1-2 bulan
2-4 minggu
ready stock
ready stock
ready stock
3-10 hari
3-7 hari
3-10 hari
3-7 hari
ready stock
1-2 minggu
1-2 bulan
7-15 hari
7-15 hari
5-10 hari

Keterangan

warna tertentu

warna tertentu

warna Tertentu

Prediksi penjualan merupakan pilihan yang dapat dilakukan oleh PT. Catur
Putra Jaya guna menjaga persediaan dalam kondisi optimal. Dalam melakukan
peramalan penjualan, perlu diperhatikan pula hubungan yang terjadi antar produk
yang ada. Analisis yang diperlukan merupakan analisis kointegrasi pada setiap
variabel produk yang ada.

3
Perumusan Masalah
Masalah yang akan dibahas dalam penelitian ini adalah :
1. Bagaimana hubungan produk sepeda motor tipe Bebek, Matik, dan Sport dalam
proses penjualan?
2. Berapakah prediksi atau ramalan pencapaian penjualan sepeda motor di PT.
Catur Putra Jaya pada tahun 2013?
3. Apakah terdapat kointegrasi produk yang dapat memiliki kontribusi terhadap
strategi penjualan perusahaan.

Tujuan Penelitian
Berdasarkan perumusan masalah tersebut, maka tujuan dari penelitian ini
adalah :
1. Menganalisis hubungan produk sepeda motor tipe Bebek, Matik, dan Sport.
2. Mengetahui prediksi atau ramalan penjualan sepeda motor tipe Bebek, Matik,
dan Sport pada tahun 2013
3. Mengetahui kointegrasi produk dan ramalan penjualan memiliki kontribusi
dalam perencanaan strategi penjualan yang mungkin diterapkan perusahaan
sehingga dapat mempersingkat durasi indent.

Manfaat Penelitian
Hasil penelitian ini diharapkan dapat digunakan sebagai bahan referensi dan
menjadi tambahan informasi bagi pihak-pihak yang berkaitan untuk meningkatkan
penjualan dan sebagai pertimbangan dalam melakukan perencanaan strategi
pemasarannya sehingga perusahaan dapat mengembangkan usahanya.

Ruang Lingkup Penelitian
Ruang lingkup penelitian ini yaitu analisis peramalan penjualan dengan
menggunakan metode kointegrasi pada produk sepeda motor jenis bebek, matik,
bebek matik dan sport dari tahun 2010 sampai dengan 2012 pada PT. Catur Putra
Jaya di wilayah Bekasi. Dengan menggunakan alat analisis Vector Error
Correction Model (VECM) dan untuk peramalan nya menggunakan Impuls
Respons Function (IRF) dan Forecast Error Variance Decomposition.

METODE
Kerangka pemikiran merupakan modal penting yang diperlukan dalam
penelitian dan dapat dijadikan sebagai pemahaman yang paling mendasar dalam
setiap tahap penelitian. Salah satu tujuan dari penelitian ini adalah mengetahui
metode peramalan penjualan terbaik untuk untuk setiap sepeda motor yang dijual
oleh PT. Catur Putra Jaya dalam rangka perencanaan strategi pemasaran.

4

Lokasi pengambilan data untuk keperluan penelitian dilakukan pada sebuah
gerai penjualan resmi sepeda motor dengan merek Honda yaitu PT. Catur Putra
Jaya. PT. Catur Putra Jaya berlokasi di kota Bekasi. Penentuan lokasi penelitian
dilakukan secara sengaja karena Bekasi merupakan salah satu daerah di Jawa
Barat dengan pertambahan industri yang cepat dan merupakan salah satu pusat
pertumbuhan utama dengan perkembangan industrialisasi dan urbanisasi yang
berkembang pesat. Penelitian ini dilaksanakan pada bulan Mei-Juli 2013.
PT. CATUR PUTRA JAYA

Melihat hubungan antar produk untuk meramalkan penjualan
yang digunakan untuk menyusun strategi yang lebih akurat

Data Penjualan PT. Catur Putra
Jaya Bekasi Tahun 2010 – 2013

UJI KOINTEGRASI

TIDAK STASIONER
1. Uji Kausalitas Granger
2. Uji lag optimum
3. Model VECM
4. Uji Stabilitas Model
5. Impulse Respon
6. FEVD

STASIONER
1. Uji Kausalitas Granger
2. Uji lag optimum
3. Hasil Estimasi VAR
4. Uji Stabilitas Model
5. Impulse Response
6. FEVD

HASIL ANALISIS

IMPLIKASI MANAJERIAL
Gambar 1 Kerangka pemikiran

5
Sumber data secara keseluruhan diperoleh dari dalam institusi yang menjadi
tempat penelitian. Data dan informasi yang digunakan dalam penelitian ini berupa
data primer dan data sekunder. Data sekunder diperoleh dari laporan penjualan
sepeda motor pada PT. Catur Putra Jaya selama 3 tahun terakhir (2010-2012).
Jenis data yang akan digunakan dalam skripsi ini adalah data kuantitaif yaitu
berupa laporan penjualan sepeda motor pada PT. Catur Putra Jaya dan data
kualitatif yaitu data yang berupa penjelasan serta keterangan dari marketing PT.
Catur Putra Jaya.
Data yang dikumpulkan kemudian diolah dan dianalisis, sehingga mampu
memberikan gambaran dan penjelasan terhadap permasalahan dalam penelitian
ini. Pengolahan dan penganalisaan data diharapkan dapat menguraikan langkahlangkah strategis yang dapat dilakukan perusahaan dalam pemasaran dan
penjualan sepeda motor. Metode pengolahan dan analisis data yang digunakan
dalam penelitian akan diuraikan secara kualitatif dan kuantitatif. Analisis
kualitatif digunakan untuk mengetahui keunggulan kompetitif yang dimiliki.
Pengolahan kualitatif juga akan menggambarkan keadaan umum perusahaan.
Analisis kuantitatif digunakan untuk meramalkan penjualan sepeda motor PT.
Catur Putra Jaya selama enam bulan kedepan dengan menggunakan analisis runtut
waktu (time series) Data penjualan kemudian ditabulasikan dengan bantuan
program komputer Microsoft Excel 2007 dan Eviews 6, dan Minitab 16.1.

Prosedur Analisis Data
Data diolah dan dianalisis selanjutnya dibuat plot pola data penjualannya
dan data tersebut akan diolah dengan menggunakan metode analisis time series
dan metode analisis regresi. Setelah data penjualan dianalisis maka akan
dilakukan uji kointegrasi pada data tersebut, sehingga akan diketahui apakah data
tersebut stationer atau tidak. Setelah dilakukan uji kointegrasi maka akan mudah
untuk menentukan metode peramalan yang akan digunakan, karena data penjualan
ini bersifat tidak stationer maka model yang dapat digunakan untuk analisis
peramalan adalah Vector Error Correction Model atau VECM. Setelah dilakukan
estimasi maka akan diperoleh hasil estimasi VECM, hasil tersebut akan
menunjukan peramalan penjualan untuk sepeda motor Bebek, Matik, dan Sport
selama kurun waktu 6 bulan ke depan.
Vector Autoregression (VAR)
Model ekonometri yang sering digunakan dalam analisis makro ekonomi
dinamik dan stokastik adalah Vector Autoregession (VAR). VAR merupakan
suatu sistem persamaan yang memperlihatkan setiap variabel sebagai fungsi dari
konstanta dan nilai lag (lampau) dari variabel itu sendiri serta nilai lag dari
variabel yang lain yang ada dalam sistem. Variabel penjelas dalam VAR meliputi
nilai lag seluruh variabel tak bebas dalam sistem VAR yang membutuhkan
identifikasi retriksi untuk mencapai persamaan melalui interpretasi persamaan.
VAR dengan ordo p dan n buah variabel tak bebas pada periode t dapat
dimodelkan sebagai berikut :
Yt = A0 + A1Yt-1 + A2Yt-2 ...+ ApYt-p +Ɛt
……….. (1)
dimana :

6

Yt
: Vektor variabel tak bebas (Y1.t, Y2.t, Yɛ.t)
A0
: Vektor intersep berukuran n x 1
A1
: Matriks parameter berukuran n x 1
Ɛt
: Vektor residual (∑1.t, ∑2.t, ∑3.t) n x 1
Asumsi yang harus di penuhi dalam analisi VAR adalah semua variabel
tidak bersifat stasioner, semua sisaan bersifat white noise, yaitu memiliki rataan
nol, ragam konstan dan diantara variabel tak bebas tidak ada korelasi. Uji
stasioneritas data dapat dilakukan melalui pengujian terhadap ada tidaknya unit
root dalam variabel dengan uji Augmented Dickey Fuller (ADF). Adanya unit root
akan menghasilkan persamaan regresi yang spurious.
Pendeteksian keberadaan kointegrasi ini dapat dilakukan dengan metode
Johansen atau Engel-Granger. Jika variabel-variabel tidak terkointegrasi, maka
dapat diterapkan VAR standar yang hasilnya akan identik dengan OLS, setelah
memastikan variabel tersebut sudah stasioner pada derajat (ordo) yang sama. Jika
pengujian membuktikan terdapat vektor kointegrasi, maka dapat diterapkan
VECM untuk single equation atau VECM untuk system equation.
Uji Stasioneritas Data
Salah satu konsep penting yang harus diingat dalam analisa dengan
menggunakan data time series adalah kondisi data yang stasioner atau tidak
stasioner. Jika estimasi dilakukan dengan menggunakan data yang tidak stasioner
maka akan memberikan hasil regresi yang palsu atau disebut sebagai spurious
regression (Gujarati 2003). Suporious regression memiliki pengertian bahwa hasil
regresi dari satu variabel time series pada satu atau beberapa variabel time series
lainnya cenderung untuk menghasilkan kesimpulan hasil estimasi yang bias yang
ditunjukkan dengan karakteristik seperti memperoleh hasil R2 yang sangat tinggi
(lebih besar dari (0,9) tetapi pada kenyataannya hubungan antara variabel tersebut
tidak memiliki arti atau meaningless. Dinyatakan juga bahwa jika R2>d (Dubin
Watson statistik), maka kondisi ini merupakan rule of thumb yang baik untuk
menduga bahwa hasil estimasi tersebut kemungkinan besar merupakan
nonsense/suporious regression.
Jika sebuah data time series merupakan data yang stasioner makan studi
akan perilaku untuk data tersebut hanya dapat dilakukan untuk periode waktu
tertentu (Gujarati 2003). Dengan kata lain bahwa setiap bagian dari data time
series tersebut merupakan bagian yang terpisah satu sama lain. Sebagai
konsekuensi dari kondisi tersebut adalah tidak mungkin untuk melakukan estimasi
secara generalisasi pada periode waktu yang berbeda-beda. Kondisi stochastic
process dikatakan stasioner jika rata-rata dan variansnya konstan dalam beberapa
periode waktu, dan nilai dari kovarians antara dua waktu yang berbeda tergantung
dari lag antara dua periode waktu yang tidak tergantung pada waktu aktual pada
saat kovarians dihitung. Bisa juga dikatakan sebagai data time series yang
stasioner jika rata-rata, varians dan otokovariansnya dalam berbagai jumlah lag
menunjukkan kesamaan saat diukur pada berbagai titik pengukuran.
Ada beberapa metode yang dapat digunakan untuk menguji stasioneritas.
Dua metode yang paling umum digunakan adalah dengan menggunakan metode
pengujian Augmented Dickey-Fuller dan metode pengujian Philip-Peron (Gujarati
2003). Asumsi penting yang digunakan dalam pengujian Dickey-Fuller adalah

7
error-nya secara statistik bersifat independen dan mempunyai varians yang
konstan. Kemudian metode dasar ini dikembangkan lagi menjadi metode
Augmented Dickey-Fuller dimana ditambahkan lag pada variabel. Sedangkan
metode pengujian Philip-Peron menggunakan metode statistik non-parametrik
sehingga untuk mengatasi permasalahan serial korelasi tanpa menambahkan lag.
Pengujian Philip-Peron, maka H0 adalah mengandung unit root yang
menunjukkan kondisi tidak stationer.
Bentuk persamaan uji stasioneritas tersebut dapat dituliskan sebagai berikut:
ΔYt = α + γrt-1 + ∑pi=1 ßΔYt-i+1 + Ɛ
..................(2)
dimana:
ΔYt
= Bentuk dari first different
Α0
= intersep
Y
= Variabel yang diuji stasioneritasnya
P
= panjang lag yang digunakan dalam model
Ɛ
= error term
Uji Kausalitas Granger
Uji kausalitas Granger digunakan untuk mengevaluasi kemampuan
peramalan dari satu peubah deret waktu pada periode sebelumnya terhadap
peubah deret waktu lainnya pada periode saat ini.
Pada analisa data ekonomi dengan menggunakan metode ekonometri
seringkali ditemukan kondisi adanya ketergantungan antara satu variabel dengan
satu variabel atau beberapa variabel yang lain dalam model persamaan yang
digunakan, atau dapat dikatakan bahwa adanya kemungkinan hubungan kausalitas
antar variabel dalam model. Permasalahan inilah yang melandasi akan perlunya
pengujian hubungan kausalitas antar variabel dalam model, yang disebut sebagai
granger causality test. Misalkan ada dua variabel, yakni A dan B. Pertanyaan
yang sering muncul adalah apakah variabel A yang menyebabkan B, ataukah
sebaliknya B yang menyebabkan A. Untuk menjawab permasalahan ini maka
dilakukan granger causality test untuk memprediksikan hubungan antara kedua
variabel tersebut berdasarkan data time series dalam estimasi model. Dengan
menggunakan tes ini maka hasil estimasi akan menunjukkan kemungkinankemungkinan seperti ini, yakni (Gujarati 2003):
1. Hubungan kausalitas satu arah dari Bt ke At, yang disebut sebagai
uniderectional causality from Bt to At.
2. Hubungan kausalitas satu arah dari At ke Bt yang disebut sebagai
uniderectional causality from At to Bt.
3. Kausalitas dua arah atau saling mempengaruhi (bidirectional causality)
4. Tidak terdapat hubungan saling ketergantungan (no causality)
Kemudian untuk menguji pola kausalitas Granger dapat dilakukan dengan
melakukan uji F-test, dimana hipotesa yang akan digunakan yakni, H0 : B does
not granger cause A, ditunjukkan dengan persamaan berikut ini:
F = (RSSR - RSSUR) / RSSR (n – k) / m
…….. (3)
Dimana RSSR (restricted residual sum of squares) diperoleh dari regresi
yang dilakukan terhadap A tanpa melibatkan lag variabel B, sedangkan RSS UR
(unrestricted residual sum of squares) diperoleh dari regresi yang dilakukan
terhadap jumlah observasi dan k adalah jumlah parameter. Nilai (n-k) disebut juga

8

derajat kebebasan atau degree of freedom. Jika nilai F stat>F tabel pada level
signifikansi yang ditentukan, maka H0 ditolak atau tidak cukup bukti untuk
diterima. Dengan kata lain bahwa B granger cause A. Jika H0 tidak cukup bukti
untuk dapat ditolak maka B does not granger cause A.
Analisa ini menggunakan software Eviews 6. Dengan menggunakan Eviews,
maka tes kausalitas antar variabel dapat dilakukan dengan mudah, dimana lag
optimal digunakan. Untuk menguji hipotesa, maka dipermudah dengan membaca
probabilitasnya. Dimana jika probabilitas lebih kecil dari alpha (dalam ini penulis
menggunakan alpha 5%), maka H0 ditolak atau dengan kata lain variabel B
menyebabkan variabel A dan sebaliknya jika probabilitasnya lebih besar dari
alpha, maka tidak cukup bukti menolak H0, atau B tidak menyebabkan A, atau
tidak ada hubungan kausalitas.
Uji Lag Optimum
Penentuan lag optimum ini sangat penting dalam model VAR karena
pengujian ini bertujuan untuk mengetahui besarnya lag dari variabel endogen
dalam sistem persamaan yang akan digunakan sebagai variabel eksogen (Enders
2005). Pengujian panjang lag yang optimal dapat memanfaatkan beberapa
informasi yaitu dengan menggunakan Akaike Information Criterion (AIC), dan
Schwarz Criterion (SC). Untuk dapat menentukan lag ini, maka langkah
sebelumnya adalah menentukan nilai determinan dari kovarian residual (|Ω|) yang
dapat dihitung sebagai berikut (Eviews 5 User’s Guide 2004):
|Ω| = (det
∑t êt ê’t )
.……........... (4)
Dimana p adalah angka parameter dari tiap persamaan dalam VAR.
Selanjutnya, log likelihood value dengan mengasumsikan distribusi normal dapat
dihitung:
1 = - {k(1+log2π) + log|Ω|} .................... (5)
Dimana k adalah banyaknya parameter yang diestimasi dan T adalah jumlah
observasi. Kemudian dilanjutkan dengan menggunakan nilai AIC, dan SC dipilih
nilai yang terkecil. Rumus perhitungannya dapat dilihat dibawah ini (Eviews 5
User’s Guide 2004):
AIC -2(l/T)+2(k/T)
…………… (6)
SC -2(l/T)+k log(T)/T
….........…… (7)
Uji Stabilitas VAR
Pengujian ini dilakukan karena jika hasil estimasi VAR yang akan
dikombinasikan dengan model koreksi kesalahan yang tidak stabil, maka IRF
(Impulse Response Function) dan FEVD (Forecast Error Variance
Decomposition) menjadi tidak valid. (Nugraha 2006).
Stabilitas dapat diartikan hasil estimasinya mendekati nol jika model
diperpanjang periode waktunya. Sebuah model dikatakan memilik validitas yang
tinggi jika inverse akar karakteristiknya mempunyai modulus kurang dari satu
atau semuanya berada didalam lingkaran. Jika modulus nya kurang dari satu atau
berada dalam lingkaran, maka model cukup stabil. Namun sebaliknya, jika
modulus bernilai satu atau lebih dari satu, atau modulus kebanyakan berada diluar
lingkaran maka dapat dipastikan bahwa model tersebut kurang stabil. Jika VAR

9
tersebut memiliki tingkat stabilitas yang rendah atau semua inverse akar
karakteristiknya berada diluar unit circle, maka hasil dari estimasi model VAR
tersebut meragukan.
Impulse Response Function (IRF)
Cara yang baik untuk mencirikan struktur dinamis dalam model adalah
dengan menganalisa respon dari model terhadap guncangan (Enders 2004). Ada
dua cara dalam melakukan hal tersebut, yaitu dengan menganalisis Impulse
Response Function (IRF) dan analisis Forecast Error Variance Decomposition
(FEVD). IRF dapat meneliti hubungan antar variabel dengan menunjukkan
bagaimana variabel endogen bereaksi terhadap sebuah shock dalam variabel itu
sendiri dan variabel endogen lainnya.
IRF adalah suatu metode yang digunakan untuk menentukan respon suatu
variabel endogen terhadap suatu shock tertentu karena sebenarnya shock variabel
misalnya ke-i tidak hanya berpengaruh terhadap variabel ke-i itu saja tetapi
ditransmisikan kepada semua variabel endogen lainnya melalui struktur dinamis
atau struktur lag dalam VAR. Oleh karena itu, IRF juga dapat mengukur pengaruh
suatu shock pada suatu waktu kepada inovasi variabel endogen pada saat tersebut
dan dimasa yang akan datang.
Analisis IRF (Impulse Rensponse Function) dilakukan untuk menilai respon
dinamik variabel sepeda motor bebek, matik dan sport. Terhadap adanya
goncangan (shock) variabel tertentu. IRF juga bertujuan untuk mengisolasi suatu
guncangan agar lebih spesifik artinya suatu variabel yang dapat dipengaruhi oleh
guncangan tertentu. Apabila suatu variabel tidak dapat dipengaruhi oleh shock,
maka shock spesifik tersebut tidak dapat diketahui melainkan shock secara umum.
Forecast Error Variance Decomposition (FEVD)
Metode yang dapat dilakukan untuk melihat bagaimana perubahan dalam
suatu variabel yang ditunjukkan oleh perubahan error variance dipengaruhi oleh
variabel-variabel lainnya adalah FEVD. Metode ini mencirikan suatu struktur
dinamis dalam model VAR. Dimana dalam metode ini dapat dilihat kekuatan dan
kelemahan masing-masing variabel dalam mempengaruhi variabel lainnya dalam
kurun waktu yang panjang.
FEVD mencirikan ragam dari peramalan galat menjadi komponenkomponen yang dapat dihubungkan dengan setiap variabel endogen dalam model.
Dengan menghitung persentase kuadrat prediksi galat k-tahap ke depan dari
sebuah variabel akibat inovasi dalam variabel-variabel lain, maka akan dapat
dilihat seberapa besar perbedaan antara error variance sebelum dan sesudah
terjadinya shock yang berasal dari dirinya sendiri maupun dari variabel lain.
Jadi melalui FEVD dapat diketahui secara pasti faktor-faktor yang
memberikan kontribusi yang paling signifikan terhadap perubahan dari variabel
tertentu. Dalam analisis ini variabel tersebut yaitu variabel sepeda motor Bebek,
Matik, dan Sport.

10

HASIL DAN PEMBAHASAN
Sejarah Perusahaan
PT Astra Honda Motor (AHM) didirikan pada 11 Juni 1971 dengan nama
awal PT Federal Motor, merupakan pelopor industri sepeda motor di Indonesia.
Sahamnya secara mayoritas dimiliki oleh PT Astra International. Saat itu, PT
Federal Motor hanya merakit, sedangkan komponennya diimpor dari Jepang
dalam bentuk CKD (completely knock down).
Sampai dengan tahun 2013, PT Astra Honda Motor memiliki 3 fasilitas
pabrik perakitan, pabrik pertama berlokasi di Sunter, Jakarta Utara yang juga
berfungsi sebagai kantor pusat. Pabrik kedua berlokasi di Pegangsaan Dua,
Kelapa Gading, serta pabrik ketiga yang berlokasi di kawasan MM 2100 Cikarang
Barat, Bekasi. Pabrik ketiga ini merupakan fasilitas pabrik perakitan terbaru yang
mulai beroperasi sejak tahun 2005.
Guna menunjang kebutuhan serta kepuasan pelanggan sepeda motor Honda,
PT Astra Honda Motor didukung oleh 1.800 showroom penjualan, 3.600 layanan
pemeliharaan atau bengkel AHASS (Astra Honda Authorized Service Station),
serta 7.400 gerai suku cadang, yang siap melayani jutaan penggunaan sepeda
motor Honda di seluruh Indonesia.
Produk-Produk Perusahaan
Sepeda motor tipe Bebek adalah jenis sepeda motor yang pertama
dikeluarkan oleh Honda. Supra X 125 R adalah tipe Bebek yang pernah merajai
pasaran di Indonesia. Sistem teknologi Bebek yang semakin diperbaiki dengan
menggunakan sistem injeksi menghasilkan sistem percepatan roda yang semakin
baik dengan sistem pembakaran yang lebih irit. Produk-produk motor Bebek yang
dikeluarkan oleh Honda adalah Supra X 125 CW, Supra X 125 Helm in PGM-Fi,
Supra X 125 SW, New Blade Racing Edition, New Honda Blade R, New Honda
Blade S, Revo Fit, Absolute Revo CW, dan Absolute Revo SW. Harga sepeda
motor tipe Bebek ini dimulai dari Rp 11.600.000,- sampai dengan Rp
16.525.000,-.
Sepeda motor tipe Matik dikeluarkan oleh Honda untuk mempermudah
konsumennya dalam mengendarai sepeda motor. Awalnya Matik dirilis untuk
kalangan wanita, namun belakangan motor Matik mulai mengadopsi powerful
engine untuk menghasilkan akselarasi kecepatan yang tinggi yang awalnya tidak
dimiliki Matik yang semula hanya 110 cc menjadi 125 cc. Matik yang memang
menggunakan bahan bakar lebih banyak dibanding jenis Bebek menawarkan
kenyamanan dan kemudahan. Sistem injeksi pun dikembangkan pada jenis Matik
untuk meningkatkan efisiensi penggunaan bahan bakar sehingga lebih irit.
Produk-produk Matik yang dikeluarkan olah Honda adalah PCX 150, Vario 125
CBS Idling Stop, Vario 125 Techno, Vario CW, Scoopy FI, Spacy Helm in PGMFI, BeAT CW, BeAT SW, BeAT-FI Combi Brake System, BeAT-FI CW, dan
BeAT-FI SW. Harga sepeda motor tipe Matik ini dimulai dari Rp 11.890.000,sampai dengan Rp 34.300.000,-.
Motor Sport Honda yang berkembang di Indonesia dengan kemampuan
berkisar dari 125 hingga 250 cc adalah CB150R StreetFire, CBR 150R, CBR
150R Repsol Edition, CBR250R (ABS) - Black Knight, CBR250R (ABS) -

11
Repsol Edition, CBR250R (STD), CBR250R (STD) - Repsol Edition, City Sport
1, Tiger, New MegaPro CW, New MegaPro SW, Verza 150 CW, dan Veza 150
SW. Sepeda motor tipe Sport sangat mengusung kecepatan tinggi yang diinginkan
konsumennya. Teknologi mesin dengan sistem kopling membedakan sepeda
motor tipe Sport dengan tipe lainnya. Harga sepeda motor tipe Sport ini dimulai
dari harga Rp 16.300.000,- sampai dengan Rp. 53.250.000,-. (http://www.astrahonda.com)
Hasil Analisis
Analisis karakter stasioneritas suatu data urut waktu sangat diperlukan untuk
menentukan metode peramalan yang sesuai untuk menemukan hasil estimasi yang
signifikan dan memiliki esensi yang berarti. Suatu data urut waktu bersifat
stasioner atau tidak stasioner. Dengan mengetahui karakter data urut waktu yang
tepat maka metode peramalan yang sesuai dapat ditentukan. Apabila pola data
yang digunakan telah stasioner pada level maka selanjutnya akan menggunakan
metode VAR, dan apabila pola data yang digunakan tidak stasioner pada tingkat
level maka digunakan metode VECM. Dalam menganalisa stasioneritas, tingkat
signifikansi yang digunakan adalah pada taraf 5 persen. Data penjualan yang
dianalisis adalah data penjualan bulanan sepeda motor tipe Matik, Bebek, dan
Sport dari bulan Januari 2010 hingga Mei 2013.
Adanya asumsi diperlukan untuk mendukung penelitian ini, karena asumsi
merupakan kondisi prasyarat suatu peramalan dapat dibuat. Tanpa suatu asumsi
sangat sulit peramalan dapat dibuat, karena terlalu banyak kemungkinan yang
dapat muncul. Kegunaan sebuah asumsi, selain untuk memudahkan penyusunan
suatu peramalan adalah dapat dijadikan alasan mengapa suatu peramalantidak
dapat tercapai. Dalam penelitian ini, terdapat 3 asumsi dasar, yaitu:
1. Persistensi, merupakan pola-pola yang terjadi dimasa lampau akan tetap
ditemui dimasa depan.
2. Keteraturan, maksudnya adalah variasi pada masa lalu sebagaimana
ditunjukkan oleh kecenderungannya akan terulang secara kontinyu
3. Reliabilitas dan validitas, pengukuran trend akan reliabel (cukup cermat
atau memiliki konsistensi internal) dan valid (mengukur apa yang hendak
diukur).
Ada pula asumsi yang berdasarkan kondisi eksternal dalam penelitian ini,
yaitu:
1. Lingkungan ekonomi meningkat, seiring dengan peningkatan UMP (Upah
Minimum Provinsi) daya beli dan perputaran ekonomipun bergerak ke
arah positif.
2. Persaingan industri sehat, kompetisi dalam mengambil pangsa pasar
dilakukan dengan cara yang sportif.
3. Konsumsi masyarakat meningkat, daya beli yang meningkat akan
mendorong masyarakat untuk lebih konsumtif.
4. Pertumbuhan penduduk yang tidak signifikan.
5. Kebijakan pemerintah yang mendukung keberadaan kendaraan sepeda
motor.
6. Perubahan teknologi ke arah yang lebih modern.

12

7. Selera, seiring dengan meningkatnya kemampuan ekonomi, masyarakat
lebih memilih produk yang memiliki kualitas dan harga yang lebih baik.
Uji Stasioner
Uji stasioneritas data pada seluruh variabel dengan Augmented DickeyFuller Test (ADF) dengan perangkat lunak Eviews 6. Jika nilai Test Critical
Values lebih besar dari nilai t-statistic berarti data tidak stasioner, sebaliknya jika
nilai Test Critical Values lebih kecil dari nilai t-statistic maka data stasioner.
Tabel 2 Hasil uji stasioner
Variabel
Matik
Bebek
Sport

Test Critical
Values (5%)

t-statistic

Probability

-2.936942

-3.420737

0.0160

-2.938987
-2.936942

-0.097028*
-2.629063*

0.9427
0.0957

Dari hasil uji stationeritas data pada seluruh variabel didapatkan bahwa
produk Matik telah stationer pada level sedangkan produk Bebek dan Sport belum
stationer sehingga perlu dilakukan uji stationeritas lanjutan pada pembeda pertama
(first difference).
Tabel 3 Hasil first difference
Variabel
Bebek
Sport

Test Critical
Values (5%)
-2.938987
-2.938987

t-statistic

Probability

-8.538135
-9.279384

0.0000
0.0000

Dari Tabel 3 dapat kita lihat bahwa variabel Bebek dan Sport sudah
stationer pada pembeda pertama, karena seluruh variabel harus stationer pada
derajat yang sama, maka penelitian ini dilakukan dengan menggunakan derajat
pembedaan pertama. Jika seluruh data yang diujikan telah stationer pada pada
tahap level, maka selanjutnya model yang dipilih adalah VAR. Namun jika salah
satu variabel atau tidak seluruh variabel stasioner pada level di uji stationeritas
maka selanjutnya model yang dipilih adalah VECM. Dengan demikian penelitian
ini akan dilanjutkan dengan menggunakan model VECM.
Uji Kausalitas Granger
Untuk melihat hubungan kausalitas antara variabel yang ada dalam model
dapat dilakukan dengan uji Pairwise Granger Causality Test. Hipotesis nol (H0)
yang diuji menyatakantidak ada hubungan kausalitas dan hipotesis alternatifnya
(H1) menyatakan adanya hubungan kausalitas. Dengan nilai probability sebesar
0,05 digunakan untuk menentukan apakah H0 diterima atau ditolak. Apabila nilai
probabilitasnya kurang atau sama dengan 0,05 maka terima H1 tolak H0, dan
apabila nilai probabilitasnya lebih dari 0,05 maka terima H0 tolak H1. Hasil uji
kausalitas Granger dengan signifikansi 5 persen pada seluruh variabel penjualan
produk dapat dilihat pada Tabel 4.

13
Tabel 4 Uji kausalitas Granger
Null Hypothesis
BEBEK does not
Granger Cause MATIK
MATIK does not
Granger Cause BEBEK
SPORT does not
Granger Cause MATIK
MATIK does not
Granger Cause SPORT
SPORT does not
Granger Cause BEBEK
BEBEK does not
Granger Cause SPORT

Probabilitas

Hasil Pengujian

0.3861 terima H0 tolak
H1
0.0079 terima H1 tolak
H0
0.2239 terima H0 tolak
H1
0.9725 terima H1 tolak
H0
0.0560 terima H0 tolak
H1
0.7035 terima H1 tolak
H0

Hubungan
Kausalitas
hubungan
satu arah dari
Matik ke
Bebek
tidak ada
hubungan
kausalitas
tidak ada
hubungan
kausalitas

Berdasarkan hasil uji Granger pada Tabel 4 hanya terjadi hubungan satu
arah antara Matik dengan Bebek dari seluruh variabel yang diujikan. Dapat
diartikan bahwa penjualan produk Matik mempengaruhi Bebek.
Uji Lag Optimum
Metode VAR dan VECM sangat sensitif terhadap jumlah lag yang
digunakan, sehingga penentuan lag optimum sangatlah penting. Penentuan
panjang lag digunakan untuk mengetahui lamanya periode ketergantungan suatu
veriabel terhadap variabel masa lalunya dan terhadap variabel endogen lainnya.
Penentuan lag optimum dapat diperoleh dengan estimasi VAR. Penentuan lag
dapat dilakukan dengan pendekatan Likehood Ratio (LR), Final Prediction Error
(FPE), Akaike Information Criterion (AIC), dan Schwarz Criterion (SC). Uji
kestabilan VAR ditunjukkan pada Tabel 5.
Tabel 5 Hasil uji lag optimum
Lag
0
1
2
3
4

LogL
-595.5662
-531.8822
-522.9613
-511.9588
-505.8973

LR
NA
113.5985*
14.46622
16.05770
7.863667

FPE
2.26e+10
1.18e+09
1.20e+09
1.10e+09*
1.36e+09

AIC
32.35493
29.39904
29.40332
29.29507*
29.45391

SC
32.48554
29.92150*
30.31762
30.60122
31.15190

HQ
32.40098
29.58323*
29.72565
29.75555
30.05253

Hasil uji kestabilan pada Tabel 5 menunjukkan bahwa model telah stabil
pada lag ketiga. Lag optimal dapat ditentukan dengan mengambil nilai AIC yang
paling kecil. Nilai AIC yang paling kecil terdapat pada lag ketiga, hal ini
menandakan bahwa lag optimal yang dipilih berdasarkan AIC terdapat pada lag
ketiga.

14

Uji Kointegrasi
Uji kointegrasi harus dilakukan untuk mengetahui keterkaitan jangka
panjang antara variabel. Uji kointegrasi dilakukan karena data yang digunakan
berfluktuasi dengan asumsi tidak stasioner. Uji yang dilakukan adalah uji
Kointegrasi Johansen. Variabel-variabel yang diuji harus berupa variabel yang
stasioner pada derajat yang sama.
Variabel-variabel dapat dikatakan terkointegrasi jika trace statistic lebih
besar dari nilai critical value. Sebaliknya, trace statistic lebih kecil dari nilai
critical value maka variabel-variabel tidak terkointegrasi.
Tabel 6 Hasil uji kointegrasi
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
Trace
0.05 Critical
Eigenvalue
Prob.**
No. of CE(s)
Staistic
Value
None *
0.453577 31.80166
29.79707
0.0290
At most 1
0.178485 10.04460
15.49471
0.2773
At most 2
0.079107 2.966825
3.841466
0.0850
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
Dari Tabel 6 dapat dilihat bahwa terdapat satu kesamaan kointegrasi pada
derajat kepercayaan 5 persen. Hal ini berarti terdapat hubungan jangka panjang di
antara variabel tersebut.
Estimasi VECM
Variabel yang saling terkointegrasi dengan variabel lainnya akan saling
memberi pengaruh yang dapat dilihat dari analisis dengan menggunakan metode
Vector Error Correction Model (VECM). Hasil uji dapat diintepretasikan dengan
melihat koefisien kointegrasinya dan pembacaan tanda yang terbalik dari tanda
koefisiennya. Signifikansi koefisien kointegrasi harus lebih besar dari nilai t-tabel
yaitu sebesar 1,96. Jika koefisien kointegrasi t-statsistik lebih besar dari 1,96
maka dikatakan signifikan. Hasil uji analisis VECM akan menghasilkan matriks
koefisien jangka panjang seperti terlihat pada Tabel 7.
Tabel 7 Hasil estimasi VECM
Cointegrating Eq:
MATIK(-1)
BEBEK(-1)

SPORT(-1)

C

CointEq1
1.000000
0.452478
(0.12640)
[ 3.57980]
-3.083469
(1.92442)
[-1.60228]
-613.8791

15
Hasil pada Tabel 7 menunjukkan adanya hubungan jangka panjang antara
penjualan produk Matik dengan penjualan Sport dan Bebek. Peningkatan
penjualan Bebek sebesar 1% akan menurunkan penjualan Matik sebesar 0,45%.
Sementara kenaikan penjualan Sport 1% akan meningkatkan penjualan Matik
sebesar 3,08%.
Uji Stabilitas Model
Model VECM yang digunakan harus memiliki stabilitas sehingga hasil
estimasinya tidak berubah dengan deviasi yang besar meskipun periodenya
diperpanjang sehingga hasil estimasinya dapat dipertanggungjawabkan (Gujarati
2004). Pengujian dengan AR tabel dikatakan stabil apabila nilai modulusnya
kurang dari satu. Pada tabel 8 dapat terlihat bahwa nilai modulus kurang dari satu,
sehingga dapat disimpulkan bahwa model VECM sudah stabil.
Tabel 8 Hasil uji stabilitas model
Root
0.942600
0.921559
-0.644530
0.221183 - 0.605142i
0.221183 + 0.605142i
-0.255635 - 0.573757i
-0.255635 + 0.573757i
0.489431
-0.196835

Modulus
0.942600
0.921559
0.644530
0.644298
0.644298
0.628129
0.628129
0.489431
0.196835

No root lies outside the unit circle.
VAR satisfies the stability condition.
Analisis Impulse Response Function (IRF)
Impulse Response Function (IRF) merupakan salah satu instrumen VECM
yang digunakan untuk menunjukkan bagaimana shock yang diberikan kepada
suatu variabel endogen dapat berpengaruh terhadap variabel endogen lainnya. IRF
adalah suatu metode yang digunakan untuk menentukan respon suatu variabel
endogen terhadap guncangan tertentu karena sebenarnya guncangan variabel
misalnya ke-i tidak hanya berpengaruh terhadap variabel ke-i itu saja tetapi
ditransmisikan kepada semua variabel endogen lainnya melalui struktur dinamis
atau struktur lag dalam VAR. IRF mengukur pengaruh suatu shock pada suatu
waktu kepada inovasi variabel endogen pada saat tersebut dan di masa yang akan
datang (Firdaus 2011). Tujuan dari IRF adalah untuk mengisolasi guncangan agar
lebih spesifik, yang artinya suatu variabel dapat dipengaruhi oleh guncangan
tertentu.
Analisis Impulse Response Function (IRF) dalam penelitian ini dilakukan
untuk menilai respon dinamik dari variabel terkait.

16

Response to Cholesky One S.D. Innovations
Response of MATIK to MATIK
100

80

60

40

20

0

-20
5

10

15

20

25

30

35

40

45

50

Gambar 2 Hasil analisis impulse response function (IRF)
Matik ke Matik
Respon pertama yang dilihat adalah respon Matik terhadap variabel itu
sendiri. Dari grafik terlihat respon yang diberikan Matik terhadap satu standar
deviasi variabelnya sendiri bernilai positif kecuali pada periode ke-4 dan ke-5
yang turun drastis dari periode pertama hingga bernilai negatif. Pada periode
pertama penjualan Matik mencapai 80 persen dan terus mengalami penurunan
hingga periode ke-5. Peningkatan yang terjadi setelah periode ke-5 terlihat mulai
stabil. Peningkatan penjualan tertinggi pada periode ke-9 mencapai 20% lalu
mengalami fluktuasi ringan pada periode ke-10 hingga ke-19. Peningkatan
penjualan stabil mulai periode ke-20 sampai periode ke-50 pada level 14 persen.
Dari Gambar 2 dapat disimpulkan bahwa peningkatan penjualan secara signifikan
pada produk Matik yang disebabkan oleh promosi atau lain hal yang
menyebabkan meningkatnya penjualan akan berpengaruh positif pada peningkatan
penjualan Matik itu sendiri.
Response of BEBEK to Cholesky
One S.D. MATIK Innovation
0

-4

-8

-12

-16

-20
5

10

15

20

25

30

35

40

45

50

Gambar 3 Hasil analisis impulse response function (IRF)
Bebek ke Matik
Pada Gambar 3 terlihat respon Bebek terhadap Matik. Terlihat respon yang
diberikan Bebek terhadap Matik bernilai negatif. Pada periode pertama nilai
respon 0% dan paling rendah mencapi negatif 18% pada periode ke-4.
Peningkatan terjadi pada periode selanjutnya, tertinggi pada periode ke-6 dengan
nilai negatif 9%. Fluktuasi ringan terjadi dan grafik mulai stabil pada periode ke26 pada level negatif 13%. Berdasarkan grafik ini terlihat bahwa peningkatan
penjualan Bebek karena faktor promosi atau hal lain akan berpengaruh negatif
pada penjualan Matik sehingga menurunkan penjualan Matik.

17
Response of SPORT to Cholesky
One S.D. MATIK Innovation
2.5

2.0

1.5

1.0

0.5

0.0

-0.5
5

10

15

20

25

30

35

40

45

50

Gambar 4 Hasil analisis impulse response function (IRF)
Sport ke Matik
Pada Gambar 4 terlihat respon penjualan motor Sport terhatap penjualan
Matik yang hampir secara keseluruhan bernilai positif. Periode pertama dan
periode ke-2 adalah titik terendah respon penjualan motor Sport terhadap Matik
dengan nilai 0,2%. Setelah periode ke-2 terjadi peningkatan tertinggi pada periode
ke-6 pada level 2,2%. Penurunan kembali terjadi pada periode ke-7 dan ke-8
dengan level 1,1%. Fluktuasi ringan terjadi dan grafik mulai stabil pada periode
ke-23 hingga ke-50 pada level 1,5%. Berdasarkan grafik ketiga dapat ditarik
kesimpulan bahwa peningkatan penjualan motor Sport karena faktor promosi atau
faktor lainnya akan memberikan pengaruh positif pada penjualan motor Matik
sehingga akan meningkatkan penjualan motor Matik.
Response of BEBEK to Cholesky
One S.D. BEBEK Innovation
40

36

32

28

24

20

16
5

10

15

20

25

30

35

40

45

50

Gambar 5 Hasil analisis impulse response function (IRF)
Bebek ke Bebek
Respon kedua yang dianalisa adalah penjualan motor Bebek terhadap
variabelnya sendiri. Pada grafik di atas terlihat bahwa respon yang diberikan
bernilai positif. Dari Gambar 5 pada awal periode menuju periode ke-2 dan ke-3
terjadi penurunan yang drastis dari level 36% hingga level 23%. Kembali
meningkat pada periode ke-4 menjadi 25% namun kembali mengalami penurunan
hingga ke level terendah 18% pada periode ke-6. Peningkatan kembali terjadi
pada periode ke-7 hingga level 21%. Pada periode ke-8 hingga ke-16 terjadi
fluktuasi ringan dengan rataan 20%. Grafik mulai stabil pada periode ke-29
hingga ke-50 pada level 20%. Berdasarkan grafik respon tersebut dapat
disimpulkan bahwa peningkatan penjualan motor Bebek akibat dari pengaruh
promosi atau faktor lainnya akan memberikan dampak positif pada penjualan
variabelnya sendiri sehingga akan meningkatkan penjualannya.

18

Response of MATIK to Cholesky
One S.D. BEBEK Innovation
25
20
15
10
5
0
-5
-10
5

10

15

20

25

30

35

40

45

50

Gambar 6 Hasil analisis impulse response function (IRF)
Matik ke Bebek
Pada Gambar 6, selanjutnya terlihat respon penjualan Matik terhadap
Bebek. Pada periode pertama hingga ke-5 respon menunjukkan nilai positif.
Tertinggi pada periode ke-3 dengan level 20%. Namun pada periode ke-4 terjadi
penurunan yang cukup tinggi hingga 0% dan pada periode ke-6 turun kembali
hingga negatif 6%. Fluktuasi ringan terjadi sepanjang periode ke-6 hingga ke-13
dengan kisaran level negatif 1% hingga negatif 5%. Grafik mulai stabil pada
periode ke-14 hingga ke-29 dan sudah stabil pada periode ke-30 hingga ke-50
pada level negatif 4%. Berdasarkan grafik respon penjualan Matik terhadap Bebek
di atas dapat disimpulkan bahwa peningkatan penjualan Matik karena faktor
promosi atau faktor lainnya akan memberikan efek negatif terhadap penjualan
Bebek sehingga akan menurunkan penjualannya.
Response of SPORT to Cholesky
One S.D. BEBEK Innovation
2.4

2.0

1.6

1.2

0.8

0.4

0.0
5

10

15

20

25

30

35

40

45

50

Gambar 7 Hasil Analisis impulse response function (IRF)
Sport ke Bebek
Respon penjualan Sport terhadap Bebek terlihat pada Gambar 7. Terlihat
respon yang diberikan Sport terhadap Bebek bernilai positif. Respon terlihat terus
meningkat sejak periode pertama hingga periode ke-7. Terlihat pada periode ke-2
mencapai level 0,7%, periode ke-3 sedikit turun pada level 0,2%, kembali
meningkat pada periode ke-4 hingga 1,7% lalu pada periode ke-6 dan ke-7
mencapai respon penjualan tertinggi pada level 2,2%. Periode ke-8 hingga ke-17
terjadi fluktuasi ringan pada level 1,8% hingga 2%. Pada periode ke-18 sudah
mulai stabil hingga periode ke-50 yaitu pada level 2,1%. Berdasarkan grafik pada
respon penjualan Sport pada Bebek di atas dapat disimpulkan bahwa peningkatan
penjualan Sport terhadap Bebek bernilai positif. Sehingga kenaikan penjualan
Sport karena faktor promosi atau faktor lain akan meningkatkan penjualan motor
Bebek.

19
Response of SPORT to Cholesky
One S.D. SPORT Innovation
9
8
7
6
5
4
3
2
5

10

15

20

25

30

35

40

45

50

Gambar 8 Hasil analisis impulse response function (IRF)
Sport ke Sport
Respon ketiga yang diamati adalah grafik respon penjualan motor Sport
terhadap variabelnya sendiri. Terlihat bahwa respon yang diberikan bernilai
positif. Pada periode pertama hingga periode ke-3 terjadi pen