Peramalan Permintaan Impor Apel dari Australia Faktor-Faktor yang Mempengaruhi Permintaan Impor Oranges Impor dari China

58

b. Peramalan Permintaan Impor Apel dari Australia

Pada Tabel 7 dibawah ini hasil pengolahan terbaik diperoleh dengan menggunakan metode Winters Aditif. Hasil pengolahan data permintaan impor apel dari Australia menghasilkan nilai MSE terkecil sebesar 1,02E+09. Metode ini optimal pada nilai pemulusan level estimasi saat ini sebesar 0,050. Untuk nilai pemulusan trend sebesar 0,250 sedangkan untuk musimannya sebesar 0,010. Hasil pengolahan dan peramalan untuk tahun 12 bulan ke depan dilihat pada Lampiran 10. Total permintaan apel dari Australia meningkat tajam dari tahun sebelumnya yaitu menjadi sebesar 1.263 ton, dengan rata-rata permintaan per bulan sebesar 105 ton. Puncak tertinggi terjadi pada bulan Juli yaitu sebesar 167 ton. Sedangkan puncak terendah jumlah permintaan sebesar 37 ton, terjadi pada bulan Januari. Tabel 7. Nilai MSE Metode Peramalan Time Series pada Permintaan Impor Apel Indonesia dari Australia No. Metode MSE MSE Terkecil 1 trend 5,38E+09 6 2 Winters Multiplikatif 1,12E+09 4 3 Winters Aditif 1,02E+09 1 4 Dekomposisi Multiplikatif 1,12E+09 3 5 Dekomposisi Aditif 1,09E+09 2 6 SARIMA 1,0, 0 1, 0 ,1 12 1,67E+09 5

c. Faktor-Faktor yang Mempengaruhi Permintaan Impor Apel dari Australia

Variabel yang diduga mempengaruhi permintaan impor apel dari Australia berpengaruh nyata pada nilai tukar, harga apel impor, lag impor dan variabel dummy bulanan. Sedangkan variabel yang tidak berpengaruh nyata adalah pasokan mangga PIKJ. Nilai tukar dan harga apel impor berpengaruh terhadap permintaan impor apel dari Australia, diduga disebabkan rata-rata harga apel dari Australia berada di atas rata-rata harga apel negara-negara produsen apel Lampiran 11. Pada 59 saat harga apel Australia meningkat, apel Australia kalah bersaing dengan apel dari negara lain. Puncak musim panen apel yang bersamaan dengan puncak musim mangga, diduga impor apel apel meningkat seiring dengan peningkatan pasokan mangga PIKJ. Puncak musiman penen apel Australia jatuh pada bulan Juni. Pada bulan Juni diduga harga apel Australia berada pada level yang rendah. Pada bulan-bulan sekitar bulan Juni, apel Australia dapat bersaing dengan apel dari negara lain dan pada saat pasokan mangga sedang mengalami peningkatan. Tabel 8. Hasil Analisis Model Regresi Linier Berganda Permintaan Impor Apel dari Australia Tahun 2002-2005 Elastisitas Peubah koefisien SE koefisien t-hitung p-value VIF LR Constant 52,43 21,33 2,46 0,020 Nilai tukar -5,136 2,263 -2,27 0,030 1,2 -8,26 Harga apel impor -1,3942 0,4617 -3,02 0,005 1,4 -2,24 Pasokan PIKJ 0,06535 0,0679 0,96 0,343 5,5 0,11 Lag volume impor 0,378 0,1583 2,39 0,023 2,3 Februari -0,0513 0,6641 -0,08 0,939 2,1 Maret 1,090 1,060 1,03 0,311 5,4 April 0,7596 0,6698 1,13 0,265 2,2 Mei -0,0847 0,5914 -0,14 0,887 1,7 Juni 0,6592 0,516 1,28 0,211 1,8 Juli 0,5328 0,6574 0,81 0,424 2,1 Agustus 0,6089 0,6499 0,94 0,356 2,0 September 0,1514 0,6428 0,24 0,815 2,0 Oktober 0,3755 0,633 0,59 0,557 1,9 November 0,2771 0,6355 0,44 0,666 2,0 Desember -0,6385 0,6338 -1,01 0,321 1,9 R-Sq = 65,2 R-Sqadj = 48,8 Durbin-Watson statistic = 2,04 F hit = 3,99 Keterangan: = signifikan pada taraf nyata 5 ; = signifikan pada taraf nyata 10 SR = jangka pendek; LR = jangka panjang Evaluasi model regresi permintaan apel dari Australia dapat dilihat pada Lampiran 13. Pertama, untuk mengetahui uji normalitas dapat dilihat dari grafik Kolmogorov-Smirnov lampiran 13. Titik-titik residual yang tergambar dalam grafik tersebut segaris dan P-value lebih dari 0,15 lebih besar dari taraf nyata 5 persen, yang berarti residual model apel dari Australia terdistribusi normal. Kedua, asumsi homoskedastisitas atau masalah heteroskedastisitas diperiksa 60 menggunakan grafik Residual Plot Lampiran 12. Pada grafik residual plot tidak ditemukan titik yang berpola sistematik acak. Hal ini menunjukkan bahwa variasi setiap unsur residual adalah sama konstan. Ketiga, masalah multikolinearitas dapat dilihat dari nilai VIF. Pada Tabel 8 terlihat bahwa semua variabel bebas penjelas mempunyai nilai VIF lebih kecil dari 10, sehingga tidak terjadi masalah multikolinearitas. Keempat Uji Durbin-Watson menghasilkan nilai sebesar 2,04, maka dapat diambil kesimpulan tidak terdapat autokorelasi antar veriabel bebas dalam model. Hasil dugaan model regresi permintaan impor apel dari Australia Tabel 8 diperoleh koefisien determinasi sebesar 65,2 persen. Hasil tersebut memiliki pengertian bahwa 65,2 persen perubahan volume permintaan impor apel dari Australia dapat dijelaskan oleh variasi variabel bebas dalam model, sedangkan 34,8 persen diterangkan oleh faktor-faktor lain yang tidak terdapat dalam model.

5.1.2. Permintaan Oranges Indonesia

Apabila diurutkan berdasarkan negara asalnya maka sepanjang tahun 2001 - 2005, rata-rata impor oranges Indonesia terbesar pertama berasal dari negara China. Pakistan, Australia, Brazil dan Afrika Selatan berturut-turut merupakan negara asal impor oranges Indonesia terbesar kedua, ketiga, keempat dan kelima Lampiran 16.

5.1.2.1 Permintaan Oranges dari China a. Plot Data

China merupakan negara asal impor oranges Indonesia terbesar. Selama tahun 2001 – 2005, impor oranges Indonesia terbesar dari China terjadi pada setiap awal tahun dan akhir tahun. Pada tahun 2001 permitaan impor oranges dari China sebesar 5.035 ton. Pada tahun 2002 meningkat menjadi 61 5.866 ton atau meningkat 16,50 persen dari tahun 2001. Menurun 30,14 persen dari tahun 2002, permintan impor oranges pada tahun 2003 menjadi 4.098 ton. Pada tahun 2004 meningkat tajam dari tahun 2003 sebesar 307,33 persen menjadi 8.196 ton. Tahun 2005 menurun 31,05 persen menjadi 6.187 ton. Perkembangan Impor Oranges Indonesia dari China Tahun 2001-2005 500000 1000000 1500000 2000000 2500000 3000000 3500000 4000000 4500000 5000000 Ja nu ar i m ar et m ei ju li se pt em be r no ve m be r ja nu ar i m ar et m ei ju li se pt em be r no ve m be r ja nu ar i m ar et m ei ju li se pt em be r no ve m be r ja nu ari m ar et m ei ju li se pt em be r no ve m be r ja nu ar i m ar et m ei ju li se pt em be r no ve m be r Bulan B e ra t B e rs ih k g Impor Oranges Gambar 6. Perkembangan Impor Oranges Indonesia dari China Tahun 2001–2005 b. Peramalan Permintaan Impor Oranges dari China Berdasarkan Tabel 9, metode peramalan time series terbaik untuk permintaan oranges dari China adalah Metode SARIMA 0,0,1 0,1,2 12 atau dalam bentuk persamaan back shift operator notation sebagai berikut 1-B 12 1 Y t = 1+0,9673B 1-0,9759B 12 -0,9985B 24 ε t Hasil analisis SARIMA 0,0,1 0,1,2 12 untuk permintaan oranges China dapat dilihat pada Lampiran 14. Tabel 9. Nilai MSE Metode Peramalan Time Series pada Permintaan Oranges Indonesia dari China No. Metode MSE MSE Terkecil 1 Trend 3,79E+12 6 2 W. Multiplikatif 9,30E+11 5 3 W. Aditif 2,82E+11 2 4 D. Multiplikatif 3,72E+11 3 5 D. Aditif 3,85E+11 4 6 SARIMA 0,0,1 0,1,2 12 2,77E+11 1 1. Identifikasi Berdasarkan gambar plot ACF dan PACF pada Lampiran 17, plot autokorelasi memiliki pola eksponensial menurun damped exponential. Pada gambar plot autokorelasi dapat dilihat nilai autokorelasi yang berbeda nyata dari 62 nol terjadi pada lag 1, 2, 3, 4 dan 6. Pada lag-lag selanjutnya nilai autokorelasinya sama dengan nol, hal ini menunjukkan data impor oranges dari China belum stasioner dan perlu dilakukan pembedaan. Melihat dari plot ACF dan PACF sesudah dilakukan pembedaan, ACF memiliki pola damped exponential-oscilation sedangkan PACF memiliki pola damped exponential.

2. Estimasi

Setelah data distasionerkan, hasil analisis dari perilaku atau pola ACF dan PACF model tentatif yang mungkin adalah model AR 1,1 dan MA 1,1. Data yang menunjukkan adanya unsur musiman maka perlu dilakukan pembedaan pada lag musimannya dengan D=1. selain kemungkinan dari model tersebut, tidak menutup kemungkinan untuk model tentatif yang lain. Menentukan model terbaik diantara model-model yang ditentukan adalah memilih model yang memiliki nilai MSE terkecil. Walaupun pada plot non musiman tidak menunjukkan adanya unsur trend, juga diuji dengan pembedaan. Model SARIMA terbaik yang terpilih adalah SARIMA 0,0,1 0,1,2 12 .

3. Evaluasi Model Uji Diagnostik

Setelah dilakukan estimasi koefisien model, selanjutnya dilakukan evaluasi untuk memastikan apakah model yang diestimasi sudah baik atau belum. Kreiteria dalam evaluasi metode SARIMA antara lain: - Proses iterasi harus convergence Hasil pengolahan Model SARIMA menunjukkan bahwa proses iterasi telah convergence antara dua model sudah tidak ada beda yang nyata. Proses iterasi terlah convergence ditunjukkan adanya pernyataan relative change in each estimate less then 0,0010. 63 - Residual random Residual dari hasil peramalan dari model juga menunjukkan bahwa residual forcast error sudah random. Sebagai indikator residual hasil ramalan telah random indikator yang digunakan adalah modifeid Box-Pierce statistik. Hal ini ditunjukkan bahwa nilai P-value untuk uji staitistik dari residual lebih besar dari 0,05. Selain itu grafik ACF dan PACF dari residual yang memiliki pola cut off menunjukkan bahwa residual telah acak. - Kondisi invertibilitas ataupun stasioneritas harus terpenuhi Kondisi invertibilitas ataupun stasioner telah terpenuhi. Hal ini ditunjukkan oleh jumlah koefisien MA atau AR yang masing-masingnya kurang dari satu. Dalam output model terlihat jumlah koefisien untuk MA = - 0, 9673 , SMA 1,1 = - 0,9985 dan SMA 1,2 = - 0,9759. - Parameter yang diestimasi berbeda nyata dari nol Parameter yang diestimasi berbeda nyata dengan nol. Ini dapat dilihat dari nilai P-value koefisien yang kurang dari 0,05. Terlihat pada output bahwa P- value parameter untuk MA 1 = 0,000, untuk SMA 1,1 = 0,000 dan SMA 1,2 = 0,000. - Model harus parsimonius Keseluruhan model yang telah memenuhi sayarat di atas, model SARIMA 0,01 0,1,2 12 adalah model yang relatif sudah dalam bentuk paling sederhana - Model harus memiliki nilai MSE terkecil Model ini memiliki nilai MSE terkecil dari keseluruhan model yang dicoba. Model ini meiliki nilai MSE sebesar 2,77E+11.

4. Peramalan

Hasil peramalan dapat dilihat pada output pengolahan data pada Lampiran 14. Total Permintaan impor oranges China untuk 12 bulan ke depan 64 meningkat menjadi sebesar 15.905 ton. Rata-rata permintaan impor oranges dari China sebesar 1.325 ton per bulan. Puncak tertinggi terjadi pada bulan Januari yaitu sebesar 3.921 ton, sedangkan pundak terendah pada bulan Juni 150 ton.

c. Faktor-Faktor yang Mempengaruhi Permintaan Impor Oranges Impor dari China

Berdasarkan hipotesis penelitian, keseluruhan variabel yang diduga mempengaruhi permintaan oranges dari China yang berpengaruh nyata antara lain harga oranges, lag impor dan dummy bulanan. Sedangkan variabel yang tidak berpengaruh nyata antara lain nilai tukar, pasokan dan harga jeruk PIKJ. Tabel 10. Hasil Analisis Model Regresi Permintaan Impor Oranges dari China Tahun 2002-2005 Elastisitas Peubah koefisien SE koefisien t- hitung p- value VIF SR LR Constant 4320589 2682328 1,61 0,117 Nilai tukar -235,4 193,5 -1,22 0,233 1,8 -2,71 -5,62 Harga oranges impor -1258136 589016 -2,14 0,041 2,1 -1,05 -2,19 Pasokan jeruk PIKJ 0,00844 0,03224 0,26 0,795 3,1 0,1 0,21 Harga jeruk PIKJ -18,6 145,2 -0,13 0,899 2,0 -0,13 -0,27 Lag volume impor 0,5183 0,1501 3,45 0,002 4,1 Januari 752452 441639 1,70 0,098 2,3 Februari -1930980 539149 -3,58 0,001 3,4 Maret -374896 401275 -0,93 0,357 1,9 April -1456937 430735 -3,38 0,002 2,1 Mei -1669814 466127 -3,58 0,001 2,5 Juni -1256138 444326 -2,83 0,008 2,3 Juli -1145835 456733 -2,51 0,018 2,4 Agustus -1157764 445759 -2,60 0,014 2,3 September -1005926 447037 -2,25 0,032 2,3 Oktober -1233881 421283 -2,93 0,006 2,1 November -591413 413062 -1,43 0,162 2,0 R-Sq = 83,1 R-Sqadj = 74,4 Durbin-Watson statistic =2,19 F hit =9,53 Keterangan: = signifikan pada taraf nyata 5 ; = signifikan pada taraf nyata 10 SR = jangka pendek; LR = jangka panjang Permintaan oranges China akan turun pada saat harga oranges di China sedang mengalami peningkatan. Hal tersebut diduga disebabkan harga oranges China relatif lebih tinggi dibandingkan dengan oranges dari negara lain lihat Lampiran 15. Terdapat indikasi respon yang sama pada saat nilai tukar rupiah 65 sedang terdepresiasi terhadap Dollar USA. Perminataan oranges dari China bersifat elastis terhadap perubahan harga dan nilai tukar, baik pada jangka pendek dan jangka panjang. Pada saat pasokan jeruk lokal meningkat, impor oranges China juga menunjukkan peningkatan. Terdapat indikasi, pada saat jeruk lokal meningkat konsumen meningkatkan konsumsi kedua-duanya. Hal tersebut diduga dikarenakan rasa yang berbeda antara jeruk lokal dan oranges impor. Pengujian asumsi kenormalan dilakukan dengan melihat grafik Kolmogorov-Smirnov Lampiran 17. Berdasarkan grafik ini, terlihat bahwa titik residual yang ada tergambar segaris dan nilai P-value sebesar 0,15 lebih besar dari α = 0,05. artinya, residual model permintaan oranges dari China terdistribusi normal. Pengujian lainnya yaitu asumsi homoskedastisitas atau masalah heteroskedastisitas diperiksa menggunakan grafik Residual Plot Lampiran 16. Pada grafik residual plot tidak ditemukan titik yang berpola sistematik acak. Hal ini menunjukkan bahwa variasi setiap unsur residual adalah sama konstan. Adapun masalah multikolinearitas dapat dilihat dari nilai VIF. Pada Tabel 38 terlihat bahwa semua variabel bebas penjelas mempunyai nilai VIF lebih kecil dari 10, sehingga tidak terjadi masalah multikolinearitas. Sedangkan uji Durbin- Watson untuk melihat autokorelasi dihasilkan nilai sebesar 1,91, yang berarti tidak terdapat autokorelasi antar veriabel bebas dalam model. Hasil dugaan model regresi permintaan impor oranges dari China Tabel 10 diperoleh koefisien determinasi sebesar 83,1 persen. Hasil tersebut memiliki pengertian bahwa 83,1 persen perubahan volume permintaan impor oranges dari China dapat dijelaskan oleh variasi variabel bebas dalam model, sedangkan 16,9 persen diterangkan oleh faktor-faktor lain yang tidak terdapat dalam model. Hasil pengolahan regresi dari permintaan oranges impor dari China dapat dilihat pada Lampiran 17. Hasil uji-F model secara keseluhan signifikan pada taraf nyata 66 sebesar 5 persen. Hasil tersebut memiliki pengertian bahwa secara bersama- sama semua variabel bebas dalam model mampu menjelaskan dengan baik perubahan volume permintaan impor oranges dari China.

5.1.2.2. Permintaan Oranges dari Australia a. Plot Data

Perkembangan Impor Oranges Indonesia dari Australia Tahun 2001-2005 200000 400000 600000 800000 1000000 1200000 1400000 1600000 Ja nu ar i m ar et m ei ju li se pt em be r no ve m be r ja nu ar i m ar et m ei ju li se pt em be r no ve m be r ja nu ar i m ar et m ei ju li se pt em be r no ve m be r ja nu ar i m ar et m ei ju li se pt em be r no ve m be r ja nu ar i m ar et m ei ju li se pt em be r no ve m be r Bulan B e ra t B e rs ih k g Impor Oranges Gambar 7. Perkembangan Impor Oranges Indonesia dari Australia Tahun 2001–2005 Australia merupakan negara asal impor oranges Indonesia terbesar ketiga. Selama tahun 2001 – 2005, impor oranges Indonesia terbesar dari Australia terjadi pada setiap awal tahun dan akhir tahun. Tahun 2001 permintan impor oranges Indonesia dari Australia adalah sebesar 2.491 ton. Meningkat 5,56 persen dari tahun 2001, tahun 2002 total permintaan impor oranges menjadi 2.630 ton. Pada tahun 2003 meningkat 49,18 persen dari tahun 2002 dan tahun 2004 meningkat sebesar 83,65 persen dari tahun 2003. Pada tahun 2005 menurun 43 persen, sehingga total permintaan oranges impor dari Asutralia pada tahun 2005 menjadi 4.065 ton.

b. Peramalan Permintaan Impor Oranges dari Australia