1. Dekomposisi aditif, model ini untuk pola data yang fluktuasinya relatif konstan.
2. Dekomposisi multiflikatif, model ini untuk pola data yang fluktuasinya proporsional terhadap trend.
7. Model Winters Model ini cocok digunakan untuk serial data yang mempunyai pola trend
linier, serta faktor musiman. Kelebihan model ini adalah mudah dan cepat untuk meng-update ramalan ketika data baru diperoleh, jika trend dan musiman
berubah dalam data historis dan pembobot optimal digunakan maka hasilnya lebih baik jika dibandingkan dengan model dekomposisi. Kelemahannya adalah
pembobot optimal yang diperoleh harus selalu dimonitor dan jika ada pengaruh siklis hasil ramalannya tidak akurat karena komponen siklis tidak diperhitungkan.
3.1.8. Pemilihan Teknik Peramalan
Hanke et al., 2003 menuliskan bahwa beberapa pertanyaan yang harus dipertimbangkan sebelum memutuskan teknik peramalan mana yang paling
cocok untuk suatu masalah tertentu adalah : 1. Kenapa ramalan dibutuhkan?
2. Siapa yang akan menggunakan ramalan? 3. Karakteristik apa yang ada pada data yang tersedia?
4. berapa periode waktu yang akan diramalkan? 5. Berapa data minimum yang menjadi persyaratan?
6. Seberapa besar derajat keakuratan dikehendaki? 7. Berapa biaya peramalan?
Dalam memilih teknik peramalan yang sesuai dengan benar, peramal harus dapat mengerjakan hal-hal berikut :
1. Menetapkan sifat dasar masalah peramalan
2. Menjelaskan sifat dasar data yang sedang diteliti 3. Mendeskripsikan kemampuan dan keterbatasan potensial dari teknik-
teknik peramalan yang kemungkinan sangat berguna Tingkat harga komoditas yang terjadi di pasar fisik selalu berfluktuasi
4. Mengembangkan sejumlah kriteria yang ditentukan terlebih dahulu sebagai dasar untuk memilih keputusan.
Faktor utama yang mempengaruhi pemilihan teknik peramalan adalah
identifikasi dan pemahaman pola data historis Hanke et al., 2003. 3.2. Kerangka Pemikiran Operasional
Tingkat harga komoditas CPO yang terjadi di pasar fisik selalu berfluktuasi sesuai dengan permintaan dan penawaran terhadap komoditas
tersebut di pasar internasional dan domestik. Resiko dan ketidakpastian merupakan salah satu faktor yang menyebabkan kegagalan pasar market
failure sehingga menyebabkan pasar terdistorsi dan ouput ekonomi tidak tercapai secara optimal.
Pemasaran komoditi CPO oleh pemasar di pasar fisik dan pasar berjangka akan sama-sama menghadapi fluktuasi harga, transaksi di pasar fisik
yang dilakukan oleh pemasar tidak ada lindung nilai hedging yang dapat dilakukan, sehingga harus menanggung semua resiko yang disebabkan oleh
fluktuasi harga. Berbeda dengan transaksi di pasar berjangka, pemasar dapat melakukan lindung nilai, sehingga dapat meminimalisir resiko perubahan harga
yang dihadapi. Seorang produsen, pemasar ataupun eksportir yang melakukan lindung
nilai tidak sepenuhnya terlepas dari resiko harga. Produsen tersebut harus tetap berhadapan dengan fluktuasi harga di pasar fisik dan fluktuasi harga di pasar
berjangka. Fluktuasi harga di pasar fisik dipengaruhi oleh tingkat permintaan dan penawaran aktual komoditas, sedangkan fluktuasi harga di bursa berjangka
komoditas dipengaruhi oleh prediksi para pelaku bursa berjangka komoditas dimasa mendatang.
Pergerakan harga fisik dan harga berjangka merupakan sumber data yang diperlukan dalam analisis teknikal untuk melakukan strategi lindung nilai.
Instrumen yang dipakai dalam analisis teknikal adalah model peramalan time series. Untuk melakukan analisis teknikal dalam rangka melakukan strategi
lindung nilai, dapat diketahui dengan melakukan penelitian mengenai peramalan harga CPO di pasar fisik dan pasar berjangka. Dengan penelitian ini dapat
diketahui bagaimana pola data dan dapat dipilih suatu metode peramalan yang paling mendekati kondisi aktualnya.
Hal pertama yang harus dilakukan untuk mendapatkan hasil peramalan yang baik adalah melakukan pengidentifikasian pola data. Pola data dipelajari
dari deret data harga CPO di pasar fisik dan pasar berjangka masa lalu dan plot autokorelasi. Dari pola data yang didapat, kemudian akan disesuaikan dengan
metode peramalan kuantitatif yang akan digunakan. Metode peramalan kuantitatif terdiri dari dua metode yaitu metode kausal
dan time series. Pada penelitian ini digunakan model time series yang memang sering digunakan oleh pelaku perdagangan di pasar berjangka. Model time
series yang digunakan antara lain tren, dan ARIMA serta Dekomposisi Multiflikatif dan Additif. Berdasarkan model peramalan tersebut, lalu dipilih model peramalan
yang terbaik dengan nilai MAPE terkecil. Setelah didapatkan model peramalan terbaik, kemudian dilakukan peramalan selama beberapa bulan kedepan
berdasarkan model terbaik.
Keterangan : - - - - - - - - - : Tidak diteliti dalam penelitian
Gambar 4. Kerangka Pemikiran Operasional Peramalan Harga CPO di Pasar Berjangka dan Pasar Fisik
Fluktuasi harga CPO yang terjadi di pasar berjangka dan pasar fisik, menyebabkan produsen
eksportir CPO kesulitan didalam mengurangi meminimalisir resiko kerugian akibat terjadinya fluktuasi
harga CPO.
Faktor-faktor yang mempengaruhi
harga CPO Analisis Harga CPO di
Pasar Fisik dan Berjangka
Penyesuaian Pola Data dengan Model Peramalan Yang akan digunakan
Model Time Series Model Sederhana ; Naïve,
Rata-rata sederhana, dll Tren
Dekomposisi ARIMA
Smoothing Winters
Pemiihan Model Peramalan Terbaik untuk Meramalkan Harga CPO Nasional dan Internasional
Implikasi Hasil Ramalan Bagi Produsen CPO Identifikasi Pola Data
IV. METODE PENELITIAN
4.1. Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan mulai dari bulan Februari 2006. Pengambilan
data dilakukan di Badan Pengawas Perdagangan Berjangka Komoditi BAPPEBTI yang berlokasi di Jakarta. Pengambilan data dilakukan pada bulan
April sampai Mei 2006.
4.2. Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk deret berkala. Data yang digunakan berupa data harga CPO di pasar fisik
Belawan, Medan dan harga CPO di pasar berjangka Rotterdam dan Malaysia. Data harga CPO di pasar berjangka Rotterdam dan pasar fisik Medan diperoleh
dari informasi statistik yang dimiliki oleh Badan Pengawas Perdagangan Berjangka Komoditi BAPPEBTI yang berlokasi di Jakarta, selama kurun waktu
dua tahun yakni mulai dari Januari 2004 sampai dengan Desember 2005. Data yang diperoleh untuk pasar berjangka Rotterdam berupa data harga nominal
CPO harian dengan satuan US ton, untuk pasar fisik Belawan harga yang diperoleh berupa harga nominal CPO harian dengan satuan Rpkg. Data harga
CPO di pasar berjangka Malaysia diperoleh dari internet, selama kurun waktu tujuh belas bulan mulai dari Januari 2004 sampai dengan Mei 2005, data harga
nominal CPO harian dengan satuan US ton. Untuk memudahkan proses peramalan maka data tersebut diubah dalam bentuk rata-rata dalam periode
waktu mingguan. 4.3. Metode Pengolahan dan Analisis Data
Data sekunder yang diperoleh diolah menggunakan komputer dengan program Microsoft Excel. Program Minitab 14 digunakan untuk menganalisis