Analisis Peramalan Penjualan Menggunakan Metode Kointegrasi Antara Jenis Kue Di Triple Combo Bogor

I. PENDAHULUAN

1.1. Latar Belakang

Berbagai jenis makanan dan jajanan semakin banyak kita temui di lingkungan kita, baik jenis makanan kecil dan makanan besar. Makaroni contohnya, makanan ini merupakan makanan yang sudah sering kita dengar bahkan kita konsumsi. Para pengusaha sangat detail dalam melihat peluang bisnis untuk makanan tersebut. Berbagai cara dan kreativitas dibuat para pengusaha untuk menarik dan mempertahankan konsumen agar tidak kalah dengan pesaing, salah satunya dengan cara memberikan variasi dari jenis jualan.

Kue klappertat, kue yang berasal dari Menado, dulunya banyak di konsumsi oleh para bangsawan Belanda, akan tetapi sekarang kue ini banyak dijumpai di daerah Pangrango Bogor. Saat ini kue klappertart divariasikan dengan makaroni panggang dan pastel tutup dengan nama TRIPLE COMBO. Penjualan triple combo ini mencapai 15 juta per minggu.

Triple Combo merupakan hidangan yang exclusive memiliki 3 jenis kue utama, yaitu: Klappertart, Makaroni, dan Pastel. Selain tiga jenis makanan ringan tersebut, Triple Combo juga memiliki varian lain, seperti : Spekoek atau Lapis Surabaya, Bitterballen, Olliebollen, Holand Croquette, Eclair, Bakwan Udang, Tahu Isi, Panada, Lemper, Arem-arem, dan makanan ringan Indonesia lainnya. Triple Combo Snack mempunyai 3 Jenis exclusive snack andalan yang unik dan spesial, yaitu :

- Klappertart (Potongan kelapa muda didalam cream susu, custard dan ditutup dengan putih telur).

- Pastel Tutup / Indische Pastei (Ayam, Sosis sapi, wortel, Jamur telinga, Chinese vermicelli and cover by mashed potato).

- Makaroni Schoetel (Makaroni & kornet daging sapi ditaburi keju). Kelebihan Triple Combo adalah :

- Menu spesial warisan jaman kolonial Belanda yang terkenal di Indonesia - Sehat, lezat & bergizi tinggi

- Proses pembuatannya yang higienis

- Tidak menggunakan bahan pengawet dan aditif lainnya - Halal, sertifikat halal dari MUI

Triple Combo juga memproduksi berbagai macam exclusive snack yang siap mendampingi semua jenis acara pelanggan. Tersedia snack dari cake, roti, hingga snack tradisional, seperti Lapis Surabya, Roll Cake, Panada, Sosis Roll, Risoles, Lemper, Arem-arem ataupun Kelepon.

Ketiga kue tersebut dapat dipilih dan disesusaikan dengan acara pelanggan ataupun dikombinasikan sesuai selera, sehingga hidangan dapat lebih bervariasi tetapi tetap exclusive dan memberi kelas tersendiri. Produksi Triple Combo Snack didukung oleh tenaga ahli yang berpengalaman dan sudah keliling dunia. Dalam produksi sehari-hari Triple Combo juga disupervisi oleh Bogor Hotel Institute, yaitu institusi pendidikan pariwisata ternama di Bogor dan oleh tenaga ahli dibidang patiseri dari hotel berbintang di Bogor yaitu Hotel Salak The Heritage. Team produksi bekerja dengan profesional setiap hari selama 24 jam secara bergantian dengan sistem bergiliran (shift) untuk menghasilkan snack yang berkualitas sesuai pesanan pelanggan. Bahan baku pilihan yang sudah dipersiapkan oleh bagian purchasing dikontrol kualitasnya dan diolah dengan baik, bersih dan sehat oleh para ahli dan siap saji. Peralatan yang modern dengan teknologi terbaru dan dioperasikan dengan sistem yang baik serta manajemen yang baik juga sangat mendukung proses produksi untuk mendapatkan hasil produksi yang optimum. Produksi Triple Combo yang sudah jadi dikemas dengan baik dan exclusive dan dimasukkan dalam box yang mewah dan menarik dan siap diantar oleh team pengantar yang siap melayani pesanan di Bogor, Jakarta dan sekitarnya, sehingga dapat tiba di tujuan atau kantor pelanggan tepat pada waktunya.

Penjualan Triple Combo menarik untuk diteliti karena terdiri dari tiga komoditas kue. Dalam penelitian ini, digunakan model kointegrasi yang menggunakan data deret waktu penjualan dari ketiga kue tersebut. Dalam penggunaan model ini kemungkinan data deret waktu bersifat stasioner dan bisa juga tidak stasioner. Untuk data yang tidak stasioner diperlukan proses diferensiasi terlebih dulu walaupun proses ini dapat menghilangkan hubungan

jangka panjang yang mungkin terdapat dalam variabel-variabel time series yang diteliti dan hanya memberikan hubungan jangka pendek. Di sinilah pentingnya proses kointegrasi dimana konsep ini membantu memberikan informasi mengenai hubungan jangka panjang dari ketiga kue tersebut dengan menggunakan time series non-stasioner. Dengan kata lain konsep ini mengatakan bahwa apabila terdapat dua atau lebih time series yang tidak stasioner (mempunyai unit roots) dan terintegrasi pada orde yang sama serta residunya bersifat stasioner sehingga tidak ada korelasi serial di dalamnya (white nose) maka time series tersebut dinamakan terkointegrasi.

1.2 Perumusan Masalah

- Permasalahan yang dihadapi ialah pemasaran dan promosinya yang kurang menyebar;

- Peramalan tiga bulan ke depan antara mengalami kenaikan atau penurunan; - Masyarakat luas belum mengenal Triple combo secara luas;

Berdasarkan pemaparan tersebut, dapat dirumuskan permasalahan dalam penelitian ini adalah:

1. Bagaimana analisis hubungan kointegrasi antara klappertart, makaroni dan pastel?

2. Bagaimana peramalan penjualan dan harga klappertart tiga bulan ke depan?

1.3 Tujuan Penelitian

1. Mengetahui hubungan kointegrasi antara ketiga kue klappertart, makaroni dan pastel sebagai perencanaan peramalan.

2. Dapat mengetahui ramalan penjualan sebagai target penjualan tiga bulan kedepan dan mengantisipasi pada bulan yang diramalkan akan menurunnya penjualan suatu kue sehingga penurunan penjualan tersebut tidak terjadi.

1.4. Manfaat Penelitian

Hasil penelitian berguna dan menjadi masukan bagi para pelaku bisnis dalam pemasaran kue klappertart. Penelitian ini diharapkan dapat menjadi alternatif informasi untuk merumuskan kebijakan sehingga dapat berguna sebagai acuan dalam meramalkan penjualan juga merencanakan strategi pengembangan Triple

Combo baik yang sedang maupun yang akan diusahakan. Sedangkan bagi penulis, penelitian ini diharapkan dapat dijadikan sebagai aplikasi nyata dari ilmu yang didapat selama penulis menuntut ilmu di Institut Pertanian Bogor, serta diharapkan dapat menambah keterampilan, kemampuan, dan pengalaman bagi penulis. Bagi pembaca, penelitian ini diharapkan dapat bermanfaat sebagai tambahan informasi dan literatur untuk penelitian selanjutnya. Penelitian ini juga diharapkan menjadi masukan bagi perusahaan Triple Combo agar kedepannya bisa berkembang dan juga bisa menjadi perusahaan yang banyak diminati oleh masyarakat pada umumnya.

1.5Ruang Lingkup

Penelitian ini dilakukan untuk menganalisis kointegrasi pada penjualan Triple Combo agar dapat diketahui perkembangan Triple Combo (klappertart, makaroni, dan pastel) periode 2009-2011 dengan menggunakan model VAR (Vector Autoregresive). Untuk mendapat taksiran penjualannya digunakan simulasi

Impuls Response Function (IRF) dan Forecasting Eror Variace Decompotion

II. TINJAUAN PUSTAKA 2.1. Kue

Kue adalah makanan ringan yang bukan makanan utama. Kue berasal kata dari bahasa Tionghoa, kemungkinan besar bahasa Hokkien. Secara harafiah kue seringkali diartikan sebagai makanan ringan yang dibuat dari tepung. Baik tepung beras maupun tepung terigu. Kue kering sudah lama kita kenal dan kue kering sangat enak untuk dihidangkan. Dalam setiap kesempatan kue kering bisa menjadi suguhan yang menarik, bisa disajikan kapan saja. (http://id.wikipedia.org/wiki/Kue, 2011).

_{Selain kue kering kita pun dapat menjumpai kue basah yang umumnya empuk,}

lembut, dan tidak bertahan lama (hanya bertahan beberapa hari). Biasanya terbuat dari tepung terigu, sagu, gula, bahkan ada yang berbahan santan atau ketan. Yang termasuk dalam kategori kue basah diantaranya: martabak manis, lemper, lumpia, pastel, kue sus, panekuk, kue lapis, lapis legit, kue cucur, bakpia, kue mangkok, mochi, kue pukis, bika ambon, donat, bolu, kue serabi, risol dan lain sebagainya. (http://id.wikipedia.org/wiki/Kue_basah, 2011).

Pastel adalah nama produk roti yang terbuat dari tepung terigu, gula, susu, mentega, lemak, bubuk pemuai (baking powder) atau telur. Kue kering dapat juga mengacu pada adonan dari produk-produk roti. Adonan kue kering diguling dengan halus dan digunakan sebagai bahan dasar produk roti. Makanan-makanan dari kue kering umumnya adalah pastei, kue tar, dan quiche. Kue kering berbeda dengan roti karena mengandung lemak lebih tinggi, sehingga menghasilkan kue kering dengan tenunan (texture) yang rapuh dan garing. Kue kering yang baik terasa ringan dan rapuh, namun cukup keras untuk menahan isian. Ketika membuat kue kering tipis, pembuatan harus diperhatikan secara hati-hati ketika mencampurkan lemak dan terigu sebelum ditambahkan cairan, sehingga bubuk terigu telah bercampur dengan lemak dan tidak berubah menjadi gluten. Namun sebaliknya, mencampurkan terlalu lama membuat kue kering menjadi keras. Kue kering lainnya, seperti Kue Kering Denmark dan roti bulan sabit (croissant), tenunan rapuh dari kue kering tersebut didapatkan ketika adonan digulung berkali-kali seperti roti ragi, lalu diolesi dengan mentega, dan kemudian dilipat sampai menghasilkan lipatan-lipatan tipis. (http://id.wikipedia.org/wiki/Kue_kering,2011)

Pastel yang terdiri dari kulit kue kering dan isi, isi pastel dapat berupa buah, daging, ikan, sayur, keju, coklat, kustar, kacang, dan lain-lain. Pastel buah biasanya disajikan dengan es krim, disebut à la mode. Pastel daging Australia dianggap sebagai makanan nasional Australia, berisi daging sapi dan kuah kental (gravy). Hidangan khas Adelaide adalah pastei apung (pie floater). (http://id.wikipedia.org/wiki/Pastei,2011)

Klappertart di Indonesia dikenal sebagai kue khas Manado dengan bahan dasar kelapa, tepung terigu, susu, mentega dan telur. Resep adonan tersebut merupakan pengaruh saat zaman pendudukan Belanda di Manado. Terdapat beberapa macam cara memasak klappertart. Bila dipanggang dan menggunakan roti, maka akan menghasilkan klappertart dalam bentuk yang padat, bisa dipotong layaknya kue tart pada umumnya. Tetapi ada juga cara memasak yang tidak panggang. Ini akan menghasilkan tekstur yang begitu lembut, seperti memakan

custard yang langsung meleleh begitu masuk ke mulut. Kue ini paling nikmat bila disantap dalam keadaan dingin jadi tidak boleh dibiarkan terlalu lama di luar pendingin. Klappertart termasuk kue yang mengandung kalori yang cukup tinggi. Ada pengusaha klappertart yang mencari campuran adonan yang lebih rendah jumlah kandungan kalorinya. Beberapa jenis klappertart menggunakan lemak rendah kalori, susu kalsium tinggi dan pemanis rendah kalori sebagai campuran adonannya menggantikan susu dan gula yang pada umumnya digunakan, sehingga menjadikan kue ini berkurang jumlah kalorinya. Klappertart rendah kalori memang sengaja dibuat agar orang-orang yang sedang diet bisa menikmati kue lezat ini. (http://id.wikipedia.org/wiki/Klappertart,2011)

Disetiap negara, kue kering mempunyai nama yang berbeda. Perancis sebagai tempat asal pertama kali kue kering dikenal, menyebutnya biscuit, bis

adalah dua, cuit adalah memasak, artinya kue yang dimasak dua kali supaya kering, renyah dan tahan lama. Istilah yang sama juga digunakan di Inggris. Orang Amerika menyebutnya cookies, orang Belanda menyebutnya koekje artinya kue kecil. Apapun namanya dan bagaimanapun bentuknya, pada prinsipnya kue kering adalah kue yang berbentuk kecil untuk satu atau dua suapan, dipanggang dalam oven dan tahan lama. Umumnya kue kering renyah dan kering. Namun ada juga

yang menggunakan madu sebagai pengganti gula. Ada juga yang tidak terlalu kering dengan tekstur mirip cake.

Kue kering banyak jenisnya dari yang klasik dan bertahan sepanjang masa, seperti kaastengels sampai kue kering jenis baru dan modern. Cara membuatnya ada yang mudah dan sederhana, karena membentuknya cukup dengan sendok atau sekup es krim, seperti chocolate chip. Ada yang adonannya harus disimpan dulu dalam lemari es atau freezer sampai agak keras agar mudah dipotong. Bagi sebagian orang, membuat kue kering memang mengasyikan dan memberikan kepuasan tersendiri. Dari satu adonan bisa dihasilkan aneka variasi kue kering. Yang penting kuasai teknik dasar, lalu kembangkan kreatifitas untuk mendapatkan berbagai bentuk dan cita rasa yang optimum. Ada banyak jenis kue salah satunya adalah klappertart, kue dengan bahan dasar kelapa.

Di Manado, Sulawesi Utara kue ini biasa dijual di kafe dan selalu dijaga kualitasnya. Salah satu kafe di kota ini memiliki klappertart yang khas sehingga tidak sedikit wisatawan lokal dan mancanegara yang membelinya untuk sekedar oleh-oleh. Meski citarasanya dikenal sangat lezat, namun membuat klappertart tidaklah sulit. Bahan baku yang dibutuhkan adalah kelapa muda yang diiris tipis dan direbus. Bahan lainnya adalah mentega, susu, gula pasir, tepung terigu dan telur yang dicampur menjadi satu adonan. Setelah dikocok hingga mengembang, irisan kelapa muda dimasukan dalam adonan ini. Untuk menambah kelezatan dibuat adonan berbahan gula dan putih telur yang dikocok dengan menggunakan mesin hingga berbentuk busa berwarna putih. Adonan ini digunakan sebagai lapisan atas klappertart yang telah diletakkan dalam sebuah tempat. Tidak lupa potongan biji kenari, kismis hingga keju ditaburkan diatasnya kemudian dipanggang dalam oven selama sekitar setengah jam. Untuk menambah kelezatan, klappertart ini dimasukkan dalam lemari pendingin sebelum disajikan. Tidak hanya diberi warga Manado tetapi juga dibeli wisatawan lokal dan mancanegara sebagai oleh-oleh. Bahkan klappertart yang dijual seharga tujuh puluh lima ribu rupiah perporsi besar ini juga pernah dibawa hingga keluar negeri seperti Singapura dan Amerika Serikat. Kue berbahan dasar kelapa muda ini sangat lezat dan menggugah selera apalagi kalo disajikan dalam keadaan dingin dan dinikmati disiang hari, di Manado, Sulawesi Utara ada beberapa kafe dan toko kue yang

menjual kue klappertart ini yang sangat menjaga kualitas rasanya. Meski terkenal dengan cita rasanya, membuat klappertart ini tidak sulit.

2.2. Penjualan

Dilihat dari sisi fungsi pemasaran, penjualan merupakan salah satu fungsi pemasaran yang sangat penting dan menentukan, karena merupakan sumber pendapatan yang diperlukan untuk menutup biaya. Peramalan penjualan mempengaruhi perencanaan dan pengamnbilan keputusan secara menyeluruh. Dari hasil peramalan penjualan yang dianalisis dengan menggunakan analisis runtut waktu, kita akan dapat penjualan klappertart. Menurut Arsyad (1994), hanya sedikit perusahaan yang dapat bertahan hidup tanpa peramalan yang akurat tentang, misalnya, volume penjualan, tingkat pengeluaran, dan aliran modal dimasa datang.

Peramalan Penjualan

Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Peramalan adalah suatu proses memperkirakan secara sistematik tentang apa yang paling mungkin terjadi di masa depan berdasar informasi masa lalu dan sekarang yang dimiliki agar kesalahannya selisih antara apa yang terjadi dengan hasil perkiraan dapat diperkecil Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola yang sistematis (Sugiarto dan Harjiono,2000) perkiraan penjualan untuk tahun depan akan mencerminkan :

1.Kecenderungan penjualan masa lalu yang diharapkan akan terulang lagi pada berikutnya.

2.Pengaruh setiap peristiwa apapun yang mungkin secara material mempengaruhi kecenderungan itu.

2.3. Peramalan

Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan, pola yang sistematis, (Sugiarto dan Harijono,2000) memberikan definisi peramalan sebagai suatu proses memperkirakan secara

sistematis tentang apa yang mungkin terjadi di masa depan berdasarkan informasi secara masa lalu dan sekarang yang dimiliki agar kesalahan dapat diperkecil.

Peramalan sangat penting penggunaaannya dalam berbagai situasi perencanaan dan pengambilan keputusan. Teknik peramalan yang dipilih ditentukan berdasarkan tingkat kesalahan terendah yang kemudian dijadikan sebagai pendekatan untuk menentukan perencanaan jumlah kapasitas produksi.

Perkembangan teknologi komputer yang semakin pesat menyebabkan peramalan kuantitatif akhirnya dapat dipandang sebagai sesuatu kegiatan yang tidak terlalu sukar untuk diterapkan dan dapat memberikan hasil yang akurat.

Terdapat dua pendekatan umum, peramalan sebagaimana ada dua cara mengatasi semua model keputusan, yaitu analisis kualitatif dan kuantitatif. Peramalan kuantitatif menggunakan model matematik yang beragam dengan data masa lalu, dan peubah sebab akibat untuk meramalkan permintaan. Peramalan subjektif atau kualitatif, yaitu peramalan yang menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi dan sistem nilai pengambilan keputusan untuk meramal.

Jenis-Jenis Peramalan

1. Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan, dan indikator perencanaan lainnya.

2. Peramalan teknologi (technological forecast) memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralat baru.

3. Peramalan permintaan (demand forecast) adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan. Peramalan ini disebut juga peramalan penjualan, yang mengendalikan produksi, kapasitas, serta sistem penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran, dan sumber daya manusia.

Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara melihatnya. Apabila dilihat dari sifat penyusunannya, maka peramalan dapat dibedakan atas dua macam yaitu :

1. Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan atau

judgement dari orang yang menyusunya sangat menentukan baik, tidaknya hasil ramalan tersebut.

2. Peramalan obyektif, yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode dalam menganalisis data tersebut.

Peramalan berdasarkan horizon waktu dibedakan atas beberapa kategori, yaitu 1. Peramalan jangka pendek, yaitu peramalan yang mencangkup jangka waktu hingga satu tahun, tetapi umumnya kurang dari 3(tiga) bulan. Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja dan tingkat produksi.

2. Peramalan jangka menengah, yaitu peramalan yang mencangkup hitungan bulanan hingga 3 (tiga) tahun. Peramalan ini berguna untuk merencanakan penjualan, perencanaan dan anggaran produksi, anggaran kas dan menganalisis bermacam-macam rencana operasi.

3. Peramalan jangka panjang, yaitu peramalan yang mencangkup perencanaan masa tiga tahun atau lebih. Peramalan ini digunakan untuk merencanakan produk baru, pembelanjaan modal, atau pengembangan fasilitas, serta penelitian dan pengembangan.

Terdapat 2 pendekatan dalam peramalan:

Peramalan kuantitatif (quantitave forecast) yaitu menggunakan model matematis yang beragam dengan data masa lalu dan variable sebab akibat untuk meramalkan permintaan. Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut :

1. Tersedia informasi tentang masa lalu (data historis)

2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik 3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.

Peramalan kualitatif (qualitative forcast) menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi dan sistem nilai pengambil keputusan untuk meramalkan.

Jika dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan dua macam, yaitu peramalan jangka panjang dan peramalan jangka pendek. terdapat banyak teknik atau metode ilmiah untuk peramalan yang dibedakan dalam dua kelompok, yaitu kualitatif dan kuantitatif.

Peramalan jangka panjang adalah peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester. Peramalan seperti ini misalnya diperlukan dalam penyusunan rencana prmbangunan suatu Negara atau daerah, corporate planning, rencana investasi atau rencana ekspansi dari suatu perusahaan.

Peramalan jangka pendek yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dengan jangka waktu yang kurang dari satu setengah tahun atau tiga semester. Peramalan seperti ini diperlukan dalam penyusunan rencana tahunan, rencana kerja operasional dan anggaran, contohnya penyusunan rencana produksi, rencana penjualan, rencana pengadaan, rencana persediaan, anggaran pemasaran dan anggaran perusahaan.

Menurut Aritonang (2002), metode kualitatif lebih didasarkan pada intuisi dan penilaian orang yang melakukan peramalan (forecaster) daripada pemanipulasian (pengolahan dan penganalisaan) data historis yang tersedia. Misalnya peramalan penjualan produk baru.

2.4. Kointegrasi

Regresi dari dua variabel yang non-stasioner akan menyebabkan timbulnya

spurios regression sehingga proses diferensiasi harus terlebih dahulu dilakukan (Engle dan Granger, 1987). Dalam penelitian ini juga digunakan kointegrasi antar variabel yang terdapat dalam model VAR. Dengan demikian, metode VAR dengan menggunakan bantuan software e-views dapat menguji kointegrasi ini melalui metode Johansen Cointegration Test. Uji kointegrasi dilakukan untuk melihat apakah terdapat hubungan antara variabel dalam jangka panjang atau adanya keseimbangan di antara variabel-variabel yang tidak stasioner. Ada hal-hal yang harus diperhatikan mengenai definisi kointegrasi (Enders,2004):

1. Kointegrasi adalah kombinasi linear variabel-variabel yang tidak stasioner. Tetapi secara teori, mungkin juga bahwa hubungan non liner jangka panjang terdapat di antara gugus variabel yang terintegrasi.

2. Berdasarkan definisi Engle dan Granger dalam Enders (2004), kointegrasi adalah variabel-variabel yang terintegrasi dalam order yang sama. Tetapi bisa juga terjadi hubungan kombinasi linear yang terkointegrasi dari order yang berbeda. Analisis formalnya dimulai dengan mendasarkan pada himpunan peubah (variabel) ekonomi yang berada pada keseimbangan jangka panjang.

β1 x1 + β2 x2 + ... + βn xn = 0 atau βix1= 0

...(1)

Penyimpangan dari keseimbangan jangka panjang disebut galat (error) ekuilibrium (et), sehingga et = βx1 dimana et pada kondisi stasioner. Menurut

Engle-Granger komponen suatu vektor xt = (x1t, x2t, ..., xnt) dikatakan

berkointegrasi ordo (d,b) dan dinyatakan dengan CI (d,b), jika : 1. Semua komponen dari xt adalah berintegrasi ordo d.

2. Ada vektor β = (β1,β2, ..., βn) sehingga kombinasi linear β1 x1t+ β2 x2 + ... + βn xn adalah berintegrasi ordo d-b, dimana b > 0 dan β disebut

vektor kointegrasi.

Ada beberapa hal yang harus diperhatikan dalam melakukan identifikasi model kointegrasi, antara lain:

1. Kointegrasi mengacu pada kombinasi linear dari peubah non stasioner. Secara teoritis, sangat tidak mungkin terdapat hubungan jangka panjang yang non linear diantara peubah-peubah yang terintegrasi.

2. Semua peubah harus mempunyai ordo integrasi sama dan tidak berarti peubah dengan integrasi sama adalah kointegrasi. Suatu peubah yang memiliki ordo integrasi yang tidak sama tidak dapat berkointegrasi. Misalnya ordo integrasi dari peubah x1t dan x2t masing-masing d1 dan

d2, dimana d1 > d2, maka kombinasi linear dari x1t dan x2t adalah I (d2).

3. Jika komponen xt ada sebanyak n, maka ada paling banyak n-1 vektor

4. Umumnya literatur-literatur kointegrasi memfokuskan peubah-peubah yang mempunyai orde integrasi satu.

2.5. Vector Autoregressive (VAR)

Penelitian ini menggunakan metode analisis VAR. Metode ini dikembangkan oleh Christopher Sims pada tahun 1980. Penggunaan metode ini didasari bahwa sebuah variabel bukan saja dapat berlaku sebagai variabel endogen tetapi juga dapat berlaku sebagai variabel eksogen. Hal ini dapat terjadi karena dengan menggunakan pendekatan structural atas permodelan persamaan simultan. Keunggulan metode VAR antara lain (Gujarati,2003) :

1. Metode ini sederhana, tanpa harus membedakan nama variabel endogen dan variabel eksogen;

2. Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan pada tiap-tiap persamaan secara terpisah;

3. Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan teori ekonomi yang sering muncul termasuk gejala perbedaan semu (spurious variable endogenity dan exogenity) di dalam model ekonometrik konvensional terutama pada persamaan simultan, sehingga menghindari penafsiran yang salah;

4. Hasil perkiraan (forecast) yang diperoleh dengan menggunakan metode ini dalam banyak kasus lebih bagus dibandingkan dengan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks sekalipun. Selain itu, analisis VAR juga merupakan alat analisis yang sangat berguna, baik di dalam memahami adanya hubungan timbal balik (interrelationship) antara variabel-variabel ekonomi, maupun di dalam pembentukan model ekonomi berstruktur.

Metode VAR juga dapat digunakan untuk menganalisa 4 hal, pertama, forecasting, ekstrapolasi nilai saat ini dan masa depan seluruh variabel dengan memanfaatkan seluruh informasi masa lalu variabel. Kedua, Impluse Respone Function (IRF) untuk mengetahui respon saat ini dan masa depan variabel akibat perubahan atau shock suatu variabel tertentu lainnya. Ketiga, Forecasting Error Variance Decomposition

(FEVD) untuk memprediksi kontribusi persentase varian setiap variabel terhadap perubahan suatu variabel tertentu lainnya. Keempat, Granger Causality untuk mengetahui hubungan sebab akibat antar variabel. Dalam penelitian ini, model VAR digunakan untuk mengetahui hubungan dinamis jangka panjang dan jangka pendek antar variabel.

Kelemahan metode VAR,diantaranya :

1. Model VAR merupkan pengukuran yang tidak dilandasi teori tentang hubungan antar-variabel (model non-struktural).

2. Mengingat tujuan utama model VAR untuk peramalan, maka model VAR kurang cocok untuk analisis kebijakan.

3. Pemilihan banyaknya lag yang diinginkan dalam persamaan dapat menimbulkan permasalahan.

4. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah.

Secara umum model persamaan VAR ordo p dengan n peubah tak bebas pada waktu t dapat ditulis sebagai berikut :

Vector Autoregresesive atau yang dikenal dengan VAR adalah suatu sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linier dari konstanta nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada di dalam sistem. Jadi, peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem. Model VAR dikembangkan oleh Christopher Sims pada tahun 1980. Model ini pada dasarnya hampir sama dengan model untuk menguji Granger’s Causality. VAR adalah model a-theory terhadap teori ekonomi. Namun demikian model ini sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi dimana terjadi saling ketergantungan anatar variable dalam ekonomi. Model ini juga menjadi dasar munculnya metode kointegrasi Johansen yang sangat baik dalam menjelaskan perilaku variabel dalam perekonomian.

Model VAR memiliki beberapa keunggulan , antara lain (Khairunisa, 2009) : 1. Model ini sederhana, tidak perlu khawatir membedakan anatara variable

2. Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan pada tiap-tiap persamaan secara terpisah.

3. Hasil ramalan (forecast) yang diperoleh dengan VAR dalam banyak kasus lebih bagus dibandingkan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks sekalipun.

Namun demikian, model VAR juga mempunyai kekurangan, di antaranya adalah sebagai berikut :

1. Model VAR lebih bersifat a-theory karena tidak memanfaatkan informasi atau teori terdahulu

2. Mengingat tujuan utama VAR adalah untuk peramalan maka model VAR kurang cocok untuk analisis kebijakan.

3. Pemilihan banyaknya lag yang digunakan dalam persamaan juga dapat menimbulkan permasalahan.

4. Semua variable VAR harus stasioner.

5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah.

2.6 Impuls Response Function (IRF)

Impuls resonponse function merupakan suatu cara pengujian struktur dinamis dari ssitem variabel dalam model yang diamati dan dicerminkan oleh variabel inovasi (innovation variable). IRF menunjukkan respon dari setiap variabel endogen sepanjang waktu terhadap kejutan (shock) dari variabel itu sendiri dan variabel endogen lainnya. IRF juga mengidentifikasikan suatu kejutan pada suatu variabel endogen sehingga dapat menetukan bagaimana suatu perubahan yang tidak diharapkan dalam variabel mempengaruhi variabel lainnya sepanjang waktu. Dengan demikian, IRF digunakan untuk melihat pengaruh kontemporer dari sebuah variabel dependen jika mendapatkan guncangan atau inovasi dari variabel independen sebesar satu standar deviasi.

Hasil IRF sangat sensitif terhadap pengurutan (ordering) variabel yang digunakan dalam perhitungan.pengurutan variabel yang didasarkan pada faktorisassi Cholesky dilakukan dengan catatan variabel yang memiliki nilai prediksi terhadap variabel lain yang diletakkan di depan berdampingan satu sama lainnya. Sedangkan, variabel yang tidak memiliki nilai prediksi terhadap variabel lain diletakkan paling belakang, kemudian variabel lainnya diletakkan di antara

kedua variabel tersebut berdasrkan nilai matriks korelasi yang menyatakan tingkat korelasi paling besar. Selain itu, IRF juga digunakan untuk mengetahui berapa lama pengaruh shock dari satu variabel terhadap variabel lain tersebut tejadi. IRF juga bertujuan untuk mengisolasi suatu shock agar lebih spesifik artinya variabel ekonomi hanya dipengaruhi oleh shock tertentu saja. Apabila hal tersebut tidak dilakukan maka shock spesifik tersebut tidak dapat diketahui dan yang dapat diketahui adalah shock secara umum.

2.7 Forecast Error VarianceDecomposition (FEVD)

Forecast Error Decomposition of variance (FEVD) dapat memberikan informasi mengenai variabel inovasi yang relatif lebih penting dalam VAR. Metode ini digunakan untuk melihat bagaimana perubahan dalam suatu variabel makro, yang digunakan untuk melihat bagaimana perubahan dalam suatu variabel makro, yang ditujukan oleh perubahan variance error yang dipengaruhi oleh variabel-variabel lainnya. Metode ini juga dapat mencirikan struktur dinamis dalam model VAR. Dengan metode ini, dapat dilihat juga kekuatan dan kelemahan dari masing-masing variabel dalam mempengaruhi variabel lainnya pada kurun waktu yang panjang (how long / how persistent).

Dekomposisi varians merinci varian dari error peramalan (forecast) menjadi komponen-komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model. Dengan menghitung persentase squared prediction error k-tahap ke depan dari sebuah variabel akibat inovasi dalam variabel-variabel lain, dapat dilihat seberapa besar error peramalan variabel tersebut disebabkan oleh variabel itu sendiri dan variabel-variabel lainnya.

FEVD dilakukuan untuk memberikan informasi mengenai bagaimana hubungan dinamis antara variabel yang dianalisis. Selain itu, FEVD dilakukan untuk melihat seberapa besar pengaruh guncangan acak (random shock) dari variabel tertentu terhadap variabel endogen. FEVD menghasilkan informasi mengenai relatif pentingnya masing-masing gangguan struktural inovasi acak (random innovation structural disturbance) atau seberapa kuat peranan variabel tertentu terhadap lainnya.

Istiati (2006) Analisis Strategi Bersaing Dalam Usaha Bidang Teknologi Informasi (Studi Kasus PT.AMTP Jakarta) menyimpulkan bahwa untuk memudahkan pengamatan maka pengolahan dan pengumpulan data dengan menunjuk pimpinan perusahan untuk memberikan penilaian sehingga bobotnya dapat diketahui dengan pengumpulan data melalui data pimer dan data sekunder. Dengan metode studi kasus pada perusahaan yang saat ini sedang berusaha menggembangkan dirinya menghadapi persaingan di masa datang. Agar permasalahan lebih terarah dan terinci sehingga hasil yang diperoleh lebih akurat dan mendalam maka perlu dikaji beberapa aspek manajemen.

Aldina (2008) Analisis Peramalan Penjualan Matrix Blackberry PT. Indosat,TBK yang menggunakan data primer diperoleh dari hasil analisa dan pengamatan langsung di lapangan serta wawancara langsung dengan pihak manajemen sebagai narasumber. Sedangkan data sekunder merupakan data pelengkap dari data primer yang dikumpulkan dari literatur-literatur, studi pustaka atau laporan internal perusahaan. Analisis menggunakan peramalan dengan metode time series karena satu variabeldan regresinya dengan alat pengolah data

Minitab 14.

Andria (2009) Analisis Peramalan Jumlah siswa menggunakan metode VAR berbasis komputer, studi kasus Valto Education Centre menyimpulkan bahwa memproyeksikan sistem variabel runtut waktu dan untuk menganalisis dampak faktor yang terdapat dalam sistem variabel tersebut. Pada dasarnya analisis VAR bisa dipadukan dengan suatu model. Disamping itu, dalam analisis VAR biasanya tidak ada variabel eksogen dalam model.Pengumpulan data dilakukan dengan cara mengambil data aktual yang didapat dari Valto Education Centre, data yang tekumpul kemudian akan diperoleh dengan menggunakan Microsoft Excel 2003, metode yang digunakan adalah VAR, Pengolahan data akan menghasilkan nilai ramalan atau satu periode yang akan datang. Data jumlah siswa Valto Education Centre yang telah diperoleh dinalisis dengan menggunakan VAR dilakukan untuk mendapatkan nilai ramalan terhadap jumlah siswa. Ada beberapa tahapan yang harus dilakukan untuk mendapatkan arah yang baik diantaranya dengan mencari persamaan autoregresi sebelum dan sesudah shock.

III . METODE PENELITIAN 3.1. Kerangka Pemikiran

Dalam pencarian metode peramalan terbaik, diperlukan berbagai informasi relevan sebagai data penunjang untuk pasar kue. Peramalan pasar kue dapat dilakukan dengan pasar perhitungan volume penjualan produk yang dihasilkan di masa lalu. Hasil peramalan penjualan pasar kue ini merupakan alat yang penting di dalam perencanaan penjualan kue di masa yang akan datang, agar kedepanya dapat memperoleh gambaran.

Hasil peramalan penjualan akan mempengaruhi arus kas, jika arus kas yang diperkirakan tidak dapat disesuaikan dengan perkiraan biaya, akan mengalami kekurangan biaya, maka dari itu harus menghindari hal tersebut. Jadi peramalan kue harus dilakukan dengan sebaik mungkin agar tidak kekurangan dana keuangan dimasa depan.

Perusahaan memiliki tujuan yaitu pada dasarnya mendapatkan keuntungan demi kelancaran usahanya dan mampu bersaing dalam lingkungan bisnis kuliner lainnya dengan memiliki kelebihan yang luar biasa dibandingkan dengan perusahaan lainnya. Dengan adanya kondisi pasar yang terus berubah dan munculnya fenomena dalam lingkungan pemasaran yang mengakibatkan perlunya peramalan dilakukan untuk memprediksi kejadian di masa yang akan datang agar dimasa mendatang pun telah ada perkiraan atau prediksinya sehingga tidak akan bingung dalam memprediksinya pada perusahan. Pada penelitian ini terlebih dahulu dilakukan pengumpulan informasi secara meneluruh mengenai gambaran secara umum perusahaan beserta visi, misi dan tujuan perusahaan. Agar kita dapat mengetahui apa inti dan maksud dari perusahan tersebut setelah kita ketahui visi, misi dan tujuan perusahaannya.Terdapat dua jenis data yang digunakan untuk dilakukan analisis VAR (Vector Autoregression) dan analisis VECM (Vector Error Corection Model). Analisis VECM untuk menunjukkan adanya kointegrasi tetapi data tersebut tidak stasioner dan analisis VAR untuk menunjukkan data tersebut kointegrasi tapi stationer. Kemudian melakukan analisis IRF dan FEVD untuk melihat korelasi antara data pasokan dengan data penjualan yang kemudian dilakukan peramalan melalui analisis FEVD.

Gambar 1. Kerangka Pemikiran

Stabilitas VAR

Model VECM

Stabilitas VECM

VAR

Analisis Sebab Akibat (Kausalitas Granger)

Menentukan Lag Optimal

Implus Response Funtion (IRF)

Dekomposisi Galat Peramalan

Forecasting Error Variance Decompotion (FEVD)

Hasil Analisis Implikasi Manajerial

Ingin mengetahui hubungan antar jenis kue dan ramalan penjualan jenis kue yang digunakan untuk menyususn perencanaan yang lebih baik

Data Penjualan Triple Combo : Klappertart, Makaroni, Pastel

Uji Stasioner

Stasioner ? Triple Combo

Uji Kointegrasi

3.2 Lokasi dan Waktu Penelitian

Penelitian ini dilaksanakan di Triple Combo Klappertart Huize yang beralamat di Jalan. Pangrango No.8 Bogor. Kue klappertart dipilih untuk menjadi tempat penelitian karena merupakan kue yang sangat digemari oleh masyarakat pada umumnya. Penelitian ini dilaksanakan akhir Januari hingga akhir Maret 2011.

3.3 Metode Pengumpulan Data

Data yang diperlukan dari dua sumber yaitu data sekunder yang bersifat kualitatif dan kuantitatif. Data sekunder yang didapatkan dari sumber-sumber lain yang berfungsi sebagai pelengkap dari data yang dikumpulkan dari buku-buku ataupun laporan penelitian yang relevan. Data-data pendukung lainnya diperoleh melalui studi literatur berupa laporan penelitian, bulletin, internet, serta buku-buku lain yang berkaitan dengan materi penelitian.

Data yang dipergunakan adalah data sekunder yang terdapat dari Triple Combo, data yang telah terkumpul kemudian akan diolah, metode yang digunakan adalah Vector Autoregression. Pengolahan data akan menghasilkan nilai ramalan untuk tiga bulan kedepan.

Pengumpulan data yang dibutuhkan kemudian diolah dan dianalisa sehingga dapat melihat gambaran dan penjelasan penelitian ini. Jenis data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh dari Triple Combo. Pengolahan dan analisis data diharapkan dapat menguraikan langkah-langkah prospek pemasaran yang dilakukan oleh bagian marketing dan penjualan kue klappertart. Analisis data kualitatif mengetahui keunggulan yang dimiliki dari perusahaan. Analisis data kuantitatif digunakan untuk meramalkan data penjualan dan menggambarkan keadaan umum perusahaan. Selama tiga bulan ke depan dengan menggunakan model analisis VAR (Vector Autoregression) sehingga hasil dari analisis penjualan yang akan dijadikan landasan perencanaan penjualan tiga bulan mendatang yang kemuadian dijadikan prospek pemasaran terbaik di tiga bulan yang akan datang. Dilakukan dengan metode alalisis Vector Autoregression

(VAR) Diharapkan dengan menggunakan analisis ini dapat diketahui apakah terjadi kointegrasi harga beberapa komoditas kue di tingkat produsen dan

konsumen. Granger Causality Test digunakan untuk mencari tahu apakah terdapat pemimpin harga beberapa komoditas pangan utama di tingkat produsen dan konsumen . Pengolahan data dilakukan secara bertahap, dimulai dengan pengelompokan data. Data yang telah ditabelkan dipersiapkan untuk input komputer sesuai dengan model yang digunakan. Proses pengolahan data sekunder pada penelitian ini menggunakan Microsoft Excel 2007, Minitab 16, dan Eviews 6.

3.4 Pengolahan dan Analisis Data 3.4.1 Uji Stasioneritas Data

Data yang stasioner merupakan syarat penting bagi analisis time series. Untuk menghindari adanya regresi langsung (spurious regression). Oleh karena itu, perlu dilakukan uji stasioner adalah data yang memiliki kecenderungan untuk mendekati nilai rata-ratanya dan berfluktasi disekitar nilai rata-ratanya (Gujarati,2003)

Secara umum, uji stasioneritas dlakukan melalui unit root test, yaitu test yang dilakukan dengan melihat secara visual (grafis) melalui time series plot ada atau tidaknya trend pada variabel yang digunakan. Apabila plotnya cenderung naik terus atau turun terus maka data tidak stasioner.

Metode yang dapat digunakan untuk melihat kestasioneran data dalam penelitian ini adalah metode Augmented Dickey Fuller (ADF) Test dan Philip Pheron (PP) Test. Kebanyakan analisis time series menggunakan uji ADF. Sedangkan metode PP hanya disunakan pada data yang mengandung struktural

break, yaitu patahan pada pergerakan data yang terjadi karena adanya kejadian luar biasa dalam perekonomian, misal krisis ekonomi.

Hasil data yang stasioner pada tingkat level dapat diolah dengan menggunakan metode VAR biasa, Namun jika hasil dari hasil uji ADF mengandung akar unit atau dengan kata lain tidak staaioner pada tingkat level. Maka harus dilakukan penarikan diferensial samapai data stasioner, dilakukan pengujian pada tingkat first difference atau second difference. Alternatif lain yang dapat digunakan jika data tidak stasioner namun terkointergrasi adalah dengan metode Vector Error Correction Model (VECM).

Uji stasioneritas akan dilakukan dengan metode ADF dan PP sesuai dengan bentuk tren deterministik yang dikandung oleh setiap variabel. Hasil series

stasioner akan berujung pada penggunaan VAR dengan metode standar. Sementara series non stasioner akan berimplikasi pada dua pilihan VAR, VAR dalam bentuk diferens atau VECM.

Keberadaan variabel non stasioner meingkatkan kemungkinan keberadaan hubungan kointegrasi antar variabel. Maka pengujian kointegrasi diperlukan untuk mengetahui keberadaan hubungan tersebut. Pengujian kointegrasi diperlukan untuk mengetahui keberadaan hubungan tersebut. Pengujian kointegrasi sebaiknya tetap dilakukan pada data stasioner, mengingat terdapatnya kemungkinan kesalahan pengambilan kesimpulan pengujian unit root terkait dengan the power of the test.

3.4.2 Metode Pengujian Granger Causality

Hubungan causality adalah hubungan jangka pendek antara kelompok tertentu dengan menggunakan pendekatan ekonometrik. Terdapat beberapa hubungan kausalitas, yaitu: hubungan kausalitas satu arah. Hubungan kausalitas dua arah atau hubungan timbal balik.

Pengujian ini bertujuan untuk mengetahui hubungan sebab akibat diantara dua variabel yang diuji. Setelah mengetahui lag optimal bagi sistem VAR, pengujian ini pun akan langsung dapat dilakukan. Pengujian kausalitas ini dilakukan untuk melihat hubungan kausalitas yang dapat terjadi di antara variabel-variabel yang terdapat dalam model. Penelitian ini menggunakan metode uji granger causality untuk melihat hubungan tersebut. Hipotesis nol yang diuji menyatakan tidak adanya kausalitas diantara variabel sedangkan hipotesis alternatifnya menyatakan adanya hubungan kausalitas diantara variabel. Untuk menolak atau menerima hipotesis nol, maka dapat melihat probabilitasnya yang dibandingkan dengan tingkat kepercayaan yang pada penelitian ini menggunakanh nilai kritis 10 persen. Jika nilai probabilitasnya lebih besar dari 10 % maka hipotesis nol ditolak yang artinya terdapat hubungan kausalitas pada variabel-variabel yang diuji.

3.4.3 Pengujian Lag Optimal

Tingkat lag optimal ditentukan berdasarkan nilai Schwarz Information Criterion (SC). Tingkat lag yang dipilih adalah lag yang menghasilkan nilai SC terendah daripada tingkat lag lainnya. Berdasarkan perhitungan nilai SC pada variabel-variabel harga di tingkat produsen dan konsumen, nilai SC terendah.

Uji lain yang juga penting dilakukan dalam analisis time series adalah uji lag optimal. Hal tersebut dikarenakan suatu variabel ekonomi memerlukan rentang waktu untuk merespon variabel lainnya (Gujarati, 2003). Jika panjang lag dilambangkan dengan p, maka setiap n persamaan berisi n x p koefisien ditambah intersep. Panjang lag haruslah cukup sehingga dapat menangkap dinamika sistem yang akan dimodelkan. Lag yang lebih panjang akan mengakibatkan lebih banyak junmlah parameter yang harus diduga dan mengurangi derajat bebas yang ada.

Untuk mendapatkan lag optimal, dilakukan tiga bentuk pengujian secara bertahap. Pada tahap pertama akan dilihat panjang selang maksimum sistem VAR yang stabil. Stabilitas sistem VAR dilihat dari nilai inverse roots karakteristik AR polinominalnya. Suatu sistem VAR dikatakan stabil (stasioner) jika seluruh

rootsnya memiliki modulus lebih kecil dari satu dan semuanya terletak di dalam unit circle.

Tahap selanjutnya, panjang selang optimal akan dicari dengan menggunakan kriteria informasi yang tersedia, yaitu kriteria Likelihood Ratio

(LR), Final Prediction Error (FPE) , Akaike Information Criterion (AIC),

Schwarz Information Criterion (SIC) dan Hannah Quinn Information Criterion

(HQ). Jika kriteria informasi hanya merujuk pada sebuah kandidat selang, maka kandidat tersebutlah yang optimal. Dalam penelitian ini, kriteria yang digunakan adalah Akaike Information Criterion (AIC) minimum. Jika diperoleh lebih dari satu kandidat, maka pemilihan dilanjutkan pada tahap ketiga, yaitu nilai Adjused

R kuadrat variabel VAR dari masing-masing kandidat selang yang dibandingkan, dengan penekanan pada variabel-variabel terpenting dari sistem VAR tersebut. Selang optimal akan dipilih dari sistem VAR denagn selang tertentu menghasilkan nilai Adjused R kuadrat terbesar pada variabel-variabel penting di dalam model.

3.4.4 Vector Autoregresesive (VAR)

Vector Autoregresesive atau yang lebih dikenal dengan VAR adalah suatu sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linear dari konstansa dari nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada di dalam sistem. Jadi peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem.

Model VAR dikembangkan oleh Cristoper Sims pada tahun 1980. Model ini dasarnya hampir sama dengan model untuk menguji Granger’s Causality. VAR adalah model a-theory terhadap teori ekonomi. Namun demikian model ini sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam suatu sistem ekonomi dimana terjadi saling ketergantungan antar variabel dalam ekonomi. Namun demikian model ini sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi dimana terjadi saling ketergantungan antar variabel dalam ekonomi. Model ini juga menjadi dasar munculnya metode kointegrasi Johansen yang sangat baik dalam menjelaskan perilaku variabel dalam perekonomian.

Model VAR memiliki banyak keunggulan, antara lain :

1. Model ini sederhana, tidak perlu khawatir membedakan anatara variabel endogen dan variabel eksogen.

2. Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan pada tiap-tiap persamaan secara terpisah.

3. Hasil ramalan (forecast) yang diperoleh dengan VAR dalam banyak kasus yang lebih bagus dibandingkan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks sekalipun.

4. Selain itu analisis VAR juga merupakan alat-alat analisis yang sangat berguna baik di dalam memahami adanya hubungan timbal balik antar variable ekonomi maupun di dalam pembentukan modul berstruktur. 5. Secara umum VAR debgan ordo p dan n buah variable endogen pada

Yt = C +A1Yt-1+A2Yt-2+….+ApYt-p+et1 ...(2)

Dimana :

Yt = Vaktor variable endogen (Y1.t1 Y2.t2 Yn.t) berukuran nx1 C = Vaktor intersep berukuran nx1

Ai = Matrik parameter berukuran nxn

εt = Vektor sisaan (ε1t1 , ε2t2 …εnt) berukuran nx1

Namun demikian, model VAR juga mempunyai kekurangan, diantaranya adalah sebagai berikut :

1. Model VAR lebih bersifat a-theory karena tidak memanfaatkan informasi atau teori terlebih dahulu

2. Mengingat tujuan utama VAR adalah untuk peramalan maka model VAR kurang cocok untuk analisis kebijakan

3. Pemilihan banyaknya lag yang digunakan dalam persamaan juga banyak menimbulkan permasalahan

4. Semua variabel VAR harus stasioner

5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah. Sistem persamaan multivariate memiliki hubungan kausalitas anatar variabel yang lebih rumit dibandingkan sistem persamaan bivariat. Metode VAR membuat seluruh variabel menjadi variabel endogen dan menurunkan distributed lag-nya . Secara umum persamaan VAR dengan orde p dengan n buah peubah tak bebas pada waktu ke-t dapat dimodelkan sebagai berikut (Enders,2004) :

dimana :

Yt = Vektor peubah tak bebas (Yt, At,..Yt,t) berukuran n x 1 Ao = Vektor intersep berukuran n x 1

Ap = matrik parameter berukuran n x 1 untuk setiap i = 1, 2, ...p Et = Vektor sisaan (E1,t...En,t) berukuran n x 1

Asuumsi yang harus dipenuhi dalam analisis VAR adalah semua peubah tak bebas bersifat stasioner, semua sisaan bersifat white noise yang artinya

memiliki rataan nol, ragam konstan, dan diantara peubah tak bebas tidak ada korelasi.

Biasanya digunakan untuk memproyeksikan sistem variabel-variabel runtut waktu dan untuk menganalisis dampak dari faktor yang terdapat dalam sistem variable tersebut. Pada dasarnya analisis VAR biasa dipadankan dengan suatu model. Perbedaanya dengan model simultan biasa adalah dalam analisi VAR, masing-masing variabel selain diterangkan oleh nilainya, dimana sampai juga dipengaruhi oleh nilai masa lampau semua variabel endogen lainnya yang diamati. Disamping itu, dalam analisis VAR biasanya tidak ada variabel eksogen.

3.4.5 Uji Stabilitas VAR

Kestabilan model VAR yang digunakan mutlak perlu karena jika model yang digunakan tidak stabil, maka hasil estimasi model pun menjadi tidak valid, demikian pula dengan hasil IRF dan FEVD-nya.

Hasil uji stabilitas model VAR :

Stabilitas sistem VAR dan VEC akan dilihat dari nilai inverse roots

karakteristik AR polinominalnya. Hal ini dapat dilihat dari nilai modulus di tabel AR-rootsnya, jika seluruh nilai AR- roots-nya dibawah 1 maka sistem tersebut stabil.

Stabilitas sistem VAR dapat dilihat dari nilai inverse roots karakteristik AR polinomialnya. Hal ini dapat dilihat dari nilai modulus di tabel AR roots-nya. Jika seluruh nilai AR roots-nya di bawah satu, maka sistem tersebut stabil.

3.4.6 Impluse Response Function (IRF)

Analisis implus respon adalah metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap guncangan (shock) variabel tertentu. IRF juga digunakan untuk melihat guncangan dari satu variabel yang lain dan berapa lama pengaruh tersebut terjadi. IRF dalam penelitian ini dilakukan untuk mengetahui respon dinamik variabel nilai penjualan. Impluse response function

menelusuri pengaruh suatu standar deviasi shock atau kejutan terhadap inovasi pada nilai variabel endogen di masa kini dan di masa mendatang. Suatu kejutan yang terjadi pada satu variabel akan mempengaruhi variabel tersebut dan juga di teruskan pada variabel endogen lainnya melalui struktur yang dinamis (Enders,

2004). IRF digunakan untuk menentukan respon variabel NPF. Analisis IRF menjelaskan dampak dari guncangan (shock) pada suatu variabel terhadap variabel lain, dimana dalam analisis ini tidak hanya dalam waktu pendek tetapi dapat menganalisis untuk beberapa horizon ke depan (kuartal) sebagai informasi jangka panjang. Pada alalisis ini dapat melihat respon dinamika jangka panjang setiap variabel apabila ada inovasi (shock) tertentu sebesar satu standar error pada setiap persamaan. Sumbu horisontal merupakan periode dalam kuartal, sedangkan sumbu vertikal menunjukan nilai respon dalam persentase.

Analisis impuls respons adalah metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap guncangan (shocks) variabel tertentu. IRF juga digunakan unruk melihat guncangan dari satu variabel yang lain dan berapa lama pengaruh tersebut terjadi. IRF dalam penelitian ini untuk mengetahui respon dinamik variabel.

IRF menunjukkan bagaimana respon dari setiap variabel endogen sepanjang waktu terhadap kejutan dari variabel itu sendiri dan variabel endogen lainnya. IRF digunakan untuk melihat pengaruh kontemporer dari sebuah variabel dependen jika mendapatkan guncangan atau inovasi dari variabel independen sebesar satu standar deviasi.

Hasil IRF tersebut sangat sensitif terhadap pengurutan (ordering) variabel yang digunakan dalam perhitungan. Pengurutan variabel yang didasarkan pada faktorisasi cholesky. Variabel yang memiliki nilai prediksi terhadap variabel lain diletakkan di depan berdampingan satu sama lainnya. Variabel yang tidak memiliki nilai prediksi terhadap variabel lain diletakkan paling belakang.

3.4.7 Forecast Error Variance Decomposition (FEDV)

Analisis dekomposisi varian atau dikenal dengan Forecasting Error Decomposition of Variance (FEDV) digunakan untuk menghitung dan menganalisis seberapa besar pengaruh acak guncangan dari variabel tertentu terhadap variabel endogen.

Analisis dekomposisi varian atau dikenal dengan FEVD digunakan untuk menghitung dan menganalisis seberapa besar pengaruh acak guncangan dari varibel tertentu terhadap variabel endogen. FEVD menghasilkan informasi mengenai relatif pentingnya masing-masing inovasi acak atau seberapa kuat

komposisi dari variabel tertentu terhadap variabel lainnya dalam model VAR. Ukuran kuat lemahnya variabel dalam mempengaruhi variabel lainnya ditetapkan secara normatif. Ukuran kuatnya suatu variabel dalam memepengaruhi variabel lainnya ditetapkan lebih besar dari 50 persen dan lemah lebih kecil dari 50 persen. Metode yang dapat digunakan untuk melihat bagaimana perubahan dalam suatu variabel makro - ditunjukkan oleh perubahan variance error yang dipengaruhi oleh variabel-variabel lainnya :

Metode ini dapat melihat juga kekuatan dan kelemahan dari masing-masing variabel dalam mempengaruhi variabel lainnya pada kurun waktu yang panjang (how long / how persistent). Dekomposisi varians merinci varians dari

error peramalan (forecast) menjadi komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model melalui perhitungan persentase squared prediction error k-tahap ke depan dari sebuah variabel akibat inovasi dalam variabel-variabel lain, dapat dilihat seberapa besar error peramalan variabel tersebut disebabkan oleh variabel itu sendiri dan variabel-variabel lainnya :

Mengembangkan model dalam suatu sistem yang kompleks (multivariat), sehingga dapat menangkap hubungan keseluruhan variabel dalam sistem. Uji VAR yang bersifat multivariat bisa menghindari parameter yang bisa akibat tidak dimasukannya variabel yang relevan. Dapat mendeteksi hubungan antar variabel dalam sistem persamaan, dengan menjadikan seluruh variabel menjadi

endogenous. Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan teori ekonomi yang sering muncul termasuk gejala perbedaan semu (spurious variable endogenty dan exogenty) di dalam model ekonometrik konvensional terutama pada persamaan simultan, sehingga menghindari penafsiran yang salah. Dengan teknik VAR maka yang akan terpilih hanya variabel yang relevan untuk disinkronisasi dengan teori yang ada. Tidak dilandasi teori tentang hubungan antarvariabel (model non-struktural). Model VAR kurang cocok untuk analisis kebijakan. Pemilihan banyaknya lag dalam persamaan dapat menimbulkan permasalahan. Interpretasi koefisien yang di dapat berdasarkan model VAR tidak mudah.

IV. HASIL DAN PEMBAHASAN

4.1 Gambaran Umum perusahaan 4.1.1. Sejarah TRIPLE COMBO

Pada awalnya kue klappertat di kembangkan oleh Bapak Agus Prihanto seorang direktur marketing sebuah hotel di Bogor. Beliau melihat rata-rata tamu hotel menyukai kue yang berkualitas. Sebagai seorang marketing beliau mengetahui permintaan pasar cukup besar untuk kue yang berkualitas dan mencoba untuk mengembangkan klappertart. Untuk melengkapinya beliau melengkapi dengan pastel tutup dan makaroni panggang yang disebut lebih populer TRIPLE COMBO.

Melihat perkembangan dunia kuliner di Bogor yang dapat dikatakan sebagai surga kuliner (Culinary Paradise) ke dua setelah Bandung, maka pada awal tahun 2007, Hotel Salak The Heritage berniat untuk menambah semarak dunia kuliner di Bogor dengan membuat produk oleh-oleh yang bernuansa Belanda sesuai dengan sejarah Hotel salak yang merupakan warisan peninggalan masa penjajahan Belanda dan dapat diterima oleh lidah Indonesia.

Tidak kurang dari sepuluh macam kue Belanda misalnya Indische Pastei

(Pastel Tutup), Makaroni Gebak/Schotel (Makaroni Panggang), Klappertart,

Hollandsche Kroketten, Spekoek, Ontbijtkoek, Pannenkoeken, Oliebollen, Bitterballen & Poffertjes dibuat dan dijual di cafenya Hotel Salak namanya Den Haag Cafe dan setelah beberapa bulan berjalan, terlihat ketiga kue yang disebut pertama diatas paling diminati pelanggan, maka dicarikanlah nama dari gabungan ketiga kue tersebut untuk lebih di populerkan dan tercetuslah nama Triple Combo yang berdiri sejak 25 Juni 2007 dan mulai dipergunakan pada awal Juli 2007.

Dalam memperkenalkan Triple Combo, dilakukan terobosan pemasarannya melalui apa yang dikenal dengan pengasong tidak disebut pengasong tetapi Medium Enterpreneur yang disingkat ME atau dikenal dengan yang membawakan dagangan Triple Combo di kereta-kereta atau di jalan. Mereka dibekali rompi serta topi yang bertuliskan Triple Combo lengkap dengan nama produknya serta tiga lapis keranjang tenteng yang kemudian di jual ke sepanjang

jalan juga di kereta-kereta. Dari para pedagang tersebut, produk Triple Combo mulai dikenal oleh masyarakat dan berkembang cukup pesat sehingga yang pada awalnya tempat produksinya gabung dengan dapur Hotel Salak, tetapi untuk pembaharuan maka mulai pertengahan tahun 2008, Hotel Salak menyewa sebuah rumah di Jl. Pangrango 8 untuk dijadikan tempat produksi sekaligus gerai untuk menjual kue tersebut.

Untuk memberikan pilihan pada para pelanggan, hingga kini telah tercipta lebih dari sepuluh macam rasa klappertart sebagai produk yang paling unggul dibanding makaroni atau pastel tutup, karena klappertart yang paling diminati masyarakat. Karena kue klappertart dibandingkan makaroni dan pastel yang paling diminati oleh pelanggan, maka rumah tempat produksi maupun gerai penjualan tersebut dinamakan Huize atau Rumah Klappertart.

Selain citrarasa yang baik, satu keunggulan dari klappertart Triple Combo adalah Halal yang mana Triple Combo telah mendapatkan sertifikat halal yang dikeluarkan oleh MUI karena hampir semua klappertart yang ada di Indonesia menggunakan rum (alcohol) karena penganaan ini awal terkenalnya di Menado yang mayoritasnya masyarakat Nasrani.

Dari sini pasar yang dapat dilihat baru hotel dan restauran yang kemudian sebagai ajang promosi dan membantu masyarakat memberikan kesempatan kepada para pedagang (asongan) untuk juga menjualkan Triple Combo tersebut. Sampai saat ini pendapatan rata-rata per bulan sekitar 300 samapi 400 juta. Triple Combo merupakan jenis kue yang bergerak dalam bidang kuliner dan fokus dalam operasionalnya sehari-hari yang selalu di supervise oleh pengajar professional dari Bogor Hotel Institute dan tenaga ahli dari Hotel Salak The Heritage. Berawal dari keinginan membuat makanan yang unik dan spesial untuk memenuh kebutuhan akan makanan yang lezat, sehat dan berkualitas yang cocok menjadi hidangan sehari-hari ataupun untuk oleh-oleh atau gift serta menunjang pariwisata kota Bogor dengan memberi warna baru kuliner kota Bogor. Karena kota Bogor erat kaitannya dengan colonial dan Belanda didukung dengan Hotel Salak The Heritage yang memang kental nuansa colonial Belanda akhirnya terbersit ide membuat penganan khas Belanda yaitu: klappertart, makaroni dan pastel. Awalnya penganan tersebut dikenalkan ke Indonesia pada jaman colonial dan

hingga sekarang masih digemari di beberapa daerah di Indonesia. Setelah melalui proses pengembangan yang cukup panjang akhirnya ketiga jenis kue tersebut diproduksi dan diperkenalkan kepada masyarakat di wilayah Bogor & Jakarta.

Ternyata sambutan masyarakat yang luar biasa, kue ini sangat digemari baik oleh orang dewasa maupun anak-anak, karena selain cocok untuk santai, kue ini juga dapat sebagai pengganti makan pagi atau siang, sebagai hidangan makanan tambahan atau hidangan rapat yang exclusive.

4.1.2 Visi & Misi Visi

Menjadi perusahaan kue berskala dunia dengan norma-norma & nilai-nilai perusahaan berstandar internasional.

Misi

Menyajikan kue yang berkualitas dan lezat, sehingga mendukung acara dan bisnis anda menjadi sukses serta tidak khawatir dengan apa yang dimakan karena telah jelas asal usulnya.

4.1.3 Lokasi Perusahaan

Lokasi Triple Combo Klappertart Huize yang beralamat di Jalan. Pangrango No.8 Bogor terletak di Taman Kencana, bisa dikatakan pusat jajanan kuliner dan banyak berbagai tempat makanan di daerah ini, maka dari itu tepat sekali menjadi tempat kue Triple Combo. Triple Combo memberi warna oranye pada toko kuenya¸ agar memberi ciri khas pada Triple Combo. Dengan warna oranye yang menjadi khas Triple Combo akan memudahkan para pelanggan untuk menuju lokasi Triple Combo. Nuansa wilayah kuliner Taman Kencana tersebut yang selalu banyak pelanggan tersebut memudahkan akses pelanggan untuk cepat dan mudah menuju toko kue Triple Combo.

4.1.4 Struktur Organisasi

Gambar2. Struktur organisasi

Dwi Irfan General manajer

Usman Marketing Ir . Agus Prihanto

Direktur

_{Adi wardian}

Supervisor

Wisma Supervisor

Sanudin Leder Produksi

Mulyadi Purchasing

Staff Produksi

4.1.5 Produk-Produk Perusahaan Tabel 1. Produk Triple Combo

Klapertart Ukuran Lebar Harga

Klapertaart Standar Dimensi

Small, Medium, Regular , Large

S= 65ml, M =90ml, R=125ml, L=150ml

S= Rp. 5000, M= Rp.7000, R= Rp.9000, L= Rp. 11000 Klappertaart

Strawberry Dimensi

Small, Regular , Large

S= 65ml, R=125ml, L=150ml

S= Rp. 6000, R= Rp.10000, L= Rp. 12000 Klappertaart

Blueberry Dimensi

Small, Regular , Large

S= 65ml, R=125ml, L=150ml

S= Rp. 6000, R= Rp.10000, L= Rp. 12000 Klappertaart Cheese

Dimensi

Small, Regular , Large

S= 65ml, R=125ml, L=150ml

S= Rp. 6000, R= Rp.10000, L= Rp. 12000 Klappertaart Rum &

Raisin Dimensi

Small, Regular , Large

S= 65ml, R=125ml, L=150ml

S= Rp. 7000, R= Rp.11000, L= Rp. 13000 Klappertaart Pandan

Dimensi

Small, Regular , Large

S= 65ml, R=125ml, L=150ml

S= Rp. 6000, R= Rp.10000, L= Rp. 12000

Lanjutan Tabel 1. Produk Triple Combo

Klapertart Ukuran Lebar Harga

Klappertaart Green Tea Dimensi

Small, Regular , Large

S= 65ml, R=125ml, L=150ml

S= Rp. 7000, R= Rp.11000, L= Rp. 13000 Klappertaart

Chocolate Dimensi

Small, Regular , Large

S= 65ml, R=125ml, L=150ml

S= Rp. 6000, R= Rp.10000, L= Rp. 12000 Klappertaart Oreo

Dimensi

Small, Regular , Large

S= 65ml, R=125ml, L=150ml

S= Rp. 6000, R= Rp.10000, L= Rp. 12000 Klappertaart Tutti

Fruity Dimensi

Small, Regular , Large

S= 65ml, R=125ml, L=150ml

S= Rp. 6000, R= Rp.10000, L= Rp. 12000 Macaroni Schotel

Chicken & Cheese Dimensi

Small, Medium, Regular , Large

S= 65ml, M =90ml, R=125ml, L=150ml

S= Rp. 5000, M= Rp.7000, R= Rp.9000, L= Rp. 11000 Macaroni Schotel

Chicken & Cheese Dimensi

Small, Medium, Regular , Large

S= 65ml, M =90ml, R=125ml, L=150ml

S= Rp. 5000, M= Rp.7000, R= Rp.9000, L= Rp. 11000

Lanjutan Tabel 1. Produk Triple Combo

Klapertart Ukuran Lebar Harga

Macaroni Schotel Chicken & Cheese Dimensi

Small, Medium, Regular , Large

S= 65ml, M =90ml, R=125ml, L=150ml

S= Rp. 5000, M= Rp.7000, R= Rp.9000, L= Rp. 11000 Macaroni Schotel

Bolognaise Dimensi

Small, Medium, Regular , Large

S= 65ml, M =90ml, R=125ml, L=150ml

S= Rp. 5000, M= Rp.7000, R= Rp.9000, L= Rp. 11000 Pastel Tutup

Standard Dimensi

Small, Medium, Regular , Large

S= 65ml, M =90ml, R=125ml, L=150ml

S= Rp. 5000, M= Rp.7000, R= Rp.9000, L= Rp. 11000 Pastel Tutup

Superior Dimensi

Small, Medium, Regular , Large

S= 65ml, M =90ml, R=125ml, L=150ml

S= Rp. 5000, M= Rp.7000, R= Rp.9000, L= Rp. 11000 Klappertaart Triple

Cheese Dimensi

Small, Regular , Large

S= 65ml, R=125ml, L=150ml

S= Rp. 7000, R= Rp.11000, L= Rp. 13000 Macaroni Shotel

Corned Beef

Small, Medium, Regular , Large

S= 65ml, M =90ml, R=125ml, L=150ml

S= Rp. 5000, M= Rp.7000, R= Rp.9000, L= Rp. 11000

4.2 Analisis Kointegrasi

Analisis mengenai pola data atau sifat pergerakan dari deret waktu yang akan analisis sangat diperlukan dengan tujuan menentukan metode peramalan yang sesuai dengan pola data tersebut apakah menggunakan metode VAR atau VECM. Apabila pola data yang digunakan stasioner pada level nol maka digunakan metode VAR, dan apabila pola data yang digunakan tidak stasioner pada level nol maka menggunakan metode VECM. Dalam menganalisa stasioneritas, tingkat signifikansi yang digunakan adalah pada tingkat signifikan 5 persen.

4.2.1 Uji Stasioner Data

Uji stasioneritas data pada seluruh variabel dengan Augmented Dickey-Fuller 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 berarti data stasioner. Dari hasil uji stationer pada level menujukan bahwa semua variabel statsioner. Semua variable memiliki nilai -p (0.000) < alpha 5% artinya sudah stasioner pada level.

Tabel 2. Hasil Uji Stasioner

Variable

Level (α=5%)

p-value keterangan KLAPPERTART 0.0000 stasioner MAKARONI 0.0000 stasioner PASTEL 0.0000 stasioner

4.2.2 Metode Pengujian Granger Causality

Uji kausalitas multivariate dilakukan untuk melihat hubungan kausalitas antara variabel-variabel yang ada dalam model. Hubungan kausalitas antar variabel dapat diketahui dengan melakukan Pairwise Granger Causality Test. Uji ini pada intinya mengindifikasikan apakah variabel dua arah atau satu arah yang adanya hubungan sebab akibat. Nilai –P < Alpha 5% maka artinya signifikan. Dan hasilnya dari analisisnya adanya hubungan sebab akibat dari makaroni kepada klappertart. Nilai -P (0.0420) < Alpha 5% artinya makaroni menyebabkan klappertart. Uji ini pada intinya mengindifikasikan apakah variabel dua arah atau satu arah. Adanya hubungan sebab akibat dari pastel kepada klappertart. Nilai-P (0.0332) < Alpha 5% artinya pastel menyebabkan klappertart.

Tabel 3. Hasil Uji Granger Causality

Null Hypothesis

Obs F-Statistic Prob.

1.Adanya hubungan sebab akibat dari makaroni kepada klappertart

117 4.23601 0.0420

2.Adanya hubungan sebab akibat dari pastel kepada klappertart

117 4.65003 0.0332

4.2.3 Pengujian Lag Optimal

Pendekatan VAR atau VECM sangat sensitif terhadap jumlah lag yang digunakan, maka perlu ditentukan panjang lag yang optimal. Penentuan panjang lag digunakan untuk mengetahui lamanya periode keterpengaruhan suatu variabel terhadap variabel masa lalunya maupun terhadap variabel endogen lainnya. Penentuan lag dapat digunakan dengan beberpa pendekatan antara lain Likelihood Ratio (LR), Final Prediction Error (FPE), Akaike Information Criterion (AIC), dan Schwarz Criterion (SC). Hasil penentuan panjang lag secara lengkap.

Tabel 4. Hasil Uji Lag Optimal

Lag LogL LR FPE AIC SC HQ

0 -2050.082 NA 6.45e+11 35.70577 35.77738* 35.73484* 1 -2040.728 18.05643* 6.41e+11* 35.69962* 35.98605 35.81588

Berdasarkan tabel 4 hanya SC dan HQ yang menentukan panjang lag yang berbeda sedangkan LR, FPE, AIC menentukan panjang lag yang sama yaitu pada lag ke satu. Karena tiga kriteria memberikan hasil yang sama, maka dipilih panjang lag satu. Dari hasil uji lag optimun ada di lag satu.

4.2.4 Vector Autoregresesive (VAR)

Analisis regresi dua arah, dimana semua peubah atau variabel adalah variabel endogen, modelnya sederhana karena menggunakan metode OLS (Ordinary Least Square), semua variabel adalah vaeriabel endogen dan baik untuk peramalan dan semua varibelnya stasioner pada level. Pengaruh variabel dapat menggunakan dan dilihat dengan analisis VAR. interpretasi hasil dapat dilihat dengan membaca koefisien integrasi dan pembacaan tanda terbalik dari tanda koefisiennya. Koefisien integrasi dinyatakan signifikan jika nilai mutlak statistik lebih besar dari nilai tabel yaitu 1,96 berikut ini merupakan hasil estimasi VAR.

Tabel 5. Hasil VAR

Klappertart Makaroni Pastel Klappertart (-1) 0.112397 -0.036326 -0.026049

[ 0.83102] [-1.45742] [-1.45382] Makaroni (-1) -0.568277 0.293359 0.102637

[-0.37953] [ 1.06317] [ 0.51744] Pastel (-1) -1.474239 -0.313866 -0.059264 [-0.73853] [-0.85321] [-0.22411]

Berdasarkan hasil VAR tersebut dapat terlihat bahwa terdapat pengaruh yang ditunjukan oleh penjualan klappertart, penjualan tersebut dipengaruhi secara nyata oleh penjualan makaroni pada lag 1 dan penjualan pastel pada lag 1, sedangkan penjualan makaroni dipengaruhi secara nyata oleh penjualan klappertart pada lag 1. Dari tabel tersebut dapat terlihat bahwa terdapat hubungan yang signifikan antara klappertart dan makaroni sedangkan untuk pastel hubungan yang terjadi dengan kue lainnya tidak terlalu signifikan.

4.2.5 Stabilitas VAR

Untuk menguji stabil tidaknya estimasi VAR yang telah dibentuk maka dilakukan VAR Stability Condition Check berupa Roots of Charateristic Polynomial. Berikut hasil pengujian stabilitas model berdasarkan hasil AR Root Table. Hal ini merupakan syarat yang harus dipenuhi oleh model dinamik seperti VAR dikarenakan apabila didapatkan model VAR yang tidak stabil maka analisis IFR dan FEVD menjadi tidak valid.

Tabel 6. Hasil Uji Stabilitas VAR

Root Modulus

0.332201 0.332201 0.157820 0.157820 -0.143530 0.143530

Nilai modulus menunjukkan VAR sudah dalam kondisi stabil karena di nilai di posisi 0 <nilai modulus 1 maka artinya sudah dalam kondisi stabil. Model dikatakan stabil apabila nilai modulus nya kurang dari satu. Berdasarkan tabel bahwa nilai akar karakteristik atau modulus semuanya menunjukan nilai kurang dari satu, sehingga dapat disimpulkan bahwa model VAR telah stabil.

4.2.6 Analisis Impuls Response Function (IRF)

Analisis Impuls Response Function atau IRF merupakan alat analisis yang digunakan untuk mencari dampak shock variabel satu terhadap variabel lainnya. Dengan menggunakan IRF maka akan dapat dilacak dampak dari salah satu shock

terhadap shock lainnya pada saat sekarang dan masa yang akan datang dari variabel endogen. Shock yang terjadi pada variabel endogen secara langsung akan mempengaruhi variabel itu sendiri dan akan berpengaruh juga terhadap variabel lainnya secara berkesinambungan atau dinamis. Pada penelitian ini akan dilakukan tiga analisis IRF untuk masing-masing produk yaitu klappertart, makaroni dan pastel.

Respon Makaroni terhadap Klappertart

-20 0 20 40 60 80

5 10 15 20 25 30 35 40 45 50

Response of MAKARONI to KLAPERTART Response to Cholesky One S.D. Innovations

Gambar 3. Respon Makaroni terhadap Klappertart

Pada Gambar 3 ini dapat terlihat respon yang diberikan oleh makaroni terhadap klappertart. dari grafik tersebut dapat diketahui bahwa respon yang diberikan oleh produk makaroni terhadap standar deviasi variabel itu sendiri telah bernilai negatif. Pergerakan respon pada grafik tersebut cenderung bernilai stabil, pada periode 1 nilai respon yang diberikan cukup tinggi yaitu dengan nilai 80 persen, tetapi pada periode ke 2 terjadi penurunan yang signifikan dari respon tersebut, pada periode ke 2 respon yang dihasilkan adalah 20 persen, Setelah terjadinya penuruan pada periode ke 2, respon kemudian bergerak stabil dari periode 3 sampai dengan periode ke 5, nilai respon tersebut adalah -20 persen . Selanjutnya untuk periode 6 sampai 50 pergerakan respon kembali menurun dengan nilai respon bernilai negatif, pergerakan respon ini sangat kecil. Sehingga dalam grafik pergerakan kecil dan cenderung stabil di periode 5.

Respon Pastel terhadap Klappertart

-10 0 10 20 30 40 50 60

5 10 15 20 25 30 35 40 45 50

Response of PASTEL to KLAPERTART

Gambar 4. Respon Pastel terhadap Klappertart

Pada Gambar 4 ini dapat terlihat respon yang diberikan oleh pastel terhadap klappertart. dari grafik tersebut dapat diketahui bahwa respon yang diberikan oleh produk pastel terhadap standar deviasi variabel itu sendiri telah bernilai negatif. Pergerakan respon pada grafik tersebut cenderung bernilai stabil, pada periode 1 nilai respon yang diberikan cukup tinggi yaitu dengan nilai 50 persen, tetapi pada periode ke 2 terjadi penurunan yang signifikan dari respon tersebut, pada periode ke 2 respon yang dihasilkan adalah 10 persen, Setelah terjadinya penuruan pada periode ke 2, respon kemudian bergerak stabil dari periode 3 sampai dengan periode ke 5, nilai respon tersebut adalah -10 persen. Selanjutnya untuk periode 6 sampai 50 pergerakan respon kembali menurun dengan nilai respon bernilai negatif, pergerakan respon ini sangat kecil. Sehingga dalam grafik pergerakan kecil dan cenderung stabil di periode 5.

Respon Klappertart terhadap Makaroni

-80 -60 -40 -20 0

5 10 15 20 25 30 35 40 45 50

Response of KLAPERTART to MAKARONI Response to Cholesky One S.D. Innovations

Gambar 5. Respon Klappertart terhadap Makaroni

Pada Gambar 5 ini dapat terlihat respon yang diberikan oleh klappertart terhadap makaroni, respon yang diberikan klappertart pada perubahan standar deviasi bernilai negatif. Hanya pada periode pertama nilai respon yang diberikan tinggi yaitu nol persen. Selanjutnya pada periode kedua hingga periode kelima terjadi penurunan yang cukup signifikan, dimana pada periode kedua nilai respon klappertart terhadap makaroni yaitu -75 persen, pada periode ketiga nilai respon yaitu -45 persen, periode keempat nilai respon -37 persen sedangkan pada periode kelima responnya bernilai -19 persen. Nilai respon stabil pada periode ke 6 sampai periode ke 50 dengan nilai respon nol persen. Dengan nilai respon yang negatif hal ini berarti impuls dari penjualan klappertart sebesar satu standar deviasi berpengaruh negatif terhadap penjualan makaroni.

Respon Pastel terhadap Makaroni

0 10 20 30 40

5 10 15 20 25 30 35 40 45 50

Response of PASTEL to MAKARONI

Gambar 6. Respon Pastel terhadap Makaroni

Pada Gambar 6 ini respon yang dianalisa adalah respon pastel terhadap makaroni. Pada grafik tersebut nilai standar deviasi dari respon pastel terhadap makaroni itu sendiri bernilai positif, ketika variabel diimpuls nilai respon meningkat pada periode pertama sampai periode ke 40. Pada periode pertama nilai respon tertinggi yaitu 100 persen dan nilai respon terendah pada periode 10 yaitu 5 persen. Pada periode berikutnya hingga periode ke 50 nilai respon cenderung stabil yaitu nol persen, dengan nilai respon yang positif hal ini menunjukkan bahwa variabel pastel sangat berpengaruh terhadap naik dan turunnya penjualan pastel terhadap makaroni.

Lanjutan lampiran 24. Regresi Model Minitab Klappertart

Source DF Seq SS

PASTEL 1 15959246

PASTEL1 1 830354

MAKARONI 1 1330435

MAKARONI1 1 73318

KLAPPERTART1 1 998433

Unusual Observations

Obs PASTEL KLAPPERTART Fit SE Fit Residual St Resid

31 59 1734.0 640.6 108.9 1093.4 3.48R

37 593 3357.0 3582.5 240.1 -225.5 -0.98 X

38 66 335.0 184.2 231.5 150.8 0.63 X

39 188 2021.0 1329.7 73.8 691.3 2.13R

69 135 2291.0 1182.9 67.1 1108.1 3.40R

88 391 2710.0 3309.2 224.0 -599.2 -2.44RX

89 154 762.0 641.4 230.4 120.6 0.50 X

92 100 2202.0 1333.4 94.4 868.6 2.72R

104 104 2129.0 957.9 54.1 1171.1 3.57R

R denotes an observation with a large standardized residual.

Lampiran 25. Regresi Model Minitab Makaroni

2. Makaroni

The regression equation is

MAKARONI = 9.12 + 1.13 PASTEL - 0.201 PASTEL1 + 0.195 MAKARONI1

+ 0.0313 KLAPPERTART - 0.0105 KLAPPERTART1

117 cases used, 1 cases contain missing values

Predictor Coef SE Coef T P

Constant 9.124 9.474 0.96 0.338

PASTEL 1.12768 0.06511 17.32 0.000

PASTEL1 -0.2009 0.1245 -1.61 0.109

MAKARONI1 0.19539 0.09368 2.09 0.039

KLAPPERTART 0.031278 0.008626 3.63 0.000

KLAPPERTART1 -0.010467 0.008769 -1.19 0.235

S = 31.9773 R-Sq = 89.2% R-Sq(adj) = 88.7%

Analysis of Variance

Source DF SS MS F P

Regression 5 933875 186775 182.66 0.000

Residual Error 111 113502 1023

Lanjutan lampiran 25. Regresi Model Minitab Makaroni

Source DF Seq SS

PASTEL 1 916472

PASTEL1 1 879

MAKARONI1 1 2995

KLAPPERTART 1 12072

KLAPPERTART1 1 1457

Unusual Observations

Obs PASTEL MAKARONI Fit SE Fit Residual St Resid

31 59 109.00 120.25 14.42 -11.25 -0.39 X

37 593 738.00 779.59 22.83 -41.59 -1.86 X

38 66 76.00 83.94 22.28 -7.94 -0.35 X

48 218 223.00 296.29 8.27 -73.29 -2.37R

61 104 220.00 148.77 4.44 71.23 2.25R

88 391 725.00 536.26 13.12 188.74 6.47RX

89 154 205.00 241.35 21.90 -36.35 -1.56 X

R denotes an observation with a large standardized residual.

X denotes an observation whose X value gives it large leverage.

Lampiran 26. Regresi Model Minitab Pastel

3. Pastel

The regression equation is

PASTEL = - 3.72 + 0.153 PASTEL1 + 0.647 MAKARONI - 0.0838 MAKARONI1

+ 0.00606 KLAPPERTART - 0.00322 KLAPPERTART1

117 cases used, 1 cases contain missing values

Predictor Coef SE Coef T P

Constant -3.721 7.199 -0.52 0.606

PASTEL1 0.15282 0.09430 1.62 0.108

MAKARONI 0.64724 0.03737 17.32 0.000

MAKARONI1 -0.08379 0.07191 -1.17 0.246

KLAPPERTART 0.006065 0.006887 0.88 0.380

KLAPPERTART1 -0.003219 0.006679 -0.48 0.631

S = 24.2260 R-Sq = 87.9% R-Sq(adj) = 87.3%

Analysis of Variance

Source DF SS MS F P

Regression 5 472028 94406 160.86 0.000

Residual Error 111 65146 587

Lanjutan lampiran 26. Regresi Model Minitab Pastel

Source DF Seq SS

PASTEL1 1 2353

MAKARONI 1 467874

MAKARONI1 1 1309

KLAPPERTART 1 356

KLAPPERTART1 1 136

Unusual Observations

Obs PASTEL1 PASTEL Fit SE Fit Residual St Resid

30 122 207.00 136.65 4.41 70.35 2.95R

31 207 59.00 88.88 10.58 -29.88 -1.37 X

33 78 148.00 98.46 4.41 49.54 2.08R

34 148 187.00 132.86 6.48 54.14 2.32R

37 151 593.00 493.19 14.78 99.81 5.20RX

38 593 66.00 65.48 16.89 0.52 0.03 X

48 10 218.00 146.73 4.61 71.27 3.00R

88 27 391.00 480.01 14.55 -89.01 -4.60RX

89 391 154.00 123.87 16.55 30.13 1.70 X

92 108 100.00 169.42 6.32 -69.42 -2.97R

R denotes an observation with a large standardized residual.

MUHARANI H24087086. Analisis Peramalan Penjualan Menggunakan Metode

Kointegrasi Antara Jenis Kue Di Triple Combo Bogor. Di bawah bimbingan

MUHAMAD SYAMSUN.

Berbagai jenis makanan dan jajanan semkakin banyak ditemui di

lingkungan, baik jenis makanan kecil dan makanan besar. Kue klappertart

contohnya, kue yang berasal dari Menado ini dulunya banyak di konsumsi oleh

para bangsawan Belanda, makaroni contohnya makanan ini merupakan makanan

yang sudah sering dikonsumsi oleh masyarakat, dan pastel yang terdiri dari kulit

kue kering dan isi, isi pastel dapat berbagai pilihan. Triple Combo merupakan

hidangan yang

exclusive

memiliki 3 varian utama, yaitu : Klappertart, Makaroni,

dan Pastel. Lokasi Triple Combo Klappertart Huize yang beralamat di Jalan.

Pangrango No.8, Bogor terletak di Taman Kencana, bisa dikatakan pusat jajanan

kuliner dan banyak sekali tempat makanan di daerah ini, maka dari itu tepat sekali

menjadi tempat kue Triple Combo. Selain citrarasa yang baik, satu keunggulan

dari klappertartnya Triple Combo adalah halal yang mana Triple Combo telah

mendapatkan sertifikat halal yang dikeluarkan oleh MUI. Karena kue klappertart

dibandingkan makaroni dan pastel yang paling diminati oleh pelanggan, maka

rumah tempat produksi maupun gerai penjualan tersebut dinamakan Huize atau

Rumah Klappertart. Triple Combo merupakan jenis kue yang bergerak dalam

bidang kuliner dan fokus dalam operasionalnya yang keseharianya di

supervise

oleh pengajar professional dari Bogor Hotel

Institute

dan tenaga ahli dari Hotel

Salak

The Heritage

. Berawal dari keinginan membuat makanan yang unik dan

spesial untuk memenuhi kebutuhan akan makanan yang lezat, sehat dan

berkualitas yang cocok menjadi hidangan sehari-hari maupun untuk oleh-oleh atau

gift

serta menunjang pariwisata kota Bogor dengan memberi warna baru kuliner

kota Bogor.

Dengan menggunakan analisis kointergrasi terdapat dua jenis model yang

digunakan untuk dianalisis, yaitu model analisis VAR (

Vector Autoregression

)

atau model analisis VECM (

Vector Error Corection Model

). Dilihat dari hasil uji

yang menunjukan bahwa data tersebut stasioner menggunakan VAR. Kemudian

melakukan analisis IRF dan FEVD untuk melihat korelasi antara data kue dengan

data penjualan yang kemudian dilakukan peramalan melalui analisis FEVD.

Peramalan yang dilakukan untuk mengetahui apakah dalam kurun waktu 118

minggu akan diperoleh hasil bahwa kue tersebut akan mengalami penurunan atau

peningkatan dalam penjualannya, atau akan turun naik pada setiap minggunya,

maka dari itu perlu dilakukan penelitian peramalan penjualan sehingga Triple

Combo akan mendapat gambaran penjualan untuk kedepanya.

Diantara tiga jenis kue klappertart, makaroni, dan pastel ini, masyarakat

lebih menggemari klappertart karena selain rasanya yang berbeda dari jenis kue

lainnya juga memiliki ciri khas tersendiri yang lebih menonjol, sehingga

masyarakat lebih cenderung memilih klappertart. Tetapi selain itu berdampak

positif pada masyarakat untuk mencoba dua kue andalannya di Triple Combo

seperti makaroni dan pastel sebagai pelengkap setelah mencoba klappertart.