PERAMALAN HARGA DAN PRODUKSI … ini merupakan salah satu syarat untuk memperoleh gelar Sarjana...

1

PERAMALAN HARGA DAN PRODUKSI TEMBAKAU

DI INDONESIA

Oleh

DWI MEGA SARI

H14104043

DEPARTEMEN ILMU EKONOMI

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

2008

2

RINGKASAN

DWI MEGA SARI. Peramalan Harga dan Produksi Tembakau di Indonesia.

(dibimbing oleh RINA OKTAVIANI).

Sejak Repelita I pertanian mendapatkan prioritas utama pemerintah

bahkan menjadi titik sentral pembangunan ekonomi. Salah satu cabang sektor

pertanian yang mendapatkan perhatian pemerintah yaitu sektor perkebunan.

Diantara komoditi perkebunan, tembakau merupakan salah satu komoditi

berperan penting dalam perekonomian nasional Indonesia. Sumbangan tembakau

terhadap pendapatan negara melalui cukai tembakau mencapai Rp 52 Trilyun

(2006) dengan produksi rata-rata 144.700 ton/tahun (Deptan, 2007).

Menurut Deptan (2007), kemampuan produksi nasional tembakau pada

tiap tahunnya mengalami fluktuasi tajam. Hal ini terlihat dari tingginya selisih

antara produksi dan konsumsi tembakau di Indonesia. Selama periode 2000-2005

rata-rata selisih antara konsumsi yang diminta dengan produksi yang dihasilkan

adalah sebesar 30.342 Ton/tahun, walaupun Indonesia merupakan 10 produsen

tembakau terbesar di dunia tetapi hasil dari produksi tersebut belum mampu

memenuhi permintaan pasar. Selain itu adanya ketidakpastian harga tembakau

menjadikan komoditas ini sulit untuk diprediksi. Hal ini menimbulkan

kekhawatiran ketidakstabilan pasar tembakau.

Kondisi fluktuasi produksi tembakau yang disertai ketidakpastian harga

tembakau perlu segera diperbaiki. Informasi tentang harga dan produksi sangat

dibutuhkan sebagai solusi permasalahan tersebut. Tujuan dalam penelitian ini

adalah mengetahui peramalan harga dan produksi tembakau di Indonesia untuk

beberapa periode ke depan. Berdasarkan identifikasi pola data harga dan produksi

tembakau metode peramalan yang cocok untuk digunakan yaitu metode Trend,

Double Exponential Smoothing, Winters, Decomposition dan Box-Jenkins.

Setelah dilakukan penerapan dari beberapa teknik peramalan time series.

Dilakukan pemilihan teknik peramalan yang terbaik didasarkan pada nilai MSE

terkecil. Berdasarkan hasil perhitungan dan pemilihan nilai MSE setiap metode

peramalan, menunjukkan bahwa metode peramalan Box Jenkins ARIMA (0,1,1)

merupakan metode paling akurat dalam memberikan nilai ramalan untuk harga

tembakau. Terlihat dari nilai MSE yang dihasilkan merupakan nilai MSE terkecil,

yaitu sebesar 0,02573. Sedangkan untuk produksi tembakau, metode

Decomposition Aditif merupakan metode peramalan terbaik dengan nilai MSE

terkecil yaitu sebesar 392.222.286. Dengan menggunakan teknik yang terbaik

diharapkan akan menghasilkan nilai ramalan mendekati nilai aktualnya.

Peramalan harga tembakau Indonesia yang dilakukan dengan metode

ARIMA (0,1,1) dalam 18 bulan ke depan menghasilkan harga tembakau Indonesia

yang cenderung stabil walaupun ada peningkatan tiap periodenya, tetapi

peningkatan ini tidak begitu besar. Dengan rata-rata kenaikan sebesar Rp 180,00

per periode. Harga pada bulan Januari 2007 adalah sebesar Rp 21.848,20. Harga

tertinggi dicapai pada bulan Juni tahun 2008 sebesar Rp 25.082.50. Selisih harga

tertinggi dengan harga terendah berdasarkan hasil ramalan harga tembakau

Indonesia adalah sebesar Rp 3.234,30. Sedangkan untuk produksi tembakau,

3

output peramalan yang dihasilkan Decomposition Aditif menunjukkan tingkat

produksi tembakau yang berfluktuasi setiap periodenya. Produksi tertinggi selama

5 periode mendatang terjadi pada tahun 2009 dengan produksi sebesar 214.530

Ton, dengan rata-rata fluktuasi kenaikan atau penurunan sebesar 15.147 Ton

setiap tahun.

Permasalahan ketidakpastian harga dan produksi tembakau sudah saatnya

ditanggulangi secara serius oleh berbagai pihak yang terkait dengan dunia

perkebunan di Indonesia. Masyarakat dan pemerintah bersama-sama berupaya

untuk mencari dan melakukan perubahan ke arah peningkatan. Beberapa arah

kebijakan yang bisa ditempuh yaitu dengan peningkatan kualitas tembakau lokal,

kegiatan research and development sektor perkebunan khususnya komoditi

tembakau, langkah konkret pemerintah yaitu berupaya mempertahankan harga

minimum tembakau, peningkatan kualitas SDM petani tembakau melalui

pelatihan dan pendidikan. Kebijakan yang dilakukan dengan tepat dan efektif

akan mendatangkan manfaat bagi pemerintah sebagai inti dan petani tembakau

sebagai plasma selain itu akan menghasilkan tanaman tembakau yang berkualitas

dengan resiko yang minimal.

4

PERAMALAN HARGA DAN PRODUKSI TEMBAKAU

DI INDONESIA

Oleh

DWI MEGA SARI

H14104043

Skripsi

Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada

Departemen Ilmu Ekonomi




2008

5




Dengan ini menyatakan bahwa skripsi yang disusun oleh,

Nama Mahasiswa : Dwi Mega Sari

Nomor Registrasi Pokok : H14104043

Program Studi : Ilmu Ekonomi

Judul Skripsi : Peramalan Harga dan Produksi Tembakau

di Indonesia

dapat diterima sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada

Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian

Bogor.

Menyetujui,

Dosen Pembimbing

Dr. Ir. Rina Oktaviani, MS

NIP 131 846 872

Mengetahui,

Ketua Departemen Ilmu Ekonomi

Dr. Ir. Rina Oktaviani, MS

NIP 131 846 872

Tanggal Kelulusan :

6

PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI

ADALAH BENAR-BENAR KARYA SAYA SENDIRI YANG BELUM

PERNAH DIGUNAKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA

PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.

Bogor, 15 Mei 2008

Dwi Mega Sari

H14104043

7

RIWAYAT HIDUP

Penulis bernama Dwi Mega Sari, lahir di Temanggung pada tanggal 20

November 1985. Penulis adalah anak pertama dari dua bersaudara, dari pasangan

Bapak Sariman dan Ibu Murtasiana.

Jenjang pendidikan penulis ditempuh tanpa hambatan, penulis

menamatkan Sekolah Dasar di SD Kowangan 1 Temanggung, kemudian

melanjutkan ke SMP Negeri 2 Temanggung dan lulus pada tahun 2001. Pada

tahun yang sama penulis diterima di SMU Negeri 1 Temanggung dan lulus pada

tahun 2004. Selanjutnya penulis masuk IPB melalui jalur PMDK dan diterima

sebagai mahasiswa Program Studi Ilmu Ekonomi pada Fakultas Ekonomi dan

Manajemen. Selama menjadi mahasiswa, penulis pernah lolos menjadi Mahasiswa

Berprestasi Ilmu Ekonomi dan turut aktif dalam kegiatan KAREMATA dan LSM

Germany Phili NGO.

8

KATA PENGANTAR

Assalamu’alaikum Wr.Wb.

Alhamdulillah, segala puji dan syukur penulis panjatkan kehadirat Allah

SWT atas Rahmat, Hidayah serta Inayah-Nya, sehingga penulis dapat

menyelesaikan penelitian ini. Judul penelitian ini adalah ”Peramalan Harga dan

Produksi Tembakau di Indonesia”. Skripsi ini merupakan salah satu syarat untuk

memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas

Ekonomi dan Manajemen, Institut Pertanian Bogor.

Penulis mengucapkan terima kasih yang sebesar-besarnya kepada berbagai

pihak yang telah memberikan bantuan, perhatian dan dorongan semangat sehingga

penulis dapat menyelesaikan skripsi ini dengan baik. Untuk itu, ucapan terima

kasih dan penghargaan penulis sampaikan kepada :

1. Kedua orang tua penulis. Do’a, kesabaran dan dorongan Ibu Bapak sangat

berarti besar bagi ananda.

2. Dr.Ir.Rina Oktaviani, M.Si selaku dosen pembimbing yang selalu

meluangkan waktunya, dengan penuh kesabaran memberikan

bimbingan, kritik dan saran dalam penyempurnaan penelitian ini.

3. Ir. Idqan Fahmi, M.Ec selaku dosen penguji utama penelitian ini. Terima

kasih atas sedikit waktunya, yang telah memberi saran-saran dan ilmu

yang bermanfaat.

4. Syamsul Hidayat Pasaribu, S.E., M.Si selaku komisi pendidikan, terima

kasih atas waktunya, saran-saran serta ilmu yang membangun.

5. Khanifuddien. Do’a, dan dukungannya sangat berarti bagi penulis.

6. Para peserta seminar yang telah memberikan kritik dan saran yang sangat

bermanfaat.

7. Neni, Sonce, Ela, teman seperjuangan.

8. Pras, Aan, Agil, Nera dan anak-anak Temanggung yang sangat penulis

rindukan. Terima kasih atas pengalaman, perjalanan, dan cerita berwarna

yang telah kalian goreskan.

9. Karemata. Tiada satu gunung pun yang nantinya tak bisa kau daki.

9

10. Sahabat-sahabat terbaik penulis (teman kosan salsabila, Iber, Ira ,Tyol,

Arum yang telah banyak membantu, Siti).

Penulis menyadari bahwa masih banyak kekurangan dalam penyusunan

skripsi ini. Dengan kerendahan hati, penulis meminta maaf dan mengharapkan

kritik serta saran yang membangun bagi perbaikan penulis.

Semoga hasil skripsi ini dapat memberikan manfaat bagi penulis maupun

semua pihak yang membutuhkan.

Wassalamu’alaikum Wr. Wb.

Bogor, 15 Mei 2008

Dwi Mega Sari

H14104043

10

DAFTAR ISI

Halaman

KATA PENGANTAR ....................................................................................... i

DAFTAR TABEL .............................................................................................. v

DAFTAR GAMBAR ......................................................................................... vi

DAFTAR LAMPIRAN ...................................................................................... vii

I. PENDAHULUAN ....................................................................................... 1

1.1. Latar Belakang ...................................................................................... 1

1.2. Perumusan Masalah .............................................................................. 8

1.3. Tujuan Penelitian .................................................................................. 11

1.4. Manfaat Penelitian ............................................................................... 11

1.5. Ruang Lingkup Penelitian .................................................................... 12

II. TINJAUAN PUSTAKA .............................................................................. 13

2.1. Deskripsi tembakau .............................................................................. 13

2.1.1. Sejarah dan Perkembangan Tembakau ........................................ 13

2.1.2. Sentra Penanaman Tembakau ...................................................... 14

2.1.3. Jenis Tembakau ............................................................................ 14

2.2 Tinjauan Penelitian Terdahulu .............................................................. 17

III. KERANGKA PENELITIAN ....................................................................... 20

3.1. Kerangka Pemikiran Teoritis ............................................................... 20

3.1.1. Peramalan ................................................................................... 20

3.1.2. Jenis-Jenis Peramalan .................................................................. 21

3.1.3. Identifikasi Pola Data Time Series ............................................... 22

3.1.4. Metode Peramalan Time Series .................................................... 24

3.1.5. Pemilihan Model Peramalan ....................................................... 26

3.2. Kerangka Pemikiran Operasional ........................................................ 27

IV. METODE PENELITIAN ............................................................................ 30

4.1. Jenis dan Sumber Data ......................................................................... 30

11

4.2. Teknik Pengolahan dan Analisis Data ................................................. 30

4.3. Identifikasi Pola Data Time Series ....................................................... 31

4.4. Metode Peramalan Time Series ........................................................... 31

4.4.1. Metode Trend ............................................................................... 32

4.4.2. Metode Double Exponential Smoothing ...................................... 32

4.4 3. Metode Decomposition ................................................................ 32

4.4.4. Metode Winters ............................................................................ 33

4.4.5. Metode Box-Jenkins ..................................................................... 34

4.4.5.1. Tahapan Metode Box-Jenkins ............................................. 35

4.5. Pemilihan Metode Peramalan Time Series .......................................... 39

V. HASIL DAN PEMBAHASAN .................................................................... 41

5.1. Identifikasi Pola Data ............................................................................ 41

5.1.1. Identifikasi Pola Data Harga Tembakau di Indonesia ................. 41

5.1.2. Identifikasi Pola Data Peroduksi Tembakau di Indonesia ........... 44

5.2. Pemilihan Metode Peramalan Time Series ........................................... 46

5.3. Pemilihan Teknik Peramalan Terakurat ................................................ 51

VI. KESIMPULAN DAN SARAN ................................................................... 56

6.1. Kesimpulan ........................................................................................... 56

6.2. Saran ..................................................................................................... 57

DAFTAR PUSTAKA ........................................................................................ 59

LAMPIRAN ....................................................................................................... 60

12

DAFTAR TABEL

Nomor Halaman

1.1. Persentase Petani Tembakau terhadap

Sektor Pertanian, 2000-2005 .................................................................. 3

1.2. Luas Areal dan Produksi Tembakau, 1990-2006 ................................... 4

1.3. Produksi Tembakau Menurut Propinsi di Indonesia, 2005 .................... 4

1.4. Sepuluh Negara Terbesar Produsen Daun Tembakau, 2005 ................. 5

1.5. Ekspor dan Impor Tembakau Indonesia, 2000-2005 ............................. 6

1.6. Produksi, Konsumsi dan Selisih Penggunaan Tembakau ...................... 8

1.7. Perkembangan Harga Bulanan

Tembakau Indonesia, 2003-2006 ........................................................... 9

5.1. Nilai MSE Metode Peramalan Harga dan Produksi

Tembakau Indonesia .............................................................................. 52

5.2. Hasil Peramalan Harga Tembakau, 2007-2008 ..................................... 53

5.3. Hasil Peramalan Produksi Tembakau 5 Tahun Mendatang ................... 54

13

DAFTAR GAMBAR

Nomor Halaman

1.1. Tembakau dalam Harga Domestik dan Harga Dunia...... ........................ 7

3.1. Bagan Alur Kerangka Pemikiran ............................................................. 29

5.1. Pola Data Harga Tembakau di Indonesia ................................................. 43

5.2. Pola Data Produksi Tembakau di Indonesia ............................................ 45

14

DAFTAR LAMPIRAN

Nomor Halaman

1. Harga Tembakau di Indonesia, 1986-2006 ............................................. 61

2. Plot ACF dan PACF Harga Tembakau di Indonesia ............................... 62

3. Metode Trend Harga Tembakau ............................................................. 63

4. Metode Winters Harga Tembakau ........................................................... 64

5. Metode Decomposition Harga Tembakau ............................................... 65

6. Metode Box Jenkins Harga Tembakau .................................................... 66

7. Produksi Tembakau di Indonesia, 1971-2006 ......................................... 67

8. Plot ACF dan PACF Produksi Tembakau di Indonesia ......................... 68

9. Metode Trend Produksi Tembakau ......................................................... 69

10. Metode Winters Produksi Tembakau. ..................................................... 70

11. Metode Decomposition Produksi Tembakau .......................................... 71

12. Metode Box Jenkins Produksi Tembakau ............................................... 72

15

I. PENDAHULUAN

1.1 Latar Belakang

Dewasa ini pembangunan yang dilaksanakan di Indonesia telah memasuki

tahap revitalisasi. Revitalisasi merupakan perubahan atau pembangunan ke arah

yang lebih baik. Pembangunan tersebut meliputi berbagai aspek kehidupan sosial,

ekonomi maupun budaya dengan tetap memperhatikan kesejahteraan

masyarakatnya. Tekad pemerintah untuk meningkatkan taraf hidup seluruh rakyat

Indonesia telah tertulis dalam Garis-Garis Besar Haluan Negara yang

menyebutkan bahwa pembangunan adalah upaya mewujudkan kesejahteraan

rakyat agar semakin adil dan merata yang senantiasa terus ditingkatkan.

Pembangunan pertanian dalam arti luas mendapatkan prioritas utama

pemerintah Indonesia sejak Repelita I bahkan menjadi titik sentral pembangunan

ekonomi. Dengan menempuh jalan tersebut sebagian rakyat Indonesia, yaitu

petani mendapatkan kesempatan untuk memperbaiki tingkat penghasilannya.

Perbaikan penghasilan para petani ini nantinya diharapkan dapat meningkatkan

daya beli mereka dan dapat mendorong perkembangan sektor lainnya.

Sektor perkebunan sebagai salah satu cabang sektor pertanian juga

mendapatkan perhatian pemerintah. Sasaran pembangunan perkebunan sejak

PELITA VI adalah meningkatkan pendapatan petani perkebunan rakyat,

meningkatkan cadangan devisa negara, memperluas kesempatan kerja dan

meningkatkan pemanfaatan sumber daya tanpa meninggalkan usaha-usaha

pelestariannya.

16

Diantara komoditi perkebunan, tembakau merupakan salah satu komoditi

yang mempunyai peranan penting dalam perekonomian nasional Indonesia.

Peranan tersebut yaitu sebagai sumber pendapatan bagi petani tembakau, sebagai

penyerap tenaga kerja yang cukup besar mulai dari pengolahan sampai ke pabrik

rokok dan sebagai sumber pendapatan bagi negara dari cukai dan ekspor.

Indonesia sendiri merupakan salah satu dari 10 besar produsen utama

tembakau dunia. Tembakau merupakan salah satu komoditas hasil perkebunan

rakyat yang menjadi komoditas tradisional bahan baku utama industri rokok.

Sumbangan tembakau terhadap perekonomian nasional cukup tinggi. Pada tahun

2002 penerimaan cukai tembakau untuk rokok sebesar 29 Trilyun (7,4%), tahun

2004 meningkat menjadi 36,5 Trilyun (9,8%) dan pada tahun 2006 meningkat

kembali menjadi 52 Triliun (12%). Selain itu tembakau juga menghasilkan devisa

senilai 235,4 juta US$ (Dirjenbun, 2006).

Di beberapa daerah, pendapatan petani dari usahatani tembakau

mempunyai peranan penting dengan pangsa di atas 50 persen dari total

pendapatan petani. Selain itu, peranan tembakau dalam mengatasi pengangguran

ternyata sangat besar, karena aktivitas produksi dan pemasarannya melibatkan

sejumlah penduduk untuk mendapatkan pekerjaan serta penghasilannya. Menurut

data Direktorat Jendral Bina Produksi Perkebunan, Departemen Pertanian (2006),

jumlah penyerapan tenaga kerja mencapai 3.200.000 KK dengan rincian usaha

tani tembakau dan cengkeh mencapai 800.000 KK dimana petani tembakau

sendiri berkisar antara 400.000 sampai dengan 500.000 KK dan sisanya

merupakan petani cengkeh (antara tahun 2000-2005), perdagangan tembakau

170.000 KK, pabrik 170.000 KK, agen pengecer, percetakan, transportasi dan

17

lain-lain 2.060.000 KK. Berdasarkan angka-angka ini, persentase petani tembakau

berkisar antara 1,0-2,5% dari seluruh pekerja sektor pertanian (Tabel 1.1)

Tabel 1.1. Persentase Petani Tembakau Terhadap Sektor Pertanian, 2000-2005

Tahun Jumlah Petani

Tembakau (KK)

Persentase Petani

Tembakau Terhadap

Petani Sektor Pertanian

Jumlah Total Petani

Sektor Pertanian (KK)

2000 446.142 1,8 2.478.512

2001 478.360 2,4 2.093.160

2002 432.928 1,2 3.307.733

2003 490.226 2,5 2.960.904

2004 472.034 2,3 2.052.321

2005 428.064 1,0 4.080.932

Sumber : Direktorat Jendaral Bina Perkebunan, 2007

Penawaran komoditas tembakau masih sangat tergantung dari jumlah

tembakau yang diproduksi. Sedangkan jumlah produksi tembakau yang dihasilkan

ditentukan oleh luas panen dan produktifitas lahan. Setiap tahunnya jumlah

tembakau yang ditawarkan mengalami fluktuasi. Luas panen terbesar terjadi pada

tahun 2001 sebesar 260.738 Ha dengan jumlah produksi sebesar 199.103 Ton,

sedangkan luas panen terkecil terjadi pada tahun 1998 sebesar 165.487 Ha dengan

jumlah produksi sebesar 105.580 Ton. Pada tahun 1997 produksi tembakau

terbesar Indonesia tercatat sebesar 209.626 Ton. Namun menyusul adanya

pengaruh La Nina dan krisis ekonomi, produksi tembakau Indonesia jatuh pada

tahun 1998 menjadi 105.580 Ton. (Deptan, 1999). Tetapi, pada tahun 2000

produksi dan luas areal pertanaman tembakau Indonesia menunjukkan

pertumbuhan positif. Luas areal pertanaman tembakau naik menjadi 239.737 Ha

dan produksi naik menjadi 204.329 Ton. Selain itu kualitas tembakau yang

dihasilkan juga lebih baik jika dibandingkan dengan mutu tembakau tahun

sebelumnya yang turun karena cuaca yang memburuk. Adapun data luas lahan

dan produksi tembakau di Indonesia tahun 1990-2006:

18

Tabel 1.2. Luas Areal dan Produksi Tembakau 1990-2006

Tahun Luas panen

(Ha)

Produksi tembakau

(Ton)

Produktifitas

(Kg/Ha)

1990 235.866 156.432 663,22

1991 214.838 140.283 652,97

1992 166.847 111.655 669,20

1993 178.496 121.370 679,96

1994 193.095 130.134 673,94

1995 220.944 140.169 634,40

1996 225.475 151.025 669,81

1997 248.877 209.626 842,28

1998 165.487 105.580 637,99

1999 167.271 135.384 810,56

2000 239.737 204.329 852,31

2001 260.738 199.103 763,61

2002 256.081 192.082 750,08

2003 256.801 200.875 782,22

2004 200.973 165.108 821,54

2005 198.212 153.470 774,27

2006 199.785 177.895 890,33

Sumber : Direktorat Jendral Bina Perkebunan (2007)

Dari jumlah produksi tembakau di Indonesia, lebih dari 50 persen

tembakau dihasilkan di pulau Jawa. Hal ini dikarenakan sentra-sentra penghasil

tembakau terdapat di pulau Jawa. Jawa Timur memiliki luas panen dan

merupakan penghasil tembakau terbesar. Adapun data produksi tembakau

menurut propinsi di Indonesia tahun 2005 :

Tabel 1.3. Produksi Tembakau Menurut Propinsi di Indonesia, 2005

Propinsi Produksi (Ton) Persentase

Jawa Timur

Jawa Tengah

NTB

Yogyakarta

Jawa Barat

Bali

Sumatera Barat

78.213

33.771

36.668

2.270

1.890

1.498

1.112

50,3

21,7

23,5

1,5

1,2

1,0

0,7

Total 153.470 100,00


19

Dalam laporan statistik perkebunan Indonesia, pemerintah menargetkan

produksi tembakau mencapai 250.000 Ton pada tahun 2009. Target ini patut

diragukan keberhasilannya mengingat tingkat fluktuasi produksi tembakau yang

cukup besar. Produksi tanaman tembakau Indonesia saat ini masih relatif rendah,

meskipun data menunjukkan adanya trend peningkatan dalam kurun waktu 34

tahun terakhir ini. Data Dirjenbun (2007), membuktikan bahwa kemampuan

berproduksi tanaman tembakau Indonesia hingga tahun 2005 secara agregat rata-

rata baru sekitar 772,24 Kg/Ha.

Jika dibandingkan dengan negara lain, maka produktifitas tanaman

tembakau di negara kita sudah jauh ketinggalan. Empat negara memproduksi

hampir 2/3 suplai daun tembakau dunia. Cina, Brasilia, India, dan Amerika

Serikat memproduksi lebih dari 4 juta Ton daun tembakau dalam setiap tahun,

kurang lebih 64 % dari produksi dunia. Kontribusi Indonesia hanya sekitar

150.000 ton daun tembakau atau 2,4 % saja dari supply dunia. (Tabel 1.4)

Tabel 1.4. Sepuluh Negara Terbesar Produsen Daun Tembakau, 2005

Negara Produksi

Dalam Ton Persentase terhadap

Produksi Dunia

Cina 2.409.215 37,8

Brasilia 654.250 10,3

India 575.000 9,0

Amerika 401.890 6,3

Zimbabwe 172.947 2,7

Turki 155.000 2,5

Indonesia 153.470 2,4

Yunani 135.000 2,2

Itali 130.400 2,1

Pakistan 85.100 1,3

Lain-lain 1.487.118 23,4

Total 6.359.390 100%

Sumber : FAO Stat Agriculture, 2007

20

Produktifitas yang rendah itu umumnya terjadi pada perkebunan rakyat.

Dari total luas kebun tembakau Indonesia pada tahun 2005 sebesar 198.212 Ha,

seluas 186.241 Ha (91,7 persen) diantaranya merupakan kebun tembakau rakyat.

Sedangkan sisanya diusahakan oleh perkebunan swasta dan negara (8,3 persen).

Karena tembakau yang banyak dikelola oleh rakyat tersebut pada umumnya

belum diusahakan secara intensif, sehingga kuantitas dan kualitas produksinya

dari tahun ke tahun semakin rendah dan bervariasi.

Di Indonesia tanaman tembakau telah lama diusahakan oleh petani sebagai

usaha tani komersial. Tembakau secara umum mempunyai prospek yang cukup

cerah yaitu dicirikan oleh sebagian besar hasil produksinya ditujukan untuk

memenuhi permintaan pasar, baik itu untuk konsumsi dalam negeri maupun untuk

ekspor. Peluang pasar dari luar negeri dan khususnya dalam negeri masih sangat

terbuka. Total volume ekspor tembakau selama periode 2000-2005 telah mencapai

262.503 Ton dengan nilai ekspor sebesar US$ 438.986 atau rata-rata pertahun

sebesar 43.750 Ton dengan nilai US$ 87.797, sedangkan volume impor untuk

kurun waktu yang sama mencapai 212.810 Ton dengan nilai impor sebesar US$

755.640 atau rata-rata pertahun sebesar 35.468 Ton dengan nilai US$ 125.940.

Tabel 1.5. Ekspor dan Impor Tembakau Indonesia, 2000-2005

Tahun Ekspor Impor

Volume

(Ton)

Nilai

(000 US$)

Volume

(Ton)

Nilai

(000 US$)

2000 35.957 71.287 30.241 114.834

2001 43.030 91.404 41.386 139.608

2002 42.686 76.684 32.989 105.953

2003 40.638 62.847 30.762 95.190

2004 46.463 90.618 36.108 120.854

2005 53.729 117.433 41.324 179.201

Total 262.503 438.986 212.810 755.640

Rata-rata 43.750 87.797 35.468 125.940


21

Peluang impor tembakau semakin besar karena rata-rata produksi

tembakau nasional kurang lebih 185.827 Ton/tahun, jumlah tersebut belum

memenuhi kebutuhan dalam negeri yang mencapai 212.180 Ton/tahun.

Ketidakseimbangan pasokan dan permintaan tersebut menimbulkan keharusan

untuk mengimpor tembakau. Termasuk ketika musim panen, para importir tetap

mendatangkan tembakau dari luar negeri. Hal ini disebabkan harga tembakau luar

negeri jauh cenderung lebih rendah dibandingkan harga tembakau dalam negeri.

Tingginya harga tembakau domestik ini disebabkan karena tembakau luar

mempunyai daya saing yang tinggi, sementara tembakau domestik mengalami

kenaikan akibat penyesuaian harga pupuk, tidak adanya subsidi pupuk dan bibit

berkualitas, ongkos transportasi, tenaga kerja dan lain-lain. Sebagai pembanding

harga tembakau di pasar dunia periode dapat dilihat pada Gambar 1.1.

Gambar 1.1. Tembakau dalam Harga Domestik dan Dunia

Sumber : FAO Stat Agriculture, 2007

Kondisi ini akan berimbas buruk bagi sektor perkebunan Indonesia,

sehingga diperlukan suatu alat pendugaan untuk menganalisis volume produksi

dan harga dimasa mendatang yang akan terjadi melalui teknik peramalan. Dengan

peramalan, pemerintah akan lebih mudah dalam membuat kebijakan dan lebih

0

5000

10000

15000

20000

25000

19

90

19

91

19

92

19

93

19

94

19

95

19

96

19

97

19

98

19

99

20

00

20

01

20

02

20

03

20

04

20

05

harga domestik

harga dunia

22

mengetahui perilaku supply dan demand tembakau di pasar sehingga kestabilan

harga maupun produksi di masa yang akan datang akan tetap terjaga.

1.2 Perumusan Masalah

Tembakau merupakan komoditas perkebunan yang sangat penting bagi

perekonomian Indonesia. Meskipun demikian, komoditi tembakau di Indonesia

menghadapi berbagai permasalahan, diantaranya adalah ketidakpastian harga

tembakau dan fluktuasi produksi tembakau.

Menurut Deptan (2007), kemampuan produksi nasional tembakau pada

tiap tahunnya mengalami fluktuasi tajam. Kondisi fluktuasi tembakau ini

menyebabkan Indonesia cenderung mengalami kekurangan pasokan untuk

menutupi kebutuhannya. Setiap tahunnya kondisi selisih antara kebutuhan dan

permintaan mengalami kecenderungan meningkat. Pada tahun 2000 produksi

tembakau Indonesia surplus sebesar 13.975 Ton, kemudian bertolak menjadi

defisit 7.038 Ton. Kondisi kekurangan tembakau ini meningkat menjadi 25.475

Ton pada tahun 2002, kemudian menurun menjadi 17.351 Ton pada tahun 2003,

dan kembali meningkat hingga defisit 67.765 Ton pada tahun 2005.

Tabel 1.6. Produksi, Konsumsi dan Selisih Penggunaan Tembakau

Tahun Produksi

(Ton)

Konsumsi

(Ton)

Gap Produksi

dan Konsumsi

2000 204.329 190.354 13.975

2001 199.103 206.411 -7.038

2002 192.082 217.557 -25.475

2003 200.875 218.226 -17.351

2004 165.108 219.302 -54.194

2005 153.470 221.235 -67.765

Rata-rata 185.827 212.180 -30.342

Sumber : Direktorat Jendral Bina Perkebunan (2007).

Selisih yang diperlihatkan antara produksi dan konsumsi memperlihatkan

bahwa masih tingginya gap antara produksi dan konsumsi tembakau di Indonesia

23

atau dengan kata lain jumlah yang diperlukan untuk konsumsi dalam negeri masih

lebih jauh dibandingkan dengan produksi yang dihasilkan. Selama tahun 2000-

2005 jumlah permintaan tembakau selalu lebih tinggi daripada produksi yang

dihasilkan. Rata-rata selisih antara konsumsi yang diminta dengan produksi yang

dihasilkan adalah sebesar 30.342 Ton/tahun, walaupun Indonesia merupakan 10

produsen tembakau terbesar di dunia tetapi hasil dari produksi tersebut belum

mampu memenuhi permintaan pasar.

Selain itu, adanya ketidakpastian harga tembakau di pasar menjadikan

komoditas ini sulit untuk dapat diprediksi. Harga rata-rata tertinggi bulanan

tembakau rajangan di Indonesia antara periode 2003-2006 dicapai pada tingkat

harga Rp 25.833,00/Kg, sedangkan harga terendah dicapai pada tingkat harga Rp

17.800,00/Kg. Selisih nilai antara harga tertinggi dan terendah adalah sebesar Rp

8.033,00. Harga yang berfluktuasi walaupun dengan taraf rendah ini sangat

berpengaruh besar bagi margin penerimaan petani. Hal tersebut dapat dihindari

apabila tingkat penawaran dapat disesuaikan dengan tingkat permintaan.

Tabel 1.7. Perkembangan Harga Bulanan Tembakau Indonesia, 2003-2006

Bulan Harga

2003 2004 2005 2006

Januari 19.400 20.100 19.300 22.300

Februari 19.400 18.600 19.500 21.300

Maret 18.800 19.400 20.300 23.300

April 18.400 17.800 21.000 20.300

Mei 20.300 24.125 22.375 21.375

Juni 18.900 22.125 23.185 24.375

Juli 18.760 25.833 24.000 22.000

Agustus 19.400 25.000 24.400 25.400

September 18.500 25.333 26.400 24.000

Oktober 18.850 25.000 24.700 24.700

November 19.400 23.875 23.785 21.785

Desember 18.150 20.437 22.650 21.000

Sumber : Dirjen Perkebunan, 2007

24

Fluktuasi produksi tembakau dan ketidakpastian harga tembakau ini

memerlukan tindakan pemerintah untuk mengendalikannya, agar tidak

memberikan imbas buruk bagi sub sektor perkebunan di Indonesia. Sampai saat

ini Dirjen Bina Produksi dan Perkebunan belum memiliki model peramalan yang

tepat untuk memperkirakan produksi dan harga tembakau di masa mendatang.

Ketidakmampuan pemerintah dalam mempertahankan harga pasar ini akan

menyebabkan ketidakstabilan pasar tembakau di masa yang akan datang. Disisi

lain, permintaan akan tembakau secara nasional di perkirakan akan terus

meningkat seiring dengan peningkatan jumlah penduduk dan pertumbuhan

konsumsi tembakau. Selain itu harga tembakau di pasaran dunia lebih murah dari

pada harga di pasar domestik, jika hal ini tidak diimbangi dengan peningkatan

produksi yang memadai maka ada kekhawatiran besar atas impor tembakau yang

tinggi. Informasi harga tembakau dalam negeri yang lengkap dan akurat sangat

dibutuhkan dalam menunjang pengembangan tembakau sebagai komoditi

perkebunan unggulan yang sering mengalami ketidakpastian harga pasar.

Salah satu cara untuk mengetahui kemampuan Indonesia dalam

memproduksi tembakau dan tingkat harga adalah dengan melakukan peramalan

untuk beberapa tahun yang akan datang. Peramalan dibutuhkan sebagai informasi

dasar untuk menyusun perencanaan dan pengambilan keputusan di masa

mendatang. Peramalan merupakan alat bantu yang penting dalam perencanaan

yang efektif dan efisien. Dengan demikian dapat disimpulkan bahwa peramalan

merupakan dugaan mengenai suatu kejadian pada waktu yang akan datang yang

dapat digunakan untuk melakukan perencanaan dan pengambilan keputusan.

25

Berdasarkan masalah yang dijelaskan di atas, maka dalam penelitian ini dapat

dirumuskan beberapa masalah sebagai berikut :

1. Bagaimanakah pola kecenderungan harga dan fluktuasi produksi tembakau

Indonesia?

2. Metode peramalan apa yang cocok dengan pola data harga dan produksi

tembakau di Indonesia?

3. Bagaimanakah kecenderungan perubahan harga dan produksi yang akan

terjadi di masa yang akan datang?

1.3. Tujuan penelitian

Penelitian ini bertujuan :

1. Mengidentifikasi pola fluktuasi harga dan produksi tembakau Indonesia.

2. Mendapatkan metode peramalan terbaik untuk meramalkan harga dan

produksi tembakau di Indonesia.

3. Menganalisis kecederungan perubahan harga tembakau dan produksi yang

akan terjadi di masa yang akan datang.

1.4. Manfaat Penelitian

Diharapkan hasil dari penelitian ini akan dapat digunakan oleh para pelaku

perdagangan komoditas tembakau. Bagi petani tembakau hasil ini dapat dijadikan

sebagai bahan pertimbangan perencanaan dalam berproduksi dan ditingkat harga

berapa tembakau tersebut akan terjual. Bagi pemerintah dan pihak-pihak terkait

yang terkait dapat dijadikan sebagai bahan untuk merumuskan kebijakan terhadap

26

tembakau dengan memberikan pemahaman mengenai pola fluktuasi harga dan

produksi tembakau.

Bagi penulis, penelitian ini sebagai sarana mengaplikasikan ilmu yang

sudah didapat selama kuliah dengan fakta yang terjadi di lapangan, serta

menambah wawasan dan pengalaman dalam menganalisis, mengkaji dan

memberikan alternatif pemecahan pada suatu masalah yang terjadi. Penelitian ini

juga diharapkan dapat menjadi bahan pemikiran bagi penelitian-penelitian

selanjutnya.

1.5. Ruang Lingkup Penelitian

Pada penelitian ini dilakukan peramalan mengenai harga tembakau selama

1,5 tahun kedepan dengan menggunakan metode time series berdasarkan data

harga rata-rata bulanan tembakau dari tahun 1986 sampai 2006 Data harga yang

didapat berasal dari Departemen Pertanian Bagian Direktorat Jendral Bina

Perkebunan. Selain itu akan dilakukan juga peramalan produksi tembakau 5 tahun

ke depan dengan menggunakan metode time series berdasarkan data produksinya

dari tahun 1971 sampai 2006. Metode Peramalan yang akan digunakan yaitu

metode trend, metode pemulusan eksponensial ganda, metode decomposisi,

metode winters, dan metode Box Jenkins.

27

II. TINJAUAN PUSTAKA

2.1. Deskripsi Tembakau

2.1.1 Sejarah dan Perkembangan Tembakau

Tanaman tembakau merupakan salah satu tanaman tropis asli Amerika.

Asal mula tembakau liar tidak diketahui dengan pasti karena tanaman ini sangat

tua dan telah dibudidayakan berabad-abad lamanya. Penggunaan tembakau

berasal dari bangsa Indian, berkaitan dengan upacara-upacara keagamaan mereka.

Kata tembakau berasal dari kata Indian tobaco, merupakan nama pipa yang

digunakan oleh orang indian untuk merokok daun tanaman ini.

Tanaman tembakau telah menyebar ke seluruh Amerika Utara, sebelum

masa kedatangan kulit putih. Tembakau dibudidayakan oleh orang Indian pada

saat menemukan Amerika. Colombus yang pertama kali mengetahui penggunaan

tembakau ini dari orang-orang Indian. Pertumbuhan tembakau sangat identik

dengan perkembangan koloni-koloni pertama terutama di daerah Virginia dan

Myraland.

Tanaman tembakau dibudidayakan sebagai tanaman komersial di 21

negara bagian yang berbeda. Negara bagian Kentucky dan Carolina Utara

menghasilkan kira-kira 60% dari jumlah produksi keseluruhan. Melihat besarnya

produksi dalam negeri, tembakau tersebut kemudian di ekspor sebagai bahan

dasar rokok. Negara-negara lain yang menghasilkan tembakau dalam jumlah

cukup besar adalah Cina dan India.

Pada tahun 1556, tanaman tembakau diperkenalkan di Eropa, dan mula-

mula hanya dipergunakan untuk keperluan dekorasi dan kedokteran atau medis

28

saja. Setelah itu tembakau menjadi populer di Eropa dan digunakan untuk

beberapa keperluan, misanya menghilangkan rasa lapar, mengurangi rasa kantuk

atau pingsan dan mengobati beberapa penyakit.

Tanaman tembakau di Indonesia diperkirakan dibawa oleh bangsa Portugis

atau Spanyol pada abad XVI. Menurut Rhumpius, tanaman tembakau pernah

dijumpai di Indonesia tumbuh di beberapa daerah yang belum dijelajahi oleh

bangsa Portugis atau Spanyol (Matnawi, 1997).

2.1.2 Sentra Penanaman Tembakau

Tanaman tembakau bisa dibudidayakan pada lahan basah ataupun kering,

asal tercukupi aerasi tanah yang baik. Walaupun begitu, tembakau yang ditanam

pada lahan kering dapat menghasilkan kualitas tembakau yang baik, dengan

tekstur dan aroma yang khas. Di setiap propinsi terdapat beberapa kota yang dapat

menghasilkan komoditi ini tetapi tidak begitu besar presentasenya.

Beberapa kota yang menjadi sentra penghasil tembakau yang hasilnya

diperdagangkan di luar negeri adalah Aceh, Sumatera Utara (Karo dan Dairi),

Sumatera Barat (Lima Puluh Kuto, Solok, Payakumbuh), Sumatera Selatan (OKU

Selatan), Lampung (Tanggamus, Lampung Timur), Jawa Barat (Sumedang, Garut,

Majalengka), Jawa Tengah (Temanggung, Kendal, Demak, Magelang, Wonosobo,

Klaten), Yogyakarta, Jawa Timur (Jember, Probolinggo, Bojonegoro), dan NTB.

2.1.3 Jenis Tembakau

Tanaman Tembakau (Nicotiana tabacum L.) termasuk dalam genus

Nicotiana serta famili Solanaceae. Ada sekitar 54 galur atau varietas yang

29

dibudidayakan di Indonesia. Tembakau merupakan tanaman yang membutuhkan

tanah yang mempunyai aerasi baik untuk pertumbuhan dan perkembangan

akarnya. Jumlah daun pada setiap batang tembakau berkisar antara 28-33 lembar.

Bentuk ketebalan, dan ukuran daun pada masing-masing posisi daun pada batang

berbeda-beda.

Posisi daun pada batang yang letaknya makin ke atas, kandungan nikotin

dan ketebalan daunnya makin meningkat. Kandungan karbohidrat tertinggi

dijumpai pada daun tengah, makin ke atas dan makin ke bawah kandungan

karbohirat makin rendah. Kandungan klorofil makin keatas makin tinggi dan

makin stabil.

Menurut musimnya, tanaman tembakau di Indonesia dapat dipisahkan

menurut dua jenis, yaitu :

1. Tembakau VO (Voor-Oogst)

Tembakau ini biasanya dinamakan tembakau musim kemarau atau

onberegend. Artinya, jenis tembakau yang ditanam pada waktu musim

penghujan dan dipanen pada waktu musim kemarau.

2. Tembakau NO ( Na Oogst)

Tembakau Na-Oogst adalah jenis tembakau yang ditanam pada musim

kemarau, kemudian dipanen atau dipetik pada musim penghujan.

Dalam industri rokok, dikenal 3 jenis daun tembakau, yakni daun

pembungkus, daun pembalut, dan daun pengisi. Ketiga jenis daun tembakau

tersebut dihasilkan dari jenis tembakau yang tidak sama. Berdasarkan jenis daun

yang dihasilkan, tembakau dibagi menjadi lima jenis (Cahyono, 2000) yakni :

30

1. Tembakau Cerutu

Jenis tembakau cerutu antara lain Tembakau Deli, tembakau Vorsteinland,

tembakau Besuki, tembakau Cuba, tembakau Maryland. Tembakau cerutu

umumnya berfungsi sebagai pembalut atau pengisi. Tembakau yang

digunakan untuk mengisi cerutu ini biasa disebut juga tembakau nasi.

2. Tembakau Pipa

Tembakau pipa adalah jenis tembakau yang khusus digunakan untuk pipa

bukan untuk pembuatan rokok cerutu ataupun rokok sigaret kretek.

Penggunaannya untuk kenikmatan merokok adalah langsung ditempatkan

pada bagian ujung pipa lalu dinyalakan dengan api dan diisap dengan

batang pipa, yang tergolong tembakau pipa adalah tembakau Lumajang.

3. Tembakau Sigaret

Dalam industri rokok, tembakau sigaret digunakan sebagai bahan baku

pembuatan rokok sigaret, baik sigaret putih maupun sigaret kretek. Yang

tergolong jenis tembakau ini adalah tembakau Virginia, tembakau

Oriental, Tembakau Burley, Tembakau Kasturi, Madura dan Payakumbuh.

4. Tembakau Asli/Rajangan

Jenis tembakau ini kebanyakan diusahakan oleh rakyat. Hasil panen

umumnya diolah dengan cara dirajang, lalu dikeringkan dengan

penjemuran matahari (sun curing). Pembudidayaannya mulai dari

pembuatan persemaian, penanaman, dan pengolahan hasil sampai siap

dijual di pasaran dilakukan oleh petani sendiri. Hasil tembakau rajangan

kurang begitu diminati industri rokok karena kurang kualitas cita rasa dan

aromanya.

31

5. Tembakau Asapan

Tembakau ini merupakan jenis tembakau yang daunnya diolah secara

pengasapan. Jenis tembakau ini dibedakan menjadi dua, yakni tembakau

musim penghujan (Na Oogst) dan tembakau musim kemarau (Voor Oogst)

2.2 Tinjauan Penelitian Terdahulu

Hasil penelitian yang telah dilakukan sebelumnya mengenai tembakau dan

berguna sebagai referensi penulis diantaranya mencakup tentang ekspor dan

impor Tembakau Besuki, faktor-faktor yang mempengaruhi tembakau di Jawa,

dan lain-lain.

Aziz (1999) menganalisis pasokan ekspor dan permintaan impor tembakau

Besuki NO dengan menggunakan persamaan regresi menyimpulkan bahwa pasar

tembakau bahan cerutu di wilayah CMS (Centralized Marketing System) dikuasai

oleh tembakau dari Kuba, Indonesia (Besuki NO) dan Brazil. Karena kedudukan

negara-negara pengimpor lebih dominan dalam penentuan harga, ketiga negara

tersebut cenderung bertindak sebagai price taker. Jumlah ekspor tembakau Besuki

NO ke wilayah CMS dipengaruhi secara nyata oleh harga riil tembakau Besuki

NO di wilayah non-CMS dan jumlah ekspor tahun lalu. Sedangkan jumlah ekspor

ke wilayah non-CMS secara nyata dipengaruhi oleh harga riil tembakau Besuki

NO di wilayah CMS, nilai tukar Rupiah dengan US Dollar, dan jumlah ekspor

tahun lalu. Jumlah impor tembakau Besuki NO ke wilayah CMS secara nyata

dipengaruhi oleh harga riil tembakau Besuki NO di wilayah CMS, harga

tembakau cerutu dari negara lain, jumlah penduduk negara-negara CMS,

pendapatan perkapita penduduk negara-negara CMS, nilai tukar Rupiah dengan

32

Mark Jerman, dan jumlah impor tahun lalu. Jumlah impor tembakau Besuki ke

wilayah non CMS secara nyata dipengaruhi oleh harga riil di wilayah non CMS,

harga riil tembakau cerutu dari negara lain, jumlah penduduk negara-negara non

CMS, pendapatan perkapita penduduk negara-negara non CMS, dan jumlah impor

tahun lalu.

Cisilia (1997) menganalisis faktor-faktor produksi yang mempengaruhi

usaha tani tembakau di Jawa dengan menggunakan model fungsi produksi Cobb-

Douglas dan diduga dengan metode kuadrat terkecil (OLS). Faktor-faktor

produksi yang mempengaruhinya adalah luas lahan (X1), tenaga kerja (X2),

pupuk ZA (Z3), pupuk TSP (X4), pupuk urea (X5), obat prowl (X6), dan jumlah

bibit (X7). Dari peubah-peubah tersebut yang berpengaruh nyata terhadap

produksi tembakau Jawa adalah : luas lahan dengan tingkat kepercayaan 95

persen, tenaga kerja (90 persen), pupuk ZA (70 persen), pupuk Urea (90 persen),

obat prowl (70 persen), dan jumlah bibit (90 persen). Penggunaan pupuk TSP

tidak berpengaruh nyata terhadap produksi tembakau dengan tingkat kepercayaan

kurang dari 50 persen, karena unsur fosfat di tanah grumusol sukar larut sehingga

sukar diserap oleh tanaman. Jadi pengaruh fosfat terhadap produksi tembakau

Jawa hampir tidak ada.

Susanti (2006) melakukan penelitian dengan judul Peramalan Permintaan

Cabai Merah (Studi Kasus Pasar Induk Kramat Jati, DKI Jakarta). Peramalan ini

dilakukan untuk melihat pola data permintaan cabai merah dan menentukan

metode yang tepat untuk melakukan peramalan dan faktor yang

mempengaruhinya. Hasil dari penelitian yang dilakukan Susanti adalah pola data

permintaan cabai merah mengalami fluktuasi yang besar dan terdapat data periode

33

musiman. Dari hasil uji berbagai metode peramalan time series, maka diperoleh

bahwa metode peramalan yang dianggap paling akurat adalah metode peramalan

time series ARIMA. Metode peramalan ARIMA dianggap paling akurat karena

memeiliki perhitungan kesalahan (error) yang relatif lebih kecil dibandingkan

dengan metode peramalan lainnya. Metode peramalan ARIMA yang didapat

adalah SARIMA (1,1,1)(0,1,1)51

.

Persamaan penelitian ini dengan penelitian terdahulu adalah pada alat

analisis yang digunakan dan komoditas yang menjadi bahan penelitian yaitu

tembakau. Alat analisis menggunakan metode kuantitatif, yaitu metode time

series.

Perbedaan penelitian yang akan dilakukan dengan penelitian yang

terdahulu adalah dalam penelitian ini bukan hanya harga saja yang diramalkan

tetapi berikut produksi tembakaunya. Selain itu penelitian ini juga ingin

memperlihatkan implikasi dari hasil peramalan yang akan dilakukan.

34

III. KERANGKA PENELITIAN

3.1. Kerangka Pemikiran Teoritis

3.1.1 Peramalan

Peramalan adalah mengenai sesuatu yang belum terjadi. Peramalan

merupakan studi terhadap data historis untuk menemukan hubungan,

kecenderungan, dan pola yang sistematis (Sugiarto dan Haridjono, 2000). Dalam

hal ini peramalan menghubungkan harga jual tembakau dengan data historis yang

ada dan juga meramalkan produksi dengan data historis yang ada. Peramalan

adalah proses menduga masa depan yang penuh dengan ketidakpastian. Peramalan

merupakan suatu dugaan atau perkiraan mengenai terjadinya suatu kejadian atau

peristiwa pada waktu yang akan datang, yang dapat membantu dalam melakukan

perencanaan dan pengambilan keputusan secara tepat dan efektif. Prediksi

mengenai kejadian masa depan tidak selalu tepat, pelaku peramalan hanya dapat

berusaha untuk membuat sekecil mungkin kesalahan yang mungkin akan terjadi

(Hanke et al.,2003).

Markridakis et al.,(1999) menyatakan bahwa komitmen tentang peramalan

telah tumbuh karena beberapa faktor yaitu :

1. Meningkatnya kompleksitas organisasi dan lingkungannya,

2. Meningkatnya ukuran organisasi,

3. Lingkungan dari organisasi yang berubah dengan cepat,

4. Pengambilan keputusan yang semakin sistematis,

5. Metode peramalan dan pengetahuan semakin berkembang.

35

Menurut Assauri (1984), ada tiga langkah peramalan yang dianggap

penting. Pertama, menganalisa data yang lalu, dengan cara membuat tabulasi

untuk dapat menemukan pola dari data tersebut. Kedua, menentukan metode

peramalan yang akan digunakan sehingga dapat memberikan hasil yang tidak jauh

berbeda dengan kenyataan yang terjadi atau metode yang menghasilkan

penyimpangan terkecil. Ketiga, memproyeksikan data yang lalu dengan

menggunakan metode peramalan yang dipergunakan dengan mempertimbangkan

beberapa faktor perubahan.

3.1.2 Jenis-Jenis Peramalan

Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung

dari cara melihatnya. Apabila dilihat dari sifat penyusunannya, Mulyono (2000)

menjelaskan bahwa peramalan dapat dibedakan atas dua macam, yaitu :

a. Peramalan yang subjektif, yaitu peramalan yang didasarkan atas perasaan

atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan atau

”judgement” dari orang yang menyusunnya sangat menentukan baik

tidaknya hasil ramalan tersebut.

b. Peramalan yang objektif adalah peramalan yang didasarkan atas data yang

relevan pada masa lalu, dengan menggunakan teknik teknik dan metode-

metode dalam penganalisaan data tersebut.

Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat

dibedakan atas dua macam, yaitu metode peramalan kualitatif dan kuantitatif.

Metode kualitatif disusun berdasarkan pemikiran yang bersifat intuisi,

pertimbangan dan pengetahuan dari penyusunnya sehingga sulit menemukan

36

prosedur yang sistematis untuk mengukur dan memperbaiki keakuratan hasil

peramalan serta kemungkinan tingginya subjektifitas pendapat, sedangkan metode

kuantitatif dengan melakukan perhitungan secara statistik terhadap data-data yang

lalu. Peramalan kualitatif terdiri dari jury of executive opinion, sales force

composite dan lain-lain (Mentzer dan Cox, 1984). Peramalan kuantitatif dapat

menggunakan metode time series dan metode kausal.

3.1.3 Identifikasi Pola Data Time Series.

Metode peramalan time series merupakan suatu teknik peramalan yang

didasarkan pada analisis perilaku atau nilai masa lalu suatu variable yang disusun

menurut urutan waktu. Alasan penggunaan model ini adalah karena sederhana,

cepat dan murah. Model ini cocok untuk meramal sejumlah besar variabel dalam

tempo singkat dengan sumber daya terbatas. (Mulyono, 2000).

Salah satu hal yang terpenting sebelum seorang peramal melaukan

pemilihan metode peramalan yang sesuai dengan data deret waktu (time-series)

yang dimilikinya adalah memperhatikan/mengidentifikasi jenis pola data tersebut.

Identifikasi pola data dilakukan untuk mengetahui unsur pola yang terkandung

pada suatu deret data, sehingga deret data tersebut dapat disesuaikan dengan

metode peramalan time-series yang digunakan.

Henke, Reitsch dan Wichern (2003), salah satu aspek penting dari

pemilihan teknik peramalan yang sesuai dari data time series adalah dengan

memperhatikan jenis pola data yang berbeda. Ada empat jenis yang umum, yaitu:

horizontal, trend, musiman dan siklik.

37

1. Pola Horizontal

Pola horizontal terjadi ketika data observasi berfluktuasi di sekitar nilai

rata-rata yang konstan. Tipe ini disebut juga pola stasioner. Fluktuasi ini

merupakan akibat dari berjuta peristiwa yang masing-masing tidak

berpengaruh namun jika efeknya dikombinasikan akan menjadi besar.

2. Pola Musiman

Pola ini terjadi ketika data observasi dipengaruhi oleh faktor musiman.

Komponen musiman mengacu pada suatu pola perubahan yang berulang

dengan sendirinya dari tahun ke tahun. Fluktuasi musiman ini umumnya

terjadi setiap mingguan, bulanan, atau triwulanan. Variasi musiman

mencerminkan kondisi cuaca, liburan atau panjangnya hari bulan kalender.

3. Pola Siklik

Pola ini terjadi ketika data observasi terlihat naik turun dalam periode

waktu yang tidak tetap. Komponen siklik mirip fluktuasi gelombang di sekitar

trend yang sering dipengaruhi kondisi ekonomi. Komponen siklus umumnya

ditemukan pada analisis jangka panjang seperti peramalan peubah yang terkait

dengan siklus hidup produk. Pada prakteknya, siklik selalu sulit diidentifikasi

dan kadangkala dianggap sebagai bagian dari trend.

4. Pola Kecenderungan (Trend)

Pola trend terbentuk ketika data observasi terlihat meningkat/ menurun

dalam periode waktu yang lebih panjang. Trend merupakan komponen jangka

panjang yang mendasari pertumbuhan atau penurunan data time series. Trend

dapat disebabkan oleh misalnya pertumbuhan populasi, inflasi, perubahan

teknologi, dan peningkatan produktifitas.

38

Langkah yang harus dilakukan untuk menganalisis data historis adalah

dengan memplotkan data tersebut secara grafis. Dari hasil plot data tersebut dapat

diketahui apakah pola data stasioner, musiman, siklik atau trend. Dengan

mengetahui secara jelas pola data dari suatu data historis maka dapat dipilih

teknik-teknik peramalan yang mampu secara efektif mengekstrapolasi pola data.

3.1.4 Metode Peramalan Time Series

Metode peramalan time series didasarkan atas penggunaan analisa pola

hubungan antara variabel yang akan diperkirakan dengan variabel waktu yang

merupakan data deret waktu (time series). Setidaknya ada tiga alasan penggunaan

metode deret waktu (Makridakis et al.,1999) :

1. Sistem kemungkinan tidak dipahami, dan meskipun dapat dipahami

hubungan-hubungan yang mengatur perilaku sistem tersebut kemungkinan

sulit sekali diukur.

2. Perhatian utama hanyalah memprediksi apa yang akan terjadi, bukan

bagaimana hal itu terjadi.

3. Saat mengetahui sesuatu terjadi dan memprediksi apa yang akan terjadi,

nilainya tidak terlalu berarti, padahal biaya untuk mengetahui tentang

mengapa terjadi kemungkinan sangat tinggi.

Metode yang digunakan dalam peramalan model time series kali ini antara

lain adalah :

1. Metode Trend

Metode trend menggambarkan pergerakan jangka panjang di dalam deret

waktu yang seringkali dijelaskan sebagai garis lurus atau kurva halus. Teknik

39

ini menunjukkan hubungan antara periode dan variabel yang diramal. Pola

data yang mengandung unsur musiman dapat dimasukkan dalam teknik

ini.metode ini dikelompokkan menjadi 3 yaitu Trend Linear, Trend Kuadratik

dan Trend Eksponensial.

2. Metode Pemulusan Eksponensial Ganda (Double Exponential Smoothing)

Metode ini merupakan metode yang secara kontinu merevisi suatu nilai

pendugaan dengan mempertimbangkan fluktuasi data terakhir (Gaynor,1994).

Dalam pemulusan eksponensial, terdapat satu atau lebih parameter pemulusan

yang digunakan. Metode eksponensial ganda ini digunakan untuk peramalan

data time series yang tidak stationer dengan trend linier. Hasil yang diperoleh

dari pemulusan eksponensial tunggal dilakukan pemulusan kembali dengan

memberi bobot yang menurun secara eksponensial. Metode ini memiliki

tambahan nilai pemulusan dan disesuaikan untuk mengatasi unsur trend.

3. Metode Dekomposisi

Metode ini dapat digunakan pada setiap data historis yang memiliki pola

sembarang, metode dekomposisi biasanya mencoba memisahkan komponen

trend, siklus dan musiman. Metode dekomposisi terbagi atas dekomposisi

multiplikatif dan dekomposisi aditif. Metode ini memiliki kelebihan yang

mudah dan cepat dalam melakukan perhitungan. Kelemahannya adalah jika

ada data baru maka pengolahan harus diolah lagi, hanya sekedar menampilkan

pertumbuhan dan penurunan suatu deret, dengan cara menghilangkan satu atau

beberapa komponen. Namun, metode ini umum dipakai, cukup sukses, dan

akurat hasilnya untuk ramalan jangka panjang (Gaynor, 1994).

40

4. Metode Winters

Metode ini digunakan untuk peramalan data time series dengan trend

linear dan musiman. Metode ini tidak memperhitungkan komponen siklus

sehingga tidak ada pengaruh siklus hasil ramalannya menjadi tidak baik.

Metode winters terdiri atas model multiplikatif (fluktuasi proporsional

terhadap trend) dan aditif (fluktuasi relatif konstan). Metode Winters Aditif

ini berguna untuk meramalkan data time series dengan trend linear dan

memiliki variasi musiman aditif. Perkiraan nilai awal parameter yang

diperbaharui biasanya diperoleh dari model dekomposisi aditif. Sedangkan

metode Winters Multiplikatif berguna untuk meramalkan data time series

dengan trend linear dan variasi musiman tidak konstan. Dalam metode winters

terdapat tiga parameter yang digunakan yaitu α, β, dan γ (Gaynor, 1994).

5. Metode Box Jenkins

Metode ARIMA dan SARIMA merupakan metode yang dikembangkan

oleh George Box Gwilyn Jenkins,. Metode ini tidak mensyaratkan suatu pola

data tertentu supaya model dapat bekerja dengan baik. Metode ini sangat tepat

untuk kondisi dimana tersedia data yang memiliki jangka waktu pendek.

3.1.5 Pemilihan Model Peramalan

Menurut Hanke et al., (2003), persyaratan essensial dalam memilih suatu

teknik peramalan tidak terletak pada metode peramalan yang menggunakan proses

matematika yang rumit atau menggunakan metode yang canggih. Akan tetapi,

metode terpilih harus menghasilkan suatu ramalan yang akurat, tepat waktu,

41

manfaat yang diperoleh lebih besar dari biaya penggunaannya, sehingga ramalan

dapat membantu menghasilkan keputusan yang lebih baik.

Makridakis et al. (1999) menjelaskan bahwa terdapat berbagai ukuran

akurasi suatu model peramalan, antara lain Mean Square Error (MSE), Mean

Absolute Percentage Error (MAPE), dan lain-lain. Setiap ukuran akurasi metode

peramalan tersebut memiliki keterbatasan. Ukuran ketepatan yang paling sering

dipertimbangkan adalah MSE. Metode yang memberikan nilai MSE paling kecil

menjadi metode yang terbaik, karena nilai MSE paling kecil menunjukkan bahwa

model dapat menirukan kenyataan di masa depan secara lebih baik.

3.2. Kerangka Pemikian Operasional

Tembakau merupakan komoditas perkebunan yang sangat penting bagi

perekonomian Indonesia. Meskipun demikian, menurut Deptan (2006),

kemampuan produksi nasional tembakau pada tiap tahunnya mengalami fluktuasi

tajam. Hal ini menyebabkan tingginya gap antara produksi dan konsumsi

tembakau di Indonesia sehingga terjadi kekhawatiran yang besar akan impor

tembakau di setiap tahunnya. Selain itu adanya ketidakpastian harga tembakau di

pasar menjadikan komoditas ini sulit untuk dapat diprediksi.

Fluktuasi produksi tembakau dan ketidakmampuan pemerintah dalam

mempertahankan harga pasar akan menyebabkan ketidakstabilan pasar tembakau

di masa yang akan datang. Informasi harga yang lengkap dan akurat sangat

dibutuhkan dalam menunjang pengembangan tembakau sebagai komoditi

perkebunan unggulan. Salah satu cara untuk mengetahui kemampuan Indonesia

42

dalam memproduksi tembakau dan tingkat harga adalah dengan melakukan

peramalan produksi dan harga untuk beberapa tahun yang akan datang.

Langkah awal yang dilakukan dalam penelitian ini adalah mengidentifikasi

pola data bulanan harga tembakau dan produksi terhadap waktu. Dengan

melakukan plot data tersebut akan dapat diduga pola data sementara, apakah pola

tersebut memiliki pola data stasioner, trend maupun siklis.

Berdasarkan plot data tersebut, kemudian dilakukan penerapan metode

peramalan kuantitatif yaitu metode time series. Teknik time series yang digunakan

yaitu Metode Trend, Metode Pemulusan Eksponensial Ganda, Metode Winters,

Metode Dekomposisi dan Metode Box Jenkins. Untuk mendapatkan hasil ramalan

terbaik dan akurat dilakukan pemilihan teknik peramalan berdasarkan nilai MSE

terkecil. Semakin kecil nilainya maka akan semakin baik, karena mendekati nilai

aktualnya. Tahap selanjutnya yaitu evaluasi model peramalan harga dan produksi

tembakau terbaik.

Tahap akhir dari penelitian ini adalah mengimplikasikan hasil. Peramalan

akan memberikan informasi yang relevan untuk mengetahui harga dan produksi

tembakau di masa yang akan datang sehingga memberikan informasi yang

berguna dalam menyusun perencanaan dan pengambilan keputusan.

Melalui penggunaan metode peramalan time series, maka ketidakpastian

harga dan kuantitas akan dapat dikurangi, sehingga dapat mengurangi resiko

kerugian. Juga dapat diketahui perkiraan untuk tahun berikutnya sehingga

memudahkan pihak-pihak terkait dalam melakukan pemasaran. Bagan kerangka

pemikiran dapat dilihat pada Gambar 3.1.

43

Gambar 3.1. Bagan Alur Kerangka Pemikiran

ketidakpastian harga dan

fluktuasi produksi tembakau

Risiko

ketidakpastian Pasar

bagi Produsen dan

Konsumen

Metode Kuantitatif

Penerapan Metode Peramalan Time Series

(Trend, Pemulusan Eksponensial Ganda, Winters,

Dekomposisi, Box Jenkins).

Rekomendasi Kebijakan

Harga dan Produksi

Pemilihan Metode Peramalan

Time Series

Meramalkan harga dan produksi

tembakau

Indonesia sebagai

produsen tembakau

44

IV. METODE PENELITIAN

4.1 Jenis dan Sumber Data

Data yang digunakan dalam penelitian ini berupa data sekunder berupa

data perkembangan harga tembakau bulanan di Indonesia dari tahun 1986-2006,

data tahunan produksi tembakau dari pola semua pengusahaan perkebunan

tembakau Indonesia yaitu dari perkebunan negara, perkebunan swasta, dan

perkebunan rakyat dari tahun 1971-2006. Data tersebut diperoleh dari Departeman

Pertanian, BPS, Departemen Bea dan Cukai, Departemen Perindustrian dan

Perdagangan, Studi Literatur, Internet dan bahan bacaan yang berkaitan dengan

topik penelitian.

Data yang digunakan meliputi data harga tembakau, produksi tembakau,

ekspor tembakau, impor tembakau, harga domestik dan harga pasaran di dunia,

luas areal panen tembakau, produksi tembakau di dunia dan lain-lain.

4.2 Teknik Pengolahan dan Analisis Data

Pengolahan dan analisis data kuantitatif yang diperoleh menggunakan

software microsoft excel dan minitab 14. Hasil olahan data kuantitatif selanjutnya

disajikan dalam bentuk tabel, grafik, disertai penjelasan naratif. Sedangkan aata

atau informasi kualitatif disajikan dalam bentuk tabulasi yang disertai narasi

singkat dan dianalisis secara deskriptif. Pemilihan program tersebut berdasarkan

alasan bahwa program telah banyak dikenal, lebih mudah dalam

pengoperasiannya dan output komputer yang disajikan lebih lengkap.

45

4.3 Identifikasi Pola Data Time Series

Tahap pertama dari pengolahan data adalah menyajikan serial data dari

harga tembakau bulanan dalam plot harga terhadap waktu dan produksi tembakau

tahunan dalam plot produksi terhadap waktu. Hasil yang akan didapatkan dari

identifikasi pola data adalah bentuk pola data yang akan disesuaikan dengan

metode peramalan yang akan dilakukan. Pola yang dapat terbentuk meliputi pola :

1. Pola Stasioner

2. Pola Musiman

3. Pola Siklik

4. Pola Trend

Pola data harga tembakau dan produksi yang didapatkan, berasal dari plot

data harga dan produksi tembakau dan plot autokorelasinya. Data yang telah

diplotkan akan membentuk suatu pola data. Dari hasil tersebut dapat diketahui

apakah data tersebut memiliki unsur stasioner, musiman, siklik atau trend. Hal

tersebut dilakukan untuk menduga sementara metode apa yang seharusnya

digunakan sebagai alat analisis.

4.4 Metode Peramalan Time Series

Setelah pola data terlihat, maka analisis data dapat dilakukan dengan

beberapa cara antara lain Metode Trend, Metode Pemulusan Eksponensial Ganda

(Double Exponential Smoothing), Winters, Decomposition dan Metode Box-

Jenkins. Berikut adalah formula dari masing-masing metode :

46

4.4.1 Metode Trend

Teknik Trend yang akan digunakan adalah teknik linear, kuadratik dan

pertumbuhan eksponensial. Persamaan dalam teknik ini adalah

1. Trend Linear : Ŷt = a + b1.t

2. Trend Kuadratik : Ŷt = a + b1.t + b2.t2

3. Trend Exponential : Ln Ŷt = a + b.t

Dimana : Ŷt = ramalan m periode depan setelah periode t

a = intersep

b = slope kenaikan atau penurunan

4.4.2 Metode Double Exponential Smoothing

Teknik pemulusan eksponensial ganda menetapkan bahwa ramalan

merupakan hasil dari perhitungan dua kali pelicinan secara eksponen. Cara

pelicinannya ialah dengan pengambilan perbedaan antara nilai-nilai

tunggal yang dilicinkan, agar diselaraskan dengan bentuk trend.

Persamaan-persamaan dalam teknik ini adalah :

Ŷt = at + bt

Dimana : at = 2St – St (2)

(update intersep)

bt = [α / (1 – a)] (St – St (2)

)(update slope)

St = αYt + (1- α) St-1 (pemulusan thp 1)

St (2)

= αSt + (1- α) St-1(2)

(pemulusan thp 2)

4.4.3 Metode Decomposition

Metode dekomposisi berupaya memisahkan tiga komponen dari pola dasar

yang cenderung mencirikan deret data ekonomi dan bisnis yang terdiri dari faktor

trend, siklus dan musiman. Apabila dalam data produksi dan harga tembakau

47

terdapat komponen-komponen tersebut, maka penggunaan deret dekomposisi

akan memberikan hasil peramalan yang cukup akurat. Dekomposisi mempunyai

asumsi bahwa data tersusun dari pola dan galat. Susunan data metode

dekomposisi sebagai berikut :

1 Dekomposisi Multiplikatif,

Jika variasi musim data historis menurun atau meningkat, fungsi data

historis dapat berbentuk sebagai berikut :

Yt = Tt x Ct x St x εt

Dimana : Tt = komponen trend pada periode t

Ct = komponen siklus pada periode t

St = komponen musiman pada periode t

εt = komponen galat pada periode t

2 Dekomposisi Aditif

Jika data historis konstan, fungsinya dapat berupa aditif, yaitu :

Yt = Tt + Ct + St + ε

Dimana : Tt = komponen trend pada periode t

Ct = komponen siklus pada periode t

St = komponen musiman pada periode t

ε = komponen galat pada periode t

4.4.4 Metode Winters

Teknik ini menghasilkan ramalan yang lebih cocok dan tepat untuk pola

data historis yang memiliki pola trend linear dan pola musiman. Persamaan-

persamaan dalam teknik ini ada dua macam yaitu:

48

1. Winters Multiplikatif

at = α(Yt /Snt-L) + (1- α) (at -1 + bt-1)

bt = β(at + at-1) + (1- β) bt-1

Snt = γ(Yt /at) + (1- γ) St-L

Yt-m = (at + mbt) Snt-L+m

2. Winters Aditif

at = α(Yt - Snt-1) + (1- α) (at -1 + bt-1)

bt = β(at - at-1) + (1- β) bt-1

Snt = γ(Yt - at) + (1- γ) St-s

Yt-m = (at + mbt) Snt-L+m

Dimana : Yt = data aktual periode t

at = pemulusan terhadap deseasionalized data pada periode t

bt = pemulusan terhadap dugaan trend pada periode t

Snt = pemulusan terhadap dugaan musim pada periode t

Yt-m = ramalan m periode ke depan setelah periode t

αβγ = pembobot pemulusan

L = banyaknya periode dalam satu tahun.

4.4.5 Metode Box-Jenkins (ARIMA)

Model Box-Jenkins secara umum dinotasikan sebagai berikut :

ARIMA (p,d,q) =

(1-B)d(1 – θ1 B – θ2B

2 -….- θp B

p)Yt = δ+(1 – Θ1B – Θ2B

2 -….- ΘqB

q)εt

Dimana : p = orde/ derajat autoregressive (AR)

d = orde/ derajat differencing (pembedaan)

q = orde/ derajat moving average (MA)

49

εt = kesalahan peramalan periode t

δ = konstanta

BYt = Yt-1

B2Yt = Yt-2

BpYt = Yt-p

Bq εt = εt-q

Model SARIMA hampir sama dengan model ARIMA, hanya saja model

SARIMA memasukkan pola musiman tertentu. Model SARIMA secara umum

dapat dinotasikan sebagai berikut :

SARIMA (p, d, q)(P, D, Q)L

= θp(B) Φp(BL) (1-B)

d (1-B

L)D

Yt = μ + θq(B)Φq(BL)εt

Dimana P = orde/derajat autoregressive (SAR) musiman

D = orde/derajat differencing (pembedaan) musiman

Q = orde/derajat moving average (SMA) musiman

L = beda kala musiman

θp(B) = 1 – θ1B - θ2B2 - .......- θpB

p

Φp(BL) = 1 – Φ1B

L - Φ2B

2L - .......- ΦpB

PL

θq(B) = 1 – θ1B - θ2B2 - .......- θqB

q

Φq(BL) = 1 – Φ1B

L - Φ2B

2L - .......- ΦQB

QL

B = BYt=Yt-1, B2Yt=Yt-2 dan seterusnya

4.4.5.1. Tahapan Metode Box-Jenkins (ARIMA)

Langkah-langkah dalam metode ARIMA adalah sebagai berikut :

1. Tahap Penstasioneran Data

Model ARIMA mengasumsikan data menjadi input berasal dari data

stasioner. Data stasioner adalah data yang tidak mengandung trend, nilainya

50

berfluktuasi di sekitar nilai rataan yang konstan, hal ini dapat dilihat melalui nilai

autokorelasi (plot ACF), apabila data yang menjadi input model belum stasioner

maka perlu dilakukan penstasioneran data. Salah satu metode penstationeran data

yang umum dipakai adalah metode pembedaan (differencing).

Pembedaan kedua dilakukan jika data yang diperoleh setelah melakukan

pembedaan pertama data masih belum stasioner. Apabila pada sampai pembedaan

kedua, data belum stasioner maka dapat dilakukan transformasi data ke dalam

bentuk log atau logaritma natural.

Analisis ACF dan PACF dilakukan dengan menggunakan program

Minitab 14. Autokorelasi adalah korelasi diantara variabel itu sendiri dengan

selang satu atau beberapa periode ke belakang. Sedangkan PACF adalah suatu

ukuran dari korelasi dua variabel time series stationer setelah efek dari variabel

lainnya dihilangkan. Koefisien autokorelasi dapat dihitung dengan menggunakan

formula sebagai berikut :

Dimana : rk = nilai koefisien autokorelasi

n = jumlah observasi

Zt = series stasioner

Ž = rata-rata series data stasioner

2. Tahap Identifikasi Model Sementara

Tahap penting berikutnya dari identifikasi adalah menentukan model

ARIMA tentative. Hal ini dilakukan dengan menganalisis perilaku pola dari ACF

dan PACF. Sebagaimana telah disebutkan sebelumnya, autokorelasi untuk data

51

deret waktu non musiman yang stasioner biasanya berbeda nyata dari nol hanya

pada beberapa lag pertama (k<5). Hal ini dapat terjadi dengan berbagai pola

correlogram yang berbeda (Gaynor dan Kirkpatrick, 1994).

Pertama, correlogram dengan koefisien autokorelasi untuk semua lag

sama dengan nol. Hal ini menujukkan bahwa data tersebut tidak memiliki trend

dan komponen residualnya acak. Kedua, correlogram dengan koefisien

autokorelasi bersifat cut off setelah beberapa lag pertama. Hal ini berarti koefisien

autokorelasi untuk lag 1, lag 2, dan atau lag 3 nilainya cukup besar dan signifikan.

Di sebagian besar kasus, ACF akan cut off setelah lag 1 atau lag 2. Ketiga,

correlogram dengan koefisien autokorelasi tidak cut off tetapi menurun

mendekati nol dalam pola yang cepat disebut sebagai pola yang menurun (dying

down) dengan cepat. ACF menunjukkan beberapa pola dying down, yaitu pola

eksponential menurun; pola gelombang sinus dan kombinasi kedua pola tersebut.

Setelah pola ACF dan PACF dianalisis perilakunya, maka dapat ditentukan model

tentative Box Jenkins ( Gaynor dan Kirkpatrik, 1994) :

1. Jika ACF terpotong (cut off) setelah lag 1 atau 2, lag musiman tidak

signifikan dan PACF perlahan-lahan menghilang (dying down), maka

diperoleh model non seasonal MA (q=1 atau 2).

2. Jika ACF cut off setelah lag musiman L, lag non musiman tidak signifikan

dan PACF dying down, maka diperoleh model seasonal MA (Q = 1).

3. Jika ACF terpotong setelah lag musiman L, lag non musiman cut off

setelah lag 1 dan 2, maka diperoleh model non seasonal – seasonal MA

(q=1 atau 2; Q=1)

52

4. Jika ACF dying down dan PACF cut off setelah lag 1 atau 2; lag musiman

tidak signifikan, maka diperoleh model non seasonal AR (p=1 atau 2)

5. Jika ACF dying down dan PACF cut off setelah lag musiman L; lag non

musiman tidak signifikan, maka diperoleh model seasonal AR (P=1)

6. Jika ACF dying down dan PACF cut off setelah lag musiman L; dan lag

non musiman cut off setelah lag 1 atau 2, maka diperoleh model non

seasonal dan seasonal AR (p=1 atau 2; P=1)

7. Jika ACF dan PACF dying down maka diperoleh mixed (ARMA atau

ARIMA) model.

3. Tahap Estimasi Parameter dari Model Sementara

Setelah model ditemukan, maka parameter dari model harus diestimasi.

Terdapat dua cara mendasar yang dapat digunakan untuk pendugaan terhadap

parameter-parameter tersebut, yaitu :

Trial and Error yaitu dengan menguji beberapa nilai yang berbeda dan

memilih diantaranya dengan syarat yang meminimumkan jumlah

kuadrat nilai galat (sum square of residuals).

Perbaikan secara iteratif yaitu dengan cara memilih taksiran awal dan

kemudian membiarkan program computer untuk memperhalus

penaksiran tersebut secara iteratif. Metode ini banyak digunakan dan

telah tersedia suatu logaritma (proses computer).

4. Evaluasi Model

Setelah dilakukan estimasi parameter model dengan menggunakan piranti

lunak computer, selanjutnya dilakukan evaluasi terhadap model yang telah

53

didapat. Menurut Firdaus (2006), terdapat enam kriteria dalam evaluasi model

Box-Jenkins, yaitu :

Proses interasi harus konvergen.

Prosesnya harus berhenti ketika telah menghasilkan nilai parameter

yang memberikan SSE terkecil.

Kondisi invertibilitas dan stationeritas harus dipenuhi.

Kondisi invertibilitas dan stationeritas ini ditunjukkan dengan

koefisien AR dan MA kurang dari 1.

Residual hendaknya bersifat acak, dan terdistribusi normal.

Mengindikasikasikan bahwa model yang digunakan sesuai dengan

data. Untuk mengujinya digunakan uji statistik Ljung-Box (Q).

Semua parameter estimasi harus berbeda nyata dari nol.

Hal ini dapat dilihat dari nilai P-value yang harus kurang dari 0,05.

Berlaku prinsip parsimony.

Model ini merupakan model yang memiliki jumlah parameter terkecil.

Nilai MSE model terkecil.

5. Tahap Peramalan

Tahap ini adalah tahap terakhir dari metode Box-Jenkins. Pada tahap ini

model yang diperoleh digunakan untuk meramalkan data deret waktu yang ada,

sehingga dapat dilakukan peramalan untuk beberapa waktu ke depan.

4.5 Pemilihan Metode Peramalan Time Series

Kriteria pemilihan metode yang paling sering digunakan atau kriteria

utama adalah mean square error (MSE). Metode yang terpilih adalah metode

54

yang memiliki nilai MSE paling rendah. Mengandung pengertian bahwa semakin

rendah nilai MSE suatu peramalan, maka semakin mendekati nilai aktualnya

(forecasting power semakin kuat) Selain itu, kriteria kedua dalah memiliki bentuk

paling sederhana dan membutuhkan waktu yang paling sedikit dalam proses

pengolahannya. Formula yang dapat digunakan untuk menghitung MSE adalah :

MSE2

Dimana Yt = nilai aktual

Ῠt = nilai ramalan

Yt - Ῠt = kesalahan peramalan

n = banyaknya data

55

V. HASIL DAN PEMBAHASAN

5.1. Identifikasi Pola Data

Identifikasi pola data dilakukan untuk menentukan jenis data pada deret

waktu (time series) harga dan produksi tembakau di Indonesia dengan metode

peramalan yang akan digunakan. Data harga tembakau yang akan dianalisis untuk

metode peramalan adalah berupa data bulanan dari tahun 1986–2006. Data tahun

2007 tidak diikutsertakan karena belum dikeluarkan oleh Departemen Pertanian.

Metode peramalan produksi tembakau, data yang akan dianalisis berupa data

tahunan dari tahun 1971–2006. Identifikasi plot data harga dan produksi tembakau

di Indonesia adalah sebagai berikut :

5.1.1 Identifikasi Pola Data Harga Tembakau di Indonesia.

Indonesia merupakan penghasil tembakau 10 terbesar dunia, sehingga

Indonesia merupakan pasar strategis dalam dunia pertembakauan. Identifikasi

terhadap plot data time series harga tembakau di Indonesia menunjukkan adanya

trend, ketidakstationeran, dan juga unsur siklik. Harga tembakau di Indonesia

cenderung tidak stationer karena dipengaruhi oleh banyak hal yang antara lain

nilai tukar, harga cengkeh sebagai barang komplementer komoditi tembakau yang

cenderung berfluktuasi, penimbunan dan pasokan tembakau dari daerah lain yang

harganya cenderung lebih rendah, sehingga mempengaruhi harga tembakau di

daerah yang bersangkutan. Harga tembakau yang cenderung menunjukkan

ketidakstabilan ini mengakibatkan terpuruknya kesejahteraan petani, terlebih jika

terjadi gagal panen, harga tembakau akan menurun tajam, yang berakibat pada

56

melemahnya daya beli masyarakat petani tembakau.Selain itu harga tembakau

dalam negeri kalah bersaing dengan tembakau dunia, ditunjukkan dengan harga

tembakau dunia yang lebih rendah setiap tahunnya dibandingkan harga tembakau

dalam negeri. Hal ini mengakibatkan kekhawatiran terhadap impor yang besar.

Ketidakstationeran harga tembakau ini terlihat dari sebaran data yang tidak

berada disekitar garis lurus atau rata-rata konstan. Uji koefisien autokorelasi untuk

data harga tembakau juga menunjukkan adanya sifat ketidakstationeran. Hal ini

dapat diketahui dari beda kala pertama dari beberapa beda kala yang masih

berbeda nyata dari nol, seperti yang terlihat pada Lampiran 1. Hal ini berarti

bahwa, tidak ada alasan yang kuat untuk menyatakan bahwa deret data harga

tembakau Indonesia 20 tahun terakhir ini stationer.

Unsur siklik terlihat dengan adanya fluktuasi meningkat dan menurun

harga dalam periode yang tidak tetap seperti yang ditunjukkan pada plot data

harga tembakau. Unsur siklis sulit diidentifikasi melalui plot autokorelasi. Hal ini

sesuai dengan teori yang menyatakan bahwa komponen siklis sulit untuk

dipisahkan dari unsur trend dan seringkali dianggap bagian dari trend (Hanke et

al, 2003). Uji koefisien autokorelasi menunjukkan data harga tembakau Indonesia

memiliki unsur musiman, walaupun tidak terlihat secara jelas karena time lag

yang berbeda nyata dari nol tidak mempunyai jarak yang sama (Lampiran 2).

Unsur trend diindikasikan oleh nilai koefisien autokorelasi pada beberapa

lag pertama secara berurutan berbeda nyata dengan nol, dan secara bertahap

nilainya turun mendekati nol saat series meningkat. Selain itu dalam identifikasi

pola data harga tembakau menunjukkan kecenderungan peningkatan setiap

periodenya. (Gambar 5.1). Trend ini merupakan pertumbuhan atau pola perubahan

57

yang mendasari pergerakan time series. Dapat ditunjukkan dengan kecenderungan

penurunan atau peningkatan secara perlahan dalam jangka panjang.

Gambar 5.1 Pola Data Harga Tembakau di Indonesia

Selama tahun 1986 sampai 2006, harga tembakau berfluktuasi dengan

selisih harga tertinggi dengan harga terendah sebesar Rp 23.650,-. Harga tertinggi

dicapai pada bulan September 2005 dengan tingkat harga RP 26.400,-/ kg,

sedangkan harga terendah sebesar Rp 2.750,- pada bulan Januari 1986. Harga rata

rata dicapai pada tingkat harga Rp 9.216,03/kg. Harga tembakau Indonesia ini

sedikit banyak dipengaruhi oleh nilai tukar dan komoditi cengkeh sebagai barang

komplementer pada industri rokok. Kenaikan dan penurunan harga tembakau

sangat berpengaruh pada margin keuntungan dan penerimaan petani komoditi

tembakau. Hal ini perlu mendapat perhatian lebih pemerintah terkait dengan

pembuat dan penyedia kebijakan sebagai langkah konkret perbaikan sektor

perkebunan dan sesuai tujuan PELITA V yaitu peningkatan taraf hidup petani

tembakau tanpa meninggalkan usaha pelestariannya.

Berdasarkan hasil identifikasi pola data di atas maka dapat disimpulkan

bahwa pola harga tembakau di Indonesia dalam lima tahun ke depan layak

diramalkan dengan metode Trend, Winters, Double Exponential Smoothing,

Decomposition dan metode Box-Jenkins.

Index

harg

a

2502252001751501251007550251

25000

20000

15000

10000

5000

0

Identifikasi Plot Data Harga Tembakau

58

5.1.2 Identifikasi Pola Data Produksi Tembakau di Indonesia

Produksi tembakau di Indonesia merupakan hasil total produksi dari

semua pola pengusahaan, baik itu perkebunan inti rakyat, perkebunan negara

maupun perkebunan swasta. Produksi tembakau di Indonesia didominasi oleh

hasil produksi perkebunan rakyat yaitu sebesar (91.3%), selebihnya produksi

tembakau ini dihasilkan oleh perkebunan negara dan swasta. Identifikasi terhadap

plot data time series produksi tembakau di Indonesia menunjukkan adanya unsur

trend, ketidakstationeran, siklik dan musiman. Ketidakstationeran ini terlihat dari

sebaran data yang tidak berada disekitar garis lurus atau rata-rata konstan. Uji

koefisien autokorelasi juga mendukung bahwa data produksi tembakau

menunjukkan ketidakstationeran. Hal ini dapat diketahui dari beda kala pertama

dari beberapa beda kala yang masih berbeda nyata dari nol, seperti yang terlihat

pada Lampiran 1. Hal ini berarti bahwa, tidak ada alasan yang kuat untuk

menyatakan bahwa deret data harga tembakau Indonesia 34 tahun terakhir ini

stationer.

Unsur siklik terlihat dengan adanya fluktuasi meningkat dan menurun

harga dalam periode yang tidak tetap dalam grafik plot data. Unsur silkis sulit

untuk diidentifikasi melalui plot autokorelasi. Hal ini sesuai dengan teori yang

menyatakan bahwa komponen siklis sulit untuk dipisahkan dari unsur trend dan

seringkali dianggap bagian dari trend (Hanke et al, 2003). Uji koefisien

autikorelasi menunjukkan data harga tembakau Indonesia memiliki unsur

musiman, walaupun tidak terlihat jelas karena time lag yang berbeda nyata dari

nol tidak mempunyai jarak yang sama (Lampiran 8).

59

Unsur trend diindikasikan oleh nilai koefisien autokorelasi pada beberapa

lag pertama secara berurutan berbeda nyata dengan nol, dan secara bertahap

nilainya turun mendekati nol saat series meningkat. Data harga tembakau

Indonesia terlihat cenderung meningkat (Gambar 5.2). Trend merupakan

pergerakan atau pertumbuhan yang mendasari pergerakan jangka panjang.

Dimana pergerakan ini ditunjukkan dengan adanya peningkatan atau penurunan

secara konsisten dalam pola data time series.

Gambar 5.2. Pola Data Produksi Tembakau di Indonesia

Identifikasi terhadap plot data time series produksi tembakau di Indonesia

menunjukkan adanya trend peningkatan selama 34 tahun terakhir ini. Selama

tahun 1971 sampai 2006, produksi tembakau berfluktuasi dengan selisih produksi

tertinggi dengan produksi terendah sebesar 152.274 Ton. Produksi tertinggi

dicapai pada tahun 1997 dengan produksi sebesar 209.626 Ton, sedangkan

produksi terendah sebesar 57.352 Ton pada tahun 1971. Dengan rata-rata produksi

pertahun sebesar 185.287 Ton. Setelah produksi terbesar tahun 1997, produksi

tembakau Indonesia jatuh pada tahun 1998 menjadi 105,580 ton. Hal ini terjadi

diakibatkan pengaruh La Nina dan krisis ekonomi.

Index

prod

uksi

3632282420161284

225000

200000

175000

150000

125000

100000

75000

50000

Identifikasi Plot Data Produksi Tembakau

60

Produksi tembakau di Indonesia sangat dipengaruhi oleh berbagai faktor

yang antara lain luas panen yang tiap tahun bertendensi fluktuasi akibat pengaruh

komoditi tembakau sebagai tanaman semusim, curah hujan, pupuk, tenaga kerja

dan gagal panen akibat serangan hama dan penyakit. Hal ini mengakibatkan

kerugian bagi para petani tembakau, margin keuntungan yang mereka peroleh

tidak sebanding dengan biaya produksinya. Terlebih lagi kebutuhan konsumsi

tembakau meningkat setiap tahunnya tidak bisa tertutupi dengan produksi yang

dihasilkan. Ironi, mengingat Indonesia merupakan 10 produsen tembakau terbesar

di dunia. Produksi yang berfluktuasi ini sangat berpengaruh pada tingkat

kesejahteraan dan daya beli petani komoditi tembakau, lebih lanjut akan

berpengaruh pada penerimaan devisa dan cukai bagi negara. Diperlukan tindakan

konkret pemerintah untuk menggulangi permasalahan tersebut, kebijakan dan pola

kemitraan antara petani sebagai plasma dan pemerintah sebagai penyedia sarana

dan penjamin pemasaran perlu kembali ditingkatkan.

Berdasarkan hasil identifikasi pola data di atas maka dapat disimpulkan

bahwa pola produksi tembakau di Indonesia dalam lima tahun ke depan layak

diramalkan dengan metode Trend, Winters, Double Exponential Smoothing,

Decomposition dan metode Box-Jenkins.

5.2 Pemilihan Metode Peramalan Time Series

Berdasarkan hasil identifikasi pola data harga dan produksi tembakau di

atas, maka dapat ditentukan metode peramalan time series yang sesuai. Metode

peramalan yang memungkinkan dapat digunakan untuk peramalan harga dan

61

produksi tembakau adalah Metode Trend, Double Exponential Smoothing,

Winters, Decomposition dan Metode Box- Jenkins.

5.2.1 Metode Trend

Metode Trend menggambarkan kecenderungan peningkatan dan

penurunan dalam jangka panjang dari sekumpulan data harga dan produksi

tembakau yang dianalisis. Analisis Trend yang digunakan dalam teknik ini adalah

trend linear, Trend Kuadratik dan Trend Eksponensial. Untuk peramalan harga

yang menghasilkan nilai MSE terkecil adalah Trend Kuadratik dengan fungsi Yt =

4315.80 - 53.7254*t + 0.549282*t**2 yang menghasilkan nilai MSE sebesar

4.181.488. Peramalan harga yang menghasilkan nilai MSE terbesar yaitu Trend

Linear dengan fungsi Yt = -1567.19 + 85.2429*t dan menghasilkan nilai MSE

sebesar 10.940.537. Sedangkan untuk peramalan produksi yang menghasilkan

nilai MSE terkecil adalah Trend kuadratik dengan fungsi Yt = 80022.1 +

1645.59*t + 38.3072*t**2 yang menghasilkan nilai MSE sebesar 594.838.615.

Peramalan produksi yang menghasilkan nilai MSE terbesar yaitu Trend linear

dengan fungsi Yt = 71045.5 + 3062.96*t yang menghasilkan nilai MSE sebesar

608.478.826.

5.2.2 Metode Double Exponential Smoothing

Metode pemulusan eksponensial ganda sangat mirip dengan pemulusan

eksponensial tunggal, bedanya pemulusan eksponensial ganda ada tambahan

untuk trend. Konstanta pemulusan kedua adalah β yang digunakan untuk

memuluskan estimasi trend. Program computer MINITAB Release 14 telah

62

menyediakan kombinasi nilai α dan β yang memberikan nilai MSE terkecil,

sehingga bobot α dan β tidak perlu dipilih secara subjektif. Kombinasi bobot α

dan β akan menghasilkan nilai yang meminimasi nilai MSE. Untuk metode

pemulusan eksponensial ganda harga tembakau dengan nilai α = 0,90 nilai β =

0,01 menghasilkan nilai MSE sebesar 1.727.608. Sedangkan untuk metode

pemulusan eksponensial ganda produksi tembakau dengan nilai α = 0,01 nilai β =

0,01 menghasilkan nilai MSE sebesar 614760.642.

5.2.3 Metode Decomposition

Metode Dekomposisi dapat berlaku pada pola data berbentuk sembarang

karena pada dasarnya metode ini mencoba memisahkan pola data berdasarkan

trend, siklis atau musiman. Metode dekomposisi ini terbagi menjadi dua macam

yaitu aditif dan multiplikatif. Untuk peramalan harga tembakau dengan metode

dekomposisi aditif menghasilkan nilai MSE sebesar 10851898, sedangkan dengan

metode dekomposisi multiplikatif ternyata menghasilkan MSE lebih kecil yaitu

sebesar 10738132. Sedangkan untuk peramalan produksi tembakau dengan

metode dekomposisi aditif menghasilkan nilai MSE sebesar 392.222.286,

sedangkan dengan metode dekomposisi multiplikatif ternyata menghasilkan nilai

MSE lebih kecil sebesar 373.620.604.

5.2.4 Metode Winters

Metode Winters digunakan untuk pola data yang bersifat trend atau

musiman. Seperti dekomposisi, metode winters ini terbagi menjadi dua yaitu

Winters Aditif dan Winters Multiplikatif. Untuk peramalan harga menggunakan

63

bobot penghalusan level sebesar 0,98; trend sebesar 0,01 dan seasonal sebesar

0,01. Nilai MSE yang diperoleh dengan menggunakan metode Winters Aditif yaitu

sebesar 1.264.257, untuk metode Winters Multiplikatif menghasilkan nilai MSE

yang lebih kecil yaitu sebesar 1.219.043. Sedangkan peramalan produksi

dilakukan dengan bobot penghalusan berupa level sebesar 0,05; trend sebesar

0,98; dan seasonal sebesar 0,01. Pencarian bobot pemulusan ini dimaksudkan

untuk memperkecil tingkat kesalahan atau nilai error. Nilai MSE yang diperoleh

dengan metode Winters Aditif adalah sebesar 455.333.569, untuk Wintes

Multiplikatif menghasilkan nilai MSE sebesar 481.255.752.

5.2.5 Metode Box-Jenkins

Hasil identifikasi plot data harga tembakau di Indonesia yang

menunjukkan adanya ketidakstationeran, trend, dan unsur musiman yang tidak

telalu terlihat dari plot autokorelasinya ini dapat dipecahkan dengan metode Box-

Jenkins ARIMA. Metode ARIMA ini tidak mensyaratkan suatu pola data tertentu,

sehingga semua pola data dapat dianalisis menggunakan metode ARIMA ini.

Ketidakstationeran dalam data harga tembakau dapat dihilangkan dengan cara

pembedaan atau differencing. Differencing pertama dan kedua belum

menghasilkan data yang stasioner. Sehingga dilakukan transformasi data ke dalam

bentuk log atau logaritma natural. Dari transformasi data dalam bentuk log ini

dihasilkan data yang stasioner. Hal ini terlihat dari pola data transformasi log yang

mendekati nilai konstan (Lampiran 2).

Hasil perhitungan output komputer metode ARIMA (0,1,1) menghasilkan

MSE terkecil sebesar 0,02573. Penentuan model ini melihat dari pola ACF yang

64

cut off dan PACF yang dying down. Sehingga model tentative Box-Jenkins adalah

MA. Enam syarat dalam evaluasi model Box-Jenkins yang terpenuhi yaitu:

1 Residual sudah bersifat acak. Untuk memastikan apakah model sudah

memenuhi syarat ini dapat digunakan indicator Box-Ljung Statistic. Hal ini

dapat dilihat dari P-value pada indicator Ljung Box bernilai 0,133. P-value

> 0,05 yang berarti residual sudah acak.

2 Model ARIMA (0,1,1) sudah dalam bentuk yang paling sederhana

(parsimonius)

3 P-value koefisien kurang dari 0,05 yaitu 0,000. Berarti parameter yang

diestimasi berbeda nyata dengan nol.

4 Kondisi invertablilitas ataupun stationeritas sudah terpenuhi, dapat dilihat

dari koefisien MA = 0,3493. Koefisien MA kurang dari satu berarti

kondisi invertibilitas terpenuhi.

5 Proses iterasi sudah konvergence, berarti proses dapat berhenti ketika tidak

ada perkiraan-perkiraan dalam parameter. Terlihat pada output pernyataan

relative change in each estinate less than 0,0010.

6 Model memiliki nilai MSE terkecil yaitu sebesar 0.02573.

Sedangkan hasil identifikasi plot data produksi tembakau di Indonesia

yang menunjukkan adanya ketidakstationeran, dan unsur musiman. Kondisi ini

dapat dipecahkan melalui metode Box-Jenkins SARIMA. Ketidakstationeran ini

akan dihilangkan dengan cara pembedaan atau differencing. Differencing pertama

telah menghasilkan data yang stationer. Hal ini terlihat dari pola data produksi

tembakau yang telah didifferencing pertama menunjukkan pola data yang berada

di sekitar nilai konstan (Lampiran 8). Perhitungan output komputer metode

65

SARIMA (1,1,1) (0,1,1)6

menghasilkan MSE terkecil sebesar 1.075.461.710 dan

terdapat pada taraf P < 0,05.

Terdapat enam kriteria dalam evaluasi model Box-Jenkins yang terpenuhi yaitu:

1 Residual sudah bersifat acak. Untuk memastikan apakah model sudah

memenuhi syarat ini dapat digunakan indicator Box-Ljung Statistic. P-

value > 0,05 yang berarti residual sudah acak. Hal ini dapat dilihat dari P-

value pada indicator Ljung Box bernilai 0,285.

2 Model SARIMA (1,1,1) (0,1,1)6 sudah dalam bentuk yang paling

sederhana (parsimonius).

3 P-value koefisien kurang dari 0,05 yaitu 0,001.

4 Kondisi invertabilitas ataupun stationeritas sudah terpenuhi. Ditunjukkan

dengan koefisien AR, MA dan SAR kurang dari 1. Dalam output computer

dihasilkan koefisien AR= 0,6095, MA = 0,8413, dan SAR = 0,5548.

5 Proses iterasi sudah konvergence, pada output terdapat pernyataan relative

change in each estinate less than 0,0010.

6 Model memiliki nilai MSE terkecil yaitu sebesar 1.075.461.710.

5.3 Pemilihan Teknik Peramalan Terakurat

Setelah dilakukan penerapan dari beberapa teknik peramalan time series,

kemudian dibandingkan secara keseluruhan nilai MSE yang dihasilkan.

Perbandingan ini bertujuan untuk mendapatkan teknik peramalan time series

terbaik. Pemilihan teknik peramalan yang terbaik didasarkan pada nilai MSE

terkecil. Nilai MSE setiap metode peramalan harga dan produksi tembakau dapat

dilihat pada Tabel 5.1.

66

Tabel 5.1. Nilai MSE Metode Peramalan Harga dan Produksi Tembakau.

No Metode peramalan MSE

(ramalan harga)

MSE

(ramalan produksi)

1 Trend

*Linear

*Quadratik

*Growth Curve

10.940.537

4.181.488

6.160.337

608.478.826

594.838.615

600.915.730

2 Double Exponential Smoothing 1.727.608 614.760.642

3 Decomposition

*Aditif

*Multiplikatif

10.851.898

10.738.132

392.222.286

373.620.604

4 Winters

*Aditif

*Multiplikatif

1.264.257

1.219.043

455.333.569

481.255.752

5 Box-Jenkins

*ARIMA harga (0,1,1)

*SARIMA

>Produksi (1,1,1)(0,1,1)6

> Harga (1,1,0)(1,1,0)48

0,02573

-

0,03987

-

1.075.461.710

-

Berdasarkan hasil perhitungan diatas, menunjukkan bahwa metode

peramalan Box-Jenkins ARIMA (0,1,1) merupakan metode paling akurat dalam

memberikan nilai ramalan untuk harga tembakau. Hal ini terlihat dari hasil nilai

MSE yang paling rendah, yaitu sebesar 0,02573. Sedangkan untuk produksi

tembakau, metode Decomposition Aditif merupakan metode peramalan terbaik

produksi tembakau dengan nilai MSE terkecil yaitu sebesar 392.222.286. Dengan

menggunakan teknik yang terbaik diharapkan akan menghasilkan nilai ramalan

mendekati nilai aktualnya.

Peramalan harga tembakau Indonesia yang dilakukan dengan metode

ARIMA (0,1,1) dalam 18 bulan ke depan menghasilkan ramalan harga yang

67

cenderung meningkat tetapi tidak dalam persentase yang besar. Dengan rata-rata

kenaikan sebesar Rp 180,00 per periode. Harga pada bulan Januari 2007 atau

periode peramalan pertama adalah sebesar Rp 21.848,20. Harga tertinggi dicapai

pada bulan Juni tahun 2008 sebesar Rp 25.082.50. Selisih harga tertinggi dengan

harga terendah berdasarkan hasil ramalan harga tembakau Indonesia adalah

sebesar Rp 3.234,30. Hasil ramalan harga tembakau dapat dilihat pada Tabel 5.2.

Tabel 5.2. Hasil Peramalan Harga Tembakau, 2007-2008

Periode Hasil Peramalan

Januari

Februari

Maret

April

Mei

Juni

Juli

Agustus

September

Oktober

November

Desember

Januari

Februari

Maret

April

Mei

Juni

21848.2

22026.3

22205.9

22387.0

22569.5

22753.5

22939.1

23126.1

23314.7

23504.8

23696.4

23889.7

24084.5

24280.8

24478.8

24678.4

24879.6

25082.5

Peningkatan hasil peramalan harga tembakau yang tidak begitu besar

setiap bulannya ini diduga disebabkan oleh pengelolaan hasil komoditi tembakau

di Indonesia masih belum intensif. Hal ini tercermin dari hasil tembakau rakyat

yang masih rendah kualitas dan kuantitas karena sistem pengolahan berupa

pengopenan dan pengeringan yang sederhana dan seadanya. Hasil akhir yang

68

kurang intensif ini mengakibatkan harga tembakau hanya meningkat dengan rata-

rata rendah. Sedangkan faktor ekonomi lain yang diduga mempengaruhi

peningkatan harga tembakau Indonesia ini antara lain adalah nilai tukar

rupiah/dollar Amerika, dimana nilai tukar ini cenderung bergerak naik setiap

waktu, hal ini menyebabkan harga tembakau yang dalam lintas perdagangannya

melibatkan ekspor dan impor secara langsung akan ikut terpengaruh. Selain itu

adanya adanya kenaikan harga pupuk dan sarana pendukung lainnya.

Harga yang cenderung mengalami peningkatan walaupun dalam

persentase rendah ini diharapkan dapat membantu petani dalam meningkatkan

margin keuntungannya sehingga kesejahteraan dan jaminan hidup petani komoditi

tembakau akan berkembang lebih baik. Hasil ramalan ini dapat digunakan oleh

pedagang, distributor, tengkulak dan industri rokok sebagai arahan pada tingkat

berapa penjualan dan produksi akan dilaksanakan. Selain itu dapat digunakan juga

sebagai tolakan kebijakan bagi pemerintah sebagai penjamin rantai pemasaran.

Sedangkan untuk produksi tembakau, output peramalan yang dihasilkan

Decomposition Aditif menunjukkan tingkat produksi tembakau yang berfluktuasi

setiap periodenya. Produksi tertinggi selama 5 periode mendatang terjadi pada

tahun 2009 dengan produksi sebesar 214.530 Ton, dengan rata-rata fluktuasi

kenaikan atau penurunan sebesar 15.147 Ton setiap tahun.

Tabel 5.3. Hasil Peramalan Produksi Tembakau 5 Tahun Mendatang

Periode Hasil Peramalan

2007

2008

2009

2010

2011

179630

194777

214530

179330

192474

69

Rata-rata kenaikan dan penurunan yang tinggi ini diduga disebabkan

tembakau bukan merupakan tanaman tahunan. Tembakau dalam masa tanamnya

dikenal dengan pola bero, yaitu berselang antara palawija-padi-tembakau, padi-

tembakau-palawija dan padi-palawija-tembakau. Setiap periode musiman habis,

lahan pertanian akan digunakan sebagai areal komoditi lain. Tembakau yang

rentan terhadap gagal panen tiap tahunnya ini, menyebabkan sebagian besar

petani tembakau pindah ke komoditi pertanian lain yang lebih menguntungkan.

Selain itu adanya pencabutan program subsidi pupuk dan bibit, yang merupakan

input utama dalam faktor produksi tembakau pada tahun 1998. Hal ini

menyebabkan produksi tembakau mengalami fluktuasi yang cukup signifikan.

Kenaikan dan penurunan produksi tembakau yang cukup tajam ini perlu

secara dini ditangani oleh pemerintah dan masyarakat pada umumnya. Jalinan

kemitraan sangatlah penting. Pemerintah dapat menggunakan hasil ramalan ini

sebagai tolakan kemampuan produksi dan konsumsi di masa mendatang, sehingga

tidak akan terjadi selisih yang terlalu signifikan. Hal ini akan menguntungkan

petani tembakau dan industri yang membutuhkan tembakau sebagai kebutuhan

utamanya, karena secara tidak langsung kerugian ekonomi dapat diminimalisir.

Pemerintah pun tidak akan dirugikan dengan adanya kekhawatiaran impor yang

besar, yang lebih lanjut akan mempengaruhi pendapatan dan devisa negara.

Teknik peramalan time series yang dapat meminimalisasi MSE sangat

relevan untuk melakukan peramalan harga dan produksi tembakau beberapa

periode ke depan. Informasi harga dan produksi tembakau mendatang ini dapat

dimanfaatkan oleh bidang pemasaran dalam membuat perencanaan pola produksi

dan penjualan tembakau yang memberikan margin terbesar.

70

VI. KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan dari penelitian yang telah dilakukan maka kesimpulan yang

diperoleh adalah sebagai berikut :

1. Berdasarkan hasil perhitungan pada penilitian ini, menunjukkan bahwa

metode peramalan Box Jenkins ARIMA (0,1,1) merupakan metode yang

paling akurat dalam memberikan nilai ramalan untuk harga tembakau. Hal

ini terlihat dari hasil nilai MSE terkecil, yaitu sebesar 0,02573. Sedangkan

untuk produksi tembakau, metode Decomposition Aditif merupakan

metode peramalan produksi tembakau terbaik dengan nilai MSE terkecil

yaitu sebesar 392.222.286. Dengan menggunakan teknik yang terbaik

diharapkan akan menghasilkan nilai ramalan mendekati nilai aktualnya.

2. Peramalan harga tembakau Indonesia yang dilakukan dengan metode

ARIMA (0,1,1) dalam 18 bulan ke depan menghasilkan harga tembakau

Indonesia yang cenderung meningkat tetapi tidak dalam persentase yang

besar. Dengan rata-rata kenaikan sebesar Rp 180,00 per periode. Harga

pada bulan Januari 2007 atau periode peramalan pertama adalah sebesar

Rp 21.848,20. Harga tertinggi dicapai pada bulan Juni tahun 2008 sebesar

Rp 25.082.50. Selisih harga tertinggi dengan harga terendah berdasarkan

hasil ramalan harga tembakau Indonesia adalah sebesar Rp 3.234,30.

3. Untuk Produksi tembakau, output peramalan yang dihasilkan

Decomposition Aditif menunjukkan tingkat produksi tembakau yang

berfluktuasi setiap periodenya. Produksi tertinggi terjadi pada tahun 2009

71

dengan produksi sebesar 214.530 Ton, dengan rata-rata fluktuasi kenaikan

penurunan sebesar 15.147 Ton setiap tahun.

6.2 Saran

Sebagai negara yang memiliki potensi alam yang besar, Indonesia

diharapkan mampu bersaing dengan negara-negara lain yang sumber daya

alamnya terbatas. Para petani sudah sepatutnya mengembangkan dan

memberdayakan potensi alam tersebut dengan bijaksana. Koordinasi yang baik

antara pihak-pihak yang terkait dalam perdagangan komoditi tembakau perlu

ditingkatkan sehingga akan memperlancar perdagangan tembakau ini. Peran serta

pemerintah dalam menjembatani perdagangan tembakau perlu terus dilakukan

sehingga peluang tembakau ini dapat dimanfaatkan dengan optimal dan akhirnya

akan meningkatkan pendapatan devisa negara. Berdasarkan hasil peramalan harga

dan produksi tembakau dapat diambil beberapa kebijakan sebagai berikut :

1. Peningkatan kualitas tembakau lokal (Indonesia).

Hal ini dapat dicapai melalui peningkatan tingkat produktivitas, yang

sangat terkait dengan adopsi teknologi baik teknologi pembibitan, budidaya,

panen dan pasca panen, peningkatan efisiensi pada industri pengolahan melalui

perbaikan managemen standarisasi mutu dan kualitas hasil melalui sistem

pengopenan dan perajangan yang lebih modern.

2. Peningkatan kegiatan research and development pada sektor perkebunan

Indonesia khususnya komoditi tembakau.

Hal ini ditujukan untuk meningkatkan inovasi dan efisiensi produksi

dalam menghasilkan jenis-jenis tembakau yang berkualitas demi memenuhi

72

kebutuhan pasar. Peningkatan kualitas tembakau sangat menguntungkan para

petani, harganya menjadi lebih tinggi sehingga standar hidup para petani akan

meningkat. Selain itu perlu adanya kontinuitas pengelolaan rantai pemasaran dan

distibusi tembakau sampai tangan konsumen.

3. Pemerintah berusaha mempertahankan harga pasar komoditi tembakau dan

peningkatan kualitas SDM petani tembakau.

Mempertahankan harga pasar dapat dicapai melalui penurunan harga

sarana produksi terutama pupuk dan insektisida melalui penghapusan berbagai

distorsi. Selain itu dibuat peraturan atau dasar hukum tentang penetapan harga

pasar komoditi tembakau. Sedangkan peningkatan kualitas SDM dapat dicapai

melalui pendidikan dan pelatihan pengelolaan komoditi tembakau, adanya

jaminan upah yang memadai dan peningkatan standar hidup untuk para petani.

4. Adanya pola kemitraan antara pihak pemerintah dengan petani.

Dalam rangka meningkatkan produktifitas pertanian dan mengantisipasi

adanya fluktuasi harga perlu adanya pola kemitraan antara pihak pemerintah

dengan petani. Pola kemitraan ini diharapkan dapat mendekatkan keterkaitan

petani dengan pihak pemerintah sebagai penjamin pemasaran, penyedia sarana

produksi dan sebagai pembina dalam pengelolaan hasil panen bagi petani.

Hasil analisis yang dilakukan dalam penelitian ini masih bersifat agregat

Untuk penelitian selanjutnya semoga dapat menganalisa faktor-faktor yang

mempengaruhi adanya variasi dalam harga dan produksi tembakau. Selain itu,

juga dapat dilakukan penelitian harga dan tembakau lanjutan yang bersifat lebih

spesifik pada tiap kota penghasil tembakau tujuan.

73

DAFTAR PUSTAKA

Adisewojo, Sodo. Bercocok Tanam Tembakau. Sumur Bandung. 1996. Bandung.

Ardiyanti, Eki. 2003. Kajian Implementasi Kemitraan Agribisnis Tembakau

Virginia PT. Sandhana Arifnusa Bondowoso, Jawa Timur. [Skripsi].

Fakultas Pertanian ,Institut Pertanian Bogor. Bogor.

Badan Pusat Statistik. 2005. Perkebunan Besar dan Sedang. BPS. Jakarta.

Departemen Pertanian. 2007. Tembakau dalam Statistik. Dirjenbun.Jakarta.

Gaynor, P. E., and R. C. Kirk Patrick. 1994. Time Series Modelling and

Forecasting in Bussines and Economics. Newyork, McGraw Hill.

Gujarati, D. 1978. Ekonometrika Dasar. Sumarno Zein [penerjemah]. Erlangga

Jakarta.

Hanke. J. E., D. W. Wichern and A. G. Reitsch. 2003. Peramalan Bisnis. PT.

Prehalindo. Jakarta.

Lipsey, R.G., Peter O.S. dan Douglas D. P. 1995. Pengantar Makroekonomi.

Binarupa Aksara. Jakarta.

Makridakis, S., S. C. Wheelwright and V. E. McGee. 1999. Metode dan Aplikasi

Peramalan Ed ke-2. Binarupa Aksara. Jakarta.

Marganta, Meta. 2001. Perkembangan dan Analisis Faktor-faktor yang

Mempengaruhi Tembakau Virginia Indonesia. [Skripsi]. Fakultas

Pertanian, Institut Pertanian Bogor, Bogor.

Nicholson. W. 2002. Mikroekonomi Intermediet dan Aplikasinya. Penerbit

Erlangga. Jakarta.

Santoso, Kabul. 1991. Tembakau dalan Analisis Ekonomi. Badan Penerbit

Universitas Jember. Jember.

Setianto. 2005. Ketentuan dan Persyaratan Mutu Tembakau untuk Ekspor

Prosiding Diskusi Teknologi Ramah Lingkungan Untuk Tembakau Ekspor

Besuki. 19 Juli 2005. Jember. Badan Penelitian dan Pengembangan

Pertanian, Pusat Penelitian Dan Pengembangan Perkebunan Bogor.

Zulfiyanti, Cisilia. 1997. Analisis Faktor-Faktor yang Mempengaruhi Produksi

Usaha Tani Tembakau Jawa . [Skripsi]. Fakultas Pertanian. Institut

Pertanian Bogor, Bogor.

74

LAMPIRAN

75

Lampiran 1.

Tabel Produksi Tembakau Indonesia, 1986-2006

Th/bln 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006

JAN 2750 3060 3000 4690 3970 3050 4450 3160 4810 7500 4250 7200 5900 12000 12731 11710 11711 19400 20100 19300 22300

FEB 3000 3500 3000 4680 3970 3300 3870 3160 4270 7500 4250 6200 6100 12000 12170 11970 11584 19400 18600 19500 21300

MAR 3000 3430 3000 4700 3970 3280 3660 3100 4730 7500 4250 6200 6000 12300 12622 12559 11264 18800 19400 20300 23300

APRIL 3000 3460 3000 4740 3970 3310 4000 3090 5010 7250 4200 6200 6000 12300 14320 14038 11464 18400 17800 21000 20300

MEI 3000 3330 3000 4470 3970 3540 4160 4430 4330 6900 4000 6200 6000 12500 14941 14300 10750 20300 24125 22375 21375

JUNI 3000 3060 3000 4430 3970 3590 2580 4320 4670 7000 3800 6200 7000 12500 15902 17158 11286 18900 22125 23185 24375

JULI 3000 2880 3000 4570 3970 3020 4580 4540 5460 7100 3650 6300 5000 12700 14996 15371 11661 18760 25833 24000 22000

AGST 3060 2840 3000 4480 3970 2600 2950 4420 5380 7000 3500 6300 6500 12700 12854 12573 10704 19400 25000 24400 25400

SEP 3120 2840 3000 4380 3970 3230 4330 4450 5160 6600 3200 5000 5500 13000 13662 14155 10925 18500 25333 26400 24000

OKT 3160 2830 3000 4390 3970 2530 3750 4710 5140 6500 3000 6000 5500 13000 12829 13477 10321 18850 25000 24700 24700

NOP 3160 2830 3000 4540 3970 3120 3850 4510 6430 6500 2000 6000 5500 13250 12579 13328 10429 19400 23875 23785 21785

DES 3160 2930 3000 4360 4670 3250 3950 3340 3920 6400 2000 6000 4500 13200 13152 13616 10750 18150 20437 22650 21000

76

Lampiran 2.

Plot ACF dan PACF Harga Tembakau di Indonesia

Gambar 1. ACF Harga Tembakau di Indonesia

Gambar 2. PACF Harga Tembakau di Indonesia

Gambar 3. ACF def 1 ln harga tembakau Indonesia

Gambar 4.P ACF Differencing 1 Log Harga Tembakau di Indonesia

Lag

Autoc

orrela

tion

605550454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Autocorrelation Function for harga(with 5% significance limits for the autocorrelations)

Lag

Partia

l Auto

correl

ation

605550454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Partial Autocorrelation Function for harga(with 5% significance limits for the partial autocorrelations)

Lag

Autoc

orrela

tion

605550454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Autocorrelation Function for df 1 ln hrg(with 5% significance limits for the autocorrelations)

Lag

Parti

al Au

tocorr

elatio

n

605550454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Partial Autocorrelation Function for df 1 ln hrg(with 5% significance limits for the partial autocorrelations)

77

Lampiran 3. Metode Trend Harga Tembakau

Trend Linear Harga Tembakau Data harga

Length 252

NMissing 0

Fitted Trend Equation

Yt = -1567.19 + 85.2429*t

Accuracy Measures

MAPE 50

MAD 2740

MSD 10940537

269 21363.1

270 21448.4

Trend Quadratic Harga Tembakau Data harga

Length 252

NMissing 0


Yt = 4315.80 - 53.7254*t +

0.549282*t**2

Accuracy Measures

MAPE 22

MAD 1550

MSD 4181488

Trend Exponential

Harga Tembakau Data harga

Length 252

NMissing 0


Yt = 2150.94 * (1.00935**t)

Accuracy Measures

MAPE 25

MAD 1865

MSD 6160337

Index

ha

rg

a

2522241961681401128456281

30000

25000

20000

15000

10000

5000

0

Accuracy Measures

MAPE 51

MAD 2863

MSD 11582239

Variable

Forecasts

Actual

Fits

Trend Analysis Plot for hargaLinear Trend Model

Yt = -2077.20 + 91.1952*t

Index

ha

rg

a

2522241961681401128456281

35000

30000

25000

20000

15000

10000

5000

0

Accuracy Measures

MAPE 21

MAD 1494

MSD 3881823

Variable

Forecasts

Actual

Fits

Trend Analysis Plot for hargaQuadratic Trend Model

Yt = 4198.72 - 50.3668*t + 0.534197*t**2

Index

ha

rg

a

2522241961681401128456281

30000

25000

20000

15000

10000

5000

0

Accuracy Measures

MAPE 24

MAD 1829

MSD 5670884

Variable

Forecasts

Actual

Fits

Trend Analysis Plot for hargaGrowth Curve Model

Yt = 2131.56 * (1.00946**t)

78

Lampiran 4. Metode Winters Harga Tembakau

Winters Multiplikatif

Harga Tembakau Multiplicative Method

Data harga

Length 252

Smoothing Constants

Alpha (level) 0.98

Gamma (trend) 0.01

Delta (seasonal) 0.01

Accuracy Measures

MAPE 9

MAD 647

MSD 1219043

Winters Aditif

Harga Tembakau Additive Method

Data harga

Length 252

Smoothing Constants

Alpha (level) 0.98

Gamma (trend) 0.01


Accuracy Measures

MAPE 11

MAD 743

MSD 1264257

Index

ha

rg

a

2702432161891621351088154271

50000

40000

30000

20000

10000

0

Smoothing Constants

Alpha (level) 0.98

Gamma (trend) 0.01


Accuracy Measures

MAPE 9

MAD 647

MSD 1219043

Variable

Forecasts

95.0% PI

Actual

Fits

Winters' Method Plot for hargaMultiplicative Method

Index

ha

rg

a

2702432161891621351088154271

40000

30000

20000

10000

0

Smoothing Constants

Alpha (level) 0.98

Gamma (trend) 0.01


Accuracy Measures

MAPE 11

MAD 743

MSD 1264257

Variable

Forecasts

95.0% PI

Actual

Fits

Winters' Method Plot for hargaAdditive Method

79

Lampiran 5. Metode Decomposition Harga Tembakau

Decomposition Multiplikatif

Harga Tembakau Multiplicative Model

Data harga

Length 252

NMissing 0


Yt = -1798.29 + 88.4284*t

Accuracy Measures

MAPE 50

MAD 2738

MSD 10738132

Decomposition Aditif

Harga Tembakau Additive Model

Data harga

Length 252

NMissing 0


Yt = -1643.21 + 86.3521*t

Accuracy Measures

MAPE 52

MAD 2782

MSD 10851898

Forecasts

Double Exponential Smoothing

Harga Tembakau Data harga

Length 252

Smoothing Constants

Alpha (level) 0.90

Gamma (trend) 0.01

Accuracy Measures

MAPE 9

MAD 720

MSD 1727608

Index

ha

rg

a

2702432161891621351088154271

30000

25000

20000

15000

10000

5000

0

Accuracy Measures

MAPE 50

MAD 2738

MSD 10738132

Variable

Trend

Forecasts

Actual

Fits

Time Series Decomposition Plot for hargaMultiplicative Model

Index

ha

rg

a

2702432161891621351088154271

30000

25000

20000

15000

10000

5000

0

-5000

Accuracy Measures

MAPE 52

MAD 2782

MSD 10851898

Variable

Trend

Forecasts

Actual

Fits

Time Series Decomposition Plot for hargaAdditive Model

Index

ha

rg

a

2702432161891621351088154271

40000

30000

20000

10000

0

Smoothing Constants

Alpha (level) 0.90

Gamma (trend) 0.01

Accuracy Measures

MAPE 9

MAD 720

MSD 1727608

Variable

Forecasts

95.0% PI

Actual

Fits

Double Exponential Smoothing Plot for harga

80

Lampiran 6. Metode Box Jenkins Harga Tembakau

ARIMA (0,1,1) Harga Tembakau Estimates at each iteration

Iteration SSE Parameters

0 9.90156 0.100 0.108

1 6.67383 0.250 0.029

2 6.40837 0.342 0.007

3 6.40671 0.349 0.008

4 6.40671 0.349 0.008

5 6.40671 0.349 0.008

Relative change in each estimate less than 0.0010

Final Estimates of Parameters

Type Coef SE Coef T P

MA 1 0.3493 0.0595 5.87 0.000

Constant 0.008121 0.006589 1.23 0.219

Differencing: 1 regular difference

Number of observations: Original series 252, after differencing 251

Residuals: SS = 6.40603 (backforecasts excluded)

MS = 0.02573 DF = 249

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48

Chi-Square 13.6 29.4 35.8 42.5

DF 10 22 34 46

P-Value 0.194 0.133 0.384 0.621

SARIMA (1,1,0) (1,1,0)48 Harga Tembakau Estimates at each iteration


0 17.2382 0.100 0.100 0.082

1 12.7348 -0.016 -0.050 0.045

2 10.3269 -0.102 -0.200 0.027

3 8.6921 -0.201 -0.350 0.014

4 8.1405 -0.309 -0.500 0.005

5 8.0806 -0.352 -0.552 0.005

6 8.0800 -0.356 -0.558 0.005

7 8.0799 -0.357 -0.559 0.005

8 8.0799 -0.357 -0.559 0.005




AR 1 -0.3569 0.0660 -5.41 0.000

SAR 48 -0.5588 0.0602 -9.28 0.000

Constant 0.00485 0.01402 0.35 0.730

Differencing: 1 regular, 1 seasonal of order 48


Residuals: SS = 7.97363 (backforecasts excluded)

MS = 0.03987 DF = 200


Lag 12 24 36 48

Chi-Square 17.5 26.6 34.0 48.7

DF 9 21 33 45

P-Value 0.041 0.185 0.420 0.326

81

Lampiran 7.

Tabel Produksi Tembakau di Indonesia, 1971-2006

Tahun Jumlah

1971 57352

1972 126558

1973 76507

1974 78071

1975 95665

1976 89798

1977 84502

1978 82466

1979 120299

1980 85487

1981 109646

1982 106802

1983 109484

1984 107825

1985 160765

1986 101235

1987 112691

1988 116917

1989 80979

1990 156432

1991 140283

1992 111655

1993 121370

1994 130134

1995 140169

1996 151025

1997 209626

1998 105580

1999 135384

2000 204329

2001 199103

2002 192082

2003 200875

2004 165108

2005 153470

2006 177895

82

Lampiran 8. Plot ACF dan PACF Produksi Tembakau

Gambar 1. ACF Produksi Tembakau di Indonesia

Gambar 2. PACF Produksi Tembakau di Indonesia

Gambar 3. ACF Differencing 1 Produksi Tembakau di Indonesia

Gambar 4. PACF Differencing 1 Produksi Tembakau di Indonesia

Lag

Auto

corre

lation

987654321

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Autocorrelation Function for produksi(with 5% significance limits for the autocorrelations)

Lag

Partia

l Auto

correl

ation

987654321

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Partial Autocorrelation Function for produksi(with 5% significance limits for the partial autocorrelations)

Lag

Autoc

orrela

tion

987654321

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Autocorrelation Function for df 1 prod(with 5% significance limits for the autocorrelations)

Lag

Parti

al Au

toco

rrelat

ion

987654321

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Partial Autocorrelation Function for df 1 prod(with 5% significance limits for the partial autocorrelations)

83

Lampiran 9. Metode Trend Produksi Tembakau

Trend Linear

Produksi Tembakau Data produksi

Length 36

NMissing 0


Yt = 71045.5 + 3062.96*t

Accuracy Measures

MAPE 15

MAD 18943

MSD 608478826

Trend Quadratic


Length 36

NMissing 0


Yt = 80022.1 + 1645.59*t +

38.3072*t**2

Accuracy Measures

MAPE 15

MAD 19035

MSD 59483861

Trend Exponential


Length 36

NMissing 0


Yt = 77213.6 * (1.02481**t)

Accuracy Measures

MAPE 15

MAD 18702

MSD 600915730

Index

pro

du

ksi

403632282420161284

225000

200000

175000

150000

125000

100000

75000

50000

Accuracy Measures

MAPE 15

MAD 18526

MSD 592535541

Variable

Forecasts

Actual

Fits

Trend Analysis Plot for produksiLinear Trend Model

Yt = 71291.6 + 3043.53*t

Index

pro

du

ksi

403632282420161284

225000

200000

175000

150000

125000

100000

75000

50000

Accuracy Measures

MAPE 15

MAD 18738

MSD 582627097

Variable

Forecasts

Actual

Fits

Trend Analysis Plot for produksiQuadratic Trend Model

Yt = 78925.1 + 1869.14*t + 30.9051*t**2

Index

pro

du

ksi

403632282420161284

225000

200000

175000

150000

125000

100000

75000

50000

Accuracy Measures

MAPE 14

MAD 18433

MSD 589108315

Variable

Forecasts

Actual

Fits

Trend Analysis Plot for produksiGrowth Curve Model

Yt = 77470.7 * (1.02454**t)

84

84

Lampiran 10. Metode Winters Produksi Tembakau

Winters Aditif

Produksi Tembakau Additive Method

Data produksi

Length 36

Smoothing Constants

Alpha (level) 0.05

Gamma (trend) 0.98


Accuracy Measures

MAPE 13

MAD 16111

MSD 455333569

Winters Multiplikatif

Produksi Tembakau Multiplicative Method Data produksi

Length 36

Smoothing Constants

Alpha (level) 0.05

Gamma (trend) 0.98


Accuracy Measures

MAPE 13

MAD 16718

MSD 481255752

Double Exponential Smoothing


Length 36

Smoothing Constants

Alpha (level) 0.01

Gamma (trend) 0.01

Accuracy Measures

MAPE 15

MAD 19069

MSD 614760642

Index

pro

du

ksi

403632282420161284

350000

300000

250000

200000

150000

100000

50000

Smoothing Constants

Alpha (level) 0.05

Gamma (trend) 0.98


Accuracy Measures

MAPE 13

MAD 16111

MSD 455333569

Variable

Forecasts

95.0% PI

Actual

Fits

Winters' Method Plot for produksiAdditive Method

Index

pro

du

ksi

403632282420161284

350000

300000

250000

200000

150000

100000

50000

Smoothing Constants

Alpha (level) 0.05

Gamma (trend) 0.98


Accuracy Measures

MAPE 13

MAD 16718

MSD 481255752

Variable

Forecasts

95.0% PI

Actual

Fits

Winters' Method Plot for produksiMultiplicative Method

Index

pro

du

ksi

403632282420161284

250000

200000

150000

100000

50000

Smoothing Constants

Alpha (level) 0.01

Gamma (trend) 0.01

Accuracy Measures

MAPE 15

MAD 19069

MSD 614760642

Variable

Forecasts

95.0% PI

Actual

Fits

Double Exponential Smoothing Plot for produksi

85

85

Lampiran 11. Metode Decomposition Produksi Tembakau

Decomposition Multiplikatif

Produksi Tembakau Multiplicative Model

Data produksi

Length 36

NMissing 0


Yt = 70362.4 + 3105.26*t

Accuracy Measures

MAPE 12

MAD 14535

MSD 373620604

Decomposition Aditif

Produksi Tembakau Additive Model

Data produksi

Length 36

NMissing 0


Yt = 70162.7 + 3110.68*t

Accuracy Measures

MAPE 12

MAD 15020

MSD 392222286

Index

pro

du

ksi

403632282420161284

250000

200000

150000

100000

50000

Accuracy Measures

MAPE 12

MAD 14535

MSD 373620604

Variable

Trend

Forecasts

Actual

Fits

Time Series Decomposition Plot for produksiMultiplicative Model

Index

pro

du

ksi

403632282420161284

225000

200000

175000

150000

125000

100000

75000

50000

Accuracy Measures

MAPE 12

MAD 15020

MSD 392222286

Variable

Trend

Forecasts

Actual

Fits

Time Series Decomposition Plot for produksiAdditive Model

86

86

Lampiran 12. Metode Box Jenkins Produksi Tembakau

SARIMA (1,1,1) (0,1,1) Produksi Tembakau Estimates at each iteration


0 1.75712E+11 0.100 0.100 0.100 859.011

1 1.07750E+11 -0.050 0.250 0.217 1703.903

2 98860925338 0.030 0.400 0.233 1405.793

3 89513632126 0.095 0.550 0.250 1105.934

4 79521430629 0.142 0.700 0.271 804.621

5 68735608548 0.164 0.850 0.296 519.924

6 62028265170 0.156 1.000 0.329 313.225

7 51406591962 0.006 0.965 0.373 588.466

8 42861555340 -0.144 0.925 0.429 642.558

9 36470531668 -0.294 0.878 0.499 501.684

10 32306670555 -0.444 0.844 0.576 32.135

11 31211125786 -0.551 0.833 0.600 -377.294

12 31093987352 -0.584 0.831 0.585 -410.920

13 31059921191 -0.593 0.842 0.570 -456.942

14 31052907601 -0.605 0.834 0.567 -448.395

15 31052770968 -0.603 0.846 0.558 -484.298

16 31048327390 -0.610 0.835 0.560 -458.330

17 31045484434 -0.607 0.845 0.556 -487.770

18 31044746452 -0.612 0.837 0.558 -466.724

19 31042307019 -0.609 0.844 0.555 -487.535

20 31039331232 -0.609 0.841 0.555 -479.511

21 31039330336 -0.610 0.841 0.555 -479.541




AR 1 -0.6095 0.1655 -3.68 0.001

MA 1 0.8412 0.2225 3.78 0.001

SMA 6 0.5548 0.2322 2.39 0.025

Constant -479.5 582.0 -0.82 0.418

Differencing: 1 regular, 1 seasonal of order 6


Residuals: SS = 25811081032 (backforecasts excluded)

MS = 1075461710 DF = 24


Lag 12 24 36 48

Chi-Square 14.6 23.1 * *

DF 8 20 * *

P-Value 0.066 0.285 * *

PERAMALAN HARGA DAN PRODUKSI … ini merupakan salah satu syarat untuk memperoleh gelar Sarjana...

Documents

Transcript of PERAMALAN HARGA DAN PRODUKSI … ini merupakan salah satu syarat untuk memperoleh gelar Sarjana...