ANALISIS PERAMALAN PENJUALAN MENGGUNAKAN METODE KOINTEGRASI ANTARA JENIS KUE DI TRIPLE COMBO BOGOR. Oleh MUHARANI H

ANALISIS PERAMALAN PENJUALAN MENGGUNAKAN METODE KOINTEGRASI ANTARA JENIS KUE DI TRIPLE COMBO BOGOR

Oleh MUHARANI H24087086

PROGRAM SARJANA ALIH JENIS MANAJEMEN DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR BOGOR 2011

ANALISIS PERAMALAN PENJUALAN MENGGUNAKAN METODE KOINTEGRASI ANTARA JENIS KUE DI TRIPLE COMBO BOGOR

SKRIPSI sebagai salah satu syarat untuk memperoleh gelar SARJANA EKONOMI pada Program Sarjana Alih Jenis Manajemen Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor

Oleh MUHARANI H24087086

PROGRAM SARJANA ALIH JENIS MANAJEMEN DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR BOGOR 2011

Judul

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

Nama

: Muharani

NIM

: H24087086

Menyetujui, Dosen Pembimbing

(Dr. Ir. M. Syamsun, M.Sc) NIP. 19500727197412 1001

Mengetahui, Ketua Departemen

(Dr. Ir. Jono M. Munandar, M.Sc) NIP. 19610123198601 1002

Tanggal Lulus:

RINGKASAN MUHARANI H24087086. Analisis Peramalan Penjualan Menggunakan Metode Kointegrasi Antara Jenis Kue Di Triple Combo Bogor. Di bawah bimbingan MUHAMAD SYAMSUN. Berbagai jenis makanan dan jajanan semkakin banyak ditemui di lingkungan, baik jenis makanan kecil dan makanan besar. Kue klappertart contohnya, kue yang berasal dari Menado ini dulunya banyak di konsumsi oleh para bangsawan Belanda, makaroni contohnya makanan ini merupakan makanan yang sudah sering dikonsumsi oleh masyarakat, dan pastel yang terdiri dari kulit kue kering dan isi, isi pastel dapat berbagai pilihan. Triple Combo merupakan hidangan yang exclusive memiliki 3 varian utama, yaitu : Klappertart, Makaroni, dan Pastel. Lokasi Triple Combo Klappertart Huize yang beralamat di Jalan. Pangrango No.8, Bogor terletak di Taman Kencana, bisa dikatakan pusat jajanan kuliner dan banyak sekali tempat makanan di daerah ini, maka dari itu tepat sekali menjadi tempat kue Triple Combo. Selain citrarasa yang baik, satu keunggulan dari klappertartnya Triple Combo adalah halal yang mana Triple Combo telah mendapatkan sertifikat halal yang dikeluarkan oleh MUI. Karena kue klappertart dibandingkan makaroni dan pastel yang paling diminati oleh pelanggan, maka rumah tempat produksi maupun gerai penjualan tersebut dinamakan Huize atau Rumah Klappertart. Triple Combo merupakan jenis kue yang bergerak dalam bidang kuliner dan fokus dalam operasionalnya yang keseharianya di supervise oleh pengajar professional dari Bogor Hotel Institute dan tenaga ahli dari Hotel Salak The Heritage. Berawal dari keinginan membuat makanan yang unik dan spesial untuk memenuhi kebutuhan akan makanan yang lezat, sehat dan berkualitas yang cocok menjadi hidangan sehari-hari maupun untuk oleh-oleh atau gift serta menunjang pariwisata kota Bogor dengan memberi warna baru kuliner kota Bogor. Dengan menggunakan analisis kointergrasi terdapat dua jenis model yang digunakan untuk dianalisis, yaitu model analisis VAR (Vector Autoregression) atau model analisis VECM (Vector Error Corection Model). Dilihat dari hasil uji yang menunjukan bahwa data tersebut stasioner menggunakan VAR. Kemudian melakukan analisis IRF dan FEVD untuk melihat korelasi antara data kue dengan data penjualan yang kemudian dilakukan peramalan melalui analisis FEVD. Peramalan yang dilakukan untuk mengetahui apakah dalam kurun waktu 118 minggu akan diperoleh hasil bahwa kue tersebut akan mengalami penurunan atau peningkatan dalam penjualannya, atau akan turun naik pada setiap minggunya, maka dari itu perlu dilakukan penelitian peramalan penjualan sehingga Triple Combo akan mendapat gambaran penjualan untuk kedepanya. Diantara tiga jenis kue klappertart, makaroni, dan pastel ini, masyarakat lebih menggemari klappertart karena selain rasanya yang berbeda dari jenis kue lainnya juga memiliki ciri khas tersendiri yang lebih menonjol, sehingga masyarakat lebih cenderung memilih klappertart. Tetapi selain itu berdampak positif pada masyarakat untuk mencoba dua kue andalannya di Triple Combo seperti makaroni dan pastel sebagai pelengkap setelah mencoba klappertart.

RIWAYAT HIDUP

Penulis dilahirkan di Bogor pada 26 Agustus 1987. Penulis merupakan anak pertama dari dua bersaudara pasangan Kusumah dan Puranawati. Penulis menyelesaikan pendidikan di Playgroup dan TK. Tadika Puri Bogor 1990-1993. Kemudian melanjutkan ke Sekolah Dasar Negeri Polisi 4 Bogor 19931999. Tahun 1999 penulis melanjutkan pendidikan di Sekolah Menengah Pertama Negeri 2 Bogor hingga tahun 2002. Pada tahun 2002 penulis melanjutkan pendidikan di Sekolah Menengah Atas Negeri 3 Bogor pada program IPA. Pada tahun 2005, penulis diterima di Institut Pertanian Bogor pada program Diploma Manajemen Infornatika melalui jalur PMDK .Pada tahun 2008 penulis melanjutkan ekstensi Manajemen Fakultas Ekonomi dan Manajemen IPB melalui tes regular. Penulis pernah meraih dua kali Juara 1 Lomba menulis puisi tingkat SMAN.3 Bogor 2004. Pengalaman organisasi penulis adalah pencak silat SDN. Polisi 4 Bogor1995-1996, bina vocalia SDN. Polisi 4 Bogor 1996-1997, seni tari sunda SDN. Polisi 4 Bogor 1997-1999, PMR SMPN.2 Bogor 2000. Bina vocal SMPN.2 Bogor 2000. Paskibra taruna SMAN.3 Bogor 2002-2005.Cheerleaders SMAN.3 Bogor 2002-2005. Pengalaman organisasi di luar sekolah adalah mengikuti paguyuban Mojang Jajaka Kabupaten Bogor 2006, Mojang Jajaka Kota Bogor 2007, dan 30 besar Model F-Magazine 2008. Pengalaman kerja penulis pada bidang hiburan adalah sebagai talent Layar Lebar Cinta Pertama (Sunny) 2006, talent FTV Kejatuhan Bintang 2007, talent Bioskop Indonesia Trans Tv Cinta Pertama Sazy 2008, Layar Lebar Sweetheart 2009, talent Scary Job Trans7 2010, talent iklan IM3 2010, talent iklan Daihatsu 2011 dan talent iklan Beasiswa Djarum Super 2011.

KATA PENGANTAR

Puji dan syukur kepada Allah SWT atas karunia dan rahmatNya penulis dapat menyelesaikan skripsi ini dengan baik. Penulis menulis skripsi ini dengan tema Analisis Peramalan Penjualan Menggunakan Metode Kointegrasi Antara Jenis Kue di Triple Combo Bogor. Skripsi ini disusun sebagai syarat utama untuk memperoleh gelar Sarjana Ekonomi pada Departemen Manajemen, Fakultas Ekonomi dan Manjemen Institut Pertanian Bogor. Minat masyarakat terhadap makanan ringan terutama kue kian meningkat, dengan adanya kue klapertart, makaroni dan pastel dari Triple Combo dengan variasi rasa yang unik akan menabah minat masyarakat pecinta kue, kue yang dipadukan rasa yang nikmat juga mengundang selera masyarakat yang luar biasa. Kue klapertart ini yang awalnya khas Manado ini menjadi trending topic masyarakat karena kelezatannya yang luar biasa, maka dari itu Triple Combo menjual klapertart, makaroni dan pastel. Masyarakat pun bukan hanya sekedar menggemarinya tetapi juga menjadikannya kesukaan dan menjadikannya langganan klapertart tersebut. Dari ketiga kue itu kue yang paling digemari adalah klapertart, karena kegemaran masyarakat kepada kalpertart yang kemudian masyarakat mencoba makaroni dan juga pastel. Selain buka toko kue sendiri, Triple Combo juga menitipkan kepada Hotel Salak dan toko-toko kue lainnya, hingga kepada pedagang asongan pun kue ini dititipkan, jika kita suka melihat pedagang

kue

biasanya

di

statsiun

atau

dijalan-jalan

umum

dengan

memnggunakan keranjang itulah pedagang kue Triple Combo, secara tidak langsung mengurangi penggangguran.

Bogor, November 2011

Penulis

UCAPAN TERIMA KASIH

Penulis mengucapkan terima kasih kepada: 1. Allah SWT dan Nabi Muhammad, SAW. 2. Bapak Ir.Dr.Syamsun,M.Sc, selaku dosen pembimbing yang telah memberikan bimbingan, petunjuk, nasehat, dan saran selama mengerjakan skripsi dimulai hingga seminar dan sidang dilaksanakan. 3. Bapak Ir. Abdul Basith,MS dan ibu Yusrina Permatasari,ME selaku dosen penguji yang telah memberikan bimbingan, petunjuk, nasehat, dan saran selama mengerjakan skripsi hingga sidang dilaksanakan. 4. Ibu Hardiana Widyastuti,S.Hut.,MM. 5. Seluruh

dosen

Pengajar

Departemen

Manajemen

yang

telah

memberikan ilmu dan pengetahuan yang berguna bagi penulis, kepada Fakultas Ekonomi dan Manajemen & staf, serta Kepala Sekretariat Departemen Manajemen & staf atas bantuan selama penulis menyelesaikan perkuliahan. 6. Seluruh pihak Triple Combo, Bapak Taufik, Bapak Irfan, Bapak Kabe, Bapak Hisnu yang telah memberikan bimbingan di Triple Combo. 7. Ibunda, Ayahanda, Adelia atas doa, cinta, restu, kasih sayang, dukungan, masihat dan perhatian yang diberikan kepada penulis. 8. Alexander

di

Universitas

Mercu

Buana,

Jurusan

Marketing

Comunication yang telah memberikan inspirasi, perhatian, kasih sayang. 9. Kurniawan Saputra di Universitas Bina Nusantara, Jurusan Sistem Informasi atas dukungan dan semangatnya. 10. Rakhel, Riza, Rayi, Diar, Tika, Pinka, Dian, Rista, Rima, Risna, Vio, Eko, Bella, Rizkynation, Amel, Cindy, Cantika, Bila, Rosmeri, Nay, Netty, Nia, Lia, Nitha, Putri, Regina, Mega, Rully, Raffy, Awe, Tudu. 11. Teman satu tim bimbingan skripsi Kiki, Anriza, Indra, Iqbal.

vi

DAFTAR ISI

Halaman RINGKASAN RIWAYAT HIDUP ....................................................................................

iii

KATA PENGANTAR ................................................................................

iv

UCAPAN TERIMA KASIH .....................................................................

v

DAFTAR TABEL ......................................................................................

viii

DAFTAR GAMBAR ..................................................................................

ix

DAFTAR LAMPIRAN ..............................................................................

x

I. PENDAHULUAN .................................................................................

1

1.1. Latar Belakang ................................................................................ 1.2. Perumusan Masalah ........................................................................ 1.3. Tujuan Penelitian ............................................................................ 1.4. Manfaat Penelitian .......................................................................... 1.5. Ruang Lingkup ................................................................................

1 3 3 3 4

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

5

2.1. Kue .................................................................................................. 2.2. Penjualan .......................................................................................... 2.3. Peramalan ........................................................................................ 2.4. Kointegrasi ........................................................................................ 2.5. Vector Autoregresesive (VAR) ....................................................... 2.6. Impuls Response Function (IRF) .................................................... 2.7. Forecast Error Variance Decomposition (FEVD) ......................... 2.8. Penelitian Terdahulu .........................................................................

5 8 8 11 12 15 15 16

III. METODE PENELITIAN ..................................................................

18

3.1. Kerangka Pemikiran ....................................................................... 3.2. Lokasi dan Waktu Penelitian .......................................................... 3.3. Metode Pengumpulan Data ............................................................. 3.4. Pengolahan dan Analisis Data ......................................................... 3.4.1 Uji Stasioner Data ................................................................... 3.4.2 Metode Pengujian Granger Casuality ...................................... 3.4.3 Uji Lag Optimal ....................................................................... 3.4.4 VAR ......................................................................................... 3.4.5 Uji Stabilitas VAR ................................................................... 3.4.6 Impuls Response Function .......................................................

19 20 20 21 21 22 23 24 26 26

. .

vii

3.4.7 Forecast Error Variance Decomposition .................................

27

IV. HASIL DAN PEMBAHASAN ...........................................................

29

4.1. Gambaran Umum Perusahaan ....................................................... 4.1.1 Sejarah Perusahaan .............................................................. 4.1.2 Visi, Misi, dan Moto Perusahaan ......................................... 4.1.3 Lokasi Perusahaan ............................................................... 4.1.4 Struktur Organisasi Perusahaan ........................................... 4.1.5 Produk-produk Perusahaan .................................................. 4.2. Analisis Kointegrasi ...................................................................... 4.2.1 Uji Stasioner Data ................................................................. 4.2.2 Metode Pengujian Granger Casuality .................................... 4.2.3 Uji Lag Optimal ..................................................................... 4.2.4 VAR ....................................................................................... 4.2.5 Uji Stabilitas VAR ................................................................. 4.2.6 Impuls Response Function ...................................................... 4.2.7 Forecast Error Variance Decomposition ............................... 4.2.8 Implikasi Manajerial ..............................................................

29 29 31 31 32 33 36 36 37 37 38 39 40 47 53

KESIMPULAN DAN SARAN ..................................................................

55

1. Kesimpulan ....................................................................................... 2. Saran .................................................................................................

55 56

DAFTAR PUSTAKA .................................................................................

57

LAMPIRAN .................................................................................................

58

viii

DAFTAR TABEL

No Halaman 1. Produk Triple Combo ................................................................................ 2. Hasil Uji Stasioner .................................................................................... 3. Hasil Uji Granger Causality ..................................................................... 4. Hasil Uji Lag Optimal ............................................................................. 5. Hasil VAR ............................................................................................... 6. Hasil Stabilitas VAR ............................................................................... 7. Hasil peramalan Klappertart .................................................................... 8. Hasil peramalan Makaroni ....................................................................... 9. Hasil peramalan Pastel .............................................................................

33 36 37 38 39 40 47 50 52

ix

DAFTAR GAMBAR

No Halaman 1. Kerangka pemikiran ................................................................................ 19 2. Struktur organisasi .................................................................................. 32 3. Respon Makaroni terhadap Klappertart .................................................. 41 4. Respon Pastel terhadap Klappertart ........................................................ 42 5. Respon Klappertart terhadap Makaroni .................................................. 43 6. Respon Pastel terhadap Makaroni ............................................................. 44 7. Respon Klappertart terhadap Pastel .......................................................... 45 8. Respon Makaroni terhadap Pastel ............................................................. 46 9. Variance Decomposition terhadap Klappertart ......................................... 49 10.Variance Decomposition terhadap Makaroni............................................ 51 11.Variance Decomposition terhadap Pastel.................................................. 53

x

DAFTAR LAMPIRAN

No Halaman 1. Penjualan Triple combo minggu ke 1- 50 ................................................ 59 2. Penjualan Triple combo minggu ke 51- 100 ............................................. 60 3. Penjualan Triple combo minggu ke 101- 118 ........................................... 61 4. Uji Stasioner Klappertart........................................................................... 62 5. Uji Stasioner Makaroni ............................................................................. 63 6. Uji Stasioner Pastel ................................................................................... 64 7. Uji Stasioner Klappertart,Makaroni,Pastel ............................................... 65 8. Uji Granger Causality............................................................................... 66 9. Uji Lag Optimal ........................................................................................ 67 10. VAR ......................................................................................................... 68 11. Uji Stabilitas VAR .................................................................................. 69 12. IRF jika Klappertart Diimpuls ............................................................... 70 13. IRF Klappertart ..................................................................................... 71 14. IRF jika MakaroniDiimpuls ................................................................... 73 15. IRF Makaroni ......................................................................................... 74 16. IRF jika Pastel Diimpuls ........................................................................ 76 17. IRF Pastel ............................................................................................... 77 18. FEVD Klappertart .................................................................................. 79 19. FEVD Klappertart Periode .................................................................... 80 20. FEVD Makaroni ..................................................................................... 82 21. FEVD Makaroni Periode........................................................................ 83 22. FEVD Pastel ........................................................................................... 85 23. FEVD Pastel Periode.............................................................................. 86 24. Regresi Model Minitab Klappertart ........................................................ 88 25. Regresi Model Minitab Makaroni ........................................................... 90 26. Regresi Model Minitab Pastel ................................................................. 92

1

I. PENDAHULUAN

1.1. Latar Belakang Berbagai jenis makanan dan jajanan semakin banyak kita temui di lingkungan kita, baik jenis makanan kecil dan makanan besar. Makaroni contohnya, makanan ini merupakan makanan yang sudah sering kita dengar bahkan kita konsumsi. Para pengusaha sangat detail dalam melihat peluang bisnis untuk makanan tersebut. Berbagai cara dan kreativitas dibuat para pengusaha untuk menarik dan mempertahankan konsumen agar tidak kalah dengan pesaing, salah satunya dengan cara memberikan variasi dari jenis jualan. Kue klappertat, kue yang berasal dari Menado, dulunya banyak di konsumsi oleh para bangsawan Belanda, akan tetapi sekarang kue ini banyak dijumpai di daerah Pangrango Bogor. Saat ini kue klappertart divariasikan dengan makaroni panggang dan pastel tutup dengan nama TRIPLE COMBO. Penjualan triple combo ini mencapai 15 juta per minggu. Triple Combo merupakan hidangan yang exclusive memiliki 3 jenis kue utama, yaitu: Klappertart, Makaroni, dan Pastel. Selain tiga jenis makanan ringan tersebut, Triple Combo juga memiliki varian lain, seperti : Spekoek atau Lapis Surabaya, Bitterballen, Olliebollen, Holand Croquette, Eclair, Bakwan Udang, Tahu Isi, Panada, Lemper, Arem-arem, dan makanan ringan Indonesia lainnya. Triple Combo Snack mempunyai 3 Jenis exclusive snack andalan yang unik dan spesial, yaitu : - Klappertart (Potongan kelapa muda didalam cream susu, custard dan ditutup dengan putih telur). - Pastel Tutup / Indische Pastei (Ayam, Sosis sapi, wortel, Jamur telinga, Chinese vermicelli and cover by mashed potato). - Makaroni Schoetel (Makaroni & kornet daging sapi ditaburi keju). Kelebihan Triple Combo adalah : - Menu spesial warisan jaman kolonial Belanda yang terkenal di Indonesia - Sehat, lezat & bergizi tinggi - Terbuat dari bahan baku berkualitas, berstandar hotel

2

- Proses pembuatannya yang higienis - Tidak menggunakan bahan pengawet dan aditif lainnya - Halal, sertifikat halal dari MUI Triple Combo juga memproduksi berbagai macam exclusive snack yang siap mendampingi semua jenis acara pelanggan. Tersedia snack dari cake, roti, hingga snack tradisional, seperti Lapis Surabya, Roll Cake, Panada, Sosis Roll, Risoles, Lemper, Arem-arem ataupun Kelepon. Ketiga kue tersebut dapat dipilih dan disesusaikan dengan acara pelanggan ataupun dikombinasikan sesuai selera, sehingga hidangan dapat lebih bervariasi tetapi tetap exclusive dan memberi kelas tersendiri. Produksi Triple Combo Snack didukung oleh tenaga ahli yang berpengalaman dan sudah keliling dunia. Dalam produksi sehari-hari Triple Combo juga disupervisi oleh Bogor Hotel Institute, yaitu institusi pendidikan pariwisata ternama di Bogor dan oleh tenaga ahli dibidang patiseri dari hotel berbintang di Bogor yaitu Hotel Salak The Heritage. Team produksi bekerja dengan profesional setiap hari selama 24 jam secara bergantian dengan sistem bergiliran (shift) untuk menghasilkan snack yang berkualitas sesuai pesanan pelanggan. Bahan baku pilihan yang sudah dipersiapkan oleh bagian purchasing dikontrol kualitasnya dan diolah dengan baik, bersih dan sehat oleh para ahli dan siap saji. Peralatan yang modern dengan teknologi terbaru dan dioperasikan dengan sistem yang baik serta manajemen yang baik juga sangat mendukung proses produksi untuk mendapatkan hasil produksi yang optimum. Produksi Triple Combo yang sudah jadi dikemas dengan baik dan exclusive dan dimasukkan dalam box yang mewah dan menarik dan siap diantar oleh team pengantar yang siap melayani pesanan di Bogor, Jakarta dan sekitarnya, sehingga dapat tiba di tujuan atau kantor pelanggan tepat pada waktunya. Penjualan Triple Combo menarik untuk diteliti karena terdiri dari tiga komoditas kue. Dalam penelitian ini, digunakan model kointegrasi yang menggunakan data deret waktu penjualan dari ketiga kue tersebut. Dalam penggunaan model ini kemungkinan data deret waktu bersifat stasioner dan bisa juga tidak stasioner. Untuk data yang tidak stasioner diperlukan proses diferensiasi terlebih dulu walaupun proses ini dapat menghilangkan hubungan

3

jangka panjang yang mungkin terdapat dalam variabel-variabel time series yang diteliti dan hanya memberikan hubungan jangka pendek. Di sinilah pentingnya proses kointegrasi dimana konsep ini membantu memberikan informasi mengenai hubungan jangka panjang dari ketiga kue tersebut dengan menggunakan time series non-stasioner. Dengan kata lain konsep ini mengatakan bahwa apabila terdapat dua atau lebih time series yang tidak stasioner (mempunyai unit roots) dan terintegrasi pada orde yang sama serta residunya bersifat stasioner sehingga tidak ada korelasi serial di dalamnya (white nose) maka time series tersebut dinamakan terkointegrasi. 1.2 Perumusan Masalah - Permasalahan yang dihadapi ialah pemasaran dan promosinya yang kurang menyebar; - Peramalan tiga bulan ke depan antara mengalami kenaikan atau penurunan; - Masyarakat luas belum mengenal Triple combo secara luas; Berdasarkan pemaparan tersebut, dapat dirumuskan permasalahan dalam penelitian ini adalah: 1. Bagaimana analisis hubungan kointegrasi antara klappertart, makaroni dan pastel? 2. Bagaimana peramalan penjualan dan harga klappertart tiga bulan ke depan? 1.3 Tujuan Penelitian 1. Mengetahui hubungan kointegrasi antara ketiga kue klappertart, makaroni dan pastel sebagai perencanaan peramalan. 2. Dapat mengetahui ramalan penjualan sebagai target penjualan tiga bulan kedepan dan mengantisipasi pada bulan yang diramalkan akan menurunnya penjualan suatu kue sehingga penurunan penjualan tersebut tidak terjadi. 1.4. Manfaat Penelitian Hasil penelitian berguna dan menjadi masukan bagi para pelaku bisnis dalam pemasaran kue klappertart. Penelitian ini diharapkan dapat menjadi alternatif informasi untuk merumuskan kebijakan sehingga dapat berguna sebagai acuan dalam meramalkan penjualan juga merencanakan strategi pengembangan Triple

4

Combo baik yang sedang maupun yang akan diusahakan. Sedangkan bagi penulis, penelitian ini diharapkan dapat dijadikan sebagai aplikasi nyata dari ilmu yang didapat selama penulis menuntut ilmu di Institut Pertanian Bogor, serta diharapkan dapat menambah keterampilan, kemampuan, dan pengalaman bagi penulis. Bagi pembaca, penelitian ini diharapkan dapat bermanfaat sebagai tambahan informasi dan literatur untuk penelitian selanjutnya. Penelitian ini juga diharapkan menjadi masukan bagi perusahaan Triple Combo agar kedepannya bisa berkembang dan juga bisa menjadi perusahaan yang banyak diminati oleh masyarakat pada umumnya. 1.5 Ruang Lingkup Penelitian ini dilakukan untuk menganalisis kointegrasi pada penjualan Triple Combo agar dapat diketahui perkembangan Triple Combo (klappertart, makaroni, dan pastel) periode 2009-2011 dengan menggunakan model VAR (Vector Autoregresive).

Untuk mendapat taksiran penjualannya digunakan simulasi

Impuls Response Function (IRF) dan Forecasting Eror Variace Decompotion (FEVD).

5

II. TINJAUAN PUSTAKA 2.1. Kue Kue adalah makanan ringan yang bukan makanan utama. Kue berasal kata dari bahasa Tionghoa, kemungkinan besar bahasa Hokkien. Secara harafiah kue seringkali diartikan sebagai makanan ringan yang dibuat dari tepung. Baik tepung beras maupun tepung terigu. Kue kering sudah lama kita kenal dan kue kering sangat enak untuk dihidangkan. Dalam setiap kesempatan kue kering bisa menjadi suguhan

yang

menarik,

bisa

disajikan

kapan

saja.

(http://id.wikipedia.org/wiki/Kue, 2011). Selain kue kering kita pun dapat menjumpai kue basah yang umumnya empuk, lembut, dan tidak bertahan lama (hanya bertahan beberapa hari). Biasanya terbuat dari tepung terigu, sagu, gula, bahkan ada yang berbahan santan atau ketan. Yang termasuk dalam kategori kue basah diantaranya: martabak manis, lemper, lumpia, pastel, kue sus, panekuk, kue lapis, lapis legit, kue cucur, bakpia, kue mangkok, mochi, kue pukis, bika ambon, donat, bolu, kue serabi, risol dan lain sebagainya. (http://id.wikipedia.org/wiki/Kue_basah, 2011). Pastel adalah nama produk roti yang terbuat dari tepung terigu, gula, susu, mentega, lemak, bubuk pemuai (baking powder) atau telur. Kue kering dapat juga mengacu pada adonan dari produk-produk roti. Adonan kue kering diguling dengan halus dan digunakan sebagai bahan dasar produk roti. Makanan-makanan dari kue kering umumnya adalah pastei, kue tar, dan quiche. Kue kering berbeda dengan roti karena mengandung lemak lebih tinggi, sehingga menghasilkan kue kering dengan tenunan (texture) yang rapuh dan garing. Kue kering yang baik terasa ringan dan rapuh, namun cukup keras untuk menahan isian. Ketika membuat kue kering tipis, pembuatan harus diperhatikan secara hati-hati ketika mencampurkan lemak dan terigu sebelum ditambahkan cairan, sehingga bubuk terigu telah bercampur dengan lemak dan tidak berubah menjadi gluten. Namun sebaliknya, mencampurkan terlalu lama membuat kue kering menjadi keras. Kue kering lainnya, seperti Kue Kering Denmark dan roti bulan sabit (croissant), tenunan rapuh dari kue kering tersebut didapatkan ketika adonan digulung berkalikali seperti roti ragi, lalu diolesi dengan mentega, dan kemudian dilipat sampai menghasilkan lipatan-lipatan tipis. (http://id.wikipedia.org/wiki/Kue_kering,2011)

6

Pastel yang terdiri dari kulit kue kering dan isi, isi pastel dapat berupa buah, daging, ikan, sayur, keju, coklat, kustar, kacang, dan lain-lain. Pastel buah biasanya disajikan dengan es krim, disebut à la mode. Pastel daging Australia dianggap sebagai makanan nasional Australia, berisi daging sapi dan kuah kental (gravy).

Hidangan

khas

Adelaide

adalah

pastei

apung

(pie

floater).

(http://id.wikipedia.org/wiki/Pastei,2011) Klappertart di Indonesia dikenal sebagai kue khas Manado dengan bahan dasar kelapa, tepung terigu, susu, mentega dan telur. Resep adonan tersebut merupakan pengaruh saat zaman pendudukan Belanda di Manado. Terdapat beberapa macam cara memasak klappertart. Bila dipanggang dan menggunakan roti, maka akan menghasilkan klappertart dalam bentuk yang padat, bisa dipotong layaknya kue tart pada umumnya. Tetapi ada juga cara memasak yang tidak panggang. Ini akan menghasilkan tekstur yang begitu lembut, seperti memakan custard yang langsung meleleh begitu masuk ke mulut. Kue ini paling nikmat bila disantap dalam keadaan dingin jadi tidak boleh dibiarkan terlalu lama di luar pendingin. Klappertart termasuk kue yang mengandung kalori yang cukup tinggi. Ada pengusaha klappertart yang mencari campuran adonan yang lebih rendah jumlah kandungan kalorinya. Beberapa jenis klappertart menggunakan lemak rendah kalori, susu kalsium tinggi dan pemanis rendah kalori sebagai campuran adonannya menggantikan susu dan gula yang pada umumnya digunakan, sehingga menjadikan kue ini berkurang jumlah kalorinya. Klappertart rendah kalori memang sengaja dibuat agar orang-orang yang sedang diet bisa menikmati kue lezat ini. (http://id.wikipedia.org/wiki/Klappertart,2011) Disetiap negara, kue kering mempunyai nama yang berbeda. Perancis sebagai tempat asal pertama kali kue kering dikenal, menyebutnya biscuit, bis adalah dua, cuit adalah memasak, artinya kue yang dimasak dua kali supaya kering, renyah dan tahan lama. Istilah yang sama juga digunakan di Inggris. Orang Amerika menyebutnya cookies, orang Belanda menyebutnya koekje artinya kue kecil. Apapun namanya dan bagaimanapun bentuknya, pada prinsipnya kue kering adalah kue yang berbentuk kecil untuk satu atau dua suapan, dipanggang dalam oven dan tahan lama. Umumnya kue kering renyah dan kering. Namun ada juga

7

yang menggunakan madu sebagai pengganti gula. Ada juga yang tidak terlalu kering dengan tekstur mirip cake. Kue kering banyak jenisnya dari yang klasik dan bertahan sepanjang masa, seperti kaastengels sampai kue kering jenis baru dan modern. Cara membuatnya ada yang mudah dan sederhana, karena membentuknya cukup dengan sendok atau sekup es krim, seperti chocolate chip. Ada yang adonannya harus disimpan dulu dalam lemari es atau freezer sampai agak keras agar mudah dipotong. Bagi sebagian orang, membuat kue kering memang mengasyikan dan memberikan kepuasan tersendiri. Dari satu adonan bisa dihasilkan aneka variasi kue kering. Yang penting kuasai teknik dasar, lalu kembangkan kreatifitas untuk mendapatkan berbagai bentuk dan cita rasa yang optimum. Ada banyak jenis kue salah satunya adalah klappertart, kue dengan bahan dasar kelapa. Di Manado, Sulawesi Utara kue ini biasa dijual di kafe dan selalu dijaga kualitasnya. Salah satu kafe di kota ini memiliki klappertart yang khas sehingga tidak sedikit wisatawan lokal dan mancanegara yang membelinya untuk sekedar oleh-oleh. Meski citarasanya dikenal sangat lezat, namun membuat klappertart tidaklah sulit. Bahan baku yang dibutuhkan adalah kelapa muda yang diiris tipis dan direbus. Bahan lainnya adalah mentega, susu, gula pasir, tepung terigu dan telur yang dicampur menjadi satu adonan. Setelah dikocok hingga mengembang, irisan kelapa muda dimasukan dalam adonan ini. Untuk menambah kelezatan dibuat adonan berbahan gula dan putih telur yang dikocok dengan menggunakan mesin hingga berbentuk busa berwarna putih. Adonan ini digunakan sebagai lapisan atas klappertart yang telah diletakkan dalam sebuah tempat. Tidak lupa potongan biji kenari, kismis hingga keju ditaburkan diatasnya kemudian dipanggang dalam oven selama sekitar setengah jam. Untuk menambah kelezatan, klappertart ini dimasukkan dalam lemari pendingin sebelum disajikan. Tidak hanya diberi warga Manado tetapi juga dibeli wisatawan lokal dan mancanegara sebagai oleh-oleh. Bahkan klappertart yang dijual seharga tujuh puluh lima ribu rupiah perporsi besar ini juga pernah dibawa hingga keluar negeri seperti Singapura dan Amerika Serikat. Kue berbahan dasar kelapa muda ini sangat lezat dan menggugah selera apalagi kalo disajikan dalam keadaan dingin dan dinikmati disiang hari, di Manado, Sulawesi Utara ada beberapa kafe dan toko kue yang

8

menjual kue klappertart ini yang sangat menjaga kualitas rasanya. Meski terkenal dengan cita rasanya, membuat klappertart ini tidak sulit. 2.2. Penjualan Dilihat dari sisi fungsi pemasaran, penjualan merupakan salah satu fungsi pemasaran yang sangat penting dan menentukan, karena merupakan sumber pendapatan yang diperlukan untuk menutup biaya. Peramalan penjualan mempengaruhi perencanaan dan pengamnbilan keputusan secara menyeluruh. Dari hasil peramalan penjualan yang dianalisis dengan menggunakan analisis runtut waktu, kita akan dapat penjualan klappertart. Menurut Arsyad (1994), hanya sedikit perusahaan yang dapat bertahan hidup tanpa peramalan yang akurat tentang, misalnya, volume penjualan, tingkat pengeluaran, dan aliran modal dimasa datang. Peramalan Penjualan Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Peramalan adalah suatu proses memperkirakan secara sistematik tentang apa yang paling mungkin terjadi di masa depan berdasar informasi masa lalu dan sekarang yang dimiliki agar kesalahannya selisih antara apa yang terjadi dengan hasil perkiraan dapat diperkecil Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola yang sistematis (Sugiarto dan Harjiono,2000) perkiraan penjualan untuk tahun depan akan mencerminkan : 1.Kecenderungan penjualan masa lalu yang diharapkan akan terulang lagi pada berikutnya. 2.Pengaruh setiap peristiwa apapun yang mungkin secara material mempengaruhi kecenderungan itu. 2.3. Peramalan Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan, pola yang sistematis, (Sugiarto dan Harijono,2000) memberikan definisi peramalan sebagai suatu proses memperkirakan secara

9

sistematis tentang apa yang mungkin terjadi di masa depan berdasarkan informasi secara masa lalu dan sekarang yang dimiliki agar kesalahan dapat diperkecil. Peramalan sangat penting penggunaaannya dalam berbagai situasi perencanaan dan pengambilan keputusan. Teknik peramalan yang dipilih ditentukan berdasarkan tingkat kesalahan terendah yang kemudian dijadikan sebagai pendekatan untuk menentukan perencanaan jumlah kapasitas produksi. Perkembangan teknologi komputer yang semakin pesat menyebabkan peramalan kuantitatif akhirnya dapat dipandang sebagai sesuatu kegiatan yang tidak terlalu sukar untuk diterapkan dan dapat memberikan hasil yang akurat. Terdapat dua pendekatan umum, peramalan sebagaimana ada dua cara mengatasi semua model keputusan, yaitu analisis kualitatif dan kuantitatif. Peramalan kuantitatif menggunakan model matematik yang beragam dengan data masa lalu, dan peubah sebab akibat untuk meramalkan permintaan. Peramalan subjektif atau kualitatif, yaitu peramalan yang menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi dan sistem nilai pengambilan keputusan untuk meramal. Jenis-Jenis Peramalan 1. Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan, dan indikator perencanaan lainnya. 2. Peramalan teknologi (technological forecast) memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralat baru. 3. Peramalan permintaan (demand forecast) adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan. Peramalan ini disebut juga peramalan penjualan, yang mengendalikan produksi, kapasitas, serta sistem penjadwalan dan menjadi

input bagi perencanaan keuangan,

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

10

1. Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan atau judgement dari orang yang menyusunya sangat menentukan baik, tidaknya hasil ramalan tersebut. 2. Peramalan obyektif, yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metodemetode dalam menganalisis data tersebut. Peramalan berdasarkan horizon waktu dibedakan atas beberapa kategori, yaitu 1. Peramalan jangka pendek, yaitu peramalan yang mencangkup jangka waktu hingga satu tahun, tetapi umumnya kurang dari 3(tiga) bulan. Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja dan tingkat produksi. 2. Peramalan jangka menengah, yaitu peramalan yang mencangkup hitungan bulanan hingga 3 (tiga) tahun. Peramalan ini berguna untuk merencanakan penjualan, perencanaan dan anggaran produksi, anggaran kas dan menganalisis bermacam-macam rencana operasi. 3. Peramalan

jangka

panjang,

yaitu

peramalan

yang

mencangkup

perencanaan masa tiga tahun atau lebih. Peramalan ini digunakan untuk merencanakan produk baru, pembelanjaan modal, atau pengembangan fasilitas, serta penelitian dan pengembangan. Terdapat 2 pendekatan dalam peramalan: Peramalan kuantitatif (quantitave forecast) yaitu menggunakan model matematis yang beragam dengan data masa lalu dan variable sebab akibat untuk meramalkan permintaan. Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut : 1. Tersedia informasi tentang masa lalu (data historis) 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik 3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.

11

Peramalan kualitatif (qualitative forcast) menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi dan sistem nilai pengambil keputusan untuk meramalkan. Jika dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan dua macam, yaitu peramalan jangka panjang dan peramalan jangka pendek. terdapat banyak teknik atau metode ilmiah untuk peramalan yang dibedakan dalam dua kelompok, yaitu kualitatif dan kuantitatif. Peramalan jangka panjang adalah peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester. Peramalan seperti ini misalnya diperlukan dalam penyusunan rencana prmbangunan suatu Negara atau daerah, corporate planning, rencana investasi atau rencana ekspansi dari suatu perusahaan. Peramalan jangka pendek yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dengan jangka waktu yang kurang dari satu setengah tahun atau tiga semester. Peramalan seperti ini diperlukan dalam penyusunan rencana tahunan, rencana kerja operasional dan anggaran, contohnya penyusunan rencana produksi, rencana penjualan, rencana pengadaan, rencana persediaan, anggaran pemasaran dan anggaran perusahaan. Menurut Aritonang (2002), metode kualitatif lebih didasarkan pada intuisi dan penilaian

orang

yang melakukan

peramalan

(forecaster)

daripada

pemanipulasian (pengolahan dan penganalisaan) data historis yang tersedia. Misalnya peramalan penjualan produk baru. 2.4. Kointegrasi Regresi dari dua variabel yang non-stasioner akan menyebabkan timbulnya spurios regression sehingga proses diferensiasi harus terlebih dahulu dilakukan (Engle dan Granger, 1987). Dalam penelitian ini juga digunakan kointegrasi antar variabel yang terdapat dalam model VAR.

Dengan demikian, metode VAR

dengan menggunakan bantuan software e-views dapat menguji kointegrasi ini melalui metode Johansen Cointegration Test. Uji kointegrasi dilakukan untuk melihat apakah terdapat hubungan antara variabel dalam jangka panjang atau adanya keseimbangan di antara variabel-variabel yang tidak stasioner. Ada hal-hal yang harus diperhatikan mengenai definisi kointegrasi (Enders,2004):

12

1. Kointegrasi adalah kombinasi linear variabel-variabel yang tidak stasioner. Tetapi secara teori, mungkin juga bahwa hubungan non liner jangka panjang terdapat di antara gugus variabel yang terintegrasi. 2.

Berdasarkan definisi Engle dan Granger dalam Enders (2004),

kointegrasi adalah variabel-variabel yang terintegrasi dalam order yang sama. Tetapi bisa juga terjadi hubungan kombinasi linear yang terkointegrasi dari order yang berbeda. Analisis formalnya dimulai dengan mendasarkan pada himpunan peubah (variabel) ekonomi yang berada pada keseimbangan jangka panjang. β1

x1

+

β2

x2

+

.....

+

βn

xn

=

0

atau

βix1=

0

..........................................................(1) Penyimpangan dari keseimbangan jangka panjang disebut galat (error) ekuilibrium (et), sehingga et = βx1 dimana et pada kondisi stasioner. Menurut Engle-Granger komponen suatu vektor xt = (x1t, x2t, ....., xnt) dikatakan berkointegrasi ordo (d,b) dan dinyatakan dengan CI (d,b), jika : 1.

Semua komponen dari xt adalah berintegrasi ordo d.

2.

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

Ada beberapa hal yang harus diperhatikan dalam melakukan identifikasi model kointegrasi, antara lain: 1.

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

2.

Semua peubah harus mempunyai ordo integrasi sama dan tidak berarti peubah dengan integrasi sama adalah kointegrasi. Suatu peubah yang memiliki ordo integrasi yang tidak sama tidak dapat berkointegrasi. Misalnya ordo integrasi dari peubah x1t dan x2t masing-masing d1 dan d2, dimana d1 > d2, maka kombinasi linear dari x1t dan x2t adalah I (d2).

3.

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

13

4.

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

2.5. Vector Autoregressive (VAR) Penelitian ini

menggunakan metode analisis

VAR. Metode ini

dikembangkan oleh Christopher Sims pada tahun 1980. Penggunaan metode ini didasari bahwa sebuah variabel bukan saja dapat berlaku sebagai variabel endogen tetapi juga dapat berlaku sebagai variabel eksogen. Hal ini dapat terjadi karena dengan menggunakan pendekatan structural atas permodelan persamaan simultan. Keunggulan metode VAR antara lain (Gujarati,2003) : 1. Metode ini sederhana, tanpa harus membedakan nama variabel endogen dan variabel eksogen; 2. Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan pada tiap-tiap persamaan secara terpisah; 3. Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan teori ekonomi yang sering muncul termasuk gejala perbedaan semu (spurious variable endogenity dan exogenity) di dalam model ekonometrik konvensional terutama pada persamaan simultan, sehingga menghindari penafsiran yang salah; 4. Hasil perkiraan (forecast) yang diperoleh dengan menggunakan metode ini dalam banyak kasus lebih bagus dibandingkan dengan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks sekalipun. Selain itu, analisis VAR juga merupakan alat analisis yang sangat berguna, baik di dalam memahami adanya hubungan timbal balik (interrelationship) antara variabel-variabel ekonomi, maupun di dalam pembentukan model ekonomi berstruktur. Metode VAR juga dapat digunakan untuk menganalisa 4 hal, pertama, forecasting, ekstrapolasi nilai saat ini dan masa depan seluruh variabel dengan memanfaatkan seluruh informasi masa lalu variabel. Kedua, Impluse Respone Function (IRF) untuk mengetahui respon saat ini dan masa depan variabel akibat perubahan atau shock suatu variabel tertentu lainnya. Ketiga, Forecasting Error Variance Decomposition

14

(FEVD) untuk memprediksi kontribusi persentase varian setiap variabel terhadap perubahan suatu variabel tertentu lainnya. Keempat, Granger Causality untuk mengetahui hubungan sebab akibat antar variabel. Dalam penelitian ini, model VAR digunakan untuk mengetahui hubungan dinamis jangka panjang dan jangka pendek antar variabel. Kelemahan metode VAR,diantaranya : 1. Model VAR merupkan pengukuran yang tidak dilandasi teori tentang hubungan antar-variabel (model non-struktural). 2. Mengingat tujuan utama model VAR untuk peramalan, maka model VAR kurang cocok untuk analisis kebijakan. 3. Pemilihan banyaknya lag yang diinginkan dalam persamaan dapat menimbulkan permasalahan. 4. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah. Secara umum model persamaan VAR ordo p dengan n peubah tak bebas pada waktu t dapat ditulis sebagai berikut : Vector Autoregresesive atau yang dikenal dengan VAR adalah suatu sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linier dari konstanta nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada di dalam sistem. Jadi, peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem. Model VAR dikembangkan oleh Christopher Sims pada tahun 1980. Model ini pada dasarnya hampir sama dengan model untuk menguji Granger’s Causality. VAR adalah model a-theory terhadap teori ekonomi. Namun demikian model ini sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi dimana terjadi saling ketergantungan anatar variable dalam ekonomi. Model ini juga menjadi dasar munculnya metode kointegrasi Johansen yang sangat baik dalam menjelaskan perilaku variabel dalam perekonomian. Model VAR memiliki beberapa keunggulan , antara lain (Khairunisa, 2009) : 1. Model ini sederhana, tidak perlu khawatir membedakan anatara variable endogen dan variable eksogen.

15

2. Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan pada tiap-tiap persamaan secara terpisah. 3. Hasil ramalan (forecast) yang diperoleh dengan VAR dalam banyak kasus lebih bagus dibandingkan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks sekalipun. Namun demikian, model VAR juga mempunyai kekurangan, di antaranya adalah sebagai berikut : 1. Model VAR lebih bersifat a-theory karena tidak memanfaatkan informasi atau teori terdahulu 2. Mengingat tujuan utama VAR adalah untuk peramalan maka model VAR kurang cocok untuk analisis kebijakan. 3. Pemilihan banyaknya lag yang digunakan dalam persamaan juga dapat menimbulkan permasalahan. 4. Semua variable VAR harus stasioner. 5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah. 2.6 Impuls Response Function (IRF) Impuls resonponse function merupakan suatu cara pengujian struktur dinamis dari ssitem variabel dalam model yang diamati dan dicerminkan oleh variabel inovasi (innovation variable). IRF menunjukkan respon dari setiap variabel endogen sepanjang waktu terhadap kejutan (shock) dari variabel itu sendiri dan variabel endogen lainnya. IRF juga mengidentifikasikan suatu kejutan pada suatu variabel endogen sehingga dapat menetukan bagaimana suatu perubahan yang tidak diharapkan dalam variabel mempengaruhi variabel lainnya sepanjang waktu. Dengan demikian, IRF digunakan untuk melihat pengaruh kontemporer dari sebuah variabel dependen jika mendapatkan guncangan atau inovasi dari variabel independen sebesar satu standar deviasi. Hasil IRF sangat sensitif terhadap pengurutan (ordering) variabel yang digunakan dalam perhitungan.pengurutan variabel yang didasarkan pada faktorisassi Cholesky dilakukan dengan catatan variabel yang memiliki nilai prediksi terhadap variabel lain yang diletakkan di depan berdampingan satu sama lainnya. Sedangkan, variabel yang tidak memiliki nilai prediksi terhadap variabel lain diletakkan paling belakang, kemudian variabel lainnya diletakkan di antara

16

kedua variabel tersebut berdasrkan nilai matriks korelasi yang menyatakan tingkat korelasi paling besar. Selain itu, IRF juga digunakan untuk mengetahui berapa lama pengaruh shock dari satu variabel terhadap variabel lain tersebut tejadi. IRF juga bertujuan untuk mengisolasi suatu shock agar lebih spesifik artinya variabel ekonomi hanya dipengaruhi oleh shock tertentu saja. Apabila hal tersebut tidak dilakukan maka shock spesifik tersebut tidak dapat diketahui dan yang dapat diketahui adalah shock secara umum. 2.7 Forecast Error Variance Decomposition (FEVD) Forecast Error Decomposition of variance (FEVD) dapat memberikan informasi mengenai variabel inovasi yang relatif lebih penting dalam VAR. Metode ini digunakan untuk melihat bagaimana perubahan dalam suatu variabel makro, yang digunakan untuk melihat bagaimana perubahan dalam suatu variabel makro, yang ditujukan oleh perubahan variance error yang dipengaruhi oleh variabel-variabel lainnya. Metode ini juga dapat mencirikan struktur dinamis dalam model VAR. Dengan metode ini, dapat dilihat juga kekuatan dan kelemahan dari masing-masing variabel dalam mempengaruhi variabel lainnya pada kurun waktu yang panjang (how long / how persistent). Dekomposisi varians merinci varian dari error peramalan (forecast) menjadi komponen-komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model. Dengan menghitung persentase squared prediction error k-tahap ke depan dari sebuah variabel akibat inovasi dalam variabel-variabel lain, dapat dilihat seberapa besar error peramalan variabel tersebut disebabkan oleh variabel itu sendiri dan variabel-variabel lainnya. FEVD dilakukuan untuk memberikan informasi mengenai bagaimana hubungan dinamis antara variabel yang dianalisis. Selain itu, FEVD dilakukan untuk melihat seberapa besar pengaruh guncangan acak (random shock) dari variabel tertentu terhadap variabel endogen. FEVD menghasilkan informasi mengenai relatif pentingnya masing-masing gangguan struktural inovasi acak (random innovation structural disturbance) atau seberapa kuat peranan variabel tertentu terhadap lainnya. 2.8 Penelitian Terdahulu

17

Istiati (2006) Analisis Strategi Bersaing Dalam Usaha Bidang Teknologi Informasi (Studi Kasus PT.AMTP Jakarta) menyimpulkan bahwa untuk memudahkan pengamatan maka pengolahan dan pengumpulan data dengan menunjuk pimpinan perusahan untuk memberikan penilaian sehingga bobotnya dapat diketahui dengan pengumpulan data melalui data pimer dan data sekunder. Dengan metode studi kasus pada perusahaan yang saat ini sedang berusaha menggembangkan dirinya menghadapi persaingan di masa datang. Agar permasalahan lebih terarah dan terinci sehingga hasil yang diperoleh lebih akurat dan mendalam maka perlu dikaji beberapa aspek manajemen. Aldina (2008) Analisis Peramalan Penjualan Matrix Blackberry PT. Indosat,TBK yang menggunakan data primer diperoleh dari hasil analisa dan pengamatan langsung di lapangan serta wawancara langsung dengan pihak manajemen sebagai narasumber. Sedangkan data sekunder merupakan data pelengkap dari data primer yang dikumpulkan dari literatur-literatur, studi pustaka atau laporan internal perusahaan. Analisis menggunakan peramalan dengan metode time series karena satu variabel dan regresinya dengan alat pengolah data Minitab 14. Andria (2009) Analisis Peramalan Jumlah siswa menggunakan metode VAR berbasis komputer, studi kasus Valto Education Centre menyimpulkan bahwa memproyeksikan sistem variabel runtut waktu dan untuk menganalisis dampak faktor yang terdapat dalam sistem variabel tersebut. Pada dasarnya analisis VAR bisa dipadukan dengan suatu model. Disamping itu, dalam analisis VAR biasanya tidak ada variabel eksogen dalam model.Pengumpulan data dilakukan dengan cara mengambil data aktual yang didapat dari Valto Education Centre, data yang tekumpul kemudian akan diperoleh dengan menggunakan Microsoft Excel 2003, metode yang digunakan adalah VAR, Pengolahan data akan menghasilkan nilai ramalan atau satu periode yang akan datang. Data jumlah siswa Valto Education Centre yang telah diperoleh dinalisis dengan menggunakan VAR dilakukan untuk mendapatkan nilai ramalan terhadap jumlah siswa. Ada beberapa tahapan yang harus dilakukan untuk mendapatkan arah yang baik diantaranya dengan mencari persamaan autoregresi sebelum dan sesudah shock.

18

III . METODE PENELITIAN 3.1. Kerangka Pemikiran Dalam pencarian metode peramalan terbaik, diperlukan berbagai informasi relevan sebagai data penunjang untuk pasar kue. Peramalan pasar kue dapat dilakukan dengan pasar perhitungan volume penjualan produk yang dihasilkan di masa lalu. Hasil peramalan penjualan pasar kue ini merupakan alat yang penting di dalam perencanaan penjualan kue di masa yang akan datang, agar kedepanya dapat memperoleh gambaran. Hasil peramalan penjualan akan mempengaruhi arus kas, jika arus kas yang diperkirakan tidak dapat disesuaikan dengan perkiraan biaya, akan mengalami kekurangan biaya, maka dari itu harus menghindari hal tersebut. Jadi peramalan kue harus dilakukan dengan sebaik mungkin agar tidak kekurangan dana keuangan dimasa depan. Perusahaan memiliki tujuan yaitu pada dasarnya mendapatkan keuntungan demi kelancaran usahanya dan mampu bersaing dalam lingkungan bisnis kuliner lainnya

dengan memiliki kelebihan yang luar biasa dibandingkan dengan

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

19

Triple Combo

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

Data Penjualan Triple Combo : Klappertart, Makaroni, Pastel

Uji Stasioner

Ya

Tidak

Stasioner ?

Stabilitas VAR

VAR

Uji Kointegrasi

VECM

Model

KVECM Stabilitas

Analisis Sebab Akibat (Kausalitas Granger)

(

Menentukan Lag Optimal

Implus Response Funtion (IRF)

Dekomposisi Galat Peramalan Forecasting Error Variance Decompotion (FEVD)

Hasil Analisis Implikasi Manajerial

Gambar 1. Kerangka Pemikiran

20

3.2 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Triple Combo Klappertart Huize yang beralamat di Jalan. Pangrango No.8 Bogor. Kue klappertart dipilih untuk menjadi tempat penelitian karena merupakan kue yang sangat digemari oleh masyarakat pada umumnya. Penelitian ini dilaksanakan akhir Januari hingga akhir Maret 2011. 3.3 Metode Pengumpulan Data Data yang diperlukan dari dua sumber yaitu data sekunder yang bersifat kualitatif dan kuantitatif. Data sekunder yang didapatkan dari sumber-sumber lain yang berfungsi sebagai pelengkap dari data yang dikumpulkan dari buku-buku ataupun laporan penelitian yang relevan. Data-data pendukung lainnya diperoleh melalui studi literatur berupa laporan penelitian, bulletin, internet, serta bukubuku lain yang berkaitan dengan materi penelitian. Data yang dipergunakan adalah data sekunder yang terdapat dari Triple Combo, data yang telah terkumpul kemudian akan diolah, metode yang digunakan adalah Vector Autoregression. Pengolahan data akan menghasilkan nilai ramalan untuk tiga bulan kedepan. Pengumpulan data yang dibutuhkan kemudian diolah dan dianalisa sehingga dapat melihat gambaran dan penjelasan penelitian ini. Jenis data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh dari Triple Combo. Pengolahan dan analisis data diharapkan dapat menguraikan langkah-langkah prospek pemasaran yang dilakukan oleh bagian marketing dan penjualan kue klappertart. Analisis data kualitatif mengetahui keunggulan yang dimiliki dari perusahaan. Analisis data kuantitatif digunakan untuk meramalkan data penjualan dan menggambarkan keadaan umum perusahaan. Selama tiga bulan ke depan dengan menggunakan model analisis VAR (Vector Autoregression) sehingga hasil dari analisis penjualan yang akan dijadikan landasan perencanaan penjualan tiga bulan mendatang yang kemuadian dijadikan prospek pemasaran terbaik di tiga bulan yang akan datang. Dilakukan dengan metode alalisis Vector Autoregression (VAR) Diharapkan dengan menggunakan analisis ini dapat diketahui apakah terjadi kointegrasi harga beberapa komoditas kue di tingkat produsen dan

21

konsumen. Granger Causality Test digunakan untuk mencari tahu apakah terdapat pemimpin harga beberapa komoditas pangan utama di tingkat produsen dan konsumen . Pengolahan data dilakukan secara bertahap, dimulai dengan pengelompokan data. Data yang telah ditabelkan dipersiapkan untuk input komputer sesuai dengan model yang digunakan. Proses pengolahan data sekunder pada penelitian ini menggunakan Microsoft Excel 2007, Minitab 16, dan Eviews 6. 3.4 Pengolahan dan Analisis Data 3.4.1 Uji Stasioneritas Data Data yang stasioner merupakan syarat penting bagi analisis time series. Untuk menghindari adanya regresi langsung (spurious regression). Oleh karena itu, perlu dilakukan uji stasioner adalah data yang memiliki kecenderungan untuk mendekati nilai rata-ratanya dan berfluktasi disekitar nilai rata-ratanya (Gujarati,2003) Secara umum, uji stasioneritas dlakukan melalui unit root test, yaitu test yang dilakukan dengan melihat secara visual (grafis) melalui time series plot ada atau tidaknya trend pada variabel yang digunakan. Apabila plotnya cenderung naik terus atau turun terus maka data tidak stasioner. Metode yang dapat digunakan untuk melihat kestasioneran data dalam penelitian ini adalah metode Augmented Dickey Fuller (ADF) Test dan Philip Pheron (PP) Test. Kebanyakan analisis time series menggunakan uji ADF. Sedangkan metode PP hanya disunakan pada data yang mengandung struktural break, yaitu patahan pada pergerakan data yang terjadi karena adanya kejadian luar biasa dalam perekonomian, misal krisis ekonomi. Hasil data yang stasioner pada tingkat level dapat diolah dengan menggunakan metode VAR biasa, Namun jika hasil dari hasil uji ADF mengandung akar unit atau dengan kata lain tidak staaioner pada tingkat level. Maka harus dilakukan penarikan diferensial samapai data stasioner, dilakukan pengujian pada tingkat first difference atau second difference. Alternatif lain yang dapat digunakan jika data tidak stasioner namun terkointergrasi adalah dengan metode Vector Error Correction Model (VECM).

22

Uji stasioneritas akan dilakukan dengan metode ADF dan PP sesuai dengan bentuk tren deterministik yang dikandung oleh setiap variabel. Hasil series stasioner akan berujung pada penggunaan VAR dengan metode standar. Sementara series non stasioner akan berimplikasi pada dua pilihan VAR, VAR dalam bentuk diferens atau VECM. Keberadaan variabel non stasioner meingkatkan kemungkinan keberadaan hubungan kointegrasi antar variabel. Maka pengujian kointegrasi diperlukan untuk mengetahui keberadaan hubungan tersebut. Pengujian kointegrasi diperlukan untuk mengetahui keberadaan hubungan tersebut. Pengujian kointegrasi sebaiknya tetap dilakukan pada data stasioner, mengingat terdapatnya kemungkinan kesalahan pengambilan kesimpulan pengujian unit root terkait dengan the power of the test. 3.4.2 Metode Pengujian Granger Causality Hubungan causality adalah hubungan jangka pendek antara kelompok tertentu dengan menggunakan pendekatan ekonometrik. Terdapat beberapa hubungan kausalitas, yaitu: hubungan kausalitas satu arah. Hubungan kausalitas dua arah atau hubungan timbal balik. Pengujian ini bertujuan untuk mengetahui hubungan sebab akibat diantara dua variabel yang diuji. Setelah mengetahui lag optimal bagi sistem VAR, pengujian ini pun akan langsung dapat dilakukan. Pengujian kausalitas ini dilakukan untuk melihat hubungan kausalitas yang dapat terjadi di antara variabelvariabel yang terdapat dalam model. Penelitian ini menggunakan metode uji granger causality untuk melihat hubungan tersebut. Hipotesis nol yang diuji menyatakan tidak adanya kausalitas diantara variabel sedangkan hipotesis alternatifnya menyatakan adanya hubungan kausalitas diantara variabel. Untuk menolak atau menerima hipotesis nol, maka dapat melihat probabilitasnya yang dibandingkan dengan tingkat kepercayaan yang pada penelitian ini menggunakanh nilai kritis 10 persen. Jika nilai probabilitasnya lebih besar dari 10 % maka hipotesis nol ditolak yang artinya terdapat hubungan kausalitas pada variabelvariabel yang diuji.

23

3.4.3 Pengujian Lag Optimal Tingkat lag optimal ditentukan berdasarkan nilai Schwarz Information Criterion (SC). Tingkat lag yang dipilih adalah lag yang menghasilkan nilai SC terendah daripada tingkat lag lainnya. Berdasarkan perhitungan nilai SC pada variabel-variabel harga di tingkat produsen dan konsumen, nilai SC terendah. Uji lain yang juga penting dilakukan dalam analisis time series adalah uji lag optimal. Hal tersebut dikarenakan suatu variabel ekonomi memerlukan rentang waktu untuk merespon variabel lainnya (Gujarati, 2003). Jika panjang lag dilambangkan dengan p, maka setiap n persamaan berisi n x p koefisien ditambah intersep. Panjang lag haruslah cukup sehingga dapat menangkap dinamika sistem yang akan dimodelkan. Lag yang lebih panjang akan mengakibatkan lebih banyak junmlah parameter yang harus diduga dan mengurangi derajat bebas yang ada. Untuk mendapatkan lag optimal, dilakukan tiga bentuk pengujian secara bertahap. Pada tahap pertama akan dilihat panjang selang maksimum sistem VAR yang stabil. Stabilitas sistem VAR dilihat dari nilai inverse roots karakteristik AR polinominalnya. Suatu sistem VAR dikatakan stabil (stasioner) jika seluruh rootsnya memiliki modulus lebih kecil dari satu dan semuanya terletak di dalam unit circle. Tahap selanjutnya, panjang selang optimal akan dicari

dengan

menggunakan kriteria informasi yang tersedia, yaitu kriteria Likelihood Ratio (LR), Final Prediction Error (FPE) , Akaike Information Criterion (AIC), Schwarz Information Criterion (SIC) dan Hannah Quinn Information Criterion (HQ). Jika kriteria informasi hanya merujuk pada sebuah kandidat selang, maka kandidat tersebutlah yang optimal. Dalam penelitian ini, kriteria yang digunakan adalah Akaike Information Criterion (AIC) minimum. Jika diperoleh lebih dari satu kandidat, maka pemilihan dilanjutkan pada tahap ketiga, yaitu nilai Adjused R kuadrat variabel VAR dari masing-masing kandidat selang yang dibandingkan, dengan penekanan pada variabel-variabel terpenting dari sistem VAR tersebut. Selang optimal akan dipilih dari sistem VAR denagn selang tertentu menghasilkan nilai Adjused R kuadrat terbesar pada variabel-variabel penting di dalam model.

24

3.4.4 Vector Autoregresesive (VAR) Vector Autoregresesive atau yang lebih dikenal dengan VAR adalah suatu sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linear dari konstansa dari nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada di dalam sistem. Jadi peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem. Model VAR dikembangkan oleh Cristoper Sims pada tahun 1980. Model ini dasarnya hampir sama dengan model untuk menguji Granger’s Causality. VAR adalah model a-theory terhadap teori ekonomi. Namun demikian model ini sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam suatu sistem ekonomi dimana terjadi saling ketergantungan antar variabel dalam ekonomi. Namun demikian model ini sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi dimana terjadi saling ketergantungan antar variabel dalam ekonomi. Model ini juga menjadi dasar munculnya metode kointegrasi Johansen yang sangat baik dalam menjelaskan perilaku variabel dalam perekonomian. Model VAR memiliki banyak keunggulan, antara lain : 1. Model ini sederhana, tidak perlu khawatir membedakan anatara variabel endogen dan variabel eksogen. 2. Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan pada tiap-tiap persamaan secara terpisah. 3. Hasil ramalan (forecast) yang diperoleh dengan VAR dalam banyak kasus yang lebih bagus dibandingkan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks sekalipun. 4. Selain itu analisis VAR juga merupakan alat-alat analisis yang sangat berguna baik di dalam memahami adanya hubungan timbal balik antar variable ekonomi maupun di dalam pembentukan modul berstruktur. 5. Secara umum VAR debgan ordo p dan n buah variable endogen pada waktu ke t dapat dimodelkan sebagai berikut :

25

Yt

=

C

+A1Yt-1+A2Yt-2+….+ApYt-p+et1

........................................................(2) Dimana : Yt = Vaktor variable endogen (Y1.t1 Y2.t2 Yn.t) berukuran nx1 C = Vaktor intersep berukuran nx1 Ai = Matrik parameter berukuran nxn εt = Vektor sisaan (ε1t1 , ε2t2 …εnt) berukuran nx1 Namun demikian, model VAR juga mempunyai kekurangan, diantaranya adalah sebagai berikut : 1. Model VAR lebih bersifat a-theory karena tidak memanfaatkan informasi atau teori terlebih dahulu 2. Mengingat tujuan utama VAR adalah untuk peramalan maka model VAR kurang cocok untuk analisis kebijakan 3. Pemilihan banyaknya lag yang digunakan dalam persamaan juga banyak menimbulkan permasalahan 4. Semua variabel VAR harus stasioner 5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah. Sistem persamaan multivariate memiliki hubungan kausalitas anatar variabel yang lebih rumit dibandingkan sistem persamaan bivariat. Metode VAR membuat seluruh variabel menjadi variabel endogen dan menurunkan distributed lag-nya . Secara umum persamaan VAR dengan orde p dengan n buah peubah tak bebas pada waktu ke-t dapat dimodelkan sebagai berikut (Enders,2004) : dimana : Yt = Vektor peubah tak bebas (Yt, At,..Yt,t) berukuran n x 1 Ao = Vektor intersep berukuran n x 1 Ap = matrik parameter berukuran n x 1 untuk setiap i = 1, 2, ...p Et = Vektor sisaan (E1,t......En,t) berukuran n x 1 Asuumsi yang harus dipenuhi dalam analisis VAR adalah semua peubah tak bebas bersifat stasioner, semua sisaan bersifat white noise yang artinya

26

memiliki rataan nol, ragam konstan, dan diantara peubah tak bebas tidak ada korelasi. Biasanya digunakan untuk memproyeksikan sistem variabel-variabel runtut waktu dan untuk menganalisis dampak dari faktor yang terdapat dalam sistem variable tersebut. Pada dasarnya analisis VAR biasa dipadankan dengan suatu model. Perbedaanya dengan model simultan biasa adalah dalam analisi VAR, masing-masing variabel selain diterangkan oleh nilainya, dimana sampai juga dipengaruhi oleh nilai masa lampau semua variabel endogen lainnya yang diamati. Disamping itu, dalam analisis VAR biasanya tidak ada variabel eksogen. 3.4.5 Uji Stabilitas VAR Kestabilan model VAR yang digunakan mutlak perlu karena jika model yang digunakan tidak stabil, maka hasil estimasi model pun menjadi tidak valid, demikian pula dengan hasil IRF dan FEVD-nya. Hasil uji stabilitas model VAR : Stabilitas sistem VAR dan VEC akan dilihat dari nilai inverse roots karakteristik AR polinominalnya. Hal ini dapat dilihat dari nilai modulus di tabel AR-rootsnya, jika seluruh nilai AR- roots-nya dibawah 1 maka sistem tersebut stabil. Stabilitas sistem VAR dapat dilihat dari nilai inverse roots karakteristik AR polinomialnya. Hal ini dapat dilihat dari nilai modulus di tabel AR roots-nya. Jika seluruh nilai AR roots-nya di bawah satu, maka sistem tersebut stabil. 3.4.6 Impluse Response Function (IRF) Analisis implus respon adalah metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap guncangan (shock) variabel tertentu. IRF juga digunakan untuk melihat guncangan dari satu variabel yang lain dan berapa lama pengaruh tersebut terjadi. IRF dalam penelitian ini dilakukan untuk mengetahui respon dinamik variabel nilai penjualan. Impluse response function menelusuri pengaruh suatu standar deviasi shock atau kejutan terhadap inovasi pada nilai variabel endogen di masa kini dan di masa mendatang. Suatu kejutan yang terjadi pada satu variabel akan mempengaruhi variabel tersebut dan juga di teruskan pada variabel endogen lainnya melalui struktur yang dinamis (Enders,

27

2004). IRF digunakan untuk menentukan respon variabel NPF. Analisis IRF menjelaskan dampak dari guncangan (shock) pada suatu variabel terhadap variabel lain, dimana dalam analisis ini tidak hanya dalam waktu pendek tetapi dapat menganalisis untuk beberapa horizon ke depan (kuartal) sebagai informasi jangka panjang. Pada alalisis ini dapat melihat respon dinamika jangka panjang setiap variabel apabila ada inovasi (shock) tertentu sebesar satu standar error pada setiap persamaan. Sumbu horisontal merupakan periode dalam kuartal, sedangkan sumbu vertikal menunjukan nilai respon dalam persentase. Analisis impuls respons adalah metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap guncangan (shocks) variabel tertentu. IRF juga digunakan unruk melihat guncangan dari satu variabel yang lain dan berapa lama pengaruh tersebut terjadi. IRF dalam penelitian ini untuk mengetahui respon dinamik variabel. IRF menunjukkan bagaimana respon dari setiap variabel endogen sepanjang waktu terhadap kejutan dari variabel itu sendiri dan variabel endogen lainnya. IRF digunakan untuk melihat pengaruh kontemporer dari sebuah variabel dependen jika mendapatkan guncangan atau inovasi dari variabel independen sebesar satu standar deviasi. Hasil IRF tersebut sangat sensitif terhadap pengurutan (ordering) variabel yang digunakan dalam perhitungan. Pengurutan variabel yang didasarkan pada faktorisasi cholesky. Variabel yang memiliki nilai prediksi terhadap variabel lain diletakkan di depan berdampingan satu sama lainnya. Variabel yang tidak memiliki nilai prediksi terhadap variabel lain diletakkan paling belakang. 3.4.7 Forecast Error Variance Decomposition (FEDV) Analisis dekomposisi varian atau dikenal dengan Forecasting Error Decomposition of Variance (FEDV) digunakan untuk menghitung dan menganalisis seberapa besar pengaruh acak guncangan dari variabel tertentu terhadap variabel endogen. Analisis dekomposisi varian atau dikenal dengan FEVD digunakan untuk menghitung dan menganalisis seberapa besar pengaruh acak

guncangan dari

varibel tertentu terhadap variabel endogen. FEVD menghasilkan informasi mengenai relatif pentingnya masing-masing inovasi acak atau seberapa kuat

28

komposisi dari variabel tertentu terhadap variabel lainnya dalam model VAR. Ukuran kuat lemahnya variabel dalam mempengaruhi variabel lainnya ditetapkan secara normatif. Ukuran kuatnya suatu variabel dalam memepengaruhi variabel lainnya ditetapkan lebih besar dari 50 persen dan lemah lebih kecil dari 50 persen. Metode yang dapat digunakan untuk melihat bagaimana perubahan dalam suatu variabel makro - ditunjukkan oleh perubahan variance error yang dipengaruhi oleh variabel-variabel lainnya : Metode ini dapat melihat juga kekuatan dan kelemahan dari masingmasing variabel dalam mempengaruhi variabel lainnya pada kurun waktu yang panjang (how long / how persistent). Dekomposisi varians merinci varians dari error peramalan (forecast) menjadi komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model melalui perhitungan persentase squared prediction error k-tahap ke depan dari sebuah variabel akibat inovasi dalam variabel-variabel lain, dapat dilihat seberapa besar error

peramalan variabel

tersebut disebabkan oleh variabel itu sendiri dan variabel-variabel lainnya : Mengembangkan model dalam suatu sistem yang kompleks (multivariat), sehingga dapat menangkap hubungan keseluruhan variabel dalam sistem. Uji VAR yang bersifat multivariat bisa menghindari parameter yang bisa akibat tidak dimasukannya variabel yang relevan. Dapat mendeteksi hubungan antar variabel dalam sistem persamaan, dengan menjadikan seluruh variabel menjadi endogenous. Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan teori ekonomi yang sering muncul termasuk gejala perbedaan semu (spurious variable endogenty dan exogenty) di dalam model ekonometrik konvensional terutama pada persamaan simultan, sehingga menghindari penafsiran yang salah. Dengan teknik VAR maka yang akan terpilih hanya variabel yang relevan untuk disinkronisasi dengan teori yang ada. Tidak dilandasi teori tentang hubungan antarvariabel (model non-struktural). Model VAR kurang cocok untuk analisis kebijakan. Pemilihan banyaknya lag dalam persamaan dapat menimbulkan permasalahan. Interpretasi koefisien yang di dapat berdasarkan model VAR tidak mudah.

29

IV. HASIL DAN PEMBAHASAN

4.1 Gambaran Umum perusahaan 4.1.1. Sejarah TRIPLE COMBO Pada awalnya kue klappertat di kembangkan oleh Bapak Agus Prihanto seorang direktur marketing sebuah hotel di Bogor. Beliau melihat rata-rata tamu hotel menyukai kue yang berkualitas. Sebagai seorang marketing beliau mengetahui permintaan pasar cukup besar untuk kue yang berkualitas dan mencoba untuk mengembangkan klappertart. Untuk melengkapinya beliau melengkapi dengan pastel tutup dan makaroni panggang yang disebut lebih populer TRIPLE COMBO. Melihat perkembangan dunia kuliner di Bogor yang dapat dikatakan sebagai surga kuliner (Culinary Paradise) ke dua setelah Bandung, maka pada awal tahun 2007, Hotel Salak The Heritage berniat untuk menambah semarak dunia kuliner di Bogor dengan membuat produk oleh-oleh yang bernuansa Belanda sesuai dengan sejarah Hotel salak yang merupakan warisan peninggalan masa penjajahan Belanda dan dapat diterima oleh lidah Indonesia. Tidak kurang dari sepuluh macam kue Belanda misalnya Indische Pastei (Pastel Tutup), Makaroni Gebak/Schotel (Makaroni Panggang), Klappertart, Hollandsche Kroketten, Spekoek, Ontbijtkoek, Pannenkoeken, Oliebollen, Bitterballen & Poffertjes dibuat dan dijual di cafenya Hotel Salak namanya Den Haag Cafe dan setelah beberapa bulan berjalan, terlihat ketiga kue yang disebut pertama diatas paling diminati pelanggan, maka dicarikanlah nama dari gabungan ketiga kue tersebut untuk lebih di populerkan dan tercetuslah nama Triple Combo yang berdiri sejak 25 Juni 2007 dan mulai dipergunakan pada awal Juli 2007. Dalam

memperkenalkan

Triple

Combo,

dilakukan

terobosan

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

30

jalan juga di kereta-kereta. Dari para pedagang tersebut, produk Triple Combo mulai dikenal oleh masyarakat dan berkembang cukup pesat sehingga yang pada awalnya tempat produksinya gabung dengan dapur Hotel Salak, tetapi untuk pembaharuan maka mulai pertengahan tahun 2008, Hotel Salak menyewa sebuah rumah di Jl. Pangrango 8 untuk dijadikan tempat produksi sekaligus gerai untuk menjual kue tersebut. Untuk memberikan pilihan pada para pelanggan, hingga kini telah tercipta lebih dari sepuluh macam rasa klappertart sebagai produk yang paling unggul dibanding makaroni atau pastel tutup, karena klappertart yang paling diminati masyarakat. Karena kue klappertart dibandingkan makaroni dan pastel yang paling diminati oleh pelanggan, maka rumah tempat produksi maupun gerai penjualan tersebut dinamakan Huize atau Rumah Klappertart. Selain citrarasa yang baik, satu keunggulan dari klappertart Triple Combo adalah Halal yang mana Triple Combo telah mendapatkan sertifikat halal yang dikeluarkan oleh MUI karena hampir semua klappertart yang ada di Indonesia menggunakan rum (alcohol) karena penganaan ini awal terkenalnya di Menado yang mayoritasnya masyarakat Nasrani. Dari sini pasar yang dapat dilihat baru hotel dan restauran yang kemudian sebagai ajang promosi dan membantu masyarakat memberikan kesempatan kepada para pedagang (asongan) untuk juga menjualkan Triple Combo tersebut. Sampai saat ini pendapatan rata-rata per bulan sekitar 300 samapi 400 juta. Triple Combo merupakan jenis kue yang bergerak dalam bidang kuliner dan fokus dalam operasionalnya sehari-hari yang selalu di supervise oleh pengajar professional dari Bogor Hotel Institute dan tenaga ahli dari Hotel Salak The Heritage. Berawal dari keinginan membuat makanan yang unik dan spesial untuk memenuh kebutuhan akan makanan yang lezat, sehat dan berkualitas yang cocok menjadi hidangan sehari-hari ataupun untuk oleh-oleh atau gift serta menunjang pariwisata kota Bogor dengan memberi warna baru kuliner kota Bogor. Karena kota Bogor erat kaitannya dengan colonial dan Belanda didukung dengan Hotel Salak The Heritage yang memang kental nuansa colonial Belanda akhirnya terbersit ide membuat penganan khas Belanda yaitu: klappertart, makaroni dan pastel. Awalnya penganan tersebut dikenalkan ke Indonesia pada jaman colonial dan

31

hingga sekarang masih digemari di beberapa daerah di Indonesia. Setelah melalui proses pengembangan yang cukup panjang akhirnya ketiga jenis kue tersebut diproduksi dan diperkenalkan kepada masyarakat di wilayah Bogor & Jakarta. Ternyata sambutan masyarakat yang luar biasa, kue ini sangat digemari baik oleh orang dewasa maupun anak-anak, karena selain cocok untuk santai, kue ini juga dapat sebagai pengganti makan pagi atau siang, sebagai hidangan makanan tambahan atau hidangan rapat yang exclusive. 4.1.2 Visi & Misi Visi Menjadi perusahaan kue berskala dunia dengan norma-norma & nilai-nilai perusahaan berstandar internasional. Misi Menyajikan kue yang berkualitas dan lezat, sehingga mendukung acara dan bisnis anda menjadi sukses serta tidak khawatir dengan apa yang dimakan karena telah jelas asal usulnya. 4.1.3 Lokasi Perusahaan Lokasi Triple Combo Klappertart Huize yang beralamat di Jalan. Pangrango No.8 Bogor terletak di Taman Kencana, bisa dikatakan pusat jajanan kuliner dan banyak berbagai tempat makanan di daerah ini, maka dari itu tepat sekali menjadi tempat kue Triple Combo. Triple Combo memberi warna oranye pada toko kuenya¸ agar memberi ciri khas pada Triple Combo. Dengan warna oranye yang menjadi khas Triple Combo akan memudahkan para pelanggan untuk menuju lokasi Triple Combo. Nuansa wilayah kuliner Taman Kencana tersebut yang selalu banyak pelanggan tersebut memudahkan akses pelanggan untuk cepat dan mudah menuju toko kue Triple Combo.

32

4.1.4 Struktur Organisasi

Ir . Agus Prihanto Direktur

Dwi Irfan

Usman

General manajer

Marketing

Adi wardian Supervisor

Wisma Supervisor

Sanudin

Mulyadi

Leder Produksi

Purchasing

Staff Produksi

Driver ,cleaning staff

Gambar2. Struktur organisasi

33

4.1.5 Produk-Produk Perusahaan Tabel 1. Produk Triple Combo Klapertart

Ukuran

Klapertaart Standar Small, Dimensi

Lebar

Harga

Medium, S= 65ml, M =90ml, S= Rp. 5000,

Regular , Large

R=125ml, L=150ml M= Rp.7000, R= Rp.9000, L= Rp. 11000

Klappertaart

Small,

Strawberry Dimensi

Large

Regular , S= 65ml, R=125ml, S= Rp. 6000, L=150ml

R= Rp.10000, L= Rp. 12000

Klappertaart

Small,

Blueberry Dimensi

Large

Regular , S= 65ml, R=125ml, S= Rp. 6000, L=150ml

R= Rp.10000, L= Rp. 12000

Klappertaart Cheese Small, Dimensi

Large

Regular , S= 65ml, R=125ml, S= Rp. 6000, L=150ml

R= Rp.10000, L= Rp. 12000

Klappertaart Rum & Small, Raisin Dimensi

Large

Regular , S= 65ml, R=125ml, S= Rp. 7000, L=150ml

R= Rp.11000, L= Rp. 13000

Klappertaart Pandan Small, Dimensi

Large

Regular , S= 65ml, R=125ml, S= Rp. 6000, L=150ml

R= Rp.10000, L= Rp. 12000

34

Lanjutan Tabel 1. Produk Triple Combo Klapertart

Ukuran

Klappertaart Green Small, Tea Dimensi

Lebar

Harga

Regular , S= 65ml, R=125ml, S= Rp. 7000,

Large

L=150ml

R= Rp.11000, L= Rp. 13000

Klappertaart

Small,

Chocolate Dimensi

Large

Regular , S= 65ml, R=125ml, S= Rp. 6000, L=150ml

R= Rp.10000, L= Rp. 12000

Klappertaart

Oreo Small,

Dimensi

Regular , S= 65ml, R=125ml, S= Rp. 6000,

Large

L=150ml

R= Rp.10000, L= Rp. 12000

Klappertaart

Tutti Small,

Fruity Dimensi

Regular , S= 65ml, R=125ml, S= Rp. 6000,

Large

L=150ml

R= Rp.10000, L= Rp. 12000

Macaroni

Schotel Small,

Medium, S= 65ml, M =90ml, S= Rp. 5000,

Chicken & Cheese Regular , Large

R=125ml, L=150ml M= Rp.7000,

Dimensi R= Rp.9000, L= Rp. 11000 Macaroni

Schotel Small,

Medium, S= 65ml, M =90ml, S= Rp. 5000,

Chicken & Cheese Regular , Large

R=125ml, L=150ml M= Rp.7000,

Dimensi R= Rp.9000, L= Rp. 11000

35

Lanjutan Tabel 1. Produk Triple Combo Klapertart Macaroni

Ukuran Schotel Small,

Lebar

Harga

Medium, S= 65ml, M =90ml, S= Rp. 5000,

Chicken & Cheese Regular , Large

R=125ml, L=150ml M=

Rp.7000,

R=

Rp.9000,

Dimensi

L= Rp. 11000 Macaroni

Schotel Small,

Bolognaise Dimensi

Medium, S= 65ml, M =90ml, S= Rp. 5000,

Regular , Large

R=125ml, L=150ml M=

Rp.7000,

R=

Rp.9000,

L= Rp. 11000 Pastel

Tutup Small,

Standard Dimensi

Medium, S= 65ml, M =90ml, S= Rp. 5000,

Regular , Large

R=125ml, L=150ml M=

Rp.7000,

R=

Rp.9000,

L= Rp. 11000 Pastel

Tutup Small,

Superior Dimensi

Medium, S= 65ml, M =90ml, S= Rp. 5000,

Regular , Large

R=125ml, L=150ml M=

Rp.7000,

R=

Rp.9000,

L= Rp. 11000 Klappertaart Triple Small, Cheese Dimensi

Regular , S= 65ml, R=125ml, S= Rp. 7000,

Large

L=150ml

R= Rp.11000, L= Rp. 13000

Macaroni Corned Beef

Shotel Small,

Medium, S= 65ml, M =90ml, S= Rp. 5000,

Regular , Large

R=125ml, L=150ml M=

Rp.7000,

R=

Rp.9000,

L= Rp. 11000

36

4.2 Analisis Kointegrasi Analisis mengenai pola data atau sifat pergerakan dari deret waktu yang akan analisis sangat diperlukan dengan tujuan menentukan metode peramalan yang sesuai dengan pola data tersebut apakah menggunakan metode VAR atau VECM. Apabila pola data yang digunakan stasioner pada level nol maka digunakan metode VAR, dan apabila pola data yang digunakan tidak stasioner pada level nol maka menggunakan metode VECM. Dalam menganalisa stasioneritas, tingkat signifikansi yang digunakan adalah pada tingkat signifikan 5 persen. 4.2.1 Uji Stasioner Data Uji stasioneritas data pada seluruh variabel dengan Augmented DickeyFuller Test (ADF) dengan perangkat lunak Eviews 6. Jika nilai Test Critical Values lebih besar dari nilai t-statistic berarti data tidak stasioner, sebaliknya jika nilai Test Critical Values lebih kecil dari nilai t-statistic berarti data stasioner. Dari hasil uji stationer pada level menujukan bahwa semua variabel statsioner. Semua variable memiliki nilai -p (0.000) < alpha 5% artinya sudah stasioner pada level. Tabel 2. Hasil Uji Stasioner Level (α=5%) Variable p-value

keterangan

KLAPPERTART

0.0000

stasioner

MAKARONI

0.0000

stasioner

PASTEL

0.0000

stasioner

37

4.2.2 Metode Pengujian Granger Causality Uji kausalitas multivariate dilakukan untuk melihat hubungan kausalitas antara variabel-variabel yang ada dalam model. Hubungan kausalitas antar variabel dapat diketahui dengan melakukan Pairwise Granger Causality Test. Uji ini pada intinya mengindifikasikan apakah variabel dua arah atau satu arah yang adanya hubungan sebab akibat. Nilai –P < Alpha 5% maka artinya signifikan. Dan hasilnya dari analisisnya adanya hubungan sebab akibat dari makaroni kepada klappertart. Nilai -P (0.0420) < Alpha 5% artinya makaroni menyebabkan klappertart. Uji ini pada intinya mengindifikasikan apakah variabel dua arah atau satu arah. Adanya hubungan sebab akibat dari pastel kepada klappertart. Nilai-P (0.0332) < Alpha 5% artinya pastel menyebabkan klappertart. Tabel 3. Hasil Uji Granger Causality Null

Obs

F-Statistic Prob.

Hypothesis 1.Adanya hubungan sebab akibat dari 117

4.23601

0.0420

4.65003

0.0332

makaroni kepada klappertart 2.Adanya hubungan sebab akibat dari 117 pastel kepada klappertart 4.2.3 Pengujian Lag Optimal Pendekatan VAR atau VECM sangat sensitif terhadap jumlah lag yang digunakan, maka perlu ditentukan panjang lag yang optimal. Penentuan panjang lag digunakan untuk mengetahui lamanya periode keterpengaruhan suatu variabel terhadap variabel masa lalunya

maupun terhadap variabel endogen lainnya.

Penentuan lag dapat digunakan dengan beberpa pendekatan antara lain Likelihood Ratio (LR), Final Prediction Error (FPE), Akaike Information Criterion (AIC), dan Schwarz Criterion (SC). Hasil penentuan panjang lag secara lengkap.

38

Tabel 4. Hasil Uji Lag Optimal Lag LogL

LR

FPE

AIC

SC

0

-2050.082

NA

6.45e+11

35.70577

35.77738*

1

-2040.728

18.05643* 6.41e+11* 35.69962* 35.98605

HQ 35.73484* 35.81588

Berdasarkan tabel 4 hanya SC dan HQ yang menentukan panjang lag yang berbeda sedangkan LR, FPE, AIC menentukan panjang lag yang sama yaitu pada lag ke satu. Karena tiga kriteria memberikan hasil yang sama, maka dipilih panjang lag satu. Dari hasil uji lag optimun ada di lag satu. 4.2.4 Vector Autoregresesive (VAR) Analisis regresi dua arah, dimana semua peubah atau variabel adalah variabel endogen, modelnya sederhana karena menggunakan metode OLS (Ordinary Least Square), semua variabel adalah vaeriabel endogen dan baik untuk peramalan dan semua varibelnya stasioner pada level. Pengaruh variabel dapat menggunakan dan dilihat dengan analisis VAR. interpretasi hasil dapat dilihat dengan membaca koefisien integrasi dan pembacaan tanda terbalik dari tanda koefisiennya. Koefisien integrasi dinyatakan signifikan jika nilai mutlak statistik lebih besar dari nilai tabel yaitu 1,96 berikut ini merupakan hasil estimasi VAR.

39

Tabel 5. Hasil VAR

Klappertart (-1)

Makaroni (-1)

Pastel (-1)

Klappertart

Makaroni

Pastel

0.112397

-0.036326

-0.026049

[ 0.83102]

[-1.45742]

[-1.45382]

-0.568277

0.293359

0.102637

[-0.37953]

[ 1.06317]

[ 0.51744]

-1.474239

-0.313866

-0.059264

[-0.73853]

[-0.85321]

[-0.22411]

Berdasarkan hasil VAR tersebut dapat terlihat bahwa terdapat pengaruh yang ditunjukan oleh penjualan klappertart, penjualan tersebut dipengaruhi secara nyata oleh penjualan makaroni pada lag 1 dan penjualan pastel pada lag 1, sedangkan penjualan makaroni dipengaruhi secara nyata oleh penjualan klappertart pada lag 1. Dari tabel tersebut dapat terlihat bahwa terdapat hubungan yang signifikan antara klappertart dan makaroni sedangkan untuk pastel hubungan yang terjadi dengan kue lainnya tidak terlalu signifikan. 4.2.5 Stabilitas VAR Untuk menguji stabil tidaknya estimasi VAR yang telah dibentuk maka dilakukan VAR Stability Condition Check berupa Roots of Charateristic Polynomial. Berikut hasil pengujian stabilitas model berdasarkan hasil AR Root Table. Hal ini merupakan syarat yang harus dipenuhi oleh model dinamik seperti VAR dikarenakan apabila didapatkan model VAR yang tidak stabil maka analisis IFR dan FEVD menjadi tidak valid.

40

Tabel 6. Hasil Uji Stabilitas VAR Root

Modulus

0.332201

0.332201

0.157820

0.157820

-0.143530

0.143530

Nilai modulus menunjukkan VAR sudah dalam kondisi stabil karena di nilai di posisi 0
41

Respon Makaroni terhadap Klappertart Response to Cholesky One S.D. Innovations Response of MAKARONI to KLAPERTART 80

60

40

20

0

-20 5

10

15

20

25

30

35

40

45

50

Response of PASTEL to KLAPERTART

Gambar 60 3. Respon Makaroni terhadap Klappertart 50 Pada

Gambar 3 ini dapat terlihat respon yang diberikan oleh makaroni

terhadap klappertart. dari grafik tersebut dapat diketahui bahwa respon yang 40 30 diberikan oleh produk makaroni terhadap standar deviasi variabel itu sendiri telah 20 negatif. Pergerakan respon pada grafik tersebut cenderung bernilai stabil, bernilai

pada10 periode 1 nilai respon yang diberikan cukup tinggi yaitu dengan nilai 80 persen,0 tetapi pada periode ke 2 terjadi penurunan yang signifikan dari respon -10 tersebut, pada periode ke 220 respon yang dihasilkan adalah 20 persen, Setelah 5 10 15 25 30 35 40 45 50

terjadinya penuruan pada periode ke 2, respon kemudian bergerak stabil dari periode 3 sampai dengan periode ke 5, nilai respon tersebut adalah -20 persen . Selanjutnya untuk periode 6 sampai 50 pergerakan respon kembali menurun dengan nilai respon bernilai negatif, pergerakan respon ini sangat kecil. Sehingga dalam grafik pergerakan kecil dan cenderung stabil di periode 5.

20

42 0

-20 Respon Pastel5 terhadap Klappertart 10 15 20 25

30

35

40

45

50

Response of PASTEL to KLAPERTART 60 50 40 30 20 10 0 -10 5

10

15

20

25

30

35

40

45

50

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

43

Respon Klappertart terhadap Makaroni

Response to Cholesky One S.D. Innovations Response of KLAPERTART to MAKARONI 0

-20

-40

-60

-80 5

10

15

20

25

30

35

40

45

50

of PASTEL to MAKARONI Gambar 5. Response Respon Klappertart terhadap Makaroni 40

Pada Gambar 5 ini dapat terlihat respon yang diberikan oleh klappertart

terhadap makaroni, respon yang diberikan klappertart pada perubahan standar 30

deviasi bernilai negatif. Hanya pada periode pertama nilai respon yang diberikan tinggi 20 yaitu nol persen. Selanjutnya pada periode kedua hingga periode kelima terjadi penurunan yang cukup signifikan, dimana pada periode kedua nilai respon 10 klappertart terhadap makaroni yaitu -75 persen, pada periode ketiga nilai respon

yaitu -45 persen, periode keempat nilai respon -37 persen sedangkan pada periode 0 kelima responnya bernilai -19 persen. Nilai respon stabil pada periode ke 6 sampai 5 10 15 20 25 30 35 40 45 50

periode ke 50 dengan nilai respon nol persen. Dengan nilai respon yang negatif hal ini berarti impuls dari penjualan klappertart sebesar satu standar deviasi berpengaruh negatif terhadap penjualan makaroni.

-20

-40

44

-60

Respon Pastel terhadap Makaroni -80 5

10

15

20

25

30

35

40

45

50

Response of PASTEL to MAKARONI 40

30

20

10

0 5

10

15

20

25

30

35

40

45

50

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

45

Respon Klappertart terhadap Pastel

Response to Cholesky One S.D. Innovations Response of KLAPERTART to PASTEL 60 40 20 0 -20 -40 -60 5

10

15

20

25

30

35

40

45

50

Response of MAKARONI to PASTEL

Gambar 7. Respon Klapertart terhadap Pastel 0

Pada Gambar 7 selanjutnya respon klappertart terhadap pastel. Respon yang diberikan oleh klappertart terhadap standar deviasi pastel cenderung positif, tetapi -2

pada periode dua dan periode tujuh bernilai negatif. Pada periode satu sampai periode -4 14 terjadi fluktuasi respon yang signifikan dengan nilai tertinggi 59 persen pada periode tiga, dan nilai terendah -40 persen pada periode dua. Pada periode 14 -6 periode 50 nilai respon stabil. Dengan nilai respon yang cenderung positif sampai

dapat disimpulkan bahwa kejutan dari penjualan produk klappertart sebesar satu -8 deviasi berpengaruh positif terhadap peningkatan penjualan produk pastel. standar 5

10

15

20

25

30

35

40

45

50

20 0

46 -20 -40

Respon Makaroni terhadap Pastel -60 5

10

15

20

25

30

35

40

45

50

Response of MAKARONI to PASTEL 0

-2

-4

-6

-8 5

10

15

20

25

30

35

40

45

50

Gambar 8. Respon Makaroni terhadap Pastel Pada Gambar 8 ini adalah nilai respon yang ditunjukkan oleh respon makaroni terhadap pastel, dari grafik tersebut terlihat bahwa nilai standar deviasi yang dihasil oleh makaroni adalah negatif. Pada periode pertama nilai respon yang ditunjukan adalah nol persen. Kemudian pada periode ke 2 sampai periode ke 4 terjadi penurunan,pada periode ke 2 respon yang ditunjukkan adalah - 7 persen, periode ke 3 respon bernilai -2 persen dan periode ke 4 nilai responnya adalah 1 persen. Kemudian pada periode ke 5 sampai periode ke 50 respon kembali stabil di nol.

47

4.2.7 Forcasting Eror Variace Decompotion (FEVD) Analisis FEVD bertujuan untuk mengetahui variabel yang memiliki peranan penting dalam dalam menjelaskan perubahan suatu variabel. Dengan adanya analisis ini maka dapat diketahui seberapa besar persen variasi variabel dijelaskan oleh setiap gangguan yang ada di dalam model. Hasil dari analisis FEVD ini akan ditunjukan dalam bentuk diagram, diagram tersebut menunjukkan hasil variasi masing-masing variabel baik endogen maupun eksogen. Forecast Error Variabilitas data ramalan diukur dengan peramalan kesalahan standar atau disebut forecast standard error ditambah nilai prediksi dari garis persamaan regresi. Persamaan regresi yang di dapat untuk variabel Klappertart sebagai berikut : 1. Klappertart KLAPPERTART = 404 + 1.14 PASTEL - 0.34 PASTEL1 + 3.39 MAKARONI 1.68 MAKARONI1+ 0.265 KLAPPERTART1 Tabel 7. Hasil peramalan variable Klappertart selama 12 minggu ke depan

Nilai

Minggu

Forecast SE

119

± 515

839 324

1354

120

± 527

492 35

1019

121

± 528

210 318

738

122

± 528

342 186

870

123

± 528

966 438

1494

124

± 528

1058 530

1586

Persamaan

Nilai Forecast

48

Lanjutan Tabel 7. Hasil peramalan variable Klappertart selama 12 minggu ke depan

Nilai

Minggu

Forecast SE

125

± 528

788 260

1316

126

± 528

920 392

2448

127

± 528

841 313

1369

128

± 528

996 468

1528

129

± 528

1044 516

1572

130

± 528

1120 592

1648

Persamaan

Nilai Forecast

Hasil peramalan Tabel 7 diperoleh dari hasil perhitungan atau persamaan regresi yang didapatkan dengan menggunakan nilai rata-rata 12 minggu terakhir. Dari hasil peramalan tersebut dapat terlihat bahwa untuk periode 12 minggu kedepan forecast SE untuk klappertart akan meningkat pada minggu ke 124 dan cenderung stabil sampai akhir periode terakhir. Nilai forecast penjualan klappertart pada minggu ke 129 diramalkan penjualan akan meningkat juga pada minggu 130. Nilai persamaan paling besar diperoleh pada minggu ke 130, maka peramalan untuk penjualan klappertart dipengaruhi oleh makaroni itu sendiri dan juga pastel.

49

Gambar 9. Variance Decomposition Terhadap Klappertart

Pada Gambar 9 diagram variance decomposition klappertart dapat diketahui bahwa penjualan klappertart dari periode 1 sampai 50 dipengaruhi oleh klappertart, sedangkan variabel lain yang mempengaruhi penjualan klappertart adalah makaroni. Pada diagram tersebut dapat dilihat bahwa variabel produk makaroni lebih berpengaruh dibandingkan produk pastel. hasil analisis FEVD dapat disimpulkan bahwa penjualan kalppertart dipengaruhi klapertart itu sendiri dan juga produk kue makaroni.

50

2. Makaroni MAKARONI = 9.12 + 1.13 PASTEL - 0.201 PASTEL1 + 0.195 MAKARONI1 + 0.0313 KLAPPERTART - 0.0105 KLAPPERTART1 Tabel 8. Hasil peramalan variable Makaroni selama 12 minggu ke depan Minggu Forecast SE

Nilai Persamaan

Nilai Forecast

119

± 95

153 58

248

120

± 96

450 354

546

121

± 96

559 463

655

122

± 96

221 125

317

123

± 96

97 1

193

124

± 96

140 44

236

125

± 96

314 218

410

126

± 96

194 98

290

127

± 96

163 67

259

128

± 96

158 62

254

129

± 96

115 19

211

130

± 96

117 21

213

Hasil peramalan Tabel 8 untuk makaroni menggunakan nilai waktu 12 minggu terakhir, perhitungan ini menggunakan persamaan regresi dari makaroni sehingga akan didapatkan hasil peramalan untuk 12 minggu ke depan. Untuk peramalan makaroni hanya dipengaruhi oleh klappertart dan pastel tidak terlalu berpengaruh, hal ini karena dari hasil IRF kedua variabel tersebut memberikan

51

respon negative. Nilai persamaan paling besar diperoleh pada minggu ke 121 artinya pada minggu tersebut apabila penjualan makaroni mengalami kenaikan maka akan berpengaruh terhadap penjualan klappertart dan pastel. Gambar 10. Variance Decomposition Terhadap Makaroni

Pada Gambar 10 diagram makaroni ditunjukan mengenai hasil analisis FEVD

untuk makaroni. Dari diagram tersebut ditunjukan variabel yang

mempengaruhi penjualan untuk produk makaroni untuk periode 50 depan, dari hasil variance decomposition makaroni terlihat bahwa pengaruh penjualan makaroni pengaruhnya didominasi oleh produk makaroni itu sendiri, sedangkan untuk pengaruh variabel lain yaitu klappertart dan pastel, pengaruhnya lebih besar klappertart dibandingkan dengan pastel.

52

3.Pastel PASTEL = - 3.72 + 0.153 PASTEL1 + 0.647 MAKARONI - 0.0838 MAKARONI1 + 0.00606 KLAPPERTART - 0.00322 KLAPPERTART1 Tabel 9. Hasil peramalan variable Pastel selama 12 minggu ke depan Minggu Forecast SE

Nilai Persamaan

Nilai Forecast

119

± 68

74 6

142

120

± 69

83 14

152

121

± 69

99 30

168

122

± 69

119 50

188

123

± 69

116 47

185

124

± 69

127 58

196

125

± 69

119 50

188

126

± 69

112 43

181

115 46

184

127

± 69

128

± 69

118 49

187

129

± 69

118 49

187

130

± 69

119 50

188

53

Hasil peramalan Tabel 9 pastel diperoleh dari hasil perhitungan data penjualan selama 12 minggu terakhir, sehingga akan diperoleh hasil peramalan untuk 12 minggu ke depan. Jika dibandingkan dengan dua produk lainnya yaitu klappertart dan makaroni untuk nilai persamaan pastel bernilai lebih kecil, hal ini karena pastel merupakan salah kue tambahan dari klappertart dan penjualan untuk pastel

pun cenderung meningkat ketika penjualan klappertart dan makaroni

meningkat. Nilai persamaan paling besar diperoleh pada minggu ke 124 sehingga penjualan pastel diramalkan akan meningkat ketika klappertart dan makaroni laris di pasaran. Gambar 11. Variance Decomposition Terhadap Pastel

Pada Gambar 11 diagram pastel merupakan hasil analisis FEVD terhadap produk pastel, dari hasil variance decomposition tersebut dapat dilihat bahwa penjualan

pastel untuk 50 periode kedepan dipengaruhi oleh klappertart.

Sedangkan untuk pengaruh variabel lain yaitu makaroni, pengaruhnya lebih besar daripada pastel itu sendiri. 4.2.8 Implikasi Manajerial Setelah melakukan analisis peramalan penjualan klappertart, makaroni dan pastel maka dapat diketahui produk apa yang memberikan pengaruh positif terhadap penjualan produk lainnya. Hasil tersebut dapat diketahui bahwa produk yang memiliki pengaruh positif terhadap penjualan produk lain adalah klappertart. Berdasarkan hal tersebut maka pihak Triple Combo harus mengutamakan produk tersebut dalam penjualannya, hal ini karena jika penjualan klappertart meningkat maka penjualan makaroni dan pastel pun akan ikut mengalami peningkatan.

54

Dalam bidang pemasaran, pihak Triple Combo harus meningkatkan strategi promosinya, hal ini agar peramalan penurunan penjualan tidak terjadi. Triple Combo sebaiknya menambah jenis-jenis produk yang ditawarkannya serta meningkatkan program pemasarannya. Selain itu perlu menyususn formulasi strategi pemasaran yang tepat dan efektif dalam menghadapi persaingan pemasaran terhadap produk-produk yang ditawarkan, yakni dapat dilakukan melalui keunggulan dari produk yang ditawarkan, kelengkapan dari jenis produk yang ditawarkan. Triple Combo juga dapat menetapkan target penjualan ketiga produk kedepannya. Implikasi dari hasil analisa dan interpretasi ini akan mempengaruhi keputusan manajerial seperti dalam merencanakan strategi pemasaran yang mungkin dilakukan. Melihat strategi pemasaran Triple Combo dapat melakukan promosi secara menyeluruh dan besar-besaran sebagai langkah memperkenalkan produknya kepada calon pembeli. Produk kue yang harus diutamakan dalam pemasaran adalah klappertart, karena seperti yang telah diketahui bahwa klappertart ini mempunyai pengaruh positif terhadap produk kue yang lain sehingga

secara

tidak

langsung

klappertart

tersebut

dapat

membantu

meningkatkan penjualan makaroni dan pastel sehingga dapat meningkat dari segi promosi maupun penjualannya. Triple Combo juga dapat mengetahui ramalan penjualan sebagai target penjualan kedepan dan mengantisipasi pada bulan yang diramalkan akan menurunnya penjualan suatu produk sehingga penurunan penjualan tersebut tidak terjadi, agar pada tahun ke tahunya mengalami kenaikan dan penjualan Triple Combo semakin meningkat. Perusahaan juga dapat mengetahui ramalan penjualan sebagai target penjualan kedepan dan mengantisipasi pada bulan yang diramalkan akan menurunnya penjualan suatu produk sehingga penurunan penjualan tersebut tidak terjadi.

55

KESIMPULAN SARAN 1. Kesimpulan Berdasarkan penelitian di Triple Combo, maka dapat ditarik disimpulkan sebagai berikut: a. Ketiga kue Trilpe Combo tersebut setelah mengalami uji stasioner menunjukan berada pada level stasioner maka dapat disimpulkan bahwa terdapat hubungan diantara klappertart, makaroni dan pastel dalam jangka pendek dan jangka panjang. Hasil hubungan tersebut dapat dilihat dari hasil uji yang menunjukan bahwa data tersebut stationer dan diperoleh kesimpulan bahwa model yang tepat untuk peramalan adalah menggunakan model VAR. Dari hasil IRF dapat dilihat bahwa apabila klappertart diimpuls maka akan terjadi respon positif akan direspon positif oleh makaroni dan pastel. Apabila makaroni diimpuls maka akan memperoleh respon positif dari klappertart dan pastel. b. Kita dapat mengetahui hubungan yang saling berkaitan antara kue satu dengan kue lainnya. Kue yang paling dominan dalam memberikan pengaruh positif terhadap kue lainnya adalah klappertart, karena klappertart sangat berpengaruh terhadap peningkatan penjualan kue lainnya seperti makaroni dan pastel sehingga target penjualan semakin banyak dan semakin meluas. c. Klappertart merupakan produk kue andalan dibanding makaroni dan

pastel. Hal ini dikarenakan

karena

banyak orang lebih mengenal

klappertart. Kue klappertart diharapkan jadi pemicu rasa ketertarikan untuk mencoba kue makaroni dan pastel. d. Hasil peramalan untuk klappertart, makaroni dan pastel dihitung berdasarkan hasil penjualan selama tiga bulan terakhir, sehingga akan diperoleh hasil peramalan untuk tiga bulan ke depan. Hasil perhitungan peramalan menunjukan bahwa terjadi peningkatkan dalam perhitungan atau persamaan regresi sehingga hal tersebut akan mempengaruhi dan peramalan penjualan baik itu meningkat ataupun menurun. Dari hasil FEVD diperoleh hasil bahwa penjualan klapertart untuk periode 50 ke depan dipengaruhi oleh makaroni dan pastel.

56

2. Saran Penelitian ini penulis menyarankan beberapa masukan kepada Triple Combo untuk dapat meramalkan penjualan kuenya. Sebagai berikut adalah hal-hal yang disarankan: a.

Penulis menyarankan agar pihak Triple Combo menerapakan analisis peramalan sebagai alat bantu dalam meramalkan penjualan untuk masa yang akan datang, sehingga pihak Triple Combo dapat mengetahui ramalan penjualan klappertart, makaroni dan pastel. Dengan adanya ramalan maka pihak Triple Combo dapat melakukan antisipasi jika penjualan diramalkan mengalami penurunan.

b.

Melakukan promosi pemasaran pada setiap produk kuenya agar lebih dikenal oleh masyarakat, terutama kue klappertart sebagai produk kue yang paling digemari oleh masyarakat memberikan pengaruh luar biasa terhadap peramalan penjualan produk kue lain sehingga penjualan semua produk kue terus mengalami perkembangan.

c.

Triple combo sebaiknya secara berkala melakukan peramalan, dengan peramalan akan lebih mudah dalam penjualan kue tersebut.

d. Pihak Triple Combo diharapkan dapat menerapakan analisis peramalan ini dengan pemahaman yang baik mengenai pola data serta model yang dapat digunakan untuk melakukan analisis peramalan tersebut.

57

DAFTAR PUSTAKA

Agung, I.G.N. 2009. “Time Series Data Analisys Using Eviews”. John Willey an Sons (Asia) Pte Ltd, Singapore. Aldina, A. 2008. Analisis Peramalan Penjualan Matrix Blackberry PT Indosat, Tbk Dalam Rangka Perencanaan strategi Pemasaran. Skripsi pada Departemen Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor. Andria, V. 2009. Analisis Peramalan Jumlah Siswa Menggunakan Metode VAR Berbasis Komputer (Studi Kasus : Valto Education Centre). Skripsi pada Program Ganda, Teknik Informatika dan Statistika, Universitas Bina Nusantara, Jakarta. Arsyad, L. 1994. Peramalan Bisnis. BPEE-Yogyakarta. Aritonang, L. R. 2002. Peramalan Bisnis. Galia Indonesia (anggota IKAPI). Jakarta. Enders, W. 2004. “Applied Econometric Time Series”. John Willey and Sons, Inc., New York. Engle, R. F. And C. W. J. Granger. 1987. Econometrica. JSTOR. United States of America. Gujarati, D. N. 2003. Basic Econometrics. Fourth Edition. McGraw Hill One. New York. Hanke, JE. et al. 2003. Peramalan Bisnis. Ed ke-7. Anathur D, Penerjemah. Prenhallindo. Terjemahan dari : Busines Forecasting, Jakarta. Khaerunisa, Y. 2009. Analisis VECM (Vector Error Correction Model) dalam Mekanisme Pemodelan dan Peramalan Kebijakan Harga Pangan. [skripsi]. Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor, Bogor. Istiati, R. 2006. Analisis Strategi Bersaing Dalam Usaha Bidang Teknologi Informasi (Studi Kasus PT.AMTP Jakarta). Skripsi pada Fakultas Ekonomi, Universitas Mercu Buana, Jakarta. Kolter, P dan G. A. Amstrong. 1995. Dasar-dasar Pemasaran Jilid 1. Prenhallindo.Jakarta. Sugiarto dan Harijono. 2000. Peramalan Bisnis. PT Gramedia Pustaka Utama. Jakarta. Wikipedia. 2011. klappertart. http://id.wikipedia.org/wiki/klappertart [15 November2011] Wikipedia. 2011. kue. http://id.wikipedia.org/wiki/Kue [15 November 2011] Wikipedia. 2011. kue. http://id.wikipedia.org/wiki/Kue_basah [15 November 2011] Wikipedia. 2011. kue. http://id.wikipedia.org/wiki/Kue_kering [15 November 2011] Wikipedia. 2011. kue. http://id.wikipedia.org/wiki/Pastei [15 November 2011]

58

LAMPIRAN

59

Lampiran 1. Penjualan Triple Combo minggu ke 1- 50 MINGGU K 370

M

MINGGU K

P

165

112

1

P 45

23

2242

308

234

1136

210

103

1253

166

122

831

208

207

1734

109

59

1450

121

78

1209

151

148

708

195

187

178

31

17

1631

226

151

3357

738

593

335

76

66

2021

228

188

1194

145

106

1049

116

71

1042

125

100

1031

106

75

990

136

81

845

123

83

1681

165

124

140

30

10

1245

223

218

879

137

121

1195

122

113

26 466

175

119

2

27 441

162

103

3

28 834

185

118

4

29 339

167

107

5

30 481

220

137

6

31 371

142

84

7

32 364

131

89

8

33 811

230

151

9

34 724

203

138

10

35 552

146

103

11

36 898

208

136

12

37 237

71

51

13

38 1729

265

163

14

39 970

137

84

15

40 843

123

82

16

41 370

80

54

17

42 1316

248

138

18

43 947

127

84

19

44 869

125

83

20

45 625

110

68

21

46 981

143

93

22

47 1233

154

113

23

48 1514

145

99

24

49 1086

25

M

258

145

87

50

60

Lampiran 2. Penjualan Triple Combo minggu ke 51- 100 MINGGU K 801

M

MINGGU K

P

105

88

51

P

145

77

819

131

69

1291

124

107

1471

231

147

799

140

77

932

163

120

879

118

91

996

180

155

1208

184

97

1022

139

85

1152

152

85

407

57

27

2710

725

391

762

205

154

889

118

69

1085

164

108

2202

248

100

1102

171

96

1154

201

108

809

118

76

788

132

64

911

160

78

616

63

41

284

75

58

1329

198

112

76 1711

189

136

52

77 1035

123

80

53

78 948

124

86

54

79 692

89

77

55

80 1226

135

118

56

81 1084

139

103

57

82 752

98

61

58

83 1280

170

119

59

84 681

89

71

60

85 843

220

104

61

86 881

168

111

62

87 960

138

78

63

88 316

70

39

64

89 1911

348

235

65

90 1158

214

127

66

91 1338

215

136

67

92 862

168

67

68

93 2291

207

135

69

94 1357

183

95

70

95 1281

193

130

71

96 1107

174

73

72

97 222

18

10

73

98 780

108

101

74

99 889

75

M

1267

162

95

100

61

Lampiran 3. Penjualan Triple Combo minggu ke 101- 118 MINGGU K

M

P

1236

179

108

959

135

78

811

153

71

2129

148

104

979

76

50

908

114

67

973

103

72

414

23

17

1653

195

124

1098

165

86

1267

196

141

304

13

17

1344

153

118

706

78

52

990

131

80

721

129

72

1202

109

51

592

93

77

120851

18629

12289

101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 TOTAL

62

Lampiran 4. Uji Stasioner Klappertart

KLAPERTART 3,500 3,000 2,500 2,000 1,500 1,000 500 0 25

50

75

100

Null Hypothesis: KLAPPERTART has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.

t-Statistic

Prob.*

-11.87763 -3.487046 -2.886290 -2.580046

0.0000

63

Lampiran 5. Uji Stasioner Makaroni

MAKARONI 800 700 600 500 400 300 200 100 0 25

50

75

100

Null Hypothesis: MAKARONI has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.

t-Statistic

Prob.*

-11.41007 -3.487046 -2.886290 -2.580046

0.0000

64

Lampiran 6. Uji Stasioneritas Pastel

PASTEL 600

500

400

300

200

100

0 25

50

75

100

Null Hypothesis: PASTEL has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=12)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.

t-Statistic

Prob.*

-11.41763 -3.487046 -2.886290 -2.580046

0.0000

65

Lampiran 7. Uji Stasioneritas Klappertart, Makaroni, Pastel Level (α=5%) p-value 0.0000 0.0000 0.0000

Variable KLAPPERTART MAKARONI PASTEL

Keterangan Stasioner Stasioner Stasioner

Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis

KLAPPERTART MAKARONI 1021.873 157.8729 965.0000 145.0000 3357.000 738.0000 140.0000 13.00000 522.2236 94.61705 1.280966 3.766034 6.281340 23.82630

PASTEL 104.1441 95.00000 593.0000 10.00000 67.76257 3.929951 26.74909

Jarque-Bera Probability

85.20923 0.000000

2411.462 0.000000

3076.838 0.000000

Sum Sum Sq. Dev.

120581.0 31907941

18629.00 1047429.

12289.00 537236.6

Observations

118

118

118

Covariance Analysis: Ordinary Date: 06/13/11 Time: 12:42 Sample: 1 118 Included observations: 118 Correlation Probability KLAPPERTART

KLAPPERTART 1.000000 -----

MAKARONI

MAKARONI

0.737346 0.0000

1.000000 -----

PASTEL

0.705935 0.0000

0.935421 0.0000

PASTEL

1.000000 -----

66

Lampiran 8. Uji Granger Causality Pairwise Granger Causality Tests Date: 06/13/11 Time: 12:42 Sample: 1 118 Lags: 1 Null Hypothesis:

Obs

F-Statistic

Prob.

MAKARONI does not Granger Cause KLAPPERTART KLAPPERTART does not Granger Cause MAKARONI

117

4.23061 2.30290

0.0420 0.1319

PASTEL does not Granger Cause KLAPPERTART KLAPPERTART does not Granger Cause PASTEL

117

4.65003 1.86295

0.0332 0.1750

PASTEL does not Granger Cause MAKARONI MAKARONI does not Granger Cause PASTEL

117

0.89251 0.00508

0.3468 0.9433

67

Lampiran 9. Uji Lag Optimal VAR Lag Order Selection Criteria Endogenous variables: KLAPPERTART MAKARONI PASTEL Exogenous variables: C Date: 06/13/11 Time: 12:57 Sample: 1 118 Included observations: 115 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2 3

-2050.082 -2040.728 -2033.853 -2026.549

NA 18.05643* 12.91283 13.33784

6.45e+11 6.41e+11* 6.65e+11 6.86e+11

35.70577 35.69962* 35.73658 35.76608

35.77738* 35.98605 36.23783 36.48214

35.73484* 35.81588 35.94004 36.05672

* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

68

Lampiran 10. VAR Vector Autoregression Estimates Date: 06/13/11 Time: 18:04 Sample (adjusted): 2 118 Included observations: 117 after adjustments Standard errors in ( ) & t-statistics in [ ] KLAPPERTART MAKARONI

PASTEL

KLAPPERTART(-1)

0.112397 (0.13525) [ 0.83102]

-0.036326 (0.02492) [-1.45742]

-0.026049 (0.01792) [-1.45382]

MAKARONI(-1)

-0.568277 (1.49731) [-0.37953]

0.293359 (0.27593) [ 1.06317]

0.102637 (0.19835) [ 0.51744]

PASTEL(-1)

-1.474239 (1.99619) [-0.73853]

-0.313866 (0.36786) [-0.85321]

-0.059264 (0.26444) [-0.22411]

C

1156.548 (106.445) [ 10.8653]

181.4489 (19.6159) [ 9.25008]

120.7349 (14.1011) [ 8.56211]

R-squared Adj. R-squared Sum sq. Resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent

0.049702 0.024473 29914779 514.5217 1.970029 -894.4396 15.35794 15.45238 1027.444 520.9356

0.030043 0.004292 1015911. 94.81755 1.166671 -696.5595 11.97538 12.06981 157.8120 95.02168

0.022704 -0.003242 524978.5 68.16031 0.875034 -657.9387 11.31519 11.40963 104.0769 68.05008

Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood Akaike information criterion Schwarz criterion

5.68E+11 5.11E+11 -2075.220 35.67898 35.96228

69

Lampiran 11. Uji Stabilitas VAR

Roots of Characteristic Polynomial Endogenous variables: KLAPPERTART MAKARONI PASTEL Exogenous variables: C Lag specification: 1 1 Date: 06/13/11 Time: 12:57 Root 0.332201 0.157820 -0.143530

Modulus 0.332201 0.157820 0.143530

No root lies outside the unit circle. VAR satisfies the stability condition.

70

Lampiran 12. IRF jika Klappertart Diimpuls

Response to Cholesky One S.D. Innovations Response of MAKARONI to KLAPERTART 80

60

40

20

0

-20 5

10

15

20

25

30

35

40

45

50

Response of PASTEL to KLAPERTART 60 50 40 30 20 10 0 -10 5

10

15

20

25

30

35

40

45

50

71

Lampiran 13. IRF Klappertart Response K

M

P

514.5217

0.000000

0.000000

-57.31138

-92.84091

-35.39744

14.16488

-19.33976

2.401863

0.010074

-8.363349

0.198440

0.688379

-2.545470

0.378129

0.132107

-0.886195

0.116497

0.058023

-0.289700

0.045642

0.017290

-0.097091

0.015055

0.006036

-0.032160

0.005157

0.001964

-0.010701

0.001713

0.000659

-0.003553

0.000573

0.000218

-0.001181

0.000190

7.25E-05

-0.000392

6.33E-05

2.41E-05

-0.000130

2.10E-05

8.00E-06

-4.33E-05

6.99E-06

2.66E-06

-1.44E-05

2.32E-06

8.83E-07

-4.78E-06

7.71E-07

2.93E-07

-1.59E-06

2.56E-07

9.74E-08

-5.27E-07

8.51E-08

3.24E-08

-1.75E-07

2.83E-08

1.08E-08

-5.82E-08

9.39E-09

3.57E-09

-1.93E-08

3.12E-09

1.19E-09

-6.42E-09

1.04E-09

3.94E-10

-2.13E-09

3.44E-10

1.31E-10

-7.09E-10

1.14E-10

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

72

Lanjutan Lampiran 13. IRF Klappertart Response K

M

P

26

4.35E-11

-2.35E-10

3.80E-11

27

1.44E-11

-7.82E-11

1.26E-11

28

4.80E-12

-2.60E-11

4.19E-12

29

1.59E-12

-8.63E-12

1.39E-12

30

5.30E-13

-2.87E-12

4.63E-13

31

1.76E-13

-9.52E-13

1.54E-13

32

5.85E-14

-3.16E-13

5.11E-14

33

1.94E-14

-1.05E-13

1.70E-14

34

6.45E-15

-3.49E-14

5.64E-15

35

2.14E-15

-1.16E-14

1.87E-15

36

7.12E-16

-3.85E-15

6.22E-16

37

2.37E-16

-1.28E-15

2.07E-16

38

7.86E-17

-4.25E-16

6.86E-17

39

2.61E-17

-1.41E-16

2.28E-17

40

8.67E-18

-4.69E-17

7.57E-18

41

2.88E-18

-1.56E-17

2.52E-18

42

9.57E-19

-5.18E-18

8.36E-19

43

3.18E-19

-1.72E-18

2.78E-19

44

1.06E-19

-5.71E-19

9.22E-20

45

3.51E-20

-1.90E-19

3.06E-20

46

1.17E-20

-6.31E-20

1.02E-20

47

3.87E-21

-2.09E-20

3.38E-21

48

1.29E-21

-6.96E-21

1.12E-21

49

4.27E-22

-2.31E-21

3.73E-22

50

1.42E-22

-7.68E-22

1.24E-22

73

Lampiran 14. IRF jika Makaroni diimplus

Response to Cholesky One S.D. Innovations Response of KLAPERTART to MAKARONI 0

-20

-40

-60

-80 5

10

15

20

25

30

35

40

45

50

Response of PASTEL to MAKARONI 40

30

20

10

0 5

10

15

20

25

30

35

40

45

50

74

Lampiran 15. IRF Makaroni Response K

M

P

72.60681

60.98047

0.000000

-13.11982

5.501085

-7.536134

1.032873

3.756029

-0.478332

-0.423394

0.941047

-0.300670

-0.029482

0.351920

-0.056035

-0.025568

0.110522

-0.021199

-0.006201

0.037515

-0.006086

-0.002385

0.012329

-0.002067

-0.000745

0.004112

-0.000666

-0.000254

0.001363

-0.000222

-8.34E-05

0.000453

-7.32E-05

-2.79E-05

0.000150

-2.43E-05

-9.23E-06

5.00E-05

-8.07E-06

-3.07E-06

1.66E-05

-2.68E-06

-1.02E-06

5.52E-06

-8.91E-07

-3.39E-07

1.83E-06

-2.96E-07

-1.13E-07

6.09E-07

-9.83E-08

-3.74E-08

2.02E-07

-3.27E-08

-1.24E-08

6.72E-08

-1.08E-08

-4.13E-09

2.23E-08

-3.60E-09

-1.37E-09

7.42E-09

-1.20E-09

-4.55E-10

2.46E-09

-3.98E-10

-1.51E-10

8.18E-10

-1.32E-10

-5.02E-11

2.72E-10

-4.39E-11

-1.67E-11

9.03E-11

-1.46E-11

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

75

Lanjutan Lampiran 15. IRF Makaroni Response K

M

P

26

-5.54E-12

3.00E-11

-4.84E-12

27

-1.84E-12

9.97E-12

-1.61E-12

28

-6.12E-13

3.31E-12

-5.34E-13

29

-2.03E-13

1.10E-12

-1.78E-13

30

-6.75E-14

3.65E-13

-5.90E-14

31

-2.24E-14

1.21E-13

-1.96E-14

32

-7.45E-15

4.03E-14

-6.51E-15

33

-2.48E-15

1.34E-14

-2.16E-15

34

-8.22E-16

4.45E-15

-7.18E-16

35

-2.73E-16

1.48E-15

-2.39E-16

36

-9.08E-17

4.91E-16

-7.93E-17

37

-3.01E-17

1.63E-16

-2.63E-17

38

-1.00E-17

5.42E-17

-8.75E-18

39

-3.33E-18

1.80E-17

-2.91E-18

40

-1.11E-18

5.98E-18

-9.65E-19

41

-3.67E-19

1.99E-18

-3.21E-19

42

-1.22E-19

6.60E-19

-1.07E-19

43

-4.05E-20

2.19E-19

-3.54E-20

44

-1.35E-20

7.28E-20

-1.18E-20

45

-4.47E-21

2.42E-20

-3.91E-21

46

-1.49E-21

8.04E-21

-1.30E-21

47

-4.93E-22

2.67E-21

-4.31E-22

48

-1.64E-22

8.87E-22

-1.43E-22

49

-5.45E-23

2.95E-22

-4.76E-23

50

-1.81E-23

9.79E-23

-1.58E-23

76

Lampiran 16. IRF jika Pastel Diimpuls

Response to Cholesky One S.D. Innovations Response of KLAPERTART to PASTEL 60 40 20 0 -20 -40 -60 5

10

15

20

25

30

35

40

45

50

Response of MAKARONI to PASTEL 0

-2

-4

-6

-8 5

10

15

20

25

30

35

40

45

50

77

Lampiran 17. IRF Pastel Response K

M

P

50.11479

39.46928

24.01066

-8.920407

3.919721

-1.422979

0.674962

2.750681

0.232897

-0.302964

0.726261

-0.125462

-0.025763

0.271397

-0.028594

-0.019430

0.086341

-0.013906

-0.004914

0.029311

-0.004386

-0.001857

0.009660

-0.001554

-0.000585

0.003222

-0.000512

-0.000199

0.001069

-0.000172

-6.55E-05

0.000355

-5.72E-05

-2.18E-05

0.000118

-1.90E-05

-7.24E-06

3.92E-05

-6.32E-06

-2.41E-06

1.30E-05

-2.10E-06

-8.00E-07

4.33E-06

-6.98E-07

-2.66E-07

1.44E-06

-2.32E-07

-8.82E-08

4.77E-07

-7.71E-08

-2.93E-08

1.59E-07

-2.56E-08

-9.74E-09

5.27E-08

-8.51E-09

-3.24E-09

1.75E-08

-2.83E-09

-1.07E-09

5.82E-09

-9.39E-10

-3.57E-10

1.93E-09

-3.12E-10

-1.19E-10

6.42E-10

-1.04E-10

-3.94E-11

2.13E-10

-3.44E-11

-1.31E-11

7.08E-11

-1.14E-11

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

78

Lanjutan Lampiran 17. IRF Pastel Response K

M

P

26

-4.35E-12

2.35E-11

-3.80E-12

27

-1.44E-12

7.82E-12

-1.26E-12

28

-4.80E-13

2.60E-12

-4.19E-13

29

-1.59E-13

8.63E-13

-1.39E-13

30

-5.30E-14

2.87E-13

-4.63E-14

31

-1.76E-14

9.52E-14

-1.54E-14

32

-5.84E-15

3.16E-14

-5.10E-15

33

-1.94E-15

1.05E-14

-1.70E-15

34

-6.45E-16

3.49E-15

-5.63E-16

35

-2.14E-16

1.16E-15

-1.87E-16

36

-7.12E-17

3.85E-16

-6.22E-17

37

-2.36E-17

1.28E-16

-2.07E-17

38

-7.85E-18

4.25E-17

-6.86E-18

39

-2.61E-18

1.41E-17

-2.28E-18

40

-8.67E-19

4.69E-18

-7.57E-19

41

-2.88E-19

1.56E-18

-2.52E-19

42

-9.57E-20

5.18E-19

-8.36E-20

43

-3.18E-20

1.72E-19

-2.78E-20

44

-1.06E-20

5.71E-20

-9.22E-21

45

-3.51E-21

1.90E-20

-3.06E-21

46

-1.16E-21

6.30E-21

-1.02E-21

47

-3.87E-22

2.09E-21

-3.38E-22

48

-1.29E-22

6.96E-22

-1.12E-22

49

-4.27E-23

2.31E-22

-3.73E-23

50

-1.42E-23

7.68E-23

-1.24E-23

79

Lampiran 18. FEVD Klappertart

80

Lampiran 19. FEVD Klappertart Periode Periode S.E.

K

M

P

1

514.5217

100.0000

0.000000

0.000000

2

527.1523

96.44736

3.101748

0.450891

3

527.7026

96.31838

3.229598

0.452023

4

527.7689

96.29418

3.253898

0.451923

5

527.7756

96.29190

3.256141

0.451963

6

527.7764

96.29162

3.256414

0.451967

7

527.7765

96.29159

3.256443

0.451967

8

527.7765

96.29159

3.256446

0.451967

9

527.7765

96.29159

3.256446

0.451967

10

527.7765

96.29159

3.256446

0.451967

11

527.7765

96.29159

3.256446

0.451967

12

527.7765

96.29159

3.256446

0.451967

13

527.7765

96.29159

3.256446

0.451967

14

527.7765

96.29159

3.256446

0.451967

15

527.7765

96.29159

3.256446

0.451967

16

527.7765

96.29159

3.256446

0.451967

17

527.7765

96.29159

3.256446

0.451967

18

527.7765

96.29159

3.256446

0.451967

19

527.7765

96.29159

3.256446

0.451967

20

527.7765

96.29159

3.256446

0.451967

21

527.7765

96.29159

3.256446

0.451967

22

527.7765

96.29159

3.256446

0.451967

23

527.7765

96.29159

3.256446

0.451967

24

527.7765

96.29159

3.256446

0.451967

25

527.7765

96.29159

3.256446

0.451967

81

Lanjutan Lampiran 19. FEVD Klappertart Periode Periode S.E.

K

M

P

26

527.7765

96.29159

3.256446

0.451967

27

527.7765

96.29159

3.256446

0.451967

28

527.7765

96.29159

3.256446

0.451967

29

527.7765

96.29159

3.256446

0.451967

30

527.7765

96.29159

3.256446

0.451967

31

527.7765

96.29159

3.256446

0.451967

32

527.7765

96.29159

3.256446

0.451967

33

527.7765

96.29159

3.256446

0.451967

34

527.7765

96.29159

3.256446

0.451967

35

527.7765

96.29159

3.256446

0.451967

36

527.7765

96.29159

3.256446

0.451967

37

527.7765

96.29159

3.256446

0.451967

38

527.7765

96.29159

3.256446

0.451967

39

527.7765

96.29159

3.256446

0.451967

40

527.7765

96.29159

3.256446

0.451967

41

527.7765

96.29159

3.256446

0.451967

42

527.7765

96.29159

3.256446

0.451967

43

527.7765

96.29159

3.256446

0.451967

44

527.7765

96.29159

3.256446

0.451967

45

527.7765

96.29159

3.256446

0.451967

46

527.7765

96.29159

3.256446

0.451967

47

527.7765

96.29159

3.256446

0.451967

48

527.7765

96.29159

3.256446

0.451967

49

527.7765

96.29159

3.256446

0.451967

50

527.7765

96.29159

3.256446

0.451967

82

Lampiran 20. FEVD Makaroni

83

Lampiran 21. FEVD Makaroni Periode Periode S.E.

K

M

P

1

94.81755

58.63775

41.36225

0.000000

2

96.17459

58.85560

40.53039

0.614011

3

96.25464

58.76926

40.61528

0.615460

4

96.26064

58.76387

40.61977

0.616359

5

96.26130

58.76307

40.62055

0.616384

6

96.26137

58.76299

40.62062

0.616388

7

96.26138

58.76298

40.62063

0.616389

8

96.26138

58.76298

40.62063

0.616389

9

96.26138

58.76298

40.62063

0.616389

10

96.26138

58.76298

40.62063

0.616389

11

96.26138

58.76298

40.62063

0.616389

12

96.26138

58.76298

40.62063

0.616389

13

96.26138

58.76298

40.62063

0.616389

14

96.26138

58.76298

40.62063

0.616389

15

96.26138

58.76298

40.62063

0.616389

16

96.26138

58.76298

40.62063

0.616389

17

96.26138

58.76298

40.62063

0.616389

18

96.26138

58.76298

40.62063

0.616389

19

96.26138

58.76298

40.62063

0.616389

20

96.26138

58.76298

40.62063

0.616389

21

96.26138

58.76298

40.62063

0.616389

22

96.26138

58.76298

40.62063

0.616389

23

96.26138

58.76298

40.62063

0.616389

24

96.26138

58.76298

40.62063

0.616389

25

96.26138

58.76298

40.62063

0.616389

84

Lanjutan Lampiran 21. FEVD Makaroni Periode Periode S.E.

K

M

P

26

96.26138

58.76298

40.62063

0.616389

27

96.26138

58.76298

40.62063

0.616389

28

96.26138

58.76298

40.62063

0.616389

29

96.26138

58.76298

40.62063

0.616389

30

96.26138

58.76298

40.62063

0.616389

31

96.26138

58.76298

40.62063

0.616389

32

96.26138

58.76298

40.62063

0.616389

33

96.26138

58.76298

40.62063

0.616389

34

96.26138

58.76298

40.62063

0.616389

35

96.26138

58.76298

40.62063

0.616389

36

96.26138

58.76298

40.62063

0.616389

37

96.26138

58.76298

40.62063

0.616389

38

96.26138

58.76298

40.62063

0.616389

39

96.26138

58.76298

40.62063

0.616389

40

96.26138

58.76298

40.62063

0.616389

41

96.26138

58.76298

40.62063

0.616389

42

96.26138

58.76298

40.62063

0.616389

43

96.26138

58.76298

40.62063

0.616389

44

96.26138

58.76298

40.62063

0.616389

45

96.26138

58.76298

40.62063

0.616389

46

96.26138

58.76298

40.62063

0.616389

47

96.26138

58.76298

40.62063

0.616389

48

96.26138

58.76298

40.62063

0.616389

49

96.26138

58.76298

40.62063

0.616389

50

96.26138

58.76298

40.62063

0.616389

85

Lampiran 22. FEVD Pastel

86

Lampiran 23. FEVD Pastel Periode Periode S.E.

K

M

P

1

68.16031

54.05909

33.53168

12.40924

2

68.86792

54.63167

33.17010

12.19823

3

68.92653

54.54839

33.27297

12.17864

4

68.93114

54.54303

33.27962

12.17734

5

68.93168

54.54219

33.28065

12.17717

6

68.93174

54.54210

33.28075

12.17715

7

68.93175

54.54209

33.28076

12.17715

8

68.93175

54.54209

33.28076

12.17715

9

68.93175

54.54209

33.28076

12.17715

10

68.93175

54.54209

33.28076

12.17715

11

68.93175

54.54209

33.28076

12.17715

12

68.93175

54.54209

33.28076

12.17715

13

68.93175

54.54209

33.28076

12.17715

14

68.93175

54.54209

33.28076

12.17715

15

68.93175

54.54209

33.28076

12.17715

16

68.93175

54.54209

33.28076

12.17715

17

68.93175

54.54209

33.28076

12.17715

18

68.93175

54.54209

33.28076

12.17715

19

68.93175

54.54209

33.28076

12.17715

20

68.93175

54.54209

33.28076

12.17715

21

68.93175

54.54209

33.28076

12.17715

22

68.93175

54.54209

33.28076

12.17715

23

68.93175

54.54209

33.28076

12.17715

24

68.93175

54.54209

33.28076

12.17715

25

68.93175

54.54209

33.28076

12.17715

87

Lanjutan Lampiran 23. FEVD Pastel Periode Periode S.E.

K

M

P

26

68.93175

54.54209

33.28076

12.17715

27

68.93175

54.54209

33.28076

12.17715

28

68.93175

54.54209

33.28076

12.17715

29

68.93175

54.54209

33.28076

12.17715

30

68.93175

54.54209

33.28076

12.17715

31

68.93175

54.54209

33.28076

12.17715

32

68.93175

54.54209

33.28076

12.17715

33

68.93175

54.54209

33.28076

12.17715

34

68.93175

54.54209

33.28076

12.17715

35

68.93175

54.54209

33.28076

12.17715

36

68.93175

54.54209

33.28076

12.17715

37

68.93175

54.54209

33.28076

12.17715

38

68.93175

54.54209

33.28076

12.17715

39

68.93175

54.54209

33.28076

12.17715

40

68.93175

54.54209

33.28076

12.17715

41

68.93175

54.54209

33.28076

12.17715

42

68.93175

54.54209

33.28076

12.17715

43

68.93175

54.54209

33.28076

12.17715

44

68.93175

54.54209

33.28076

12.17715

45

68.93175

54.54209

33.28076

12.17715

46

68.93175

54.54209

33.28076

12.17715

47

68.93175

54.54209

33.28076

12.17715

48

68.93175

54.54209

33.28076

12.17715

49

68.93175

54.54209

33.28076

12.17715

50

68.93175

54.54209

33.28076

12.17715

88

Lampiran 24. Regresi Model Minitab Klappertart 1.Klappertart The regression equation is KLAPPERTART = 404 + 1.14 PASTEL - 0.34 PASTEL1 + 3.39 MAKARONI - 1.68 MAKARONI1 + 0.265 KLAPPERTART1

117 cases used, 1 cases contain missing values

Predictor

Coef

SE Coef

T

P

404.04

91.26

4.43

0.000

1.144

1.299

0.88

0.380

PASTEL1

-0.344

1.310

-0.26

0.794

MAKARONI

3.3861

0.9338

3.63

0.000

MAKARONI1

-1.6790

0.9808

-1.71

0.090

Constant PASTEL

KLAPPERTART1

0.26520

0.08830

S = 332.715

R-Sq = 61.0%

3.00

0.003

R-Sq(adj) = 59.2%

Analysis of Variance

Source

DF

SS

MS

F

P

5

19191787

3838357

34.67

0.000

Residual Error

111

12287584

110699

Total

116

31479371

Regression

89

Lanjutan lampiran 24. Regresi Model Minitab Klappertart Source

DF

Seq SS

PASTEL

1

15959246

PASTEL1

1

830354

MAKARONI

1

1330435

MAKARONI1

1

73318

KLAPPERTART1

1

998433

Unusual Observations

Obs

PASTEL

KLAPPERTART

31

59

1734.0

37

593

38

Fit

SE Fit

Residual

St Resid

640.6

108.9

1093.4

3.48R

3357.0

3582.5

240.1

-225.5

-0.98 X

66

335.0

184.2

231.5

150.8

0.63 X

39

188

2021.0

1329.7

73.8

691.3

2.13R

69

135

2291.0

1182.9

67.1

1108.1

3.40R

88

391

2710.0

3309.2

224.0

-599.2

-2.44RX

89

154

762.0

641.4

230.4

120.6

0.50 X

92

100

2202.0

1333.4

94.4

868.6

2.72R

104

104

2129.0

957.9

54.1

1171.1

3.57R

R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage.

90

Lampiran 25. Regresi Model Minitab Makaroni 2. Makaroni The regression equation is MAKARONI = 9.12 + 1.13 PASTEL - 0.201 PASTEL1 + 0.195 MAKARONI1 + 0.0313 KLAPPERTART - 0.0105 KLAPPERTART1

117 cases used, 1 cases contain missing values

Predictor

Coef

SE Coef

T

P

Constant

9.124

9.474

0.96

0.338

PASTEL

1.12768

0.06511

17.32

0.000

PASTEL1

-0.2009

0.1245

-1.61

0.109

MAKARONI1

0.19539

0.09368

2.09

0.039

KLAPPERTART

0.031278

0.008626

3.63

0.000

KLAPPERTART1

-0.010467

0.008769

-1.19

0.235

S = 31.9773

R-Sq = 89.2%

R-Sq(adj) = 88.7%

Analysis of Variance

Source

DF

SS

MS

F

P

5

933875

186775

182.66

0.000

Residual Error

111

113502

1023

Total

116

1047378

Regression

91

Lanjutan lampiran 25. Regresi Model Minitab Makaroni Source

DF

Seq SS

PASTEL

1

916472

PASTEL1

1

879

MAKARONI1

1

2995

KLAPPERTART

1

12072

KLAPPERTART1

1

1457

Unusual Observations

Obs

PASTEL

MAKARONI

Fit

SE Fit

Residual

St Resid

31

59

109.00

120.25

14.42

-11.25

-0.39 X

37

593

738.00

779.59

22.83

-41.59

-1.86 X

38

66

76.00

83.94

22.28

-7.94

-0.35 X

48

218

223.00

296.29

8.27

-73.29

-2.37R

61

104

220.00

148.77

4.44

71.23

2.25R

88

391

725.00

536.26

13.12

188.74

6.47RX

89

154

205.00

241.35

21.90

-36.35

-1.56 X

R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage.

92

Lampiran 26. Regresi Model Minitab Pastel 3. Pastel The regression equation is PASTEL = - 3.72 + 0.153 PASTEL1 + 0.647 MAKARONI - 0.0838 MAKARONI1 + 0.00606 KLAPPERTART - 0.00322 KLAPPERTART1

117 cases used, 1 cases contain missing values

Predictor

Coef

SE Coef

T

P

-3.721

7.199

-0.52

0.606

PASTEL1

0.15282

0.09430

1.62

0.108

MAKARONI

0.64724

0.03737

17.32

0.000

-0.08379

0.07191

-1.17

0.246

Constant

MAKARONI1 KLAPPERTART

0.006065

0.006887

0.88

0.380

KLAPPERTART1

-0.003219

0.006679

-0.48

0.631

S = 24.2260

R-Sq = 87.9%

R-Sq(adj) = 87.3%

Analysis of Variance

Source

DF

SS

MS

F

P

5

472028

94406

160.86

0.000

Residual Error

111

65146

587

Total

116

537174

Regression

93

Lanjutan lampiran 26. Regresi Model Minitab Pastel

Source

DF

Seq SS

PASTEL1

1

2353

MAKARONI

1

467874

MAKARONI1

1

1309

KLAPPERTART

1

356

KLAPPERTART1

1

136

Unusual Observations

Obs

PASTEL1

PASTEL

Fit

SE Fit

Residual

St Resid

30

122

207.00

136.65

4.41

70.35

2.95R

31

207

59.00

88.88

10.58

-29.88

-1.37 X

33

78

148.00

98.46

4.41

49.54

2.08R

34

148

187.00

132.86

6.48

54.14

2.32R

37

151

593.00

493.19

14.78

99.81

5.20RX

38

593

66.00

65.48

16.89

0.52

0.03 X

48

10

218.00

146.73

4.61

71.27

3.00R

88

27

391.00

480.01

14.55

-89.01

-4.60RX

89

391

154.00

123.87

16.55

30.13

1.70 X

92

108

100.00

169.42

6.32

-69.42

-2.97R

R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage.