PERAMALAN IMPOR BUAH-BUAHAN FRUITS IMPORT FORECASTING Halimatussa’diah (30408407) Jurusan Teknik Industri, Fakultas Teknologi Industri, Universitas Gunadarma Jl. Margonda Raya No. 100 Pondok Cina, Depok 16424
[email protected]
ABSTRAK Kondisi perekonomian suatu negara dapat terlihat dari nilai pada neraca perdagangan. Neraca perdagangan dapat bernilai surplus ataupun defisit yang dipengaruhi oleh nilai ekspor dan impor. Keadaan defisit dikarenakan nilai impor lebih besar dibandingkan nilai ekspor. Jumlah ekspor maupun impor yang berfluktuasi secara tidak langsung akan mempengaruhi naik turun dari pendapatan devisa negara. Nilai impor yang semakin tinggi tentunya mengakibatkan penurunan devisa yang signifikan. Sektor non migas memiliki nilai impor yang paling besar, dan yang memiliki jumlah cukup besar ada pada impor komoditi pangan. Selama periode tiga belas tahun terakhir impor kelompok buah-buahan berfluaktuatif dan mencapai nilai tertinggi pada tahun 2011. Kenaikan ini harus diantisipasi karena dapat berdampak jangka pendek bagi pertumbuhan ekonomi di suatu negara. Oleh karena itu, proyeksi impor buahbuahan pada periode yang akan datang perlu dilakukan untuk mengatasi persoalan ini. Penelitian ini bertujuan untuk menentukan metode peramalan terbaik untuk konsumsi impor buah-buahan. Metode peramalan yang digunakan dalam penelitian ini terdiri dari 4 jenis metode dengan konsep peramalan jangka pendek dan data trend. Berdasarkan pengolahan data, didapatkan metode yang terbaik yang dapat digunakan untuk meramalkan impor buah-buahan adalah metode pemulusan eksponensial linier. Hasil peramalan menunjukkan impor buah yang naik untuk tahun 2012. Kenaikkan impor ini dapat diantisipasi dengan berbagai kebijakan seperti melakukan pengetatan masuknya buah impor, peningkatan produktivitas buah lokal, peningkatan kemampuan bersaing buah lokal dengan buah impor dan peningkatan budaya untuk mencintai produk dalam negeri. Kata Kunci: Peramalan, Buah, Metode, Alternatif, Kebijakan ABSTRACT Condition of economics a state gets to appear from point on balance of trade. Balance of trade can well worth surplus or deficit even that regarded by export and import point. Deficit situation because of import point is even greater than export point. Total export and also import that fluctuates at second hand will regard rise gets down from state foreign exchange income. Assess import that excelsior of course it beget foreign exchange decrease that signifikan. Sector non migas has to assess largest import, and one has to foot up sizeable there is on food commodity import. Up to period thirteen agglomerate import the last years buahan berfluaktuatif and up to supreme points on year 2011. This ascension has to be anticipated since gets impacted shortrange for economic growth at a state. Therefore, import projection buahan on next
1
period needs to be done to settle this problem. This research intent to determine best forecasting method to consume import buahan. Methodic forecasting that is utilized in this research consisting of 4 type methodic with short-range forecasting concept and trend's data. Base data processing, gotten by applicable the best one method to predict import buahan are methodic linear pemulusan eksponensial. Forecasting result point out rising fruit import for year 2012. To raise this import gets to be anticipated by various policy as doing its input tightening import fruit, productivity step-up numbers local, ability step-up competes local fruit with import fruit and culture step-up to love home affairs product. . Key word: forecast, fruit, methods, alternative, policy
PENDAHULUAN Kondisi perekonomian suatu negara dapat terlihat dari nilai pada neraca perdagangan. Neraca perdagangan dapat bernilai surplus ataupun defisit yang dipengaruhi oleh nilai ekspor dan impor. Keadaan defisit dikarenakan nilai impor lebih besar dibandingkan nilai ekspor. Jumlah ekspor maupun impor yang berfluktuasi secara tidak langsung akan mempengaruhi naik turun dari pendapatan devisa negara. Nilai impor yang semakin tinggi tentunya dapat mengakibatkan penurunan devisa yang signifikan. Sektor non migas memiliki nilai impor yang paling besar, dan yang memiliki jumlah cukup besar ada pada impor komoditi pangan. Salah satu impor komoditi pangan yang jumlahnya terus mengalami kenaikkan adalah kelompok buah-buahan dan kacang-kacangan. Berdasarkan Tabel 1 dan Tabel 2 dapat dijelaskan bahwa kelompok buah-buahan dan kacang-kacangan mempunyai jumlah impor yang lebih tinggi dari tahun-tahun sebelumnya. Tabel 1 Data Impor Buah-buahan
Tahun 1999 2000 2001 2002 2003 2004 2005
Kode HS
08
Impor (US $) 57.743.157 140.359.193 141.979.046 214.563.984 188.877.721 216.030.437 217.168.999
Ekspor (US $) 138.129.718 104.798.519 72.664.722 100.217.720 118.503.217 131.693.118 170.124.940
Tahun 2006 2007 2008 2009 2010 2011
Impor (US $) 327.309.245 435.048.268 451.453.783 606.817.760 655.386.591 829.003.106
Ekspor (US $) 188.916.769 233.404.216 253.844.291 261.192.781 297.906.046 435.628.679
Tabel 2 Pertumbuhan Impor Buah-Buahan dan Kacang-Kacangan Trend JAN-JUN PERUBAHAN % PERAN % PERUBAHAN % Deskripsi 20072011/2010 2011 2012/2011 2011 2012 2008 Buah-Buahan dan Kacang18,05 26,49 0,61 419,6 461,9 10,08 Kacangan
Sumber: http://www.kemendag.go.id/statistik_perkembangan_impor_nonmigas
2
PERAN % 2012
0,62
Kelompok komoditi buah-buahan sebenarnya merupakan sektor yang mempunyai peluang yang baik untuk dikembangkan sebagai produksi dalam negeri. Kecenderungan nilai impor buah-buahan yang besar tentunya harus disikapi dengan berbagai kebijakan agar devisa negara tidak terus-menerus mengalami penurunan yang cukup besar. Ketergantungan impor buah-buahan yang juga masuk dalam komoditi pangan impor harus disikapi dengan baik dengan mengupayakan suplai dalam negeri dengan baik. Hal ini dikarenakan dapat berdampak jangka pendek bagi pertumbuhan ekonomi di suatu negara. Oleh karena itu, proyeksi impor buah-buahan pada periode yang akan datang perlu dilakukan untuk mengatasi persoalan ini. Penelitian mengenai peramalan telah dilakukan sebelumnya oleh Istiqomah (2006) tentang peramalan hasil produksi, Wijaya (2003) tentang peramalan volume penjualan, Awaludin (2006) tentang peramalan permintaan produksi, dan Raswatie (2008) tentang peramalan impor tekstil. Penelitian mengenai impor buah-buahan juga pernah dilakukan oleh Nusantara (2006). Namun, dalam penelitian ini peramalan hanya dilakukan pada lima jenis buah impor tertinggi bukan pada seluruh jenis buah impor. Lima jenis buah yang dilakukan proyeksi dalam penelitian ini adalah jeruk siam (jeruk ukuran kecil), pir, jeruk (ukuran pada umumnya), anggur, dan apel dengan data aktual dari tahun 2001 sampai tahun 2005. Kelima jenis buah dalam penelitian ini tidak dapat digunakan lagi untuk menggambarkan proyeksi buah-buahan impor pada periode yang akan datang. Hal ini dikarenakan kelima jenis buah tersebut mengalami fluktuasi jumlah impor. Mulai tahun 2009 buah kelengkeng masuk ke dalam lima buah yang diimpor terbanyak dan jumlahnya mengalahkan jeruk dan anggur. Selain itu, peramalan juga didasarkan hanya pada tiga negara pengekspor tertinggi pada periode tersebut yang jumlah impornya selalu berfluktuasi pada setiap musimnya, serta tidak disertainya alternatif kebijakan dalam penelitian ini. Penelitian mengenai proyeksi impor untuk jangka waktu yang akan datang, dalam hal ini untuk proyeksi di atas tahun 2011 untuk keseluruhan jenis buah belum pernah dilakukan sebelumnya. Berdasarkan penjelasan tersebut perlu dilakukan proyeksi nilai impor untuk jangka periode yang akan datang. Proyeksi ini nantinya dapat memberikan gambaran nilai impor yang akan berguna untuk antisipasi, alternatif pembuatan kebijakan, ataupun sebagai gambaran untuk pertumbuhan ekonomi pada periode yang akan datang. Penelitian ini bertujuan untuk menentukan metode peramalan terbaik untuk konsumsi impor buah-buahan. Dengan demikian, metode terpilih nantinya dapat digunakan untuk mengetahui gambaran impor buah-buahan pada periode yang akan datang. METODE PENELITIAN Teknik Pengumpulan Data Pengumpulan data yang dibutuhkan untuk penelitian ini dilakukan dalam kurun waktu bulan Maret 2012 sampai bulan April 2012. Data yang digunakan dalam penelitian ini adalah data sekunder yang berupa data impor buah-buahan dari tahun 1999 sampai dengan tahun 2011. Data ini didapatkan melalui pencarian di situs web Badan Pusat Statistik. Pengumpulan data dilakukan untuk setiap bulan berdasarkan komoditi buah-buahan yang dapat dimakan dan kacang-kacangan yang berkode HS 0801110000 sampai dengan 0814000090. Pengumpulan data impor buah-buahan yang dapat dimakan dan kacang-kacangan diambil berdasarkan jumlah berat (kg) dan berdasarkan nilai (US $). Pencarian data juga dilakukan untuk data impor terbesar pada
3
tahun 2006 sampai dengan tahun 2011. Pengumpulan data ini didapatkan melalui pencarian di situs web Kementerian Perindustrian. Selain itu data lain yang diperlukan dalam penelitian ini adalah data produksi buah-buahan di Indonesia dari tahun 1995 sampai tahun 2010. Pengumpulan data ini juga dilakukan melalui subyek statistik holtikultura pada situs web Badan Pusat Statistik. Data produksi buah-buahan di Indonesia juga dikumpulkan dari data tahun 1999 sampai dengan tahun 2010. Pengumpulan data ini diambil dari situs web Kementerian Pertanian. Data yang diambil berupa komoditi buah-buahan yang terdiri dari data per tahun dengan satuan jumlah produksi (ton). Data lain yang dibutuhkan dalam penelitian ini selain data di atas adalah data jumlah penduduk Indonesia yang didapatkan dari subyek kependudukan pada situs web Badan Pusat Statistik, dan data jumlah konsumsi buah-buahan per tahun dari beberapa artikel terkait. Pengolahan Data Data impor buah-buahan yang dapat dimakan dan kacang-kacangan kemudian diolah dengan menggunakan program Microsoft Office Excel. Pengolahan ini bertujuan untuk pengelompokkan pada setiap tahunnya. Pengelompokkan dilakukan berdasarkan jumlah berat (kg) dan berdasarkan nilai (US $). Dilihat dari jenis komoditinya dan jumlah data yang cukup banyak pengolahan data akan dilakukan dengan menggunakan metode kuantitatif yang terdiri atas metode peramalan serial waktu. Metode serial waktu digunakan untuk melakukan peramalan jangka pendek pada peramalan impor buahbuahan. Peramalan jangka pendek digunakan karena waktu konsumsi buah-buahan umumnya memiliki waktu yang pendek. Selain itu metode serial waktu digunakan karena dalam proses peramalan data impor buah-buahan hanyalah memprediksi impor buah-buahan pada periode yang akan datang bukan memperkirakan bagaimana kenaikan atau penurunan impor terjadi. Metode serial waktu yang digunakan dalam penelitian ini adalah metode yang sesuai dengan pola data impor buah-buahan yang akan diidentifikasi. Proses penentuan mendapatkan metode yang paling tepat untuk meramalkan impor buah-buahan dinamakan proses eksplorasi. Pada proses ini dilakukan beberapa tahapan proses seperti persiapan data, uji pola data, uji stasioner (autokorelasi), dan identifikasi metode peramalan yang akan digunakan. Pola data dari data impor buah-buahan diidentifikasi dan dilihat nilai autokorelasinya dengan menggunakan perangkat lunak MINITAB 14. Metode serial waktu memiliki banyak jenis metode, untuk itu perlu dilakukan pemilihan untuk metode yang digunakan untuk peramalan jangka pendek. Pemilihan ini dilakukan dengan melihat beberapa parameter, seperti pola data yang ada, dan horizon peramalan yang akan dilakukan dengan jangka pendek. Selain itu parameter lain yang dilihat adalah kemudahan dalam penggunaan metode, penempatan data dalam metode dan keakuratan metode terhadap data yang dilakukan peramalan. Proses peramalan dengan beberapa metode tersebut dilakukan dengan menggunakan program Microsoft Office Excel dan perangkat lunak MINITAB 14. Metode yang terbaik nantinya akan dilihat dari metode yang memiliki kesalahan peramalan yang terkecil. Data produksi buah-buahan dalam negeri juga diolah untuk mengetahui perbandingan antara jumlah impor buah-buahan dan jumlah produksi buah-buahan dalam negeri. Selain data produksi buah-buahan dalam negeri, data lain yang akan dibandingkan dengan hasil ramalan impor buah-buahan adalah data konsumsi buah-buahan per kapita per tahun dan data jumlah penduduk Indonesia.
4
PEMBAHASAN Eksplorasi Data Proses eksplorasi data meliputi persiapan data, uji pola data, uji stasioner (autokorelasi), dan identifikasi metode peramalan yang digunakan. Perangkat lunak yang digunakan pada proses ini terdiri dari perangkat lunak MINITAB 14 dan program Microsoft Office Excel. Persiapan Data Data sekunder yang berupa data impor buah-buahan dari tahun 1999 sampai dengan tahun 2011 yang didapatkan melalui pencarian di situs web Badan Pusat Statistik berada dalam kelompok buahan-buahan yang dapat dimakan dan kacangkacangan. Oleh karena itu, dilakukan pemisahan data impor buah-buahan terlebih dahulu dari kelompok data tersebut. Data juga dipisahkan berdasarkan berat (kg), hal ini dikarenakan data hasil peramalan nantinya digunakan untuk dibandingkan dengan produksi dalam negeri yang juga berdasarkan berat (ton). Uji Pola Data Pola yang terbentuk dari sekumpulan data mempengaruhi pemilihan metode yang digunakan. Pengujian pola data menjelaskan bentuk data yang dipengaruhi oleh komponen yang terkandung di dalamnya. Pola data dapat berupa stasioner, trend, siklis, dan musiman. Dengan demikian, dapat diketahui apakah data bersifat stasioner ataupun tidak (Santoso, 2009). Uji pola data impor buah-buahan dengan menggunakan perangkat lunak MINITAB 14 dapat dilihat pada Gambar 1. Tim e S er ies P lot of C 1 90 00 0 00 0 80 00 0 00 0 70 00 0 00 0
C1
60 00 0 00 0 50 00 0 00 0 40 00 0 00 0 30 00 0 00 0 20 00 0 00 0 10 00 0 00 0 0 1
16
32
48
64
80 P e r io d e
96
11 2
128
1 44
Gambar 1 Uji Pola Data
Dapat dilihat bahwa data tidak stasioner karena mengandung komponen trend. Pengujian uji stasioner data selanjutnya dilakukan untuk lebih memastikan bahwa pola data menunjukkan adanya trend. Pengujian stasioner data atau yang biasa dikenal dengan uji autokorelasi dijelaskan pada subbab selanjutnya. Uji Stasioner Data (Autokorelasi) Pengujian ini menjelaskan ada tidaknya hubungan dari data yang mempunyai komponen trend. Selain itu pengujian ini juga memperlihatkan apakah data impor buahbuahan masuk ke dalam metode serial waktu ataukah metode eksplanatori. Hasil dari pengujian uji stasioner pada data impor buah-buahan dengan menggunakan perangkat lunak MINITAB 14 dapat dilihat pada Gambar 2.
5
Autocorrelation Function for C1 (with 5% significance limits for the autocorrelations) 1.0 0.8
Autocorrelation
0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1
5
10
15
20 Lag
25
30
35
Gambar 2 Uji Stasioner (Autokorelasi)
Pada Gambar 2 data autokorelasi pertama yang berbentuk batang berwarna biru mempunyai nilai autokorelasi yang cukup tinggi yaitu sekitar 0,8. Nilai autokorelasi kemudian terlihat penurunan meskipun ada beberapa nilai bar yang menaik. Namun, secara umum nilai autokorelasi menurun secara bertahap. Sembilan angka korelasi pertama yang melewati garis merah juga menandakan adanya autokorelasi. Adanya korelasi antara data yang satu dengan data lainnya juga dapat menjelaskan bahwa data masuk ke dalam data serial waktu. Ciri data tersebut mengandung komponen trend juga dapat dijelaskan dengan hasil uji stasioner (autokorelasi) pada nilai ACF yang secara bertahap mengalami penurunan. Selain itu, angka Ljung-Box yang semakin tinggi juga menjelaskan adanya autokorelasi data, sehingga data dapat dikatakan trend. Hasil pengujian uji pola data dan uji stasioner (autokorelasi) memastikan bahwa data berpola data trend, dan data bersifat serial waktu maka data diolah dengan menggunakan beberapa metode dengan pola data trend. Pertimbangan lainnya adalah bahwa buah-buahan mempunyai waktu konsumsi yang cukup singkat, untuk itu horizon peramalan dilakukan dengan peramalan jangka pendek. Metode peramalan yang digunakan untuk pola data trend dan untuk peramalan dengan jangka waktu pendek adalah metode naif, pemulusan eksponensial linier, pemulusan eksponensial kuadratik, dan box jenkins (ARIMA) (Reitsch dan Hanke, 1995). Proses Peramalan Proses peramalan buah-buahan impor untuk periode di atas tahun 2011 dilakukan dengan empat metode peramalan. Metode peramalan tersebut adalah metode naif, metode pemulusan eksponensial linier, metode eksponensial kuadratik, dan metode box jenkins (ARIMA). Metode Naif Metode naif adalah metode peramalan yang paling sederhana. Dalam metode ini, data trend yang ada pada periode yang terakhir ditempatkan sebagai nilai peramal terbaik untuk proyeksi periode berikutnya. Persamaan ini dapat dilihat pada Persamaan (1). (1) Y t Ft 1
6
Y sebagai data dan t sebagai periode waktu, jadi dari persamaan ini dapat dijelaskan bahwa peramalan untuk periode berikutnya didapatkan dari nilai pada periode sebelumnya. Data trend yang ada disesuaikan dengan melakukan penambahan perbedaan nilai data antara periode saat ini dan periode terakhir. Persamaan ini dapat dilihat pada Persamaan (2). Y t (Y t Y t 1 ) F t 1 (2) Proses perubahan yang lebih baik menyatakan bahwa lebih tepat menggunakan bentuk rasio dibandingkan dengan menggunakan perhitungan secara absolut. Persamaan ini dapat dilihat pada Persamaan (3). Yt (Yt / Yt 1 ) Ft 1 (3) Kekeliruan dalam peramalan dalam metode ini dapat dijelaskan dengan menghitung selisih antara data dan ramalan. Persamaan ini dapat dilihat pada Persamaan (4) (Aritonang, 2002). e t Y t Ft 1 (4) Data buah-buahan impor untuk periode yang akan datang, yaitu periode 157 kemudian diramalkan dengan menggunakan Persamaan (2). Hasil peramalan nilai impor buah untuk periode 157 adalah sebesar 88430987 kg. Metode Pemulusan Eksponensial Linier Metode ini sering disebut sebagai metode eksponensial yang linier atau lebih dikenal dengan nama metode eksponensial ganda linier satu parameter brown. Penempatan data trend pada metode ini dapat dilihat dengan proses penyesuaian nilainilai pelicinan tunggal yang ditambahkan nilai-nilai pelicin ganda. Perhitungan dalam persamaan dalam metode ini lebih efisien jika dibandingkan dengan menggunakan perhitungan pada metode MA ganda. Persamaan yang digunakan pada metode ini dapat dilihat pada Persamaan (5). Ft m a t b t .m (5) Pada persamaan di atas m adalah jumlah periode di depan yang diramalkan. Persamaan di atas dibangun dari beberapa persamaan yang dapat dilihat pada Persamaan (6) sampai (9). a t S t ' (S t ' S t ' ' ) 2S t 'S t ' ' (6) α bt (S t 'S t ' ' ) (7) 1 α S t ' αX t (1 α)S t -1 ' (8) S t ' ' αS t '(1 α)S t -1 ' ' (9) Proses perhitungan peramalan impor buah-buahan pada metode ini dimulai dengan pencarian nilai St’ dan St’’. Penentuan α untuk metode eksponensial dapat digunakan dengan melihat nilai MSE yang paling terkecil untuk setiap alternatif nilai α (Aritonang, 2002; Assauri, 1984). Berdasarkan proses pemilihan α dari α dengan nilai 0.1 sampai 0.9 didapatkan nilai MSE yang terkecil pada nilai α 0.1. Hasil peramalan untuk periode 157 sampai periode 168 dapat dilihat pada Tabel 3.
7
Tabel 3 Hasil Peramalan Pemulusan Eksponensial Linier dengan α = 0.1
t 157 158 159 160 161 162
Ft+1 66419218 66861704 67304190 67746676 68189162 68631647
T 163 164 165 166 167 168
Ft+1 69074133 69516619 69959105 70401591 70844076 71286562
Metode Pemulusan Eksponensial Kuadratik Metode ini menekankan pada fungsi kuadratik, bukan linier. Metode ini juga merupakan perluasan dari teknik dua parameter holt atas kondisi musim. Perluasan dilakukan dengan penambahan pengahalusan ketiga, yaitu parameter ketiga untuk menyesuaikan komponen musim. Komponen trend ditempatkan dalam penghalusan eksponensial bersamaan dengan komponen musim dan keacakan. Perhitungan untuk nilai St’ dan St’’ tetap dilakukan seperti pada proses perhitungan peramalan dengan metode pemulusan eksponensial linier dan ditambahkan dengan perhitungan St’’’. Persamaan dari metode ini dapat dilihat pada Persamaan (10) sampai (14). S t ' ' ' αS t ' ' (1 α)S t 1 ' ' ' (10) a t 3S t '3S t ' 'S t ' ' ' (11) b t = [ /{2(1 - ) 2 }][(6 - 5 )S t '-(10 - 8 )S t ' '+(4 - 3 )S t ' ' ' ] 2
2
(12) (13)
c t [α /(1 α) ][S t '2S t ' 'S t ' ' ' ] 2
Ft m' a t b t (m) 0.5c t (m ) (14) Perhitungan trend pada metode ini cukup sulit untuk dilakukan jika komponen trend sulit untuk ditemukan. Selain itu, dalam metode ini diperlukan data yang relatif banyak. Metode eksponensial tripel kuadratik satu parameter ini disebut juga metode holt winter yang merupakan pendekatan yang sangat penting dalam peramalan. Penentuan bobot α juga dilakukan pemilihan dengan didasarkan pada hasil peramalan dengan MSE terendah (Aritonang, 2002). Berdasarkan perhitungan dengan nilai α 0.1 sampai 0.9 didapat MSE terendah terdapat pada nilai α 0.2. Tidak seperti pada pemilihan α pada metode pemulusan eksponensial linier, nilai α yang terpilih adalah nilai α yang terkecil. Perbedaan terletak pada proses perhitungan, bila terjadi pembagian dengan bilangan yang sangat kecil atau perkalian dengan bilangan yang sangat besar maka dapat mempengaruhi ketepatan hasilnya. Tabel hasil peramalan perhitungan data impor buah-buahan pada periode 157 sampai periode 164 dengan metode pemulusan eksponensial kuadratik dapat dilihat pada Tabel 4. Tabel 4 Hasil Peramalan dengan Metode Pemulusan Eksponensial Kuadratik dengan α=0.2
t 157 158 159 160
Ft+m' 59285781 55804185 51698750 46420334
T 161 162 163 164
8
Ft+m' 39968936 32344557 23547197 13576855
Metode Box Jenkins (ARIMA) Metode ini dapat digunakan untuk peramalan yang berpola data stasioner maupun pola data yang tidak stasioner. Model untuk data stasioner pada metode box jenkins disebut dengan model ARMA yang merupakan autoregresif rata-rata bergerak. Disamping itu, juga terdapat Model ARIMA yang merupakan integrasi autoregresif rata-rata bergerak. Perbedaan antara model ARMA dan ARIMA terletak pada integrasi yang ada pada model ARIMA. Integrasi ini ada dikarenakan data yang tidak stasioner harus dilakukan proses diferensi terlebih dahulu. Model ARIMA dapat dinyatakan dengan (p, d, q) di mana p adalah angka untuk autoregresif, d angka untuk diferensi dan q adalah angka untuk rata-rata bergerak. Model yang hanya memuat AR atau autoregresif saja maka model disebut ARIMA (p, 0, 0). Model yang hanya memuat MA atau rata-rata bergerak saja disebut ARIMA (0, 0, q). Model yang memuat MA dan AR dengan data stasioner disebut ARIMA (p, 0, q), dan model AR dan MA dengan data non stasioner disebut dengan ARIMA (p, d, q) (Aritonang, 2002; Assauri, 1984; Santoso, 2009). Peramalan dengan menggunakan ARIMA dilakukan dengan beberapa tahap, yaitu persiapan data, uji stasioner data, dan pemilihan model yang tepat. Tahap uji stasioner data sudah dilakukan pada langkah eksplorasi data di atas. Hasil uji pola data menyatakan bahwa data yang diramalkan mempunyai pola data yang tidak stasioner karena data mempunyai komponen trend yang menaik. Model ARIMA dipilih karena data tidak stasioner, selanjutnya dilakukan identifikasi model. Identifikasi model ini dapat dilakukan dengan melihat nilai autokorelasi pada pengujian autokorelasi yang juga telah dilakukan pada tahap eksplorasi data. Gambar grafik hasil uji autokorelasi menjelaskan bahwa koefisienkoefisien korelasinya mengecil ke arah nol, untuk itu model yang tepat untuk digunakan mengacu pada model AR. Proses peramalan dengan model AR dilakukan dengan menggunakan prinsip parsimoni yang biasa dilakukan pada metode ARIMA. Prinsip parsimoni dalam hal ini adalah untuk menggunakan model dengan nilai sederhana. Oleh karena itu, dihindari proses diferensi dengan jumlah lebih dari dua karena dapat mengaburkan panafsiran hasil peramalan. Model juga ditentukan dengan nilai p yang signifikan di mana angka p untuk model tersebut harus di bawah nilai 0,05. Hal ini merupakan salah satu syarat kelayakan model yaitu koefisien regresi harus signifikan dengan nilai di bawah 0,05. Proses peramalan dengan menggunakan ARIMA (1, 1, 0) dapat dilihat pada hasil pengolahan dengan perangkat lunak MINITAB 14. Final Estimates of Parameters Type Coef SE Coef T P AR 1 -0.3402 0.0763 -4.46 0.000 Differencing: 1 regular difference Number of observations: Original series 156, after differencing 155 Residuals: SS = 20625973130601400 (backforecasts excluded) MS = 133934890458451 DF = 154 Forecasts from period 156 95 Percent Limits Period Forecast Lower Upper Actual 157 66469280 43781582 89156978
Gambar 3 Hasil Pengolahan Perangkat lunak MINITAB 14
Hasil pengolahan data dengan menggunakan model ARIMA (1, 1, 0) mempunyai nilai koefisien –0,3402. Nilai p sudah sesuai dengan syarat kelayakan model dengan nilai 0 yang berarti sudah di bawah 0,05. Model ARIMA (1, 1, 0)
9
menghasilkan nilai rata-rata kesalahan kuadrat sebesar 1.34 × 1014. Periode 157 yang diramalkan bernilai 66469280 kg. Proses peramalan dilakukan dengan menggunakan persamaan model AR. Persamaan model AR dapat dilihat pada Persamaan (15). Yt Yt 1 A 0 A 1 (Yt 1 Yt 2 ) e t (15) Persamaan di atas menempatkan trend sebagai perhitungan untuk data peramalan selanjutnya, dengan penambahan A0 yaitu konstanta AR dan A1 sebagai koefisien dari AR. Data satu periode dan dua periode sebelum periode yang diramalkan juga dilakukan perhitungan dengan et, yaitu kesalahan yang menjelaskan efek dari variabel yang tidak dijelaskan oleh model (Aritonang, 2002; Assauri, 1984; Santoso, 2009). Berdasarkan hasil peramalan periode 157, dapat ditentukan nilai A0 atau konstanta dengan memasukkan dalam Persamaan (15) dengan nilai A1 yaitu -0,3402, sehingga didapatkan nilai konstanta adalah -469.9165. Dengan demikian, proses peramalan untuk periode selanjutnya dapat dilakukan dengan memasukkan nilai-nilai A0, A1, dan AR yang telah didapatkan. Hasil peramalan dengan menggunakan model ARIMA (1, 1, 0) dapat dilihat pada Tabel 5. Tabel 5 Hasil peramalan dengan Metode ARIMA (1, 1, 0)
Periode 155 156 157 158 159 160 161
Ft 45104857 50367445 66469280 68365490 67719929 67939079 67864054
Periode 162 163 164 165 166 167 168
Ft 67889108 67880115 67882704 67881353 67881343 67880877 67880565
Penentuan Metode Peramalan yang Tepat Penentuan ini dapat dilakukan dengan menggunakan kelima alat ukur kesalahan peramalan yaitu, kesalahan rata-rata (AE), rata-rata penyimpangan (MAD), rata-rata kesalahan kuadrat (MSE), rata-rata persentase kesalahan absolut (MAPE), dan rata-rata persentase kesalahan (MPE). Persamaan untuk proses perhitungan masing-masing alat ukur telah dibahas pada bab sebelumnya. Hasil perhitungan nilai AE, MAD, MSE, MAPE, dan MPE pada metode naif, pemulusan eksponensial linier, pemulusan eksponensial kuadratik, dan metode box jenkins (ARIMA) dapat dilihat pada Tabel 6. Tabel 6 Perbandingan Kesalahan Peramalan
Metode AE MAD MSE MAPE Naif 125804.0584 14058590.82 4.02374 E+14 42.30316821 Pemulusan Eksponensial 306785.5295 7875676.595 1.10394E+14 0.275054979 Linier Pemulusan Eksponensial -22589.0695 8702684.661 2.28214E+14 0.28649996 Kuadratik ARIMA (1, 1, 0) 514974.548 8549906.382 1.3389E+14 0.263925045
MPE -2.81997474 -7.830491501
-5.09921657 -4.65317857
Metode yang memiliki nilai paling kecil untuk kriteria AE adalah metode pemulusan eksponensial kuadratik, metode yang memiliki nilai paling kecil untuk
10
kriteria MAD adalah pemulusan eksponensial linier. Metode yang memiliki nilai MSE terkecil adalah pemulusan eksponensial linier, metode yang memiliki nilai MAPE terkecil adalah ARIMA, dan metode yang memiliki nilai terkecil pada kriteria MPE adalah pemulusan eksponensial linier. Kriteria yang paling banyak digunakan dan merupakan kriteria yang utama adalah MSE. Selain itu metode yang terpilih merupakan metode yang penggunaannya cukup mudah, sederhana dan memiliki waktu yang paling sedikit untuk penggunaannya (Nusantara, 2006). Dengan demikian, terpilih metode pemulusan eksponensial linier sebagai metode yang digunakan untuk meramalkan impor buah-buahan untuk periode yang akan datang. Perbandingan Hasil Ramalan Impor Buah dengan Konsumsi dan Produksi Buah dalam Negeri Hasil peramalan impor buah-buahan pada tahun 2012 mempunyai nilai rata-rata yang menaik jika dibandingkan dengan data impor buah-buahan pada tahun 2011. Hasil ramalan jumlah impor buah-buahan pada tahun 2012 adalah sebesar 826 ribu ton yang naik dari nilai tahun 2011 yang hanya berjumlah 800 ribu ton. Naiknya jumlah ini dapat juga diakibatkan karena adanya penurunan produksi buah. Pada tahun 2010, buah yang diproduksi dalam negeri berjumlah 14,79 ton yang turun sekitar 2 juta ton dari tahun 2009. Jumlah ini juga tidak tetap pembagiannya di setiap musim panen buah. Faktor lain yang dapat menyebabkan kenaikan impor buah-buahan ini adalah konsumsi buah-buahan dalam negeri. Data Kementerian Pertanian (Kementan) menunjukkan, konsumsi buah nasional mencapai 32,59 kilogram per kapita per tahun. Jumlah penduduk Indonesia pada tahun 2010 adalah 237641326 jiwa. Dengan demikian, jumlah konsumsi buah Indonesia adalah sebesar 7744730814.34 kg atau sekitar 8 juta ton. Jumlah ini akan terus menaik jika penduduk Indonesia terus memenuhi taraf hidup sehat dengan mengikuti anjuran FAO bahwa konsumsi buahbuahan per kapita yang baik adalah 65.75 kg per tahun. Sehingga, konsumsi buah Indonesia per tahun mencapai 15624917184.5 kg atau sekitar 15,6 juta ton. Analisis Metode yang terbaik yang dapat digunakan untuk peramalan impor buah-buahan pada periode yang akan datang adalah metode pemulusan eksponensial linier. Hal ini didasarkan atas hasil nilai kriteria kesalahan MSE yang memiliki nilai terkecil dari ketiga metode lainnya. Selain itu, pemilihan juga dilakukan atas dasar bahwa proses perhitungan peramalan dengan metode pemulusan eksponensial linier lebih mudah untuk dilakukan dan memiliki waktu yang cukup singkat jika dibandingkan dengan ketiga metode peramalan yang lainnya. Penelitian yang telah dilakukan sebelumnya oleh Nusantara (2006) menggunakan metode trend, dekomposisi aditif dan multiplikatif, winters aditif dan multiplikatif dan metode bob jenkins (ARIMA). Metode yang juga digunakan dalam penelitian ini adalah metode bob jenkins (ARIMA). Ketiga metode tersebut kemudian dibandingkan dan dilihat hasil peramalannya dengan menggunakan periode yang sama pada penelitian ini. Metode yang memiliki kesalahan paling minimum adalah metode winters multiplikatif untuk α 0.8. Hasil dari peramalan dengan metode winters multiplikatif untuk α 0.8 memperlihatkan impor yang cenderung konstan pada periode yang akan datang. Hal ini terlihat berbeda dengan hasil dari metode pemulusan eksponensial linier
11
yang memperlihatkan impor buah-buahan yang naik pada periode yang akan datang. Perbedaan ini dapat terjadi, karena pada metode ini peramalan dilakukan dengan menggunakan faktor musiman yang cenderung konstan. Hasil peramalan dengan metode terpilih kemudian dilihat dan dibandingkan dengan data aktual pada tahun sebelumnya. Impor buah-buahan hasil ramalan ternyata menaik cukup tinggi dari data aktual tahun sebelumnya. Jika pada tahun 2011 total impor buah-buahan berjumlah 800841830 kg atau sekitar 800 ribu ton maka kenaikan menjadi 826234683 kg atau sekitar 826 ribu ton. Kenaikkan ini tentunya perlu diwaspadai dengan beberapa kebijakan agar neraca perdagangan tidak terus bernilai defisit. Faktor yang berkaitan dengan kenaikan impor buah-buahan ini salah satunya adalah suplai produksi buah dalam negeri. Produksi buah dalam negeri yang menurun pada tahun 2010 yang berjumlah sekitar 15 juta ton menurun dari tahun sebelumnya yang mencapai 17 juta ton. Selain itu, faktor lain yang juga berperan dalam hal ini adalah jumlah penduduk yang juga mengalami peningkatan. Tercatat hingga tahun 2010 jumlah penduduk Indonesia adalah 237641326 atau sekitar 240 jiwa. Jumlah penduduk Indonesia yang menaik tentunya diiringi dengan jumlah konsumsi buah yang menaik. Konsumsi buah di Indonesia per tahun adalah 32.59 kg per kapita, sehingga untuk memenuhi tingkat konsumsi buah sekitar 240 jiwa dibutuhkan sekitar 8 juta ton buah per tahun. Perhitungan ini akan terus menaik dengan adanya upaya pemenuhan gizi bahwa sesuai rekomendasi FAO konsumsi buah-buahan per kapita yang baik adalah 65.75 kg per tahun. Jika dilihat dari produksi buah dalam negeri seharusnya kebutuhan buah dalam negeri sudah dapat dipenuhi dengan jumlah produksi 15 juta ton per tahun sedangkan jumlah konsumsi buah per tahun hanya 8 juta ton. Namun, keadaaan ini sulit terjadi dengan melihat produksi buah yang musiman dan tidak tetap untuk jumlah produksi setiap periodenya. Alasan lain dikarenakan adanya beberapa buah yang tidak dapat diproduksi di dalam negeri karena perbedaan klomatologi tanaman yang tidak dapat tumbuh di dalam negeri. Faktor lainnya adalah dengan adanya persaingan buah lokal dengan buah impor di pasaran yang cukup sulit. Beberapa kendala persaingan seperti harga dan bentuk kemasan yang lebih menarik membuat buah-buahan impor semakin diminati. Pembangunan dan penyempitan lahan pertanian juga perlu dicermati dalam hal ini. Melihat impor yang terus menaik untuk setiap tahunnya, hendaknya hal ini dapat dicermati dengan berbagai kebijakan pada hal-hal yang berkaitan. Alternatif kebijakan yang dapat dilakukan untuk mengatasi impor buah-buahan yang terus melonjak dapat dilakukan dengan berbagai cara. Alternatif tersebut antara lain dengan melakukan pengetatan masuknya buah impor, peningkatan produktivitas buah lokal, peningkatan kemampuan bersaing buah lokal dengan buah impor dan peningkatan budaya untuk mencintai produk dalam negeri. Pengetatan masuknya buah impor dapat dilakukan dengan berbagai upaya, salah satunya dengan mengurangi pintu masuk buah dan sayur impor. Pemerintah mulai melakukan pengetatan pintu masuk buah dan sayur impor mulai bulan Maret 2012. Pintu masuk yang jumlahnya 8 pintu hanya menjadi 4 pintu, yang terletak di Pelabuhan Belawan Sumatera Utara, Pelabuhan Makasar Sulawesi Selatan, Pelabuhan Tanjung Perak Surabaya, dan Bandara Soekarno Hatta Tangerang. Pengetatan juga dapat dilakukan dengan menentukan batas maksimum buah impor. Selain itu, pembatasan
12
waktu impor juga perlu dilakukan yaitu dengan hanya mengizinkan dilakukannnya impor buah apabila pada saat tidak musim panen buah lokal. Pengetatan lain yang dapat dilakukan adalah dengan melakukan pengawasan pengkarantinaan, registrasi importir dan periode pengakuan importir. Pengetatan untuk pengkarantinaan akan menambah biaya para importir sehingga para importir diharapkan dapat mengurangi jumlah buah yang akan diimpor. Jenis pengetatan lain adalah dengan pengawasan terhadap produk buah impor, dan mengawasi ketergantungan benih impor dengan melakukan revitalisasi pembenihan secara bertahap. Alternatif kebijakan yang kedua adalah dengan peningkatan produktivitas buah lokal dalam negeri. Beberapa cara yang dapat dilakukan adalah dengan pemberian modal kepada para petani untuk memperkuat industri pembenihan dalam negeri, melakukan pemilihan bibit unggul, dan melakukan diversifikasi lahan perkebunan buah. Cara lain yang juga dapat dilakukan adalah pemberian informasi dan pengetahuan mengenai cara mengatur pola tanam untuk menjaga ketersediaan tanaman sepanjang musim. Pemberian lahan khusus juga perlu untuk dilakukan, lahan ini dapat digunakan untuk perkebunan buah yang juga disertai dengan fasilitas seperti bendungan dan irigasi yang mendukung kawasan perkebunan buah dan optimalisasi hasil panen buah. Peningkatan kemampuan daya saing buah lokal dengan buah impor salah satunya dapat dilakukan dengan kemampuan persaingan harga di pasaran. Harga buah lokal yang cenderung lebih mahal jika dibandingkan harga buah impor yang lebih murah menjadi penyebab mengalihnya konsumen buah lokal ke buah impor. Hal ini dapat diatasi dengan kebijakan sistem pendistribusian buah dari tangan petani hingga ke pasaran dengan baik. Misalnya, untuk jeruk Pontianak yang sejenis dengan jeruk Tiongkok konsumen lebih memilih untuk membeli jeruk Tiongkok. Harga jeruk Tiongkok hanya Rp.10.000,00 sampai Rp.12.000,00 per kg lebih murah jika dibandingkan dengan harga jeruk Pontianak yang harganya mencapai Rp.20.000,00 per kg padahal ditingkat petani harga jeruk Pontianak hanya Rp.3000,00 per kg. Selain harga, peningkatan daya saing juga dapat dilakukan dengan peningkatan mutu buah lokal yang lebih baik dari mutu buah impor. Budaya untuk mencintai produk dalam negeri juga penting untuk digalakkan, dengan mencintai produk dalam negeri tentunya masyarakat akan lebih memilih buah dalam negeri. Kegiatan ini juga lebih baik dilakukan dengan penanaman pengetahuan bahwa dengan membeli buah lokal akan meningkatkan pendapatan negara yang pada akhirnya akan memberikan kesejahteraan masyarakat. SIMPULAN DAN SARAN Metode peramalan terbaik untuk meramalkan impor buah-buahan pada periode yang akan datang dalam hal ini untuk proyeksi impor buah-buah di atas tahun 2011 adalah metode pemulusan eksponensial linier. Kenaikan impor buah-buahan pada periode yang akan datang dapat disikapi dengan berbagai kebijakan seperti melakukan pengetatan masuknya buah impor, peningkatan produktivitas buah lokal, peningkatan kemampuan bersaing buah lokal dengan buah impor dan peningkatan budaya untuk mencintai produk dalam negeri. Proyeksi impor buah-buahan ini dilakukan untuk peramalan jangka pendek. Penelitian selanjutnya dapat dilakukan dengan menggunakan konsep peramalan jangka panjang untuk memberikan keputusan kebijakan yang bersifat strategis. Penelitian lanjutan juga dapat melakukan proyeksi dengan mempertimbangkan faktor-faktor yang mempengaruhi impor buah-buahan.
13
DAFTAR PUSTAKA Arsyad, Lincolin. 1995. Peramalan Bisnis. Ghalia Indonesia, Jakarta. Assauri, Sofyan. 1984. Teknik & Metode Peramalan: Penerapaannya Dalam Ekonomi & Dunia Usaha. Jilid 1. FEUI, Jakarta. Awaludin, Rudi. 2006. Peramalan Permintaan Ban Mobil Penumpang PT. Goodyear Indonesia Tbk. Institut Pertanian Bogor, Bogor. Badan Pusat Statistik. 10 April 2012. Penduduk Indonesia Menurut Provinsi 1971, 1980, 1990, 1995, 2000 dan 2010. http://www.bps.go.id/tab_sub/view.php. Badan Pusat Statistik. 10 April 2012. Produksi Buah-Buahan di Indonesia. http://www.bps.go.id/tab_sub/view.php. Badan Pusat Statistik. 10 Maret 2012. Impor Buah Berdasarkan Komoditi Tahun 1999 Sampai 2011. http://www.bps.go.id/exim-frame.php. Baroto, Teguh. 2002. Perencanaan dan Pengendalian Produksi. Ghalia Indonesia, Jakarta. Biegel, John E. 1999. Pengendalian Produksi Suatu Pendekatan Kuantitatif. Akademika Presindo, Jakarta. Christina, Ellen., Fuad, M., Sugiyarto, dan Sukarno, Edi. 2001. Anggaran Perusahaan Suatu Pendekatan Praktis. Gramedia Pustaka Utama, Jakarta. Handoko, T Hani. 1994. Dasar-Dasar Manajemen Produksi dan Operasi. BPFE, Yogyakarta. Hanke, J.E., Reitsch, A.G. 1995. Business Forecasting. Edisi: Kelima, Prentice-Hall International Inc., Englewood Cliffs, New Jersey. Harian Umum Pelita. 10 Juli 2012. Deptan Kurangi Impor Produk Hortikultura. http://www.pelita.or.id/baca.php?id=83174. Heizer, Jay dan Render, Barry. 2006. Manajemen Operasi. Penerbit Salemba Empat. Herjanto, Eddy. 2007. Manajemen Operasi. Edisi: Kesebelas. PT. Gramedia Widia Sarana Indonesia, Jakarta. Istiqomah, 4150401014. 2006. Aplikasi Model ARIMA Untuk Forecasting Produksi Gula Pada PT. Perkebunan Nusantara IX (Persero). Universitas Negeri Semarang, Semarang. Kasmir, Jakfar. 2003. Studi Kelayakan Bisnis. Prenada Media, Jakarta. Kementerian Perdagangan. 9 September 2012. Indonesia Export Import Growth of Non-Oil and Gas Import (Commodity). http://www.kemendag.go.id/statistik_perkembangan_impor_nonmigas_%28kom oditi%29/. Kementerian Pertanian. 10 April 2012. Data Hortikultura Tahun 1980 Sampai Tahun 2010. http://hortikultura.deptan.go.id/?q=node/218. Kompas. 10 Juli 2012. Impor Rambutan. http://ekonomi.kompasiana.com/agrobisnis/2012/05/22/impor-rambutan/ Kompas. 10 Juli 2012. Tingkat Konsumsi Buah Masyarakat. http://www.m.kompas.com/news/read/2008/08/09/12231961/tingkat.konsumsi.b uah.masyarakat. Kvanli, A. H., Robert, J. P., dan Keeling, B.K. 2003. Introduction to Business Statistics. Edisi: Keenam, Thomson South Western., OH. Makridakis dan Wheelwright. 1994. Alih Bahasa Wirajaya, Metode Peramalan Untuk Manajemen. Edisi: Kelima, Binarupa Aksara, Jakarta Barat. Mulyono, Sri. 2000. Peramalan Bisnis dan Ekonometrika. BPFE, Yogyakarta. Nasution, Arman Hakim. 2006. Manajemen Industri. CV. Andi Offset, Yogyakarta.
14
Nusantara, S Taufan. 2006. Peramalan dan Faktor-Faktor yang Mempengaruhi Impor Buah Indonesia. Institut Pertanian Bogor, Bogor. Plossi, George W. Orlicky’s. 1995. Material Requirement Planning, Edisi: Kedua, Mc Graw-Hill, Singapore. R Aritonang, Lerbin R. 2002. Peramalan Bisnis. Ghalia Indonesia, Jakarta. Raswatie, Fitria Dewi. 2008. Faktor-Faktor yang Mempengaruhi Impor Tekstil dan Produk Tekstil ( TPT ) Indonesia. Institut Pertanian Bogor, Bogor. S. Elwood, Buffa, Sarin K. Rakesh. 1996. Manajemen Operasi/Produksi Modern. Penerbit Binarupa Aksara, Jakarta. Santoso, Singgih. 2009. Business forecasting. Elex Media Komputindo, Jakarta. Sugiarto dan Harijono. 2000. Peramalan Bisnis. Gramedia Pustaka Utama, Jakarta. Surabaya Post Online. 10 April 2012. Buah Impor China Raup Rp 1,26 Triliun. http://www.surabayapost.co.id. Wijaya, Precylia. 2003. Peramalan Volume Penjualan Terigu Segitiga Biru. Institut Pertanian Bogor, Bogor. Yamit, Zulian. 1999. Manajemen Persediaan. PT. Suryana Sarana Utama, Yogyakarta. Yunarto, Holy Ieun. Dkk. 2005. Bussines Concepts Implementation Series In Inventory Management. PT. Elex Media Komputindo, Jakarta. Zuhri, Sepudin. 10 Juli 2012. Mportir Keluhkan Pengetatan Impor Buah & Sayur. http://www.sucofindo.co.id/berita-terkini/1843/importir-keluhkan-pengetatanimpor-buah-dan-sayur.html.
15