UNIVERSITAS INDONESIA
MODEL REGRESI SIMULTAN UNTUK PENJUALAN LPG PSO dan 12 Kg NON PSO STUDI KASUS : PERTAMINA LPG REGION IV JAWA TENGAH
TESIS
Romi Ryan Manuhutu 0906578724
FAKULTAS TEKNIK PROGRAM PASCA SARJANA TEKNIK INDUSTRI UNIVERSITAS INDONESIA JAKARTA Juli 2011
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
UNIVERSITAS INDONESIA
MODEL REGRESI SIMULTAN UNTUK PENJUALAN LPG PSO dan 12 Kg NON PSO STUDI KASUS : PERTAMINA LPG REGION IV JAWA TENGAH TESIS
Diajukan sebagai salah satu syarat untuk memperoleh gelar Magister Teknik
Romi Ryan Manuhutu 0906578724
FAKULTAS TEKNIK PROGRAM PASCA SARJANA TEKNIK INDUSTRI UNIVERSITAS INDONESIA JAKARTA Juli 2011
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
HALAMAN PERI\TYATAAN ORISINALITAS
Tesis ini adalah hasil karya sendiri,
dan semua sumber baikyang dikutip maupun dirujuk telah saya nyatakan dengan benar.
Nama
NPM Tanda Tangan
Tanggal
11 Juli 2011
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
HALAMAN PENGESAHAN
Tesis ini diajukan oleh
Nama
Romi Ryan Manuhutu 0906s78724 Teknik Industri Model Regresi Simultan Untuk Penjualan LPG PSO dan 12 Kg Non pSO Studi Kasus : Pertamina LPG Region IV Jawa Tengah
NPM Program Studi JudulTesis
Telah berhasil dipertahankan di hadapan Dewan penguji dan diterima sebagai bagian persyaratan yang diperlukan untuk memperoleh gelar Magister Teknik pada program studi Teknik Industrio Fakultas tefnik, Universitas Indonesia.
DEWAN PENGUJI
Pembimbing
1
:
Ir. Isti Surjandari, ph.D
Pembimbing2 Ir. Yadrifil, MSc. Penguji
Dr. Ing. Amalia Suzianti, ST, MSc.
Penguji
Ir. DendiP. lshak, MSIE.
\N
4/ltrff
WDitetapkan di
Jakarta
Tanggal
l1 Juli 201I
lIl
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
) )
UCAPAN TERIMA KASIH
Alhamdulillah, segala puji hanya milik ALLAH Robbul’alamin, Sholawat dan Salam kami tujukan kepada Nabi Muhammad Sholollahu ‘alaihi Wassalam. Subhanallahu, sungguh atas pertolongan ALLAH Azza Wa Jalla tesis ini dapat terselesaikan, atas pertolongan ALLAH kami dianugerahi dosen pembimbing yang sangat membantu dan memotivasi kami dan dosen penguji serta dosen-dosen yang mengajar kami dengan baik, atas nikmat dari ALLAH kami dianugerahi orang tua, istri, anak-anak dan adik-adik yang InsyaALLAH memberikan ketenangan dan kebahagian kepada kami. Pada kesempatan ini kami sampaikan ucapan terima kasih kepada : 1. Ibu Ir. Isti Surjandari, Ph.D selaku dosen pembimbing yang memberikan pengajaran, bimbingan dan motivasi dari mulai pemilihan topik sampai selesainya penulisan ini, dari teori sampai pada penulisan. Semoga ALLAH selalu melindungi dan memberikan hidayah kepada Ibu Isti dan keluarga. 2. Bapak Ir. Yadrifil, Msc selaku dosen pembimbing yang senantiasa memberikan bimbingan, motivasi dan arahan mulai dari awal pembuatan tesis hingga dapat menyelesaikannya. Semoga ALLAH selalu melindungi dan memberikan hidayah kepada Bapak Yadrifil dan keluarga. 3. Dosen-dosen pengajar dan penguji kami yang telah mengajarkan dan memberikan arahan kepada kami. 4. Mbak fatimah, mbak chintya dan mas aziz, terima kasih bantuannya. 5. Papa, Papa mertua, Adik-adik dan keluarga yang selalu mendoakan kami dan memberikan seluruh bantuan dengan ikhlas dan sepenuh hati. 6. Untuk Istriku Riris, anak-anakku : ‘Arifah, Abdullah dan Abdurrahman Romanu, atas bantuan, doa dan perhatian, yang selalu menanyakan dapat berapa halaman yah?, subhanallahu.
iv
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
7. Bapak Kusnendar, Ibu Primarini, Bapak Arie Anggoro, Bapak Hari Sukamto, Bapak Nana, Bapak Herdy, Bapak Zamroni, Bapak Sarbini, Bapak Sori, Bapak Tiara, Bapak Didi dan Ibu Anna, atas diskusi dan pengisian kuesioner. 8. Seluruh teman-teman Pertamina Sarjana FTUI angkatan 2009, terutama Bapak Ketua Kelas idaman. 9. Bapak Agung, Bapak Alimuddin, Bapak Kus, atas diskusi dan pelatihan Eviews nya. 10. Mas Nano, Mas Eri, Mas Adit, Mas Mamat, Mas Eko, Mas Hendy, Mas Dhani, Mas Andi dan Pak Mul atas bantuan pencarian data BPS, fotocopy, dan antar mengantarnya. 11. Dan seluruh pihak yang telah membantu sehingga tesis ini dapat terselesaikan. Penulis menyadari bahwa tesis ini masih jauh dari sempurna dan memiliki keterbatasan. Oleh karena itu, segala saran dan kritik yang membangun sangat diharapkan demi kesempurnaan tesis ini. Akhir kata, penulis berharap tesis ini dapat bermanfaat.
Depok, Juli 2011
Penulis
“............Demi ALLAH, sesungguhnya dunia lebih hina disisi ALLAH Ta’ala dari pada bangkai kambing ini.” (HR Muslim) “Aku tahu rezekiku tidak akan dimakan orang lain, maka tenteramlah jiwaku. Aku tahu bahwa amalku tidak akan dilakukan orang lain, maka Aku pun disibukkan dengannya. Aku tahu bahwa kematian akan datang tiba-tiba, maka segera Aku menyiapkannya. Dan Aku tahu bahwa diriku tidak akan lepas dari pantauan ALLAH, maka Aku akan merasa malu kepada-Nya”. Manaqib Al-Iman Ahmad, Ibnu Jauzi, Maktabah Al-Hany. Dari Buku : Ust. Zaenal Abidin LC (2009), Rintangan Setelah Kematian
v
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
TIALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS
Sebagai sivitas akademika Universitas Indonesia, saya yang bertandatangan dibawah ini
:
Nama
Romi Ryan M
NPM
0906s78724
Program Studi
Teknik Industri
Fakultas
Teknik
Jenis Karya
Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Indonesia
Hak Bebas Royalti Non-Eksklusif
Royalti-Free Right) atas karya ilmiah saya yang berjudul
(Non-Exclusive
:
MODEL RE,GRESI SIMULTAN TINTUK PENJUALAN LPG PSO DAN 12 Ks NON PSO STUDI KASUS : PERTAMINA LPG REGION IV JAWA TENGAH beserta perangkat yang ada (bila diperlukan). Dengan Hak Bebas Royalti Non-
Eksklusif ini, Universitas Indonesia berhak menyimpan, mengalihmedia/format-
kan, mengelolanya dalam bentuk pangkalan data (database), merawat,
dan
mempublikasikan tugas akhir saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik Hak Cipta.
Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat
di :
Padatanggal
:
Jakarta 11
Juli 2011
Yang men
(Romi Ryan Manuhutu)
vi
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
ABSTRAK
Nama : Romi Ryan Manuhutu Program Studi : Teknik Industri Judul : Model Regresi Simultan untuk Penjualan LPG PSO dan 12 Kg Non PSO Studi Kasus : Pertamina LPG Region IV Jawa Tengah
Penelitian ini menganalisis faktor-faktor yang mempengaruhi penjualan LPG 3 Kg PSO dan LPG 12 Kg Non PSO. Persamaan awal faktor yang mempengaruhi disusun berdasarkan penjelasan ahli Pertamina yang disusun dengan mengadopsi langkah-langkah pada metode delphi. Faktor yang mempengaruhi merupakan produk Pertamina yang dihubungkan dengan kebijakan terkait program konversi Mitan ke LPG 3 Kg. Selanjutnya persamaan awal tersebut dianalisis dengan menggunakan metode statistik regresi dengan bantuan perangkat lunak Eviews untuk menghasilkan persamaan sebagai model penjualan LPG 3 Kg PSO dan 12 Kg Non PSO. Hasil model mendeskripsikan hubungan antar faktor pengaruh terhadap penjualan LPG 3 Kg PSO dan 12 Kg Non PSO. Kata kunci : LPG, Minyak Tanah, Regresi Simultan.
vii
UNIVERSITAS INDONESIA
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
ABSTRACT
Name : Romi Ryan Manuhutu Study Program: Teknik Industri Title : Simultaneous Regression Models for Sales of LPG PSO and 12 Kg Non-PSO Case Study : Region IV Pertamina LPG Central Java
This study analyzes the factors that affect the sales of LPG 3 Kgs PSO and 12 Kgs Non PSO. The initial equation of the influence factors is based on expert judgement prepared by adopting measures at Delphi method. The influence factors is a product of Pertamina associated with the policies related to conversion kerosene to LPG 3 Kgs program. Furthermore, the initial equation is analyzed using statistical regression methods using Eviews program to generate model of sales of LPG 3 Kg PSO and 12 Kg Non PSO. The results of the model describing the relationship between factors influence on the sales of LPG 3 Kg PSO and 12 Kg Non PSO.
Keyword: LPG, Kerosene, Simultaneous Regression.
viii
UNIVERSITAS INDONESIA
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
DAFTAR ISI
HALAMAN JUDUL .................................................................................. i PERNYATAAN KEASLIAN TESIS ........................................................ ii LEMBAR PENGESAHAN ....................................................................... iii UCAPAN TERIMA KASIH ...................................................................... iv LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH ................ vi ABSTRAK .................................................................................................. vii ABSTRACT ................................................................................................ viii DAFTAR ISI ............................................................................................... ix DAFTAR GAMBAR .................................................................................. xi DAFTAR TABEL ....................................................................................... xii DAFTAR LAMPIRAN .............................................................................. xiii BAB 1 PENDAHULUAN......................................................................... 1 Latar Belakang Permasalahan....................................................................... 1 Diagram Keterkaitan Masalah ..................................................................... 6 Perumusan Masalah...................................................................................... 7 Tujuan Penelitian ......................................................................................... 7 Ruang Lingkup Penelitian............................................................................ 7 Metodologi Penelitian.................................................................................. 8 Sistematika Penulisan................................................................................... 11 BAB 2 TINJAUAN PUSTAKA .......................................................... 12 2.1 Tinjauan Produk Pertamina .................................................................. 12 2.2 Teori Mengenai Penjelasan Ahli Dalam Penelitian............................... 13 2.3 Analisis Multivariat .............................................................................. 16 2.3.1 Analisis Regresi Berganda ......................................................... 17 2.3.2 Menilai Goodness of Fit Suatu Model Regresi .......................... 20 2.3.3 Prinsip Kuadrat Terkecil dan Uji Asumsi Klasik ....................... 22 2.3.3.1 Uji Multikolinearitas............................................................. 23 2.3.3.2 Uji Autokorelasi................................................................... 24 2.3.3.3 Uji Heteroskedastisitas........................................................ 26 2.4 Regresi Simultan................................................................................... 26 2.5 Teori Regresi Lain Terkait Penelitian .................................................. 29 2.5.1 Variabel Dummy ........................................................................ 29 2.5.2 Uji Kausalitas Granger ............................................................... 30 BAB 3 METODOLOGI PENELITIAN ................................................ 31 3.1 Profil Provinsi Jawa Tengah ................................................................ 31 3.2 Metodologi ........................................................................................... 32 3.3 Profil PT. PERTAMINA (PERSERO) ................................................. 33 3.3.1 Sejarah dan Peran PT. PERTAMINA (Persero)......................... 33 3.2.2 Penjelasan Program Konversi Mitan ke LPG 3 Kg ................... 34 3.2.3 Organisasi Unit Gas Domestik ................................................... 35 3.4 Pengumpulan Data ................................................................................ 37 3.4.1 Penjelasan Ahli Untuk Persamaan Hubungan ............................ 37 3.4.2 Model dan Hipotesis Penelitian ................................................... 39 3.4.3 Jenis Data ..................................................................................... 41 ix
UNIVERSITAS INDONESIA
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
BAB 4 PENGOLAHAN DATA DAN ANALISIS ................................. 53 4.1 Pengolahan Data .................................................................................... 53 4.1.1 Persamaan Regresi ........................................................................ 53 4.1.2 Penaksiran Model 1 ...................................................................... 55 4.1.2.1 Regresi Model Penjualan LPG 12 Kg .................................. 55 4.1.2.2 Goodnes of fit ...................................................................... 55 4.1.2.3 Uji Asumsi Klasik ................................................................ 56 4.1.3 Penaksiran Model 2 ...................................................................... 57 4.1.3.1 Regresi Model Penjualan LPG 3 Kg .................................... 57 4.1.3.2 Goodnes of fit ...................................................................... 58 4.1.3.3 Uji Asumsi Klasik ................................................................ 59 4.1.4 Penaksiran Model 3 ...................................................................... 60 4.1.4.1 Regresi Model Penjualan LPG 12 Kg ................................. 60 4.1.4.2 Goodnes of fit ...................................................................... 61 4.1.4.3 Uji Asumsi Klasik ................................................................ 62 4.2 Analisis ................................................................................................... 63 4.2.1 Perbandingan Model 1 dan Model 3 Penjualan LPG 12 Kg ....... 63 4.2.2 Hasil Prediksi Model .................................................................... 66 4.2.2.1 Prediksi Penjualan LPG 12 Kg dengan Model 1 ................. 66 4.2.2.2 Prediksi Penjualan LPG 3 Kg PSO dengan Model 2 .......... 69 4.3 Analisis Variabel pada Model ............................................................... 70 4.3.1 Variabel Model 1 ......................................................................... 70 4.3.1.1 Penjualan LPG 3 Kg ............................................................. 71 4.3.1.2 Jumlah Tabung LPG 12 Kg .................................................. 72 4.3.1.3 Perubahan Harga jual LPG 12 Kg ........................................ 72 4.3.1.4 Pelaksanaan Rayonisasi dan Alokasi penjualan LPG 3 Kg.. 73 4.3.2 Variabel Model 2 .......................................................................... 74 4.3.2.1 Penjualan Mitan Non PSO .................................................... 74 4.3.2.2 Penjualan LPG 6 Kg ............................................................. 75 4.3.2.3 Jumlah Kemasan LPG 3 Kg ................................................. 75 4.3.2.4 Perubahan Harga Jual LPG 12 Kg ....................................... 76 4.3.2.5 Penghapusan Mitan PSO ...................................................... 76 4.3.2.6 Pelaksanaan Rayonisasi dan Alokasi penjualan LPG 3 Kg.. 76 4.3.3 Variabel Model 3 .......................................................................... 77 4.3.3.1 Penjualan Mitan Non PSO .................................................... 77 4.3.3.2 Penjualan LPG 6 Kg ............................................................. 77 4.3.3.3 Perubahan Harga Jual LPG 12 Kg......................................... 78 4.3.3.4 Pelaksanaan Rayonisasi dan Alokasi penjualan LPG 3 Kg.. 78 BAB 5 KESIMPULAN DAN SARAN .................................................... 79 5.1Kesimpulan .............................................................................................. 79 5.2 Saran ..................................................................................................... 80 DAFTAR REFERENSI ............................................................................. 81
UNIVERSITAS INDONESIA
x
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
DAFTAR GAMBAR
Gambar 1.1 Perkembangan Penjualan LPG Pertamina ............................ 2 Gambar 1.2 Market Share LPG 12 Kg...................................................... 3 Gambar 1.3 Realisasi Penjualan LPG 12 Kg Jawa Tengah ..................... 3 Gambar 1.4 Perbandingan penjualan produk per kemasan ...................... 5 Gambar 1.5 Diagram keterkaitan masalah ............................................... 6 Gambar 1.6 Metodologi penelitian .......................................................... 10 Gambar. 2.1 Flowchart metode Delphi ..................................................... 14 Gambar 2.2 Integrasi penjelasan ahli dan metode statistik ...................... 15 Gambar 2.3 Uji Durbin-Watson ............................................................... 25 Gambar 3.1 Ilustrasi Perubahan Pertamina .............................................. 34 Gambar 3.2 Strukur Organisasi Unit Gas Domestik ................................ 36 Gambar 3.3 Penjualan LPG 12 Kg............................................................ 42 Gambar 3.4 Persen perubahan penjualan 12 Kg vs harga jual ................. 42 Gambar 3.5 Penjualan LPG 3 Kg PSO ..................................................... 43 Gambar 3.6 Persen perubahan penjualan 3 Kg vs harga jual ................... 44 Gambar 3.7 Penjualan LPG 50 Kg .......................................................... 44 Gambar 3.8 Persen perubahan penjualan LPG 50 Kg vs harga jual ........ 45 Gambar 3.9 Penjualan mitan subsidi ........................................................ 46 Gambar 3.10 Persen perubahan penjualan mitan subsidi & harga jual ...... 46 Gambar 3.11 Penjualan mitan non PSO ..................................................... 47 Gambar 3.12 Persen perubahan penjualan mitan non PSO & harga jual ... 48 Gambar 3.13 Peredaran tabung .................................................................. 48 Gambar 3.14 Persen perubahan peredaran tabung vs harga jual ............... 49 Gambar 3.15 Peredaran tabung LPG 3 Kg ................................................ 49 Gambar 3.16 Persen perubahan peredaran tabung 3 Kg vs harga jual....... 50 Gambar 3.17 Penjualan LPG 6 Kg ............................................................ 51 Gambar 3.18 Persen perubahan penjualan LPG 6 Kg vs harga jual........... 51 Gambar 4.1 Hasil penaksiran model 1 dan model 3 ................................ 64 Gambar 4.2 Estimasi model 1 dan model 3 ............................................. 65 Gambar 4.3 Hasil penaksiran model 1 bulan Jan-Mei 2011 .................... 67 Gambar 4.4 Aktual, fitted dan residual model 1....................................... 68 Gambar 4.5 Perbandingan penjualan LPG 12 Kg Januari dan Februari.... 68 Gambar 4.6 Hasil penaksiran model 2 bulan Jan-Mei 2011 .................... 69 Gambar 4.7 Total penjualan LPG dan LPG-Mitan................................... 71
xi
UNIVERSITAS INDONESIA
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
DAFTAR TABEL
Tabel 3.1
Rata-rata pengeluaran penduduk menurut kelompok pendapatan dan makanan/non makanan .......................................................... 32
Tabel 3.2
Lembaga Penyalur di Jawa Tengah ............................................. 32
Tabel 3.3
Faktor pengaruh penjualan LPG 12 Kg....................................... 39
Tabel 3.4
Faktor pengaruh penjualan LPG 3 Kg......................................... 39
Tabel 4.1
Hasil pengujian kausalitas ........................................................... 54
Tabel 4.2
Hasil penaksiran model 1 ............................................................ 55
Tabel 4.3
Hasil t-Test .................................................................................. 56
Tabel 4.4
Hasil uji multikolinearitas model 1 ............................................. 57
Tabel 4.5
Nilai VIF model 2 penaksiran pertama ....................................... 58
Tabel 4.6
Penaksiran model 2 ..................................................................... 58
Tabel 4.7
Hasil t-Test model 2 .................................................................... 59
Tabel 4.8
Hasil uji multikolinearitas model 2 ............................................. 60
Tabel 4.9
Penaksiran model 3 ..................................................................... 61
Tabel 4.10
Hasil t-Test model 3 ................................................................... 62
Tabel 4.11
Hasil uji multikolinearitas model 3 ............................................. 63
Tabel 4.12
Perbandingan hasil penaksiran model 1 & 3 .............................. 64
Tabel 4.13
Perbandingan hasil prediksi model 1 dan model 3 ..................... 66
Tabel 4.14
Penaksiran model 1 ..................................................................... 67
Tabel 4.15
Penaksiran model 2..................................................................... 69
UNIVERSITAS INDONESIA
xii
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
DAFTAR LAMPIRAN
Lampiran 1 Data mentah variabel penelitian ......................................... Lampiran 2 Pertanyaan ahli faktor pengaruh 3 Kg ............................... Lampiran 3 Pertanyaan ahli faktor pengaruh 12 Kg ............................ Lampiran 4 Uji granger causality.......................................................... Lampiran 5 Perhitungan model 1 .......................................................... Lampiran 6 Perhitungan model 2 .......................................................... Lampiran 7 Perhitungan model 3 ......................................................... Lampiran 8 Perbandingan model 1 dan 3 ............................................. Lampiran 9 Perhitungan model prediksi ...............................................
84 85 90 95 96 100 108 120 121
xiii UNIVERSITAS INDONESIA
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
1
BAB 1 PENDAHULUAN
1.1 Latar Belakang Permasalahan Pertamina memasarkan Liquified Petroleum Gas (LPG) sejak tahun 1968, dengan tujuan utama saat itu adalah untuk memanfaatkan hasil samping produksi Bahan Bakar Minyak (BBM) di Kilang. Perkembangan selanjutnya ditujukan sebagai energi alternatif bagi masyarakat untuk keperluan memasak, dalam kemasan 12 Kg dan 50 Kg. LPG dipasarkan dengan menggunakan merk ELPIJI. Produk ini telah sangat dikenal oleh masyarakat Indonesia, sehingga penyebutan LPG yang dimaksudkan untuk menyebutkan suatu produk (bukan brand) namun biasanya tetap dibaca elpiji. Perkembangan kebijakan negara di sektor Minyak dan Gas, antara lain dengan diterbitkannya UU No. 22 tahun 2001 memberikan pengaruh yang cukup besar pada orientasi bisnis Pertamina. Sebagaimana dijelaskan Rehnald Kasali (2008) bahwa dengan UU Migas baru maka strata ekonomi dan politik nasional menuju pasar migas terbuka. Sejalan dengan kebijakan pemerintah tersebut, Pertamina melakukan perubahan badan hukum menjadi berbentuk Perseroan Terbatas. Peran Pertamina yang sebelum tahun 2001 sebagai regulator, berubah menjadi lebih fokus pada tujuan mencari keuntungan untuk dapat memberikan deviden pada negara sesuai target yang ditetapkan pemeritah. Namun demikian, disamping menjalankan usaha untuk mencari keuntungan, Pertamina sebagai perusahaan milik negara juga memiliki tanggung jawab moral untuk menjalankan program-program pemerintah terkait Minyak dan Gas (Migas) serta tetap bertanggung jawab memenuhi kebutuhan masyarakat (konsumen). Sebagaimana orientasi Korporat Pertamina, yaitu mencari keuntungan sesuai yang ditargetkan, Unit bisnis LPG pada dasarnya memiliki orientasi bisnis yang sama dengan tetap menjalankan penugasan pemerintah untuk memasarkan LPG tertentu dan menjamin pasokan ke masyarakat terpenuhi. Peran Pertamina tersebut menjadi sangat penting mengingat pemasaran produk LPG di Indonesia, sampai saat ini masih didominasi oleh Produk LPG UNIVERSITAS INDONESIA
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
2
Pertamina. Sebagaimana penjelasan Komite Pengawasan Persaingan Usaha (KPPU, n.d) mengenai bisnis LPG di Indonesia menyatakan bahwa “Fakta memperlihatkan Pertamina hampir memonopoli pasar LPG di Indonesia”. Bukannya tidak ada pesaing, namun pesaing Pertamina dalam bisnis ini masih sangat kecil, dengan market share pada tahun 2008 kurang dari 1 % dari total penjualan LPG (Putriani, 2008). Bisnis LPG merupakan unit penting bagi Pertamina dengan perkembangan penjualan dari tahun ke tahun selalu meningkat, terutama dalam kurun waktu lima tahun terakhir, volume penjualan LPG Pertamina secara total mengalami peningkatan hingga mencapai 340% persen.
Penjualan elpiji 4,000,000 3,000,000 2,000,000
MT 1,000,000 2006
2007
2008
2009
2010
Gambar 1.1 Perkembangan penjualan LPG Pertamina Produk LPG Pertamina terdiri dari dua jenis yaitu LPG PSO (Public Service Obligation-penugasan pemerintah) dan LPG Non PSO (bukan penugasan pemerintah). LPG Non PSO merupakan bisnis murni Pertamina (bukan penugasan pemerintah), dimana untuk produk dalam kemasan terdiri dari beberapa jenis yaitu LPG kemasan 6 Kg, 12 Kg dan 50 Kg. Diantara produk LPG Non PSO, produk kemasan 12 Kg merupakan produk utama karena memiliki market share tertinggi (gambar 1.2). Secara nasional untuk tahun 2006, sebelum pemasaran LPG 3 Kg PSO, market share LPG 12 Kg adalah 71% dari total pemasaran LPG. Tahun 2010, market share LPG 12 Kg turun menjadi 23% dari total produk PSO dan Non PSO, namun masih dominan diantara LPG Non PSO dengan market share 81%.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
3
Market Share 2006
Market Share 2010
LPG 3 KG 23%
LPG 12 KG
71 %
LPG 12 KG
LPG 50 KG
LPG 50 KG
LPG BULK
LPG BULK LPG BRAND LAIN
Gambar 1.2 Market share LPG 12 Kg Berbeda dengan peningkatan volume penjualan total, LPG 12 Kg mengalami penurunan volume terutama sejak pertengahan tahun 2008, seperti dapat dilihat pada gambar 1.3. Di wilayah Provinsi Jawa Tengah, yang termasuk provinsi yang paling awal menyelesaikan program konversi Minyak Tanah (Mitan) ke LPG, volume penjualan LPG 12 Kg dari tahun 2008 ke tahun 2010 mengalami penurunan mencapai angka 30%.
Penjualan 12 Kg Jawa Tengah
12,000,000 10,000,000 8,000,000 6,000,000 4,000,000 2,000,000 -
2005
2006
2007
2008
2009
2010
Gambar 1.3 Realisasi penjualan LPG 12 Kg Jawa Tengah Kondisi berbeda diperlihatkan oleh produk LPG 3 Kg yang mulai dipasarkan seiring implementasi kebijakan pemerintah tentang pelaksanaan program konversi Mitan ke LPG 3 Kg. LPG 3 Kg yang dipasarkan adalah merupakan LPG yang disubsidi pemerintah. Untuk pelaksanaan program ini, pemerintah Indonesia menunjuk Pertamina sebagai pelaksana program konversi dan memasarkan LPG kemasan 3 Kg. Sesuai dengan tujuan program untuk
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
4
mengkonversi pengguna Mitan Subsidi menjadi LPG 3 Kg, maka dalam pelaksanaannya Pemerintah melalui Pertamina memberikan Paket Kompor dan Tabung secara gratis bagi masyarakat dan usaha kecil pengguna Mitan Subsidi. Peralihan penggunaan bahan bakar tersebut, tidak dilakukan dengan paksaan namun Pemerintah memberikan kemudahan bagi masyarakat pengguna Mitan untuk menggunakan LPG 3 Kg melalui pembagian paket konversi gratis. Pada saatnya, Mitan Subsidi akan dihapuskan pada daerah tersebut sehingga harga jualnya sesuai dengan harga keekonomian. Demikian juga sebaliknya, tidak ada larangan yang bersifat resmi mengenai pemakai LPG 3 Kg dari kalangan yang bukan penerima paket konversi tersebut. Artinya LPG kemasan 3 Kg berpotensi digunakan bukan hanya oleh konsumen penerima paket konversi yang sebelumnya merupakan pengguna Mitan, tetapi juga termasuk pengguna LPG 12 Kg. Realisasi penjualan LPG 3 Kg sejak mulai dipasarkan pada tahun 2007 sampai dengan 2010 selalu mengalami kenaikan. Di Propinsi Jawa Tengah realisasi penjualan LPG 3 Kg pada tahun 2010 mencapai 410.000 MT dan memiliki market share dari total produk LPG mencapai
80 %. Peningkatan
volume penjualan LPG 3 Kg tersebut, saat ini memberikan pengaruh yang baik dari sisi keuntungan perusahaan. Namun produk LPG 3 Kg yang dipasarkan Pertamina adalah bersifat penugasan Pemerintah yang berlaku selama 1 tahun untuk kemudian ditinjau kembali, sehingga tidak ada kepastian bagi Pertamina akan ditunjuk dengan wilayah atau volume yang sama atau bahkan kebijakan subsidi dapat dicabut sewaktu-waktu termasuk juga penunjukan pemasaran tidak kepada Pertamina. Kondisi ini perlu dipertimbangkan karena pasar LPG di Indonesia masih didominasi oleh Pertamina, perubahan satu produk dalam satu kemasan akan mempengaruhi perubahan produk dalam kemasan lainnya. Konsumen dapat bersubsitusi antara kemasan LPG tanpa mengalami proses yang rumit meskipun kemasannya berbeda (KPPU, n.d). Pemasaran LPG 3 Kg yang muncul seiring dengan pelaksanaan program konversi Mitan ke LPG 3 Kg, dengan pelaksanaan program tersebut, memberikan dampak pada terjadinya perubahan pada strategi bisnis dan kebijakan perusahaan baik sebagai penunjang program ataupun sebagai
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
5
konsekuensi dalam pelaksanaan program, serta dapat juga sebagai pelaksaan kebijakan/keputusan Pemerintah. Perubahan kebijakan tersebut adalah : a. Perbedaan harga LPG PSO dan Non PSO per Kg melalui kenaikan harga LPG kemasan 12 Kg, yang dimulai pada tanggal 1 Juli 2008. b. Dibedakannya Produk Komoditi LPG menjadi dua jenis yaitu LPG Subsidi (PSO) dan LPG Non Subsidi (NPSO). c. Penghapusan pemasaran Mitan Subsidi (di Propinsi Jawa Tengah, dimulai sejak Pebruari 2010). d. Pemberlakuan sistem alokasi dan rayonisasi penjualan LPG 3 Kg (di Propinsi Jawa Tengah dilaksanakan mulai pada bulan Juni 2010). Dengan mengevaluasi penjualan LPG per kemasan sejak pelaksanaan konversi pada tahun 2007 hingga bulan Desember 2010 terdapat perbedaan pergerakan yang cukup signifikan antar produk, dimana LPG 3 Kg Non PSO selalu mengalami peningkatan sedangan LPG 12 Kg PSO mengalami penurunan dan LPG PSO kemasan lain relatif konstan.
600000
500000 400000 300000 200000 100000 0 2006 3 Kg
2007 6 Kg
2008 12 Kg
2009
2010 50 Kg
Gambar 1.4 Perbandingan penjualan produk per kemasan Dengan adanya permasalahan tersebut diatas, dimana terjadi penurunan penjualan LPG 12 Kg Non PSO dan peningkatan LPG 3 Kg PSO, maka menjadi penting untuk mengetahui faktor-faktor yang mempengaruhinya dihubungkan dengan perubahan kebijakan pada pemasaran LPG terkait program konversi Mitan
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
6
dan pertimbangan posisi Pertamina yang dominan dimana perubahan satu produk dapat mempengaruhi produk yang lainnya. 1.2 Diagram Keterkaitan Masalah Penggambaran permasalahan-permasalahan yang memberikan penjelasan perlunya penulisan tesis ini adalah sebagai berikut :
Gambar 1.5 Diagram keterkaitan masalah
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
7
1.3 Perumusan Permasalahan Berdasarkan permasalahan tersebut diatas, maka permasalahan dalam penelitian ini adalah perlunya mengetahui faktor-faktor yang mempengaruhi penurunan penjualan LPG 12 Kg Non PSO dan peningkatan penjualan LPG 3 Kg PSO yang dihubungkan dengan kebijakan pemasaran terkait program konversi Mitan ke LPG 3 Kg. 1.4 Tujuan Penelitian : 1. Mengetahui faktor-faktor yang mempengaruhi penjualan LPG 12 Kg Non PSO dan 3 Kg PSO dan hubungannya dengan kebijakan pemasaran terkait program konversi Mitan ke LPG 3 Kg. 2. Membuat rancangan model penjualan LPG 12 Kg Non PSO dan 3 Kg PSO berdasarkan pergerakan faktor yang mempengaruhinya tersebut. 1.5 Ruang Lingkup Permasalahan Batasan masalah dalam penelitian kami adalah : a. Penelitian dilakukan untuk wilayah pemasaran LPG di Propinsi Jawa Tengah. b. Data realisasi penjualan LPG adalah jumlah LPG yang ditebus (dibeli) oleh Agen ke Pertamina, yang terdapat pada sistem Pertamina dihitung mulai penyaluran Stasiun Pengisian ke Agen. c. Data realisasi peredaran tabung LPG adalah total jumlah kumulatif tabung yang dibeli oleh Agen dari Pertamina, yang terdapat pada sistem Pertamina. d. Faktor pengaruh yang diteliti didapat berdasarkan opini dan pendapat ahli meliputi faktor-faktor dapat dikendalikan oleh Pertamina.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
8
1.6 Metodologi Penelitian Penelitian yang dilakukan adalah sebagai berikut : a. Pemilihan topik penelitian Penulis menentukan topik penelitian bersama-sama dengan pembimbing tesis dengan berdasarkan pada latar belakang pekerjaan penulis. Topik penelitian adalah menganalisis faktor yang mempengaruhi penjualan LPG 12 Kg Non PSO dan LPG 3 Kg PSO yang dihubungkan terhadap kebijakan-kebijakan terkait konversi Minyak Tanah ke LPG 3 Kg, dengan menggunakan pendekatan metode statistik dan ekonometrika. b. Pemahaman dasar teori Penulis menyusun dasar teori penelitian meliputi teori tentang wawancara dan penjelasan ahli, pertimbangan teori ekonomi dan pendekatan metode statistik dari berbagai sumber (buku, jurnal, artikel, penelitian terdahulu dan lain-lain). c. Pengumpulan data Pada penelitian ini dibutuhkan data-data sekunder yang didapat dari sistem MySAP Pertamina, yang merupakan data bulanan dari bulan September tahun 2007 sampai Desember 2010, yang meliputi :
•
Data penjualan LPG 12 Kg.
•
Data penjualan LPG 3 Kg.
•
Data penjualan LPG 50 Kg.
•
Data penjualan mitan subsidi dan non subsidi.
•
Data penjualan tabung LPG 12 Kg.
•
Data penjualan tabung LPG 3 Kg.
Juga termasuk data-data mengenai waktu pengambilan kebijakan terkait program konversi Minyak Tanah ke LPG 3 Kg. d. Pengolahan data dan analisa Berdasarkan data-data yang dikumpulkan, penulis melakukan pengolahan data untuk mendapatkan hasil model hubungan penjualan LPG 12 Kg dan
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
9
3 Kg yang dapat dianalisis, dengan tahapan secara deskriptif sebagai berikut : a) Membuat model dasar faktor-faktor yang mempengaruhi penjualan LPG 12 Kg Non PSO dan Penjualan LPG 3 Kg PSO. b) Melakukan Uji hubungan timbal balik antara penjualan LPG 3 Kg PSO dan penjualan LPG 12 Kg Non PSO. c) Menghitung penaksiran persamaan dengan regresi simultan dengan metode OLS. d) Melakukan Uji Asumsi Klasik, jika data tidak mengikuti asumsi klasik maka dilakukan perbaikan. e) Jika data sudah sesuai dengan asumsi klasik maka hasil penaksiran dapat dianalisis. f) Mengalisis hasil penaksiran dan membuat model hubungan faktor pengaruh penjualan LPG 12 Kg dan 3 Kg. e. Penarikan kesimpulan Dalam bagian ini penulis akan memberikan penjelasan dari interpretasi hasil penaksiran dan memberikan kesimpulan dan saran sesuai tujuan penelitian.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
10
Kerangka berpikir dalam penelitian ini sebagai berikut :
Mulai
Menetukan topik penelitian
Menetukan dan mempelajari dasar teori yang dibutuhkan
Dasar teori pengetahuan produk, metode kualitatif, ekonometrika dan statistik
Membuat persamaan awal
Data sekunder : sistem MySAP Pertamina
Literatur penunjang: jurnal, artikel, skripsi, tesis, disertasi
Brainstorming, Interview dan penjelasan ahli
Mengumpulkan data
Uji hubungan timbal balik
Model Regresi Simultan (timbal balik)
Tidak
Regresi Simultan Model Recursive
Persamaan Identitas
Metode OLS Substitusi persamaan 2 ke 1
Metode OLS Persamaan 1 dan 2
Tidak Lolos
Uji Asumsi Klasik
Ya
Over Identified
Just Identified
Two Stage Least square
Indirect Least Square
Perbaikan
Lolos
Hasil analisis
OLS Persamaan 2 (tbg 3 Kg)
OLS Persamaan 1 (tbg 12 Kg)
OLS Substitusi Pers. 1 (tbg 12 Kg)
Perbandingan Fitted Value dan Prediksi
Analisis
Kesimpulan
Selesai
Gambar 1.6 Metodologi penelitian
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
11
1.7 Sistematika Penulisan Penelitian ini disusun dalam urutan penulisan dibagi menjadi 5 bagian yaitu Pendahuluan, Tinjauan Pustaka, Metodologi, Pengolahan Data dan Analisa dan Kesimpulan. Bab 1 Pendahuluan, menjelaskan secara singkat sebagian besar isi tesis, yaitu latar belakang penulisan, tujuan yang ingin dicapai dan metodologi yang digunakan. Bab 2 Landasan Teori mendeskripsikan mengenai teori dan metode yang digunakan untuk mendapatkan penjelasan ahli dan metode yang terkait statistik regresi berganda dan regresi simultan. Selanjutnya di Bab 3 Metodologi menjelaskan posisi perusahaan Pertamina dan produknya, tahapan-tahapan yang dilakukan untuk mendapatkan penjelasan ahli Pertamina, data-data yang diperlukan dan cara pengambilan datanya. Bab 4 mengenai Pengolahan dan Analisis data menjabarkan tentang cara pengolahan data dengan teknik statistik regresi berganda dan pengujian-pengujian terkait yang dibutuhkan, menganalisi hasil penaksiran dari persamaan regresi. Bab 5 Kesimpulan merupakan bab penutup yang menjelaskan hasil penelitian, saran-saran untuk penelitian selanjutnya.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
12
BAB 2 TINJAUAN PUSTAKA
2.1
Tinjauan Produk Pertamina Penelitian ini berkaitan dengan produk Pertamina, LPG dan Mitan. Kedua
produk ini terutama digunakan oleh rumah tangga dan usaha untuk keperluan memasak. Produk LPG Pertamina dibagi menjadi dua jenis yaitu LPG PSO dan LPG Non PSO. LPG PSO adalah produk LPG yang pemasarannya merupakan penugasan dan harga jualnya ditentukan dan disubsidi oleh Pemerintah. Saat ini, Pertamina merupakan satu-satunya perusahaan yang ditunjuk oleh Pemerintah untuk memasarkan LPG PSO. Sedangkan LPG Non PSO adalah LPG yang merupakan bisnis murni Pertamina, dimana penjualannya bukan merupakan penugasan pemerintah. Walaupun produk Non PSO merupakan bisnis Pertamina, namun karena Pertamina merupakan Perusahaan Negara (BUMN), dalam aplikasi pemasarannya memiliki tanggung jawab moral untuk menjaga suplai dan memenuhi kebutuhan konsumen. Mengenai kebijakan penetapan harga jual, Pertamina belum memiliki keleluasaan penuh karena mengikuti persetujuan pemegang saham yang merupakan wakil pemerintah. Sehingga harga LPG Non PSO dalam kemasan terkadang masih dibawah harga keekonomian. Pada sisi market share produk LPG, Pertamina masih sangat mendominasi pasar dan dalam kondisi hampir memonopoli bisnis LPG, pesaing yang ada memiliki market share sekitar 1 % dari total penjualan LPG (Putriani, 2008). Sedangkan untuk karakter produknya, sebagaimana penjelasan KPPU, bahwa konsumen pada bisnis LPG dengan mudah untuk beralih dan bersubsitusi antar kemasan produk LPG yaitu 3 Kg, 12 Kg dan 50 Kg. Sama halnya dengan bisnis LPG, Produk Mitan terbagi menjadi dua yaitu Mitan PSO dan Non PSO. Mitan PSO merupakan produk Mitan yang harganya disubsidi oleh Pemerintah. Kebijakan mengenai harga jual ditentukan Pemerintah dan pemasarannya hanya dilakukan oleh Pertamina. Dengan selesainya program konversi di Jawa Tengah, sejak Februari 2010 di Propinsi Jawa Tengah sudah tidak dipasarkan lagi Mitan PSO. Sedangkan Mitan Non PSO adalah produk Mitan yang sama dengan PSO namun harga jualnya tidak disubsidi dan
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011 UNIVERSITAS INDONESIA
13
merupakan bisnis murni Pertamina. Pada penelitian ini yang dimaksud Mitan Non PSO adalah Mitan harga keekonomian yang dipasarkan oleh Agen Mitan Industri. Produk Mitan Non PSO ini muncul sebagai produk pengganti Mitan PSO yang telah dihapuskan. Harga jual Mitan Non PSO mengikuti harga keekonomian sehingga bersifat fluktuatif. Pada bisnis Mitan yang sebagian besar di konsumsi rumah tangga dan usaha ini pun, Pertamina juga belum memiliki pesaing. Dengan kondisi dimana Pertamina menguasai pemasaran LPG dan Mitan maka perubahan konsumen pada salah satu produk tersebut akan mempengaruhi penjualan produk yang lainnya, dengan asumsi bahwa yang digunakan adalah produk komersil (bukan bahan bakar yang dapat diusahakan sendiri misalnya Kayu Bakar). 2.2 Teori Mengenai Penjelasan Ahli Dalam Penelitian. Penjelasan ahli (Experts Judgement) digunakan untuk memperkuat penelitan, terutama pada penelitian tentang marketing decision dan prediksi. Salah satu metode yang digunakan untuk mendapatkan penjelasan ahli dalam suatu penelitian adalah Metode Delphi. Metode delphi bertujuan untuk mengumpulkan data, dan pemikiran yang merupakan perkiraan-perkiraan, dengan menggunakan proses yang sistematis dan efektif, dengan cara memanfaatkan perkiraan-perkiraan yang
merupakan
pendapat
subjektif
dari
sekelompok
orang
berpengalaman/terampil dan berpengetahuan dibidangnya (Hermawati, Ishelina, Dolant, Sayim., 2010). Dalam penelitian ini, yang mengadopsi metode delphi dalam penjelasan ahli, tujuan penggunaannya adalah untuk mendapatkan konsensus dari ahli Pertamina yang terkait dengan pemasaran LPG di Jawa Tengah yaitu mengenai faktor yang berhubungan dan mempengaruhi penjualan LPG. Konsensus tersebut selanjutnya digunakan sebagai input dalam melakukan analisis menggunakan metode statistik. Delphi merupakan teknik penjaringan pendapat yang dikembangkan oleh RAND tahun 1950-an untuk menangkap beragam pertimbangan dari para ahli. Rowe and Wright (1999) menjelaskan teknik Delphi melibatkan 5 – 20 ahli dan dilakukan dalam dua atau tiga babak. Ahli yang dipilih memiliki pengetahuan tentang permasalahan yang diteliti dan memiliki perbedaan ilmu atau bagian pekerjaan. Babak awal pada metode delphi yaitu pertanyaan tidak terstruktur,
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
14
misalnya pertanyaan terbuka dan diskusi. Pada babak selanjutnya peneliti mengkonsolidasikan faktor yang teridentifikasi untuk disusun menjadi pertanyaan terstruktur. Pada setiap babak, peneliti melakukan evaluasi dan menyajikannya dilengkapi informasi statistik. Proses berlanjut sampai respon dari ahli terpilih menunjukkan kestabilan (Rowe and Wright, 1999). Flowchart prosedur delphi sebagai berikut (Riggs, 1981): A Flowchart of the Typical Delphi Process START
Problem definition Determine expertise required
Select experts (sample size)
Prepare questionnaire
Distribute questionnaire Analyze questionnaire responces
yes
Has consensus been reached? no
Provide requested information and tabulate responses
Prepare the next questionnaire
Compile final responses and disseminate results (final report)
Gambar. 2.1 Flowchart metode Delphi Pendapat ahli digunakan terkait dengan tujuan mendapatkan model awal hubungan antar variable. Untuk proses selanjutnya, penaksiran dan analisis menggunakan metode statistik, yaitu dengan menggunakan regresi. Penggunaan penjelasan
ahli
dalam
penelitian
statistik,
seperti
forecasting,
yang
dikombinasikan dengan metode statistik disebut sebagai pendekatan integrasi, dimana hal ini dapat memberikan pengaruh yang substansial terhadap keakurasian hasil penelitian (Armstrong & Callopy, 1998). Selain Armstrong & Collopy (1998), peneliti Green & Armstrong (2007) juga menyarankan untuk mengintegrasikan antara metode statistik dengan metode judgement, yang merupakan penjelasan dari para ahli yang berpengalaman tentang subyek yang
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
15
akan diamati. Skema pengintegrasian penjelasan ahli dengan metode statistik adalah sebagai berikut : DOMAIN KNOWLEDGE
EXPERT JUDGEMENT (Interview & Metode Delphi)
Data Time Series dan Informasi Keterkaitan antar Variabel
Metode Regresi
RESULT
Sumber: Armstrong and Collopy (1998), telah diolah kembali
Gambar 2.2 Integrasi penjelasan ahli dan metode statistik Pengetahuan dari ahli didapatkan dengan pendekatan yang terstruktur sehingga lebih efektif dibandingkan dengan penjelasan yang tidak terstruktur. Rowe dan Wright (1999) membuktikan kelebihan Metode Delphi dibandingkan dengan Unaided Judgement dalam akurasi peramalan. Hasil dari mendapatkan penjelasan yang terstruktur tersebut memberikan persamaan hubungan data yang diperlukan. Selanjutnya digunakan sebagai input dalam melakukan analisis lanjutan
menggunakan
metode
statistik.
Armstrong &
Callopy (1998)
menyebutkan metode yang mengintegrasikan penjelasan ahli dengan metode statistik sebagai bentuk econometric model, dimana penjelasan ahli digunakan sebagai input untuk mengidentifikasi model dan regresi digunakan untuk
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
16
mendapatkan estimasi nilai koefisien dari model tersebut. Selain itu, mengenai bentuk model integrasi metode kualitatif dan kuantitatif ini, Brennan (1992) menyebutkan model penelitian yang menggunakan integrasi, dapat berbentuk metode penelitian kualitatif yang digunakan untuk memfasilitasi penelitian kuantitatif. 2.3 Analisis Multivariat
“Secara umum, statistik adalah suatu metode ilmiah dalam mengumpulkan, mengklasifikasi, meringkas, menyajikan, menginterpretasikan dan menganalisis data guna mendukung pengambilan kesimpulan yang valid dan berguna sehingga dapat menjadi dasar pengambilan keputusan yang masuk akal” (Harinaldi, 2005, p. 2). Analisis multivariat merupakan teknik analisis statistik yang mengolah beberapa pengukuran individu atau objek dalam penelitian secara simultan (Hair, Black, Babin & Anderson, 2010). Merupakan salah satu teknik perhitungan statistik yang cukup populer dalam penggunaannya, karena dapat membantu perusahaan untuk mendapatkan pengetahuan sehingga dapat meningkatkan hasil pengambilan keputusan (Hair, Black, Babin & Anderson, 2010). Analisis statistik dapat digolongkan berdasarkan hubungan antarvariabel, yaitu metode dependen dan metode interdependen. Metode dependen merupakan uji statistik untuk menganalisis dua kelompok variabel (variabel dependen dan variabel
penjelas)
dengan
tujuan
menentukan
apakah
variabel
bebas
mempengaruhi variabel terikat secara individual dan atau bersamaan. Sedangkan metode interdependen merupakan uji statistik dimana variabel tidak dapat dibagi menjadi dua kelompok data (dependen dan penjelas), “sehingga tujuan analisis adalah untuk mengidentifikasi bagaimana dan mengapa variabel tersebut saling berkaitan satu sama lainnya” (Ghozali, 2001, p. 5-6). Metode dependen yang pada persamaannya terdiri dari satu varibel dependen dan lebih dari satu variabel penjelas/independen disebut regresi berganda. Secara umum, baik varaibel independen ataupun variabel penjelas menggunakan data-data yang bersifat kuantitatif (metric). Data-data yang bersifat kualitatif dapat digunakan sebagai variabel dummy. Selain diklasifikasikan sebagai data kualitatif dan kuantitatif, data dalam analisis regresi dapat dibedakan menjadi tiga (Ghozali, 2009):
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
17
a. Data runtut waktu (time series) Data berdasarkan observasi yang dilakukan pada waktu yang berbeda. Data dapat dikumpulkan secara regular berdasarkan harian, mingguan, bulanan, dan seterusnya. Masalah yang muncul pada data jenis ini biasanya adalah stationer, sehingga hampir sebagian besar studi empiris mengasumsikan data runtut waktu bersifat stationer. b. Data antar waktu (cross section) Data yang dikumpulkan pada satu waktu tertentu. Seperti halnya data runtut waktu, data antar waktu juga memiliki permasalahan pada heteroginitas, yang jika dimasukkan dalam analisis statistik maka harus memperhitungkan pengaruh skala atau ukuran. c. Data pooled data (gabungan time series dan croess section) Merupakan data gabungan dua elemen yaitu runtut waktu dan antar waktu. 2.3.1 Analisis Regresi Berganda
Analisis
regresi
lebih
mengarah
kepada
penelitian
mengenai
ketergantungan satu variabel dependen terhadap satu atau lebih variabel penjelas, dengan tujuan untuk mengestimasi dan/atau memperkirakan nilai rata-rata populasi variabel dependen dari nilai yang diketahui atau nilai tetap variabel penjelas (Gujarati & Porter, 2009). Jika variabel penjelas hanya satu maka disebut sebagai regresi sederhana sedangkan untuk variabel penjelas lebih dari satu disebut regresi berganda (Harinaldi, 2005). Persamaan umum regresi adalah : 1. Regresi Linear Sederhana (Lind, Marchal & Wathen, 2008 p. 75):
Ŷ = a + bX
(2.1)
Dimana :
Ŷ adalah nilai variabel Y yang diperkirakan untuk sebuah nilai X tertentu. a adalah titik potong sumbu Y. Dengan kata lain a adalah nilai Y yang diperkirakan di mana garis regresinya memotong sumbu Y ketika X bernilai nol.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
18
b adalah kemiringan garis, atau perubahan rata-rata di dalam Ŷ untuk setiap perubahan sebesar saru unit (menaik atau menurun) dalam variabel bebas X. X adalah semua nilai dalam variabel bebas yang dipilih. 2. Regresi Linear Berganda (Lind, Marchal & Wathen, 2008 p. 120): (2.2)
Ŷ = a + b1X1 + b2X2 + b3X3 + ... + bkXk
a adalah nilai titik potong sumbu Y, yaitu nilai dari Y ketika semua Xnya adalah nol. bj adalah jumlah perubahan Y ketika nilai Xj tertentu bertambah satu, dan nilai dari variabel bebas lainnya dijaga konstan. Huruf j hanya sebagai label untuk membantu, biasa ditulis dengan bilangan bulat dari 1 sampai k. Dalam penaksiran statistik, pada persamaan (2.1) dan (2.2) ditambahkan dengan variabel e yang disebut Faktor Residu atau Residu, yang menyatakan selisih antara nilai Y yang sebenarnya dengan nilai taksirannya (Gujarati, 2006). Faktor Residu menjelaskan pengaruh faktor-faktor lain yang tidak termasuk dalam persamaan regresi. Gujarati (2006 p. 125) menjelaskan “dalam suatu regresi berganda
pun
kita memasukkan faktor kesalahan
karena
tidak dapat
mempertimbangkan semua faktor yang mungkin mempengaruhi variabel tak bebas”. Dengan kata lain, jika dalam suatu persamaan tidak termasuk suatu faktor yang dapat menjelaskan persamaan tersebut maka pengaruh faktor tersebut dapat dijelaskan melalui faktor kesalahan. Analisis regresi digunakan secara luas pada berbagai bidang ilmu. Pada analisis regresi yang melibatkan cabang ilmu ekonometrika, analisis regresi ada yang menggunakan teori ekonomi untuk penyusun persamaan dan ada persamaannya tidak berdasarkan teori (hukum) ekonomi. Analisis regresi yang bertujuan mencari hubungan sebab akibat harus berdasarkan teori ekonomi, sedangkan untuk tujuan selain itu tidak disyaratkan teori ekonomi untuk membuat model awal. Lebih lanjut dijelaskan Gujarati (2006), dalam analisis regresi perlu dipahami bahwa berkenaan dengan hubungan antara satu variabel dependen dengan satu atau lebih variabel tak bebas, keterkaitan hubungannya tersebut tidak
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
19
selalu mensyaratkan adanya hubungan sebab akibat karena jika merupakan hubungan sebab akibat maka akan berdasarkan pada suatu teori (ekonomi). Selanjutnya Gujarati (2006 p. 116), menjelaskan bahwa analisis regresi bisa memiliki salah satu dari beberapa tujuan dibawah ini : 1. Untuk menaksir nilai rata-rata dari variabel tak bebas (dependen), berdasarkan nilai-nilai variabel bebas yang ada. 2. Untuk menguji hipotesis tentang sifat ketergantungan antarvariabel. Hipotesis ini berdasarkan teori ekonomi. 3. Untuk memprediksi, atau meramalkan, nilai rata-rata dari varibel tak bebas berdasarkan nilai variabel bebas yang berada diluar rentang sampel. 4. Satu atau lebih gabungan tujuan diatas. Selain tujuan tersebut diatas, tujuan analisis regresi dapat juga untuk mengukur kekuatan hubungan antara dua variabel atau lebih, juga menunjukkan arah hubungan antara variabel dependen dengan variabel independen/penjelas (Ghozali, 2001). Terkadang analisis regresi disebut dengan analisis regresi bersyarat karena mengkaji perilaku variabel tak bebas dengan syarat adanya nilai variabel bebas yang tertentu. Penjelasan mengenai analisis regresi bersyarat disampaikan Gujarati, (2006 p. 118) : “Fakta bahwa analisis kita mempunyai syarat berupa nilai X bukan berarti bahwa X menyebabkan Y. Kita hanya ingin mengetahui perilaku Y sehubungan dengan variabel X yang menjadi perhatian kita dalam analisis”. Sehingga sebagaimana telah dijelaskan pada penjelasan diatas, pada dasarnya tujuan analisis regresi sesuai dengan maksud peneliti. Jika untuk mengkaji hubungan sebab akibat maka diperlukan teori ekonomi dalam menentukan model dan variabel penjelasnya (Gujarati, 2006), untuk memprediksi atau meramalkan nilai dimasa mendatang dapat berdasarkan perhitungan statistik dan ataupun pendapat ahli (Armstrong, J.S, & Callopy, F., 1998), dan untuk menaksir nilai rata-rata dari variabel tak bebas (dependen) cukup diperlukan nilainilai variabel bebas yang tidak tergantung suatu teori ekonomi tertentu (Gujarati, 2006).
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
20
2.3.2 Menilai Goodness of Fit Suatu Model Regresi
Hasil estimasi pada suatu fungsi regresi perlu dilakukan pengujian untuk menilai kualitas hasil estimasi tersebut. Goodness of fit istilah pengukuran ketepatan suatu fungsi regresi sampel dalam menaksir nilai aktual (Ghozali, 2009). Goodness of fit secara statistik dapat diukur melalui nilai koefisien determinasi, nilai Statistik F dan nilai statistik t, yaitu sebagai berikut : 1. Nilai Koefisien Determinasi (R2) Koefesien determinasi menyatakan proporsi atau persentase dari total variasi variabel tak bebas Y yang dapat dijelaskan oleh sebuah atau lebih variabel penjelas secara bersama-sama (Gujarati, 2006). Memiliki nilai antara 0 dan 1, semakin mendekati 1 berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2009). Karena terdapat kelemahan mendasar pada koefisien determinasi yang bias terhadap jumlah variabel independen maka banyak peneliti menganjurkan agar menggunakan nilai adjusted-R2 (Ghozali, 2009). Adjusted-R2 adalah mengukur kecocokan-suai yang disesuaikan terhadap jumlah variabel penjelas dalam model (Gujarati, 2006). 2. Nilai Statistik F Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama atau simultan terhadap variabel dependen (Ghozali, 2009 p. 16). Untuk menguji statistik F digunakan distribusi F dan ditentukan tingkat signifikansi (misal 0,05), sebelumnya ditetapkan hipotesis nol yang menyatakan bahwa semua koefisien regresi berganda adalah nol, maka dalam perhitungannya nilai F hitung akan dibandingkan dengan F-tabel yang menggambarkan daerah penerimaan pada distribusi F. Jika nilai F hitung lebih besar dari F-tabel atau masuk dalam daerah penolakan maka
hipotesis
nol
harus
ditolak
yang
berarti
variabel
penjelas/independen sesungguhnya mampu menjelaskan variasi dalam variabel dependen (Lind, Marchal, & Wathen, 2008).
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
Demikian
21
kondisi sebaliknya, jika nilai F yang dihitung lebih kecil dari pada Ftabel atau masuk dalam daerah dimana H0 tidak ditolak maka hipotesis nol tidak ditolak yang berarti semua variabel penjelas tidak dapat menjelaskan variabel dependen (Lind, Marchal, & Wathen, 2008). Selain dengan cara tersebut, pengujian hipotesis dapat juga dilakukan dengan konsep p-value yang lebih mudah untuk dilakukan, yaitu membandingkan tingkat signifikansi (α) dengan nilai p-value. Jika nilai p-value kurang dari α maka Hipotesis nol ditolak, artinya variabel penjelas/independen sesungguhnya mampu menjelaskan variasi dalam variabel dependen, demikian sebaliknya (Ajija, Sari, Setianto, & Primanti, 2011). 3. Nilai Statistik t Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen/penjelas terhadap variabel dependen dengan menganggap variabel independen lainnya konstan (Ghozali, 2009). Pengujian ini melibatkan koefisien regresi b1,b2, ...bk (persamaan 2.2) yang disebut juga sebagai koefisien regresi parsial atau koefisien kemiringan parsial, artinya adalah mengukur perubahan nilai rata-rata variabel dependen Y, untuk tiap unit perubahan dalam satu variabel penjelas X, sementara nilai variabel penjelas lainnya dipertahankan konstan (Gujarati, 2006). Uji t menggunakan distribusi t dan dilakukan dengan membandingkan nilai t hitung (hasil uji) dengan t-tabel yang menggambarkan daerah penerimaan pada distribusi t dengan terlebih dahulu menentukan tingkat signifikansi (misal α = 0,05) (Ajija, Sari, Setianto, & Primanti, 2011). Sebelumnya ditetapkan hipotesis nol yang menyatakan bahwa masing-masing variabel bebas adalah nol, jika dalam perhitungan nilai t hitung akan dibandingkan dengan t-tabel yang menggambarkan daerah tidak ditolak dan daerah penolakan pada distribusi t. Jika nilai t hitung lebih besar dari t-tabel atau masuk dalam daerah penolakan maka hipotesis nol harus ditolak yang berarti suatu koefisien regresi parsial yang diuji sesungguhnya mampu menjelaskan variasi
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
22
dalam variabel dependen, dengan demikian dalam hasil analisis variabel ini tidak dapat diabaikan (Lind, Marchal, & Wathen, 2008). Demikian kondisi sebaliknya, jika nilai t yang dihitung lebih kecil dari pada ttabel atau masuk dalam daerah dimana H0 tidak ditolak maka hipotesis nol tidak ditolak yang berarti koefisien regresi parsial tersebut sama dengan nol sehingga variabel ini dapat diabaikan pada hasil perhitungan (Lind, Marchal, & Wathen, 2008). Sama hal nya dengan Uji F, pengujian hipotesis pada uji t dapat dilakukan dengan konsep p-value yang lebih mudah untuk dilakukan, yaitu membandingkan tingkat signifikansi (α) dengan nilai p-value. Jika nilai p-value kurang dari α maka Hipotesis nol ditolak, artinya variabel penjelas/independen sesungguhnya mampu menjelaskan variasi dalam variabel dependen, demikian sebaliknya (Ajija, Sari, Setianto, & Primanti, 2011). Penjelasan lebih lanjut mengenai koefisien regresi parsial sebagaimana yang dinyatakan oleh Gujarati (2006, p.183) “singkatnya, koefisien regresi parsial mencerminkan pengaruh (parsial) dari sebuah variabel penjelas terhadap nilai rata-rata variabel tak bebas apabila nilai variabel-variabel penjelas lainnya yang dipertahankan didalam model konstan. Sifat unik dari regresi berganda ini memungkinkan kita bukan hanya memasukkan lebih dari satu variabel penjelas ke dalam model, melainkan juga untuk “memisahkan” atau “melepaskan” pengaruh masing-masing variabel X (penjelas) terhadap Y (dependen) dari variabel-variabel X lain yang masuk di dalam model”. 2.3.3 Prinsip Kuadrat Terkecil dan Uji Asumsi Klasik
Persoalan dalam penaksiran regresi adalah bagaimana menghasil nilai taksiran yang berupa garis regresi dengan nilai prediksi sedekat mungkin dengan data aktualnya (Widarjono, 2005). Metode yang paling sering digunakan adalah metode kuadrat terkecil (Ordinary Least Squares/OLS). Prinsip kuadrat terkecil adalah bagaimana menghasilkan nilai koefisien persamaan regresi (a, b1 ...bk pada persamaan 2.2) sehingga jumlah kuadrat residunya (RSS), Σ , mempunyai nilai sekecil mungkin. Residu e adalah selisih antara nilai Y aktual dengan nilai Y yang
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
23
ditaksir (Gujarati, 2006). Metode OLS merupakan landasan utama dalam ekonometrika (Widarjono, 2005), untuk perhitungannya diperlukan asumsi spesifik tentang bagaimana cara memperoleh nilai residu e, biasa dikenal dengan model regresi linear klasik (Gujarati, 2006). Model regresi linear klasik membuat asumsi-asumsi, yang dikenal dengan asumsi klasik. Dengan mengetahui asumsi klasik maka estimator OLS dikatakan estimator tak bias linear terbaik (BLUE) sehingga perhitungan mengestimasi persamaan regresi dikatakan baik jika telah dilakukan uji asumsi klasik. 2.3.3.1 Uji Multikolinieritas
Tujuannya adalah untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel penjelas (independen), karena model regresi yang baik tidak ditemukan korelasi diantara variabel penjelas. Dalam prakteknnya, sangat jarang ditemukan persamaan regresi dengan multikolinearitas sempurna, melainkan dengan kasus multikolinearitas dekat atau sangat tinggi dimana variabel-variabel penjelas yang diperkirakan berhubungan secara linear sering muncul dalam banyak penerapan (Gujarati, 2006). Beberapa hal yang perlu diketahui terkait dengan multikolinearitas adalah : 1. Cara mendeteksi Multikolinearitas Terdapat
beberapa
cara
dalam
mendeteksi
terjadinya
Multikolinearitas, salah satunya adalah dengan menghitung Variance Inflation Factor (VIF) yang menunjukkan setiap variabel penjelas manakah yang dijelaskan oleh variabel independen lainnya, yang dihitung dengan persamaan sebagai berikut (Lind, Marchal, & Wathen, 2008 p. 144) :
VIF =
(2.3)
Suku adalah koefisien determinasi, di mana variabel penjelas yang dipilih digunakan sebagai variabel dependen dan variabel penjelas lainnya digunakan sebagai variabel bebas. Sebuah VIF yang lebih besar dari 10 dianggap tidak memuaskan. 2. Konsekuensi Multikolinearitas
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
24
Kolinearitas yang diukur adalah kolinearitas tak sempurna namun memiliki hubungan yang erat. Jika terjadi kolinearitas antar variabel penjelas, selama kolinearitas tersebut tidak sempurna maka estimator OLS masih tetap BLUE meskipun salah satu atau lebih koefisien regresi parsial dalam regresi berganda bisa saja secara individual tak signifikan secara statistik (Gujarati, 2009). Sebagaimana dijelaskan Widarjono (2005), dampak adanya multikolinearitas dalam model regresi estimator masih bersifat BLUE, namun estimator mempunyai varian dan kovarian yang besar sehingga sulit mendapatkan estimasi yang tepat. 3. Penyembuhan Multikolinearitas Ghozali
(2006),
menjelaskan
terdapat
dua
pilihan
terkait
terdeteksinya Multikolinearitas dalam persamaan regresi yaitu : a. Tanpa Perbaikan Pertimbangannya adalah karena tetap menghasilkan estimator yang bersifat BLUE. Multikolinearitas hanya menyebabkan kesulitan memperoleh estimator dengan standard error yang kecil dan biasanya masalah multikolinearitas juga timbul karena hanya mempunyai jumlah observasi yang sedikit. b. Dengan Perbaikan Jika akan dilakukan perbaikan, dapat dilakukan langkah-langkah sebagai berikut :
•
Dengan menghilangkan variabel independen.
•
Transformasi variabel.
•
Penambahan Data
2.3.3.2 Uji Autokorelasi
Tujuannya adalah menguji adanya korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (Ghozali, 2006), atau dengan kata lain faktor gangguan yang berhubungan dengan suatu observasi tidak terkait dengan atau dipengaruhi oleh faktor gangguan observasi lain dan permasalahan ini biasa terjadi pada data runtut waktu (Gujarati, 2006). Autokorelasi yang terjadi pada estimator OLS meskipun tak bias, namun menjadi tidak effisien sehingga
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
25
tidak BLUE. Model regresi yang baik adalah yang bebas dari autokorelasi (Ghozali, 2006). Cara mendeteksi Autokorelasi yang paling terkenal adalah Uji d Durbin-Watson, yaitu rasio jumlah selisih kuadrat dalam residu berurutan terhadap jumlah kuadrat residu, yaitu sebagai berikut (Gujarati, 2006)
(2.4)
∑
Pelaksanaan pengujian d Durbin-Watson, sebagaimana alat peraga dibawah ini (Gujarati, 2006, p. 122) : BAGIAN TIGA : ANALISIS REGRESI DALAM PRAKTEK
Tolak Ho Bukti H_o otokorelasi positif
Daerah Tolak Ho Meragu- Bukti H_o otokorelasi kan negatif
Daerah Meragukan
Terima Ho atau Ho* atauH_o keduanyaH_o 0
dL
dU
2
4-dU
4-dL
4
d
Legenda Ho : Tidak ada korelasi positif Ho* H_o : Tidak ada korelasi negatif H_o
Gambar 2.3 Uji Durbin-Watson
Pada pengujian Durbin-Watson terdapat kelemahan ketika nilai terletak pada daerah meragukan. Selain dengan Uji d Durbin-Watson, Autolerasi dapat dideteksi dengan menggunakan Uji LM (Metode Bruesch Godfrey), pada program Eviews dikenal dengan sebutan Serial Correlation LM Test (Ajija, Sari, Setianto, & Primanti, 2011). Lebih lanjut Ajija, Sari, Setianto, & Primanti (2011, p. 40) menjelaskan “metode ini didasarkan pada nilai F dan Obs*R-Squared, dimana jika nilai probabilitas Obs*R-Squared melebihi tingkat kepercayaan (α), maka H0 diterima, artinya tidak ada masalah autokorelasi”. Pada penelitian ini, apabila nilai pada pengujian Durbin-Watson terletak pada daerah meragukan maka dilakukan Uji LM untuk memastikan hasil.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
26
2.3.3.3 Uji Heteroskedastisitas
Tujuan
untuk
mengetahui
apakah
pada
model
regresi
terjadi
ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian residual sama disebut Homoskedastisitas dan jika varian residual tidak sama disebut Heteroskedastisitas (Ghozali, 2006). Konsekuensi pada estimator OLS yang bersifat Heteroskedastisitas adalah mempunyai varian yang tidak minimum, walaupun masih bersifat tidak bias (Gujarati, 2006). Jika tetap menggunakan estimator OLS maka menyebabkan (Widarjono, 2005) : 1. Karena varian tidak minimum maka perhitungan Standard Error metode OLS tidak lagi bisa dipercaya. 2. Interval estimasi maupun uji hipotesis yang didasarkan pada distribusi t dan F tidak lagi bisa dipercaya. Terdapat
beberapa
metode
untuk
mendeteksi
terjadinya
Heteroskedastisitas pada estimator OLS antara lain adalah dengan metode uji White Heteroscedasticity yang tersedia dalam program Eviews. Hasil yang diperhatikan dari Uji ini adalah nilai F dan Obs*R-Squared. Jika nilai Obs*RSquared lebih kecil dari tingkat kepercayaan (α) maka H0 ditolak, artinya tidak terjadi Heteroskedastisitas (Ajija, Sari, Setianto, & Primanti, 2011). 2.4 Regresi Simultan
Model regresi simultan adalah model persamaan dimana terdapat lebih dari satu persamaan dan ada hubungan umpan balik diantara variabel (Gujarati, 2006). Pada persamaan regresi simultan hubungan yang terjadi bukan hanya hubungan satu arah, kausalitas yang terjadi bukan hanya mengalir secara satu arah, melainkan terjadi hubungan bilateral atau umpan balik. Persamaan yang ada lebih dari satu, variabel dependen pada satu persamaan dapat menjadi variabel independen pada persamaan yang lain, dan demikian sebaliknya variabel independen pada satu persamaan pada persamaan lainnya menjadi variabel dependen. Ajija, Sari, Setianto, & Primanti (2011), memberikan penjelasan mengenai pengertian persamaan simultan,“Persamaan simultan merupakan suatu persamaan dimana variabel dependen dalam satu persamaan atau lebih juga merupakan variabel independen dari persamaan yang lain”.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
27
Istilah-istilah yang berhubungan dengan persamaan simultan, yang sedikit berbeda dengan persamaan regresi biasa antara lain adalah (Ajija, Sari, Setianto, & Primanti, 2011) : a) Variabel Endogen Variabel dependen dalam persamaan simultan yang nilainya ditentukan didalam sistem persamaan. b) Variabel Eksogen Variabel yang nilainya tidak ditentukan langsung dalam sistem persamaan.
Variabel
yang
nilainya
sudah
ditentukan
secara
independen atau variabel predetermined yaitu sudah ditentukan sebelumnya (Gujarati, 2006). c) Model Struktural Model yang terdiri atas beberapa persamaan yang dibentuk berdasarkan landasan teori. d) Bentuk Persamaan Sederhana/Reduksi Merupakan suatu penyelesaian sistem persamaan simultan yang memperlakukan variabel endogen menjadi variabel predetermined. e) Masalah Identifikasi (Gujarati, 2006). Masalah identifikasi pada persamaan simultan terkait dengan kemampuan menaksir parameter-parameter pada persamaan. Suatu persamaan dikatakan teridentifikasi manakala
dapat menaksir
parameter-parameter pada persamaan. Persamaan simultan dapat teridentifikasi pada dua keadaan yaitu : -
Tepat teridentifikasi (Just identified).
-
Teridenfikasi lebih dari satu nilai angka untuk satu parameter atau lebih pada persamaan atau disebut juga kondisi terlalu teridentifikasi (Overidentified).
Kondisi dimana tidak dapat dilakukan penaksiran terhadap parameterparameter persamaan karena kurangnya informasi/variabel pada
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
28
fungsi yang membentuk persamaan, dikatakan bahwa persamaan tersebut tak teridentifikasi (underidentified). Metode perhitungan pada model simultan persamaan tunggal (Gujarati, 2004) : 1) Ordinary least squares (OLS) Persamaan simultan pada umumnya tidak dapat diselesaikan dengan menggunakan metode perhitungan OLS karena dapat terjadi bias dan tidak efektif (Gujarati, 2006). Namun pada jenis persamaan simultan, terdapat suatu situasi dimana OLS dapat digunakan secara tepat dalam konteks persamaan simultan, Gujarati (2004), “There is, however, one situation where OLS can be applied appropriately even in the context of simultaneous equations.” Model persamaan ini disebut dengan persamaan simultan bentuk recursive atau causal. Contoh persamaan simultan bentuk recursive yaitu persamaan Price dan Wage Equation (Gurati, 2004) : ! "# $ " %! $ " ! $ "& '! $ "( )! $ *! %! "# $ " NU! $ "& ! $ *!
(2.5)
Pada persamaan 2.5, variabel endogen Wt dan Pt memiliki hubungan dimana Wt mempengaruhi Pt , namun Pt tidak mempengaruhi Wt . Masing-masing persamaan mencerminkan hubungan kausalitas yang tidak terikat (Causal Model). Cara penaksiran regresi simultan dengan OLS pada masing-masing persamaan sama dengan metode regresi berganda. 2) Indirect least squares (ILS). Disebut sebagai metode kuadrat terkecil tidak langsung karena mendapatkan estimasi parameter secara tidak langsung dengan mulamula menerapkan OLS pada regresi bentuk tereduksinya. Bentuk tereduksi yaitu persamaan dimana variabel endogen hanya merupakan fungsi dari variabel eksogen dan faktor kesalahan, atau dengan kata lain fungsinya telah terbebas dari variabel endogen lain yang terdapat pada persamaan.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
29
Secara umum dapat dikatakan bahwa pada penaksiran ini, tetap menggunakan metode OLS. Namun sebelum melakukan penaksiran, persamaan awal yang pada fungsi persamaan penjelasnya terdiri dari variabel endogen (yang ditaksir), variabel eksogen dan residual, dirubah bentuknya menjadi persamaan reduksi sehingga variabel endogen pada fungsi persamaan penjelas disubsitusi dengan persamaan fungsi asalnya. 3) Two-stage least squares (2SLS) Merupakan metode yang menerapkan OLS secara dua tahap. Dikatakan metode dua tahap OLS karena : tahap awal melakukan penaksiran dengan menggunakan metode OLS yang melibatkan variabel endogen pada satu persamaan terhadap seluruh variabel eksogen dari seluruh persamaan dan variabel residualnya, selanjutnya tahap ke dua melakukan penaksiran terhadap variabel endogen pada persamaan lain dari fungsi varaibel endogen lain yang telah diestimasi. 2.5 Teori Regresi Lain Terkait Penelitian 2.5.1 Variabel Dummy
Variabel dummy digunakan pada persamaan regresi manakala terdapat permasalahan dimana variabel penjelas tidak dapat digambarkan secara kuantitatif, melainkan berskala ukuran non-metrik atau kualitatif (Ghozali, 2006). Hal-hal khusus terkait model regresi variabel dummy yaitu (Ajija, Sari, Setianto, & Primanti, 2011) : 1. Satu variabel dummy cukup untuk membedakan dua kategori. Variabel kualitatif dengan n kategori, dummy : n-1. 2. Pemberian nilai 0 dan 1 pada variabel dummy bersifat arbiter (sekehendak peneliti). 3. Kategori yang diberi nilai 0 sering disebut sebagai kategori dasar atau kategori kontrol.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
30
Contoh bentuk persamaan umum dengan variabel dummy, yaitu :
Ŷ = a + b 1 X + b2 D
(2.6)
Dimana : -
D merupakan variabel dummy, yang bernilai 0 dan 1.
Persamaan 2.6 diatas, merupakan contoh persamaan 2.1 ditambah variabel dummy. 2.5.2 Uji Kausalitas Granger
Dalam regresi persamaan tunggal, jika terdapat kausalitas, biasanya merupakan hubungan satu arah (variabel penjelas X mempengaruhi variabel dependen Y). Akan tetapi terdapat situasi dimana terjadi hubungan umpan balik atau hubungan bilateral (Gujarati, 2006). Salah satu cara untuk menguji hubungan bilateral antar variabel tersebut adalah dengan menggunakan Granger Causality Test (Gujarati, 2004). Program Eviews dapat digunakan untuk melakukan pengujian, sebagaimana dijelaskan Kuncoro (2004) mengenai langkah-langkah Uji Kausalitas Granger.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
31
BAB 3 METODOLOGI PENELITIAN
3.1 Profil Provinsi Jawa Tengah
Berdasarkan BPS Jawa Tengah (2010), provinsi Jawa Tengah merupakan salah satu provinsi di Pulau Jawa, berada diantara Provinsi Jawa Timur di sebelah timur dan Provinsi Jawa Barat di sebelah baratnya. Letaknya antara 5°40' dan 8°30' Lintang Selatan dan 108°30' 111°30 Bujur Timur. Jarak terjauh dari Barat ke Timur adalah 263 km dan dari Utara ke Selatan adalah 226 Km. Secara Administratif Provinsi Jawa Tengah terbagi menjadi 29 Kabupaten dan 6 Kota, yang terdiri dari 573 kecamatan dan 8.576 desa/kelurahan. Luas wilayah pada tahun 2009 sebesar 3,25 juta hektar atau sekitar 25,04 % dari Pulau Jawa (1,70 % dari luas Indonesia). Berdasarkan survey sosial ekonomi nasional (susenas) tahun 2009, jumlah penduduk Jawa Tengah tercatat sebesar 32,86 juta jiwa atau 14 %
dari jumlah penduduk Indonesia. Jumlah penduduk
ini
menempatkan Jawa Tengah berada pada posisi ketiga jumlah provinsi dengan penduduk terbanyak, dibawah Jawa Timur dan Jawa Barat. Di wilayah Jawa Tengah belum terjadi penyebaran yang merata, umumnya penduduk banyak di daerah kota dibanding kabupaten. Secara rata-rata kepadatan penduduk Jawa Tengah tercatat sebesar 1.010 jiwa setiap kilometer persegi. Jumlah rumah tangga pada tahun 2009 sebesar 8,48 juta. Pengeluaran penduduk di Provinsi Jawa Tengah menurut data sejak tahun 2005 sampai 2009 selalu meningkat.
UNIVERSITAS INDONESIA
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
32
Tabel 3.1 Rata-rata pengeluaran penduduk menurut kelompok pendapatan dan makanan/non makanan
Tahun 2005 2006 2007 2008 2009
Rata-rata Penduduk (Jiwa) pengeluaran per kapita (Rp) 32908850 32177730 32380279 32626390 32864563
207603 234756 250182 341177 350623
Persentase Makanan
Non Makanan
54.83 52.57 56.93 54.44 54.83
45.17 47.43 43.07 45.56 45.17
Lembaga penyalur LPG dan Mitan yang merupakan mitra bisnis Pertamina di Provinsi Jawa Tengah adalah sebagai berikut : Tabel 3.2 Lembaga penyalur di Jawa Tengah No.
Lembaga Penyalur 1 2 3 4
Jumlah di Prov. Jawa Tengah (unit)
Agen LPG Non PSO Agen LPG PSO Agen Minyak Tanah PSO Agen Minyak Tanah Non PSO
332 76 276 25
sumber : Pertamina Semarang
Pada pelaksanaan program konversi Mitan ke LPG, provinsi Jawa Tengah termasuk provinsi tercepat menyelesaikan program konversi dengan telah membagikan seluruh paket konversi pada Januari 2010 dan telah meniadakan penjualan Mintan subsidi sejak bulan Februari 2010. Dengan keberhasilan tersebut dan berdasarkan hasil audit tim monitoring program konversi nasional, Provinsi Jawa Tengah termasuk provinsi terbaik dari sisi penyelesaian program maupun ketepatan pendistribusian paket konversi. 3.2 Metodologi
Pada tahap awal penelitian diidentifikasi faktor-faktor yang mempengaruhi penjualan LPG 12 Kg Non PSO dan LPG 3 Kg PSO. Proses identifikasi ini dilakukan dengan menggunakan metode interview ahli dan mengadopsi metode kualitatif delphi untuk mendapatkan penjelasan ahli. Ahli dalam penelitian ini adalah dari Pertamina. Pada tahap awal peneliti menjelaskan kondisi pemasaran LPG dan kebijakan terkait program konversi, selanjutnya ahli diminta
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
33
memberikan pendapatnya mengenai faktor-faktor yang mempengaruhi penjualan LPG yang diteliti. Ahli memberikan pendapat sejumlah tiga kali (tiga babak), selanjutnya hasilnya merupakan model awal yang dievaluasi dengan metode kuantitatif (metode statistik). 3.3 Profil PT. PERTAMINA (Persero) 3.3.1 Sejarah dan Peran PT. PERTAMINA (Persero)
Pertamina adalah Badan Usaha Milik Negara yang telah berubah bentuk menjadi PT. Persero yang bergerak di bidang energi, petrokimia dan usaha lain yang menunjang bisnis Pertamina, baik di dalam maupun di luar negeri yang berorientasi pada mekanisme pasar. Di tetapkan menjadi perusahaan minyak nasional pertama Indonesia pada tanggal 10 Desember 1957 dan kemudian berubah menjadi Bentuk Perseroan seiring dengan perubahan peraturan Pemerintah dengan diterbitkannya UU Migas No. 22 tahun 2001, yang merubah arah bisnis Minyak dan Gas di Indonesia lebih terbuka. Keterangan permodalan PT. Pertamina (Persero) adalah sebagai berikut :
-
PT. Pertamina (Persero) merupakan BUMN yang 100% sahamnya dimiliki oleh Negara.
-
Modal Disetor (Penanaman Modal Negara/PMN) PT. Pertamina (Persero) pada saat pendirian adalah Rp. 100 Trilyun.
-
Nilai Rp. 100 Trilyun tersebut diperoleh dari : "Seluruh Kekayaan Negara yang selama ini tertanam pada Pertamina, yang meliputi Aktiva Pertamina beserta seluruh Anak Perusahaan, termasuk Aktiva Tetap yang telah direvaluasi oleh Perusahaan Penilai Independen, dikurangi dengan semua Kewajiban (Hutang) Pertamina".
Sebagai perusahaan negara, perkembangan Pertamina seiring dengan perubahan kebijakan yang terjadi pada pemerintah Indonesia. Pada awalnya Pertamina memegang monopoli eksplorasi dan pemasaran Minyak dan Gas di Negara Indonesia, namun sejak tahun 2001 Pertamina memasuki era pasar terbuka yang menuntut perusahaan menjadi lebih profesional. Ilustrasi perubahan pada Pertamina sebagaimana pada gambar 3.1 sebagai berikut :
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
34
Sumber : PT. Pertamina (Persero)
Gambar 3.1 Ilustrasi Perubahan Pertamina Pertamina sebagai BUMN memiliki peran penting bagi negara, selain sebagai BUMN penyetor pajak terbesar di Indonesia, Pertamina juga merupakan BUMN dengan setoran dividen terbesar untuk negara. Berdasarkan penjelasan Menteri BUMN di kutip dari web matanews (2011), pada tahun 2009 setoran deviden Pertamina ke Negara Negara mencapai Rp. 17,8 triliun, dengan target yang selalu meningkat, seperti pada tahun 2010 Pertamina ditargetkan menyetorkan deviden sebesar Rp. 20 triliun. Disamping target pembagian deviden kepada negara, sebagai perusahaan negara Pertamina masih memiliki memiliki peran moral untuk menjaga kestabilan suplai ke masyarakat dan melaksanakan kebijakan-kebijakan Pemerintah, seperti kebijakan konversi Mitan ke LPG 3 Kg.
3.3.2 Penjelasan Program Konversi Mitan ke LPG 3 Kg Adalah program yang dilaksanakan pemerintah Indonesia untuk mengurangi beban subsidi negara pada Mitan dan juga memberikan sumber energi memasak yang lebih baik untuk masyarakat Indonesia dari sisi praktis dan penghematan masyarakat. Karena kesetaraan energi penggunaan LPG lebih tinggi daripada
Mitan dengan perbandingan: 0.4 kg LPG ≈ 1 liter Mitan. Dengan pelaksanaan program ini, Pemerintah berhasil menghemat subsidi BBM mencapai 20 Triliun
per tahun.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
35
Program ini dilaksanakan dengan membagikan paket kompor, regulator, tabung + isi 3 Kg serta melakukan sosialisasi pemakaiannya secara gratis kepada masyarakat dan usaha pengguna Mitan. Dan diikuti dengan pemasaran LPG 3 Kg oleh Pertamina Unit Gas Domestik, dengan target masyarakat yang telah dibagikan paket konversi secara gratis akan melakukan isi ulang (refill). Mitan PSO dihapuskan, sebagai gantinya adalah Produk LPG 3 Kg yang disubsidi Pemerintah. Selanjutnya Mitan yang dipasarkan adalah Mitan Non PSO. Dengan pelakasanaan program ini terdapat perubahan pada kebijakan pemasaran di Pertamina yaitu : 1. Terdapat dua jenis LPG yaitu LPG PSO yang disubsidi Pemerintah dan LPG Non PSO yang tidak disubsidi Pemerintah. 2. Diberlakukannya perbedaan harga jual LPG PSO dan Non PSO sejak bulan Juli 2008, yaitu dengan keputusan Pertamina atas persetujuan pemegang saham, untuk menaikkan LPG 12 Kg dan 6 Kg (LPG kemasan 50 Kg sebelumnya telah berbeda harganya). 3. Ditiadakannya Mitan Subsidi (PSO). Khususnya di Jawa Tengah telah dilaksanakan sejak Februari 2010, namun sampai saat ini masih terdapat provinsi di Jawa yang belum mendistribusikan paket konversi ke seluruh masyarakat pengguna Mitan. 3.3.3 Organisasi Unit Gas Domestik1 Unit bisnis yang paling terkait dalam penelitian ini adalah Unit Gas Domestik, yang berada pada Divisi Pemasaran PT. Pertamina (Persero). Pemasaran LPG merupakan tugas dari Unit Gas Domestik, termasuk eksekusi pelaksanaan program konversi Mitan ke LPG 3 Kg. Kantor pusat unit bisnis Gas Domestik berada di Jakarta dengan Vice President Unit Gas Domestik sebagai pimpinan tertinggi. Untuk operasional di daerah dibentuk Region Pemasaran, di seluruh Indonesia sampai tahun 2010 terdapat lima wilayah regional.
1
Penamaan fungsi pada saat pelaksanaan konversi, sejak Januari 2011 berubah nama menjadi fungsi LPG dan Gas Product
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
36
Unit Gas Domestik Region III mengkoordinir pemasaran LPG untuk Provinsi Jawa Tengah dan Daerah Istimewa Yogyakarta. Struktur organisasi Unit Gas Domestik secara singkat sebagaimana gambar 3.2 dibawah ini.
Vice Presiden Gas Domestik
LPG Marketing Manager
Asisten Manajer LPG
Operation Manager
Gas Product Manager
Manager Gas Domestik Region I - V
(Khusus Reg. III-Jateng & DIY)
Kepala Operasi (Jateng -DIY)
Ass. Adm. Operasi (Jateng -DIY)
Ka. Adm. Reg. III (Jateng -DIY)
Ass. Rendal dan Perencanaan (Jateng -DIY)
Sales Representative LPG Rayon I
Sales Representative LPG Rayon II/III
Sales Representative LPG Rayon IV
Asisten Kelembagaan dan Umum (Jateng -DIY)
Gambar 3.2 Strukur organisasi Unit Gas Domestik2 Unit Gas Domestik di setiap Region Pemasaran, membawahi 3 fungsi utama yaitu: 1. Fungsi Administrasi Secara
umum
tugas
fungsi
administrasi
adalah
mempersiapkan
administrasi untuk operasional suplai dan penyaluran LPG, menganalisis rencana dan realisasi suplai dan penyaluran LPG dan mempersiapkan serta memastikan data rencana dan realisasi terlaksana pada sistem MySAP Pertamina3. Fungsi ini dilaksanakan oleh Kepala Administrasi dan memiliki satu pekerja yang menjadi bawahan langsung.
2
Struktur Organisasi sampai dengan Desember 2010, warna hijau pada kotak organisasi merupakan ahli Pertamina yang terlibat dalam proses pengumpulan data. 3
Sistem database Pertamina yang merupakan pengembangan dari sistem SAP
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
37
2. Fungsi Operasi Secara umum tugas fungsi operasi adalah untuk mempersiapkan sarana dan fasilitas sehingga terlaksananya suplai LPG ke Depot dan Stasiun Pengisian, memonitor dan memastikan sarana dan fasilitas tersedia dan dioperasikan sesuai standar dan prosedur yang berlaku. Dipimpin oleh Kepala Operasi yang memiliki 2 bawahan langsung yang berada di kantor unit. 3. Fungsi Sales Dilaksanakan oleh Sales Representative yang bertanggung jawab terhadap pemasaran LPG dan pembinaan lembaga-lembaga penyalur serta berkoordinasi dengan pemerintah daerah sesuai wilayah/rayon tugasnya masing-masing. Untuk Unit Gas Domestik Region III dibagi menjadi empat wilayah rayon Sales Representative. 3.4 Pengumpulan Data 3.4.1 Penjelasan Ahli Untuk Persamaan Hubungan Pengumpulan data dilakukan dengan cara: studi pustaka, wawancara dan metode delphi. Tahap awal dalam pengumpulan data adalah menetukan model persamaan awal faktor yang mempengaruhi penjualan LPG. Persamaan awal model faktor yang mempengaruhi penjualan LPG disusun berdasarkan pendapat ahli Pertamina. Pendapat ahli didapatkan dengan tahapan-tahapan yang mengadopsi metode delphi dengan sebelumnya memberikan penjelasan tentang permasalahan yang diteliti dan brainstorming serta berdiskusi tentang permasalahan tersebut. Responden yang dipilih adalah pakar/ahli yang telah berpengalaman dalam bidang kerja di Pertamina Unit Gas Domestik dan terlibat langsung dalam pemasaran LPG dan program konversi di Jawa Tengah. Kriteria pemilihan ahli adalah sebagai berikut :
•
Pekerja yang terlibat dalam pendistribusian LPG dan pelaksanaan program konversi di Provinsi Jawa Tengah dan termasuk pekerja pengganti yang sebelumnya juga terlibat dalam pendistribusian LPG dan pelaksanaan program konversi.
•
Level pekerja minimal pada golongan Madya.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
38
•
Secara struktur organisasi berada minimal pada level ke dua setelah pimpinan tertinggi di region. Responden sebagai ahli pada penelitian ini adalah sebagaimana ditunjukkan
pada gambar 3.2 dengan warna kotak organisasi hijau, yaitu sejumlah sepuluh pekerja Pertamina yang terdiri dari Manager, dan pekerja dari ke-3 fungsi terkait dalam organisasi Gas Domestik4. Tujuan tahapan ini adalah untuk mendapatkan konsensus penjelasan ahli mengenai faktor yang mempengaruhi penjualan LPG 12 Kg Non PSO dan LPG 3 Kg PSO, dengan langkah-langkah pelaksanaan sebagai berikut : a) Pada tahap awal dilakukan diskusi dan penjelasan dengan alat bantu tulisan dan grafik mengenai kondisi pemasaran LPG 12 Kg Non PSO dan LPG 3 Kg PSO serta kebijakan-kebijakan yang terkait dengan program konversi. b) Berdasarkan penjelasan dan diskusi, peneliti memberikan pertanyaan mengenai faktor yang mempengaruhi penjualan LPG 12 Kg Non PSO dan LPG 3 Kg PSO, kemudian ahli menuliskan pendapatnya. c) Pendapat
para
ahli
dikonsolidasikan
dan
dikumpulkan,
kemudian
dikembalikan kepada ahli untuk memberikan penilaian/ranking pada setiap faktor pengaruh (kuesioner 1). d) Hasil pengisian dan ranking penilaian faktor hasil kelompok, dilengkapi dengan hasil rata-rata dan median setiap faktor berdasarkan hasil keseluruhan kelompok, kemudian dikembalikan lagi kepada masing-masing ahli untuk kembali dituliskan ranking penilaian pengaruh masing-masing faktor (kuesioner 2). e) Kemudian hasil pengisian kuesioner 2 tersebut dikonsolidasikan dan dirangkum, dengan mengevaluasi median faktor yang muncul. Format penjelasan dan pertanyaan ke ahli Pertamina sebagaimana pada lampiran 2 dan 3. Berdasarkan penjelasan ahli yang dirangkum dan analisis, didapatkan faktor-faktor yang mempengaruhi penjualan LPG 12 Kg Non PSO dan LPG 3 Kg PSO yang selanjutnya menjadi fungsi persamaan awal untuk dievaluasi.
4
ketiga fungsi di Unit Gas Domestik adalah sales, operasi dan administrasi, sebagaimana penjelasan pada subbab organisasi gas domestik.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
39
Faktor yang mempengaruhi penjualan LPG 12 Kg Non PSO adalah sebagaimana tabel 3.3 berikut : Tabel 3.3 Faktor pengaruh penjualan LPG 12 Kg No. 1 2 3 4 5 6
Faktor pengaruh LPG 12 Kg Non PSO Kenaikan harga LPG 12 Kg Penjualan LPG 3 Kg Pelaksanaan rayonisasi dan alokasi Jumlah tabung LPG 12 Kg Penjualan LPG 50 Kg Penghapusan mitan subsidi
Median 6 6 5 5 5 5
Faktor yang mempengaruhi penjualan LPG 3 Kg PSO adalah sebagaimana tabel 3.4 berikut : Tabel 3.4 Faktor pengaruh penjualan LPG 3 Kg No. 1 2 3 4 5 6 7 8
Faktor pengaruh LPG 12 Kg Non PSO Penjualan LPG 12 Kg Penjualan LPG 6 Kg Penjualan mitan subsidi Penjualan mitan non subsidi Jumlah tabung LPG 3 Kg Kenaikan harga LPG 12 Kg Penghapusan mitan subsidi Pelaksanaan rayonisasi dan alokasi
Median 4 5 5 5 5 5 5 5
3.4.2 Model dan Hipotesis Penelitian Rancangan penelitian pada tahap awal bersifat kualitatif dengan menghubungkan faktok-faktor yang mempengaruhi penjualan LPG 12 Kg Non PSO dan LPG 3 Kg PSO berdasarkan penjelasan ahli. Selanjutnya persamaan awal tersebut dianalisa secara kuantitatif dengan menggunakan metode regresi. Fungi persamaan awal adalah sebagai berikut : a. Model 1 S12 = f (S3, S50, Tb, D1, D2,D3) Dimana : -
S12 = Penjualan LPG12 Kg
-
S3
-
S50 = Penjualan LPG 50 Kg.
-
Tb
= Penjualan LPG 3 Kg.
= Peredaran Tabung LPG 12 Kg.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
40
-
D1
= Kenaikan harga LPG 12 Kg
Dummy variabel, dimana periode sebelum kenaikan (Sept 2007 – Juli 2008) = 0 dan periode setelah kenaikan (Agustus 2008 – Des 2010) = 1. -
D2
= Penghapusan Mitan PSO
Dummy variabel, dimana periode sebelum penghapusan (Sept 2007 – Des 2009) = 0 dan periode setelah kenaikan (Januari 2010 – Des 2010) = 1. -
D3
= Pelaksanaan Rayonisasi dan Alokasi LPG 3 Kg.
Dummy variabel, dimana periode sebelum rayonisasi (Sept 2007 – Mei 2010) = 0 dan periode setelah rayonisasi (Juni 2010 – Desember 2010) = 1. b. Model 2 S3 = f (S12, Sms, Smn, S6, Tb3, D1, D2,D3) Dimana : -
S3
= Penjualan LPG 3 Kg.
-
S12
= Penjualan LPG 12 Kg.
-
Sms
= Penjualan Mitan PSO.
-
Smn
= Penjualan Mitan Non PSO.
-
S6
= Penjualan LPG Kemasan 6 Kg.
-
Tb3
= Tabung LPG 3 Kg.
-
D1, D2, D3 = dummy variabel yang sama dengan fungsi model 1.
c. Model 3 Model awal yang ditentukan berdasarkan hasil pengujian kausalitas granger, jika terdapat hubungan umpan balik (S3 dan S12 saling mempengaruhi) maka model 3 tidak diperlukan. Namun jika hasil pengujian kausalitas granger hanya terdapat hubungan satu arah (persamaan simultan bentuk recursive/causal) maka selain penaksiran terhadap model awal (1) dan (2) dengan metode OLS, juga dilakukan penaksiran model (3) yaitu sama dengan persamaan Model 1, namun varaibel S3 nya di subsititusi dengan fungsi persamaannya. Model 3
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
41
merupakan
penaksiran
variabel
dependen
(endogen)
dengan
mensubstitusi variabel endogen (independen) dengan persamaannya. Hipotesis hubungan penjualan LPG 12 Kg dan LPG 3 Kg adalah sebagai berikut : 1. Penjualan LPG 12 Kg Non PSO dipengaruhi oleh penjualan produk LPG lain produksi Pertamina, penjualan Mitan dan jumlah kemasannya. 2. Penjualan LPG 3 Kg PSO dipengaruhi oleh penjualan produk LPG lain produksi Pertamina, penjualan Mitan dan jumlah kemasannya.. 3. Kebijakan dan strategi pemasaran terkait program konversi LPG 3 Kg ke Mitan mempengaruhi penjualan LPG 12 Kg Non PSO dan 3 Kg PSO. 3.4.3 Jenis Data Data yang dipergunakan dalam penulisan ini adalah data-data sekunder yang diambil dari program MySAP Pertamina. Jenis data yang digunakan adalah time series per bulan dimulai dari bulan September 2007 sampai dengan Desember 2010, yaitu bulan dimulainya program konversi Mitan ke LPG dan mulai di pasarkannya LPG 3 Kg. Data yang digunakan pada penelitian ini adalah : 1. Penjualan LPG 12 Kg (S12) Data penjualan LPG 12 Kg adalah penjualan refill (isi ulang) Pertamina ke Agen LPG 12 Kg dalam satuan MT (Metric Ton). Angka penjualan adalah berdasarkan data pada sistem MySAP Pertamina, masuk ke data sistem setelah LPG tersebut disalurkan oleh Stasiun Pengisian LPG ke Agen. Berdasarkan data, volume penjualan LPG 12 Kg relatif mengalami penurunan dalam kurun waktu penelitian, sebagaimana pada gambar 3.3 berikut:
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
42
14,000.0
Penjualan LPG 12 Kg (Mt/bulan)
12,000.0 10,000.0 8,000.0 6,000.0 4,000.0 2,000.0 -
Penjualan LPG 12 Kg (Mt/bulan)
Gambar 3.3 Penjualan LPG 12 Kg Harga jual LPG 12 Kg ke Agen adalah sesuai dengan ketetapan Pertamina, yang dalam kurun waktu antara September 2007 s.d Desember 2010 terjadi perubahan sebanyak 3 kali yaitu pada bulan Juli dan Agustus 2008 serta bulan Oktober 2010. Perbandingan perubahan penjualan LPG 12 Kg dengan perubahan harga jual dalam persen perubahan sebagaimana pada gambar 3.4 berikut ini :
30.00%
20.00%
10.00%
des '10
okt '10
agus '10
juni'10
apr '10
feb '10
des '09
okt '09
juni '09
agus '09
feb '09
apr '09
okt '08
des '08
juni '08
agus'08
feb '08
apr '08
okt '07
-10.00%
des '07
0.00%
-20.00%
-30.00% % Perubahan Penjualan
% Perubahan Harga
Gambar 3.4 Persen perubahan penjualan 12 Kg vs harga jual Jumlah penjualan LPG 12 Kg Non PSO pada penelitian ini merupakan variabel endogen yang dijelaskan pada Model 1 dan pada Model 2 sebagai variabel penjelas.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
43
2. Penjualan LPG 3 Kg (S3) Data penjualan LPG 3 Kg adalah penjualan isi ulang Pertamina ke Agen LPG 3 Kg dalam satuan MT. Angka penjualan adalah berdasarkan data pada sistem MySAP Pertamina, masuk ke data sistem setelah LPG tersebut disalurkan oleh Stasiun Pengisian LPG ke Agen. Penjualan LPG 3 Kg PSO selalu mengalami peningkatan, sebagaimana pada gambar 3.5.
des '10
okt '10
agus '10
juni'10
apr '10
feb '10
des '09
okt '09
agus '09
juni '09
feb '09
apr '09
des '08
okt '08
agus'08
apr '08
feb '08
juni '08
Penjualan LPG 3 Kg (Mt/bulan)
40,000.0 35,000.0 30,000.0 25,000.0 20,000.0 15,000.0 10,000.0 5,000.0 -
Penjualan LPG 3 Kg (Mt/bulan)
Gambar 3.5 Penjualan LPG 3 Kg PSO Harga jual LPG 3 Kg adalah sesuai dengan ketetapan Pemerintah, dalam kurun waktu September 2007 sampai dengan Desember 2010 tidak mengalami kenaikan. Perbandingan persentase perubahan penjualan dengan perubahan harga jual sebagaimana ditunjukkan pada gambar 3.6 sebagai berikut:
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
44
40.00% 35.00% 30.00% 25.00% 20.00% 15.00% 10.00% 5.00%
% Perubahan Penjualan
okt '10
juni'10
agus '10
apr '10
feb '10
des '09
okt '09
juni '09
agus '09
feb '09
apr '09
okt '08
des '08
agus'08
feb '08
juni '08
-10.00%
apr '08
0.00% -5.00%
% Perubahan Harga
Gambar 3.6 Persen perubahan penjualan 3 Kg vs harga jual Jumlah penjualan LPG 3 Kg PSO pada penelitian ini merupakan variabel endogen yang merupakan penjelas pada Model 1 dan pada Model 2 sebagai variabel endogen yang dijelaskan. 3. Penjualan LPG 50 Kg (S50) Data penjualan LPG 50 Kg adalah penjualan isi ulang Pertamina ke Agen LPG 50 Kg dalam satuan MT. Angka penjualan adalah berdasarkan data pada sistem MySAP Pertamina, masuk ke data sistem setelah LPG tersebut disalurkan oleh Stasiun Pengisian LPG ke Agen. Jumlah penjualan LPG 50 Kg secara umum relatif konstan, sebagaimana pada gambar 3.7 berikut: 80.0
Penjualan LPG 50 Kg (Mt/bulan)
70.0 60.0 50.0 40.0 30.0 20.0 10.0 -
Penjualan LPG 50 Kg (Mt/bulan)
Gambar 3.7 Penjualan LPG 50 Kg
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
45
Harga jual LPG 50 Kg adalah sesuai dengan ketetapan Pertamina, dalam kurun waktu September 2007 sampai dengan Desember 2010 terjadi 4 kali perubahan harga yaitu pada bulan Januari, April dan Juli 2008 serta bulan Oktober 2009. Perbandingan persentase perubahan jumlah penjualan dengan perubahan harga jual ditunjukkan pada gambar 3.8 sebagai berikut :
40.00% 30.00% 20.00% 10.00%
des '10
okt '10
agus '10
juni'10
apr '10
feb '10
des '09
okt '09
agus '09
apr '09
juni '09
feb '09
des '08
okt '08
agus'08
apr '08
juni '08
feb '08
des '07
-10.00%
okt '07
0.00%
-20.00% -30.00% -40.00% % Perubahan Penjualan
% Perubahan Harga
Gambar 3.8 Persen perubahan penjualan LPG 50 Kg vs harga jual Jumlah penjualan LPG 50 Kg adalah sebagai variabel eksogen (penjelas) pada Model 1. 4. Penjualan Mitan PSO Merupakan data penjualan Pertamina yang merupakan data penebusan Mitan PSO oleh agen, yang tercatat pada sistem MySAP Pertamina dalam satuan KL (Kilo Liter). Angka penjualan yang dihitung adalah realisasi pembelian dari Agen Mitan. Dengan pelaksanaan program konversi di Jateng, volume penjualan Mitan PSO selalu mengalami penurunan dan sejak bulan Februari 2010 Mitan PSO sudah tidak dipasarkan lagi. Jumlah penjualan penjualan Mitan PSO di Jateng ditunjukkan pada gambar 3.9 berikut:
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
46
120,000.0
Penjualan Mitan PSO (KL)
100,000.0 80,000.0 60,000.0 40,000.0 20,000.0
sept '07 nop '07 jan '08 mar '08 mei '08 juli '08 sept '08 nop '08 jan '09 mar '09 mei '09 juli '09 sept '09 nop '09 jan '10 mar '10 mei '10 juli '10 sept '10 nop '10
-
Penjualan Mitan Subsidi (KL)
Gambar 3.9 Penjualan Mitan PSO Harga jual adalah sesuai dengan ketetapan Pertamina, dalam kurun waktu September 2007 sampai dengan Desember 2010 tidak terjadi perubahan harga. Perbandingan persen perubahan jumlah penjualan dengan perubahan harga jual adalah sebagai berikut :
40.00% 20.00%
okt '10
des '10
agus '10
juni'10
apr '10
feb '10
des '09
okt '09
juni '09
agus '09
-40.00%
apr '09
feb '09
okt '08
des '08
juni '08
agus'08
apr '08
feb '08
des '07
-20.00%
okt '07
0.00%
-60.00% -80.00% -100.00% -120.00% % Perubahan Penjualan
% Perubahan Harga
Gambar 3.10 Persen perubahan penjualan Mitan PSO & harga jual Pada penelitian ini, penjualan Mitan Non Subsidi merupakan variabel eksogen (penjelas) pada model 2.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
47
5. Penjualan Mitan Non PSO Merupakan data penjualan Pertamina yang merupakan data penebusan Mitan Non PSO oleh agen, yang tercatat pada sistem MySAP Pertamina, dalam satuan KL. Realisasi penjualan Mitan Non Subsidi sebelum penarikan Mitan PSO relatif tidak ada. Realisasi mulai meningkat seiring dengan pelaksanaan program konversi di Jateng, dimana volume penjualan Mitan PSO selalu mengalami penurunan. Realisasi penjualan Mitan PSO seperti pada gambar 3.11 berikut.
9,000.0
Penjualan Mitan Non PSO (KL)
8,000.0 7,000.0 6,000.0 5,000.0 4,000.0 3,000.0 2,000.0 1,000.0
nop '10
juli '10
mei '10
sept '10
Penjualan Mitan Non Subsidi (KL)
mar '10
jan '10
nop '09
juli '09
sept '09
mei '09
mar '09
jan '09
nop '08
juli '08
sept '08
mei '08
jan '08
mar '08
nop '07
sept '07
-
Gambar 3.11 Penjualan mitan non PSO Harga jual adalah sesuai dengan ketetapan Pertamina. Harga jual Mitan Non PSO merupakan satu variabel yang mengalami perubahan setiap bulannya (fluktuatif). Perbandingan perubahan jumlah penjualan dengan perubahan harga jual adalah sebagai berikut :
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
48
16.0 14.0 12.0 10.0 8.0 6.0 4.0 2.0
(2.0)
okt '07 des '07 feb '08 apr '08 juni '08 agus'08 okt '08 des '08 feb '09 apr '09 juni '09 agus '09 okt '09 des '09 feb '10 apr '10 juni'10 agus '10 okt '10 des '10
-
% Perubahan Penjualan
% Perubahan Harga
Gambar 3.12 Persen perubahan penjualan mitan non PSO & harga jual Pada penelitian ini, penjualan Mitan Non Subsidi merupakan variabel eksogen pada model 2. 6. Peredaran Tabung LPG 12 Kg (Tb) Merupakan jumlah kumulatif pembelian tabung oleh agen yang tersimpan pada data MySAP Pertamina, dalam satuan unit tabung. Pembelian tabung oleh agen akan menambah pergerakan naik jumlah kumulatif tabung pada bulan tersebut, karena menambah peredaran tabung. Realisasi peredaran tabung LPG 12 Kg seperti pada gambar 3.13 berikut:
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
49
250.0
Peredaran tabung (pcs)
200.0 150.0 100.0 50.0
sept '07 nop '07 jan '08 mar '08 mei '08 juli '08 sept '08 nop '08 jan '09 mar '09 mei '09 juli '09 sept '09 nop '09 jan '10 mar '10 mei '10 juli '10 sept '10 nop '10
-
Peredaran tabung (pcs)
Gambar 3.13 Peredaran tabung Pembelian tabung oleh agen mengacu pada harga jual sesuai ketentuan Pertamina, yang dalam kurun waktu September 2007 sampai dengan Desember 2010 tidak terjadi perubahan harga.
40.00% 30.00% 20.00% 10.00%
-10.00% -20.00%
okt '07 des '07 feb '08 apr '08 juni '08 agus'08 okt '08 des '08 feb '09 apr '09 juni '09 agus '09 okt '09 des '09 feb '10 apr '10 juni'10 agus '10 okt '10 des '10
0.00%
-30.00% -40.00% % Perubahan Penjualan
% Perubahan Harga
Gambar 3.14 Persen perubahan peredaran tabung vs harga jual 7.
Peredaran Tabung LPG 3 Kg (Tb3) Merupakan jumlah kumulatif antara tabung pembagian paket konversi dengan tabung pembelian agen yang tersimpan pada data MySAP Pertamina, dalam satuan unit tabung. Pembagian paket konversi dan pembelian tabung oleh agen akan menambah pergerakan naik jumlah
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
50
kumulatif tabung pada bulan tersebut, karena diasumsikan tabung yang beredar di pasar juga bertambah. Jumlah peredaran tabung LPG 3 Kg di Jateng sebagaimana gambar 3.15 berikut:
40,000.0 35,000.0 30,000.0 25,000.0 20,000.0 15,000.0 10,000.0 5,000.0 -
sept '07 nop '07 jan '08 mar '08 mei '08 juli '08 sept '08 nop '08 jan '09 mar '09 mei '09 juli '09 sept '09 nop '09 jan '10 mar '10 mei '10 juli '10 sept '10 nop '10
Jumlah Tabung LPG 3 Kg
Peredaran tabung 3 Kg (1000 tbg)
Gambar 3.15 Peredaran tabung LPG 3 Kg Harga jual tabung 3 Kg sesuai ketentuan Pertamina, yang dalam kurun waktu September 2007 sampai dengan Desember 2010 terjadi satu kali perubahan harga pada bulan Juli 2009. Perbandingan persentase perubahan kenaikan jumlah peredaran tabung 3 Kg pada jumlah peredaran kumulatif dengan perubahan harga jual sebagaimana gambar 3.16 berikut:
250.00%
200.00%
150.00%
100.00%
50.00%
% Perubahan kenaikan
des '10
okt '10
agus '10
juni'10
feb '10
apr '10
okt '09
des '09
agus '09
apr '09
juni '09
feb '09
okt '08
des '08
juni '08
feb '08
apr '08
agus'08
-50.00%
des '07
okt '07
0.00%
% Perubahan Harga
Gambar 3.16 Persen perubahan penjualan LPG 3 Kg & harga jual
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
51
Pada penelitian ini, peredaran tabung LPG 3 Kg merupakan variabel eksogen pada model awal 2. 8. Penjualan LPG 6 Kg Data penjualan LPG 6 Kg adalah penjualan Pertamina ke Agen dalam satuan MT. Angka penjualan adalah berdasarkan data pada sistem MySAP Pertamina, masuk ke data sistem setelah LPG tersebut disalurkan oleh Stasiun Pengisian LPG ke Agen. Volume penjualan LPG 6 Kg relatif sedikit mengalami penurunan, pada kurun waktu September 2007 sampai dengan Desember 2010, seperti gambar 3.17 berikut:
125.0 100.0
Penjualan LPG Kemasan 6 Kg
75.0 50.0 25.0
sept '07 nop '07 jan '08 mar '08 mei '08 juli '08 sept '08 nop '08 jan '09 mar '09 mei '09 juli '09 sept '09 nop '09 jan '10 mar '10 mei '10 juli '10 sept '10 nop '10
-
Penjualan LPG 6 Kg (MT)
Gambar 3.17 Penjualan LPG 6 Kg Harga jual LPG ke Agen adalah sesuai dengan ketetapan Pertamina, yang dalam kurun waktu antara September 2007 s.d Desember 2010 terjadi pergerakan sebanyak 3 kali, yaitu bulan Agustus dan September 2008 serta bulan Oktober 2010. Perbandingan persen perubahan penjualan LPG 12 Kg dengan harga jual adalah sebagai berikut:
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
52
120.00% 100.00% 80.00% 60.00% 40.00% 20.00%
-20.00% -40.00%
okt '07 des '07 feb '08 apr '08 juni '08 agus'08 okt '08 des '08 feb '09 apr '09 juni '09 agus '09 okt '09 des '09 feb '10 apr '10 juni'10 agus '10 okt '10 des '10
0.00%
-60.00% % Perubahan penjualan
% Perubahan Harga
Gambar 3.18 Persen perubahan penjualan LPG 6 Kg vs harga jual Pada penelitian ini, Penjualan LPG 6 Kg merupakan variabel eksogen (penjelas) pada model 2.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
53
BAB 4 PENGOLAHAN DATA DAN ANALISIS
4.1 Pengolahan Data 4.1.1 Persamaan Regresi Model awal persamaan regresi simultan penjualan LPG 12 Kg PSO dan LPG 3 Kg Non PSO pada penelitian ini adalah : S12t = a0 + b1S3t-1 + b2S50t-2 + b3Tbt + b4D1 + b5D2 + b6 D3 + et
(4.1)
S3t = a0 + b1S12t-1 + b2Smst + b3Smnt + b4Tb3t + b5S6t-1 + b6D1 + b7D2 + b8D3 + et
(4.2)
Dimana : S12 S3 S50 Tb Sms Smn S6 Tb3 D1 D2 D3 a0 bj t e
Penjualan LPG12 Kg Penjualan LPG 3 Kg Penjualan LPG 50 Kg Peredaran Tabung LPG 12 Kg Penjualan Mitan PSO Penjualan Mitan Non PSO Penjualan LPG Kemasan 6 Kg Peredaran Tabung LPG 3 Kg Kenaikan harga LPG 12 Kg Penghapusan LPG 3 Kg PSO Pelaksanaan Rayonisasi dan Alokasi LPG 3 Kg Konstanta Koefisien periode bulan Error atau residu
Terdapat variabel pada model awal yang diestimasikan memiliki hubungan umpan balik yaitu variabel endogen S12 dan S3. Estimasi hubungan umpan balik ini, selanjutnya akan diuji untuk memastikan estimasi tersebut. Jenis hubungan dalam persamaan regresi simultan menentukan jenis metode yang digunakan dalam melakukan penaksiran hubungan variabel, apakah ILS, 2SLS, atau OLS. Pengujian hubungan umpan balik menggunakan Granger Causality Test (uji kausalitas granger) terhadap variabel S12 dan S3.
UNIVERSITAS INDONESIA
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
54
Dengan menggunakan program Eviews 4.1, dilakukan pengujian kausalitas granger pada tingkat siginifikansi yang dipilih α = 0,05. Hasil pengujian sebagaimana tabel 4.1 berikut : Tabel 4.1 Hasil pengujian kausalitas Null hypothesis S3 does not granger cause S12 S12 does not granger cause S3
Probality 0.00025 0.19502
Kesimpulan p-value < α, maka H0 ditolak p-value > α, maka H0 tidak ditolak
Sumber : Perhitungan dengan program lampiran 4.
Berdasarkan pengujian menunjukkan bahwa S3 mempengaruhi S12 (H0 yang menyatakan tidak ada kausalitas granger ditolak), sedangkan S12 tidak mempengaruhi S3 (H0 yang menyatakan tidak ada kausalitas granger tidak ditolak). Berdasarkan hal tersebut dapat disimpulkan: 1. Estimasi awal adanya hubungan umpan balik antara variabel S12 dan S3 tidak terbukti. 2. Hubungan yang terjadi adalah hubungan searah, dimana S3 mempengaruhi S12 namun S12 tidak mempengaruhi S3. Dengan jenis hubungan searah pada persamaan regresi simultan, metode penaksiran model menggunakan metode OLS. Model persamaan awal yang ditaksir adalah model 1, 2 dan 3. Fungsi persamaan model yaitu : a. Model 1 Persamaan fungsi Model 1 adalah : -
S12 = f(S3, S50, Tb, D1, D2, D3)
Persamaan regresi Model 1 adalah persamaan 4.1. b. Model 2. Persamaan fungsi Model 2 adalah : -
S3 = f(Sms, Smn,S6, Tb3, D1, D2, D3)
Persamaan regresi Model 2 adalah -
S3t = a0 + b1Smst + b2Smnt + b3Tb3t + b4S6t-1 + b5D1 + b6D2 + b7D3 + et
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
(4.3)
55
c. Model 3 Persamaan fungsi Model 3 adalah : S12 = f(233, S50, Tb, D1, D2, D3)
-
Persamaan regresi Model 3 adalah : S12t = a0 + b1233t-1 + b2S50t-2 + b3Tbt + b4D1
-
+ b5D2 + b6D3 + et
(4.4)
4.1.2 Penaksiran Model 1 4.1.2.1 Regresi Model Penjualan LPG 12 Kg Penaksiran model 1 (persamaan 4.1) dilakukan dengan metode OLS dan menggunakan program Eviews 4.1 (lampiran 5), hasil perhitungan penaksiran Model 1 adalah sebagai berikut : Tabel 4.2 Hasil penaksiran model 1 1 S12t
= 7411.94–0.12(S3t-1) - 4.51(S50t-2)+19.8(Tbt) - 925.91(D1)–134.17(D2) +1283.60(D3)+et
t
= (4.339)
(-6.594)
(-0.276)
(2.799)
(-2.295)
(-0.306)
(3.830)
nilai-p = (0.000)
(0.000)
(0.784)
(0.008)
(0.028)
(0.761)
(0.000)
adjusted-r2
= 0.87
Prob( F-stat) = 0.0000
4.1.2.2 Goodness of Fit a. Koefisien determinasi Penaksiran Model 1 menghasilkan koefisien determinasi 87 %, secara statistik nilai ini cukup tinggi, sehingga hasil dapat diterima. b. Uji global (F-test) Hasil uji global, dimana probability F-test = 0.000, artinya nilai F-test < tingkat signifikansi (α = 5% atau α = 10%). Sehingga dapat disimpulkan bahwa secara keseluruhan variabel penjelas pada Model 1 dapat menjelaskan variabel yang dijelaskan.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
56
c. Uji parsial (t-test). Pengujian terhadap pengaruh masing-masing variabel menunjukkan terdapat beberapa variabel dan tidak berpengaruh, sebagaimana tabel 4.3 berikut: Tabel 4.3 Hasil t-Test Variabel S3 S50 Tb D1 D2 D3
Probability 0.000 0.784 0.008 0.028 0.761 0.000
Kesimpulan p-value < α, variabel tidak ditolak. p-value > α, variabel ditolak. p-value < α, variabel tidak ditolak. p-value < α, variabel tidak ditolak. p-value > α, variabel ditolak. p-value < α, variabel tidak ditolak.
Berdasarkan pengujian dengan pertimbangan tingkat signifikansi 10% ataupun 5%, hasil persamaan regresi yang menggambarkan hubungan varibel yang berpengaruh terhadap penjualan LPG 12 Kg Non PSO adalah sebagai berikut : 1 = 7411.94 – 0.12 (S3t-1) + 19.8 (Tbt) – 925.91 (D1) S12t
(4.5)
+ 1283.60 (D3) + et 4.1.2.3 Uji Asumsi Klasik a. Uji Heteroskedastisitas Pengujian heteroskedastisitas
dengan
menggunakan
white
heteroscedasticity test. Hasil uji pada lampiran 5 menunjukkan Obs*RSquared probability adalah 0.40, artinya nilai tersebut > α, sehingga disimpulkan bahwa tidak terjadi heteroskedastisitas pada penaksiran Model 1. b. Uji Autokolerasi Uji autokorelasi (otokorelasi) dilakukan dengan durbin-watson test. Hasil uji pada lampiran 5 menunjukkan bahwa nilai durbin-watson penaksiran 2.10 tidak terletak pada daerah penolakan maupun daerah meragukan. Sehingga disimpulkan bahwa tidak terjadi autokorelasi pada Model 1.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
57
c. Uji Multikolinearitas Hasil uji multikolinearitas berdasarkan nilai VIF pada lampiran 5, menunjukkan hasil sebagai berikut : Tabel 4.4 Hasil uji multikolinearitas model 1 Variabel
R-squared
VIF
Kesimpulan
S3 S50
0.88 0.3
8.33
tidak terdapat multikolinearitas
1.43
tidak terdapat multikolinearitas
Tb
0.83
5.88
tidak terdapat multikolinearitas
D1
0.77
4.35
tidak terdapat multikolinearitas
D2
0.82
5.56
tidak terdapat multikolinearitas
D3
0.5
2.00
tidak terdapat multikolinearitas
Berdasarkan pengujian tersebut, disimpulkan bahwa pada model 1 tidak terdapat multikolinearitas. Berdasarkan pengujian goodness of fit dan uji asumsi klasik disimpulkan bahwa Model 1 persamaan regresi penjualan LPG 12 Kg Non PSO adalah sebagaimana persamaan 4.5. 4.1.3 Penaksiran Model 2 4.1.3.1 Regresi Model Penjualan LPG 3 Kg Dengan menggunakan metode OLS dan program Eviews 4.1, dilakukan regresi model penjualan LPG 3 Kg (persamaan 4.3). Berdasarkan hasil penaksiran tahap awal tersebut, dilakukan pengujian goodness of fit dan uji asumsi klasik (perhitungan pada lampiran 6). Koefisien determininasi hasil penaksiran sangat tinggi yaitu 99%, namun pada pengujian asumsi klasik terdapat pelanggaran asumsi Multikolinearitas, dimana pada persamaan awal model 2 terdapat beberapa variabel yang memiliki angka VIF lebih dari 10, sebagaimana ditunjukkan pada tabel berikut :
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
58
Tabel 4.5 Nilai VIF model 2 penaksiran pertama Variabel
R-squared
VIF
Kesimpulan
Sms
0.96
25.00
Terdapat multikolinearitas
Smn
0.96
25.00
Terdapat multikolinearitas
Tb3
0.96
25.00
Terdapat multikolinearitas
S6
0.81
5.26
Tidak terdapat multikolinearitas
D1
0.79
4.76
Tidak terdapat multikolinearitas
D2
0.94
16.67
Terdapat multikolinearitas
D3
0.85
6.67
Tidak terdapat multikolinearitas
Nilai VIF beberapa variabel sangat tinggi, bahkan terdapat 3 variabel (Sms, Smn dan Tb3) melebihi 20. Untuk penaksiran selanjutnya, salah satu variabel dihilangkan yaitu Sms (Mitan PSO yang sudah tidak ada lagi sejak bulan Februari 2010). Persamaan regresi menjadi : S3t = a0+ b1Smnt + b2Tb3t + b3S6t-1 + b4D1+ b5D2+b6D3+ et
(4.6)
Hasil penaksiran terhadap persamaan 4.6 adalah sebagai berikut : Tabel 4.6 Penaksiran model 2 5 = 7020.88+2.944(Smnt) -273.65 (S6t-1) + 1.07 (Tb3) + 4321.46 (D1) – 11677 (D2) -12187.44 (D3)+ et S3t
t
= (2.244)
(4.530)
(-2.067)
(5.55)
(2.878)
(-3.049)
(-4.141)
p
= (0.031)
(0.000)
(0.046)
(0.000)
(0.007)
(0.004)
(0.000)
2
adjusted-r
= 0.957
Prob( F-stat)
= 0.0000
4.1.3.2 Goodness of Fit a. Koefisien determinasi Penaksiran kedua pada Model 2 menghasilkan koefisien determinasi 95.7 %, nilai ini cukup tinggi, hasil dapat diterima. b. Uji global (F-test) Hasil uji global, dimana probability F-test = 0.000, artinya nilai F-test < tingkat signifikansi. Sehingga dapat disimpulkan bahwa secara
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
59
keseluruhan variabel penjelas pada Model 2 dapat menjelaskan variabel yang dijelaskan. c. Uji parsial (t-test). Pengujian terhadap pengaruh masing-masing variabel menunjukkan bahwa seluruh variabel mempengaruhi, sebagaimana tabel 4.7 berikut: Tabel 4.7 Hasil t-Test model 2 Variabel Smn S6 Tb3 D1 D2 D3
Probability 0.000 0.046 0.000 0.007 0.004 0.000
Kesimpulan p-value < α, variabel tidak ditolak. p-value < α, variabel tidak ditolak. p-value < α, variabel tidak ditolak. p-value < α, variabel tidak ditolak. p-value < α, variabel tidak ditolak. p-value < α, variabel tidak ditolak.
Berdasarkan
pengujian,
maka
persamaan
regresi
yang
menggambarkan varibel yang berpengaruh terhadap penjualan LPG 3 Kg Non PSO adalah sebagai berikut : 5 = 7020.88 + 2.944(Smnt) - 273.65 (S6t-1) + 1.07 (Tb3) S3t
+ 4321.46 (D1) – 11677 (D2) - 12187.44 (D3) + et (4.7) 4.1.3.3 Uji Asumsi Klasik a. Uji Heteroskedastisitas Pengujian
heteroskedastisitas
dengan
menggunakan
white
heteroscedasticity test. Hasil uji pada lampiran 6 menunjukkan Obs*RSquared probability adalah 0.24, artinya nilai tersebut > α, sehingga disimpulkan bahwa tidak terjadi heteroskedastisitas pada penaksiran Model 2. b. Uji Autokolerasi Uji autokorelasi (otokorelasi) dilakukan dengan durbin-watson test. Hasil uji pada lampiran menunjukkan bahwa nilai durbin-watson 1.68 tidak terletak pada daerah penolakan, namun terletak pada daerah meragukan. Sehingga untuk lebih memastikan dilakukan pengujian
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
60
dengan menggunakan metode Breusch-Godfrey Serial Correlation LM Test yang tersedia pada program Eviews. Hasil pengujian BreuschGodfrey Serial Correlation LM Test
menunjukkan bahwa nilai
probabilitas Obs*R-Squared adalah 0.525, artinya 0.525 > tingkat signifikansi (α = 5%), Sehingga disimpulkan bahwa tidak terjadi Autokorelasi pada penaksiran model 2. c. Uji Multikolinearitas Hasil uji multikolinearitas berdasarkan nilai VIF pada lampiran 6, menunjukkan hasil sebagai berikut : Tabel 4.8 Hasil uji multikolinearitas model 2 Variabel Smn
R-squared 0.93
VIF 14.29
Kesimpulan Terdapat multikolinearitas
Tb3
0.94
16.67
Terdapat multikolinearitas
S6
0.81
5.26
Tidak terdapat multikolinearitas
D1
0.52
2.08
Tidak terdapat multikolinearitas
D2
0.92
12.50
Terdapat multikolinearitas
D3
0.79
4.76
Tidak terdapat multikolinearitas
Hasil pengujian menunjukkan, dengan menghilangkan variabel sms, terjadi penurunan nilai VIF pada masing-masing variabel terutama pada variabel yang sebelumnya memiliki angka sangat tinggi diatas 20. Namun demikian, hasil penaksiran masih terdapat variabel dengan angka VIF diatas 10 yaitu Smn, Tb3 dan D2. Dengan mempertimbangkan salah satu solusi
terhadap
multikolinearitas
adalah
membiarkan
terjadi
multikolinearitas karena persamaan OLS masih tetap bersifat BLUE dan jika menghilangkan lagi variabel pada Model 2 dikhawatirkan akan menimbulkan permasalahan yang lain pada pengujian asumsi klasik, maka persamaan model 2 tetap menggunakan persamaan fungsi 4.7. 4.1.4 Penaksiran Model 3 4.1.4.1 Regresi Model Penjualan LPG 12 Kg Penaksiran model 3 (persamaan 4.4) dilakukan dengan metode OLS dan menggunakan program Eviews 4.1, Berdasarkan hasil penaksiran tahap awal
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
61
tersebut, dilakukan pengujian goodness of fit dan uji asumsi klasik (perhitungan pada lampiran 7), hasil pengujian tahap awal mengalami pelanggaran asumsi Multikolinearitas, terdapat beberapa variabel yang memiliki angka VIF lebih dari 10. Setelah dilakukan perbaikan dengan menghilangkan variabel yang mengalami multikolinearitas dan tidak menimbulkan permasalahan asumsi klasik lainnya, maka persamaan regresi model 3 yang terbentuk adalah : S12t = a0 + b1S50t-2+b2Tbt+b3Smnt-1+b3S6t-1+ b4D1+b6D3+ et
(4.8)
Hasil penaksiran terhadap persamaan 4.9 adalah sebagai berikut : Tabel 4.9 Penaksiran model 3 1 = 8729.44 - 7.26(S50t-2) + 3.95(Tbt) - 0.37(Smnt-1) + 57.21(S6t-1) – 923.42(D1) + 1505.24(D3)+ et S12t t
= (4.236)
(-0.362)
(-0.494)
(-5.160)
(2.269)
(-1.773)
(3.631)
p
= (0.000)
(0.719)
(0.624)
(0.000)
(0.030)
(0.086)
(0.001)
adjusted-r
2
Prob( F-stat)
= 0.81 = 0.0000
4.1.4.2 Goodness of Fit a. Koefisien determinasi Penaksiran kedua pada Model 3 menghasilkan koefisien determinasi 81 %, nilai ini cukup tinggi (hasil dapat diterima). b. Uji global (F-test) Hasil uji global, dimana probability F-test = 0.000, artinya nilai F-test < tingkat signifikansi (α = 5%). Sehingga dapat disimpulkan bahwa secara keseluruhan variabel penjelas pada Model 3 dapat menjelaskan variabel dependen. c. Uji parsial (t-test). Pengujian terhadap pengaruh masing-masing variabel menunjukkan bahwa seluruh variabel mempengaruhi, sebagaimana tabel 4.10 berikut:
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
62
Tabel 4.10 Hasil t-Test model 3 Variabel S50 Tb Smn S6 D1 D3
Probability 0.719 0.624 0.000 0.030 0.086 0.001
Kesimpulan p-value > α, variabel ditolak. p-value > α, variabel ditolak. p-value < α, variabel tidak ditolak. p-value < α, variabel tidak ditolak. p-value > α, variabel tidak ditolak*. p-value < α, variabel tidak ditolak.
pengujian,
maka
*untuk α = 10%
Berdasarkan
persamaan
regresi
yang
menggambarkan varibel yang berpengaruh terhadap penjualan LPG 12 Kg PSO model 3 adalah sebagai berikut : 1 S12t
= 8729.44 - 0.37(Smnt-1) + 57.21(S6t-1) – 923.42(D1) + 1505.24(D3) + et
(4.9)
4.1.4.3 Uji Asumsi Klasik a. Uji Heteroskedastisitas Pengujian
heteroskedastisitas
dengan
menggunakan
white
heteroscedasticity test. Hasil uji pada lampiran menunjukkan Obs*RSquared probability adalah 0.38, artinya nilai tersebut > α, sehingga disimpulkan bahwa tidak terjadi heteroskedastisitas pada penaksiran Model 3. b. Uji Autokolerasi Uji autokorelasi (otokorelasi) dilakukan dengan durbin-watson test. Hasil uji pada lampiran menunjukkan bahwa nilai durbin-watson 1.91 tidak terletak pada daerah penolakan, sehingga disimpulkan bahwa tidak terjadi Autokorelasi pada penaksiran model 3. c. Uji Multikolinearitas Hasil uji multikolinearitas berdasarkan nilai VIF pada lampiran, menunjukkan hasil sebagai berikut :
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
63
Tabel 4.11 Hasil uji multikolinearitas model 3 Variabel S50 Tb
R-squared 0.3 0.79
VIF 1.43
Kesimpulan Tidak terdapat multikolinearitas
4.76
Tidak terdapat multikolinearitas
Smn
0.73
3.70
Tidak terdapat multikolinearitas
S6
0.72
3.57
Tidak terdapat multikolinearitas
D1
0.79
4.76
Tidak terdapat multikolinearitas
D3
0.5
2.00
Tidak terdapat multikolinearitas
Berdasarkan pengujian tersebut, disimpulkan bahwa pada model 3 tidak terdapat multikolinearitas. Berdasarkan pengujian goodness of fit dan uji asumsi klasik disimpulkan bahwa Model 3 persamaan regresi penjualan LPG 12 Kg Non PSO adalah sebagaimana persamaan 4.9. 4.2 Analisis 4.2.1 Perbandingan Model 1 dan Model 3 Penjualan LPG 12 Kg Terdapat dua model yang menggambarkan hubungan variabel dan prediksi penjualan LPG 12 Kg yaitu model 1 dan model 3. Oleh sebab itu perlu dilakukan evaluasi untuk memilih model mana yang lebih tepat mengenai gambaran hubungan variabel dan hasil prediksi penjualan LPG 12 Kg. Evaluasi yang dilakukan dalam membandingkan kedua model tersebut adalah : 1. Mengevaluasi hasil penaksiran Evaluasi hasil penaksiran yang dimaksud adalah evaluasi model terhadap 5 ) dari penaksiran persamaan nilai prediksi (fitted value), variabel S12 (212
masing-masing model. Sebagai gambaran hasil penaksiran Model 1 dan Model 3 periode September 2008 – Desember 2010 seperti pada gambar 4.1 sebagai berikut:
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
64
14000
12000 10000 8000 6000 4000 2000 sept '07 nop '07 jan '08 mar '08 mei '08 juli '08 sept '08 nop '08 jan '09 mar '09 mei '09 juli '09 sept '09 nop '09 jan '10 mar '10 mei '10 juli '10 sept '10
0
Actual
Fitted-Model 1
Fitted-Model 3
Gambar 4.1 Hasil penaksiran model 1 dan model 3 Hasil perhitungan perbandingan pada lampiran 8 antara model 1 dan 3 menghasilkan nilai rata-rata penjualan LPG 12 Kg yang sama dengan rata-rata aktual, dan nilai penjumlahan error antar model 1 dan 3 adalah sama yaitu nol. Kriteria seleksi model yang digunakan adalah : -
Nilai
residual
yaitu
selisih
nilai
S12
aktual
dengan
penaksirannya. -
Koefisien determinasi (R2)
-
Adjusted- R2
Perbandingan ketiga kriteria seleksi model terhadap kedua model penjualan LPG 12 Kg adalah sebagaimana tabel 4.14 berikut ini: Tabel 4.12 Perbandingan hasil penaksiran model 1 & 3 Uraian Kriteria MSE RMSE R2
Model 1 230,196 345.83 89.50%
Model 3 347,917 396.70 84.10%
Keterangan Model 1 lebih baik Model 1 lebih baik
adj-R2
87.50%
81.10%
Model 1 lebih baik
Model 1 lebih baik
Berdasarkan hasil perbandingan tersebut, maka untuk hasil penaksiran S12 terhadap data dalam sampel disimpulkan bahwa Model 1 lebih baik dari pada hasil penaksiran Model 3.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
65
2. Perbandingan hasil prediksi Untuk membandingkan hasil prediksi digunakan persamaan Model 1 dan Model 3 menaksir nilai penjualan LPG 12 Kg pada bulan Januari sampai dengan Mei 2011, yaitu data yang tidak masuk dalam fungsi persamaan (data diluar sampel). Perbandingan memberikan gambaran model mana yang lebih tepat untuk memprediksi penjualan LPG 12 Kg (S12). Gambaran hasil prediksi untuk bulan Januari – Mei 2011 oleh model 1 dan model 3 adalah sebagaimana gambar 4.2 berikut ini: 9,000.0
Hasil Estimasi Model 1 vs Model 3
8,000.0 7,000.0 6,000.0 5,000.0 4,000.0 3,000.0 2,000.0 1,000.0 Jan 2011
Feb 2011 S12-actual
Mar 2011
Apr 2011
S12-Model 1
Mei 2011 S12-Model 3
Gambar 4.2 Estimasi model 1 dan model 3 Secara visual jika dibandingkan kedekatan garis S12 aktual dengan prediksi masing-masing model maka terlihat bahwa prediksi S12 Model 1 lebih mendekati garis S12 aktual. Untuk lebih memastikan perbandingan hasil penaksiran antara kedua model, dilakukan perbandingan nilai residual masing-masing model. Perbandingan nilai prediksi, residual dan Root Mean Squared Error (RMSE) masing-masing model ditunjukkan pada tabel 4.15 berikut ini:
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
66
Tabel 4.13 Perbandingan hasil prediksi model 1 dan model 3 Bulan
S12-actual
Jan 2011 Feb 2011 Mar 2011 Apr 2011 Mei 2011
7,556.1 6,881.0 7,683.3 7,096.2 7,200.5
√Residual2
Nilai prediksi S12 Model 1 7,806.7 7,590.1 7,782.0 7,199.3 7,474.4
Model 3 7,750.31 7,431.78 7,682.78 7,936.65 7,754.80 RMSE
Model 1 250.63 709.10 98.77 103.08 273.97 287.11
Model 3 194.19 550.82 0.48 840.47 554.34 428.06
Berdasarkan tabel 4.15 tersebut diatas, terlihat bahwa nilai RMSE model 1 lebih rendah dari pada Model 3. Hal ini menggambarkan bahwa nilai prediksi dari Model 1 lebih mendekati nilai aktual jika dibandingkan dengan nilai prediksi Model 3. Berdasarkan evaluasi hasil penaksiran (persamaan menggunakan data dalam sampel) dan perbandingan hasil prediksi (persamaan menggunakan data diluar sampel), dapat disimpulkan bahwa untuk menggambarkan hubungan variabel dan prediksi penjualan LPG 12 Kg PSO lebih baik jika menggunakan Model 1 dibandingkan Model 3. 4.2.2 Hasil Prediksi Model Pada bagian ini membahas perbandingan hasil penaksiran model terhadap Penjualan LPG 12 Kg Non PSO dan LPG 3 Kg PSO dengan hasil aktual penjualan pada bulan Januari-Mei 2011 (data diluar sampel). Model yang dibahas adalah model 1 untuk penjualan LPG 12 Kg dan Model 2 untuk penjualan LPG 3 Kg. 4.2.2.1 Prediksi Penjualan LPG 12 Kg dengan Model 1 Prediksi penjualan menggunakan persamaan 4.5 untuk menghitung jumlah penjualan LPG 12 Kg pada bulan Januari – Mei 2011, sebagaimana perhitungan pada lampiran 9. Untuk penelitian, hasil perhitungan prediksi juga berfungsi untuk memvalidasi model. Tujuan perhitungan ini adalah untuk mendapatkan hasil penaksiran penjualan LPG 12 Kg Non PSO dengan menggunakan data pada periode diluar cakupan sampel. Gambaran perbandingan hasil perhitungan dengan nilai aktual penjualan LPG 12 Kg ditunjukkan pada gambar 4.3 berikut :
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
67
9,000.0 8,000.0 7,000.0 6,000.0 5,000.0 4,000.0 3,000.0 2,000.0 1,000.0 Jan 2011
Feb 2011
Mar 2011
S12-aktual
Apr 2011
Mei 2011
S12-fitted
Gambar 4.3 Hasil penaksiran model 1 bulan Jan-Mei 2011 Perhitungan hasil prediksi memberikan gambaran mengenai hasil penaksiran berdasarkan persamaan regresi dan residualnya yang merupakan selisih nilai prediksi tersebut dengan aktual. Perbandingan angka penjualan dengan hasil penaksiran serta besaran residual model 1 adalah sebagaimana ditunjukkan pada tabel 4.16 berikut : Tabel 4.14 Penaksiran model 1 Bulan Jan 2011 Feb 2011 Mar 2011 Apr 2011 Mei 2011
S12-aktual 7,556.1 6,881.0 7,683.3 7,096.2 7,200.5
S12fitted 7806.7 7590.1 7782.0 7199.3 7474.4
Residual √Residual2 (250.63) (709.10) (98.77) (103.08) (273.97) RMSE
250.6 709.1 98.8 103.1 274.0 287.1
% Residual -3% -10% -1% -1% -4%
Rata-rata persen residual adalah 4 %, yaitu rata-rata selisih antara nilai penaksiran penjualan LPG 12 Kg Non PSO berdasarkan persamaan regresi dengan nilai aktualnya. Namun dari hasil tersebut terlihat bahwa periode dengan residual tertinggi adalah bulan pada Januari dan Februari, periode bulan ini secara historikal pada perhitungan hasil regresi pun menggambarkan hal yang sama dimana pada saat bulan Januari dan Februari terjadi lonjakan nilai residual, sebagaimana terlihat pada gambar 4.4 berikut ini:
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
68
12000 11000 10000 9000
2000
8000 7000
1000
6000 0
-1000 08:01
08:07
09:01
Residual Sumber Eviews : actual,fitted,residual
09:07 Actual
10:01
10:07 Fitted
Gambar 4.4 Aktual, fitted dan residual model 1 Secara historikal dari tahun 2007-2011, angka penjualan pada bulan Januari lebih tinggi dari pada bulan Februari, hal ini disebabkan karena hari kerja bulan Februari lebih sedikit sedangkan pada bulan Januari penjualan LPG 12 Kg cenderung meningkat, dari tahun 2007-2010 rata-rata penjualan bulan Januari lebih tinggi 10.7% dari rata-rata penjualan per tahun. Pada periode tersebut, jika rata-rata residual diperhitungkan diluar bulan Februari 2010 maka akan turun menjadi 3 %. Perbandingan penjualan LPG 12 Kg pada bulan Januari – Maret tahun 2007 – 2011 adalah sebagaimana gambar 4.5 berikut : 14,000.0 12,000.0 10,000.0 8,000.0 6,000.0 4,000.0 2,000.0 Jan 2007-2008 2009-2010
Feb
Mar 2008-2009 2010-2011
Gambar 4.5 Perbandingan penjualan LPG 12 Kg Januari dan Februari
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
69
4.2.2.2 Prediksi Penjualan LPG 3 Kg PSO dengan Model 2 Perhitungan prediksi penjualan menggunakan model 2 yaitu persamaan 4.7. Tujuan perhitungan ini adalah untuk mendapatkan hasil penaksiran penjualan LPG 3 Kg Non PSO dengan menggunakan data pada periode diluar cakupan sample, Januari – Mei 2011. Hasil perhitungan persamaan regresi selanjutnya dibandingkan dengan nilai aktual untuk mendapatkan angka residual model 2. Untuk penelitian, hasil perhitungan prediksi ini juga berfungsi untuk memvalidasi model. Gambaran perbandingan hasil perhitungan dengan nilai aktual penjualan LPG 3 Kg ditunjukkan pada gambar 4.6 berikut :
45,000.0 40,000.0 35,000.0 30,000.0 25,000.0 20,000.0 15,000.0 Jan 2011
Feb 2011
Mar 2011
S3-actual
Apr 2011
Mei 2011
S3-fitted value
Gambar 4.6 Hasil penaksiran model 2 bulan Jan-Mei 2011 Perbandingan angka penjualan dengan hasil penaksiran serta besaran residual model 2 adalah sebagaimana ditunjukkan pada tabel 4.17 berikut : Tabel 4.15 Penaksiran model 2 Bulan Jan 2011 Feb 2011 Mar 2011 Apr 2011 Mei 2011
S3-aktual 38,872.2 37,272.5 42,128.9 39,835.9 40,489.4
S3-fitted 37080.8 37487.9 35499.2 37083.2 36763.2
Residual 1,791.41 (215.42) 6,629.73 2,752.69 3,726.21 RMSE
√Residual
2
1,791.41 215.42 6,629.73 2,752.69 3,726.21 3,023.1
% Residual 5% -1% 16% 7% 9%
Hasil penaksiran model 2 memiliki rata-rata persen residual sejumlah 7 %, artinya terdapat rata-rata selisih antara nilai penaksiran penjualan LPG 3 Kg Non PSO berdasarkan persamaan regresi dengan nilai aktualnya adalah 7 %. Seperti
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
70
ditunjukkan pada tabel 4.17 diatas, dari lima bulan periode evaluasi, terdapat satu angka residual yang memberikan nilai cukup tinggi yaitu bulan Maret (16%), yang jika menghitung residual hanya pada empat bulan lainnya (tanpa lonjakan residual bulan Maret), rata-rata residual menjadi 5 %. Berbeda dengan penjualan LPG 12 Kg yang secara historikal memperlihatkan pola penjualan yang relatif sama untuk bulan Januari – Maret dari tahun 2007-2011, untuk LPG 3 Kg tidak demikian. Terjadinya lonjakan pada bulan Maret 2011 tersebut dimungkinkan pada bulan Februari 2011 dilakukan evaluasi alokasi terhadap agen. 4.3 Analisis variabel pada Model Pada bagian ini membahas pengaruh variabel penjelas, yaitu faktor-faktor yang secara statistik signifikan mempengaruhi variabel dependen. Untuk penjualan LPG 12 Kg, variabel model yang dibahas adalah model 1 dan model 3 sedangkan penjualan LPG 3 Kg menggunakan Model 2. Untuk model 3, walaupun pada pengujian terlihat bahwa model 1 lebih baik untuk menjelaskan penjualan LPG 12 Kg, namun pada model 3 menggambarkan variabel yang secara simultan juga mempengaruhi penjualan LPG 12 Kg melalui pengaruh variabel LPG 3 Kg. 4.3.1 Variabel Model 1 Model 1 sesuai persamaan 4.5 mendeskripsikan hubungan antara penjualan LPG 12 Kg dengan variabel-variabel lain yang mempengaruhinya. Berdasarkan persamaan tersebut, pada penelitian ini dapat dinyatakan bahwa terdapat 4 faktor yang mempengaruhi besaran penjualan LPG 12 Kg Non PSO di wilayah Jawa Tengah adalah : a. Penjualan LPG 3 Kg. b. Jumlah kemasan (tabung) LPG 12 Kg. c. Perubahan harga jual LPG 12 Kg. d. Pelaksanaan rayonisasi dan alokasi penjualan LPG 3 Kg. Adanya hubungan antar produk LPG Pertamina dalam kemasan membuktikan bahwa penjelasan mengenai posisi Pertamina yang masih sangat dominan sebagai pilihan konsumen di Indonesia terutama di Jawa Tengah adalah sesuai. Perubahan penjualan salah satu produk LPG suatu kemasan dapat mempengaruhi penjualan produk LPG kemasan yang lain. Hal ini dapat
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
71
ditunjukkan dari data total penjualan LPG maupun total penjualan LPG dan Mitan (1 liter Mitan setara dengan 0,57 LPG) setelah program konversi dilaksanakan dimana kondisi pemasaran produk telah cukup stabil, yaitu mulai bulan Maret 2010, secara umum menggambarkan kestabilan, sebagaimana dapat dilihat pada gambar 4.7 berikut ini: 60,000.0 50,000.0 40,000.0 30,000.0 20,000.0 10,000.0 -
Penjualan LPG + Mitan
Penjualan LPG
Gambar 4.7 Total penjualan LPG dan LPG-Mitan 4.3.1.1 Penjualan LPG 3 Kg Berdasarkan persamaan 4.5, hubungan antara Penjualan LPG 12 Kg dengan penjualan LPG 3 Kg adalah : setiap perubahan 1 satuan penjualan LPG 3 Kg akan mempengaruhi penjualan LPG 12 Kg sejumlah 0.12 satuan (koefisien S3 pada persamaan: -0.12), ceteris paribus. Atau dengan kata lain dapat dinyatakan bahwa jika terjadi kenaikan penjualan LPG 3 Kg sejumlah 1 MT menunjukkan hubungan menurun pada penjualan LPG 12 Kg sejumlah 0.12 MT, ceteris paribus. Hal ini sesuai dengan pertimbangan bahwa produk LPG kemasan 3 Kg merupakan substitusi dari produk LPG 12 Kg. Sehingga sebagai produk subsitusi tersebut, di mungkin jika penjualan LPG 3 Kg mengalami peningkatan dapat disebabkan karena konsumen produk LPG 12 Kg beralih menggunakan LPG 3 Kg. Disamping menggambarkan hubungan variabel, persamaan model 1 juga dapat digunakan untuk memperkirakan besaran penjualan LPG 12 Kg dengan mengevaluasi jumlah penjualan LPG 3 Kg. Hal ini berguna untuk perencanaan
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
72
suplai ataupun sebagai pertimbangan dalam penerapan kebijakan sebagai strategi pemasaran produk. 4.3.1.2 Jumlah Tabung LPG 12 Kg Berdasarkan persamaan 4.5, hubungan antara Penjualan LPG 12 Kg dengan Jumlah tabung 12 Kg yang beredar adalah : setiap perubahan 1 satuan jumlah tabung LPG 12 Kg akan mempengaruhi penjualan LPG 12 Kg sejumlah 19.8 satuan (koefisien Tb pada persamaan: + 19.8), ceteris paribus. Atau dengan kata lain dapat dinyatakan bahwa jika terjadi kenaikan jumlah tabung 12 Kg sejumlah 1000 tabung menunjukkan hubungan peningkatan pada penjualan LPG 12 Kg sejumlah 19.8 MT, ceteris paribus. Kemasan tabung merupakan barang komplementer (pelengkap) pada produk LPG 12 Kg. Dengan pertimbangan barang komplementer, hubungan yang digambarkan pada persamaan ini cukup sesuai dimana peningkatan jumlah barang komplementer akan meningkatkan penjualan suatu produk. Untuk keperluan prediksi penjualan LPG 12 Kg, Model 1 juga dapat digunakan untuk memperkirakan jumlah penjualan dengan mengevaluasi jumlah tabung yang beredar di masyarakat. Hal ini bermanfaat dalam mempertimbangkan strategi pemasaran dan menyusun perencanaan suplai. 4.3.1.3 Perubahan Harga Jual LPG 12 Kg Perubahan harga jual LPG 12 Kg pada persamaan ditunjukkan oleh variabel D1. Model 1 menunjukkan bahwa kenaikan harga mempengaruhi jumlah penjualan produk LPG 12 Kg, yaitu : kenaikan harga LPG 12 Kg yang dimulai sejak bulan Juli 2008, menyebabkan terjadinya penurunan penjualan sejumlah 925.51 MT, ceteris paribus. Hal ini sesuai dengan teori ekonomi yang menyatakan bahwa
kenaikan
harga
suatu
barang
akan
menyebabkan
penurunan
permintaannya. Namun pada model tidak dapat dijelaskan koefisien perubahan harga yang dapat menggambarkan seberapa besar pengaruh perubahan penjualan terhadap satuan perubahan harga. Hal ini sebagaimana telah dijelaskan karena perubahan harga jual LPG Pertamina tidak terjadi setiap bulan atau setiap periode tertentu (kenaikan harga tidak dapat dipastikan waktu pelaksanaannya). Walaupun demikian, dengan mengevaluasi kondisi pada model, dapat dinyatakan mengenai
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
73
besaran perubahan penjualan terhadap kenaikan harga sejumlah total +/- 35 %, yaitu menyebabkan penurunan penjualan sejumlah 925.51 MT LPG 12 Kg Non PSO, ceteris paribus. Deskripsi hasil analisis ini bermanfaat sebagai pertimbangan dalam mengevaluasi kebijakan terkait perubahan harga jual LPG. 4.3.1.4 Pelaksanaan Rayonisasi dan Alokasi Penjualan LPG 3 Kg Pelaksanaan rayonisasi dan alokasi penjualan LPG 3 Kg merupakan program baru yang diterapkan di Gas Domestik Region III, dimulai sejak Juni 2010. Pada program ini terdapat dua kebijakan dasar yang diterapkan yaitu : 1. Mengatur wilayah pemasaran LPG 3 Kg Agen sesuai dengan kota/kabupatennya (rayonisasi). Pada kondisi awal pemasaran LPG 3 Kg belum dilakukan pengaturan tentang wilayah pengisian dan penjualan setiap agen, sehingga dimungkinkan agen pada satu daerah kota/kabupaten dapat melakukan pengisian dan menjual LPG ke wilayah lainnya dan lebih dari satu wilayah. Dengan program rayonisasi, lokasi pengisian dan penjualan ditentukan sesuai dengan lokasi pendirian masing-masing agen. 2. Mengatur alokasi penjualan LPG 3 Kg setiap Kota dan Kabupaten. Pengaturan alokasi adalah menyusun alokasi pembelian LPG setiap agen, dengan prinsip tidak membatasi hanya menyesuaikan dengan kebutuhan setiap kota/kabupaten wilayah pendirian agen tersebut. Pengaturan alokasi meliputi pengaturan total jumlah pembelian agen, lokasi pengisian dan jadwal pengisian per hari setiap agen. Berdasarkan Model 1 pada persamaan 4.5 menunjukkan bahwa dengan pelaksanaan rayonisasi dan alokasi penjualan LPG 3 Kg, memberikan pengaruh pada peningkatan penjualan LPG 12 Kg. Secara statistik hasil regresi Model 1 dapat dijelaskan : pelaksanaan rayonisasi dan alokasi memberikan pengaruh pada peningkatan penjualan LPG 12 Kg sebesar 1283.60 MT. Dengan pelaksanaan rayonisasi dan alokasi ini menyebabkan penjualan lebih teratur, jumlah suplai LPG ke konsumen tidak berlebih, dan penetrasi agen LPG 3 Kg lebih terbatas sehingga meningkatkan peluang produk LPG 12 Kg dibeli oleh masyarakat.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
74
4.3.2 Variabel Model 2 Model 2 pada persamaan 4.7 mendeskripsikan hubungan antara penjualan LPG 3 Kg Non PSO dengan variabel-variabel lain yang mempengaruhinya, namun dalam persamaan ini masih terjadi Multikolinearitas. Terdapat 6 faktor yang mempengaruhi besaran penjualan LPG 3 Kg PSO di wilayah Jawa Tengah adalah : a. Penjualan Mitan Non PSO. b. Penjualan LPG 6 Kg. c. Jumlah tabung LPG 3 Kg. d. Perubahan harga jual LPG 12 Kg. e. Penghapusan Mitan PSO f. Pelaksanaan rayonisasi dan alokasi penjualan LPG 3 Kg. Sebagaimana juga telah dijelaskan pada pembahasan model 1, adanya hubungan antar produk Pertamina menunjukkan bahwa produk LPG dan Mitan produksi Pertamina adalah produk yang dominan digunakan oleh konsumen. Pada gambar 4.7 menunjukkan bahwa total penjualan LPG + Mitan periode satu tahunan terakhir relatif stabil, artinya walaupun terjadi perubahan pada satu produk sebagai objek penelitian ini, akan berpengaruh terhadap perubahan satu produk lainnya. 4.3.2.1 Penjualan Mitan Non PSO Berdasarkan persamaan 4.7, hubungan antara Penjualan LPG 3 Kg dengan penjualan Mitan Non PSO adalah : setiap perubahan 1 satuan penjualan Mitan Non PSO akan mempengaruhi penjualan LPG 3 Kg sejumlah 2.94 satuan (koefisien Smn pada persamaan: + 2.94), ceteris paribus. Atau dengan kata lain dapat dinyatakan bahwa jika terjadi kenaikan penjualan Mitan Non Subsidi sejumlah 1 KL (kiloliter) menunjukkan hubungan peningkatan penjualan LPG 3 Kg sejumlah 2.94 MT, ceteris paribus. Hubungan antar variabel yang ditunjukkan merupakan hubungan positif, hal ini dapat dijelaskan karena penjualan Mitan Non Subsidi dimulai ada pada masa akhir program konversi dimana Mitan PSO mulai dibatasi. Dengan hubungan positif yang terjadi pada model, di mungkin bahwa hubungan yang ada bukan merupakan hubungan antar produk subsitusi namun hubungan antar produk
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
75
yang digunakan secara bersama, digunakan beriringan sejak awal pelaksanaan konversi. Artinya terdapat masyarakat sejak awal menggunakan LPG 3 Kg selalu menggunakan secara bersama dengan Mitan, sehingga hubungan pada persamaan menunjukkan hubungan yang positif. 4.3.2.2 Penjualan LPG 6 Kg Produk LPG 6 Kg merupakan produk LPG dengan harga yang sama dengan LPG kemasan 12 Kg namun memiliki kemasan yang lebih kecil, lebih mendekati volume dan bentuk kemasan LPG 3 Kg. Berdasarkan persamaan 4.7, hubungan antara Penjualan LPG 3 Kg dengan penjualan LPG 6 Kg adalah merupakan hubungan negatif dimana : setiap perubahan 1 satuan penjualan LPG 6 Kg menunjukkan hubungan menurun pada penjualan LPG 3 Kg sejumlah 273.65 satuan (koefisien S6 pada persamaan: - 273.65), ceteris paribus. Dimungkin bahwa produk LPG kemasan 6 Kg merupakan barang substitusi bagi produk LPG 3 Kg, sehingga penurunan pada satu produk akan meningkatkan penjualan produk lainnya. 4.3.2.3 Jumlah Kemasan LPG 3 Kg Berdasarkan persamaan 4.7, hubungan antara Penjualan LPG 3 Kg PSO dengan jumlah tabung 3 Kg yang beredar adalah : setiap perubahan 1 satuan jumlah tabung LPG 3 Kg akan mempengaruhi penjualan LPG 3 Kg sejumlah 1.07 satuan (koefisien Tb pada persamaan: + 1.07), ceteris paribus. Atau dengan kata lain dapat dinyatakan bahwa jika terjadi kenaikan jumlah tabung 3 Kg sejumlah 1000 tabung menunjukkan hubungan peningkatan pada penjualan LPG 3 Kg sejumlah 1.07 MT, ceteris paribus. Kemasan tabung merupakan barang komplementer (pelengkap) pada produk LPG 3 Kg. Dengan pertimbangan barang komplementer, hubungan yang digambarkan pada persamaan ini cukup sesuai dimana peningkatan jumlah barang komplementer akan meningkatkan penjualan suatu produk. Untuk keperluan prediksi penjualan LPG 3 Kg, Model 2 juga dapat digunakan untuk memperkirakan jumlah penjualan dengan mengevaluasi jumlah tabung yang beredar di masyarakat sebagai pertimbangan dalam strategi pemasaran dan menyusun perencanaan suplai.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
76
4.3.2.4 Perubahan Harga Jual LPG 12 Kg Perubahan harga jual LPG 12 Kg ditunjukkan oleh variabel dummy D1, dengan titik pembagi periode adalah waktu kenaikan harga LPG 12 Kg bulan Juli 2008. Model 2 menunjukkan bahwa kenaikan harga mempengaruhi jumlah penjualan produk LPG 3 Kg, yaitu : kenaikan harga LPG 12 Kg, meningkatkan penjualan LPG 3 Kg sejumlah 4321.46 MT, ceteris paribus. Kondisi ini menunjukkan bahwa kenaikan harga suatu barang substitusi akan menyebabkan peningkatan permintaan produk lainnya. Kenaikan harga jual LPG 12 kg sejumlah total +/- 35 %, memberikan tambahan volume yang cukup signifikan pada LPG 3 Kg. Dari hasil analisis ini, menunjukkan pengaruh perubahan harga penjualan suatu produk akan mempengaruhi penjualan produk lainnya dan juga produknya sendiri (telah dibahas pada pembahasan sebelumnya). Bagi Pertamina, hal ini bermanfaat sebagai pertimbangan dalam evaluasi kebijakan terkait perubahan harga jual LPG. 4.3.2.5 Penghapusan Mitan PSO Penghapusan Mitan PSO yang dimaksudkan adalah periode dimana di wilayah Jateng tidak ada lagi pembelian Mitan PSO, yaitu dimulai bulan Februari 2011, pada model sebagai variabel Dummy D2. Model 2 menunjukkan bahwa penghapusan Mitan PSO mempengaruhi jumlah penjualan produk LPG 3 Kg, dimana : penghapusan Mitan PSO, menunjukkan hubungan menurun pada penjualan LPG 3 Kg sejumlah 11677.00 MT, ceteris paribus. Seperti pembahasan hubungan variabel Mitan Non Subsidi yang telah dibahas sebelumnya, hubungan ini dimungkinkan karena adanya penggunaan mitan secara bersama dengan LPG 3 Kg, sehingga penghapusan Mitan PSO, seolah-olah berdampak pada penurunan penggunaan LPG 3 Kg. 4.3.2.6 Pelaksanaan Rayonisasi dan Alokasi Penjualan LPG 3 kg Berdasarkan Model 2 pada persamaan 4.7 menunjukkan bahwa dengan pelaksanaan rayonisasi dan alokasi penjualan LPG 3 Kg sejak bulan Juni 2010, menunjukkan hubungan menurun pada penjualan LPG 3 Kg. dengan kebijakan tersebut, dapat menurunkan penjualan LPG 3 Kg sejumlah 12,187 MT.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
77
Pelaksanaan rayonisasi dan alokasi ini menyebabkan penjualan Agen LPG PSO lebih terkontrol untuk mengikuti ketentuan, jumlah dengan lokasi pengisian ditentukan pada akhir bulan sebelumnya, sehingga wilayah penjualan lebih teratur, jumlah suplai LPG ke konsumen tidak berlebih, dan penetrasi agen LPG 3 Kg lebih terbatas. 4.3.3 Variabel Model 3 Model 3 pada persamaan 4.9 mendeskripsikan hubungan simultan dari variabel penjelas pada persamaan, yang secara tidak langsung berpengaruh pada penjualan LPG 12 Kg Non PSO, dengan kata lain model ini menggambarkan hubungan tidak langsung penjualan 12 Kg dengan variabel yang mempengaruhi penjualan LPG 3 kg. Faktor-faktor yang mempengaruhi adalah a. Penjualan Mitan Non PSO. b. Penjualan LPG 6 Kg. c. Perubahan harga jual LPG 12 Kg. d. Pelaksanaan rayonisasi dan alokasi 4.3.3.1 Penjualan Mitan Non PSO Berdasarkan persamaan 4.9, hubungan antara Penjualan LPG 12 Kg dengan penjualan Mitan Non Subsidi adalah : setiap perubahan 1 satuan penjualan Mitan Non Subsidi menunjukkan hubungan menurun pada penjualan LPG 3 Kg sejumlah 0.37 satuan (koefisien Smn pada persamaan: - 0.37), ceteris paribus. Mitan Non PSO memberikan pengaruh negatif terhadap penjualan LPG 12 Kg. Kondisi ini sesuai dengan apa yang terdapat pada model 1 dan 2, dimana pada model 2 Mitan Non PSO menunjukkan hubungan positif ke penjualan LPG 3 Kg sedangkan LPG 3 Kg pada model 1 menunjukkan hubungan negatif terhadap penjualan LPG 12 Kg. Dengan kata lain dapat dijelaskan bahwa peningkatan penjualan Mitan Non PSO akan memberikan pengaruh positif pada penjualan LPG 3 Kg, selanjutnya LPG 3 Kg memberikan pengaruh negatif pada penjualan LPG 12 Kg. 4.3.3.2 Penjualan LPG 6 Kg Berdasarkan persamaan 4.9, hubungan antara Penjualan LPG 12 Kg dengan penjualan LPG 3 Kg adalah : setiap perubahan 1 satuan penjualan LPG 3
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
78
Kg menunjukkan hubungan peningkatan pada penjualan LPG 12 Kg sejumlah 57.21 satuan (koefisien S6 pada persamaan: + 57.21), ceteris paribus. LPG 6 Kg memberikan pengaruh positif terhadap penjualan LPG 12 Kg. Kondisi ini sesuai dengan apa yang terdapat pada model 1 dan 2, dimana pada model 2 LPG 6 Kg menunjukkan hubungan negatif ke penjualan LPG 3 Kg sedangkan LPG 3 Kg pada model 1 menunjukkan hubungan negatif terhadap penjualan LPG 12 Kg. Dengan kata lain dapat dijelaskan bahwa peningkatan penjualan LPG 6 Kg akan memberikan pengaruh negatif pada penjualan LPG 3 Kg, selanjutnya LPG 3 Kg memberikan pengaruh negatif pada penjualan LPG 12 Kg. Peningkatan penjualan LPG 6 Kg menurunkan penjualan LPG 3 Kg, secara tidak langsung peningkatan penjualan LPG 6 Kg meningkatkan penjualan LPG 12 Kg. 4.3.3.3 Perubahan Harga Jual LPG 12 Kg Berdasarkan Model 3 pada persamaan 4.9 menunjukkan bahwa dengan perubahan harga penjualan LPG 12, menunjukkan hubungan menurun pada penjualan LPG 12 Kg, yaitu sejumlah 923 satuan. Kondisi ini sesuai dan konsisten dengan apa yang terdapat pada model 1 dan 2, dimana peningkatan harga jual LPG 12 Kg akan memberikan pengaruh peningkatan pada penjualan LPG 3 Kg sedangkan untuk penjualan LPG 12 Kg memberikan pengaruh penurunan penjualan, dengan terdapat sedikit selisih pada angka koefisiennya yaitu hanya 2 satuan. 4.3.3.4 Pelaksanaan Rayonisasi dan Alokasi Penjualan LPG 3 kg Berdasarkan Model 3 pada persamaan 4.9 menunjukkan bahwa dengan pelaksanaan rayonisasi dan alokasi penjualan LPG 3 Kg sejak bulan Juni 2010, memberikan pengaruh pada peningkatan terhadap Penjualan LPG 12 Kg, yaitu sejumlah 1505 satuan. Kondisi ini sesuai dan konsisten dengan apa yang terdapat pada model 1 dan 2, dimana pelaksanaan rayonisasi dan alokasi akan memberikan pengaruh penurunan pada penjualan LPG 3 Kg sedangkan untuk penjualan LPG 12 Kg memberikan pengaruh peningkatan, dengan terdapat sedikit selisih pada angka koefisiennya yaitu sejumlah 222 satuan.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
79
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan Berdasarkan hasil pengolahan dan analisis data maka dapat ditarik kesimpulan sebagai berikut: g.
Didapat 6 faktor yang mempengaruhi penjualan LPG 12 Kg Non-PSO, meliputi kenaikan harga LPG 12 Kg, penjualan LPG 3 Kg, pelaksanaan alokasi dan rayonisasi, jumlah tabung LPG 12 Kg, penjualan LPG 50 Kg, serta penghapusan Mitan bersubsidi. Sedangkan 8 faktor lain yang diidentifikasi berpengaruh pada penjualan LPG 3 Kg, terdiri dari penjualan LPG 12 Kg, penjualan LPG 6 Kg, penjualan Mitan subsidi dan Mitan non-subsidi, jumlah tabung LPG 3 Kg, kenaikan harga LPG 12 Kg, penghapusan Mitan subsidi, serta pelaksanaan alokasi dan rayonisasi.
h.
Didapat 3 model penjualan yang menunjukkan hubungan yang kuat antara faktor-faktor penjualan yang didapat dengan tingkat pernjualan LPG 12 Kg, penjualan LPG 3 Kg PSO, sebagai berikut: a. Model 1 yang menunjukkan hubungan antara 4 faktor yaitu jumlah penjualan LPG 3 Kg, jumlah tabung LPG 12 Kg, perubahan harga jual LPG 12 Kg, serta pelaksanaan rayonisasi dan alokasi penjualan LPG 3 Kg terhadap penjualan LPG 12 Kg b. Model 2 yang menunjukkan hubungan antara penjualan LPG 3 Kg PSO dengan 6 faktor penjualan yaitu jumlah penjualan Mitan Non PSO, jumlah penjualan LPG 6 Kg, jumlah tabung LPG 3 Kg, terjadinya perubahan harga jual LPG 12 Kg, penghapusan Mitan Subsidi, serta pelaksanaan rayonisasi dan alokasi penjualan LPG 3 Kg. c. Model 3 yang menunjukkan hubungan antara penjualan LPG 12 Kg Non PSO dengan faktor-faktor lainnya yaitu jumlah penjualan Mitan Non PSO, jumlah penjualan LPG tabung 6 Kg, terjadinya perubahan harga jual LPG 12 Kg, serta pelaksanaan rayonisasi dan alokasi.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
80
i. Dengan memperhitungkan nilai koefisien persamaan regresi pada faktorfaktor yang menunjukkan hubungan signifikan pada model, maka hasil penaksirannya dapat digunakan untuk memperkirakan jumlah penjualan LPG 3 Kg PSO dan 12 Kg Non PSO. j. Hasil penaksiran model dengan memperhitungkan nilai koefisien variabel hubungan antar variabel penjelas signifikan penjualan LPG 3 Kg PSO dan LPG 12 Kg Non PSO ini akan memberikan informasi dan bermanfaat sebagai bahan masukan dalam bagi kebijakan pemasaran LPG perusahaan. 5.2 Saran Penelitian ini belum sempurna dengan masih terdapat beberapa permasalahan yang dapat dilakukan penelitian lebih lanjut di waktu mendatang. Saran yang dapat disampaikan yaitu : 1. Penelitian
selanjutnya
diharapkan
dapat
menambahkan
variabel
penelitian, dengan waktu penelitian yang lebih panjang, dan untuk wilayah provinsi lain maupun dalam lingkup nasional. 2. Penelitan selanjutnya dalam beberapa tahun mendatang, diharapkan menggunakan periode waktu tahunan sehingga variabel dummy harga lebih fluktuatif dan dapat diganti dari variabel kualitatif menjadi variabel kuantitatif pada fungsi variabel penjelas dalam persamaan regresi.
UNIVERSITAS INDONESIA
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
81
DAFTAR REFERENSI
Ajija S.R., Sari.D.W., Setianto, R.H., Primanti, M.R., 2011. Cara Cerdas Menguasai Eviews, Jakarta : Salemba Empat. Armstrong, J.S, & Callopy, F. (1998), Integration of Statistical Methods and Judgment for Time Series Forecasting : Principles from Empirical Research., Reproduced with permission from G. Wright & P. Goodwin (eds) 1998,269293. Armstrong, J.S, & Green K.C. (2006), Demand Forecasting: Evidence-based Methods, A Chapter for the forthcoming book, Strategic Marketing management: A Business Process Approach. Armstrong, J.S., Brodie, R.J., & McIntyre S.H (1987), Forecasting Methods for Marketing : Review of Empirical Research. Published in International Journal of Forecasting, 3 (1987), 355-376. Bappeda & Badan Pusat Statistik, Provinsi Jawa Tengah, (2010), Jawa Tengah Dalam Angka. Hair, J.F.Jr., Black, W.C., Babin, B.J., Anderson.R.E., 2010. Multivariate Data Analysis A Global Perspective, (7th ed), New Jersey : Pearson Education, Inc. Ghozali, Imam., 2001. Aplikasi Analisis Multivariate dengan program SPSS, Semarang : Badan Penerbit Universitas Diponegoro. Ghozali, Imam., 2009. Ekonometrika Teori, Konsep, dan Aplikasi dengan SPSS 17, Semarang: Badan Penerbit Universitas Diponegoro. Gujarati, D.N., 2004. Basic Econometrics, 4th ed.New York : McGraw-Hill Inc. Gujarati, D.N., 2006. Dasar-dasar Ekonometrika Jilid 1 (Mulyadi, Julius A., Penerjemah), Jakarta: Penerbit Erlangga.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
82
Gujarati, D.N., 2006. Dasar-dasar Ekonometrika Jilid 2 (Mulyadi, Julius A, Penerjemah), Jakarta: Penerbit Erlangga. Harinaldi,
(2005).
Prinsip-Prinsip
Statistik
untuk
Teknik
dan
Sains.
Jakarta: Erlangga. Hermawati, Wati., R, Ishelina., Dolant, Sayim., 2010, Analisis Prioritas Program Penelitian dan Pengembangan Bidang Energi Baru dan Terbarukan di Lembaga Ilmu Pengetahuan Indonesia. http://jurnal.pdii.lipi.go.id/admin/jurnal/7209173200.pdf Ismail, Z., F. Jamaluddin and F. Jamaluddin, (2008). Time Series Regression Model for Forecasting Malaysian Electricity Load Demand, Asian Journal of Mathematics and Statistics 1 (3):139-149, 2008, ISSN 1994-5418. Ismail, Z., Yahya, A., & Shabri, A., (2009). Forecasting Gold Prices Using Multiple Linear Regression Method, American Journal of Applied Sciences 6 (8):1509-1514, 2009, ISSN 1546-9239. Ismail, Z., Yahya, A., Mahpol, K.A., (2009) Forecasting Peak Load Electricity Demand Using Statistics and Rule Based Approach, American Journal of Applied Sciences 6 (8): 1618-1625, 2009 ISSN 1546-9239 Kasali, Rhenald (2008). Mutasi DNA Power House Pertamina On The Move, Jakarta : PT Gramedia Pustaka Utama. KPPU RI. Background Paper : Analisis Kebijakan Persaingan Dalam Industri LPG Indonesia. http://www.kppu.go.id/docs/Positioning_Paper/LPG.pdf Kuncoro, Mudrahad. 2004. Modul Studi Kausalitas. http://www.mudrajad.com. Lind, D.A., Marchal, W.G., Wathen, S.A., 2008. Teknik-teknik Statistika dalam Bisnis dan Ekonomi, (13th ed) Jilid ke 2, (Chriswan Sungkono, Penerjemah), Jakarta : Salemba Empat.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
83
Mayasari, triana (2008). Studi tentang kendala-kendala yang dihadapi oleh akuntan publik dalam melakukan merger. Ventura Vol. 11 No. 1, April 2008. Myunanto, Teori Organisasi Umum 2, http://myunanto.staff.gunadarma.ac.id/ Putirani, (2008). Menyoal Bisnis Elpiji Indonesia, Kompetisi-Media Berkala Komisi Pengawas Persaingan Usaha, edisi 12, 2008. Riggs E. Walter, 1983, The Delphi Technique : An Experimental Evaluation, Technological Forecasting and Social Change 23, 89-94 (1983). Rowe, Gene., Wrigth, George., (1999), Expert Opinions in Forecasting : The Role of Delphi Technique, International Journal of Forecasting 15 (1999) 353–375. Sukirno, Sadono. (2009), Mikro Ekonomi Teori Pengantar, edisi 3, Jakarta : Rajawali Press. Widarjono, A., 2005. Ekonometrika Pengantar dan Aplikasinya, Ekonisia Kampus Fakultas Ekonomi UII Yogyakarta.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
2010
2009
2008
2007
tahun
september oktober nopember desember januari februari maret april mei juni juli agustus september oktober nopember desember januari februari maret april mei juni juli agustus september oktober nopember desember januari februari maret april mei juni juli agustus september oktober nopember desember
bulan 9,828.6 9,971.1 9,215.0 9,813.5 10,293.8 9,787.7 9,811.9 10,499.7 10,498.9 10,528.0 10,546.1 10,406.6 10,780.0 9,727.7 8,771.1 10,269.0 11,531.8 8,923.4 9,379.9 9,230.9 8,860.4 8,806.8 8,847.2 8,799.8 8,612.5 8,087.2 6,462.1 7,637.6 7,038.8 6,110.6 6,739.4 6,175.6 6,074.9 6,717.6 7,424.1 7,663.2 7,723.3 7,338.9 7,556.1 8,046.7
13.1 94.2 151.7 344.2 832.5 1,044.2 1,352.4 1,781.8 1,996.4 2,141.4 2,492.3 3,085.7 4,159.1 4,743.9 5,172.8 6,147.0 7,886.7 7,324.1 8,305.8 9,458.3 11,337.2 14,308.3 18,084.7 20,833.0 25,547.9 27,180.6 26,922.5 32,184.6 33,297.5 30,960.0 35,698.0 35,033.2 35,894.3 33,918.8 34,023.3 35,332.3 35,715.9 34,609.7 34,796.5 36,984.1
22.9 17.0 21.0 20.9 20.5 23.8 27.1 17.1 22.5 23.3 27.9 22.5 21.6 16.6 18.4 16.2 31.6 17.8 11.2 18.0 10.9 14.7 11.6 11.6 6.7 7.5 8.2 6.4 4.2 4.8 8.2 4.2 6.2 4.8 5.0 5.7 4.4 5.0 5.4 8.8
Penjualan Refill Agen LPG Penjualan refill LPG 3 Kg Penjualan refill LPG 6 Kg 12 Kg (Mt/bulan) Agen (MT/bulan) Agen (MT/bulan) 68.8 55.4 69.5 65.8 66.1 58.8 56.0 62.3 61.9 57.8 61.8 64.8 60.9 49.9 53.4 57.4 64.2 54.3 57.4 56.1 56.3 62.2 65.1 63.0 49.5 60.1 52.4 61.0 59.4 57.3 66.6 59.0 65.8 73.3 74.4 74.0 50.7 66.5 62.0 67.1
Penjualan refill LPG 50 dan bulk (MT/bulan) 112.8 117.5 122.4 135.5 142.0 148.9 155.1 167.5 173.9 177.6 187.8 191.2 194.6 198.6 199.3 206.0 209.2 215.3 217.0 218.9 221.8 222.1 222.5 223.5 224.0 224.3 224.3 224.8 225.0 225.0 225.2 225.6 225.6 225.6 225.8 225.8 225.8 225.8 226.0 226.0
Kumulatif tbg baru LPG 12 Kg (1.000 tbg/bulan)
Realisasi penjualan Mitan Subsidi (KL/bulan) 97,530.0 101,660.0 100,360.0 93,555.0 96,410.0 91,385.0 87,425.0 91,765.0 87,695.0 86,510.0 85,195.0 83,550.0 85,915.0 73,640.0 67,070.0 57,915.0 67,550.0 62,120.0 60,555.0 60,370.0 52,660.0 49,785.0 44,055.0 32,350.0 24,395.0 16,805.0 11,675.0 3,595.0 450.0 -
Realisasi penjualan Peredaran Tabung LPG 3 Dummy 1 Mitan Non Subsidi Kg (1.000 tbg) (perbedaan harga) (KL/bulan) 53.9 53.9 109.5 365.4 508.0 549.7 566.9 617.9 701.8 846.5 973.0 1,185.1 1.0 1,487.0 1.0 30.0 1,690.5 1.0 40.0 1,980.2 1.0 130.0 2,193.5 1.0 470.0 2,288.2 1.0 30.0 2,436.1 1.0 2,827.4 1.0 3,496.7 1.0 50.0 4,936.7 1.0 60.0 6,795.2 1.0 25.0 7,866.9 1.0 25.0 8,366.9 1.0 150.0 8,843.8 1.0 2,335.0 9,358.6 1.0 2,325.0 9,475.6 1.0 3,950.0 9,540.2 1.0 6,470.0 11,504.6 1.0 6,710.0 13,486.8 1.0 5,850.0 15,491.7 1.0 6,075.0 17,510.7 1.0 5,340.0 19,571.3 1.0 6,625.0 21,643.1 1.0 6,230.0 23,722.7 1.0 6,235.0 25,811.1 1.0 7,675.0 27,911.5 1.0 5,130.0 30,024.7 1.0 5,855.0 32,154.9 1.0 5,475.0 34,311.1 1.0
DATA PENELITIAN-REALISASI SEPTEMBER 2007 - DESEMBER 2010
1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
Dummy 2 (alokasi LPG)
1.0 1.0 1.0 1.0 1.0 1.0
Dummy 3 (alokasi LPG)
84
Lampiran 1 : Data mentah variabel penelitian
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
85
Lampiran 2 : Pertanyaan ahli faktor pengaruh 3 Kg
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
86
(lanjutan)
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
87
(lanjutan)
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
88
(lanjutan)
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
89
(lanjutan)
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
90
Lampiran 3 : Pertanyaan ahli faktor pengaruh 12 Kg
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
91
(lanjutan)
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
92
(lanjutan)
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
93
(lanjutan)
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
94
(lanjutan)
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
95
Lampiran 4 : Uji granger causality
Pengujian pada Lag 1
Pairwise Granger Causality Tests Date: 06/13/11 Time: 16:34 Sample: 2007:09 2010:12 Lags: 1 Null Hypothesis: S3 does not Granger Cause S12 S12 does not Granger Cause S3
Obs
F-Statistic
Probability
39
16.5599 1.74355
0.00025 0.19502
Obs
F-Statistic
Probability
38
9.10659 1.55273
0.00071 0.22674
Pengujian pada Lag 2 Pairwise Granger Causality Tests Date: 06/13/11 Time: 16:37 Sample: 2007:09 2010:12 Lags: 2 Null Hypothesis: S3 does not Granger Cause S12 S12 does not Granger Cause S3
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
96
Lampiran 5 : Perhitungan model 1 a. Hasil Penaksiran Keseluruhan Model 1 Dependent Variable: S12 Method: Least Squares Date: 06/ 18/11 Time: 05:20 Sample(adjus ted): 2007:11 2010:12 Included observations : 38 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statis tic
Prob.
C S3(-1) S50(-2) TB D1 D2 D3
7411.943 -0.120378 -4.511191 19.80272 -925.9163 -134.1756 1283.607
1708.196 0.018255 16.29242 7.073926 403.3538 437.9243 335.0938
4.339047 -6.594060 -0.276889 2.799396 -2.295544 -0.306390 3.830591
0.0001 0.0000 0.7837 0.0087 0.0286 0.7614 0.0006
R-squared Adjusted R-squared S.E. of regres sion Sum squared resid Log likelihood Durbin-W atson stat
0.895368 0.875116 531.2016 8747431. -288.5067 2.102716
Mean dependent var S.D . dependent var Ak aike info criterion Sc hw arz criterion F-s tatistic Prob(F-statistic)
8703.684 1503.166 15.55298 15.85464 44.21268 0.000000
P robability P robability
0.446868 0.401394
b. Uji Asumsi Klasik 1) Uji Heteroskedastisitas W hite Heteroskedasticity Test: F -statistic Obs*R-squared
1.022213 9.397787
T est Equation: D ependent Variable: RE SID^2 M ethod: Least Squares D ate: 06/18/11 T im e: 06:28 S am ple: 2007:11 2010:12 Included observations: 38
V ariable
Coeff icient
Std. Error
t-S tati stic
P rob.
C S 3(-1) S3(-1)^2 S50(-2) S 50(-2)^2 TB T B^2 D1 D2 D3
5709651. -45.09600 0.001280 -287441.3 2195.436 46893.80 -144.3522 930334.6 -444283.0 -82618.92
11062654 117.1755 0.003071 326578.2 2698.950 81751.13 256.4515 565608.1 791703.7 445375.1
0.516119 -0.384859 0.416881 -0.880161 0.813441 0.573616 -0.562883 1.644840 -0.561173 -0.185504
0.6098 0.7033 0.6799 0.3863 0.4228 0.5708 0.5780 0.1112 0.5791 0.8542
0.247310 0.005374 584932.5 9.58E+ 12 -552.7290 2.497244
M ean dependent var S .D. dependent var A kaike info criterion S chwarz criterion F -statis tic P rob(F-statistic)
R -squared A djusted R-squared S .E. of regression S um squared resid Log likelihood D urbin-W atson stat
230195.5 586510.6 29.61731 30.04826 1.022213 0.446868
Obs*R-Squared probability menunjukkan nilai 0.401, maka 0.401 > 0.05 tingkat siginifikansi atau Obs*R-Squared probability > α, sehingga disimpulkan tidak terjadi heteroskedastisitas.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
97
(lanjutan) 2) Uji Autokorelasi Menggunakan nilai durbin-watson yang tersedia pada Eviews. Pada pengujian model 1 nilai durbin-watson adalah 2.10, diagram pengujian letak nilai durbin watson adalah sebagai berikut :
Tolak Ho Bukti H_o otokorelasi positif
Daerah Tolak Ho Meragu- Bukti H_o otokorelasi kan negatif
Daerah Meragukan
Terima Ho atau Ho* atauH_o keduanyaH_o 0
dL
dU
1.175
1.1854
2
4 -dU
4 - dL
2.8146
2.825
4
Diagram menunjukkan nilai durbin-watson 2.10 terletak tidak pada daerah penolakan. Sehingga disimpulkan bahwa tidak terjadi autokorelasi pada model 1. 3) Pengujian Multikolinearitas Pengujian dengan Variance Inflation Factor (VIF) pada setiap variabel, jika nilai VIF > 10 atau R2 : 0.90 maka dikatakan terjadi multikolinearitas pada variabel tersebut.
Variabel S3 S50
R-squared 0.88 0.3
VIF 8.33
Kesimpulan tidak terdapat multikolinearitas
1.43
tidak terdapat multikolinearitas
Tb
0.83
5.88
tidak terdapat multikolinearitas
D1
0.77
4.35
tidak terdapat multikolinearitas
D2
0.82
5.56
tidak terdapat multikolinearitas
D3
0.5
2.00
tidak terdapat multikolinearitas
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
d
98
(lanjutan) Hasil penaksiran VIF dengan Eviews, masing-masing variabel: a. S3 Dependent Variable: S3(-1) Method: Least Squares Date: 06/18/11 Time: 07:21 Sample(adjusted): 2007:11 2010:12 Included observations: 38 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
C S50(-2) TB D1 D2 D3
-33075.81 133.9990 159.9113 3790.421 19141.62 -308.4469
15473.43 155.9792 62.39537 3847.971 2555.966 3244.421
-2.137587 0.859082 2.562871 0.985044 7.488995 -0.095070
0.0403 0.3967 0.0153 0.3320 0.0000 0.9249
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.887125 0.869488 5143.889 8.47E+08 -375.3860 0.375196
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
16426.08 14238.58 20.07295 20.33151 50.29987 0.000000
b. S50 Dependent Variable: S50(-2) Method: Least Squares Date: 06/18/11 Time: 07:23 Sample(adjusted): 2007:11 2010:12 Included observations: 38 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
C S3(-1) TB D1 D2 D3
78.94127 0.000168 -0.103467 -0.537469 -1.599091 8.235646
12.19756 0.000196 0.074543 4.375454 4.743168 3.331641
6.471893 0.859082 -1.388028 -0.122837 -0.337136 2.471949
0.0000 0.3967 0.1747 0.9030 0.7382 0.0189
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.309717 0.201861 5.763666 1063.035 -117.2143 2.178331
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
61.00000 6.451482 6.484964 6.743530 2.871566 0.029816
c. Tb Dependent Variable: TB Method: Least Squares Date: 06/18/11 Time: 07:24 Sample(adjusted): 2007:11 2010:12 Included observations: 38 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
C S50(-2) S3(-1) D1 D2 D3
196.0591 -0.548849 0.001065 38.53450 -12.66396 4.127860
24.92009 0.395417 0.000416 7.429562 10.71226 8.342105
7.867514 -1.388028 2.562871 5.186645 -1.182193 0.494822
0.0000 0.1747 0.0153 0.0000 0.2458 0.6241
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.830742 0.804295 13.27468 5638.945 -148.9171 0.418827
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
204.1053 30.00702 8.153533 8.412099 31.41199 0.000000
d. D1 Dependent Variable: D1 Method: Least Squares Date: 06/18/11 Time: 07:25 Sample(adjusted): 2007:11 2010:12 Included observations: 38 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
C TB S50(-2) S3(-1) D2 D3
-1.734748 0.011852 -0.000877 7.76E-06 -0.148815 -0.005515
0.682956 0.002285 0.007139 7.88E-06 0.190116 0.146857
-2.540058 5.186645 -0.122837 0.985044 -0.782755 -0.037550
0.0161 0.0000 0.9030 0.3320 0.4395 0.9703
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.778092 0.743418 0.232808 1.734389 4.732020 0.597941
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
0.710526 0.459606 0.066736 0.325302 22.44073 0.000000
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
99
(lanjutan) e. D2 D epe nd en t Va ria ble : D 2 M e tho d: Le ast Squ ares D ate : 0 6/1 8/1 1 T im e: 07 :26 S a m ple(ad justed ): 20 07:11 2 01 0:1 2 In clu de d o bs ervatio ns: 3 8 a fte r adj ustin g e nd po ints V ariab le
C oef ficie nt
S td. E rror
t-Sta tistic
Prob .
C D1 TB S50 (-2) S 3 (-1 ) D3
0.6 31 3 34 -0.1 26 2 47 -0.0 03 3 04 -0.0 02 2 13 3 .3 3E-05 0.2 35 7 81
0 .68 04 55 0 .16 12 85 0 .00 27 95 0 .00 65 65 4.4 4 E-06 0 .12 86 85
0.92 781 1 -0.78 275 5 -1.18 219 3 -0.33 713 6 7.48 899 5 1.83 222 7
0.360 5 0.439 5 0.245 8 0.738 2 0.000 0 0.076 2
R -s qua red A d justed R -squ ared S .E. of regression S u m squ ared re sid L og like liho od D urb in-W a tso n stat
0.8 20 7 95 0.7 92 7 94 0.2 14 4 30 1.4 71 3 66 7.8 56 8 36 0.5 45 6 92
M e an d epe nd ent va r S .D . de pen de nt var A kaike in fo c rite rion S chw arz criterion F -sta ti stic P rob (F -sta tistic)
0.3 1578 9 0.4 7106 9 -0.0 97 72 8 0.1 6083 8 29 .3133 1 0.0 0000 0
f. D3 D ependent Variable: D 3 M etho d: Least Squa res D ate: 06/18/11 T im e: 07:2 7 S am ple(adjusted): 2 007:11 2010:12 Included obs erva tio ns: 38 after adj usting en dpoints V ariable
Coef ficient
S td. E rror
t-Sta tistic
Prob.
C D2 D1 TB S50(-2 ) S 3(-1)
-1.511609 0.402693 -0.007990 0.001840 0.019469 -9.15 E-07
0.8606 18 0.2197 83 0.2127 82 0.0037 18 0.0078 76 9.63E-06
-1 .756422 1 .832227 -0 .037550 0 .494822 2 .471949 -0 .095070
0.0886 0.0762 0.9703 0.6241 0.0189 0.9249
R -s quared A dju sted R-sq uared S .E. of regression S um squared resid Log likelihood D urbin-W atson stat
0.502643 0.424931 0.280232 2.512963 -2.313317 0.659802
M ean depend ent var S .D . depende nt var A kaike info c riterion S chw arz criterion F -stati stic P rob(F -statistic)
0.157895 0.369537 0.437543 0.696109 6.468013 0.000293
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011
100
Lampiran 6 : Perhitungan model 2 I. a.
Penaksiran Pertama Hasil Penaksiran Model 2 D ependent Variable: S 3 M ethod: Least Squares D ate: 06/18/11 Tim e: 20:47 S am ple(adjusted): 2007:10 2010:12 Included obs ervations: 39 after adjusting endpoints V ariable
Coef ficient
S td. E rror
t-Statistic
Prob.
C SM S S MN TB3 S 6(-1) D1 D2 D3
33925.76 -0.335131 0.107872 0.315744 -90.96339 -4041.402 -1112.635 -2884.645
3019.526 0.032556 0.417945 0.119202 66.40137 1089.312 2116.392 1685.062
11.23546 -10.29406 0.258102 2.648815 -1.369902 -3.710050 -0.525722 -1.711892
0.0000 0.0000 0.7980 0.0126 0.1806 0.0008 0.6028 0.0969
R -s quared A djusted R-squared S .E. of regression S um squared resid Log likelihood D urbin-W atson stat
0.991939 0.990119 1434.418 63784199 -334.3340 1.974058
M ean dependent var S .D. dependent var A kaike info c riterion S chwarz criterion F-statistic P rob(F-statistic)
16953.21 14430.48 17.55559 17.89683 544. 9801 0.000000
b. Uji Asumsi Klasik 1) Uji Heteroskedastisitas W h ite H e tero ske d a sticity T est: F -sta tistic O b s* R -sq ua re d
0.5 6 2 5 8 8 7.2 7 2 1 1 0
P ro b a b ilit y P ro b a b ilit y
0 .8 4 15 3 9 0 .7 7 66 3 9
T e st Eq u a tio n: D ep e n d e n t Va ria b le : R E SID ^ 2 M e th o d: L e a st Sq u a res D ate : 0 6 /1 8/1 1 T im e: 2 0 :4 8 S a m ple : 2 0 0 7: 10 2 0 1 0 :1 2 In clu d e d o bs erva tio n s: 3 9 V aria b le
C o ef ficie nt
S td . E rro r
t-S ta tistic
Prob .
C SM S SM S^ 2 S MN SM N^2 T B3 T B 3 ^2 S 6 (-1 ) S 6(-1 )^2 D1 D2 D3
11 5 8 9 4 2 8 -28 6 .4 1 2 1 0.0 0 1 6 4 6 -22 8 8 .1 5 7 0.1 9 5 9 4 7 -82 3 .9 2 8 4 0.0 1 6 3 1 8 31 8 6 5 4. 5 -88 4 7 .3 8 9 17 4 5 0 34 . 32 6 0 4 58 . -66 4 0 5 5 .5
9 67 3 6 1 7 . 1 84 .3 5 3 7 0 .0 0 1 3 6 9 1 82 9 .8 3 1 0 .1 8 7 3 3 3 5 60 .7 8 9 1 0 .0 1 2 2 4 4 5 51 5 6 9 .2 1 27 0 4 .8 9 2 51 3 1 1 7 . 3 75 6 4 3 4 . 2 87 1 8 6 9 .
1 .1 9 80 4 5 -1 .5 5 3 60 1 1 .2 0 29 0 1 -1 .2 5 0 47 4 1 .0 4 59 8 1 -1 .4 6 9 23 0 1 .3 3 26 7 7 0 .5 7 77 2 3 -0 .6 9 6 37 7 0 .6 9 43 7 0 0 .8 6 79 6 6 -0 .2 3 1 22 8
0 .24 1 3 0 .13 1 9 0 .23 9 5 0 .22 1 9 0 .30 4 8 0 .15 3 3 0 .19 3 8 0 .56 8 2 0 .49 2 1 0 .49 3 4 0 .39 3 1 0 .81 8 9
R -s qu a red A d ju sted R -sq u a red S .E . o f reg re ssio n S u m squ a re d re sid L o g like lih o o d D urbin -W a tso n stat
0.1 8 6 4 6 4 -0.1 4 4 9 7 6 23 5 5 0 83 . 1.5 0 E + 1 4 -62 0 .3 7 9 3 2.0 8 1 7 5 9
M e an d ep e n d e nt va r S .D . d e pe n d e n t var A ka ike in fo c rite rio n S ch w a rz crite rio n F -sta ti stic P ro b (F -sta tistic)
1 6 35 4 9 2 . 2 2 00 9 3 9 . 3 2 .4 29 7 1 3 2 .9 41 5 7 0 .5 6 25 8 8 0 .8 4 15 3 9
Obs*R-Squared probability menunjukkan nilai 0.776, maka 0.776 > 0.05 tingkat siginifikansi atau Obs*R-Squared probability > α, sehingga disimpulkan tidak terjadi heteroskedastisitas.
Model regresi..., Romi Ryan Manuhutu, FT UI, 2011