III. KERANGKA PEMIKIRAN
3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Harga Harga yang terjadi di pasar merupakan nilai yang harus dibayarkan konsumen untuk mendapatkan suatu produk yang diinginkannya. Keinginan akan barang tertentu yang didukung oleh daya beli merupakan permintaan akan barang yang bersangkutan. Untuk dapat terpenuhinya permintaan tersebut perlu dipertemukan dengan penawaran akan barang yang sama. Pertemuan ini disebut pasar. Di pasar inilah nantinya akan terbentuk harga sebagai titik pertemuan keseimbangan permintaan dan penawaran (Djojodipuro, 1991).
3.1.1.1. Konsep Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat pendapatan tertentu dan dalam periode tertentu (Putong, 2003).
3.1.1.1.1. Permintaan Individu Kuantitas/jumlah barang yang diminta oleh seorang konsumen akan sangat dipengaruhi oleh beberapa variabel. Variabel-variabel ini secara langsung akan mempengaruhi preferensi individu terhadap suatu barang, serta bentuk kendala anggarannya
(Nicholson,
2002).
Variabel- variabel
yang
mempengaruhi
permintaan individu dapat dilihat secara ringkas dengan menggunakan fungsi permintaan sebagai berikut: Kuantitas X yang diminta = dx (Px , Py , I; preferensi)
12
Nicholson (2002), menjelaskan bahwa fungsi ini mengandung tiga elemen yang menentukan apa yang dapat dibeli individu, yaitu harga barang X, harga barang Y sebagai barang pengganti atau pelengkap barang X , dan pendapatan. Satu hal lagi yang harus diingat adalah pilihan juga dipengaruhi oleh preferensi atas barang tersebut.
3.1.1.1.2. Permintaan Pasar Permintaan pasar untuk suatu barang adalah kuantitas total permintaan barang tersebut oleh seluruh pembeli potensial (Nicholson, 2002). Kuantitas suatu barang yang diminta oleh pasar sangat dipengaruhi oleh permintaan individu atas barang tersebut. Penjelasan lebih ringkas mengenai permintaan pasar ini dapat dilihat pada Gambar 1. Px
Px
Px
Px* D X1 *
(a) Individu 1
X1
X2 *
X*
X2
(b) Individu 2
X
(c) Permintaan Pasar
Gambar 1. Kurva Permintaan Pasar Berdasarkan Gambar 1, untuk setiap harga titik pada kurva permintaan pasar diperoleh dengan menjumlahkan kuantitas yang diminta oleh setiap individu. Bentuk kurva permintaan pasar dan posisinya ditentukan oleh bentuk kurva permintaan setiap individu untuk produk yang diminta. Permintaan pasar tidak lebih merupakan efek kombinasi dari berbagai pilihan ekonomi konsumen (Nicholson, 2002).
13
3.1.1.2. Konsep Penawaran Menurut Putong (2003), penawaran adalah banyaknya barang yang ditawarkan oleh penjual pada suatu pasar tertentu, pada periode tertentu dan pada tingkat harga tertentu. Perusahaan sebagai pihak yang memproduksi/menjual suatu produk selalu memiliki tujuan untuk memaksimalkan laba. Untuk mencapai laba maksimal perusahaan bertindak sebagai transformator (pengubah) input menjadi output. Setiap keputusan yang diambil untuk memaksimalkan laba sangat erat hubungannya dengan tingkat output yang dipilih oleh perusahaan untuk diproduksi. Perusahaan menjual suatu tingkat output, dari penjualan tersebut perusahaan menerima pendapatan. Jumlah pendapatan yang diperoleh jelas tergantung pada berapa banyak output yang terjual dan pada tingkat harga berapa output tersebut terjual. Untuk memutuskan berapa banyak output akan diproduksi, perusahaan akan memilih kuantitas produksi dengan laba yang paling besar (Nicholson, 2002). Selain memaksimalkan laba, perusahaan juga harus memperhatikan biaya yang harus dikeluarkan untuk memproduksi output dengan jumlah tertentu. Idealnya, sebuah perusahaan dalam usahanya untuk memaksimalkan laba, menghasilkan tingkat output pada saat penerimaan adalah tepat sama dengan biaya untuk menghasilkan unit output tersebut. Menurut Nicholson (2002), perusahaan dapat menentukan laba maksimumnya dengan memulai pada tingkat output nol dan secara konseptual meningkatkan output sebesar satu unit pada suatu saat tertentu. Sepanjang penerimaan perusahaan melebihi biaya, perusahaan sebaiknya terus meningkatkan tingkat outputnya. Harga yang ditetapkan
14
perusahaan akan selalu diasumsikan sama dengan biaya yang dikeluarkan untuk memproduksi satu unit output. Berikut akan digambarkan secara ringkas mengenai konsep penawaran. Penawaran
Harga
P2
P*
P1
Q1
Q*
Q2
Kuantitas
Gambar 2. Kurva Penawaran Perusahaan Berdasarkan Gambar 2, dapat dilihat kombinasi harga dan kuantitas yang digunakan perusahaan untuk pencapaian laba maksimum. Pada saat harga di pasar lebih tinggi dari P*, maka perusahaan akan menjual output sebesar Q2 . Hal ini dilakukan perusahaan agar pencapaian laba semakin besar.
3.1.1.3. Keseimbangan Pasar Harga keseimbangan merupakan harga yang terjadi ketika kuantitas barang yang diminta oleh pembeli adalah sama dengan kuantitas yang ditawarkan penjual (Nicholson, 2002). Hal ini dapat ditunjukkan pada Gambar 3. Berdasarkan Gambar 3 , perpotongan kurva permintaan dan penawaran terjadi pada titik P*,Q*. Pada titik P* adalah harga keseimbangan (equilibirium price). Pada tingkat harga ini kuantitas/jumlah barang yang ingin dibeli (Q*) secara tepat sama dengan kuantitas yang ditawarkan. Karena pembeli dan penjual merasa puas
15
pada posisi tersebut, tidak ada satu pihak pun yang memiliki dorongan untuk mengubah perilakunya. Keseimbangan ini akan cenderung bertahan kecuali jika terjadi sesuatu yang dapat mengubahnya.
Harga
Permintaan Penawaran
P*
Harga Keseimbangan
Q*
Kuantitas
Gambar 3. Kurva Keseimbangan Pasar
3.1.2. Peramalan Peramalan merupakan sebuah metode yang digunakan untuk memprediksi ketidakpastian masa depan sebagai upaya membantu para pelaku bisnis untuk mengambil keputusan yang lebih baik (Hanke, et al., 2003). Peramalan pada saat ini sangat dibutuhkan karena adanya suasana ketidakpastian dalam setiap kegiatan bisnis. Menurut Makridakis (1986) dalam Hanke, et al. (2003) manusia memiliki pengetahuan yang unik dan informasi di dalam yang tidak tersedia pada metode kuantitatif. Akan tetapi, herannya studi empiris dan percobaan laboraturium menunjukkan bahwa ramalan mereka tidak seakurat dari ramalan metode kuantitatif. Manusia cenderung menjadi optimistik dan pesimistik mengenai ketidakpastian masa depan. Selain itu, biaya peramalan dengan metode pendapat pribadi sering kali agak lebih tinggi dibandingkan dengan metode kuantitatif. Berdasarkan uraian diatas, maka dapat disimpulkan bahwa metode peramalan dapat terbagi menjadi dua macam, yaitu metode peramalan kualitatif
16
yang mengandalkan intuisi pribadi dan metode peramalan kuantitatif yang berpegang teguh pada data masa lalu. Berikut akan dijabarkan mengenai kedua metode peramalan tersebut.
3.1.2.1. Metode Peramalan Kualitatif Metode Peramalan kualitatif merupakan metode peramalan yang diterapkan dengan mengandalkan intuisi dan hasil analisa pribadi. Metode peramalan ini digunakan apabila data historis maupun data empiris dari variabel yang diramal tidak cukup, tidak ada atau tidak dapat dipercaya karena kurang akurat. Peramalan ini tetap membut uhkan data kuantitatif, tetapi data kuantitatif ini hanya digunakan sebagai informasi kualitatif untuk menganalisa dan meramalkan data tersebut tanpa proses kuantitatif. Proses yang digunakan adalah mencatat kebiasaan variabel lalu meramalk annya menggunakan perasaan peneliti. Metode peramalan ini terbagi atas metode eksploratoris dan normatif. Metode eksploratoris terdiri dari metode Delphi, kurva-S analogi dan penelitian morfologis, yang dimulai dari masa lalu dan masa kini sebagai titik awalnya dan bergerak secara heuristik dengan melihat semua kemungkinan yang ada. Sedangkan metode normatif terdiri dari matriks keputusan, pohon relevansi dan analisis sistem, dimulai dengan menetapkan sasaran dan tujuan yang akan datang, kemudian melihat ke masa lalu apakah hal ini dapat tercapai berdasarkan kendala, sumberdaya dan teknologi yang tersedia (Makridakis, et al., 1999).
3.1.2.2. Metode Peramalan Kuantitatif Metode peramalan kuantitatif merupakan metode peramalan yang didasarkan pada data kuantitatif masa lalu. Data kuantitatif yang telah diperoleh
17
selanjutnya akan melalui tahap penyusunan model, evaluasi model, ektrapolasi model (peramalan aktual) dan evaluasi peramalan (Hanke, et al., 2003). Metode peramalan kuantitatif sendiri terbagi menjadi dua, yaitu metode time series dan metode kausal. Metode time series menggunakan data yang memiliki deret waktu yang dikumpulkan, dicatat, atau diamati dari rangkaian tahapan waktu (Hanke, et al., 2003). Sedangkan metode kausal didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, metode ini sering disebut pula dengan model regresi (Assauri, 1984 dalam Azmi, 2004).
3.1.2.2.1. Metode Peramalan Model Kausal Metode kausal didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, metode ini sering disebut pula dengan model regresi (Assauri, 1984 dalam Azmi, 2004). Variabel yang nilainya ditentukan atau tergantung pada variabel lain disebut sebagai variabel terikat (dependent variabel), sedangkan variabel yang nilainya tidak dipengaruhi oleh apapun disebut sebagai variabel bebas (independent variabel). Model
regresi
menspesifikasi
hubungan
antara
peubah
terikat
(dependent, explained variable) dengan peubah bebas (independent, explanatory variable). Apabila peubah terikatnya hanya satu dan peubah bebasnya berjumlah lebih dari satu maka model tersebut disebut (univariate) multiple regression.
18
Sedangkan apabila baik peubah terikat maupun peubah bebasnya berjumlah lebih dari satu maka model tersebut disebut multivariate (multiple) regression 5 .
3.1.2.2.2. Metode Peramalan Model Time Series Metode peramalan time series menganalisa pola hubungan data variabel yang akan diramal dengan deret waktu. Menurut Hanke et al. (2003), salah satu aspek terpenting dari pemilihan metode peramalan yang sesuai dari data deret waktu adalah dengan memperhatikan jenis pola data yang berbeda. Pola data tersebut terbagi menjadi empat, yaitu : 1. Pola Horisontal Pola data horisontal muncul ketika data observasi berefluktuasi disekitar mean atau tingkatan yang konstan. Jenis deret ini disebut sebagai stasioner terhadap mean. 2. Pola Trend Trend adalah komponen jangka panjang yang mewakili pertumbuhan atau penururnan pada deret waktu dari suatu periode yang diperluas. Untuk mengilustrasikan pertumbuhan atau penururnan ini maka digunakan garis trend linear. 3. Pola Musiman Pola musiman muncul apabila observasi data dipengaruhi oleh faktor musiman. Komponen musiman adalah pola perubahan yang berulang sendiri antar periode.
5
Ghozali A. Tinjauan Metodologi: Structural Equation Modeling dan Penerapannya dalam Pendidikan. www.depdiknas.go.id.
19
4. Pola Siklik Pola siklik muncul ketika data observasi memperlihatkan kenaikan atau penurunan pada periode yang tidak tetap. Komponen siklik adalah fluktusi gelombang data disekitar trend. Berdasarkan dari pola data yang telah diuraikan diatas, maka metode peramalan model time series terdiri dari beberapa metode peramalan. Beberapa metode peramalan tersebut akan diuraikan sebagai berikut. A. Metode Naïve Metode naïve digunakan untuk mengembangkan model sederhana yang mengasumsikan bahwa periode yang baru berlalu adalah prediktor terbaik masa depan (Hanke, et al., 2003). Karena peramalan naïve mengabaikan pengamatan lainnya, model peramalan ini melacak perubahan sangat cepat. Keuntungan model ini adalah fluktuasi acak dapat dilacak setepatnya sedangkan pada model- model lainnya berubah Peramalan dengan metode naïve menguntungkan dalam hal kecepatan meramalkan data, tetapi kelemahan utama pada pendekatan ini adalah diabaikannya segala sesuatu yang terjadi sejak periode yang lalu termasuk unsur trend. Metode ini juga memerlukan kemampuan dan kelihaian dari analis. B. Metode Rata-rata Sederhana Metode rata-rata sederhana menggunakan mean (nilai rataan) semua pengamatan historis yang relevan sebagai ramalan periode mendatang (Hanke, et al., 2003). Metode ini sangat tepat digunakan untuk meramalkan data yang membentuk deret waktu telah distabilkan dan variabel- variabel lainnya secara umum tidak berubah. Kekurangan dari metode ini adalah penyimpanan data,
20
karena ramalan disusun berdasarkan nilai rataan dari seluruh data yang ada, setiap penyusunan ramalan periode yang baru akan menggunakan data yang semakin banyak. Tetapi, metode ini sangat cocok untuk pola data yang stasioner (berada di sekitar nilai rataan). C. Metode Rata-Rata Bergerak Sederhana Metode rata-rata bergerak sederhana digunakan untuk memeprbaiki kesalahan dan kekurangan pada metode rata-rata sederhana. Metode rata-rata bergerak sederhana digunakan dengan merata-ratakan nilai terkini dan nilai periode sebelumnya. Kelemahan metode ini adalah tidak dapat menangani data dengan pola trend dan musiman dengan baik, walaupun metode ini lebih baik dibandingkan dengan metode rata-rata sederhana (Hanke, et al., 2003). D. Metode Rata-Rata Begerak Ganda Metode rata-rata bergerak ganda merupakan suatu cara peramalan data deret waktu dengan trend linear (Hanke, et al., 2003). Pada metode ini perhitungan dilakukan dengan terus menjumlahkan rata-rata bergerak hasil perhitungan periode sebelumnya dengan rata-rata bergerak periode berikutnya. Kelemahan dari metode ini adalah nilai peramalan yang dilakukan masih berada jauh dibawah garis trend, dengan kata lain nilai kesalahan pada metode ini masih relatif lebih besar. E. Metode Pelicinan Eksponensial Tunggal Menurut Makridakis, et al. (1999), metode ini sangat baik diterapkan pada serial data yang memiliki pola stasioner dan kemungkinan tidak efektif dalam menangani peramalan yang serial datanya memiliki komponen trend dan pola musiman. Pemulusan aksponensial merupakan prosedur yang berkesinambungan
21
merevisi ramalan dalam hal pengalaman yang lebih terkini (Hanke, et al., 2003). Metode ini berbasis merata-ratakan (pemulusan) nilai lampau deret secara menurun (eksponensial), pengamatan diberi bobot dengan pengamatan terkini memiliki bobot yang lebih besar. Pembobotan terhadap data digunakan dengan pemberian konstanta pemulusan (a ). Konstanta pemulusan (a) berperan sebagai faktor pembobotan. Nilai aktual dari a menentukan sejauh mana observasi terkini mempengaruhi nilai ramalan. Kelemahan metode ini adalah metode ini tidak mampu digunakan untuk menganalisa data yang memiliki pola data trend. F. Metode Brown Menurut Makridakis, et al. (1999), dasar pemikiran dari pemulusan eksponensial linear dari Brown adalah serupa dengan rata-rata bergerak linear. Karena kedua nilai pemulusan tunggal dan ganda tertinggal dari data yang sebenarnya bilamana terdapat unsur trend, perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend. Kelemahan dari metode ini adalah tidak dapat meramalkan data yang memiliki data dengan pola musiman. G. Metode Dekomposisi Aditif Menurut Hanke, et al. (2003), dekomposisi adalah suatu pendekatan analisis deret waktu yang berupaya mengidentifikasi faktor- faktor komponen yang mempengaruhi setiap nilai pada deret waktu. Model dekomposis aditif merupakan model yang memperlakukan nilai deret-deret waktu sebagai jumlah dari komponen-komponen dalam model.
22
Kelebihan metode ini adalah perhitungannya yang mudah (Makridakis, et al., 1999). Hanke, et al. (2003) menjelaskan bahwa metode dekomposisi aditif bekerja sangat baik untuk deret waktu yang memiliki keragaman kurang lebih sama sepanjang deret. H. Metode Dekomposisi Multiplikatif Makridakis, et al. (1999), menerangkan bahwa metode ini didasari asumsi bahwa data historis merupakan gabungan atau komposisi dari faktor musiman (St ), komponen trend (Tt ), komponen siklus (C t ) serta komponen acak (Rt ). metode dekomposisi multiplikatif memisahkan komponen-komponen dari time series data, kajian terhadap komponen yang telah terpisah tersebut dapat dipakai sebagai dasar untuk menyusun kebijakan (jangka panjang dan pendek). Komponen ini juga dapat diektrapolasi untuk tujuan peramalan. I.
Metode Winters Metode Winters memberikan cara yang mudah untuk menjelaskan
musiman didalam model ketika data memiliki pola musiman. Metode ini menghapus musim atau penyesuaian musim pada data. Model peramalan diaplikasikan untuk data musim terhapus, kemudian musiman dimasukkan kembali untuk mendapatkan ramalan yang akurat (Hanke, et al., 2003). Metode Winters cocok untuk data deret waktu dengan pola stasioner, pola trend konsisten dan pola musiman, yang didasari oleh tiga persamaan yang masing- masing melicinkan faktor- faktor yang berkaitan dengan pola data, yaitu faktor random (keacakan), faktor trend (kecenderungan) dan faktor musiman (Makridakis, et al., 1999).
23
J. Metode Box-Jenkins (ARIMA) Metode Box-Jenkins merupakan suatu peramalan yang sangat berbeda dengan kebanyakan metode karena metode ini tidak mengasumsikan pola tertentu pada data historis deret yang diramalkan. Model sangat cocok untuk residual yang kecil, berdistribusi normal, dan umumnya tidak berisi informasi berguna. Metode ini mengacu pada himpunan prosedur untuk mengidentifikasikan, mencocokkan dan memeriksa model ARIMA dengan data deret waktu. Peramalan mengikuti langsung dari bentuk model disesuaikan (Hanke, et al., 2003).
3.2. Kerangka Pemikiran Operasional Daging ayam sebagai salah satu produk sub sektor peternakan memiliki peranan besar dalam pemenuhan gizi masyarakat terutama protein hewani. Seiring dengan berkembangnya jumlah penduduk serta kesadaran gizi masyarakat, maka kebutuhan masyarakat akan bahan makanan yang bernilai gizi tinggi akan berkembang pula. Dilihat dari sisi harga, daging ayam merupakan produk peternakan yang relatif masih dapat dijangkau oleh masyarakat. Tingkat ketersediaan daging ayam di pasaran juga dapat dikatakan selalu baik. Berbagai keunggulan dari daging ayam belum dapat menghilangkan masalah yang harus dihadapi pasar yaitu fluktuasi harga daging ayam. Beberapa periode terakhir daging aya m harus menghadapi persoalan yang cukup rumit seputar isu penularan flu burung (avian influenza) dari unggas ke manusia. Selama ini belum ada kebijakan yang dapat menekan tingkat fluktuasi harga yang terjadi. Metode peramalan merupakan salah satu tindakan antisipasi yang dapat dilakukan dengan memprediksi dan menganalisis pola data harga ayam. Analisis
24
faktor- faktor yang mempengaruhi harga ayam juga dapat dijadikan dasar dalam menentukan kebijakan yang tepat. Peramalan yang dilakukan akan melibatkan metode peramalan kuantitatif. Alasan digunakannya metode peramalan kuantitatif adalah agar prediksi yang dihasilkan lebih bersifat objektif dan memiliki tingkat keakuratan yang baik. Metode peramalan kuantitatif terdiri dari metode time series dan metode kausal. Metode time series sendiri terbagi menjadi metode naïve, metode rata-rata sederhana, metode rata-rata bergerak sederhana, metode rata-rata bergerak ganda, metode pelicinan eksponensial tunggal, metode Holt, metode dekomposisi aditif, metode dekomposisi multiplikatif, metode Winters dan metode Box-Jenkins (ARIMA). Metode peramalan kausal (regresi) yang digunakan adalah model peramalan kausal (regresi) dengan variabel dummy (boneka). Metode peramalan ini akan digunakan pula untuk mengidantifikasi perilaku harga ayam di Indonesia, selain itu diperlukan pula untuk menganalisis faktor- faktor yang mempengaruhi harga ayam tersebut. Variabel-variabel yang akan digunakan dalam penelitian ini adalah harga ayam di Indonesia sebagai dependent variabel, sedangkan yang berfungsi sebagai independent variabel adalah harga ayam periode sebelumnya, jumlah pasokan ayam, dan tingkat konsumsi ayam. Isu flu burung akan digunakan sebagai variabel dummy untuk menjelaskan pengaruhnya terhadap harga ayam di Indonesia. Hipotesis yang digunakan dalam menyusun model regresi adalah : 1. Volume produksi ayam berbanding terbalik dengan harga ayam. Bila produksi meningkat, maka harga ayam akan turun.
25
2. Tingkat konsumsi ayam akan berbanding lurus dengan harga ayam. Bila konsumsi ayam meningkat, maka harga ayam akan meningkat pula. 3. Dummy flu burung akan berbanding terbalik dengan harga ayam. Bila dummy bernilai satu, maka harga ayam akan turun karena menurunnya minat konsumen untuk mengkonsumsi daging ayam. Tahapan berikutnya adalah pemilihan metode peramalan yang dianggap paling akurat. Pemilihan metode terakurat didasarkan pada nilai kesalahan peramalan yang paling kecil dari beberapa metode peramalan yang digunakan. Semakin kecil nilai kesalahan, maka metode memiliki nilai peramalan yang paling mendekati nilai aktual agar masing- masing metode dapat semaksimal mungkin melakukan pengujian data. Langkah selanjutnya setelah melakukan pemilihan metode peramalan terakurat, maka dilakukan peramalan terhadap data harga ayam untuk beberapa periode ke depan. Metode peramalan terakurat dan data hasil peramalan tersebut kemudian akan menjadi bahan rekomendasi terhadap pihak terkait sebagai pertimbangan untuk membuat kebijakan agar kebijakan yang dibuat dapat seefektif mungkin. Alur kerangka pemikiran operasional peramalan harga ayam di Indonesia dapat dilihat pada Gambar 4.
26
Data historis ha rga ayam pada enam kota besar di Jawa-Bali
Terjadi fluktuasi harga ayam, sehingga perlu dilakukan kajian mendalam dan tindakan antispasi
Metode Peramalan
Analisis faktor-faktor yang mempengaruhi harga ayam pada enam kota besar di Jawa-Bali dengan harga ayam sebagai variabel terikat dan sebagai variabel bebasnya adalah harga ayam periode sebelumnya, volume produksi, tingkat konsumsi, serta dummy flu burung.
Metode Peramalan Time Series 1. Naïve 2. Rata-rata sederhana 3. Rata-rata bergerak sederhana 4. Rata-rata bergerak ganda 5. Pelicinan eksponensial tunggal 6. Holt 7. Dekomposisi aditif 8. Dekomposisi multiplikatif 9. Winters 10. Box-Jenkins (ARIMA )
Pemilihan metode peramalan Time Series terbaik
Rekomendasi berupa : § Metode dan model peramalan terakurat § Peramalan beberapa periode mendatang § Implikasi hasil peramalan
Gambar 4. Kerangka Pemikiran Operasional Peramalan Harga Ayam pada Enam Kota Besar di Jawa-Bali
