analisis peramalan penjualan menggunakan metode ... · antara jenis kue di triple combo bogor ....
TRANSCRIPT
ANALISIS PERAMALAN PENJUALAN
MENGGUNAKAN METODE KOINTEGRASI
ANTARA JENIS KUE DI TRIPLE COMBO BOGOR
Oleh
MUHARANI
H24087086
PROGRAM SARJANA ALIH JENIS MANAJEMEN
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
2011
ANALISIS PERAMALAN PENJUALAN
MENGGUNAKAN METODE KOINTEGRASI
ANTARA JENIS KUE DI TRIPLE COMBO BOGOR
SKRIPSI
sebagai salah satu syarat untuk memperoleh gelar
SARJANA EKONOMI
pada Program Sarjana Alih Jenis Manajemen
Fakultas Ekonomi dan Manajemen
Institut Pertanian Bogor
Oleh
MUHARANI
H24087086
PROGRAM SARJANA ALIH JENIS MANAJEMEN
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
2011
Judul : Analisis Peramalan Penjualan Menggunakan Metode
Kointegrasi Antara Jenis Kue Di Triple Combo Bogor
Nama : Muharani
NIM : H24087086
Menyetujui,
Dosen Pembimbing
(Dr. Ir. M. Syamsun, M.Sc)
NIP. 19500727197412 1001
Mengetahui,
Ketua Departemen
(Dr. Ir. Jono M. Munandar, M.Sc)
NIP. 19610123198601 1002
Tanggal Lulus:
RINGKASAN
MUHARANI H24087086. Analisis Peramalan Penjualan Menggunakan Metode
Kointegrasi Antara Jenis Kue Di Triple Combo Bogor. Di bawah bimbingan
MUHAMAD SYAMSUN.
Berbagai jenis makanan dan jajanan semkakin banyak ditemui di
lingkungan, baik jenis makanan kecil dan makanan besar. Kue klappertart
contohnya, kue yang berasal dari Menado ini dulunya banyak di konsumsi oleh
para bangsawan Belanda, makaroni contohnya makanan ini merupakan makanan
yang sudah sering dikonsumsi oleh masyarakat, dan pastel yang terdiri dari kulit
kue kering dan isi, isi pastel dapat berbagai pilihan. Triple Combo merupakan
hidangan yang exclusive memiliki 3 varian utama, yaitu : Klappertart, Makaroni,
dan Pastel. Lokasi Triple Combo Klappertart Huize yang beralamat di Jalan.
Pangrango No.8, Bogor terletak di Taman Kencana, bisa dikatakan pusat jajanan
kuliner dan banyak sekali tempat makanan di daerah ini, maka dari itu tepat sekali
menjadi tempat kue Triple Combo. Selain citrarasa yang baik, satu keunggulan
dari klappertartnya Triple Combo adalah halal yang mana Triple Combo telah
mendapatkan sertifikat halal yang dikeluarkan oleh MUI. Karena kue klappertart
dibandingkan makaroni dan pastel yang paling diminati oleh pelanggan, maka
rumah tempat produksi maupun gerai penjualan tersebut dinamakan Huize atau
Rumah Klappertart. Triple Combo merupakan jenis kue yang bergerak dalam
bidang kuliner dan fokus dalam operasionalnya yang keseharianya di supervise
oleh pengajar professional dari Bogor Hotel Institute dan tenaga ahli dari Hotel
Salak The Heritage. Berawal dari keinginan membuat makanan yang unik dan
spesial untuk memenuhi kebutuhan akan makanan yang lezat, sehat dan
berkualitas yang cocok menjadi hidangan sehari-hari maupun untuk oleh-oleh atau
gift serta menunjang pariwisata kota Bogor dengan memberi warna baru kuliner
kota Bogor.
Dengan menggunakan analisis kointergrasi terdapat dua jenis model yang
digunakan untuk dianalisis, yaitu model analisis VAR (Vector Autoregression)
atau model analisis VECM (Vector Error Corection Model). Dilihat dari hasil uji
yang menunjukan bahwa data tersebut stasioner menggunakan VAR. Kemudian
melakukan analisis IRF dan FEVD untuk melihat korelasi antara data kue dengan
data penjualan yang kemudian dilakukan peramalan melalui analisis FEVD.
Peramalan yang dilakukan untuk mengetahui apakah dalam kurun waktu 118
minggu akan diperoleh hasil bahwa kue tersebut akan mengalami penurunan atau
peningkatan dalam penjualannya, atau akan turun naik pada setiap minggunya,
maka dari itu perlu dilakukan penelitian peramalan penjualan sehingga Triple
Combo akan mendapat gambaran penjualan untuk kedepanya.
Diantara tiga jenis kue klappertart, makaroni, dan pastel ini, masyarakat
lebih menggemari klappertart karena selain rasanya yang berbeda dari jenis kue
lainnya juga memiliki ciri khas tersendiri yang lebih menonjol, sehingga
masyarakat lebih cenderung memilih klappertart. Tetapi selain itu berdampak
positif pada masyarakat untuk mencoba dua kue andalannya di Triple Combo
seperti makaroni dan pastel sebagai pelengkap setelah mencoba klappertart.
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada 26 Agustus 1987.
Penulis merupakan anak pertama dari dua bersaudara pasangan
Kusumah dan Puranawati. Penulis menyelesaikan pendidikan di
Playgroup dan TK. Tadika Puri Bogor 1990-1993. Kemudian
melanjutkan ke Sekolah Dasar Negeri Polisi 4 Bogor 1993-
1999. Tahun 1999 penulis melanjutkan pendidikan di Sekolah
Menengah Pertama Negeri 2 Bogor hingga tahun 2002. Pada tahun 2002 penulis
melanjutkan pendidikan di Sekolah Menengah Atas Negeri 3 Bogor pada program
IPA. Pada tahun 2005, penulis diterima di Institut Pertanian Bogor pada program
Diploma Manajemen Infornatika melalui jalur PMDK .Pada tahun 2008 penulis
melanjutkan ekstensi Manajemen Fakultas Ekonomi dan Manajemen IPB melalui
tes regular. Penulis pernah meraih dua kali Juara 1 Lomba menulis puisi tingkat
SMAN.3 Bogor 2004.
Pengalaman organisasi penulis adalah pencak silat SDN. Polisi 4
Bogor1995-1996, bina vocalia SDN. Polisi 4 Bogor 1996-1997, seni tari sunda
SDN. Polisi 4 Bogor 1997-1999, PMR SMPN.2 Bogor 2000. Bina vocal SMPN.2
Bogor 2000. Paskibra taruna SMAN.3 Bogor 2002-2005.Cheerleaders SMAN.3
Bogor 2002-2005. Pengalaman organisasi di luar sekolah adalah mengikuti
paguyuban Mojang Jajaka Kabupaten Bogor 2006, Mojang Jajaka Kota Bogor
2007, dan 30 besar Model F-Magazine 2008. Pengalaman kerja penulis pada
bidang hiburan adalah sebagai talent Layar Lebar Cinta Pertama (Sunny) 2006,
talent FTV Kejatuhan Bintang 2007, talent Bioskop Indonesia Trans Tv Cinta
Pertama Sazy 2008, Layar Lebar Sweetheart 2009, talent Scary Job Trans7 2010,
talent iklan IM3 2010, talent iklan Daihatsu 2011 dan talent iklan Beasiswa
Djarum Super 2011.
KATA PENGANTAR
Puji dan syukur kepada Allah SWT atas karunia dan rahmatNya penulis
dapat menyelesaikan skripsi ini dengan baik. Penulis menulis skripsi ini dengan
tema Analisis Peramalan Penjualan Menggunakan Metode Kointegrasi Antara
Jenis Kue di Triple Combo Bogor. Skripsi ini disusun sebagai syarat utama untuk
memperoleh gelar Sarjana Ekonomi pada Departemen Manajemen, Fakultas
Ekonomi dan Manjemen Institut Pertanian Bogor. Minat masyarakat terhadap
makanan ringan terutama kue kian meningkat, dengan adanya kue klapertart,
makaroni dan pastel dari Triple Combo dengan variasi rasa yang unik akan
menabah minat masyarakat pecinta kue, kue yang dipadukan rasa yang nikmat
juga mengundang selera masyarakat yang luar biasa.
Kue klapertart ini yang awalnya khas Manado ini menjadi trending topic
masyarakat karena kelezatannya yang luar biasa, maka dari itu Triple Combo
menjual klapertart, makaroni dan pastel. Masyarakat pun bukan hanya sekedar
menggemarinya tetapi juga menjadikannya kesukaan dan menjadikannya
langganan klapertart tersebut. Dari ketiga kue itu kue yang paling digemari adalah
klapertart, karena kegemaran masyarakat kepada kalpertart yang kemudian
masyarakat mencoba makaroni dan juga pastel. Selain buka toko kue sendiri,
Triple Combo juga menitipkan kepada Hotel Salak dan toko-toko kue lainnya,
hingga kepada pedagang asongan pun kue ini dititipkan, jika kita suka melihat
pedagang kue biasanya di statsiun atau dijalan-jalan umum dengan
memnggunakan keranjang itulah pedagang kue Triple Combo, secara tidak
langsung mengurangi penggangguran.
Bogor, November 2011
Penulis
UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih kepada:
1. Allah SWT dan Nabi Muhammad, SAW.
2. Bapak Ir.Dr.Syamsun,M.Sc, selaku dosen pembimbing yang telah
memberikan bimbingan, petunjuk, nasehat, dan saran selama
mengerjakan skripsi dimulai hingga seminar dan sidang dilaksanakan.
3. Bapak Ir. Abdul Basith,MS dan ibu Yusrina Permatasari,ME selaku
dosen penguji yang telah memberikan bimbingan, petunjuk, nasehat,
dan saran selama mengerjakan skripsi hingga sidang dilaksanakan.
4. Ibu Hardiana Widyastuti,S.Hut.,MM.
5. Seluruh dosen Pengajar Departemen Manajemen yang telah
memberikan ilmu dan pengetahuan yang berguna bagi penulis, kepada
Fakultas Ekonomi dan Manajemen & staf, serta Kepala Sekretariat
Departemen Manajemen & staf atas bantuan selama penulis
menyelesaikan perkuliahan.
6. Seluruh pihak Triple Combo, Bapak Taufik, Bapak Irfan, Bapak Kabe,
Bapak Hisnu yang telah memberikan bimbingan di Triple Combo.
7. Ibunda, Ayahanda, Adelia atas doa, cinta, restu, kasih sayang,
dukungan, masihat dan perhatian yang diberikan kepada penulis.
8. Alexander di Universitas Mercu Buana, Jurusan Marketing
Comunication yang telah memberikan inspirasi, perhatian, kasih
sayang.
9. Kurniawan Saputra di Universitas Bina Nusantara, Jurusan Sistem
Informasi atas dukungan dan semangatnya.
10. Rakhel, Riza, Rayi, Diar, Tika, Pinka, Dian, Rista, Rima, Risna, Vio,
Eko, Bella, Rizkynation, Amel, Cindy, Cantika, Bila, Rosmeri, Nay,
Netty, Nia, Lia, Nitha, Putri, Regina, Mega, Rully, Raffy, Awe, Tudu.
11. Teman satu tim bimbingan skripsi Kiki, Anriza, Indra, Iqbal.
vi
DAFTAR ISI
Halaman
RINGKASAN
RIWAYAT HIDUP .................................................................................... iii
KATA PENGANTAR ................................................................................ iv
UCAPAN TERIMA KASIH ..................................................................... v
DAFTAR TABEL ...................................................................................... viii
DAFTAR GAMBAR .................................................................................. ix
DAFTAR LAMPIRAN .............................................................................. x
I. PENDAHULUAN ................................................................................. 1
1.1. Latar Belakang ................................................................................ 1
1.2. Perumusan Masalah ........................................................................ 3
1.3. Tujuan Penelitian ............................................................................ 3
1.4. Manfaat Penelitian .......................................................................... 3
1.5. Ruang Lingkup ................................................................................ 4
II. TINJAUAN PUSTAKA ....................................................................... 5
2.1. Kue .................................................................................................. 5
2.2. Penjualan .......................................................................................... 8
2.3. Peramalan ........................................................................................ 8
. 2.4. Kointegrasi ........................................................................................ 11
. 2.5. Vector Autoregresesive (VAR) ....................................................... 12
2.6. Impuls Response Function (IRF) .................................................... 15
2.7. Forecast Error Variance Decomposition (FEVD) ......................... 15
2.8. Penelitian Terdahulu ......................................................................... 16
III. METODE PENELITIAN .................................................................. 18
3.1. Kerangka Pemikiran ....................................................................... 19
3.2. Lokasi dan Waktu Penelitian .......................................................... 20
3.3. Metode Pengumpulan Data ............................................................. 20
3.4. Pengolahan dan Analisis Data ......................................................... 21
3.4.1 Uji Stasioner Data ................................................................... 21
3.4.2 Metode Pengujian Granger Casuality ...................................... 22
3.4.3 Uji Lag Optimal ....................................................................... 23
3.4.4 VAR ......................................................................................... 24
3.4.5 Uji Stabilitas VAR ................................................................... 26
3.4.6 Impuls Response Function ....................................................... 26
vii
3.4.7 Forecast Error Variance Decomposition ................................. 27
IV. HASIL DAN PEMBAHASAN ........................................................... 29
4.1. Gambaran Umum Perusahaan ....................................................... 29
4.1.1 Sejarah Perusahaan .............................................................. 29
4.1.2 Visi, Misi, dan Moto Perusahaan ......................................... 31
4.1.3 Lokasi Perusahaan ............................................................... 31
4.1.4 Struktur Organisasi Perusahaan ........................................... 32
4.1.5 Produk-produk Perusahaan .................................................. 33
4.2. Analisis Kointegrasi ...................................................................... 36
4.2.1 Uji Stasioner Data ................................................................. 36
4.2.2 Metode Pengujian Granger Casuality .................................... 37
4.2.3 Uji Lag Optimal ..................................................................... 37
4.2.4 VAR ....................................................................................... 38
4.2.5 Uji Stabilitas VAR ................................................................. 39
4.2.6 Impuls Response Function ...................................................... 40
4.2.7 Forecast Error Variance Decomposition ............................... 47
4.2.8 Implikasi Manajerial .............................................................. 53
KESIMPULAN DAN SARAN .................................................................. 55
1. Kesimpulan ....................................................................................... 55
2. Saran ................................................................................................. 56
DAFTAR PUSTAKA ................................................................................. 57
LAMPIRAN ................................................................................................. 58
viii
DAFTAR TABEL
No Halaman
1. Produk Triple Combo ................................................................................ 33
2. Hasil Uji Stasioner .................................................................................... 36
3. Hasil Uji Granger Causality ..................................................................... 37
4. Hasil Uji Lag Optimal ............................................................................. 38
5. Hasil VAR ............................................................................................... 39
6. Hasil Stabilitas VAR ............................................................................... 40
7. Hasil peramalan Klappertart .................................................................... 47
8. Hasil peramalan Makaroni ....................................................................... 50
9. Hasil peramalan Pastel ............................................................................. 52
ix
DAFTAR GAMBAR
No Halaman
1. Kerangka pemikiran ................................................................................ 19
2. Struktur organisasi .................................................................................. 32
3. Respon Makaroni terhadap Klappertart .................................................. 41
4. Respon Pastel terhadap Klappertart ........................................................ 42
5. Respon Klappertart terhadap Makaroni .................................................. 43
6. Respon Pastel terhadap Makaroni ............................................................. 44
7. Respon Klappertart terhadap Pastel .......................................................... 45
8. Respon Makaroni terhadap Pastel ............................................................. 46
9. Variance Decomposition terhadap Klappertart ......................................... 49
10.Variance Decomposition terhadap Makaroni............................................ 51
11.Variance Decomposition terhadap Pastel.................................................. 53
x
DAFTAR LAMPIRAN
No Halaman
1. Penjualan Triple combo minggu ke 1- 50 ................................................ 59
2. Penjualan Triple combo minggu ke 51- 100 ............................................. 60
3. Penjualan Triple combo minggu ke 101- 118 ........................................... 61
4. Uji Stasioner Klappertart........................................................................... 62
5. Uji Stasioner Makaroni ............................................................................. 63
6. Uji Stasioner Pastel ................................................................................... 64
7. Uji Stasioner Klappertart,Makaroni,Pastel ............................................... 65
8. Uji Granger Causality............................................................................... 66
9. Uji Lag Optimal ........................................................................................ 67
10. VAR ......................................................................................................... 68
11. Uji Stabilitas VAR .................................................................................. 69
12. IRF jika Klappertart Diimpuls ............................................................... 70
13. IRF Klappertart ..................................................................................... 71
14. IRF jika MakaroniDiimpuls ................................................................... 73
15. IRF Makaroni ......................................................................................... 74
16. IRF jika Pastel Diimpuls ........................................................................ 76
17. IRF Pastel ............................................................................................... 77
18. FEVD Klappertart .................................................................................. 79
19. FEVD Klappertart Periode .................................................................... 80
20. FEVD Makaroni ..................................................................................... 82
21. FEVD Makaroni Periode........................................................................ 83
22. FEVD Pastel ........................................................................................... 85
23. FEVD Pastel Periode.............................................................................. 86
24. Regresi Model Minitab Klappertart ........................................................ 88
25. Regresi Model Minitab Makaroni ........................................................... 90
26. Regresi Model Minitab Pastel ................................................................. 92
1
I. PENDAHULUAN
1.1. Latar Belakang
Berbagai jenis makanan dan jajanan semakin banyak kita temui di
lingkungan kita, baik jenis makanan kecil dan makanan besar. Makaroni
contohnya, makanan ini merupakan makanan yang sudah sering kita dengar
bahkan kita konsumsi. Para pengusaha sangat detail dalam melihat peluang bisnis
untuk makanan tersebut. Berbagai cara dan kreativitas dibuat para pengusaha
untuk menarik dan mempertahankan konsumen agar tidak kalah dengan pesaing,
salah satunya dengan cara memberikan variasi dari jenis jualan.
Kue klappertat, kue yang berasal dari Menado, dulunya banyak di konsumsi
oleh para bangsawan Belanda, akan tetapi sekarang kue ini banyak dijumpai di
daerah Pangrango Bogor. Saat ini kue klappertart divariasikan dengan makaroni
panggang dan pastel tutup dengan nama TRIPLE COMBO. Penjualan triple
combo ini mencapai 15 juta per minggu.
Triple Combo merupakan hidangan yang exclusive memiliki 3 jenis kue
utama, yaitu: Klappertart, Makaroni, dan Pastel. Selain tiga jenis makanan ringan
tersebut, Triple Combo juga memiliki varian lain, seperti : Spekoek atau Lapis
Surabaya, Bitterballen, Olliebollen, Holand Croquette, Eclair, Bakwan Udang,
Tahu Isi, Panada, Lemper, Arem-arem, dan makanan ringan Indonesia lainnya.
Triple Combo Snack mempunyai 3 Jenis exclusive snack andalan yang unik dan
spesial, yaitu :
- Klappertart (Potongan kelapa muda didalam cream susu, custard dan
ditutup dengan putih telur).
- Pastel Tutup / Indische Pastei (Ayam, Sosis sapi, wortel, Jamur telinga,
Chinese vermicelli and cover by mashed potato).
- Makaroni Schoetel (Makaroni & kornet daging sapi ditaburi keju).
Kelebihan Triple Combo adalah :
- Menu spesial warisan jaman kolonial Belanda yang terkenal di Indonesia
- Sehat, lezat & bergizi tinggi
- Terbuat dari bahan baku berkualitas, berstandar hotel
2
- Proses pembuatannya yang higienis
- Tidak menggunakan bahan pengawet dan aditif lainnya
- Halal, sertifikat halal dari MUI
Triple Combo juga memproduksi berbagai macam exclusive snack yang siap
mendampingi semua jenis acara pelanggan. Tersedia snack dari cake, roti, hingga
snack tradisional, seperti Lapis Surabya, Roll Cake, Panada, Sosis Roll, Risoles,
Lemper, Arem-arem ataupun Kelepon.
Ketiga kue tersebut dapat dipilih dan disesusaikan dengan acara pelanggan
ataupun dikombinasikan sesuai selera, sehingga hidangan dapat lebih bervariasi
tetapi tetap exclusive dan memberi kelas tersendiri. Produksi Triple Combo Snack
didukung oleh tenaga ahli yang berpengalaman dan sudah keliling dunia. Dalam
produksi sehari-hari Triple Combo juga disupervisi oleh Bogor Hotel Institute,
yaitu institusi pendidikan pariwisata ternama di Bogor dan oleh tenaga ahli
dibidang patiseri dari hotel berbintang di Bogor yaitu Hotel Salak The Heritage.
Team produksi bekerja dengan profesional setiap hari selama 24 jam secara
bergantian dengan sistem bergiliran (shift) untuk menghasilkan snack yang
berkualitas sesuai pesanan pelanggan. Bahan baku pilihan yang sudah
dipersiapkan oleh bagian purchasing dikontrol kualitasnya dan diolah dengan
baik, bersih dan sehat oleh para ahli dan siap saji. Peralatan yang modern dengan
teknologi terbaru dan dioperasikan dengan sistem yang baik serta manajemen
yang baik juga sangat mendukung proses produksi untuk mendapatkan hasil
produksi yang optimum. Produksi Triple Combo yang sudah jadi dikemas dengan
baik dan exclusive dan dimasukkan dalam box yang mewah dan menarik dan siap
diantar oleh team pengantar yang siap melayani pesanan di Bogor, Jakarta dan
sekitarnya, sehingga dapat tiba di tujuan atau kantor pelanggan tepat pada
waktunya.
Penjualan Triple Combo menarik untuk diteliti karena terdiri dari tiga
komoditas kue. Dalam penelitian ini, digunakan model kointegrasi yang
menggunakan data deret waktu penjualan dari ketiga kue tersebut. Dalam
penggunaan model ini kemungkinan data deret waktu bersifat stasioner dan bisa
juga tidak stasioner. Untuk data yang tidak stasioner diperlukan proses
diferensiasi terlebih dulu walaupun proses ini dapat menghilangkan hubungan
3
jangka panjang yang mungkin terdapat dalam variabel-variabel time series yang
diteliti dan hanya memberikan hubungan jangka pendek. Di sinilah pentingnya
proses kointegrasi dimana konsep ini membantu memberikan informasi mengenai
hubungan jangka panjang dari ketiga kue tersebut dengan menggunakan time
series non-stasioner. Dengan kata lain konsep ini mengatakan bahwa apabila
terdapat dua atau lebih time series yang tidak stasioner (mempunyai unit roots)
dan terintegrasi pada orde yang sama serta residunya bersifat stasioner sehingga
tidak ada korelasi serial di dalamnya (white nose) maka time series tersebut
dinamakan terkointegrasi.
1.2 Perumusan Masalah
- Permasalahan yang dihadapi ialah pemasaran dan promosinya yang kurang
menyebar;
- Peramalan tiga bulan ke depan antara mengalami kenaikan atau penurunan;
- Masyarakat luas belum mengenal Triple combo secara luas;
Berdasarkan pemaparan tersebut, dapat dirumuskan permasalahan dalam
penelitian ini adalah:
1. Bagaimana analisis hubungan kointegrasi antara klappertart, makaroni dan
pastel?
2. Bagaimana peramalan penjualan dan harga klappertart tiga bulan ke depan?
1.3 Tujuan Penelitian
1. Mengetahui hubungan kointegrasi antara ketiga kue klappertart, makaroni dan
pastel sebagai perencanaan peramalan.
2. Dapat mengetahui ramalan penjualan sebagai target penjualan tiga bulan
kedepan dan mengantisipasi pada bulan yang diramalkan akan menurunnya
penjualan suatu kue sehingga penurunan penjualan tersebut tidak terjadi.
1.4. Manfaat Penelitian
Hasil penelitian berguna dan menjadi masukan bagi para pelaku bisnis dalam
pemasaran kue klappertart. Penelitian ini diharapkan dapat menjadi alternatif
informasi untuk merumuskan kebijakan sehingga dapat berguna sebagai acuan
dalam meramalkan penjualan juga merencanakan strategi pengembangan Triple
4
Combo baik yang sedang maupun yang akan diusahakan. Sedangkan bagi penulis,
penelitian ini diharapkan dapat dijadikan sebagai aplikasi nyata dari ilmu yang
didapat selama penulis menuntut ilmu di Institut Pertanian Bogor, serta
diharapkan dapat menambah keterampilan, kemampuan, dan pengalaman bagi
penulis. Bagi pembaca, penelitian ini diharapkan dapat bermanfaat sebagai
tambahan informasi dan literatur untuk penelitian selanjutnya. Penelitian ini juga
diharapkan menjadi masukan bagi perusahaan Triple Combo agar kedepannya
bisa berkembang dan juga bisa menjadi perusahaan yang banyak diminati oleh
masyarakat pada umumnya.
1.5 Ruang Lingkup
Penelitian ini dilakukan untuk menganalisis kointegrasi pada penjualan Triple
Combo agar dapat diketahui perkembangan Triple Combo (klappertart, makaroni,
dan pastel) periode 2009-2011 dengan menggunakan model VAR (Vector
Autoregresive). Untuk mendapat taksiran penjualannya digunakan simulasi
Impuls Response Function (IRF) dan Forecasting Eror Variace Decompotion
(FEVD).
5
II. TINJAUAN PUSTAKA
2.1. Kue
Kue adalah makanan ringan yang bukan makanan utama. Kue berasal kata
dari bahasa Tionghoa, kemungkinan besar bahasa Hokkien. Secara harafiah kue
seringkali diartikan sebagai makanan ringan yang dibuat dari tepung. Baik tepung
beras maupun tepung terigu. Kue kering sudah lama kita kenal dan kue kering
sangat enak untuk dihidangkan. Dalam setiap kesempatan kue kering bisa menjadi
suguhan yang menarik, bisa disajikan kapan saja.
(http://id.wikipedia.org/wiki/Kue, 2011).
Selain kue kering kita pun dapat menjumpai kue basah yang umumnya empuk,
lembut, dan tidak bertahan lama (hanya bertahan beberapa hari). Biasanya terbuat
dari tepung terigu, sagu, gula, bahkan ada yang berbahan santan atau ketan. Yang
termasuk dalam kategori kue basah diantaranya: martabak manis, lemper, lumpia,
pastel, kue sus, panekuk, kue lapis, lapis legit, kue cucur, bakpia, kue mangkok,
mochi, kue pukis, bika ambon, donat, bolu, kue serabi, risol dan lain sebagainya.
(http://id.wikipedia.org/wiki/Kue_basah, 2011).
Pastel adalah nama produk roti yang terbuat dari tepung terigu, gula, susu,
mentega, lemak, bubuk pemuai (baking powder) atau telur. Kue kering dapat juga
mengacu pada adonan dari produk-produk roti. Adonan kue kering diguling
dengan halus dan digunakan sebagai bahan dasar produk roti. Makanan-makanan
dari kue kering umumnya adalah pastei, kue tar, dan quiche. Kue kering berbeda
dengan roti karena mengandung lemak lebih tinggi, sehingga menghasilkan kue
kering dengan tenunan (texture) yang rapuh dan garing. Kue kering yang baik
terasa ringan dan rapuh, namun cukup keras untuk menahan isian. Ketika
membuat kue kering tipis, pembuatan harus diperhatikan secara hati-hati ketika
mencampurkan lemak dan terigu sebelum ditambahkan cairan, sehingga bubuk
terigu telah bercampur dengan lemak dan tidak berubah menjadi gluten. Namun
sebaliknya, mencampurkan terlalu lama membuat kue kering menjadi keras. Kue
kering lainnya, seperti Kue Kering Denmark dan roti bulan sabit (croissant),
tenunan rapuh dari kue kering tersebut didapatkan ketika adonan digulung berkali-
kali seperti roti ragi, lalu diolesi dengan mentega, dan kemudian dilipat sampai
menghasilkan lipatan-lipatan tipis. (http://id.wikipedia.org/wiki/Kue_kering,2011)
6
Pastel yang terdiri dari kulit kue kering dan isi, isi pastel dapat berupa buah,
daging, ikan, sayur, keju, coklat, kustar, kacang, dan lain-lain. Pastel buah
biasanya disajikan dengan es krim, disebut à la mode. Pastel daging Australia
dianggap sebagai makanan nasional Australia, berisi daging sapi dan kuah kental
(gravy). Hidangan khas Adelaide adalah pastei apung (pie floater).
(http://id.wikipedia.org/wiki/Pastei,2011)
Klappertart di Indonesia dikenal sebagai kue khas Manado dengan bahan
dasar kelapa, tepung terigu, susu, mentega dan telur. Resep adonan tersebut
merupakan pengaruh saat zaman pendudukan Belanda di Manado. Terdapat
beberapa macam cara memasak klappertart. Bila dipanggang dan menggunakan
roti, maka akan menghasilkan klappertart dalam bentuk yang padat, bisa dipotong
layaknya kue tart pada umumnya. Tetapi ada juga cara memasak yang tidak
panggang. Ini akan menghasilkan tekstur yang begitu lembut, seperti memakan
custard yang langsung meleleh begitu masuk ke mulut. Kue ini paling nikmat bila
disantap dalam keadaan dingin jadi tidak boleh dibiarkan terlalu lama di luar
pendingin. Klappertart termasuk kue yang mengandung kalori yang cukup tinggi.
Ada pengusaha klappertart yang mencari campuran adonan yang lebih rendah
jumlah kandungan kalorinya. Beberapa jenis klappertart menggunakan lemak
rendah kalori, susu kalsium tinggi dan pemanis rendah kalori sebagai campuran
adonannya menggantikan susu dan gula yang pada umumnya digunakan, sehingga
menjadikan kue ini berkurang jumlah kalorinya. Klappertart rendah kalori
memang sengaja dibuat agar orang-orang yang sedang diet bisa menikmati kue
lezat ini. (http://id.wikipedia.org/wiki/Klappertart,2011)
Disetiap negara, kue kering mempunyai nama yang berbeda. Perancis
sebagai tempat asal pertama kali kue kering dikenal, menyebutnya biscuit, bis
adalah dua, cuit adalah memasak, artinya kue yang dimasak dua kali supaya
kering, renyah dan tahan lama. Istilah yang sama juga digunakan di Inggris. Orang
Amerika menyebutnya cookies, orang Belanda menyebutnya koekje artinya kue
kecil. Apapun namanya dan bagaimanapun bentuknya, pada prinsipnya kue kering
adalah kue yang berbentuk kecil untuk satu atau dua suapan, dipanggang dalam
oven dan tahan lama. Umumnya kue kering renyah dan kering. Namun ada juga
7
yang menggunakan madu sebagai pengganti gula. Ada juga yang tidak terlalu
kering dengan tekstur mirip cake.
Kue kering banyak jenisnya dari yang klasik dan bertahan sepanjang masa,
seperti kaastengels sampai kue kering jenis baru dan modern. Cara membuatnya
ada yang mudah dan sederhana, karena membentuknya cukup dengan sendok atau
sekup es krim, seperti chocolate chip. Ada yang adonannya harus disimpan dulu
dalam lemari es atau freezer sampai agak keras agar mudah dipotong. Bagi
sebagian orang, membuat kue kering memang mengasyikan dan memberikan
kepuasan tersendiri. Dari satu adonan bisa dihasilkan aneka variasi kue kering.
Yang penting kuasai teknik dasar, lalu kembangkan kreatifitas untuk mendapatkan
berbagai bentuk dan cita rasa yang optimum. Ada banyak jenis kue salah satunya
adalah klappertart, kue dengan bahan dasar kelapa.
Di Manado, Sulawesi Utara kue ini biasa dijual di kafe dan selalu dijaga
kualitasnya. Salah satu kafe di kota ini memiliki klappertart yang khas sehingga
tidak sedikit wisatawan lokal dan mancanegara yang membelinya untuk sekedar
oleh-oleh. Meski citarasanya dikenal sangat lezat, namun membuat klappertart
tidaklah sulit. Bahan baku yang dibutuhkan adalah kelapa muda yang diiris tipis
dan direbus. Bahan lainnya adalah mentega, susu, gula pasir, tepung terigu dan
telur yang dicampur menjadi satu adonan. Setelah dikocok hingga mengembang,
irisan kelapa muda dimasukan dalam adonan ini. Untuk menambah kelezatan
dibuat adonan berbahan gula dan putih telur yang dikocok dengan menggunakan
mesin hingga berbentuk busa berwarna putih. Adonan ini digunakan sebagai
lapisan atas klappertart yang telah diletakkan dalam sebuah tempat. Tidak lupa
potongan biji kenari, kismis hingga keju ditaburkan diatasnya kemudian
dipanggang dalam oven selama sekitar setengah jam. Untuk menambah kelezatan,
klappertart ini dimasukkan dalam lemari pendingin sebelum disajikan. Tidak
hanya diberi warga Manado tetapi juga dibeli wisatawan lokal dan mancanegara
sebagai oleh-oleh. Bahkan klappertart yang dijual seharga tujuh puluh lima ribu
rupiah perporsi besar ini juga pernah dibawa hingga keluar negeri seperti
Singapura dan Amerika Serikat. Kue berbahan dasar kelapa muda ini sangat lezat
dan menggugah selera apalagi kalo disajikan dalam keadaan dingin dan dinikmati
disiang hari, di Manado, Sulawesi Utara ada beberapa kafe dan toko kue yang
8
menjual kue klappertart ini yang sangat menjaga kualitas rasanya. Meski terkenal
dengan cita rasanya, membuat klappertart ini tidak sulit.
2.2. Penjualan
Dilihat dari sisi fungsi pemasaran, penjualan merupakan salah satu fungsi
pemasaran yang sangat penting dan menentukan, karena merupakan sumber
pendapatan yang diperlukan untuk menutup biaya. Peramalan penjualan
mempengaruhi perencanaan dan pengamnbilan keputusan secara menyeluruh.
Dari hasil peramalan penjualan yang dianalisis dengan menggunakan analisis
runtut waktu, kita akan dapat penjualan klappertart. Menurut Arsyad (1994),
hanya sedikit perusahaan yang dapat bertahan hidup tanpa peramalan yang akurat
tentang, misalnya, volume penjualan, tingkat pengeluaran, dan aliran modal
dimasa datang.
Peramalan Penjualan
Peramalan merupakan alat bantu yang penting dalam perencanaan yang
efektif dan efisien. Peramalan adalah suatu proses memperkirakan secara
sistematik tentang apa yang paling mungkin terjadi di masa depan berdasar
informasi masa lalu dan sekarang yang dimiliki agar kesalahannya selisih antara
apa yang terjadi dengan hasil perkiraan dapat diperkecil Peramalan merupakan
studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola
yang sistematis (Sugiarto dan Harjiono,2000) perkiraan penjualan untuk tahun
depan akan mencerminkan :
1.Kecenderungan penjualan masa lalu yang diharapkan akan terulang lagi
pada berikutnya.
2.Pengaruh setiap peristiwa apapun yang mungkin secara material
mempengaruhi kecenderungan itu.
2.3. Peramalan
Peramalan merupakan studi terhadap data historis untuk menemukan
hubungan, kecenderungan, pola yang sistematis, (Sugiarto dan Harijono,2000)
memberikan definisi peramalan sebagai suatu proses memperkirakan secara
9
sistematis tentang apa yang mungkin terjadi di masa depan berdasarkan informasi
secara masa lalu dan sekarang yang dimiliki agar kesalahan dapat diperkecil.
Peramalan sangat penting penggunaaannya dalam berbagai situasi
perencanaan dan pengambilan keputusan. Teknik peramalan yang dipilih
ditentukan berdasarkan tingkat kesalahan terendah yang kemudian dijadikan
sebagai pendekatan untuk menentukan perencanaan jumlah kapasitas produksi.
Perkembangan teknologi komputer yang semakin pesat menyebabkan
peramalan kuantitatif akhirnya dapat dipandang sebagai sesuatu kegiatan yang
tidak terlalu sukar untuk diterapkan dan dapat memberikan hasil yang akurat.
Terdapat dua pendekatan umum, peramalan sebagaimana ada dua cara
mengatasi semua model keputusan, yaitu analisis kualitatif dan kuantitatif.
Peramalan kuantitatif menggunakan model matematik yang beragam dengan data
masa lalu, dan peubah sebab akibat untuk meramalkan permintaan. Peramalan
subjektif atau kualitatif, yaitu peramalan yang menggabungkan faktor seperti
intuisi, emosi, pengalaman pribadi dan sistem nilai pengambilan keputusan untuk
meramal.
Jenis-Jenis Peramalan
1. Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan
memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan
untuk membangun perumahan, dan indikator perencanaan lainnya.
2. Peramalan teknologi (technological forecast) memperhatikan tingkat
kemajuan teknologi yang dapat meluncurkan produk baru yang menarik,
yang membutuhkan pabrik dan peralat baru.
3. Peramalan permintaan (demand forecast) adalah proyeksi permintaan
untuk produk atau layanan suatu perusahaan. Peramalan ini disebut juga
peramalan penjualan, yang mengendalikan produksi, kapasitas, serta
sistem penjadwalan dan menjadi input bagi perencanaan keuangan,
pemasaran, dan sumber daya manusia.
Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung
dari cara melihatnya. Apabila dilihat dari sifat penyusunannya, maka peramalan
dapat dibedakan atas dua macam yaitu :
10
1. Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan atau
intuisi dari orang yang menyusunnya. Dalam hal ini pandangan atau
judgement dari orang yang menyusunya sangat menentukan baik, tidaknya
hasil ramalan tersebut.
2. Peramalan obyektif, yaitu peramalan yang didasarkan atas data yang
relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-
metode dalam menganalisis data tersebut.
Peramalan berdasarkan horizon waktu dibedakan atas beberapa kategori, yaitu
1. Peramalan jangka pendek, yaitu peramalan yang mencangkup jangka
waktu hingga satu tahun, tetapi umumnya kurang dari 3(tiga) bulan.
Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan
kerja, jumlah tenaga kerja, penugasan kerja dan tingkat produksi.
2. Peramalan jangka menengah, yaitu peramalan yang mencangkup hitungan
bulanan hingga 3 (tiga) tahun. Peramalan ini berguna untuk merencanakan
penjualan, perencanaan dan anggaran produksi, anggaran kas dan
menganalisis bermacam-macam rencana operasi.
3. Peramalan jangka panjang, yaitu peramalan yang mencangkup
perencanaan masa tiga tahun atau lebih. Peramalan ini digunakan untuk
merencanakan produk baru, pembelanjaan modal, atau pengembangan
fasilitas, serta penelitian dan pengembangan.
Terdapat 2 pendekatan dalam peramalan:
Peramalan kuantitatif (quantitave forecast) yaitu menggunakan model
matematis yang beragam dengan data masa lalu dan variable sebab akibat untuk
meramalkan permintaan. Peramalan kuantitatif dapat diterapkan bila terdapat tiga
kondisi berikut :
1. Tersedia informasi tentang masa lalu (data historis)
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik
3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus
berlanjut di masa mendatang.
11
Peramalan kualitatif (qualitative forcast) menggabungkan faktor seperti
intuisi, emosi, pengalaman pribadi dan sistem nilai pengambil keputusan untuk
meramalkan.
Jika dilihat dari jangka waktu ramalan yang disusun, maka peramalan
dapat dibedakan dua macam, yaitu peramalan jangka panjang dan peramalan
jangka pendek. terdapat banyak teknik atau metode ilmiah untuk peramalan yang
dibedakan dalam dua kelompok, yaitu kualitatif dan kuantitatif.
Peramalan jangka panjang adalah peramalan yang dilakukan untuk
penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun
atau tiga semester. Peramalan seperti ini misalnya diperlukan dalam penyusunan
rencana prmbangunan suatu Negara atau daerah, corporate planning, rencana
investasi atau rencana ekspansi dari suatu perusahaan.
Peramalan jangka pendek yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan dengan jangka waktu yang kurang dari satu setengah
tahun atau tiga semester. Peramalan seperti ini diperlukan dalam penyusunan
rencana tahunan, rencana kerja operasional dan anggaran, contohnya penyusunan
rencana produksi, rencana penjualan, rencana pengadaan, rencana persediaan,
anggaran pemasaran dan anggaran perusahaan.
Menurut Aritonang (2002), metode kualitatif lebih didasarkan pada intuisi
dan penilaian orang yang melakukan peramalan (forecaster) daripada
pemanipulasian (pengolahan dan penganalisaan) data historis yang tersedia.
Misalnya peramalan penjualan produk baru.
2.4. Kointegrasi
Regresi dari dua variabel yang non-stasioner akan menyebabkan timbulnya
spurios regression sehingga proses diferensiasi harus terlebih dahulu dilakukan
(Engle dan Granger, 1987). Dalam penelitian ini juga digunakan kointegrasi antar
variabel yang terdapat dalam model VAR. Dengan demikian, metode VAR
dengan menggunakan bantuan software e-views dapat menguji kointegrasi ini
melalui metode Johansen Cointegration Test. Uji kointegrasi dilakukan untuk
melihat apakah terdapat hubungan antara variabel dalam jangka panjang atau
adanya keseimbangan di antara variabel-variabel yang tidak stasioner. Ada hal-hal
yang harus diperhatikan mengenai definisi kointegrasi (Enders,2004):
12
1. Kointegrasi adalah kombinasi linear variabel-variabel yang tidak
stasioner. Tetapi secara teori, mungkin juga bahwa hubungan non liner jangka
panjang terdapat di antara gugus variabel yang terintegrasi.
2. Berdasarkan definisi Engle dan Granger dalam Enders (2004),
kointegrasi adalah variabel-variabel yang terintegrasi dalam order yang sama.
Tetapi bisa juga terjadi hubungan kombinasi linear yang terkointegrasi dari order
yang berbeda. Analisis formalnya dimulai dengan mendasarkan pada himpunan
peubah (variabel) ekonomi yang berada pada keseimbangan jangka panjang.
β1 x1 + β2 x2 + ..... + βn xn = 0 atau βix1= 0
..........................................................(1)
Penyimpangan dari keseimbangan jangka panjang disebut galat (error)
ekuilibrium (et), sehingga et = βx1 dimana et pada kondisi stasioner. Menurut
Engle-Granger komponen suatu vektor xt = (x1t, x2t, ....., xnt) dikatakan
berkointegrasi ordo (d,b) dan dinyatakan dengan CI (d,b), jika :
1. Semua komponen dari xt adalah berintegrasi ordo d.
2. Ada vektor β = (β1, β2, ....., βn) sehingga kombinasi linear β1 x1t + β2 x2
+ ..... + βn xn adalah berintegrasi ordo d-b, dimana b > 0 dan β disebut
vektor kointegrasi.
Ada beberapa hal yang harus diperhatikan dalam melakukan identifikasi
model kointegrasi, antara lain:
1. Kointegrasi mengacu pada kombinasi linear dari peubah non
stasioner. Secara teoritis, sangat tidak mungkin terdapat hubungan
jangka panjang yang non linear diantara peubah-peubah yang
terintegrasi.
2. Semua peubah harus mempunyai ordo integrasi sama dan tidak berarti
peubah dengan integrasi sama adalah kointegrasi. Suatu peubah yang
memiliki ordo integrasi yang tidak sama tidak dapat berkointegrasi.
Misalnya ordo integrasi dari peubah x1t dan x2t masing-masing d1 dan
d2, dimana d1 > d2, maka kombinasi linear dari x1t dan x2t adalah I (d2).
3. Jika komponen xt ada sebanyak n, maka ada paling banyak n-1 vektor
kointegrasi.
13
4. Umumnya literatur-literatur kointegrasi memfokuskan peubah-peubah
yang mempunyai orde integrasi satu.
2.5. Vector Autoregressive (VAR)
Penelitian ini menggunakan metode analisis VAR. Metode ini
dikembangkan oleh Christopher Sims pada tahun 1980. Penggunaan metode ini
didasari bahwa sebuah variabel bukan saja dapat berlaku sebagai variabel endogen
tetapi juga dapat berlaku sebagai variabel eksogen. Hal ini dapat terjadi karena
dengan menggunakan pendekatan structural atas permodelan persamaan simultan.
Keunggulan metode VAR antara lain (Gujarati,2003) :
1. Metode ini sederhana, tanpa harus membedakan nama variabel endogen
dan variabel eksogen;
2. Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan
pada tiap-tiap persamaan secara terpisah;
3. Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai
batasan teori ekonomi yang sering muncul termasuk gejala perbedaan
semu (spurious variable endogenity dan exogenity) di dalam model
ekonometrik konvensional terutama pada persamaan simultan, sehingga
menghindari penafsiran yang salah;
4. Hasil perkiraan (forecast) yang diperoleh dengan menggunakan metode ini
dalam banyak kasus lebih bagus dibandingkan dengan hasil yang didapat
dengan menggunakan model persamaan simultan yang kompleks
sekalipun. Selain itu, analisis VAR juga merupakan alat analisis yang
sangat berguna, baik di dalam memahami adanya hubungan timbal balik
(interrelationship) antara variabel-variabel ekonomi, maupun di dalam
pembentukan model ekonomi berstruktur.
Metode VAR juga dapat digunakan untuk menganalisa 4 hal,
pertama, forecasting, ekstrapolasi nilai saat ini dan masa depan seluruh
variabel dengan memanfaatkan seluruh informasi masa lalu variabel.
Kedua, Impluse Respone Function (IRF) untuk mengetahui respon saat ini
dan masa depan variabel akibat perubahan atau shock suatu variabel
tertentu lainnya. Ketiga, Forecasting Error Variance Decomposition
14
(FEVD) untuk memprediksi kontribusi persentase varian setiap variabel
terhadap perubahan suatu variabel tertentu lainnya. Keempat, Granger
Causality untuk mengetahui hubungan sebab akibat antar variabel. Dalam
penelitian ini, model VAR digunakan untuk mengetahui hubungan
dinamis jangka panjang dan jangka pendek antar variabel.
Kelemahan metode VAR,diantaranya :
1. Model VAR merupkan pengukuran yang tidak dilandasi teori tentang
hubungan antar-variabel (model non-struktural).
2. Mengingat tujuan utama model VAR untuk peramalan, maka model
VAR kurang cocok untuk analisis kebijakan.
3. Pemilihan banyaknya lag yang diinginkan dalam persamaan dapat
menimbulkan permasalahan.
4. Interpretasi koefisien yang didapat berdasarkan model VAR tidak
mudah.
Secara umum model persamaan VAR ordo p dengan n peubah tak bebas pada
waktu t dapat ditulis sebagai berikut :
Vector Autoregresesive atau yang dikenal dengan VAR adalah suatu sistem
persamaan yang memperlihatkan setiap peubah sebagai fungsi linier dari
konstanta nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada
di dalam sistem. Jadi, peubah penjelas dalam VAR meliputi nilai lag seluruh
peubah tak bebas dalam sistem. Model VAR dikembangkan oleh Christopher
Sims pada tahun 1980. Model ini pada dasarnya hampir sama dengan model untuk
menguji Granger’s Causality. VAR adalah model a-theory terhadap teori
ekonomi. Namun demikian model ini sangat berguna dalam menentukan tingkat
eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi dimana terjadi
saling ketergantungan anatar variable dalam ekonomi. Model ini juga menjadi
dasar munculnya metode kointegrasi Johansen yang sangat baik dalam
menjelaskan perilaku variabel dalam perekonomian.
Model VAR memiliki beberapa keunggulan , antara lain (Khairunisa, 2009) :
1. Model ini sederhana, tidak perlu khawatir membedakan anatara variable
endogen dan variable eksogen.
15
2. Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan
pada tiap-tiap persamaan secara terpisah.
3. Hasil ramalan (forecast) yang diperoleh dengan VAR dalam banyak kasus
lebih bagus dibandingkan hasil yang didapat dengan menggunakan model
persamaan simultan yang kompleks sekalipun.
Namun demikian, model VAR juga mempunyai kekurangan, di antaranya adalah
sebagai berikut :
1. Model VAR lebih bersifat a-theory karena tidak memanfaatkan informasi
atau teori terdahulu
2. Mengingat tujuan utama VAR adalah untuk peramalan maka model VAR
kurang cocok untuk analisis kebijakan.
3. Pemilihan banyaknya lag yang digunakan dalam persamaan juga dapat
menimbulkan permasalahan.
4. Semua variable VAR harus stasioner.
5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah.
2.6 Impuls Response Function (IRF)
Impuls resonponse function merupakan suatu cara pengujian struktur
dinamis dari ssitem variabel dalam model yang diamati dan dicerminkan oleh
variabel inovasi (innovation variable). IRF menunjukkan respon dari setiap
variabel endogen sepanjang waktu terhadap kejutan (shock) dari variabel itu
sendiri dan variabel endogen lainnya. IRF juga mengidentifikasikan suatu kejutan
pada suatu variabel endogen sehingga dapat menetukan bagaimana suatu
perubahan yang tidak diharapkan dalam variabel mempengaruhi variabel lainnya
sepanjang waktu. Dengan demikian, IRF digunakan untuk melihat pengaruh
kontemporer dari sebuah variabel dependen jika mendapatkan guncangan atau
inovasi dari variabel independen sebesar satu standar deviasi.
Hasil IRF sangat sensitif terhadap pengurutan (ordering) variabel yang
digunakan dalam perhitungan.pengurutan variabel yang didasarkan pada
faktorisassi Cholesky dilakukan dengan catatan variabel yang memiliki nilai
prediksi terhadap variabel lain yang diletakkan di depan berdampingan satu sama
lainnya. Sedangkan, variabel yang tidak memiliki nilai prediksi terhadap variabel
lain diletakkan paling belakang, kemudian variabel lainnya diletakkan di antara
16
kedua variabel tersebut berdasrkan nilai matriks korelasi yang menyatakan tingkat
korelasi paling besar. Selain itu, IRF juga digunakan untuk mengetahui berapa
lama pengaruh shock dari satu variabel terhadap variabel lain tersebut tejadi. IRF
juga bertujuan untuk mengisolasi suatu shock agar lebih spesifik artinya variabel
ekonomi hanya dipengaruhi oleh shock tertentu saja. Apabila hal tersebut tidak
dilakukan maka shock spesifik tersebut tidak dapat diketahui dan yang dapat
diketahui adalah shock secara umum.
2.7 Forecast Error Variance Decomposition (FEVD)
Forecast Error Decomposition of variance (FEVD) dapat memberikan
informasi mengenai variabel inovasi yang relatif lebih penting dalam VAR.
Metode ini digunakan untuk melihat bagaimana perubahan dalam suatu variabel
makro, yang digunakan untuk melihat bagaimana perubahan dalam suatu variabel
makro, yang ditujukan oleh perubahan variance error yang dipengaruhi oleh
variabel-variabel lainnya. Metode ini juga dapat mencirikan struktur dinamis
dalam model VAR. Dengan metode ini, dapat dilihat juga kekuatan dan
kelemahan dari masing-masing variabel dalam mempengaruhi variabel lainnya
pada kurun waktu yang panjang (how long / how persistent).
Dekomposisi varians merinci varian dari error peramalan (forecast) menjadi
komponen-komponen yang dapat dihubungkan dengan setiap variabel endogen
dalam model. Dengan menghitung persentase squared prediction error k-tahap ke
depan dari sebuah variabel akibat inovasi dalam variabel-variabel lain, dapat
dilihat seberapa besar error peramalan variabel tersebut disebabkan oleh variabel
itu sendiri dan variabel-variabel lainnya.
FEVD dilakukuan untuk memberikan informasi mengenai bagaimana
hubungan dinamis antara variabel yang dianalisis. Selain itu, FEVD dilakukan
untuk melihat seberapa besar pengaruh guncangan acak (random shock) dari
variabel tertentu terhadap variabel endogen. FEVD menghasilkan informasi
mengenai relatif pentingnya masing-masing gangguan struktural inovasi acak
(random innovation structural disturbance) atau seberapa kuat peranan variabel
tertentu terhadap lainnya.
2.8 Penelitian Terdahulu
17
Istiati (2006) Analisis Strategi Bersaing Dalam Usaha Bidang Teknologi
Informasi (Studi Kasus PT.AMTP Jakarta) menyimpulkan bahwa untuk
memudahkan pengamatan maka pengolahan dan pengumpulan data dengan
menunjuk pimpinan perusahan untuk memberikan penilaian sehingga bobotnya
dapat diketahui dengan pengumpulan data melalui data pimer dan data sekunder.
Dengan metode studi kasus pada perusahaan yang saat ini sedang berusaha
menggembangkan dirinya menghadapi persaingan di masa datang. Agar
permasalahan lebih terarah dan terinci sehingga hasil yang diperoleh lebih akurat
dan mendalam maka perlu dikaji beberapa aspek manajemen.
Aldina (2008) Analisis Peramalan Penjualan Matrix Blackberry PT.
Indosat,TBK yang menggunakan data primer diperoleh dari hasil analisa dan
pengamatan langsung di lapangan serta wawancara langsung dengan pihak
manajemen sebagai narasumber. Sedangkan data sekunder merupakan data
pelengkap dari data primer yang dikumpulkan dari literatur-literatur, studi pustaka
atau laporan internal perusahaan. Analisis menggunakan peramalan dengan
metode time series karena satu variabel dan regresinya dengan alat pengolah data
Minitab 14.
Andria (2009) Analisis Peramalan Jumlah siswa menggunakan metode
VAR berbasis komputer, studi kasus Valto Education Centre menyimpulkan
bahwa memproyeksikan sistem variabel runtut waktu dan untuk menganalisis
dampak faktor yang terdapat dalam sistem variabel tersebut. Pada dasarnya
analisis VAR bisa dipadukan dengan suatu model. Disamping itu, dalam analisis
VAR biasanya tidak ada variabel eksogen dalam model.Pengumpulan data
dilakukan dengan cara mengambil data aktual yang didapat dari Valto Education
Centre, data yang tekumpul kemudian akan diperoleh dengan menggunakan
Microsoft Excel 2003, metode yang digunakan adalah VAR, Pengolahan data
akan menghasilkan nilai ramalan atau satu periode yang akan datang. Data jumlah
siswa Valto Education Centre yang telah diperoleh dinalisis dengan menggunakan
VAR dilakukan untuk mendapatkan nilai ramalan terhadap jumlah siswa. Ada
beberapa tahapan yang harus dilakukan untuk mendapatkan arah yang baik
diantaranya dengan mencari persamaan autoregresi sebelum dan sesudah shock.
18
III . METODE PENELITIAN
3.1. Kerangka Pemikiran
Dalam pencarian metode peramalan terbaik, diperlukan berbagai informasi
relevan sebagai data penunjang untuk pasar kue. Peramalan pasar kue dapat
dilakukan dengan pasar perhitungan volume penjualan produk yang dihasilkan di
masa lalu. Hasil peramalan penjualan pasar kue ini merupakan alat yang penting
di dalam perencanaan penjualan kue di masa yang akan datang, agar kedepanya
dapat memperoleh gambaran.
Hasil peramalan penjualan akan mempengaruhi arus kas, jika arus kas
yang diperkirakan tidak dapat disesuaikan dengan perkiraan biaya, akan
mengalami kekurangan biaya, maka dari itu harus menghindari hal tersebut. Jadi
peramalan kue harus dilakukan dengan sebaik mungkin agar tidak kekurangan
dana keuangan dimasa depan.
Perusahaan memiliki tujuan yaitu pada dasarnya mendapatkan keuntungan
demi kelancaran usahanya dan mampu bersaing dalam lingkungan bisnis kuliner
lainnya dengan memiliki kelebihan yang luar biasa dibandingkan dengan
perusahaan lainnya. Dengan adanya kondisi pasar yang terus berubah dan
munculnya fenomena dalam lingkungan pemasaran yang mengakibatkan perlunya
peramalan dilakukan untuk memprediksi kejadian di masa yang akan datang agar
dimasa mendatang pun telah ada perkiraan atau prediksinya sehingga tidak akan
bingung dalam memprediksinya pada perusahan. Pada penelitian ini terlebih
dahulu dilakukan pengumpulan informasi secara meneluruh mengenai gambaran
secara umum perusahaan beserta visi, misi dan tujuan perusahaan. Agar kita dapat
mengetahui apa inti dan maksud dari perusahan tersebut setelah kita ketahui visi,
misi dan tujuan perusahaannya.Terdapat dua jenis data yang digunakan untuk
dilakukan analisis VAR (Vector Autoregression) dan analisis VECM (Vector
Error Corection Model). Analisis VECM untuk menunjukkan adanya kointegrasi
tetapi data tersebut tidak stasioner dan analisis VAR untuk menunjukkan data
tersebut kointegrasi tapi stationer. Kemudian melakukan analisis IRF dan FEVD
untuk melihat korelasi antara data pasokan dengan data penjualan yang kemudian
dilakukan peramalan melalui analisis FEVD.
19
Gambar 1. Kerangka Pemikiran
Stabilitas
VAR
Model VECM
Stabilitas
VECM VAR
Analisis Sebab Akibat
(Kausalitas Granger)
(
Menentukan Lag Optimal
Implus Response Funtion (IRF)
Dekomposisi Galat Peramalan
Forecasting Error Variance Decompotion (FEVD)
Hasil Analisis
Implikasi Manajerial
Ingin mengetahui hubungan antar jenis kue dan
ramalan penjualan jenis kue yang digunakan untuk
menyususn perencanaan yang lebih baik
Data Penjualan Triple Combo :
Klappertart, Makaroni, Pastel
Uji Stasioner
Stasioner ?
Triple Combo
Uji Kointegrasi
K
Ya Tidak
20
3.2 Lokasi dan Waktu Penelitian
Penelitian ini dilaksanakan di Triple Combo Klappertart Huize yang
beralamat di Jalan. Pangrango No.8 Bogor. Kue klappertart dipilih untuk menjadi
tempat penelitian karena merupakan kue yang sangat digemari oleh masyarakat
pada umumnya. Penelitian ini dilaksanakan akhir Januari hingga akhir Maret
2011.
3.3 Metode Pengumpulan Data
Data yang diperlukan dari dua sumber yaitu data sekunder yang bersifat
kualitatif dan kuantitatif. Data sekunder yang didapatkan dari sumber-sumber lain
yang berfungsi sebagai pelengkap dari data yang dikumpulkan dari buku-buku
ataupun laporan penelitian yang relevan. Data-data pendukung lainnya diperoleh
melalui studi literatur berupa laporan penelitian, bulletin, internet, serta buku-
buku lain yang berkaitan dengan materi penelitian.
Data yang dipergunakan adalah data sekunder yang terdapat dari Triple
Combo, data yang telah terkumpul kemudian akan diolah, metode yang digunakan
adalah Vector Autoregression. Pengolahan data akan menghasilkan nilai ramalan
untuk tiga bulan kedepan.
Pengumpulan data yang dibutuhkan kemudian diolah dan dianalisa sehingga
dapat melihat gambaran dan penjelasan penelitian ini. Jenis data yang digunakan
pada penelitian ini adalah data sekunder yang diperoleh dari Triple Combo.
Pengolahan dan analisis data diharapkan dapat menguraikan langkah-langkah
prospek pemasaran yang dilakukan oleh bagian marketing dan penjualan kue
klappertart. Analisis data kualitatif mengetahui keunggulan yang dimiliki dari
perusahaan. Analisis data kuantitatif digunakan untuk meramalkan data penjualan
dan menggambarkan keadaan umum perusahaan. Selama tiga bulan ke depan
dengan menggunakan model analisis VAR (Vector Autoregression) sehingga hasil
dari analisis penjualan yang akan dijadikan landasan perencanaan penjualan tiga
bulan mendatang yang kemuadian dijadikan prospek pemasaran terbaik di tiga
bulan yang akan datang. Dilakukan dengan metode alalisis Vector Autoregression
(VAR) Diharapkan dengan menggunakan analisis ini dapat diketahui apakah
terjadi kointegrasi harga beberapa komoditas kue di tingkat produsen dan
21
konsumen. Granger Causality Test digunakan untuk mencari tahu apakah terdapat
pemimpin harga beberapa komoditas pangan utama di tingkat produsen dan
konsumen . Pengolahan data dilakukan secara bertahap, dimulai dengan
pengelompokan data. Data yang telah ditabelkan dipersiapkan untuk input
komputer sesuai dengan model yang digunakan. Proses pengolahan data sekunder
pada penelitian ini menggunakan Microsoft Excel 2007, Minitab 16, dan Eviews
6.
3.4 Pengolahan dan Analisis Data
3.4.1 Uji Stasioneritas Data
Data yang stasioner merupakan syarat penting bagi analisis time series.
Untuk menghindari adanya regresi langsung (spurious regression). Oleh karena
itu, perlu dilakukan uji stasioner adalah data yang memiliki kecenderungan untuk
mendekati nilai rata-ratanya dan berfluktasi disekitar nilai rata-ratanya
(Gujarati,2003)
Secara umum, uji stasioneritas dlakukan melalui unit root test, yaitu test
yang dilakukan dengan melihat secara visual (grafis) melalui time series plot ada
atau tidaknya trend pada variabel yang digunakan. Apabila plotnya cenderung
naik terus atau turun terus maka data tidak stasioner.
Metode yang dapat digunakan untuk melihat kestasioneran data dalam
penelitian ini adalah metode Augmented Dickey Fuller (ADF) Test dan Philip
Pheron (PP) Test. Kebanyakan analisis time series menggunakan uji ADF.
Sedangkan metode PP hanya disunakan pada data yang mengandung struktural
break, yaitu patahan pada pergerakan data yang terjadi karena adanya kejadian
luar biasa dalam perekonomian, misal krisis ekonomi.
Hasil data yang stasioner pada tingkat level dapat diolah dengan
menggunakan metode VAR biasa, Namun jika hasil dari hasil uji ADF
mengandung akar unit atau dengan kata lain tidak staaioner pada tingkat level.
Maka harus dilakukan penarikan diferensial samapai data stasioner, dilakukan
pengujian pada tingkat first difference atau second difference. Alternatif lain yang
dapat digunakan jika data tidak stasioner namun terkointergrasi adalah dengan
metode Vector Error Correction Model (VECM).
22
Uji stasioneritas akan dilakukan dengan metode ADF dan PP sesuai
dengan bentuk tren deterministik yang dikandung oleh setiap variabel. Hasil series
stasioner akan berujung pada penggunaan VAR dengan metode standar.
Sementara series non stasioner akan berimplikasi pada dua pilihan VAR, VAR
dalam bentuk diferens atau VECM.
Keberadaan variabel non stasioner meingkatkan kemungkinan keberadaan
hubungan kointegrasi antar variabel. Maka pengujian kointegrasi diperlukan untuk
mengetahui keberadaan hubungan tersebut. Pengujian kointegrasi diperlukan
untuk mengetahui keberadaan hubungan tersebut. Pengujian kointegrasi sebaiknya
tetap dilakukan pada data stasioner, mengingat terdapatnya kemungkinan
kesalahan pengambilan kesimpulan pengujian unit root terkait dengan the power
of the test.
3.4.2 Metode Pengujian Granger Causality
Hubungan causality adalah hubungan jangka pendek antara kelompok
tertentu dengan menggunakan pendekatan ekonometrik. Terdapat beberapa
hubungan kausalitas, yaitu: hubungan kausalitas satu arah. Hubungan kausalitas
dua arah atau hubungan timbal balik.
Pengujian ini bertujuan untuk mengetahui hubungan sebab akibat diantara
dua variabel yang diuji. Setelah mengetahui lag optimal bagi sistem VAR,
pengujian ini pun akan langsung dapat dilakukan. Pengujian kausalitas ini
dilakukan untuk melihat hubungan kausalitas yang dapat terjadi di antara variabel-
variabel yang terdapat dalam model. Penelitian ini menggunakan metode uji
granger causality untuk melihat hubungan tersebut. Hipotesis nol yang diuji
menyatakan tidak adanya kausalitas diantara variabel sedangkan hipotesis
alternatifnya menyatakan adanya hubungan kausalitas diantara variabel. Untuk
menolak atau menerima hipotesis nol, maka dapat melihat probabilitasnya yang
dibandingkan dengan tingkat kepercayaan yang pada penelitian ini menggunakanh
nilai kritis 10 persen. Jika nilai probabilitasnya lebih besar dari 10 % maka
hipotesis nol ditolak yang artinya terdapat hubungan kausalitas pada variabel-
variabel yang diuji.
23
3.4.3 Pengujian Lag Optimal
Tingkat lag optimal ditentukan berdasarkan nilai Schwarz Information
Criterion (SC). Tingkat lag yang dipilih adalah lag yang menghasilkan nilai SC
terendah daripada tingkat lag lainnya. Berdasarkan perhitungan nilai SC pada
variabel-variabel harga di tingkat produsen dan konsumen, nilai SC terendah.
Uji lain yang juga penting dilakukan dalam analisis time series adalah uji
lag optimal. Hal tersebut dikarenakan suatu variabel ekonomi memerlukan
rentang waktu untuk merespon variabel lainnya (Gujarati, 2003). Jika panjang lag
dilambangkan dengan p, maka setiap n persamaan berisi n x p koefisien ditambah
intersep. Panjang lag haruslah cukup sehingga dapat menangkap dinamika sistem
yang akan dimodelkan. Lag yang lebih panjang akan mengakibatkan lebih banyak
junmlah parameter yang harus diduga dan mengurangi derajat bebas yang ada.
Untuk mendapatkan lag optimal, dilakukan tiga bentuk pengujian secara
bertahap. Pada tahap pertama akan dilihat panjang selang maksimum sistem VAR
yang stabil. Stabilitas sistem VAR dilihat dari nilai inverse roots karakteristik AR
polinominalnya. Suatu sistem VAR dikatakan stabil (stasioner) jika seluruh
rootsnya memiliki modulus lebih kecil dari satu dan semuanya terletak di dalam
unit circle.
Tahap selanjutnya, panjang selang optimal akan dicari dengan
menggunakan kriteria informasi yang tersedia, yaitu kriteria Likelihood Ratio
(LR), Final Prediction Error (FPE) , Akaike Information Criterion (AIC),
Schwarz Information Criterion (SIC) dan Hannah Quinn Information Criterion
(HQ). Jika kriteria informasi hanya merujuk pada sebuah kandidat selang, maka
kandidat tersebutlah yang optimal. Dalam penelitian ini, kriteria yang digunakan
adalah Akaike Information Criterion (AIC) minimum. Jika diperoleh lebih dari
satu kandidat, maka pemilihan dilanjutkan pada tahap ketiga, yaitu nilai Adjused
R kuadrat variabel VAR dari masing-masing kandidat selang yang dibandingkan,
dengan penekanan pada variabel-variabel terpenting dari sistem VAR tersebut.
Selang optimal akan dipilih dari sistem VAR denagn selang tertentu menghasilkan
nilai Adjused R kuadrat terbesar pada variabel-variabel penting di dalam model.
24
3.4.4 Vector Autoregresesive (VAR)
Vector Autoregresesive atau yang lebih dikenal dengan VAR adalah suatu
sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linear dari
konstansa dari nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang
ada di dalam sistem. Jadi peubah penjelas dalam VAR meliputi nilai lag seluruh
peubah tak bebas dalam sistem.
Model VAR dikembangkan oleh Cristoper Sims pada tahun 1980. Model
ini dasarnya hampir sama dengan model untuk menguji Granger’s Causality.
VAR adalah model a-theory terhadap teori ekonomi. Namun demikian model ini
sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi
dalam suatu sistem ekonomi dimana terjadi saling ketergantungan antar variabel
dalam ekonomi. Namun demikian model ini sangat berguna dalam menentukan
tingkat eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi dimana
terjadi saling ketergantungan antar variabel dalam ekonomi. Model ini juga
menjadi dasar munculnya metode kointegrasi Johansen yang sangat baik dalam
menjelaskan perilaku variabel dalam perekonomian.
Model VAR memiliki banyak keunggulan, antara lain :
1. Model ini sederhana, tidak perlu khawatir membedakan anatara variabel
endogen dan variabel eksogen.
2. Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan
pada tiap-tiap persamaan secara terpisah.
3. Hasil ramalan (forecast) yang diperoleh dengan VAR dalam banyak kasus
yang lebih bagus dibandingkan hasil yang didapat dengan menggunakan
model persamaan simultan yang kompleks sekalipun.
4. Selain itu analisis VAR juga merupakan alat-alat analisis yang sangat
berguna baik di dalam memahami adanya hubungan timbal balik antar
variable ekonomi maupun di dalam pembentukan modul berstruktur.
5. Secara umum VAR debgan ordo p dan n buah variable endogen pada
waktu ke t dapat dimodelkan sebagai berikut :
25
Yt = C +A1Yt-1+A2Yt-2+….+ApYt-p+et1
........................................................(2)
Dimana :
Yt = Vaktor variable endogen (Y1.t1 Y2.t2 Yn.t) berukuran nx1
C = Vaktor intersep berukuran nx1
Ai = Matrik parameter berukuran nxn
εt = Vektor sisaan (ε1t1 , ε2t2 …εnt) berukuran nx1
Namun demikian, model VAR juga mempunyai kekurangan, diantaranya adalah
sebagai berikut :
1. Model VAR lebih bersifat a-theory karena tidak memanfaatkan informasi
atau teori terlebih dahulu
2. Mengingat tujuan utama VAR adalah untuk peramalan maka model VAR
kurang cocok untuk analisis kebijakan
3. Pemilihan banyaknya lag yang digunakan dalam persamaan juga banyak
menimbulkan permasalahan
4. Semua variabel VAR harus stasioner
5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah.
Sistem persamaan multivariate memiliki hubungan kausalitas anatar variabel yang
lebih rumit dibandingkan sistem persamaan bivariat. Metode VAR membuat
seluruh variabel menjadi variabel endogen dan menurunkan distributed lag-nya .
Secara umum persamaan VAR dengan orde p dengan n buah peubah tak bebas
pada waktu ke-t dapat dimodelkan sebagai berikut (Enders,2004) :
dimana :
Yt = Vektor peubah tak bebas (Yt, At,..Yt,t) berukuran n x 1
Ao = Vektor intersep berukuran n x 1
Ap = matrik parameter berukuran n x 1 untuk setiap i = 1, 2, ...p
Et = Vektor sisaan (E1,t......En,t) berukuran n x 1
Asuumsi yang harus dipenuhi dalam analisis VAR adalah semua peubah
tak bebas bersifat stasioner, semua sisaan bersifat white noise yang artinya
26
memiliki rataan nol, ragam konstan, dan diantara peubah tak bebas tidak ada
korelasi.
Biasanya digunakan untuk memproyeksikan sistem variabel-variabel
runtut waktu dan untuk menganalisis dampak dari faktor yang terdapat dalam
sistem variable tersebut. Pada dasarnya analisis VAR biasa dipadankan dengan
suatu model. Perbedaanya dengan model simultan biasa adalah dalam analisi
VAR, masing-masing variabel selain diterangkan oleh nilainya, dimana sampai
juga dipengaruhi oleh nilai masa lampau semua variabel endogen lainnya yang
diamati. Disamping itu, dalam analisis VAR biasanya tidak ada variabel eksogen.
3.4.5 Uji Stabilitas VAR
Kestabilan model VAR yang digunakan mutlak perlu karena jika model
yang digunakan tidak stabil, maka hasil estimasi model pun menjadi tidak valid,
demikian pula dengan hasil IRF dan FEVD-nya.
Hasil uji stabilitas model VAR :
Stabilitas sistem VAR dan VEC akan dilihat dari nilai inverse roots
karakteristik AR polinominalnya. Hal ini dapat dilihat dari nilai modulus di tabel
AR-rootsnya, jika seluruh nilai AR- roots-nya dibawah 1 maka sistem tersebut
stabil.
Stabilitas sistem VAR dapat dilihat dari nilai inverse roots karakteristik
AR polinomialnya. Hal ini dapat dilihat dari nilai modulus di tabel AR roots-nya.
Jika seluruh nilai AR roots-nya di bawah satu, maka sistem tersebut stabil.
3.4.6 Impluse Response Function (IRF)
Analisis implus respon adalah metode yang digunakan untuk menentukan
respon suatu variabel endogen terhadap guncangan (shock) variabel tertentu. IRF
juga digunakan untuk melihat guncangan dari satu variabel yang lain dan berapa
lama pengaruh tersebut terjadi. IRF dalam penelitian ini dilakukan untuk
mengetahui respon dinamik variabel nilai penjualan. Impluse response function
menelusuri pengaruh suatu standar deviasi shock atau kejutan terhadap inovasi
pada nilai variabel endogen di masa kini dan di masa mendatang. Suatu kejutan
yang terjadi pada satu variabel akan mempengaruhi variabel tersebut dan juga di
teruskan pada variabel endogen lainnya melalui struktur yang dinamis (Enders,
27
2004). IRF digunakan untuk menentukan respon variabel NPF. Analisis IRF
menjelaskan dampak dari guncangan (shock) pada suatu variabel terhadap
variabel lain, dimana dalam analisis ini tidak hanya dalam waktu pendek tetapi
dapat menganalisis untuk beberapa horizon ke depan (kuartal) sebagai informasi
jangka panjang. Pada alalisis ini dapat melihat respon dinamika jangka panjang
setiap variabel apabila ada inovasi (shock) tertentu sebesar satu standar error pada
setiap persamaan. Sumbu horisontal merupakan periode dalam kuartal, sedangkan
sumbu vertikal menunjukan nilai respon dalam persentase.
Analisis impuls respons adalah metode yang digunakan untuk menentukan
respon suatu variabel endogen terhadap guncangan (shocks) variabel tertentu. IRF
juga digunakan unruk melihat guncangan dari satu variabel yang lain dan berapa
lama pengaruh tersebut terjadi. IRF dalam penelitian ini untuk mengetahui respon
dinamik variabel.
IRF menunjukkan bagaimana respon dari setiap variabel endogen
sepanjang waktu terhadap kejutan dari variabel itu sendiri dan variabel endogen
lainnya. IRF digunakan untuk melihat pengaruh kontemporer dari sebuah variabel
dependen jika mendapatkan guncangan atau inovasi dari variabel independen
sebesar satu standar deviasi.
Hasil IRF tersebut sangat sensitif terhadap pengurutan (ordering) variabel
yang digunakan dalam perhitungan. Pengurutan variabel yang didasarkan pada
faktorisasi cholesky. Variabel yang memiliki nilai prediksi terhadap variabel lain
diletakkan di depan berdampingan satu sama lainnya. Variabel yang tidak
memiliki nilai prediksi terhadap variabel lain diletakkan paling belakang.
3.4.7 Forecast Error Variance Decomposition (FEDV)
Analisis dekomposisi varian atau dikenal dengan Forecasting Error
Decomposition of Variance (FEDV) digunakan untuk menghitung dan
menganalisis seberapa besar pengaruh acak guncangan dari variabel tertentu
terhadap variabel endogen.
Analisis dekomposisi varian atau dikenal dengan FEVD digunakan untuk
menghitung dan menganalisis seberapa besar pengaruh acak guncangan dari
varibel tertentu terhadap variabel endogen. FEVD menghasilkan informasi
mengenai relatif pentingnya masing-masing inovasi acak atau seberapa kuat
28
komposisi dari variabel tertentu terhadap variabel lainnya dalam model VAR.
Ukuran kuat lemahnya variabel dalam mempengaruhi variabel lainnya ditetapkan
secara normatif. Ukuran kuatnya suatu variabel dalam memepengaruhi variabel
lainnya ditetapkan lebih besar dari 50 persen dan lemah lebih kecil dari 50 persen.
Metode yang dapat digunakan untuk melihat bagaimana perubahan dalam suatu
variabel makro - ditunjukkan oleh perubahan variance error yang dipengaruhi
oleh variabel-variabel lainnya :
Metode ini dapat melihat juga kekuatan dan kelemahan dari masing-
masing variabel dalam mempengaruhi variabel lainnya pada kurun waktu yang
panjang (how long / how persistent). Dekomposisi varians merinci varians dari
error peramalan (forecast) menjadi komponen yang dapat dihubungkan dengan
setiap variabel endogen dalam model melalui perhitungan persentase squared
prediction error k-tahap ke depan dari sebuah variabel akibat inovasi dalam
variabel-variabel lain, dapat dilihat seberapa besar error peramalan variabel
tersebut disebabkan oleh variabel itu sendiri dan variabel-variabel lainnya :
Mengembangkan model dalam suatu sistem yang kompleks (multivariat),
sehingga dapat menangkap hubungan keseluruhan variabel dalam sistem. Uji
VAR yang bersifat multivariat bisa menghindari parameter yang bisa akibat tidak
dimasukannya variabel yang relevan. Dapat mendeteksi hubungan antar variabel
dalam sistem persamaan, dengan menjadikan seluruh variabel menjadi
endogenous. Karena bekerja berdasarkan data, metode VAR terbebas dari
berbagai batasan teori ekonomi yang sering muncul termasuk gejala perbedaan
semu (spurious variable endogenty dan exogenty) di dalam model ekonometrik
konvensional terutama pada persamaan simultan, sehingga menghindari
penafsiran yang salah. Dengan teknik VAR maka yang akan terpilih hanya
variabel yang relevan untuk disinkronisasi dengan teori yang ada. Tidak dilandasi
teori tentang hubungan antarvariabel (model non-struktural). Model VAR kurang
cocok untuk analisis kebijakan. Pemilihan banyaknya lag dalam persamaan dapat
menimbulkan permasalahan. Interpretasi koefisien yang di dapat berdasarkan
model VAR tidak mudah.
29
IV. HASIL DAN PEMBAHASAN
4.1 Gambaran Umum perusahaan
4.1.1. Sejarah TRIPLE COMBO
Pada awalnya kue klappertat di kembangkan oleh Bapak Agus Prihanto
seorang direktur marketing sebuah hotel di Bogor. Beliau melihat rata-rata tamu
hotel menyukai kue yang berkualitas. Sebagai seorang marketing beliau
mengetahui permintaan pasar cukup besar untuk kue yang berkualitas dan
mencoba untuk mengembangkan klappertart. Untuk melengkapinya beliau
melengkapi dengan pastel tutup dan makaroni panggang yang disebut lebih
populer TRIPLE COMBO.
Melihat perkembangan dunia kuliner di Bogor yang dapat dikatakan
sebagai surga kuliner (Culinary Paradise) ke dua setelah Bandung, maka pada
awal tahun 2007, Hotel Salak The Heritage berniat untuk menambah semarak
dunia kuliner di Bogor dengan membuat produk oleh-oleh yang bernuansa
Belanda sesuai dengan sejarah Hotel salak yang merupakan warisan peninggalan
masa penjajahan Belanda dan dapat diterima oleh lidah Indonesia.
Tidak kurang dari sepuluh macam kue Belanda misalnya Indische Pastei
(Pastel Tutup), Makaroni Gebak/Schotel (Makaroni Panggang), Klappertart,
Hollandsche Kroketten, Spekoek, Ontbijtkoek, Pannenkoeken, Oliebollen,
Bitterballen & Poffertjes dibuat dan dijual di cafenya Hotel Salak namanya Den
Haag Cafe dan setelah beberapa bulan berjalan, terlihat ketiga kue yang disebut
pertama diatas paling diminati pelanggan, maka dicarikanlah nama dari gabungan
ketiga kue tersebut untuk lebih di populerkan dan tercetuslah nama Triple Combo
yang berdiri sejak 25 Juni 2007 dan mulai dipergunakan pada awal Juli 2007.
Dalam memperkenalkan Triple Combo, dilakukan terobosan
pemasarannya melalui apa yang dikenal dengan pengasong tidak disebut
pengasong tetapi Medium Enterpreneur yang disingkat ME atau dikenal dengan
yang membawakan dagangan Triple Combo di kereta-kereta atau di jalan. Mereka
dibekali rompi serta topi yang bertuliskan Triple Combo lengkap dengan nama
produknya serta tiga lapis keranjang tenteng yang kemudian di jual ke sepanjang
30
jalan juga di kereta-kereta. Dari para pedagang tersebut, produk Triple Combo
mulai dikenal oleh masyarakat dan berkembang cukup pesat sehingga yang pada
awalnya tempat produksinya gabung dengan dapur Hotel Salak, tetapi untuk
pembaharuan maka mulai pertengahan tahun 2008, Hotel Salak menyewa sebuah
rumah di Jl. Pangrango 8 untuk dijadikan tempat produksi sekaligus gerai untuk
menjual kue tersebut.
Untuk memberikan pilihan pada para pelanggan, hingga kini telah tercipta
lebih dari sepuluh macam rasa klappertart sebagai produk yang paling unggul
dibanding makaroni atau pastel tutup, karena klappertart yang paling diminati
masyarakat. Karena kue klappertart dibandingkan makaroni dan pastel yang
paling diminati oleh pelanggan, maka rumah tempat produksi maupun gerai
penjualan tersebut dinamakan Huize atau Rumah Klappertart.
Selain citrarasa yang baik, satu keunggulan dari klappertart Triple Combo
adalah Halal yang mana Triple Combo telah mendapatkan sertifikat halal yang
dikeluarkan oleh MUI karena hampir semua klappertart yang ada di Indonesia
menggunakan rum (alcohol) karena penganaan ini awal terkenalnya di Menado
yang mayoritasnya masyarakat Nasrani.
Dari sini pasar yang dapat dilihat baru hotel dan restauran yang kemudian
sebagai ajang promosi dan membantu masyarakat memberikan kesempatan
kepada para pedagang (asongan) untuk juga menjualkan Triple Combo tersebut.
Sampai saat ini pendapatan rata-rata per bulan sekitar 300 samapi 400 juta. Triple
Combo merupakan jenis kue yang bergerak dalam bidang kuliner dan fokus dalam
operasionalnya sehari-hari yang selalu di supervise oleh pengajar professional dari
Bogor Hotel Institute dan tenaga ahli dari Hotel Salak The Heritage. Berawal dari
keinginan membuat makanan yang unik dan spesial untuk memenuh kebutuhan
akan makanan yang lezat, sehat dan berkualitas yang cocok menjadi hidangan
sehari-hari ataupun untuk oleh-oleh atau gift serta menunjang pariwisata kota
Bogor dengan memberi warna baru kuliner kota Bogor. Karena kota Bogor erat
kaitannya dengan colonial dan Belanda didukung dengan Hotel Salak The
Heritage yang memang kental nuansa colonial Belanda akhirnya terbersit ide
membuat penganan khas Belanda yaitu: klappertart, makaroni dan pastel.
Awalnya penganan tersebut dikenalkan ke Indonesia pada jaman colonial dan
31
hingga sekarang masih digemari di beberapa daerah di Indonesia. Setelah melalui
proses pengembangan yang cukup panjang akhirnya ketiga jenis kue tersebut
diproduksi dan diperkenalkan kepada masyarakat di wilayah Bogor & Jakarta.
Ternyata sambutan masyarakat yang luar biasa, kue ini sangat digemari
baik oleh orang dewasa maupun anak-anak, karena selain cocok untuk santai, kue
ini juga dapat sebagai pengganti makan pagi atau siang, sebagai hidangan
makanan tambahan atau hidangan rapat yang exclusive.
4.1.2 Visi & Misi
Visi
Menjadi perusahaan kue berskala dunia dengan norma-norma & nilai-nilai
perusahaan berstandar internasional.
Misi
Menyajikan kue yang berkualitas dan lezat, sehingga mendukung acara
dan bisnis anda menjadi sukses serta tidak khawatir dengan apa yang dimakan
karena telah jelas asal usulnya.
4.1.3 Lokasi Perusahaan
Lokasi Triple Combo Klappertart Huize yang beralamat di Jalan.
Pangrango No.8 Bogor terletak di Taman Kencana, bisa dikatakan pusat jajanan
kuliner dan banyak berbagai tempat makanan di daerah ini, maka dari itu tepat
sekali menjadi tempat kue Triple Combo. Triple Combo memberi warna oranye
pada toko kuenya¸ agar memberi ciri khas pada Triple Combo. Dengan warna
oranye yang menjadi khas Triple Combo akan memudahkan para pelanggan untuk
menuju lokasi Triple Combo. Nuansa wilayah kuliner Taman Kencana tersebut
yang selalu banyak pelanggan tersebut memudahkan akses pelanggan untuk cepat
dan mudah menuju toko kue Triple Combo.
32
4.1.4 Struktur Organisasi
Gambar2. Struktur organisasi
Dwi Irfan
General manajer
Usman
Marketing
Ir . Agus Prihanto
Direktur
Adi wardian
Supervisor
Wisma
Supervisor
Sanudin
Leder Produksi
Mulyadi
Purchasing
Staff Produksi Driver ,cleaning staff
33
4.1.5 Produk-Produk Perusahaan
Tabel 1. Produk Triple Combo
Klapertart Ukuran Lebar Harga
Klapertaart Standar
Dimensi
Small, Medium,
Regular , Large
S= 65ml, M =90ml,
R=125ml, L=150ml
S= Rp. 5000,
M= Rp.7000,
R= Rp.9000,
L= Rp. 11000
Klappertaart
Strawberry Dimensi
Small, Regular ,
Large
S= 65ml, R=125ml,
L=150ml
S= Rp. 6000,
R= Rp.10000,
L= Rp. 12000
Klappertaart
Blueberry Dimensi
Small, Regular ,
Large
S= 65ml, R=125ml,
L=150ml
S= Rp. 6000,
R= Rp.10000,
L= Rp. 12000
Klappertaart Cheese
Dimensi
Small, Regular ,
Large
S= 65ml, R=125ml,
L=150ml
S= Rp. 6000,
R= Rp.10000,
L= Rp. 12000
Klappertaart Rum &
Raisin Dimensi
Small, Regular ,
Large
S= 65ml, R=125ml,
L=150ml
S= Rp. 7000,
R= Rp.11000,
L= Rp. 13000
Klappertaart Pandan
Dimensi
Small, Regular ,
Large
S= 65ml, R=125ml,
L=150ml
S= Rp. 6000,
R= Rp.10000,
L= Rp. 12000
34
Lanjutan Tabel 1. Produk Triple Combo
Klapertart Ukuran Lebar Harga
Klappertaart Green
Tea Dimensi
Small, Regular ,
Large
S= 65ml, R=125ml,
L=150ml
S= Rp. 7000,
R= Rp.11000,
L= Rp. 13000
Klappertaart
Chocolate Dimensi
Small, Regular ,
Large
S= 65ml, R=125ml,
L=150ml
S= Rp. 6000,
R= Rp.10000,
L= Rp. 12000
Klappertaart Oreo
Dimensi
Small, Regular ,
Large
S= 65ml, R=125ml,
L=150ml
S= Rp. 6000,
R= Rp.10000,
L= Rp. 12000
Klappertaart Tutti
Fruity Dimensi
Small, Regular ,
Large
S= 65ml, R=125ml,
L=150ml
S= Rp. 6000,
R= Rp.10000,
L= Rp. 12000
Macaroni Schotel
Chicken & Cheese
Dimensi
Small, Medium,
Regular , Large
S= 65ml, M =90ml,
R=125ml, L=150ml
S= Rp. 5000,
M= Rp.7000,
R= Rp.9000,
L= Rp. 11000
Macaroni Schotel
Chicken & Cheese
Dimensi
Small, Medium,
Regular , Large
S= 65ml, M =90ml,
R=125ml, L=150ml
S= Rp. 5000,
M= Rp.7000,
R= Rp.9000,
L= Rp. 11000
35
Lanjutan Tabel 1. Produk Triple Combo
Klapertart Ukuran Lebar Harga
Macaroni Schotel
Chicken & Cheese
Dimensi
Small, Medium,
Regular , Large
S= 65ml, M =90ml,
R=125ml, L=150ml
S= Rp. 5000,
M= Rp.7000,
R= Rp.9000,
L= Rp. 11000
Macaroni Schotel
Bolognaise Dimensi
Small, Medium,
Regular , Large
S= 65ml, M =90ml,
R=125ml, L=150ml
S= Rp. 5000,
M= Rp.7000,
R= Rp.9000,
L= Rp. 11000
Pastel Tutup
Standard Dimensi
Small, Medium,
Regular , Large
S= 65ml, M =90ml,
R=125ml, L=150ml
S= Rp. 5000,
M= Rp.7000,
R= Rp.9000,
L= Rp. 11000
Pastel Tutup
Superior Dimensi
Small, Medium,
Regular , Large
S= 65ml, M =90ml,
R=125ml, L=150ml
S= Rp. 5000,
M= Rp.7000,
R= Rp.9000,
L= Rp. 11000
Klappertaart Triple
Cheese Dimensi
Small, Regular ,
Large
S= 65ml, R=125ml,
L=150ml
S= Rp. 7000,
R= Rp.11000,
L= Rp. 13000
Macaroni Shotel
Corned Beef
Small, Medium,
Regular , Large
S= 65ml, M =90ml,
R=125ml, L=150ml
S= Rp. 5000,
M= Rp.7000,
R= Rp.9000,
L= Rp. 11000
36
4.2 Analisis Kointegrasi
Analisis mengenai pola data atau sifat pergerakan dari deret waktu yang
akan analisis sangat diperlukan dengan tujuan menentukan metode peramalan
yang sesuai dengan pola data tersebut apakah menggunakan metode VAR atau
VECM. Apabila pola data yang digunakan stasioner pada level nol maka
digunakan metode VAR, dan apabila pola data yang digunakan tidak stasioner
pada level nol maka menggunakan metode VECM. Dalam menganalisa
stasioneritas, tingkat signifikansi yang digunakan adalah pada tingkat signifikan 5
persen.
4.2.1 Uji Stasioner Data
Uji stasioneritas data pada seluruh variabel dengan Augmented Dickey-
Fuller Test (ADF) dengan perangkat lunak Eviews 6. Jika nilai Test Critical
Values lebih besar dari nilai t-statistic berarti data tidak stasioner, sebaliknya jika
nilai Test Critical Values lebih kecil dari nilai t-statistic berarti data stasioner.
Dari hasil uji stationer pada level menujukan bahwa semua variabel statsioner.
Semua variable memiliki nilai -p (0.000) < alpha 5% artinya sudah stasioner pada
level.
Tabel 2. Hasil Uji Stasioner
Variable
Level (α=5%)
p-value keterangan
KLAPPERTART 0.0000 stasioner
MAKARONI 0.0000 stasioner
PASTEL 0.0000 stasioner
37
4.2.2 Metode Pengujian Granger Causality
Uji kausalitas multivariate dilakukan untuk melihat hubungan kausalitas
antara variabel-variabel yang ada dalam model. Hubungan kausalitas antar
variabel dapat diketahui dengan melakukan Pairwise Granger Causality Test. Uji
ini pada intinya mengindifikasikan apakah variabel dua arah atau satu arah yang
adanya hubungan sebab akibat. Nilai –P < Alpha 5% maka artinya signifikan. Dan
hasilnya dari analisisnya adanya hubungan sebab akibat dari makaroni kepada
klappertart. Nilai -P (0.0420) < Alpha 5% artinya makaroni menyebabkan
klappertart. Uji ini pada intinya mengindifikasikan apakah variabel dua arah atau
satu arah. Adanya hubungan sebab akibat dari pastel kepada klappertart. Nilai-P
(0.0332) < Alpha 5% artinya pastel menyebabkan klappertart.
Tabel 3. Hasil Uji Granger Causality
Null
Hypothesis
Obs F-Statistic Prob.
1.Adanya hubungan sebab akibat dari
makaroni kepada klappertart
117 4.23601 0.0420
2.Adanya hubungan sebab akibat dari
pastel kepada klappertart
117 4.65003 0.0332
4.2.3 Pengujian Lag Optimal
Pendekatan VAR atau VECM sangat sensitif terhadap jumlah lag yang
digunakan, maka perlu ditentukan panjang lag yang optimal. Penentuan panjang
lag digunakan untuk mengetahui lamanya periode keterpengaruhan suatu variabel
terhadap variabel masa lalunya maupun terhadap variabel endogen lainnya.
Penentuan lag dapat digunakan dengan beberpa pendekatan antara lain Likelihood
Ratio (LR), Final Prediction Error (FPE), Akaike Information Criterion (AIC),
dan Schwarz Criterion (SC). Hasil penentuan panjang lag secara lengkap.
38
Tabel 4. Hasil Uji Lag Optimal
Lag LogL LR FPE AIC SC HQ
0 -2050.082 NA 6.45e+11 35.70577 35.77738* 35.73484*
1 -2040.728 18.05643* 6.41e+11* 35.69962* 35.98605 35.81588
Berdasarkan tabel 4 hanya SC dan HQ yang menentukan panjang lag yang
berbeda sedangkan LR, FPE, AIC menentukan panjang lag yang sama yaitu pada
lag ke satu. Karena tiga kriteria memberikan hasil yang sama, maka dipilih
panjang lag satu. Dari hasil uji lag optimun ada di lag satu.
4.2.4 Vector Autoregresesive (VAR)
Analisis regresi dua arah, dimana semua peubah atau variabel adalah
variabel endogen, modelnya sederhana karena menggunakan metode OLS
(Ordinary Least Square), semua variabel adalah vaeriabel endogen dan baik untuk
peramalan dan semua varibelnya stasioner pada level. Pengaruh variabel dapat
menggunakan dan dilihat dengan analisis VAR. interpretasi hasil dapat dilihat
dengan membaca koefisien integrasi dan pembacaan tanda terbalik dari tanda
koefisiennya. Koefisien integrasi dinyatakan signifikan jika nilai mutlak statistik
lebih besar dari nilai tabel yaitu 1,96 berikut ini merupakan hasil estimasi VAR.
39
Tabel 5. Hasil VAR
Klappertart Makaroni Pastel
Klappertart (-1) 0.112397 -0.036326 -0.026049
[ 0.83102] [-1.45742] [-1.45382]
Makaroni (-1) -0.568277 0.293359 0.102637
[-0.37953] [ 1.06317] [ 0.51744]
Pastel (-1) -1.474239 -0.313866 -0.059264
[-0.73853] [-0.85321] [-0.22411]
Berdasarkan hasil VAR tersebut dapat terlihat bahwa terdapat pengaruh
yang ditunjukan oleh penjualan klappertart, penjualan tersebut dipengaruhi secara
nyata oleh penjualan makaroni pada lag 1 dan penjualan pastel pada lag 1,
sedangkan penjualan makaroni dipengaruhi secara nyata oleh penjualan
klappertart pada lag 1. Dari tabel tersebut dapat terlihat bahwa terdapat hubungan
yang signifikan antara klappertart dan makaroni sedangkan untuk pastel hubungan
yang terjadi dengan kue lainnya tidak terlalu signifikan.
4.2.5 Stabilitas VAR
Untuk menguji stabil tidaknya estimasi VAR yang telah dibentuk maka
dilakukan VAR Stability Condition Check berupa Roots of Charateristic
Polynomial. Berikut hasil pengujian stabilitas model berdasarkan hasil AR Root
Table. Hal ini merupakan syarat yang harus dipenuhi oleh model dinamik
seperti VAR dikarenakan apabila didapatkan model VAR yang tidak stabil maka
analisis IFR dan FEVD menjadi tidak valid.
40
Tabel 6. Hasil Uji Stabilitas VAR
Root Modulus
0.332201 0.332201
0.157820 0.157820
-0.143530 0.143530
Nilai modulus menunjukkan VAR sudah dalam kondisi stabil karena di
nilai di posisi 0 <nilai modulus 1 maka artinya sudah dalam kondisi stabil. Model
dikatakan stabil apabila nilai modulus nya kurang dari satu. Berdasarkan tabel
bahwa nilai akar karakteristik atau modulus semuanya menunjukan nilai kurang
dari satu, sehingga dapat disimpulkan bahwa model VAR telah stabil.
4.2.6 Analisis Impuls Response Function (IRF)
Analisis Impuls Response Function atau IRF merupakan alat analisis yang
digunakan untuk mencari dampak shock variabel satu terhadap variabel lainnya.
Dengan menggunakan IRF maka akan dapat dilacak dampak dari salah satu shock
terhadap shock lainnya pada saat sekarang dan masa yang akan datang dari
variabel endogen. Shock yang terjadi pada variabel endogen secara langsung akan
mempengaruhi variabel itu sendiri dan akan berpengaruh juga terhadap variabel
lainnya secara berkesinambungan atau dinamis. Pada penelitian ini akan
dilakukan tiga analisis IRF untuk masing-masing produk yaitu klappertart,
makaroni dan pastel.
41
Respon Makaroni terhadap Klappertart
-20
0
20
40
60
80
5 10 15 20 25 30 35 40 45 50
Response of MAKARONI to KLAPERTART
-10
0
10
20
30
40
50
60
5 10 15 20 25 30 35 40 45 50
Response of PASTEL to KLAPERTART
Response to Cholesky One S.D. Innovations
Gambar 3. Respon Makaroni terhadap Klappertart
Pada Gambar 3 ini dapat terlihat respon yang diberikan oleh makaroni
terhadap klappertart. dari grafik tersebut dapat diketahui bahwa respon yang
diberikan oleh produk makaroni terhadap standar deviasi variabel itu sendiri telah
bernilai negatif. Pergerakan respon pada grafik tersebut cenderung bernilai stabil,
pada periode 1 nilai respon yang diberikan cukup tinggi yaitu dengan nilai 80
persen, tetapi pada periode ke 2 terjadi penurunan yang signifikan dari respon
tersebut, pada periode ke 2 respon yang dihasilkan adalah 20 persen, Setelah
terjadinya penuruan pada periode ke 2, respon kemudian bergerak stabil dari
periode 3 sampai dengan periode ke 5, nilai respon tersebut adalah -20 persen .
Selanjutnya untuk periode 6 sampai 50 pergerakan respon kembali menurun
dengan nilai respon bernilai negatif, pergerakan respon ini sangat kecil. Sehingga
dalam grafik pergerakan kecil dan cenderung stabil di periode 5.
42
Respon Pastel terhadap Klappertart -20
0
20
40
60
80
5 10 15 20 25 30 35 40 45 50
Response of MAKARONI to KLAPERTART
-10
0
10
20
30
40
50
60
5 10 15 20 25 30 35 40 45 50
Response of PASTEL to KLAPERTART
Response to Cholesky One S.D. Innovations
Gambar 4. Respon Pastel terhadap Klappertart
Pada Gambar 4 ini dapat terlihat respon yang diberikan oleh pastel
terhadap klappertart. dari grafik tersebut dapat diketahui bahwa respon yang
diberikan oleh produk pastel terhadap standar deviasi variabel itu sendiri telah
bernilai negatif. Pergerakan respon pada grafik tersebut cenderung bernilai stabil,
pada periode 1 nilai respon yang diberikan cukup tinggi yaitu dengan nilai 50
persen, tetapi pada periode ke 2 terjadi penurunan yang signifikan dari respon
tersebut, pada periode ke 2 respon yang dihasilkan adalah 10 persen, Setelah
terjadinya penuruan pada periode ke 2, respon kemudian bergerak stabil dari
periode 3 sampai dengan periode ke 5, nilai respon tersebut adalah -10 persen.
Selanjutnya untuk periode 6 sampai 50 pergerakan respon kembali menurun
dengan nilai respon bernilai negatif, pergerakan respon ini sangat kecil. Sehingga
dalam grafik pergerakan kecil dan cenderung stabil di periode 5.
43
Respon Klappertart terhadap Makaroni
-80
-60
-40
-20
0
5 10 15 20 25 30 35 40 45 50
Response of KLAPERTART to MAKARONI
0
10
20
30
40
5 10 15 20 25 30 35 40 45 50
Response of PASTEL to MAKARONI
Response to Cholesky One S.D. Innovations
Gambar 5. Respon Klappertart terhadap Makaroni
Pada Gambar 5 ini dapat terlihat respon yang diberikan oleh klappertart
terhadap makaroni, respon yang diberikan klappertart pada perubahan standar
deviasi bernilai negatif. Hanya pada periode pertama nilai respon yang diberikan
tinggi yaitu nol persen. Selanjutnya pada periode kedua hingga periode kelima
terjadi penurunan yang cukup signifikan, dimana pada periode kedua nilai respon
klappertart terhadap makaroni yaitu -75 persen, pada periode ketiga nilai respon
yaitu -45 persen, periode keempat nilai respon -37 persen sedangkan pada periode
kelima responnya bernilai -19 persen. Nilai respon stabil pada periode ke 6 sampai
periode ke 50 dengan nilai respon nol persen. Dengan nilai respon yang negatif
hal ini berarti impuls dari penjualan klappertart sebesar satu standar deviasi
berpengaruh negatif terhadap penjualan makaroni.
44
Respon Pastel terhadap Makaroni
-80
-60
-40
-20
0
5 10 15 20 25 30 35 40 45 50
Response of KLAPERTART to MAKARONI
0
10
20
30
40
5 10 15 20 25 30 35 40 45 50
Response of PASTEL to MAKARONI
Response to Cholesky One S.D. Innovations
Gambar 6. Respon Pastel terhadap Makaroni
Pada Gambar 6 ini respon yang dianalisa adalah respon pastel terhadap
makaroni. Pada grafik tersebut nilai standar deviasi dari respon pastel terhadap
makaroni itu sendiri bernilai positif, ketika variabel diimpuls nilai respon
meningkat pada periode pertama sampai periode ke 40. Pada periode pertama nilai
respon tertinggi yaitu 100 persen dan nilai respon terendah pada periode 10 yaitu
5 persen. Pada periode berikutnya hingga periode ke 50 nilai respon cenderung
stabil yaitu nol persen, dengan nilai respon yang positif hal ini menunjukkan
bahwa variabel pastel sangat berpengaruh terhadap naik dan turunnya penjualan
pastel terhadap makaroni.
45
Respon Klappertart terhadap Pastel
-60
-40
-20
0
20
40
60
5 10 15 20 25 30 35 40 45 50
Response of KLAPERTART to PASTEL
-8
-6
-4
-2
0
5 10 15 20 25 30 35 40 45 50
Response of MAKARONI to PASTEL
Response to Cholesky One S.D. Innovations
Gambar 7. Respon Klapertart terhadap Pastel
Pada Gambar 7 selanjutnya respon klappertart terhadap pastel. Respon yang
diberikan oleh klappertart terhadap standar deviasi pastel cenderung positif, tetapi
pada periode dua dan periode tujuh bernilai negatif. Pada periode satu sampai
periode 14 terjadi fluktuasi respon yang signifikan dengan nilai tertinggi 59 persen
pada periode tiga, dan nilai terendah -40 persen pada periode dua. Pada periode 14
sampai periode 50 nilai respon stabil. Dengan nilai respon yang cenderung positif
dapat disimpulkan bahwa kejutan dari penjualan produk klappertart sebesar satu
standar deviasi berpengaruh positif terhadap peningkatan penjualan produk pastel.
46
Respon Makaroni terhadap Pastel
-60
-40
-20
0
20
40
60
5 10 15 20 25 30 35 40 45 50
Response of KLAPERTART to PASTEL
-8
-6
-4
-2
0
5 10 15 20 25 30 35 40 45 50
Response of MAKARONI to PASTEL
Response to Cholesky One S.D. Innovations
Gambar 8. Respon Makaroni terhadap Pastel
Pada Gambar 8 ini adalah nilai respon yang ditunjukkan oleh respon
makaroni terhadap pastel, dari grafik tersebut terlihat bahwa nilai standar deviasi
yang dihasil oleh makaroni adalah negatif. Pada periode pertama nilai respon yang
ditunjukan adalah nol persen. Kemudian pada periode ke 2 sampai periode ke 4
terjadi penurunan,pada periode ke 2 respon yang ditunjukkan adalah - 7 persen,
periode ke 3 respon bernilai -2 persen dan periode ke 4 nilai responnya adalah 1
persen. Kemudian pada periode ke 5 sampai periode ke 50 respon kembali stabil
di nol.
47
4.2.7 Forcasting Eror Variace Decompotion (FEVD)
Analisis FEVD bertujuan untuk mengetahui variabel yang memiliki peranan
penting dalam dalam menjelaskan perubahan suatu variabel. Dengan adanya
analisis ini maka dapat diketahui seberapa besar persen variasi variabel dijelaskan
oleh setiap gangguan yang ada di dalam model. Hasil dari analisis FEVD ini akan
ditunjukan dalam bentuk diagram, diagram tersebut menunjukkan hasil variasi
masing-masing variabel baik endogen maupun eksogen.
Forecast Error
Variabilitas data ramalan diukur dengan peramalan kesalahan standar atau
disebut forecast standard error ditambah nilai prediksi dari garis persamaan
regresi. Persamaan regresi yang di dapat untuk variabel Klappertart sebagai
berikut :
1. Klappertart
KLAPPERTART = 404 + 1.14 PASTEL - 0.34 PASTEL1 + 3.39 MAKARONI -
1.68 MAKARONI1+ 0.265 KLAPPERTART1
Tabel 7. Hasil peramalan variable Klappertart selama 12 minggu ke depan
Minggu
Forecast SE Nilai
Persamaan Nilai Forecast
119 ± 515 839 324 1354
120 ± 527 492 35 1019
121 ± 528 210 318 738
122 ± 528 342 186 870
123 ± 528 966 438 1494
124 ± 528 1058 530 1586
48
Lanjutan Tabel 7. Hasil peramalan variable Klappertart selama 12 minggu
ke depan
Minggu
Forecast SE Nilai
Persamaan Nilai Forecast
125 ± 528 788 260 1316
126 ± 528 920 392 2448
127 ± 528 841 313 1369
128 ± 528 996 468 1528
129 ± 528 1044 516 1572
130 ± 528 1120 592 1648
Hasil peramalan Tabel 7 diperoleh dari hasil perhitungan atau persamaan
regresi yang didapatkan dengan menggunakan nilai rata-rata 12 minggu terakhir.
Dari hasil peramalan tersebut dapat terlihat bahwa untuk periode 12 minggu
kedepan forecast SE untuk klappertart akan meningkat pada minggu ke 124 dan
cenderung stabil sampai akhir periode terakhir. Nilai forecast penjualan
klappertart pada minggu ke 129 diramalkan penjualan akan meningkat juga pada
minggu 130. Nilai persamaan paling besar diperoleh pada minggu ke 130, maka
peramalan untuk penjualan klappertart dipengaruhi oleh makaroni itu sendiri dan
juga pastel.
49
Gambar 9. Variance Decomposition Terhadap Klappertart
Pada Gambar 9 diagram variance decomposition klappertart dapat
diketahui bahwa penjualan klappertart dari periode 1 sampai 50 dipengaruhi oleh
klappertart, sedangkan variabel lain yang mempengaruhi penjualan klappertart
adalah makaroni. Pada diagram tersebut dapat dilihat bahwa variabel produk
makaroni lebih berpengaruh dibandingkan produk pastel. hasil analisis FEVD
dapat disimpulkan bahwa penjualan kalppertart dipengaruhi klapertart itu sendiri
dan juga produk kue makaroni.
50
2. Makaroni
MAKARONI = 9.12 + 1.13 PASTEL - 0.201 PASTEL1 + 0.195 MAKARONI1
+ 0.0313 KLAPPERTART - 0.0105 KLAPPERTART1
Tabel 8. Hasil peramalan variable Makaroni selama 12 minggu ke depan
Minggu
Forecast SE
Nilai
Persamaan Nilai Forecast
119 ± 95 153 58 248
120 ± 96 450 354 546
121 ± 96 559 463 655
122 ± 96 221 125 317
123 ± 96 97 1 193
124 ± 96 140 44 236
125 ± 96 314 218 410
126 ± 96 194 98 290
127 ± 96 163 67 259
128 ± 96 158 62 254
129 ± 96 115 19 211
130 ± 96 117 21 213
Hasil peramalan Tabel 8 untuk makaroni menggunakan nilai waktu 12
minggu terakhir, perhitungan ini menggunakan persamaan regresi dari makaroni
sehingga akan didapatkan hasil peramalan untuk 12 minggu ke depan. Untuk
peramalan makaroni hanya dipengaruhi oleh klappertart dan pastel tidak terlalu
berpengaruh, hal ini karena dari hasil IRF kedua variabel tersebut memberikan
51
respon negative. Nilai persamaan paling besar diperoleh pada minggu ke 121
artinya pada minggu tersebut apabila penjualan makaroni mengalami kenaikan
maka akan berpengaruh terhadap penjualan klappertart dan pastel.
Gambar 10. Variance Decomposition Terhadap Makaroni
Pada Gambar 10 diagram makaroni ditunjukan mengenai hasil analisis
FEVD untuk makaroni. Dari diagram tersebut ditunjukan variabel yang
mempengaruhi penjualan untuk produk makaroni untuk periode 50 depan, dari
hasil variance decomposition makaroni terlihat bahwa pengaruh penjualan
makaroni pengaruhnya didominasi oleh produk makaroni itu sendiri, sedangkan
untuk pengaruh variabel lain yaitu klappertart dan pastel, pengaruhnya lebih besar
klappertart dibandingkan dengan pastel.
52
3.Pastel
PASTEL = - 3.72 + 0.153 PASTEL1 + 0.647 MAKARONI - 0.0838
MAKARONI1
+ 0.00606 KLAPPERTART - 0.00322 KLAPPERTART1
Tabel 9. Hasil peramalan variable Pastel selama 12 minggu ke depan
Minggu
Forecast SE
Nilai
Persamaan Nilai Forecast
119 ± 68 74 6 142
120 ± 69 83 14 152
121 ± 69 99 30 168
122 ± 69 119 50 188
123 ± 69 116 47 185
124 ± 69 127 58 196
125 ± 69 119 50 188
126 ± 69 112 43 181
127 ± 69 115 46 184
128 ± 69 118 49 187
129 ± 69 118 49 187
130 ± 69 119 50 188
53
Hasil peramalan Tabel 9 pastel diperoleh dari hasil perhitungan data
penjualan selama 12 minggu terakhir, sehingga akan diperoleh hasil peramalan
untuk 12 minggu ke depan. Jika dibandingkan dengan dua produk lainnya yaitu
klappertart dan makaroni untuk nilai persamaan pastel bernilai lebih kecil, hal ini
karena pastel merupakan salah kue tambahan dari klappertart dan penjualan untuk
pastel pun cenderung meningkat ketika penjualan klappertart dan makaroni
meningkat. Nilai persamaan paling besar diperoleh pada minggu ke 124 sehingga
penjualan pastel diramalkan akan meningkat ketika klappertart dan makaroni laris
di pasaran.
Gambar 11. Variance Decomposition Terhadap Pastel
Pada Gambar 11 diagram pastel merupakan hasil analisis FEVD terhadap
produk pastel, dari hasil variance decomposition tersebut dapat dilihat bahwa
penjualan pastel untuk 50 periode kedepan dipengaruhi oleh klappertart.
Sedangkan untuk pengaruh variabel lain yaitu makaroni, pengaruhnya lebih besar
daripada pastel itu sendiri.
4.2.8 Implikasi Manajerial
Setelah melakukan analisis peramalan penjualan klappertart, makaroni dan
pastel maka dapat diketahui produk apa yang memberikan pengaruh positif
terhadap penjualan produk lainnya. Hasil tersebut dapat diketahui bahwa produk
yang memiliki pengaruh positif terhadap penjualan produk lain adalah klappertart.
Berdasarkan hal tersebut maka pihak Triple Combo harus mengutamakan produk
tersebut dalam penjualannya, hal ini karena jika penjualan klappertart meningkat
maka penjualan makaroni dan pastel pun akan ikut mengalami peningkatan.
54
Dalam bidang pemasaran, pihak Triple Combo harus meningkatkan strategi
promosinya, hal ini agar peramalan penurunan penjualan tidak terjadi. Triple
Combo sebaiknya menambah jenis-jenis produk yang ditawarkannya serta
meningkatkan program pemasarannya. Selain itu perlu menyususn formulasi
strategi pemasaran yang tepat dan efektif dalam menghadapi persaingan
pemasaran terhadap produk-produk yang ditawarkan, yakni dapat dilakukan
melalui keunggulan dari produk yang ditawarkan, kelengkapan dari jenis produk
yang ditawarkan.
Triple Combo juga dapat menetapkan target penjualan ketiga produk
kedepannya. Implikasi dari hasil analisa dan interpretasi ini akan mempengaruhi
keputusan manajerial seperti dalam merencanakan strategi pemasaran yang
mungkin dilakukan. Melihat strategi pemasaran Triple Combo dapat melakukan
promosi secara menyeluruh dan besar-besaran sebagai langkah memperkenalkan
produknya kepada calon pembeli. Produk kue yang harus diutamakan dalam
pemasaran adalah klappertart, karena seperti yang telah diketahui bahwa
klappertart ini mempunyai pengaruh positif terhadap produk kue yang lain
sehingga secara tidak langsung klappertart tersebut dapat membantu
meningkatkan penjualan makaroni dan pastel sehingga dapat meningkat dari segi
promosi maupun penjualannya.
Triple Combo juga dapat mengetahui ramalan penjualan sebagai target
penjualan kedepan dan mengantisipasi pada bulan yang diramalkan akan
menurunnya penjualan suatu produk sehingga penurunan penjualan tersebut tidak
terjadi, agar pada tahun ke tahunya mengalami kenaikan dan penjualan Triple
Combo semakin meningkat. Perusahaan juga dapat mengetahui ramalan penjualan
sebagai target penjualan kedepan dan mengantisipasi pada bulan yang diramalkan
akan menurunnya penjualan suatu produk sehingga penurunan penjualan tersebut
tidak terjadi.
55
KESIMPULAN SARAN
1. Kesimpulan
Berdasarkan penelitian di Triple Combo, maka dapat ditarik disimpulkan
sebagai berikut:
a. Ketiga kue Trilpe Combo tersebut setelah mengalami uji stasioner
menunjukan berada pada level stasioner maka dapat disimpulkan bahwa
terdapat hubungan diantara klappertart, makaroni dan pastel dalam jangka
pendek dan jangka panjang. Hasil hubungan tersebut dapat dilihat dari hasil
uji yang menunjukan bahwa data tersebut stationer dan diperoleh
kesimpulan bahwa model yang tepat untuk peramalan adalah menggunakan
model VAR. Dari hasil IRF dapat dilihat bahwa apabila klappertart diimpuls
maka akan terjadi respon positif akan direspon positif oleh makaroni dan
pastel. Apabila makaroni diimpuls maka akan memperoleh respon positif
dari klappertart dan pastel.
b. Kita dapat mengetahui hubungan yang saling berkaitan antara kue satu
dengan kue lainnya. Kue yang paling dominan dalam memberikan pengaruh
positif terhadap kue lainnya adalah klappertart, karena klappertart sangat
berpengaruh terhadap peningkatan penjualan kue lainnya seperti makaroni
dan pastel sehingga target penjualan semakin banyak dan semakin meluas.
c. Klappertart merupakan produk kue andalan dibanding makaroni dan
pastel. Hal ini dikarenakan karena banyak orang lebih mengenal
klappertart. Kue klappertart diharapkan jadi pemicu rasa ketertarikan untuk
mencoba kue makaroni dan pastel.
d. Hasil peramalan untuk klappertart, makaroni dan pastel dihitung
berdasarkan hasil penjualan selama tiga bulan terakhir, sehingga akan
diperoleh hasil peramalan untuk tiga bulan ke depan. Hasil perhitungan
peramalan menunjukan bahwa terjadi peningkatkan dalam perhitungan atau
persamaan regresi sehingga hal tersebut akan mempengaruhi dan peramalan
penjualan baik itu meningkat ataupun menurun. Dari hasil FEVD diperoleh
hasil bahwa penjualan klapertart untuk periode 50 ke depan dipengaruhi oleh
makaroni dan pastel.
56
2. Saran
Penelitian ini penulis menyarankan beberapa masukan kepada Triple Combo
untuk dapat meramalkan penjualan kuenya. Sebagai berikut adalah hal-hal yang
disarankan:
a. Penulis menyarankan agar pihak Triple Combo menerapakan analisis
peramalan sebagai alat bantu dalam meramalkan penjualan untuk masa
yang akan datang, sehingga pihak Triple Combo dapat mengetahui
ramalan penjualan klappertart, makaroni dan pastel. Dengan adanya
ramalan maka pihak Triple Combo dapat melakukan antisipasi jika
penjualan diramalkan mengalami penurunan.
b. Melakukan promosi pemasaran pada setiap produk kuenya agar lebih
dikenal oleh masyarakat, terutama kue klappertart sebagai produk kue
yang paling digemari oleh masyarakat memberikan pengaruh luar biasa
terhadap peramalan penjualan produk kue lain sehingga penjualan semua
produk kue terus mengalami perkembangan.
c. Triple combo sebaiknya secara berkala melakukan peramalan, dengan
peramalan akan lebih mudah dalam penjualan kue tersebut.
d. Pihak Triple Combo diharapkan dapat menerapakan analisis peramalan ini
dengan pemahaman yang baik mengenai pola data serta model yang dapat
digunakan untuk melakukan analisis peramalan tersebut.
57
DAFTAR PUSTAKA
Agung, I.G.N. 2009. “Time Series Data Analisys Using Eviews”. John Willey an
Sons (Asia) Pte Ltd, Singapore.
Aldina, A. 2008. Analisis Peramalan Penjualan Matrix Blackberry PT Indosat,
Tbk Dalam Rangka Perencanaan strategi Pemasaran. Skripsi pada
Departemen Manajemen, Fakultas Ekonomi dan Manajemen, Institut
Pertanian Bogor, Bogor.
Andria, V. 2009. Analisis Peramalan Jumlah Siswa Menggunakan Metode VAR
Berbasis Komputer (Studi Kasus : Valto Education Centre). Skripsi pada
Program Ganda, Teknik Informatika dan Statistika, Universitas Bina
Nusantara, Jakarta.
Arsyad, L. 1994. Peramalan Bisnis. BPEE-Yogyakarta.
Aritonang, L. R. 2002. Peramalan Bisnis. Galia Indonesia (anggota IKAPI).
Jakarta.
Enders, W. 2004. “Applied Econometric Time Series”. John Willey and Sons,
Inc., New York.
Engle, R. F. And C. W. J. Granger. 1987. Econometrica. JSTOR. United States of
America.
Gujarati, D. N. 2003. Basic Econometrics. Fourth Edition. McGraw Hill One.
New York.
Hanke, JE. et al. 2003. Peramalan Bisnis. Ed ke-7. Anathur D, Penerjemah.
Prenhallindo. Terjemahan dari : Busines Forecasting, Jakarta.
Khaerunisa, Y. 2009. Analisis VECM (Vector Error Correction Model) dalam
Mekanisme Pemodelan dan Peramalan Kebijakan Harga Pangan. [skripsi].
Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor,
Bogor.
Istiati, R. 2006. Analisis Strategi Bersaing Dalam Usaha Bidang Teknologi
Informasi (Studi Kasus PT.AMTP Jakarta). Skripsi pada Fakultas Ekonomi,
Universitas Mercu Buana, Jakarta.
Kolter, P dan G. A. Amstrong. 1995. Dasar-dasar Pemasaran Jilid 1.
Prenhallindo.Jakarta.
Sugiarto dan Harijono. 2000. Peramalan Bisnis. PT Gramedia Pustaka Utama.
Jakarta.
Wikipedia. 2011. klappertart. http://id.wikipedia.org/wiki/klappertart [15
November2011]
Wikipedia. 2011. kue. http://id.wikipedia.org/wiki/Kue [15 November 2011]
Wikipedia. 2011. kue. http://id.wikipedia.org/wiki/Kue_basah [15 November
2011]
Wikipedia. 2011. kue. http://id.wikipedia.org/wiki/Kue_kering [15 November
2011]
Wikipedia. 2011. kue. http://id.wikipedia.org/wiki/Pastei [15 November 2011]
58
LAMPIRAN
59
Lampiran 1. Penjualan Triple Combo minggu ke 1- 50
MINGGU K M P
1 370 165 112
2 466 175 119
3 441 162 103
4 834 185 118
5 339 167 107
6 481 220 137
7 371 142 84
8 364 131 89
9 811 230 151
10 724 203 138
11 552 146 103
12 898 208 136
13 237 71 51
14 1729 265 163
15 970 137 84
16 843 123 82
17 370 80 54
18 1316 248 138
19 947 127 84
20 869 125 83
21 625 110 68
22 981 143 93
23 1233 154 113
24 1514 145 99
25 1086 145 87
MINGGU K M P
26 258 45 23
27 2242 308 234
28 1136 210 103
29 1253 166 122
30 831 208 207
31 1734 109 59
32 1450 121 78
33 1209 151 148
34 708 195 187
35 178 31 17
36 1631 226 151
37 3357 738 593
38 335 76 66
39 2021 228 188
40 1194 145 106
41 1049 116 71
42 1042 125 100
43 1031 106 75
44 990 136 81
45 845 123 83
46 1681 165 124
47 140 30 10
48 1245 223 218
49 879 137 121
50 1195 122 113
60
Lampiran 2. Penjualan Triple Combo minggu ke 51- 100
MINGGU K M P
76 1267 145 77
77 819 131 69
78 1291 124 107
79 1471 231 147
80 799 140 77
81 932 163 120
82 879 118 91
83 996 180 155
84 1208 184 97
85 1022 139 85
86 1152 152 85
87 407 57 27
88 2710 725 391
89 762 205 154
90 889 118 69
91 1085 164 108
92 2202 248 100
93 1102 171 96
94 1154 201 108
95 809 118 76
96 788 132 64
97 911 160 78
98 616 63 41
99 284 75 58
100 1329 198 112
MINGGU K M P
51 801 105 88
52 1711 189 136
53 1035 123 80
54 948 124 86
55 692 89 77
56 1226 135 118
57 1084 139 103
58 752 98 61
59 1280 170 119
60 681 89 71
61 843 220 104
62 881 168 111
63 960 138 78
64 316 70 39
65 1911 348 235
66 1158 214 127
67 1338 215 136
68 862 168 67
69 2291 207 135
70 1357 183 95
71 1281 193 130
72 1107 174 73
73 222 18 10
74 780 108 101
75 889 162 95
61
Lampiran 3. Penjualan Triple Combo minggu ke 101- 118
MINGGU K M P
101 1236 179 108
102 959 135 78
103 811 153 71
104 2129 148 104
105 979 76 50
106 908 114 67
107 973 103 72
108 414 23 17
109 1653 195 124
110 1098 165 86
111 1267 196 141
112 304 13 17
113 1344 153 118
114 706 78 52
115 990 131 80
116 721 129 72
117 1202 109 51
118 592 93 77
TOTAL 120851 18629 12289
62
Lampiran 4. Uji Stasioner Klappertart
0
500
1,000
1,500
2,000
2,500
3,000
3,500
25 50 75 100
KLAPERTART
Null Hypothesis: KLAPPERTART has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -11.87763 0.0000
Test critical values: 1% level -3.487046
5% level -2.886290
10% level -2.580046 *MacKinnon (1996) one-sided p-values.
63
Lampiran 5. Uji Stasioner Makaroni
0
100
200
300
400
500
600
700
800
25 50 75 100
MAKARONI
Null Hypothesis: MAKARONI has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -11.41007 0.0000
Test critical values: 1% level -3.487046
5% level -2.886290
10% level -2.580046 *MacKinnon (1996) one-sided p-values.
64
Lampiran 6. Uji Stasioneritas Pastel
0
100
200
300
400
500
600
25 50 75 100
PASTEL
Null Hypothesis: PASTEL has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=12) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -11.41763 0.0000
Test critical values: 1% level -3.487046
5% level -2.886290
10% level -2.580046 *MacKinnon (1996) one-sided p-values.
65
Lampiran 7. Uji Stasioneritas Klappertart, Makaroni, Pastel
Variable Level (α=5%)
p-value Keterangan
KLAPPERTART 0.0000 Stasioner MAKARONI 0.0000 Stasioner PASTEL 0.0000 Stasioner
KLAPPERTART MAKARONI PASTEL
Mean 1021.873 157.8729 104.1441
Median 965.0000 145.0000 95.00000
Maximum 3357.000 738.0000 593.0000
Minimum 140.0000 13.00000 10.00000
Std. Dev. 522.2236 94.61705 67.76257
Skewness 1.280966 3.766034 3.929951
Kurtosis 6.281340 23.82630 26.74909
Jarque-Bera 85.20923 2411.462 3076.838
Probability 0.000000 0.000000 0.000000
Sum 120581.0 18629.00 12289.00
Sum Sq. Dev. 31907941 1047429. 537236.6
Observations 118 118 118
Covariance Analysis: Ordinary
Date: 06/13/11 Time: 12:42
Sample: 1 118
Included observations: 118 Correlation
Probability KLAPPERTART MAKARONI PASTEL
KLAPPERTART 1.000000
-----
MAKARONI 0.737346 1.000000
0.0000 -----
PASTEL 0.705935 0.935421 1.000000
0.0000 0.0000 -----
66
Lampiran 8. Uji Granger Causality
Pairwise Granger Causality Tests
Date: 06/13/11 Time: 12:42
Sample: 1 118
Lags: 1 Null Hypothesis: Obs F-Statistic Prob. MAKARONI does not Granger Cause KLAPPERTART 117 4.23061 0.0420
KLAPPERTART does not Granger Cause MAKARONI 2.30290 0.1319 PASTEL does not Granger Cause KLAPPERTART 117 4.65003 0.0332
KLAPPERTART does not Granger Cause PASTEL 1.86295 0.1750 PASTEL does not Granger Cause MAKARONI 117 0.89251 0.3468
MAKARONI does not Granger Cause PASTEL 0.00508 0.9433
67
Lampiran 9. Uji Lag Optimal
VAR Lag Order Selection Criteria Endogenous variables: KLAPPERTART MAKARONI PASTEL
Exogenous variables: C
Date: 06/13/11 Time: 12:57
Sample: 1 118
Included observations: 115 Lag LogL LR FPE AIC SC HQ 0 -2050.082 NA 6.45e+11 35.70577 35.77738* 35.73484*
1 -2040.728 18.05643* 6.41e+11* 35.69962* 35.98605 35.81588
2 -2033.853 12.91283 6.65e+11 35.73658 36.23783 35.94004
3 -2026.549 13.33784 6.86e+11 35.76608 36.48214 36.05672 * indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
68
Lampiran 10. VAR
Vector Autoregression Estimates
Date: 06/13/11 Time: 18:04
Sample (adjusted): 2 118
Included observations: 117 after adjustments
Standard errors in ( ) & t-statistics in [ ] KLAPPERTART MAKARONI PASTEL KLAPPERTART(-1) 0.112397 -0.036326 -0.026049
(0.13525) (0.02492) (0.01792)
[ 0.83102] [-1.45742] [-1.45382]
MAKARONI(-1) -0.568277 0.293359 0.102637
(1.49731) (0.27593) (0.19835)
[-0.37953] [ 1.06317] [ 0.51744]
PASTEL(-1) -1.474239 -0.313866 -0.059264
(1.99619) (0.36786) (0.26444)
[-0.73853] [-0.85321] [-0.22411]
C 1156.548 181.4489 120.7349
(106.445) (19.6159) (14.1011)
[ 10.8653] [ 9.25008] [ 8.56211] R-squared 0.049702 0.030043 0.022704
Adj. R-squared 0.024473 0.004292 -0.003242
Sum sq. Resids 29914779 1015911. 524978.5
S.E. equation 514.5217 94.81755 68.16031
F-statistic 1.970029 1.166671 0.875034
Log likelihood -894.4396 -696.5595 -657.9387
Akaike AIC 15.35794 11.97538 11.31519
Schwarz SC 15.45238 12.06981 11.40963
Mean dependent 1027.444 157.8120 104.0769
S.D. dependent 520.9356 95.02168 68.05008 Determinant resid covariance (dof adj.) 5.68E+11
Determinant resid covariance 5.11E+11
Log likelihood -2075.220
Akaike information criterion 35.67898
Schwarz criterion 35.96228
69
Lampiran 11. Uji Stabilitas VAR
Roots of Characteristic Polynomial Endogenous variables: KLAPPERTART MAKARONI PASTEL
Exogenous variables: C
Lag specification: 1 1
Date: 06/13/11 Time: 12:57 Root Modulus 0.332201 0.332201
0.157820 0.157820
-0.143530 0.143530 No root lies outside the unit circle.
VAR satisfies the stability condition.
70
Lampiran 12. IRF jika Klappertart Diimpuls
-20
0
20
40
60
80
5 10 15 20 25 30 35 40 45 50
Response of MAKARONI to KLAPERTART
-10
0
10
20
30
40
50
60
5 10 15 20 25 30 35 40 45 50
Response of PASTEL to KLAPERTART
Response to Cholesky One S.D. Innovations
71
Lampiran 13. IRF Klappertart
Response K M P
1 514.5217 0.000000 0.000000
2 -57.31138 -92.84091 -35.39744
3 14.16488 -19.33976 2.401863
4 0.010074 -8.363349 0.198440
5 0.688379 -2.545470 0.378129
6 0.132107 -0.886195 0.116497
7 0.058023 -0.289700 0.045642
8 0.017290 -0.097091 0.015055
9 0.006036 -0.032160 0.005157
10 0.001964 -0.010701 0.001713
11 0.000659 -0.003553 0.000573
12 0.000218 -0.001181 0.000190
13 7.25E-05 -0.000392 6.33E-05
14 2.41E-05 -0.000130 2.10E-05
15 8.00E-06 -4.33E-05 6.99E-06
16 2.66E-06 -1.44E-05 2.32E-06
17 8.83E-07 -4.78E-06 7.71E-07
18 2.93E-07 -1.59E-06 2.56E-07
19 9.74E-08 -5.27E-07 8.51E-08
20 3.24E-08 -1.75E-07 2.83E-08
21 1.08E-08 -5.82E-08 9.39E-09
22 3.57E-09 -1.93E-08 3.12E-09
23 1.19E-09 -6.42E-09 1.04E-09
24 3.94E-10 -2.13E-09 3.44E-10
25 1.31E-10 -7.09E-10 1.14E-10
72
Lanjutan Lampiran 13. IRF Klappertart
Response K M P 26 4.35E-11 -2.35E-10 3.80E-11
27 1.44E-11 -7.82E-11 1.26E-11
28 4.80E-12 -2.60E-11 4.19E-12
29 1.59E-12 -8.63E-12 1.39E-12
30 5.30E-13 -2.87E-12 4.63E-13
31 1.76E-13 -9.52E-13 1.54E-13
32 5.85E-14 -3.16E-13 5.11E-14
33 1.94E-14 -1.05E-13 1.70E-14
34 6.45E-15 -3.49E-14 5.64E-15
35 2.14E-15 -1.16E-14 1.87E-15
36 7.12E-16 -3.85E-15 6.22E-16
37 2.37E-16 -1.28E-15 2.07E-16
38 7.86E-17 -4.25E-16 6.86E-17
39 2.61E-17 -1.41E-16 2.28E-17
40 8.67E-18 -4.69E-17 7.57E-18
41 2.88E-18 -1.56E-17 2.52E-18
42 9.57E-19 -5.18E-18 8.36E-19
43 3.18E-19 -1.72E-18 2.78E-19
44 1.06E-19 -5.71E-19 9.22E-20
45 3.51E-20 -1.90E-19 3.06E-20
46 1.17E-20 -6.31E-20 1.02E-20
47 3.87E-21 -2.09E-20 3.38E-21
48 1.29E-21 -6.96E-21 1.12E-21
49 4.27E-22 -2.31E-21 3.73E-22
50 1.42E-22 -7.68E-22 1.24E-22
73
Lampiran 14. IRF jika Makaroni diimplus
-80
-60
-40
-20
0
5 10 15 20 25 30 35 40 45 50
Response of KLAPERTART to MAKARONI
0
10
20
30
40
5 10 15 20 25 30 35 40 45 50
Response of PASTEL to MAKARONI
Response to Cholesky One S.D. Innovations
74
Lampiran 15. IRF Makaroni
Response K M P
1 72.60681 60.98047 0.000000
2 -13.11982 5.501085 -7.536134
3 1.032873 3.756029 -0.478332
4 -0.423394 0.941047 -0.300670
5 -0.029482 0.351920 -0.056035
6 -0.025568 0.110522 -0.021199
7 -0.006201 0.037515 -0.006086
8 -0.002385 0.012329 -0.002067
9 -0.000745 0.004112 -0.000666
10 -0.000254 0.001363 -0.000222
11 -8.34E-05 0.000453 -7.32E-05
12 -2.79E-05 0.000150 -2.43E-05
13 -9.23E-06 5.00E-05 -8.07E-06
14 -3.07E-06 1.66E-05 -2.68E-06
15 -1.02E-06 5.52E-06 -8.91E-07
16 -3.39E-07 1.83E-06 -2.96E-07
17 -1.13E-07 6.09E-07 -9.83E-08
18 -3.74E-08 2.02E-07 -3.27E-08
19 -1.24E-08 6.72E-08 -1.08E-08
20 -4.13E-09 2.23E-08 -3.60E-09
21 -1.37E-09 7.42E-09 -1.20E-09
22 -4.55E-10 2.46E-09 -3.98E-10
23 -1.51E-10 8.18E-10 -1.32E-10
24 -5.02E-11 2.72E-10 -4.39E-11
25 -1.67E-11 9.03E-11 -1.46E-11
75
Lanjutan Lampiran 15. IRF Makaroni
Response K M P 26 -5.54E-12 3.00E-11 -4.84E-12
27 -1.84E-12 9.97E-12 -1.61E-12
28 -6.12E-13 3.31E-12 -5.34E-13
29 -2.03E-13 1.10E-12 -1.78E-13
30 -6.75E-14 3.65E-13 -5.90E-14
31 -2.24E-14 1.21E-13 -1.96E-14
32 -7.45E-15 4.03E-14 -6.51E-15
33 -2.48E-15 1.34E-14 -2.16E-15
34 -8.22E-16 4.45E-15 -7.18E-16
35 -2.73E-16 1.48E-15 -2.39E-16
36 -9.08E-17 4.91E-16 -7.93E-17
37 -3.01E-17 1.63E-16 -2.63E-17
38 -1.00E-17 5.42E-17 -8.75E-18
39 -3.33E-18 1.80E-17 -2.91E-18
40 -1.11E-18 5.98E-18 -9.65E-19
41 -3.67E-19 1.99E-18 -3.21E-19
42 -1.22E-19 6.60E-19 -1.07E-19
43 -4.05E-20 2.19E-19 -3.54E-20
44 -1.35E-20 7.28E-20 -1.18E-20
45 -4.47E-21 2.42E-20 -3.91E-21
46 -1.49E-21 8.04E-21 -1.30E-21
47 -4.93E-22 2.67E-21 -4.31E-22
48 -1.64E-22 8.87E-22 -1.43E-22
49 -5.45E-23 2.95E-22 -4.76E-23
50 -1.81E-23 9.79E-23 -1.58E-23
76
Lampiran 16. IRF jika Pastel Diimpuls
-60
-40
-20
0
20
40
60
5 10 15 20 25 30 35 40 45 50
Response of KLAPERTART to PASTEL
-8
-6
-4
-2
0
5 10 15 20 25 30 35 40 45 50
Response of MAKARONI to PASTEL
Response to Cholesky One S.D. Innovations
77
Lampiran 17. IRF Pastel
Response K M P
1 50.11479 39.46928 24.01066
2 -8.920407 3.919721 -1.422979
3 0.674962 2.750681 0.232897
4 -0.302964 0.726261 -0.125462
5 -0.025763 0.271397 -0.028594
6 -0.019430 0.086341 -0.013906
7 -0.004914 0.029311 -0.004386
8 -0.001857 0.009660 -0.001554
9 -0.000585 0.003222 -0.000512
10 -0.000199 0.001069 -0.000172
11 -6.55E-05 0.000355 -5.72E-05
12 -2.18E-05 0.000118 -1.90E-05
13 -7.24E-06 3.92E-05 -6.32E-06
14 -2.41E-06 1.30E-05 -2.10E-06
15 -8.00E-07 4.33E-06 -6.98E-07
16 -2.66E-07 1.44E-06 -2.32E-07
17 -8.82E-08 4.77E-07 -7.71E-08
18 -2.93E-08 1.59E-07 -2.56E-08
19 -9.74E-09 5.27E-08 -8.51E-09
20 -3.24E-09 1.75E-08 -2.83E-09
21 -1.07E-09 5.82E-09 -9.39E-10
22 -3.57E-10 1.93E-09 -3.12E-10
23 -1.19E-10 6.42E-10 -1.04E-10
24 -3.94E-11 2.13E-10 -3.44E-11
25 -1.31E-11 7.08E-11 -1.14E-11
78
Lanjutan Lampiran 17. IRF Pastel
Response K M P 26 -4.35E-12 2.35E-11 -3.80E-12
27 -1.44E-12 7.82E-12 -1.26E-12
28 -4.80E-13 2.60E-12 -4.19E-13
29 -1.59E-13 8.63E-13 -1.39E-13
30 -5.30E-14 2.87E-13 -4.63E-14
31 -1.76E-14 9.52E-14 -1.54E-14
32 -5.84E-15 3.16E-14 -5.10E-15
33 -1.94E-15 1.05E-14 -1.70E-15
34 -6.45E-16 3.49E-15 -5.63E-16
35 -2.14E-16 1.16E-15 -1.87E-16
36 -7.12E-17 3.85E-16 -6.22E-17
37 -2.36E-17 1.28E-16 -2.07E-17
38 -7.85E-18 4.25E-17 -6.86E-18
39 -2.61E-18 1.41E-17 -2.28E-18
40 -8.67E-19 4.69E-18 -7.57E-19
41 -2.88E-19 1.56E-18 -2.52E-19
42 -9.57E-20 5.18E-19 -8.36E-20
43 -3.18E-20 1.72E-19 -2.78E-20
44 -1.06E-20 5.71E-20 -9.22E-21
45 -3.51E-21 1.90E-20 -3.06E-21
46 -1.16E-21 6.30E-21 -1.02E-21
47 -3.87E-22 2.09E-21 -3.38E-22
48 -1.29E-22 6.96E-22 -1.12E-22
49 -4.27E-23 2.31E-22 -3.73E-23
50 -1.42E-23 7.68E-23 -1.24E-23
79
Lampiran 18. FEVD Klappertart
80
Lampiran 19. FEVD Klappertart Periode
Periode S.E. K M P 1 514.5217 100.0000 0.000000 0.000000
2 527.1523 96.44736 3.101748 0.450891
3 527.7026 96.31838 3.229598 0.452023
4 527.7689 96.29418 3.253898 0.451923
5 527.7756 96.29190 3.256141 0.451963
6 527.7764 96.29162 3.256414 0.451967
7 527.7765 96.29159 3.256443 0.451967
8 527.7765 96.29159 3.256446 0.451967
9 527.7765 96.29159 3.256446 0.451967
10 527.7765 96.29159 3.256446 0.451967
11 527.7765 96.29159 3.256446 0.451967
12 527.7765 96.29159 3.256446 0.451967
13 527.7765 96.29159 3.256446 0.451967
14 527.7765 96.29159 3.256446 0.451967
15 527.7765 96.29159 3.256446 0.451967
16 527.7765 96.29159 3.256446 0.451967
17 527.7765 96.29159 3.256446 0.451967
18 527.7765 96.29159 3.256446 0.451967
19 527.7765 96.29159 3.256446 0.451967
20 527.7765 96.29159 3.256446 0.451967
21 527.7765 96.29159 3.256446 0.451967
22 527.7765 96.29159 3.256446 0.451967
23 527.7765 96.29159 3.256446 0.451967
24 527.7765 96.29159 3.256446 0.451967
25 527.7765 96.29159 3.256446 0.451967
81
Lanjutan Lampiran 19. FEVD Klappertart Periode
Periode S.E. K M P 26 527.7765 96.29159 3.256446 0.451967
27 527.7765 96.29159 3.256446 0.451967
28 527.7765 96.29159 3.256446 0.451967
29 527.7765 96.29159 3.256446 0.451967
30 527.7765 96.29159 3.256446 0.451967
31 527.7765 96.29159 3.256446 0.451967
32 527.7765 96.29159 3.256446 0.451967
33 527.7765 96.29159 3.256446 0.451967
34 527.7765 96.29159 3.256446 0.451967
35 527.7765 96.29159 3.256446 0.451967
36 527.7765 96.29159 3.256446 0.451967
37 527.7765 96.29159 3.256446 0.451967
38 527.7765 96.29159 3.256446 0.451967
39 527.7765 96.29159 3.256446 0.451967
40 527.7765 96.29159 3.256446 0.451967
41 527.7765 96.29159 3.256446 0.451967
42 527.7765 96.29159 3.256446 0.451967
43 527.7765 96.29159 3.256446 0.451967
44 527.7765 96.29159 3.256446 0.451967
45 527.7765 96.29159 3.256446 0.451967
46 527.7765 96.29159 3.256446 0.451967
47 527.7765 96.29159 3.256446 0.451967
48 527.7765 96.29159 3.256446 0.451967
49 527.7765 96.29159 3.256446 0.451967
50 527.7765 96.29159 3.256446 0.451967
82
Lampiran 20. FEVD Makaroni
83
Lampiran 21. FEVD Makaroni Periode
Periode S.E. K M P 1 94.81755 58.63775 41.36225 0.000000
2 96.17459 58.85560 40.53039 0.614011
3 96.25464 58.76926 40.61528 0.615460
4 96.26064 58.76387 40.61977 0.616359
5 96.26130 58.76307 40.62055 0.616384
6 96.26137 58.76299 40.62062 0.616388
7 96.26138 58.76298 40.62063 0.616389
8 96.26138 58.76298 40.62063 0.616389
9 96.26138 58.76298 40.62063 0.616389
10 96.26138 58.76298 40.62063 0.616389
11 96.26138 58.76298 40.62063 0.616389
12 96.26138 58.76298 40.62063 0.616389
13 96.26138 58.76298 40.62063 0.616389
14 96.26138 58.76298 40.62063 0.616389
15 96.26138 58.76298 40.62063 0.616389
16 96.26138 58.76298 40.62063 0.616389
17 96.26138 58.76298 40.62063 0.616389
18 96.26138 58.76298 40.62063 0.616389
19 96.26138 58.76298 40.62063 0.616389
20 96.26138 58.76298 40.62063 0.616389
21 96.26138 58.76298 40.62063 0.616389
22 96.26138 58.76298 40.62063 0.616389
23 96.26138 58.76298 40.62063 0.616389
24 96.26138 58.76298 40.62063 0.616389
25 96.26138 58.76298 40.62063 0.616389
84
Lanjutan Lampiran 21. FEVD Makaroni Periode
Periode S.E. K M P 26 96.26138 58.76298 40.62063 0.616389
27 96.26138 58.76298 40.62063 0.616389
28 96.26138 58.76298 40.62063 0.616389
29 96.26138 58.76298 40.62063 0.616389
30 96.26138 58.76298 40.62063 0.616389
31 96.26138 58.76298 40.62063 0.616389
32 96.26138 58.76298 40.62063 0.616389
33 96.26138 58.76298 40.62063 0.616389
34 96.26138 58.76298 40.62063 0.616389
35 96.26138 58.76298 40.62063 0.616389
36 96.26138 58.76298 40.62063 0.616389
37 96.26138 58.76298 40.62063 0.616389
38 96.26138 58.76298 40.62063 0.616389
39 96.26138 58.76298 40.62063 0.616389
40 96.26138 58.76298 40.62063 0.616389
41 96.26138 58.76298 40.62063 0.616389
42 96.26138 58.76298 40.62063 0.616389
43 96.26138 58.76298 40.62063 0.616389
44 96.26138 58.76298 40.62063 0.616389
45 96.26138 58.76298 40.62063 0.616389
46 96.26138 58.76298 40.62063 0.616389
47 96.26138 58.76298 40.62063 0.616389
48 96.26138 58.76298 40.62063 0.616389
49 96.26138 58.76298 40.62063 0.616389
50 96.26138 58.76298 40.62063 0.616389
85
Lampiran 22. FEVD Pastel
86
Lampiran 23. FEVD Pastel Periode
Periode S.E. K M P 1 68.16031 54.05909 33.53168 12.40924
2 68.86792 54.63167 33.17010 12.19823
3 68.92653 54.54839 33.27297 12.17864
4 68.93114 54.54303 33.27962 12.17734
5 68.93168 54.54219 33.28065 12.17717
6 68.93174 54.54210 33.28075 12.17715
7 68.93175 54.54209 33.28076 12.17715
8 68.93175 54.54209 33.28076 12.17715
9 68.93175 54.54209 33.28076 12.17715
10 68.93175 54.54209 33.28076 12.17715
11 68.93175 54.54209 33.28076 12.17715
12 68.93175 54.54209 33.28076 12.17715
13 68.93175 54.54209 33.28076 12.17715
14 68.93175 54.54209 33.28076 12.17715
15 68.93175 54.54209 33.28076 12.17715
16 68.93175 54.54209 33.28076 12.17715
17 68.93175 54.54209 33.28076 12.17715
18 68.93175 54.54209 33.28076 12.17715
19 68.93175 54.54209 33.28076 12.17715
20 68.93175 54.54209 33.28076 12.17715
21 68.93175 54.54209 33.28076 12.17715
22 68.93175 54.54209 33.28076 12.17715
23 68.93175 54.54209 33.28076 12.17715
24 68.93175 54.54209 33.28076 12.17715
25 68.93175 54.54209 33.28076 12.17715
87
Lanjutan Lampiran 23. FEVD Pastel Periode
Periode S.E. K M P 26 68.93175 54.54209 33.28076 12.17715
27 68.93175 54.54209 33.28076 12.17715
28 68.93175 54.54209 33.28076 12.17715
29 68.93175 54.54209 33.28076 12.17715
30 68.93175 54.54209 33.28076 12.17715
31 68.93175 54.54209 33.28076 12.17715
32 68.93175 54.54209 33.28076 12.17715
33 68.93175 54.54209 33.28076 12.17715
34 68.93175 54.54209 33.28076 12.17715
35 68.93175 54.54209 33.28076 12.17715
36 68.93175 54.54209 33.28076 12.17715
37 68.93175 54.54209 33.28076 12.17715
38 68.93175 54.54209 33.28076 12.17715
39 68.93175 54.54209 33.28076 12.17715
40 68.93175 54.54209 33.28076 12.17715
41 68.93175 54.54209 33.28076 12.17715
42 68.93175 54.54209 33.28076 12.17715
43 68.93175 54.54209 33.28076 12.17715
44 68.93175 54.54209 33.28076 12.17715
45 68.93175 54.54209 33.28076 12.17715
46 68.93175 54.54209 33.28076 12.17715
47 68.93175 54.54209 33.28076 12.17715
48 68.93175 54.54209 33.28076 12.17715
49 68.93175 54.54209 33.28076 12.17715
50 68.93175 54.54209 33.28076 12.17715
88
Lampiran 24. Regresi Model Minitab Klappertart
1.Klappertart
The regression equation is
KLAPPERTART = 404 + 1.14 PASTEL - 0.34 PASTEL1 + 3.39 MAKARONI - 1.68
MAKARONI1
+ 0.265 KLAPPERTART1
117 cases used, 1 cases contain missing values
Predictor Coef SE Coef T P
Constant 404.04 91.26 4.43 0.000
PASTEL 1.144 1.299 0.88 0.380
PASTEL1 -0.344 1.310 -0.26 0.794
MAKARONI 3.3861 0.9338 3.63 0.000
MAKARONI1 -1.6790 0.9808 -1.71 0.090
KLAPPERTART1 0.26520 0.08830 3.00 0.003
S = 332.715 R-Sq = 61.0% R-Sq(adj) = 59.2%
Analysis of Variance
Source DF SS MS F P
Regression 5 19191787 3838357 34.67 0.000
Residual Error 111 12287584 110699
Total 116 31479371
89
Lanjutan lampiran 24. Regresi Model Minitab Klappertart
Source DF Seq SS
PASTEL 1 15959246
PASTEL1 1 830354
MAKARONI 1 1330435
MAKARONI1 1 73318
KLAPPERTART1 1 998433
Unusual Observations
Obs PASTEL KLAPPERTART Fit SE Fit Residual St Resid
31 59 1734.0 640.6 108.9 1093.4 3.48R
37 593 3357.0 3582.5 240.1 -225.5 -0.98 X
38 66 335.0 184.2 231.5 150.8 0.63 X
39 188 2021.0 1329.7 73.8 691.3 2.13R
69 135 2291.0 1182.9 67.1 1108.1 3.40R
88 391 2710.0 3309.2 224.0 -599.2 -2.44RX
89 154 762.0 641.4 230.4 120.6 0.50 X
92 100 2202.0 1333.4 94.4 868.6 2.72R
104 104 2129.0 957.9 54.1 1171.1 3.57R
R denotes an observation with a large standardized residual.
X denotes an observation whose X value gives it large leverage.
90
Lampiran 25. Regresi Model Minitab Makaroni
2. Makaroni
The regression equation is
MAKARONI = 9.12 + 1.13 PASTEL - 0.201 PASTEL1 + 0.195 MAKARONI1
+ 0.0313 KLAPPERTART - 0.0105 KLAPPERTART1
117 cases used, 1 cases contain missing values
Predictor Coef SE Coef T P
Constant 9.124 9.474 0.96 0.338
PASTEL 1.12768 0.06511 17.32 0.000
PASTEL1 -0.2009 0.1245 -1.61 0.109
MAKARONI1 0.19539 0.09368 2.09 0.039
KLAPPERTART 0.031278 0.008626 3.63 0.000
KLAPPERTART1 -0.010467 0.008769 -1.19 0.235
S = 31.9773 R-Sq = 89.2% R-Sq(adj) = 88.7%
Analysis of Variance
Source DF SS MS F P
Regression 5 933875 186775 182.66 0.000
Residual Error 111 113502 1023
Total 116 1047378
91
Lanjutan lampiran 25. Regresi Model Minitab Makaroni
Source DF Seq SS
PASTEL 1 916472
PASTEL1 1 879
MAKARONI1 1 2995
KLAPPERTART 1 12072
KLAPPERTART1 1 1457
Unusual Observations
Obs PASTEL MAKARONI Fit SE Fit Residual St Resid
31 59 109.00 120.25 14.42 -11.25 -0.39 X
37 593 738.00 779.59 22.83 -41.59 -1.86 X
38 66 76.00 83.94 22.28 -7.94 -0.35 X
48 218 223.00 296.29 8.27 -73.29 -2.37R
61 104 220.00 148.77 4.44 71.23 2.25R
88 391 725.00 536.26 13.12 188.74 6.47RX
89 154 205.00 241.35 21.90 -36.35 -1.56 X
R denotes an observation with a large standardized residual.
X denotes an observation whose X value gives it large leverage.
92
Lampiran 26. Regresi Model Minitab Pastel
3. Pastel
The regression equation is
PASTEL = - 3.72 + 0.153 PASTEL1 + 0.647 MAKARONI - 0.0838 MAKARONI1
+ 0.00606 KLAPPERTART - 0.00322 KLAPPERTART1
117 cases used, 1 cases contain missing values
Predictor Coef SE Coef T P
Constant -3.721 7.199 -0.52 0.606
PASTEL1 0.15282 0.09430 1.62 0.108
MAKARONI 0.64724 0.03737 17.32 0.000
MAKARONI1 -0.08379 0.07191 -1.17 0.246
KLAPPERTART 0.006065 0.006887 0.88 0.380
KLAPPERTART1 -0.003219 0.006679 -0.48 0.631
S = 24.2260 R-Sq = 87.9% R-Sq(adj) = 87.3%
Analysis of Variance
Source DF SS MS F P
Regression 5 472028 94406 160.86 0.000
Residual Error 111 65146 587
Total 116 537174
93
Lanjutan lampiran 26. Regresi Model Minitab Pastel
Source DF Seq SS
PASTEL1 1 2353
MAKARONI 1 467874
MAKARONI1 1 1309
KLAPPERTART 1 356
KLAPPERTART1 1 136
Unusual Observations
Obs PASTEL1 PASTEL Fit SE Fit Residual St Resid
30 122 207.00 136.65 4.41 70.35 2.95R
31 207 59.00 88.88 10.58 -29.88 -1.37 X
33 78 148.00 98.46 4.41 49.54 2.08R
34 148 187.00 132.86 6.48 54.14 2.32R
37 151 593.00 493.19 14.78 99.81 5.20RX
38 593 66.00 65.48 16.89 0.52 0.03 X
48 10 218.00 146.73 4.61 71.27 3.00R
88 27 391.00 480.01 14.55 -89.01 -4.60RX
89 391 154.00 123.87 16.55 30.13 1.70 X
92 108 100.00 169.42 6.32 -69.42 -2.97R
R denotes an observation with a large standardized residual.
X denotes an observation whose X value gives it large leverage.