Aliminsyah dan Pandji. 2003. Kamus Istilah Akuntansi, Bandung: Yrama Widya.
Anonim. 2009. Diakses dari http://thesis.binus.ac.id/doc/Bab2/2009-1-00459- STIF%20Bab%202.pdf.
Anonim. 2016. Pengenalan Analisis Deret Waktu. Diakses dari: https://www.
swanstatistics.com/wp-content/uploads/2016/10/pengenalan-analisis-deretwaktu.pdf.
Asmara A. 2011. Dampak Volatilitas Variabel Ekonomi Terhadap Kinerja Sektor Industri Pengolahan dan Makro Ekonomi Indonesia [disertasi]. Bogor (ID):
Institut Pertanian Bogor.
Assauri, Sofjan. 1984. Teknik dan metode peramalan. Jakarta : Fakultas Ekonomi Universitas Indonesia
Badan Litbang Pertanian. 2006. Prospek dan Pengembangan Agribisnis Bawang Merah. Jakarta: Badan Penelitian dan Pengembangan Pertanian Kementerian Pertanian.
Bourdon M H. 2011. Agricultural Commodity Price Volatility. OECD Food, Agriculture and Fisheries Papers No. 52.
Buchari Alma. 2007, Manajemen Pemasaran & Pemasaran Jasa. Bandung: CV.
Alfabeta.
Christopher L. Gilbert. Preliminary draft: 14 February2012. Abstract. The paper examines the impact of changes in the positions of financial actors on thevolatilities of Chicago grains and vegetable oil prices using a GARCH-X framework within which a variant of Granger-.
Daniel, Moehar. 2004. Pengantar Ekonomi Pertanian. PT Bumi Aksara, Jakarta.
(FAO) Food and Agricultultral Organization. et al. 2011. Tersedia dari:
http://Globerice.org
Gaynor, P.E., and Kirkpatrick, R.C., 1994, Introduction to Time series Modelling and Forecasting in Business and Economics, Singapore: Mc Grow Hill.
Gilbert CL, Morgan CW. 2010. Food Price Volatility. Philosophical Transactions of The Royal Society, 365: 3023–3034. doi:10.1098/rstb.2010.0139.
Irawan, B. 2007. Fluktuasi Harga, Transmisi Harga, dan Marjin Pemasaran Sayur dan Buah. Pusat Analisis Sosial Ekonomi dan Kebijakan Pertanian. Bogor.
Kurniawan, R, I. 2007. Peramalan dan Faktor Faktor yang Mempengaruhi Harga Bawang Merah Enam Kota Besar di Indonesia. Skripsi Sarjana. Fakultas Pertanian, Institut Pertanian Bogor
Makridakis. 1999. Metode dan aplikasi peramalan. Edisi 2. Jakarta : Binarupa Aksara
Mankiw, N. Gregory, 2000. Teori Makro Ekonomi. Edisi Keempat. Erlangga. Jakarta.
Mulyono, A. 2000. Peramalan Bisnis dan Ekonometrika. Edisi Pertama. Jogjakarta : BPFE
Oka A. Yoeti. 2008. Ekonomi Pariwisata: Introduksi, Informasi, dan Implementasi.
Penerbit Kompas. Jakarta
Putong, Iskandar. 2010. Economics: Pengantar Mikro dan Makro edisi 4. Jakarta : Mitra Wacana Media.
Putrasamedja, Sartono dan Suwandi. 1996. Varietas Bawang Merah di Indonesia.
Bandung: Balai Penelitian Tanaman dan Sayuran
Rahayu, Estu, dan Berlian, Nur. 1999. Pedoman Bertanam Bawang Merah. Penebar Swadaya. Jakarta
Syaipul Bahri STM 2009. Peramalan Produksi Jagung Kabupaten Simalungun Pada Tahun 2012. Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatra Utara. Medan.
Samadi, B. dan Cahyono, B., 2005. Bawang Merah Intensifikasi Usaha Tani. Kanisius, Yogyakarta
Santoso, Singgih. 2009. Business forecasting. Jakarta: Elex Media Komputindo.
Sihotang, K. 2013. Analisa Deret Waktu Konsumsi Kalori di Provinsi Suamtera Utara
pada Tahun 2002-2012. Diakses dari:
http://repository.usu.ac.id/bitstream/123456789/40276/4/Chapter%20II .pdf Siregar, Alden. 2008. Penyusunan Jadwal Induk Produksi Pada PT. Hitachi
Construction Machinery Indonesia. Fakultas Teknologi Industri: Universitas Gunadarma.
Stato, H. 2007. Analisis Faktor-Faktor yang Mempengaruhi Fluktuasi Harga Bawang Merah dan Peramalannya (Studi Kasus Pasar Induk Kramat Jati, DKI Jakarta).
Skripsi Sarjana. Fakultas Pertanian, Institut Pertanian Bogor, Bogor.
Suryawati.1998.Teori Ekonomi Mikro.UPP AMP YKPN.Yogyakarta.
Tangernman, Stefan. 2011. Policy Solutions to Agricultural Market Volatility.
University of Gottingen.
Tothova. 2011. Main Challenges of Price Volitality on Agriculutural Commodity Market.
Umar, Husein. (2001). Strategic Management in Action. PT Gramedia Pustaka Utama, Jakarta.
Wibowo, S. 2005. Budi Daya Bawang Putih, Merah dan Bombay. Jakarta: Penebar Swadaya. hal: 17-23.
Wibowo. A, R. 2011. Peramalan dan Faktor Faktor yang Mempengaruhi Harga Bawang Merah di Sumatera Utara. Jurnal. Fakultas Pertanian, Universitas Sumatera Utara.
Lampiran 1. Harga bawang merah bulanan kurun waktu 2014 – 2016 (Rp/kg)
September 18.890 18.890 32.260
Oktober 18.333 18.333 30.814
November 17.841 17.841 30.814
Desember 17.667 17.667 30.814
Rataan 20.991 19.500 33.650
Sumber: Dinas Ketahanan Pangan Kota Medan, 2017
Lampiran 2. Data produksi bawang merah Sumatera Utara Tahun 2014 – 2016
Sumber: Dinas Pertanian Sumatera Utara, 2017
Lampiran 3. Data jumlah bawang merah impor Sumatera Utara Tahun 2014 –
Sumber: Kementerian Pertanian Direktorat Jenderal Hortikultura , 2017
Lampiran 4. Data Konsumsi bawang merah Kota Medan Tahun 2014 – 2016
Sumber: Dinas Ketahanan Pangan Sumatera Utara, 2017
Lampiran 5. Data Kurs Dollar Terhadap Rupiah Tahun 2014 – 2016 (Rp)
September 12.390 14.896 13.618
Oktober 12.644 14.295 13.517
November 12.658 14.172 13.810
Desember 12.938 14.354 13.917
Sumber: Bank Indonesia, 2017
Lampiran 6. Data Harga Pupuk Urea Tahun 2014 – 2016 (Rp/kg)
Bulan 2014 2015 2016
Sumber: Kementerian Pertanian, 2017
Lampiran 7. Grafik Perbandingan Antar Variabel Tahun 2014, 2015 dan 2016.
jan feb mar apr mei juni juli agus sept okt nov des
Harga bawang merah
jan feb mar apr mei juni juli agus sept okt nov des
Harga bawang merah
jan feb mar apr mei juni juli agus sept okt nov des
Harga bawang merah
Lampiran 8. Hasil Analisis SPSS Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parametersa,b Mean 0E-7
Std. Deviation 4603.08252089
Asymp. Sig. (2-tailed) .968
a. Test distribution is Normal.
b. Calculated from data.
Lampiran 9. Hasil Analisis SPSS Uji Multikolinieritas
Variables Entered/Removeda b. All requested variables entered.
Model Summaryb
a. Predictors: (Constant), pupuk, konsumsi, impor, produksi, kurs b. Dependent Variable: harga
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 963849814.928 5 192769962.986 7.798 .000b Residual 741592904.295 30 24719763.476
Total 1705442719.22
2 35
a. Dependent Variable: harga
b. Predictors: (Constant), pupuk, konsumsi, impor, produksi, kurs
Coefficientsa Model Unstandardized Coefficients Standardized
Coefficients
t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1
(Constant) 74140.975 33364.954 2.222 .034
produksi -6.303 4.449 -.245 -1.417 .167 .486 2.057
Model Dimension Eigenvalue Condition Index Variance Proportions
(Constant) produksi impor konsumsi kurs pupuk
1
Lampiran 10. Hasil Analisis SPSS Uji Heteroskedastisitas b. All requested variables entered.
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 31598240.623 5 6319648.125 .810 .552b
Residual 234090607.245 30 7803020.242
Total 265688847.869 35
a. Dependent Variable: RES2
b. Predictors: (Constant), pupuk, konsumsi, impor, produksi, kurs
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients
t Sig.
B Std. Error Beta
1
(Constant) 16976.262 18745.617 .906 .372
produksi -2.453 2.500 -.241 -.982 .334
Lampiran 11. Hasil Analisis SPSS Log Regresi Linier Berganda b. All requested variables entered.
Model Summaryb
a. Predictors: (Constant), pupuk, konsumsi, impor, produksi, kurs b. Dependent Variable: harga
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 963849814.928 5 192769962.986 7.798 .000b Residual 741592904.295 30 24719763.476
Total 1705442719.22
2 35
a. Dependent Variable: harga
b. Predictors: (Constant), pupuk, konsumsi, impor, produksi, kurs
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients
t Sig.
B Std. Error Beta
1
(Constant) 74140.975 33364.954 2.222 .034
produksi -6.303 4.449 -.245 -1.417 .167
Impor -11.840 4.120 -.533 -2.874 .007
konsumsi 11.243 2.563 .920 4.387 .000
Kurs -5.205 1.896 -.596 -2.746 .010
Pupuk 5.812 9.117 .078 .637 .529
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 16408.2246 36885.0313 25210.2778 5247.72009 36
Residual -7287.61279 11428.30664 .00000 4603.08252 36
Std. Predicted Value -1.677 2.225 .000 1.000 36
Std. Residual -1.466 2.299 .000 .926 36
a. Dependent Variable: harga
Lampiran 12. Hasil Analisis Minitab Peramalan Harga Bawang Merah Time Series Plot of harga bawang merah
Year
Time Series Plot of harga bawang merah
Box-Cox Plot of harga bawang merah
Autocorrelation Function: harga bawang merah
Autocorrelation Function for harga bawang merah
(with 5% significance limits for the autocorrelations)
18 -0.241070 -0.66 86.44 19 -0.211551 -0.57 90.04 20 -0.191683 -0.51 93.18 21 -0.182778 -0.49 96.23 22 -0.214600 -0.57 100.73 23 -0.241785 -0.63 106.88 24 -0.230057 -0.60 112.91 25 -0.249392 -0.64 120.65 26 -0.231389 -0.59 127.97 27 -0.166636 -0.42 132.19 28 -0.109318 -0.27 134.24 29 -0.086502 -0.22 135.70 30 -0.078751 -0.20 137.11 31 -0.061182 -0.15 138.14 32 -0.055337 -0.14 139.18 33 -0.041617 -0.10 139.97 34 -0.009846 -0.02 140.04 35 0.012449 0.03 140.25
Partial Autocorrelation Function: harga bawang merah
34 0.001343 0.01 35 -0.023232 -0.14
35 30
25 20
15 10
5 1
1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0
Lag
Partial Autocorrelation
Partial Autocorrelation Function for harga bawang merah
(with 5% significance limits for the partial autocorrelations)
ARIMA Model: harga bawang merah
Iteration SSE Parameters
0 468465907 0.100 0.100 0.100 46.761
** Convergence criterion not met after 25 iterations **
Final Estimates of Parameters
Type Coef SE Coef T-Value P-Value AR 1 0.651 0.172 3.79 0.001 MA 1 0.7167 0.0995 7.20 0.000 MA 2 0.406 0.164 2.48 0.019 Constant 85.74 4.84 17.71 0.000 Differencing: 1 regular difference
Number of observations: Original series 36, after differencing 35
Residual Sums of Squares
DF SS MS
31 330609589 10664825
Back forecasts excluded
Modified Box-Pierce (Ljung-Box) Chi-Square Statistic
Lag 12 24 36 48
Chi-Square 12.55 23.30 * *
DF 8 20 * *
P-Value 0.128 0.274 * *
Forecasts from period 36
95% Limits
Period Forecast Lower Upper Actual 37 30401.4 23999.3 36803.5 38 30082.2 21321.6 38842.8 39 29960.2 20664.2 39256.2 40 29966.5 20588.1 39344.9 41 30056.4 20677.9 39434.8 42 30200.6 20790.9 39610.3 43 30380.2 20883.6 39876.8 44 30582.8 20949.6 40216.0 45 30800.4 20994.1 40606.8 46 31027.8 21024.2 41031.4 47 31261.5 21046.2 41476.9 48 31499.4 21064.5 41934.3 49 31739.9 21082.1 42397.7 50 31982.2 21101.0 42863.4 51 32225.6 21122.1 43329.1 52 32469.8 21146.3 43793.2 53 32714.4 21173.8 44255.0 54 32959.4 21204.8 44714.0 55 33204.6 21239.2 45169.9 56 33449.9 21277.1 45622.6 57 33695.2 21318.3 46072.2 58 33940.7 21362.7 46518.7 59 34186.2 21410.2 46962.1 60 34431.7 21460.7 47402.6