Pengujian Stabilitas Model - Hasil analisis 1 Uji Stasioneritas

IV. HASIL DAN PEMBAHASAN

4.7. Hasil analisis 1 Uji Stasioneritas

4.7.6 Pengujian Stabilitas Model

Pengujian selanjutnya yaitu pengujian stabilitas model VECM. Berdasarkan hasil AR Root Table, model dikatakan stabil apabila nilai modulusnya kurang dari satu. Terlihat pada tabel dibawah ini bahwa semua nilai modulus kurang dari satu, maka dapat disimpulkan bahwa model VECM tersebut telah stabil. Berikut adalah hasil pengujian stabilitas VECM.

Tabel 9. Pengujian Stabilitas Model Root Modulus 0.959089 0.959089 0.790458 0.790458 -0.617894 0.617894 0.465037-0.213163i 0.511564 0.465037+0.213163i 0.511564 -0.156347 0.156347

4.7.7 Impulse Response Function (IRF)

Analisis IRF dimaksudkan untuk mengetahui pengaruh perubahan dari satu variabel pada variabel itu sendiri atau variabel lainnya. Dalam penelitian ini analisis IRF bertujuan untuk mengetahui dampak guncangan dari setiap variabel yaitu ABS (Acrylonitrile Butadiene Stryrene), PP (Polypropilene) dan PS (Polystyrene).

1. Apabila ABS di impuls (shock)

0.5 0.6 0.7 0.8 0.9 1.0 5 10 15 20 25 30 35 40 45 50

Respon Variabel ABS Terhadap Shock Variabel ABS

.00 .05 .10 .15 .20 .25 .30 5 10 15 20 25 30 35 40 45 50

Respon Variabel PP Terhadap Shock Variabel ABS

-.3 -.2 -.1 .0 .1 .2 .3 .4 5 10 15 20 25 30 35 40 45 50

Respon Variabel PS Terhadap Shock Variabel ABS

Gambar 3. Impulse Response ABS

Respon yang pertama dianalisa yaitu apabila variabel ABS di impuls. Gambar pertama menunjukkan respon ABS terhadap guncangan variabel ABS sendiri. Berdasarkan gambar tersebut, diketahui bahwa respon yang diberikan ABS terhadap variabel itu sendiri pada satu standar deviasi terlihat bernilai positif. Pergerakan dari respon tersebut menurun pada periode ke dua sebesar 79 persen. Terjadi lonjakan pada periode ke tiga dengan nilai 88 persen. Akan tetapi menurun pada periode ke tiga hingga periode 11 dengan nilai yang cukup drastis yaitu hingga 59 persen. Respon kemudian bergerak cenderung stabil pada periode ke 12 hingga periode ke 60 dengan bertahan di angka 59 persen.

Gambar selanjutnya menunjukkan respon variabel PP terhadap guncangan dari variabel ABS. Terlihat pada gambar, respon yang diberikan variabel PP pada

perubahan standar deviasi ABS bernilai positif. Kenaikan yang cukup drastis terlihat pada periode ke dua dengan nilai 29 persen, dimana pada periode pertama berada pada nilai 0 persen. Pada periode berikutnya terjadi fluktuasi ringan hingga pada periode ke 12 respon terlihat stabil dengan nilai 15 persen. Dengan nilai respon yang positif disimpulkan bahwa guncangan dari penjualan produk ABS sebesar satu standar deviasi berpengaruh positif terhadap penjualan produk PP.

Gambar berikutnya menunjukkan respon variabel PS terhadap guncangan dari variabel ABS. Jika dilihat pada gambar di atas, respon yang diberikan variabel PS pada perubahan satu standar deviasi variabel ABS cenderung bernilai negatif. Titik awal pada periode pertama bernilai 2 persen, selanjutnya mengalami peningkatan pada periode ke dua dengan nilai 31 persen. Respon variabel PS berikutnya terlihat penurunan hingga bernilai negatif. Penurunan tersebut dimulai dari periode ke dua sampai periode ke 12 dengan nilai yaitu -27 persen, dan nilai tersebut tetap bertahan hingga periode ke 50. Dengan nilai respon yang negatif dapat disimpulkan bahwa guncangan dari penjualan ABS sebesar satu standar deviasi berpengaruh negatif terhadap penjualan PS.

2. Apabila variabel PP di impuls (shock)

0.4 0.5 0.6 0.7 0.8 0.9 1.0 5 10 15 20 25 30 35 40 45 50

Respon Variabel PP Terhadap Shock Variabel PP

-.30 -.25 -.20 -.15 -.10 -.05 .00 5 10 15 20 25 30 35 40 45 50

Respon Variabel ABS Terhadap Shock Variabel PP

-.12 -.08 -.04 .00 .04 .08 .12 .16 .20 .24 5 10 15 20 25 30 35 40 45 50

Respon Variabel PS Terhadap Shock Variabel PP

Gambar 4. Impulse Response PP

Respon kedua yang dianalisa yaitu apabila variabel PP di impuls. Terlihat pada gambar yang pertama menunjukkan respon dari variabel PP terhadap guncangan variabel PP itu sendiri. Respon yang diberikan variabel PP pada perubahan satu standar deviasi terhadap variabel PP itu sendiri bernilai positif. Dimana pergerakan respon variabel PP terhadap dirinya sendiri di setiap periodenya cenderung bergerak stabil, walaupun pada periode pertama setelah berada pada nilai 94 persen, terjadi penurunan di periode kedua dengan nilai 48 persen. Respon selanjutnya terjadi fluktuasi hingga pada periode ke 9, pergerakan selanjutnya dari periode ke 9 hingga periode ke 50 terlihat stabil dengan nilai 60

persen. Dengan nilai respon yang positif disimpulkan bahwa guncangan dari penjualan produk PP sebesar satu standar deviasi berpengaruh positif terhadap naik turunnya penjualan produk PP itu sendiri.

Pada gambar selanjutnya terlihat respon dari variabel ABS terhadap guncangan variabel PP. Gambar tersebut menunjukkan respon yang diberikan variabel ABS pada perubahan standar deviasi PP bernilai negatif. Dari grafik yang ditunjukkan terlihat respon dari variabel ABS terhadap variabel PP sangat berfluktuatif, yang pada akhirnya mengalami kestabilan respon hingga periode 50. Dengan nilai respon yang negatif dapat disimpulkan bahwa guncangan dari penjualan produk PP sebesar satu standar deviasi berpengaruh negatif terhadap penjualan produk ABS.

Gambar selanjutnya menunjukkan respon yang diberikan variabel PS terhadap guncangan dari variabel PP. Jika dilihat pada gambar di atas, respon yang diberikan variabel PS pada perubahan satu standar deviasi variabel PP cenderung bernilai negatif. Titik awal pada periode pertama bernilai 0 persen, selanjutnya mengalami peningkatan pada periode ke tiga dengan nilai 22 persen. Respon variabel PS berikutnya terlihat penurunan hingga bernilai negatif. Penurunan tersebut dimulai dari periode ke 3 sampai periode ke 11 dengan nilai yaitu -10 persen, dan nilai tersebut cenderung stabil sampai periode ke 50. Dengan nilai respon yang negatif dapat disimpulkan bahwa guncangan dari penjualan PP sebesar satu standar deviasi berpengaruh negatif terhadap penjualan PS.

3. Apabila variabel PS di impuls (shock)

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 5 10 15 20 25 30 35 40 45 50

Respon Variabel PS Terhadap Shock Variabel PS

-.30 -.25 -.20 -.15 -.10 -.05 .00 .05 .10 5 10 15 20 25 30 35 40 45 50

Respon Variabel ABS Terhadap Shock Variabel PS

-.14 -.12 -.10 -.08 -.06 -.04 -.02 .00 5 10 15 20 25 30 35 40 45 50

Respon Variabel PP Terhadap Shock Variabel PS

Gambar 5. Impulse Response PS

Respon ketiga yang dianalisa yaitu apabila variabel PS di impuls. Gambar pertama menunjukkan respon yang diberikan variabel PS terhadap guncangan dari variabel PS itu sendiri. Berdasarkan grafik di atas, respon yang diberikan oleh

variabel PS pada perubahan satu standar deviasi variabel PS itu sendiri bernilai positif. Dimana respon yang diberikan cenderung menurun secara signifikan, dengan titik awal bernilai 100 persen pada periode pertama dan nilai respon terendah mencapai 12 persen berada pada periode ke 10. Selanjutnya nilai respon yang diberikan stabil dengan nilai 12 persen dari periode ke 10 hingga periode ke 50.

Gambar selanjutnya menunjukkan respon variabel ABS terhadap guncangan dari variabel PS. Jika dilihat pada gambar di atas, respon yang diberikan variabel PS pada perubahan satu standar deviasi variabel PS cenderung bernilai negatif. Titik awal pada periode pertama bernilai 2 persen, selanjutnya mengalami sedikit peningkatan pada periode ke tiga dengan nilai 8 persen. Respon berikutnya terlihat penurunan hingga bernilai negatif. Penurunan tersebut dimulai dari periode ke 3 sampai periode ke 11 dengan nilai yaitu -25 persen, dan nilai tersebut cenderung stabil sampai periode ke 50. Dengan nilai respon yang negatif dapat disimpulkan bahwa guncangan dari penjualan PS sebesar satu standar deviasi berpengaruh negatif terhadap penjualan ABS.

Gambar berikutnya menunjukkan respon variabel PP terhadap guncangan dari variabel PS. Dilihat dari respon yang diberikan variabel PP pada perubahan satu standar deviasi variabel PS bernilai negatif. Terlihat respon dari variabel PP terhadap variabel PS cenderung menurun, yang pada akhirnya mengalami kestabilan respon hingga periode 50. Penurunan terlihat pada periode pertama dengan nilai -3,8 persen, dimana titik awal pada periode pertama bernilai 0 persen. Kenaikan yang tidak begitu besar terjadi pada periode ke tiga dengan nilai -3,7 persen. Akan tetapi respon menurun kembali hingga nilai tersebut stabil sampai periode ke 50. Dengan nilai respon yang negatif dapat disimpulkan bahwa guncangan dari penjualan produk PS sebesar satu standar deviasi berpengaruh negatif terhadap penjualan produk PP.

4.7.8 Forecast Error Variance Decomposition (FEVD)

Dengan analisis Forecast Error Variance Decomposition (FEVD) ini akan memberikan informasi mengenai ramalan 50 periode ke depan dari setiap variabel dan seberapa persen variasi pada sebuah variabel dijelaskan oleh setiap gangguan yang ada dalam model yang diaplikasikan.

1. ABS (Acrylonitrile Butadiene Stryrene)

 Forecast Error ABS

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 ABS yaitu:

ABS = 55082 + 0,271 ABSlag-2 + 0,603 ABSlag-1 + 0,152 PPlag-2 - 0,163 PPlag-1 + 0,046 PP - 0,194 PSlag-2 - 0,014 PSlag-1 + 0,212 PS

Dari persamaan regresi tersebut kita dapat mengetahui nilai prediksi penjualan ABS. Setelah mendapatkan nilai persamaan regresinya, kita dapat menghitung nilai peramalannya. Tabel 10 merupakan hasil peramalan dari variabel ABS selama 1 tahun kedepan dari bulan ke 61 (Januari 2011) hingga bulan ke 72 (Desember 2011) dengan satuan Kilogram di setiap nilainya.

Tabel 10. Hasil peramalan ABS

Bln Forecast.

Nilai

persamaan Nilai Forecast

Nilai Aktual Keakuratan 61 + 106.138 915.668 809.530 1.021.806 900.809 Akurat 62 + 138.955 899.820 760.865 1.038.775 894.444 Akurat 63 + 167.442 894.754 727.312 1.062.196 870.735 Akurat 64 + 187.934 881.957 694.023 1.069.891 868.603 Akurat 65 + 204.258 870.342 666.084 1.074.600 864.614 Akurat 66 + 218.811 859.462 640.651 1.078.273 856.367 Akurat 67 + 231.420 861.379 629.959 1.092.799 866.387 Akurat 68 + 243.383 860.625 617.242 1.104.008 781.663 Akurat 69 + 254.437 861.565 608.128 1.116.002 1.041.329 Akurat 70 + 265.044 862.967 597.923 1.128.011 - - 71 + 275.128 862.827 587.699 1.137.955 - - 72 + 284.867 867.243 582.376 1.152.110 - -

Berdasarkan tabel di atas, dilihat dari hasil nilai persamaan atau nilai prediksi sementara dari variabel ABS mengalami fluktuasi. Hal ini juga akan mempengaruhi nilai ramalannya yang akan cenderung berfluktuatif di setiap bulannya hingga bulan ke 72 (Desember 2011). Sedangkan jika dilihat dari hasil nilai aktual atau nilai yang sesungguhnya, hasil peramalan penjualan pada komoditi ABS dari bulan ke 61 (Januari 2011) hingga bulan ke 69 (September 2011) sudah akurat. Hal ini dapat di lihat dari nilai aktual selama sembilan bulan ini yaitu dari bulan ke 61 (Januari 2011) hingga bulan ke 69 (September 2011) berada dalam rentang nilai forecast. Untuk peramalan tiga bulan berikutnya yaitu

bulan ke 70 (Oktober 2011) hingga bulan ke 72 (Desember 2011) perusahaan dapat menetapkan target penjualan komoditi ABS pada rentang nilai forecast.

 Variance Decomposition ABS

Hasil dari variance decomposition ini akan ditunjukan dalam bentuk diagram dibawah ini.

Gambar 6. Variance Decomposition ABS

Jika dilihat dari diagram di atas, dapat diketahui bahwa peramalan penjualan ABS untuk 50 periode kedepan mengalami penurunan. Pada periode pertama penjualan produk ABS dipengaruhi oleh ABS itu sendiri hingga mencapai nilai 100 persen. Pada periode berikutnya pengaruh ABS mulai melemah hingga terus mengalami penurunan sampai periode ke 50 dengan nilai 63 persen. Dari hasil analisis variance decomposition pada komoditi ABS dapat disimpulkan bahwa penjualan ABS dipengaruhi oleh ABS itu sendiri, sedangkan pengaruh penjualan produk PP dan PS tidak begitu besar sehingga secara keseluruhan penjualan ABS pengaruhnya masih di dominasi oleh dirinya sendiri baik dalam jangka pendek maupun jangka panjang.

2. PP (Polypropylene)

 Forecast Error PP

PP = 3052 - 0,137 ABSlag-2 + 0,070 ABS + 0,230 ABSlag-1 + 0,506 PPlag-2 + 0,439 PPlag-1 - 0,083 PSlag-1 - 0,013 PSlag-2 + 0,054 PS

Dari persamaan regresi tersebut kita dapat mengetahui nilai prediksi penjualan PP. Setelah mendapat persamaan regresinya, kita dapat menghitung nilai peramalannya. Tabel 11 merupakan hasil peramalan dari variabel PP selama 1 tahun kedepan dari bulan ke 61 (Januari 2011) hingga bulan ke 72 (Desember 2011) dengan satuan Kilogram di setiap nilainya.

Tabel 11. Hasil peramalan PP

Bln Forecast.

Nilai

Persamaan Nilai Forecast

Nilai Aktual Keakuratan 61 + 137.084 1.436.021 1.298.937 1.573.105 1.506.908 Akurat 62 + 155.654 1.473.707 1.318.053 1.629.361 1.575.964 Akurat 63 + 187.422 1.507.380 1.319.958 1.694.802 1.580.163 Akurat 64 + 205.248 1.538.960 1.333.712 1.744.208 1.654.460 Akurat 65 + 225.185 1.565.841 1.340.656 1.791.026 1.769.163 Akurat 66 + 240.599 1.591.765 1.351.166 1.832.364 1.792.531 Akurat 67 + 255.798 1.618.194 1.362.396 1.873.992 1.805.469 Akurat 68 + 269.322 1.644.850 1.375.528 1.914.172 1.841.102 Akurat 69 + 282.408 1.669.652 1.387.244 1.952.060 1.879.469 Akurat 70 + 294.672 1.694.568 1.399.896 1.989.240 - - 71 + 306.504 1.718.648 1.412.144 2.025.152 - - 72 + 317.831 1.705.723 1.387.892 2.023.554 - -

Berdasarkan tabel di atas, dilihat dari hasil nilai persamaan atau nilai prediksi sementara dari variabel PP cenderung mengalami peningkatan dalam penjualan di setiap bulannya. Akan tetapi penurunan penjualan terjadi pada akhir bulan yaitu pada bulan ke 72 (Desember 2011). Hal ini juga akan mempengaruhi nilai ramalannya yang akan cenderung mengalami peningkatan dalam penjualan PP di setiap bulannya hingga bulan ke 71 (November 2011). Sedangkan jika dilihat dari hasil nilai aktual atau nilai yang sesungguhnya, hasil peramalan penjualan pada komoditi PP dari bulan ke 61 (Januari 2011) hingga bulan ke 69 (September 2011) sudah akurat. Hal ini dapat di lihat dari nilai aktual selama sembilan bulan ini yaitu dari bulan ke 61 (Januari 2011) hingga bulan ke 69 (September 2011) berada dalam rentang nilai forecast. Untuk peramalan tiga bulan berikutnya yaitu bulan ke 70 (Oktober 2011) hingga bulan ke 72 (Desember 2011) perusahaan dapat menetapkan target penjualan komoditi PP pada rentang nilai forecast.

 Variance Decomposition PP

Gambar 7. Variance Decomposition PP

Gambar 7 menunjukkan variance decomposition dari variabel PP. Dilihat dari diagram tersebut, dapat diketahui bahwa peramalan penjualan produk PP pada 50 periode kedepan sangat berpengaruh besar terhadap produk PP itu sendiri. Pada periode pertama pengaruh variabel PP bernilai 100 persen dan di periode selanjutnya menurun, akan tetapi penurunannya tidak begitu besar yaitu berada di rata-rata 94 persen sehingga pengaruh penjualan pada komoditi PP di dominasi oleh dirinya sendiri.Jadi dapat disimpulkan bahwa pengaruh dari PP masih sangat kuat dibandingkan dengan variabel lainnya yaitu ABS dan PS baik dalam jangka pendek maupun jangka panjang.

3. PS (Polystyrene)

 Forecast Error PS

PS = 171560 - 0,154 ABSlag-2 - 0,114 ABSlag-1 + 0,347 ABS - 0,132 PPlag-2 - 0,011 PPlag-1 + 0,057 PP - 0,094 PSlag-2 + 0,786 PSlag-1

Dari persamaan regresi tersebut kita dapat mengetahui nilai prediksi penjualan PS. Setelah mendapat persamaan regresinya, kita dapat menghitung nilai peramalannya. Tabel 12 merupakan hasil peramalan dari variabel PS selama

1 tahun kedepan dari bulan ke 61 (Januari 2011) hingga bulan ke 72 (Desember 2011) dengan satuan Kilogram di setiap nilainya.

Tabel 12. Hasil peramalan PS

Bln Forecast.

Nilai

Persamaan Nilai Forecast

Nilai Aktual Keakuratan 61 + 129.932 277.447 147.515 407.379 338.717 Akurat 62 + 174.281 324.394 150.113 498.675 254.171 Akurat 63 + 187.470 347.496 160.026 534.966 330.402 Akurat 64 + 191.897 356.273 164.376 548.170 262.667 Akurat 65 + 194.829 355.949 161.120 550.778 247.617 Akurat 66 + 196.847 351.382 154.535 548.229 248.843 Akurat 67 + 198.663 349.210 150.547 547.873 301.543 Akurat 68 + 200.771 346.935 146.164 547.706 347.369 Akurat 69 + 203.111 343.899 140.788 547.010 447.257 Akurat 70 + 205.543 338.422 132.879 543.965 - - 71 + 208.006 333.272 125.266 541.278 - - 72 + 210.477 326.012 115.535 536.489 - -

Berdasarkan tabel di atas, dapat dilihat dari hasil nilai persamaan atau nilai prediksi sementara dari variabel PS mengalami fluktuasi pada penjualannya. Hal ini juga akan mempengaruhi nilai ramalan penjualan PS di setiap bulannya dari bulan ke 61 (Januari 2011) hingga bulan ke 72 (Desember 2011). Sedangkan jika dilihat dari hasil nilai aktual atau nilai yang sesungguhnya, hasil peramalan penjualan pada komoditi PS dari bulan ke 61 (Januari 2011) hingga bulan ke 69 (September 2011) sudah akurat. Hal ini dapat di lihat dari nilai aktual selama sembilan bulan ini yaitu dari bulan ke 61 (Januari 2011) hingga bulan ke 69 (September 2011) berada dalam rentang nilai forecast. Untuk peramalan tiga bulan berikutnya yaitu bulan ke 70 (Oktober 2011) hingga bulan ke 72 (Desember 2011) perusahaan dapat menetapkan target penjualan komoditi PS pada rentang nilai forecast.

 Variance Decomposition PS

Gambar 8. Variance Decomposition PS

Gambar 8 menunjukkan variance decomposition dari variabel PS. Dilihat dari diagram tersebut, diketahui bahwa peramalan penjualan produk PS pada 50 periode kedepan sangat berpengaruh besar terhadap produk PS itu sendiri. Selain itu variabel lain yang berpengaruh dalam penjualan PS yaitu variabel ABS. Sedangkan pengaruh variabel lainnya yaitu variabel PP yang berpengaruh lebih kecil dibandingkan dengan variabel ABS. Dari hasil analisis variance decomposition dari produk PS dapat disimpulkan bahwa penjualan produk PS dipengaruhi oleh produk PS itu sendiri dan juga produk ABS baik dalam jangka pendek maupun dalam jangka panjang.

Dalam dokumen Analisis Peramalan Penjualan Menggunakan Pendekatan Kointegrasi Pada Komoditas ABS (Acrylonitrile Butadiene Stryrene), PP (Polypropylene) dan PS (Polystyrene) di PT S-IK Indonesia (Halaman 38-48)