KRAMAT JATI Petani/Produsen
3. Sub Terminal Agribisnis (STA)
STA sebagai pasar di tingkat petani (farm-gate market) adalah sarana pemasaran hasil pertanian yang berada pada sentra produksi pertanian yang dilengkapi dengan sarana/prasarana pemasaran, penanganan pasca panen, penanganan mutu, sistem informasi pasar dan distribusi komoditas pertanian. Diharapkan kelembagaan ini dapat berfungsi sebagai agen/institusi pemasaran produk pertanian dimana petani/kelompok tani/gabungan kelompok tani melalui perwakilannya terlibat secara langsung dalam pengelolaan dan penentuan harga yang berlaku di pasar tersebut. Terdapat enam STA di provinsi Jawa Barat diantaranya STA Cigombong-Cianjur, STA Bayongbong-Garut, STA Panumbangan-Ciamis, STA Maja-Majalengka untuk produk hortikultura, STA Parigi-Ciamis untuk produk kelapa, dan STA Rancamaya-Bogor untuk produk buah-buahan (Kementan, 2011b).
Meskipun sudah terdapat STA yang membantu petani dalam memasarkan produknya, akan tetapi terkendala oleh lokasi yang jauh dan setiap kota belum terdapat STA sehingga program ini juga belum optimal untuk membantu
81 permasalahan petani dalam memasarkan produk hasil pertaniannya. Hal ini disebabkan juga oleh ketidakmampuan petani dalam mengangkut hasil produk pertaniannnya karena biaya transportasi menuju lokasi STA yang cukup jauh, faktor kebiasaan petani yang menjual hasil pertaniannya ke pedagang pengumpul untuk pemenuhan kebutuhan sehari-hari dan modal untuk produksi selanjutnya, dan sistem ijon yang biasa diterapkan.
Dari permasalahan tersebut diatas, maka alternatif strategi yang perlu diterapkan dalam mengatasinya adalah sebagai berikut:
1. Perlu adanya pemberdayaan sumber daya manusia oleh tenaga penyuluh yang tersedia untuk memberi pendidikan dan pelatihan dalam mengatur dan mengelola LKM sehingga dapat dikelola dengan baik. Pemberian penyuluhan kepada petani dalam upaya perbaikan sistem produksi untuk mengatasi permasalahan gagal panen yang menyebabkan kredit macet.
2. Dari program STA tersebut, perlu adanya pembentukan di setiap kota di setiap provinsi yang mudah diakses oleh petani sehingga program tersebut akan lebih maksimal dalam pemanfaatan dan peningkatan pendapatan petani dengan memperoleh harga yang seharusnya. Hal ini akan mengurangi ketergantungan petani untuk menjual hasil pertaniannya ke pedagang pengumpul karena harga yang diberikan relatif lebih rendah dan tidak menguntungkan petani. Dalam penerapan Supply Chain Management (SCM) di setiap sub sistem yang terintegrasi dengan baik melalui pengembangan sistem manajemen untuk perbaikan sistem penyaluran produk, informasi, pelayanan dan dana dari pemasok ke pengguna akhir (konsumen) dapat meningkatkan daya saing yang tidak semata dilakukan melalui perbaikan produktivitas dan kualitas produk, tetapi juga melalui pengemasan, pemberian merk, efisiensi, transportasi, informasi, penguatan kelembagaan dan penciptaan inovasi secara kontinyu dan sistematik. Untuk itu, perlu adanya dukungan dan kerjasama dengan pemerintah sebagai fasilitator dan regulator untuk menerapkan konsep SCM tersebut dalam upaya peningkatan taraf hidup dan kesejahteraan petani. 3. Terkait dengan permasalahan yang dihadapi dalam penerapan asuransi
pertanian, berdasarkan penelitian yang dilakukan Pasaribu et al. (2010) pada pengembangan asuransi usahatani padi, langkah yang perlu dilakukan adalah
82 dukungan pemerintah daerah setempat untuk koordinasi dengan dinas teknis terkait lainnya, pihak swasta (asuransi swasta) serta kelompok tani/petani dalam implementasi skim asuransi usahatani padi. Membentuk rancangan tim kerja kelompok beserta struktur organisasinya dan diperlukannya sosialisasi terhadap stakeholders atau pemangku kepentingan baik di tingkat pusat maupun tingkat daerah. Dukungan pemerintah sangat diperlukan untuk mengalokasikan dana yang bersumber dari APBD untuk pelaksanaan skim pembiayaan asuransi pertanian. Menurut Sumaryanto dan Nurmanaf (2006) peran pemerintah dalam pengembangan asuransi pertanian sangat dibutuhkan, dengan adanya komitmen, kebijakan, program dan dukungan politik yang kuat dan konsisten. Hal ini disebabkan oleh pengembangan asuransi pertanian untuk usahatani padi di Indonesia dapat dikembangkan jika terdapat subsidi dari pemerintah. Viabilitas asuransi pertanian sangat dipengaruhi oleh keberhasilan menciptakan sistem kelembagaan yang kondusif untuk meminimalkan moral hazard.
83
VII KESIMPULAN DAN SARAN
7.1 Kesimpulan
Risiko harga sayuran khususnya komoditas kentang, kubis, dan tomat cenderung mengalami fluktuasi yang dipengaruhi oleh jumlah pasokan yang masuk ke pasar, harga satu hari sebelumnya, dan permintaan khusus untuk komoditas kentang. Semakin tinggi risiko harga pada periode sebelumnya maka semakin tinggi risiko harga pada periode berikutnya.
Strategi yang dapat diterapkan oleh petani adalah dengan melakukan pola tanam yang sesuai, melakukan hubungan kemitraan dengan perusahaan, mengolah produk untuk meningkatkan nilai tambah, dan pengaktifan koperasi. Untuk pedagang, dapat dilakukan melalui kerjasama dengan perusahaan dan industri rumah tangga. Untuk pemerintah dapat melakukan pemberdayaan sumber daya manusia untuk mengelola LKM, pembentukan STA yang mudah di akses oleh petani dan menerapkan SCM dalam sistemnya serta perlunya sosialisasi dan koordinasi dengan pemerintah untuk menerapkan sistem asuransi pertanian.
7.2 Saran
1. Diperlukan koordinasi dengan berbagai pihak seperti petani, pedagang, dan pemerintah sehingga pembentukan harga sayuran yang cenderung berfluktuasi menjadi stabil. Hal ini dapat dilakukan oleh para stakeholders dengan upaya menginformasikan ketersediaan barang di daerah sentra dengan kondisi permintaan di pasar sehingga penumpukan barang dapat di tekan. Peran pemerintah adalah sebagai pembuat kebijakan dan fasilitator untuk stabilisasi harga dan peningkatan taraf hidup masyarakat.
2. Untuk mengoptimalkan potensi hortikultura diperlukan pengembangan terpadu mulai dari sektor hulu, penyediaan sarana/prasarana pendukung, benih, modal, dan SDM yang memadai, diikuti oleh pembenahan sistem produksi, distribusi, pemasaran, dan peningkatan konsumsi hortikultura dengan melibatkan seluruh pemangku kepentingan (stakeholders), yang terdiri atas petani, pedagang, dan pemerintah.
84 3. Untuk penelitian selanjutnya, karena keterbatasan dalam penelitian ini masih
menggunakan data harga nominal sehingga untuk penelitian berikutnya diperlukan pengembangan data yang lebih riil.
85
DAFTAR PUSTAKA
Adiyoga W, Suherman R, Soetiarso T A, Jaya B, Udiarto B K, Rosliani R, dan Mussadad D. 2004. Profil Komoditas Tomat. [Laporan Akhir]. Pusat Penelitian dan Pengembangan Hortikultura, Badan Penelitian dan Pengembangan Pertanian, Departemen Pertanian.
Adiyoga W, Fuglie K O dan Suherman R. 2006. Integrasi Pasar Kentang di Indonesia Analisis Korelasi dan Kointegrasi. Informatika Pertanian, 15: 835-852.
Agustian A, Zulham A, Syahyuti, Supriatna A, Supriyatna Y, dan Nurasa T. 2005. Analisis Berbagai Bentuk Kelembagaan Pemasaran dan Dampaknya terhadap Kinerja Usaha Komoditas Sayuran dan Buah. [Laporan Akhir]. Bogor: Pusat Penelitian dan Pengembangan Sosial Ekonomi Pertanian, Badan Penelitian dan Pengembangan Pertanian, Departemen Pertanian. Debertin D.L. 1986. Agricultural Production Economics. New York: Macmillan
Publishing Company.
[Ditjen Hortikultura] Direktorat Jendral Hortikultura. 2009a. Produk Domestik Bruto di Indonesia Tahun 2009. Jakarta: Ditjen Hortikultura, Kementrian Pertanian.
[Ditjen Hortikultura] Direktorat Jendral Hortikultura. 2009b. Statistik Hortikultura di Indonesia Periode 2005- 2009. Jakarta: Ditjen Hortikultura, Kementrian Pertanian.
[Ditjen Hortikultura] Direktorat Jendral Hortikultura. 2009c. Konsumsi Per Kapita Hortikultura. Jakarta: Ditjen Hortikultura, Kementrian Pertanian.
Fariyanti A. 2008. Perilaku Ekonomi Rumahtangga Petani Sayuran dalam Menghadapi Risiko Produksi dan Harga Produk di Kecamatan Pengalengan Kabupaten Bandung. [disertasi]. Bogor: Sekolah Pasca Sarjana, Institut Pertanian Bogor.
Firdaus M. 2006. Analisis Deret Waktu Satu Ragam. Bogor : IPB Press.
Harwood J, R. Heifner and K.Coble J, Perry and A, Somwaru. 1999. Managing
Risk in Farming: Concepts, Research and Analysis. USDA: Economic Research Service.
Hastuti E L. 2001. Kelembagaan Pemasaran dan Kemitraan Komoditas Sayuran Kasus di Desa-Desa di Jawa Tengah dan Sumatera Utara. Bogor: Pusat Penelitian dan Pengembangan Sosial Ekonomi Pertanian.
Herviyani N. 2009. Risiko Harga Kubis dan Bawang Merah di Indonesia. [skripsi]. Bogor: Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.
86 Irawan B. 2007. Fluktuasi Harga, Transmisi Harga dan Marjin Pemasaran Sayuran
dan Buah. Analisis Kebijakan Pertanian, 5 (4):358-373.
Jorion P. 2001. The Benchmark for Managing Financial Risk 2nd ed. USA: Mc. Graw-Hill.
Karmina A A. Syarifah. 2008. Optimalisasi Lahan Usahatani Tomat dan Mentimun dengan Kendala Tenaga Kerja (Pendekatan Program Linier).
EPP, 5 (2):44-50.
[Kementan] Kementrian Pertanian. 2009. Asuransi Komoditas Pertanian. Jakarta: Pusat Pembiayaan Pertanian, Kementrian Pertanian.
[Kementan] Kementrian Pertanian. 2011a. Pengembangan Usaha Agribisnis Pedesaan. Jakarta: Departemen Pemasaran/Pasar dan Kelembagaan Pasar, Kementrian Pertanian.
[Kementan] Kementrian Pertanian. 2011b. Pedoman Umum Sub Terminal Agribisnis. Jakarta: Departemen Pembiayaan, Kementrian Pertanian. Kountur R. 2006. Manajemen Risiko. Jakarta: Abdi Tandur.
Lipsey R G, Courant P N, Purvis D D, Steiner P O. 1995. Pengantar
Mikroekonomi Jilid Satu. Jaka W, Kirbrandoko, penerjemah; Jakarta: Binarupa Aksara. Terjemahan dari: Economics 10th ed.
Makmun dan Yasin A. 2003. Pengaruh Investasi Dan Tenaga Kerja Terhadap PDB Sektor Pertanian. Kajian Ekonomi dan Keuangan, 7 (3):58.
Nurmalinda dan Ameriana M. 1995. Efisiensi Penggunaan Faktor Produksi dalam Usahatani Kubis di Tingkat Petani. Buletin Penelitian Hortikultura, 27 (4):34-39.
Pasaribu S M, Setiajie A I, Agustin N K, Lokollo E M, Tarigan H, Hestina J, dan Supriyatna Y. 2010. Pengembangan Asuransi Usahatani Padi untuk Menanggulangi Risiko Kerugian 75% akibat Banjir, Kekeringan dan Hama Penyakit. [Laporan Akhir]. Bogor: Pusat Analisis Kebijakan Sosial Ekonomi dan Kebijakan Pertanian dan Kementrian Riset dan Teknologi. Pasar Induk Kramat Jati. 2011. Kondisi Pasar Induk Kramat Jati. Jakarta Timur:
Unit Pasar Besar. Pasar Induk Kramat Jati.
Robison, L. J. and Barry. 1987. The Competitive Firm’s Response to Risk. New York: Macmillan Publishing Company.
Saptana, Sumaryanto dan Friyatno S. 2002. Analisis Keunggulan Komparatif dan Kompetitif Komoditas Kentang dan Kubis di Wonosobo Jawa Tengah.
Jurnal Sosial Ekonomi, 8 (2):1-30.
Sari R M. 2009. Risiko Harga Cabai Merah Keriting dan Cabai Merah Besar di Indonesia. [skripsi]. Bogor: Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.
87 Sihombing L. 2005. Analisis Tataniaga Kentang di Propinsi Sumatera Utara.
Jurnal Ilmiah Pertanian KULTURA, 40 (2):94-99.
Siregar Y R. 2009. Analisis Risiko Harga Day Old Chick (DOC) Broiler dan Layer pada PT. Sierad Produce Tbk Parung, Bogor. [skripsi]. Bogor: Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.
Soekartawi. 1995. Teori Ekonomi Produksi dengan Pokok Bahasan Analisis
Fungsi Cobb – Douglas. Jakarta: PT. Raja Grafindo.
Sumaryanto. 2009. Analisis Volatilitas Harga Eceran Beberapa Komoditas Pangan Utama dengan Model ARCH/GARCH. Jurnal Agro Ekonomi, 27 (2):135-163.
Sumaryanto dan Nurmanaf A R. 2007. Simpul-simpul Strategis Pengembangan Asuransi Pertanian untuk Usahatani Padi di Indonesia. Forum Penelitian
Agro Ekonomi, 25 (2):89-103.
[UNDP] United Nation Development Programme Indonesia. 2007. Sisi Lain Perubahan Iklim: Mengapa Indonesia harus Beradaptasi untuk Melindungi Rakyat Miskinnya. Jakarta.
Verbeek M. 2000. A Guide to Modern Econometrics. London: John Wiley & Sons, Ltd.
Widarjono A. 2005. Ekonometrika Pengantar dan Aplikasinya. Yogyakarta: Ekonisia.
88 Lampiran 1. Pasokan dan Permintaan Kentang Periode Januari 2006 sampai
89 Lampiran 2. Pasokan Kubis Periode Januari 2006 sampai Februari 2011
90 Lampiran 3. Pasokan Tomat Periode Januari 2006 sampai Februari 2011
91 Lampiran 4. Pendugaan Koefisien Model dengan Metode OLS pada Model
Persamaan Harga Kentang
Dependent Variable: LNP_KENTANG Method: Least Squares
Date: 06/21/11 Time: 09:53 Sample (adjusted): 2 1872
Included observations: 1871 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
LNP_KENTANG(-1) 0.985584 0.003945 249.8109 0.0000
LNQ_KENTANG -0.120887 0.107248 -1.127174 0.2598
LND_KENTANG 0.122082 0.109357 1.116360 0.2644
C 0.142031 0.038882 3.652890 0.0003
R-squared 0.971464 Mean dependent Var 8.333546
Adjusted R-squared 0.971418 S.D. dependent Var 0.270463 S.E. of regression 0.045725 Akaike info criterion -3.330218 Sum squared resid 3.903437 Schwarz criterion -3.318387 Log likelihood 3119.419 Hannan-Quinn criter. -3.325859
F-statistic 21186.50 Durbin-Watson stat 2.181388
92 Lampiran 5. Ringkasan Pemilihan Model Terbaik untuk Komoditas Kentang
Koef ARCH (1) ARCH (2) ARCH (3) GARCH (1,1) GARCH (2,1) GARCH (3,1) C 0.001896 0.001584 0.001389 0.000185 0.000175 0.000313 α1 0.110143 0.122145 0.123407 0.060852 0.071606 0.071445 α2 - 0.158339 0.094453 - -0.013607 -0.032405 α3 - - 0.182351 - - 0.067279 β1 - - - 0.847975 0.855847 0.741804 β2 - - - - β3 - - - - AIC -3.344485 -3.391851 -3.414901 -3.462211 -3.461307 -3.464867 SC -3.326738 -3.371146 -3.391237 -3.441506 -3.437643 -3.438246 Koef GARCH (1,2) GARCH (2,2) GARCH (3,2) GARCH (1,3) GARCH (2,3) GARCH (3,3) C 0.000329 0.000395 0.000436 0.000905 0.000264 0.001359 α1 0.108320 0.100815 0.091969 0.064074 0.065448 0.039740 α2 - 0.022761 0.020745 - -0.044648 0.002556 α3 - - 0.024255 - - 0.043303 β1 0.146929 0.010591 0.038521 0.297469 0.867015 0.159015 β2 0.583616 0.670724 0.609709 0.607390 0.509116 -0.394642 β3 - - - -0.351364 -0.514351 0.582339 AIC -3.464353 -3.464297 -3.463522 -3.416060 -3.435834 -3.417935 SC -3.440689 -3.437676 -3.433943 -3.389439 -3.406255 -3.385399
93 Lampiran 6. Model GARCH (1,1) untuk komoditas Kentang
Dependent Variable: P
Method: ML - ARCH (Marquardt) - Normal distribution Date: 07/19/11 Time: 05:22
Sample (adjusted): 2 1872
Included observations: 1871 after adjustments Convergence achieved after 373 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(5) + C(6)*RESID(-1)^2 + C(7)*GARCH(-1)
Variable Coefficient Std. Error z-Statistic Prob.
P(-1) 0.988196 0.003600 274.4761 0.0000 Q -0.099851 0.095559 -1.044913 0.2961 D 0.100778 0.098471 1.023431 0.3061 C 0.115712 0.034092 3.394113 0.0007 Variance Equation C 0.000185 2.62E-05 7.047687 0.0000 RESID(-1)^2 0.060852 0.007756 7.846037 0.0000 GARCH(-1) 0.847975 0.019906 42.59879 0.0000
R-squared 0.971441 Mean dependent var 8.333546
Adjusted R-squared 0.971349 S.D. dependent var 0.270463 S.E. of regression 0.045780 Akaike info criterion -3.462211 Sum squared resid 3.906606 Schwarz criterion -3.441506 Log likelihood 3245.898 Hannan-Quinn criter. -3.454583
F-statistic 10567.39 Durbin-Watson stat 2.185479
94 Lampiran 7. Hasil Pengujian Galat Terbakukan Jarque-Bera pada Komoditas
Kentang 0 100 200 300 400 500 600 700 800 -18 -16 -14 -12 -10 -8 -6 -4 -2 0 2 4
Series: Standardized Residuals Sample 2 1872 Observations 1871 Mean 0.015314 Median 0.000764 Maximum 4.748043 Minimum -18.57291 Std. Dev. 0.999767 Skewness -3.508165 Kurtosis 69.06851 Jarque-Bera 344129.7 Probability 0.000000
95 Lampiran 8. Hasil Pengujian ARCH-LM untuk Model Terbaik ARCH-GARCH
pada Komoditas Kentang
Heteroskedasticity Test: ARCH
F-statistic 0.001954 Prob. F(1,1868) 0.9647
Obs*R-squared 0.001956 Prob. Chi-Square(1) 0.9647
Test Equation:
Dependent Variable: WGT_RESID^2 Method: Least Squares
Date: 07/19/11 Time: 10:23 Sample (adjusted): 3 1872
Included observations: 1870 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 1.000784 0.191849 5.216511 0.0000
WGT_RESID^2(-1) -0.001023 0.023137 -0.044203 0.9647
R-squared 0.000001 Mean dependent Var 0.999761
Adjusted R-squared -0.000534 S.D. dependent Var 8.233510 S.E. of regression 8.235709 Akaike info criterion 7.055905 Sum squared resid 126700.7 Schwarz criterion 7.061823 Log likelihood -6595.271 Hannan-Quinn criter. 7.058086
F-statistic 0.001954 Durbin-Watson stat 1.999996
96
Lampiran 9. Perhitungan VaR untuk Komoditas Kentang
Indikator Komoditas Kentang Periode ke
1 7 14
W Rp. 9.000.000,00 Rp. 9.000.000,00 Rp. 9.000.000,00
σt+1 0,039 0,039 0,039
Z 1,645 1,645 1,645
97 Lampiran 10. Pendugaan Koefisien Model dengan Metode OLS pada Model Persamaan Harga Kubis
Dependent Variable: LNP_KUBIS Method: Least Squares
Date: 05/10/11 Time: 05:31 Sample (adjusted): 2 1872
Included observations: 1871 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
LNP_KUBIS(-1) 0.977796 0.004775 204.7834 0.0000
LNQ_KUBIS -0.010209 0.005326 -1.916841 0.0554
C 0.212464 0.046784 4.541405 0.0000
R-squared 0.958855 Mean dependent Var 7.477845
Adjusted R-squared 0.958811 S.D. dependent Var 0.445399 S.E. of regression 0.090395 Akaike info criterion -1.967662 Sum squared resid 15.26377 Schwarz criterion -1.958789 Log likelihood 1843.748 Hannan-Quinn criter. -1.964393
F-statistic 21765.98 Durbin-Watson stat 2.238859
98 Lampiran 11. Ringkasan Pemilihan Model Terbaik untuk Komoditas Kubis
Koef ARCH (1) ARCH (2) ARCH (3) GARCH (1,1) GARCH (2,1) GARCH (3,1) C 0.007162 0.006471 0.006068 0.000457 0.000396 0.000415 α1 0.119227 0.114726 0.107287 0.069782 0.081353 0.081129 α2 - 0.093238 0.073424 - -0.019289 -0.021696 α3 - - 0.077389 - - 0.004870 β1 - - - 0.874707 0.889726 0.885248 β2 - - - - β3 - - - - AIC -1.984900 -1.974289 -1.974412 -2.006376 -2.002592 -1.998574 SC -1.970110 -1.985498 -1.987489 -2.017585 -2.015669 -2.013520 Koef GARCH (1,2) GARCH (2,2) GARCH (3,2) GARCH (1,3) GARCH (2,3) GARCH (3,3) C 0.000524 0.000549 0.000545 0.000519 0.000434 0.001436 α1 0.081856 0.081529 0.081063 0.080680 0.074422 0.072986 α2 - 0.004139 0.000462 - -0.000199 0.077420 α3 - - 0.003148 - - 0.075464 β1 0.595952 0.543224 0.578287 0.597651 1.235591 -0.504718 β2 0.258400 0.304309 0.270749 0.294834 -1.106846 0.286838 β3 - - - -0.036290 0.744601 0.817300 AIC -2.023305 -2.022237 -2.021172 -2.022248 -2.024643 -2.025125 SC -2.002599 -1.998574 -1.994551 -1.998584 -1.998022 -1.995546
99 Lampiran 12. Model GARCH (1,1) untuk Komoditas Kubis
Dependent Variable: P
Method: ML - ARCH (Marquardt) - Normal distribution Date: 06/13/11 Time: 17:05
Sample (adjusted): 2 1872
Included observations: 1871 after adjustments Convergence achieved after 15 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*GARCH(-1)
Variable Coefficient Std. Error z-Statistic Prob.
P(-1) 0.983330 0.004487 219.1659 0.0000 S -0.008738 0.005638 -1.549680 0.1212 C 0.165436 0.045410 3.643123 0.0003 Variance Equation C 0.000457 0.000105 4.363856 0.0000 RESID(-1)^2 0.069782 0.011289 6.181602 0.0000 GARCH(-1) 0.874707 0.020582 42.49825 0.0000
R-squared 0.958819 Mean dependent var 7.477845
Adjusted R-squared 0.958709 S.D. dependent var 0.445399 S.E. of regression 0.090506 Akaike info criterion -2.024123 Sum squared resid 15.27695 Schwarz criterion -2.006376 Log likelihood 1899.567 Hannan-Quinn criter. -2.017585
F-statistic 8684.586 Durbin-Watson stat 2.248233
100 Lampiran 13. Hasil Pengujian Galat Terbakukan Jarque-Bera pada Komoditas
Kubis 0 40 80 120 160 200 240 280 320 -3.75 -2.50 -1.25 0.00 1.25 2.50 3.75