ANALISIS HARGA CPO DI PASAR FISIK MEDAN
DAN PASAR BERJANGKA MALAYSIA
SERTA ROTTERDAM
Oleh :
Dendi Suganda
A14103523
PROGRAM SARJANA EKSTENSI MANAJEMEN AGRIBISNIS
FAKULTAS PERTANIAN
RINGKASAN
DENDI SUGANDA. Analisis Harga CPO Di Pasar Fisik Medan Serta Pasar Berjangka Malaysia Dan Rotterdam. (Di bawah Bimbingan HARMINI).
Seiring dengan semakin menyatunya perekonomian nasional kedalam tatanan ekonomi dunia, ketidakpastian usaha akan menjadi ciri dalam dinamika perekonomian global yang harus dihadapi oleh perekonomian Indonesia. Iklim ketidakpastian usaha tersebut antara lain dicerminkan oleh adanya gejolak perubahan harga komoditi yang fluktuatif. Dalam jangka panjang, ketidakpastian dalam perkembangan harga atau yang biasa disebut dengan resiko harga ini akan menyulitkan para pelaku ekonomi, baik domestik maupun internasional, dalam upaya melakukan perencanaan kegiatan produksi, konsumsi dan distribusi, yang pada akhirnya dapat menghambat pertumbuhan ekonomi. Resiko juga semakin bertambah dengan adanya pengaruh akibat
perubahan kurs, tingkat suku bunga atau inflasi.mmmmmmmmmmmmmmmmm. Berbagai kebijakan pemerintah dalam bentuk pengaturan berupa
penetapan harga, pengaturan tataniaga, subsidi dan harga patokan atau melalui perjanjian komoditas internasional, ternyata tidak memberikan hasil sesuai dengan yang diharapkan atau tidak efektif lagi dalam menstabilkan tingkat harga
akibat terjadinya berbagai penyimpangan dalam pelaksanaannya.mmmmmmmm Adanya kecendrungan fluktuasi harga CPO, maka dunia usaha
Indonesia, termasuk produsen baik yang besar ataupun yang kecil dan kelompok petani, berusaha mencari, mendalami, dan meningkatkan aktivitas pengelolaan resiko agar terlindung dari resiko yang dapat merugikan mereka melalui instrumen perdagangan berjangka komoditi.
Penelitian ini bertujuan menganalisis pola data harga CPO di pasar fisik dan harga CPO di pasar berjangka, mendapatkan model peramalan terbaik untuk meramalkan harga CPO di pasar fisik dan pasar berjangka, dan meramalkan harga CPO di pasar fisik dan harga CPO di pasar berjangka selama delapan bulan kedepan.m
Metode analisis pola data menggunakan plot pola data, plot
Hasil penerapan beberapa model peramalan time series menunjukan bahwa model ARIMA merupakan model terbaik untuk meramalkan harga CPO di tiga pasar CPO. Model peramalan time series yang paling baik dalam meramalkan harga CPO di pasar berjangka Rotterdam, berdasarkan kriteria nilai MAPE adalah model ARIMAm(2,0,0) (2,1,0)7. Model peramalan terbaik untuk meramalkan harga CPO di pasar berjangka Malaysia adalah ARIMA (2,0,0), sedangkan untuk pasar fisik Medan adalah ARIMA (1,0,0) (1,1,0)4.
Berdasarkan hasil analisis pola data yang dilakukan di tiga pasar, diketahui bahwa selama dua tahun terakhir (2004-2005), harga CPO di pasar fisik dan berjangka secara umum mengalami trend penurunan harga. Penurunan harga CPO selama kurun waktu dua tahun tersebut disebabkan oleh faktor suplai yang berlebih. Malaysia yang merupakan negara produsen CPO nomor satu di dunia, mengalami kelebihan stok hingga sebanyak 1,4 juta ton pada akhir Desember 2004.
Hasil ramalan menggunakan model peramalan terbaik, memperlihatkan adanya kecendrungan fluktuasi harga yang tidak menentu di tiga pasar CPO dan kecendrungan peningkatan harga, adanya unsur musiman antar minggu dan musiman antar bulan. Hal tersebut memberikan tanda bagi pelaku transaksi di pasar berjangka (produsen CPO) untuk segera melakukan Long Term Contract
atau kontrak berjangka, dengan melakukan penguncian harga yang sesuai dengan harga pokok produksi dan keuntungan yang ingin diraih, serta berdasarkan analisis teknikal dan fundamental yang menjadi acuan didalam melakukan strategi lindung nilai.mmmmmmmmm
ANALISIS HARGA CPO DI PASAR FISIK MEDAN
DAN PASAR BERJANGKA MALAYSIA
SERTA ROTTERDAM
Oleh:
DENDI SUGANDA
A 14103523
SKRIPSI
Sebagai Salah Satu Syarat untuk Memperoleh Gelar
SARJANA PERTANIAN
pada
Fakultas Pertanian Institut Pertanian Bogor
PROGRAM SARJANA EKSTENSI MANAJEMEN AGRIBISNIS
FAKULTAS PERTANIAN
PROGRAM SARJANA EKSTENSI MANAJEMEN AGRIBISNIS
FAKULTAS PERTANIAN
INSTITUT PERTANIAN BOGOR
Dengan ini menyatakan bahwa skripsi yang ditulis oleh: Nama : Dendi Suganda
NRP : A 14103523
Program Studi : Ekstensi Manajemen Agribisnis
Judul Skripsi : Analisis Harga CPO di Pasar Fisik Medan dan Pasar Berjangka Malaysia serta Rotterdam
Dapat diterima sebagai syarat kelulusan pada Program Sarjana Ekstensi Manajemen Agribisnis, Fakultas Pertanian, Institut Pertanian Bogor.
Bogor, Juli 2006 Menyetujui Dosen Pembimbing
Ir. Hj. Harmini, MS. NIP. 13100000
Mengetahui: Dekan Fakultas Pertanian
Prof. Dr. Ir. H. Supiandi Sabiham, M.Agr. NIP. 130 422 698
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI YANG BERJUDUL
‘ANALISIS HARGA CPO DI PASAR FISIK MEDAN DAN PASAR
BERJANGKA MALAYSIA SERTA ROTTERDAM’ BENAR-BENAR
MERUPAKAN HASIL KARYA SENDIRI DAN BELUM PERNAH
DIAJUKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA SUATU
PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
BOGOR, JULI 2006
DENDI SUGANDA
RIWAYAT HIDUP
Penulis dilahirkan pada tanggal 18 Desember 1982 di Kota
Palembang, Propinsi Sumatera Selatan. Penulis merupakan putra
pertama dari pasangan Ayahanda Sunardi dan Ibunda Ruziah.
Penulis menyelesaikan pendidikan Sekolah Dasar pada tahun 1994
di SDN 605 Palembang, kemudian melanjutkan pendidikan di SMP Negeri
46 Palembang dan lulus pada tahun 1997. Pada tahun yang sama penulis
melanjutkan ke Sekolah Pertanian Pembangunan Negeri (SPPN)
Sembawa Palembang dan selesai pada tahun 2000.
Tahun 2000 penulis diterima di Program Diploma 3 Program Studi
Teknisi Peternakan, Bidang Studi Teknisi Usaha Ternak Daging. Jurusan
Ilmu Produksi Ternak, Fakultas Peternakan, Institut Pertanian Bogor dan
selesai pada tahun 2003. Kemudian pada tahun 2003 penulis diterima di
Program Sarjana Ekstensi Manajemen Agribisnis, Departemen Ilmu-ilmu
Sosial Ekonomi Pertanian, Fakultas Pertanian, Institut Pertanian Bogor.
Bogor, Juli 2006
Dendi Suganda
KATA PENGANTAR
Puji dan Syukur penulis panjatkan ke-Hadirat Allah SWT, Tuhan Semesta Alam, tiada Tuhan selain Allah, Rabb yang telah menurunkan Islam sebagai
mabda (ideologi) yang merupakan solusi atas seluruh problematika kehidupan manusia. Atas Rahmat, Karunia dan Izin-Nya, maka penulis dapat menyelesaikan skripsi yang berjudul ‘Analisis Harga CPO di Pasar Fisik Medan dan Pasar Berjangka Malaysia serta Rotterdam’. Shalawat dan salam semoga tetap tercurahkan kepada junjungan kita Nabi Besar Muhammad SAW, beserta keluarga, sahabat serta pengikutnya yang senantiasa berdakwah mengajak pada kebenaran dan kemuliaan Islam.
Skripsi yang ditulis mengambil judul mengenai ‘Analisis Harga CPO di Pasar Fisik Medan dan Pasar Berjangka Malaysia serta Rotterdam’. Penelitian ini melihat perkembangan harga CPO yang terjadi diberbagai pasar, dalam rangka analisis harga untuk melakukan strategi lindung nilai di pasar berjangka.
Pada kesempatan ini penulis mengucapkan terima kasih kepada Ibu Ir. Hj. Harmini, MS selaku dosen pembimbing yang telah memberikan arahan
dan masukan dalam penulisan skripsi, serta semua pihak yang telah membantu dalam penyusunan skripsi ini.
Bogor, Juli 2006
UCAPAN TERIMAKASIH
Puji dan Syukur penulis panjatkan ke-Hadirat Allah SWT, Tuhan Semesta Alam, tiada Tuhan selain Allah, Rabb yang telah menurunkan Islam sebagai
mabda (ideologi) yang merupakan solusi atas seluruh problematika kehidupan manusia. Atas Rahmat, Karunia dan Izin-Nya, maka penulis dapat menyelesaikan skripsi yang berjudul ‘Analisis Harga CPO di Pasar Fisik Medan dan Pasar Berjangka Malaysia serta Rotterdam’. Penulis sadar bahwa dalam menyelesaikan pendidikan ini dibutuhkan bantuan dari berbagai pihak, oleh karena itu pada kesempatan ini, penulis ingin mengucapkan terima kasih kepada: 1. Kedua Orang Tua dan seluruh keluarga tercinta atas semua dorongan
semangat dan pengorbanannya.
2. Ibu Ir. Hj. Harmini, MS. Selaku dosen pembimbing yang telah bersedia meluangkan waktunya dalam membimbing, mengarahkan dan mengevaluasi penulis selama melakukan penelitian.
3. Bapak Dr. Ir. Nunung Kusnadi, MS selaku dosen penguji utama dan Ibu Dra. Yusalina, MS sebagai dosen dari komisi pendidikan.
4. Bapak Subagio (BAPPEBTI) yang telah memberikan data yang lengkap mengenai harga CPO di berbagai pasar dunia.
5. Ibu Ir. Yayah K Wagiono, MEc. Sebagai Kepala Program Sarjana Ekstensi Manajemen Agribisnis, Institut Pertanian Bogor.
6. Bapak Ir. M. Firdaus, MSi selaku dosen evaluator kolokium.
7. Erwin Permana atas kesediaanya menjadi pembahas dalam seminar. 8. Hizbut Tahrir Indonesia yang telah mencerdaskan pemikiran dan
9. Teman-temanku di Markaz Syabab, Iwan ‘juhai’, Ibra, Hello, Mas Ira, Mas Bai, Helmi serta yang sering mangkal di MS; Ari ambon, Jundi, dan lainnya yang tidak dapat penulis sebutkan satu-satu, hanya satu kalimat untuk kalian semua ‘ Thanks for yours Motivated’
10. Sahabat perjuanganku di L-SIMA Ekstensi (Lembaga Studi Islam Mahasiswa Agribisnis), Insya Allah Khilafah akan segera berdiri dalam waktu dekat. So, tetap semangat guys.
DAFTAR ISI
Halaman
DAFTAR ISI ... i
DAFTAR TABEL... iii
DAFTAR GAMBAR ... iv
DAFTAR LAMPIRAN ... v
I. PENDAHULUAN ... 1
1.1. Latar Belakang ... 1
1.2. Perumusan Masalah ... 4
1.3. Tujuan Penelitian ... 7
1.4. Manfaat Penelitian ... 7
1.5. Ruang Lingkup Penelitian ... 7
II. TINJAUAN PUSTAKA ... 9
2.1. Tanaman Kelapa Sawit ... 9
2.2. Minyak Sawit (CPO) ... 10
2.3. Prospek CPO ... 11
2.4. Penelitian Terdahulu ... 14
III. KERANGKA PEMIKIRAN ... 17
3.1. Teoritis... 17
3.1.1. Harga CPO ... 17
3.1.2. Faktor-faktor yang Mempengaruhi Harga CPO ... 18
3.1.3. Kondisi Pasar CPO Nasional ... 20
Dan Internasional... 20
3.1.4. Pemasaran CPO ... 24
3.1.5. Konsep Pasar Berjangka dan Pasar Fisik ... 25
3.1.6. Peramalan ... 28
3.1.7. Metode Peramalan ... 29
3.1.8. Pemilihan Teknik Peramalan... 36
3.2. Operasional ... 37
IV. METODE PENELITIAN ... 40
4.1. Waktu dan Lokasi Penelitian ... 40
4.2. Jenis Dan Sumber Data ... 40
4.3. Metode Pengolahan dan Analisis Data ... 40
4.4. Pemilihan Model Peramalan Terbaik ... 54
4.5. Definisi Operasional... 55
V. PERAMALAN HARGA CPO DIPASAR ... 57
BERJANGKA DAN FISIK 5.1. Harga CPO di Pasar Berjangka Rotterdam... 57
5.3. Harga CPO di Pasar Fisik Medan ... 75
5.4. Implikasi Hasil Ramalan Bagi Produsen CPO... 83
VI. KESIMPULAN DAN SARAN 6.1. Kesimpulan... 85
6.2. Saran ... 86
DAFTAR PUSTAKA ... 88
DAFTAR TABEL
Nomor Halaman
1. Pasar Internasional Hasil Perkebunan Kelapa Sawit ... 5
2. Pasar Nasional Hasil Perkebunan Kelapa Sawit ... 5
3. Volume dan Nilai Ekspor Minyak Sawit dan Inti Sawit...12
4. Pola ACF dan PACF Model ARIMA...47
5. Data Harga Nominal rata-rata CPO Bulanan... 59
di Pasar Berjangka Rotterdam...59
6. Perbandingan Model untuk Harga CPO di Pasar Rotterdam ... 63
7. Nilai MAPE untuk Model Peramalan Harga CPO ... 65
di Pasar Berjangka Rótterdam...65
8. Data Harga Nominal rata-rata CPO Bulanan di Pasar Berjangka Malaysia...68
9. Nilai MAPE untuk Model Peramalan ARIMA di Pasar Malaysia...72
10. Nilai MAPE untuk Model Peramalan Harga CPO...74
Di Pasar Berjangka Malaysia 11. Data Harga Nominal rata-rata CPO Bulanan di Pasar Fisik Medan ... 76
12. Nilai MAPE untuk Model Peramalan ARIMA... 80
di Pasar Fisik Medan 13. Nilai MAPE untuk Model Peramalan Harga CPO ... 82
DAFTAR GAMBAR
Nomor Halaman
1. Proyeksi Ekspor CPO Indonesia 2000-2010 ... 14
2. Saluran Pemasaran CPO di Pasar Nasional ... 21
3. Saluran Pemasaran CPO ke Luar Negeri...22
4. Kerangka Pemikiran Operasional Peramalan Harga CPO ... 39
5. Diagram Arus untuk Strategi Pembentukan Model Box-Jenkins...45
6. Plot Data Harga CPO di Pasar Berjangka Rotterdam... 58
7. Plot Data Harga CPO Pasar Rotterdam Minggu 25 sampai Minggu 96 ... 60
8. Plot ACF dan PACF Harga CPO Pasar Rotterdam ... 60
9. Plot ACF Harga CPO Pasar Rotterdam Deff Lag 7 ... 61
10. Plot ACF dan PACF Residual dari Model ARIMA (2,0,0)(0.1.1)7...64
11. Plot Data Harga CPO di Pasar Berjangka Malaysia ... 68
12. Plot Data Harga CPO di Pasar Berjangka Malaysia Minggu 25 - 96 ... 69
13. Plot ACF dan PACF Data Harga CPO di Pasar Berjangka Malaysia ... 70
14. Plot Data Harga CPO di Pasar Fisik Medan ... 77
15. Plot Data Harga CPO di Pasar Fisik Medan Minggu 21 sampai 96 ... 77
16. Plot ACF dan PACF Harga CPO di Pasar Fisik Medan ... 78
DAFTAR LAMPIRAN
Nomor Halaman 1. Data Harga Nominal CPO Mingguan di Pasar Berjangka Rótterdam
dari Minggu 1 Januari 2004 sampai Minggu 4 Desember 2005 (US$/Ton)……… 90 2. Output Komputer dari Model ARIMA (2,0,0) (1,1,0)7
di Pasar Berjangka Rotterdam... 91
3. Hasil Ramalan untuk Harga CPO di berbagai Pasar:MMMMMMMMMMMM Pasar Berjangka Rótterdam, Pasar Berjangka Malaysia danMMMM
Pasar Fisik Medan……… 92
4. Data Harga Nominal CPO (US$/Ton) Mingguan di Pasar Berjangka Malaysia……….. 93 5. Output Komputer dari Model ARIMA (2,0,0) di Pasar
Berjangka Malaysia... 94
6. Plot ACF dan PACF dari komponen error dengan model ARIMA (2,0,0) dan ARIMA (1,0,0) (1,1,0)4... 95
7. Data Harga Nominal CPO (Rp/kg) Mingguan di Pasar Fisik Medan……….. 96 8. Output Komputer dari Model ARIMA (1,0,0) (1,1,0)4 di
I. PENDAHULUAN
1.1. Latar Belakang
Indonesia merupakan salah satu negara produsen beberapa komoditi primer seperti produk pertanian, perkebunan, dan perikanan serta kehutanan. Sebagian besar dari produk primer tersebut seperti kelapa sawit (termasuk produk turunannya antara lain CPO, olein, minyak goreng dan margarin), karet, lada, kopi, coklat, dan udang, serta ikan telah memenuhi kebutuhan dunia dan mampu bertahan dari krisis ekonomi sehingga memberikan kontribusi yang besar bagi pembangunan nasional. Namun demikian, secara alami bisnis dibidang ekonomi pertanian itu sendiri sangat akrab dengan resiko karena sifatnya yang musiman (seasonal) dan mudah rusak (perishable). Dengan demikian, setiap gejolak yang terjadi dalam pasokan atau permintaan komoditi pertanian secara
cepat akan berdampak pada bergejolaknya harga komoditi tersebut. Dalam perekonomian Indonesia sektor pertanian secara tradisional
dikenal sebagai sektor penting, karena berperan antara lain sebagai sumber utama pangan, dan pertumbuhan ekonomi. Peranan sektor ini di Indonesia masih dapat ditingkatkan lagi apabila dikelola dengan baik, mengingat semakin langkanya atau menurunnya mutu sumberdaya alam, seperti minyak bumi/petrokimia, dan air serta lingkungan secara global, sementara di Indonesia sumber-sumber ini belum tergarap secara optimal. Ke masa depan sektor ini akan terus menjadi sektor penting dalam upaya pengentasan kemiskinan, penciptaan kesempatan kerja, peningkatan pendapatan nasional, dan penerimaan ekspor, serta berperan sebagai produsen bahan baku untuk
penciptaan nilai tambah disektor industri dan jasa1.mmmmmmmmmmmmmmm
1
Seiring dengan semakin menyatunya perekonomian nasional kedalam tatanan ekonomi dunia, ketidakpastian usaha akan menjadi ciri dalam dinamika perekonomian global yang harus dihadapi oleh perekonomian Indonesia. Iklim ketidakpastian usaha tersebut antara lain dicerminkan oleh adanya gejolak
perubahan harga komoditi yang fluktuatif.mmmmmmmmmmmmmmmmmmmm Dalam jangka panjang, ketidakpastian dalam perkembangan harga atau
yang biasa disebut dengan resiko harga ini, akan menyulitkan para pelaku ekonomi, baik domestik maupun internasional, dalam upaya melakukan perencanaan kegiatan produksi, konsumsi dan distribusi, yang pada akhirnya dapat menghambat pertumbuhan ekonomi. Resiko juga semakin bertambah dengan adanya pengaruh akibat perubahan kurs, tingkat suku bunga atau inflasi. Berbagai kebijakan pemerintah dalam bentuk pengaturan berupa penetapan harga, pengaturan tataniaga, subsidi dan harga patokan atau melalui perjanjian komoditas internasional, ternyata tidak memberikan hasil sesuai dengan yang diharapkan atau tidak efektif lagi dalam menstabilkan tingkat harga akibat
terjadinya berbagai penyimpangan dalam pelaksanaannya.mmmmmmmmmm Fluktuasi harga terjadi pada komoditas CPO sebagai hasil produksi
tanaman kelapa sawit. Misalnya, pada bulan Maret tahun 2005 harga CPO di pasar berjangka Malaysia, berkisar antara US$ 384 /ton sampai US$ 414 /ton, dengan rata-rata US$ 392 /ton, atau mengalami kenaikan sebesar equivalen US$ 41 (11,68 persen) dibandingkan dengan harga rata-rata bulan Februari 2005 sebesar US$ 351 /ton. Akan tetapi, pada periode berikutnya yaitu bulan April 2005 harga rata-rata CPO US$ 388,50 /ton atau mengalami penurunan sebesar equivalen US$ 3,5 /ton.
persen) dibandingkan dengan harga rata-rata bulan Februari 2005 sebesar Rp 3.627/kg. Tapi pada periode berikutnya yaitu bulan April 2005 harga rata-rata
CPO Rp 3.937/kg atau mengalami penurunan sebesar Rp 69/kg.mmmmmmmm Adanya kecendrungan fluktuasi harga CPO, maka dunia usaha
Indonesia, termasuk produsen baik yang besar ataupun yang kecil dan kelompok petani, berusaha mencari, mendalami, dan meningkatkan aktivitas pengelolaan resiko agar terlindung dari resiko yang dapat merugikan mereka melalui instrumen perdagangan berjangka komoditi. Perdagangan berjangka merupakan bentuk lain dari kegiatan asuransi yang diciptakan berdasarkan mekanisme pasar, yaitu dengan membentuk pasar turunan dari pasar komoditi fisiknya. Berdasarkan undang-undang No. 32/1997 tentang perdagangan berjangka komoditi, perdagangan berjangka adalah segala sesuatu yang berkaitan dengan jual beli komoditi dengan penyerahan kemudian berdasarkan kontrak berjangka
dan opsi atas kontrak berjangka.……….. Perdagangan berjangka dilakukan di Bursa Berjangka yang hingga saat
ini telah didirikan PT. Bursa Berjangka Jakarta (BBJ) dan sesuai dengan Keputusan Presiden Nomor 12 Tahun 1999 tentang komoditas yang dapat dijadikan subjek kontrak berjangka, maka pada tahap awal komoditas yang diperdagangkan di lantai bursa adalah olein dan kopi robusta (Badan Pengawas Perdagangan Berjangka Komoditi, 2003b). Sedangkan untuk komoditi CPO, Indonesia belum memiliki pasar berjangka, selama ini perusahaan nasional dan swasta masih memanfaatkan pasar berjangka yang ada di Malaysia atau pasar
berjangka yang ada di luar negeri yang lain.
teknikal menggunakan pola data time series untuk menggambarkan bagaimana perkembangan harga suatu komoditi dengan melakukan peramalan, sedangkan analisis fundamental didasarkan pada faktor yang mempengaruhi perubahan harga. Perkembangan harga yang terjadi di pasar fisik menjadi acuan bagi pasar berjangka. Dengan adanya pasar fisik dan pasar berjangka dapat menjadi alternatif strategi pemasaran bagi produsen dalam memasarkan CPO, sehingga peramalan dapat membantu bagi produsen di dalam menentukan pilihan berdasarkan peramalan harga dengan model time series atau analisis teknikal, untuk pasar fisik ataupun pasar berjangka.
1.2. Perumusan Masalah
Tingkat harga komoditas yang terjadi di pasar fisik selalu berfluktuasi sesuai dengan permintaan dan penawaran terhadap komoditas tersebut di pasar internasional dan domestik. Resiko dan ketidakpastian merupakan salah satu faktor yang menyebabkan kegagalan pasar (market failure) sehingga menyebabkan pasar terdistorsi dan ouput ekonomi tidak tercapai secara optimal.
Pergerakan harga CPO di pasar internasional ditransmisikan ke pasar domestik (border price dan whole sale price) melalui mekanisme pasar. Secara umum pergerakan harga CPO domestik searah dengan perkembangan harga CPO di pasar internasional. Tabel 1 menunjukan gambaran jumlah pasar ouput kelapa sawit domestik dan internasional.
Tabel 1. Pasar Internasional Hasil Perkebunan Kelapa Sawit Tahun 2005
Komoditi K o n d i s i L o k a s i
P a s a r
C P O CIF Rotterdam Rotterdam
CPO (KLCE) FOB Malaysia Kuala Lumpur
RBD Olein FOB Malaysia Rotterdam
RBD Stearin FOB Malaysia Rotterdam
Fatty Acid FOB Malaysia Rotterdam
P K O CIF Rotterdam Rotterdam
P K M CIF Germany Germany
Sumber : www.kpbptpn.com. 28 Maret 2006
Di dalam negeri, pasar CPO hanya terdapat di Pelabuhan Belawan, Medan. Sedangkan pasar minyak inti sawit (PKO) tidak ada. Pasar hasil perkebunan kelapa sawit yang banyak adalah pasar Olein, yang merupakan
produk turunan dari CPO. Kondisi ini dapat dilihat di Tabel 2.mmmmmmmmm Fluktuasi harga CPO dapat menguntungkan dan dapat pula merugikan
Tabel 2. Pasar Nasional Hasil Perkebunan Kelapa Sawit Tahun 2005
Komoditi Kondisi Penyerahan Lokasi Pasar
CPO FOB Belawan (Franco Pabrik Medan) Medan incl.PPn Olein FOB Belawan (Franco Pabrik Medan) Medan incl.PPn Olein Franco Pabrik Jakarta Jakarta incl.PPn Olein Franco Pabrik Surabaya Surabaya incl.PPn Olein Franco Pabrik Semarang Semarang incl .PPn
Semakin kecil jumlah ketidakpastian yang harus diatasi akan semakin baik dalam menyusun suatu rencana kerja usahanya. Dengan demikian, mengurangi atau mengalihkan resiko kerugian akibat perubahan harga merupakan hal yang tidak terpisahkan dari suatu tindakan manajemen. Setelah melakukan strategi lindung nilai produsen dapat menentukan prioritas pasar yang
akan lebih dulu ditujunya, pasar fisik atau pasar berjangka.MMMMMMMMMMMM Dalam melakukan strategi lindung nilai untuk mengetahui perkembangan
harga yang terjadi, terdapat dua alat analisis yang digunakan yaitu analisis fundamental dan analisis teknikal. Model peramalan time series merupakan bagian dari analisis teknikal untuk mengetahui perkembangan harga yang terjadi. Hasil dari peramalan ini akan digunakan oleh para produsen atau eksportir untuk melakukan strategi lindung nilai, dalam rangka untuk meminimalisasi resiko dari fluktuasi harga CPO yang terjadi di pasar berjangka dan pasar
fisik.MMMMM... . Dalam penelitian ini, peramalan time series (analisis teknikal) merupakan
tepat dan pola data yang diketahui bentuknya berguna untuk menghasilkan metode peramalan dengan hasil ramalan yang mendekati keadaan aktual. Metode peramalan yang memberikan nilai MAPE yang terkecil dianggap sebagai metode terbaik untuk digunakan dalam meramal harga sawit di pasar fisik dan harga CPO di pasar berjangka. Berdasarkan paparan di atas, maka dalam penelitian ini dapat dirumuskan masalah-masalah sebagai berikut :
1. Bagaimana pola data harga minyak di pasar fisik dan harga CPO di pasar berjangka?
2. Metode peramalan time series mana yang terbaik untuk meramalkan
harga CPO di pasar fisik dan harga CPO di pasar berjangka?
1.3. Tujuan Penelitian
Berdasarkan permasalahan diatas, maka tujuan penelitian dapat dirumuskan sebagai berikut :
1. Menganalisis pola data harga CPO di pasar fisik dan harga CPO di pasar berjangka
2. Mendapatkan model peramalan terbaik untuk meramalkan harga CPO di pasar fisik dan pasar berjangka
3. Meramalkan harga CPO di pasar fisik dan harga CPO di pasar berjangka selama delapan bulan kedepan
1.4. Manfaat Penelitian
ilmiah yang lebih baik lagi kedepannya. Bagi pembaca, hasil dari penelitian ini dapat digunakan sebagai sumber bacaan dan bahan untuk penelitian selanjutnya, serta bahan pertimbangan didalam melakukan strategi lindung nilai dan memilih pasar yang akan dituju sebagai tempat penjualan, juga sebagai pertimbangan dalam mengambil keputusan investasi.
1.5. Ruang Lingkup Penelitian
Pada penelitian ini, hanya menekankan kepada peramalan time series
II. TINJAUAN PUSTAKA
2.1. Tanaman Kelapa Sawit
Kelapa sawit adalah tanaman perkebunan berupa pohon batang lurus dari famili Palmae. Tanaman tropis ini dikenal sebagai penghasil minyak sayur ini berasal dari Amerika. Brazil dipercaya sebagai tempat dimana pertama kali kelapa sawit tumbuh. Dari tempat asalnya, tanaman ini menyebar ke Afrika, Amerika Equatorial, Asia Tenggara dan Pasifik selatan. Benih kelapa sawit pertama yang ditanam di Indonesia pada tahun 1984 berasal dari Mauritius Afrika. Perkebunan kelapa sawit pertama dibangun di Tanahitam, Hulu Sumatera Utara oleh Schadt seorang Jerman pada tahun 1911 (Setyamidjaja, D. 1991). Pulau Sumatra terutama Sumatera Utara, Lampung dan Aceh merupakan pusat penanaman kelapa sawit yang pertama kali terbentuk di Indonesia, namun demikian sentra penanaman ini berkembang ke Jawa Barat (Garut selatan, Banten Selatan), Kalimantan Barat dan Timur, Riau, Jambi, Irian Jaya. Pada tahun 1995 luas perkebunan kelapa sawit adalah 2.025 juta, dan diperkirakan pada tahun 2005 luas perkebunan menjadi 2.7 juta hektar dengan produksi minyak sebesar 9.9 ton/tahun (Setyamidjaja, D. 1991).
2.2. Minyak Sawit (CPO)
Semua komponen buah sawit dapat dimanfaatkan secara maksimal. Buah sawit memiliki daging dan biji sawit (kernel), dimana daging sawit diolah menjadi minyak sawit atau CPO (crude palm oil) sedangkan biji sawit diolah menjadi minyak biji sawit atau PKO (palm kernel oil), dengan hasil ekstraksi CPO 20 persen dan PKO 2,5 persen. Sementara itu, cangkang biji sawit dapat dipergunakan sebagai bahan bakar ketel uap (Turner and Gillbank, 1974).MMMMMMMMMMM
CPO dan PKO adalah ester asam lemak dan gliserol yang disebut trigliserida. Trigliserida minyak sawit kaya dengan asam palmitat, oleat, linoleat, stearat, dan gliserol, sedangkan minyak inti sawit mengandung asam laurat, miristat, stearat, gliserol dan sedikit palmitat. Selain trigliserida, minyak sawit juga mengandung vitamin A dan E. Minyak sawit dapat dipergunakan untuk bahan makanan dan industri melalui proses penyulingan, penjernihan dan penghilangan bau atau Refined, Bleached and Deodorized Palm Oil (RBDPO) (Lubis dan Naibaho, 1999)
2.2.1. Produk Turunan Minyak Kelapa Sawit
Selain sebagai sumber minyak goreng, produk turunan minyak kelapa sawit masih banyak manfaatnya (Dirjen Bina Produksi Perkebunan, 2004) antara lain :
1. Produk turunan CPO selain minyak goreng dapat dihasilkan margarine,
shortening, vanaspati (vegetable ghee), ice creams, bakery fats, instant noodle, sabun dan detergent, cocoa butter extender, chocolate dan
coating, specialty fats, dry soap mixes, sugar confectionary, textiles oils
2. Produk turunan PKO yaitu shortening, cocoa buter subtitute, specialty fats, ice cream, coffe whitener/cream, sugar confectionary,
biscuit, cream fats, filled imitation cream, sabun dan detergent, shampo dan kosmetik.
3. Produk turunan oleochemicals kelapa sawit yaitu methyl ester, plastic, textile processing, metal processing, lubricants, emulsifers, detergent,
glicerine, cosmetic, explosives, pharmaceutical product dan food protective coatings.
2.3. Prospek CPO
2.3.1. Prospek CPO Di Pasar Internasional
Perdagangan (ekspor-impor) CPO dunia diproyeksikan akan meningkat dengan laju sekitar 3.8% per tahun. Perkembangan yang demikian, maka volume perdagangan pada tahun 2005 diproyeksikan sekitar 19.16 juta ton (FAO 2001). Malaysia dan Indonesia tetap merupakan negara pengekspor utama dengan peluang peningkatan ekspor masing-masing sekitar 3.2% dan 6.5% per tahun. Berikut ini gambaran volume dan nilai ekspor Minyak Sawit (CPO) dan Minyak Inti Sawit (PKO) selama periode 1990-2004.
Tabel 3. Volume dan Nilai Ekspor Minyak Sawit dan Inti Sawit Periode 1990-2004
Tahun Ekspor
Minyak Sawit Minyak Inti Sawit Volume (ton) Nilai (ribu) Volume (ton) Nilai (ribu)
1990 815.580 203.507 158.303 44.182
1991 1167.689 335.481 136.322 42.754
1992 1.030.272 356.494 222.541 109.841
1993 1.632.012 582.629 275.225 110.188
1994 1.631.203 717.811 340.504 177.583
1995 1.265.024 747.414 311.399 187.267
1996 1.671.957 825.415 341.318 235.168
1997 2.967.589 1.446.10 502.979 294.255
1998 1.479.278 745.277 347.009 195.447
1999 3.298.987 1.114.240 597.843 347.975
2000 4.110.027 1.087.270 578.825 239.120
2001 4.903.218 1.080.900 581.926 146.259
2002 6.333.708 2.092.400 673.846 256.234
2003 7.543.204 2.956.342 751.578 304.450
2004 8.250.365 3.856.450 825.652 385.950
Berdasarkan sudut alokasi pangsa pasar, Indonesia diperkirakan masih menguasai pasar untuk negara-negara di beberapa Eropa Barat seperti Inggris, Italia, Belanda, dan Jerman. Malaysia lebih banyak menguasai pasar China (1.8 juta ton), India (1.7 juta ton), EU (1.5 juta ton), Pakistan (1.1 juta ton), Mesir (0.5 juta ton), dan Jepang (0.4 juta ton). Seperti kebanyakan harga produk primer pertanian, harga CPO relatif sulit untuk diprediksi dengan akurasi yang tinggi. Harga cenderung fluktuatif dengan dinamika yang perubahan yang relatif sangat cepat. Dengan kesulitan tersebut, maka proyeksi harga yang dilakukan lebih pada menduga kisaran harga untuk periode 2000-2005. Jika tidak ada
shock dalam perdagangan dan produksi, maka harga CPO di pasar internasional pada periode tersebut diperkirakan lebih tinggi bila dibandingkan dengan situasi harga tahun 2001 yang dengan rata-rata sekitar US$ 265/ton. Di samping itu, mulai menurunnya stok pada periode menjelang 2005 juga mendukung perkiraan tersebut. Dengan argumen tersebut, harga CPO sampai dengan 2005 diperkirakan akan berfluktuasi sekitar US$ 350-450/ton (Susila dan Supriono 2001 dalam Susila 2006).mmmmmmmmmmmmmmmmmmmmmmmmmmmm
2.4.2. Peluang Pasar Indonesiammmmmmmmmmmmmmmmmmmmmmm Secara umum, ada dua sumber permintaan (peluang pasar) untuk CPO
Selain mengandalkan pasar domestik, pasar ekspor merupakan pasar utama CPO Indonesia. Ekspor CPO Indonesia pada dekade terakhir meningkat dengan laju antara 7-8% per tahun. Di samping dipengaruhi oleh harga di pasar internasional dan tingkat produksi, kinerja ekspor CPO Indonesia juga sangat dipengaruhi oleh kebijakan pemerintah, khususnya tingkat pajak ekspor.
Berdasarkan asumsi tingkat pajak ekspor adalah masih di bawah 5%, maka ekspor CPO Indonesia diperkirakan akan tumbuh dengan laju 4-8% per tahun pada periode 2000-2010. Pada periode 2000-2005, ekspor akan tumbuh dengan laju 5 persen – 8 persen per tahun sehingga volume ekspor pada periode tersebut sekitar 5.4 juta ton. Pada periode 2005-2010, volume ekspor meningkat dengan laju 4 persen -5 persen per tahun yang membuat volume ekspor menjadi 6,79 juta ton pada tahun 2010 (Susila, 2006). Pada lima tahun terakhir, ketika Indonesia mengalami krisis multi-dimensional dan tingkat persaingan pasar
minyak nabati yang dihadapi CPO semakin ketat, laju pertumbuhan industri CPO mulai melambat.
2.6. Penelitian Terdahulu
Penelitian mengenai peramalan dengan menggunakan metode kuantitatif sebagai alat bantu sudah banyak dilakukan. Hasibuan (2003) melakukan penelitian mengenai peramalan produksi CPO PT Sucofindo Medan, penelitian ini bertujuan mengidentifikasi pola data produksi CPO dengan mengamati plot data dan plot autokorelasinya. Berdasarkan plot data dan plot autokorelasi data produksi CPO PT Sucofindo Medan, diketahui bahwa pola data tidak stasioner, memiliki unsur trend dan musiman. Berdasarkan nilai MSE terendah, maka
metode peramalan yang dipilih adalah metode ARIMA (1,1,1). Zega (2003) melakukan penelitian mengenai faktor-faktor yang
Jafarudin, M. (2005) melakukan penelitian mengenai Peramalan Produksi TBS di Kebun Percobaan Betung II A. Tujuan penelitiannya adalah menganalisis pola data produksi TBS dikebun percobaan Betung II A dan mendapatkan metode peramalan time series yang paling sesuai untuk meramalkan produksi TBS di kebun percobaan Betung II A. Berdasarkan plot data disimpulkan bahwa data produksi tidak stasioner, terdapat unsur tren dan musiman. Dari hasil analisis metode peramalan terbaik disimpulkan bahwa metode ARIMA merupakan metode yang terbaik dengan nilai MSE yang terkecil dibandingkan dengan metode peramalan yang lain.
Peramalan produksi Crude Palm Oil (CPO) dan Palm Kernel Oil (PKO) di PT Panamtama Kebun Teluk Dalam, Asahan Sumatera utara dilakukan oleh Siringoringo T. S (2005). Berdasarkan penelitiannya metode peramalan kuantitatif yang terbaik untuk produksi CPO dan PKO adalah metode ARIMA. Penentuan metode terbaik dilakukan berdasarkan nilai MAPE yang dihasilkan dan keefisienan dalam menerapkan metode.
produksi CPO dan PKO PT. PANAMTAMA. Tiga model terbaik dari penelitian Hasibuan adalah model ARIMA, model regresi dan model Winters.
Berdasarkan penelitian Zega (2003) dapat diketahui mengenai faktor-faktor yang mempengaruhi pemasaran CPO dan faktor-faktor-faktor-faktor yang mempengaruhi penetapan harga CPO di PTPN III. Dengan demikan, hasil penelitian Zega (2003) menjadi bahan masukan untuk mengetahui faktor-faktor yang mempengaruhi harga minyak sawit domestik dan internasional.
III. KERANGKA PEMIKIRAN
3.1. Kerangka Pemikiran Teoritis 3.1.1. Harga CPO
Harga adalah sejumlah nilai yang dibutuhkan untuk mendapatkan sejumlah kombinasi dari produk beserta pelayanannya (Swastha, 1997). Biaya yang dikeluarkan suatu perusahaan dalam memproduksi, mendistribusikan, memasarkan dan biaya atas resiko harus dapat menentukan perusahaan dalam menetapkan harga jual. Untuk menentukan harga diperlukan suatu metode yang terdiri atas penetapan harga mark up, penetapan harga sasaran pengembalian, penetapan harga nilai yang diterima, penetapan harga tingkat yang sedang berlaku dan penetapan harga tawaran tertutup. Di dalam bauran pemasaran harga merupakan satu-satunya unsur yang mewakili pendapatan (Kotler, 2000). Menurut Bangun (2005) harga dapat menggambarkan bagaimana prospek suatu usaha kedepannya, industri kelapa sawit diperkirakan akan tetap eksis kedepannya. Optimisme itu muncul karena harga CPO mentah di pasar dunia terus membaik. Diperkirakan harga tersebut dalam waktu dekat akan meningkat. Indikasi ke arah sana semakin menguat setelah melihat perkembangan harga pasar. Naik turunnya harga TBS dalam negeri dipengaruhi oleh naik turunnya harga CPO mentah di pasar Rotterdam dan Malaysia. Perbaikan harga di kedua bursa itu, dipicu oleh permintaan industri minyak
nabati India yang terus membesar. Pada tahun 2002 industri minyak India membutuhkan lebih dari satu juta ton per bulan dan separuh dari
total permintaan itu dipasok dari industri CPO Indonesia.mmmmmmmmmmmm Penetapan harga CPO sangat tergantung pada mekanisme pasar, baik
mempengaruhi penetapan harga, tetapi dalam penetapan harga CPO, produsen tersebut menggunakan metode penetapan harga berdasarkan nilai, dengan mempertimbangkan harga-harga CPO pesaing. Harga CPO internasional merupakan harga yang berlaku di pasar fisik CPO di luar negeri seperti pasar Rotterdam dan pasar Malaysia, sedangkan harga CPO lokal (nasional) adalah harga CPO yang berlaku di pasar lokal seperti pasar Belawan, Medan. (Simanjuntak, D 2003).
3.1.2. Faktor-faktor yang Mempengaruhi Harga CPO
Berdasarkan hasil penelitian Zega (2003), dalam memasarkan CPO untuk pasar lokal maupun ekspor, harga jual ditentukan oleh mekanisme pasar. Penetapan harga CPO berdasarkan harga pasar Rotterdam dan harga psar Kuala Lumpur dengan dikurangi biaya-biaya seperti: biaya pengapalan/transportasi, pajak ekspor dan PPN 21. Fluktuasi harga CPO dipengaruhi beberapa hal, antara lain:
1. Penawaran dan Permintaan yang Terjadi
Diasumsikan penawaran tetap, namun apabila permintaan pasar naik maka harga CPO akan naik dan begitu pula sebaliknya diasumsikan permintaan tetap dengan penawaran yang terus meningkat maka dipastikan harga CPO akan turun.
2. Kondisi Politik dan Keamanan Negara
menuju kapal yang memakan waktu lama. Terganggunya proses pengapalan akan mempengaruhi kualitas CPO
3. Kondisi Nilai Tukar Rupiah
Penetapan harga jual CPO yang terjadi baik lokal maupun ekspor berpatokan pada nilai tukar rupiah terhadap Dollar Amerika. Jika rupiah menguat terhadap Dollar Amerika harga komoditi primer di pasar dunia akan meningkat sehingga harga CPO juga akan meningkat.
4. Kondisi yang Tidak Dapat di Perkirakan (lost majeur)
Keadaan alam seperti banjir, kemarau panjang, badai El Nino akan mengakibatkan menurunnya produktivitas tanaman kelapa sawit. Kondisi ini akan menghambat kontinuitas pasokan produksi CPO yang akan dijual oleh perusahaan.
5. Siklus Informasi Aktual Dunia Siklus perkembangan harga harian dari FOB Malaysia dan CIF Rotterdam mempengaruhi penetapan harga CPO melalui negoisasi antara pihak penjual dengan pembeli, karena apabila harganya turun konsumen cenderung menginginkan hal yang serupa terjadi pada harga CPO yang ditawarkan penjual. Untuk itu peran R & D dan Marketing Intelligence untuk mengetahui situasi pasar dan rekomendasi harga jual bagi pihak manajemen berperan penting.
6. Perkembangan Komoditi Subtitusi CPO Dunia
pilihan pembeli. Begitu juga jika terjadi kekurangan pasokan produk subtitusinya, permintaan CPO dari penjual akan meningkat.
3.1.3. Kondisi Pasar CPO Nasional dan Internasional
3.1.3.1. Pasar CPO Nasional
Pemasaran CPO Indonesia hasil produksi dari perkebunan negara atau pengusaha perkebunan swasta untuk keperluan dalam negeri diatur melalui SK Dirjen Perdagangan Dalam Negeri No. 22/DAGRI KP/T/83, SK ini merupakan perubahan dan penyesuaian dari SK yang pernah ditetapkan sebelumnya (tahun 1979), yaitu tentang Pedoman Petunjuk Teknis SK Menteri Perdagangan dan Koperasi, Menteri Pertanian, dan Menteri Perindustrian tentang Tataniaga CPO Kebutuhan Dalam Negeri (Susilowati, 1989).
masing-masing unit industri minyak goreng, sabun, dan industri lainnya, serta melakukan pengawasan terhadap perusahaan-perusahaan industri penerima alokasi CPO. Berdasarkan kedua data tersebut barulah ditetapkan jumlah efektif CPO yang dialokasikan untuk kebutuhan industri pengolahan minyak
sawit, sekaligus menetapkan harganya.mmmmm.mmmmmmmmmmmmmmmm Penetapan harga untuk pembelian CPO oleh pabrik industri dalam
negeri diatur melalui SK Menteri Perdagangan dan Industri No. 04/KP/1/1986. harga yang berlaku ditetapkan berdasarkan patokan harga di pasar fisik CPO internasional yaitu FOB Belawan Malaysia. Syarat-syarat penyerahan CPO dari produsen kepada industri dilaksanakan berdasarkan SK Dirjen Perdagangan Dalam Negeri yang pada pokoknya mengatur harga dan cara penyerahan CPO dari produsen kepada industri pengolah menurut lokasi industri masing-masing. Sementara itu saluran pemasaran CPO dari produsen sampai ke konsumen digambarkan sebagai berikut :
Gambar 2. Saluran Pemasaran CPO di Pasar Nasional Sumber : dimodifikasi dari Zega (2003) dari Susilowati (1989)
Keterangan : LTC : Long Term Contract (Kontrak Jangka Panjang)
PNP/PTP : Perusahaan Nasional Perkebunan/ PT Perkebunan Tender di
KPB
PNP/PTP
Konsumen Dalam Negeri
LTC di KPB Spot di KPB Perusahaan
CPO yang diperdagangkan berasal dari dua sumber, yaitu dari perusahaan-perusahaan perkebunan milik negara (PNP/PTP) dan dari perusahaan swasta. Sesuai dengan kesepakatan diantara PNP/PTP, CPO yang berasal PNP/PTP tersebut pemasarannya harus melalui Kantor Pemasaran Bersama (KPB).
Sistem pemasaran yang dilakukan adalah dengan sistem tender/ lelang, penawaran langsung (spot) dan kontrak jangka panjang (Long Term Contract) dilakukan oleh KPB dengan PTPN dan perusahaan swasta. Tender/ lelang merupakan suatu sistem penjualan untuk mencari pembeli dengan penawaran tertinggi yang mencapai price idea. Pembeli dengan harga tertinggi inilah yang disebut pemenang tender. Penjualan langsung dilakukan apabila tidak tercapai kesepakatan harga antara pihak penjual dengan pembeli, biasanya ditawarkan pada pembeli dengan harga tetap dengan harga yang sesuai dengan harga pasar. Kontrak jangka panjang juga hampir sama dengan penawaran langsung, namun penawaran yang terjadi untuk masa yang akan datang, biasanya dalam jangka waktu satu bulan atau dengan kata lain merupakan sistem pesanan
(order ) (Zega,2003).). Berdasarkan
3.1.3.2. Pasar CPO Internasional
Pemasaran konsumen luar negeri, semula pemasarannya melalui broker-broker lokal selanjutnya broker-broker tersebut harus berhubungan dengan badan pemasaran di luar negeri, seperti Indoham yang menangani pemasaran di Hamburg dan New York. Namun dewasa ini dengan pertimbangan untuk memotong rantai pemasaran agar lebih pendek, dengan tujuan akhir agar dapat lebih meningkatkan pangsa pasar di luar negeri. Oleh karena itu, penjualan CPO tidak lagi harus melalui badan pemasaran luar negeri, namun dapat
langsung berhubungan dengan importir luar negeri.mmmm... CPO yang berasal dari perusahaan swasta, untuk pemasaran keluar
[image:39.595.138.511.81.272.2]negeri dapat langsung berhubungan dengan importir atau agen luar negeri. Pada umumnya perusahaan-perusahaan kecil akan bergabung pada perusahaan yang besar, selanjutnya perusahaan besar tersebut yang akan memasarkan ke luar negeri. Untuk keperluan ini mereka memiliki kantor perwakilan diluar negeri, sebagai contoh adalah PT Sucofindo, merupakan eksportir non PTP yang relatif besar. Harga di FOB Malaysia dan CIF Rotterdam menjadi patokan perusahaan PTP dan Swasta didalam menentukan harga ekspor, sebelum terjadinya tawar
Gambar 3. Saluran Pemasaran CPO ke Luar Negeri Perusahaan
Swasta
KPB
Broker Lokal
Badan Pemasaran Luar Negeri
Konsumen Luar Negeri Importir
Luar Negeri
menawar harga dengan importir atau broker (Susilowati 1989). Pemasaran keluar negeri dilakukan juga melalui pasar berjangka, seperti
yang dilakukan oleh PT PP London Sumatera, selama tahun 2004 sampai tahun 2005 perusahaan ini melakukan penjualan CPO nya melalui pasar berjangka. Penjualan crude palm oil (CPO) hasil produksi PT PP London Sumatera
Indonesia TBk (Lonsum) ke pasar dunia relatif stabil karena mekanisme penjualan yang digunakan adalah sistem penjualan berjangka, atau kontrak 6 bulan ke depan. Oleh karena itu, meskipun tren harga CPO di pasar dunia melemah, harga penjualan CPO Lonsum stabil. Mekanisme penjualan kontrak berjangka merupakan strategi yang terbaik disaat menghadapi fluktuasi harga yang tidak menentu. Kontrak penjualan berjangka memakai mekanisme pematokan harga terhadap transaksi suatu komoditas hingga beberapa waktu ke depan. Dalam kaitan itu, harga rata-rata CPO FOB Belawan Lonsum mencapai pada tingkat US$ 380 per metrik ton dengan para importir di luar negeri. Mekanisme penjualan sistem kontrak berjangka itu ditempuh sesuai strategi penjualan sehingga Lonsum dapat memprediksikan fluktuasi harga CPO di pasar internasional dalam 6 bulan ke depan. Selain itu, cara itu cukup aman dalam menjaga biaya yang dikeluarkan dengan sebagian mata uang asing1.
3.1.4. Pemasaran CPO
Produsen CPO pada umumya memasarkan hasil produksinya dalam bentuk CPO dan PKO, sistem pemasaran dilakukan secara langsung dan tidak langsung. Pemasaran langsung dilakukan dengan memasarkan produknya kepasar internasional, yaitu diekspor. Pemasaran tidak langsung dilakukan dengan memasarkan CPO melalui Kantor Pemasaran Bersama (KPB) di Jakarta, sistem pengiriman barang oleh produsen ke pihak pembeli berdasarkan pesanan, dalam hal ini pembeli memesan barang melalui KPB. Setelah tercapai
1
kesepakatan harga antara pihak pembeli dengan produsen baik mutu, dan jumlah barang, syarat pembayaran, waktu dan tempat penyerahan barang, pihak produsen akan mengirimkan pesanan melalui pasar lokal (pelabuhan) terdekat kepada pembeli dengan syarat penyerahan secara FOB (Simanjuntak, D 2003)
3.1.5. Konsep Pasar Berjangka dan Pasar Fisik
Bursa berjangka merupakan pasar derivatif, yang berbeda dari pasar komoditi secara fisik yang telah umum kita kenal. Di pasar berjangka, diperdagangkan kontrak berjangka atas komoditi tertentu yang telah dipersyaratkan secara standar. Berdasarkan UU No.32/1997 tentang perdagangan berjangka komoditi, perdagangan berjangka adalah segala sesuatu yang berkaitan dengan jual beli komoditi dengan penyerahan kemudian berdasarkan kontrak berjangka dan opsi atas kontrak berjangka (Badan Pengawas Berjangka Komoditi, 2003a). Beberapa ketentuan yang telah ditetapkan secara standar dalam kontrak berjangka, antara lain jenis komoditi, mutu, jumlah satuan perkontrak, bulan penyerahan, tempat penyerahan, dan persyaratan penyerahan. Karena bentuknya yang standar itu, maka yang di”negoisasi”kan hanya harganya saja. Performance atau ”terpenuhinya” kontrak berjangka sesuai dengan spesifikasi yang tercantum dalam kontrak, dijamin oleh suatu lembaga khusus yaitu Lembaga Kliring Berjangka.
para anggota bursa, yang terdiri dari Hedger (para petani produsen, pedagang komoditi, prosesor dan industri pemakai), Investor (spekulator) dan pialang berjangka, baik dengan cara berteriak (open outcry) atau secara elektronik
(authomated atau electronic trading system). Selanjutnya, harga yang terjadi dicatat menurut bulan penyerahan masing-masing kontrak berjangka dan diumumkan secara luas kepada masyarakat.
Menurut Djunaidi (1999), perbedaan antara perdagangan berjangka
(futures) dengan perdagangan fisik (forward) adalah sebagai berikut: 1. Kontrak
Pada perdagangan fisik syarat kontrak berdasarkan negoisasi sedangkan pada perdagangan berjangka syarat kontrak standard sesuai dengan ketetapan yang berlaku di bursa dan menurut Rambey (1999) kontrak forward yang diperdagangkan di pasar fisik dibuat secara ’tailor made’, tidak terstandarisasi, umumnya hanya terdapat satu delivery date, Settlement
dilaksanakan diakhir periode kontrak dan umumnya terjadi delivery berupa cash settlement pada saat berakhirnya kontrak. Sedangkan kontrak berjangka diperdagangkan sesuai standard melalui bursa dan terdaftar pada lembaga kliring, terdapat delivery date dalam satu rentang waktu dengan settlement
dilaksanakan secara harian melalui mekanisme margin trading dan kontrak umumnya diakhiri sebelum maturity.
2. Aktivitas Pasar
Pada perdagangan fisik aktivitas pasar tidak diregulasi, sedangkan di pasar berjangka diregulasi oleh bursa.
3. Penetapan Harga
4. Likuidasi
Likuidasi pada perdagangan fisik biasanya sulit, sedangkan pada perdagangan berjangka mudah di offset (ditutup).
Manfaat utama dari penyelenggaraan perdagangan berjangka komoditi yaitu sarana pembentukan harga (price discovery) yang transparan dan wajar,
yang mencerminkan kondisi yang sebenarnya dari komoditi yang diperdagangkan dan sebagai sarana pengelolaan resiko (risk management)
melalui kegiatan lindung nilai atau hedging (Badan Pengawas Perdagangan Berjangka Komoditi, 2003a). Pada dasarnya, harga komoditi primer sering berfluktuasi karena ketergantungannya pada faktor-faktor yang sulit dikuasai seperti kelainan musim, bencana alam, dan lain-lain. Dengan kegiatan lindung nilai menggunakan kontrak berjangka, mereka dapat mengurangi sekecil mungkin resiko yang diakibatkan gejolak harga tersebut. Dengan memanfaatkan kontrak berjangka, produsen komoditi dapat menjual komoditi yang baru akan mereka panen beberapa bulan kemudian, pada harga yang telah dipastikan atau “dikunci” sekarang (sebelum panen).
Dengan demikian, mereka dapat memperoleh jaminan harga sehingga tidak terpengaruh oleh kenaikan atau penurunan harga jual di pasar tunai. Sebagai jaminan, semua pengguna pasar berjangka, dipersyaratkan menyerahkan sejumlah uang yang disebut “margin”. Besarnya per kontrak umumnya berkisar antara 5 % - 10 % dari nilai kontrak. Adapun besarnya margin berbeda-beda tergantung pada komoditi, waktu, dan gejolak harga yang terjadi. Dalam perjalanannya, margin ini memerlukan tambahan (margin call), karena
ditetapkan berlaku untuk periode waktu tertentu, dan dapat diubah sesuai dengan situasi dan kondisi yang ada. Selain itu ada biaya komisi yang dikenakan oleh pialang berjangka, yang besaran minimumnya ditetapkan bursa atas persetujuan Badan Pengawas Perdagangan Berjangka Komoditi (Bapppebti, 2003b).
3.1.5.1. Lindung Nilai (Hedging)
Dalam setiap kegiatan perdagangan, pengusaha selalu mengharapkan keuntungan, akan tetapi juga dihadapkan kepada resiko kerugian yang selalu melekat dalam kegiatan usahanya. Resiko umumnya berasal dari akibat perubahan harga barang, perubahan kurs mata uang, suku bunga, inflasi dan lain sebagainya. Untuk melindungi pengusaha dari resiko tersebut, dapat dilakukan lindung nilai yaitu suatu kegiatan pengambilan posisi di pasar berjangka yang berlawanan dengan posisinya di pasar fisik (Badan Pengawas Perdagangan Berjangka Komoditi, 2003b). Dengan lindung nilai, resiko tersebut dapat dialihkan kepada investor yang mengharapkan keuntungan dari perubahan harga di Bursa Berjangka.
3.1.6. Peramalan
Peramalan merupakan alat kuantitatif yang digunakan untuk membantu didalam mengambil suatu keputusan. Suatu keputusan akan lebih baik hasilnya bila memadukan antara hasil kuantitatif (peramalan) dan intuisi (pendapat pribadi). Hampir setiap organisasi memerlukan ramalan baik secara eksplisit maupun secara implisit, karena hampir setiap organisasi harus membuat perencanaan agar sesuai dengan kondisi masa depan yang tidak diketahui dengan baik. Selain itu, peramalan dibutuhkan pada semua lini fungsional, begitu pula pada semua jenis organisasi. Peramalan dibutuhkan dalam bidang keuangan, pemasaran, personalia, dan lingkup produksi, dalam pemerintahan dan organisasi pencari laba, dalam klub sosial kecil, dan dalam partai politik nasional (Hanke et al. 2003).
Gaynor dan Kirkpatrick (1994) mengungkapkan bahwa peramalan merupakan pendugaan terhadap kegiatan masa depan. Metode peramalan dapat berdasarkan pengalaman, penilaian, opini dari ahli atau model matematika yang menggambarkan pola data historis.
Peramalan merupakan suatu proses memperkirakan secara sistematis tentang apa yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar kesalahan dapat diperkecil. Peramalan dapat juga diartikan sebagai suatu usaha memperkirakan perubahan, agar tidak disalahpahami bahwa peramalan tidak memberikan jawaban yang pasti tentang apa yang akan terjadi, melainkan akan mencari yang sedekat mungkin dengan apa yang akan terjadi (Mulyono 2000).
3.1.7. Metode Peramalan
lebih subjektif. Pada situasi manajemen dan industri (pasar) yang masih sederhana, peramalan kualitatif dapat memberikan akurasi hasil peramalan yang relatif sama dengan peramalan kuantitatif. Metode kualitatif dapat memberikan hasil yang bias ketika beberapa individu tertentu mendominasi proses peramalan melalui reputasi, kekuatan kepribadian atau posisi strategis dalam organisasi. (Anmi L, 2004). Metode peramalan terbagi menjadi dua yaitu metode peramalan kualitatif dan metode kuantitatif.
3.1.7.1. Metode Kualitatif
3.1.7.2. Metode Kuantitatif
Makridakis et al., (1999) menulis bahwa peramalan kuantitatif memiliki sifat yang objektif berdasarkan pada keadaan aktual (data) yang diolah dengan menggunakan metode-metode tertentu. Penggunaan suatu metode juga harus didasarkan pada fenomena manajemen atau bisnis apa yang akan diramalkan dan tujuan yang ingin dicapai melalui peramalan. Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut :
1. Tersedia informasi masa lalu
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik
3. Dapat diasumsikan bahwa pola masa lalu akan terus berlanjut dimasa datang
Pada dua asumsi pertama merupakan syarat keharusan bagi penerapan metode peramalan kuantitatif. Asumsi ketiga merupakan syarat kecukupan, artinya walaupun asumsi ketiga dilanggar, model yang dirumuskan masih dapat digunakan. Hal tersebut akan memberikan kesalahan peramalan yang relatif besar bila perubahan pola data maupun bentuk hubungan fungsional tersebut terjadi secara sistematis. Metode peramalan kuantitatif terbagi menjadi dua yaitu; model time series dan model kausal
Dalam penelitian ini model peramalan yang digunakan adalah model time series. Menurut Hanke et al,. (2003) faktor utama yang mempengaruhi pemilihan teknik peramalan untuk data deret waktu (time series) adalah identifikasi dan pemahaman pola historis data. Pola data tersebut terbagi menjadi empat, yaitu :
1). Pola Horisontal
Pola ini terjadi pada saat data observasi berfluktuasi disekitar nilai rata-rata konstan. Pola ini disebut juga pola stasioner.
Pola ini muncul ketika observasi data menaik atau menurun pada periode yang panjang. Contoh dari rangkaian trend adalah pertumbuhan populasi, inflasi harga, perubahan teknologi, preferensi konsumen dan kenaikan produktifitas.
3). Pola Siklis (cyclus)
Pola ini muncul pada saat observasi data memperlihatkan kenaikan dan penurunan pada periode yang tidak tetap. Komponen siklik mirip fluktuasi gelombang disekitar trend yang sering dipengaruhi oleh kondisi ekonomi. Fluktuasi siklik sering dipengaruhi oleh perubahan pada ekspansi dan kontraksi ekonomi.
4). Pola Musiman (seasonality)
Pola terjadi pada saat data observasi dipengaruhi oleh faktor musiman. Komponen musiman mengacu pada suatu pola perubahan yang berulang dengan sendirinya dari tahun ketahun. Untuk deret bulanan, komponen musiman mengukur keragaman deret dari setiap Januari, setiap Februari dan seterusnya. Untuk deret triwulanan, ada empat elemen musim, masing-masing satu untuk setiap triwulan. Berdasarkan keempat tipe pola data tersebut, menurut Hanke et al,. (2003) beberapa teknik peramalan yang dapat digunakan adalah sebagai berikut: :
1). Teknik peramalan data dengan trend
Teknik peramalan yang perlu dipertimbangkan untuk pola data stasioner adalah model simple moving average (rata-rata bergerak),
pemulusan eksponensial linier Holt, regresi linier sederhana, dan model Autoregressive Integrated Moving Average (ARIMA)
Teknik peramalan yang perlu dipertimbangkan pada data stasioner adalah model naive, model rata-rata sederhana, rata-rata bergerak, pemulusan eksponensial linier Holt sederhana, dan model rata-rata terintegrasi bergerak autoregresif (ARIMA) atau model Box-Jenkins 3). Teknik peramalan untuk data dengan musiman
Teknik-teknik yang perlu dipertimbangkan ketika meramalkan deret musiman terdiri dari dekomposisi klasik, sensus X-12, pemulusan eksponensial winters, regresi berganda deret waktu, dan model ARIMA
4) Teknik peramalan untuk deret bersiklus
Teknik-teknik yang perlu dipertimbangkan ketika meramalkan deret bersiklus terdiri dari dekomposisi klasik, indikator ekonomi, model ekonometrik, regresi berganda, dan model ARIMA
Teknik peramalan yang digunakan dalam peramalan time series terdiri dari beberapa model. Pembagian model tersebut beragam menurut para ahli, namun pada dasarnya memiliki maksud dan tujuan yang sama. Model-model peramalan time series tersebut, adalah sebagai berikut :
1. Model Trend
Model ini menggambarkan pergerakan data yang meningkat atau menurun dalam jangka waktu yang panjang. Model ini menggambarkan hubungan antara periode dengan variabel yang diramal dengan menggunakan analisis regresi.
2. Model Naif (naive)
3. Model rata-rata
1) Model rata-rata sederhana (simple average)
Menurut Hanke et al,. (2003) model ini merupakan model yang tepat ketika seri data secara umum tidak berubah dan stabil, misalnya jumlah penjualan produk daur hidupnya berada dalam kondisi maturity. Model ini menggunakan rata-rata dari seluruh data historis sebagai ramalan untuk periode mendatang.
2) Model rata-rata bergerak sederhana (simple moving average)
Model ini menggunakan rata-rata sebagai ramalan untuk periode mendatang. Pada setiap nilai, muncul nilai pengamatan baru, nilai rata-rata baru dapat dihitung dengan membuang nilai observasi yang paling tua dan memasukan nilai pengamatan yang terbaru. Model ini tidak dapat mengatasi unsur trend dan musiman.
3) Model rata-rata bergerak ganda
Model ini menghitung rata-rata bergerak sebelumnya, pola data time series umumnya mengandung unsur trend linier (Hanke et al., 2003)
4. Model Pemulusan Eksponensial (exponential smoothing)
Model pemulusan ini terdiri atas :
1). Model pemulusan eksponensial tunggal (single eksponential smoothing)
model ini digunakan untuk peramalan data time series tanpa trend atau pola stasioner. Model ini juga banyak mengurangi masalah penyimpangan data karena tidak perlu lagi menyimpan semua data historis atau sebagian seperti halnya dalam model rata-rata bergerak. 2). Model pemulusan eksponensial tunggal : pendekatan adiftif
perubahan dalam pola data dasar. Model ini juga digunakan untuk peramalan data time series dengan pola data stasioner.
3). Model pemulusan eksponensial ganda: model linier satu parameter dari Brown (double exponential smoothing with linier trend)
Model ini memiliki tambahan nilai pemulusan dan disesuaikan untuk mengatasi unsur trend.
4). Model pemulusan eksponensial ganda Holt (exponential smoothing linear trend)
Model Holt tidak menggunakan rumus pemulusan berganda secara langsung. Model ini menggunakan dua konstanta pemulusan (a dan ß). 5). Model pemulusan eksponensial triple (model Brown-triple exponential
smoothing)
Model ini digunakan untuk peramalan data time series dengan trend kuadratik. Model ini memasukan tingkat pemulusan tambahan dan hanya memiliki satu konstanta pemulusan.
5. Model Box -Jenkins (ARIMA)
Model Autoregressive Integrated Moving Average (ARIMA) adalah jenis model linier yang mampu mewakili deret waktu yang stasioner dan non stasioner. Model ini tidak mengikutkan variabel bebas dalam pembentukannya, model ini menggunakan informasi dalam deret itu sendiri untuk menghasilkan ramalan. Misalnya model ARIMA untuk penjualan bulanan akan memproyeksikan pola penjualan historis untuk meramalkan penjualan bulan depan (Hanke et al., 2003). 6. Model Dekomposisi
1). Dekomposisi aditif, model ini untuk pola data yang fluktuasinya relatif konstan.
2). Dekomposisi multiflikatif, model ini untuk pola data yang fluktuasinya proporsional terhadap trend. 7. Model Winters
Model ini cocok digunakan untuk serial data yang mempunyai pola trend linier, serta faktor musiman. Kelebihan model ini adalah mudah dan cepat untuk meng-update ramalan ketika data baru diperoleh, jika trend dan musiman berubah dalam data historis dan pembobot optimal digunakan maka hasilnya lebih baik jika dibandingkan dengan model dekomposisi. Kelemahannya adalah pembobot optimal yang diperoleh harus selalu dimonitor dan jika ada pengaruh siklis hasil ramalannya tidak akurat karena komponen siklis tidak diperhitungkan.
3.1.8. Pemilihan Teknik Peramalan
Hanke et al., (2003) menuliskan bahwa beberapa pertanyaan yang harus dipertimbangkan sebelum memutuskan teknik peramalan mana yang paling cocok untuk suatu masalah tertentu adalah :
1. Kenapa ramalan dibutuhkan?
2. Siapa yang akan menggunakan ramalan?
3. Karakteristik apa yang ada pada data yang tersedia? 4. berapa periode waktu yang akan diramalkan?
5. Berapa data minimum yang menjadi persyaratan? 6. Seberapa besar derajat keakuratan dikehendaki? 7. Berapa biaya peramalan?
Dalam memilih teknik peramalan yang sesuai dengan benar, peramal harus dapat mengerjakan hal-hal berikut :
2. Menjelaskan sifat dasar data yang sedang diteliti
3. Mendeskripsikan kemampuan dan keterbatasan potensial dari teknik-teknik peramalan yang kemungkinan sangat berguna
Tingkat harga komoditas yang terjadi di pasar fisik selalu berfluktuasi 4. Mengembangkan sejumlah kriteria yang ditentukan terlebih dahulu
sebagai dasar untuk memilih keputusan.
Faktor utama yang mempengaruhi pemilihan teknik peramalan adalah identifikasi dan pemahaman pola data historis (Hanke et al., 2003).
3.2. Kerangka Pemikiran Operasional
Tingkat harga komoditas CPO yang terjadi di pasar fisik selalu berfluktuasi sesuai dengan permintaan dan penawaran terhadap komoditas tersebut di pasar internasional dan domestik. Resiko dan ketidakpastian merupakan salah satu faktor yang menyebabkan kegagalan pasar (market failure) sehingga menyebabkan pasar terdistorsi dan ouput ekonomi tidak tercapai secara optimal.
Pemasaran komoditi CPO oleh pemasar di pasar fisik dan pasar berjangka akan sama-sama menghadapi fluktuasi harga, transaksi di pasar fisik yang dilakukan oleh pemasar tidak ada lindung nilai (hedging) yang dapat dilakukan, sehingga harus menanggung semua resiko yang disebabkan oleh fluktuasi harga. Berbeda dengan transaksi di pasar berjangka, pemasar dapat melakukan lindung nilai, sehingga dapat meminimalisir resiko perubahan harga yang dihadapi.
komoditas dipengaruhi oleh prediksi para pelaku bursa berjangka komoditas dimasa mendatang.
Pergerakan harga fisik dan harga berjangka merupakan sumber data yang diperlukan dalam analisis teknikal untuk melakukan strategi lindung nilai. Instrumen yang dipakai dalam analisis teknikal adalah model peramalan time series. Untuk melakukan analisis teknikal dalam rangka melakukan strategi lindung nilai, dapat diketahui dengan melakukan penelitian mengenai peramalan harga CPO di pasar fisik dan pasar berjangka. Dengan penelitian ini dapat diketahui bagaimana pola data dan dapat dipilih suatu metode peramalan yang paling mendekati kondisi aktualnya.
Hal pertama yang harus dilakukan untuk mendapatkan hasil peramalan yang baik adalah melakukan pengidentifikasian pola data. Pola data dipelajari dari deret data harga CPO di pasar fisik dan pasar berjangka masa lalu dan plot autokorelasi. Dari pola data yang didapat, kemudian akan disesuaikan dengan metode peramalan kuantitatif yang akan digunakan.
Keterangan :
[image:55.595.80.509.62.730.2]- - - : Tidak diteliti dalam penelitian
Gambar 4. Kerangka Pemikiran Operasional Peramalan Harga CPO di Pasar Berjangka dan Pasar Fisik
Fluktuasi harga CPO yang terjadi di pasar berjangka dan pasar fisik, menyebabkan produsen (eksportir) CPO kesulitan didalam mengurangi (meminimalisir) resiko kerugian akibat terjadinya fluktuasi harga CPO.
Faktor-faktor yang mempengaruhi
harga CPO
Analisis Harga CPO di Pasar Fisik dan
Berjangka
Penyesuaian Pola Data dengan Model Peramalan Yang akan digunakan
Model Time Series
Model Sederhana ; Naïve, Rata-rata sederhana, dll Tren
Dekomposisi ARIMA
Smoothing Winters
Pemiihan Model Peramalan Terbaik untuk Meramalkan Harga CPO Nasional dan Internasional
IV. METODE PENELITIAN
4.1. Lokasi dan Waktu Penelitian
Penelitian ini dilaksanakan mulai dari bulan Februari 2006. Pengambilan data dilakukan di Badan Pengawas Perdagangan Berjangka Komoditi (BAPPEBTI) yang berlokasi di Jakarta. Pengambilan data dilakukan pada bulan April sampai Mei 2006.
4.2. Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk deret berkala. Data yang digunakan berupa data harga CPO di pasar fisik Belawan, Medan dan harga CPO di pasar berjangka Rotterdam dan Malaysia. Data harga CPO di pasar berjangka Rotterdam dan pasar fisik Medan diperoleh dari informasi statistik yang dimiliki oleh Badan Pengawas Perdagangan Berjangka Komoditi (BAPPEBTI) yang berlokasi di Jakarta, selama kurun waktu dua tahun yakni mulai dari Januari 2004 sampai dengan Desember 2005. Data yang diperoleh untuk pasar berjangka Rotterdam berupa data harga nominal CPO harian dengan satuan US $/ton, untuk pasar fisik Belawan harga yang diperoleh berupa harga nominal CPO harian dengan satuan Rp/kg. Data harga CPO di pasar berjangka Malaysia diperoleh dari internet, selama kurun waktu tujuh belas bulan mulai dari Januari 2004 sampai dengan Mei 2005, data harga nominal CPO harian dengan satuan US $/ton. Untuk memudahkan proses peramalan maka data tersebut diubah dalam bentuk rata-rata dalam periode waktu mingguan.
4.3. Metode Pengolahan dan Analisis Data
plot data harga minyak sawit (CPO), proses peramalan dengan model trend, dekomposisi serta ARIMA yang diolah dengan Program Minitab 14. Program QSB digunakan untuk meramalkan harga dengan model Winters dan Smoothing.
Pemilihan program tersebut dikarenakan merupakan program yang telah sering digunakan dan mudah digunakan. Analisis deskriptif digunakan untuk menjelaskan pola musiman yang terjadi disetiap pasar CPO, dengan tabulasi sederhana dalam hitungan rataan minggu dan bulan.
4.3.1. Identifikasi Pola Data Harga CPO
Data harga CPO diplot menggunakan program Minitab 14. Berdasarkan hasil plot data tersebut dapat diketahui secara visual bagaimana bentuk pola data, apakah mengandung unsur trend atau stasioner. Kestasioneran data dapat dilihat apakah data memiliki kecendrungan semakin meningkat, semakin menurun, atau terdapat fluktuasi musiman. Berdasarkan pola tersebut dapat diduga untuk sementara model peramalan apa yang baik digunakan dalam meramalkan harga CPO diberbagai pasar.
Program Minitab 14 digunakan untuk mengidentifikasi plot autokorelasi (ACF) dan plot autokorelasi parsial (PACF). Dari hasil plot autokorelasi dapat dipelajari pola fluktuasi harga CPO dari waktu ke waktu secara inferensia. Hal ini dilakukan juga untuk melihat apakah data stasioner atau ada unsur trend serta unsur lainnya.
4.3.2. Penerapan Model Peramalan
Setelah proses plot data harga minyak sawit nasional dan internasional selesai, dilakukan peramalan dengan menggunakan model yang telah ditetapkan. Model peramalan yang digunakan dalam penelitian ini adalah model yang secara ilmiah dapat digunakan untuk mengatasi unsur data harga CPO diberbagai pasar.
1. Model Sederhana
1). Model Naivemmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmm Model ini identik dengan model rata-rata bergerak sederhana (simple
moving average) dengan ordo t = 1. Nilai data aktual terakhir dijadikan ramalan untuk periode berikutnya.
Dimana Ft+1 : nilai ramalan untuk satu periode kedepan
Xt : nilai aktual pada waktu ke t
Proses peramalan model ini menggunakan program Microsoft Excel
2). Model Rata-rata Sederhana (Simple Average)
Model ini diterapkan memakai nilai rata-rata dari seluruh nilai ramalan periode berikutnya. Akibatnya model ini akan memberikan nilai ramalan yang lebih akurat jika deret data berkisar diantara nilai tengahnya atau data stasioner. Model ini hanya mampu memberikan ramalan untuk satu periode kedepan serta kurang praktis karena peramal harus menyimpan seluruh data historis. Nilai rata-rata data secara keseluruhan ramalan untuk periode berikutnya
Ft+1 = ? Xt
t
Dimana Ft+1 : nilai ramalan untuk satu periode kedepan
Xt : nilai aktual pada waktu ke t
Proses peramalan model ini menggunakan program Minitab 14 3). Model Rata-rata Bergerak Sederhana (Simple Moving Average)
i=t-N+1
t
a. Menentukan ordo dan bobot rata-rata bergerak
Ordo dari rata-rata bergerak adalah jumlah data masa lalu yang dimasukan ke dalam rataan. Aplikasi model ini pada setiap harga CPO yang ada menggunakan ordo yang menghasilkan nilai kesalahan yang paling kecil. Pemilihan ordo terbaik dilakukan dengan cara coba-coba.
b. Menerapkan persamaan model peramalan
Untuk model rata-rata bergerak sederhana persamaan umumnya (Makridakis dkk, 1999) adalah :
Ft+1 = ? Xi
N
Dimana Ft+1 : nilai ramalan untuk satu periode kedepan
Xi : nilai aktual pada waktu ke i
N : ordo dari rata-rata bergerak 2. Model ARIMA (Box Jenkins)
Model ARIMA merupakan model pemulusan (smoothing) yang mendasarkan ramalannya pada prinsip-prinsip perata-rataan masa lalu dengan menambahkan persentase kesalahan pada kesalahan ramalan sebelumnya.
Model ARIMA terdiri atas autoregressive model, moving average model dan Autoregressive Integrated Moving Average (ARIMA) Model.
1. Model Autoregressive (AR)
Model AR adalah persamaan dimana jika series stasioner adalah fungsi linier dari nilai-nilai lampaunya yang berurutan. Secara umum model ini dapat ditul
