ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR HONDA TIPE
BEBEK, MATIK, DAN SPORT DI PT. CATUR PUTRA JAYA
MENGGUNAKAN METODE KOINTEGRASI
BOB MARSHALL SITORUS
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Peramalan Penjualan Sepeda Motor Honda Tipe Bebek, Matik, dan Sport di PT. Catur Putra Jaya Menggunakan Metode Kointegrasi adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
ABSTRAK
BOB MARSHALL SITORUS. Analisis Peramalan Penjualan Sepeda Motor Honda Tipe Bebek, Matik, dan Sport di PT. Catur Putra Jaya Menggunakan Metode Kointegrasi. Dibimbing oleh ABDUL BASITH.
Kegiatan forecasting ditujukan untuk mengurangi ketidakpastian akan sesuatu yang belum terjadi di masa depan; memang tidak ada satu metode pun yang dapat menghilangkan ketidakpastian. Tujuan penelitian ini yaitu menganalisis hubungan kointegrasi antara tipe sepeda motor bebek, matik dan sport, untuk mendapatkan prediksi atau ramalan pencapaian penjualan sepeda motor pada tahun 2013, serta bagaimana kointegrasi produk dan ramalan penjualan memiliki kontribusi dalam perencanaan strategi yang mungkin diterapkan perusahaan dan keunggulan dengan perusahaan pesaing. Data yang digunakan pada penelitian ini adalah data sekunder. Analisis data dilakukan dengan menggunakkan vector autoregression, uji stasioneritas data, uji kausalitas Granger, uji lag optimum, uji kointegrasi, estimasi VECM, uji stabilitas model, impuls respons function dan foercast error decomposition variance. Berdasarkan hasil analisis yang dilakukan, ditemukan adanya kointegrasi antar variabel. Variabel Sport memiliki pengaruh positif paling besar terhadap variabel Bebek dan Matik. Oleh karena itu peran produk Sport menjadi penting karena peningkatan penjualan produk Sport akan mempengaruhi naiknya pula penjualan produk Bebek dan Matik.
Kata kunci: kointegrasi, penjualan, peramalan
ABSTRACT
BOB MARSHALL SITORUS. Forecasting Analysis for Honda Motorcycle Matic, Bebek, and Sport Type Sale with Cointegration Method at Catur Putra Jaya. Supervised by ABDUL BASITH.
Forecasting is used to minimize uncertainty of future, though there is not a single method can erase any of uncertainty. The aim of this research is to analyse the relation of cointegration between the type of motorcycle such as Bebek, Matik, and Sport. The cointegration can be used to forecast the number of the motorcycle sale in 2013, and also help the management to arange the strategy to be used by the company to lead the marketing and compete others. The data that is used in this research is secondary data. The analysis is being done with vector autoregression, data stationarity test, Granger causality test, lag optimum test, cointegration test, VECM estimation, data stability test, impulse response funtion, and forecast error decomposition variance
Based on the result of the analysis, is found that there is exist the cointegration between variabels. Sport gives the biggest positive efect to Bebek and Matik. That is why Sport has important role in sale, because the increasing of Sport sale will raise the sale of Bebek and Matik.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi
pada
Departemen Manajemen
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR
BOGOR 2013
BOB MARSHALL SITORUS
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR HONDA TIPE
BEBEK, MATIK, DAN SPORT DI PT. CATUR PUTRA JAYA
iii Judul Skripsi : Analisis Peramalan Penjualan Sepeda Motor Honda Tipe Bebek,
Matik, dan Sport di PT. Catur Putra Jaya Menggunakan Metode Kointegrasi
Nama : Bob Marshall Sitorus NIM : H24090106
Disetujui oleh
Dr Ir Abdul Basith, MS Pembimbing
Diketahui oleh
Dr Mukhamad Najib, STP, MM Ketua Departemen
iv
PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Mei 2013 ini ialah peramalan, dengan judul Analisis Peramalan Penjualan Sepeda Motor Honda Tipe Bebek, Matik,
dan Sport di Catur Putra Jaya Menggunakan Metode Kointegrasi.
Terima kasih penulis ucapkan kepada Bapak Dr Ir Abdul Basith, MS selaku pembimbing, serta pihak-pihak yang telah banyak memberi saran. Di samping itu, penghargaan penulis sampaikan kepada Bapak Harno Wiracakseno dari PT. Catur Putra Jaya yang telah membantu selama pengumpulan data. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga, atas segala doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.
v
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
PENDAHULUAN 1
Latar Belakang 1
Perumusan Masalah 3
Tujuan Penelitian 3
Manfaat Penelitian 3
Ruang Lingkup Penelitian 3
METODE 3
Prosedur Analisis Data 5
HASIL DAN PEMBAHASAN 10
Sejarah Perusahaan 10
Produk-Produk Perusahaan 10
Hasil Analisis 11
Implikasi Manajerial 23
SIMPULAN DAN SARAN 24
DAFTAR PUSTAKA 25
vi
DAFTAR TABEL
1. Durasi indent sepeda motor di PT. Catur Putra Jaya 2
2. Hasil uji stasioner 12
3. Hasil first difference 12
4. Uji kausalitas Granger 13
5. Hasil uji lag optimum 13
6. Hasil uji kointegrasi 14
7. Hasil estimasi VECM 14
8. Hasil uji stabilitas model 15
9. Hasil peramalan Matik 21
10.Hasil peramalan Bebek 22
11.Hasil peramalan Sport 23
DAFTAR GAMBAR
1. Kerangka pemikiran 4
2. Hasil analisis impulse response function (IRF) Matik ke Matik 16 3. Hasil analisis impulse response function (IRF) Bebek ke Matik 16 4. Hasil analisis impulse response function (IRF) Sport ke Matik 17 5. Hasil analisis impulse response function (IRF) Bebek ke Bebek 17 6. Hasil analisis impulse response function (IRF) 18 7. Hasil Analisis impulse response function (IRF) 18 8. Hasil analisis impulse response function (IRF) 19 9. Hasil analisis impulse response function (IRF) Matik ke Sport 19 10.Hasil analisis impulse response function (IRF) Bebek ke Sport 20
11.Variance decomposition of Matik 20
12.Variance decomposition of Bebek 21
13.Variance decomposition of Sport 22
DAFTAR LAMPIRAN
1. Laporan penjualan PT. Catur Putra Jaya Bekasi 26
2. Uji stasioneritas Matik 27
3. Uji stasioneritas Bebek 27
4. Uji stasioneritas Sport 27
5. Uji stasioneritas Matik setelah first difference 27 6. Uji stasioneritas Bebek setelah first difference 28 7. Uji stasioneritas Sport setelah first difference 28
8. Uji kausalitas Granger 28
9. Uji lag optimum 29
10.Uji kointegrasi 29
11.Estimasi VECM 29
12.Uji stabilitas model 30
vii
14.Impuls response of Bebek 33
15.Impuls response of Sport 34
16.Variance decomposition of MATIK 35
17.Variance decomposition of BEBEK 36
18.Variance decomposition of SPORT 37
1
PENDAHULUAN
Indonesia merupakan salah satu negara berkembang di dunia. Dalam dunia bisnis, Indonesia merupakan lahan subur bagi para investor baik dalam negeri maupun luar negeri. Perkembangan teknologi yang sangat pesat dan pola hidup masyarakat yang tergolong konsumtif sehingga menimbulkan ketatnya persaingan antar perusahaan. Salah satu bisnis yang berkembang pesat adalah bisnis otomotif. Tahun 2012, pemasukan dari industri sepeda motor terhadap produk domestik bruto (PDB) nasional mencapai Rp 120 triliun. Sedangkan nilai investasi yang ditanamkan produsen domestik maupun asing sebesar US$ 7 miliar atau Rp 67,3 triliun. (Subagjo 2005)
Latar Belakang
PT. Catur Putra Jaya didirikan pada 20 Agustus 2002 dan resmi beroperasi sebagai dealer resmi sepeda motor Honda pada tanggal 16 April 2003 dengan menyewa sebuah ruko yang beralamat Jl. Perjuangan Kav 17-19, Komplek Wisma Asri, Teluk Pucung, Bekasi Utara, Jawa Barat. PT. Catur Putra Jaya terus tumbuh dan berkembang secara berkesinambungan dan konsisten dari tahun ke tahun sehingga saat ini menjadi dealer terbesar di Jawa Barat.
Bisnis main dealership ini terus berkembang, sehingga pada tahun 2005, I Made Wija memutuskan untuk menambah jaringan perusahaan dengan mendirikan kantor cabang di kota Depok, serta lebih melibatkan para profesional untuk mengelola perusahaan. Praktek manajemen modern serta teknologi semakin dimanfaatkan dalam rangka meningkatkan efektivitas dan efisiensi proses. Sumber daya manusia juga terus-menerus dibenahi dan ditingkatkan kualitasnya. Fasilitas dan infrastruktur pendukung pun terus dilengkapi dan diperkuat agar perusahaan semakin kompetitif untuk dapat memenangkan kompetisi dalam dunia otomotif.
Dengan adanya komputer sebagai alat pengolah data, maka semua bidang dalam suatu perusahaan ataupun instansi dapat dikomputerisasikan, dalam hal ini bidang-bidang yang dianggap penting dan utama karena hal ini dapat mendukung keberhasilan suatu perusahaan dalam mencapai tujuannya.
Namun sering kali konsumen dihadapkan pada kasus dimana produk yang diinginkan tidak ready stock. Hal ini akan mengharuskan konsumen untuk indent pemesanan. Durasi indent itu sendiri berbeda-beda setiap produk. Hal ini tentu saja membuat loyalitas konsumen rendah. Berikut adalah data mengenai durasi indent yang diperlukan dalam proses pemesanan produk sepeda motor di PT. Catur Putra Jaya Bekasi.
2
Tabel 1 Durasi indent sepeda motor di PT. Catur Putra Jaya
No. Tipe Motor Durasi
Indent Keterangan
1 Revo Fit ready stock
2 Revo Spoke ready stock
3 Revo CW ready stock
4 Revo Techno AT ready stock
5 New Supra X 125 Spoke ready stock
6 New Supra X 125 CW ready stock
7 New Supra X 125 Helm-In PGM FI ready stock warna tertentu
8 New Mega Pro Spoke ready stock
9 New Mega Pro CW 1-2 minggu
10 New Tiger Single Head CW 1 bulan
11 New Tiger Double Head CW 1 bulan
12 New Blade CW ready stock
13 New Blade Repsol ready stock
14 CBR 150 STD 1-2 bulan
15 CBR 150 Repsol 1-2 bulan
16 CBR 250 R STD 2-4 minggu warna tertentu
17 CBR 250 R ABS ready stock
18 New Vario CW ready stock
19 New Vario Techno 125 PGM FI ready stock warna Tertentu 20 New Vario Techno CBS 125 PGM FI 3-10 hari
21 New Beat PGM FI CW 3-7 hari
22 New Beat PGM FI CW CBS 3-10 hari
23 New Spacy Helm In PGM FI Spoke 3-7 hari 24 New Spacy Helm In PGM FI CW ready stock
25 New Scoopy 1-2 minggu
26 PCX 150 1-2 bulan
27 New CB150R 7-15 hari
28 New Honda Verza 150 7-15 hari
29 City Sport One ( CS1) 5-10 hari
Sumber: PT. Catur Putra Jaya Bekasi
3
Perumusan Masalah
Masalah yang akan dibahas dalam penelitian ini adalah :
1. Bagaimana hubungan produk sepeda motor tipe Bebek, Matik, dan Sport dalam proses penjualan?
2. Berapakah prediksi atau ramalan pencapaian penjualan sepeda motor di PT. Catur Putra Jaya pada tahun 2013?
3. Apakah terdapat kointegrasi produk yang dapat memiliki kontribusi terhadap strategi penjualan perusahaan.
Tujuan Penelitian
Berdasarkan perumusan masalah tersebut, maka tujuan dari penelitian ini adalah :
1. Menganalisis hubungan produk sepeda motor tipe Bebek, Matik, dan Sport. 2. Mengetahui prediksi atau ramalan penjualan sepeda motor tipe Bebek, Matik,
dan Sport pada tahun 2013
3. Mengetahui kointegrasi produk dan ramalan penjualan memiliki kontribusi dalam perencanaan strategi penjualan yang mungkin diterapkan perusahaan sehingga dapat mempersingkat durasi indent.
Manfaat Penelitian
Hasil penelitian ini diharapkan dapat digunakan sebagai bahan referensi dan menjadi tambahan informasi bagi pihak-pihak yang berkaitan untuk meningkatkan penjualan dan sebagai pertimbangan dalam melakukan perencanaan strategi pemasarannya sehingga perusahaan dapat mengembangkan usahanya.
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini yaitu analisis peramalan penjualan dengan menggunakan metode kointegrasi pada produk sepeda motor jenis bebek, matik, bebek matik dan sport dari tahun 2010 sampai dengan 2012 pada PT. Catur Putra Jaya di wilayah Bekasi. Dengan menggunakan alat analisis Vector Error Correction Model (VECM) dan untuk peramalan nya menggunakan Impuls Respons Function (IRF) dan Forecast Error Variance Decomposition.
METODE
4
Lokasi pengambilan data untuk keperluan penelitian dilakukan pada sebuah gerai penjualan resmi sepeda motor dengan merek Honda yaitu PT. Catur Putra Jaya. PT. Catur Putra Jaya berlokasi di kota Bekasi. Penentuan lokasi penelitian dilakukan secara sengaja karena Bekasi merupakan salah satu daerah di Jawa Barat dengan pertambahan industri yang cepat dan merupakan salah satu pusat pertumbuhan utama dengan perkembangan industrialisasi dan urbanisasi yang berkembang pesat. Penelitian ini dilaksanakan pada bulan Mei-Juli 2013.
TIDAK STASIONER 1. Uji Kausalitas Granger 2. Uji lag optimum 3. Model VECM 4. Uji Stabilitas Model 5. Impulse Respon 6. FEVD
HASIL ANALISIS
IMPLIKASI MANAJERIAL PT. CATUR PUTRA JAYA
Melihat hubungan antar produk untuk meramalkan penjualan yang digunakan untuk menyusun strategi yang lebih akurat
Data Penjualan PT. Catur Putra Jaya Bekasi Tahun 2010 – 2013
STASIONER
1. Uji Kausalitas Granger 2. Uji lag optimum 3. Hasil Estimasi VAR 4. Uji Stabilitas Model 5. Impulse Response 6. FEVD
UJI KOINTEGRASI
5 Sumber data secara keseluruhan diperoleh dari dalam institusi yang menjadi tempat penelitian. Data dan informasi yang digunakan dalam penelitian ini berupa data primer dan data sekunder. Data sekunder diperoleh dari laporan penjualan sepeda motor pada PT. Catur Putra Jaya selama 3 tahun terakhir (2010-2012).
Jenis data yang akan digunakan dalam skripsi ini adalah data kuantitaif yaitu berupa laporan penjualan sepeda motor pada PT. Catur Putra Jaya dan data kualitatif yaitu data yang berupa penjelasan serta keterangan dari marketing PT. Catur Putra Jaya.
Data yang dikumpulkan kemudian diolah dan dianalisis, sehingga mampu memberikan gambaran dan penjelasan terhadap permasalahan dalam penelitian ini. Pengolahan dan penganalisaan data diharapkan dapat menguraikan langkah-langkah strategis yang dapat dilakukan perusahaan dalam pemasaran dan penjualan sepeda motor. Metode pengolahan dan analisis data yang digunakan dalam penelitian akan diuraikan secara kualitatif dan kuantitatif. Analisis kualitatif digunakan untuk mengetahui keunggulan kompetitif yang dimiliki. Pengolahan kualitatif juga akan menggambarkan keadaan umum perusahaan. Analisis kuantitatif digunakan untuk meramalkan penjualan sepeda motor PT. Catur Putra Jaya selama enam bulan kedepan dengan menggunakan analisis runtut waktu (time series) Data penjualan kemudian ditabulasikan dengan bantuan program komputer Microsoft Excel 2007 dan Eviews 6, dan Minitab 16.1.
Prosedur Analisis Data
Data diolah dan dianalisis selanjutnya dibuat plot pola data penjualannya dan data tersebut akan diolah dengan menggunakan metode analisis time series dan metode analisis regresi. Setelah data penjualan dianalisis maka akan dilakukan uji kointegrasi pada data tersebut, sehingga akan diketahui apakah data tersebut stationer atau tidak. Setelah dilakukan uji kointegrasi maka akan mudah untuk menentukan metode peramalan yang akan digunakan, karena data penjualan ini bersifat tidak stationer maka model yang dapat digunakan untuk analisis peramalan adalah Vector Error Correction Model atau VECM. Setelah dilakukan estimasi maka akan diperoleh hasil estimasi VECM, hasil tersebut akan menunjukan peramalan penjualan untuk sepeda motor Bebek, Matik, dan Sport selama kurun waktu 6 bulan ke depan.
Vector Autoregression (VAR)
Model ekonometri yang sering digunakan dalam analisis makro ekonomi dinamik dan stokastik adalah Vector Autoregession (VAR). VAR merupakan suatu sistem persamaan yang memperlihatkan setiap variabel sebagai fungsi dari konstanta dan nilai lag (lampau) dari variabel itu sendiri serta nilai lag dari variabel yang lain yang ada dalam sistem. Variabel penjelas dalam VAR meliputi nilai lag seluruh variabel tak bebas dalam sistem VAR yang membutuhkan identifikasi retriksi untuk mencapai persamaan melalui interpretasi persamaan.
VAR dengan ordo p dan n buah variabel tak bebas pada periode t dapat dimodelkan sebagai berikut :
Yt = A0 + A1Yt-1 + A2Yt-2 ...+ ApYt-p +Ɛt ……….. (1)
6 tidak bersifat stasioner, semua sisaan bersifat white noise, yaitu memiliki rataan nol, ragam konstan dan diantara variabel tak bebas tidak ada korelasi. Uji stasioneritas data dapat dilakukan melalui pengujian terhadap ada tidaknya unit root dalam variabel dengan uji Augmented Dickey Fuller (ADF). Adanya unit root akan menghasilkan persamaan regresi yang spurious.
Pendeteksian keberadaan kointegrasi ini dapat dilakukan dengan metode Johansen atau Engel-Granger. Jika variabel-variabel tidak terkointegrasi, maka dapat diterapkan VAR standar yang hasilnya akan identik dengan OLS, setelah memastikan variabel tersebut sudah stasioner pada derajat (ordo) yang sama. Jika pengujian membuktikan terdapat vektor kointegrasi, maka dapat diterapkan VECM untuk single equation atau VECM untuk system equation.
Uji Stasioneritas Data
Salah satu konsep penting yang harus diingat dalam analisa dengan menggunakan data time series adalah kondisi data yang stasioner atau tidak stasioner. Jika estimasi dilakukan dengan menggunakan data yang tidak stasioner maka akan memberikan hasil regresi yang palsu atau disebut sebagai spurious regression (Gujarati 2003). Suporious regression memiliki pengertian bahwa hasil regresi dari satu variabel time series pada satu atau beberapa variabel time series lainnya cenderung untuk menghasilkan kesimpulan hasil estimasi yang bias yang ditunjukkan dengan karakteristik seperti memperoleh hasil R2 yang sangat tinggi (lebih besar dari (0,9) tetapi pada kenyataannya hubungan antara variabel tersebut tidak memiliki arti atau meaningless. Dinyatakan juga bahwa jika R2>d (Dubin Watson statistik), maka kondisi ini merupakan rule of thumb yang baik untuk menduga bahwa hasil estimasi tersebut kemungkinan besar merupakan nonsense/suporious regression.
Jika sebuah data time series merupakan data yang stasioner makan studi akan perilaku untuk data tersebut hanya dapat dilakukan untuk periode waktu tertentu (Gujarati 2003). Dengan kata lain bahwa setiap bagian dari data time series tersebut merupakan bagian yang terpisah satu sama lain. Sebagai konsekuensi dari kondisi tersebut adalah tidak mungkin untuk melakukan estimasi secara generalisasi pada periode waktu yang berbeda-beda. Kondisi stochastic process dikatakan stasioner jika rata-rata dan variansnya konstan dalam beberapa periode waktu, dan nilai dari kovarians antara dua waktu yang berbeda tergantung dari lag antara dua periode waktu yang tidak tergantung pada waktu aktual pada saat kovarians dihitung. Bisa juga dikatakan sebagai data time series yang stasioner jika rata-rata, varians dan otokovariansnya dalam berbagai jumlah lag menunjukkan kesamaan saat diukur pada berbagai titik pengukuran.
7 error-nya secara statistik bersifat independen dan mempunyai varians yang konstan. Kemudian metode dasar ini dikembangkan lagi menjadi metode Augmented Dickey-Fuller dimana ditambahkan lag pada variabel. Sedangkan metode pengujian Philip-Peron menggunakan metode statistik non-parametrik sehingga untuk mengatasi permasalahan serial korelasi tanpa menambahkan lag. Pengujian Philip-Peron, maka H0 adalah mengandung unit root yang
menunjukkan kondisi tidak stationer.
Bentuk persamaan uji stasioneritas tersebut dapat dituliskan sebagai berikut:
ΔYt = α +
γ
rt-1 + ∑pi=1 ßΔYt-i+1 + Ɛ ...(2)dimana:
ΔYt = Bentuk dari first different
Α0 = intersep
Y = Variabel yang diuji stasioneritasnya P = panjang lag yang digunakan dalam model
Ɛ = error term
Uji Kausalitas Granger
Uji kausalitas Granger digunakan untuk mengevaluasi kemampuan peramalan dari satu peubah deret waktu pada periode sebelumnya terhadap peubah deret waktu lainnya pada periode saat ini.
Pada analisa data ekonomi dengan menggunakan metode ekonometri seringkali ditemukan kondisi adanya ketergantungan antara satu variabel dengan satu variabel atau beberapa variabel yang lain dalam model persamaan yang digunakan, atau dapat dikatakan bahwa adanya kemungkinan hubungan kausalitas antar variabel dalam model. Permasalahan inilah yang melandasi akan perlunya pengujian hubungan kausalitas antar variabel dalam model, yang disebut sebagai granger causality test. Misalkan ada dua variabel, yakni A dan B. Pertanyaan yang sering muncul adalah apakah variabel A yang menyebabkan B, ataukah sebaliknya B yang menyebabkan A. Untuk menjawab permasalahan ini maka dilakukan granger causality test untuk memprediksikan hubungan antara kedua variabel tersebut berdasarkan data time series dalam estimasi model. Dengan menggunakan tes ini maka hasil estimasi akan menunjukkan kemungkinan-kemungkinan seperti ini, yakni (Gujarati 2003):
1. Hubungan kausalitas satu arah dari Bt ke At, yang disebut sebagai uniderectional causality from Bt to At.
2. Hubungan kausalitas satu arah dari At ke Bt yang disebut sebagai uniderectional causality from At to Bt.
3. Kausalitas dua arah atau saling mempengaruhi (bidirectional causality) 4. Tidak terdapat hubungan saling ketergantungan (no causality)
Kemudian untuk menguji pola kausalitas Granger dapat dilakukan dengan melakukan uji F-test, dimana hipotesa yang akan digunakan yakni, H0 : B does
not granger cause A, ditunjukkan dengan persamaan berikut ini: F = (RSSR - RSSUR) / RSSR (n – k) / m …….. (3)
Dimana RSSR (restricted residual sum of squares) diperoleh dari regresi
yang dilakukan terhadap A tanpa melibatkan lag variabel B, sedangkan RSSUR
8
derajat kebebasan atau degree of freedom. Jika nilai F stat>F tabel pada level signifikansi yang ditentukan, maka H0 ditolak atau tidak cukup bukti untuk
diterima. Dengan kata lain bahwa B granger cause A. Jika H0 tidak cukup bukti
untuk dapat ditolak maka B does not granger cause A.
Analisa ini menggunakan software Eviews 6. Dengan menggunakan Eviews, maka tes kausalitas antar variabel dapat dilakukan dengan mudah, dimana lag optimal digunakan. Untuk menguji hipotesa, maka dipermudah dengan membaca probabilitasnya. Dimana jika probabilitas lebih kecil dari alpha (dalam ini penulis menggunakan alpha 5%), maka H0 ditolak atau dengan kata lain variabel B
menyebabkan variabel A dan sebaliknya jika probabilitasnya lebih besar dari alpha, maka tidak cukup bukti menolak H0, atau B tidak menyebabkan A, atau
tidak ada hubungan kausalitas.
Uji Lag Optimum
Penentuan lag optimum ini sangat penting dalam model VAR karena pengujian ini bertujuan untuk mengetahui besarnya lag dari variabel endogen dalam sistem persamaan yang akan digunakan sebagai variabel eksogen (Enders 2005). Pengujian panjang lag yang optimal dapat memanfaatkan beberapa informasi yaitu dengan menggunakan Akaike Information Criterion (AIC), dan Schwarz Criterion (SC). Untuk dapat menentukan lag ini, maka langkah
sebelumnya adalah menentukan nilai determinan dari kovarian residual (|Ω|) yang
dapat dihitung sebagai berikut (Eviews 5 User’s Guide 2004):
|Ω| = (det
∑t êt ê
’
t ) .……... (4)
Dimana p adalah angka parameter dari tiap persamaan dalam VAR. Selanjutnya, log likelihood value dengan mengasumsikan distribusi normal dapat dihitung:
1 = - {k(1+log2π) + log|Ω|} ... (5)
Dimana k adalah banyaknya parameter yang diestimasi dan T adalah jumlah observasi. Kemudian dilanjutkan dengan menggunakan nilai AIC, dan SC dipilih nilai yang terkecil. Rumus perhitungannya dapat dilihat dibawah ini (Eviews 5 dikombinasikan dengan model koreksi kesalahan yang tidak stabil, maka IRF (Impulse Response Function) dan FEVD (Forecast Error Variance Decomposition) menjadi tidak valid. (Nugraha 2006).
9 tersebut memiliki tingkat stabilitas yang rendah atau semua inverse akar karakteristiknya berada diluar unit circle, maka hasil dari estimasi model VAR tersebut meragukan.
Impulse Response Function (IRF)
Cara yang baik untuk mencirikan struktur dinamis dalam model adalah dengan menganalisa respon dari model terhadap guncangan (Enders 2004). Ada dua cara dalam melakukan hal tersebut, yaitu dengan menganalisis Impulse Response Function (IRF) dan analisis Forecast Error Variance Decomposition (FEVD). IRF dapat meneliti hubungan antar variabel dengan menunjukkan bagaimana variabel endogen bereaksi terhadap sebuah shock dalam variabel itu sendiri dan variabel endogen lainnya.
IRF adalah suatu metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap suatu shock tertentu karena sebenarnya shock variabel misalnya ke-i tidak hanya berpengaruh terhadap variabel ke-i itu saja tetapi ditransmisikan kepada semua variabel endogen lainnya melalui struktur dinamis atau struktur lag dalam VAR. Oleh karena itu, IRF juga dapat mengukur pengaruh suatu shock pada suatu waktu kepada inovasi variabel endogen pada saat tersebut dan dimasa yang akan datang.
Analisis IRF (Impulse Rensponse Function) dilakukan untuk menilai respon dinamik variabel sepeda motor bebek, matik dan sport. Terhadap adanya goncangan (shock) variabel tertentu. IRF juga bertujuan untuk mengisolasi suatu guncangan agar lebih spesifik artinya suatu variabel yang dapat dipengaruhi oleh guncangan tertentu. Apabila suatu variabel tidak dapat dipengaruhi oleh shock, maka shock spesifik tersebut tidak dapat diketahui melainkan shock secara umum.
Forecast Error Variance Decomposition (FEVD)
Metode yang dapat dilakukan untuk melihat bagaimana perubahan dalam suatu variabel yang ditunjukkan oleh perubahan error variance dipengaruhi oleh variabel-variabel lainnya adalah FEVD. Metode ini mencirikan suatu struktur dinamis dalam model VAR. Dimana dalam metode ini dapat dilihat kekuatan dan kelemahan masing-masing variabel dalam mempengaruhi variabel lainnya dalam kurun waktu yang panjang.
FEVD mencirikan ragam dari peramalan galat menjadi komponen-komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model. Dengan menghitung persentase kuadrat prediksi galat k-tahap ke depan dari sebuah variabel akibat inovasi dalam variabel-variabel lain, maka akan dapat dilihat seberapa besar perbedaan antara error variance sebelum dan sesudah terjadinya shock yang berasal dari dirinya sendiri maupun dari variabel lain.
10 Federal Motor hanya merakit, sedangkan komponennya diimpor dari Jepang dalam bentuk CKD (completely knock down).
Sampai dengan tahun 2013, PT Astra Honda Motor memiliki 3 fasilitas pabrik perakitan, pabrik pertama berlokasi di Sunter, Jakarta Utara yang juga berfungsi sebagai kantor pusat. Pabrik kedua berlokasi di Pegangsaan Dua, Kelapa Gading, serta pabrik ketiga yang berlokasi di kawasan MM 2100 Cikarang Barat, Bekasi. Pabrik ketiga ini merupakan fasilitas pabrik perakitan terbaru yang mulai beroperasi sejak tahun 2005.
Guna menunjang kebutuhan serta kepuasan pelanggan sepeda motor Honda, PT Astra Honda Motor didukung oleh 1.800 showroom penjualan, 3.600 layanan pemeliharaan atau bengkel AHASS (Astra Honda Authorized Service Station), serta 7.400 gerai suku cadang, yang siap melayani jutaan penggunaan sepeda motor Honda di seluruh Indonesia.
Produk-Produk Perusahaan
Sepeda motor tipe Bebek adalah jenis sepeda motor yang pertama dikeluarkan oleh Honda. Supra X 125 R adalah tipe Bebek yang pernah merajai pasaran di Indonesia. Sistem teknologi Bebek yang semakin diperbaiki dengan menggunakan sistem injeksi menghasilkan sistem percepatan roda yang semakin baik dengan sistem pembakaran yang lebih irit. Produk-produk motor Bebek yang dikeluarkan oleh Honda adalah Supra X 125 CW, Supra X 125 Helm in PGM-Fi, Supra X 125 SW, New Blade Racing Edition, New Honda Blade R, New Honda Blade S, Revo Fit, Absolute Revo CW, dan Absolute Revo SW. Harga sepeda motor tipe Bebek ini dimulai dari Rp 11.600.000,- sampai dengan Rp 16.525.000,-.
Sepeda motor tipe Matik dikeluarkan oleh Honda untuk mempermudah konsumennya dalam mengendarai sepeda motor. Awalnya Matik dirilis untuk kalangan wanita, namun belakangan motor Matik mulai mengadopsi powerful engine untuk menghasilkan akselarasi kecepatan yang tinggi yang awalnya tidak dimiliki Matik yang semula hanya 110 cc menjadi 125 cc. Matik yang memang menggunakan bahan bakar lebih banyak dibanding jenis Bebek menawarkan kenyamanan dan kemudahan. Sistem injeksi pun dikembangkan pada jenis Matik untuk meningkatkan efisiensi penggunaan bahan bakar sehingga lebih irit. Produk-produk Matik yang dikeluarkan olah Honda adalah PCX 150, Vario 125 CBS Idling Stop, Vario 125 Techno, Vario CW, Scoopy FI, Spacy Helm in PGM-FI, BeAT CW, BeAT SW, BeAT-FI Combi Brake System, BeAT-FI CW, dan BeAT-FI SW. Harga sepeda motor tipe Matik ini dimulai dari Rp 11.890.000,- sampai dengan Rp 34.300.000,-.
11 Repsol Edition, CBR250R (STD), CBR250R (STD) - Repsol Edition, City Sport 1, Tiger, New MegaPro CW, New MegaPro SW, Verza 150 CW, dan Veza 150 SW. Sepeda motor tipe Sport sangat mengusung kecepatan tinggi yang diinginkan konsumennya. Teknologi mesin dengan sistem kopling membedakan sepeda motor tipe Sport dengan tipe lainnya. Harga sepeda motor tipe Sport ini dimulai dari harga Rp 16.300.000,- sampai dengan Rp. 53.250.000,-. (http://www.astra-honda.com)
Hasil Analisis
Analisis karakter stasioneritas suatu data urut waktu sangat diperlukan untuk menentukan metode peramalan yang sesuai untuk menemukan hasil estimasi yang signifikan dan memiliki esensi yang berarti. Suatu data urut waktu bersifat stasioner atau tidak stasioner. Dengan mengetahui karakter data urut waktu yang tepat maka metode peramalan yang sesuai dapat ditentukan. Apabila pola data yang digunakan telah stasioner pada level maka selanjutnya akan menggunakan metode VAR, dan apabila pola data yang digunakan tidak stasioner pada tingkat level maka digunakan metode VECM. Dalam menganalisa stasioneritas, tingkat signifikansi yang digunakan adalah pada taraf 5 persen. Data penjualan yang dianalisis adalah data penjualan bulanan sepeda motor tipe Matik, Bebek, dan Sport dari bulan Januari 2010 hingga Mei 2013.
Adanya asumsi diperlukan untuk mendukung penelitian ini, karena asumsi merupakan kondisi prasyarat suatu peramalan dapat dibuat. Tanpa suatu asumsi sangat sulit peramalan dapat dibuat, karena terlalu banyak kemungkinan yang dapat muncul. Kegunaan sebuah asumsi, selain untuk memudahkan penyusunan suatu peramalan adalah dapat dijadikan alasan mengapa suatu peramalantidak dapat tercapai. Dalam penelitian ini, terdapat 3 asumsi dasar, yaitu:
1. Persistensi, merupakan pola-pola yang terjadi dimasa lampau akan tetap ditemui dimasa depan.
2. Keteraturan, maksudnya adalah variasi pada masa lalu sebagaimana ditunjukkan oleh kecenderungannya akan terulang secara kontinyu
3. Reliabilitas dan validitas, pengukuran trend akan reliabel (cukup cermat atau memiliki konsistensi internal) dan valid (mengukur apa yang hendak diukur).
Ada pula asumsi yang berdasarkan kondisi eksternal dalam penelitian ini, yaitu:
1. Lingkungan ekonomi meningkat, seiring dengan peningkatan UMP (Upah Minimum Provinsi) daya beli dan perputaran ekonomipun bergerak ke arah positif.
2. Persaingan industri sehat, kompetisi dalam mengambil pangsa pasar dilakukan dengan cara yang sportif.
3. Konsumsi masyarakat meningkat, daya beli yang meningkat akan mendorong masyarakat untuk lebih konsumtif.
4. Pertumbuhan penduduk yang tidak signifikan.
5. Kebijakan pemerintah yang mendukung keberadaan kendaraan sepeda motor.
12
7. Selera, seiring dengan meningkatnya kemampuan ekonomi, masyarakat lebih memilih produk yang memiliki kualitas dan harga yang lebih baik.
Uji Stasioner
Uji stasioneritas data pada seluruh variabel dengan Augmented Dickey- Fuller Test (ADF) dengan perangkat lunak Eviews 6. Jika nilai Test Critical Values lebih besar dari nilai t-statistic berarti data tidak stasioner, sebaliknya jika nilai Test Critical Values lebih kecil dari nilai t-statistic maka data stasioner.
Dari hasil uji stationeritas data pada seluruh variabel didapatkan bahwa produk Matik telah stationer pada level sedangkan produk Bebek dan Sport belum stationer sehingga perlu dilakukan uji stationeritas lanjutan pada pembeda pertama (first difference).
Dari Tabel 3 dapat kita lihat bahwa variabel Bebek dan Sport sudah stationer pada pembeda pertama, karena seluruh variabel harus stationer pada derajat yang sama, maka penelitian ini dilakukan dengan menggunakan derajat pembedaan pertama. Jika seluruh data yang diujikan telah stationer pada pada tahap level, maka selanjutnya model yang dipilih adalah VAR. Namun jika salah satu variabel atau tidak seluruh variabel stasioner pada level di uji stationeritas maka selanjutnya model yang dipilih adalah VECM. Dengan demikian penelitian ini akan dilanjutkan dengan menggunakan model VECM.
Uji Kausalitas Granger
Untuk melihat hubungan kausalitas antara variabel yang ada dalam model dapat dilakukan dengan uji Pairwise Granger Causality Test. Hipotesis nol (H0)
yang diuji menyatakantidak ada hubungan kausalitas dan hipotesis alternatifnya (H1) menyatakan adanya hubungan kausalitas. Dengan nilai probability sebesar
0,05 digunakan untuk menentukan apakah H0 diterima atau ditolak. Apabila nilai
probabilitasnya kurang atau sama dengan 0,05 maka terima H1 tolak H0, dan
apabila nilai probabilitasnya lebih dari 0,05 maka terima H0 tolak H1. Hasil uji
kausalitas Granger dengan signifikansi 5 persen pada seluruh variabel penjualan produk dapat dilihat pada Tabel 4.
Tabel 2 Hasil uji stasioner
Variabel Test Critical
Values (5%) t-statistic Probability Matik
-2.936942 -3.420737 0.0160
Bebek -2.938987 -0.097028* 0.9427
Sport -2.936942 -2.629063* 0.0957
Tabel 3 Hasil first difference Variabel Test Critical
Values (5%) t-statistic Probability
Bebek -2.938987 -8.538135 0.0000
13
Berdasarkan hasil uji Granger pada Tabel 4 hanya terjadi hubungan satu arah antara Matik dengan Bebek dari seluruh variabel yang diujikan. Dapat diartikan bahwa penjualan produk Matik mempengaruhi Bebek.
Uji Lag Optimum
Metode VAR dan VECM sangat sensitif terhadap jumlah lag yang digunakan, sehingga penentuan lag optimum sangatlah penting. Penentuan panjang lag digunakan untuk mengetahui lamanya periode ketergantungan suatu veriabel terhadap variabel masa lalunya dan terhadap variabel endogen lainnya. Penentuan lag optimum dapat diperoleh dengan estimasi VAR. Penentuan lag dapat dilakukan dengan pendekatan Likehood Ratio (LR), Final Prediction Error (FPE), Akaike Information Criterion (AIC), dan Schwarz Criterion (SC). Uji kestabilan VAR ditunjukkan pada Tabel 5.
Hasil uji kestabilan pada Tabel 5 menunjukkan bahwa model telah stabil pada lag ketiga. Lag optimal dapat ditentukan dengan mengambil nilai AIC yang paling kecil. Nilai AIC yang paling kecil terdapat pada lag ketiga, hal ini menandakan bahwa lag optimal yang dipilih berdasarkan AIC terdapat pada lag ketiga.
Tabel 4 Uji kausalitas Granger
Null Hypothesis Probabilitas Hasil Pengujian Hubungan Kausalitas
Tabel 5 Hasil uji lag optimum
Lag LogL LR FPE AIC SC HQ
14
Uji Kointegrasi
Uji kointegrasi harus dilakukan untuk mengetahui keterkaitan jangka panjang antara variabel. Uji kointegrasi dilakukan karena data yang digunakan berfluktuasi dengan asumsi tidak stasioner. Uji yang dilakukan adalah uji Kointegrasi Johansen. Variabel-variabel yang diuji harus berupa variabel yang stasioner pada derajat yang sama.
Variabel-variabel dapat dikatakan terkointegrasi jika trace statistic lebih besar dari nilai critical value. Sebaliknya, trace statistic lebih kecil dari nilai critical value maka variabel-variabel tidak terkointegrasi.
Dari Tabel 6 dapat dilihat bahwa terdapat satu kesamaan kointegrasi pada derajat kepercayaan 5 persen. Hal ini berarti terdapat hubungan jangka panjang di antara variabel tersebut.
Estimasi VECM
Variabel yang saling terkointegrasi dengan variabel lainnya akan saling memberi pengaruh yang dapat dilihat dari analisis dengan menggunakan metode Vector Error Correction Model (VECM). Hasil uji dapat diintepretasikan dengan melihat koefisien kointegrasinya dan pembacaan tanda yang terbalik dari tanda koefisiennya. Signifikansi koefisien kointegrasi harus lebih besar dari nilai t-tabel yaitu sebesar 1,96. Jika koefisien kointegrasi t-statsistik lebih besar dari 1,96 maka dikatakan signifikan. Hasil uji analisis VECM akan menghasilkan matriks koefisien jangka panjang seperti terlihat pada Tabel 7.
Tabel 6 Hasil uji kointegrasi
Unrestricted Cointegration Rank Test (Trace) Hypothesized
No. of CE(s) Eigenvalue
Trace Staistic
0.05 Critical
Value Prob.**
None * 0.453577 31.80166 29.79707 0.0290
At most 1 0.178485 10.04460 15.49471 0.2773 At most 2 0.079107 2.966825 3.841466 0.0850
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
Tabel 7 Hasil estimasi VECM Cointegrating Eq: CointEq1
MATIK(-1) 1.000000
BEBEK(-1) 0.452478
(0.12640) [ 3.57980]
SPORT(-1) -3.083469
(1.92442) [-1.60228]
15 Hasil pada Tabel 7 menunjukkan adanya hubungan jangka panjang antara penjualan produk Matik dengan penjualan Sport dan Bebek. Peningkatan penjualan Bebek sebesar 1% akan menurunkan penjualan Matik sebesar 0,45%. Sementara kenaikan penjualan Sport 1% akan meningkatkan penjualan Matik sebesar 3,08%.
Uji Stabilitas Model
Model VECM yang digunakan harus memiliki stabilitas sehingga hasil estimasinya tidak berubah dengan deviasi yang besar meskipun periodenya diperpanjang sehingga hasil estimasinya dapat dipertanggungjawabkan (Gujarati 2004). Pengujian dengan AR tabel dikatakan stabil apabila nilai modulusnya kurang dari satu. Pada tabel 8 dapat terlihat bahwa nilai modulus kurang dari satu, sehingga dapat disimpulkan bahwa model VECM sudah stabil.
Analisis Impulse Response Function (IRF)
Impulse Response Function (IRF) merupakan salah satu instrumen VECM yang digunakan untuk menunjukkan bagaimana shock yang diberikan kepada suatu variabel endogen dapat berpengaruh terhadap variabel endogen lainnya. IRF adalah suatu metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap guncangan tertentu karena sebenarnya guncangan variabel misalnya ke-i tidak hanya berpengaruh terhadap variabel ke-i itu saja tetapi ditransmisikan kepada semua variabel endogen lainnya melalui struktur dinamis atau struktur lag dalam VAR. IRF mengukur pengaruh suatu shock pada suatu waktu kepada inovasi variabel endogen pada saat tersebut dan di masa yang akan datang (Firdaus 2011). Tujuan dari IRF adalah untuk mengisolasi guncangan agar lebih spesifik, yang artinya suatu variabel dapat dipengaruhi oleh guncangan tertentu.
Analisis Impulse Response Function (IRF) dalam penelitian ini dilakukan untuk menilai respon dinamik dari variabel terkait.
Tabel 8 Hasil uji stabilitas model
Root Modulus
0.942600 0.942600
0.921559 0.921559
-0.644530 0.644530
0.221183 - 0.605142i 0.644298 0.221183 + 0.605142i 0.644298 -0.255635 - 0.573757i 0.628129 -0.255635 + 0.573757i 0.628129
0.489431 0.489431
-0.196835 0.196835
16
Respon pertama yang dilihat adalah respon Matik terhadap variabel itu sendiri. Dari grafik terlihat respon yang diberikan Matik terhadap satu standar deviasi variabelnya sendiri bernilai positif kecuali pada periode ke-4 dan ke-5 yang turun drastis dari periode pertama hingga bernilai negatif. Pada periode pertama penjualan Matik mencapai 80 persen dan terus mengalami penurunan hingga periode ke-5. Peningkatan yang terjadi setelah periode ke-5 terlihat mulai stabil. Peningkatan penjualan tertinggi pada periode ke-9 mencapai 20% lalu mengalami fluktuasi ringan pada periode ke-10 hingga ke-19. Peningkatan penjualan stabil mulai periode ke-20 sampai periode ke-50 pada level 14 persen. Dari Gambar 2 dapat disimpulkan bahwa peningkatan penjualan secara signifikan pada produk Matik yang disebabkan oleh promosi atau lain hal yang menyebabkan meningkatnya penjualan akan berpengaruh positif pada peningkatan penjualan Matik itu sendiri.
Pada Gambar 3 terlihat respon Bebek terhadap Matik. Terlihat respon yang diberikan Bebek terhadap Matik bernilai negatif. Pada periode pertama nilai respon 0% dan paling rendah mencapi negatif 18% pada periode ke-4. Peningkatan terjadi pada periode selanjutnya, tertinggi pada periode ke-6 dengan nilai negatif 9%. Fluktuasi ringan terjadi dan grafik mulai stabil pada periode ke-26 pada level negatif 13%. Berdasarkan grafik ini terlihat bahwa peningkatan penjualan Bebek karena faktor promosi atau hal lain akan berpengaruh negatif pada penjualan Matik sehingga menurunkan penjualan Matik.
-20
Gambar 2 Hasil analisis impulse response function (IRF) Matik ke Matik
Gambar 3 Hasil analisis impulse response function (IRF) Bebek ke Matik
17
Pada Gambar 4 terlihat respon penjualan motor Sport terhatap penjualan Matik yang hampir secara keseluruhan bernilai positif. Periode pertama dan periode ke-2 adalah titik terendah respon penjualan motor Sport terhadap Matik dengan nilai 0,2%. Setelah periode ke-2 terjadi peningkatan tertinggi pada periode ke-6 pada level 2,2%. Penurunan kembali ter jadi pada periode ke-7 dan ke-8 dengan level 1,1%. Fluktuasi ringan terjadi dan grafik mulai stabil pada periode ke-23 hingga ke-50 pada level 1,5%. Berdasarkan grafik ketiga dapat ditarik kesimpulan bahwa peningkatan penjualan motor Sport karena faktor promosi atau faktor lainnya akan memberikan pengaruh positif pada penjualan motor Matik sehingga akan meningkatkan penjualan motor Matik.
Respon kedua yang dianalisa adalah penjualan motor Bebek terhadap variabelnya sendiri. Pada grafik di atas terlihat bahwa respon yang diberikan bernilai positif. Dari Gambar 5 pada awal periode menuju periode ke-2 dan ke-3 terjadi penurunan yang drastis dari level 36% hingga level 23%. Kembali meningkat pada periode ke-4 menjadi 25% namun kembali mengalami penurunan hingga ke level terendah 18% pada periode ke-6. Peningkatan kembali terjadi pada periode ke-7 hingga level 21%. Pada periode ke-8 hingga ke-16 terjadi fluktuasi ringan dengan rataan 20%. Grafik mulai stabil pada periode ke-29 hingga ke-50 pada level 20%. Berdasarkan grafik respon tersebut dapat disimpulkan bahwa peningkatan penjualan motor Bebek akibat dari pengaruh promosi atau faktor lainnya akan memberikan dampak positif pada penjualan variabelnya sendiri sehingga akan meningkatkan penjualannya.
-0.5
Gambar 4 Hasil analisis impulse response function (IRF) Sport ke Matik
18
Pada Gambar 6, selanjutnya terlihat respon penjualan Matik terhadap Bebek. Pada periode pertama hingga ke-5 respon menunjukkan nilai positif. Tertinggi pada periode ke-3 dengan level 20%. Namun pada periode ke-4 terjadi penurunan yang cukup tinggi hingga 0% dan pada periode ke-6 turun kembali hingga negatif 6%. Fluktuasi ringan terjadi sepanjang periode ke-6 hingga ke-13 dengan kisaran level negatif 1% hingga negatif 5%. Grafik mulai stabil pada periode ke-14 hingga ke-29 dan sudah stabil pada periode ke-30 hingga ke-50 pada level negatif 4%. Berdasarkan grafik respon penjualan Matik terhadap Bebek di atas dapat disimpulkan bahwa peningkatan penjualan Matik karena faktor promosi atau faktor lainnya akan memberikan efek negatif terhadap penjualan Bebek sehingga akan menurunkan penjualannya.
Respon penjualan Sport terhadap Bebek terlihat pada Gambar 7. Terlihat respon yang diberikan Sport terhadap Bebek bernilai positif. Respon terlihat terus meningkat sejak periode pertama hingga periode ke-7. Terlihat pada periode ke-2 mencapai level 0,7%, periode ke-3 sedikit turun pada level 0,2%, kembali meningkat pada periode ke-4 hingga 1,7% lalu pada periode ke-6 dan ke-7 mencapai respon penjualan tertinggi pada level 2,2%. Periode ke-8 hingga ke-17 terjadi fluktuasi ringan pada level 1,8% hingga 2%. Pada periode ke-18 sudah mulai stabil hingga periode ke-50 yaitu pada level 2,1%. Berdasarkan grafik pada respon penjualan Sport pada Bebek di atas dapat disimpulkan bahwa peningkatan penjualan Sport terhadap Bebek bernilai positif. Sehingga kenaikan penjualan Sport karena faktor promosi atau faktor lain akan meningkatkan penjualan motor Bebek.
Gambar 6 Hasil analisis impulse response function (IRF) Matik ke Bebek
19
Respon ketiga yang diamati adalah grafik respon penjualan motor Sport terhadap variabelnya sendiri. Terlihat bahwa respon yang diberikan bernilai positif. Pada periode pertama hingga periode ke-3 terjadi penurunan dari 8,5% menjadi 2,8%. Peningkatan kembali terjadi pada periode ke-5 yaitu pada level 4,8% yang sedikit berfluktuasi pada periode ke-6 dan ke-7 pada level 4,5% dan kembali pada level 4,8%. Pada periode ke-9 turun pada level 3,9% dan meningkat pada periode ke-11 yaitu pada level 4,5%. Fluktuasi ringan terjadi pada periode ke-12 hingga stabil sampai ke periode ke-50 pada level 4,1%. Berdasarkan grafik respon di atas dapat dsimpulkan bahwa peningkatan penjualan motor Sport bernilai positif terhdapa varibelnya sendiri. Sehingga peningkatan penjualan motor Sport karna faktor promosi atau faktor lainnya akan meningkatkan penjualan motor Sport itu sendiri.
Grafik yang diamati berikutnya adalah respon penjualan motor Matik terhadap Sport pada Gambar 9. Grafik terlihat paling tinggi pada periode ke-2 dengan level 29%. Penurunan respon terjadi pada periode ke-4 menjadi 22% dan kembali turun pada periode ke-5 hingga mencapai negatif 9%. Peningkatan terjadi pada periode ke-6 hingga ke-8 dengan posisi mencapai 17%. Fluktuasi terjadi pada periode ke-9 sampai periode ke-11 dengan penurunan mencapai 9% dan kembali meningkat hingga 14% pada periode ke-13 hingga ke-15. Grafik mulai mengalami kestabilan pada periode ke-16 sampai periode ke-23 dengan kisaran 13%. Mulai dari periode ke-24 hingga periode ke-50 grafik stabil pada level 13%. Dari grafik di atas dapat disimpulkan bahwa respon penjualan Matik terhadap Sport bernilai positif. Dapat diartikan peningkatan penjualan Matik akibat faktor promosi atau faktor lainnya akan meningkatkan penjualan motor Sport.
2
Gambar 9 Hasil analisis impulse response function (IRF) Matik ke Sport
20
Gambar 10 adalah grafik respon penjualan motor Bebek terhadap Sport. Periode pertama hingga periode ke-3 respon bernilai negatif hingga 17%. Peningkatan terjadi pada periode ke-5 mencapai 5% dan turun kembali pada periode ke-6 mencapai negatif 7%. Pada periode ke-7 grafik menunjukkan level negatif 2%. Fluktuasi ringan terjadi pada periode ke-8 hingga ke-24 dengan nilai respon negatif pada kisaran 6%. Pada periode ke-25 sampai ke-50 grafik sudah stabil pada level negatif 6%. Berdasarkan grafik di atas dapat disimpulkan bahwa respon penjualan motor Bebek terhadap Sport bernilai negatif. Hal ini berarti peningkatan penjualan Sport karena faktor promosi atau faktor lain akan menyebabkan penurunan penjualan Sport.
Forecast Error Variance Decomposition (FEVD)
FEVD merupakan suatu analisis yang digunakan untuk melihat perubahan dalam suatu variabel makro ditunjukkan oleh perubahan variance error yang dipengaruhi oleh variabel-variabel lainnya. Dengan analisis FEVD dapat diketahui ramalan dari variabel yang digunakan dalam jangka watu tertentu. Metode ini juga dapat menentukan kekuatan dan kelemahan dari masing-masing variabel dalam mempengaruhi variabel lainnya pada kurun waktu yang panjang. (Santoso 2009)
-20
Gambar 10 Hasil analisis impulse response function (IRF) Bebek ke Sport
21 Pada Gambar 11 ditunjukkan bahwa penjualan produk Matik untuk 50 periode ke depan dipengaruhi oleh produk Matik itu sendiri dan juga produk Sport. Produk Sport terlihat semakin kuat mempengaruhi penjualan produk Matik pada 50 periode tersebut. Hal ini juga menandakan bahwa variabel produk Sport lebih berpengaruh dalam penjualan produk Matik dibandingkan variabel produk Bebek.
Nilai aktual selama lima bulan pertama yang terdapat pada tabel hasil peramalan Matik yang dimulai dari bulan 37 sampai bulan 41 berada pada selang nilai ramalan (forecast), hal ini menandakan bahwa perhitungan peramalan yang dilakukan telah akurat. Sedangkan untuk perhitungan peramalan enam bulan berikutnya yang dimulai dari bulan ke 42 sampai bulan ke 47, perusahaan dapat menentukan target penjualan Matik pada rentang nilai forecast. Dari tabel perhitungan prediksi penjualan di atas menunjukkan bahwa nilai penjualan produk Matik untuk enam bulan berikutnya akan berangsur berkurang.
68 72 76 80 84 88 92 96 100 104
5 10 15 20 25 30 35 40 45 50
BEBEK MATIK SPORT
Variance Decomposition of BEBEK Tabel 9 Hasil peramalan Matik
Period S.E. Forecast Forecast Lower Upper Actual Diagnostic
37 ±180 713 534 893 607 akurat
38 ±215 658 443 873 598 akurat
39 ±229 622 393 850 638 akurat
40 ±234 598 364 832 506 akurat
41 ±237 582 346 819 608 akurat
42 ±238 572 334 809
43 ±238 565 327 803
44 ±238 561 323 799
45 ±238 558 320 796
46 ±238 556 318 794
47 ±238 555 316 793
22
Pada Gambar 12 terlihat bahwa produk Matik lebih mempengaruhi penjualan produk Bebek untuk 50 periode ke depan dibanding variabel produk Sport. Dari grafik di atas terlihat jelas bahwa variabel produk Matik mendominasi pengaruh penjualan Bebek. Hal ini menunjukkan bahwa Matik sangat mempengaruhi penjualan produk Bebek, hasil ini juga sejalan dengan hasil estimasi VECM yang dilakukan sebelumnya, dimana dijelaskan bahwa kenaikan penjualan produk Matik akan menurunkan penjualan produk Bebek, dengan kata lain Matik memberikan pengaruh negatif terhadap produk Bebek.
Pada Tabel 10 di atas menunjukkan bahwa nilai aktual selama lima bulan pertama yang dimulai dari bulan ke-37 sampai bulan ke-41 berada pada selang nilai forecast. Hal ini menunjukan bahwa perhitungan peramalan yang dilakukan telah akurat. Sedangkan untuk enam bulan berikutnya yang dimulai dari bulan ke-42 sampai bulan ke-47 perusahaan dapat menentukan target penjualan produk Bebek pada selang nilai forecast. Dapat dilihat dari tabel hasil peramalan Bebek bahwa nilai penjualan produk Bebek akan semakin meningkat.
96.4 96.8 97.2 97.6 98.0 98.4 98.8 99.2 99.6 100.0 100.4
5 10 15 20 25 30 35 40 45 50
SPORT MATIK BEBEK
Variance Decomposition of SPORT Tabel 10 Hasil peramalan Bebek
Period S.E. Forecast Forecast Lower Upper Actual Diagnostic
37 ±91 207 115 298 156 akurat
38 ±128 209 82 337 139 akurat
39 ±154 212 58 366 107 akurat
40 ±176 214 39 390 124 akurat
41 ±193 217 24 410 150 akurat
42 ±209 219 11 428
43 ±222 222 -1 444
44 ±234 224 -11 458
45 ±245 226 -19 471
46 ±255 228 -27 483
47 ±264 230 -34 494
23 Pada Gambar 13 Variance Decomposition of Sport menunjukkan bahwa produk Sport lebih mendominasi penjualan produk Sport itu sendiri dalam 50 periode ke depan. Pada lima bulan pertama penjualan produk Sport masih dipengaruhi oleh produk Matik, terlihat dari grafik bahwa produk Matik mempengaruhi penjualan Sport mencapai 4 persen. Setelah itu pengaruh produk Matik semakin berkurang dan mulai terlihat stabil pada periode 30 sampai dengan periode 50.
Pada Tabel 11 menunjukkan bahwa nilai aktual selama lima bulan pertama yang dimulai dari bulan ke-37 sampai dengan bulan ke-41 berada pada selang nilai forecast. Dengan kata lain, perhitungan peramalan yang dilakukan telah akurat. Sedangkan perhitungan peramalan untuk enam bulan selanjutnya yang dimulai dari bulan ke-42 sampai ke-47 perusahaan dapat menentukan target penjualan produk Sport pada selang nilai forecast. Dari tabel hasil peramalan Sport dapat dilihat bahwa penjualan produk sepeda motor Sport akan mengalami kondisi penjualan yang tidak berubah untuk enam bulan berikutnya.
Implikasi Manajerial
Setelah melakukan perhitungan peramalan dengan metode kointegrasi terhadap produk Matik, Bebek, dan Sport dapat ditentukan produk yang memberi pengaruh positif terhadap produk lainnya. Berdasarkan hasil analisis yang telah dilakukan, produk Sport memberikan pengaruh positif yang lebih besar terhadap produk Matik dan Bebek. Hasil tersebut dapat menjadi acuan bagi PT. Catur Putra Jaya dalam menentukan keputusan manajerial untuk lebih memprioritaskan penjualan sepeda motor Sport. Tindakan yang dilakukan dapat berupa promosi penjualan. Dengan meningkatnya penjualan sepeda motor Sport akan meningkatkan penjualan sepeda motor Matik dan Bebek. Hasil analisis juga dapat dipakai sebagai acuan untuk mencegah terjadinya penurunan penjualan sepeda motor tipe Matik dan Bebek seperti yang terlihat juga pada hasil peramalan. Pencegahan penurunan penjualan dapat dilakukan juga dengan promosi penjualan seperti:
Tabel 11 Hasil peramalan Sport
Period S.E. Forecast Forecast Lower Upper Actual Diagnostic
37 16 35 19 51 12 akurat
38 19 36 16 55 28 akurat
39 21 36 15 57 30 akurat
40 21 36 15 57 35 akurat
41 22 36 15 58 26 akurat
42 22 36 14 58
43 22 36 14 58
44 22 36 14 58
45 22 36 14 58
46 22 36 14 58
24
1. Melakukan promosi penjualan dengan memberikan diskon kepada calon pembeli.
2. Mengadakan acara hiburan rakyat seperti panggung dangdut, hal ini bekerja karena dapat menarik calon pembeli.
3. Sering melakukan personal selling seperti pameran, pameran dianggap efektif untuk media promosi karena pihak perusahaan dapat langsung mempresentasikan produknya kepada calon pembeli.
SIMPULAN DAN SARAN
Simpulan
Berdasarkan hasil penelitian yang telah dilakukan, maka dapat disimpulkan bahwa:
1. Hasil analisis kointegrasi menunjukkan adanya hubungan penjualan antara jenis produk Matik, Bebek, dan Sport dalam jangka pendek maupun jangka panjang.
2. Hasil peramalan penjualan untuk periode enam bulan ke depan, nilai peramalan penjualan produk Matik mengalami penurunan, sedangkan nilai peramalan penjualan Bebek dan Sport mengalami peningkatan.
3. Hasil akhir analisis kointegrasi memperlihatkan pengaruh positif paling besar ditemukan pada peningkatan penjualan Sport yang akan mempengaruhi peningkatkan penjualan Matik sekaligus Bebek. Oleh karena itu, PT. Catur Putra Jaya Bekasi dapat menjadikan penjualan Sport sebagai prioritas pertama dalam pemasaran. Dengan pengaruh positif yang dapat diberikan Sport terhadap Matik dan Bebek sehingga mencapai target penjualan yang telah ditetapkan.
Saran
Melalui peneilitian yang telah penulis lakukan, terdapat beberapa hal yang dapat disarankan penulis kepada perusahaan terkait peningkatan penjualan produknya. Hal-hal tersebut adalah:
1. Mulai menggunakan suatu instrumen untuk meramalkan penjualan dan melakukannya secara berkala untuk produk baik Matik, Bebek maupun Sport untuk dapat menentukan target serta menetapkan strategi yang tepat bagi perusahaan yang dapat meningkatkan profit perusahaan.
2. Melakukan kegiatan pemasaran yang lebih gencar, terutama pada produk Sport yang memberikan pengaruh positif terhadap penjualan produk Matik dan Bebek. Hal ini ditujukan agar penjualan semua produk dapat terus meningkat di masa yang akan datang.
25
DAFTAR PUSTAKA
Aldina A. 2008. Analisis peramalan penjualan matrix blackberry PT Indosat, Tbk dalam rangka perencanaan strategi pemasaran [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Aritonang L. 2002. Peramalan Bisnis. Jakarta (ID): Ghalia Indonesia. Assauri S. 2009. Manajemen Pemasaran. Jakarta (ID): Grafindo Persada.
[CPJ] Catur Putra Jaya. 2013. Laporan Penjualan Sepeda Motor Honda Tahun 2010 sampai dengan 2013. Bekasi (ID): CPJ.
Enders W. 2004. Applied Econometric Time Series 2nd Edition. New York (US): John Wiley & Sons Inc.
Fikriansyah I. 2011. Analisis peramalan penjualan menggunakan metode kointegrasi pada tipe mobil city car, sedan dan mpv di auto 2000 [skripsi]. Bogor: Institut Pertanian Bogor
Gujarati Damodar. 2003. Ekonometrika Dasar. Jakarta (ID): Erlangga.
Khaerunisa Y. 2009. Analisis VECM (Vector Error Correction Model) dalam Mekanisme Pemodelan dan Peramalan Kebijakan Harga Pangan [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Pearce and Robinson. 1997. Manajemen Strategik Jilid 1. Jakarta (ID): Binarupa Aksara.
Santoso S. 2009. Business Forecasting Metode Peramalan Bisnis Masa Kini dengan Minitab dan SPSS. Jakarta (ID): PT Elex Media Komputindo.
Subagjo B. 2005. Defisit Anggaran Utang Pemerintah dan Keberlanjutan Fiskal. Aplikasi Model Vector Error Correction. [disertasi]. Bogor (ID): Institut Pertanian Bogor.
Swastha B. 2000. Manajemen Pemasaran Modern. Yogyakarta (ID): Liberty. Winarno WW. 2011. Analisis Ekonometrika dan Statistika dengan Eviews.
Yogyakarta (ID): STIM YKPN.
26
LAMPIRAN
Lampiran 1 Laporan penjualan PT. Catur Putra Jaya Bekasi
BULAN 2010 2011 2012 2013
MATIK BEBEK SPORT MATIK BEBEK SPORT MATIK BEBEK SPORT MATIK BEBEK SPORT
JANUARI 321 394 35 533 463 34 491 211 47 607 156 12
FEBRUARI 348 405 22 557 498 51 544 243 42 598 139 28
MARET 358 493 27 684 456 44 591 238 46 638 107 30
APRIL 285 519 25 752 431 53 628 232 40 506 124 35
MEI 417 505 22 706 477 42 700 251 54 608 150 26
JUNI 529 541 24 602 409 41 640 177 50
JULI 598 572 35 494 436 51 716 162 38
AGUSTUS 646 575 21 532 399 56 578 167 28
SEPTEMBER 394 447 23 478 355 47 504 215 38
OKTOBER 460 559 31 593 367 49 485 192 32
NOVEMBER 499 469 37 583 332 46 703 188 30
27
Lampiran 2 Uji stasioneritas Matik
Null Hypothesis: MATIK has a unit root Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.420737 0.0160
Test critical values: 1% level -3.605593
5% level -2.936942
10% level -2.606857
*MacKinnon (1996) one-sided p-values.
Lampiran 3 Uji stasioneritas Bebek
Null Hypothesis: BEBEK has a unit root Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -0.097028 0.9427
Test critical values: 1% level -3.610453
5% level -2.938987
10% level -2.607932
*MacKinnon (1996) one-sided p-values.
Lampiran 4 Uji stasioneritas Sport
Null Hypothesis: SPORT has a unit root Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.629063 0.0957
Test critical values: 1% level -3.605593
5% level -2.936942
10% level -2.606857
*MacKinnon (1996) one-sided p-values.
Lampiran 5 Uji stasioneritas Matik setelah first difference
Null Hypothesis: D(MATIK) has a unit root Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -6.814106 0.0000
Test critical values: 1% level -3.610453
5% level -2.938987
10% level -2.607932
28
Lampiran 6 Uji stasioneritas Bebek setelah first difference
Null Hypothesis: D(BEBEK) has a unit root Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -8.538135 0.0000
Test critical values: 1% level -3.610453
5% level -2.938987
10% level -2.607932
*MacKinnon (1996) one-sided p-values.
Lampiran 7 Uji stasioneritas Sport setelah first difference
Null Hypothesis: D(SPORT) has a unit root Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -9.279384 0.0000
Test critical values: 1% level -3.610453
5% level -2.938987
10% level -2.607932
*MacKinnon (1996) one-sided p-values.
Lampiran 8 Uji kausalitas Granger
Pairwise Granger Causality Tests Date: 08/14/13 Time: 11:23 Sample: 2010M01 2013M05 Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
BEBEK does not Granger Cause MATIK 40 0.76939 0.3861
MATIK does not Granger Cause BEBEK 7.88516 0.0079
SPORT does not Granger Cause MATIK 40 1.52993 0.2239
MATIK does not Granger Cause SPORT 0.00120 0.9725
SPORT does not Granger Cause BEBEK 40 3.89266 0.0560
29 Lampiran 9 Uji lag optimum
VAR Lag Order Selection Criteria
Endogenous variables: MATIK BEBEK SPORT Exogenous variables: C
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error
AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Lampiran 10 Uji kointegrasi
Date: 08/14/13 Time: 11:46
Sample (adjusted): 2010M06 2013M05 Included observations: 36 after adjustments Trend assumption: Linear deterministic trend Series: MATIK BEBEK SPORT
Lags interval (in first differences): 1 to 4 Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.453577 31.80166 29.79707 0.0290
At most 1 0.178485 10.04460 15.49471 0.2773
At most 2 0.079107 2.966825 3.841466 0.0850
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
Lampiran 11 Estimasi VECM
Vector Error Correction Estimates Date: 08/14/13 Time: 11:49
Sample (adjusted): 2010M05 2013M05 Included observations: 37 after adjustments Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
30
Lanjutan Lampiran 11
Error Correction: D(MATIK) D(BEBEK) D(SPORT)
CointEq1 -0.658179 -0.102384 0.031461
(0.22778) (0.09620) (0.02235) [-2.88952] [-1.06424] [ 1.40757]
D(MATIK(-1)) 0.027570 -0.094511 -0.036583
(0.23442) (0.09901) (0.02300) [ 0.11761] [-0.95457] [-1.59037]
D(MATIK(-2)) 0.024773 0.131921 -0.026072
(0.19677) (0.08311) (0.01931) [ 0.12590] [ 1.58738] [-1.35033]
D(MATIK(-3)) -0.151485 -0.160901 -0.030129
(0.20934) (0.08842) (0.02054) [-0.72362] [-1.81981] [-1.46673]
D(BEBEK(-1)) 0.564831 -0.149094 0.004916
(0.45412) (0.19180) (0.04456) [ 1.24379] [-0.77734] [ 0.11032]
D(BEBEK(-2)) 0.737332 -0.024342 -0.000480
(0.37870) (0.15994) (0.03716) [ 1.94701] [-0.15219] [-0.01291]
D(BEBEK(-3)) 0.478594 0.226477 0.030827
(0.37101) (0.15670) (0.03641) [ 1.28997] [ 1.44532] [ 0.84677]
D(SPORT(-1)) 1.661249 -0.322746 -0.517255
(1.97891) (0.83579) (0.19418) [ 0.83948] [-0.38616] [-2.66379]
D(SPORT(-2)) 2.090992 -1.701189 -0.367859
(2.20436) (0.93101) (0.21630)
Log likelihood -211.2869 -179.3960 -125.3909
Akaike AIC 12.01551 10.29167 7.372480
Schwarz SC 12.49443 10.77060 7.851401
Mean dependent 8.729730 -9.972973 0.027027
S.D. dependent 104.3008 45.33424 8.964394
Determinant resid covariance (dof adj.) 5.52E+08
Determinant resid covariance 1.92E+08
Log likelihood -510.3081
Akaike information criterion 29.53017
Schwarz criterion 31.09755
Lampiran 12 Uji stabilitas model
Roots of Characteristic Polynomial
Endogenous variables: MATIK BEBEK SPORT Exogenous variables: C
31 Lanjutan Lampiran 12
Root Modulus
0.942600 0.942600
0.921559 0.921559
-0.644530 0.644530
0.221183 - 0.605142i 0.644298
0.221183 + 0.605142i 0.644298
-0.255635 - 0.573757i 0.628129
-0.255635 + 0.573757i 0.628129
0.489431 0.489431
-0.196835 0.196835
32
Lampiran 13 Impuls response of Matik
-20 0 20 40 60 80 100
5 10 15 20 25 30 35 40 45 50
Response of MATIK to MATIK
-20 0 20 40 60 80 100
5 10 15 20 25 30 35 40 45 50
Response of MATIK to BEBEK
-20 0 20 40 60 80 100
5 10 15 20 25 30 35 40 45 50
Response of MATIK to SPORT
33 Lampiran 14 Impuls response of Bebek
-20 -10 0 10 20 30 40
5 10 15 20 25 30 35 40 45 50
Response of BEBEK to BEBEK
-20 -10 0 10 20 30 40
5 10 15 20 25 30 35 40 45 50
Response of BEBEK to MATIK
-20 -10 0 10 20 30 40
5 10 15 20 25 30 35 40 45 50
Response of BEBEK to SPORT
34
Lampiran 15 Impuls response of Sport
-2 0 2 4 6 8 10
5 10 15 20 25 30 35 40 45 50
Response of SPORT to SPORT
-2 0 2 4 6 8 10
5 10 15 20 25 30 35 40 45 50
Response of SPORT to MATIK
-2 0 2 4 6 8 10
5 10 15 20 25 30 35 40 45 50
Response of SPORT to BEBEK
35
Lampiran 16 Variance decomposition of MATIK
36
Lampiran 17 Variance decomposition of BEBEK
