Peramalan Jumlah Kepemilikan Sepeda Motor dan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Regresi Data Panel

Transkripsi

1 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (14) (31-98X Print) D-33 Peramalan Jumlah epemilikan Sepeda Motor dan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Regresi Data Panel Hilda Rosdiana Dewi dan Dwi Endah usrini Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 6111 Indonesia Abstrak Sepeda motor merupakan salah satu alat transportasi yang diminati oleh masyarakat di Indonesia. Populasi sepeda motor paling banyak berada di wilayah Jawa Timur, yaitu sebesar 9,1 juta unit pada tahun 1. Oleh karena itu peramalan perlu dilakukan untuk mengetahui jumlah sepeda motor di Jawa Timur pada tahun yang akan datang. arakteristik kepemilikan dan penjualan sepeda motor disetiap wilayah cenderung tidak sama, sehingga pada penelitian ini digunakan metode Regresi Data Panel untuk memodelkan kepemilikan dan penjualan sepeda motor di Jawa Timur serta melakukan peramalan untuk tahun yang akan datang. Hasil dari pengujian regresi data panel menunjukkan bahwa model kepemilikan sepeda motor adalah model REM dan penjualan sepeda motor adalah model FEM cross section weight. Hasil ramalan menunjukkan bahwa kepemilikan sepeda motor di Jawa Timur mengalami kenaikan dari unit pada tahun 13 menjadi unit pada tahun 14 dan ramalan penjualan sepeda motor mengalami penurunan dari unit pada tahun 13 menjadi pada tahun 14. ata unci epemilikan Sepeda Motor, Penjualan Sepeda Motor, Peramalan. S I. PENDAHULUAN ETOR transportasi merupakan salah satu sektor penting terutama yang berkaitan dengan kinerja dalam memfasilitasimobilitas orang dan barang. Salah satu alat transportasi yang paling diminati oleh masyarakat adalah sepeda motor. Pemilihan sepeda motor sebagai alat transportasi ini dikarenakan ukuran sepeda motor yang lebih kecil sehingga pada saat terjadi kemacetan, sepeda motor dapat melewati kemacetan tersebut [1]. orlantas Polri pada tahun 1 juga mencatat bahwa populasi sepeda motor terbanyak berada di wilayah Jawa Timur yakni sebanyak 9,1 juta unit dengan rata-rata pertumbuhan sebesar 66 ribu per tahun. Hal ini akan menyebabkan populasi sepeda motor yang ada di wilayah Jawa Timur meningkat seiring bertambahnya tahun. PT.X menyebutkan bahwa penjualan sepeda motor baru di wilayah Jawa Timur pada tahun 9 mencapai unit, tahun 1 penjualan sepeda motor baru mencapai unit, tahun 11 penjualan mencapai unit dan pada tahun 1 mencapai unit sepeda motor. Oleh karena itu, pada penelitian ini akan dilakukanperamalan kepemilikan sepeda motor dan penjualan sepeda motor yang ada di wilayah Jawa Timur dengan menggunakan regresi panel untuk mengetahui jumlah sepeda motor yang ada di jawa timur dan mengetahui penjualan sepeda motor di jawa timur pada tahun 13 hingga tahun 14. Regresi data panel ini digunakan karena regresi data panel merupakan regresi antara data cross section dan data time series, sehingga akan diperoleh informasi yang lebih lengkap. Selain itu, penggunaan regresi data panel akan dapat mendeteksi dan mengidentifikasi efek yang tidak terdeteksi pada data cross section saja dan data time series saja. II. TINJAUAN PUSTAA A. Pemodelan Regresi Data Panel Data panel merupakan data gabungan dari dua tipe data yaitu data time series dan data cross section. Model regresi data panel dinyatakan dalam persamaan berikut. Y it = α it + k=1 β kit X kit + u it (1) dimana i : jumlah unit penelitian, dimana i = 1,,,31 t : jumlahwaktu penelitian, dimana t = 1,,..,4 α it : intersep β kit : konstanta (slope) : banyak variabel independen X kit : variabel independen u it : residual unit cross section ke-i untuk periode ke-t. B. Estimasi Model Data Panel Estimasi model pada data panel dilakukan dalam tiga macam pendekatan yaitu Common Effect Model, Fixed Effect Model dan Random Effect Model []. 1) Common Effect Model (CEM) Pendekatan ini mengasumsikan bahwa nilai intersep dan slope masing-masing variabel adalah sama untuk semua unit cross section dan time series [3]. Y it = α + k=1 β kit X kit + u it () ) Fixed Effect Model (FEM) Y it = α it + k=1 β kit X kit + u it (3) Asumsi yang mendasari pemilihan metode Fixed Effect Model adalah a. Variasi terletak pada individu yang faktor waktunya diabaikan

2 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (14) (31-98X Print) D-333 b. Variasi terletak pada waktu dan variasi individu yang diabaikan. 3) Random Effect Model (REM) Model random effect mengasumsikan setiap variabel mempunyai perbedaan intersep. Y it = β i + k=1 β kit X kit + u it (4) dimana β i = β + ε i (5) ε i komponen error cross sectionyang mempunyai mean dan varian σ ε. C. Pemilihan Model Estimasi Regresi Data Panel Adapun beberapa pengujian yang akan digunakan 1) Uji Chow Uji untuk memilih Common Effect Model atau Fixed Effect Model, dengan hipotesis sebagai berikut H :α 1 = α = = α n = H 1 :Minimal ada satuα i yang berbeda ; i = 1,,, n Statistik uji F = R LSDV R Pooled /(N 1) (1 R LSDV )/(NT N ) dengan R LSDV =R-square untuk Fixed Effect Model R Pooled =R-square untuk ommon Effect Model N =jumlah unit cross section T =jumlah unit time series =jumlah variabel independen Pengambilan keputusan adalah tolak H apabila F > F (N 1,NT N,α) atau p-value <α [4]. ) Uji Hausman Pengujian untuk memilih Fixed Effect Model atau Random Effect Model dengan hipotesis sebagai berikut H :corr(x ij, u ij ) = H 1 :corr(x ij, u ij ) Statistik uji W = χ = b β [var b var β ] 1 b β (8) Pengambilan keputusannya adalah tolak H apabila W > χ atau p-value <α [4]. (,α) 3) Uji Lagrange Multiplier Pengujian untuk menguji adanya heteroskedastisitas pada model Fixed Effect Model H :σ i = H 1 :σ i Statistik uji LM = NT (T 1) N i=1 N i=1 (Tu i ) T t=1 (u it ) 1 Pengambilan keputusannya adalah tolak H apabila LM > χ atau p-value <α [4]. (N 1,α) D. Pengujian Signifikansi Parameter Pengujian parameter regresi dilakukan dalam dua tahap yaitu uji serentak dan uji parsial 1) Uji Serentak hipotesis sebagai berikut. H :β 1 = β = = β = H 1 :Minimaladasatuβ k ; k = 1,,, (7) (9) Statistik uji :F hitung = MS regresi (1) MS residual Pengambilan keputusan adalah tolak H apabilaf hitung > F α;(,n 1) atau p-value <α []. ) Uji Parsial Hipotesis yang digunakan H :β k = H 1 :β k, k = 1,,, Statistik uji :t hitung = β k (11) SE β k Pengambilan keputusan adalah tolak H apabila t hitung > t (α/;,n ) p-value <α. E. Pemeriksaan Asumsi lasik Adapun beberapa asumsi klasik yang harus dipenuhi, yaitu: 1. Tidak terjadi Multikolinieritas. Asumsi Identik 3. Asumsi Independen 4. Asumsi berdistribusi Normal F. Peramalan Metode peramalan yang digunakan adalah metode analisis trend linier. Y t = β + β 1 t + ε t (1) dimanaβ merupakan intersep dan β 1 merupakan slope [5]. III. METODOLOGI PENELITIAN A. Sumber Data dan Variabel Penelitian Data yang digunakan adalah data sekunder hasil dokumentasi kepemilikan sepeda motor oleh Polda Jatim,data penjualan sepeda motor dari PT.Xdan data pendukung lainnya yaitu diperoleh dari Badan Pusat Statistika periode 9-1. B. Variabel Penelitian Tabel 1. Variabel Penelitian Simbol Nama Variabel Satuan Y 1 epemilikan sepeda motor Unit Y Total Penjualan semua merek sepeda motor Unit Penduduk usia produktif Jiwa X 1 (15-64 tahun) X Laju Pertumbuhan Ekonomi Persen X 3 PDRB Per apita Juta Rupiah X 4 Daya Beli Indeks Sedangkan wilayah yang digunakan dalam penelitian adalah Tabel. dalam Penelitian No No 1 Pacitan 17 Jombang Ponorogo 18 Nganjuk 3 Trenggalek 19 Madiun 4 Tulungagung Magetan 5 Blitar 1 Ngawi 6 ediri Bojonegoro 7 Malang 3 Tuban 8 Lumajang 4 Lamongan 9 Jember 5 Gresik 1 Banyuwangi 6 Bangkalan 11 Bondowoso 7 Sampang 1 Situbondo 8 Pamekasan 13 Probolinggo 9 Sumenep

3 e p e milika n S e p e d a M o t o r Pe n ju a la n S e p e d a M o t o r JURNAL SAINS DAN SENI POMITS Vol. 3, No., (14) (31-98X Print) D Pasuruan 3 ota Malang 15 Sidoarjo 31 ota Surabaya 16 Mojokerto C. Langkah Analisis Tahap dan langkah-langkah analisis data dalam penelitian ini adalah sebagai berikut: 1. Melakukan analisis deskriptif terhadap variabel penelitian. Pemodelan menggunakan regresi data paneldengan langkah-langkah sebagai berikut : a. Melakukan transformasi data. b. Mengestimasi model data panel c. Melakukan uji pemilihan model terbaik. d. Menguji signifikansi parameter regresi panel e. Menguji asumsi residual f. Interpretasi model regresi 3. Peramalan dengan langkah-langkah sebagai berikut: a. Melakukan peramalan untuk masing-masing prediktor (X 1 -X 4 ) pada masing-masing wilayah di Jawa Timur dengan menggunakan trend analysis. b. Mensubstitusikan hasil peramalan pada langkah 3a kedalam model regresi panel yang telah diperoleh pada langkah. IV. HASIL DAN PEMBAHASAN A. Analisis arakteristik Variabel Statistika deskriptif yang digunakan adalah rata-rata dan standar deviasi pada setiap variabel, yang ditampilkan pada Tabel 3. Tabel 3. Statistika Deskriptif Variabel Penelitian Variabel Ratarata Standar Deviasi Tertinggi Terendah Y Surabaya Sampang Y Surabaya Sampang X Surabaya Pacitan X 6,9,99 Bojonegoro Sampang X 3 1,57 4,5 ediri Pacitan X 4 63,97,13 Surabaya Bojonegoro Tingkat keeratan hubungan antara variabel respon dan variabel prediktor ditunjukkan pada Tabel 4 berikut Tabel 4. Uji orelasiantar Variabel Y 1 Y X 1 X X 3 Y,954 X 1,8,846 X,38,1,33 X 3,653,581,46,197 X 4,537,469,39,47,374 Tabel 4 menunjuukkan bahwa Variabel laju pertumbuhan ekonomi (X ) merupakan variabel yang memiliki nilai korelasi r XY terendah dibandingkan dengan variabel prediktor lainnya.apabila dilihat secara visual dengan menggunakan scatter plot, maka hasilnya sebagai berikut X1 X , 6, 5 X X4 6 5, 6 7, 5 7, Gambar1.Scatter Plot Variabel epemilikan Sepeda Motor dengan Variabel Prediktor dan Variabel Penjualan Sepeda Motor dengan Variabel Prediktor. 8 4 Gambar 1 menunjukkan bahwa varians dari semua variabel prediktor semakin membesar. Hal ini memiliki arti bahwa kepemilikan sepeda motor dan penjualan sepeda motor terdapat kasus heteroskedastisitas. B. Pemodelan epemilikan Sepeda Motor dan Penjualan Sepeda Motor Sebelum melakukan pemodelan regresi, maka dilakukan pendeteksian multikolinieritas dahulu.cara yang digunakan untuk mengatasi masalah multikolinieritas ini adalah dengan melihat nilai VIF yang ditampilkan pada Tabel5. Tabel 5. Hasil Uji Multikolinieritas Variabel Predictor VIF Constant * X1 1,34 Y1 X 1,99 X3 1,369 X4 1,4 Constant * X1 1,34 Y X 1,99 X3 1,369 X4 1,4 Tabel 5 menunjukkan bahwa baik pada kepemilikan dan penjualan tidak terdapat kasus multikolinieritas karena nilai VIF masih kurang dari 5. Setelah melakukan pengujian multikolinieritas, maka dilakukanpemodelan pada data kepemilikan dan penjualan sepeda motor. Pemodelan estimasi regresi data paneladalah sebagai berikut 1) Common Effect Model (CEM) Taksiran CEM untuk data kepemilikan sepeda motor sebagai berikut Y 1 = ,3533X ,5X +.783,5X ,38X 4 (13) Sedangkan taksiran CEM untuk data penjualan sepeda motor sebagai berikut Y = ,5535X 1 947,45X + 6,71X ,154X 4 (14) ) Fixed Effect Model (FEM) a. Antar Individu Taksiran FEM antar individu untuk data kepemilikan sepeda motor adalah sebagai berikut Y 1it = α i +,47796X 1it ,144X it +.971,38X 3it +.558,96X 4it (15) Sedangkan taksiran FEM antar individu untuk data penjualan sepeda motor adalah sebagai berikut Y it = α i +,758X 1it +.556,1X it 453,8645X 3it 1.935,937X 4it (16) 4 X1 X , 6, 5 X X4 6 5, 6 7, 5 7,

4 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (14) (31-98X Print) D-335 b. Antar Waktu Taksiran FEM antar waktu untuk data kepemilikan sepeda motor adalah sebagai berikut Y 1it = α t +,33643X 1it ,7X it +.7,68X 3it ,36X 4it (17) Sedangkan taksiran FEM antar waktu untuk data penjualan sepeda motor adalah sebagai berikut Y it = α t +,4797X 1it +.97,97X it + 1,7417X 3it + 3.1,85X 4it (18) Untuk memilih taksiran FEM yang terbaik, maka dilihat dari kriteria kebaikan yaitu nilai R dan AIC. Tabel6. Perbandingan FEM Antar Individu dan Antar Waktu Y1 Y riteria Antar Individu Antar Waktu Antar Individu Antar Waktu R-Square 99,14% 8,9% 98,5% 81,85% AIC 3,37 6,76 19,96 1,7 Berdasarkan Tabel 6 diketahui taksiran yang terbaik adalah taksiran FEM antar individu, sehingga analisis selanjutnya menggunakan taksiran FEM antar individu. 3) Random Effect Model (REM) Taksiran REM untuk data kepemilikan sepeda motor adalah sebagai berikut Y 1it = β i +,369188X 1it +.6,958X it + 3.3,16X 3it ,66X 4it (19) Sedangkan taksiran REM untuk data penjualan sepeda motor adalah sebagai berikut Y it = β i +,597X 1it + 35,445X it 41,311X 3it 644,778X 4it () Setelah melakukan pemodelan, langkah selanjutnya adalah pemilihan model terbaik dengan 3 uji berikut. 1) Uji Chow Hasil uji Chow ditampilkan pada Tabel 7. Tabel 7. Uji Chow Variabel F p-value esimpulan Y 1 68,13, Tolak H Y 9,575, Tolak H Pengambilan keputusan dari kedua variabel adalah tolak H sehingga model yang sesuai untuk adalah FEM. ) Uji Hausman Hasil uji Chow ditampilkan pada Tabel 8. Tabel 8. Uji Hausman Variabel W p-value esimpulan Y 1,988,5598 Gagal Tolak H Y 48,643, Tolak H Tabel 8 menunjukkan bahwa model yang sesuai untuk Y 1 adalah REM dan model yang sesuai untuk Y adalah FEM. 3) Uji LM Hasil uji LM ditampilkan pada Tabel 9. Tabel 9. Uji LM Variabel LM p-value eputusan Y 61,17,69 Tolak H Tabel 9 menunjukkan bahwa model yang sesuai untuk Y adalah FEM cross section weight. Setelah melakukan pengujian, maka dilakukan estimasi model regresi panel.hasil estimasi kepemilikan sepeda motor dengan taksiran REM lny 1it = β i +,44464lnX 1it +,6lnX 3it +,38197lnX 4it (1) Berdasarkan persamaan 1 diatas didapatkan estimasi intersep sebagai berikut Tabel 1. Estimasi Intersepβ i β i β i Pacitan -5,3917 jombang -4,8666 Ponorogo -4,7574 nganjuk -4,86 Trenggalek -5,157 Madiun -5,568 Tulungagung -4,7565 magetan -5,956 Blitar -4,791 ngawi -4,868 ediri -5,7971 bojonegoro -5,718 Malang -4,757 Tuban -5,43 Lumajang -5,714 lamongan -4,9193 Jember -5, gresik -5,4511 Banyuwangi -4,947 bangkalan -5,7396 Bondowoso -5,66 sampang -6,4717 Situbondo -5,683 pamekasan -5,164 Probolinggo -5,64 sumenep -5,8397 Pasuruan -5,799 ota Malang -5,573 Sidoarjo -4,8365 ota Surabaya -5,49 Mojokerto -5,873 Sedangkan hasil estimasi penjualan sepeda motor dengan taksiranfem cross section weight adalah sebagai berikut lny it = α i 1,34366lnX 1it,849681lnX 3it + 7,378389lnX 4it () Berdasarkan persamaan diatas didapatkan estimasi intersep sebagai berikut Tabel11. Estimasi Intersep α i α i α i Pacitan -,5767 jombang,189 Ponorogo -1,94 nganjuk -,3676 Trenggalek -1,6456 Madiun,6 Tulungagung,3697 magetan -1,538 Blitar,11 ngawi -,71 ediri 3,787 bojonegoro,5948 Malang,745 Tuban,4653 Lumajang -,111 lamongan -,4633 Jember 1,4867 gresik 1,1479 Banyuwangi 1,137 bangkalan -1,687 Bondowoso -1,596 sampang -,767 Situbondo -1,539 pamekasan -1,681 Probolinggo,77 sumenep -1,4458 Pasuruan,6768 ota Malang,34 Sidoarjo,377 ota Surabaya 3,96 Mojokerto,3871 Setelah mendapatkan model dari analisis regresi data panel, langkah berikutnya adalah melakukan pengujian signifikansi parameter sebagai berikut Tabel 1. Hasil Uji Serentak Model F hitung p-value eputusan lny 1it 144,599, Tolak H lny it 19,5797, Tolak H

5 Pe r c e n t 99, ,1 M ean 8,64516E - 9 S td ev,487 N 14 S,136 P - V alu e <,1 Pe r c e n t 99, ,1 M ean 4,83871E - 8 S td ev,967 N 14 S,58 P - V alu e >,15 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (14) (31-98X Print) D-336 Tabel 1 menunjukkan bahwa minimal terdapat satu variabel independen yang berpengaruh signifikan terhadap kedua model.emudian dilakukan uji parsial dengan hasil sebagai berikut. Model lny1 it lny it Tabel 13. Hasil Uji Parsial Var. Prediktor t hitung p-value eputusan Intersep,946,3461 Tidak Signifikan lnx1,596,16 Signifikan lnx3 5,59, Signifikan lnx4,59,417 Signifikan Intersep -,,9983 Tidak Signifikan lnx1-3,1,18 Signifikan lnx3-4,775, Signifikan lnx4 3,714,4 Signifikan Tabel 13 menunjukkan bahwa dengan menggunakan α sebesar 5% variabel prediktor lnx 1, lnx 3 dan lnx 4 berpengaruh signifikan pada kedua model. Langkah berikutnya adalah melakukan pengujian asumsi pada residual modelsebagai berikut 1. Uji Asumsi Identik Uji asumsi identik ini menggunakan uji glejser. Hasil pengujian asumsi identik sebagai berikut Model lny 1it lny it Tabel 14. Hasil Uji Glejser Var. p- t Prediktor hitung value eputusan lnx 1 -,6,951 Gagal Tolak H lnx 3-1,6,89 Gagal Tolak H lnx 4,68,51 Gagal Tolak H lnx 1 1,5,137 Gagal Tolak H lnx 3 1,1,76 Gagal Tolak H lnx 4 1,36,177 Gagal Tolak H Tabel 14 menunjukkan bahwa model lny 1it dan lny it sudah memenuhi asumsi identik karena pvalue>α, sehingga tidak terdapat kasus heteroskedastisitas pada residual.. Uji Asumsi Independen Uji asumsi independen digunakan untuk mendeteksi adanya autokorelasi. Salah satu cara mendeteksi adalah dengan melihat nilai Durbin Watson yang ditampilakan pada Tabel 15. Tabel 15. Hasil Uji Durbin Watson lny 1it eputusan lny it eputusan Pacitan,69 Tolak H 3,466 Tolak H Ponorogo,19 Tolak H 3,967 Tolak H Trenggalek,45 Tolak H 1,7738 Gagal Tolak H Tulungagung,147 Tolak H 3,658 Tolak H Blitar,34 Tolak H,3131 Gagal Tolak H ediri,41 Tolak H,3888 Gagal Tolak H Malang,4 Tolak H,7959 Tolak H Lumajang,4954 Tolak H,9599 Tolak H Jember,9561 Tolak H,6976 Tolak H Banyuwangi,74 Tolak H,898 Tolak H Bondowoso,76 Tolak H,847 Tolak H Situbondo,113 Tolak H,931 Tolak H Probolinggo,46 Tolak H 1,749 Gagal Tolak H d Pasuruan,991 Tolak H,8 Gagal Tolak H Sidoarjo,1 Tolak H,616 Tolak H Mojokerto,461 Tolak H,897 Gagal Tolak H Jombang,179 Tolak H 1,935 Gagal Tolak H Nganjuk,56 Tolak H,8967 Tolak H Tabel 15. (Lanjutan) lny 1it eputusan lny it eputusan Madiun,13 Tolak H,854 Tolak H Magetan,75 Tolak H,1484 Gagal Tolak H Ngawi,44 Tolak H,6413 Tolak H Bojonegoro,777 Tolak H 1,184 Tolak H Tuban 1,9451 Gagal Tolak H 1,154 Tolak H Lamongan,1 Tolak H 1,478 Tolak H Gresik,185 Tolak H 1,9984 Gagal Tolak H Bangkalan,85 Tolak H,9316 Tolak H Sampang,34 Tolak H 1,934 Tolak H Pamekasan,3756 Tolak H 1,5489 Tolak H Sumenep,34 Tolak H,116 Gagal Tolak H ota Malang,164 Tolak H,7418 Tolak H Surabaya,589 Tolak H,917 Tolak H Tabel 15 menunjukkan bahwa terdapat kasus autokorelasi baik pada model lny 1it dan lny it. Hal ini terlihat dari nilai d pada model lny 1it yang berada di antara 4- d L <d<4 dan nilai d pada model lny it yang berada di antara <d <d L. 3. Uji Asumsi Distribusi Normal Hasil pengujian distribusi normal ditampilkan pada Gambar. -1,5-1, -,5, RESI LNY 1,5 1, -,3 d -, -,1, RESI LNY a. Residual lny 1it b. ResiduallnY it Gambar. Probability Plot Hasil uji distribusi normal yang ada padagambar menunjukkan bahwa residual lny 1it dapat dikatakan tidak berdistribusi normal karena nilai p-value < α, sedangkan residual lny it dapat dikatakan berdistribusi normal karena nilai p-value > α. C. Peramalan epemilikan Sepeda Motor dan Penjualan Sepeda Motor Metode peramalan yang digunakan adalah metode analisis trend linier. Peramalan dengan analisis trend linier ini hanya dilakukan pada variabel prediktor di masing-masing wilayah untuk mengetahui nilai variabel prediktor pada tahun 13 dan 14. Setelah mendapatkan nilai variabel prediktor untuk tahun 13 dan 14 pada masing-masing wilayah, kemudian ramalan variabel prediktor itu disubtitusikan ke dalam persamaan 1 dan. Hasil ramalan kepemilikan sepeda motor di wilayah Jawa Timur adalah sebagai berikut.,1,,3

6 e p e milika n S e p e d a M o t o r V ar iab le k ep em ilik an r am alan Pe n ju a la n S e p e d a M o t o r V ar iab le p en ju alan r am alan. JURNAL SAINS DAN SENI POMITS Vol. 3, No., (14) (31-98X Print) D-337 Tabel 16. Ramalan epemilikan Sepeda Motor Masing-masing Pacitan Jombang Ponorogo Nganjuk Trenggalek Madiun Tulungagung Magetan Blitar Ngawi ediri Bojonegoro ab Malang Tuban Lumajang Lamongan Jember Gresik Banyuwangi Bangkalan Bondowoso Sampang Situbondo Pamekasan Probolinggo Sumenep Pasuruan ota Malang Sidoarjo Surabaya Mojokerto Berbeda dengan ramalan kepemilikan yang semakin lama semakin meningkat, ramalan penjualan sepeda motor mengalami penurunan tiap tahunnya yangditampilkan pada Tabel 17 sebagai berikut Tabel17. Ramalan Penjualan Sepeda Motor Masing-masing Pacitan Jombang Ponorogo Nganjuk Trenggalek Madiun Tulungagung Magetan Blitar Ngawi ediri Bojonegoro ab Malang Tuban Lumajang Lamongan Jember Gresik Banyuwangi Bangkalan Bondowoso Sampang Situbondo Pamekasan Probolinggo Sumenep Pasuruan ota Malang Sidoarjo Surabaya Mojokerto Apabila dilihat secara keseluruhan (propinsi), hasil ramalan kepemilikan sepeda motor dan penjualan sepeda motor ditunjukkan pada Gambar 3. Timur terjadi peningkatan penduduk usia produktif, PDRB perkapita, dan daya beli maka akan mengakibatkan meningkatnya kepemilikan sepeda motor di Jawa Timur, sedangkan penjualan sepeda motor di Jawa Timur akan meningkat apabila terjadi daya beli di wilayah Jawa Timur.Hasil peramalan menunjukkan bahwa kepemilikan sepeda motor di Jawa Timur akan mengalami peningkatan dari tahun 13 hingga tahun 14, sedangkan penjualan sepeda motor di Jawa Timur mengalami penurunan dari tahun 13 hingga tahun 14. DAFTAR PUSTAA [1] L.Leong and A. Sadullah. A Study on The Motorcycle Ownership : Case Study in Penang State, Malaysia. Journal of The Eastern Asia Societies Transportation Studies Vol. 7,(7) [] D. Gujarati. Basic Econometrics. The McGraw Hill(4). [3] Setiawan, and D. E usriniekonometrika. Yogyakarta: Andi. (1). [4] W. Greenee. Econometrics Analysis 5 th edition. New Jersey: Prentice Hall(). [5] W. W. Wei.. Time Analysis Univariate and Multivariate Methods. America: Addison Wesley Publishing Company(199) Ta h u n a. Y1 b.y Gambar 3. Time Series Plot Aktual dan Ramalan 1 5 Gambar3 menunjukkan bahwa kepemilikan sepeda motor di tiap wilayah mengalami peningkatan setiap tahunnya, sedangkan penjualan sepeda motor di tiap wilayah mengalami penurunan setiap tahunnya Ta h u n V. ESIMPULAN Berdasarkan hasil analisis dan pembahasan yang telah dilakukan, didapatkan kesimpulan bahwa apabila di Jawa