IV. METODE PENELITIAN

Transkripsi

1 IV. METODE PENELITIAN 4.. Ruang Lingkup Peneliian Peneliian ini diujukan unuk menenukan meode erbaik yang dapa digunakan dalam meramalkan harga ayam pada enam koa besar di Jawa-Bali. Meode peramalan yang digunakan adalah meode peramalan kuaniaif yang erdiri dari meode peramalan ime series (dere waku) dan meode peramalan kausal (regresi). Meode peramalan kausal digunakan unuk menganalisis fakorfakor yang mempengaruhi erbenuknya harga ayam pada enam koa besar di Jawa-Bali. elain iu, peneliian ini juga akan menampilkan daa hasil peramalan dengan menggunakan meode peramalan ime series yang dianggap paling akura Lokasi dan Waku Peneliian Peneliian ini dilaksanakan mulai bulan Juli sampai Mei 2007 di Badan Keahanan Pangan (BKP) bagian Analisis Harga Deparemen Peranian Republik Indonesia (DEPTAN) yang berlokasi di daerah Pasar Minggu, Jakara elaan. Pemilihan lokasi ini dilakukan secara sengaja (purposive) berdasarkan perimbangan bahwa daa-daa yang diperlukan lebih mudah diperoleh sera Deparemen Peranian Republik Indonesia merupakan sumber primer yang menyediakan daa sekunder mengenai daa hisoris harga ayam di Jawa-Bali Jenis dan Meode Pengumpulan Daa Jenis daa yang digunakan dalam peneliian ini adalah daa sekunder. Daadaa sekunder uama adalah harga ayam di Jawa-Bali diperoleh dari BKP bagian analisis harga sebagai penyedia uama daa. edangkan daa sekunder pendukung

2 28 lainnya diperoleh penulis melalui sudi pusaka pada perpusakaan pusa Insiu Peranian Bogor (IPB), perpusakaan Pusa Analisis Kebijakan dan urvei osial Ekonomi (PE), perpusaakaan Badan Pusa aisik (BP), dan inerne. Daa harga ayam pada enam koa besar di Jawa-Bali yang dianalisis adalah daa berbenuk bulanan dari bulan Januari 2002 sampai Okober 2006 dan merupakan daa raa-raa (mean) bulanan dari harga mingguan. Enam koa besar yang dimaksud adalah DKI Jakara, Bandung, emarang, ogyakara, urabaya dan Denpasar. Menuru BKP pemilihan keenam koa besar ini karena koa-koa ersebu cukup dapa mewakili perilaku harga ayam yang erjadi di Indonesia Pengolahan dan Analisis Daa Daa mengenai harga ayam pada enam koa besar di Jawa-Bali yang didapakan dari DEPTAN kemudian diolah dan dianalisis menggunakan perangka lunak (sofware) kompuer. Perangka lunak yang digunakan adalah Microsof Excel, Miniab versi 3.2 dan QB (Quaniaive aisic for Bussines). Alasan penggunaan perangka lunak Microsof Excel, Miniab 3.2 dan QB adalah karena perangka lunak ersebu lebih dikenal dan lebih mudah dioperasikan. ebenarnya masih erdapa beberapa macam perangka lunak dengan fungsi saisik lainnya, namun penggunaan perangka lunak ersebu lebih rumi pengoperasiannya. Dengan menggunakan perangka lunak yang lebih mudah, diharapkan meode peramalan kuaniaif yang akan digunakan akan lebih mudah dierapkan.

3 Meode Peramalan Kuaniaif Meode peramalan kuaniaif yang akan digunakan adalah meode peramalan ime series dan meode peramalan kausal. Meode peramalan ime series menganalisa pola hubungan daa variabel yang akan diramal dengan dere waku. Meode peramalan kausal didasarkan aas penggunaan analisa pola hubungan anara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya Meode Peramalan Time eries Meode Peramalan ime series yang akan digunakan adalah naïve, raa-raa sederhana, raa-raa bergerak sederhana, raa-raa bergerak ganda, pelicinan eksponensial unggal, Hol, dekomposisi adiif, dekomposisi muliplikaif, winers, Box-Jenkins (ARIMA) Meode Naïve Meode naïve adalah eknik peramalan berdasarkan asumsi bahwa periode saa ini merupakan predikor erbaik dari masa mendaang. Formula yang digunakan: y ˆ + y ˆ + Dimana : y nilai ramalan unuk periode yang akan daang y nilai akual periode Meode Raa-raa ederhana Meode raa-raa sederhana digunakan bila peramalan dilakukan secara berulang-ulang unuk daa yang idak eralalu besar (Firdaus, 2006). Formula unuk meode ini adalah:

4 30 ˆ + i ˆ + Dimana : y nilai ramalan unuk periode + periode akual i jumlah nilai dari periode sampai periode ke Meode Raa-raa Bergerak ederhana Meode ini menggunakan mean semua daa unuk meramal (Hanke, e al., 2003). Formula unuk meode ini adalah: ( ) ˆ 2 n+ + ˆ + n Dimana : y nilai ramalan unuk periode + periode akual n jumlah periode yang akan diraa-raakan (ordo) Meode Raa-raa Bergerak Ganda Teknik ini baik unuk daa yang mengandung unsur rend (Firdaus, 2006). Formula unuk eknik ini adalah: M M a b ' ˆ + 2M ( ) ( M + M + M + M M ) 2 n M ' ( M M ' ) 2 2 n n 3 3 n+ n Model yang akan didapa adalah: ˆ + p a + b. p ˆ + Dimana : y nilai ramalan unuk periode + y nilai akual periode periode akual n jumlah periode yang akan diraa-raakan (ordo) p periode yang akan diramalkan

5 Meode Pelicinan Eksponensial Tunggal Teknik ini dapa merevisi secara koninu hasil peramalan dengan informasi erbaru. Meode ini berdasarkan pemulusan yang menurun secara eksponensial (Firdaus, 2006). Meode ini menyediakan raa-raa bergerak erimbang secara eksponensial semua nilai pengamaan yang lalu (Hanke, e al., 2003). Formula dari meode ini adalah: ( ) ( ) ( ) ( ) ( ) b a b a. ˆ 2 " " " " α α α α α α Dimana : pelicinan ahap " pelicinan ahap 2 nilai akual perriode a konsana pemulusan (0<a<) a nilai inersep b nilai slope ŷ nilai peramalan periode periode waku Meode Hol Meode pelicinan eksponensial Hol menjelaskan bahwa ramalan merupakan hasil dari perhiungan dua kali pelicinan secara eksponensial. Tujuan dari pelicinan kedua adalah unuk mengaasi masalah daa yang idak sasioner dengan model rend yang linear (Makridakis, e al., 999). Formulasi unuk meode ini adalah: ( )( ) ( ) ( ) ˆ p T A A T T A A P T A β β α α

6 32 Dimana : A nilai inersep T.P nilai slope a konsana pemulusan (0<a<) ß konsana pemulusan (0<a<) periode waku Meode Dekomposisi Adiif Model ini memperlakukan nilai dere waku sebagai jumlah dari komponen-komponen dalam model (Hanke, e al., 2003). Formulasi dari model ini adalah : T + C + + ε Dimana: T C ε komponen rend pada periode komponen siklus pada periode komponen musiman pada periode komponen gala pada periode Meode Dekomposisi Muliplikaif Model ini memperlakukan nilai dere waku sebagai hasil perkalian dari komponen-komponen dalam model (Hanke, e al., 2003) Formulasi dari model ini adalah: T x C x x ε Dimana: T C ε komponen rend pada periode komponen siklus pada periode komponen musiman pada periode komponen gala pada periode Meode Winers Menuru Hanke, e al. (2003), meode ini memberikan cara mudah uuk menjelaskan musiman didalam model keika daa memiliki pola musiman. Meode alernaif erdiri dari penghapusan musim aau penyesuaian musim pada daa. Model peamalan diaplikasikan unuk daa musim-erhapus (desesasonalized daa)

7 33 dan kemudian musiman dimasukkan kembali unuk mendapakan ramalan yang akura. Formula unuk meode ini adalah:. Meode Winers Adiif a b ˆ T + + ε + p α β γ dengan T ( ) ( )( ) + α a + b ( a a ) + ( β )( b ) ( a ) + ( γ )( L ) [ a + b ( p) ] + L+ p a + b( ) Dimana : a pemulusan erhadap deseasonalized daa pada periode b pemulusan erhadap rend pada periode pemulusan erhadap variasi musiman pada periode ˆ ramalan p periode ke depan seelah periode + p a,ß,? koefisien pemulusan L penjangnya musim 2. Meode Winers Mulkiplikaif L T ( α )( L + T ) α + s ( L L ) + ( β ) T β L ( ) s γ + γ ˆ ( L pt ) s p + p + + Dimana : L nilai pemulusan baru aau level esimasi saa ini a konsana pemulusan unuk level (0 a ) pengamaan baru aau nilai akual periode ß konsana pemulusan unuk esimasi rend (0 ß ) T esimasi rend γ konsana pemulusan unuk esimasi musiman (0 γ ) esimasi musiman P periode yang diramalkan s panjangnya musim +p ramalan p periode ke depan

8 Meode Box-Jenkins (ARIMA) Meode ini sanga berbeda dengan kebanyakan meode karena model ini idak mengasumsikan pola erenu pada daa hisoris dere yang diramalkan. Model ini menggunakan pendekaan ieraif pada idenifikasi suau model yang mungkin dari model umum (Hanke, e al., 2003). ARIMA adalah singkaan dari auoregressive inegraed moving average. Model Box-Jenkins (ARIMA) secara umum dinoasikan sebagai beriku: ARIMA (p, d, q) Dimana: p d q Menunjukkan orde/deraja auoregressive (AR) Menunjukkan orde/deraja differencing (Pembedaan) Menunjukkan orde/deraja moving average (MA) Pada ARIMA erbagi aas model MA (moving average), AR (auoregressive), ARMA (auoregressive moving average), dan ARIMA (auoregressive inegraed moving average). Persamaan model ersebu adalah sebagai beriku:. Model MA a 0 + e - a e - - a 2 e a q e -q Dimana : Nilai series yang sasioner e Kesalahan peramalan e -,e -2 Kesalahan pada masa lalu a 0, a dan a 2 Konsana dan koefien model 2. Model AR b 0 + b - b b q -q + e Dimana : Nilai series yang sasioner -, -2 Nilai sebelumnya b 0 dan b,b 2 Konsana dan koefisen model e Kesalahan peramalan Model ARMA

9 35 3. Model ARIMA b 0 + b - b b p p + e - a e a q e -q Dimana : Nilai series yang sasioner e -,e -q Kesalahan pada masa lalu b 0 dan b,b p, a, a q Konsana dan koefisen model e Kesalahan peramalan 4. Model AR d +?L -L +?2L -2L +...+?PL -PL + e Dimana : -L,-2L d dan?l,?2 e nilai series yang sasioner nilai sebelumnya konsana dan koefisien model kesalahan peramalan Model AR 5. Model MA µ - F L e-l - F 2L e-l F QL e-ql+ e Dimana : nilai series yang sasioner e kesalahan peramalan e-l, e-2l kesalahan pada masa lalu µ, F L dan F 2L konsana dan koefisien model 6. Model ARIMA (p, d, q) (P, D, Q)L?p (B) F P (BL) (-B)d (-BL)D µ +?q (B) FQ (BL) e?p (B) -?B -?2B2 -.?pbp F P (BL) - F BL F2B2L -... FPBPL?q (B) -?B -?2B2 -.?qbq FQ (BL) - FBL F2B2L -... F QBQL Di mana : B Backward shif operaor (B -, B2-2 dan seerusnya) ebelum mencapai model yang erbaik, meode ARIMA memiliki beberapa ahapan yang harus digunakan agar memperoleh model yang opimal

10 36 dan erbaik. Beberapa ahapan pembenukan model ARIMA adalah sebagai beriku :. Idenifikasi Model Pada ahap ini dilakukan idenifikasi erhadap daa dere waku yang ersedia. Idenifikasi yang dilakukan melipui idenifikasi pola daa apakah mengandung pola musiman aau idak, indenifikasi erdap kesasioneran daa, dan yang erakhir adalah idenifikasi erhadap pola aau perilaku ACF dan PACF. Hal yang perlu diperhaikan adalah kebanyakan daa dere waku idak bersifa sasioner. Bila daa yang dihadapi bersifa non-sasioner, maka daa ersebu harus dikonversikan erlebih dahulu unuk mendapakan daa yang sasioner dengan eknik differencing (pembedaan). Pembedaan perama pada daa diperoleh dengan mengurangi nilai dua pengamaan yang beruruan pada daa ersebu dengan menggunakan formulasi beriku. Z Apabila seelah dilakukan eknik pembedaan perama (firs differencing) daa masih belum sasioner, maka dilakukan pembedaan kedua (second differencing). Pembedaan kedua dilakukan dengan melakukan pembedaan kembali pada daa hasil pembedaan perama. Pembedaan kedua dilakukan dengan formula beriku. Z ( ) ( ) 2 2 eelah dilakukan proses pembedaan unuk mendapakan daa yang sasioner, ahap selanjunya adalah memeriksa kesasioneran daa dengan menggunakan koefisien korelasi. Perhiungan koefisien korelasi menggunakan formula beriku.

11 37 r k ( Z Z )( Z+ k Z ) 2 ( Z Z ) Dimana : Z daa dere waku sasioner Z +k daa k periode waku ke depan Z nilai raaan dere waku sasioner r k koefisien auokorelasi anara dua se daa Koefisien auokorelasi dapa bernilai anara - sampai + (-< r k <). uau daa dere waku dikaakan sasioner jika koefisien korelasinya nol unuk semua ingkaan pembedaan daa. eelah daa deere waku dipasikan sasioner, ahap berikunya adalah mengidenifikasi perilaku ACF dan PACF. Idenifikasi perilaku ACF dan PACF dilakukan unuk proses esimasi model dan mendapakan model erbaik. 2. Esimasi Model Pada ahapan ini yang pening dilakukan adalah menganalisis perilaku ACF dan PACF. Perilaku ACF dan PACF akan menenukan model dari daa dere waku yang akan diramalkan. Pola perilaku ACF dan PACF besera model dapa diliha pada Tabel 5. eelah model ARIMA enaif awal diperoleh, langkah selanjunya adalah menaikkan dan menurunkan salah sau ordo dari AR aau MA. Unuk memperoleh esimasi model enaif awal yang paling epa, maka digunakan perani lunak kompuer MINITAB 3.20.

12 38 Tabel 5. Pola ACF dan PACF besera model ARIMA ACF PACF Model Cu off seelah lag aau 2; koefisien korelasi idak signifikan pada laglag musiman Dying down MA non musiman (q aau 2) Z µ -? e - + e Z µ -? e - -? 2 e -2 + e Cu off seelah lag musiman L; korelasi idak signifikan pada lag-lag non musiman Cu off seelah lag musiman L; erdapa koefisien korelasi yang signifikan pada lag non musiman ke aau 2 Dying down Dying down Dying down Dying down Dying down Cu off seelah lag aau 2; koefisien korelasi idak signifikan pada lag-lag musiman Cu off seelah lag musiman L; korelasi idak signifikan pada lag-lag non musiman Cu off seelah lag musiman L; erdapa koefisien korelasi yang signifikan pada lag non musiman ke aau 2 MA erdapa musiman (Q) Z µ -? L e -L + e Non Musiman-musiman MA Z µ -? e - -? L e -L +?? L e -L- +e Z µ -? e - -? 2 e -2 -? L e -L +?? L e -L +? 2? L e -L-2 +e AR non musiman (p aau 2) Z d +? Z - + e Z d +? Z - +? 2 Z -2 + e AR erdapa musiman (P) Z d +? L Z -L + e Non musiman-musiman AR (p aau 2; P) Z d +? Z - +? L Z -L +?? L Z -L- +e Z d +? Z - +? 2 Z -2? L Z -L +?? L Z -L- +? 2? L Z -L-2 +e Dying down Dying down Campuran (AR; MA) Non musiman : Z d +? Z - -? e - + e Musiman : Z d +? Z -L -? L e -L + e umber : Hanke, e al., 2003.

13 39 3. Evaluasi Model eelah dilakukan esimasi parameer model dengan menggunakan perani lunak kompuer, selanjunya dilakukan evaluasi erhadap model yang elah didapa. Menuru Firdaus (2006), erdapa enam krieria dalam evaluasi model Box-Jenkins, yaiu: a. Residual peramalan bersifa acak. Hal ini dapa dikeahui dari nilai P-value yang lebih besar dari 0,05. elain iu dapa diliha pula dari grafik ACF dan PACF residual yang menunjukkan pola cu-off. b. Model parsimonious. Arinya adalah model harus dalam benuk yang paling sederhana. c. Parameer yang diesimasi berbeda nyaa dengan nol. Hal ini dapa diliha dari nilai P-value yang harus kurang dari 0,05. d. Kondisi inveribilias aaupun sasionerias harus erpenuhi. Hal ini diunjukkan oleh jumlah koefisien MA aau AR yang masing-masing harus kurang dari. e. Proses ierasi harus convergence. Dari hasil oupu perani Miniab 3.20 dapa diliha pada session erdapa pernyaaan relaive change in each esimae less han 0,000. f. Model harus memiliki nilai ME (Mean quare Error) yang kecil. 4. Peramalan Tahap ini adalah ahapan erakhir dari meode Box-Jenkins (ARIMA). Pada ahap ini model yang diperoleh digunakan unuk meramalkan daa dere waku yang ada. Peramalan dapa dilakukan unuk beberapa periode ke depan.

14 Pemilihan Model Peramalan Time eries Penggunaan beberapa meode peramalan ime series yang elah dilakukan menghasilkan model-model peramalan erbaik dari masing-masing meode ersebu. Namun beberapa model yang elah diperoleh ersebu masing-masing memiliki kelebihan dan kekurangan. Agar diperoleh ingka akurasi yang epa unuk meramalkan pola daa harga ayam pada enam koa besar di Jawa-Bali, maka perlu dilakukan pengujian beberapa model yang elah diperoleh ersebu. Krieria pemilihan model yang paling sering digunakan adalah krieria ME (Mean quare Error). Meode yang erpilih adalah meode yang memiliki nilai ME paling rendah. elain iu, krieria kedua adalah memiliki benuk paling sederhana dan membuuhkan waku yang paling sediki dalam proses pengolahannya. Formula yang dapa digunakan unuk menghiung ME adalah: ME n n ( ˆ ) Dimana : nilai akual nilai ramalan ( - ) kesalahan peramalan n banyaknya daa Peramalan Harga Ayam pada Enam Koa Besar di Jawa-Bali Pada bagian ini akan dilakukan peramalan daa harga ayam pada enam koa besar di Jawa-Bali unuk beberapa periode ke depan. Hal ini digunakan unuk meliha sejauh mana perilaku harga ayam ersebu dalam beberapa periode ke depan. Peramalan harga ayam dilakukan dengan menggunakan model peramalan erbaik yang elah dieapkan dengan mengukur ME aau ingka kesalahan (error) dari seluruh model yang elah dicoba. Model yang memiliki nilai ME

15 4 erkecil yang akan digunakan unuk meramalkan daa harga ayam pada enam koa besar di Jawa-Bali Analisis Perilaku dan Fakor-Fakor yang Mempengaruhi Harga Ayam pada enam koa besar di Jawa-Bali Pada peneliian ini digunakan model peramalan kausal (regresi) dengan variabel dummy (boneka), unuk menganalisis perilaku dan fakor-fakor yang mempengaruhi harga ayam pada enam koa besar di Jawa-Bali. Variabel dummy ini juga berfungsi sebagai variabel bebas (independen variabel) yang akan mempengaruhi variabel erika (dependen variabel). Variabel dummy digunakan unuk menjelaskan daa kualiaif yang menunjukkan keberadaan klasifikasi (kaegori) erenu, sering juga dikaegorikan variabel bebas dengan klasifikasi pengukuran nominal dalam persamaan regresi. Variabel-variabel yang digunakan dalam peneliian ini adalah harga ayam di ingka konsumen pada enam koa besar Jawa-Bali sebagai dependen variabel, sedangkan yang berfungsi sebagai independen variabel adalah jumlah pasokan ayam, harga ayam pada periode sebelumnya, dan ingka konsumsi ayam. Harga ayam di ingka konsumen sebagai dependen variabel akan dikaikan dengan isuisu erbaru pada sub sekor peernakan khususnya peernakan ayam ras, yaiu isu flu burung. Isu flu burung digunakan sebagai variabel dummy unuk menjelaskan pengaruhnya erhadap harga ayam pada enam koa besar di Jawa-Bali. Variabel dummy naninya berisi angka aau 0, yang berari berari ada isu dan 0 berari idak ada isu. Angka 0 pada peneliian ini akan digunakan pada Bulan Januari 2002-Januari Angka digunakan mulai Bulan Februari 2004,

16 42 karena pada bulan ersebu wabah flu burung mulai menyerang peernakan unggas di Indonesia khususnya peernakan ayam pedaging. Persamaan yang digunakan pada meode peramalan kausal adalah sebagai beriku: + β P + β2 + β3c + β4 α D+ ε Dimana : harga ayam periode di koa X (Rp/kg) a inersep model ß,,ß 4 slope variabel bebas P - harga ayam periode sebelumnya di koa X (Rp/kg) ingka produksi pada periode di koa X (kg) C ingka konsumsi pada periode di koa X (kg) D variabel dummy unuk isu flu burung Unuk mengukur layak aau idaknya suau model, maka model ersebu harus memenuhi syara ekonomi, dan syara saisik. yara ekonomi yang harus dipenuhi adalah bahwa model ersebu harus logis secara ekonomi. yara saisik yang harus dipenuhi oleh suau model dengan model OL (Ordinary Leas quare) adalah bahwa model ersebu harus memenuhi beberapa asumsi sebagai beriku:. Tidak ada auokorelasi Asumsi ini menunjukkan bahwa idak ada hubungan aau korelasi anara variabel dependen dalan dere waku. 2. Homoskedasisias yang menyaakan bahwa variasi dari seiap unsur residual adalah sama (konsan) aau menyebar. 3. Tidak erjadi mulikolinearias yang sempurna Asumsi ini menunjukkan bahwa idak ada hubungan yang sempurna di anara variabel bebas.

17 43 4. Uji Normalias Asumsi normalias mengharuskan daa dalam model berasal dari populasi yang menyebar aau erdisribusi secara normal.. Uji Keseluruhan Model Berdasarkan Gujarai (2003), ujuan dari pengujian model secara keseluruhan adalah unuk mengidenifikasi apakah model dapa menjelaskan keragaman. Uji saisik yang digunakan adalah uji F dengan menggunakan perhiungan beriku: Fhiung E / dfr R / df Dimana: E Jumlah Kuadra Regresi T Jumlah Kuadra Error dfr Deraja Bebas Regresi df Deraja Bebas Error Hipoesis yang digunakan adalah: H 0 : b b 2 b i 0 (idak dapa menjelaskan) H : Minimal ada bi? 0 (minimal ada peubah bebas yang mempengaruhi ) (i,2,3,4,5) Krieria uji yang digunakan adalah: F hiung < F abel, erima H 0 F hiung > F abel, olak H 0 Apabila F hiung lebih besar dari F abel, maka variabel bebas berpengaruh nyaa erhadap variabel erika yaiu harga ayam di koa erenu. 2. Pengukuran Akurasi Model Tingka akurasi model diukur berdasarkan nilai koefisien deerminasi (R 2 ). Tujuan dari pengukuran ingka akurasi model adalah unuk mengidenifikasi

18 44 seberapa akura keragaman variabel harga ayam dapa dierangkan oleh model regresi (Gujarai, 2003). ecara maemais rumus yang digunakan sebagai beriku: 2 R E T Dimana: E Jumlah Kuadra Regresi T Jumlah Kuadra Toal Nilai koefisien deerminasi (R 2 ) harus memenuhi syara 0 R 2. Apabila nilai R 2 semakin mendekai, maka semakin besar keragaman variabel harga ayam yang dapa dierangkan oleh model. 3. Uji Masing-masing Variabel Pengujian ini dilakukan unuk mengeahui variabel bebas mana saja yang berpengaruh nyaa erhadap variabel erika(gujarai, 2003). Uji saisik yang umum digunakan adalah uji. Formulasi yang digunakan adalah: hiung bˆ i b se i ( bˆ i ) Dimana: bˆ i parameer dugaan variabel bebas ke-i b i parameer variabel bebas ke-i se( bˆ i ) sandar deviasi dari parameer dugaan ke-i Hipoesis yang digunakan adalah: H 0 : bi 0 H : bi? 0 (i,2,3,4,5) Krieria uji yang digunakan adalah: hiung < abel, erima H 0 hiung > abel, olak H 0

19 45 Apabila hiung lebih besar dari abel, maka variabel bebas (harga ayam periode sebelumnya, produksi ayam, ingka konsumsi ayam,vdan variabel dummy) berpengaruh nyaa erhadap variabel erika yaiu harga ayam di koa erenu. 4. Idenifikasi Mulikolinearias Menuru Gujarai (2003), mulikolinearias adalah kondisi saa anar variabel bebas saling mempengaruhi. Idenifikasi mulikolinearias dilakukan dengan rumus beriku: VIF 2 ( R ) apabila nilai VIF yang dihasilkan kurang dari 0, maka model idak mengandung masalah mulikolinearias. Menuru Ramanahan (998) dalam ukmawai (2006), cara mengaasi mulikolinearias adalah sebagai beriku: a. Diabaikan, keika inerprerasai koefisien secara parsial idak dihiraukan, misalnya analisis regresi digunakan unuk peramalan. b. Membuang variabel. c. Formulasi ulang model d. Menggunakan informasi lain. e. Menambah jumlah sampel. 5. Uji Auokorelasi Uji auokorelasi dilakukan unuk mengidenifikasi apakah ada hubungan linear dianara error pada rangkaian daa ime series (Gujarai, 2003). Uji ini dilakukan dengan menggunakan saisik-d Durbin-Wason, dengan rumus:

20 46 d n 2 n ( uˆ uˆ ) 2 ( uˆ ) 2 Dimana: d û nilai saisik Durbin-Wason Error dugaan pada period ke- Hipoesis yang digunakan adalah: H 0 :? 0 (idak ada auokorelasi) H :?? 0 (ada auokorelasi) Krieria uji yang digunakan adalah: d < d L aau d > 4-d L, olak H 0 d U < d < 4-d U, erima H 0 elain kedua krieria uji ersebu saisik-d Durbin-Wason memiliki dua krieria uji dimana pada saa nilai d berada pada daerah ersebu, maka idak dapa dipasikan ada aau idaknya auokorelasi. Daerah ersebu adalah d L < d < d U dan 4-d U < d < 4-d L. 6. Uji Homoskedasisias Uji ini dimaksudkan unuk mengidenifikasikan apakah residual dalam daa memiliki variasi yang sama (Gujarai,2003). Pada peneliian ini digunakan uji Breusch-Pagan unuk mengidenifikasi ingka kekonsanan nilai residual. Dalam uji ini dlakukan regresi anara nilai kuadra residual harga ayam di koa erenu dengan variabel independennya. Krieria uji yang digunakan adalah apabila nilai P value yang diperoleh dari regresi ersebu lebih besar dari ingka kepercayaan, maka dapa disimpulkan bahwa model sudah memenuhi syara homoskedasisias.

21 Asumsi-Asumsi Beberapa asumsi yang digunakan pada peneliian ini adalah:. Daa produksi bulanan ayam pada enam koa besar di Jawa-Bali merupakan daa produksi ahunan yang diraa-raakan dan dianggap konsan iap bulannya. 2. Daa konsumsi bulanan ayam pada enam koa besar di Jawa-Bali merupakan daa konsumsi ahunan yang diraa-raakan dan dianggap konsan iap bulannya.