ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERMINTAAN CABAI

MERAH DI INDONESIA

I. PENDAHULUAN
A. Latar Belakang
Cabai merah adalah salah satu komoditi holtikultura. Cabai merah merupakan
salah satu jenis sayuran yang telah lama dibudidayakan di Indonesia karena sayuran
ini memiliki nilai ekonomi tinggi. Selain untuk memenuhi kebutuhan rumah tangga
sehari-hari, cabai juga banyak digunakan sebagai bahan baku industri pangan dan
farmasi.
Meskipun cabai merah bukan bahan pangan utama bagi masyarakat Indonesia,
namun komoditi ini tidak dapat ditinggalkan. Cabai selain dapat dikonsumsi segar
sebagai campuran bumbu masakan, juga dapat diawetkan dalam bentuk sambal,
saus, pasta acar, dan tepung.
Peredaran cabai merah di pasaran pun sangat banyak jumlahnya, mulai dari
pasar tradisional sampai pasar swalayan. Selain itu, warung pinggir jalan, restoran
kecil, usaha katering, hotel berbintang, pabrik saus, hingga pabrik mie instan sehari-
harinya membutuhkan cabai dalam jumlah yang tidak sedikit.

B. Rumusan Masalah
1. Apa saja faktor-faktor yang mempengaruhi permintaan cabai merah di
Indonesia?
2. Variabel apakah yang paling berpengaruh signifikan terhadap permintaan cabai
merah di Indonesia?
C. Tujuan
1. Menganalisis variabel-variabel yang berpengaruh terhadap permintaan cabai
merah di Indonesia.
2. Menganalisis variabel yang memiliki pengaruh signifikan terhadap permintaan
cabai merah.
II. LANDASAN TEORI
A. Studi Penelitian Terdahulu
Penelitian Tria Rosana dewi (2009), yang berjudul Analisis Permintaan Cabai
Merah di Kota Surakarta. Penelitian ini menggunakan metode deskriptif analitis dan
analisis data dengan menggunakan uji regresi linier berganda. Pada hasil uji regresi
linier berganda, model ini memiliki nilai R square sebesar 79,6% , yang berarti
bahwa besarnya variabel harga cabai merah besar, harga cabai merah kriting, harga
cabai rawit, jumlah penduduk, dan pendapatan per kapita berpengaruh terhadap
permintaan cabai merah besar di kota Surakarta sebesar 79,6%. Sedangkan, sisanya
sebesar 20,4% dipengaruhi oleh variabel-variabel diluar variabel yang diteliti.
Pada uji F diketahui bahwa variabel harga cabai merah besar, harga cabai merah
kriting, harga cabai rawit, jumlah penduduk, dan pendapatan per kapita secara
bersama-sama mempengaruhi permintaan cabai merah di kota Surakarta.
Pada uji t diketahui bahwa variabel yang berpengaruh nyata adalah harga cabai
merah kriting dan pendapatan saja. Sedangkan variabel harga cabai merah besar,
harga cabai rawit, dan jumlah penduduk tidak berpengaruh nyata.

B. Teori Permintaan
Permintaan adalah keinginan konsumen membeli suatu barang pada berbagai
tingkat harga selama periode waktu tertentu.1 Hukum permintaan menyatakan
bahwa semua faktor ekonomi tetap, ceteris paribus (dengan kata lain segalanya
dalam keadaan sama), ketika harga barang lebih tinggi maka jumlah barang yang
diminta akan lebih rendah, dan ketika harga barang lebih rendah maka akan
meninggalkan jumlah permintaan barang. Oleh karena itu, harga dan jumlah
permintaan memiliki hubungan negatif atau terbalik dan kurva permintaan
menurun dari kiri ke kanan. Hukum permintaan menjelaskan mengapa kurva
permintaan memiliki kemiringan negatif karena dampak pendapatan dan barang
pengganti.

1
Pratama Rahardja dan Mandala Manurung,Teori Ekonomi Mikro:Suatu Pengantar, (Jakarta: Lembaga
Penerbit FEUI,2010) hlm.20
 Faktor-Faktor yang Mempengaruhi Permintaan2
 Harga Barang Itu Sendiri
Jika harga suatu barang semakin murah, maka permintaan terhadap barang itu
bertambah. Begitu juga sebaliknya. Hal ini membawa kita pada hukum
permintaan yang menyatakan: “Bila harga suatu barang naik,ceteris paribus,
maka jumlah permintaan berkurang, dan sebaliknya.
 Harga Barang Lain yang Terkait
Harga barang lain juga dapat memengaruhi permintaan suatu barang , tetapi
kedua macam barang itu mempunyai keterkaitan. Keterkaitan dua macam barang
dapat bersifat subtitusi (pengganti) dan bersifat komplementer (penggenap). Bila
harga subtitusi meningkat, maka harga barang pokoknya relatif menjadi lebih
murah. Sedangkan apabila harga komplemennya meningkat maka permintaan
cenderung meningkat.
 Tingkat Pendapatan Per Kapita
Tingkat pendapatan per kapita dapat mencerminkan daya beli. Makin tinggi
tingkat pendapatan, daya beli makin kuat, sehingga permintaan terhadap suatu
barang meningkat.
 Jumlah Penduduk
Besarnya pasar yang diukur biasanya dengan jumlah penduduk. Semakin besar
populasi penduduk maka permintaan akan suatu barang akan meningkat.

2
Ibid.
III. HASIL DAN PEMBAHASAN
UJI ASUMSI KLASIK
1. UJI NORMALITAS
Descriptive Statistics
N Skewness Kurtosis
Statistic Statistic Std. Error Statistic Std. Error
Unstandardized Residual 30 ,533 ,427 ,710 ,833
Valid N (listwise) 30

Rasio Skewness = 0,533 : 0,427 = 1,248

Rasio Kurtosis = 0,710 : 0.833 = 0,852
Suatu data dapat dikatakan normal apabila nilai rasio Skewness dan Kurtosisnya
berada di antara -2 hingga 2. Pada data ini nilai keduanya berada di antara -2 dan 2,
maka dapat dikatakan distribusi data tersebut normal.

2. UJI AUTOKORELASI
Model Summaryb
Change Statistics
R Adjusted Std. Error of R Square F Sig. F Durbin-
Model R Square R Square the Estimate Change Change df1 df2 Change Watson
1 ,963a ,927 ,915 99836,784 ,927 79,384 4 25 ,000 1,233
a. Predictors: (Constant), JUMLAH PENDUDUK, PDB RIIL, HARGA CABAI RAWIT, HARGA CABAI
MERAH
b. Dependent Variable: PERMINTAAN CABAI MERAH

Suatu data dikatakan tidak terindikasi autokorelasi apabila nilai Durbin Watsonnya
terletak antara -2 dan +2 (-2 ≤ DW ≤ 2). Pada data ini nilai Durbin Watsonnya adalah
1,233. Artinya data ini tidak terindikasi autokorelasi karena nilai Durbin Watsonnya -2
≤ 1,233 ≤ 2.
3. UJI MULTIKOLINEARITAS
Coefficientsa
Standardized Collinearity
Unstandardized Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) -2092517,536 343929,100 -6,084 ,000

HARGA CABAI
-24,862 19,465 -,265 -1,277 ,213 ,068 9,736
MERAH
HARGA CABAI
15,469 22,050 ,111 ,702 ,489 ,117 8,575
RAWIT
PDB RIIL ,001 ,024 ,003 ,023 ,982 ,185 5,402
JUMLAH
14,468 2,096 1,110 6,902 ,000 ,113 8,866
PENDUDUK
a. Dependent Variable: PERMINTAAN CABAI MERAH

Suatu model regresi dinyatakan bebas dari gejala multikolinearitas apabila nilai
VIF dibawah 10. Pada data ini semua variable nilai VIF Noya di bawah 10, maka dapat
dikatakan data ini terbebas dari gejala multikolinearitas.

4. UJI HETEROSKEDASTISITAS

Gejala heteroskedastisitas dapat dilihat dari scatterplot yang membentuk pola.

Pada data ini, scatterplot menyebar dan tidak membentuk pola sehingga dapat
dikatakan data ini tidak terindikasi heteroskeastisitas.
UJI REGRESI LINEAR BERGANDA
1. MODEL EKONOMI
Coefficientsa
Standardized Collinearity
Unstandardized Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) -2092517,536 343929,100 -6,084 ,000

HARGA CABAI
-24,862 19,465 -,265 -1,277 ,213 ,068 9,736
MERAH
HARGA CABAI
15,469 22,050 ,111 ,702 ,489 ,117 8,575
RAWIT
PDB RIIL ,001 ,024 ,003 ,023 ,982 ,185 5,402
JUMLAH
14,468 2,096 1,110 6,902 ,000 ,113 8,866
PENDUDUK
a. Dependent Variable: PERMINTAAN CABAI MERAH

Dari tabel Coefficients diatas dapat diketahui nilai:

Konstanta koefisien regresi atau b0 adalah -2,093
Koefisien regresi persamaan berturut-turut adalah:
 b1 = -24,862
 b2 = 15,469
 b3 = 0,001
 b4 = 14,468
Sehingga didapat model persamaan regresi :

Y= -2,093 – 24,862X1 + 15,469X2 + 0,001X3 + 14,468X4

2. SIMULASI MODEL EKONOMI

 Ketika permintaan cabai merah dalam keadaan konstan (tidak dipengaruhi variabel
apapun), maka akan bernilai -2,093.
 Ketika harga cabai merah mengalami kenaikan sebesar Rp.1, maka permintaan
cabai merah akan mengalami penurunan sebanyak 24,862 kg.
 Ketika harga cabai rawit mengalami kenaikan sebesar Rp.1 maka permintaan cabai
merah akan mengalami kenaikan sebanyak 15,469 kg.
  Ketika Produk Domestik Bruto mengalami kenaikan sebesar Rp.1.000.000.000 maka
permintaan cabai merah akan mengalami kenaikan sebanyak 0,001 kg.
 Ketika jumlah penduduk bertambah 1000 jiwa maka permintaan cabai merah akan
bertambah sebanyak 14,468 kg.

3. R Square
Model Summaryb
Change Statistics
R Adjusted Std. Error of R Square F Sig. F Durbin-
Model R Square R Square the Estimate Change Change df1 df2 Change Watson
1 ,963a ,927 ,915 99836,784 ,927 79,384 4 25 ,000 1,233
a. Predictors: (Constant), JUMLAH PENDUDUK, PDB RIIL, HARGA CABAI RAWIT, HARGA CABAI
MERAH
b. Dependent Variable: PERMINTAAN CABAI MERAH

Berdasarkan hasil uji koefisien determinasi melalui nilai Adjusted R Square

didapatkan nilai sebesar 0,915. Karena nilai R Squarenya lebih besar dari 0,50
(0,915>0,50) maka dapat dikatakan secara simultan (keseluruhan) variabel Harga Cabai
Merah, Harga Cabai rawit, PDB Rill, dan Jumlah Penduduk berpengaruh sebesar 91,5%
terhadap permintaan cabai merah. Sisanya sebesar 8,5% dipengaruhi variabel lain.

4. Uji F

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression
3164989083048,140 4 791247270762,035 79,384 ,000b

Residual
249184587387,228 25 9967383495,489

Total
3414173670435,368 29

a. Dependent Variable: PERMINTAAN CABAI MERAH

b. Predictors: (Constant), JUMLAH PENDUDUK, PDB RIIL, HARGA CABAI RAWIT, HARGA CABAI MERAH

H0 : β = 0, variabel bebas Harga Cabai Merah, Harga Cabai Rawit, PDB, Jumlah
Penduduk secara simultan (bersama-sama) terdapat pengaruh yang nyata terhadap
variabel terikat Permintaan Cabai Merah.
Ha : β ≠ 0, variabel bebas Harga Cabai Merah, Harga Cabai Rawit, PDB, Jumlah
Penduduk secara simultan (bersama-sama) tidak terdapat pengaruh yang nyata
terhadap variabel terikat Permintaan Cabai Merah.

Berdasarkan hasil uji F pada tabel anova di atas menunjukkan bahwa nilai
probabilitas kesalahan model (Sig F) yaitu 0,000 < nilai α sebesar 0,01. Hal ini
menunjukkan bahwa variabel independen secara simultan (bersama-sama)
mempengaruhi variabel dependen. H0 diterima dan Ha ditolak. Berarti variabel
independen Harga Cabai Merah, Harga Cabai Rawit, PDB, Jumlah Penduduk secara
simultan (bersama-sama) terdapat pengaruh secara signifikan terhadap variabel
dependen Permintaan Cabai Merah.
Selain itu uji F dapat dilakukan dengan membandingkan nilai F hitung dengan F
tabel:
Jika F hitung > F tabel, maka H0 diterima dan Ha ditolak
Jika F hitung < F tabel, maka H0 ditolak dan Ha diterima
Dari tabel diperoleh nilai F hitung sebesar 79,384 > F tabel 4,177. Hal ini
menunjukkan bahwa variabel bebas secara simultan (bersama-sama) mempengaruhi
variabel dependen. H0 diterima dan Ha ditolak. Berarti variabel independen Harga
Cabai Merah, Harga Cabai rawit, PDB, Jumlah Penduduk secara simultan (bersama-
sama) terdapat pengaruh yang nyata terhadap variabel dependen Permintaan Cabai
Merah.
5. Uji t
Coefficientsa
Standardized Collinearity
Unstandardized Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) -2092517,536 343929,100 -6,084 ,000

HARGA CABAI
-24,862 19,465 -,265 -1,277 ,213 ,068 9,736
MERAH
HARGA CABAI
15,469 22,050 ,111 ,702 ,489 ,117 8,575
RAWIT
PDB RIIL ,001 ,024 ,003 ,023 ,982 ,185 5,402
JUMLAH
14,468 2,096 1,110 6,902 ,000 ,113 8,866
PENDUDUK
a. Dependent Variable: PERMINTAAN CABAI MERAH

Berdasarkan tabel di atas, maka t hitung dari variable Harga Cabai Merah, Harga
Cabai rawit, PDB, Jumlah Penduduk berturut-turut adalah: -1,227; 0,702; 0,023; dan
6,902 dengan nilai signifikansi berturut-turut adalah: 0,213; 0,489; 0,982; dan 0,000 .
Nilai t tabel 2,787 dengan n sebanyak 30, df = 25 dan α = 1%. Adapun ketentuan dalam
pengujian t ini adalah sebagai berikut:
H0 : β1 : β 2 : β 3 : β 4 = 0 , variabel bebas Harga Cabai Merah, Harga Cabai rawit, PDB,
Jumlah Penduduk , secara parsial berpengaruh signifikan terhadap variabel terikat
Permintaan Cabai Merah.
Ha : β 1 : β 2 : β 3 : β 4 ≠ 0, variabel bebas Harga Cabai Merah, Harga Cabai rawit, PDB,
Jumlah Penduduk , secara parsial tidak berpengaruh secara signifikan terhadap
variabel terikat Permintaan Cabai Merah.
 Dari hasil uji t untuk variabel Harga Cabai Merah, dengan nilai t hitung -1,227 < t
tabel 2,787 maka Ha diterima dan H0 ditolak. Berarti variabel Harga Cabai Merah
tidak mempunyai pengaruh signifikan terhadap Permintaan Cabai Merah.
 Dari hasil uji t untuk variabel Harga Cabai Rawit, dengan nilai t hitung 0,702 < t
tabel 2,787 maka Ha diterima dan H0 ditolak. Berarti variabel Harga Cabai rawit tidak
mempunyai pengaruh signifikan terhadap Permintaan Cabai Merah.
  Dari hasil uji t untuk variabel PDB, dengan nilai t hitung 0,023 < t tabel 2,787 maka
Ha diterima dan H0 ditolak. Berarti variabel PDB tidak mempunyai pengaruh
signifikan terhadap Permintaan Cabai Merah.
 Dari hasil uji t untuk variabel Jumlah Penduduk, dengan nilai t hitung 6,902 > t tabel
2,787 maka Ha ditolak dan H0 diterima. Berarti variabel Jumlah Penduduk
mempunyai pengaruh signifikan terhadap Permintaan Cabai Merah.

IV. KESIMPULAN
 Variabel bebas harga cabai merah, harga cabai rawit, jumlah penduduk Indonesia,
dan PDB riil secara simultan ( bersama-sama) berpengaruh signifikan terhadap
variabel terikat permintaan cabai merah.
 Variabel jumlah penduduk Indonesia secara parsial memiliki pengaruh signifikan
dan positif/ searah terhadap permintaan cabai merah. Artinya setiap kenaikan jumlah
penduduk maka akan menambah pula jumlah permintaan cabai merah.
 Variabel harga cabai merah, harga cabai rawit, dan PDB riil secara parsial tidak
memiliki pengaruh terhadap permintaan cabai merah. Hal ini mungkin disebabkan
karena kurangnya data penelitian, harga yang berfluktuasi, kebijakan pemerintah,
dan terdapat variabel-variabel lain yang belum dicantumkan dalam penelitian ini.
Lampiran 1

TABEL VARIABEL-VARIABEL YANG MEMPENGARUHI PERMINTAAN CABAI MERAH DI

INDONESIA
TAHUN 1981-2010

Permintaan Harga Harga PDB Riil Jumlah

Cabai Cabai Penduduk
No Tahun Cabai Merah/Kg Merah/Kg Rawit /Kg (Milyar) (000 Jiwa)
(Y) (X1) (X2) (X3) (X4)
1 1981 188540 769 348 60870.7 147491
2 1982 139360 796 373 65424.98 152988
3 1983 158958 836 430 81523.94 156831
4 1984 190560 944 460 94196.11 159831
5 1985 186500 1152 588 101647.8 163367
6 1986 248010 1261 659 107626 164489
7 1987 307620 1349 772 130708.5 170179
8 1988 221530 1771 918 148812.3 173799
9 1989 333000 1766 1115 178854.8 177362
10 1990 469000 1969 1230 209660.4 178170
11 1991 567700 2227 1267 248539.4 181094
12 1992 428900 2213 1267 280778.3 184491
13 1993 490360 2351 1300 329775.8 187589
14 1994 689400 2527 1411 382219.6 190676
15 1995 635731 2602 1503 454514.1 193486
16 1996 942348 2760 1578 532568 196807
17 1997 880282 2970 1698 627695.4 199837
18 1998 750506 7781 4575 955753.3 202873
19 1999 773936 8555 6971 1099732 205915
20 2000 847479 7156 3731 1389770 208961
21 2001 826560 7499 3815 1646322 209611
22 2002 874224 8177 4399 1821833 212884
23 2003 895404 7907 3515 2013675 215277
24 2004 917789 8053 3854 2295826 217855
25 2005 922592 8587 3672 2774281 221855
26 2006 953478 8965 3938 3339217 225160
27 2007 986725 10204 4351 3950893 228515
28 2008 978738 9738 7932 4948689 231920
29 2009 1160934 10021 8068 5606204 235375
30 2010 1378309 11420 8449 6436271 237641
Lampiran 2
Output SPSS dengan variabel dependen Permintaan Cabai Merah dan variabel
independen Harga Cabai Merah, Harga Cabai Rawit, Jumlah Penduduk, dan PDB Rill.

Model Summaryb
Change Statistics
R Adjusted Std. Error of R Square F Sig. F Durbin-
Model R Square R Square the Estimate Change Change df1 df2 Change Watson
1 ,963a ,927 ,915 99836,784 ,927 79,384 4 25 ,000 1,233
a. Predictors: (Constant), JUMLAH PENDUDUK, PDB RIIL, HARGA CABAI RAWIT, HARGA CABAI
MERAH
b. Dependent Variable: PERMINTAAN CABAI MERAH

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression
3164989083048,140 4 791247270762,035 79,384 ,000b

Residual
249184587387,228 25 9967383495,489

Total
3414173670435,368 29

a. Dependent Variable: PERMINTAAN CABAI MERAH

b. Predictors: (Constant), JUMLAH PENDUDUK, PDB RIIL, HARGA CABAI RAWIT, HARGA CABAI MERAH

Coefficientsa
Standardized Collinearity
Unstandardized Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) -2092517,536 343929,100 -6,084 ,000

HARGA CABAI
-24,862 19,465 -,265 -1,277 ,213 ,068 9,736
MERAH
HARGA CABAI
15,469 22,050 ,111 ,702 ,489 ,117 8,575
RAWIT
PDB RIIL ,001 ,024 ,003 ,023 ,982 ,185 5,402
JUMLAH
14,468 2,096 1,110 6,902 ,000 ,113 8,866
PENDUDUK
a. Dependent Variable: PERMINTAAN CABAI MERAH
 Descriptive Statistics
N Skewness Kurtosis
Statistic Statistic Std. Error Statistic Std. Error
Unstandardized Residual 30 ,533 ,427 ,710 ,833
Valid N (listwise) 30