Mutiara Oktaviani Teguh Nugroho-Fst

PERAMALAN PENJUALAN TEH HIJAU
DI PT. RUMPUN SARI KEMUNING 1, KARANGANYAR,

JAWA TENGAH
SKRIPSI
Mutiara Oktaviani Teguh Nugroho

11150920000085
PROGRAM STUDI AGRIBISNIS

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH
JAKARTA
2020M/1441H
1
PERAMALAN PENJUALAN TEH HIJAU
DI PT. RUMPUN SARI KEMUNING 1, KARANGANYAR,
JAWA TENGAH
Oleh :
MUTIARA OKTAVIANI TEGUH NUGROHO
11150920000085
Skripsi
Sebagai Salah Satu Syarat Memperoleh Gelar Sarjana Pertanian
pada Program Studi Agribisnis
PROGRAM STUDI AGRIBISNIS

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH
JAKARTA
iii
RIWAYAT HIDUP
Data Diri
Nama : Mutiara Oktaviani Teguh Nugroho
Jenis Kelamin : Perempuan
Tempat, Tanggal Lahir : Tangerang, 31 Oktober 1997
Alamat : Jl. Alpukat IV Blok E 17 No.1A

RT 003 RW 018 Benda Baru,
Pamulang, Tangerang Selatan
Kewarganegaraan : Indonesia
Agama : Islam
Nomor Handphone : 085664967725
E-mail : mutiaravianiokta@gmail.com
Riwayat Pendidikan
2003-2009 : SDN Benda Baru III
2009-2012 : SMPN 9 Tangerang Selatan
2012-2015 : SMAN 9 Tangerang Selatan
2015-2019 : S-1 Agribisnis UIN Syarif Hidayatullah Jakarta
Pengalaman Kerja
2015 : KlinikResy Derma Pro, Kemang, Jakarta Selatan
2015 : SPG eventMedithol di ITC BSD, Tangerang Selatan
2016 : SPG event Mie Gaga di Hari-Hari Swalayan, Jakarta

Barat
2018 : PT. Rumpun Sari Kemuning 1, Karanganyar, Jawa

Tengah
2018-2020 : Usaha Tuku Panganan (Sayur Siap Saji), Tangerang

Selatan
vi
KATA PENGANTAR
Bismillahirrahmanirrahim
Puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala
kenikmatan luar biasa besar tidak terkira. Shalawat serta salam penulis ucapkan
kepada Nabi Muhammad Saw, keluarga dan para sahabat beliau, semoga kita
semua memperoleh syafa’at dari beliau dan berhasil sukses dunia maupun akhirat.
Atas dasar rasa syukur ini penulis dapat menyelesaikan skripsi yang berjudul
“Peramalan Penjualan Teh Hijau Di PT. Rumpun Sari Kemuning 1,
Karanganyar, Jawa Tengah”. Skripsi ini diajukan sebagai syarat untuk
menyelesaikan pendidikan strata satu (S1) pada Program Studi Agribisnis,
Fakultas Sains dan Teknologi, UIN Syarif Hidayatullah Jakarta.
Pada pembuatan skripsi ini, penulis memperoleh banyak bantuan, doa dan
dukungan dari berbagai pihak yang terkait. Pada kesempatan ini penulis ingin
mengucapkan terima kasih atas bimbingan dan arahan yang telah diberikan
selama proses penyusunan skripsi ini sehingga dapat terselesaikan. Pihak–pihak
tersebut adalah :
1. Keluarga tercinta Bapak Agung Nugroho, Ibu Teguh Sudarsih, Rahayu Syafira
dan Bintang Putra Nur Alamin yang selalu berdoa dan mendukung penulis
dalam menyelesaikan pendidikan kuliah.
2. Dosen pembimbing I, Bapak Dr. Ir. Akhmad Riyadi Wastra, S.IP, M.M dan
Dosen pembimbing II, Ibu Puspi Eko Wiranthi, M.Si yang telah mencurahkan
sebagian waktu, tenaga dan pikirannya untuk memberikan banyak arahan dan
saran-saran mendukung dalam penyelesaian skripsi.

3. Bapak Suroto, selaku narasumber bagian pemasaran yang telah banyak
membantu dalam memberikan informasi dan data internal perusahaan.
4. Bapak Mukari, Bapak Panut Raharjo dan Bapak Priyanto selaku narasumber
dari setiap departemen yang telah memberikan arahan dan informasi-informasi
umum perusahaan baik kebun maupun pabrik.
5. Bapak Gigih, Bapak Sularto, Bapak Harjono, Bapak Purwanto, Bapak
Sriyanto, Bapak Supriyanto, Bapak Narto, Bapak Sarwono, Bapak Purwoto,
Bapak Teten, Bapak Nyoman, Bapak Parno, Bapak Sugito, Bapak Dwi dan
BapakMichael selaku mandor dari setiap blok perkebunan yang telah
memberikan arahan dan informasi-informasi terkait teknis perkebunan.
6. Seluruh karyawan yang bekerja di PT. Rumpun Sari Kemuning 1 mulai dari
buruh petik, tenaga semprot, tenaga babat, Pekerja Harian Tetap (PHT) pabrik
dan Pekerja Harian Lepas (PHL) pabrik yang telah memberikan informasi-
informasi yang dibutuhkan.
7. Teman-teman dari Agribisnis (A,B,C) angkatan 2015, KKN 145 Kejora,
SMAN 9 Tangerang Selatan dan SDN Benda Baru III yang selalu memberikan
doa, dukungan dan motivasi.
Penulis berharap semoga skripsi ini dapat bermanfaat bagi para pembaca
sebagai referensi pada waktu selanjutnya.
Jakarta, Desember 2019
Penulis
vii
ABSTRAK
MUTIARA OKTAVIANI TEGUH NUGROHO,Peramalan Penjualan Teh

Hijau di PT. Rumpun Sari Kemuning 1, Karanganyar, Jawa Tengah. Dibawah
bimbingan AKHMAD RIYADI WASTRA dan PUSPI EKO WIRANTHI.
Tata kelola perawatan kebun yang kurang baik, usia tanaman teh tua dan
perubahan musim yang tidak menentu sepanjang tahun membuat produktivitas
tanaman teh semakin mengalami penurunan. Kondisi tersebut membuat penjualan
ke 6 jenis teh hijau menjadi tidak stabil yang berdampak pada kuantitas dan
kualitas teh hijau yang dihasilkan dan dijual nantinya. Adanya peran peramalan
diharapkan dapat membantu perusahaan agar, dapat mengambil keputusan yang
tepat bagi setiap departemen di PT. Rumpun Sari Kemuning 1, dengan
memanfaatkan sumber daya yang dimiliki secara efisien dan efektif sehingga,
peluang penjualan teh hijaudimasa mendatang dapat diraih.
Penelitian ini bertujuan untuk : (1) Menganalisis hubungan kointegrasi antar
jenis teh hijau chun mee, keringan murni, lokal 2, kempring, dust dan tulang
selama periode Januari 2007-Juni 2019. (2) Menganalisis hasil peramalan
penjualan jenis teh hijau chun mee, keringan murni, lokal 2, kempring, dust dan
tulang dengan memperhatikan besarnya pengaruh antar jenis teh hijau periode Juli
2019-Desember 2020 mendatang. (3) Merekomendasikan implikasi manajerial
untuk PT. Rumpun Sari Kemuning 1 dari penggunaan metode kointegrasi dan
hasil peramalan penjualan antar jenis teh hijau.
Peramalan penjualan untuk 18 bulan ke depan periode Juli 2019-Desember
2020, menggunakan data time series berupa data penjualan chun mee, keringan
murni, lokal 2, kempring, dust dan tulang periode Januari 2007-Juni 2019, yang
diperoleh dari PT. Rumpun Sari Kemuning 1, Karanganyar, Jawa Tengah. Data
penjualan bersifat kuantitatif diolah dengan menggunakan bantuan aplikasi
Microsoft Excel 2010 dan Eviews 10. Metode peramalan dilakukan dengan
menggunakan analisis VAR/VECM, yang didalamnya terdapat beberapa tahapan
analisis meliputi, uji stasioneritas ADF,uji lag optimum, uji stabilitas model VAR,
uji kointegrasi Johansen, uji kausalitas Granger, Impuls Response Function (IRF)
dan Forecast Error Variance Decomposition (FEVD).
Hasil penelitian menunjukkan bahwa, terjadi 5 hubungan kointegrasi antar
jenis teh hijau chun mee, keringan murni, lokal 2, kempring, dust dan tulang
dalam proses penjualan. Hasil ramalan penjualan dengan menggunakan IRF untuk
periode Juli 2019-Desember 2020 mendatang menunjukkan bahwa, kenaikan
penjualan keringan murni cenderung direspon negatif hampir pada setiap jenis teh
hijau sehingga, terjadi penurunan penjualan sedangkan, memasuki musim
penghujan terjadi kenaikan penjualan chun mee, lokal 2 dan tulang yang
cenderung direspon positif hampir pada semua jenis teh hijau sehingga, penjualan
meningkat. Guncangan negatif berupa kemungkinan akan terjadi serangan hama
pada musim kemarau dan guncangan positif berupa kemungkinan akan memasuki
pergantian ke musim penghujan dengan curah hujan tinggi sehingga, produksi teh
meningkat. Hasil ramalan penjualan menggunakan FEVD untuk periode Juli
2019-Desember 2020 menunjukkan, penjualan jenis teh hijau chun mee, keringan
murni, lokal 2, kempring, dust dan tulang cenderung mengalami penurunan yang
pengaruhnya didominasi oleh jenis teh hijau itu sendiri dan pengaruh jenis teh
hijau lain, untuk chun mee yang paling kuat adalah keringan murni, keringan
murni yang paling kuat adalah lokal 2, lokal 2 yang paling kuat adalah chun mee,
kempring yang paling kuat adalah lokal 2, dust yang paling kuat adalah chun mee
dan tulang yang paling kuat adalah lokal 2. Penurunan penjualan teh hijau dimasa
mendatang disebabkan oleh faktor internal perusahaan meliputi, usia tanaman teh
tua, pembibitan terakhir pada tahun 1994, terlambatnya tata kelola perawatan
kebun, mesin-mesin pengolahan berusia tua, tindakan-tindakan pekerja tidak
sesuai SOP perusahaan dan faktor eksternal perusahaan yakni, penurunan luas
areal perkebunan pada beberapa blok di afdeling B dataran rendah digunakan
sebagai area wisata.Implikasi manajerial yang diperoleh PT. Rumpun Sari
Kemuning 1, perusahaan dapat mengambil keputusan seperti, menyusun rencana
peningkatan produktivitas tanaman teh, dengan memanfaatkan sumber daya yang
ada secara efisien dan efektif dan tetap memperhatikan pergantian musim yang
terjadi pada periode Juli 2019-Desember 2020 mendatang di kabupaten
Karanganyar. Rencana ramalan penjualan yang direkomendasikan pada
departemen tanaman adalah pembibitan stek teh, penanaman ulang, pemangkasan,
pemupukan, penanganan pasca panen, perubahan jam kerja kebun, meliburkan
PHL dan mengetahui tingkat kapasitas produksi teh basah. Departemen pabrik
perlu melakukan perubahan jam kerja dan shift kerja pabrik, meliburkan PHL dan
mengetahui jumlah mesin yang perlu digunakan. Departemen administrasi
melakukan pembelian sarana produksi pertanian dengan tepat waktu untuk
memenuhi kebutuhan departemen tanaman dan pabrik. Bagian pemasaran
melakukan promosi penjualan secara aktif kepada konsumen tetap agroindustri teh
sesuai jenis teh hijau yang tersedia.
Kata Kunci : Peramalan, Penjualan, Teh Hijau, Kointegrasi, VECM, IRF, FEVD.
ix
DAFTAR ISI
Halaman
RIWAYAT HIDUP .......................................................................................... v
KATA PENGANTAR ...................................................................................... vi
ABSTRAK ........................................................................................................ viii
DAFTAR ISI ..................................................................................................... x
DAFTAR TABEL ............................................................................................ xiii
DAFTAR GAMBAR ........................................................................................ xv
DAFTAR LAMPIRAN .................................................................................... xvii
BAB I PENDAHULUAN ................................................................................. 1
1.1 Latar Belakang .................................................................................. 1

1.2 Rumusan Masalah .............................................................................. 8
1.3Tujuan Penelitian ................................................................................. 8
1.4Manfaat Penelitian ............................................................................... 9
1.5Ruang Lingkup Penelitian .................................................................... 10
BAB II TINJAUAN PUSTAKA...................................................................... 11
2.1Agroindustri Berkelanjutan Sebagai Subsistem

Agribisnis........................................................................................... 11
2.2 Tanaman Teh dan Pengolahannya ...................................................... 13
2.2.1 Syarat Tumbuh Tanaman Teh .................................................. 13
2.2.2Hama dan Penyakit Tanaman Teh ............................................. 14
2.2.3 Upaya Peningkatan Produktivitas Tanaman Teh...................... 17
2.2.4 Jenis-Jenis Teh Berdasarkan Cara Pengolahannya .................. 20
2.2.5 Teh Hijau dan Proses Pengolahannya ..................................... 21
2.3 Definisi Peramalan dan Pendekatannya ............................................. 26
2.3.1 Peramalan Kualitatif ................................................................. 27
2.3.2 Peramalan Kuantitatif .............................................................. 28
2.3.3 Peramalan Penjualan................................................................ 29
2.5 Kointegrasi ......................................................................................... 31
2.6 Stasioneritas Data Time Series ........................................................... 32
2.7 Analisis VAR/VECM ........................................................................ 33
2.8 Penelitian Terdahulu .......................................................................... 36
2.9 Kerangka Penelitian ........................................................................... 42
BAB III METODOLOGI PENELITIAN ...................................................... 45
3.1 Lokasi dan Waktu Penelitian ............................................................. 45

3.2Variabel Penelitian ............................................................................... 45
3.3Sumber dan Jenis Data ......................................................................... 47
3.4Metode Pengumpulan Data .................................................................. 48
3.5Metode Pengolahan Data ..................................................................... 49
3.6Metode Analisis Data ........................................................................... 49
3.6.1 Uji Stasioneritas ........................................................................ 50
3.6.2 Uji Lag Optimum...................................................................... 51
3.6.3 Uji Stabilitas Model VAR ........................................................ 52
3.6.4 Uji Kointegrasi Johansen .......................................................... 53
3.6.5 Uji Kausalitas Granger ............................................................. 53
3.6.6 Estimasi VAR/VECM .............................................................. 54
3.6.7Impulse Response Function (IRF) ............................................. 55
3.6.8Forecast Error Variance Decomposition (FEVD) .................... 56
3.7Definisi Operasional............................................................................. 56
BAB IV GAMBARAN UMUM PT. RUMPUN SARI KEMUNING 1 ....... 58
4.1 Sejarah Perusahaan............................................................................. 58

4.2Visi dan Misi Perusahaan ..................................................................... 60
4.3Lokasi Perusahaan ................................................................................ 61
4.4Kondisi Geografis ................................................................................ 62
4.5Struktur Organisasi............................................................................... 63
4.6Ketenagakerjaan ................................................................................... 70
4.7 Sarana Produksi Pertanian.................................................................. 72
4.8 Proses Produksi Teh Hijau ................................................................. 73
4.9 Jenis Produk Teh Hijau ...................................................................... 76
4.10 Sistem Pemasaran............................................................................. 78
xi
BAB V PEMBAHASAN .................................................................................. 81
5.1 Hubungan 6 Jenis Teh Hijau .............................................................. 81

5.1.1 Uji Stasioneritas Augmented Dickey Fuller (ADF) .................. 81
5.1.2 Uji Lag Optimum...................................................................... 83
5.1.3 Uji Stabilitas Model VAR ........................................................ 84
5.1.4 Uji Kointegrasi Johansen .......................................................... 85
5.1.5 Uji Kausalitas Granger ............................................................. 86
5.1.6 Estimasi VECM ........................................................................ 87
5.2Peramalan Penjualan 6 Jenis Teh Hijau ............................................... 89
5.2.1Impulse Response Function (IRF) 6 Jenis Teh Hijau ................ 89
5.2.2Forecast Error Variance Decomposition (FEVD)
6 jenis Teh Hijau ...................................................................... 114
5.3Implikasi Manajerial ............................................................................ 124
BAB VI KESIMPULAN DAN SARAN ......................................................... 133
6.1 Kesimpulan ........................................................................................ 133

6.2 Saran................................................................................................... 135
DAFTAR PUSTAKA ....................................................................................... 136
LAMPIRAN ...................................................................................................... 139
xii
DAFTAR TABEL
Halaman
1. Realisasi Produksi dan Penjualan 6 Jenis Teh Hijau

Tahun 2017-2018 ...................................................................................... 7
2. Daur Pangkas Berdasrkan Ketinggian Tempat ......................................... 19
3. Jenis-Jenis Teh Berdasarkan Cara Pengolahannya ................................... 21
4. Persamaan dan Perbedaan dengan Peneliti Terdahulu ............................. 41
5. Kebutuhan Departemen Tanaman dan Pabrik .......................................... 72
6. Mesin Produksi Teh Hijau dan Spesifikasinya ......................................... 76
7. Jenis-Jenis Produk Teh Hijau PT. Rumpun Sari Kemuning 1 ................. 77
8. Pengemasan Produk Berdasarkan Jenis Teh Hijau................................... 78
9. Pendistribusian Produk Teh Hijau PT. Rumpun Sari

Kemuning 1 Tahun 2009-2018 ................................................................. 80
10. Hasil Uji Stasioneritas Pada Level 5% Penjualan Chun mee,

Keringan Murni, Lokal 2, Kempring, Dust dan Tulang
PT. Rumpun Sari Kemuning 1 Tahun 2007-2019 ................................... 81
11. Hasil Uji Stasioneritas Pada First Difference Penjualan Chun

mee, Keringan Murni, Lokal 2, Kempring, Dust dan Tulang
12. Hasil Uji Lag Optimum Penjualan 6 Jenis Teh Hijau

PT. Rumpun Sari Kemuning 1 Tahun 2007-2019 .................................... 83
13. Hasil Uji Stabilitas Model VAR Penjualan 6 Jenis Teh Hijau
14. Hasil Uji Kointegrasi Johansen Penjualan 6 Jenis Teh Hijau

15. Hasil Uji Kausalitas Granger Penjualan 6 Jenis Teh Hijau

16. Hasil Estimasi VECM Penjualan 6 Jenis Teh Hijau
17. Respon dan Guncangan Masing-Masing Jenis Teh Hijau ........................ 113
18. Daur Pangkas Berdasarkan Ketinggian Blok Perkebunan........................ 127
19. Pembagian Jam Kerja dan Jumlah Tenaga Kerja Pada

Departemen Tanaman ............................................................................... 129
20. Pembagian Jam Kerja dan Jumlah Tenaga Kerja Pada

Departemen Pabrik ................................................................................... 130
21. Rata-Rata Produksi Teh Basah dan Teh Kering Perbulan

Tahun 2007-2018 (kg) PT. Rumpun Sari Kemuning 1 ............................ 131
xiv
DAFTAR GAMBAR
Halaman
1. Produksi Teh Menurut Status Kepengusahaan Di Indonesia

Tahun 2014-2018 ...................................................................................... 1
2. Kontribusi Teh Menurut Sentra Di Indonesia Tahun 2013-2017 ............. 2
3. Perkembangan Penjualan Chun Mee, Keringan Murni, Lokal 2,
Kempring, Dust dan Tulang dalam (kg) Periode Januari 2007-
Juni 2019................................................................................................... 5
4. Sistem Agribisnis ...................................................................................... 12
5. Alur Produksi Teh Hijau........................................................................... 22
6. Alur Kerangka Pemikiran ......................................................................... 44
7. Penampakan Lokasi Perusahaan Melalui Google Earth .......................... 62
8. Alur Produksi Teh Hijau PT. Rumpun Sari Kemuning 1 ......................... 73
9. Response of Chun Mee ............................................................................. 90
10. Response of Keringan Murni .................................................................... 94
11. Response of Lokal 2 .................................................................................. 98
12. Response of Kempring .............................................................................. 101
13. Response of Dust ...................................................................................... 105
14. Response of Tulang ................................................................................... 109
15. Diagram FEVD Chun Mee ....................................................................... 116
16. Diagram FEVD Keringan Murni .............................................................. 117
17. Diagram FEVD Lokal 2 ........................................................................... 118
18. Diagram FEVD Kempring........................................................................ 120
19. Diagram FEVD Dust ................................................................................ 121

20. Diagram FEVD Tulang ............................................................................ 122
21. Curah Hujan Berdasarkan Bulan Di Kabupaten Karanganyar

Tahun 2007-2018 ...................................................................................... 125
xvi
DAFTAR LAMPIRAN
Halaman
1. Penjualan Chun Mee, Keringan Murni, Lokal 2, Kempring,

Dust dan Tulang Periode Januari 2007-Juni 2019 .................................... 140
2. Peta Kebun PT. Rumpun Sari Kemuning 1 .............................................. 143
3. Struktur Organisasi PT. Rumpun Sari Kemuning 1 ................................. 144
4. Tenaga Kerja PT. Rumpun Sari Kemuning 1 Tahun 2017 ....................... 145
5. Uji Stasioner Penjualan Chun Mee, Keringan Murni,

Lokal 2, Kempring, Dust dan Tulang ....................................................... 146
6. Uji Lag Optimum...................................................................................... 152
7. Uji Stabilitas Model VAR ........................................................................ 153
8. Uji Kointegrasi Johansen .......................................................................... 154
9. Uji Kausalitas Granger ............................................................................. 155
10. Estimasi VECM Lag 2 .............................................................................. 156
11. Impulse Response Function (IRF) ofChun Mee, Keringan Murni,

Lokal 2, Kempring, Dust dan Tulang Periode Juli 2019-
Desember 2020 ......................................................................................... 158
12. Variance Decompositionof Chun Mee, Keringan Murni,

Lokal 2, Kempring, Dust dan Tulang Periode Juli 2019-
Desember 2020 ......................................................................................... 161
13. Data Produksi Teh Basah dan Teh Kering Periode Januari 2007-
Desember 2018 ......................................................................................... 164
14. Hasil Wawancara dan Pengamatan Penelitian .......................................... 165

BAB I
PENDAHULUAN
1.1 Latar Belakang
Agroindustri teh di Indonesia sangat berkembang pesat, mengingat minum
teh merupakan budaya yang sangat melekat dikalangan masyarakat Indonesia.
Terlihat dari rata-rata setiap rumah tangga selalu menyediakan minuman teh
dirumahnya dan teh menjadi salah satu minuman favorit yang selalu dinikmati
setiap saat, sebagai minuman penyegar bagi tubuh. Peluang bisnis yang sangat
menjanjikan tersebut, terus dimanfaatkan oleh para pelaku usaha agroindustri teh,
dengan mengembangkan beragam inovasi minuman teh (Anggraini, 2017:4).
Penghasil teh di Indonesia dikelola oleh 3 perkebunan menurut status
kepengusahaan meliputi, Perkebunan Rakyat (PR), Perkebunan Besar Negara
(PBN)dan Perkebunan Besar Swasta (PBS). Sebagai bahan baku utama dalam
pembuatan minuman teh, tentu ketersediaan bahan baku teh harus dijaga
keberlanjutannya hingga masa mendatang. Kondisi perkembangan produksi teh
nasional menurut status kepengusahaan dapat dilihat pada Gambar 1.
70000
60000
50000
PR
Ton
40000
30000 PBN
20000
10000 PBS
0
2014 2015 2016 2017 2018
Tahun
Gambar 1. Produksi Teh Menurut Status Kepengusahaan di Indonesia Tahun

2014-2018
Sumber : Direktorat Jendral Perkebunan, 2019 (diolah)
Berdasarkan Gambar 1, perkembangan produksi teh nasional yang terjadi
dalam 5 tahun terakhir cukup berfluktuasi, untuk PR menghasilkan produksi teh
dengan rata-rata sebesar 49.000 ton/tahun, PBN sangat berfluktuasi pertahunnya
dan PBS menghasilkan rata-rata produksi teh sebesar 37.000 ton/tahun.
Ketidakstabilan produksi teh ini, membuat para pelaku usaha agroindustri teh
dihadapkan pada kondisi ketidakpastian dalam penyediaan bahan baku teh untuk
masa mendatang. Ketiga perkebunan teh tersebut, tersebar pada sentra-sentra teh
yang terdapat pada 5 provinsi di Indonesia. Masing-masing provinsi
berkontribusi, untuk Jawa Barat sebesar 66,93%, Jawa Tengah sebesar 6,90%,
Sumatra Utara sebesar 6,23%, Sumatra Barat sebesar 5,27% dan Jawa Timur
sebesar 4,20%, dapat dilihat pada Gambar 2.
Jawa Timur;
Lainnya; 010%
004%
Sumatera Utara;
005%
Sumatera Barat; Jawa Barat;
006% 067%
Jawa Tengah;
007%
Gambar 2. Kontribusi Teh Menurut Sentra Di Indonesia Tahun 2013-2017

Sumber : Direktorat Jendral Perkebunan, 2019 (diolah)
Berdasarkan Gambar 2, provinsi Jawa Barat merupakan sentra teh
terbesar di Indonesiakemudian, diikuti oleh provinsi Jawa Tengah. Walaupun
begitu, menurut Asosiasi Petani Teh Indonesia pada tahun 2014, dengan luas
lahan yang sama PBS teh di Jawa Barat hanya menghasilkan 7 kwintal pucuk
teh/Ha sedangkan,di Jawa Tengah dapat menghasilkan 2-3 ton pucuk teh/Ha.
Kondisi ini disebabkan oleh, kepadatan populasi tanaman teh di Jawa Barat
2
hanya mencapai 70% dan faktor keterlambatan rawat pada kebun teh
sehingga, berdampak pada penurunan produktivitas tanaman teh dan luas areal
perkebunan.Berdasarkan kondisi tersebut, PBS di Jawa Tengah lebih memiliki
potensi keberlanjutan produksi teh dimasa mendatang, dibandingkan dengan
PBS di Jawa Barat.
Akibat kondisi-kondisi diatas, menyebabkan produksi teh PBS menjadi
tidak stabil sehingga, menuntut para pelaku usaha agroindustri teh untuk lebih
siap menghadapi perubahan-perubahan situasi yang penuh dengan ketidakpastian
dimasa mendatang, terutama dalam penyediaan bahan baku teh. Karena sulit
untuk memperkirakan peristiwa yang akan terjadi dimasa mendatang disinilah,
peran peramalan dapat digunakan oleh manajemen perusahaan sebagai salah satu
alternatif pengambilan keputusan.Peramalan penjualan pada dasarnya digunakan
sebagai dasar membuat rencana-rencana penjualan yang biasa dilakukan setelah
perusahaan memperoleh gambaran umum terhadap situasi permintaan karena,akan
mempengaruhi kuantitas penjualan produk dan kapasitas produksi yang akan
disediakan(Ahmad, 2018:31).Penerapan peramalan sangat penting dalam usaha
agroindustri teh karena, menentukan keberhasilan dari suatu perencanaan.
Salah satu perusahaan yang mengelola PBS teh di Provinsi Jawa Tengah
adalah PT. Rumpun, dengan 2 perkebunan teh yang terletak pada kabupaten
Karanganyar dan Kendal. Perkebunan teh Kemuning di Karanganyar memiliki
produksi teh lebih tinggi sebesar 700 ton,dibandingkan dengan perkebunan teh
Medini di Kendal yang hanya sebesar 3 ton (Direktorat Jendral Perkebunan,
2017). Perkebunan teh Kemuning dikelola oleh PT. Rumpun Sari Kemuning 1
3
yang bergerak dalam bidang agroindustri teh hijau. Perkembangan agroindustri
teh yang cepat dan ketidakstabilan produksi teh, membuat PT. Rumpun Sari
Kemuning 1 dihadapkan pada kondisi ketidakpastian dalam penyediaan bahan
baku teh dimasa mendatang. Kondisi tersebut akan berdampak pada kegiatan
penjualan teh hijau, baik dari kuantitas penjualan dan kapasitas produksi yang
akan disediakan sehingga, menuntut manajemen dari PT. Rumpun Sari Kemuning
1 perlu menerapkan teknik peramalan penjualan dalam kegiatan bisnisnya.
PT. Rumpun Sari Kemuning 1 dalam kegiatan operasionalnya
menghasilkan 7 produk teh hijau, dengan bahan baku petikan pucuk teh yang
sama dan hanya dibedakan berdasarkan kualitas hasil pengolahannya. Produk teh
hijau yang dihasilkan/dijual yakni meliputi, chun mee yang partikel tehnya
tergulung sempurna berasal dari jarum teh (peko), keringan murni partikelnya
berupa teh yang tergulung sedikit renggang dan sedikit tulang kecil, lokal 2
partikelnya berupa teh yang tergulung sangat renggang dan sedikit tulang besar,
kempring partikelnya berupaserpihan teh besar, faning partikelnya berupa
serpihan teh yang lebih kecil dari kempring, dust partikelnya berupa butiran halus
seperti debu dan tulang partikelnya berasal dari tangkaipucuk teh.
Selama periode 2007-2017 PT. Rumpun Sari Kemuning 1 belum
memproduksi jenis teh hijau faning sehingga, jenis teh hijau yang akan
diramalkan penjualannya hanya 6 meliputi, chun mee, keringan murni, lokal 2,
kempring, dust dan tulang. PT. Rumpun Sari Kemuning 1 telah memasarkan 7
jenis produk teh hijaunya ke beberapa Kabupaten/Kota di Pulau Jawa meliputi,
Jakarta, Sukabumi, Bandung, Pekalongan, Karanganyar dan Ngawi. Realisasi
4
penjualan teh hijau PT. Rumpun Sari Kemuning 1 cenderung mengikuti produksi
teh hijau yang dihasilkan, secara lebih jelas dapat dilihat pada Gambar 3.
60000
Chun Mee
50000
Keringan
40000 Murni
Lokal 2
Kg
30000
Kempring
20000
Dust
10000 Tulang
0
129
1
9
105
113
121
137
145
17
25
33
41
49
57
65
73
81
89
97
Periode Bulan
Gambar 3. Perkembangan Penjualan Chun Mee, Keringan Murni, Lokal 2,

Kempring, Dust dan Tulang (kg) Periode Januari 2007-Juni 2019
Sumber : PT. Rumpun Sari Kemuning 1, 2019 (diolah)
Berdasarkan Gambar 3, perkembangan penjualan 6 jenis teh hijau selama
13 tahun terakhir sangat berfluktuasi. Jenis teh hijau keringan murni menunjukkan
penjualan tertinggi diantara 5 jenis teh hijau lainnya kemudian, diikuti dengan
jenis teh hijau tulang, lokal 2, dust, kempring dan chun mee. Penurunan
produktivitas tanaman teh yang terjadi di perkebunan teh kemuning menyebabkan
penjualan teh hijau tidak stabil. Beberapa faktor penting yang mempengaruhi
penurunan produktivitas tanaman teh antara lain seperti, tata cara pengelolaan
kebun yang kurang baik, usia tanaman teh tua dan perubahan musim yang tidak
menentu sepanjang tahun. Karena sangat rendahnya kualitas pucuk teh, bagian
pucuk jarum (peko) tidak dapat tumbuh sehingga, dalam proses pengolahan tidak
dapat menghasilkan jenis teh hijau chun mee terutama ketika musim kemarau tiba.
5
Kandungan nutrisi dan kadar air yang minim dalam pucuk teh juga, akibat
dari keterlambatan dalam pemberian pupuk sehingga, berdampak pada produksi
jenis teh hijau keringan murni dan lokal 2 yang dihasilkan. Kondisi tersebut,
membuat pucuk teh yang selama dalam proses pengolahan sebagian kecil tidak
dapat menggulung melainkan pecah menjadi serpihan-serpihan kecil, serpihan teh
hijau tersebut dialokasikan untuk jenis teh hijau kempring dan dust. Produksi jenis
teh hijau keringan murni dan lokal 2 selama ini merupakan yang paling tinggi hal
ini, sejalan dengan penjualan kedua jenis teh hijau tersebut yang memiliki peminat
cukup besar dalam mendominasi pangsa pasar untuk home industry disekitar
perusahaan dan agroindustri teh yang berada di kabupaten Karanganyar (PT.
Rumpun Sari Kemuning 1, 2019). Penurunan produktivitas tanaman teh juga
membuat pucuk teh yang dipanen didominasi oleh pucuk teh tua dengan ukuran
tangkai yang besar sehingga, jenis teh hijau tulang berukuran besar yang
dihasilkan berkualitas rendah.
Permasalahan-permasalahan diatas cenderung berasal dari sisi produksi
kebun dan dipengaruhi oleh perubahan musim sehingga, menyebabkan penjualan
ke 6 jenis teh hijau tidak stabil. Apabila kondisi tersebut tidak diatasi pada masa
saat ini maka, tidak menutup kemungkinan PT. Rumpun Sari Kemuning 1 akan
kehilangan peluang penjualan yang sangat terbuka dimasa mendatang dalam
memasarkan produk teh hijaunya. Mengingat realisasi penjualan yang selama ini
cenderung mengikuti produksi teh hijau yang dihasilkan, penyusunan perencanaan
yang tepat sangat diperlukan bagi pihak manajemen PT. Rumpun Sari Kemuning
1,agar dapat tetap mempertahankan pangsa pasar yang mereka miliki saat ini dan
6
dapat berkelanjutan hingga dimasa mendatang. Realisasi Produksi dan penjualan 6
jenis teh hijau dapat dilihat pada Tabel 1.
Tabel 1. Realisasi Produksi dan Penjualan 6 Jenis Teh HijauTahun 2017-2018
2017 2018
Jenis Teh Hijau
Produksi (kg) Penjualan (kg) Produksi (kg) Penjualan (kg)
Chun Mee 0 0 1.252 1.000
Keringan Murni 286.920 272.830 227.525 219.055
Lokal 2 84.433 68.200 97.155 96.598
Kempring 81.717 68.420 77.166 75.339
Dust 87.215 81.000 59.281 53.200
Tulang 106.052 99.700 102.003 98.800
Sumber : PT. Rumpun Sari Kemuning 1. 2019 (diolah)
Berdasarkan Tabel 1, realisasi penjualan ke 6 jenis teh hijau selama tahun
2017 dan 2018 hanya memiliki selisih sedikit dari produksi teh yang
dihasilkan.Kondisi tersebut mengartikan bahwa, penjualan teh hijau sangat
bergantung dari produksi teh yang dihasilkan/disediakan. Terutama dari sisi
produksi kebun sebagai departemen yang berkaitan langsung dengan penyediaan
sumber bahan baku teh.
Adanya peran peramalan untuk diterapkan beberapa periode ke depan
peluang penjualan teh hijaudimasa mendatang dapat diraih. Metode peramalan
kointegrasi sesuai untuk digunakan pada 6 jenis teh hijau karena, dapat melihat
hubungan dan pengaruh antar jenis teh hijau dalam jangka panjang. Hubungan
dan pengaruh antar jenis teh hijau pada proses penjualan, terkadang dapat
menyebabkan penurunan maupun peningkatan kuantitas penjualan terhadap jenis
7
teh hijau lainnya. Berdasarkan hal tersebut, penulis akan melakukan
penelitiandengan judul “Peramalan Penjualan Teh Hijau Pada Tahun 2020 di
PT. Rumpun Sari Kemuning 1, Karanganyar, Jawa Tengah”.
1.2 Rumusan Masalah
Berdasarkan uraian diatas dapat dirumuskan permasalahan pada penelitian
ini adalah sebagai berikut :
1. Apakah terjadi hubungan kointegrasi antar jenis teh hijau chun mee, keringan
murni, lokal 2, kempring, dust dan tulang selama periode Januari 2007-Juni
2019 ?
2. Bagaimana hasil peramalan penjualan jenis teh hijau chun mee, keringan
murni, lokal 2, kempring, dust dan tulang dengan memperhatikan besarnya
pengaruh antar jenis teh hijau periode Juli 2019-Desember 2020 mendatang ?
3. Apa implikasi manajerial untuk PT. Rumpun Sari Kemuning 1 dari
penggunaan metode kointegrasi dan hasil peramalan penjualan antar jenis teh
hijau ?
1.3 Tujuan Penelitian
Berdasarkan perumusan masalah diatas, berikut ini tujuan yang hendak di
capai oleh penulis, yaitu :
1. Menganalisis hubungan kointegrasi antar jenis teh hijau chun mee, keringan
murni, lokal 2, kempring, dust dan tulang selama periode Januari 2007-Juni
2019.
8
2. Menganalisis hasil peramalan penjualan jenis teh hijau chun mee, keringan
murni, lokal 2, kempring, dust dan tulang dengan memperhatikan besarnya
pengaruh antar jenis teh hijau periode Juli 2019-Desember 2020 mendatang.
3. Merekomendasikan implikasi manajerial untuk PT. Rumpun Sari Kemuning 1
dari penggunaan metode kointegrasi dan hasil peramalan penjualan antar jenis
teh hijau.
1.4 Manfaat Penelitian
Berdasarkan perumusan masalah dan tujuan penelitian diatas maka,
penulis mengharapkan penelitian ini bermanfaat bagi :
1. Bagi Perusahaan, sebagai salah satu alternatif pengambilan keputusan dalam
menyusun perencanaan bagi departemen tanaman, pabrik, administrasi dan
pemasaran teh hijau. Pengambilan keputusan yang ditetapkan pada setiap
departemen akan saling berkaitan antar departemen.
2. Bagi Pembaca, sebagai bahan referensi untuk penelitian selanjutnya yang
berkaitan dengan peramalan penjualan dengan memperhatikan hubungan dan
pengaruh antar jenis produk teh.
3. Bagi Penulis, sebagai penerapan ilmu yang telah diperoleh selama masa
pendidikan perkuliahan dan sebagai syarat kelulusan sarjana strata satu dalam
Program Studi Agribisnis, UIN Syarif Hidayatullah Jakarta.
9
1.5 Ruang Lingkup Penelitian
Penelitian ini dilaksanakan pada PT. Rumpun Sari Kemuning 1 yang
berlokasi di Kabupaten Karanganyar, Provinsi Jawa Tengah. Batasan penelitian
berfokus membahas peramalan penjualan 6 jenis teh hijau yang terdiri dari chun
mee, keringan murni, lokal 2, kempring, dust dan tulang,dengan memperhatikan
hubungan dan pengaruh antar jenis teh hijau pada proses penjualan dimasa
mendatang. Peramalan penjualan teh hijau dilihat berdasarkan data time series
yang diperoleh dari PT. Rumpun Sari Kemuning 1 mulai dari periode Januari
2007-Juni 2019.
Data time series tersebut digunakan sebagai acuan untuk meramalkan
penjualan 6 jenis teh hijau periode Juli 2019-Desember 2020 mendatang. Metode
analisis yang digunakan untuk melihat hubungan jangka panjang antar jenis teh
hijau adalah Vector Autoregression (VAR)/Vector Error Correction Model
(VECM) dan untuk hasil ramalan penjualan 6 jenis teh hijau
denganmemperhatikan besarnya pengaruh antar jenis teh hijau adalah Impulse
Response Function (IRF) dan Forecast Error Variance Decomposition (FEVD).
10
BAB II
TINJAUAN PUSTAKA
2.1 Agroindustri Berkelanjutan Sebagai Subsistem Agribisnis
Agroindustri adalah industri yang berbahan baku utama dari produk
pertanian dan sebagai suatu tahapan pembangunan kelanjutan dari pembangunan
pertanian (Soekartawi, 2001:10). Agroindustri berkelanjutan dibangun dan
dikembangkan dengan memperhatikan aspek-aspek manajemen dan konversi
sumber daya alam. Semua teknologi yang digunakan sesuai dengan daya dukung
sumber daya alam, tidak ada degradasi lingkungan, secara ekonomi
menguntungkan dan secara sosial diterima masyarakat, serta kelembagaan yang
terlibat diarahkan untuk memenuhi kepentingan manusia pada masa sekarang dan
masa mendatang (Soekartawi, 2001:11). Menurut Soekartawi (2001:11) ciri-ciri
agroindustri berkelanjutan adalah sebagai berikut :
1. Produktivitas dan keuntungan dapat dipertahankan atau ditingkatkan dalam
waktu yang relatif lama sehingga, memenuhi kebutuhan manusia pada masa
sekarang dan masa mendatang.
2. Sumber daya alam khususnya sumber daya alam pertanian, yang menghasilkan
bahan baku agroindustri dapat dipelihara dengan baik dan terus ditingkatkan
karena, keberlanjutan agroindustri tersebut sangat bergantung dari tersedianya
bahan baku.
3. Dampak negatif dari adanya pemanfaatan sumber daya alam dan adanya
agroindustri dapat diminimalkan.

Agroindustri umumnya dikenal pada kalangan masyarkat sebagai kegiatan
pengolahan hasil-hasil pertanian dan merupakan bagian dari subsistem agrbisnis.
Agroindustri berada pada subsistem ketiga (SS-III) dalam sistem agribisnis, yang
dapat dilihat pada Gambar 4.
SS I SS II SS III SS IV
(Pengadaan dan (Produksi (Pengolahan) (Pemasaran)

Penyaluran Primer)
Sarana Produksi)
Lembaga Penunjang Agribisnis

(Pertanahan, Keuangan, Penelitian, dll)
Gambar 4. Sistem Agribisnis

Sumber : Said dan Intan (2001:21)
Pada Gambar 4 menunjukkan, setiap subsistem dalam sistem agribisnis
mempunyai keterkaitan kebelakang dan kedepan. Tanda panah kebelakang (ke
kiri) pada subsistem pengolahan (SS-III) menunjukkan bahwa SS-III akan
berfungsi dengan baik apabila ditunjang oleh ketersediaan bahan baku yang
dihasilkan oleh SS-II. Tanda panah kedepan (ke kanan) pada SS-III menunjukkan
bahwa subsistem pengolahan (SS-III) akan berhasil jika, menemukan pasar untuk
produk pertaniannya. Pengembangan agribisnis tidak akan efektif dan efisien
apabila hanya dikembangkan salah satu subsistem. Tidak ada subsistem yang
lebih penting dari subsistem lainnya dan setiap subsistem akan berfungsi dengan
baik apabila tidak ada gangguan pada salah satu subsistem (Said dan Intan,
2001:21).
12
2.2 Tanaman Teh
Tanaman teh merupakan tanaman tahunan perkebunan yang diberi nama
seperti : Camellia theifera, Thea sinensis, Camellia thea dan Camellia sinensis
(Effendi dkk, 2010:3). Di Indonesia tanaman teh yang cocok untuk dibudidayakan
adalah jenis assamica. Tanaman teh sudah dikenal sejak lama oleh masyarakat
Indonesia karena, memiliki nilai ekonomi tinggi dan multiguna yakni, sebagai
minuman penyegar yang memiliki antioksidan dan polifenol yang tinggi selain
itu, teh juga digunakan untuk bahan kosmetik serta bahan pelangsing tubuh.
Vitamin yang terkadung dalam teh adalah vitamin C, vitamin B dan vitamin A,
akan tetapi diduga sebagian rusak pada saat proses pengolahan namun sebagian
masih dapat dimanfaatkan oleh penikmatnya. Beberapajenis mineral juga
terkandung dalam teh, terutama fluorida jugadipercaya dapat memperkuat struktur
gigi dan tulang(Anggraini, 2017:5).Pengembangan pengolahan teh terus
dilakukan untuk memenuhi kebutuhan konsumen yang terus meningkat (Suwarto
dan Octavianty, 2014:264).
2.2.1 Syarat Tumbuh Tanaman Teh
Teh di daerah tropis umumnya ditanam pada daerah dataran tinggi dengan
ketinggian sekitar 800-1.100 m dpl. Tanaman teh juga memberikan hasil dengan
kualitas yang baik di daerah ketinggian 700-1.000 m dpl. Curah hujan rata-rata
per tahun yang dikehendaki yaitu, 2.000-2.500 mm. Pada daerah tropis, tanaman
teh tidak tahan terhadap musim kemarau yang panjang. Curah hujan ideal > 100
mm/bulan sepanjang tahun.
13
Angin yang membawa udara panas tidak baik bagi pertumbuhan tanaman
teh. Apabila angin berhembus selama 3-4 hari secara berturut-turut, dapat
mengakibatkan kerontokan pada daun. Kerontokan ini disebabkan adanya
ketidakseimbangan antara penguapan dan kemampuan daya akar mengisap air.
Suhu ideal bagi pertumbuhan tanaman teh berkisar 10-30˚C. Suhu diatas atau
dibawah kisaran tersebut dapat menghambat pertumbuhan tanaman. Tanah yang
cocok untuk menanam teh adalah tanah yang subur, tidak bercadas dan
mengandung bahan organik. Kisaran pH idealnya antara 4,5-6,5. Umumnya lahan
yang cocok untuk pertumbuhan tanaman teh terletak di lereng-lereng gunung
berapi (Suwarto dan Octavianty, 2014:268).
2.2.2 Hama dan Penyakit Tanaman Teh
Tanaman teh secara fisik merupakan tanaman perkebunan yang
mempunyai sifat-sifat lemah. Tanaman teh memerlukan pemeliharaan secara
intensif karena, kepekaannya terhadap hama dan penyakit (Balai Sertifikasi
Pengawasan Mutu Benih dan Proteksi Tanaman Kehutanan dan Perkebunan,
2016). Organisme pengganggu tumbuhan ( OPT) pada tanaman teh adalah sebagai
berikut (Effendi, dkk, 2010:44) :
1. Tungau Jingga
Hama ini menyerang daun tua pada bagian bawah daun. Pada awal
serangan terjadi becak-becak kecil pada pangkal daun, selanjutnya tungau akan
menyerang sampai ke ujung daun sehingga, daun berwarna kemerahan dan
mengering. Serangan hama ini cenderung terjadi pada musim kemarau yang
14
cenderung diperkirakan akan terjadi pada bulan Juni-September disetiap tahunnya
(BPS Kabupaten Karanganyar, 2019).
2. Tungau Kuning
Tungau kuning adalah tungau dengan ukuran sangat kecil, dengan panjang
badan 0,25 mm. Tungau ini biasanya terlihat pada permukaan bawah dari pucuk
muda dan tunas, khususnya pada tanaman teh yang baru dipangkas. Serangan
hama ini cenderung terjadi pada musim hujan yang diperkirakan akan terjadi pada
bulan Oktober-Mei disetiap tahunnya (BPS Kabupaten Karanganyar, 2019).
3. Empoasca sp.
Hama empoasca menyerang pada pucuk dan daun muda dengan cara
mengisap cairan daun. Pengendalian dapat dilakukan dengan insektisida dan
sanitasi sarana panen.
4. Kepik pengisap daun
Kepik pengisap daun menyerang pucuk daun muda. Kepik ini menusuk
dan mengisap daun teh sehingga, menjadi bercak-bercak hitam.
5. Ulat Penggulung Daun
Ulat penggulung daun membuat tempat berlindung untuk diri sendiri dari
daun teh caranya, dengan benang sutra atau dengan menggulung satu daun lalu
menyambungkan pinggirnya. Daun yang terserang tidak dapat dipetik sebagai
hasil panen teh.
6. Ulat Penggulung Pucuk
Ulat penggulung pucuk menyerang bagian tanaman teh yang akan dipanen,
hama ini memiliki potensi cukup besar untuk merugikan produksi teh yang
15
dihasilkan. Ulat tersebut menggulung daun pucuk dengan memakai benang-
benang halus untuk mengikat daun pucuk sehingga, tetap tergulung.
7. Ulat Api
Ulat api badan berbulu dengan panjang sekitar 2,5 cm. Ulat ini menyerang
bagian daun yang muda dan tua. Serangan hama dapat menyerang sepanjang
tahun dan terberat pada musim kemarau yang diperkirakan akan terjadi pada bulan
Juni-September disetiap tahunnya (BPS Kabupaten Karanganyar, 2019).
8. Cacar Daun
Penyakit cacar daun teh yang disebabkan oleh jamur E. vexans dapat
menurunkan produksi pucuk basah sampai 50% karena menyerang daun muda.
Pada umumnya serangan terjadi pada pucuk peko, daunpertama, kedua dan ketiga.
9. Penyakit Akar
Penyakit akar yang penting pada tanaman teh yaitu, akar merah anggur,
merah bata, hitam, leher akar, kanker belah. Kelima penyakit ini menular melalui
kontak akar sakit dengan akar sehat atau melalui benang jamur yang menjalar
bebas dalam tanah atau pada sampah-sampah di atas permukaan tanah (jamur
kanker belah). Gejala pada tanaman terserang adalah daun menguning, layu,
gugur dan akhirnya tanaman mati. Unsur yang mempengaruhi penyebaran
penyakit adalah ketinggian tempat, jenis/kondisi tanah dan jenis pohon pelindung.
10. Penyakit Busuk Daun
Penyakit busuk daun disebabkan oleh C. scoparium dan G. cingulata yang
menyerang tanaman teh dipesemaian, dapat mengakibatkan matinya setek teh.
16
Bibitterserang, timbul bercak-bercak coklat pada daun induknya,dimulai dari
bagian ujung atau dari ketiak daun.
11. Penyakit Mati Ujung
Penyakit mati ujung disebabkan oleh jamur Pestalotia thea yang
menyerang tanaman terutama melalui luka ataubagian daun yang rusak. Gejala
pada daun dimulai bercakkecil berwarna coklat kemudian melebar.Pemetik teh
mempunyai peranan dalam menyebarkanjamur. Penyakit ini akan timbul pada
tanaman teh yang lemahkarena, kekurangan unsur hara (N dan K), pemetikan
yang berat, kekeringan, angin kencang dan sinar matahari yang kuat.
2.2.3 Upaya Peningkatan Produktivitas Tanaman Teh
Menurut Effendi, dkk (2010:5) produktivitas tanaman teh di Indonesia
masih tergolong rendah. Upaya peningkatan produktivitas tanaman teh sangat
bergantung dari cara budidaya yang dilakukan. Terdapat beberapa upaya yang
dapat dilakukan untuk mendukung pengembangan teh pada perkebunan-
perkebunan yang ada saat iniyaitu, sebagai berikut :
1. Bahan Tanaman AsalStek
Stek teh merupakan cara tercepat dalam memenuhi kebutuhan bahan
tanaman skala besar karena, keunggulannya sama dengan pohon induknya. Stek
teh yang diambil, kebun induknya harus dikelola khusus agar terjamin kemurnian
bahan tanaman dan mempunyai potensi produksi dan kualitas tinggi. Mutu
tanaman dengan cara pembibitan stek banyak dipengaruhi oleh kesehatan dan
kesuburan pohon induk, teknik pengambilan, pengemasan dan pengangkutannya.
17
Faktor lain pelaksanaan pembibitan harus tepat agar diperoleh bibit cukup umur
untuk ditanam di lapangan (Effendi, dkk, 2010:11).
2. Penanaman Ulang
Penanaman ulang ditujukan untuk meningkatkan produktivitas yang
sebelumnya rendah karena, teh tua yang jumlahnya sudah cukup besar lebih dari
50% dan pohon-pohon pelindungnya berusia tua (Effendi, dkk, 2010:18).
3. Pemangkasan
Pekerjaan pemangkasan dimaksudkan untuk mempertahankan kondisi
bidang petik sehingga, memudahkan dalam pekerjaan pemetikan dan
mendapatkan produktivitas tanaman yang tinggi (Effendi, dkk, 2010:29). Tujuan
dari pekerjaan pemangkasan adalah :
a. Memelihara bidang petik tetap rendah untuk memudahkan pemetikan.
b. Mendorong pertumbuhan tanaman teh agar tetap pada fase vegetatif.
c. Membentuk bidang petik (frame) seluas mungkin.
d. Merangsang pertumbuhan tunas-tunas baru.
e. Meringankan biaya pengendalian gulma.
f. Membuang cabang-cabang yang tidak produktif.
g. Mengatur fluktuasi produksi harian pada masa flush dan masa minus
(kemarau).
Penentuan waktu satu blok kebun harus dipangkas dilihatdari,
produktivitas tanaman yang sudah mulai menurun dan ketinggian bidang petik
yang sudah tidak ergonomisbagi pemetik dengan tinggi tanaman 120-140 cm
18
(Effendi, dkk, 2010:32). Sebagai prakiraan, daur pangkasan
berdasarkanketinggian tempat dapat dilihat pada Tabel 2.
Tabel 2. Daur Pangkas Berdasarkan Ketinggian Tempat
Daerah Umur Pangkasan (bulan)

Tinggi 48-52
Sedang 36-42
Rendah 30-36
Sumber : Effendi, dkk (2010:32)
4. Pemupukan
Pemupukan bertujuan untuk meningkatkan daya dukung lahan untuk
perkembangan dan pertumbuhan tanaman teh. Hal penting dalam pemupukan
adanya curah hujan di antara dua waktu pemupukan serta,waktu penyerapan oleh
tanaman. Waktu pemupukanterbaik yaitu, pada kondisi dimana jumlah curah
hujanantara 60-200 mm/minggu. Kurang dari 60 mm/minggu menyebabkan unsur
hara dari pupuk belum dapat diserapdengan sempurna karena, belum terurai
secara keseluruhan sedangkan, lebih dari 200 mm/minggu sebagian akan
larutterbawa aliran air (Effendi, dkk, 2010:39).
5. Penanganan Pasca Panen
Upaya agar dapat menghasilkan teh yang bermutu tinggi, perlu
penanganan pasca panen sebaik mungkin, sebelum diproses darikebun sampai ke
pabrik. Kegiatan pengelolaandan pemeliharaan tanaman teh semuanya bertujuan
untuk menghasilkan kualitas catechin dan caffeinyang tinggikarena, senyawa ini
berperan dalam rasa, warna dan aroma(Effendi, dkk, 2010:58).Beberapa tahapan
yang perlu diperhatikan dalampenanganan dan perawatan pucukadalah sebagai
berikut :
19
a. Pemetikan pucuk dilakukan secara taruk.
b. Pucuk di tangan jangan terlalu banyak.
c. Jumlah pucuk usahakan jangan terlalu padat dikeranjang.
d. Pucuk yang telah disimpan dalam keranjang jangan ditumpuk.
e. Isi waring penyimpanan pucuk jangan lebih 20 kg, jika terlalu berat mudah
rusak.
f. Pengangkutan waring dari kebun ke dalam truk pengangkut diletakkan di atas
kepala dan saat diturunkan jangan dibanting.
g. Jika waring banyak, dibuat rak-rak dalam bak angkutan agar tidak tumpang
tindih.
h. Penurunan keranjang harus hati-hati jangan terbongkar.
i. Keranjang dalam truk tidak boleh ditindih dengan barang lain termasuk orang
yang menumpang.
2.2.4 Jenis-Jenis Teh Berdasarkan Cara Pengolahannya
Menurut Anggraini (2017:15) jenis-jenis teh berdasarkan cara
pengolahannya dapat dikelompokkan menjadi tiga jenis yaitu, teh fermentasi (teh
hitam), teh semi fermentasi (teh oolong dan teh kuning) dan teh tanpa fermentasi
(teh hijau dan teh putih). Istilah fermentasi sebenarnya bukanlah istilah yang tepat
untuk menggambarkan proses pengolahahan pada teh yang tepat adalah
menggunakan istilah oksidasi enzimatis. Teh hitam, teh hijau, teh putih maupun
teh oolong dan kuning dapat diolah dari bahan baku yang sama yaitu, daun teh
20
atau Camellia sinensis. Jenis teh berdasarkan cara pengolahaannya dapat dilihat
pada Tabel 3.
Tabel 3. Jenis-Jenis Teh Berdasarkan Cara Pengolahannya
No Jenis Teh Proses Pengolahannya

Pengolahan teh hitammemerlukan proses oksidasi enzimatis yang
1 Teh Hitam lebih kuat daripada oolong Tea. Proses pengolahan teh hitamyang
dikenal di Indonesia ada 2 jenis yaitu : Orthodox dan CTC.
Proses pengolahan teh oolong terdapat semi oksidasi enzimatis,
memerlukan tahapan proses yang lebih rumit dibandingkan
2 Teh Oolong pengolahan green tea. Pengolahan oolong tea meliputi, pelayuan
outdoor, pelayuan indoor, pan firing(inaktivasi enzim), pengecilan
ukuran dan pengeringan.
Pada proses pengolahan teh putih hanya memerlukan sedikit
proses pengolahan biasanya tidak menggunakan mesin (manual).
3 Teh Putih Prosesnya sangat sederhana yaitu, petik jarum teh, dibiarkan layu
(oksidasi enzimatis) dan dikeringkan.
Proses pengolahan teh kuning mirip dengan green tea.
4 Teh Kuning Perbedaannya adalah pada proses pengolahan yellow tea
menginginkan sedikit reaksi oksidasi enzimatis.
Proses pengolahan teh hijau tidak memerlukan reaksi oksidasi
enzimatis sehingga, terlihat bahwa daunnya tetap hijau setelah
5 Teh Hijau diseduh. Ada 2 proses pengolahan teh hijauyaitu, paning dan
steamed. Proses pengolahan teh hijau yang digunakan di
Indonesia adalah paning (sangrai).
Sumber : Anggraini (2017:15)
2.2.5 Teh Hijau dan Proses Pengolahannya
Teh hijau merupakan hasil olahan teh yang diproses tanpa menggunakan
proses oksidasi enzimatis.Kandungan senyawa kimia pada teh hijau
seperti,catechin dan senyawa polifenol yang lainnya masih cukup tinggi dan
sangat bermafaat bagi kesehatan. Supaya menjaga kandungan senyawa kimia
bermanfaat tersebut maka, proses pengolahan teh hijau harus dilaksanakan dengan
penuh ketelitian dan hati-hati. Proses menjaga kualitas pucuk segar harus dimulai
sejak panen yaitu, dengan meminimalisir memarnya pucuk sejak pemetikan,
21
pengangkutan sampai proses pelayuan (Anggraini, 2017:67). Tahap-tahap
pengolahan teh hijau adalah sebagai berikut :
Pelayuan
Pendinginan
Penggulungan
Pengeringan Pertama
Pengeringan Kedua
Pengeringan Akhir
Gambar 5. Alur Produksi Teh Hijau

Sumber : Anggraini (2017:67)
1. Pelayuan
Pucuk segar yang baru tiba di pabrik, secepat mungkin dimasukkan ke
mesin rotary panner. Pelayuan pada teh hijau bertujuan untuk menginaktifkan
enzim polifenol oksidasi dan menurunkan kandungan air dalam pucuk agar, pucuk
menjadi lentur dan mempermudah proses penggulungan. Pucuk yang sudah layu
optimal ditandai dengan melemasnya daun, bila dipegang daun terasa lengket,
berwarna hijau kekuningan serta mengandung kadar air berkisar 65-70%.
Pelayuan dilaksanakan dengan cara memasukkan pucuk segar secara terus
menerus kedalam silinder mesin rotary panner yang sudah dipanasi secara
berkesinambungan dengan suhu pelayuan 80-100˚C. Selama proses pelayuan
berlangsung dalam rotary panner, terjadi proses penguapan air baik yang terdapat
dipermukaan maupun yang terdapat didalam daun. Uap air yang terjadi harus
secepatnya dikeluarkan dari ruang roll rotary panner, untuk menghindari
22
terhidrolisanya klorofil oleh uap asam-asam organik. Caranya adalah dengan
menghisap udara dari dalam mesin atau mengehembuskan udara segar kedalam
mesin dengan bantuan kipas (blower).Akibat dari tingginya harga BBM Solar,
saat ini bahan bakar yang biasa digunakan sebagai pemanas mesin rotary panner
adalah kayu bakar, cangkang sawit dan wood pellet yang dimasukkan kedalam
tungku. Prinsip pemasasan pada mesin rotary panner adalah pemanasanlangsung
yaitu, pemasasan silinder yang bersinggungan secara langsung dengan pucuk yang
sedang dilayukan.
1. Pendinginan
Pendinginan dilaksanakan dengan tujuan untuk mendinginkan pucuk yang
telah dilayukan. Proses pendinginan ini dilakukan dengan cara memasukkan
pucuk layu yang masih panas kedalam silinder berputar yang permukaannya
terbuat dari kawat mesh berlubang. Kemudian kedalam mesin dihembuskan udara
segar sehingga, dapat mendingkan pucuk layu.
2. Penggulungan
Pucuk layu yang sudah dingin kemudian dimasukkan kedalam mesin
penggulung atau biasanya disebut open top roller. Tujuan dari proses ini adalah
mengeluarkan cairan dalam sel pucuk layu dan membentuk pucuk menjadi
gulungan-gulungan yang akan berpengaruh terhadap bentuk teh kering yang akan
dihasilkan. Pucuk layu dari mesin rotary panner akan berkurang beratnya -/+30%
dan pengurangan ini diperoleh dari berkurangnya kandungan air dari pucuk.Proses
penggulungan pada pengolahan teh hijau hanya dilakukan sekali dengan tujuan
agar pucuk yang sedang digulung tidak terlalu banyak yang hancur. Pucuk yang
23
hancur akan mengakibatkan teh kering menjadi bubuk, yang pada proses
pengolahan teh hijau kehancuran harus seminimal mungkin. Waktu yang
diperlukan untuk proses penggulungan disesuaikan dengan mutu pucuk, tingkat
layu pucuk, ukuran mesin serta tipe mesin penggulung. Lama penggulungan yang
optimal biasanya tidak lebih dari 30 menit.
3. Pengeringan Pertama
Pengeringan pada pengolahan teh hijau dilaksanakan dalam 2 tahap, yaitu
pengeringan pertama menggunakanmesin endless chain pressure(ECP) dan
pengeringan kedua menggunakan ball tea. Pengeringan pertama pada pengolahan
teh hijau berfungsi untuk menurunkan kandungan air dalam pucuk layu sekaligus
memekatkan cairan daun sehingga, cairan tersebutseperti perekat. Secara
organoleptik ciri dari pengeringan pertama sudah layak adalah apabila bubuk teh
dipegang maka, akan terasa lengket di tangan mesin pengering I disebut ECP,
biasanya berukuran 4 dan 6 feet.
Sistem pengeringan pada mesin ECP adalah pemanasan tidak langsung
yaitu, dengan cara mengehembuskan udara panas ke permukaan bubuk teh.
Pemanasan udara pada mesin ECPdilaksanakan dengan cara menarik udara segar
dari luar, kemudian udara tersebut disinggungkan dengan permukaan besi plat
yang sudah dipanaskan sehingga, suhu udara menjadi naik. Suhu udara yang
diharapkan adalah antara 130-135˚Cyang biasanya disebut dengan suhu inlet,
sedangkan suhu keluardiupayakan sebesar 50-55˚Cdengan lama pengeringan +/-
25 menit dengam kadar air output yang diinginkan sebesar 40-42%. Bahan bakar
24
pemanas yang biasa dipakai untuk mesin ECP adalah BBM solar, kayu bakar,
cangkang sawit, gas.
4. Pengeringan Kedua
Pengeringan kedua pada pengolahan teh hijau menggunakan mesin ball
tea. Pengeringan kedua ini berfungsi untuk menurunkan kandungan air bubuk teh
5-6 % dan proses pembentukan teh kering menjadi bulat atau terpilin. Mesin ball
tea berbentuk bulat yang didalamnya ditempatkan batten berbentuk V atau
memanjang yang berfungsi agar bentuk teh yang dihasilkan berbentuk bulat atau
memilin. Sama dengan mesin ECP, sistem pemanasan pada mesin ball tea juga
merupakan pemanasan tidak langsung yaitu, dengan menghembuskan udara panas
ke permukaan teh. Agar bentuk teh yang dihasilkan menjadi bulat,semua
persyaratan harus dipenuhi, diantaranya suhu, kadar air bahan, kapasitas mesin,
bentuk/ukuran batten, RPM mesin dan lain-lain, tetapi yang lebih penting adalah
mutu bahan baku. Bahan bakar yang dipakai pada mesin ball tea dapat berupa
pemanasan dengan elemen listrik, gas, cangkang sawit dan kayu bakar.
5. Pengeringan Akhir
Pada dasarnya pengeringan pada pengolahan teh hijau terdiri dari 2 tahap,
tetapi dengan berbagai pertimbangan dapat dilaksanakan sampai pengeringan
tahap tiga. Beberapa pertimbangan untuk melaksanakan proses pengeringan tiga
yakni, efesiensi, keterbatasan kapasitas ball tea, bentuk teh kering yang
diharapkan dan lain-lain. Pengeringan tiga pada pengolahan teh hijau biasanya
memakai mesin rotary dryer. Prinsip pengeringan tiga menggunakan rotary dryer
adalah dengan pemanasan langsung, sama halnya dengan pemanasan pada rotary
25
panner dan bentuknya juga hampir sama yaitu, menggunakan silinder yang
terbuat dari besi plat. Pengeringan tiga bertujuan menurunkan kadar air bubuk teh
menjadi -/+6%. Faktor yang mempengaruhi kualitas pengeringan ketiga adalah
mutu bahan baku, suhu, RPM dan kapasitas. Bahan bakar yang dipakai oleh mesin
rotary dryer dapat berupa BBM Solar, cangkang saawit, gas maupun kayu bakar.
rotary dryer yang memiliki diameter roll 70 cm, mempunyai kapasitas
pengeringan sebesar 40-50kg teh kering sedangkan mesin yang memiliki ukuran
roll berdiameter 100 cm kapasitasnya 60-70kg teh kering.
2.3 Definsi Peramalan dan Pendekatannya
Peramalan merupakan bagian terpenting bagi setiap perusahaan ataupun
organisasi bisnis dalam setiap pengambilan keputusan. Peramalan adalah seni dan
ilmu untuk memperkirakan kejadian dimasa depan. Peramalan dapat dilakukan
dengan pengambilan data historis dan memproyeksikannya ke masa mendatang
dengan, suatu bentuk model matematis atau dapat juga dilakukan dengan prediksi
intuisi yang bersifat subjektif dari pendapat seorang manajer (Heizer dan Render,
2009:162).
Peramalan bisa menjadi dasar bagi perencanaan jangka pendek, jangka
menengah maupun jangka panjang suatu perusahaan. Kegunaan peramalan antara
lain sebagai alat bantu untuk merencanakan secara efisien dan efektif, untuk
menetapkan sumber daya pada masa yang akan datang dan untuk membuat
keputusan yang tepat (Prasetya dan Lukiastuti, 2011:40). Penerapan peramalan
dalam dunia bisnis dibagi menjadi 2, yang dijelaskan sebagai berikut.
26
2.3.1 Peramalan Kualitatif
Menurut Heizer dan Render (2009:167) peramalan kualitatif adalah
pendekatan dengan menggabungkan faktor seperti, intuisi, emosi, pengalaman
pribadi dan sistem nilai pengambilan keputusan untuk meramal. Peramalan
kualitatif bersifat subjektif sebab didasarkan atas perasaan dari seseorang yang
menyusun peramalan tersebut. Terdapat 4 teknik peramalan kuantitatif yang
dijelaskan sebagai berikut :
1. Metode Juri dari Opini Eksekutif
Suatu teknik peramalan yang menggunakan pendapat sekumpulan kecil
manajer atau pakar tingkat tinggi yang pada umumnya digabungkan dengan
model statistik dan dikumpulkan untuk mendapatkan prediksi permintaan
kelompok.
2. Metode Delphi
Suatu teknik peramalan yang menggunakan suatu proses kelompok
sehingga, memungkinan para ahli membuat peramalan. Pada metode ini pihak
manajemen menggunakan kuisioner yang disebar kepada para responden dan hasil
survei tersebut digunakan dalam pengambilan keputusan sebelum peramalan
dibuat.
3. Komposit Tenaga Penjualan
Suatu teknik peramalan berdasarkan perkiraan penjualan yang dapat
dilakukan oleh para tenaga penjual diwilayahnya. Kemudian ramalan ini dikaji
kembali untuk memastikan apakah peramalan cukup realistis untuk dikombiasikan
27
pada tingkat wilayah dan nasional agar dapat memperoleh peramalan secara
menyeluruh.
4. Survei Pasar Konsumen
Suatu teknik peramalan yang meminta input dari konsumen mengenai rencana pembelian
mereka dimasa depan. Survei konsumen dapat dilakukan melalui percakapan informal
dengan para konsumen
2.3.2 Peramalan Kuantitatif
Menurut Heizer dan Render (2009:167) peramalan kuantitatif
menggunakan model matematis yang beragam dengan data masa lalu dan variabel
sebab-akibat untuk meramalkan sesuai dengan jenis peramalannya. Peramalan
kuantitatif menghasilkan data yang lebih konkret karena, data kuantitatif
berbentuk angka yang dikumpulkan berdasarkan urutan waktu. Peramalan
tergantung pada data historis yang cukup lama agar dapat diuraikan secara
statistik (Supranto, 1993:9). Menurut Heizer dan Render (2009:168) peramalan
kuantitatif dibagi ke dalam 2 kategori yakni :
1. Model Deret Waktu (Time Series)
Model deret waktu dalam metode peramalan kuantitatif adalah model yang
didasarkan pada suatu urutan susunan waktu observasi berdasarkan jarak atau
interval reguler dari waktu seperti per jam, per hari, per minggu, per bulan
maupun per tahun. Deret waktu memprediksi dengan dasar asumsi bahwa, nilai
masa depan dari deret waktu dapat diestimasi atau merupakan fungsi dari nilai
masa lalu.
28
2. Model Assosiatif (Kausal)
Model asosiatif atau hubungan sebab-akibat seperti, regresi linier,
menggabungkan banyak variabel atau faktor yang mungkin mempengaruhi
kuantitas produk yang sedang diramalkan. Ketika variabel terkait ini ditentukan
akan dibuat model statistik yang digunakan sebagai peramalan.
2.3.3 Peramalan Penjualan
Peramalan penjualan adalah proyeksi teknis dari permintaan pelanggan
potensil untuksuatu waktu tertentu (dengan berbagai asumsi). Peramalan
penjualan pada dasarnya digunakan sebagai dasar membuat rencana-rencana
penjualan yang biasa dilakukan setelah perusahaan memperoleh gambaran umum
terhadap situasi permintaan karena,mempengaruhi kuantitas penjualan produk dan
kapasitas produksi yang akan disediakan(Ahmad, 2018:31).Peramalan penjualan
merupakan bagian dari pendekatan peramalan kuantitaf karena membutuhkan data
historis angka dalam pembuatan ramalan.
Konsep penjualan menyatakan bahwa perusahaan harus melakukan usaha
penjualan dan promosi yang agresif artinya, harus menjual lebih banyak produk
kepada konsumen untuk mendapatkan lebih banyak keuntungan (Hery,
2019:14).Peramalan jangka menengah dengan kurun waktu 3 bulan hingga 3
tahun biasanya digunakan untuk merencanakan penjualan, perencanaan produksi,
sistem penjadwalan dan menganalisis berbagai rencana operasi (Ahmad,
2018:32). Perlu disadari bahwa semakin lama waktu ramalan, akan semakin besar
kesalahan ramalan karena semakin besar unsur ketidakpastian maka, sebaiknya
29
perlu melakukan pembaruan data setiap kali data baru sudah selesai dikumpulkan.
Para manajer pemasaran, membutuhkan laporan terkait informasi akurat dan tepat
waktu mengenai data penjualan terkini (Supranto, 1993:10).
Peramalan yang akurat merupakan informasi yang sangat dibutuhkan oleh
perusahaan dalam merencanakan bisnis sebagai pengambilan keputusan disinilah,
fungsi dari peramalan akan diketahui. Keputusan yang tepat adalah
keputusanyang berdasar atas pertimbangan dari hasil ramalan. Apabila kegiatan-
kegiatan yang dilaksanakan tidak sesuai dengan situasi masa depan maka, dapat
dibayangkan bahwa dalam waktu dekat perusahaan akan mengalami kerugian atau
pengurangan keuntungan (Ahmad, 2018:43). Menurut Hery (2019:74) ramalan
penjualan digunakan oleh setiap departemen dalam perusahaan yakni :
1. Departemen keuangan bertanggung jawab untuk menghimpun kas yang
dibutuhkan dalam investasi dan operasi. Rencana bisnis berisi rencana
pendanaan, pembiayaan dan keuangan perusahaan sebagai dasar untuk
menyusun rencana pemasaran (Ahmad, 2018:41).
2. Departemen produksi bertanggung jawab untuk menetapkan tingkat kapasitas
dan produksi. Rencana kapasitas yang diperlukan untuk memenuhi rencana
produksi dapat dinyatakan dalam jam, orang dan mesin yang ditetapkan
berdasarkan kapasitas yang tersedia. Ketika kapasitas tidak memadai,
kekurangan produk dapat menyebabkan hilangnya pelanggan dan pangsa pasar,
sedangkan jika berlebihan akan berdampak pada biaya yang melonjak tajam
(Ahmad, 2018:41).
30
3. Departemen pembelian bertanggung jawab untuk memperoleh bahan baku
secara tepat waktu sesuai dengan kebutuhan.
4. Departemen sumber daya manusia bertanggung jawab untuk mempekerjakan
jumlah karyawan yang dibutuhkan. Apabila departemen SDM harus
mempekerjakan pekerja tambahan tanpa peringatan sebelumnya, akan terjadi
penurunan kualitas tenaga kerja karena tidak mendapat pelatihan terlebih
dahulu (Ahmad, 2018:41).
5. Departemen pemasaran bertanggung jawab untuk mempersiapkan ramalan
penjualan. Apabila perkiraanya jauh dari kenyataan, perusahaan akan
menanggung kelebihan beban kapasitas dan persediaan. Ramalan penjualan
didasarkan pada estimasi permintaan. Rencana pemasaran terkait produk yang
akan dibuat, dijual dan dipasarkan sebagai dasar untuk membuat rencana
produksi (Ahmad, 2018:41).
2.4 Kointegrasi
Definisi kointegrasi menurut Engle dan Granger (1987) dalam Rosadi
(2012:200) adalah komponen-komponen dari vektor t t1 t t
dikatakan berkointegrasi dalam orde d,b atau ditulis t ~CI (d,b) apabila berlaku
(a). Semua komponen dari t merupakan proses integrated order d atau I(d) dan
(b). Terdapat vektorα α1 α2 ... αk ≠0 sehingga, demikian
α t i 1 αi ti b 0.Ve tor α sering disebut sebagai ve tor ointegrasi. Secara
umum kointegrasi merupakan suatu hubungan jangka panjang antara variabel-
31
variabel yang tidak stasioner, tetapi kombinasi linier antara variabel tersebut dapat
menjadi stasioner.
Kegunaan kointegrasi menjadi penting dalam menganalisis data yang
mengandung akar unit karena, dengan konsep ini dapat diamati hubungan jangka
panjang dari variabel-variabel yang tidak stasioner(Hakim, 2014:204).Data tidak
stasioner seringkali menunjukkan hubungan ketidakseimbangan dalam jangka
pendek akan tetapi, ada kecenderungan terjadinya hubungan jangka panjang. Ada
atau tidaknya hubungan jangka panjang dalam sebuah variabel ekonomi yang
diteliti maka, berkaitan erat dengan uji kointegrasi (Widarjono, 2013:305).
2.5 Stasioneritas Data Time Series
Pada umumnya data time series adalah tidak stasioner. Data time series
merupakan sekumpulan nilai suatu variabel yang diambil pada waktu yang
berbeda. Setiap data dikumpulkan secara berkala pada interval waktu tertentu
seperti harian, mingguan, bulanan dan tahunan (Nachrowi dan Usman, 2006:339).
Data yang dikumpulkan pada interval waktu tertentu tersebut bersifat random
karena, merupakan data dari hasil proses stokastik. Suatu data dikatakan stasioner
jika memenuhi tiga kriteria yaitu,apabila rata-rata, varian dan kovarian pada setiap
lag adalah konstan sepanjang waktu. Apabila data time series tidak memenuhi
kriteria tersebut maka, data dikatakan tidak stasioner (Widarjono, 2013:307).
Pentingnya stasioneritas dalam analisis data time series adalah sebagai berikut
(Hakim, 2014:190) :
1. Stasioneritas sebuah series sangat berpengaruh terhadap perilaku series
tersebut. Contoh, jika sebuah guncangan (shock) yang stasioner akan semakin
32
mengecil seiring berjalannya waktu maka, hal tersebut bisa diterima oleh nalar
dan jika tidak stasioner maka sebaliknya.
2. Penggunaan data tidak stasioner akan mengakibatkan spurious regression
(regresi palsu) atau hasil regresi meragukan. Regresi palsu adalah sebuah
situasi dimana hasil regresi menunjukkan koefisien regresi yang signifikan
secara statistik dan memiliki nilai determinasi yang tinggi, namum tidak saling
berhubungan antar variabel didalam model.
3. Apabila variabel yang ada dalam model regresi tidak stasioner, bisa dibuktikan
bahwa asumsi standar untuk analisis asymptotic tidak akan valid, atau dengan
kata lain nilai rasio t yang biasa tidak akan mengikuti distribusi t dan nilai F
statistik tidak akan mengikuti distribusi F dan seterusnya.
Pada analisis time series, asumsi stasioneritas data merupakan sifat yang
penting. Pada model stasioner, sifat-sifat statistik dimasa yang akan datang dapat
diramalkan berdasarkan data historis yang telah terjadi dimasa lalu. Pengujian
stasioneritas data time series dapat dilakukan dengan beberapa cara seperti,
menggunakan plot fungsi autokorelasi (Autocorrelation/ACF) dan plot fungsi
autokorelasi parsial (Partial Autocorrelation/PACF), uji unit root dengan
menggunakan metode Dickey-Fuller, Augmented Dickey Fuller dan Philip-
Persondengan mengacu pada taraf kepercayaan 1%, 5%, 10% (Rosadi, 2012:38).
2.6 Analisis Vector Autoregression (VAR)/ Vector Error Correction Model

(VECM)
Menurut Nachrowi (2006:289) adanya hubungan yang simultan antar
variabel yang diamati perlu diperlakukan sama sehingga, tidak ada lagi variabel
33
endogen dan eksogen konsep ini disebut Vector Autoregression (VAR). Model
VAR adalah model persamaan regresi dengan menggunakan data time series.
Model VAR dibangun dengan pertimbangan meminimalkan pendekatan teori
yang bertujuan agar mampu menangkap fenomena ekonomi dengan baik maka,
dari itu model VAR disebut juga sebagai model non struktural atau tidak teoritis.
VAR merupakan salah satu model yang mampu menganalisis hubungan saling
ketergantungan dalam variabel time series. Kegunaan model VAR adalah untuk
analisis dinamis data time series meliputi analisis penting seperti peramalan,
impulse response, variance decomposition dan uji kausalitas (Widarjono,
2013:332). Pada model VAR yang perlu diperhatikan hanya ada dua hal yaitu :
1. Tidak perlu membedakan variabel endogen (dependen) dan eksogen
(independen). Semua variabel baik endogen maupun eksogen dipercaya saling
berhubungan maka, perlu dimasukkan ke dalam model.
2. Untuk melihat hubungan antar variabel didalam VAR maka, membutuhkan
sejumlah kelambanan variabel yang ada. Kelambanan variabel diperlukan
untuk menangkap efek dari variabel tersebut terhadap variabel yang lain
didalam model.
Pada model VAR menganggap bahwa semua variabel ekonomi adalah
saling tergantung dengan yang lain. Pembentukan model VAR sangat erat
kaitannya dengan stasioneritas data dan kointegrasi antar variabel didalamnya.
Menurut Widarjono (2013:334) terdapat 2 model bentuk VAR non struktural,
yang pada umumnya digunakan yaitu, VAR unrestricted dan restricted VAR atau
34
dikenal dengan Vector Error Correction Model (VECM), yang dijelaskan sebagai
berikut :
1. Unrestricted VAR
Terestriksi atau tidaknya bentuk VAR sangat erat kaitannya dengan ada
atau tidaknya kointegrasi didalam model VAR non struktural. Model VAR biasa
(unrestricted VAR) atau dikenal juga dengan VAR in level digunakan ketika data
sudah stasioner pada level dan tidak perlu melakukan uji kointegrasi. Namun,
apabila data tidak stasioner perlu melakukan uji stasioneritas data pada tingkat
deferensi dan jika data stasioner pada tingkat diferensi tetapi, variabelnya tidak
terkointegrasi dikenal dengan model VAR in difference (Widarjono, 2013:334).
2. Vector Error Correction Model (VECM)
Model VECM merupakan model terestriksi (restricted VAR) karena,
adanya kointegrasi yang menunjukkan terdapatnya hubungan jangka panjang
antar variabel didalam model. Model VECM digunakan dalam model VAR non
struktural apabila data time series tidak stasioner pada level tetapi, stasioner pada
level diferensi dan terkointegrasi sehingga, menunjukkan adanya hubungan
teoritis antar variabel. Spesifikasi VECM merestriksi hubungan perilaku jangka
panjang antar variabel yang ada agar konvergen ke dalam hubungan kointegrasi
namun, tetap membiarkan perubahan-perubahan dinamis dalam jangka pendek.
Terminologi kointegrasi ini dikenal sebagai koreksi kesalahan karena, jika terjadi
deviasi terhadap keseimbangan jangka panjang akan dikoreksi secara bertahap
melalui penyesuaian parsial jangka pendek secara bertahap (Widarjono,
2013:334).
35
2.7 Penelitian Terdahulu
Sakinah (2016) penelitiannya berjudul Peramalan Produksi, Luas Panen
dan Harga Kacang Tanah serta Analisis Integrasi Pasar Spasial Kacang Tanah di
Provinsi Bengkulu. Penelitian ini bertujuan untuk meramalkan luas panen,
produksi dan harga kacang tanah pada tahun 2015-2020, serta menganalisis
integrasi pasar spasial kacang tanah di provinsi Bengkulu. Panjang deret waktu
data produksi dan luas panen kacang tanah periode 1994-2014 di provinsi
Bengkulu dan harga kacang tanah periode 2004-2013 di setiap kabupaten di
provinsi Bengkulu (Bengkulu, Bengkulu Utara, Bengkulu Selatan dan Rejang).
Hasil analisis menunjukkan perkembangan produksi dan luas panen kacang tanah
di provinsi Bengkulu cenderung menurun dari tahun 1994-2014 dan
perkembangan harga kacang tanah pada masing-masing kabupaten cenderung
meningkat dari tahun 2004-2013. Hasil peramalan produksi dan luas panen
kacang tanah di Provinsi Bengkulu untuk masa yang akan datang dengan
menggunakan teknik peramalan trend quadratic mengalami kenaikan pada setiap
tahunnya. Teknik peramalan terakurat untuk meramalkan harga kacang tanah
periode mendatang pada 4 kabupaten di provinsi Bengkulu yaitu, Bengkulu
Selatan, Rejang dan Bengkulu Utara adalah trend quadratic, sedangkan
peramalan harga kacang tanah di Kota Bengkulu menggunakan metode trend
exponential. Hasil analisis integrasi menunjukkan pasar kacang tanah di Provinsi
Bengkulu sudah terintegrasi dengan baik di 4 kabupaten yang ada di Provinsi
Bengkulu dan kabupaten yang saling mempengaruhi harga kacang tanah adalah
36
Bengkulu Selatan dengan Bengkulu Utara dan Bengkulu Selatan dengan Rejang
Lebong.
Akbar dkk (2016) penelitiannya berjudul Analisis Integrasi Pasar Bawang
Merah menggunakan Metode Vector Error Correction Model (VECM) (Studi
Kasus : Harga Bawang Merah di Provinsi Jawa Tengah). Panjang deret waktu
yang digunakan Januari 2010-Februari 2016. Hasil analisis uji stasioneritas
menunjukkan data stasioner pada level first difference. Hasil uji lag optimum
menunjukkan nilai AIC dan SIC yang terkecil terdapat pada lag 1 yaitu sebesar
93,885 dan 95,00sehingga, dalam pengujian kointegrasi dan dalam mengestimasi
model VECM nantinya akan menggunakan lag 1. Hasil uji kointegrasi Johansen
menunjukkan terdapat 2 persamaan kointegrasi pada taraf 5%. Estimasi model
VECM menunjukan bahwa cukup signifikan pengaruh pasar di kab. Brebes
terhadap ke 4 wilayah yaitu kab. Pemalang, kota Semarang, kota Salatiga dan kota
Surakarta. Begitu juga cukup seignifikan pengaruh pasar di kota Tegal terhadap
ke-3 wilayah yaitu kota Semarang, kota Salatiga dan kota Surakarta. Hasil uji
kausalitas Granger menunjukkan hanya pada kota Semarang hubungan kausalitas
terbentuk yaitu hubungan kausalitas satu arah dari harga bawang merah grosir ke
harga bawang merah konsumen. Hasil analisis model sudah memenuhi asumsi
independensi residual,asumsi normalitas multivariat dan memiliki nilai MAPE =
(21,68% 24,87% 13,72% 23,74% 24,82% 21,71%) dimana model tersebut masih
cukup baik jika nantinya digunakan untuk peramalan.
Ni’mah dan Yulianto 017 penelitiannya berjudul Peramalan Laju Inflasi
dan Nilai Tukar Rupiah terhadap Dolar Amerika dengan menggunakan Model
37
Vector Autoregressive (VAR) dan Vector Error Correction Model (VECM).
Penelitian ini bertujuan untuk mengetahui apakah terdapat pengaruh/hubungan
antara laju inflasi dan kurs dolar Amerika serta mengetahui peramalan dari laju
inflasi dan kurs dolar Amerika menggunakan metode VAR/VECM selama
periode Januari-Desember 2016. Panjang deret waktu yang digunakan dari
periode Januari 2012-Desember 2015 dan menunjukkan terjadinya fluktuasi
antara laju inflasi dan kurs. Hasil analisis uji stasioneritas menunjukkan data
stasioner pada level first difference. Panjang lag optimal yang digunakan pada
penelitian ini berada pada lag 1 dengan nilai AIC sebesar 7.31748 dan setelah
dilakukan uji kointegrasi Johansen menunjukkan inflasi mempengaruhi kurs
namun, kurs tidak mempengaruhi inflasi artinya terdapat hubungan kausalitas
satu arah saja pada kedua variabel tersebut. Hasil uji kointegrasi menunjukkan
bahwa antara pergerakan inflasi dan kurs memiliki hubungan keseimbangan
dalam jangka panjang yang artinya saling terkointegrasi sehingga, estimasi yang
akan digunakan adalah VECM. Hasil estimasi VECM menunjukkan terjadi
peningkatan laju kurs sebesar satu satuan akan meningkatkan inflasi sebesar
0.000351 satu satuan, hal ini menunjukkan bahwa adanya pengaruh, namun
pengaruh inflasi terhadap kurs sangat kecil. Model VECM memiliki nilai modulus
< 1 maka, model dikatakan stabil. Analisis IRF dan FEVD menunjukkan respon
dari masing-masing variabel terhadap guncangan yang berasal dari dirinya sendiri
cukup signifikan.
Pranyoto (2017) penelitiannya berjudul Analisis Kointegrasi dan
Kausalitas Granger Tingkat Suku Bunga Simpanan, Perubahan Nilai Tukar
38
Rp/USD dan Return Pasar Saham di Bursa Efek Indonesia. Penelitian ini
bertujuan untuk melihat apakah terdapat hubungan keseimbangan jangka pendek
dan jangka panjang dari data runtun waktu tingkat suku bunga simpanan,
perubahan nilai tukar Rp/USD dan return pasar saham di Bursa Efek Indonesia
sebelum dan sesudah krisis moneter Indonesia. Panjang deret waktu yang
digunakan Januari 1993-Desember 2015 sebagai acuan untuk meramalkan periode
Januari 2016-Desember 2025. Hasil analisis uji stasioneritas menggunakan ADF,
PP dan KPSS menunjukkan semua data stasioner pada level first difference. Uji
kointegrasi menunjukkan adanya hubungan keseimbangan jangka panjang yang
terjadi diantara return saham, tingkat suku bunga simpanan dan kurs nilai tukar
pada Bursa Efek Indonesia. Return saham memiliki dampak jangka pendek dan
jangka panjang terhadap kurs nilai tukar di pasar modal Indonesia. Hasil estimasi
VECM menunjukkan bahwa adanya hubungan dan signifikansi pengaruh antara
variabel tingkat suku bunga simpanan dan kurs nilai tukar terhadap return saham
di Bursa Efek Indonesia periode 1993-2015. Nilai variance decomposotion
menunjukkan respon cukup besar hubungan antara return saham, kurs nilai tukar
dan tingkat suku bunga simpanan selama 10 tahun kedepan terhadap guncangan
berasal dari variabel itu sendiri.
Anggraeni dkk (2017) penelitiannya berjudul Model Vector
Autoregressive (VAR) untuk Meramalkan Jumlah Pengadaan Beras (Studi Kasus :
Jawa Timur). Penelitian ini bertujuan untuk meramalkan pengadaan beras oleh
Bulog Jawa Timur sebagai tindakan antisipasi dalam ketidakpastian permintaan
dengan melibatkan variabel yang mempengaruhinya seperti harga beras, realisasi
39
pengadaan beras, harga pembelian pemerintah, harga gabah kering giling dan juga
stok beras. Panjang deret waktu yang digunakan yaitu Januari 2011-Desember
2015 sebagai acuan untuk meramalkan selama 12 bulan kedepan periode Januari-
Desember 2016. Hasil uji stasioneritas ADF menunjukkan bahwa kelima variabel
tersebut telah stasioner pada tingkat first difference. Hasil uji kointegasi Johansen
menunjukkan bahwa minimal ada 3 persamaan kointegrasi yang dapat dibentuk
dan hasil uji hipotesis nilai Eigen maksimum, nilai probability untuk masing-
masing hipotesis lebih besar dari α 5% ini menunju an bahwa berdasar an nilai
Eigen maksimum tidak ada persamaan kointegrasi yang terjadi, dari kedua
parameter uji tersebut ternyata menunjukkan hasil yang berbeda maka, metode
yang digunakan adalah VECM. Uji lag optimum menunjukkan lag optimum
dengan nilai AIC terkecil sebesar 83.40229. Terdapat beberapa hubungan
kausalitas jangka pendek, diantaranya: harga dasar pembelian beras dengan harga
beras, stok dengan harga dasar pembelian beras, harga dasar pembelian beras
dengan harga gabah, harga dasar pembelian beras terhadap realisasi pengadaan
beras, harga dasar pembelian beras terhadap stok. Respon dari masing-masing
variabel terhadap guncangan yang berasal dari diri sendiri cukup signifikan karena
terjadi fluktuasi. Secara umum, analisis kedepan baik dalam jangka pendek
maupun jangka panjang anatara harga beras, HDPB, harga gabah, realisasi
pengadaan beras dan stok saling mempengaruhi. Hasil peramalan menunjukkan
bahwa memiliki nilai MAPE <30%., artinya hasil ramalan akurat. Berikut ini
persamaan dan perbedaan dari penelitian terdahulu yang penulis gunakan sebagai
referensi penulisan pada penelitian ini, dapat dilihat pada Tabel 4.
40
Tabel 4. Persamaan dan Perbedaan dengan Peneliti Terdahulu
No Peneliti Persamaan Perbedaan

1 Sakinah -Menggunakan -Melakukan analisis integrasi pasar dan
(2016) metode VECM, univariate time series model.
kointegrasi Johansen
dan kausalitas -Variabel penelitiannya yaitu produksi,
Granger. luas panen dan harga kacang tanah di
provinsi Bengkulu.
-Panjang deret waktu produksi dan luas

panen kacang tanah periode 1994-2014,
untuk harga kacang tanah periode 2004-
2013.
2 Akbar dkk -Menggunakan -Melakukan analisis integrasi pasar.
(2016) metode VECM,
kointegrasi Johansen -Variabel penelitiannya yaitu harga
dan kausalitas bawang merah pada penjualan tingkat
Granger. grosir dan konsumen dibeberapa wilayah
provinsi Jawa Tengah yang meliputi
kab.Brebes, kota Tegal, kab.Pemalang,
kota Semarang, kota Surakarta dan kota
Salatiga.
-Panjang deret waktu Januari 2010-

Februari 2016.
3 Ni’mah dan -Menggunakan -Menggunakan analisis univariate time
Yulianto metode VECM, series model.
(2017) kointegrasi Johansen,
kausalitas Granger, -Variabel penelitiannya yaitu laju inflasi
IRF dan FEVD. dan variabel nilai tukar rupiah (kurs).

Desember 2015.
4 Pranyoto -Menggunakan -Variabel penelitiannya yaitu indeks
(2017) metode VECM, harga saham gabungan (IHSG), tingkat
kointegrasi Johansen suku bunga simpanan dan perubahan nilai
kausalitas Granger tukar Rp/USD.
dan FEVD.
Desember 2015.
5 Anggraeni -Menggunakan -Variabel penelitiannya yaitu harga beras
dkk (2017) metode VECM, (HB), harga dasar pembelian beras
kointegrasi Johansen. (HDPB), harga gabah kering giling (HG),
kausalitas Granger realisasi pengadaan beras (RPB)dan stok
dan FEVD. beras.

Desember 2015.
41
2.8 Kerangka Pemikiran
PT. Rumpun Sari Kemuning 1 adalah perusahaan agroindustri teh hijau
yang termasuk dalam PBS teh di Kabupaten Karanganyar, Provinsi Jawa Tengah.
Terdapat 7 jenis teh hijau yang dihasilkan oleh PT. Rumpun Sari Kemuning 1
yaitu chun mee, keringan murni, lokal 2, kempring, faning, dust dan tulang. PT.
Rumpun Sari Kemuning 1 telah memasarkan 7 jenis produk teh hijaunya, ke
beberapa Kabupaten/Kota di Pulau Jawa meliputi Jakarta, Sukabumi, Bandung,
Pekalongan, Karanganyar dan Ngawi. Realisasi penjualan teh hijau PT. Rumpun
Sari Kemuning 1, cenderung mengikuti produksi teh hijau yang dihasilkan.
Tata kelola perawatan kebun yang kurang baik, usia tanaman teh tua dan
perubahan musim yang tidak menentu sepanjang tahun membuat produktivitas
tanaman teh semakin mengalami penurunan. Kondisi tersebut membuat penjualan
ke 6 jenis teh hijau menjadi tidak stabil yang berdampak pada kuantitas dan
kualitas teh hijau yang dihasilkan dan dijual nantinya. Adanya peran peramalan
peluang penjualan teh hijaudimasa mendatang dapat diraih.
Data penjualan chun mee, keringan murni, lokal 2, kempring, tulang dan
dust pada periode Januari 2007-Juni 2019 digunakan sebagai dasar dalam
pembuatan ramalan penjualan. Tahap pertama melakukan uji stasioneritas data
dengan menggunakan uji akar unit Augmented Dickey Fuller (ADF) dan data
dikatakan stasioner pada taraf kepercayaan 1%, 5% dan 10%. Apabila data sudah
42
stasioner pada salah satu taraf kepercayaan tersebut maka,model yang digunakan
adalah VAR sedangkan, jika data stasioner pada first difference atau dengan kata
lain tidak stasioner perlu dilakukan uji kointegrasi untuk melihat apakah 6 jenis
teh hijau terlibat dalam hubungan keseimbangan jangka panjang. Apabila terdapat
kointegrasi maka, model yang tepat digunakan adalah VECM, jika tidak
terkointegrasi disebut VAR in difference.
Setelah mengetahui model yang digunakan VAR/VECM, tahap
selanjutnya sama yaitu,melakukan uji lag optimum, uji stabilitas model, uji
kausalitas Granger, estimasi model VAR/VECM, Impulse Response Function
(IRF) dan Forecast ErrorVariance decomposition(FEVD). Hasil ramalan
penjualan,dapat digunakan manajemen PT. Rumpun Sari Kemuning 1 sebagai
bahan pertimbangan dalam pengambilan keputusan, untuk menyusun perencanaan
yang tepat bagi setiap departemen pada periode Juli 2019-Desember 2020
mendatang. Berikut ini kerangka pemikiran yang secara garis besar penulis
gambarkan, dapat dilihat pada Gambar 6.
43
PT. Rumpun Sari Kemuning 1
Tata kelolaperawatankebunkurangbaik,
usiatanamantehtuadanperubahanmusimtidakmenentu
Fluktuasi penjualan 6 jenis teh hijau
Menganalisis hubungan dan pengaruh antar jenis teh hijau dalam peramalan
penjualan 6 jenis teh hijau periode Juli 2019-Des 2020 mendatang, agar dapat
menyusun perencanaan pada depart. tanaman, pabrik, administrasi dan pemasaran
Data penjualan chunmee, keringanmurni, lokal 2,

kempring, tulangdan dustperiodeJanuari 2007-Juni 2019
Uji Stasioner Augmented Dickey Fuller
Stasioner Stasioner pada level diferensi
VAR Uji Kointegrasi
Ya Tidak
VECM VAR in difference
-Uji Lag Optimum -Estimasi

-Uji Stabilitas Model VAR/VECM
-Uji Kausalitas Granger -IRF dan FEVD
Hasil Analisis : Konfirmasihasilpeng

Hubungan dan pengaruh 6 jenis teh ujianstatistikmelalui
hijau dalam peramalan penjualan wawancara
periode Juli 2019-Des 2020 mendatang
Implikasi Manajerial
Gambar 6. Alur Kerangka Pemikiran
44
BAB III
METODELOGI PENELITIAN
3.1 Lokasi dan Waktu Penelitian
Pelaksanaan penelitian lapang berlokasi di PT. Rumpun Sari Kemuning 1,
Jalan Ngargoyoso-Kemuning, Desa Kemuning, Kecamatan Ngargoyoso,
Kabupaten Karanganyar, Provinsi Jawa Tengah. Pada penelitian ini tidak ada
populasi dan sampel dikarenakan data hanya berasal dari satu perusahaan.
Pemilihan lokasi penelitian dilakukan secara sengaja (purposive), dengan
pertimbangan PT. Rumpun Sari Kemuning 1 adalah salah satu perusahaan
agroindustri teh, yang termasuk dalam perkebunan besar swasta (PBS) teh di
Provinsi Jawa Tengah. Pengambilan data dilakukan pada bulan September-
November 2018 dan pelaksanaan penelitian dilakukan pada bulan Oktober 2019.
3.2 Variabel Penelitian
Terdapat 6 variabel penelitian yang digunakan dalam analisis peramalan
penjualan teh hijau, dengan panjang deret waktu 150 bulan dari periode Januari
2007-Juni 2019. Variabel-variabel penelitian tersebut adalah sebagai berikut :
1. Chun Mee (CM)
Chun mee merupakan suatu variabel besarnya penjualan chun mee pada
suatu periode waktu. Besar penjualan chun mee diketahui dengan melihat data
penjualan pada periode sebelumnya (CMt-1) yang digunakan untuk mengetahui
besarnya penjualan pada periode mendatang (CMt+1)

2. Keringan Murni (KM)
Keringan murni merupakan suatu variabel besarnya penjualan keringan
murni pada suatu periode waktu. Besarpenjualan keringan murni diketahui dengan
melihat data penjualan keringan murni pada periode sebelumnya (KMt-1)
yangdigunakan untuk mengetahui besarnyapenjualan keringan murni pada periode
mendatang (KMt+1).
3. Lokal 2 (LKL)
Lokal 2 merupakan suatu variabel besarnya penjualan lokal 2 pada suatu
periode waktu. Besarpenjualan lokal 2 diketahui dengan melihat data penjualan
lokal 2 pada periode sebelumnya (LKLt-1) yangdigunakan untuk mengetahui
besarnyapenjualan lokal 2 pada periode mendatang (LKLt+1).
4. Kempring (KMP)
Kempring merupakan suatu variabel besarnya penjualan kempring pada
suatu periode waktu. Besarpenjualan kempring diketahui dengan melihat data
penjualan kempring pada periode sebelumnya (KMPt-1) yangdigunakan untuk
mengetahui besarnyapenjualan kempring pada periode mendatang (KMPt+1).
5. Dust (DST)
Dust merupakan suatu variabel besarnya penjualan dust pada suatu periode
waktu. Besarpenjualan dust diketahui dengan melihat data penjualan dust pada
periode sebelumnya (DSTt-1) yangdigunakan untuk mengetahui besarnyapenjualan
dust pada periode mendatang (DSTt+1).
46
6. Tulang (TLG)
Tulang merupakan suatu variabel besarnya penjualan tulang pada suatu
periode waktu.Besarpenjualan tulang diketahui dengan melihat data penjualan
tulang pada periode sebelumnya (TLGt-1) yangdigunakan untuk mengetahui
besarnyapenjualan tulang pada periode mendatang (TLGt+1).
3.3 Sumber dan Jenis Data
Sumber data berasal dari lingkungan internal perusahaan yang diperoleh
secara data primer dan sekunder, baik bersifat kualitatif maupun kuantitatif. Data
primer bersifat kualitatif berupa informasi dari hasil wawancara terkait proses
produksi kebun, pabrik dan penjualan 6 jenis teh hijau.Data sekunder bersifat
kuantitatif yang digunakanyaitu, data internal PT. Rumpun Sari Kemuning 1
berupa data penjualan6 jenis teh hijau periode Januari 2007-Juni 2019 dan data
komoditi teh periode 2014-2019. Data sekunder bersifat kualitatif yaitu, berupa
buku laporan gambaran umum perusahaan dengan informasi yang meliputi
sejarah perusahaan, visi misi, lokasi perusahaan, kondisi geografis, struktur
organisasi, ketenagakerjaan, fasilitas, kesejahteraan karyawan, jenis produk yang
dihasilkan dan sistem pemasaran.
47
3.4 Metode Pengumpulan Data
Metode pengumpulan data dengan menggunakan beberapa teknik
pengumpulan data meliputi :
1. Observasi
Pengamatan kegiatan lapang secara langsung dilaksanakan pada PT.
Rumpun Sari Kemuning 1, Karanganyar, Jawa Tengah. Pengumpulan data
dilakukan dengan mengikuti seluruh kegiatan produksi teh hijau mulai dari kebun
hingga pabrik. Proses pengamatan lapang dibarengi dengan pencatatan lapang.
2. Wawancara
Wawancara dilakukan dengan narasumber yang dipilih secara sengaja
(purposive), atas pertimbangan narasumber yang dipilih sangat mengetahui
kondisi perusahaan dengan baik. Wawancara dilakukan secara bebas atau tidak
terstruktur hanya menggunakan poin-poin pertanyaan tertentu. Narasumber
penelitian ini adalah setiap kelapa departemen dari PT. Rumpun Sari Kemuning 1
meliputi, Bapak Mukari selaku kepala kebun afdeling B, Bapak Panut selaku
kepala pabrik, Bapak Priyanto selaku personalia umum dan Bapak Suroto selaku
kepala pemasaran.
3. Studi Pustaka
Literatur-literatur penulisan penelitian diperoleh dari beragam referensi
buku-buku terkait peramalan kointegrasi, referensi penelitian terdahulu berupa
jurnal-jurnal dan skripsi terkait peramalan kointegrasi yang diperoleh melalui
internet serta, publikasi direktorat jendral perkebunan terkait komoditi teh tahun
2014-2019 yang diperoleh dari wibesite resmi kementerian pertanian.
48
3.5 Metode Pengolahan Data
Metode pengolahan data dibantu dengan program aplikasi Microsoft Excel
2010 danEviews 10. Tahap pengolahan data dimulai dari input data penjualan
chun mee, keringan murni, lokal 2, kempring, dust dan tulang dari periodeJanuari
2007-Juni 2019 ke dalam bentuk tabel dengan aplikasi Microsoft Excel 2010, data
yang telah selesai diinput nantinya akan digunakan sebagai dasarpengolahan data
pada aplikasi Eviews 10. Langkah selanjutnya menggunakan aplikasi Eviews 10.
Langkah awal analisis VAR/VECM pada aplikasi Eviews 10 dimulai
dari,uji stasioneritas data pada masing-masing 6 jenis teh hijau, apabila data sudah
stasioner pada level kepercayaan 1%, 5%, 10% maka, model yang digunakan
adalah VAR, sedangkan apabila data stasioner pada first difference (pembeda
pertama) maka, model yang digunakan adalah VECM. Setelah mengetahui model
yang digunakan VAR/VECM tahap selanjutnya adalah sama yaitu, melakukan
pembentukan model VAR, uji lag optimum, uji stabilitas VAR. Setelah lag
optimum diperoleh dan model VAR stabil, gunakan lag optimum tersebut untuk
tahap analisis selanjutnya mulai dari uji kointegrasi Johansen jika model yang
terpilih VECM, uji kausalitas Granger, estimasi model VAR/VECM, Impulse
Response Function (IRF) dan Forecast Error Variance decomposition (FEVD).
3.6 Metode Analisis Data
Metode analisis data dilakukan secara kuantitatif untuk mengetahui
hubungan dan pengaruh antar 6 jenis teh hijau dalam peramalan penjualan periode
49
Juli 2019-Desember 2020 mendatang. Langkah-langkah analisis dan pengolahan
data dijelaskan sebagai berikut.
3.6.1 Uji Stasioneritas
Asumsi yang harus terpenuhi dalam analisis times series adalah
stasioneritas data. Uji stasioneritas data penjualan 6 jenis teh hijau menggunakan
uji Augmented Dickey Fuller (ADF) pada Eviews 10. Pengujian dilakukan dengan
menguji hipotesis H0 : ρ = 0 (terdapat unit root) dan H1 : ρ ≠ 0 tida terdapat unit
root). Persamaan regresi variabel chun mee, keringan murni, lokal 2, kempring,
dust, tulang pada first difference dituliskan sebagai berikut (Rosadi, 2012:41) :
C t α + t+ C t-1+ j-1
j C t-j+et(1)
t α + t+ t-1+ j-1
j t-j+et(2)
t α + t+ t-1+ j-1
j t-j+et(3)
t α + t+ t-1+ j-1
j t-j+et(4)
S t α + t+ S t-1+ j-1
j S t-j+et(5)
t α + t+ t-1+ j-1
j t-j+et(6)
Keterangan :
ΔC , ΔM, Δ ,Δ ,Δ S ,Δ ata penjualan teh hijau (chun mee,
keringan murni, lokal2, kempring, dust dan tulang) pada first difference
α = Konstanta, tren
t-1 = Tahun sebelumnya
= Lag (kelambanan)
e = Variabel ganguan lain
50
Prosedur penentuan data stasioner atau tidak dengan cara membandingkan
antara nilai statistik ADF dengan nilai kritis distribusi statistik Mackinnon.
Apabila nilai absolut statistik ADF > nilai kritis Mackinnon pada taraf
kepercayaan 1%, 5%, 10%, artinya data stasioner dan jika sebaliknya nilai absolut
stastistik ADF < nilai kritis Mackinnon artinya data tidak stasioner. Data yang
tidak stasioner perlu dilakukan first difference (pembeda pertama) agar menjadi
stasioner, baik pada setiap variabel ataupun salah satu variabel chun mee,
keringan murni, lokal 2, kempring, dust dan tulang yang tidak stasioner pada taraf
kepercayaan 1%, 5%, 10% dan hal ini terus dilakukan sampai memperoleh data
yang stasioner pada derajat yang sama.
3.6.2 Uji Lag Optimum
Uji lag optimum digunakan untuk menentukan panjang lag yang optimum
didalam model VAR/VECM, untuk menangkap berapa lama pengaruh variabel
chun mee, keringan murni, lokal 2, kempring, dust dan tulang pada masa lalu
dalam mempengaruhi penjualan dimasa mendatang. Tahap awal yang dilakukan
dengan membuat model VAR terlebih dahulu agar diperoleh lag optimum dan
stabilitas model VAR maka, model VECM dapat dibentuk. Selanjutnya untuk
menentukan panjang lag optimum, diketahui dengan melihat lag yang paling
banyak terdapat tanda bintang (*) pada masing-masing kriteria Akaike
Information Criterion (AIC), Schwartz Information Criterion (SIC),Hannan-
QuinCriterion (HQC), Likelihood Ratio (LR) maupun Final Prediction Error
(FPE) dengan nilai terkecil pada aplikasi Eviews 10. Salah satu kriteria yang
51
umumnya digunakan untuk menentukan panjang lag optimum adalah AIC yang
dituliskan dengan rumus (Widarjono, 2013:180) :
AIC = (7)
Keterangan :
k = Jumlah parameter estimasi
n = Jumlah observasi teh hijau (150 obs)
e, = Residual
3.6.3 Uji Stabilitas Model VAR
Uji stabilitas model VAR pada variabel chun mee, keringan murni, lokal 2,
kempring, dust dan tulang digunakan untuk mengetahui model yang digunakan
stabil atau tidak. Apabila model VAR yang digunakan sudah stabilmaka, hasil
estimasi model dapat dipercaya dan memiliki validitas data yang tinggi. Pada uji
stabilitas model VAR menggunakan lag optimum yang terpilih pada uji lag
optimum. Penentuan model VAR stabil apabila hasil estimasinya mendekati nol
dan inverse akar karakteristinya memiliki nilai modulus <1, apabilanilai modulus
menunjukkan angka1, > 1 dapat dipastikan bahwa model VAR tidak stabil atau
dengan kata lain hasilestimasiVAR diragukan. Hasil estimasi VAR yang akan
dikombinasikan dengan VECM tidak stabil, akanberdampak pada hasil Impulse
Response Function (IRF)dan Forecast error Variance Decomposition (FEVD)
yang menjadi tidak valid.
52
3.6.4 Uji Kointegrasi
Uji kointegrasi Johansen digunakan untuk membuktikan bahwa variabel
chun mee, keringan murni, lokal 2, kempring, dust dan tulang yang tidak stasioner
bukanlah regresi lancung (spurious regression), melainkan regresi yang
terkointegrasi, dengan syarat 6 jenis teh hijau yang tidak stasioner tersebut
menghasilkan residual yang stasioner pada first difference (pembeda pertama).
Pengujian dilakukan dengan menguji hipotesis H0 : r = r* < k (tidak memiliki
hubungan kointegrasi) dan H1 : r = k (memiliki hubungan kointegrasi). Pada uji
kointegrasi menggunakan panjang lag optimum terpilih pada uji lag optimum.
Terkointegrasi atau tidak terkointegrasi pada Johansen cointegration test
pada aplikasi Eviews 10, diketahui dengan cara membandingkan nilai trace
statistic dengan nilai 0,05 critical value. Apabila salah satu variabel ataupun
setiap variabel chun mee, keringan murni, lokal 2, kempring, dust dan tulang nilai
trace statistic> nilai 0,05 critical value artinya terdapat kointegrasi dan model
yang digunakan pada tahap selanjutnya adalah VECM, sedangkan jika sebaliknya
nilai trace statistic< nilai 0,05 critical value artinya tidak terkointegrasimaka,
model yang digunakan VAR tingkat diferensi.
3.6.5 Uji Kausalitas Granger
Uji kausalitas Granger digunakan untuk melihat ada atau tidaknya
hubungan kausalitas satu arah ataupun dua arah antar variabel chun mee, keringan
murni, lokal 2, kempring, dust dan tulang dalam model VAR/VECM. Caranya
dengan melihat dari nilai probabilitas variabel chun mee, keringan murni, lokal 2,
53
kempring, dust dan tulang pada salah satu taraf kepercayaan yang digunakan
yakni < 1%, 5%, 10%, artinya terdapat hubungan kausalitas. Pada uji kausalitas
Granger harus dimasukkan lag optimum yang dari diperoleh dari uji lag length
criteria pada tahap sebelumnya.
3.6.6 Estimasi VAR/VECM
Estimasi VAR dapat digunakan apabila variabel chun mee, keringan
murni, lokal 2, kempring, dust dan tulang stasioner pada level kepercayaan 1%,
5%, 10% pada uji ADF, sedangkan estimasi VECM dapat digunakan apabila
variabel chun mee, keringan murni, lokal 2, kempring, dust dan tulang stasioner
pada first difference dan terkointegrasi. Spesifikasi model VAR meliputi dua hal
yaitu pemilihan variabel endogen dan penentuan panjangnya kelambanan setiap
variabel endogen. Ada tiga kemungkinan hasil identifikasi yaitu tidak
teridentifikasi (under identified) terjadi jika jumlah informasi kurang dari jumlah
parameter yang diestimasi, tepat teridentifikasi (exactly identified) terjadi jika
jumlah informasi sama dengan jumlah parameter yang diestimasidan terlalu
teridentifikasi (over identified) terjadi jika jumlah informasi melebihi jumlah
parameter yang diestimasi.
Model VECM memiliki satu persamaan untuk setiap variabel teh hijau
(sebagai variabel dependen), namun untuk setiap persamaan dimasukkan ECM.
Variabel teh hijau yang terdiri dari 6 variabel mengandung unit root dan
berkointegrasi persamaan model VECMnya dituliskan sebagai berikut (Rosadi,
2012:217) :
54
CMt = 1
+ 1t + 1 et-1 + 11
C t- + 1p t-p 1p t-p
1p t-p + 1 S t-p 1 t-p + 1t (8)
KMt = + t + et-1 + 1
+
t-1 p t-p + p t-p
p S t-p t-p + C t-p t (9)
LKLt = 3
+ 3 t+ 3 et-1 + 31 t-1 + 3p + 3p t-p S t-p
3p t-p 3p C t-p 3p t-p + 3t (10)
KMPt = + t + et-1 + 1 t-1 + p S t-p + t-p +

+ C t-p + t-p + t-p + t (11)
DSTt = 5
+ 5t + 5 et-1 + 51
S t-1 + 5p + 5p C
t-p t-p
5p t-p + 5p t-p 5p t-p + 5t (12)
TLGt = + t+ et-1 + 1 t-1 + p C t-p 5p t-p
5p t-p 5p t-p 5p S t-p + t (13)
Keterangan :
= Parameter yang diestimasi
CM = Chun Mee
KM = Keringan Murni
LKL = Lokal 2
KMP = Kempring
DST = Dust
TLG = Tulang
3.6.7 Impulse Response Function (IRF)
Analisis Impulse Response Function (IRF) dapat dilanjutkan setelah
melakukan estimasi model VAR/VECM dengan lag optimum yang terpilih. IRF
digunakan untuk melacak respon dari variabel chun mee, keringan murni, lokal 2,
kempring, dust dan tulang pada periode Juli 2019-Desember 2020 mendatang
55
karena, adanya guncangan (shock)dari variabel itu sendiri maupun variabel yang
lain. Respon jangka panjang dari setiap variabel dapat dilihat apabila ada
guncangan (shock) tertentu sebesar satu standar deviasi (±) pada setiap persamaan.
3.6.8 Forecast Error Variance decomposition (FEVD)
Analisis Forecast Error Variance decomposition (FEVD) menggambarkan
relatif pentingnya setiap variabel didalam sistem VAR karena, adanya guncangan
(shock). FEVD berguna untuk memprediksi kontribusi persentase varian setiap
variabel chun mee, keringan murni, lokal 2, kempring, dust dan tulang karena,
adanya perubahan variabel teh hijau lain dalam sistem VAR sepanjang periode
Juli 2019-Desember 2020 mendatangsehingga, dapat diketahui secara pasti faktor-
faktor yang memberikan pengaruh paling signifikan terhadap perubahan dari
variabel teh hijau tertentu.
3.7 Definisi Operasional
Definisi operasional yang digunakan dalam penelitian ini adalah sebagai
berikut :
1. Teh hijau adalah teh setengah jadi yang diolah tanpa melalui proses fermentasi.
2. Chun mee adalah teh hijau dengan ciri-ciri partikel pucuk jarum tehnya
tergulung sempurna dan berukuran kecil.
3. Keringan murni adalah teh hijau dengan ciri-ciri partikel daun tehnya tergulung
sedikit renggang dan campuran sedikit tulang kecil.
4. Lokal 2 adalah teh hijau dengan ciri-ciri partikel daun tehnya tergulung sangat
renggang dan campuran sedikit tulang besar.
56
5. Kempring adalah teh hijau dengan ciri-ciri partikel tehnya berupa potongan-
potongan daun teh yang besar.
6. Dust adalah teh hijau dengan ciri-ciri partikel tehnya berupa debu halus.
7. Peramalan penjualan adalah kegiatan memperkirakan jumlah produk teh hijau
jenis chun mee, keringan murni, lokal 2, kempring, dust dan tulang yang akan
dijual pada periode Juli 2019-Desember 2020 mendatang.
8. Data time series adalah data penjualan masing-masing teh hijau yang
dikumpulkan perbulan dari periode Januari 2007-Juni 2019.
9. Data stasioner adalah data penjualan masing-masing teh hijau yang memiliki
nilai rata-rata konstan atau tetap disepanjang waktu.
10. Differences (pembeda) adalah suatu langkah untuk menstasionerkan data
penjualan teh hijau apabila data yang dimiliki tidak stasioner, dengan membuat
deret waktu baru dalam pembedaan yang beruntutan.
11. Hubungan antar jenis teh hijau adalah besarnya nilai salah satu teh hijau dalam
hubungan antar jenis teh hijau yang satu dengan teh hijau lain.
12. Pengaruh antar jenis teh hijau adalah besarnya nilai salah satu jenis teh hijau
dalam mempengaruhi jenis teh hijau lain.
57
BAB IV
GAMBARAN UMUM PT. RUMPUN SARI KEMUNING 1
4.1 Sejarah Perusahaan
Perkebunan teh hijau di PT. Rumpun Sari Kemuning 1, didirikan oleh
bangsa Belanda. Nama PT. Rumpun Sari Kemuning 1 pada masa Belanda adalah
NV. Cultuur Masstschapij Kemuning dan pusat pengolahan teh hijau berada di
Belanda. Berdasarkan undang-undang pemerintah tahun 1854 pasal 62 dan
Undang-Undang Agraria tahun 1870 yang mengatur mengenai Hak Guna Usaha
(HGU) maka, pada tanggal 11 April 1925 pemerintah Belanda memberikan HGU
dalam jangka waktu 50 tahun kepada orang Belanda yang bernama Jonan De John
dan Van Mender Van yang tinggal di Den Hagg Belanda. Lahan HGU yang
diberikan berada di 2 kecamatan yaitu, Kecamatan Ngargoyoso dengan luas
812,172 Ha dan Kecamatan Jenawi dengan luas 238,838 Ha sehingga, luas
keseluruhan mencapai 1051 Ha. Pada saat itu lahan tersebut ditanami kopi dan
teh, akan tetapi proses pengolahannya diserahkan pada Firma Watering dan
Labour yang berkedudukan di Belanda.
Pada tahun 1942, negara yang menjajah Indonesia selanjutnya adalah
Jepang. Perkebunan teh dan kopi diambil alih oleh Jepang sampai tahun 1945.
Pada saat kedudukan Jepang, kegiatan komersial mengalami banyak kendala
seperti kebun kurang terpelihara hal ini dikarenakan Jepang menyerahkan
pekerjaan kebun kepada penduduk setempat untuk merawat kebun dan
mengakibatkan sebagian perkebunan teh dan kopi mati. Pada tahun 1945 Jepang
mengalami kekalahan oleh tentara sekutumaka, pengelolaan perkebunan
Kemuning dikelola oleh Mangkunegaran Surakarta dan dipimpin oleh Ir. Sarsito
sampai tahun 1948. Tahun 1948 sampai tahun 1950, perkebunan Kemuning
dikuasai oleh pemerintah Militer Republik Indonesia dan hasil produksinya
digunakan untuk membiayai perjuangan kemerdekaan.
Berdasarkan Konferensi Meja Bundar (KMB) pada tanggal 19 Mei 1950
sampai 30 Desember 1952, kebun Kemuning diserahkan kembali kepada NV.
Cultuur Masstschapij Kemuning. Tanggal 1 Januari 1953 berdasarkan undang–
undang No. 3/1952/RI Hak Guna Usaha (HGU) kebun Kemuning, dicabut dari
NV. Cultuur Masstschapij Kemuning. Tahun 1965 dipegang sementara oleh
Kodam Diponegoro dengan luas areal 546,868 Ha. Hal ini disebabkan karena,
adanya ancaman dari PKI untuk merebut sebagian area perusahaan. Berdasarkan
SK Mendagri No. 17/HGU/NIA/71 maka, pada tanggal 3 November 1971
pengolahan kebun Kemuning diserahkan kepada Yayasan Rumpun Diponegoro
dan dibentuklah PT. Rumpun. Pada tahun 1980 PT. Rumpun dipecah menjadi 2
yaitu :
1. PT. Rumpun Antan dengan komoditi karet, kopi, kelapa, cengkeh dan randu
yaitu :
a. Perkebunan Curai/Rejodadi di Cilacap
b. Perkebunan Samudera di Banyumas
c. Perkebunan Darmokadrenan di Banyumas
d. Perkebunan Cluak di Pati
e. Perkebunan Jati/Pablengan di Semarang
59
f. Perkebunan Kaligantung di Semarang
2. PT. Rumpun Teh dengan komoditi teh yaitu :
a. Perkebunan Kemuning di Karanganyar
b. Perkebunan Medini di Kendal
Pada bulan Maret 1990 PT. Rumpun bekerja sama dengan PT. Astra Agro
Lestari di Jakarta yang proses pengolahannya diserahkan kepada PT. Astra Agro
Lestari yang memiliki saham sebesar 60%. Setelah kerja sama ini ditetapkanlah
nama baru untuk perkebunan teh Kemuning, menjadi PT. Rumpun Sari Kemuning
1 yang kita ketahui sampai sekarang. Pada tahun 2004 kepemilikan PT. Rumpun
Sari Kemuning 1 beralih ke PT. Sumber Abadi Tirta Sentosa yang berakhir pada
bulan September 2018. Pada Oktober 2018 PT. Rumpun Sari Kemuning 1 resmi
dinaungi oleh PT. Tjandi Tunggal Wedari yang kantor pusatnya berada di Paragon
Solo, Jawa Tengah, yang hanya bertahan sampai Mei 2019. PT. Rumpun Sari
Kemuning 1 kembali dipegang oleh Rumpun Diponegoro/PT. Rumpun mulai Juni
2019 hingga sekarang.
4.2 Visi dan Misi Perusahaan
Visi dari PT. Rumpun Sari Kemuning 1 adalah :
1. Mempertahankan keberadaan perkebunan untuk kepentingan masyarakat.
2. Menjadi perusahaan yang tangguh, tumbuh dan berkembang dengan
menekankan pada peningkatan kualitas kemitraan dan ramah lingkungan.
3. Mempertahankan kepercayaan pada publik, bahwa perusahaan pantas diberi
kepercayaan.
60
Misi dari PT. Rumpun Sari Kemuning 1 adalah :
1. Perusahaan ingin memperkenalkan pada masyarakat Internasional, bahwa
produk Teh PT Rumpun Sari Kemuning 1 mempunyai kualitas SUPER.
2. Menghasilkan produk yang berkualitas yang sesuai dengan keinginan
konsumen.
4.3 Lokasi Perusahaan
Perkebunan PT. Rumpun Sari Kemuning 1 terletak di bagian barat lereng
Gunung Lawu, Kelurahan Kemuning, Kecamatan Ngargoyoso, Kabupaten
Karanganyar, Provinsi Jawa Tengah. Wilayah perkebunan berbatasan dengan :
1. Utara : Kecamatan Jenawi
2. Selatan : Gadungan dan Kecamatan Ngargoyoso
3. Timur : Daerah Hutan Pinus dan Wonomarto
4. Barat : Kebun Karet PTPN XVIII Batu Jamus
Luas areal perkebunan teh PT. Rumpun Sari Kemuning 1 secara
keseluruhan sebesar 435,82 Ha dengan luas areal tanam 391,97 Ha, yang dibagi
menjadi 2 bagian ada afdeling A seluas 207,12 Ha dan afdeling B seluas 176,58
Ha. Peta kebun dan rincian luas areal perkebunan teh per bloknya dapat dilihat
pada lampiran 2. Lokasi kantor operasional, pabrik pengolahan teh dan faslitas
penunjang fisik lainnya berada pada satu lingkungan perusahaan yaitu, di jalan
Ngargoyoso-Kemuning, Desa Kemuning, Kecamatan Ngargoyoso, Kabupaten
Karanganyar, Provinsi Jawa tengah.
61
Gambar 7. Penampakan Lokasi Perusahaan Melalui Google Earth
Sumber : Google Earth, 2019
4.4 Kondisi Geografis
Secara geografis perkebunan teh PT. Rumpun Sari Kemuning 1 terletak
antara 11,10–11,250 BT dan 7,40–7,60 LS. Kondisi geografis di perkebunan teh
PT. Rumpun Sari Kemuning 1 dijelaskan sebagai berikut :
1. Kondisi intensitas sinar matahari di perkebunan PT. Rumpun Sari
Kemuning 1 sekitar 40-50%.
2. Kondisi curah hujan sekitar 1.500-4.000 mm/tahun dengan rata rata 2.500-
3.000 mm/tahun.
3. Suhu pada . umpun Sari emuning antara 0 C- C dengan rata-
rata 1 5 C.
4. Kondisi kelembaban relatif 60%-0% dengan keadaan angin normal.
5. Lahan perkebunan teh PT. Rumpun Sari Kemuning I berada pada ketinggian
1.200-1.800 m dpl.
62
6. Jenis tanah di PT. Rumpun Sari Kemuning 1 yaitu Laterit Tuuf Andesit dan
Andosol berwarna merah kehitam-hitaman. Ciri tanah Andosol struktur
yang renggang, tidak lengket dam humusnya mudah larut.
4.5 Struktur Organisasi
Sistem organisasi yang diterapkan pada PT. Rumpun Sari Kemuning 1
adalah struktur organisasi berbentuk lini atau garis. Sistem organisasi lini atau
garis merupakan sistem hubungan wewenang, yakni atasan mendelegasikan
sebagian wewenang kepada bawahannya begitupun seterusnya sehingga, terjadi
urutan hubungan antara atasan dengan bawahan mulai dari manajemen puncak
sampai karyawan paling bawah (Sudarmo, 1996:27).Kegiatan operasional
pengolahan teh hijau pada PT. Rumpun Sari Kemuning 1 dipimpin oleh seorang
manajer yang bertanggung jawab dan memberikan keputusan kepada seluruh
karyawan yang bekerja. Bagan struktur organisasi PT. Rumpun Sari Kemuning 1
secara keseluruhan dapat dilihat pada Lampiran 3. Terdapat tiga departemen
dalam pelaksanaan kegiatan di PT. Rumpun Sari Kemuning 1 yaitu :
1. Departemen Tanaman
a. Menjalankan segala kegiatan yang ada dikebun dan bertanggung jawab
terhadap hasil panen pucuk di kebun.
b. Mencatat dan memberikan laporan mengenai data pengelolaan tanaman
dikebun secara keseluruhan dari pekerjaan rawat, petik, pengendalian hama
dan penyakit.
63
c. Melakukan evaluasi pengelolaan tanaman setiap bulan untuk afdeling A dan
B.
d. Mengusahakan hasil panen sehingga mencapai target yang telah ditentukan
sebelumnya.
2. Departemen Pabrik
a. Merencanakan kegiatan produksi dan melaksanakan pengolahan bahan baku
sampai produk siap dikirim.
b. Membuat laporan persediaan produk yang tersimpan digudang, serta masuk
dan keluarnya produk.
c. Mengusahakan hasil produksi agar sesuai dengan SNI.
d. Memelihara mesin dan peralatan yang digunakan untuk proses produksi.
3. Departemen Kantor/Administrasi
a. Melakukan pengambilan keputusan dan mengkoordinir seluruh kegiatan
yang dilaksanakan.
b. Merencanakan dan mengkoordinasi kebutuhan dana dengan masing-masing
departemen.
c. Memeriksa kebutuhan modal untuk pembelian kebutuhan yang diperlukan
perusahaan.
d. Mengatur pembayaran gaji karyawan.
64
Ketiga departemen ini memiliki karyawan yang memiliki tugas masing-masing :
1. Manajer
Tugas dan tanggung jawab manajer adalah :
a. Membuat perencanaan, mengambil keputusan, memimpin, mengkoordinir
dan mengawasi semua kegiatan dalam bidang tanaman, proses produksi,
administrasi, penanganan wilayah perkebunan.
b. Melaksanakan perencanaan direksi.
c. Memperhatikan kesejahteraan karyawan.
d. Memelihara hubungan kerjasama yang baik dengan seluruh karyawan.
Wewenang Manajer adalah :
1) Memelihara hubungan kerjasama yang baik dengan karyawan, instansi,
pemerintah dan organisasi masyarakat mengenai hal–hal yang berhubungan
dengan tugasnya.
2) Menentukan keputusan yang sesuai prinsip dan kebijaksanaan dalam hal
yang berhubungan dengan pelaksanaan tugas sesuai.
2. Kepala Tata Usaha
Tugas dan tanggung jawab kepala tata usaha adalah :
a. Sebagai wakil manajer jika sedang berhalangan.
b. Mengontrol tugas-tugas administrasi umum.
c. Menyampaikan kebijakan–kebijakan dari atasan kepada semua staff.
d. Memelihara hubungan yang harmonis dengan seluruh karyawan.
65
3. Kepala Tanaman
Tugas dan tanggung jawab kepala tanaman adalah :
a. Mengawasi segala kegiatan yang ada pada kebun dan pengelolaannya sesuai
bagian afdelingnya.
b. Membantu administratur dalam mengevaluasi kesalahan karyawan.
c. Melaksanakan konsolidasi pada kebun jika terjadi serangan HPT dan
kematian tanaman.
4. Kepala Pabrik
Tugas dan tanggung jawab kepala pabrik adalah :
a. Melaksanakan kegiatan proses produksi teh dari pucuk segar sampai siap
dikirim.
b. Menyiapkan sarana transportasi kebun seperti untuk pengangkutan pucuk,
pupuk dan karyawan.
c. Menjalankan administrasi produksi pengolahan sesuai kebijakan.
d. Mengontrol pelaksanaan produksi agar sesuai SOP PT. Rumpun Sari
Kemuning 1 sehingga produk yang dihasilkan sesuai dengan SNI.
5. Kepala Gudang
Tugas dan tanggung jawab kepala gudang adalah :
a. Membuat tanda terima untuk perusahaan pembeli produk teh hijau.
b. Mengadministrasikan dan memelihara barang-barang dari gudang.
c. Mencatat dan memberikan laporan mengenai data masuk dan keluar produk
di gudang secara rinci kepada kepala tata usaha.
66
d. Mengelola jumlah produk siap kirim untuk memehuni pasar lokal maupun
nasional.
6. Kepala Teknik
Tugas dan tanggung jawab kepala teknik adalah :
a. Memastikan seluruh mesin dan peralatan yang digunakan untuk proses
produksi berjalan dengan semestinya sesuai SOP.
b. Melakukan perawatan dan pengecekan rutin pada mesin dan peralatan yang
digunakan.
c. Bertanggung jawab untuk penggunaan genset jika listrik padam.
7. Personalia Umum
Tugas dan tanggung jawab personalia umum adalah :
a. Mengurus surat menyurat dan sebagai sekretaris kebun.
b. Menyusun jadwal dalam hal peraturan cuti, tata tertib perusahaan di kebun
dan pabrik.
c. Membuat rencana, mengkoordinir, mengawasi setiap divisi dan pembinaan
wilayah yang dibantu oleh bagian tertentu.
d. Menyusun bahan laporan sesuai dengan tugasnya dari masing-masing divisi
untuk dikirimkan ke kantor pusat.
8. Keuangan
Tugas dan kewajiban bagian keuangan adalah :
a. Mencatat pemasukan dan pengeluaran perusahaan untuk pembiayaan
produksi dan pembayaran gaji karyawan.
b. Membuat laporan laba rugi perusahaan setiap bulan dan akhir tahun.
67
c. Membuat laporan kas mingguan, bukti penerimaan dan pengeluaran kas
pada setiap divisi.
9. Mandor Panen
Tugas dan tanggung jawab mandor panen adalah :
a. Mengawasi dan mengkoordinir jalannya pemetikan pucuk dikebun.
b. Bertanggung jawab kepada kepala tanaman terhadap hasil yang dipanen
oleh setiap buruh petiknya setiap hari.
10. Mandor Rawat
Tugas dan tanggung jawab mandor rawat adalah :
a. Mengawasi kegiatan perawatan dikebun agar terbebas dari gulma.
b. Melakukan pemangkasan untuk peremajaan pohon teh.
c. Melakukan pemupukan pada pohon teh yang sudah dipangkas.
d. Melakukan beres cabang setelah pemangkasan yang masih menutupi
pohon teh.
11. Mandor Hama dan Penyakit Tanaman
Tugas dan tanggung jawab mandor hama dan penyakit tanaman adalah :
a. Melakukan penyemprotan untuk mencegah hama dan penyakit pada
tanaman teh.
b. Melakukan penyemprotan untuk nutrisi daun teh.
12. Mandor Produksi
Tugas dan tanggung jawab mandor produksi adalah :
a. Mengawasi proses kegiatan produksi agar berjalan dengan lancar.
b. Bertanggung jawab atas kualitas produk yang dihasilkan.
68
13. Mandor Sortasi
Tugas dan tanggung jawab mandor sortasi adalah :
a. Mengawasi proses kegiatan sortasi teh hijau kering agar sesuai dengan
jenis teh.
b. Menyimpan hasil sortasi yang sudah dikelompokkan sesuai dengan jenis
teh ke gudang penyimpanan sortasi.
14. Kerani Keringan
Tugas dan tanggung jawab Kerani Keringan adalah :
a. Mencatat dan memberikan laporan mengenai masuk keluarnya produk teh
hijau kering yang tersimpan digudang penyimpanan akhir.
b. Melayani pembeli sesuai dengan Delivery Order (DO)yang masuk terlebih
dahulu.
15. Analisa Laboratorium
Tugas dan tanggung jawab bagian analisa laboratorium adalah :
a. Menimbang sampel dari masing-masing blok untuk mengetahui kadar air
pucuk teh segar.
b. Melakukan analisis seduhan teh hijau kering.
16. Kerani Timbang
Tugas dan tanggung jawab kerani timbang di kebun dan pabrik adalah :
a. Mencatat hasil timbangan masing-masing buruh petik setelah melakukan
pemetikan.
b. Mencatat hasil timbangan masing-masing blok yang panen saat di pabrik.
69
17. Keamanan
Tugas dan tanggung jawab keamanan adalah :
a. Mengawasi kendaraan yang masuk dan keluar perusahaan terutama pabrik
dan kebun.
b. Membuat laporan mengenai keamanan perusahaan.
18. Pengemudi
Tugas dan tanggung jawab pengemudi adalah :
a. Melakukan pengangkutan pucuk segar dari kebun ke pabrik.
b. Melakukan pengangkutan pupuk.
c. Membersihkan kendaraan sebelum mengangkut pucuk.
d. Mengangkut buruh petik dan buruh semprot untuk keluar dari kebun.
4.6 Ketenagakerjaan
Jumlah tenaga kerja pada PT. Rumpun Sari Kemuning 1 secara
keseluruhan sebanyak 550 karyawan, yang terdiri dari staff, non staff, bulanan
lokal, pekerja harian tetap dan pekerja harian lepas. Karyawan staff dan non staff
diangkat berdasarkan surat keputusan dari direksi. Pekerja bulanan lokal dan
pekerja harian tetap diangkat oleh manajer atas persetujuan direksi, sedangkan
untuk pekerja harian lepas hanya berkerja apabila perusahaan memerlukan baik
dikebun maupun pabrik. Jam kerja untuk masing-masing karyawan berbeda sesuai
dengan masing-masing departemen. Pembagian jam kerja di PT. Rumpun Sari
Kemuning 1 adalah sebagai berikut.
70
1. Karyawan Kantor
Jam kerja karyawan kantor dimulai pada pukul 08.00-15.00 WIB untuk
hari senin s/d jum’at dan pu ul 08.00-12.00 WIB untuk hari sabtu. Jam istirahat
pada hari senin s/d jum’at dari pu ul 1 .00-13.30 WIB.
2. Karyawan Kebun
Jam kerja untuk karyawan kebun dimulai dari pukul 06.00-11.00 untuk
timbang 1 kali bisanya dilakukan ketika musim kemarau dan jika musim hujan
mulai pukul 06.00–13.00 WIB dilakukan penimbangan 2 kali, timbangan pertama
pada pukul 09.00 WIB setelah itu istirahat 30 menit, kemudian lanjut petik
kembali sampai pukul 13.00 WIB untuk pimbangan kedua.
3. Karyawan Pabrik
Jam kerja karyawan pabrik dibagi menjadi 3 shift, dikarenakan proses
produksi berlangsung selama 24 jam. Jam istirahat untuk karyawan pabrik
dilakukan secara bergantian dengan karyawan lain yang bekerja pada shift yang
sama. Berikut ini pembagian shiftnya :
a. Shift 1 : 09.00-17.00 WIB
b. Shift 2 : 17.00-00.00 WIB
c. Shift 3 : 00.00-06.00 WIB
71
4.7 Sarana Produksi Pertanian
PT, Rumpun Sari Kemuning 1 menggunakan sarana produksi pertanian
berupa mesin-mesin pengolahan teh dan alat-alat penunjang lainnya dalam proses
produksi teh hijau. Sarana produksi pertanian yang dibutuhkan bagi pekerja di
kebun dan pabrik berbeda-beda, secara lebih jelas dapat dilihat pada Tabel 5.
Tabel 5. Kebutuhan Departemen Tanaman dan Pabrik
Jenis Kebutuhan Jenis Kebutuhan

No
Pekerjaan Kebun Pekerjaan Pabrik
-Sapu ijuk dan lidi
-Trolly
Weeding
1. - Proses produksi -Timbangan besar
Manual
-Gas
-Kayu
-Hand spayer -Timbangan digital
Weeding
2 -Obat pemberantas Analisa basah -Keranjang
Chemical
gulma (herbisida) -Kantong plastik
-Timbangan neraca
-Piring spons
-Pupuk Analisa kering
3 Pemupukan -Wadah besar
-Terpal dan seduhan
-Mangkuk porselin
-Teko air panas
-Jet pump
-Selang (100m)
EWS/
-Hand spayer -Sapu ijuk
4 Pengendalian Sortasi
-Drum -Masker
HPT
-Jeringen
-Mobil truk
-Sekop
-Sapu ijuk
-Karung plastik
-Inner plastik
-Mesin pangkas -Mesin jahit
5 Pangkas Pengemasan
tunggal -Sepidol
-Pallet
-Alat memasukkan
inner dan karung
-Masker
6 Beres Cabang - Pendistribusian -Sewa mobil truk
72
4.9 Proses Produksi Teh Hijau
Tahap-tahap pelaksanaan proses produksi teh hijau di PT. Rumpun Sari

Kemuning 1 melalui 5 tahapan. Alur produksi teh hijau dijelaskan sebagai berikut:
Proses Produksi
Teh Hijau
Pengeringan
Pelayuan Penggulungan Pengeringan 1 Pengeringan 2
akhir
Gambar 8. Alur Produksi Teh Hijau PT. Rumpun Sari Kemuning 1

Sumber : PT. Rumpun Sari Kemuning 1, 2019
1. Mesin Rotary Panner
Mesin Rotary Panner digunakan untuk proses pelayuan pucuk daun teh.
Rotary Panner terdiri dari bagian hong dan conveyor yang dipanaskan dari luar dan
menggunakan bahan bakar kayu. Berfungsi untuk mengurangi kadar air pada
pucuk sampai dengan 30-35% hingga pucuk daun teh menjadi layu dan
menonaktifkan enzim folivenol oksidasi. Cara kerja mulai dari memasukkan pucuk
daun teh yang sudah dihampar terlebih dahulu ke dalam mesin rotary panner, cara
kerja mesin pelayuan ini yaitu, mesin yang sudah mencapai panas 100-1 5˚C
masukkan pucuk ke dalam conveyor yang bergerak ke atas membawa pucuk daun
teh menuju hong yang berputar, membutuhkan waktu sekitar 15 menit untuk
berada di dalam hong kemudian pucuk daun teh yang sudah layu akan bergerak.
2. Mesin Open Top Roller
Mesin open top rollerdigunakan setelah melalui proses pelayuan, yaitu
proses penggulungan. Mesin open top roller terdiri dari silinder dan meja.
Berfungsi untuk menggulung pucuk menjadi gulungan dan mengeluarkan kadar
73
air yang masih terkandung pada pucuk teh. Cara kerja mesin open top roller
yakni, pucuk yang sudah layu langsung dimasukkan ke dalam lubang input
silinder dan goyangan meja yang berputar dengan bantuan motor penggerak
utama untuk menggulung pucuk teh tergulung sekitar 15-20 menit, hasil
penggulungan akan keluar melalui lubang output yang berada ditengah meja
bagian bawah mesin tersebut yang dibuka dan jatuh ke dalam wadah
penampungan.
3. Mesin Endless Chain Pressure (ECP)
Mesin ECP digunakan dalam proses pengeringan awal untuk teh hijau.
Berfungsi untuk mempertahankan bentuk gulungan–gulungan, mengurangi kadar
air (tidak kering dan tidak basah) yang masih terkandung dalam pucuk daun teh
yang sudah tergulung hingga 25-30 %. Pucuk yang sudah terbentuk gulung-
gulungan siap untuk diantar ke mesin pengeringan pertama yang bernama ECP.
Cara kerjanya, mesin sudah mencapai panas 100-150˚C masu an teh yang sudah
digulung melalui trais yang bergerak miring ke atas, sisir perata akan meratakan
pembagian pucuk teh yang sudah tergulung dan masuk ke dalam oven pemanas
yang didalamnya ada trais bertingkat 7 yang bergerak zig-zag membawa
gulungan teh sampai turun ke trais paling bawah, kemudian keluar melalui
conveyor. Membutuhkan waktu sekitar 15-20 menit untuk berada didalam oven
pemanas.
4. Mesin Rotary Dryer
Mesin rotary dryer digunakan untuk pengeringan kedua. Berfungsi
membantu pengeringanakhir, mempertahankan gulungan–gulungan dan
74
mengurangi kadar air 20–25 %. Hasil pengeringan pertama selanjutnya dibawa ke
mesin rotary dryer. Cara kerjanya mesin sudah mencapai panas 125–150˚C
masukkan hasil pucuk pengeringan pertama ke dalam hong, nyalakan mesin, gas
dan blower kemudian hong akan berputar, sirip yang berada didalam hong akan
mengatur pucuk teh ke bagian belakang hong sekitar 15–30 menit kemudian,
keluarkan hasil pengeringan 2.
5. Mesin Ball Tea
Mesin ball tea digunakan untuk pengeringan akhir teh hijau. Berfungsi
untuk mengeringkan teh hijau sampai kadar air yang masih terkandung mencapai
maksimal 4%. Hasil pengeringan kedua dibawa ke ball tea besar. Cara kerjanya,
mesin yang sudah dipanaskan terlebih dahulu yaitu mencapai 125–150˚C
sebelum memasukkan hasil pengeringan kedua ke dalam hong liatlah kondisi
pucuk terlebih dahulu berapa perkiraan waktu yang dibutuhkan sesuaikan dengan
kondisi pucuk kering atau basah, jika tidak pucuk akan hancur bila terlalu lama di
dalam mesin ball tea. Selanjutnya masukkan hasil pengeringan kedua ke mesin
ball tea, membutuhkan waktu 10–12 jam. Setelah itu dilakukan pemolesan yakni,
matikan api biarkan mesin tetap berputar selama 1 jam. Setelah 1 jam nyalakan
blower selama 30 menit-1 jam kemudian keluarkan hasil pengeringan akhir.
Mesin-mesin pengolahan yang digunakan untuk proses produksi teh hijau
dan spesifikasinya dapat dapat dilihat pada Tabel 6.
75
Tabel 6. Mesin Produksi Teh Hijau dan Spesifikasinya
Proses Produksi Teh Hijau

Spesifikasi Pengeringan Pengeringan Pengeringan
Pelayuan Penggilingan
1 2 3
Endless Chain
Nama Rotary Open Top
Pressure Rotary Dryer Ball Tea
mesin Panner Roller
(ECP)
Kecil :
125–150˚C
Suhu 100–1 5˚C - 100–150˚C 125-150˚C
Besar :
100–1 5 C
Berdasarkan
Putaran 15 rpm 45 rpm kecepatan gigi 1800 rpm 35 rpm
(1,2,3)
Kecil:
15–20 10–12 jam
Waktu 15–20 menit 15–20 menit 15-30 menit
menit Besar:
6–7 jam
Kecil :
800–1000 kg
Kapasitas 300–350 kg 135–140 kg 250–300 kg 70–80 kg
Besar:
1800–2000 kg
Kandungan
Penurunan
30-35% - 25-30% 20-25% maks. kadar
kadar air
air 4%
Bahan
Kayu - Kayu Gas Kayu
bakar
Kecil: 2
Jumlah 2 unit 2 unit 2 unit 3 unit
Besar : 4
4.8 Jenis Produk Teh Hijau
Produk teh yang dihasilkan oleh PT. Rumpun Sari Kemuning 1 adalah teh
hijau. Teh hijau sendiri dikenal sebagai teh setengah jadi maka, dari itu disekitar
kawasan PT. Rumpun Sari Kemuning 1 banyak menumbuhkan home industry
pengolah teh hitam. Teh hijau yang dihasilkan/dijual dibedakan berdasarkan
kualitas hasil pengolahannya. Terdapat 7 jenis teh hijau yang jual oleh PT.
Rumpun Sari Kemuning 1, secara lebih rincinya dijelaskan pada Tabel 7.
76
Tabel 7. Jenis-Jenis Produk Teh Hijau PT. Rumpun Sari Kemuning 1
No Jenis Teh Hijau Keterangan Gambar
Jenis teh hijau yang memiliki ciri-
ciri, partikelnya tergulung padat,
terpilin memanjang, berwarna
1 Chun Mee hijau kehitaman, berukuran kecil.
Bahan chun mee berasal dari peko
jarum teh.

ciri partikelnya berupa daun teh
yang tergulung sedikit renggang,
2 Keringan Murni sedikit tulang kecil, berwarna
hijau kehitaman dan berukuran
kecil.

ciri, partikelnya tergulung sangat
renggang, sedikit tulang besar
3 Lokal 2 berwarna hijau kekuningan dan
berukuran besar.

ciri, partikelnya berupa serpihan-
serpihan yang lebih besar dari
4 Kempring faning, berwarna hijau kehitaman
sampai kuning kecokelatan.
Bahan kempring berasal dari
pecahan daun teh tua.
Jenis teh hijau yang berasal dari
bahan dust, partikelnya berukuran
lebih halus dari kempring,
5 Faning berbentuk serpihan lembut,
berwarna hijau kehitaman sampai
kuning kecokelatan.

ciri, partikelnya berupa butiran
sangat halus seperti debu,
berwarna hijau kehitaman sampai
kuning kecokelatan.
6 Dust
77
ciri, partikelnya berupa ranting
teh, berwarna hijau kecokelatan.
7 Tulang
Pengemasan produk teh hijau dilakukan berdasarkan masing-masing jenis
teh. Rata-rata perharinya karyawan pengemasan dapat mengemas 50 karung/jenis
teh hijau dan setiap jenis memiliki nomor sandi yang berbeda-beda. Rincian
pengemasan untuk masing-masing jenis teh dapat dilihat pada Tabel 8.
Tabel 8. Pengemasan Produk Berdasarkan Jenis Teh Hijau

Berat
No Jenis Teh Sandi Ukuran Karung dan Inner
(Kg/karung)
Karung : 80 x 125 cm
1 Keringan murni 1 35
Inner :0,2 x 80 x 125 cm
2 Kempring 3 35
Inner : 0,2 x 80 x 125 cm
3 Faning 4 35
Inner : 0,2 x 80 x 125 cm
4 Chun Mee 5 35
Inner : 0,2 x 80 x 125 cm
5 Lokal 2 2 25
Inner : 0,2 x 80 x 125 cm
Tidak diberi Karung : 77 x 113 cm
6 Tulang 25
sandi Tanpa inner
Tidak diberi Karung : 77 x 113 cm
7 Dust 50
sandi Inner : 0,2 x 80 x 125 cm
4.9 Sistem Pemasaran
PT. Rumpun Sari Kemuning 1 adalah pihak penyedia bahan baku saja,
yang menentukan transaksi penjualan, harga yakni kantor pusat. Sistem
pemasaran yang digunakan adalah sistem delivery order (DO) konsumen dapat
78
memesan dan ambil sendiri. Tahap–tahap transaksi pembelian teh hijau pada PT.
Rumpun Sari Kemuning 1 yakni sebagai berikut.
1. Terjadi transaksi antara kantor pusat dan kebun
2. Pihak kantor pusat menginformasikan adanya pembelian produk, ke kebun dan
pembeli.
3. Terbit surat Delivery Order (DO). Ada 2 sistem DO yakni :
a. Produk ambil sendiri maka, pihak konsumen datang ke kebun, pihak kebun
melakukan pengecekan DO dari kantor pusat dan dari konsumen apakah
hasilnya sama atau tidak. Jika sama proses transaksi dilanjutkan dengan
pemberian surat jalan dan penyerahan barang.
b. Perangko pembeli, produk yang sudah siap langsung dikirim sesuai dengan
DO yang dipesan. Surat jalan ditanda tangani oleh manajer kebun, kepala
tata usaha dan pengemudi. Surat jalan terdiri dari 3 rangkap lembar pertama
untuk kantor pusat, lembar kedua untuk kebun dan lembar ketiga untuk
konsumen. Jika pengemudi sudah sampai tempat tujuan maka, dilakukanlah
pengecekan barang oleh pihak konsumen terkait jumlah dan kualitas
produk. Jika sudah “ok” surat jalan ditanda tangani oleh konsumen dan 2
rangkap surat jalan dikembalikan kepada pengemudi. Jika pengemudi sudah
sampai dikebun diberikanlah surat jalan 2 rangkap tersebut kepada pihak
kebun.
Pendistribusian produk dikirim ke beberapa perusahaan agroindustri teh
hitam di pulau Jawa, yang sudah bekerja sama/pelanggan tetap dari PT. Rumpun
Sari Kemuning 1. Agroindustri teh hitam ini sudah mempercayakan PT. Rumpun
79
Sari Kemuning 1 sebagai supplier bahan baku teh hijau. Biasanya dalam 1 kali
pendistribusian produk rata-rata pengiriman sebanyak 5 ton per perusahaan.
Pendistribusian produk teh hijau dari PT. Rumpun Sari Kemuning 1, dapat dilihat
pada Tabel 9.
Tabel 9. Pendistribusian Produk Teh Hijau PT. Rumpun Sari Kemuning 1 Tahun
2009-2019
Lokasi
No Daftar Perusahaan Jenis Produk
Pengiriman
1 Gunawan Keringan murni, Lokal 2 Karanganyar
2 PT. Indocempaka Chun mee Jakarta/Afganistan
3 Effendy Kempring, Lokal 2 Pekalongan
4 PT. Tri Bintang Inter Dust, Tulang Sukabumi
5 Uuk Supriyana Tulang Bandung
Keringan murni, Chun mee,
6 Liem Po Tjo Karanganyar
Lokal 2, Kempring
Keringan murni, Dust, Lokal
7 Imam Sutedi Bandung
2, Kempring, Tulang
8 Ismail Mansor Chun mee Jakarta/Afganistan
9 PT. Hendrawan Putra Chun mee Jakarta/Afganistan
10 Edy Setiono Lokal 2 Ngawi
11 Nur Hadi Kempring, Tulang, Lokal 2 Ngawi
12 Supono Dust, Lokal 2, Tulang Karanganyar
13 Wahyono Tulang, Lokal 2 Karanganyar
14 PT. KBP Cakhra Lokal 2 Bandung
15 Alber Guntur Tanoyo Kempring, Lokal 2 Pekalongan
16 Totok Jatmiko Lokal 2 Karanganyar
17 Sumaryana Lokal 2, Tulang Karanganyar
Keringan murni, Kempring,
18 PT. Gunung Subur Karanganyar
Lokal 2, Faning, Chun mee
19 PT. Teh 99 Lokal 2, Kempring Pekalongan
80
BAB V
HASIL DAN PEMBAHASAN
5.1 Hubungan 6 Jenis Teh Hijau
Hubungan jangka panjang antar 6 jenis teh hijau dalam proses penjualan
dapat diketahui dengan melakukan uji kointegrasi, yang terdapat pada analisis
Vector Autoregression (VAR)/Vector Error Correction Model (VECM). Selain
itu, terdapat uji lainnya dalam analisis VAR/VECM yang perlu dilakukan sebagai
serangkaian tahapan analisis dinamis data time series. Tahap-tahap analisis
dijelaskan sebagai berikut.
5.1.1 Uji Stasioneritas
Uji stasioner menggunakan uji Augmented Dickey Fuller (ADF) untuk
menguji stasioneritas data pada masing-masing variabel chun mee, keringan
murni, lokal 2, kempring, dust dan tulang. Variabel dikatakan stasioner jika nilai
ADF test Statistic>test critical values 5% dan memiliki nilai probabilitas < 0,05.
Hasil uji stasioner ADF pada level dengan test critical value 5% dapat dilihat
pada Tabel 10.
Tabel 10. Hasil Uji Stasioneritas Pada Level 5% Penjualan Chun Mee, Keringan
Murni, Lokal 2, Kempring, Dust dan Tulang PT. Rumpun Sari
Kemuning 1 Tahun 2007-2019
Test Critical ADF Test

Variabel Probability Keterangan
Values 5% Statistic
Chun Mee -2.881830 -0.756084 0.8278 Tidak Stasioner
Keringan Murni -2.880987 -3.615662 0.0065 Stasioner
Lokal 2 -2.880853 -8.361351 0.0000 Stasioner
Kempring -2.880853 -10.48711 0.0000 Stasioner
Dust -2.880853 -12.89979 0.0000 Stasioner
Tulang -2.880853 -10.55310 0.0000 Stasioner
Sumber : Lampiran 5 (diolah)
Berdasarkan Tabel 10, hanya variabel chun mee yang nilai ADF test
statisticnya < test critical values 5% yaitu sebesar -0.756084 dan nilai probalilitas
> 0,05 sebesar 0.8278, yang artinya variabel tidak stasioner. Pada variabel lainnya
yaitu keringan murni, lokal 2, kempring, dust dan tulang sudah stasioner pada
level kepercayaan 5%. Ketika salah satu variabel tidak stasioner pada derajat yang
sama maka, perlu dilakukan uji stasioneritas pada tingkat pembeda pertama (first
difference) agar semua variabel menjadi stasioner. Hasil uji stasioner pada tingkat
pembeda pertama (first difference) dapat dilihat pada Tabel 11.
Tabel 11. Hasil Uji Stasioneritas Pada First Difference Penjualan Chun Mee,
Keringan Murni, Lokal 2, Kempring, Dust dan Tulang PT. Rumpun
Sari Kemuning 1 Tahun 2007-2019
Test Critical ADF Test

Variabel Probability Keterangan
Values 5% Statistic
Chun Mee -2.881830 -9.148418 0.0000 Stasioner
Keringan Murni -2.880987 -18.80717 0.0000 Stasioner
Lokal 2 -2.881400 -10.40765 0.0000 Stasioner
Kempring -2.881260 -12.36418 0.0000 Stasioner
Dust -2.881260 -13.99829 0.0000 Stasioner
Tulang -2.882433 -8.365893 0.0000 Stasioner
Berdasarkan Tabel 11, semua variabel sudah stasioner pada tingkat
pembeda pertama (first difference) dengan taraf kepercayaan 5% dan nilai
probalititasnya < 0,05. Asumsi stasioneritas data telah terpenuhi karena semua
variabel sudah berada pada derajat yang sama, yaitu pada tingkat pembeda
pertama (first difference) maka, model yang digunakan untuk tahap analisis
selanjutnya adalah Vector Error Correction Model (VECM).
82
5.1.2 Uji Lag Optimum
Panjang lag optimum yang diperoleh akan terus digunakan untuk tahap
analisis selanjutnya. Penentuan panjang lag optimum, diketahui dengan melihat
lag yang paling banyak terdapat tanda bintang (*) pada masing-masing kriteria
Akaike Information Criterion (AIC), Schwartz Information Criterion
(SIC),Hannan-QuinCriterion (HQC), Likelihood Ratio (LR) maupun Final
Prediction Error (FPE) dengan nilai terkecil. Hasil uji lag optimum dapat dilihat
pada Tabel 12.
Tabel 12. Hasil Uji Lag Optimum Penjualan 6 Jenis Teh Hijau PT. Rumpun Sari
Lag LogL LR FPE AIC SIC HQC

0 -8084.215 NA 1.23E+42 113.9467 114.0716* 113.9974
1 -8003.450 153.5684 6.58E+41 113.3162 114.1905 113.6715*
2 -7965.239 69.42515 6.39e+41* 113.2851* 114.9087 113.9448
3 -7941.409 41.28273 7.64E+41 113.4565 115.8295 114.4208
4 -7919.378 36.30463 9.41E+41 113.6532 116.7756 114.9220
5 -7882.670 57.38823* 9.51E+41 113.6432 117.5150 115.2166
6 -7854.625 41.47485 1.10E+42 113.7553 118.3764 115.6331
7 -7831.298 32.52644 1.37E+42 113.9338 119.3042 116.1161
8 -7800.824 39.91666 1.57E+42 114.0116 120.1314 116.4985
Berdasarkan Tabel 13, menunjukkan bahwa panjang lag optimum adalah
lag 2 dengan melihat 2 tanda bintang (*) yang terdapat pada kriteria FPE sebesar
6.39e+41 dan AIC sebesar 113.2851. Artinya penjualan chun mee, keringan
murni, kempring, dust dan tulang pada masa mendatang dipengaruhi oleh
penjualan pada 2 periode bulan sebelumnya. Lag optimum 2 harus terus
digunakan untuk tahap analisis selanjutnya.
83
5.1.3 Uji Stabilitas Model VAR
Uji stabilitas model VAR pada variabel chun mee, keringan murni, lokal 2,
kempring, dust dan tulang digunakan untuk mengetahui model VAR yang
digunakan stabil atau tidak. Model VAR dianggap stabil apabila inverse akar
karakteristiknya mempunyai nilai modulus < 1 atau semuanya berada didalam
lingkaran. Hasil uji stabilitas model VAR dapat dilihat pada Tabel 13.
Tabel 13. Hasil Uji Stabilitas Model VAR Penjualan 6 Jenis Teh Hijau PT.
Rumpun Sari Kemuning 1 Tahun 2007-2019
Root Modulus
0.853172 0.853172
0.564661 0.564661
-0.457156 – 0.083527i 0.464724
-0.457156 + 0.083527i 0.464724
-0.456292 0.456292
-0.125388 – 0.430734i 0.448613
-0.125388 + 0.430734i 0.448613
0.334696 – 0.226406i 0.404081
0.334696 + 0.226406i 0.404081
-0.061536 – 0.347737i 0.353140
-0.061536 + 0.347737i 0.353140
-0.028355 0.028355
Berdasarkan Tabel 13, hasil AR Root Tabel dengan lag 2 menunjukkan
bahwa model VAR stabil dengan semua nilai modulus < 1 dan dari penentuan
panjang lag dengan trial dan error, model VAR stabil hingga panjang lag ke 8
(dapat dilihat pada Tabel 12). Maka, model VAR yang dikombinasikan dengan
VECM dapat dipercaya dan memiliki validitas data yang tinggi, serta hasil
Impulse Response Function(IRF)dan Forecast Error Variance Decomposition
(FEVD)dianggap valid.
84
5.1.4 Uji Kointegrasi Johansen
Pada tahap uji stasioner Augmented Dickey Fuller (ADF) menunjukkan
bahwa variabel chun mee, keringan murni, lokal 2, kempring, dust dan tulang
stasioner pada derajat yang sama yaitu pada first difference. Maka, perlu
melakukan uji kointegrasi Johansen, untuk melihat hubungan jangka panjang yang
terjadi dalam proses penjualan antar variabel periode Januari 2007-Juni 2019.
Penentuan terkointegrasi atau tidak dengan membandingkan nilai trace
statistic>0,05 critical value. Pada uji kointegrasi Johansen dimasukkan lag
optimum 2. Hasil uji kointegrasi Johansen dengan lag optimum 2 dapat dilihat
pada Tabel 14.
Tabel 14. Hasil Uji Kointegrasi Johansen Pada Penjualan 6 Jenis Teh Hijau di PT.
Rumpun Sari Kemuning 1 Periode Januari 2007-Juni 2019
Hypothesized Trace 0.05 Critical

Eigenvalue Prob.** Keterangan
No. Of CE(s) Statistic Value
None* 0.389358 219.8467 103.8473 0.0000 Terkointegrasi
At most 1* 0.346815 147.3398 76.97277 0.0000 Terkointegrasi
Tidak
At most 5 0.045281 6.811644 9.164546 0.1367
Terkointegrasi
Berdasarkan Tabel 14, menunjukkan bahwa nilai trace statistic>0,05
critical value yang mengindikasikan 5 kointegrasi terjadi pada 6 jenis teh hijau.
Artinya 6 jenis teh hijau terlibat hubungan keseimbangan dalam jangka panjang,
yang saling mempengaruhi kuantitas penjualan antar jenis teh hijau maka,model
yang tepat untuk digunakan adalah Vector Error Correction Model (VECM).
85
5.1.5 Uji Kausalitas Granger
Uji kausalitas Granger digunakan untuk melihat hubungan satu arah atau
dua arah pada variabel chun mee, keringan murni, lokal 2, kempring, dust dan
tulang dalam model Vector Error Correction Model (VECM). Ada/tidak
kausalitas dapat dilihat dari nilai probabilitas pada level signifikansi < 5 %. Hasil
uji kausalitas Granger dengan lag optimum 2, dapat dilihat pada Tabel 15.
Tabel 15. Hasil Uji Kausalitas Granger Pada Penjualan 6 Jenis Teh Hijau PT.
Rumpun Sari Kemuning 1 Tahun 2007-2019
Null Hypothesis Obs F-Statstic Prob.

Keringan_Murni does not Granger Cause Chun_Mee 8.17973 0.0004
148
Chun_Mee does not Granger Cause Keringan_Murni 1.47846 0.2315
Lokal_2 does not Granger Cause Chun_Mee 4.31277 0.0152
148
Chun_Mee does not Granger Cause Lokal_2 4.43846 0.0135
Kempring does not Granger Cause Chun_Mee 1.96413 0.1440
148
Chun_Mee does not Granger Cause Kempring 4.17008 0.0174
Dust does not Granger Cause Chun_Mee 0.57233 0.5655
148
Chun_Mee does not Granger Cause Dust 2.89295 0.0587
Tulang does not Granger Cause Chun_Mee 2.20274 0.1142
148
Chun_Mee does not Granger Cause Tulang 1.71191 0.1842
Lokal_2 does not Granger Cause Keringan_Murni 2.48875 0.0866
148
Keringan_Murni does not Granger Cause Lokal_2 1.24145 0.2921
Kempring does not Granger Cause Keringan_Murni 1.35998 0.2600
148
Keringan_Murni does not Granger Cause Kempring 1.50955 0.2245
Dust does not Granger Cause Keringan_Murni 0.03662 0.9641
148
Keringan_Murni does not Granger Cause Dust 0.94261 0.3920
Tulang does not Granger Cause Keringan_Murni 1.93713 0.1479
148
Keringan_Murni does not Granger Cause Tulang 0.49211 0.6124
Kempring does not Granger Cause Lokal_2 0.18742 0.8293
148
Lokal_2 does not Granger Cause Kempring 6.89293 0.0014
Dust does not Granger Cause Lokal_2 2.06271 0.1309
148
Lokal_2 does not Granger Cause Dust 7.20569 0.0010
Tulang does not Granger Cause Lokal_2 1.11620 0.3304
148
Lokal_2 does not Granger Cause Tulang 2.59751 0.0780
Dust does not Granger Cause Kempring 1.62983 0.1996
148
Kempring does not Granger Cause Dust 4.47545 0.0130
Tulang does not Granger Cause Kempring 0.26847 0.7649
148
Kempring does not Granger Cause Tulang 2.72301 0.0691
Tulang does not Granger Cause Dust 148 6.32234 0.0023
86
Dust does not Granger Cause Tulang 0.82849 0.4388
Berdasarkan Tabel 15, menunjukkan bahwa kausalitas satu arah dengan
taraf <5% terjadi pada variabel keringan murni berpengaruh terhadap penjualan
chun mee, chun mee berpengaruh terhadap penjualan kempring, lokal 2
berpengaruh terhadap penjualan kempring, lokal 2 berpengaruh terhadap
penjualan dust, kempring berpengaruh terhadap penjualan dust dan tulang
berpengaruh terhadap penjualan dust. Pada uji kausalitas Granger dua arah dengan
taraf <5% terjadi pada variabel lokal 2 yang berpengaruh terhadap penjualan chun
mee begitupun sebaliknya chun mee berpengaruh terhadap penjualan lokal 2.
5.1.6 Estimasi Vector Error Correction Model (VECM)
Pengaruh variabel teh hijau yang terkointegrasi terhadap variabel teh hijau
lain dalam jangka panjang dapat dilihat dalam analisis Vector Error Correction
Model (VECM). Pembacaan intepretasi hasil dengan cara melihat koefisien
kointegrasinya, dengan membaca tanda terbalik dari tanda koefisiennya. Koefisien
kointegrasi dikatakan signifikan jika mutlak nilai t-statistic> nilai t tabel 1,96.
Hasil Estimasi model VECM dengan lag optimum 2 dapat dilihat pada Tabel 16.
Tabel 16. Hasil Estimasi VECM Penjualan 6 Jenis Teh Hijau PT. Rumpun Sari
Cointegrating Eq CointEq1 CointEq2 CointEq3 CointEq4 CointEq5

Chun Mee 1.000000 0.000000 0.000000 0.000000 0.000000
Keringan Murni 0.000000 1.000000 0.000000 0.000000 0.000000
Lokal 2 0.000000 0.000000 1.000000 0.000000 0.000000
Kempring 0.000000 0.000000 0.000000 1.000000 0.000000
Dust 0.000000 0.000000 0.000000 0.000000 1.000000
-2.624981 13.32463 -1.910651 -1.052532 -0.027252
Tulang
[-7.77521] [6.54512] [-9.88842] [-6.80937] [-0.17275]
87
20112.68 -127239.7 9441.543 3828.858 -5309.176
C
[6.78696] [-7.12040] [5.56683] [2.82202] [-3.83417]
Berdasarkan Tabel 16, menunjukkan hasil regresi jangka panjang
hubungan chun mee, keringan murni, lokal 2, kempring, dust dan tulang
berdasarkan uji kointegrasi terdapat 5 indikasi kointegrasi. Kointegrasi pertama
yakni apabila penjualan keringan murni, lokal 2, kempring, dust meningkat satu
satuan maka tidak terjadi penurunan maupun peningkatan pada penjualan chun
mee akan tetapi, apabila penjualan tulang meningkat satu satuan maka
meningkatkan penjualan chun mee sebesar 2.624981 satu satuan. Kointegrasi
kedua yakni apabila penjualan lokal 2, kempring, dust meningkat satu satuan
maka tidak terjadi penurunan maupun peningkatan pada penjualan keringan murni
akan tetapi, apabila penjualan tulang meningkat satu satuan maka menurunkan
penjualan keringan murni sebesar 13.32463 satu satuan.
Kointegrasi ketiga yakni apabila penjualan kempring dan dust meningkat
satu satuan maka tidak terjadi penurunan maupun peningkatan pada penjualan
lokal 2 akan tetapi, apabila penjualan tulang meningkat satu satuan maka
meningkatkan penjualan lokal 2 sebesar 1.910651 satu satuan. Kointegrasi
keempat yakni apabila penjualan dust meningkat satu satuan maka tidak terjadi
penurunan maupun peningkatan pada penjualan kempring akan tetapi, apabila
penjualan tulang meningkat satu satuan maka meningkatkan penjualan kempring
sebesar 1.052532 satu satuan. Kointegrasi kelima tidak signifikan dengan nilai t-
statistic< nilai t tabel 1,96.
88
5.2 Peramalan Penjualan Chun Mee, Keringan Murni, Lokal 2, Kempring,
Dust dan Tulang
Peramalan penjualan chun mee, keringan murni, lokal 2, kempring, dust
dan tulang untuk periode Juli 2019-Desember 2020 mendatang dengan
memperhatikan pengaruh antar jenis teh hijau, dapat diketahui dengan
menggunakan analisis Impulse response function (IRF) dan Forecast Error
Variance Decomposition (FEVD). Secara lengkap dijelaskan sebagai berikut.
5.2.1 Impulse Response Function (IRF) 6 Jenis Teh Hijau
Analisis Impulse response function (IRF) digunakan untuk melacak respon
dari jenis teh hijau chun mee, keringan murni, lokal 2, kempring, dust dan tulang
selama periode Juli 2019-Desember 2020 mendatang karena, adanya guncangan
(shock) berupa kenaikan penjualan dari jenis teh hijau itu sendiri maupun jenis teh
hijau lainnya. Kenaikan penjualan yang akan terjadi pada 18 periode bulan
mendatang dikarenakan, pihak departemen pemasaran yang melakukan promosi
penjualan kepada para konsumen tetap, melihat produksi teh hijau yang sedang
melimpah. Pada umumnya produksi teh hijau yang dihasilkan oleh perusahaan
meningkat ketika musim penghujan tiba sedangkan, produksi teh hijau cenderung
menurun ketika menghadapi musim kemarau yang diakibatkan oleh banyaknya
serangan hama sehingga, mempengaruhi penurunan dan peningkatan kuantitas
penjualan pada beberapa jenis teh hijau.
89
Hasil grafik IRF model VECM dengan lag optimum 2 menunjukkan
pergerakan mendekati titik keseimbangan (nilai nol), yang artinya model VECM
lag 2 baik digunakan untuk peramalan penjualan chun mee, keringan murni, lokal
2, kempring, dust dan tulang periode Juli 2019-Desember 2020 mendatang.
Respon setiap variabel teh hijau dijelaskan sebagai berikut.
1. Response of Chun Mee

Response
Response to Cholesky One S.D. (d.f. to Cholesky
adjusted) Response
One S.D. (d.f.
Innovations adjusted) to Cholesky One S.D. (d.f. adjusted) Innovations
Innovations
Response of CHUN_MEE to CHUN_MEE Response of CHUN_MEE to KERINGAN_MURNI Response of CHUN_MEE to LOKAL_2
2,000 2,000 2,000
1,000 1,000 1,000
0 0 0
2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18
S.D.Response
Response to Cholesky One(a) to Cholesky
(d.f. adjusted) One(b)
Innovations S.D. Response
(d.f. adjusted) Innovations
to Cholesky One S.D.
(c) (d.f. adjusted) Innovations
Response of CHUN_MEE to KEMPRING Response of CHUN_MEE to DUST Response of CHUN_MEE to TULANG
2,000 2,000 2,000
1,000 1,000 1,000
0 0 0
2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18
(d) (e) (f)

Gambar 9. Response of Chun Mee
Respon pertama yang dianalisis adalah respon chun mee terhadap
guncangan dari chun mee itu sendiri. Berdasarkan Gambar 9 (a), respon yang
diberikan chun mee jika terjadi kenaikan penjualan pada chun mee sebesar satu
standar deviasi bernilai positif di sepanjang periode dan hanya pada periode ke 2
bernilai negatif. Respon chun mee pada periode ke 1 (Juli 2019) menunjukkan
peningkatan penjualan chun mee tertinggi sebanyak 2.387 kg, untuk periode ke 2
menurun sebanyak 105.558 kg. Pergerakan respon chun mee mengalami sedikit
90
fluktuasi peningkatan penjualan hingga akhir periode ke 18 (Des 2020). Dapat
disimpulkan apabila terjadi kenaikan penjualan pada chun mee akan direspon
secara fluktuasi dengan nilai positif oleh chun mee itu sendiri, yang artinya
penjualan chun mee akan meningkat dan mengalami penurunan penjualan hanya
pada periode ke 2 (Agust 2019).
Respon kedua yang dianalisis adalah respon chun mee terhadap guncangan
dari keringan murni. Berdasarkan Gambar 9 (b), respon yang diberikan chun mee
jika terjadi kenaikan penjualan pada keringan murni sebesar satu standar deviasi
benilai negatif di sepanjang periode. Respon chun mee pada periode ke 1 (Juli
2019) berada pada titik keseimbangan yang ditunjukkan dengan nilai nol, respon
chun mee benilai negatif pada periode ke 2 (Agust 2019) yang menunjukkan
penjualan chun mee akan menurun sebanyak 199.130 kg. Pergerakan respon chun
mee terus mengalami sedikit fluktuasi penurunan penjualan hingga akhir periode
ke 18 (Des 2020). Dapat disimpulkan apabila terjadi kenaikan penjualan pada
keringan murni akan direspon secara fluktuasi dengan nilai negatif oleh chun mee,
yang artinya penjualan chun mee akan menurun sepanjang 18 bulan mendatang.
Respon ketiga yang dianalisis adalah respon chun mee terhadap guncangan
dari lokal 2. Berdasarkan Gambar 9 (c), respon yang diberikan chun mee jika
terjadi kenaikan penjualan pada lokal 2 sebesar satu standar deviasi benilai positif
di sepanjang periode. Respon chun mee pada periode ke 1 (Juli 2019) berada pada
titik keseimbangan yang ditunjukkan dengan nilai nol, respon positif pada periode
ke 2 (Agust 2019) menunjukkan peningkatan penjualan chun mee sebanyak
332.427 kg. Pergerakan respon chun mee terus mengalami sedikit fluktuasi
91
peningkatan penjualan hingga akhir periode ke 18 (Des 2020). Dapat disimpulkan
apabila terjadi kenaikan penjualan pada lokal 2 akan direspon secara fluktuasi
dengan nilai positif oleh chun mee, yang artinya penjualan chun mee akan
meningkat sepanjang 18 bulan mendatang.
Respon keempat yang dianalisis adalah respon chun mee terhadap
guncangan dari kempring. Berdasarkan Gambar 9 (d), respon yang diberikan chun
mee jika terjadi kenaikan penjualan pada kempring sebesar satu standar deviasi
benilai negatif hanya pada periode ke 2, 3, 5, 6, 8, 11, 13, 16 dan positif. Respon
chun mee pada periode ke 1 (Juli 2019) berada pada titik keseimbangan yang
ditunjukkan dengan nilai nol, respon chun mee pada periode ke 2-3 (Agust-Sep
2019) benilai negatif menunjukkan penurunan penjualan chun mee sebanyak
111.745 kg dan 11.694 kg, periode ke 4 (Okt 2019) bernilai positif yang
menunjukkan penjualan chun mee meningkat sebanyak 111.810 kg. Pergerakan
respon chun mee terus mengalami sedikit fluktuasi penurunan (negatif) dan
peningkatan (positif) penjualan hingga akhir periode ke 18 (Des 2020). Dapat
disimpulkan apabila terjadi kenaikan penjualan pada kempring akan direspon
secara fluktuasi dengan kecenderungan positif oleh chun mee, yang artinya
penjualan chun mee akan meningkat dan mengalami penurunan penjualan pada
periode 2, 3, 5, 6, 8, 11, 13, 16 (Agust, Sep, Nov Des 2019 dan Feb, Mei, Agust
2020).
Respon kelima yang dianalisis adalah respon chun mee terhadap
guncangandari dust. Berdasarkan Gambar 9 (e), respon yang diberikan chun mee
jika terjadi kenaikan penjualan pada dust sebesar satu standar deviasi benilai
92
positif hanya pada periode 2, 3, 4, 6, 7 dan negatif. Respon chun mee pada periode
ke 1 (Juli 2019) berada pada titik keseimbangan yang ditunjukkan dengan nilai
nol, respon chun mee pada periode ke 2-4 (Agust-Okt 2019) bernilai positif yang
artinya penjualan chun mee meningkat, periode ke 5 (Nov 2019) respon chun mee
bernilai negatif dengan penurunan penjualan chun mee sebanyak 66.536 kg.
Pergerakan respon chun mee terus mengalami sedikit fluktuasi peningkatan
(positif) dan penurunan (negatif) penjualan hingga akhir periode ke 18 (Des
2020). Dapat disimpulkan apabila terjadi kenaikan penjualan pada dust akan
direspon secara fluktuasi dengan kecenderungan negatif oleh chun mee, yang
artinya penjualan chun mee akan menurun dan mengalami peningkatan penjualan
pada periode 2, 3, 4, 6, 7 (Agust, Sep, Nov Des 2019).
Respon keenam yang dianalisis adalah respon chun mee terhadap
guncangan dari tulang. Berdasarkan Gambar 9 (f), respon yang diberikan chun
mee jika terjadi kenaikan penjualan pada tulang sebesar satu standar deviasi
benilai positif dan negatif hanya pada periode ke 4. Respon chun mee terhadap
pada periode ke 1 (Juli 2019) berada pada titik keseimbangan yang ditunjukkan
dengan nilai nol, respon chun mee bernilai positif pada periode ke 2-3 (Agust-Sep
2019) yang artinya penjualan chun mee akan meningkat sebanyak 111.683 kg dan
419.747 kg, periode ke 4 (Okt 2019) bernilai negatif dengan penurunan penjualan
chun mee sebanyak 123.239 kg. Pergerakan respon chun mee terus mengalami
sedikit fluktuasi peningkatan penjualan hingga akhir periode ke 18 (Des 2020).
Dapat disimpulkan apabila terjadi kenaikan penjualan pada tulang akan direspon
secara fluktuasi dengan nilai positif oleh chun mee, yang artinya penjualan chun
93
mee akan meningkat dan mengalami penurunan penjualan hanya pada periode ke
4 (Okt 2019).
Response
Response to2.Cholesky of Keringan
One S.D. adjusted) Murni
(d.f. Response Innovations Response
to Cholesky One S.D. (d.f. adjusted) to Cholesky One S.D. (d.f. adjusted) Innovations
Innovations
Response of KERINGAN_MURNI to CHUN_MEE Response of KERINGAN_MURNI to KERINGAN_MURNI Response of KERINGAN_MURNI to LOKAL_2
6,000 6,000 6,000
4,000 4,000 4,000
2,000 2,000 2,000
0 0 0
2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18
S.D. Response
Response to Cholesky One(a) toInnovations
(d.f. adjusted) Cholesky One(b)
S.D. (d.f. adjusted)
Response Innovations
Response of KERINGAN_MURNI to KEMPRING Response of KERINGAN_MURNI to DUST Response of KERINGAN_MURNI to TULANG
6,000 6,000 6,000
4,000 4,000 4,000
2,000 2,000 2,000
0 0 0
2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18
(d) (e) (f)

Gambar 10. Response of Keringan Murni
Respon pertama yang dianalisis adalah respon keringan murni terhadap
guncangan dari chun mee. Berdasarkan Gambar 10 (a), respon yang diberikan
keringan murni jika terjadi kenaikan penjualan pada chun mee sebesar satu
standar deviasi benilai negatif di sepanjang periode. Respon keringan murni pada
periode ke 1 (Juli 2019) bernilai negatif yang artinya penjualan keringan murni
akan menurun sebanyak 126.396 kg. Pergerakan respon chun mee terus
mengalami sedikit fluktuasi penurunan penjualan hingga akhir periode ke 18 (Des
2020). Dapat disimpulkan apabila terjadi kenaikan penjualan pada chun mee akan
direspon secara fluktuasi dengan nilai negatif oleh keringan murni, yang artinya
penjualan keringan murni akan menurun sepanjang 18 bulan mendatang.
94
Respon kedua yang dianalisis adalah respon keringan murni terhadap
guncangan dari keringan murni itu sendiri. Berdasarkan Gambar 10 (b), respon
yang diberikan keringan murni jika terjadi kenaikan penjualan pada keringan
murni itu sendiri sebesar satu standar deviasi benilai positif di sepanjang periode.
Respon keringan murni pada periode ke 1 (Juli 2019) menunjukkan penjualan
tertinggi keringan murni yang meningkat sebanyak 6.581 kg. Pergerakan respon
chun mee terus mengalami fluktuasi peningkatan penjualan hingga akhir periode
ke 18 (Des 2020). Dapat disimpulkan apabila terjadi kenaikan penjualan pada
keringan murni secara signifikan akan berpengaruh positif pada peningkatan
penjualan keringan murni itu sendiri sepanjang 18 bulan mendatang.
Respon ketiga yang dianalisis adalah respon keringan murni terhadap
guncangan dari lokal 2. Berdasarkan Gambar 10 (c), respon yang diberikan
keringan murni jika terjadi kenaikan penjualan pada lokal 2 sebesar satu standar
deviasi benilai negatif di sepanjang periode. Respon keringan murni pada periode
ke 1 (Juli 2019) berada pada titik keseimbangan yang ditunjukkan dengan nilai
nol, untuk periode ke 2 (Agust 2019) respon keringan murni benilai negatif yang
artinya penjualan keringan murni akan menurun sebanyak 854.615 kg. Pergerakan
respon keringan murni terus mengalami sedikit fluktuasi penurunan penjualan
hingga akhir periode ke 18 (Des 2020). Dapat disimpulkan apabila terjadi
kenaikan penjualan pada lokal 2 akan direspon secara fluktuasi dengan nilai
negatif oleh keringan murni, yang artinya penjualan keringan murni akan
menurun sepanjang 18 bulan mendatang.
95
Respon keempat yang dianalisis adalah respon keringan murni terhadap
guncangan dari kempring. Berdasarkan Gambar 10 (d), respon yang diberikan
keringan murni jika terjadi kenaikan penjualan pada kempring sebesar satu
standar deviasi bernilai negatif dan positif hanya pada periode ke 8 dan 11.
Respon keringan murni pada periode ke 1 (Juli 2019) berada pada titik
keseimbangan yang ditunjukkan dengan nilai nol, periode ke 2 (Agust 2019)
respon keringan murni benilai negatif yang artinya penjualan keringan murni akan
menurun sebanyak 175.068 kg. Pergerakan respon keringan murni terus
mengalami sedikit fluktuasi penurunan penjualan hingga akhir periode ke 18 (Des
2020). Dapat disimpulkan apabila terjadi kenaikan penjualan dari kempring akan
direspon negatif oleh keringan murni, yang artinya penjualan keringan murni akan
menurun dan mengalami peningkatan penjualanhanya pada periode ke 8 dan 11
(Feb dan Mei 2020).
Respon kelima yang dianalisis adalah respon keringan murni terhadap
guncangan dari dust. Berdasarkan Gambar 10 (e), respon yang diberikan keringan
murni jika terjadi kenaikan penjualan pada dust sebesar satu standar deviasi
bernilai positif dan negatif hanya pada periode ke 4. Respon keringan murni pada
periode ke 1 (Juli 2019) berada pada titik keseimbangan yang ditunjukkan dengan
nilai nol, untuk periode ke 2 (Agust 2019) menunjukkan penjualan keringan murni
akan meningkat sebanyak 402.361 kg, untuk periode ke 4 (Okt 2019) bernilai
negatif dengan penurunan penjualan chun mee 87.340 kg. Pergerakan respon
keringan murni terus mengalami sedikit fluktuasi peningkatan penjualan hingga
akhir periode ke 18 (Des 2020). Dapat disimpulkan apabila terjadi kenaikan
96
penjualan dari dust akan direspon secara fluktuasi dengan nilai positif oleh
keringan murni, yang artinya penjualan keringan murni akan meningkat dan
mengalami penurunan penjualanhanya pada periode ke 4 (Okt 2019).
Respon keenam yang dianalisis adalah respon keringan murni terhadap
guncangan dari tulang. Berdasarkan Gambar 10 (a), respon yang diberikan
keringan murni jika terjadi kenaikan penjualan pada tulang sebesar satu standar
deviasi bernilai positif hanya pada periode ke 2 dan negatif di sepanjang periode.
Respon keringan murni pada periode ke 1 (Juli 2019) berada pada titik
keseimbangan yang ditunjukkan dengan nilai nol, periode ke 2 (Agust 2019)
bernilai positif dengan peningkatan penjualan keringan murni sebanyak 339.991
kg, periode ke 3 bernilai negatif dengan penurunan penjualan keringan murni
sebanyak 797.760 kg. Pergerakan respon keringan murni terus mengalami sedikit
fluktuasi penurunan penjualan hingga akhir periode ke 18 (Des 2020). Dapat
disimpulkan apabila terjadi kenaikan penjualan dari tulang akan direspon secara
fluktuasi dengan nilai negatif oleh keringan murni, yang artinya penjualan
keringan murni akan menurun dan mengalami peningkatan penjualanhanya pada
periode ke 2 (Agust 2019).
97
Response
Response to3.Cholesky One of Lokal
S.D. 2 to Cholesky
(d.f. adjusted)
One S.D. (d.f. adjusted)toInnovations
Response Cholesky One S.D. (d.f. adjusted) Innovations
Response of LOKAL_2 to CHUN_MEE Response of LOKAL_2 to KERINGAN_MURNI Response of LOKAL_2 to LOKAL_2
2,000 2,000 2,000
1,000 1,000 1,000
0 0 0
2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18
(a)S.D.Response
Response to Cholesky One to Cholesky
(d.f. adjusted) (b)S.D.Response
One
Innovations to Cholesky
(d.f. adjusted) One S.D.
Innovations (c) (d.f. adjusted) Innovations
Response of LOKAL_2 to KEMPRING Response of LOKAL_2 to DUST Response of LOKAL_2 to TULANG
2,000 2,000 2,000
1,000 1,000 1,000
0 0 0
2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18
(d) (e) (f)

Gambar 11. Response of Lokal 2
Respon pertama yang dianalisis adalah respon lokal 2 terhadap guncangan
dari chun mee. Berdasarkan Gambar 11 (a), respon yang diberikan lokal 2 jika
terjadi kenaikan penjualan pada chun mee sebesar satu standar deviasi benilai
positif di sepanjang periode. Respon lokal 2 pada periode ke 1 (Juli 2019)
menunjukkan peningkatan penjualan lokal 2 sebanyak 793.920 kg. Pergerakan
respon lokal 2 terus mengalami sedikit fluktuasi peningkatan penjualan hingga
akhir periode ke 18 (Des 2020). Dapat disimpulkan apabila terjadi kenaikan
penjualan dari chun mee akan direspon secara fluktuasi dengan nilai positif oleh
98
lokal 2, yang artinya penjualan lokal 2 akan meningkat disepanjang 18 bulan
mendatang.
Respon kedua yang dianalisis adalah respon lokal 2 terhadap guncangan
dari keringan murni. Berdasarkan Gambar 11 (b), respon yang diberikan lokal 2
jika terjadi kenaikan penjualan pada keringan murni sebesar satu standar deviasi
bernilai negatif di sepanjang periode. Respon lokal 2 pada periode ke 1 (Juli 2019)
menunjukkan penjualan lokal 2 menurun sebanyak 144.073 kg, Pergerakan respon
lokal 2 terus mengalami sedikit fluktuasi penurunan penjualan hingga akhir
periode ke 18 (Des 2020). Dapat disimpulkan apabila terjadi kenaikan penjualan
dari keringan murni akan direspon secara fluktuatif dengan nilai negatif oleh lokal
2, yang artinya penjualan lokal 2 akan menurun disepanjang 18 bulan mendatang.
Respon ketiga yang dianalisis adalah respon lokal 2 terhadap guncangan
dari lokal 2 itu sendiri. Berdasarkan Gambar 11 (c), respon yang diberikan lokal 2
jika terjadi kenaikan penjualan pada lokal 2 sebesar satu standar deviasi bernilai
positif di sepanjang periode. Respon lokal 2 pada periode ke 1 (Juli 2019)
menunjukkan peningkatan penjualan lokal 2 tertinggi sebanyak 2.802 kg.
Pergerakan respon lokal 2 terus mengalami sedikit fluktuasi peningkatan
penjualan hingga akhir periode ke 18 (Des 2020). Dapat disimpulkan, apabila
terjadi kenaikan penjualan dari lokal 2 secara signifikan akan berpengaruh positif
pada peningkatan penjualan lokal 2 itu sendiri sepanjang 18 bulan mendatang.
Respon keempat yang dianalisis adalah respon lokal 2 terhadap guncangan
dari kempring. Berdasarkan Gambar 11 (d), respon yang diberikan lokal 2 jika
terjadi kenaikan penjualan pada kempring sebesar satu standar deviasi bernilai
99
positif dan negatif hanya pada periode ke 7, 9, 10, 12, 15. Respon chun mee pada
nilai nol, untuk periode ke 2-6 (Agust-Des 2019) bernilai positif yang artinya
terjadi peningkatan penjualan lokal 2, periode ke 7 (Jan 2020) bernilai negatif
dengan penurunan penjualan lokal 2 sebanyak 99.795 kg. Pergerakan respon lokal
2 terhadap kenaikan penjualan dari kempring terus mengalami sedikit fluktuasi
peningkatan dan penurunan penjualan hingga akhir periode ke 18 (Des 2020).
Dapat disimpulkan, apabila terjadi kenaikan penjualan dari kempring akan
direspon secara fluktuasi dengan kecenderungan positif oleh lokal 2, yang artinya
penjualan lokal 2 akan meningkat dan mengalami penurunan penjualan pada
periode ke 7, 9, 10, 12, 15 (Jan, Mar, April, Juni, Sep 2020).
Respon kelima yang dianalisis adalah respon lokal 2 terhadap guncangan
dari dust. Berdasarkan Gambar 11 (e), respon yang diberikan lokal 2 jika terjadi
kenaikan penjualan pada dust sebesar satu standar deviasi bernilai positif hanya
pada periode ke 2-5, 8 dan negatif. Respon lokal 2 pada periode ke 1 (Juli 2019)
berada pada titik keseimbangan yang ditunjukkan dengan nilai nol, untuk periode
ke 2-5 (Agust-Nov 2019) dan ke 8 (Feb 2020) bernilai positif yang artinya terjadi
peningkatan penjualan lokal 2, periode 6-7 bernilai negatif dengan penurunan
penjualan lokal 2 sebanyak 5.044 kg dan 14.816 kg. Pergerakan respon lokal 2
terus mengalami sedikit fluktuasi peningkatan (positif) dan penurunan (negatif)
penjualan hingga akhir periode ke 18 (Des 2020). Dapat disimpulkan apabila
terjadi kenaikan penjualan dari dust akan direspon secara fluktuatif dengan
kecenderungan nilai negatif oleh lokal 2, yang artinya penjualan lokal 2 akan
100
menurun dan mengalami peningkatan penjualan hanya pada periode ke 2-5, 8
(Agust-Nov 2019 dan Feb 2020).
Respon keenam yang dianalisis adalah respon lokal 2 terhadap guncangan
(shock) dari tulang. Berdasarkan Gambar 11 (f), respon yang diberikan lokal 2
jika terjadi kenaikan penjualan pada tulang sebesar satu standar deviasi bernilai
positif di sepanjang periode. Respon lokal 2 pada periode ke 1 (Juli 2019) berada
pada titik keseimbangan yang ditunjukkan dengan nilai nol, periode ke 2 bernilai
positif dengan peningkatan penjualan lokal 2 sebanyak 90.617 kg. Pergerakan
respon lokal 2 terus mengalami fluktuasi peningkatan penjualan hingga akhir
periode ke 18 (Des 2020). Dapat disimpulkan apabila terjadi kenaikan penjualan
dari tulang akan direspon secara fluktuatif dengan nilai positif oleh lokal 2, yang
artinya penjualan lokal 2 akan meningkat sepanjang 18 bulan mendatang.
Response
Response to4.Cholesky One of Kempring
S.D. (d.f. adjusted)
to Cholesky One S.D. (d.f. adjusted)toInnovations
Response of KEMPRING to CHUN_MEE Response of KEMPRING to KERINGAN_MURNI Response of KEMPRING to LOKAL_2
2,000 2,000 2,000
1,000 1,000 1,000
0 0 0
2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18
(a)S.D.Response
(d.f. adjusted) One
(b)S.D.Response
Innovations (d.f. adjusted) Innovations
Response of KEMPRING to KEMPRING Response of KEMPRING to DUST Response of KEMPRING to TULANG
2,000 2,000 2,000
1,000 1,000 1,000
0 0 0
2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18
(d) (e) (f)

Gambar 12. Response of Kempring
101
Respon pertama yang dianalisis adalah respon kempring terhadap
guncangan dari chun mee. Berdasarkan Gambar 12 (a), respon yang diberikan
kempring jika terjadi kenaikan penjualan pada chun mee sebesar satu standar
deviasi bernilai positif di sepanjang periode. Respon kempring pada periode ke 1
(Juli 2019) bernilai positif yang artinya terjadi peningkatan penjualan kempring
sebanyak 11.965 kg. Pergerakan respon kempring terus mengalami sedikit
disimpulkan apabila terjadi kenaikan penjualan dari chun mee akan direspon
secara fluktuatif dengan nilai positif oleh kempring, yang artinya penjualan
kempring akan meningkat sepanjang 18 bulan mendatang.
Respon kedua yang dianalisis adalah respon kempring terhadap guncangan
(shock) dari keringan murni. Berdasarkan Gambar 12 (b), respon yang diberikan
kempring jika terjadi kenaikan penjualan pada keringan murni sebesar satu
standar deviasi bernilai negatif di sepanjang periode. Respon kempring pada
periode ke 1 (Juli 2019) menunjukkan penjualan kempring akan menurun
sebanyak 103.345 kg. Pergerakan respon kempring terus mengalami sedikit
fluktuasi penurunan penjualan hingga akhir periode ke 18 (Des 2020). Dapat
disimpulkan apabila terjadi kenaikan penjualan dari keringan murni akan direspon
secara fluktuatif dengan nilai negatif oleh kempring, yang artinya penjualan
kempring menurun sepanjang 18 bulan mendatang.
Respon ketiga yang dianalisis adalah respon kempring terhadap guncangan
dari lokal 2. Berdasarkan Gambar 12 (c), respon yang diberikan kempring jika
terjadi kenaikan penjualan pada lokal 2 sebesar satu standar deviasi bernilai
102
positif dan negatif hanya pada periode ke 3. Respon kempring pada periode ke 1
(Juli 2019) menunjukkan peningkatan penjualan kempring tertinggi sebanyak
1.135 kg, periode ke 2 (Agust 2019) hanya meningkat sebanyak 642.610 kg,
untuk periode ke 3 (Sep 2019) bernilai negatif dengan penurunan penjualan
kempring sebanyak 97.555 kg. Pergerakan respon kempring terus mengalami
sedikit fluktuasi peningkatan penjualan hingga akhir periode ke 18 (Des 2020).
Dapat disimpulkan, apabila terjadi kenaikan penjualan dari lokal 2 akan direspon
secara fluktuatif dengan nilai positif oleh kempring, yang artinya penjualan
kempring meningkat dan mengalami penurunan penjualan hanya pada periode ke
3 (Sep 2019).
Respon keempat yang dianalisis adalah respon kempring terhadap
guncangan dari kempring itu sendiri. Berdasarkan Gambar 12 (d), respon yang
diberikan kempring jika terjadi kenaikan penjualan pada kempring sebesar satu
standar deviasi bernilai positif dan negatif hanya pada periode ke 7, 8, 10, 12, 14,
18. Respon kempring pada periode ke 1-6 (Juli-Des 2019) bernilai positif yang
artinya terjadi peningkatan penjualan kempring, periode ke 7-8 (Jan-Feb 2020)
bernilai negatif dengan penurunan kempring sebanyak 5.629 kg dan 18.207 kg.
Pergerakan respon kempring terus mengalami sedikit fluktuasi peningkatan
(positif) dan penurunan (negatif) penjualan hingga akhir periode ke 18 (Des
2020). Dapat disimpulkan, apabila terjadi kenaikan penjualan dari kempring akan
direspon secara fluktuatif dengan kecenderungan positif oleh kempring, yang
artinya penjualan kempring akan meningkat dan mengalami penurunan penjualan
pada periode ke 7, 8, 10, 12, 14, 18 (Jan, Feb, April, Juni, Agust 2019).
103
Respon kelima yang dianalisis adalah respon kempring terhadap
guncangan dari dust. Berdasarkan Gambar 12 (e), respon yang diberikan
kempring jika terjadi kenaikan penjualan pada dust sebesar satu standar deviasi
bernilai positif hanya pada periode 2-6, 8 dan negatif. Respon chun mee pada
nilai nol, periode ke 2-6 (Agust 2019) bernilai positif yang artinya terjadi
peningkatan penjualan kempring, periode ke 7 bernilai negatif dengan penurunan
penjualan sebanyak 10.434 kg. Pergerakan respon kempring terus mengalami
sedikit fluktuasi peningkatan (positif) dan penurunan (negatif) penjualan hingga
akhir periode ke 18 (Des 2020). Dapat disimpulkan, apabila terjadi kenaikan
penjualan dari dust akan direspon secara fluktuatif dengan kecenderungan negatif
oleh kempring, yang artinya penjualan kempring akan menurun dan mengalami
peningkatan penjualan hanya pada periode ke 2-6, 8 (Agust-Des 2019, Feb 2020).
Respon keenam yang dianalisis adalah respon kempring terhadap
guncangan dari tulang. Berdasarkan Gambar 12 (f), respon yang diberikan
kempring jika terjadi kenaikan penjualan pada tulang sebesar satu standar deviasi
bernilai negatif hanya pada periode ke 2, 6 dan positif. Respon kempring pada
nilai nol, untuk periode ke 2 (Agust 2019) bernilai negatif yang artinya terjadi
penurunan penjualan kempring sebanyak 386.551 kg, periode ke 3 (Sep 2019)
bernilai positif dengan peningkatan penjualan kempring sebanyak 93.712 kg.
Pergerakan respon kempring terus mengalami sedikit fluktuasi peningkatan
penjualan hingga akhir periode ke 18 (Des 2020). Dapat disimpulkan, apabila
104
terjadi kenaikan penjualan dari tulang akan direspon secara fluktuatif dengan nilai
positif oleh kempring, yang artinya penjualan kempring akan meningkat dan
mengalami penurunan penjualan hanya pada periode ke 2 dan 6 (Agust dan Des
2019).
Response
Response to5.Cholesky One of Dust
S.D. Response to Cholesky
(d.f. adjusted) One S.D.Response
Innovations (d.f. adjusted) Innovations
to Cholesky One S.D. (d.f. adjusted) Innovations
Response of DUST to CHUN_MEE Response of DUST to KERINGAN_MURNI Response of DUST to LOKAL_2
2,000 2,000 2,000
1,000 1,000 1,000
0 0 0
2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18
Response to Cholesky One

(a)S.D. Response
to Cholesky One
(b)S.D.Response
to Cholesky One (c)
S.D. (d.f. adjusted) Innovations
Response of DUST to KEMPRING Response of DUST to DUST Response of DUST to TULANG
2,000 2,000 2,000
1,000 1,000 1,000
0 0 0
2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18
(d) (e) (f)

Gambar 13. Response of Dust
Respon pertama yang dianalisis adalah respon dust terhadap guncangan
dari chun mee. Berdasarkan Gambar 13 (a), respon yang diberikan dust jika
terjadi kenaikan penjualan pada chun mee sebesar satu standar deviasi bernilai
positif dan negatif hanya pada periode ke 4 dan 12. Respon dust pada periode ke
1-3 (Juli-Sep 2019) bernilai positif yang artinya terjadi peningkatan penjualan
dust, pada periode ke 4 (Okt 2019) bernilai negatif dengan penurunan penjualan
dust sebanyak 165.362 kg. Pergerakan respon dust terus mengalami sedikit
105
disimpulkan, apabila terjadi kenaikan penjualan dari chun mee akan direspon
secara fluktuatif dengan nilai positif oleh dust, yang artinya penjualan dust akan
meningkat dan mengalami penurunan penjualan hanya pada periode ke 4 dan 12
(Okt dan Juni 2019).
Respon kedua yang dianalisis adalah respon dust terhadap guncangan dari
keringan murni. Berdasarkan Gambar 13 (b), respon yang diberikan dust jika
terjadi kenaikan penjualan pada keringan murni sebesar satu standar deviasi
bernilai negatif dan positif hanya pada periode ke 2-4, 6-7, 9, 11. Respon dust
pada periode ke 1 (Juli 2019) bernilai negatif yang artinya terjadi penurunan
penjualan dust sebanyak 102.171 kg, periode ke 2 bernilai positif dengan
peningkatan penjualan dust sebanyak 143.782 kg. Pergerakan respon keringan
murni terus mengalami sedikit fluktuasi penurunan (negatif) dan peningkatan
(positif) penjualan hingga akhir periode ke 18 (Des 2020). Dapat disimpulkan,
apabila terjadi kenaikan penjualan dari keringan murni akan direspon secara
fluktuasi dengan kecenderungan negatif oleh dust, yang artinya penjualan dust
akan menurun dan akan mengalami peningkatan penjualan pada periode ke 2-4, 6-
7, 9, 11 (Agust-Okt, Des 2019 dan Jan 2020, Mar, Mei 2020).
Respon ketiga yang dianalisis adalah respon dust terhadap guncangan dari
lokal 2. Berdasarkan Gambar 13 (c), respon yang diberikan dust jika terjadi
kenaikan penjualan pada lokal 2 sebesar satu standar deviasi bernilai positif dan
negatif hanya pada periode ke 3-4, 6, 8, 11, 14, 16. Respon dust pada periode ke
1-2 (Juli-Agust 2019) bernilai positif yang artinya terjadi peningkatan penjualan
dust sebanyak 259.225 kg dan 748.910 kg, periode ke 3-4 bernilai negatif dengan
106
penurunan penjualan dust sebanyak 199.007 kg dan 48.019 kg. Pergerakan respon
dust terus mengalami sedikit fluktuasi peningkatan (positif) dan penurunan
(negatif) penjualan hingga akhir periode ke 18 (Des 2020). Dapat disimpulkan,
apabila terjadi kenaikan penjualan dari lokal 2 akan direspon secara fluktuasi
dengan kecenderungan positif oleh dust, yang artinya penjualan dust akan
meningkat dan mengalami penurunan penjualan pada periode ke 3-4, 6, 8, 11, 14,
16 (Sep-Okt, Des 2019 dan Feb, Mei, Juli 2020).
Respon keempat yang dianalisis adalah respon dust terhadap guncangan
dari kempring. Berdasarkan Gambar 13 (d), respon yang diberikan dust jika
terjadi kenaikan penjualan pada kempring sebesar satu standar deviasi bernilai
positif dan negatif hanya pada periode ke 3, 5, 7, 10, 11, 13, 15, 18. Respon dust
pada periode ke 1-2 (Juli-Agust 2019) bernilai positif yang artinya terjadi
peningkatan penjualan dust sebanyak 547.252 kg dan 338.521 kg, periode ke 2
bernilai negatif dengan penurunan penjualan dust sebanyak 106.043 kg.
Pergerakan respon dust terus mengalami sedikit fluktuasi peningkatan (positif)
dan penurunan (negatif) penjualan hingga akhir periode ke 18 (Des 2020). Dapat
disimpulkan, apabila terjadi kenaikan penjualan dari kempring akan direspon
secara fluktuasi dengan kecenderungan positif oleh dust, yang artinya penjualan
dust akan meningkat dan mengalami penurunan penjualan pada periode ke 3, 5, 7,
10, 11, 13, 15, 18 (Sep, Nov 2019 dan Jan, April, Mei, Juli, Sep, Des 2020).
Respon kelima yang dianalisis adalah respon dust terhadap guncangan dari
dust itu sendiri. Berdasarkan Gambar 13 (e), respon yang diberikan dust jika
terjadi kenaikan penjualan pada dust sebesar satu standar deviasi bernilai positif
107
dan negatif hanya pada periode ke 2, 6, 7, 10, 14, 18. Respon chun mee pada
periode ke 1 (Juli 2019) bernilai positif yang artinya terjadi peningkatan penjualan
dust tertinggi sebanyak 2.488 kg, periode ke 2 bernilai negatif dengan penurunan
penjualan dust sebanyak 352.354,7 kg. Pergerakan respon dust terus mengalami
sedikit fluktuasi peningkatan (positif) dan penurunan (negatif) penjualan hingga
akhir periode ke 18 (Des 2020). Dapat disimpulkan, apabila terjadi kenaikan
penjualan dari dust akan direspon secara fluktuasi dengan kecenderungan positif
oleh dust, yang artinya penjualan dust akan meningkat dan mengalami penurunan
penjualan pada periode ke 2, 6, 7, 10, 14, 18 (Agust, Des 2019 dan Jan, April,
Agust, Des 2020).
Respon keenam yang dianalisis adalah respon dust terhadap guncangan
dari tulang. Berdasarkan Gambar 13 (f), respon yang diberikan dust jika terjadi
kenaikan penjualan pada tulang sebesar satu standar deviasi bernilai positif dan
negatif hanya pada periode ke 3, 6, 9, 11, 14. Respon dust pada periode ke 1 (Juli
2019) berada pada titik keseimbangan yang ditunjukkan dengan nilai nol, periode
ke 2 (Agust 2019) bernilai positif yang artinya terjadi peningkatan penjualan
sebanyak 519.832 kg, periode ke 3 bernilai negatif dengan penurunan penjualan
dust sebanyak 344.504 kg.Pergerakan respon dust terus mengalami sedikit
fluktuasi peningkatan (positif) dan penurunan (negatif) penjualan hingga akhir
periode ke 18 (Des 2020). Dapat disimpulkan, apabila terjadi kenaikan penjualan
dari tulang akan direspon secara fluktuasi dengan kecenderungan positif oleh dust,
yang artinya penjualan dust akan meningkat dan mengalami penurunan penjualan
pada periode ke 3, 6, 9, 11, 14 (Sep, Des 2019 dan Mar, Mei, Agust 2020).
108
Response
Response to6.Cholesky One of Tulang
S.D. Response to Cholesky
(d.f. adjusted) One S.D. (d.f.
Innovations adjusted)toInnovations
Response of TULANG to CHUN_MEE Response of TULANG to KERINGAN_MURNI Response of TULANG to LOKAL_2
2,000 2,000 2,000
1,000 1,000 1,000
0 0 0
2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18
(a)S.D.Response
(d.f. adjusted) (b)S.D.Response
One
Innovations to Cholesky
(d.f. adjusted) One S.D.
Innovations (c) (d.f. adjusted) Innovations
Response of TULANG to KEMPRING Response of TULANG to DUST Response of TULANG to TULANG
2,000 2,000 2,000
1,000 1,000 1,000
0 0 0
2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18
(d) (e) (f)

Gambar 14. Response of Tulang
Respon pertama yang dianalisis adalah respon tulang terhadap guncangan
dari chun mee. Berdasarkan Gambar 14 (a), respon yang diberikan tulang jika
terjadi kenaikan penjualan dari chun mee sebesar satu standar deviasi bernilai
positif dan negatif hanya pada periode ke 4. Respon tulang pada periode ke 1-3
(Juli-Sep 2019) bernilai positif yang artinya terjadi peningkatan penjualan
tulang,periode ke 4 (Okt 2019) bernilai negatif dengan penurunan penjualan
tulang sebanyak 44.331 kg. Pergerakan respon tulang terus mengalami sedikit
109
disimpulkan, apabila terjadi kenaikan penjualan dari chun mee akan direspon
secara fluktuasi dengan nilai positif oleh tulang, yang artinya penjualan tulang
akan meningkat dan mengalami penurunan penjualan hanya pada periode ke 4
(Okt 2019).
Respon kedua yang dianalisis adalah respon tulang terhadap guncangan
dari keringan murni. Berdasarkan Gambar 14 (b), respon yang diberikan tulang
jika terjadi kenaikan penjualan dari keringan murni sebesar satu standar deviasi
bernilai positif hanya pada periode ke 1-2 dan negatif. Respon tulang pada periode
ke 1-2 (Juli-Agust 2019) bernilai positif yang artinya terjadi peningkatan
penjualan tulang sebanyak 527.198 kg dan 13.544 kg. Pergerakan respon tulang
terus mengalami sedikit fluktuasi penurunan penjualan hingga akhir periode ke 18
(Des 2020). Dapat disimpulkan, apabila terjadi kenaikan penjualan dari keringan
murni akan direspon secara fluktuasi dengan kecenderungan negatif oleh tulang,
yang artinya penjualan tulang akan menurun dan mengalami peningkatan
penjualan hanya pada periode ke 1-2 (Juli-Agust 2019).
Respon ketiga yang dianalisis adalah respon tulang terhadap guncangan
dari lokal 2. Berdasarkan Gambar 14 (c), respon yang diberikan tulang jika terjadi
kenaikan penjualan dari lokal 2 sebesar satu standar deviasi bernilai positif dan
negatif hanya pada periode ke 4 (Okt 2019). Respon tulang pada periode ke 1-3
(Juli-Sep 2019) bernilai positif yang artinya terjadi peningkatan penjualan
tulang,periode ke 4 (Okt 2019) bernilai negatif dengan penurunan penjualan chun
mee sebanyak 148.116 kg. Pergerakan respon tulang terus mengalami sedikit
110
disimpulkan, apabila terjadi kenaikan penjualan dari lokal 2 akan direspon secara
fluktuasi dengan nilai positif oleh tulang, yang artinya penjualan tulang akan
meningkat dan mengalami penurunan penjualan hanya pada periode ke 4 (Okt
2019).
Respon keempat yang dianalisis adalah respon tulang terhadap guncangan
dari kempring. Berdasarkan Gambar 14 (d), respon yang diberikan tulang jika
terjadi kenaikan penjualan dari kempring sebesar satu standar deviasi bernilai
positif dan negatif hanya pada periode ke 3-4, 7-9, 11-12, 14. Respon tulang pada
periode ke 1-2 (Juli-Sep 2019) bernilai positif yang artinya terjadi peningkatan
penjualan tulang sebanyak 954.982 kg dan 353.600 periode ke 3-4 (Okt-Nov
2019) bernilai negatif dengan penurunan penjualan tulang sebanyak 181.398 kg
dan 378.898 kg. Pergerakan respon tulang terus mengalami sedikit fluktuasi
peningkatan (positif) dan penurunan (negatif) penjualan hingga akhir periode ke
18 (Des 2020). Dapat disimpulkan, apabila terjadi kenaikan penjualan dari
kempring akan direspon secara fluktuasi dengan kecenderungan positif oleh
tulang, yang artinya penjualan tulang akan meningkat dan mengalami penurunan
penjualan pada periode ke 3-4, 7-9, 11-12, 14 (Sep-Okt 2019 dan Jan, Mar, Mei,
Juni, Agust 2020).
Respon kelima yang dianalisis adalah respon tulang terhadap guncangan
dari dust. Berdasarkan Gambar 14 (e), respon yang diberikan tulang jika terjadi
kenaikan penjualan dari dust sebesar satu standar deviasi bernilai positif hanya
pada periode ke 1-3, 5 dan negatif. Respon tulang pada periode ke 1-3 (Juli-Sep
2019) bernilai positif yang artinya terjadi peningkatan penjualan tulang,periode ke
111
4 (Okt 2019) bernilai negatif dengan penurunan penjualan tulang sebanyak 72.957
kg, periode ke 5 (Nov 2019) penjualan tulang kembali bernilai positif dengan
peningkatan penjualan tulang sebanyak 36.013 kg. Pergerakan respon tulang terus
mengalami sedikit fluktuasi penurunan penjualan dari periode ke 6 hingga akhir
periode ke 18 (Des 2019 dan Des 2020). Dapat disimpulkan, apabila terjadi
kenaikan penjualan dari dust akan direspon secara fluktuasi dengan nilai negatif
oleh tulang, yang artinya penjualan tulang akan menurun dan mengalami
peningkatan penjualan hanya pada periode ke 1-3, 5 (Juli-Sep, Nov 2019).
Respon keenam yang dianalisis adalah respon tulang terhadap guncangan
dari tulang itu sendiri. Berdasarkan Gambar 14 (f), respon yang diberikan tulang
jika terjadi kenaikan penjualan dari tulang sebesar satu standar deviasi bernilai
positif dan negatif hanya pada periode ke 2-3. Respon tulang pada periode ke 1
(Juli 2019) menunjukkan peningkatan penjualan tulang tertinggi sebanyak 2.421
kg, periode ke 2-3 (Agust-Sep 2019) bernilai negatif yang dengan penurunan
penjualan tulang sebanyak 108.452 kg dan 46.725 kg. Pergerakan respon tulang
terus mengalami sedikit fluktuasi peningkatan penjualan penjualan hingga akhir
periode ke 18 (Des 2020). Dapat disimpulkan, apabila terjadi kenaikan penjualan
dari tulang akan direspon secara fluktuasi dengan nilai positif oleh tulang itu
sendiri, yang artinya penjualan tulang akan meningkat dan mengalami penurunan
penjualan hanya pada periode ke 2-3 (Agust-Sep 2019).
Selama periode 18 bulan mendatang kenaikan penjualandari keringan
murni cenderung direspon negatif oleh 5 jenis teh hijau lainnya kecuali keringan
murni itu sendiri. Kondisi ini sejalan dengan kuantitas penjualan keringan murni
112
yang selalu lebih tinggi dari pada chun mee, lokal 2, kempring, dust dan tulang.
Kenaikan penjualan dari chun mee, lokal 2 dan tulang cenderung direspon positif
hampir pada semua jenis teh hijau sehingga,terjadi peningkatan penjualan selama
18 periode bulan mendatang. Karena kenaikan penjualan dari chun mee, lokal 2
dan tulang cenderung bernilai positif hampir pada semua jenis teh hijau maka,
ketiga jenis teh hijau tersebut dapat dijadikan rekomendasi produk unggulan bagi
perusahaan. Rangkuman respon 6 jenis teh hijau karena, adanya kenaikan
penjualan dari masing-masing 6 jenis teh hijau selama periode Juli 2019-
Desember 2020 mendatang, dapat dilihat pada Tabel 17.
Tabel 17. Respon dan Guncangan Masing-Masing Jenis Teh Hijau
Respon
Guncangan Chun Keringan
Lokal 2 Kempring Dust Tulang
Mee Murni
Chun Mee Positif Negatif Positif Positif Positif Positif
Keringan Positif
Negatif Positif Negatif Negatif Negatif
Murni &Negatif
Positif
Lokal 2 Positif Negatif Positif Positif Positif
&Negatif
Positif Positif Positif & Positif Positif
Kempring Negatif
&Negatif &Negatif Negatif &Negatif &Negatif
Positif Positif Positif Positif Positif
Dust Positif
&Negatif &Negatif &Negatif &Negatif &Negatif
Positif
Tulang Positif Negatif Positif Positif Positif
&Negatif
Keterangan :
Positif = Peningkatan Penjualan
Negatif = Penurunan Penjualan
Secara keseluruhan, pergerakan respon 6 jenis teh hijau karena adanya
kenaikan penjualan dari masing-masing 6 jenis teh hijau cukup berfluktuasi,
dengan nilai negatif dan positif dari periode ke 1-8 sedangkan, dari periode ke 9
113
hingga akhir periode ke 18 cenderung stabil. Guncangan negatif pada bulan Juli-
September 2019 kemungkinan akan terjadi musim kemarau, dengan curah hujan
yang sangat rendah di kabupaten Karanganyar sebesar <150 mm/bulan. Pada
musim kemarau inilah tanaman teh cenderung lebih rentan terserang hama
seperti,empoasca (wereng hijau), mithe (tungau jingga), ulat penggulung (pucuk
dan daun)sehingga, menyebabkan tanaman teh banyak yang mengalami kerusakan
dan mempengaruhi jenis teh hijau yang dapat dihasilkan.
Guncangan positif terjadi pada bulan Oktober 2019 disebabkan karena,
kemungkinan akan mulai memasuki pergantian ke musim penghujan hingga
Februari 2020. Walaupun pada bulan Oktober kemungkinan akan memasuki
pergantian musim penghujan, curah hujan masih berfluktuasi dengan rata-rata
sebesar > 390 mm sehingga, hanya beberapa jenis teh hijau yang mengalami
peningkatan penjualan. Biasanya ketika memasuki pergantian ke musim
penghujan, tanaman teh masih berada dalam masa pemulihan dari serangan hama
yang terjadi pada musim kemarau bulan sebelumnya kemudian, tanaman teh akan
mengalami pertumbuhan pucuk-pucuk teh baru yang hampir merata pada setiap
blok perkebunan, yang dibantu juga dengan pemberian pupuk. Data curah hujan
di kabupaten Karanganyar dapat dilihat pada Gambar 21.
5.2.2 Forecast Error Variance Decomposition (FEVD) 6 Jenis Teh Hijau
Analisis Forecast Error Variance Decomposition(FEVD) digunakan untuk
memprediksi kontribusi persentase varian setiap jenis teh hijau karena, adanya
perubahan jenis teh hijau tertentu dan dapat dilihat kekuatan serta kelemahan
114
masing-masing jenis teh hijau dalam jangka panjang. Pada diagram FEVD di
bawah ini garis vertikal menunjukkan kontribusi persentase jenis teh hijau dan
garis horizontal menunjukkan periode 18 bulan mendatang. Hasil Variance
Decomposition chun mee, keringan murni, lokal 2, kempring, dust dan tulang
periode Juli 2019-Desember 2020 dijelaskan sebagai berikut.
1. Forecast Error Variance Decomposition (FEVD) Chun Mee
Hasil FEVD Chun mee menunjukkan bahwa, peramalan penjualan chun
mee untuk 18 periode mendatang (Juli 2019-Des 2020) mengalami penurunan
cukup banyak, yang dipengaruhi oleh penjualan keringan murni, lokal 2, dust dan
tulang. Pada periode periode ke 1 dan 2 (Juli-Agustus 2019) penjualan chun mee
dipengaruhi oleh penjualan chun mee itu sendiri dengan persentase varian sebesar
100% dan 96%. Mulai periode ke 3 hingga akhir periode ke 18 (Sept 2019-Des
2020) penurunan penjualan chun mee dipengaruhi oleh penjualan keringan murni
dengan persentase varian yang menguat sebesar 6%-29%, untuk lokal 2 menguat
sebesar 1%-8%, dust sangat lemah sebesar 1% dan hanya untuk periode ke 4-7
(Okt 2019-Jan 2020), serta tulang menguat sebesar 2-6%. Secara keseluruhan,
hasil FEVD penjualan chun mee untuk periode 18 bulan ke depan (Juli 2019-Des
2020) mengalami penurunan, yang pengaruhnya didominasi oleh chun mee itu
sendiri dan ketiga jenis teh hijau lain yakni keringan murni, lokal 2 dan tulang.
Keringan murni memberikan pengaruh penurunan penjualan chun mee yang lebih
kuat dibanding lokal 2 dan tulang, baik dalam jangka pendek maupun jangka
panjang. Secara lebih jelas diagram FEVD chun mee dapat dilihat pada Gambar
15.
115
100%
90%
80%
70%
Persentase
60%
50%
40%
30%
20%
10%
0%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
TLG 0 0 2 2 3 4 4 4 4 5 5 5 5 6 6 6 6 6
DST 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0
KMP 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
LKL 2 0 1 3 2 4 4 4 5 5 5 6 6 6 7 7 7 7 8
KM 0 0 6 7 9 11 13 15 17 19 21 22 24 25 26 27 28 29
CM 100 96 86 85 81 78 75 72 70 68 65 63 62 60 58 57 55 54
Gambar 15. Diagram FEVD Chun Mee

2. Forecast Error Variance Decomposition (FEVD) Keringan Murni
Hasil FEVD keringan murni menunjukkan bahwa, peramalan penjualan
keringan murni untuk 18 periode kedepan (Juli 2019-Des 2020) mengalami
penurunan yang dipengaruhi oleh penjualan chun mee, lokal 2 dan tulang. Pada
periode periode ke 1 (Juli 2019) penjualan keringan murni dipengaruhi oleh
penjualan keringan murni itu sendiri dengan persentase varian sebesar 99%,
periode ke 2 (Agust 2019) penjualan keringan murni hanya dipengaruhi oleh lokal
2 dengan persentase varian sebesar 1%, periode ke 3 (Sep 2019) dipengaruhi oleh
lokal 2 dan tulang dengan persentase varian sebesar 1%. Mulai periode ke 4
hingga akhir periode ke 18 (Okt 2019-Des 2020) penjualan keringan murni
dipengaruhi oleh penjualan chun mee dengan persentase varian yang menguat
sebesar 2-8%, lokal 2 menguat sebesar 3-11%, begitu juga dengan tulang menguat
sebesar 4-9%. Secara keseluruhan, hasil FEVD penjualan keringan murni untuk
periode 18 bulan ke depan (Juli 2019-Des 2020) akan mengalami penurunan, yang
pengaruhnya didominasi oleh keringan murni itu sendiri dan ketiga jenis teh hijau
116
lain yakni lokal 2, tulang dan chun mee. Lokal 2 memberikan pengaruh penurunan
penjualan keringan murni yang lebih kuat dibanding tulang dan chun mee baik
dalam jangka pendek maupun jangka panjang. Secara lebih jelas diagram FEVD
keringan murni dapat dilihat pada Gambar 16.
100%
90%
80%
Persentase
70%
60%
50%
40%
30%
20%
10%
0%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
TLG 0 0 1 4 5 5 6 6 7 7 7 8 8 8 8 8 8 9
DST 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
KMP 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
LKL 2 0 1 1 3 5 6 7 7 8 9 9 9 10 10 10 10 11 11
KM 99 97 94 88 85 82 80 78 77 75 74 74 73 72 71 71 70 70
CM 0 0 0 2 2 4 5 5 6 6 6 7 7 7 8 8 8 8
Gambar 16. Diagram FEVD Keringan Murni

3. Forecast Error Variance Decomposition (FEVD) Lokal 2
Hasil FEVD lokal 2 menunjukkan bahwa, peramalan penjualan lokal 2
untuk 18 periode kedepan (Juli 2019-Des 2020) mengalami penurunan cukup
banyak, yang dipengaruhi oleh penjualan 5 jenis teh hijau lainnya. Pada periode
ke 1 (Juli 2019) penjualan lokal 2 dipengaruhi oleh penjualan chun mee sebesar
7%. Pada periode periode ke 2 (Agust 2019) penjualan lokal 2 dipengaruhi oleh
penjualan chun mee yang menguat sebesar 12% dan keringan murni hanya
sebesar 1%. Mulai periode ke 3 hingga akhir periode ke 18 (Sep 2019-Des 2020)
penjualan lokal 2 dipengaruhi oleh penjualan chun mee yang menguat sebesar
13%, keringan murni yang menguat sebesar 1-14%, kempring sebesar 1% hanya
pada periode ke 3 (Sep 2019) dan periode ke 5-12 (Nov 2019-Juni 2020), dust
117
sebesar 1-2% hingga periode ke 10 (April 2020) dan turun menjadi 1% pada
periode ke 11 hingga akhir periode ke 18 (Mei-Des 2020) serta tulang menguat
sebesar 4-5%. Secara keseluruhan, hasil FEVD penjualan lokal 2 untuk periode 18
bulan ke depan (Juli 2019-Des 2020) akan mengalami penurunan walaupun pada
awal periode masih berfluktuasi, yang pengaruhnya didominasi oleh lokal 2 itu
sendiri dan kelima jenis teh hijau lain yakni chun mee, keringan murni, kempring,
dust dan tulang. Keringan murni memberikan pengaruh penurunan penjualan lokal
2 yang lebih kuat dibanding kempring, dust dan tulang baik dalam jangka pendek
maupun jangka panjang. Secara lebih jelas diagram FEVD lokal 2 dapat dilihat
pada Gambar 17.
100%
90%
80%
Persentase
70%
60%
50%
40%
30%
20%
10%
0%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
TLG 0 0 0 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5
DST 0 0 1 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1
KMP 0 0 1 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0
LKL 2 92 83 81 77 75 75 73 72 71 70 69 68 67 67 66 65 64 63
KM 0 1 1 2 3 3 4 5 6 7 8 9 10 11 11 12 13 14
CM 7 12 13 12 13 13 13 13 13 13 13 13 13 13 13 13 13 13
Gambar 17. Diagram FEVD Lokal 2

118
4. Forecast Error Variance Decomposition (FEVD) Kempring
Hasil FEVD kempring menunjukkan bahwa, peramalan penjualan
kempring untuk 18 periode kedepan (Juli 2019-Des 2020) mengalami penurunan
cukup banyak yang dipengaruhi oleh penjualan 5 jenis teh lainnya. Pada periode
periode ke 1 (Juli 2019) penjualan kempring hanya dipengaruhi oleh penjualan
lokal 2, dengan persentase varian yang kuat yakni 21%. Mulai periode ke 2
hingga akhir periode ke 18 (Agust 2019-Des 2020) penjualan kempring
dipengaruhi oleh penjualan chun mee yang menguat sebesar 4-5%, keringan
murni menguat sebesar 2-8%, lokal 2 menguat sebesar 23% hingga periode ke 11
(Mei 2020) dan kembali melemah sebesar 22% hingga akhir periode ke 18 (Des
2020), dust menguat sebesar 3, 5-4% dan tulang menguat sebesar 2-4%. Secara
keseluruhan, hasil FEVD penjualan kempring untuk periode 18 bulan ke depan
(Juli 2019-Des 2020) mengalami penurunan, yang pengaruhnya didominasi oleh
kempring itu sendiri, lokal 2 keringan murni, chun mee, dust dan tulang. Lokal 2
memberikan pengaruh penurunan penjualan kempring yang lebih kuat dibanding
keringan murni, chun mee, dust dan tulang baik dalam jangka pendek maupun
jangka panjang. Secara lebih jelas diagram FEVD kempring dapat dilihat pada
Gambar 18.
119
100%
90%
80%
Persentase
70%
60%
50%
40%
30%
20%
10%
0%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
TLG 0 2 2 2 3 3 3 3 3 3 3 3 3 3 4 4 4 4
DST 0 3 3 5 5 5 4 4 4 4 4 4 4 4 4 4 4 4
KMP 78 66 65 62 60 60 59 59 58 58 57 57 56 56 55 55 55 54
LKL 2 21 23 22 23 23 23 23 23 23 23 23 22 22 22 22 22 22 22
KM 0 0 2 2 2 2 3 4 4 4 5 5 6 6 7 7 7 8
CM 0 4 4 3 4 5 5 5 5 5 5 5 5 5 5 5 5 5
Gambar 18. Diagram FEVD Kempring

5. Forecast Error Variance Decomposition (FEVD) Dust
Hasil FEVD dust menunjukkan bahwa, peramalan penjualan dust untuk 18
periode kedepan (Juli 2019-Des 2020) mengalami penurunan cukup banyak yang
dipengaruhi oleh penjualan 5 jenis teh lainnya. Pada periode ke 1 (Juli 2019)
penjualan dust dipengaruhi oleh penjualan chun mee sebesar 5% dan kempring
sebesar 4%. Mulai periode ke 2 hingga periode ke 18 (Agust 2019-Des 2020)
penjualan dust dipengaruhi oleh penjualan chun mee dengan persentase varian
yang semakin menguat sebesar 10-13%, keringan murni hanya sebesar 1%, lokal
2 menguat sebesar 7%, kempring menguat sebesar 4-5% dan tulang menguat
sebesar 3-5%. Secara keseluruhan, hasil FEVD penjualan dust untuk periode 18
bulan ke depan (Juli 2019-Des 2020) mengalami penurunan, yang pengaruhnya
didominasi oleh dust itu sendiri dan kelima jenis teh hijau lain yakni chun mee,
lokal 2, kempring, tulang dan keringan murni. Lokal 2 memberikan pengaruh
penurunan penjualan dust yang lebih kuat dibanding kempring, tulang dan
120
keringan murni baik dalam jangka pendek maupun jangka panjang. Secara lebih
jelas diagram FEVD dust dapat dilihat pada Gambar 19.
100%
90%
80%
Persentase
70%
60%
50%
40%
30%
20%
10%
0%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
TLG 0 3 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
DST 89 73 69 68 68 68 67 67 67 67 67 67 67 67 67 67 67 67
KMP 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5
LKL 2 0 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7
KM 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
CM 5 10 12 12 13 13 13 13 13 13 13 13 13 13 13 13 13 13
Gambar 19. Diagram FEVD Dust

6. Forecast Error Variance Decomposition (FEVD) Tulang
Hasil FEVD tulang menunjukkan bahwa, peramalan penjualan tulang
untuk 18 periode kedepan (Juli 2019-Des 2020) mengalami penurunan cukup
banyak, yang dipengaruhi oleh penjualan 5 jenis teh lainnya. Mulai periode ke 1
hingga akhir periode ke 18 (Agust 2019-Des 2020) penjualan tulang dipengaruhi
oleh penjualan chun mee dengan persentase varian yang menguat sebesar 4-6%,
keringan murni menguat sebesar 3-8%, lokal 2 menguat sebesar 11-14%,
kempring menguat sebesar 9-11% hanya sampai periode ke 14 dan melemah
sebesar 10% hingga akhir periode ke 18 (Des 2020), serta dust melemah sebesar
7-6%. Secara keseluruhan, hasil FEVD penjualan tulang untuk periode 18 bulan
ke depan (Juli 2019-Des 2020) mengalami penurunan, yang pengaruhnya
didominasi oleh tulang itu sendiri dan kelima jenis teh hijau lain yakni lokal 2,
121
kempring, keringan murni, dust dan chun mee. Lokal 2 memberikan pengaruh
penurunan penjualan tulang yang lebih kuat dibanding kempring, keringan murni,
dust dan chun mee baik dalam jangka pendek maupun jangka panjang. Secara
lebih jelas diagram FEVD tulang dapat dilihat pada Gambar 20.
100%
90%
80%
Persentase
70%
60%
50%
40%
30%
20%
10%
0%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
TLG 63 59 58 56 56 56 56 55 55 55 55 54 54 54 54 53 53 53
DST 7 7 7 7 6 6 6 6 6 6 6 6 6 6 6 6 6 6
KMP 9 10 10 11 11 11 11 11 11 11 11 11 11 11 10 10 10 10
LKL 2 11 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14
KM 3 2 3 3 4 4 4 5 5 5 6 6 6 6 7 7 7 8
CM 4 5 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
Gambar 20. Diagram FEVD Tulang

Selama 18 periode bulan mendatang (Juli 2019-Des 2020), peramalan
penjualan 6 jenis teh hijau cenderung mengalami penurunan, yang pengaruhnya
didominasi oleh jenis teh hijau itu sendiri dan jenis teh hijau lain. Jenis teh hijau
lain yang cenderung cukup kuat mendominasi hampir pada semua jenis teh hijau
adalah lokal 2. Kondisi tersebut sejalan dengan kuantitas penjualan lokal 2, yang
selama ini termasuk penjualan teh hijau tertinggi diurutan kedua setelah keringan
murni. Penurunan penjualan 6 jenis teh hijau dimasa mendatang, dipengaruhi oleh
faktor-faktor internal dan eksternal dari PT. Rumpun Sari Kemuning 1.
Pada sisi internal perusahaan, dapat dilihat dari penurunan produktivitas
tanaman teh yang terjadi di PT. Rumpun Sari Kemuning 1. Penyebabnya antara
122
lain seperti, usia tanaman teh yang tua karena peninggalan kolonial Belanda yang
masih terdapat pada beberapa blok di afdeling B serta, pembibitan tanaman teh
terakhir dilakukan pada tahun 1994. Tata kelola perawatan kebun yang terlambat
karena terkendala minimnya persediaan sarana produksi pertanian. Selain itu,
dalam pelaksanaan proses produksi teh hijau juga sering terhambat karena mesin-
mesin pengolahan yang rusak dan tindakan-tindakan pekerja yang tidak sesuai
SOP perusahaan sehingga,pucuk teh basah yang dipanen banyak mengalami
kerusakan fisik seperti, daun teh patah. Mesin-mesin pengolahan yang digunakan
dalam proses produksi teh hijau, sudah berusia sangat tua karena peninggalan
kolonial Belanda sehingga, membutuhkan perawatan dan pengkontrolan lebih
terutama sebelum memasuki musim penghujan.
Pada sisi eksternal perusahaan, dapat dilihat dari penurunan luas areal
lahan perkebunan teh kemuning yang terjadi pada beberapa blok di afdeling B
dataran rendah. Penyebabnya, sejalan dengan semakin berkembang pesatnya
kawasan kemuning sebagai objek wisata alam. Terdapat beberapa objek wisata
alam yang terkenal sehingga, sangat menarik minat pengunjung dari luar kota
Karanganyar maupun mancanegara seperti, hutan area berkemah, jalur pendakian
gunung Lawu, air terjun dan beberapa candi peninggalan agama Hindu. Adanya
objek wisata alam tersebut,dimanfaatkan oleh penduduk kemuning dan sekitarnya,
untuk membuka objek wisata baru sebagai area berfoto dikawasan kebun teh
sehingga, terjadi konversi lahan. Pihak perusahaan, mengizinkan konversi lahan
tersebut dengan syarat pengelola kebun tetap menjaga keamanan dan kebersihan
kebun teh.
123
5.3 Implikasi Manajerial
Implikasi manajerial atau keputusan yang dapat diambiloleh pihak
manajemen PT. Rumpun Sari Kemuning 1 berdasarkan hasil peramalan
penjualanadalah menyusun rencana peningkatan produktivitas tanaman teh,
dengan memanfaatkan sumber daya yang ada secara efisien dan efektif. Dengan
demikian, perusahaan dapat meraih peluang penjualan teh hijau yang sangat
terbuka dimasa mendatang dan dapat mempertahankan pangsa pasar yang mereka
miliki saat ini bahkan, dapat memperluas pemasaran teh hijau kemuning hingga
ke luar pulau Jawa.
Menurut pihak perusahaan, perubahan musim sangat mempengaruhi
kuantitas dan kualitas teh hijau yang dihasilkan dan dijual nantinya maka, dengan
memperhatikan pergantian musim yang kemungkinan akan terjadi kembali pada
periode Juli 2019-Desember 2020 mendatang di kabupaten Karanganyar,
diharapkan dapat membantu perusahaan dalam mempersiapkan rencana bagi
setiap departemen, untuk menghadapi bulan-bulan yang perkirakan akan terjadi
musim penghujan dan meminimalisir kerugian yang diperkirakan terjadi ketika
musim kemarau tiba. Curah hujan di Kabupaten Karanganyar sepanjang periode
Januari 2007-Desember 2018 dapat dilihat pada Gambar 21.
124
2500
2007
2008
2000
2009
2010
1500
2011
mm
2012
1000
2013
2014
500
2015
2016
0
2017
2018
Bulan
Gambar 21. Curah Hujan Menurut Bulan Tahun 2007-2018

Sumber : Badan Pusat Statistik Kab. Karanganyar 2019 (diolah)
Berdasarkan Gambar 21, menunjukkan bahwa musim penghujan
diperkirakan akan terjadi pada bulan Oktober-Mei disetiap tahun sedangkan,
untuk musim kemarau diperkirakan terjadi pada bulan Juni-September disetiap
tahun. Curah hujan di kabupaten Karanganyar termasuk yang ideal untuk tanaman
teh tumbuh yaitu>100 mm/bulan sepanjang tahun dan lokasi perkebunan yang
sangat mendukung berada di area lereng gunung Lawu, dengan ketinggian 1.200-
1.800 m dpl sehingga, dapat memberikan hasil teh dengan kualitas yang baik.
Pada bulan Oktober 2019-Mei 2020 dan Oktober-Desember 2020 mendatang,
diperkirakan akan terjadi musim penghujan sehingga, produksi teh kemungkinan
akan melimpah dengan curah hujan > 390-860 mm sedangkan, pada bulan Juli-
September 2019 dan Juni-September 2020 mendatang diperkirakan akan terjadi
musim kemarau dengan curah hujan <150 mm/bulan.
125
Rencana peramalan penjualan yang direkomendasikan berdasarkan hasil
analisis IRF dan FEVD, juga diperkuat dengan hasil wawancara selama penelitian
berlangsung serta, dengan memperhatikan pergantian musim yang kemungkinan
akan terjadi kembali pada 18 periode bulan mendatang. Rencana peramalan
penjualan dapat digunakan sebagai bahan pertimbangan alternatif pengambilan
keputusan bagi setiap departemen di PT. Rumpun Sari Kemuning 1adalah sebagai
berikut (Hery, 2019:74) :
1. Departemen Tanaman
Upaya peningkatan produktivitas tanaman teh berlaku pada departemen
tanaman karena, berhubungan langsung dengan sumber bahan baku pucuk teh.
Melihat kondisi aktual saat ini maka, perusahaan perlu melakukan :
a. Pembibitan Stek Teh
Pembibitan dengan cara stek merupakan cara tercepat dalam memenuhi
kebutuhan bahan tanaman skala besar, yang sangat sesuai diterapkan pada
perkebunan teh kemuning.
b. Penanaman Ulang
Penanaman ulang dapat didahulukan pada blok-blok perkebunan yang
didominasi tanaman teh peninggalan kolonial Belanda yakni pada afdeling B,
dengan cara membongkar tanaman tehnya. Didahulukan pada afdeling B sebab
penurunan produktivitas tanaman tehnya telah melebihi 50%.
c. Pemangkasan
Penurunan produktivitas tanaman teh yang terjadi saat ini dan ketinggian
bidang petik yang sudah lebih dari 120-140 cm, menyulitkan tenaga panen ketika
126
sedang melakukan pemanenan. Perusahaan disarankan melakukan pemangkasan
dengan memperhatikan ketinggian lokasi kebun teh karena, setiap blok memiliki
ketinggian tempat yang berbeda-beda sehingga, jangka waktu antara pemangkasan
terdahulu dengan pemangkasan berikutnya pun berbeda. Berikut ini daur
pemangkasan yang direkomendasikan, dapat dilihat pada Tabel 18.
Tabel 18. Daur pangkas berdasarkan ketinggian tempat
Ketinggian Jangka
Blok Perkebunan
Tempat Waktu
Dataran Tinggi A5, A3, A6, A11, A12, A13, A14, A15, A16, A17 48-52 bulan
Dataran Sedang B2, B3, B4, B5, B6, A2, A4 36-42 bulan
Dataran Rendah A1, B7, B8, B9, B10, B11, B12, B13, B14, B15 30-36 bulan
d. Pemupukan
Realiasasi pemupukan oleh perusahaan dilakukan sebanyak 2x dalam
periode 1 tahun. Waktu pemupukan pertama yang tepat, disarankan pada bulan
Desember 2019 dan Desember 2020 karena, curah hujan telah memadai sebesar
60-200 mm/minggu sedangkan, pemupukan kedua dapat dilakukan ketika
memasuki pergantian ke musim kemarau yakni, pada bulan Mei 2020 guna
memberi kekuatan pada tanaman teh akibat curah hujan yang sangat rendah
sebesar <60 mm.
e. Penaganan Pasca Panen
Penanganan pasca panen pucuk teh perlu diperhatikan lebih oleh mandor-
mandor panen yang mengawasi dan mengkontrol secara langsung kegiatan
produksi teh di kebun. Melihat kondisi aktual saat ini, perusahaan disarankan
untuk melakukan sosialisasi SOP kembali dan SOP telah yang disosialiasikan
berlaku bagi seluruh pekerja.
127
Selain mengupayakan persediaan bahan baku teh untuk kebutuhan dimasa
mendatang. Perusahaan juga disarankan untuk mempekerjakan sumber daya
manusia yang dimiliki secara efisien dan efektif mungkin maka, perusahaan perlu
melakukan :
f. Perubahan Jam Kerja Kebun
Perusahaan perlu melakukan perubahan jam kerja di kebun, dengan
menyesuaikan perubahan musim yang kemungkinan akan terjadi selama 18
periode bulan mendatang. Pembagian jam kerja di kebun berlaku bagi seluruh
pekerja kebun, secara lebih jelas dapat dilihat pada Tabel 19.
g. Meliburkan Pekerja Harian Lepas (PHL)
Perusahaan perlu meliburkan sebagian pekerja harian lepas di kebun ketika
musim kemarau. Menurut informasi dari perusahaan, terdapat 11 mandor panen
dan setiap mandor panen hanya membutuhkan 20 orang tenaga panen pada musim
kemarau, melihat produksi teh yang rendah sehingga, 86 orang tenaga panen perlu
diliburkan. Pada tenaga rawat, setiap mandor rawat hanya membutuhkan 25 orang
tenaga rawat untuk 2 afdeling A dan B sehingga, 31 orang tenaga rawat
diliburkan. Ketika musim penghujan, tenaga panen dan rawat yang diliburkan
harus dipekerjakan kembali. Perubahan jumlah tenaga kerja di kebun, hanya
diperlukan untuk tenaga panen dan rawat karena memiliki jumlah tenaga kerja
yang paling banyak, secara lebih jelas dapat dilihat pada Tabel 19.
128
Tabel 19. Pembagian Jam kerja dan Jumlah Tenaga kerja Pada Departemen
Tanaman
Musim kemarau (Juli-September 2019 dan Juni-September 2020)

Departemen Tanaman Tenaga Panen Tenaga Rawat
Jam kerja 06.00-11.00 WIB
Jumlah SDM 220 Orang 50 Orang
Musim Penghujan (Oktober 2019-Mei 2020 dan Oktober-Desember 2020)
Departemen Tanaman Tenaga Panen Tenaga Rawat
Jumlah SDM 306 Orang 81 Orang
h. Tingkat Kapasitas Produksi Teh Basah
Kapasitas produksi teh basah yang dihasilkan per bulan dan per hari, pada
musim kemarau dan musim penghujan dapat membantu departemen pabrik dalam
mempersiapkan mesin-mesin produksi yang perlu digunakan, dengan melakukan
perawatan mesin. Rata-rata produksi teh basah per bulan dan per hari, dapat
dilihat pada Tabel 21.
2. Departemen Pabrik/Teknik
a. Perubahan Jam Kerja Pabrik
Perusahaan hanya perlu memberlakukan 2 shift kerja di pabrik pada musim
kemarau karena, kemungkinan produksi teh basah sangat rendah pada bulan
tersebut. Ketika musim penghujan perusahaan perlu memberlakukan 3 shift kerja
karena, kemungkinan hasil produksi teh akan melimpah sehingga, proses produksi
akan membutuhkan waktu selama 24 jam. Pembagian jam kerja di pabrik secara
lebih jelas, dapat dilihat pada Tabel 20.
b. Meliburkan Pekerja Harian Lepas (PHL)
Pengurangan jumlah tenaga kerja pabrik diperlukan jika kemungkinan
terjadi musim kemarau, dengan cara meliburkan 29 orang tenaga olahan, 3 orang
129
tenaga sortasi dan 1 orang tenaga mekanik. Ketikadiperkirakan akan terjadi
musim penghujan maka, perusahaan harus memperkerjakan kembali tenaga olah,
tenaga sortasi dan tenaga mekanik yang diliburkan. Perubahan jam kerja dan
jumlah tenaga kerja di pabrik hanya perlu dilakukan pada tenaga olah, sortasi dan
mekanik karena memiliki jumlah tenaga kerja cukup banyak dan shift kerja yang
berbeda, secara lebih jelas dapat dilihat pada Tabel 20.
Tabel 20. Pembagian Jam Kerja dan Tenaga Kerja Pada Departemen Pabrik
Departemen Pabrik
Musim kemarau (Juli-September 2019 dan Juni-September 2020)
Tenaga Olah Tenaga Sortasi Tenaga Mekanik
Jam kerja 09.00-17.00 WIB 09.00-17.00 WIB
07.00-14.30 WIB
17.00-00.00 WIB 17.00-00.00 WIB
Jumlah TK 14 (PHT) 4 3
Musim Penghujan (Oktober 2019-Mei 2020 dan Oktober-Desember 2020)
Tenaga Olah Tenaga Sortasi Tenaga Mekanik
09.00-17.00 WIB 09.00-17.00 WIB
17.00-00.00 WIB 17.00-00.00 WIB
14.30-22.00 WIB
00.00-06.00 WIB 00.00-06.00 WIB
Jumlah TK 43 (PHT+PHL) 7 4
Keterangan :
PHT = Pekerja Harian Tetap
PHL = Pekerja Harian Lepas
c. Jumlah Mesin yang digunakan
Penggunaan mesin pengolahan teh hijau ketika musim kemarau perlu
dikurangi perusahaan, dengan melihat rata-rata kapasitas produksi teh kering
perbulan dan perhari pada periode masa lalu. Tindakan pengurangan penggunaan
mesin ini, diharapkan dapat membantu perusahaan agar proses produksi dapat
berjalan secara efektif dan efisien. Rata-rata kapasitas produksi teh kering
perbulan dan perhari, secara lebih jelas dapat dilihat pada Tabel 21.
130
Tabel 21. Rata-Rata Produksi Basah dan Kering Perbulan (kg) Periode 2007-2018
Rata-rata Produksi Basah Rata-rata Produksi Kering

Bulan
Perbulan Perhari Perbulan Perhari
Jan 282.631 9.421 71.087 2.369
Feb 206.159 6.871 94.287 3.142
Maret 255.507 8.516 65.139 2.171
April 272.700 9.090 70.734 2.357
Mei 274.651 9.155 95.507 3.183
Juni 261.563 8.718 65.073 2.169
Juli 224.563 7.485 60.317 2.010
Agust 202.012 6.733 51.997 1.733
Sep 178.485 5.949 45.090 1.503
Okt 189.045 6.301 48.915 1.630
Nov 234.493 7.816 52.534 1.751
Des 310.503 10.350 67.267 2.242
Keterangan :
Warna merah muda = Musim kemarau
Warna putih = Musim penghujan
Ketika diperkirakan akan terjadi musim penghujan maka, penggunaan
mesin produksi harus dioptimalkan. Perusahaan perlu melakukan perawatan dan
pengkontrolan lebih sebelum memasuki pergantian ke musim penghujan. Setiap
mesin pengolahan memiliki kapasitas yang berbeda-beda, dengan melihat rata-rata
perbulan dan perhari dari periode 2007-2019 yang lalu maka, dapat diketahui
berapa jumlah mesin yang perlu digunakan ketika musim kemarau dan musim
penghujan akan tiba. Berdasarkan Tabel 21 dan Tabel 6 pada BAB IV, pada
musim kemarau rata-rata produksi teh basah sebanyak 5.000-8.000 kg/hari
sehingga, penggunaan mesin pengolahan membutuhkan 2 mesin rotary panner, 2
mesin open top roller, 2 mesin endless chain pressure (ECP), 3 mesin rotary
131
dryer dan 1 mesin ball tea besar karena, perkiraan produksi teh kering sekitar
1.500-2.200 kg.
Pada musim penghujan rata-rata produksi teh basah sebanyak 6.000-
10.000 kg/hari sehingga, penggunaan mesin pengolahan membutuhkan 2 mesin
rotary panner, 2 mesin open top roller, 2 mesin endless chain pressure (ECP), 3
mesin rotary dryer dan untuk ball tea ada beberapa pilihan, untuk bulan Oktober-
Desember dapat menggunakan 1 ball tea besar dengan melihat produksi teh
kering sekitar 1.630-2.240 kg/hari, pada bulan Januari, Maret, April dapat
menggunakan 1 ball tea besar dan 1 ball tea kecil dengan melihat produksi teh
kering sekitar 2.350kg/hari, serta2 ball tea besar pada bulan Februari dan Mei
dengan melihat produksi teh kering sekitar 2.350-3.150 kg/hari.
3. Departemen Administrasi/Pembelian
Pada departemen administrasi, perlu mempersiapkan pembelian sarana
produksi yang dibutuhkan oleh departemen kebun dan pabrik secara tepat waktu
sehingga, tidak mengganggu jalannya proses produksi teh hijau. Kebutuhan yang
perlu dibeli/dipersiapkan untuk setiap departemen, dilihat berdasarkan perkiraan
musim yang akan terjadi. Sarana produksi pertanian yang dibutuhkan oleh
departementanamandan pabrik, dapat dilihat pada Tabel 5 pada BAB IV.
4. Departemen Pemasaran
Setelah ramalan penjualan dibuat, produk teh hijau dapat dipasarkan.
Pihak pemasaran dapat melakukan promosi secara aktif kepada konsumen tetap
melalui telepon, sesuai jenis teh hijau yang tersedia atau yang biasa dipesan.
Waktu promosi yang tepat dapat dilakukan ketika mengalami surplus produksi.
132
BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan penelitian yang telah dilakukan maka, dapat disimpulkan
sebagai berikut :
1. Terjadi 5 kointegrasi pada jenis teh hijau chun mee, keringan murni, lokal 2,
kempring, dust dan tulang. Mengartikan ke 6 jenis teh hijau tersebut terlibat
dalam hubungan jangka panjang, yang saling mempengaruhi peningkatan
maupun penurunan kuantitas penjualan terhadap jenis teh hijau lainnya.
2. Hasil ramalan penjualan dengan menggunakan IRF untuk periode Juli 2019-
Desember 2020 mendatang menunjukkan bahwa,kenaikan penjualan keringan
murni cenderung direspon negatif hampir pada setiap jenis teh hijau
sehingga,terjadi penurunan penjualan sedangkan,memasuki musim penghujan
terjadi kenaikan penjualan chun mee, lokal 2 dan tulang yang cenderung
direspon positif hampir pada semua jenis teh hijau sehingga,penjualan
meningkat. Guncangan negatif berupa kemungkinan akan terjadi serangan
hama pada musim kemarau dan guncangan positif berupa kemungkinan akan
memasuki pergantian ke musim penghujan dengan curah hujan tinggi sehingga,
produksi teh meningkat. Hasil ramalan penjualan menggunakan FEVD untuk
periode Juli 2019-Desember 2020 menunjukkan, penjualan jenis teh hijau chun
mee, keringan murni, lokal 2, kempring, dust dan tulang cenderung mengalami
penurunan yang pengaruhnya didominasi oleh jenis teh hijau itu sendiri dan
pengaruh jenis teh hijau lain, untuk chun mee yang paling kuat adalah keringan
murni, keringan murni yang paling kuat adalah lokal 2, lokal 2 yang paling
kuat adalah chun mee, kempring yang paling kuat adalah lokal 2, dust yang
paling kuat adalah chun mee dan tulang yang paling kuat adalah lokal 2.
Penurunan penjualan teh hijau dimasa mendatang disebabkan oleh faktor
internal perusahaan meliputi, usia tanaman teh tua, pembibitan terakhir pada
tahun 1994, terlambatnya tata kelola perawatan kebun, mesin-mesin
pengolahan berusia tua, tindakan-tindakan pekerja tidak sesuai SOP
perusahaan dan faktor eksternal perusahaan yakni, penurunan luas areal
perkebunan pada beberapa blok di afdeling B dataran rendah digunakan
sebagai area wisata.
3. Implikasi manajerial yang diperoleh PT. Rumpun Sari Kemuning 1,
perusahaan dapat mengambil keputusan seperti, menyusun rencana
peningkatan produktivitas tanaman teh, dengan memanfaatkan sumber daya
yang ada secara efisien dan efektif dan tetap memperhatikan pergantian musim
yang terjadi pada periode Juli 2019-Desember 2020 mendatang di kabupaten
Karanganyar. Rencana ramalan penjualan yang direkomendasikan pada
departemen tanaman adalah pembibitan stek teh, penanaman ulang,
pemangkasan, pemupukan, penanganan pasca panen, perubahan jam kerja
kebun, meliburkan PHL dan mengetahui tingkat kapasitas produksi teh basah.
Departemen pabrik perlu melakukan perubahan jam kerja dan shift kerja
pabrik, meliburkan PHL dan mengetahui jumlah mesin yang perlu digunakan.
Departemen administrasi melakukan pembelian sarana produksi pertanian
dengan tepat waktu untuk memenuhi kebutuhan departemen tanaman dan
134
pabrik. Bagian pemasaran melakukan promosi penjualan secara aktif kepada
konsumen tetap agroindustri teh sesuai jenis teh hijau yang tersedia.
6.2 Saran
Pada penelitian ini penulis menyarankan beberapa hal kepada PT. Rumpun
Sari Kemuning 1, yakni sebagai berikut :
1. Sebaiknya, secara berkala PT. Rumpun Sari Kemuning 1 menerapkan metode
peramalan penjualansehingga, lebih mudah bagi perusahaan dalam menyusun
perencanaan perbulan bagi setiap departemen agar, dapat mengantisipasi
penurunan penjualan yang akan terjadi dimasa mendatang.
2. Bagi penelitian selanjutnya, disarankan menambahkan penggunaan metode
peramalan univariate time series model sehingga, perusahaan dapat
mengetahui lebih jelas estimasi kuantitas peramalan penjualanpada masing-
masing jenis teh hijau yang akan terjual dimasa mendatang.
135
DAFTAR PUSTAKA
Ahmad, Gatot Nazir. 2018. Manajemen Operasi. Bumi Aksara, Jakarta.
Akbar, Rizky Aditya, Agus Rusgiyono dan Tarno. 2016. Analisis Integrasi Pasar
Bawang Merah menggunakan Metode Vector Error Correction Model
(VECM) (Studi Kasus : Harga Bawang Merah di Provinsi Jawa Tengah).
Jurnal Gaussian. Vol. 5 No. 6 Februari 2016. Hal 811-820.
Anggraeni, Wiwik, Retno Kuspinasih, Faizal Mahananto, Sumaryanto, Kuntoro

Boga Andri dan Prasetyono. 2017. Model Vector Autoregressive (VAR)
untuk Meramalkan Jumlah Pengadaan Beras (Studi Kasus : Jawa Timur).
Jurnal Sesindo. Seminar Nasional Sistem Informasi Indonesia. November
2017. Hal. 271-278.
Anggraini, Tuty. 2017. Proses dan Manfaat Teh. CV. Rumahkayu Pustaka Utama,
Padang.
Badan Pusat Statistik Kabupaten Karanganyar. 2019. Kabupaten Karanganyar

Dalam Angka 2007-2018. BPS Kabupaten Karanganyar, Karanganyar.
Dinas Kehutanan dan Perkebunan. 2016. Pengendalian Hama dan Penyakit

Tanaman Teh. Balai Sertifikasi Pengawasan Mutu Benih dan Proteksi
Tanaman Kehutanan dan Perkebunan, Yogyakarta.
Effendi, Dedi Soleh, M. Syakir, M. Yusron dan Wiratno. 2010. Budidaya dan
Pasca Panen Teh. Pusat Penelitian dan Pengembangan Perkebunan,
Bogor.
Hakim, Abdul. 2014. Pengantar Ekonometrika dengan Aplikasi EViews, Edisi 1

Cetakan 1. Ekonisia, Yogyakarta.
Heizer, Jay dan Barry Render. 2009. Manajemen Operasi, Edisi 9 Buku 1.
Salemba Empat. Jakarta.
Hery. 2019. Manajemen Pemasaran. PT Grasindo, Jakarta.
Kementerian Pertanian. 2017. Outlook Teh. Pusat Data dan Sistem Informasi
Pertanian Sekretariat Jenderal Kementerian Pertanian, Jakarta.
Kementerian Pertanian. 2016. Statistik Perkebunan Indonesia 2014-2016.

Sekertariat Direktorat Jendral Perkebunan, Jakarta.


Maulana, Adi Ginanjar. 2014. Produktivitas Kebun Teh Cenderung

Menurun.https://www.google.com/amp/s/m.bisnis.com/amp/read/201403
13/99/210467/produktivitas-kebun-teh-cenderung-menurun. Diakses, 6
Mei 2019, Pukul 07:24 WIB.
Nachrowi, Djalal dan Hardius Usman. 2006. Pendekatan Populer dan Praktis
Ekonometrika untuk Analisis Ekonomi dan keuangan. Fakultas Ekonomi
Universitas Indonesia, Jakarta.
Ni’mah Eva Naviatun dan Safa’at Yulianto. 017. eramalan aju nflasi dan
Nilai Tukar Rupiah terhadap Dolar Amerika dengan Menggunakan
Model vector autoregressive (VAR) dan Vector Error Correction Model
(VECM). Jurnal Urecol. Vol.3 No. 4 Januari 2017. Hal 481-490.
Pranyoto, Edi. 2017. Analisis Kointegrasi dan Kusalitas Engle Granger Tingkat
Suku Bunga Simpanan Perubahan Nilai Tukar Rp/USD dan Return Pasar
Saham di Bursa Efek Indonesia. Jurnal Bisnis Darmajaya. Vol. 3 No.2
Juli 2017. Hal 106-125.
Prasetya, Hery dan Fitri Lukiastuti. 2011. Manajemen Operasi. CAPS,

Yogyakarta.
Rosadi, Dedi. 2012. Ekonometrika dan Analisis Runtut Waktu Terapan dengan
Eviews. CV. Andi Offset, Yogyakarta.
Safitri, Kiki. 2018. Petani Teh Terus Merugi, Ini Penyebabnya.

https://m.kontan.co.id/news/petani-teh-terus-merugi-ini-penyebabnya.
Diakses, 6 Mei 2019, Pukul 06:55 WIB.
Said, E. Gumbira dan A. Harizt Intan. 2001. Manajemen Agribisnis. PT. Ghalia
Indonesia dengan MMA-IPB, Bogor.
Sakinah, Fitri. 2016. Peramalan Produksi, Luas Panen dan Harga Kacang Tanah
serta Analisis Integrasi Pasar Spasial Kacang Tanah di Provinsi
Bengkulu. [Skripsi]. Fakultas Pertanian, Universitas, Bengkulu.
Soekartawi. 2001. Pengantar Agroindustri Edisi 1 Cetakan ke 2. PT.

RajaGrafindo Persada, Jakarta.
Sudarmo, Indriyo Gitu. 1996. Prinsip Dasar Manajemen. BPFE, Yogyakarta.
137
Sudjarmoko, Bedy. 2018. Perkembangan Pasar Teh di Pasar Domestik dan Pasar
Internasional. http://balittri.litbang.pertanian.go.id/index.php/berita/info-t
eknologi/207-perkembangan-pasar-teh-indonesia-di-pasar-domestik-dan-
pasar-internasionalDiakses, 18 Mei 2019, Pukul 21.01 WIB.
Supranto, J. 1993. Metode Ramalan Kuantitatif untuk Perencanaan Ekonomi dan

Bisnis. PT Rineka Cipta, Jakarta.
Suwarto dan Yuke Octavianty. 2014. Top 15 Tanaman Perkebunan. Penebar

Swadaya, Jakarta.
Widarjono, Agus. 2013. Ekonometrika Pengantar dan Aplikasinya

DisertaiPanduan EViews. UPP SYIM YKPN, Yogyakarta.
138
.
LAMPIRAN
Lampiran 1. Penjualan Chun Mee, Keringan Murni, Lokal 2, Kempring, Dust dan
Tulang Periode Januari 2007–Juni 2019
Periode Jenis Teh Hijau (kg)
Tahun Bulan Chun Mee Keringan Murni Lokal 2 Kempring Dust Tulang
Januari 1000 16000 10000 10000 0 8000
Februari 0 10000 6000 3000 7000 8000
Maret 5000 12000 5500 2000 8000 7000
April 5000 14000 13000 7000 5000 6000
Mei 2000 12000 8500 5000 8500 8000
Juni 5000 13000 6500 7000 5500 12000
2007
Juli 3000 25000 7500 2000 4000 4000
Agustus 4000 5000 7000 10000 5000 8000
September 4000 3000 10000 5000 5000 4000
Oktober 2000 10000 3000 5000 4000 4000
November 2500 12500 5000 3000 2500 10000
Desember 3500 6500 6000 2000 2500 6500
Januari 2500 10000 7000 5000 9500 10000
Februari 500 10000 7500 10000 4000 9000
Maret 4750 10000 4000 2000 7000 7000
April 2500 10000 8500 5000 6000 8000
Mei 5000 10000 11500 11100 3000 10000
Juni 4500 20000 9500 11200 9000 14000
2008
Juli 5000 15000 14500 5000 5000 10000
Agustus 2500 15000 5000 6000 8000 6000
September 3500 10000 7500 3500 3000 6000
Oktober 1000 20000 7000 3000 6000 8500
November 3300 10000 6000 6500 3000 10000
Desember 0 9000 10000 5000 3000 2000
Januari 9500 12000 16500 9000 6000 16000
Februari 1000 10000 8000 7000 15000 13000
Maret 7000 10000 10000 4000 4000 9000
April 5500 10000 12000 6000 4000 9000
Mei 6000 6405 11250 4250 12000 11000
Juni 6000 13595 8750 7250 8000 10000
2009
Juli 4500 5000 7250 7250 4000 13000
Agustus 4500 10000 12250 9250 8750 10000
September 5000 0 2250 9250 7000 5000
Oktober 0 10000 9500 4500 0 8000
November 6500 13330 6100 5760 8000 6000
Desember 5500 16670 6400 6320 4000 9000
Januari 0 7420 11500 9205 12000 15000
Februari 7000 7580 7800 6065 8000 14000
Maret 7000 15000 10450 4400 4000 9000
April 0 15000 9325 10000 8000 10000
Mei 5500 0 11175 5000 8000 10000
Juni 1000 5000 9675 10500 4000 13000
2010
Juli 10500 7000 10225 1000 12000 11000
Agustus 1000 10000 10500 11500 4000 9000
September 1000 15000 6825 5000 8000 6000
Oktober 7250 10000 6925 3000 4000 9000
November 2000 7000 8475 4000 8000 6000
Desember 4500 12000 5200 12000 4000 17000
140
Lanjutan Lampiran 1.
Januari 2500 5000 4375 3000 8000 14000
Februari 500 6365 7800 3000 4000 5000
Maret 7000 6050 14000 7000 8000 10000
April 0 5145 11434 7000 4000 9000
Mei 8250 17030 6900 6580 8000 14000
Juni 1000 12975 11875 6110 4000 9000
2011
Juli 4000 13670 7125 3220 5000 6500
Agustus 8150 9335 4800 5090 5000 6500
September 3000 9075 6700 5300 8000 9000
Oktober 500 8470 5275 4100 4000 5500
November 8300 9885 6675 4050 3550 5750
Desember 3250 9500 7850 7000 7000 12000
Januari 2500 17500 8950 6000 15500 16500
Februari 8000 11430 6125 4000 5000 9000
Maret 3000 7000 6475 6035 5000 9000
April 7000 17815 9125 6545 5000 9000
Mei 0 0 7125 6300 10000 10000
Juni 1000 5040 11175 6790 5000 9000
2012
Juli 11000 8060 6875 6325 5000 9000
Agustus 4000 5630 4650 3465 5100 5000
September 0 3360 4350 3220 5000 5000
Oktober 500 5002 4800 3395 0 8000
November 1000 7733 2950 3080 5050 5000
Desember 10000 6930 7695 5970 9000 11110
Januari 4000 10360 11875 4760 5100 9000
Februari 3000 11080 11550 7460 4500 10550
Maret 0 3920 7400 3600 5000 9050
April 2000 10990 8900 7795 10400 14000
Mei 1000 11185 9775 5670 5050 13350
Juni 12500 0 9600 3800 5400 9600
2013
Juli 2000 7630 13925 7750 10000 11575
Agustus 3500 5635 4000 2500 3500 6000
September 1925 14325 5750 2130 3300 4250
Oktober 1075 6035 5250 6000 4700 6250
November 1800 13500 5250 3875 3500 10200
Desember 3000 5600 7900 6950 8500 11250
Januari 2650 11830 7850 5550 4250 7200
Februari 2000 5940 4200 3700 4200 5700
Maret 2960 9450 3750 4400 1650 8475
April 2950 8835 8400 6250 9400 8400
Mei 2500 9520 6350 4500 5100 8150
Juni 1890 9100 6850 4035 5510 9650
2014
Juli 1425 11515 5650 5215 3900 4600
Agustus 2030 10745 5800 3000 5100 9100
September 2495 8745 4800 7995 6000 8300
Oktober 1300 5250 1950 4155 4850 8500
November 1150 7720 3050 3000 4850 5900
Desember 1650 8505 5100 5550 5800 6225
141
Januari 1600 10500 7000 7400 6000 9125
Februari 1600 12810 5700 3125 4950 8375
Maret 1725 14875 4050 4500 5300 8575
April 1085 14280 4775 5735 6100 8475
Mei 1200 10325 5200 5840 6700 8525
Juni 840 30695 5075 5455 4900 9050
2015
Juli 650 3255 6000 5550 4450 9650
Agustus 700 15925 3700 4225 5500 5725
September 300 10850 2300 1850 2100 4500
Oktober 350 0 3350 4400 4500 4350
November 490 10000 2500 3075 1350 1800
Desember 975 4970 2650 3250 4100 6875
Januari 1220 40000 1000 0 2100 12000
Februari 770 53700 0 3000 0 8000
Maret 0 40585 4000 0 6000 8500
April 26 31500 2750 655 6700 4250
Mei 0 35950 3400 0 6000 8300
Juni 0 37200 6000 0 6000 8000
2016
Juli 0 27800 2000 0 6000 8525
Agustus 0 33380 4500 1400 6000 8000
September 0 32500 8400 9945 6000 8700
Oktober 0 20000 2400 2500 12000 8100
November 0 20000 8000 5890 6000 12100
Desember 0 22000 5400 4200 6000 4400
Januari 0 14500 5700 6910 6000 9200
Februari 0 22655 11000 9500 6000 8300
Maret 0 17100 4200 10000 10000 8200
April 0 23500 4700 8630 6000 8200
Mei 0 25000 5900 4500 6000 13900
Juni 0 25000 3200 3000 10000 4200
2017
Juli 0 27470 10200 8370 6000 9500
Agustus 0 23000 4400 6050 8000 8800
September 0 20300 6500 3450 0 4800
Oktober 0 23255 4700 5000 6000 10000
November 0 30000 1000 0 11000 5000
Desember 0 21050 6700 3010 6000 9600
Januari 0 25000 10500 9990 12000 6600
Februari 63 30000 5800 5000 0 8550
Maret 270 22350 16100 7500 6000 5600
April 210 18300 10800 7000 6000 9800
Mei 105 25000 5750 3000 6000 10200
Juni 105 15000 3000 2800 100 900
2018
Juli 0 20000 7250 8400 6100 13800
Agustus 140 16400 11850 12200 6000 13800
September 0 12950 11575 4850 6000 9250
Oktober 0 10150 4250 4750 0 6500
November 0 10850 4500 4550 5000 5500
Desember 107 13055 5223 5299 0 8300
Januari 245 20150 5775 2405 5000 13500
Februari 250 10000 5520 5500 6010 9010
Maret 175 20200 5700 4005 5000 9500
2019
April 220 5000 8300 5540 0 5200
Mei 70 8200 7850 1040 1000 7850
Juni 0 0 1000 0 0 1000
142
Lampiran 2. Peta Kebun PT. Rumpun Sari Kemuning 1
Lampiran 3. Struktur Organisasi PT. Rumpun Sari Kemuning 1
143
Lampiran 4. Tenaga Kerja PT. Rumpun Sari Kemuning 1 2017
AREA DEPARTEMENT Staf Bulanan PHT PHL Total

I. ADMINISTRASI
- Manajer 1 1
- Ka. Tata Usaha/Data Base 1 1
- Kr. Keuangan/Kasir 1 1
- Kr. Personalia/Um 1 1
KEBUN
- Ker. Gudang Material 1 1

- Ker. Tanaman 1 1
- Satpam 3 1 2 6
- Driver 1 1
- Office Boy 1 1
- Tukang Kebun 1 1
- Pembantu Staff 4 4
Jumlah 2 8 2 7 19
144
II. TANAMAN
- Ka. Afdeling 1 1
- Ass. Tanaman 1 1
- Koord. HPT 1 1
- Mandor Panen 11 11
- Mandor Rawat 4 4
- Kerani Timbang 2 2 4
- Tenaga Panen 306 306
- Tenaga Rawat 81 81
- EWS 0
Jumlah 3 17 2 387 409
III. PABRIK/TEKNIK
- Ka. Pabrik 1 1
- Mandor Olah 3 3
- Mandor Sortasi 0
- Kerani Timbang 1 1
- Kerani Gudang 1 1
- Kerani Pabrik/Teknik 1 1
- Tenaga Mekanik 3 3
- Driver 0
- Tenaga Olah 14 29 43
- Tenaga Sortasi 0
- Tenaga BM ( Bungkar Muat ) 6 3 9
- Helper Teknik 2 2
- Sortasi Mesin 8 8
- Packing 4 4
- Analisa Laborat 1 1
Jumlah 1 9 33 34 77
Jumlah 6 34 37 428 505
Lampiran 5. Uji Stasioner Penjualan Chun Mee, Keringan Murni, Lokal 2,
Kempring, Dust dan Tulang
a. Chun Mee
145
Chun Mee
14,000
12,000
10,000
8,000
6,000
4,000
2,000
0
07 08 09 10 11 12 13 14 15 16 17 18 19
Uji Stasioner PenjualanChun Mee Pada Level
Null Hypothesis: CHUN_MEE has a unit root

Exogenous: Constant
Lag Length: 7 (Automatic - based on SIC, maxlag=13)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -0.756084 0.8278

Test critical values: 1% level -3.476805
5% level -2.881830
10% level -2.577668
*MacKinnon (1996) one-sided p-values.
Uji Stasioner
Augmented Penjualan
Dickey-Fuller Test Chun Mee Pada First Difference
Equation
Dependent Variable: D(CHUN_MEE)
Null Hypothesis:
Method: D(CHUN_MEE) has a unit root
Least Squares
Exogenous: Constant
Date: 08/20/19 Time: 18:57
Lag Length:
Sample 6 (Automatic
(adjusted): - based
2007M09 on SIC, maxlag=13)
2019M06
Included observations: 142 after adjustments
t-Statistic Prob.*
Variable Coefficient Std. Error t-Statistic Prob.
TestCHUN_MEE(-1)
critical values: 1% level
-0.080500 0.106469 -3.476805
-0.756084 0.4509
D(CHUN_MEE(-1)) 5% level
-1.146101 0.128691 -2.881830
-8.905824 0.0000
D(CHUN_MEE(-2)) 10% level
-1.155112 0.157189 -2.577668
-7.348534 0.0000
D(CHUN_MEE(-3)) -1.100082 0.174157 -6.316612 0.0000
*MacKinnon (1996) one-sided
D(CHUN_MEE(-4)) p-values. 0.173861
-0.981652 -5.646179 0.0000
D(CHUN_MEE(-5)) -0.619225 0.161896 -3.824831 0.0002
D(CHUN_MEE(-6)) -0.336707 0.130288 -2.584327 0.0108
Lanjutan
Augmented Lampiran
D(CHUN_MEE(-7))
5. Test
Dickey-Fuller Equation 0.082261
-0.251132 -3.052877 0.0027
DependentCVariable: D(CHUN_MEE,2)
26.89065 314.0502 0.085625 0.9319
b. Keringan
Method: Murni
Least Squares
Date: 08/20/19 Time: 19:260.660749 Mean dependent var
R-squared -28.16901
Sample
Adjusted(adjusted):
R-squared2007M09 2019M06 S.D. dependent var
0.640342 3587.421
Included observations: 142 2151.429
S.E. of regression after adjustments
Akaike info criterion 18.24693
Sum squared resid 6.16E+08 Schwarz criterion 18.43428
Variable
Log likelihood Coefficient Std. Error
-1286.532 Hannan-Quinn t-Statistic
criter. Prob.
18.32306
F-statistic 32.37994 Durbin-Watson stat 1.962531 146
D(CHUN_MEE(-1))
Prob(F-statistic) -6.890443
0.000000 0.753184 -9.148418 0.0000
D(CHUN_MEE(-1),2) 4.670200 0.706391 6.611351 0.0000
D(CHUN_MEE(-2),2) 3.448818 0.608748 5.665433 0.0000
D(CHUN_MEE(-3),2) 2.292328 0.476785 4.807885 0.0000
Keringan Murni
60,000
50,000
40,000
30,000
20,000
10,000
0
07 08 09 10 11 12 13 14 15 16 17 18 19
Uji Stasioner Penjualan Keringan Murni Pada Level
Null Hypothesis: KERINGAN_MURNI has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.880987
10% level -2.577219
Uji Stasioner
Augmented Penjualan
Dickey-Fuller Test Keringan
Equation Murni Pada First Difference
Dependent Variable: D(KERINGAN_MURNI)
Method:
Null Least Squares
Hypothesis: D(KERINGAN_MURNI) has a unit root
Date: 08/20/19
Exogenous: Time: 19:10
Constant
Sample (adjusted):
Lag Length: 2007M03
0 (Automatic 2019M06
- based on SIC, maxlag=13)
t-Statistic Prob.*
KERINGAN_MURNI(-1)
Test critical values: -0.243061
1% level 0.067225 -3.615662
-3.474874 0.0004
D(KERINGAN_MURNI(-1)) 5% -0.295669
level 0.079895 -3.700739
-2.880987 0.0003
C 3207.950
10% level 1060.216 3.025750
-2.577219 0.0029
R-squared
*MacKinnon (1996) one-sided0.242023
p-values. Mean dependent var -67.56757
Adjusted R-squared 0.231568 S.D. dependent var 7502.878
S.E. of regression 6577.043 Akaike info criterion 20.44062
Lanjutan
Sum
Augmented Lampiran
squared resid 5. Test6.27E+09
Dickey-Fuller Equation Schwarz criterion 20.50137
Log likelihood
Dependent -1509.606 Hannan-Quinn criter.
Variable: D(KERINGAN_MURNI,2) 20.46530
F-statistic
Method:
c. LokalLeast
2 Squares 23.14929 Durbin-Watson stat 2.045564
Prob(F-statistic)
Date: 08/20/19 Time: 19:30 0.000000
Sample (adjusted): 2007M03 2019M06
147
D(KERINGAN_MURNI(-1)) -1.417537 0.075372 -18.80717 0.0000

C -89.57288 562.5525 -0.159226 0.8737
Lokal 2
20,000
16,000
12,000
8,000
4,000
0
07 08 09 10 11 12 13 14 15 16 17 18 19
Uji Stasioner Penjualan Lokal 2 Pada Level
Null Hypothesis: LOKAL_2 has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.880853
10% level -2.577147
Uji Stasioner
Augmented Penjualan
Dickey-Fuller Test Lokal
Equation2 Pada First Difference
Dependent Variable: D(LOKAL_2)
Null Hypothesis:
Method: D(LOKAL_2) has a unit root
Least Squares
Exogenous: Constant
Date: 08/20/19 Time: 19:12
Lag Length:
Sample 3 (Automatic
(adjusted): - based
2019M06
t-Statistic Prob.*
Test critical values:
LOKAL_2(-1) 1% level
-0.653574 0.078166 -3.475819
-8.361351 0.0000
C 5% level
4512.189 598.8502 -2.881400
7.534754 0.0000
10% level -2.577439
R-squared 0.322306 Mean dependent var -60.40268
Adjusted R-squared p-values.S.D. dependent var
0.317696 3606.230
Sum squared resid 1.30E+09 Schwarz criterion 18.89009
Lanjutan
Augmented
Lampiran
Log likelihood
5. -1402.307
Dickey-Fuller Test EquationHannan-Quinn criter. 18.86615
Dependent
F-statistic Variable: D(LOKAL_2,2)
69.91220 Durbin-Watson stat 2.049175
d. Kempring
Method: Least Squares
Prob(F-statistic) 0.000000
Date: 08/20/19 Time: 19:32
148
D(LOKAL_2(-1)) -2.656863 0.255280 -10.40765 0.0000

D(LOKAL_2(-1),2) 1.058878 0.213008 4.971074 0.0000
Kempring
14,000
12,000
10,000
8,000
6,000
4,000
2,000
0
07 08 09 10 11 12 13 14 15 16 17 18 19
Uji Stasioner Penjualan Kempring Pada Level
Null Hypothesis: KEMPRING has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.880853
10% level -2.577147
Uji Stasioner
Augmented Penjualan
Dickey-Fuller Test Kempring
Equation Pada First Difference
Dependent Variable: D(KEMPRING)
Null Hypothesis:
Method: D(KEMPRING) has a unit root
Least Squares
Exogenous: Constant
Date: 08/20/19 Time: 19:12
Lag Length:
Sample 2 (Automatic
(adjusted): - based
2019M06
t-Statistic Prob.*
Test KEMPRING(-1)
critical values: 1% level
-0.858002 0.081815 -3.475500
-10.48711 0.0000
C 5% level
4437.450 481.1904 -2.881260
9.221817 0.0000
10% level -2.577365
0.424079 3488.750
Sum squared resid
Lanjutan
Augmented
Lampiran 5. 1.03E+09
Dickey-Fuller Test
Schwarz criterion
EquationHannan-Quinn criter.
18.65434
Log likelihood -1384.745 18.63040
Dependent
F-statistic Variable: D(KEMPRING,2)
e. Dust
Date: 08/20/19 Time: 19:32
149
D(KEMPRING(-1)) -2.526349 0.204328 -12.36418 0.0000

D(KEMPRING(-1),2) 0.797359 0.150904 5.283865 0.0000
D(KEMPRING(-2),2) 0.295482 0.079108 3.735162 0.0003
Dust
16,000
14,000
12,000
10,000
8,000
6,000
4,000
2,000
0
07 08 09 10 11 12 13 14 15 16 17 18 19
Uji Stasioner Penjualan Dust Pada Level
Null Hypothesis: DUST has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.880853
10% level -2.577147
Uji Stasioner
Augmented Penjualan
Dickey-Fuller Test Dust Pada First Difference
Equation
Dependent Variable: D(DUST)
Null Hypothesis:
Method: D(DUST) has a unit root
Least Squares
Exogenous: Constant
Date: 08/20/19 Time: 19:13
Lag Length:
Sample 2 (Automatic
(adjusted): - based
2019M06
t-Statistic Prob.*
DUST(-1) 1% level
-1.061915 0.082320 -3.475500
-12.89979 0.0000
C 5% level
5965.043 518.7905 -2.881260
11.49798 0.0000
10% level -2.577365
R-squared 0.530958 Mean dependent var 0.000000
0.527767 4177.765
Sum squared
Lanjutan resid
Lampiran 5. 1.21E+09 Schwarz criterion 18.81631
Augmented
Log likelihoodDickey-Fuller Test EquationHannan-Quinn criter.
-1396.811 18.79237
Dependent
F-statistic Variable: D(DUST,2)
f. Tulang
Date: 08/20/19 Time: 19:33
150
D(DUST(-1)) -2.909917 0.207877 -13.99829 0.0000

D(DUST(-1),2) 1.014649 0.153625 6.604732 0.0000
Tulang
20,000
16,000
12,000
8,000
4,000
0
07 08 09 10 11 12 13 14 15 16 17 18 19
Uji Stasioner Penjualan Tulang Pada Level
Null Hypothesis: TULANG has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.880853
10% level -2.577147
Uji Stasioner
Augmented Penjualan
Dickey-Fuller Test Tulang
Equation Pada First Difference
Dependent Variable: D(TULANG)
Null Hypothesis:
Method: D(TULANG) has a unit root
Least Squares
Exogenous:
Date: 08/20/19 Constant
Time: 19:14
Lag Length:
Sample 10 (Automatic
(adjusted): - based
2019M06
t-Statistic Prob.*
TULANG(-1) 1% level
-0.883668 0.083735 -3.478189
-10.55310 0.0000
C 5% level
7535.928 759.4318 -2.882433
9.923113 0.0000
10% level -2.577990
0.427174 3964.541
Sum squared
Lampiran resid
6. Uji 1.32E+09 Schwarz criterion
Lag Optimum 18.90465
Augmented
Log likelihoodDickey-Fuller Test EquationHannan-Quinn criter.
-1403.392 18.88071
Dependent
F-statistic Variable: D(TULANG,2)
Date: 08/20/19 Time: 19:34
151
D(TULANG(-1)) -8.431622 1.007857 -8.365893 0.0000

D(TULANG(-1),2) 6.551817 0.964655 6.791876 0.0000
VAR Lag Order Selection Criteria
Endogenous variables: CHUN_MEE KERINGAN_MURNI LOKAL_2 KEMPRING DUS...
Exogenous variables: C
Date: 08/21/19 Time: 21:42
Sample: 2007M01 2019M06
Included observations: 142
Lag LogL LR FPE AIC SC HQ
0 -8084.215 NA 1.23e+42 113.9467 114.0716* 113.9974

1 -8003.450 153.5684 6.58e+41 113.3162 114.1905 113.6715*
2 -7965.239 69.42515 6.39e+41* 113.2851* 114.9087 113.9448
3 -7941.409 41.28273 7.64e+41 113.4565 115.8295 114.4208
4 -7919.378 36.30463 9.41e+41 113.6532 116.7756 114.9220
5 -7882.670 57.38823* 9.51e+41 113.6432 117.5150 115.2166
6 -7854.625 41.47485 1.10e+42 113.7553 118.3764 115.6331
7 -7831.298 32.52644 1.37e+42 113.9338 119.3042 116.1161
8 -7800.824 39.91666 1.57e+42 114.0116 120.1314 116.4985
* 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 7. Uji Stabilitas Model
152
Roots of Characteristic Polynomial
Endogenous variables: CHUN_MEE
KERINGAN_MURNI LOKAL_2
KEMPRING DUST TULANG
Exogenous variables: C
Lag specification: 1 2
Date: 08/22/19 Time: 10:31
Root Modulus
0.853172 0.853172
0.564661 0.564661
-0.457156 - 0.083527i 0.464724
-0.457156 + 0.083527i 0.464724
-0.456292 0.456292
-0.125388 - 0.430734i 0.448613
-0.125388 + 0.430734i 0.448613
0.334696 - 0.226406i 0.404081
0.334696 + 0.226406i 0.404081
-0.061536 - 0.347737i 0.353140
-0.061536 + 0.347737i 0.353140
-0.028355 0.028355
No root lies outside the unit circle.

VAR satisfies the stability condition.
Lampiran 8. Uji Kointegrasi Johansen
153
Date: 09/23/19 Time: 20:52
Trend assumption: No deterministic trend (restricted constant)
Series: CHUN_MEE KERINGAN_MURNI LOKAL_2 KEMPRING DUST TULANG
Lags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.389358 219.8467 103.8473 0.0000

At most 1 * 0.346815 147.3398 76.97277 0.0000
At most 2 * 0.184966 84.73325 54.07904 0.0000
At most 3 * 0.180289 54.66800 35.19275 0.0001
At most 4 * 0.119046 25.44383 20.26184 0.0088
At most 5 0.045281 6.811644 9.164546 0.1367
Trace test indicates 5 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.389358 72.50686 40.95680 0.0000

At most 1 * 0.346815 62.60660 34.80587 0.0000
At most 2 * 0.184966 30.06525 28.58808 0.0321
At most 3 * 0.180289 29.22417 22.29962 0.0046
At most 4 * 0.119046 18.63219 15.89210 0.0181
At most 5 0.045281 6.811644 9.164546 0.1367
Max-eigenvalue test indicates 5 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 9. Uji Kausalitas Granger
154
Pairwise Granger Causality Tests
Date: 08/22/19 Time: 10:20
Sample: 2007M01 2019M06
Lags: 2
Null Hypothesis: Obs F-Statistic Prob.
KERINGAN_MURNI does not Granger Cause CHUN_MEE 148 8.17973 0.0004

CHUN_MEE does not Granger Cause KERINGAN_MURNI 1.47846 0.2315
LOKAL_2 does not Granger Cause CHUN_MEE 148 4.31277 0.0152

CHUN_MEE does not Granger Cause LOKAL_2 4.43846 0.0135
KEMPRING does not Granger Cause CHUN_MEE 148 1.96413 0.1440

CHUN_MEE does not Granger Cause KEMPRING 4.17008 0.0174
DUST does not Granger Cause CHUN_MEE 148 0.57233 0.5655

CHUN_MEE does not Granger Cause DUST 2.89295 0.0587
TULANG does not Granger Cause CHUN_MEE 148 2.20274 0.1142

CHUN_MEE does not Granger Cause TULANG 1.71191 0.1842
LOKAL_2 does not Granger Cause KERINGAN_MURNI 148 2.48875 0.0866

KERINGAN_MURNI does not Granger Cause LOKAL_2 1.24145 0.2921
KEMPRING does not Granger Cause KERINGAN_MURNI 148 1.35998 0.2600

KERINGAN_MURNI does not Granger Cause KEMPRING 1.50955 0.2245
DUST does not Granger Cause KERINGAN_MURNI 148 0.03662 0.9641

KERINGAN_MURNI does not Granger Cause DUST 0.94261 0.3920
TULANG does not Granger Cause KERINGAN_MURNI 148 1.93713 0.1479

KERINGAN_MURNI does not Granger Cause TULANG 0.49211 0.6124
KEMPRING does not Granger Cause LOKAL_2 148 0.18742 0.8293

LOKAL_2 does not Granger Cause KEMPRING 6.89293 0.0014
DUST does not Granger Cause LOKAL_2 148 2.06271 0.1309

LOKAL_2 does not Granger Cause DUST 7.20569 0.0010
TULANG does not Granger Cause LOKAL_2 148 1.11620 0.3304

LOKAL_2 does not Granger Cause TULANG 2.59751 0.0780
DUST does not Granger Cause KEMPRING 148 1.62983 0.1996

KEMPRING does not Granger Cause DUST 4.47545 0.0130
TULANG does not Granger Cause KEMPRING 148 0.26847 0.7649

KEMPRING does not Granger Cause TULANG 2.72301 0.0691
TULANG does not Granger Cause DUST 148 6.32234 0.0023

DUST does not Granger Cause TULANG 0.82849 0.4388
Lampiran 10. Estimasi VECM Lag 2
155
Vector Error Correction Estimates
Date: 09/20/19 Time: 14:32
Vector Error
Sample Correction
(adjusted): Estimates
2007M04 2019M06
Date: 09/20/19
Included Time: 14:32
observations: 147 after adjustments
Sample (adjusted):
Standard errors in ( 2007M04 2019M06
) & t-statistics in [ ]
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 CointEq2 CointEq3 CointEq4 CointEq5
Cointegrating Eq: CointEq1 CointEq2 CointEq3 CointEq4 CointEq5
CHUN_MEE(-1) 1.000000 0.000000 0.000000 0.000000 0.000000
CHUN_MEE(-1) 1.000000 0.000000 0.000000 0.000000 0.000000
KERINGAN_MURNI(-1) 0.000000 1.000000 0.000000 0.000000 0.000000
KERINGAN_MURNI(-1) 0.000000 1.000000 0.000000 0.000000 0.000000
LOKAL_2(-1) 0.000000 0.000000 1.000000 0.000000 0.000000
LOKAL_2(-1) 0.000000 0.000000 1.000000 0.000000 0.000000
KEMPRING(-1) 0.000000 0.000000 0.000000 1.000000 0.000000
KEMPRING(-1) 0.000000 0.000000 0.000000 1.000000 0.000000
DUST(-1) 0.000000 0.000000 0.000000 0.000000 1.000000
DUST(-1) 0.000000 0.000000 0.000000 0.000000 1.000000
TULANG(-1) -2.624981 13.32463 -1.910651 -1.052532 -0.027252
TULANG(-1) -2.624981 13.32463 -1.910651 -1.052532 -0.027252
(0.33761) (2.03581) (0.19322) (0.15457) (0.15775)
(0.33761) (2.03581) (0.19322) (0.15457) (0.15775)
[-7.77521] [ 6.54512] [-9.88842] [-6.80937] [-0.17275]
[-7.77521] [ 6.54512] [-9.88842] [-6.80937] [-0.17275]
C
C 20112.68
20112.68 -127239.7
-127239.7 9441.543
9441.543 3828.858
3828.858 -5309.176
-5309.176
(2963.43)
(2963.43) (17869.7)
(17869.7) (1696.04)
(1696.04) (1356.78)
(1356.78) (1384.70)
(1384.70)
[[ 6.78696]
6.78696] [-7.12040]
[-7.12040] [[ 5.56683]
5.56683] [[ 2.82202]
2.82202] [-3.83417]
[-3.83417]
Error Correction: D(CHUN_M... D(KERINGA... D(LOKAL_2) D(KEMPRING) D(DUST) D(TULANG)
CointEq1 -0.752615 -0.459842 0.107868 -0.060240 0.430045 0.092965

(0.16243)
(0.16243) (0.44784)
(0.44784) (0.19842)
(0.19842) (0.16833)
(0.16833) (0.17899)
(0.17899) (0.20679)
(0.20679)
[-4.63352]
[-4.63352] [-1.02680]
[-1.02680] [[ 0.54363]
0.54363] [-0.35787]
[-0.35787] [[ 2.40257]
2.40257] [[ 0.44957]
0.44957]
CointEq2 -0.130617 -0.198366 -0.057242 -0.068643 0.099382 -0.041870

CointEq2 -0.130617 -0.198366 -0.057242 -0.068643 0.099382 -0.041870
(0.03029) (0.08351) (0.03700) (0.03139) (0.03338) (0.03856)
(0.03029) (0.08351) (0.03700) (0.03139) (0.03338) (0.03856)
[-4.31258] [-2.37544] [-1.54712] [-2.18692] [ 2.97764] [-1.08588]
[-4.31258] [-2.37544] [-1.54712] [-2.18692] [ 2.97764] [-1.08588]
CointEq3 0.149223 -0.297608 -0.693142 0.171058 -0.048380 0.204849
CointEq3 0.149223
(0.14078) -0.297608
(0.38814) -0.693142
(0.17197) 0.171058
(0.14589) -0.048380
(0.15513) 0.204849
(0.17922)
[(0.14078)
1.05999] (0.38814)
[-0.76674] (0.17197)
[-4.03056] [(0.14589)
1.17249] (0.15513)
[-0.31186] [(0.17922)
1.14298]
[ 1.05999] [-0.76674] [-4.03056] [ 1.17249] [-0.31186] [ 1.14298]
CointEq4 -0.187373 -0.016825 -0.030648 -0.944186 0.181991 -0.102812
CointEq4 (0.17351)
-0.187373 (0.47840)
-0.016825 (0.21196)
-0.030648 (0.17982)
-0.944186 (0.19121)
0.181991 (0.22090)
-0.102812
[-1.07989]
(0.17351) [-0.03517]
(0.47840) [-0.14459]
(0.21196) [-5.25087]
(0.17982) [(0.19121)
0.95181] [-0.46543]
(0.22090)
[-1.07989] [-0.03517] [-0.14459] [-5.25087] [ 0.95181] [-0.46543]
CointEq5 0.157887 0.688442 0.161278 0.414811 -1.186436 0.013749
CointEq5 (0.16888)
0.157887 (0.46564)
0.688442 (0.20631)
0.161278 (0.17502)
0.414811 (0.18611)
-1.186436 (0.21501)
0.013749
[ 0.93489] [ 1.47849] [ 0.78174] [ 2.37008] [-6.37504] [ 0.06395]
(0.16888) (0.46564) (0.20631) (0.17502) (0.18611) (0.21501)
[ 0.93489] [ 1.47849] [ 0.78174] [ 2.37008] [-6.37504] [ 0.06395]
D(CHUN_MEE(-1)) -0.352397 0.418214 0.121027 0.187434 -0.165455 -0.008323
(0.12850) (0.35429) (0.15697) (0.13317) (0.14160) (0.16359)
D(CHUN_MEE(-1)) -0.352397
[-2.74243] [0.418214
1.18043] [0.121027
0.77101] [0.187434
1.40751] -0.165455
[-1.16844] -0.008323
[-0.05088]
(0.12850) (0.35429) (0.15697) (0.13317) (0.14160) (0.16359)
D(CHUN_MEE(-2)) [-2.74243]
-0.231167 [0.264924
1.18043] [0.107699
0.77101] [0.118427
1.40751] [-1.16844]
0.055838 [-0.05088]
0.044148
(0.08544) (0.23557) (0.10437) (0.08854) (0.09415) (0.10877)
D(CHUN_MEE(-2)) -0.231167
[-2.70562] [0.264924
1.12460] [0.107699
1.03187] [0.118427
1.33749] [0.055838
0.59305] [0.044148
0.40587]
(0.08544) (0.23557) (0.10437) (0.08854) (0.09415) (0.10877)
D(KERINGAN_MURNI(-1)) 0.098581
[-2.70562] -0.408337
[ 1.12460] [0.005543
1.03187] [0.058945
1.33749] -0.092729
[ 0.59305] [0.054395
0.40587]
(0.03855) (0.10628) (0.04709) (0.03995) (0.04248) (0.04908)
D(KERINGAN_MURNI(-1)) [0.098581
2.55735] [-3.84197]
-0.408337 [0.005543
0.11771] 1.47552]
[0.058945 [-2.18293]
-0.092729 1.10838]
[0.054395
(0.03855) (0.10628) (0.04709) (0.03995) (0.04248) (0.04908)
D(KERINGAN_MURNI(-2)) 0.006253 -0.121598 0.045481 0.030145 -0.022146 0.031624
[ 2.55735] [-3.84197] [ 0.11771] [ 1.47552] [-2.18293] [ 1.10838]
(0.03516) (0.09695) (0.04296) (0.03644) (0.03875) (0.04477)
[ 0.17783] [-1.25420] [ 1.05878] [ 0.82723] [-0.57152] [ 0.70641]
D(KERINGAN_MURNI(-2)) 0.006253 -0.121598 0.045481 0.030145 -0.022146 0.031624
D(LOKAL_2(-1)) (0.03516)
-0.018902 (0.09695)
-0.001585 (0.04296)
-0.125730 (0.03644)
0.076591 (0.03875)
0.209263 (0.04477)
-0.068241
[(0.11760)
0.17783] [-1.25420] [(0.14365)
1.05878] [(0.12187)
0.82723] [-0.57152] [(0.14971)
0.70641]
Lanjutan Lampiran 10. (0.32423) (0.12959)
[-0.16074] [-0.00489] [-0.87522] [ 0.62847] [ 1.61482] [-0.45581]
D(LOKAL_2(-1)) -0.018902 -0.001585 -0.125730 0.076591 0.209263 -0.068241
D(LOKAL_2(-2)) (0.11760)
0.057424 (0.32423)
0.118320 (0.14365)
-0.137189 (0.12187)
-0.101684 (0.12959)
0.101876 (0.14971)
-0.020324
(0.08657)
[-0.16074] (0.23869)
[-0.00489] (0.10576)
[-0.87522] [(0.08972)
0.62847] [(0.09540)
1.61482] (0.11021)
[-0.45581]
[ 0.66331] [ 0.49570] [-1.29723] [-1.13338] [ 1.06787] [-0.18440]
D(LOKAL_2(-2)) 0.057424 0.118320 -0.137189 -0.101684 0.101876 156
-0.020324
D(KEMPRING(-1)) 0.112608
(0.08657) -0.152600
(0.23869) 0.112574
(0.10576) -0.010544
(0.08972) -0.068071
(0.09540) 0.260723
(0.11021)
[(0.14409)
0.66331] [(0.39729)
0.49570] (0.17602)
[-1.29723] (0.14933)
[-1.13338] [(0.15879)
1.06787] (0.18345)
[-0.18440]
[ 0.78149] [-0.38410] [ 0.63954] [-0.07061] [-0.42869] [ 1.42124]
D(KEMPRING(-1))
D(KEMPRING(-2))
0.112608
-0.008119
-0.152600
-0.335902
0.112574
0.102591
-0.010544
0.050532
-0.068071
-0.092505
0.260723
0.170083
(0.14409) (0.39729) (0.17602) (0.14933) (0.15879) (0.18345)
D(CHUN_MEE(-2))
D(CHUN_MEE(-2)) -0.231167
-0.231167 0.264924
0.264924 0.107699
0.107699 0.118427
0.118427 0.055838
0.055838 0.044148
0.044148
(0.08544)
(0.08544) (0.23557)
(0.23557) (0.10437)
(0.10437) (0.08854)
(0.08854) (0.09415)
(0.09415) (0.10877)
(0.10877)
[-2.70562]
[-2.70562] [[ 1.12460]
1.12460] [[ 1.03187]
1.03187] [[ 1.33749]
1.33749] [[ 0.59305]
0.59305] [[ 0.40587]
0.40587]
D(KERINGAN_MURNI(-1))
0.098581 -0.408337
-0.408337 0.005543
0.005543 0.058945
0.058945 -0.092729
-0.092729 0.054395
0.054395
(0.03855)
(0.03855) (0.10628)
(0.10628) (0.04709)
(0.04709) (0.03995)
(0.03995) (0.04248)
(0.04248) (0.04908)
(0.04908)
[[ 2.55735]
2.55735] [-3.84197]
[-3.84197] [[ 0.11771]
0.11771] [[ 1.47552]
1.47552] [-2.18293]
[-2.18293] [[ 1.10838]
1.10838]
D(KERINGAN_MURNI(-2))
0.006253 -0.121598
-0.121598 0.045481
0.045481 0.030145
0.030145 -0.022146
-0.022146 0.031624
0.031624
(0.03516)
(0.03516) (0.09695)
(0.09695) (0.04296)
(0.04296) (0.03644)
(0.03644) (0.03875)
(0.03875) (0.04477)
(0.04477)
[[ 0.17783]
0.17783] [-1.25420]
[-1.25420] [[ 1.05878]
1.05878] [[ 0.82723]
0.82723] [-0.57152]
[-0.57152] [[ 0.70641]
0.70641]
D(LOKAL_2(-1))
D(LOKAL_2(-1)) -0.018902
-0.018902 -0.001585
-0.001585 -0.125730
-0.125730 0.076591
0.076591 0.209263
0.209263 -0.068241
-0.068241
(0.11760)
(0.11760) (0.32423)
(0.32423) (0.14365)
(0.14365) (0.12187)
(0.12187) (0.12959)
(0.12959) (0.14971)
(0.14971)
[-0.16074]
[-0.16074] [-0.00489]
[-0.00489] [-0.87522]
[-0.87522] [[ 0.62847]
0.62847] [[ 1.61482]
1.61482] [-0.45581]
[-0.45581]
D(LOKAL_2(-2))
D(LOKAL_2(-2)) 0.057424
0.057424 0.118320
0.118320 -0.137189
-0.137189 -0.101684
-0.101684 0.101876
0.101876 -0.020324
-0.020324
(0.08657)
(0.08657) (0.23869)
(0.23869) (0.10576)
(0.10576) (0.08972)
(0.08972) (0.09540)
(0.09540) (0.11021)
(0.11021)
[[ 0.66331]
0.66331] [[ 0.49570]
0.49570] [-1.29723]
[-1.29723] [-1.13338]
[-1.13338] [[ 1.06787]
1.06787] [-0.18440]
[-0.18440]
D(KEMPRING(-1))
D(KEMPRING(-1)) 0.112608
0.112608 -0.152600
-0.152600 0.112574
0.112574 -0.010544
-0.010544 -0.068071
-0.068071 0.260723
0.260723
(0.14409)
(0.14409) (0.39729)
(0.39729) (0.17602)
(0.17602) (0.14933)
(0.14933) (0.15879)
(0.15879) (0.18345)
(0.18345)
[[ 0.78149]
0.78149] [-0.38410]
[-0.38410] [[ 0.63954]
0.63954] [-0.07061]
[-0.07061] [-0.42869]
[-0.42869] [[ 1.42124]
1.42124]
D(KEMPRING(-2))
D(KEMPRING(-2)) -0.008119
-0.008119 -0.335902
-0.335902 0.102591
0.102591 0.050532
0.050532 -0.092505
-0.092505 0.170083
0.170083
(0.09545)
(0.09545) (0.26318)
(0.26318) (0.11661)
(0.11661) (0.09892)
(0.09892) (0.10519)
(0.10519) (0.12152)
(0.12152)
[-0.08506]
[-0.08506] [-1.27630]
[-1.27630] [[ 0.87980]
0.87980] [[ 0.51082]
0.51082] [-0.87941]
[-0.87941] [[ 1.39959]
1.39959]
D(DUST(-1))
D(DUST(-1)) -0.142579
-0.142579 -0.573563
-0.573563 -0.048885
-0.048885 -0.169137
-0.169137 -0.026685
-0.026685 0.076946
0.076946
(0.13118)
(0.13118) (0.36167)
(0.36167) (0.16024)
(0.16024) (0.13594)
(0.13594) (0.14455)
(0.14455) (0.16700)
(0.16700)
[-1.08694]
[-1.08694] [-1.58587]
[-1.58587] [-0.30507]
[-0.30507] [-1.24419]
[-1.24419] [-0.18461]
[-0.18461] [[ 0.46075]
0.46075]
D(DUST(-2))
D(DUST(-2)) -0.092707
-0.092707 -0.174159
-0.174159 0.030134
0.030134 -0.098111
-0.098111 -0.018214
-0.018214 0.056574
0.056574
(0.07949)
(0.07949) (0.21917)
(0.21917) (0.09711)
(0.09711) (0.08238)
(0.08238) (0.08760)
(0.08760) (0.10120)
(0.10120)
[-1.16623]
[-1.16623] [-0.79461]
[-0.79461] [[ 0.31031]
0.31031] [-1.19094]
[-1.19094] [-0.20792]
[-0.20792] [[ 0.55902]
0.55902]
D(TULANG(-1))
D(TULANG(-1)) -0.096862
-0.096862 1.008915
1.008915 -0.268918
-0.268918 -0.058771
-0.058771 0.086085
0.086085 0.040709
0.040709
(0.11993)
(0.11993) (0.33068)
(0.33068) (0.14651)
(0.14651) (0.12429)
(0.12429) (0.13217)
(0.13217) (0.15269)
(0.15269)
[-0.80762]
[-0.80762] [[ 3.05105]
3.05105] [-1.83549]
[-1.83549] [-0.47285]
[-0.47285] [[ 0.65134]
0.65134] [[ 0.26661]
0.26661]
D(TULANG(-2))
D(TULANG(-2)) 0.067789
0.067789 0.591942
0.591942 -0.193088
-0.193088 -0.086506
-0.086506 -0.001790
-0.001790 0.014370
0.014370
(0.08487)
(0.08487) (0.23399)
(0.23399) (0.10367)
(0.10367) (0.08795)
(0.08795) (0.09352)
(0.09352) (0.10805)
(0.10805)
[[ 0.79876]
0.79876] [[ 2.52973]
2.52973] [-1.86246]
[-1.86246] [-0.98357]
[-0.98357] [-0.01914]
[-0.01914] [[ 0.13300]
0.13300]
R-squared
R-squared 0.596778
0.596778 0.318976
0.318976 0.420761
0.420761 0.545797
0.545797 0.644738
0.644738 0.483541
0.483541
Adj.
Adj. R-squared
R-squared 0.547151
0.547151 0.235158
0.235158 0.349470
0.349470 0.489895
0.489895 0.601013
0.601013 0.419976
0.419976
Sum
Sum sq.sq. resids
resids 7.41E+08
7.41E+08 5.63E+09
5.63E+09 1.11E+09
1.11E+09 7.96E+08
7.96E+08 9.00E+08
9.00E+08 1.20E+09
1.20E+09
S.E. equation
S.E. equation 2387.375
2387.375 6582.382
6582.382 2916.396
2916.396 2474.123
2474.123 2630.850
2630.850 3039.378
3039.378
F-statistic
F-statistic 12.02518
12.02518 3.805565
3.805565 5.902026
5.902026 9.763483
9.763483 14.74543
14.74543 7.607115
7.607115
Log
Log likelihood
likelihood -1342.910
-1342.910 -1491.997
-1491.997 -1372.332
-1372.332 -1348.156
-1348.156 -1357.185
-1357.185 -1378.404
-1378.404
Akaike AIC
Akaike AIC 18.50217
18.50217 20.53058
20.53058 18.90248
18.90248 18.57355
18.57355 18.69640
18.69640 18.98509
18.98509
Schwarz
Schwarz SC SC 18.84800
18.84800 20.87641
20.87641 19.24831
19.24831 18.91939
18.91939 19.04223
19.04223 19.33092
19.33092
Mean
Mean dependent
dependent -34.01361
-34.01361 -81.63265
-81.63265 -30.61224
-30.61224 -13.60544
-13.60544 -54.42177
-54.42177 -40.81633
-40.81633
S.D.
S.D. dependent
dependent 3547.674
3547.674 7526.571
7526.571 3615.871
3615.871 3464.109
3464.109 4165.017
4165.017 3990.817
3990.817
Determinant
Determinant resid
resid covariance
covariance (dof
(dof adj.)
adj.) 3.40E+41
3.40E+41
Determinant
Determinant resid
resid covariance
covariance 1.62E+41
1.62E+41
Log likelihood
Log likelihood -8225.990
-8225.990
Akaike information criterion
Akaike information criterion 113.7822
113.7822
Schwarz
Schwarz criterion
criterion 116.5692
116.5692
Number
Number of of coefficients
coefficients 137
137
157
Lampiran 11. Impulse Response Function(IRF)of Chun Mee, Keringan Murni,
Lokal 2, Kempring, Dust and Tulang Periode Juli 2019-Desember
2020
a. Impulse Response Function(IRF) of Chun Mee
Response of CHUN_MEE:
Period CHUN_MEE KERINGA... LOKAL_2 KEMPRING DUST TULANG
1 2387.375 0.000000 0.000000 0.000000 0.000000 0.000000

2
Response -105.5583
of CHUN_MEE: -199.1306 332.4271 -111.7458 76.35088 111.6839
3
Period 602.6637
CHUN_MEE -619.3682
KERINGA... 329.4290
LOKAL_2 -11.69427
KEMPRING 247.7649
DUST 419.7477
TULANG
4 633.1141 -349.3757 83.35004 111.8106 114.9585 -123.2398
5
1 218.0848
2387.375 -440.0166
0.000000 347.2617
0.000000 -43.48988
0.000000 -66.53625
0.000000 311.7850
0.000000
6
2 364.8236
-105.5583 -519.3694
-199.1306 149.5707
332.4271 -22.05678
-111.7458 64.20875
76.35088 239.7250
111.6839
7
3 260.8407
602.6637 -447.6933
-619.3682 237.3403
329.4290 87.61732
-11.69427 31.58175
247.7649 161.7523
419.7477
8
4 280.8080
633.1141 -515.5638
-349.3757 286.9843
83.35004 -40.00748
111.8106 -38.07602
114.9585 245.8452
-123.2398
9
5 253.5818
218.0848 -497.9711
-440.0166 184.5675
347.2617 7.024147
-43.48988 -9.241380
-66.53625 187.5792
311.7850
10
6 217.1854
364.8236 -495.6587
-519.3694 258.5585
149.5707 11.74880
-22.05678 -10.47433
64.20875 225.8895
239.7250
11
7 252.0946
260.8407 -514.5840
-447.6933 248.3391
237.3403 -5.709237
87.61732 -27.97179
31.58175 228.3371
161.7523
12
8 226.9585
280.8080 -498.2315
-515.5638 233.5445
286.9843 9.689306
-40.00748 -21.06705
-38.07602 203.2933
245.8452
13
9 223.0460
253.5818 -508.8783
-497.9711 253.4464
184.5675 -1.733841
7.024147 -26.42156
-9.241380 229.3420
187.5792
14
10 231.1856
217.1854 -508.9105
-495.6587 241.6668
258.5585 0.613266
11.74880 -24.53109
-10.47433 218.9892
225.8895
15
11 221.4712
252.0946 -505.0915
-514.5840 247.9444
248.3391 5.074756
-5.709237 -25.59570
-27.97179 218.6899
228.3371
16
12 225.6095
226.9585 -509.3468
-498.2315 249.0746
233.5445 -1.102216
9.689306 -27.69570
-21.06705 223.9330
203.2933
17
13 223.6072
223.0460 -507.3487
-508.8783 244.9578
253.4464 2.342984
-1.733841 -26.16661
-26.42156 219.4725
229.3420
18
14 222.0568
231.1856 -507.8649
-508.9105 249.3419
241.6668 1.544227
0.613266 -26.87973
-24.53109 222.3910
218.9892
15 221.4712 -505.0915 247.9444 5.074756 -25.59570 218.6899
Response
16 of KERINGAN_MURNI:
225.6095 -509.3468 249.0746 -1.102216 -27.69570 223.9330
b. Impulse
Period
17 Response
223.6072 Function(IRF)
CHUN_MEE KERINGA...
-507.3487 of KeringanKEMPRING
LOKAL_2
244.9578 Murni
2.342984 DUST
-26.16661 TULANG
219.4725
18 222.0568 -507.8649 249.3419 1.544227 -26.87973 222.3910
1 -126.3961 6581.168 0.000000 0.000000 0.000000 0.000000
2
Response -230.9609 2711.253
of KERINGAN_MURNI: -854.6157 -175.0684 402.3614 339.9919
3
Period -618.1456 2866.980
CHUN_MEE KERINGA... -700.7293
LOKAL_2 -654.4932
KEMPRING 615.1099
DUST -797.7606
TULANG
4 -1172.783 2503.663 -1177.935 -148.9237 -87.34046 -1480.728
5
1 -817.7066
-126.3961 2657.387
6581.168 -1367.698
0.000000 -447.4447
0.000000 39.55888
0.000000 -1152.355
0.000000
6
2 -1312.988
-230.9609 2643.885
2711.253 -1404.089
-854.6157 -35.55549
-175.0684 19.61697
402.3614 -1023.529
339.9919
7
3 -1086.795
-618.1456 2604.766
2866.980 -1148.035
-700.7293 -7.396816
-654.4932 197.8620
615.1099 -1052.529
-797.7606
8
4 -1055.259
-1172.783 2582.175
2503.663 -1276.015
-1177.935 2.992270
-148.9237 80.94846
-87.34046 -1190.295
-1480.728
9
5 -1154.362
-817.7066 2595.617
2657.387 -1278.361
-1367.698 -61.16515
-447.4447 126.1397
39.55888 -1161.691
-1152.355
10
6 -1144.730
-1312.988 2561.046
2643.885 -1270.658
-1404.089 -16.56125
-35.55549 140.1886
19.61697 -1089.830
-1023.529
11 -1112.565 2588.859 -1255.166 6.633246 150.9161 -1139.080
7 -1086.795 2604.766 -1148.035 -7.396816 197.8620 -1052.529
12 -1127.063 2583.586 -1248.850 -1.763257 126.6878 -1125.945
8 -1055.259 2582.175 -1276.015 2.992270 80.94846 -1190.295
13 -1125.884 2579.077 -1267.222 -15.62107 140.3431 -1127.405
9 -1154.362 2595.617 -1278.361 -61.16515 126.1397 -1161.691
14 -1133.733 2580.350 -1261.225 -1.440035 142.7300 -1124.886
10 -1144.730 2561.046 -1270.658 -16.56125 140.1886 -1089.830
15 -1125.083 2579.103 -1254.205 -7.271199 139.2864 -1124.498
11 -1112.565 2588.859 -1255.166 6.633246 150.9161 -1139.080
16 -1127.246 2580.652 -1262.041 -5.247792 137.5609 -1128.414
12 -1127.063 2583.586 -1248.850 -1.763257 126.6878 -1125.945
17 -1130.404 2580.570 -1259.357 -6.697208 139.6462 -1125.488
13 -1125.884 2579.077 -1267.222 -15.62107 140.3431 -1127.405
18 -1128.117 2579.120 -1259.319 -6.234762 139.1518 -1124.733
14 -1133.733 2580.350 -1261.225 -1.440035 142.7300 -1124.886
15 -1125.083 2579.103 -1254.205 -7.271199 139.2864 -1124.498
Response of LOKAL_2:
16 -1127.246 2580.652 -1262.041 -5.247792 137.5609 -1128.414
17 -1130.404 2580.570 -1259.357 -6.697208 139.6462 -1125.488
18 -1128.117 2579.120 -1259.319 -6.234762 139.1518 -1124.733
1 793.9203 -144.0736 2802.553 0.000000 0.000000 0.000000
2 788.2054 -366.5556 668.8091 277.1384 310.7590 90.61785
3 323.5810 44.46340 454.5350 185.3563 319.2126 230.7207
4 324.4655 -356.7924 682.0720 51.82620 194.7621 661.6467
5 393.3436 -292.6732 300.1714 106.4781 156.8649 137.1212
1 793.9203 -144.0736 2802.553 0.000000 0.000000 0.000000
6 197.1139 -303.2629 284.1764 12.74150 -5.044284 155.1279
2 788.2054 -366.5556 668.8091 277.1384 310.7590 90.61785
158
7 209.4885 -386.7979 185.2731 -99.79548 -14.81681 234.4351
3 323.5810 44.46340 454.5350 185.3563 319.2126 230.7207
8 151.7182 -348.0140 157.0611 28.86338 11.73599 157.5270
4 324.4655 -356.7924 682.0720 51.82620 194.7621 661.6467
9 177.2577 -363.9952 227.0539 -5.120684 -25.98047 180.9556
5 393.3436 -292.6732 300.1714 106.4781 156.8649 137.1212
10 181.8642 -370.3874 160.8009 -15.11279 -34.42978 151.3596
6 197.1139 -303.2629 284.1764 12.74150 -5.044284 155.1279
11 144.2710 -362.8126 173.0925 0.054594 -15.60741 157.2726
3
Response -618.1456 2866.980
of KERINGAN_MURNI: -700.7293 -654.4932 615.1099 -797.7606
Period
4 CHUN_MEE
-1172.783 KERINGA...
2503.663 LOKAL_2
-1177.935 KEMPRING
-148.9237 DUST
-87.34046 TULANG
-1480.728
5 -817.7066 2657.387 -1367.698 -447.4447 39.55888 -1152.355
1
6 -126.3961
-1312.988 6581.168
2643.885 0.000000
-1404.089 0.000000
-35.55549 0.000000
19.61697 0.000000
-1023.529
2
7 -230.9609
-1086.795 2711.253
2604.766 -854.6157
-1148.035 -175.0684
-7.396816 402.3614
197.8620 339.9919
-1052.529
3
8 -618.1456
-1055.259 2866.980
2582.175 -700.7293
-1276.015 -654.4932
2.992270 615.1099
80.94846 -797.7606
-1190.295
4
9 -1172.783
-1154.362 2503.663
2595.617 -1177.935
-1278.361 -148.9237
-61.16515 -87.34046
126.1397 -1480.728
-1161.691
5
10 -817.7066
-1144.730 2657.387
2561.046 -1367.698
-1270.658 -447.4447
-16.56125 39.55888
140.1886 -1152.355
-1089.830
6
11 -1312.988
-1112.565 2643.885
2588.859 -1404.089
-1255.166 -35.55549
6.633246 19.61697
150.9161 -1023.529
-1139.080
7
12 -1086.795
-1127.063 2604.766
2583.586 -1148.035
-1248.850 -7.396816
-1.763257 197.8620
126.6878 -1052.529
-1125.945
8
13 -1055.259
-1125.884 2582.175
2579.077 -1276.015
-1267.222 2.992270
-15.62107 80.94846
140.3431 -1190.295
-1127.405
9 -1154.362
14 -1133.733 2595.617
2580.350 -1278.361
-1261.225 -61.16515
-1.440035 126.1397
142.7300 -1161.691
-1124.886
10
15 -1144.730
-1125.083 2561.046
2579.103 -1270.658
-1254.205 -16.56125
-7.271199 140.1886
139.2864 -1089.830
-1124.498
11
16 -1112.565
-1127.246 2588.859
2580.652 -1255.166
-1262.041 6.633246
-5.247792 150.9161
137.5609 -1139.080
-1128.414
c. Impulse
12
17 Response
-1127.063
-1130.404 Function(IRF)
2583.586
2580.570 of Lokal
-1248.850
-1259.357 2 -1.763257
-6.697208 126.6878
139.6462 -1125.945
-1125.488
13
18 -1125.884
-1128.117 2579.077
2579.120 -1267.222
-1259.319 -15.62107
-6.234762 140.3431
139.1518 -1127.405
-1124.733
14 -1133.733 2580.350 -1261.225 -1.440035 142.7300 -1124.886
15
Response -1125.083
of LOKAL_2: 2579.103 -1254.205 -7.271199 139.2864 -1124.498
16
Period -1127.246 2580.652
CHUN_MEE KERINGA... -1262.041
LOKAL_2 -5.247792
KEMPRING 137.5609
DUST -1128.414
TULANG
17 -1130.404 2580.570 -1259.357 -6.697208 139.6462 -1125.488
18 -1128.117 2579.120 -1259.319 -6.234762 139.1518 -1124.733
1 793.9203 -144.0736 2802.553 0.000000 0.000000 0.000000
2 788.2054 -366.5556 668.8091 277.1384 310.7590 90.61785
3 323.5810 44.46340 454.5350 185.3563 319.2126 230.7207
4 324.4655 -356.7924 682.0720 51.82620 194.7621 661.6467
5 393.3436 -292.6732 300.1714 106.4781 156.8649 137.1212
1 793.9203 -144.0736 2802.553 0.000000 0.000000 0.000000
6 197.1139 -303.2629 284.1764 12.74150 -5.044284 155.1279
2 788.2054 -366.5556 668.8091 277.1384 310.7590 90.61785
7 209.4885 -386.7979 185.2731 -99.79548 -14.81681 234.4351
3 323.5810 44.46340 454.5350 185.3563 319.2126 230.7207
8 151.7182 -348.0140 157.0611 28.86338 11.73599 157.5270
4 324.4655 -356.7924 682.0720 51.82620 194.7621 661.6467
9
5 177.2577
393.3436 -363.9952
-292.6732 227.0539
300.1714 -5.120684
106.4781 -25.98047
156.8649 180.9556
137.1212
10
6 181.8642
197.1139 -370.3874
-303.2629 160.8009
284.1764 -15.11279
12.74150 -34.42978
-5.044284 151.3596
155.1279
11
7 144.2710
209.4885 -362.8126
-386.7979 173.0925
185.2731 0.054594
-99.79548 -15.60741
-14.81681 157.2726
234.4351
12
8 165.7282
151.7182 -376.2447
-348.0140 188.1963
157.0611 -4.780713
28.86338 -21.41847
11.73599 173.3718
157.5270
13
9 166.8871
177.2577 -367.2468
-363.9952 174.9843
227.0539 3.179259
-5.120684 -20.64905
-25.98047 152.1231
180.9556
14
10 157.5123
181.8642 -368.5706
-370.3874 182.9557
160.8009 0.319675
-15.11279 -21.97914
-34.42978 162.6109
151.3596
15
11 163.9472
144.2710 -371.7966
-362.8126 179.0819
173.0925 -1.782609
0.054594 -19.72979
-15.60741 163.3476
157.2726
16
12 160.9649
165.7282 -368.7576
-376.2447 179.8345
188.1963 3.212401
-4.780713 -18.95687
-21.41847 159.4398
173.3718
17
13 162.1928
166.8871 -370.3152
-367.2468 182.5470
174.9843 0.061983
3.179259 -20.63053
-20.64905 162.5759
152.1231
18
14 162.5129
157.5123 -369.9832
-368.5706 179.1467
182.9557 0.702118
0.319675 -19.96818
-21.97914 160.7595
162.6109
15 163.9472 -371.7966 179.0819 -1.782609 -19.72979 163.3476
Response
16 of KEMPRING:
160.9649 -368.7576 179.8345 3.212401 -18.95687 159.4398
d. Impulse
Period
17 Response
CHUN_MEE KERINGA...
-370.3152 of Kempring
LOKAL_2
182.5470 KEMPRING
0.061983 DUST
-20.63053 TULANG
162.5759
18 162.5129 -369.9832 179.1467 0.702118 -19.96818 160.7595
1 11.96568 -103.3458 1135.338 2195.784 0.000000 0.000000
2
Response 545.4667
of KEMPRING: -213.4394 642.6104 81.40181 479.0204 -386.5516
3
Period 66.89216
CHUN_MEE -310.9410
KERINGA... -97.55537
LOKAL_2 233.0137
KEMPRING 141.5497
DUST 93.71228
TULANG
4 83.52233 -178.8483 370.8271 72.11845 397.9972 237.4713
5
1 263.4581
11.96568 -213.0217
-103.3458 250.9146
1135.338 233.9051
2195.784 22.68128
0.000000 219.2796
0.000000
2
6 545.4667
187.2028 -213.4394
-112.7140 642.6104
113.0723 81.40181
9.632312 479.0204
51.45101 -386.5516
-11.19548
3
7 66.89216
45.34553 -310.9410
-221.7220 -97.55537
103.2720 233.0137
-5.629840 141.5497
-10.43406 93.71228
176.3159
4
8 83.52233
125.4699 -178.8483
-210.8155 370.8271
91.40835 72.11845
-18.20792 397.9972
43.49906 237.4713
85.36389
5
9 263.4581
91.37704 -213.0217
-194.5059 250.9146
110.2983 233.9051
31.95111 22.68128
-21.71300 219.2796
81.02175
6
10 187.2028
103.1616 -112.7140
-202.5365 113.0723
100.3255 9.632312
-25.76051 51.45101
-17.95037 -11.19548
89.12904
7
11 45.34553
81.47311 -221.7220
-202.8564 103.2720
80.24606 -5.629840
6.510954 -10.43406
-9.918827 176.3159
89.09962
8
12 125.4699
88.84263 -210.8155
-203.0372 91.40835
108.2305 -18.20792
-0.858081 43.49906
-5.433539 85.36389
91.29069
9
13 91.37704
95.33184 -194.5059
-205.8872 110.2983
97.86620 31.95111
0.864156 -21.71300
-15.58891 81.02175
87.59697
10
14 103.1616
87.49856 -202.5365
-201.0987 100.3255
96.24507 -25.76051
-0.411660 -17.95037
-10.10051 89.12904
84.28779
11
15 81.47311
87.94739 -202.8564
-205.1879 80.24606
100.3685 6.510954
0.043556 -9.918827
-11.40188 89.09962
92.87017
12
16 88.84263
91.11835 -203.0372
-203.5826 108.2305
98.66938 -0.858081
0.765097 -5.433539
-9.863330 91.29069
87.41690
13
17 95.33184
88.55930 -205.8872
-203.2940 97.86620
100.0259 0.864156
1.423210 -15.58891
-11.51634 87.59697
88.56930
14
18 87.49856
89.75886 -201.0987
-204.1144 96.24507
99.32873 -0.411660
-0.570240 -10.10051
-10.99094 84.28779
89.26525
15 87.94739 -205.1879 100.3685 0.043556 -11.40188 92.87017
16
Response 91.11835
of DUST: -203.5826 98.66938 0.765097 -9.863330 87.41690
17
Period 88.55930
CHUN_MEE -203.2940
KERINGA... 100.0259
LOKAL_2 1.423210
KEMPRING -11.51634
DUST 88.56930
TULANG
18 89.75886 -204.1144 99.32873 -0.570240 -10.99094 89.26525
1 591.8819 -102.1712 259.2253 547.2525 2488.760 0.000000
Response of DUST:
2 770.9302 143.7821 748.9100 338.5210 -352.3547 519.8324
3 450.0015 289.6480 -199.0073 -106.0433 191.2182 -344.5043
4 -165.3627 61.23366 -48.01978 150.3332 127.4296 283.6346
1 591.8819 -102.1712 259.2253 547.2525 2488.760 0.000000
5 257.1160 -48.70439 66.18080 -139.1141 135.5737 14.95678
2 770.9302 143.7821 748.9100 338.5210 -352.3547 519.8324
6 49.79851 39.48972 -65.34589 96.36612 -30.68307 -110.6598
3 450.0015 289.6480 -199.0073 -106.0433 191.2182 -344.5043
7 17.52909 12.02084 8.569520 -85.69135 -2.103874 10.41454
4 -165.3627 61.23366 -48.01978 150.3332 127.4296 283.6346
8 26.00233 -13.68922 -61.77801 11.65947 5.226353 19.32638
5 257.1160 -48.70439 66.18080 -139.1141 135.5737 159
14.95678
9 7.351559 15.76192 16.29606 14.58945 25.25158 -19.64871
6 49.79851 39.48972 -65.34589 96.36612 -30.68307 -110.6598
10
7
24.61696
17.52909
-13.62431
12.02084
6.603635
8.569520
-4.727359
-85.69135
-16.18358
-2.103874
9.385916
10.41454
11
8 9.039875
26.00233 2.403447
-13.68922 -20.69520
-61.77801 -4.596502
11.65947 8.140278
5.226353 -18.33941
19.32638
12
9 -4.427663
7.351559 -5.539444
15.76192 7.190195
16.29606 4.697787
14.58945 1.595539
25.25158 12.05532
-19.64871
13 14.90641 -6.484222 1.765096 -2.429670 2.585991 0.366216
Period
4 CHUN_MEE
83.52233 KERINGA...
-178.8483 LOKAL_2
370.8271 KEMPRING
72.11845 DUST
397.9972 TULANG
237.4713
5 263.4581 -213.0217 250.9146 233.9051 22.68128 219.2796
1
6 11.96568
187.2028 -103.3458
-112.7140 1135.338
113.0723 2195.784
9.632312 0.000000
51.45101 0.000000
-11.19548
2
7 545.4667
45.34553 -213.4394
-221.7220 642.6104
103.2720 81.40181
-5.629840 479.0204
-10.43406 -386.5516
176.3159
3
8 66.89216
125.4699 -310.9410
-210.8155 -97.55537
91.40835 233.0137
-18.20792 141.5497
43.49906 93.71228
85.36389
4
9 83.52233
91.37704 -178.8483
-194.5059 370.8271
110.2983 72.11845
31.95111 397.9972
-21.71300 237.4713
81.02175
5
10 263.4581
103.1616 -213.0217
-202.5365 250.9146
100.3255 233.9051
-25.76051 22.68128
-17.95037 219.2796
89.12904
6
11 187.2028
81.47311 -112.7140
-202.8564 113.0723
80.24606 9.632312
6.510954 51.45101
-9.918827 -11.19548
89.09962
7
12 45.34553
88.84263 -221.7220
-203.0372 103.2720
108.2305 -5.629840
-0.858081 -10.43406
-5.433539 176.3159
91.29069
8
13 125.4699
95.33184 -210.8155
-205.8872 91.40835
97.86620 -18.20792
0.864156 43.49906
-15.58891 85.36389
87.59697
9 91.37704
14 Lampiran
87.49856 -194.5059 110.2983 31.95111 -21.71300 81.02175
Lanjutan
10
11. -201.0987
103.1616 -202.5365
96.24507
100.3255
-0.411660
-25.76051
-10.10051
-17.95037
84.28779
89.12904
15 87.94739 -205.1879 100.3685 0.043556 -11.40188 92.87017
11
16 81.47311
91.11835 -202.8564
-203.5826 80.24606
98.66938 6.510954
0.765097 -9.918827
-9.863330 89.09962
87.41690
e. Impulse
12
17 Response
88.84263 -203.0372
-203.2940 of Dust
108.2305
100.0259 -0.858081
1.423210 -5.433539
-11.51634 91.29069
88.56930
13
18 95.33184
89.75886 -205.8872
-204.1144 97.86620
99.32873 0.864156
-0.570240 -15.58891
-10.99094 87.59697
89.26525
14 87.49856 -201.0987 96.24507 -0.411660 -10.10051 84.28779
15 87.94739
Response of DUST: -205.1879 100.3685 0.043556 -11.40188 92.87017
16
Period 91.11835
CHUN_MEE -203.5826
KERINGA... 98.66938
LOKAL_2 0.765097
KEMPRING -9.863330
DUST 87.41690
TULANG
17 88.55930 -203.2940 100.0259 1.423210 -11.51634 88.56930
18
1 89.75886
591.8819 -204.1144
-102.1712 99.32873
259.2253 -0.570240
547.2525 -10.99094
2488.760 89.26525
0.000000
2 770.9302 143.7821 748.9100 338.5210 -352.3547 519.8324
Response
3 of DUST:
450.0015 289.6480 -199.0073 -106.0433 191.2182 -344.5043
Period
4 CHUN_MEE
-165.3627 KERINGA...
61.23366 LOKAL_2
-48.01978 KEMPRING
150.3332 DUST
127.4296 TULANG
283.6346
5 257.1160 -48.70439 66.18080 -139.1141 135.5737 14.95678
1
6 591.8819
49.79851 -102.1712
39.48972 259.2253
-65.34589 547.2525
96.36612 2488.760
-30.68307 0.000000
-110.6598
2
7 770.9302
17.52909 143.7821
12.02084 748.9100
8.569520 338.5210
-85.69135 -352.3547
-2.103874 519.8324
10.41454
3
8 450.0015
26.00233 289.6480
-13.68922 -199.0073
-61.77801 -106.0433
11.65947 191.2182
5.226353 -344.5043
19.32638
4
9 -165.3627
7.351559 61.23366
15.76192 -48.01978
16.29606 150.3332
14.58945 127.4296
25.25158 283.6346
-19.64871
5
10 257.1160
24.61696 -48.70439
-13.62431 66.18080
6.603635 -139.1141
-4.727359 135.5737
-16.18358 14.95678
9.385916
6
11 49.79851
9.039875 39.48972
2.403447 -65.34589
-20.69520 96.36612
-4.596502 -30.68307
8.140278 -110.6598
-18.33941
7
12 17.52909
-4.427663 12.02084
-5.539444 8.569520
7.190195 -85.69135
4.697787 -2.103874
1.595539 10.41454
12.05532
8
13 26.00233
14.90641 -13.68922
-6.484222 -61.77801
1.765096 11.65947
-2.429670 5.226353
2.585991 19.32638
0.366216
9
14 7.351559
1.802082 15.76192
-1.733908 16.29606
-0.781433 14.58945
5.130465 25.25158
-0.441916 -19.64871
-3.058896
10
15 24.61696
3.442925 -13.62431
-5.996037 6.603635
4.198258 -4.727359
-3.361936 -16.18358
0.412469 9.385916
4.972710
11
16 9.039875
4.128655 2.403447
-5.381348 -20.69520
-0.362212 -4.596502
1.351959 8.140278
0.810611 -18.33941
1.245862
12
17 -4.427663
2.241762 -5.539444
-4.287714 7.190195
3.730436 4.697787
0.779222 1.595539
0.472207 12.05532
1.595544
13
18 14.90641
3.590732 -6.484222
-5.774689 1.765096
2.397092 -2.429670
-0.583093 2.585991
-0.768224 0.366216
2.877658
14 1.802082 -1.733908 -0.781433 5.130465 -0.441916 -3.058896
15
Response 3.442925
of TULANG: -5.996037 4.198258 -3.361936 0.412469 4.972710
16 4.128655 -5.381348 -0.362212 1.351959 0.810611 1.245862
f.Period
Impulse
17
CHUN_MEE KERINGA...
Response
-4.287714
LOKAL_2
of Tulang KEMPRING
3.730436 0.779222
DUST
0.472207
TULANG
1.595544
18
1 3.590732
638.8555 -5.774689
527.1984 2.397092
1043.146 -0.583093
954.9825 -0.768224
829.4163 2.877658
2421.501
2 335.9030 13.54400 538.9250 353.6000 188.5708 -108.4529
Response
3 of TULANG:
373.0778 -213.4406 252.6863 -181.3983 16.64719 -46.72557
Period4 CHUN_MEE
-44.33108 KERINGA...
-292.6748 LOKAL_2
-148.1161 KEMPRING
-378.8981 DUST
-72.95785 TULANG
37.66828
5 6.315011 -180.7091 74.11067 43.68483 36.01309 198.0018
1
6 638.8555
156.3512 527.1984
-166.5239 1043.146
171.7952 954.9825
33.70046 829.4163
-47.87362 2421.501
104.0736
2
7 335.9030
99.58281 13.54400
-171.4400 538.9250
65.04231 353.6000
-12.82859 188.5708
-62.37267 -108.4529
44.71022
3
8 373.0778
42.53854 -213.4406
-201.5188 252.6863
71.72337 -181.3983
-32.16352 16.64719
-3.185228 -46.72557
87.64225
4
9 -44.33108
85.44324 -292.6748
-208.8311 -148.1161
97.18100 -378.8981
-2.422546 -72.95785
-3.931729 37.66828
96.65131
5
10 6.315011
92.47649 -180.7091
-188.1037 74.11067
98.50460 43.68483
7.409048 36.01309
-16.12072 198.0018
69.53223
6
11 156.3512
81.30903 -166.5239
-191.5795 171.7952
94.54386 33.70046
-2.561767 -47.87362
-18.74821 104.0736
86.55369
7
12 99.58281
82.77253 -171.4400
-194.7182 65.04231
89.70423 -12.82859
-1.865997 -62.37267
-7.396293 44.71022
86.97188
8
13 42.53854
83.46026 -201.5188
-193.7211 71.72337
97.30857 -32.16352
3.882366 -3.185228
-8.399868 87.64225
84.75500
9
14 85.44324
87.06497 -208.8311
-194.1271 97.18100
96.54295 -2.422546
-0.582321 -3.931729
-11.87108 96.65131
83.72263
10
15 92.47649
84.10300 -188.1037
-193.1660 98.50460
92.42916 7.409048
0.227725 -16.12072
-10.95611 69.53223
83.45611
11
16 81.30903
83.61073 -191.5795
-193.6692 94.54386
95.04682 -2.561767
0.384990 -18.74821
-9.808465 86.55369
85.71646
12
17 82.77253
85.43726 -194.7182
-193.8998 89.70423
94.88829 -1.865997
0.724083 -7.396293
-10.36607 86.97188
84.71522
13
18 83.46026
84.73351 -193.7211
-193.3190 97.30857
94.48646 3.882366
0.643637 -8.399868
-10.55609 84.75500
83.85463
14 87.06497 -194.1271 96.54295 -0.582321 -11.87108 83.72263
15 84.10300 -193.1660 92.42916 0.227725 -10.95611 83.45611
Cholesky Ordering: CHUN_MEE KERINGAN_MURNI LOKAL_2 KEMPRING DUST TULANG
16 83.61073 -193.6692 95.04682 0.384990 -9.808465 85.71646
17 85.43726 -193.8998 94.88829 0.724083 -10.36607 84.71522
18 84.73351 -193.3190 94.48646 0.643637 -10.55609 83.85463
160
Lampiran 12. Variance Decomposition of Chun Mee, Keringan Murni, Lokal 2,
Kempring, Dust and Tulang Periode Juli 2019-Desember 2020
a. Variance Decomposition of Chun Mee
Variance Decomposition of CHUN_MEE:

Period S.E. CHUN_MEE KERINGA... LOKAL_2 KEMPRING DUST TULANG
1 2387.375 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000

2 2427.272 96.92869 0.673037 1.875667 0.211946 0.098944 0.211711
Variance Decomposition of CHUN_MEE:
3 2642.860 86.96004 6.059953 3.135867 0.180736 0.962343 2.701064
4 2748.719 85.69618 7.217742 2.990930 0.332547 1.064560 2.698043
5 2832.093 81.31780 9.212952 4.320905 0.336837 1.057998 3.753505
1 2387.375 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000
6 2916.855 78.22477 11.85575 4.336374 0.323263 1.045860 4.213983
2 2427.272 96.92869 0.673037 1.875667 0.211946 0.098944 0.211711
7 2977.864 75.81956 13.63516 4.795742 0.396723 1.014692 4.338129
3 2642.860 86.96004 6.059953 3.135867 0.180736 0.962343 2.701064
8 3059.115 72.68808 15.76083 5.424458 0.393033 0.976999 4.756596
4 2748.719 85.69618 7.217742 2.990930 0.332547 1.064560 2.698043
9 3120.873 70.49995 17.68921 5.561646 0.378138 0.939591 4.931462
5 2832.093 81.31780 9.212952 4.320905 0.336837 1.057998 3.753505
10 3186.036 68.11033 19.39331 5.995065 0.364188 0.902631 5.234483
6 2916.855 78.22477 11.85575 4.336374 0.323263 1.045860 4.213983
11 3254.811 65.86223 21.08193 6.326540 0.349268 0.872274 5.507760
7 2977.864 75.81956 13.63516 4.795742 0.396723 1.014692 4.338129
12 3315.110 63.95680 22.58073 6.594787 0.337532 0.844869 5.685276
8 3059.115 72.68808 15.76083 5.424458 0.393033 0.976999 4.756596
13 3378.786 62.00466 24.00598 6.911227 0.324956 0.819440 5.933738
9 3120.873 70.49995 17.68921 5.561646 0.378138 0.939591 4.931462
14 3440.289 60.25908 25.34355 7.159777 0.313444 0.795487 6.128661
10 3186.036 68.11033 19.39331 5.995065 0.364188 0.902631 5.234483
15 3499.963 58.62220 26.56935 7.419572 0.303057 0.773941 6.311877
11 3254.811 65.86223 21.08193 6.326540 0.349268 0.872274 5.507760
16 3559.919 57.06582 27.72906 7.661284 0.292945 0.754143 6.496747
12 3315.110 63.95680 22.58073 6.594787 0.337532 0.844869 5.685276
17 3617.913 55.63301 28.81373 7.876062 0.283670 0.735391 6.658135
13 3378.786 62.00466 24.00598 6.911227 0.324956 0.819440 5.933738
18 3675.443 54.27005 29.82808 8.091656 0.274877 0.717898 6.817444
14 3440.289 60.25908 25.34355 7.159777 0.313444 0.795487 6.128661
15 3499.963 58.62220 26.56935 7.419572 0.303057 0.773941 6.311877
Variance Decomposition of KERINGAN_MURNI:
16 3559.919 57.06582 27.72906 7.661284 0.292945 0.754143 6.496747
b. Variance
Period
17 Decomposition
S.E.
3617.913 55.63301of Keringan
CHUN_MEE KERINGA...
28.81373 Murni
LOKAL_2
7.876062
KEMPRING
0.283670
DUST
0.735391
TULANG
6.658135
18 3675.443 54.27005 29.82808 8.091656 0.274877 0.717898 6.817444
1 6582.382 0.036872 99.96313 0.000000 0.000000 0.000000 0.000000
2 7195.172 0.133897 97.86012 1.410780 0.059202 0.312716 0.223283
Variance Decomposition of KERINGAN_MURNI:
3 7893.436 0.724522 94.50442 1.960297 0.736699 0.867095 1.206966
4 8576.711 2.483474 88.56796 3.546656 0.654145 0.744812 4.002953
5 9202.751 2.946592 85.26597 5.289273 0.804570 0.648771 5.044826
1 6582.382 0.036872 99.96313 0.000000 0.000000 0.000000 0.000000
6 9819.644 4.375844 82.13852 6.690129 0.707966 0.570216 5.517328
2 7195.172 0.133897 97.86012 1.410780 0.059202 0.312716 0.223283
7 10337.13 5.054027 80.46991 7.270480 0.638908 0.551191 6.015481
3 7893.436 0.724522 94.50442 1.960297 0.736699 0.867095 1.206966
8 10848.46 5.535024 78.72846 7.984752 0.580107 0.506024 6.665633
4 8576.711 2.483474 88.56796 3.546656 0.654145 0.744812 4.002953
9 11347.35 6.093922 77.19035 8.567253 0.533125 0.474864 7.140485
5 9202.751 2.946592 85.26597 5.289273 0.804570 0.648771 5.044826
10 11809.06 6.566386 75.97567 9.068204 0.492449 0.452550 7.444741
6 9819.644 4.375844 82.13852 6.690129 0.707966 0.570216 5.517328
11 12259.27 6.916566 74.95740 9.462665 0.456973 0.435076 7.771316
7 10337.13 5.054027 80.46991 7.270480 0.638908 0.551191 6.015481
12 12691.66 7.241916 74.08084 9.797120 0.426368 0.415900 8.037855
8 10848.46 5.535024 78.72846 7.984752 0.580107 0.506024 6.665633
13 13110.85 7.523672 73.28907 10.11487 0.399681 0.401189 8.271522
9 11347.35 6.093922 77.19035 8.567253 0.533125 0.474864 7.140485
14 13517.19 7.781610 72.59309 10.38647 0.376014 0.388581 8.474237
10 11809.06 6.566386 75.97567 9.068204 0.492449 0.452550 7.444741
15 13910.03 8.002490 71.98850 10.62108 0.355103 0.376969 8.655867
11 12259.27 6.916566 74.95740 9.462665 0.456973 0.435076 7.771316
16 14293.51 8.200810 71.43730 10.83841 0.336318 0.366275 8.820889
12 12691.66 7.241916 74.08084 9.797120 0.426368 0.415900 8.037855
17 14666.76 8.382739 70.94332 11.03106 0.319439 0.356935 8.966504
13 13110.85 7.523672 73.28907 10.11487 0.399681 0.401189 8.271522
18 15030.26 8.545524 70.49786 11.20596 0.304192 0.348451 9.098020
14 13517.19 7.781610 72.59309 10.38647 0.376014 0.388581 8.474237
15 13910.03 8.002490 71.98850 10.62108 0.355103 0.376969 8.655867
Variance Decomposition of LOKAL_2:
16 14293.51 8.200810 71.43730 10.83841 0.336318 0.366275 8.820889
17 14666.76 8.382739 70.94332 11.03106 0.319439 0.356935 8.966504
18 15030.26 8.545524 70.49786 11.20596 0.304192 0.348451 9.098020
1 2916.396 7.410725 0.244048 92.34523 0.000000 0.000000 0.000000
2 3144.820 12.65511 1.568472 83.94031 0.776608 0.976463 0.083030
Variance Decomposition of LOKAL_2:
3 3223.765 13.05038 1.511617 81.86747 1.069626 1.909691 0.591221
4 3401.302 12.63357 2.458307 77.56541 0.984095 2.043417 4.315206
5 3457.468 13.52073 3.095642 75.81956 1.047225 2.183410 4.333433
1 2916.396 7.410725 0.244048 92.34523 0.000000 0.000000 0.000000
6 3491.406 13.57789 3.790215 75.01521 1.028297 2.141377 4.447011
2 3144.820 12.65511 1.568472 83.94031 0.776608 0.976463 0.083030
7 3533.112 13.61079 4.899805 73.52965 1.083946 2.092880 4.782925
3 3223.765 13.05038 1.511617 81.86747 1.069626 1.909691 0.591221
8 3560.543 13.58345 5.779945 72.59563 1.073880 2.061843 4.905252
4 3401.302 12.63357 2.458307 77.56541 0.984095 2.043417 4.315206
9 3595.327 13.56495 6.693623 71.59654 1.053404 2.027361 5.064114
5 3457.468 13.52073 3.095642 75.81956 1.047225 2.183410 4.333433
10 3625.854 13.58908 7.624885 70.59271 1.037478 2.002384 5.153461
6 3491.406 13.57789 3.790215 75.01521 1.028297 2.141377 4.447011
11 3654.340 13.53391 8.492177 69.72079 1.021367 1.973112 5.258650
7 3533.112 13.61079 4.899805 73.52965 1.083946 2.092880 4.782925
161
12 3686.352 13.50200 9.387042 68.77581 1.003873 1.942368 5.388907
8 3560.543 13.58345 5.779945 72.59563 1.073880 2.061843 4.905252
13 3715.657 13.49159 10.21644 67.91700 0.988174 1.914939 5.471855
9 3595.327 13.56495 6.693623 71.59654 1.053404 2.027361 5.064114
14 3745.285 13.45585 11.02388 67.08533 0.972602 1.888205 5.574132
10 3625.854 13.58908 7.624885 70.59271 1.037478 2.002384 5.153461
15 3775.105 13.43271 11.82037 66.25473 0.957320 1.861224 5.673646
11 3654.340 13.53391 8.492177 69.72079 1.021367 1.973112 5.258650
16 3804.134 13.40752 12.58031 65.47087 0.942836 1.835410 5.763047
12 3686.352 13.50200 9.387042 68.77581 1.003873 1.942368 5.388907
2 7195.172 0.133897 97.86012 1.410780 0.059202 0.312716 0.223283
Variance
3 Decomposition
7893.436 of KERINGAN_MURNI:
0.724522 94.50442 1.960297 0.736699 0.867095 1.206966
Period
4 S.E.
8576.711 CHUN_MEE
2.483474 KERINGA...
88.56796 LOKAL_2
3.546656 KEMPRING
0.654145 DUST
0.744812 TULANG
4.002953
5 9202.751 2.946592 85.26597 5.289273 0.804570 0.648771 5.044826
1
6 6582.382
9819.644 0.036872
4.375844 99.96313
82.13852 0.000000
6.690129 0.000000
0.707966 0.000000
0.570216 0.000000
5.517328
2
7 7195.172
10337.13 0.133897
5.054027 97.86012
80.46991 1.410780
7.270480 0.059202
0.638908 0.312716
0.551191 0.223283
6.015481
3
8 7893.436
10848.46 0.724522
5.535024 94.50442
78.72846 1.960297
7.984752 0.736699
0.580107 0.867095
0.506024 1.206966
6.665633
4
9 8576.711
11347.35 2.483474
6.093922 88.56796
77.19035 3.546656
8.567253 0.654145
0.533125 0.744812
0.474864 4.002953
7.140485
5
10 9202.751
11809.06 2.946592
6.566386 85.26597
75.97567 5.289273
9.068204 0.804570
0.492449 0.648771
0.452550 5.044826
7.444741
6
11 9819.644
12259.27 4.375844
6.916566 82.13852
74.95740 6.690129
9.462665 0.707966
0.456973 0.570216
0.435076 5.517328
7.771316
7
12 10337.13
12691.66 5.054027
7.241916 80.46991
74.08084 7.270480
9.797120 0.638908
0.426368 0.551191
0.415900 6.015481
8.037855
8
13 10848.46
13110.85 5.535024
7.523672 78.72846
73.28907 7.984752
10.11487 0.580107
0.399681 0.506024
0.401189 6.665633
8.271522
Lanjutan
9
14 Lampiran
13517.19 12.
11347.35 6.093922
7.781610 77.19035
72.59309 8.567253
10.38647 0.533125
0.376014 0.474864
0.388581 7.140485
8.474237
10
15 11809.06
13910.03 6.566386
8.002490 75.97567
71.98850 9.068204
10.62108 0.492449
0.355103 0.452550
0.376969 7.444741
8.655867
11
16 12259.27
14293.51 6.916566
8.200810 74.95740
71.43730 9.462665
10.83841 0.456973
0.336318 0.435076
0.366275 7.771316
8.820889
c. Variance
12
17
Decomposition
12691.66
14666.76 7.241916
8.382739
of Lokal 2
74.08084
70.94332 9.797120
11.03106 0.426368
0.319439 0.415900
0.356935 8.037855
8.966504
13
18 13110.85
15030.26 7.523672
8.545524 73.28907
70.49786 10.11487
11.20596 0.399681
0.304192 0.401189
0.348451 8.271522
9.098020
14 13517.19 7.781610 72.59309 10.38647 0.376014 0.388581 8.474237
15 Decomposition
Variance 13910.03 of LOKAL_2:
8.002490 71.98850 10.62108 0.355103 0.376969 8.655867
16
Period 14293.51
S.E. 8.200810 71.43730
CHUN_MEE KERINGA... 10.83841
LOKAL_2 0.336318
KEMPRING 0.366275
DUST 8.820889
TULANG
17 14666.76 8.382739 70.94332 11.03106 0.319439 0.356935 8.966504
18
1 15030.26
2916.396 8.545524
7.410725 70.49786
0.244048 11.20596
92.34523 0.304192
0.000000 0.348451
0.000000 9.098020
0.000000
2 3144.820 12.65511 1.568472 83.94031 0.776608 0.976463 0.083030
Variance
3 Decomposition
3223.765 of LOKAL_2:
13.05038 1.511617 81.86747 1.069626 1.909691 0.591221
Period
4 S.E.
3401.302 CHUN_MEE
12.63357 KERINGA...
2.458307 LOKAL_2
77.56541 KEMPRING
0.984095 DUST
2.043417 TULANG
4.315206
5 3457.468 13.52073 3.095642 75.81956 1.047225 2.183410 4.333433
1
6 2916.396
3491.406 7.410725
13.57789 0.244048
3.790215 92.34523
75.01521 0.000000
1.028297 0.000000
2.141377 0.000000
4.447011
2
7 3144.820
3533.112 12.65511
13.61079 1.568472
4.899805 83.94031
73.52965 0.776608
1.083946 0.976463
2.092880 0.083030
4.782925
3
8 3223.765
3560.543 13.05038
13.58345 1.511617
5.779945 81.86747
72.59563 1.069626
1.073880 1.909691
2.061843 0.591221
4.905252
4
9 3401.302
3595.327 12.63357
13.56495 2.458307
6.693623 77.56541
71.59654 0.984095
1.053404 2.043417
2.027361 4.315206
5.064114
5
10 3457.468
3625.854 13.52073
13.58908 3.095642
7.624885 75.81956
70.59271 1.047225
1.037478 2.183410
2.002384 4.333433
5.153461
6
11 3491.406
3654.340 13.57789
13.53391 3.790215
8.492177 75.01521
69.72079 1.028297
1.021367 2.141377
1.973112 4.447011
5.258650
7
12 3533.112
3686.352 13.61079
13.50200 4.899805
9.387042 73.52965
68.77581 1.083946
1.003873 2.092880
1.942368 4.782925
5.388907
8
13 3560.543
3715.657 13.58345
13.49159 5.779945
10.21644 72.59563
67.91700 1.073880
0.988174 2.061843
1.914939 4.905252
5.471855
9
14 3595.327
3745.285 13.56495
13.45585 6.693623
11.02388 71.59654
67.08533 1.053404
0.972602 2.027361
1.888205 5.064114
5.574132
10
15 3625.854
3775.105 13.58908
13.43271 7.624885
11.82037 70.59271
66.25473 1.037478
0.957320 2.002384
1.861224 5.153461
5.673646
11
16 3654.340
3804.134 13.53391
13.40752 8.492177
12.58031 69.72079
65.47087 1.021367
0.942836 1.973112
1.835410 5.258650
5.763047
12
17 3686.352
3833.413 13.50200
13.38251 9.387042
13.32207 68.77581
64.70135 1.003873
0.928489 1.942368
1.810376 5.388907
5.855212
13
18 3715.657
3862.213 13.49159
13.36072 10.21644
14.04181 67.91700
63.95516 0.988174
0.914696 1.914939
1.786150 5.471855
5.941467
14 3745.285 13.45585 11.02388 67.08533 0.972602 1.888205 5.574132
Variance Decomposition of KEMPRING: 11.82037
15 3775.105 13.43271 66.25473 0.957320 1.861224 5.673646
16 3804.134 13.40752 12.58031 65.47087 0.942836 1.835410 5.763047
d. Variance
Period
17
Decomposition
S.E.
3833.413
CHUN_MEE
13.38251
of Kempring
KERINGA...
13.32207
LOKAL_2
64.70135
KEMPRING
0.928489
DUST
1.810376
TULANG
5.855212
18
1 3862.213
2474.123 13.36072
0.002339 14.04181
0.174479 63.95516
21.05756 0.914696
78.76562 1.786150
0.000000 5.941467
0.000000
2 2694.964 4.098638 0.774309 23.43358 66.47674 3.159381 2.057354
Variance
3 Decomposition
2730.681 of KEMPRING:
4.052126 2.050809 22.95220 65.47723 3.345977 2.121660
Period
4 S.E.
2802.337 CHUN_MEE
3.936382 KERINGA...
2.354585 LOKAL_2
23.54450 KEMPRING
62.23778 DUST
5.194115 TULANG
2.732640
5 2852.043 4.653688 2.831102 23.50497 60.75992 5.020969 3.229352
1
6 2474.123
2863.136 0.002339
5.045201 0.174479
2.964184 21.05756
23.47915 78.76562
60.29113 0.000000
5.014430 0.000000
3.205906
2
7 2694.964
2879.350 4.098638
5.013341 0.774309
3.523859 23.43358
23.34410 66.47674
59.61440 3.159381
4.959427 2.057354
3.544869
3
8 2730.681
2892.872 4.052126
5.154697 2.050809
4.022057 22.95220
23.22622 65.47723
59.06236 3.345977
4.935783 2.121660
3.598881
4
9 2802.337
2904.327 3.936382
5.213106 2.354585
4.438906 23.54450
23.18760 62.23778
58.60950 5.194115
4.902515 2.732640
3.648373
5
10 2852.043
2916.466 4.653688
5.294918 2.831102
4.884304 23.50497
23.11331 60.75992
58.13042 5.020969
4.865578 3.229352
3.711461
6
11 2863.136
2927.128 5.045201
5.333885 2.964184
5.329065 23.47915
23.02039 60.29113
57.70819 5.014430
4.831343 3.205906
3.777126
7
12 2879.350
2938.924 5.013341
5.382538 3.523859
5.763653 23.34410
22.97159 59.61440
57.24589 4.959427
4.792980 3.544869
3.843355
8
13 2892.872
2950.635 5.154697
5.444283 4.022057
6.204879 23.22622
22.89961 59.06236
56.79238 4.935783
4.757800 3.598881
3.901042
9
14 2904.327
2961.556 5.213106
5.491494 4.438906
6.620284 23.18760
22.83665 58.60950
56.37431 4.902515
4.723939 3.648373
3.953325
10
15 2916.466
2973.126 5.294918
5.536338 4.884304
7.045153 23.11331
22.77322 58.13042
55.93639 4.865578
4.688714 3.711461
4.020188
11
16 2927.128
2984.410 5.333885
5.587769 5.329065
7.457313 23.02039
22.71064 57.70819
55.51421 4.831343
4.654418 3.777126
4.075643
12
17 2938.924
2995.640 5.382538
5.633349 5.763653
7.862049 22.97159
22.65218 57.24589
55.09880 4.792980
4.621065 3.843355
4.132558
13
18 2950.635
3006.914 5.444283
5.680291 6.204879
8.263995 22.89961
22.59175 56.79238
54.68639 4.757800
4.587813 3.901042
4.189756
14 2961.556 5.491494 6.620284 22.83665 56.37431 4.723939 3.953325
15 2973.126 5.536338
Variance Decomposition of DUST: 7.045153 22.77322 55.93639 4.688714 4.020188
16
Period 2984.410
S.E. 5.587769 7.457313
CHUN_MEE KERINGA... 22.71064
LOKAL_2 55.51421
KEMPRING 4.654418
DUST 4.075643
TULANG
17 2995.640 5.633349 7.862049 22.65218 55.09880 4.621065 4.132558
18
1 3006.914
2630.850 5.680291
5.061485 8.263995
0.150822 22.59175
0.970874 54.68639
4.326965 4.587813
89.48985 4.189756
0.000000
2 2933.636 10.97645 0.361509 7.297792 4.811425 73.41293 3.139888
Variance
3 Decomposition
3016.407 of DUST:
12.60792 1.264005 7.338047 4.674583 69.84111 4.274328
Period
4 S.E.
3041.611 CHUN_MEE
12.69542 KERINGA...
1.283673 LOKAL_2
7.241863 KEMPRING
4.841721 DUST
68.86396 TULANG
5.073367
5 3059.774 13.25127 1.293816 7.202926 4.991122 68.24517 5.015704
1
6 2630.850
3064.800 5.061485
13.23424 0.150822
1.306178 0.970874
7.224781 4.326965
5.073631 89.48985
68.03153 0.000000
5.129636
2
7 2933.636
3066.102 10.97645
13.22627 0.361509
1.306606 7.297792
7.219428 4.811425
5.147432 73.41293
67.97383 3.139888
5.126435
3
8 3016.407
3066.953 12.60792
13.22613 1.264005
1.307874 7.338047
7.255999 4.674583
5.146023 69.84111
67.93642 4.274328
5.127563
4
9 3041.611
3067.247 12.69542
13.22416 1.283673
1.310264 7.241863
7.257430 4.841721
5.147298 68.86396
67.93016 5.073367
5.130683
5
10 3059.774
3067.444 13.25127
13.22891 1.293816
1.312068 7.202926
7.256962 4.991122
5.146875 68.24517
67.92423 5.015704
5.130961
6
11 3064.800
3067.597 13.23424
13.22845 1.306178
1.311999 7.224781
7.260789 5.073631
5.146586 68.03153
67.91815 5.129636
5.134023
7
12 3066.102
3067.641 13.22627
13.22828 1.306606
1.312287 7.219428
7.261128 5.147432
5.146672 67.97383
67.91622 5.126435
5.135419
8
13 3066.953
3067.687 13.22613
13.23025 1.307874
1.312694 7.255999
7.260945 5.146023
5.146581 67.93642
67.91426 5.127563
162
5.135267
9
14 3067.247
3067.694 13.22416
13.23022 1.310264
1.312720 7.257430
7.260919 5.147298
5.146837 67.93016
67.91396 5.130683
5.135343
10
15 3067.444
3067.710 13.22891
13.23020 1.312068
1.313088 7.256962
7.261028 5.146875
5.146902 67.92423
67.91323 5.130961
5.135551
11
16 3067.597
3067.718 13.22845
13.23032 1.311999
1.313389 7.260789
7.260990 5.146586
5.146894 67.91815
67.91287 5.134023
5.135540
12
17 3067.641
3067.725 13.22828
13.23031 1.312287
1.313579 7.261128
7.261107 5.146672
5.146878 67.91622
67.91258 5.135419
5.135544
13 3067.687 13.23025 1.312694 7.260945 5.146581 67.91426 5.135267
1 2474.123 0.002339 0.174479 21.05756 78.76562 0.000000 0.000000
2 2694.964 4.098638 0.774309 23.43358 66.47674 3.159381 2.057354
Variance
3 Decomposition
2730.681 of KEMPRING:
4.052126 2.050809 22.95220 65.47723 3.345977 2.121660
Period
4 S.E.
2802.337 CHUN_MEE
3.936382 KERINGA...
2.354585 LOKAL_2
23.54450 KEMPRING
62.23778 DUST
5.194115 TULANG
2.732640
5 2852.043 4.653688 2.831102 23.50497 60.75992 5.020969 3.229352
1
6 2474.123
2863.136 0.002339
5.045201 0.174479
2.964184 21.05756
23.47915 78.76562
60.29113 0.000000
5.014430 0.000000
3.205906
2
7 2694.964
2879.350 4.098638
5.013341 0.774309
3.523859 23.43358
23.34410 66.47674
59.61440 3.159381
4.959427 2.057354
3.544869
3
8 2730.681
2892.872 4.052126
5.154697 2.050809
4.022057 22.95220
23.22622 65.47723
59.06236 3.345977
4.935783 2.121660
3.598881
4
9 2802.337
2904.327 3.936382
5.213106 2.354585
4.438906 23.54450
23.18760 62.23778
58.60950 5.194115
4.902515 2.732640
3.648373
5
10 2852.043
2916.466 4.653688
5.294918 2.831102
4.884304 23.50497
23.11331 60.75992
58.13042 5.020969
4.865578 3.229352
3.711461
6
11 2863.136
2927.128 5.045201
5.333885 2.964184
5.329065 23.47915
23.02039 60.29113
57.70819 5.014430
4.831343 3.205906
3.777126
7
12 2879.350
2938.924 5.013341
5.382538 3.523859
5.763653 23.34410
22.97159 59.61440
57.24589 4.959427
4.792980 3.544869
3.843355
8
13 2892.872
2950.635 5.154697
5.444283 4.022057
6.204879 23.22622
22.89961 59.06236
56.79238 4.935783
4.757800 3.598881
3.901042
Lanjutan
9
14 Lampiran
2904.327 12.
2961.556 5.213106
5.491494 4.438906
6.620284 23.18760
22.83665 58.60950
56.37431 4.902515
4.723939 3.648373
3.953325
10
15 2916.466
2973.126 5.294918
5.536338 4.884304
7.045153 23.11331
22.77322 58.13042
55.93639 4.865578
4.688714 3.711461
4.020188
11
16 2927.128
2984.410 5.333885
5.587769 5.329065
7.457313 23.02039
22.71064 57.70819
55.51421 4.831343
4.654418 3.777126
4.075643
e. Variance
12
17
Decomposition
2938.924
2995.640 5.382538
5.633349
of Dust
5.763653
7.862049 22.97159
22.65218 57.24589
55.09880 4.792980
4.621065 3.843355
4.132558
13
18 2950.635
3006.914 5.444283
5.680291 6.204879
8.263995 22.89961
22.59175 56.79238
54.68639 4.757800
4.587813 3.901042
4.189756
14 2961.556 5.491494 6.620284 22.83665 56.37431 4.723939 3.953325
15 Decomposition
Variance 2973.126 of DUST:
5.536338 7.045153 22.77322 55.93639 4.688714 4.020188
16
Period 2984.410
S.E. 5.587769
CHUN_MEE 7.457313
KERINGA... 22.71064
LOKAL_2 55.51421
KEMPRING 4.654418
DUST 4.075643
TULANG
17 2995.640 5.633349 7.862049 22.65218 55.09880 4.621065 4.132558
18
1 3006.914
2630.850 5.680291
5.061485 8.263995
0.150822 22.59175
0.970874 54.68639
4.326965 4.587813
89.48985 4.189756
0.000000
2 2933.636 10.97645 0.361509 7.297792 4.811425 73.41293 3.139888
Variance
3 Decomposition
3016.407 of DUST:
12.60792 1.264005 7.338047 4.674583 69.84111 4.274328
Period
4 S.E.
3041.611 CHUN_MEE
12.69542 KERINGA...
1.283673 LOKAL_2
7.241863 KEMPRING
4.841721 DUST
68.86396 TULANG
5.073367
5 3059.774 13.25127 1.293816 7.202926 4.991122 68.24517 5.015704
1
6 2630.850
3064.800 5.061485
13.23424 0.150822
1.306178 0.970874
7.224781 4.326965
5.073631 89.48985
68.03153 0.000000
5.129636
2
7 2933.636
3066.102 10.97645
13.22627 0.361509
1.306606 7.297792
7.219428 4.811425
5.147432 73.41293
67.97383 3.139888
5.126435
3
8 3016.407
3066.953 12.60792
13.22613 1.264005
1.307874 7.338047
7.255999 4.674583
5.146023 69.84111
67.93642 4.274328
5.127563
4
9 3041.611
3067.247 12.69542
13.22416 1.283673
1.310264 7.241863
7.257430 4.841721
5.147298 68.86396
67.93016 5.073367
5.130683
5
10 3059.774
3067.444 13.25127
13.22891 1.293816
1.312068 7.202926
7.256962 4.991122
5.146875 68.24517
67.92423 5.015704
5.130961
6
11 3064.800
3067.597 13.23424
13.22845 1.306178
1.311999 7.224781
7.260789 5.073631
5.146586 68.03153
67.91815 5.129636
5.134023
7
12 3066.102
3067.641 13.22627
13.22828 1.306606
1.312287 7.219428
7.261128 5.147432
5.146672 67.97383
67.91622 5.126435
5.135419
8
13 3066.953
3067.687 13.22613
13.23025 1.307874
1.312694 7.255999
7.260945 5.146023
5.146581 67.93642
67.91426 5.127563
5.135267
9
14 3067.247
3067.694 13.22416
13.23022 1.310264
1.312720 7.257430
7.260919 5.147298
5.146837 67.93016
67.91396 5.130683
5.135343
10
15 3067.444
3067.710 13.22891
13.23020 1.312068
1.313088 7.256962
7.261028 5.146875
5.146902 67.92423
67.91323 5.130961
5.135551
11
16 3067.597
3067.718 13.22845
13.23032 1.311999
1.313389 7.260789
7.260990 5.146586
5.146894 67.91815
67.91287 5.134023
5.135540
12
17 3067.641
3067.725 13.22828
13.23031 1.312287
1.313579 7.261128
7.261107 5.146672
5.146878 67.91622
67.91258 5.135419
5.135544
13
18 3067.687
3067.735 13.23025
13.23036 1.312694
1.313924 7.260945
7.261121 5.146581
5.146848 67.91426
67.91214 5.135267
5.135599
14 3067.694 13.23022 1.312720 7.260919 5.146837 67.91396 5.135343
15 Decomposition
Variance 3067.710 of TULANG:
13.23020 1.313088 7.261028 5.146902 67.91323 5.135551
16 3067.718 13.23032
f. Variance Decomposition of Tulang
Period S.E. CHUN_MEE 1.313389
KERINGA... 7.260990
LOKAL_2 5.146894
KEMPRING 67.91287
DUST 5.135540
TULANG
17 3067.725 13.23031 1.313579 7.261107 5.146878 67.91258 5.135544
18
1 3067.735
3039.378 13.23036
4.418103 1.313924
3.008698 7.261121
11.77934 5.146848
9.872369 67.91214
7.446903 5.135599
63.47459
2 3132.671 5.308610 2.834034 14.04775 10.56719 7.372304 59.87011
Variance
3 Decomposition
3177.670 of TULANG:
6.537742 3.205503 14.28504 10.59590 7.167727 58.20809
Period
4 S.E.
3218.300 CHUN_MEE
6.392685 KERINGA...
3.952100 LOKAL_2
14.13844 KEMPRING
11.71614 DUST
7.039281 TULANG
56.76136
5 3230.798 6.343706 4.234437 14.08189 11.64395 6.997352 56.69866
1
6 3039.378
3245.613 4.418103
6.517989 3.008698
4.459112 11.77934
14.23380 9.872369
11.54868 7.446903
6.955374 63.47459
56.28505
2
7 3132.671
3253.244 5.308610
6.581146 2.834034
4.715927 14.04775
14.20707 10.56719
11.49612 7.372304
6.959541 59.87011
56.04019
3
8 3177.670
3261.884 6.537742
6.563336 3.205503
5.072654 14.28504
14.18026 10.59590
11.44502 7.167727
6.922817 58.20809
55.81591
4
9 3218.300
3272.553 6.392685
6.588778 3.952100
5.446840 14.13844
14.17613 11.71614
11.37057 7.039281
6.877895 56.76136
55.53978
5
10 3230.798
3281.522 6.343706
6.632225 4.234437
5.745687 14.08189
14.18885 11.64395
11.30900 6.997352
6.842760 56.69866
55.28147
6
11 3245.613
3290.667 6.517989
6.656467 4.459112
6.052742 14.23380
14.19264 11.54868
11.24630 6.955374
6.808026 56.28505
55.04383
7
12 3253.244
3299.837 6.581146
6.682442 4.715927
6.367347 14.20707
14.18777 11.49612
11.18391 6.959541
6.770743 56.04019
54.80779
8
13 3261.884
3309.102 6.563336
6.708687 5.072654
6.674457 14.18026
14.19491 11.44502
11.12151 6.922817
6.733526 55.81591
54.56691
9
14 3272.553
3318.418 6.588778
6.739913 5.446840
6.979262 14.17613
14.19997 11.37057
11.05916 6.877895
6.697055 55.53978
54.32464
10
15 3281.522
3327.448 6.632225
6.767265 5.745687
7.278438 14.18885
14.20016 11.30900
10.99921 6.842760
6.661839 55.28147
54.09309
11
16 3290.667
3336.598 6.656467
6.792993 6.052742
7.575483 14.19264
14.20353 11.24630
10.93897 6.808026
6.626215 55.04383
53.86281
12
17 3299.837
3345.754 6.682442
6.821073 6.367347
7.869943 14.18777
14.20633 11.18391
10.87919 6.770743
6.590957 54.80779
53.63251
13
18 3309.102
3354.802 6.708687
6.848125 6.674457
8.159610 14.19491
14.20913 11.12151
10.82059 6.733526
6.556445 54.56691
53.40610
14 3318.418 6.739913 6.979262 14.19997 11.05916 6.697055 54.32464
15 Ordering:
Cholesky 3327.448 6.767265
CHUN_MEE 7.278438 LOKAL_2
KERINGAN_MURNI 14.20016 10.99921
KEMPRING 6.661839
DUST TULANG 54.09309
16 3336.598 6.792993 7.575483 14.20353 10.93897 6.626215 53.86281
17 3345.754 6.821073 7.869943 14.20633 10.87919 6.590957 53.63251
18 3354.802 6.848125 8.159610 14.20913 10.82059 6.556445 53.40610
163
Lampiran 13. Data Produksi Teh Basah dan Teh Kering Periode Januari 2007-
Desember 2018
Produksi Teh Basah (kg)

Bulan
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Jan 412812 400046 353029 378049 293490 343967 318078 244509 307128 340046 179708 245027
Feb 262029 235611 280241 327010 223485 255031 287096 142474 220333 240162 233592 209337
Mar 354501 316356 354056 391677 305225 274573 290694 230370 286128 262073 210098 232332
Aprl 234933 354934 422832 432629 309048 343767 340819 300141 276805 255973 262858 263002
Mei 343424 385014 369239 386932 349579 336485 307758 251033 280278 285569 249789 252686
Juni 316319 323656 354598 356121 336480 345723 287781 273198 272501 272050 190242 145482
Juli 281141 312072 348693 325789 301099 253541 253702 210354 186387 221472 252813 261487
Agst 303719 283833 272609 296665 243700 166669 158465 243045 187692 267384 194779 177559
Sep 225494 249587 177000 226165 258822 175954 209418 241811 136564 240731 145009 135373
Okt 169350 250658 290032 360005 274785 147986 167604 199331 117549 290873 229729 140050
Nov 232863 399620 252392 290003 260843 211883 231162 188777 119244 239873 262737 124520
Des 340671 400738 420214 331090 374963 355473 328735 257613 228341 192843 262232 233129
Produksi Teh Kering (kg)

Bulan
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Jan 92815 89111 78583 84175 65771 77362 71475 55004 69055 75862 39357 54476
Feb 58171 52666 61949 72694 50242 57334 64525 32040 49541 534775 50924 46585
Mar 79060 69979 78781 86990 68646 61751 65382 51850 64296 57657 45881 51395
Aprl 51722 78571 93786 96140 69505 77313 76606 67535 62195 56320 57304 58212
Mei 76584 385014 82085 86210 78630 75724 69214 56482 62872 62862 54355 56063
Juni 76584 71543 79039 79127 75725 77764 64730 61466 61230 59827 41473 32375
Juli 70885 69293 77811 72522 67750 57039 57054 47314 41895 48629 55395 58225
Agst 68223 63115 60875 66038 54845 37506 35645 54696 42202 58186 43030 39611
Sep 50738 55561 39454 50204 58244 39602 47119 54422 30706 52840 31973 30228
Okt 38142 55997 64678 79853 61840 33304 37714 44859 26432 63324 50779 30061
Nov 52038 88874 55904 64328 58666 47603 52016 42474 26764 52315 58103 31327
Des 75665 89050 93292 73502 84349 79941 73948 57898 51182 42260 58281 27837
164
Lampiran 14. Hasil Wawancara dan Pengamatan Penelitian
165
166
167
168

Mutiara Oktaviani Teguh Nugroho-Fst

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Mutiara Oktaviani Teguh Nugroho-Fst

Diunggah oleh

Hak Cipta:

Format Tersedia

PERAMALAN PENJUALAN TEH HIJAU

DI PT. RUMPUN SARI KEMUNING 1, KARANGANYAR,

Mutiara Oktaviani Teguh Nugroho

PROGRAM STUDI AGRIBISNIS

PROGRAM STUDI AGRIBISNIS

Jenis Kelamin : Perempuan

Tempat, Tanggal Lahir : Tangerang, 31 Oktober 1997

Alamat : Jl. Alpukat IV Blok E 17 No.1A

Nomor Handphone : 085664967725

2003-2009 : SDN Benda Baru III

2009-2012 : SMPN 9 Tangerang Selatan

2012-2015 : SMAN 9 Tangerang Selatan

2015-2019 : S-1 Agribisnis UIN Syarif Hidayatullah Jakarta

2015 : SPG eventMedithol di ITC BSD, Tangerang Selatan

2016 : SPG event Mie Gaga di Hari-Hari Swalayan, Jakarta

2018 : PT. Rumpun Sari Kemuning 1, Karanganyar, Jawa

2018-2020 : Usaha Tuku Panganan (Sayur Siap Saji), Tangerang

“Peramalan Penjualan Teh Hijau Di PT. Rumpun Sari Kemuning 1,

Karanganyar, Jawa Tengah”. Skripsi ini diajukan sebagai syarat untuk

menyelesaikan pendidikan strata satu (S1) pada Program Studi Agribisnis,

Fakultas Sains dan Teknologi, UIN Syarif Hidayatullah Jakarta.

selama proses penyusunan skripsi ini sehingga dapat terselesaikan. Pihak–pihak

dalam menyelesaikan pendidikan kuliah.

saran-saran mendukung dalam penyelesaian skripsi.

membantu dalam memberikan informasi dan data internal perusahaan.

dari setiap departemen yang telah memberikan arahan dan informasi-informasi

umum perusahaan baik kebun maupun pabrik.

5. Bapak Gigih, Bapak Sularto, Bapak Harjono, Bapak Purwanto, Bapak

Sriyanto, Bapak Supriyanto, Bapak Narto, Bapak Sarwono, Bapak Purwoto,

BapakMichael selaku mandor dari setiap blok perkebunan yang telah

memberikan arahan dan informasi-informasi terkait teknis perkebunan.

informasi yang dibutuhkan.

7. Teman-teman dari Agribisnis (A,B,C) angkatan 2015, KKN 145 Kejora,

doa, dukungan dan motivasi.

sebagai referensi pada waktu selanjutnya.

Jakarta, Desember 2019

MUTIARA OKTAVIANI TEGUH NUGROHO,Peramalan Penjualan Teh

RIWAYAT HIDUP .......................................................................................... v

KATA PENGANTAR ...................................................................................... vi

ABSTRAK ........................................................................................................ viii

DAFTAR ISI ..................................................................................................... x

DAFTAR TABEL ............................................................................................ xiii

DAFTAR GAMBAR ........................................................................................ xv

DAFTAR LAMPIRAN .................................................................................... xvii

BAB I PENDAHULUAN ................................................................................. 1

1.1 Latar Belakang .................................................................................. 1

BAB II TINJAUAN PUSTAKA...................................................................... 11

2.1Agroindustri Berkelanjutan Sebagai Subsistem

BAB III METODOLOGI PENELITIAN ...................................................... 45

3.1 Lokasi dan Waktu Penelitian ............................................................. 45

BAB IV GAMBARAN UMUM PT. RUMPUN SARI KEMUNING 1 ....... 58

4.1 Sejarah Perusahaan............................................................................. 58

5.1 Hubungan 6 Jenis Teh Hijau .............................................................. 81

BAB VI KESIMPULAN DAN SARAN ......................................................... 133

6.1 Kesimpulan ........................................................................................ 133

DAFTAR PUSTAKA ....................................................................................... 136

LAMPIRAN ...................................................................................................... 139

1. Realisasi Produksi dan Penjualan 6 Jenis Teh Hijau

2. Daur Pangkas Berdasrkan Ketinggian Tempat ......................................... 19

3. Jenis-Jenis Teh Berdasarkan Cara Pengolahannya ................................... 21

4. Persamaan dan Perbedaan dengan Peneliti Terdahulu ............................. 41

5. Kebutuhan Departemen Tanaman dan Pabrik .......................................... 72