Copyright © 2022 Fatma Ramadianti, Zakiah Nurul Aulia, Faradila Agustin, and Liswatun Naimah. This is an
open-access article distributed under the Creative Commons Attribution License, which permits unrestricted use,
distribution, and reproduction in any medium, provided the original work is properly cited.
Abstract
Persediaan sangat penting artinya bagi suatuperusahaan. Perusahan penyedia jasa layanan
pemeliharaan mesin ATM dapatdianggap melakukan pelanggaran kontrak kerja dan dihadapkan
pada risiko pembayaaran denda, jika terjadi kerusakan mesin sementara suku cadang mesin tidak
tersedia di gudang, dan harus menunggu kedatangan dari supplier dalam waktu yang tidak dapat
dipastikan. Pengalokasian persediaan suku cadang dari perusahan pusatke gudang penyimpanan
suku cadang yang berada di berbagai wilayah harus dilakukan dengan optimum dan
efisien.Untuk menentukan pengalokasian persediaan suku cadang diperlukan suatu model yang
menjelaskan hubungan antara jumlah persediaan dan faktor-faktor yang mempengaruhi dan juga
faktor spasial atau wilayah.Tugas Akhir ini bertujuan untuk memodelkan jumlah persediaan
dengan faktor-faktor yang mempengaruhinya. Pemodelan dilakukan dengan pendekatan wilayah
(spasial). Pada model didapatkan dua variabel yang berpengaruh secara signifikan yaitu jumlah
kerusakan suku cadang dan lifetimesuku cadang dan didapatkan nilai AIC terkecil untuk SEM
yaitu 170.7701, sehingga model SEM lebih baik digunakan dalam menganalisis nilai jumlah
persedian suku cadang di Provinsi Jawa Timur dibandingkan dengan model SLM dan model
regresi OLS.
Kata Kunci: Persediaan Suku Cadang, Regresi Spasial, Spatial Eror Model (SEM),
Spatial Lag Model (SLM), Linear Regresi Model (OLS)
1. Pendahuluan
ATM (Automated Teller Machine) atau Anjungan Tunai Mandiri merupakan perangkat
yang dapat mengantikan sebagian besar fungsi tugas dari seorang teller dan sangat membantu
1
2 Ramadianti et al.
nasabah dalam mendapatkan pelayanan bank tanpa dibatasi oleh waktu operasional bank
tersebut. Pelayanan ATM adalah layanan perbankan yang dilakukan melalui mesin ATM yang
dapat melayani selama 24 jam, guna melakukan transaksi perbankan meliputi penarikan tunai,
inquiry saldo (informasi saldo) rekening tabungan, setoran tunai dan melakukan berbagai jenis
pembelian dan pembayaran tagihan.Selain dapat membantu nasabah terkadang mesin ATM
seringkali mengalami masalah kerusakan mesin.
Perusahaan penyedia jasa pemeliharaan mesin ATM dapat dianggap melakukan
pelanggaran kontrak kerja dan dihadapkan pada risiko pembayaaran denda jika terjadi
kerusakan mesin sementara suku cadang mesin tidak tersedia di gudang, dan harus menunggu
kedatangan dari supplier dalam waktu yang tidak dapat dipastikan. Untuk itu pengalokasian
persediaan suku cadang dari perusahan pusat ke gudang penyimpanan suku cadang
(warehouse) yang berada di berbagai wilayah harus dilakukan dengan optimum dan efisien.
Penentuan alokasi jumlah persediaan dapat dipengaruhi oleh beberapa faktor, dan juga
dipengaruhi oleh wilayah di sekitarnya. Untuk menentukan pengalokasian persediaan suku
cadang diperlukan suatu model yang menjelaskan hubungan antara jumlah persediaan dan
faktor-faktor yang mempengaruhi dan juga faktor spasial atau wilayah.
Di dalam suatu observasi yang mengandung informasi ruang atau spasial, maka analisis
data tidak akurat jika hanya menggunakan analisis regresi sederhana. Jika menggunakan
analisis regresi sederhana maka terjadi pelanggaran asumsi seperti nilai sisa berkorelasi
dengan yang lain dan varian tidak konstan. Jika informasi ruang atau spasial diabaikan pada
data yang memiliki informasi ruang atau spasial dalam analisis, maka koefisien regresi
menjadi tidak konsisten.
Suatu analisis pemodelan regresi untuk mengetahui faktor- faktor yang mempengaruhi
jumlah persediaan yang dipengaruhi oleh karakteristik wilayah sangat penting. Pada beberapa
kasus, variabel respon yang diamati memiliki keterkaitan dengan hasil pengamatan di wilayah
yang berbeda, terutama wilayah yang berdekatan. Adanya hubungan spasial dalam variabel
respon menyebabkan pendugaan menjadi tidak tepat karena asumsi keacakan suatu error
dilanggar. Untuk mengatasi permasalahan tersebut diperlukan suatu model regresi yang
memasukkan hubungan spasial antar wilayah ke dalam model. Adanya informasi hubungan
spasial antar wilayah menyebabkan perlu adanya keragaman spasial ke dalam model, sehingga
model yang digunakan adalah model regresi spasial. Beberapa metode yang telah berkembang
adalah Ordinary Least Square (OLS), Spatial Lag Model (SLM), dan Spatial Error Model
(SEM) didasarkan pada efek lag spasial dan error spasial dengan menggunakan pendekatan
area.
Indonesian Journal of Statistics and Its Applications. Vol 01 No 01 (2022) 3
2. Metodologi
Pada penelitian ini digunakan analisis regresi spasial dengan autokorelasi spasial
menggunakan uji moran’s I untuk memodelkan jumlah persediaan suku cadang dengan faktor-
faktor yang mempengaruhinya. Pemodelan dilakukan dengan pendekatan wilayah (spasial).
Data yang digunakan pada penelitian ini adalah data sekunder mengenai jumlah
persediaan suku cadang mesin ATM di Jawa Timur dari PT. XYZ yang merupakan penyedia
jasa pemeliharaan mesin ATM pada periode Januari 2015 - Desember 2016.
ATM (Automated Teller Machine) atau Anjungan Tunai Mandiri merupakan perangkat
yang dapat mengantikan sebagian besar fungsi tugas dari seorang teller dan sangat membantu
nasabah dalam mendapatkan pelayanan bank tanpa dibatasi oleh waktu operasional bank
tersebut.
Perusahaan penyedia jasa pemeliharaan mesin ATM dapat dianggap melakukan
pelanggaran kontrak kerja dan dihadapkan pada risiko pembayaaran denda jika terjadi
kerusakan mesin sementara suku cadang mesin tidak tersedia di gudang, dan harus menunggu
kedatangan dari supplier dalam waktu yang tidak dapat dipastikan. Untuk itu pengalokasian
persediaan suku cadang dari perusahan pusat ke gudang penyimpanan suku cadang (warehouse)
yang berada di berbagai wilayah harus dilakukan dengan optimum dan efisien.
Penentuan alokasi jumlah persediaan dapat dipengaruhi oleh beberapa faktor, dan juga
dipengaruhi oleh wilayah di sekitarnya. Untuk menentukan pengalokasian persediaan suku
cadang diperlukan suatu model yang menjelaskan hubungan antara jumlah persediaan dan
faktor-faktor yang mempengaruhi dan juga faktor spasial atau wilayah.
Analisis yang digunakan dalam penelitian ini adalah analisis regresi spasial. Analisis
regresi spasial merupakan pengembangan dari analisis regresi yang mengakomodir
permasalahan yang timbul pada data spasial. Pada saat data mempunyai komponen lokasi,
terdapat dua masalah yang muncul yaitu adanya ketergantungan spasial antar pengamatan
(spatial dependence) dan heterogenitas spasial (spatial heterogenity) dalam proses
pemodelan(Lesage J.P, 1999). Spatial dependence mengakibatkan terjadinya autokorelasi
spasial (spatial autocorrelation) sedangkan spatial heterogenity mengakibatkan varians yang
tidak konstan. Beberapa model regresi spasial adalah sebagai berikut:
𝑦 = 𝜌𝑾𝒚 + 𝑿𝜷 + 𝜀 …………………………......(1)
𝜀~𝑁(0, 𝜎 2 𝑙𝑛 )
Dimana:
𝑦 = vektor variabel dependen berukuran n x 1
𝜌 = koefisien variabel dependen lag spasial
𝑾 = matriks bobot spasial
𝑿 = matriks variabel independen berukuran n x k
𝜷 = parameter yang mencerminkan pengaruh variabel independen terhadap
variasi pada variabel dependen
Indonesian Journal of Statistics and Its Applications. Vol 01 No 01 (2022) 5
𝑦 = 𝑿𝜷 + 𝒖 ……..……….................(2)
𝑢 = 𝜆𝑾𝒖 + 𝜀
𝜀~𝑁(0, 𝜎 2 𝑙𝑛 )
Uji Moran’s I
Ketergantungan antara suatu lokasi dengan lokasi lain yang letaknya berdekatan
6 Ramadianti et al.
menyebabkan terjadinya autokorelasi spasial. Salah satu uji yang digunakan dalam pemeriksaan
keberadaan autokorelasi spasial secara global yaitu Moran's I yang dapat diperoleh dengan
formula sebagai berikut (Grekousis G, 2020) :
𝑛 ∑𝑛 𝑛
𝑖=1 ∑𝑗=1 𝑤𝑖𝑗 (𝑥𝑖 −𝑥̅ )(𝑥𝑗 −𝑥̅ )
𝐼 = ∑𝑛 𝑛 ∙ ∑𝑛 2
………………….(3)
∑
𝑖=1 𝑗=1 𝑤𝑖𝑗 𝑖 (𝑥𝑖 −𝑥̅ )
Dinama :
I = global Moran’s I
n = jumlah observasi spasial
𝑥𝑖 = variabel observasi ke-i
𝑥𝑗 = variabel observasi ke-i
𝑥̅ = rata-rata variabel
𝑤𝑖𝑗 = bobot spasial antara observasi I dan j
Moran’s I memiliki nilai yang berkisar antara -1 < I < 1. Adapun hipotesis pengujian yang
dilakukan yaitu :
𝐻0 ∶ 𝐼 = 𝐸(𝐼) (tidak terdapat autokorelasi spasial)
𝐻1 ∶ 𝐼 ≠ 𝐸(𝐼) (terdapat autokorelasi spasial)
Tabel 3. 1 Analisis Deskriptif Jumlah Persedian Suku Cadang di Provinsi Jawa Timur
Dapat terlihat pada tabel 3.1 terdiri dari satu variabel terikat (𝑌) yakni jumlah persedian
suku cadang setiap kota/kabupaten di Jawa Timur dengan rata–rata 5,658 dan 5 variabel bebas
(𝑋) sebagai faktor–faktor yang mempengaruhi jumlah persedian suku cadang di Jawa Timur
yaitu (𝑋1 ) dengan rata-rata 5,711, (𝑋2 ) dengan rata-rata 4,026, (𝑋3 ) dengan rata-rata 4,947,
(𝑋4 ) dengan ratarata 6,079, dan (𝑋5 ) dengan rata-rata 5,395.
Hasil pemetaan jumlah persedian suku cadang untuk setiap kota/kabupaten di Provinsi
Jawa Timur disajikan pada gambar 3.1
Pada table 3.2, dapat dilihat variabel yang signifikan pada α =10% yaitu 𝑋1 dan 𝑋3.
Model Linear Regresi untuk data jumlah persedian suku cadang di Jawa Timur adalah sebagai
berikut :
𝑌 = 2,833122 + 0,525323𝑋1 + 0,257998𝑋2 − 0,312283𝑋3 − 0,005221𝑋4
+ 0,067258X5 + 𝜀𝐼
Berdasarkan tabel 3.3, dapat dilihat bahwa p-value uji Moran I signifikan pada taraf α =
10% yang berarti terdapat pengaruh spasial pada jumlah persedian suku cadang di Provinsi
Jawa Timur begitupula pada uji Lagrange Multiplier terlihat bahwa Lagrange Multiplier (lag)
dan Lagrange Multiplier (error) signifikan pada α = 10% sehingga dapat diambil kesimpulan
bahwa terdapat pengaruh spasial lag dan spasial error.
Indonesian Journal of Statistics and Its Applications. Vol 01 No 01 (2022) 9
Pada tabel 3.4 diperoleh bahwa dari kelima peubah yang digunakan terdapat dua peubah
yang berpengaruh secara signifikan terhadap jumlah persedian suku cadang yaitu X1 dan X3.
Persamaan Spatial Lag Model (SLM) yang terbentuk berdasarkan Tabel 3.4 adalah sebagai
berikut :
𝑌 = 0,914183 + 0,532425𝑋1 + 0,260727𝑋2 − 0,297114𝑋3 + 0,034633𝑋4
𝑛
Pada tabel 3.5 diperoleh bahwa dari kelima peubah yang digunakan terdapat dua peubah
yang berpengaruh secara signifikan terhadap jumlah persedian suku cadang yaitu X1 dan X3.
Persamaan Spatial Error Model (SEM) yang terbentuk berdasarkan Tabel 3.5 adalah sebagai
berikut :
𝑌 = 2.336843 + 0.551483𝑋1 + 0.249936𝑋2 − 0.293057𝑋3 + 0.036059𝑋4
𝑛
Berdasarkan table 3.6 terlihat bahwa model SEM memiliki nilai AIC terkecil yaitu
170.7701, ehingga model SEM lebih baik digunakan dalam menganalisis nilai jumlah persedian
suku cadang di Provinsi Jawa Timur dibandingkan dengan model SLM dan model regresi OLS.
Berdasarkan analisis dan hasil yang sudah dibahas sebelumnya, diperoleh kesimpulan
sebagai berikut:
1. Dari pengujian Indeks Moran diperoleh kesimpulan bahwa pada taraf signifikansi 10%
dinyatakan terdapat autokorelasi spasial tehadap jumlah persediaan suku cadang sebesar
0,257 berada pada rentang 0 < I ≤ 1 dan menunjukkan adanya autokorelasi spasial
positif. Hal ini mengindikasikan adanya kemiripan nilai (jumlah) persediaan suku
cadang pada daerah-daerah yang berdekatan
2. Berdasarkan hasil analisis pada jumlah persediaan suku cadang didapatkan adanya
dependensi dalam lagdan error, maka dilakukan pemodelan Spatial Lag Model (SLM)
dan Spatial Error Model (SEM). Model SLM didapatkan variabel predictor yang
signifikan pada α = 10% adalah variabel jumlah kerusakansuku cadang (𝑋1), dan
lifetimesuku cadang (𝑋3). Model SAR yang didapatkan adalah sebagai berikut:
Indonesian Journal of Statistics and Its Applications. Vol 01 No 01 (2022) 11
Dari model spasial SEM juga didapatkan variabel prediktor yang signifikan pada α =
10% adalah variabeljumlah kerusakan suku cadang (𝑋𝑋1), danlifetime suku cadang
(𝑋𝑋3). Model SEM yang didapatkan adalah sebagai berikut:
𝑌 = 2.336843 + 0.551483𝑋1 + 0.249936𝑋2 − 0.293057𝑋3 + 0.036059𝑋4
𝑛
3. Dari beberapa model yang sudah terbentuk, didapatkan model terbaik yaitu Spatial
Error Model (SEM) dengan nilai AIC sebesar 170.7701.
Berdasarkan hasil analisis serta kesimpulan yang diperoleh, saran untuk penelitian
selanjutnya dapat menambah faktor-faktor sebagai variabel prediktor yang mempengaruhi
Jumlah persediaan suku cadang, selain itu ukuran sampel sangat berpengaruh dalam pemodelan
statistika. Ukuran sampel yang kecil akan menghasilkan estimator yang konsisten tetapi
mengandung bias. Maka dari itu, bias digunakan metode resampling Bootstrap yang merupakan
salah satu cara dalam mengatasi masalah sampel yang kecil.
Daftar Pustaka
Afifah, Siti Nur. 2017. “Pemodelan Alokasi Persediaan Suku Cadang Dengan
Mempertimbangkan Pengaruh Spasial.” Institut Teknologi Sepuluh Nopember.
Grekousis G. (2020). Spatial Analysis Methods and Practice. Cambridge University Press.
Hidayat, Ashrul. 2014. “Perbandingan Spatial Error Model dan Spatial Lag Model pada
Pemodelan Regrei Spasial dengan Pendekatan Bootstrap.” Univeritas Braijaya.
LeSage, J. (1998). Spatial Econometrics Toolbox. A Companion to Theoretical Econometrics,
273. http://www.spatial-econometrics.com/
Lesage J.P. (1999). The Theory and Practice of Spatial Econometrics. Department of
Economics University of Toledo.
Anselin L. 1988. Spatial Econometrics: Methods and Models. Dordrecht:Academic Piblishers.
Drapper N. R dan H. Smith. 1992 .Applied Regression Analysis. New York : John Willey and
Sons , inc.
Dubin R. 2009. Spatial Weight. Fotheringham AS, PA Rogerson, editor, Handbook of Spatial
Analysis. London : Sage Publications.