IV. METODE PENELITIAN. Indonesia sehubungan dengan tujuan penelitian, yaitu menganalisis faktor-faktor

Transkripsi

1 IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian ini merupakan studi kasus yang dilaksanakan di wilayah Indonesia sehubungan dengan tujuan penelitian, yaitu menganalisis faktor-faktor yang mempengaruhi permintaan dan penawaran beras di Indonesia dan merumuskan alternatif kebijakan pemerintah dalam menghadapi permasalahan yang berkaitan dengan permintaan dan penawaran beras di Indonesia. Pengumpulan data untuk keperluan penelitian dilakukan selama tiga bulan, yaitu dari awal bulan Februari sampai dengan April Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder dengan rentang waktu (time series) dari tahun 1971 sampai tahun Sumber data dalam penelitian ini diperoleh dari beberapa instansi yang terkait, yaitu Badan Pusat Statistik (BPS) dan Kementerian Pertanian (Kementan). Selain itu juga dilakukan pengambilan data dari beberapa publikasi seperti Bank Indonesia (BI), Kementerian Perdagangan (Kemendag), dan instansi lain yang bersangkutan dengan penelitian Metode Analisis Data Penelitian ini menggunakan metode analisis kualitatif (deskriptif) dan analisis kuantitatif. Metode analisis kuantitatif yaitu perumusan model yang dibangun terkait erat dengan tujuan penelitian. Untuk menjawab tujuan penelitian digunakan model ekonometrika, yaitu model sistem persamaan simultan. Model ekonometrika dalam penelitian ini terdiri dari 7 persamaan struktural yaitu luas areal panen padi, produktivitas padi, harga riil gabah tingkat petani, jumlah impor 30

2 beras, permintaan beras, harga riil beras Indonesia, dan harga riil beras impor Indonesia serta 3 persamaan identitas yaitu produksi padi, produksi beras, dan penawaran beras. Metode estimasi terhadap persamaan dalam model yang digunakan adalah Two Stage Least Squares (2 SLS) kemudian diolah menggunakan software Statistical Analysis System (SAS) Analisis Kualitatif Analisis kualitatif atau analisis deskriptif digunakan untuk memberikan penjelasan terhadap perkembangan permintaan dan penawaran beras di Indonesia. Analisis deskriptif juga memberikan penjelasan dari hasil analisis kuantitatif Analisis Kuantitatif Analisis kuantitatif digunakan untuk menghitung seberapa besar faktorfaktor yang telah diperoleh mampu mempengaruhi permintaan dan penawaran beras di Indonesia. Model permintaan dan penawaran beras dalam penelitian ini memiliki lebih dari satu persamaan (variabel endogen), sehingga digunakan sistem persamaan simultan. Metode estimasi persamaan dalam model adalah 2 SLS. Metode ini dipilih karena cukup toleran terhadap kesalahan spesifikasi model dan kesalahan spesifikasi satu persamaan tidak ditransfer ke persamaan lain. Selain itu, metode 2 SLS lebih efisien dibandingkan OLS, cocok digunakan pada contoh yang jumlahnya sedikit, konsisten serta dapat menghindari estimasi yang bias (Supranto, 2004) Perumusan Model Setiap analisis suatu sistem ekonomi didasarkan atas suatu struktur logis yang kemudian dikenal sebagai model. Model menggambarkan perilaku dalam sistem dan merupakan kerangka dalam analisis. Model disusun dalam bentuk 31

3 persamaan-persamaan sehingga mampu menggambarkan perilaku ekonomi dan variabel-variabel yang berhubungan. Jadi, model dapat didefinisikan sebagai abstraksi atau penyederhanaan dari realitas (Juanda, 2008). Model ekonometrika adalah suatu ukuran ekonomi atau didefinisikan sebagai analisis kuantitatif dari fenomena ekonomi yang sebenarnya (aktual) yang didasarkan pada pengembangan dari teori dan pengamatan, dihubungkan dengan metode inferensi yang sesuai (Gujarati, 1978). Model Ekonometrika dalam penelitian disebut model permintaan dan penawaran beras di Indonesia. Model tersebut terdiri atas 7 persamaan struktural dan 3 persamaan identitas yang disajikan pada Lampiran 12. Penjelasan hasil perumusan model yaitu sebagai berikut Luas Areal Panen Padi Luas areal panen padi diestimasi sebagai fungsi dari rasio harga riil gabah tingkat petani dengan harga riil pupuk urea, harga riil jagung tingkat petani, kredit usahatani, curah hujan, dan luas areal panen padi t-1. Hubungan ini dirumuskan sebagai berikut: AREA t = a 0 + a 1 RHGHP t + a 2 HJTPR t + a 3 KUTA t + a 4 CRAH t + a 5 LAREA t + ε 1... (4.1) AREA t = Luas areal panen padi tahun ke-t (Ha) RHGHP t = Rasio harga riil gabah tingkat petani dengan harga riil pupuk urea tahun ke-t HJTPR t = Harga riil jagung tingkat petani tahun ke-t (Rp/Kg) KUTA t = Kredit usahatani tahun ke-t (Rp) CRAH t = Curah hujan tahun ke-t (mm/th) LAREA t = Luas areal panen padi tahun ke-t-1 (Ha) a 0 = Intersep a i = Koefisien regresi (i = 1,2,3...) ε 1 = error Tanda parameter estimasi yang diharapkan adalah a 1, a 3, a 4 > 0; a 2 < 0 dan 0 < a 5 < 1 32

4 Produktivitas Padi Produktivitas padi dipengaruhi oleh harga riil gabah tingkat petani t-1, harga riil pupuk urea, tren waktu, kredit usahatani, dan produktivitas padi t-1. Persamaan tersebut dirumuskan sebagai berikut: PRDV t = b 0 + b 1 LHGTPR t + b 2 HPUKR t + b 3 TREN t + b 4 KUTA t + b 5 LPRDV t + ε 2... (4.2) PRDV t = Produktivitas padi tahun ke-t (ton/ha) LHGTPR t = Harga riil gabah tingkat petani tahun ke-t-1 (Rp/Kg) HPUKR t = Harga riil pupuk urea tahun ke-t (Rp/Kg) TREN t = Tren waktu KUTA t = Kredit usahatani tahun ke-t (Rp) LPRDV t = Produktivitas padi tahun ke-t-1 (ton/ha) ε 2 = error Tanda parameter estimasi yang diharapkan adalah b 1, b 3, b 4 > 0; b 2 < 0 dan 0 < b 5 < Harga Riil Gabah Tingkat Petani Harga riil gabah tingkat petani dipengaruhi oleh harga riil pembelian pemerintah, produksi padi, dan harga riil gabah tingkat petani t-1. Harga riil gabah tingkat petani dirumuskan sebagai berikut: HGTPR t = c 0 + c 1 HDPPR t + c 2 PRDP t + c 3 LHGTPR t + ε 3... (4.3) HGTPR t = Harga riil gabah tingkat petani tahun ke-t (Rp/Kg) HDPPR t = Harga riil pembelian pemerintah tahun ke-t (Rp/Kg) PRDP t = Produksi padi tahun ke-t (ton) LHGTPR t = Harga riil gabah tingkat petani tahun ke-t-1 (Rp/Kg) ε 3 = error Tanda parameter estimasi yang diharapkan adalah c 1 > 0; c 2 < 0 dan 0 < c 3 < Jumlah Impor Beras Jumlah impor beras dipengaruhi oleh harga riil beras impor Indonesia, produksi beras, jumlah penduduk, stok beras t-1, dan jumlah impor beras t-1. Jumlah impor beras dirumuskan sebagai berikut: 33

5 IMPR t = d 0 + d 1 HIM PR t + d 2 PR DB t + d 3 JPDK t + d 4 LSTOK t + d 5 LIMPR t + ε 4... (4.4) IMPR t = Jumlah impor beras tahun ke-t (ton) HIMPR t = Harga riil beras impor Indonesia tahun ke-t (Rp/Kg) PRDB t = Produksi beras tahun ke-t (ton) JPDK t = Jumlah penduduk tahun ke-t (juta jiwa) LSTOK t = Stok beras tahun ke-t-1 (ton) LIMPR t = Jumlah impor beras tahun ke-t-1 (ton) ε 4 = error Tanda parameter estimasi yang diharapkan adalah d 3 > 0; d 1, d 2, d 4 < 0 dan 0 < d 5 < Permintaan Beras Berdasarkan teori ekonomi, permintaan terhadap suatu barang dipengaruhi oleh harga barang itu sendiri, harga barang lain yang berkompetisi (substitusi) dalam hal ini adalah jagung, selera, pendapatan, dan jumlah penduduk. Persamaan permintaan beras untuk konsumsi secara nasional dirumuskan sebagai berikut: QDBR t = e 0 + e 1 HBINR t + e 2 LHJTPR t + e 3 INCKR t + e 4 JPDK t + e 5 LQDBR t + ε 5... (4.5) QDBR t = Permintaan beras tahun ke-t (ton) HBINR t = Harga riil beras Indonesia tahun ke-t (Rp/Kg) LHJTPR t = Harga riil jagung tingkat petani tahun ke-t-1 (Rp/Kg) INCKR t = Pendapatan riil per kapita tahun ke-t (Rp) JPDK t = Jumlah penduduk tahun ke-t (Juta jiwa) LQDBR t = Permintaan beras tahun ke-t-1 (ton) ε 5 = error Tanda parameter estimasi yang diharapkan adalah e 2, e 3, e 4 > 0; e 1 < 0 dan 0 < e 5 < Harga Riil Beras Indonesia Harga riil beras Indonesia dipengaruhi oleh penawaran beras, harga riil pembelian pemerintah, dan harga riil beras Indonesia t-1. Persamaan harga riil beras Indonesia dirumuskan sebagai berikut: HBINR t = f 0 + f 1 QSBR t + f 2 HDPPR t + f 3 LHBINR t + ε 6... (4.6) 34

6 HBINR t = Harga riil beras Indonesia tahun ke-t (Rp/Kg) QSBR t = Penawaran beras tahun ke-t (Kg) HDPPR t = Harga riil pembelian pemerintah tahun ke-t (Rp/Kg) LHBINR t = Harga riil beras Indonesia tahun ke-t-1 (Rp/Kg) ε 6 = error Tanda parameter estimasi yang diharapkan adalah f 2 > 0; f 1 < 0 dan 0 < f 3 < Harga Riil Beras Impor Indonesia Harga riil beras impor Indonesia dipengaruhi oleh harga riil beras dunia, tarif impor beras t-1, dan harga riil beras impor Indonesia. Persamaan ini dirumuskan sebagai berikut: HIMPR t = g 0 + g 1 HBRDR t + g 2 LTRIF t + g 3 LHIMPR t + ε 7... (4.7) HIMPR t = Harga riil beras impor Indonesia tahun ke-t (Rp/Kg) HBRDR t = Harga riil beras dunia tahun ke-t (US$/Kg) LTRIF t = Tarif impor beras tahun ke-t-1 (Rp/Kg) LHIMPR t = Harga riil beras impor Indonesia tahun ke-t-1 (Rp/Kg) ε 7 = error Tanda parameter estimasi yang diharapkan adalah g 1, g 2 > 0 dan 0 < g 3 < Produksi Padi Jumlah produksi padi merupakan perkalian antara luas areal panen padi dengan produktivitas padi. Persamaan produksi padi dirumuskan sebagai berikut: PRDP t = AREA t * PRDV t... (4.8) PRDP t AREA t PRDV t Produksi Beras = Produksi padi tahun ke-t (ton) = Luas areal panen padi tahun ke-t (Ha) = Produktivitas padi tahun ke-t (ton/ha) Jumlah produksi beras Indonesia diperoleh dari hasil perkalian antara produksi padi dengan faktor konversi atau tingkat rendemen pengolahan padi 35

7 menjadi beras. Berdasarkan hal tersebut, produksi beras Indonesia dapat dirumuskan sebagai berikut: PRDB t = PRDP t * FK t... (4.9) PRDB t = Produksi beras tahun ke-t (ton) PRDP t = Produksi padi tahun ke-t (ton) FK t = Faktor konversi (0.63) Penawaran Beras Penawaran beras merupakan persamaan identitas dari penjumlahan produksi beras, jumlah impor beras, dan stok beras serta dikurangi dengan stok beras t-1. Persamaannya sebagai berikut: QSBR t = PRDB t + IMPR t + LSTOK t - STOK t... (4.10) QSBR t PRDB t IMPR t STOK t LSTOK t 4.5. Identifikasi Model = Penawaran beras tahun ke-t (ton) = Produksi beras tahun ke-t (ton) = Jumlah impor beras tahun ke-t (ton) = Stok beras tahun ke-t (ton) = Stok beras tahun ke-t-1 (ton) Identifikasi model ditentukan atas dasar order condition sebagai syarat keharusan dan rank condition sebagai syarat kecukupan. Menurut Koutsoyiannis (1977), rumusan identifikasi model persamaan struktural berdasarkan order condition ditentukan oleh: (K - M) (G - I)... (4.11) K = Total variabel dalam model, yaitu endogenous variables dan predetermined variables M = Jumlah variabel endogen dan eksogen yang termasuk dalam suatu persamaan tertentu dalam model G = Total persamaan dalam model, yaitu jumlah variabel endogen dalam model 36

8 Menurut Supranto (2004) predetermined variable merupakan variabel yang nilainya harus ditentukan terlebih dahulu (predetermined) kemudian berdasarkan persamaan yang ada, nilai variabel endogen dapat diperkirakan atau dihitung. Predetermined variable terdiri atas current exogenous variable, lagged exogenous variable, dan lagged endogenous variable. Jika suatu persamaan dalam model menunjukkan kondisi sebagai berikut: 1. (K - M) (G - 1) : maka persamaan dinyatakan teridentifikasi secara berlebih (over identified) 2. (K - M) = (G - 1) : maka persamaan dinyatakan teridentifikasi secara tepat (exactly identified) 3. (K - M) < (G - 1) : maka persamaan dinyatakan tidak teridentifikasi (unidentified) Hasil identifikasi untuk setiap persamaan struktural haruslah exactly identified atau over identified untuk dapat menduga parameter-parameternya. Kendati suatu persamaan memenuhi order condition, mungkin saja persamaan itu tidak teridentifikasi. Karena itu, dalam proses identifikasi diperlukan suatu syarat perlu sekaligus cukup. Hal itu dituangkan dalam rank condition untuk identifikasi yang menyatakan, bahwa dalam suatu persamaan teridentifikasi jika dan hanya jika dimungkinkan untuk membentuk minimal satu determinan bukan nol pada order (G-1) dari parameter struktural peubah yang tidak termasuk dalam persamaan tersebut. Atau dengan kata lain kondisi rank ditentukan oleh determinan turunan persamaan struktural yang nilainya tidak sama dengan nol (Koutsoyiannis, 1977) Estimasi Model Menurut Koutsoyiannis (1977) bahwa hasil identifikasi untuk setiap persamaan struktural haruslah over identified atau exactly identified agar dapat mengestimasi parameter-parameternya. Berdasarkan ketentuan kriteria identifikasi 37

9 model, maka semua persamaan struktural yang disusun dalam penelitian ini bersifat teridentifikasi secara berlebih (over identified). Penelitian ini menggunakan metode estimasi model yaitu 2 SLS, dengan beberapa pertimbangan, yaitu penerapan 2 SLS menghasilkan taksiran yang konsisten, lebih sederhana dan lebih mudah (Gujarati, 1978) Uji Statistik-F Uji statistik-f adalah persamaan yang digunakan untuk mengetahui dan menguji apakah variabel eksogen secara bersama-sama berpengaruh nyata atau tidak terhadap variabel endogen (Koutsoyiannis, 1977). Hipotesis: H 0 : β 1 = β 2.. = β i = 0 H 1 : minimal ada satu β i 0 Nilai peluang uji statistik-f < taraf α = 5% : tolak H 0 Tolak H 0 berarti variabel eksogen secara bersama-sama berpengaruh nyata terhadap variabel endogen Uji Statistik-t Uji statistik-t adalah persamaan yang digunakan untuk menguji apakah masing-masing variabel eksogen berpengaruh nyata atau tidak terhadap variabel endogen (Koutsoyiannis, 1977). Hipotesis: H 0 : β i = 0 H 1 : β i 0 Nilai peluang uji statistik-t < taraf α = 5% : tolak H 0 Tolak H 0 berarti suatu variabel eksogen berpengaruh nyata terhadap variabel endogen. 38

10 Uji Statistik Durbin-h Menurut Pindyck dan Rubinfeld (1981), pengujian uji statistik durbin-h dilakukan untuk mengetahui apakah dalam setiap persamaan terdapat serial korelasi (autokorelasi) atau tidak, sebagai berikut:... (4.12) h = Angka statistik durbin-h d = Nilai durbin-watson n = Jumlah observasi var β = Varian koefisien regresi untuk lagged dependent variable Ditetapkan taraf α = 5%, jika h 1.96, maka dalam persamaan tidak mempunyai masalah serial korelasi Validasi Model Menurut Pindyck dan Rubinfeld (1981), uji validasi dilakukan agar model dapat diketahui apakah cukup valid untuk membuat suatu simulasi alternatif rekomendasi kebijakan yang bertujuan menganalisis sejauhmana model tersebut dapat mewakili dunia nyata. Kriteria statistik yang digunakan untuk validasi nilai estimasi model ekonometrika adalah Root Means Squares Percent Error (RMSPE), Theil s Inequality Coefficient (U), dan R-Square (R 2 ). Kriteria-kriteria tersebut dirumuskan seperti pada persamaan (4.13) dan (4.14): (4.13). (4.14) 39

11 s Y t a Y t n = Nilai hasil simulasi dasar dari variabel observasi = Nilai aktual variabel observasi = Jumlah periode observasi Statistik RMSPE digunakan untuk mengukur seberapa jauh nilai-nilai variabel endogen hasil estimasi model dapat menyimpang dari alur nilai-nilai aktualnya dalam ukuran relatif (persen), atau seberapa dekat nilai estimasi itu mengikuti perkembangan nilai aktualnya. Jika nilai-nilai ringkasan statistik mendekati nol, maka simulasi model mengikuti nilai-nilai aktualnya. Berdasarkan hal tersebut, nilai statistik U-Theil dapat digunakan sebagai ukuran validasi model. Nilai statistik U-Theil selalu bernilai antara 0 dan 1. Jika U = 0, maka model secara historis adalah sempurna. Jika U = 1, maka performance model adalah naif (Sitepu dan Sinaga, 2006). Koefisien determinasi (R 2 ) bermanfaat untuk melihat sejauh mana keragaman yang dapat diterangkan oleh variabel eksogen terhadap variabel endogen, semakin besar R 2 maka model semakin baik. Nilai R 2 terletak antara 0 < R 2 < 1. Jika R 2 = 1 berarti 100 persen total variasi variabel eksogen yang dapat diterangkan oleh variabel-variabel endogen. Oleh karena itu, semakin besar nilai R 2 mendekati nilai 1 maka hasil persamaan yang diperoleh akan semakin baik Simulasi Model Setelah model diestimasi, langkah selanjutnya adalah menguji keakuratan model atau validasi model dengan simulasi. Proses simulasi dilakukan untuk mempelajari dampak yang terjadi jika terdapat perubahan pada variabel eksogen dan variabel endogen dalam model. Setelah menguji keakuratan model (validasi model) dan jika itu telah sesuai dengan kriteria statistik yang ditentukan, maka selanjutnya dapat dilakukan studi tentang kebijakan dan melakukan beberapa 40

12 skenario kebijakan. Beberapa variabel yang digunakan dalam skenario simulasi adalah harga riil gabah tingkat petani, harga riil pembelian pemerintah, harga riil pupuk urea, luas areal panen padi, jumlah penduduk, curah hujan, dan tarif impor beras. Pemilihan variabel-variabel tersebut dan persentase perubahannya didasarkan pada fenomena yang terjadi dengan tren waktu 7 tahun dari tahun 2002 sampai tahun Adapun tren kenaikan jumlah penduduk diperoleh dari hasil regresi logaritmik antara ln jumlah penduduk (ln JPDK) dengan ln indeks tahun (ln t), sehingga diperoleh pesamaan ln JPDK = ln t. Angka 0.04 digunakan sebagai nilai persentase perubahan jumlah penduduk. Selain itu, pemilihan variabel juga ditentukan berdasarkan signifikansi variabel tersebut pada suatu persamaan. Jadi, skenario simulasi yang akan diterapkan adalah: 1. Kenaikan harga riil gabah tingkat petani sebesar 9 persen. 2. Kenaikan harga riil pembelian pemerintah sebesar 8 persen. 3. Kenaikan harga riil pupuk urea sebesar 4 persen. 4. Penurunan luas areal panen padi sebesar 1 persen. 5. Kenaikan jumlah penduduk sebesar 0.04 persen. 6. Kenaikan curah hujan sebesar 10 persen. 7. Penurunan tarif impor beras sebesar 0.8 persen Definisi Operasional 1. Padi atau gabah yang dimaksud dalam penelitian ini adalah gabah kering giling (GKG). 2. Beras adalah hasil proses gilingan dari buliran padi atau gabah. 41

13 3. Produksi padi adalah jumlah total produksi padi yang dihasilkan dari seluruh wilayah pertanian di Indonesia yang dinyatakan dalam satuan ton. 4. Produksi beras adalah jumlah total produksi beras yang dihasilkan dari seluruh wilayah pertanian di Indonesia, dinyatakan dalam satuan ton. 5. Produktivitas padi merupakan hasil bagi antara produksi padi dengan luas areal panen tanaman padi di Indonesia, dinyatakan dalam satuan ton per hektar. 6. Permintaan beras adalah jumlah beras yang diminta atau dikonsumsi untuk keperluan pangan oleh seluruh penduduk Indonesia, dinyatakan dalam satuan ton. 7. Penawaran beras adalah jumlah beras yang ditawarkan atau disediakan untuk keperluan pangan seluruh penduduk Indonesia, dinyatakan dalam satuan ton. 8. Harga riil gabah tingkat petani adalah harga gabah yang terdapat di tingkat petani setelah dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dengan satuan rupiah per kilogram. 9. Harga riil beras Indonesia adalah harga besar eceran di tingkat konsumen setelah dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dengan satuan rupiah per kilogram. 10. Harga riil jagung tingkat petani merupakan harga jagung tingkat petani setelah dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dengan satuan rupiah per kilogram. 11. Harga riil pupuk urea adalah harga faktor produksi yang diwakili oleh harga pupuk urea yang merupakan pupuk utama dalam produksi padi, yang telah 42

14 dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dengan satuan rupiah per kilogram. 12. Harga riil pembelian pemerintah merupakan harga pembelian terhadap gabah kering giling dan harga pembelian terhadap beras setelah dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dengan satuan rupiah per kilogram. 13. Harga riil beras impor Indonesia merupakan harga beras impor setelah dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dengan satuan rupiah per kilogram. 14. Harga riil beras dunia merupakan harga beras dunia setelah dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dengan satuan rupiah per kilogram. 15. Luas areal panen padi adalah luas seluruh areal produktif atau panen tanaman padi di Indonesia dinyatakan dalam satuan hektar. 16. Kredit usahatani adalah sejumlah uang yang disediakan oleh pemerintah melalui bank untuk dipinjamkan kepada petani, dinyatakan dalam satuan rupiah. 17. Curah hujan adalah curah hujan yang ada di wilayah Indonesia, dinyatakan dalam satuan mm per tahun. 18. Jumlah impor beras adalah jumlah total beras yang diimpor dari negara lain, dinyatakan dalam satuan ton. 19. Tarif impor beras dinyatakan dengan satuan rupiah per kilogram. 43

15 20. Pendapatan riil per kapita adalah produk domestik bruto setelah dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dalam satuan rupiah. 21. Jumlah penduduk Indonesia adalah banyaknya populasi, dinyatakan dalam satuan jiwa. 22. Stok beras merupakan jumlah beras yang disimpan sebagai cadangan beras pemerintah yang dikelola oleh Bulog, dinyatakan dalam satuan ton. 23. Tren waktu merupakan variabel yang mewakili teknologi yang berlaku, terdiri dari tahun