IV. METODE PENELITIAN 4.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data time series tahunan dengan rentang waktu penelitian dari tahun 1980 sampai 2008. Data dalam penelitian ini diperoleh dari beberapa instansi terkait yaitu Badan Pusat Statistik (BPS), Badan Urusan Logistik (Bulog), dan Kementerian Pertanian. Untuk kelengkapan serta penyesuaian data juga dilakukan pengumpulan data dari beberapa publikasi seperti FAO (Food Agricultural Organization), IRRI (International Rice Research Institute), IMF (International Monetary Fund) dan UNComtrade serta publikasi-publikasi lainnya, AFSIS (ASEAN Food Security Information System). 4.2. Spesifikasi Model Integrasi Pasar Beras Indonesia Model merupakan suatu penjelasan dari fenomena aktual sebagai suatu sistem atau proses (Koutsoyiannis, 1977). Model ekonometrika adalah suatu pola khusus dari model aljabar, yakni suatu unsur yang bersifat stochastic yang mencakup satu atau lebih variabel penganggu (Intriligator, 1978). Untuk membangun model ekonometrika ada empat tahapan yang dilalui yaitu spesifikasi, estimasi, evaluasi parameter estimasi, dan evaluasi peramalan model. Model ekonometrika merupakan gambaran dari hubungan masing-masing variabel penjelas (explanatory variables) terhadap variabel endogen (dependent variables) khususnya yang menyangkut tanda dan besaran (magnitude and sign) dari parameter dugaan sesuai dengan harapan teoritis secara apriori (Koutsoyiannis, 1977). Model integrasi pasar yang dibangun merupakan model persamaan simultan. Diagram Model Simultan Integrasi Pasar Beras di Indonesia dapat dilihat pada Gambar 7.
37 Keterangan: = Endogen = Eksogen Harga Jagung Luas Areal Panen Harga Pupuk Kredit Pertanian Luas Areal Irigasi Curah Hujan Tarif impor Populasi Nigeria Produksi Padi Indonesia Produksi Beras Faktor Konversi Jumlah Impor Beras Stok Beras Permintaan Beras Jumlah Impor Beras Dunia ROWIB Harga minyak Harga Gabah di Tingkat Petani Penawaran Beras Harga Impor Beras Indonesia Harga Beras Eceran Pengadaan Beras Jumlah Impor Beras Filipina Operasi pasar Populasi Filipina HPP Jumlah Ekspor Beras Thailand Jumlah Ekspor Beras Vietnam Jumlah Ekspor Beras Pakistan Produksi beras Pakistan Trend Harga Beras Dunia ROWEB Jumlah Impor Beras Bangladesh Nilai tukar Thailand Produksi beras Thailand Nilai tukar Vietnam Produksi beras Vietnam Nilai tukar Pakistan Jumlah Ekspor Beras Dunia Nilai tukar rupiah Populasi Bangladesh GDP Nigeria Jumlah Impor Beras Nigeria Nilai tukar Nigeria GDP Filipina Produksi beras Filipina Nilai tukar Filipina GDP Bangladesh Nilai tukar Bangladesh Gambar 7. Diagram Model Simultan Integrasi Pasar Beras di Indonesia
4.2.1. Pasar Beras Domestik 1. Produksi Padi Indonesia Produksi padi merupakan fungsi dari trend harga gabah ditingkat petani, luas areal panen, harga pupuk urea riil, perubahan kredit pertanian, perubahan luas areal irigasi, curah hujan dan produksi padi tahun sebelumnya. Secara matematis persamaan impor beras dapat dirumuskan:....(4.1) = Produksi padi Indonesia pada tahun ke t (000 ton) = Trend = Harga gabah di tingkat petani pada tahun ke t (Rp/kg) LAP t = Luas areal panen pada tahun ke t (000 ha) = Harga pupuk urea riil pada tahun ke t (Rp/kg) = Kredit pertanian riil pada tahun ke t (Rp juta) = Kredit pertanian riil pada tahun ke t-1 (Rp juta) = Luas areal irigasi tahun ke t (000 ha) = Luas areal irigasi tahun ke t-1 (000 ha) = Curah hujan tahun ke-t (mm/ tahun) = Produksi padi tahun ke-t-1 (000 ton) Tanda dan besaran parameter yang diharapkan adalah: a 1, a 2, a 4, a 5, a 6 > 0,a 3 <0 dan 0 <a 7 < 1.
2. Produksi Beras Produksi beras merupakan perkalian antara produksi padi dengan faktor konversi (k). Faktor konversi yang digunakan pada penelitian ini yaitu 0.63 sesuai dengan pendekatan yang digunakan oleh Badan Pusat Statistik tahun 1997-2005. Secara matematis persamaan produksi beras dapat dirumuskan:.. (4.2) PB t = Produksi beras Indonesia (000 ton) = Produksi padi Indonesia (000 ton) = Faktor konversi 3. Jumlah Impor Beras Indonesia Jumlah impor beras Indonesia diduga dipengaruhi oleh perubahan harga impor beras Indonesia, tarif impor beras (dalam persentase harga impor), permintaan beras Indonesia, produksi beras Indonesia, stok beras awal tahun dan lag jumlah impor. Secara matematis persamaan impor beras dapat dirumuskan: (4.3) = jumlah impor beras Indonesia tahun ke-t (000 ton) = harga impor beras tahun ke-t (USD/kg) = harga impor beras tahun ke-t-1 (USD/kg) PERTARIFR t = tarif impor dalam persen pada tahun ke-t (%) = Jumlah konsumsi beras untuk pangan Indonesia pada tahun ke-t (000 ton)
PB t SBT t-1 = produksi beras Indonesia pada tahun ke-t (000 ton) = stok beras awal tahun (000 ton) = jumlah impor beras tahun ke-t-1 = error term Tanda dan besaran parameter dugaan yang diharapkan adalah : b 1, b 2, b 4, b 5 < 0, b 3 > 0 dan 0< b 6 < 1 4. Stok Beras Indonesia Stok beras merupakan salah satu komponen yang dapat mempengaruhi harga. Persamaan stok akhir tahun dipengaruhi oleh beberapa faktor yaitu harga beras eceran, pengadaan gabah oleh bulog, perubahan operasi pasar, perubahan jumlah impor beras Indonesia dan jumlah stok beras Indonesia tahun lalu. Persamaannya adalah:.....(4.4) SBT t = stok Beras Indonesia tahun ke-t (000 ton) = harga beras eceran riil tahun ke-t (Rp/kg) = pengadaan beras oleh Bulog tahun ke-t (000 ton) = operasi pasar tahun ke-t (000 ton) JIBI t = jumlah impor beras tahun ke-t (000 ton) = stok beras tahun t-1 (000 ton) = operasi pasar tahun t-1(000 ton) JIBI t-1 =jumlah impor beras tahun t-1 (000 ton) = error term
Tanda dan besaran parameter dugaan yang diharapkan adalah : c 1, c 3 < 0; c 2, c 4 > 0; dan 0 < c 5 < 1 5. Penawaran Beras Indonesia Penawaran beras Indonesia merupakan persamaan identitas dari penjumlahan produksi beras Indonesia, ditambah stok beras awal tahun dan jumlah impor beras Indonesia. Variabel ekspor tidak dimasukan di dalam persamaan identitas penawaran beras karena jumlah ekspor beras yang sangat sedikit. Hal tersebut karena beras bukan merupakan komoditas ekspor melainkan ditujukan untuk memenuhi kebutuhan domestik. Persamaan penawaan beras Indonesia adalah:.... (4.5) = penawaran beras Indonesia tahun ke-t (000 ton) = produksi beras Indonesia tahun ke-t (000 ton) = stok beras Indonesia awal tahun (000 ton) = impor beras Indonesia tahun ke-t (000 ton) 6. Permintaan Beras Indonesia Permintaan beras Indonesia diduga dipengaruhi oleh harga beras eceran, harga barang lain (komoditas jagung sebagai komoditas substitusi), pendapatan perkapita dan permintaan beras tahun lalu. Persamaan matematis permintaan beras Indonesia:.....(4.6)
HBER t HJER t = harga beras eceran riil tahun ke-t (Rp/kg) = harga jagung eceran riil tahun ke-t (Rp/kg) = GDP riil Indonesia tahun ke-t (Rp juta) = jumlah penduduk Indonesia tahun ke-t (000 jiwa) = error term Tanda dan besaran parameter dugaan yang diharapkan adalah : d 1 <0, d 2, d 3 >0 dan 0 < d 4 <1 7. Harga Impor Beras Indonesia Harga impor beras Indonesia dipengaruh oleh harga beras dunia, harga beras dunia tahun lalu dan harga impor beras Indonesia tahun lalu. Persamaan harga beras impor adalah:.....(4.7) HMBIR t = harga impor beras riil tahun ke-t (USD/kg) = harga beras dunia/harga beras di pasar acuan riil tahun ket (USD/kg) = harga beras dunia/harga beras di pasar acuan riil tahun t-1 (USD/kg) = harga impor tahun t-1 (USD/ kg) = error term Tanda dan besaran parameter dugaan yang diharapkan adalah : e 1 > 0 dan 0<e 2,e 3 <1.
8. Harga Beras Eceran Dalam kajian ini harga eceran merupakan variabel endogen. Hal ini dilakukan agar dapat dilihat lebih jauh bagaimana transmisi harga dunia terhadap harga di tingkat konsumen dalam hal ini harga eceran. Harga eceran beras Indonesia diduga ditentukan oleh harga gabah tingkat petani, perubahan harga impor beras Indonesia, penawaran beras Indonesia, trend waktu dan harga beras eceran tahun lalu. Persamaan harga eceran beras Indonesia:.. (4.8) = harga beras eceran riil tahun ke-t (Rp/kg) = harga gabah tingkat petani tahun ke-t (Rp/kg) = produksi beras tahun ke-t (000 ton) = permintaan beras Indonesia tahun ke-t (000 ton) = lag harga beras eceran tahun ke-t (Rp/kg) = error term Tanda dan besaran parameter dugaan yang diharapkan adalah : f 1, f 2, f 4 >0, f 3 <0 dan 0< f 5 <1. 9. Harga Gabah Tingkat Petani Harga gabah yang berlaku di tingkat petani secara nasional dijadikan sebagai variabel endogen. Harga gabah tingkat petani, selain ditentukan oleh Harga Pembelian Pemerintah (HPP), juga diduga dipengaruhi oleh perubahan
harga eceran beras, rasio produksi padi dengan produksi padi tahun sebelumnnya dan harga gabah tahun lalu. dimana..... (4.9) HGTPR t HPPR t HBER t PPD t PPD t-1 HGTPR t-1 u 7 = Harga gabah tingkat petani riil tahun ke-t (Rp/kg) = Harga pembelian pemerintah riil tahun ke-t (Rp/Kg) = Harga beras eceran riil tahun ke-t (Rp/Kg) = Produksi padi tahun ke-t (000 ton) = Produksi padi tahun ke-t-1 (000 ton) = Harga gabah tingkat petani riil tahun ke-t-1(rp/kg) = Error term Tanda dan besaran parameter dugaan yang diharapkan adalah : g 1, g 2 > 0 ; g 3 < 0 dan 0 < g 4 < 1 4.2.2. Pasar Beras Dunia Pasar beras dunia terbentuk dari interaksi beberapa negara pengekspor beras dan beberapa negara pengimpor. Beberapa negara pengekspor beras diantaranya adalah Thailand, Vietnam dan Pakistan sedangkan negara pengimpor beras yaitu Indonesia, Filipina, Nigeria dan Bangladesh. Perilaku negara pengekspor diwakili oleh Thailand, Vietnam dan Pakistan karena merupakan tiga negara pengekspor beras terbesar dunia. Share ekspor Thailand, Vietnam, Pakistan masing-masing adalah 28.94 persen, 21.54 persen dan 13 persen sedangkan sisanya 36.73 persen merupakan rest of the world (ROW) (USDA, 2010). Oleh sebab itu, diharapkan ketiga negara tersebut mampu menggambarkan
perilaku negara pengekspor beras dunia. Sementara itu, perilaku negara pengimpor diwakili oleh Indonesia, Filipina, Nigeria dan Bangladesh dimana share impor beras masing-masing yakni 4 persen, 8 persen, 7 persen dan 2 persen sedangkan sisanya 79 persen merupakan share impor dari rest of the world (ROW) (USDA, 2010). Meskipun share impor dari ROW 79 persen, namun share tersebut tersebar dalam persentase-persentase share yang kecil terhadap seluruh negara pengimpor beras dengan rata-rata 2 persen untuk semua negara pengimpor beras. Diharapkan perilaku impor beras Indonesia, Filipina, Bangladesh dan Nigeria mampu menggambarkan perilaku impor beras dunia. Permintaan beras di pasar dunia diduga ditentukan oleh harga beras dunia, nilai tukar Negara yang bersangkutan, pendapatan, jumlah penduduk, produksi beras domestik, dan kebijakan pemerintah. Di samping itu, penawaran beras ditentukan oleh harga beras dunia, produksi beras domestik, nilai tukar serta kebijakan beras domestik. Berikut disajikan perilaku Negara pengimpor dan pengekspor beras. 1. Perilaku Impor Beras Filipina.......(4.10) = jumlah impor beras Filipina tahun ke-t (000 ton) = harga impor beras Filipina ke-t (USD/kg) = harga beras dunia tahun ke-t (USD/kg) = harga beras dunia tahun ke-t-1 (USD/kg)
= Produksi Beras Filipina tahun ke-t (000 ton) = Gross Domestic Product Filipina (PHP) = Jumlah penduduk Filipina (jiwa) = Nilai tukar Filipina terhadap dolar (PHP/US$) = Jumlah impor beras Filipina tahun sebelumnya (000 ton) u 8 = error term Tanda dan besaran parameter dugaan yang diharapkan adalah: h 1, h 2, h 3 < 0, h 4 >0, 0< h 5 <1 2. Perilaku Impor Beras Nigeria.....(4.11) = Jumlah impor beras Nigeria (000 ton) = Harga beras dunia (USD/kg) = Nilai tukar Nigeria (Nilai tukar domestik/usd) = GDP Nigeria riil (Mn domestic currency) = Jumlah penduduk (jiwa) = Jumlah impor beras Nigeria (000 ton) = error term Tanda dan besaran parameter dugaan yang diharapkan adalah: i 1 < 0, i 2 >0, 0<i 3 <1
3. Perilaku Impor Beras Bangladesh...(4.12) = Jumlah impor beras Bangladesh (000 ton) = Harga beras dunia (USD/kg) = Nilai tukar Bangladesh (Nilai tukar domestik/usd) = GDP Bangladesh riil (Mn domestic currency) = Jumlah penduduk Bangladesh (jiwa) = Jumlah impor beras Bangladesh (000 ton) = error term Tanda dan besaran parameter dugaan yang diharapkan adalah: j 1, j 2 < 0, j 3 >0 4. Perilaku Ekspor Thailand....(4.13) = Jumlah ekspor beras Thailand ( 000 ton) = Harga Beras Dunia (US$/kg) = Produksi Beras Thailand (000 ton) = Nilai tukar Thailand terhadap dolar (THB/US$) = Jumlah ekspor beras Thailand tahun sebelumnya(kg) u 11 = error term
Tanda dan besaran parameter dugaan yang diharapkan adalah: k 1, k 2 > 0 dan 0<k 3 <1 5. Perilaku Ekspor Vietnam (4.14) = Jumlah ekspor beras Vietnam (000 ton) = Harga Beras Dunia (USD/kg) = Nilai tukar Vietnam terhadap dolar (VND/US$) = Produksi Beras Vietnam (000 ton) = Jumlah ekspor beras Vietnam tahun sebelumnya (kg) u 12 = error term Tanda dan besaran parameter dugaan yang diharapkan adalah: l 1, l 2 > 0, 0 < l 3 <1 6. Perilaku Ekspor Pakistan.(4.15) = Jumlah ekspor beras Pakistan (000 ton) = Harga Beras Dunia (USD/kg) = Nilai tukar Pakistan terhadap dolar (Domestic currency/usd) = Produksi Beras Pakistan (000 ton) = Jumlah ekspor beras Pakistan tahun sebelumnya (kg) u 13 = error term
Tanda dan besaran parameter dugaan yang diharapkan adalah: m 1, m 2 > 0, 0 < m 3 <1 7. Jumlah Impor Beras Dunia (4.16) = Jumlah impor beras Dunia (000 ton) JIBI t JIBF t JIBN t JIBB t = Jumlah impor beras Indonesia (000 ton) = Jumlah impor beras Filipina (000 ton) = Jumlah impor beras Nigeria (000 ton) = Jumlah impor beras Bangladesh (000 ton) = Jumlah impor beras Negara lain selain Indonesia, Filipina, Nigeria dan Bangladesh (kg) 8. Jumlah Ekspor Beras Dunia...(4.17) = Jumlah ekspor beras Dunia (000 ton) JEBT t JEBV t = Jumlah ekspor beras Thailand (000 ton) = Jumlah ekspor beras Vietnam (000 ton) = Jumlah ekspor beras Pakistan (000 ton) = Jumlah ekspor beras Negara lain selain Thailand, Vietnam, dan Pakistan (kg) 9. Harga Beras Dunia (4.18)
= Harga beras dunia (USD/kg) = Jumlah ekspor beras dunia (000 ton) = Jumlah impor dunia (000 ton) = Harga minyak mentah dunia (USD/barrel) = Error Term Tanda dan besaran parameter dugaan yang diharapkan adalah: n 1 < 0, n 2, n 3 >0 4.3. Identifikasi Model Koutsoyiannis (1977) mengemukakan bahwa identifikasi model mempunyai dua syarat, yaitu syarat order (order condition) dan syarat kondisi pangkat (rank condition). Berdasarkan syarat order condition, kondisi identifikasi dicapai jika : (K M) (G 1) dimana : K = Jumlah variabel di dalam model yaitu variabel endogen dan predetermine (eksogen dan lag) M = Jumlah variabel (endogen dan eksogen) yang dimasukkan dalam persamaan tertentu dalam model G = Jumlah persamaan di dalam model (jumlah variabel endogenus) Jika (K M) sama dengan (G 1) maka persamaan di dalam model tersebut dikatakan exactly identified, jika (K M) lebih kecil dari (G 1) dikatakan unidentified, dan jika (K M) lebih besar dari (G 1) maka persamaan
tersebut dikatakan over identified. Model yang digunakan dalam penelitian ini adalah overidentified dimana (K-M)> (G-1) yakni ( 36-7 ) > (18-1) 4.4. Metode Estimasi Model Berdasarkan hasil identifikasi model, maka model dinyatakan over identified, dalam hal ini model ILS tidak dapat digunakan karena tidak memberikan hasil estimasi yang unik. Sistem persamaan simultan juga membuat metode OLS tidak dapat diterapkan karena akan memberikan hasil estimasi yang bias dan tidak konsisten. Oleh sebab itu, metode 3SLS akan lebih cocok digunakan dalam estimasi, dengan alasan metode 3SLS umumnya memberikan hasil estimasi yang konsisten dan secara asimtotik lebih efisien dibandingkan 2SLS, jika semua persamaan structural over identified, dan kovarian antar variabel pengganggu dari setiap persamaan tidak sama dengan nol. Akan tetapi, metode 3SLS menuntut spesifikasi model yang akurat karena metode tersebut sangat peka terhadap kesalahan spesifikasi dan memerlukan data yang besar (Gujarati, 1999). Untuk itu dipilih metode 2SLS, karena metode ini cukup toleran terhadap kesalahan spesifikasi model, kesalahan spesifikasi satu persamaan tidak ditransfer ke persamaan lain. Alasan lain penggunaaan 2SLS adalah cocok untuk estimasi persamaan simultan yang over identified, lebih efisien dibandingkan OLS, cocok digunakan pada jumlah sampel yang sedikit, dan metode ini dapat menghindari estimasi yang bias dan penduga yang konsisten serta tidak terlalu sensitif terhadap kesalahan spesifikasi model. Metode penggunaan model yang digunakan dalam studi ini adalah 2SLS. Perhitungan penduga parameter persamaan struktural dilakukan dengan menggunakan program computer SAS/ETS versi 6.12
(Statistical Analysis System Econometric Time Series) terhadap data sekunder time series periode 1980-2008. Untuk mengetahui dan menguji apakah variabel penjelas secara bersamasama berpengaruh nyata atau tidak terhadap variabel endogen, maka setiap persamaan digunakan uji statistik F, dan untuk menguji apakah masing-masing variabel penjelas berpengaruh nyata atau tidak terhadap variabel endogen, maka pada setiap persamaan digunakan uji statistik t. 4.4.1. 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 Keterangan: i = banyaknya variabel bebas dalam suatu persamaan Apabila nilai peluang (P-value) uji statistik-f < taraf α = 5 persen maka tolak H 0. Tolak H 0 berarti variabel penjelas secara bersama-sama berpengaruh nyata terhadap variabel endogen. 4.4.2. Uji Statistik-t Uji stistik-t dilakukan untuk menguji apakah masing-masing variabel berpengaruh nyata atau tidak terhadap variabel endogen (Koutsoyiannis, 1977). Hipotesis:
H 0 : β 1 = 0 H 1 : Uji satu arah a) β 1 > 0; b) β 1 < 0 Uji dua arah c) β 1 0 Kriteria uji: Jika H 1 : a) β 1 > 0, bila P-value uji t < α maka disimpulkan tolak H 0 H 1 : b) β 1 < 0, bila P-value uji t < α maka disimpulkan tolak H 0 H 1 : c) β 1 0 bila P-value uji t < α/2 maka disimpulkan tolak H 0 Pada penelitian ini digunakan uji satu arah dalam beberapa taraf α yakni: a. A berarti berbeda nyata dengan nol pada taraf nyata α = 0.05 b. B berarti berbeda nyata dengan nol pada taraf nyata α = 0.10 c. C berarti berbeda nyata dengan nol pada taraf nyata α = 0.15 d. D berarti berbeda nyata dengan nol pada taraf nyata α = 0.20 Tolak H 0 berarti suatu variabel penjelas berpengaruh nyata terhadap variabel endogen. 4.4.3. Uji Statistik Durbin-h Apabila model mengandung persamaan simulatan dan variabel bedakala (lag endogenous variabel), maka uji serial korelasi dengan menggunakan statistik dw (Durbin Watson Statistik) tidak valid untuk digunakan. Sebagai penggantinya untuk mengetahui apakah serial korelasi (autocorrelation) atau tidak dalam setiap persamaan maka digunakan uji statistik dh (Durbin-h statistik) (pindyck dan Rubinfeld, 1991), sebagai berikut :
; dimana 1 < n* h = Angka statistik durbin-h d = Dw statistik n = Jumlah observasi var β = varian koefisien regresi untuk lagged dependent variabel Apabila h-hitung lebih kecil dari nilai kritis h dari tabel distribusi normal, maka dalam persamaan tidak mengalami serial kolerasi. Jika ditetapkan taraf α = 0.05, diketahui -1.96 h hitung 1.96, dapat disimpulkan bahwa persamaan tidak mengalami serial korelasi. Akan tetapi jika nilai h hitung < -1.96, maka terdapat autokorelasi negatif, sebaliknya jika diketahui nilai h hitung > 1.96, maka terdapat autokorelasi positif (Pindyc dan Rubinfeld, 1991). 4.5. Validasi Model Validasi model bertujuan untuk mengetahui tingkat representasi model dibandingkan dengan dunia nyata sebagai dasar untuk melakukan simulasi. Berbagai kriteria statistik dapat digunakan untuk validasi model ekonometrika dengan membandingkan nilai-nilai aktual dan dugaan variabel-variabel endogen Kusumaningrum (2008). Validasi model dilakukan dengan menggunakan Root Means Squares Error (RMSE), Root Means Squares Percent Error (RMSPE) dan Theil s Inequality Coefficient (U) (Pindyck dan Rubinfield, 1991). Kriteria-kriteria dirumuskan sebagai berikut.
= Nilai hasil simulasi dasar dari variabel observasi = Nilai aktual variabel observasi N = Jumlah periode observasi Statistik RMSPE digunakan untuk mengukur seberapa jauh nilai-nilai variabel endogen hasil pendugaan menyimpang dari alur nilai-nilai aktualnya dalam ukuran relatif (persen), atau seberapa dekat nilai dugaan itu mengikuti perkembangan nilai aktualnya. Disamping itu, nilai statistik U bermanfaat untuk mengetahui kemampuan model untuk analisis simulasi peramalan. Nilai koefisien Theil (U) berkisar antara 0 dan 1. Jika U = 0 maka pendugaan model sempurna, jika U = 1 maka pendugaan model naif. Disamping itu, validasi model juga dapat dijelaskan dari nilai koefisien determinasi (R 2 ), semakin besar nilai tersebut semakin besar proporsi variasi perubahan variabel endogen yang dapat dijelaskan oleh variasi dalam variabel penjelas sehingga model semakin baik.
4.6. Simulasi Model Untuk melihat dampak perubahan kebijakan beras, perubahan harga dunia dan dampak transmisi terhadap kesejahteraan pada penelitian ini dilakukan beberapa simulasi yakni: 1. Skenario peningkatan harga dunia 26 persen pada pasar terintegrasi sangat lemah. Skenario peningkatan harga ini bertujuan untuk melihat dampak peningkatan harga dunia terhadap kesejahteraan masyarakat pada kondisi dimana harga ditransmisikan secara tidak sempurna. Kondisi integrasi pasar tersebut merupakan kondisi pasar yang sedang terjadi saat ini dibawah kondisi pasar terdistorsi. Besar peningkatan harga dunia yang digunakan dalam skenario ini berdasarkan pada rata-rata pertumbuhan harga dunia secara historis 1980-2008. 2. Skenario peningkatan harga dunia 26 persen pada pasar dengan derajat transmisi harga beras dunia terhadap harga domestik yang lebih kuat. Seperti pada skenario sebelumnya tujuan yang ingin dicapai adalah menganalisis dampak peningkatan harga terhadap kesejahteraan masyarakat, namun pada skenario ini akan dilihat bagaimana dampak peningkatan harga dunia tersebut jika terjadi pada kondisi dimana harga dunia ditansmisikan dengan derajat yang lebih kuat. 3. Skenario peningkatan harga pembelian pemerintah 14 persen. Skenario ini bertujuan untuk melihat bagaimana dampak Harga Pembelian Pemerintah (HPP) terhadap kesejahteraan masyarakat. Peningkatan HPP 14 persen berdasarkan pada historis rata-rata pertumbuhan HPP 1980-2008. Hal tersebut
juga diperkuat oleh beberapa penelitian terdahulu yang mengkaji mengenai efektifitas HPP dengan melakukan simulasi peningkatan HPP 14-15 persen. 4. Skenario peningkatan tariff impor beras 10 persen. Skenario peningkatan tarif tersebut bertujuan untuk melihat dampak peningkatan tarif impor terhadap kesejahteraan masyarakat dan efektifitas kebijakan tarif. Peningkatan tarif sebesar 10 persen dilakukan berdasarkan pada besarnya rata-rata pertumbuhan tarif yang terjadi secara historis. Peningkatan tarif impor ini masih dapat dilakukan karena beras merupakan komoditas sensitif. 5. Skenario penentuan kuota impor beras 1.57 juta ton. Skenario penetapan kuota ini dilakukan berdasarkan data tahun 2010 dimana kuota ditetapkan 1.57 juta ton dan mungkin akan semakin tinggi pada tahun tahun berikutnya. Skenario ini dilakukan untuk melihat bagaimana peneetapan kuota impor beras terhadap kesejahteraan masyarakat. 6. Skenario kombinasi penurunan harga dunia 26 persen dan peningkatan harga pembelian pemerintah 14 persen. Skenario kombinasi penurunan harga dunia dan harga pembelian pemerintah dilakukan untuk melihat bagaimana kebijakan HPP dapat melindungi perberasan domestik dan kesejahteraan mayarakat dari rendahnya harga dunia. 7. Skenario kombinasi penurunan harga beras dunia 26 persen dengan kebijakan peningkatan tarif impor 10 persen. Skenario kombinasi penurunan harga beras dunia dan kebijakan peningkatan tarif impor dilakukan untuk melihat efektivitas kebijakan tarif dalam melindungi pasar domestik dari derasnya arus impor beras dan fluktuasi harga dunia.
8. Skenario kombinasi peningkatan harga beras dunia 26 persen dengan kebijakan kuota impor beras 1.57 juta ton. Skenario kombinasi peningkatan harga dunia dan penetapan kuota impor dilakukan untuk mengetahui efektivitas penetapan kuota impor dalam melindungi pasar domestik dari tingginya harga dunia. 4.7. Integrasi Pasar Beras Berdasarkan model Ravallion (1986) terdapat tiga bentuk dan dikategorikan sebagai berikut: 1. Segmentasi Pasar, terjadi ketika harga beras pada pasar domestik tidak tergantung terhadap lag harga pada pasar dunia e 1 dan e 2 = 0. 2. Short-run market integration (Strong form) antara pasar dunia dan pasar domestik yaitu bahwa perubahan harga beras pada pasar dunia menggambarkan dengan seketika dan secara penuh dalam lokal market tanpa ada lag effect. Dalam kasus ini, dan. Weak form dari Short-run market integration konsisten dengan struktur pasar yang tidak sepenuhnya bersaing sempurna, dimana secara rata-rata tidak ada lagged effect dari perubahan harga pada pasar dunia terhadap pasar domestik. Pasar dikategorikan memiliki weak form dari Short-run market integration jika: dan e 2 + e 3 = 0 3. Kriteria jangka panjang menjelaskan bahwa dalam jangka panjang, perubahan harga pada pasar dunia seharusnya secara dinamis sama dengan perubahan harga pada pasar domestik. Kriteria ini mengharuskan:
Pendekatan untuk menilai integrasi pasar dapat juga menggunakan Market Integration Index (MII) dengan formula (Djulin dan Malian, 2002): dimana 0 MII Kedua pasar terintegrasi secara sempurna jika MII=0 dan masih cukup kuat jika MII < 1, jika MII > 1 berarti pasar terinterasi lemah dan jika MII = berarti kedua pasar tersegmentasi. 4.8. Surplus Konsumen dan Produsen Surplus produsen dan konsumen menunjukkan tingkat kesejahteraan masyarakat dan merupakan indikator penentu arah kebijakan yang akan dilakukan. Perubahan kesejahteraan dapat dirumuskan sebagai berikut : 1. Perubahan Surplus Produsen Beras PPD A (HGTPR B HGTPR A ) + ½(PPD B PPD A )(HGTPR B HGTPR A ) 2. Perubahan Surplus Konsumen Beras DBI A (HEBR A HEBR B ) + ½(DBI B DBI A )(HEBR B HEBR A ) 3. Penerimaan Pemerintah (PERTARIFR B *HMBIR B * *JIBI B ) (PERTARIFR A *HMBIR A * *JIBI A ) 4. Net Surplus = Perubahan surplus produsen + Perubahan surplus konsumen + Penerimaan pemerintah Keterangan : Subcript A = Simulasi dasar Subcript B = Simulasi skenario 4.9. Elatisitas Jangka Pendek dan Jangka Panjang Nilai elastisitas variabel endogen terhadap setiap variabel penjelas dihitung untuk menganalisis respon variabel endogen akibat dari perubahan variabel penjelasnya. Nilai elastisistas dihitung dengan formula sebagai berikut:
Keterangan: Keterangan: = Elastisitas jangka pendek = Elastisitas jangka panjang = Parameter dugaan = Parameter dari lag variabel x y = Variabel penjelas (explanatory) tahun terakhir = Variabel endogen tahun terakhir