67 Besar risiko harga pada Tabel 15, komoditas kubis tersebut terlihat bahwa nilai
VaR semakin besar seiring dengan lamanya waktu berinvestasi. Risiko harga kubis sebesar 16,12 dari total investasi yang dikeluarkan pedagang dalam jangka
waktu satu hari menunjukkan bahwa kenaikan penerimaan sebesar satu rupiah akan meningkatkan risiko harga kubis sebesar 16,12 persen. Semakin besarnya
risiko harga kubis diakibatkan oleh tinggi-rendahnya jumlah pasokan yang masuk ke pasar. Ketika panen raya di daerah sentra, jumlah komoditas kubis yang masuk
ke pasar akan semakin besar sehingga menyebabkan harga kubis rendah. Kondisi ini juga dipengaruhi oleh karakteristik sayuran kubis yang mudah rusak dan tidak
tahan lama sehingga menyebabkan penyusutan yang cukup tinggi. Kondisi ini menyebabkan semakin tingginya tingkat risiko yang ditanggung oleh pedagang
kubis dilihat dari karakteristik komoditas yang tidak tahan lama dan mudah busuk. Ketika harga kubis tinggi dipengaruhi oleh jumlah pasokan yang masuk ke pasar
rendah sehingga menyebabkan harga tinggi. Hal ini disebabkan oleh keadaan daerah sentra yang gagal panen karena serangan hama dan penyakit tanaman
sehingga mengurangi jumlah panen kubis. Sedangkan untuk harga sebelumnya tidak begitu mempengaruhi harga periode sekarang karena lebih dipengaruhi oleh
besar-kecilnya jumlah pasokan yang masuk ke pasar.
6.1.3 Analisis Risiko Harga Tomat
Dari data harga tomat akan dilakukan peramalan model yang tepat untuk menghitung besarnya harga komoditas tersebut dengan menggunakan analisis
ARCH-GARCH. Analisis ini menggunakan harga P
t
sebagai variabel dependen variabel terikat dan dua variabel yang mempengaruhi harga tomat yaitu harga
sehari sebelumnya P
t-1
dan jumlah pasokan Q
t
sebagai variabel independen. Sebelum menggunakan analisis ARCH-GARCH maka perlu dilakukan pengujian
ada atau tidaknya heteroskedastisitas dengan melihat uji normalitas, yang disajikan pada Gambar 19.
68
100 200
300 400
500
-0.6 -0.4
-0.2 -0.0
0.2 0.4
0.6 0.8
Series: Residuals Sample 2 1872
Observations 1871 Mean
-4.06e-16 Median
0.000822 Maximum
0.887191 Minimum
-0.561430 Std. Dev.
0.103231 Skewness
0.570362 Kurtosis
10.23628 Jarque-Bera
4183.631 Probability
0.000000
Gambar 19. Uji Normalitas Komoditas Tomat
Kurtosis yang lebih dari tiga menunjukkan gejala awal adanya
heteroskedastisitas. Berdasarkan Gambar 19, menunjukkan nilai kurtosis lebih besar dari tiga yaitu untuk komoditas tomat sebesar 10,23628. Berdasarkan nilai
kurtosis menunjukkan nilai yang lebih besar dari tiga sehingga data tersebut mengandung heteroskedastisitas. Skewness pada komoditas tomat bernilai positif
sebesar 0,570362 yang menunjukkan ujung dari kecondongan menjulur ke arah nilai positif ekor kurva sebelah kanan lebih panjang sehingga data tersebut
masih mengandung heteroskedastisitas. Dari nilai statistik Jarque-Bera tersebut menunjukkan nilai probability sebesar 0,00000 lebih kecil dari taraf nyata lima
persen yang berarti bahwa galat terbakukan tidak menyebar normal. a. Analisis risiko harga tomat
OLS Ordinary Least Square dilakukan sebelum menganalisis ARCH- GARCH, yang disajikan dalam Lampiran 14. Pendugaan parameter model
menggunakan metode kemungkinan maksimum atau quasi maximum likelihood. Terdapat 12 model yang diajukan dalam penelitian sebagai hasil teknik pengujian
berbagai model dengan kombinasi ARCH-GARCH. Pada penelitian yang dilakukan, menggunakan model standar menurut Verbeek 2000 adalah GARCH
1,1. Ringkasan model tersebut dapat dilihat pada Lampiran 15,16 dan pilihan model terbaik dapat dilihat pada Tabel 16.
69 Tabel 16. Hasil Pendugaan Parameter Fungsi Harga Tomat dengan Model
GARCH
Variabel GARCH 1,1
Coefficient Std, Error Z-Statistic Probability
C Konstanta 0,215384
0,039412 5,464990
0,0000 P
t-1
Harga Tomat Periode Sebelumnya
0,975501 0,004177
233,5145 0,0000
Q
t
Jumlah Pasokan Tomat -0,003973
0,003559 -1,116362
0,2643 Variance Equation
C Konstanta 0,000506
8,08E-05 6,256933
0,0000
1
Volatilitas Periode Sebelumnya
0,079162 0,007443
10,63639 0,0000
1
Varian Periode Sebelumnya 0,876343
0,011399 76,87890
0,0000 AIC
-1,782461 SC
-1,764714 R-squared
94,62
Berdasarkan hasil output pada Tabel 16, menunjukkan bahwa konstanta dan harga periode sebelumnya signifikan pada taraf nyata satu persen. Sedangkan
pasokan untuk komoditas tomat signifikan pada taraf nyata 30 persen. Nilai R- square
sebesar 94,62 persen pada persamaan model komoditas tomat menunjukkan bahwa variabel independen harga periode sebelumnya dan jumlah
pasokan tomat dapat menjelaskan harga komoditas tomat dan sisanya dijelaskan oleh variabel lain diluar model.
Hasil pendugaan harga tomat menunjukkan nilai parameter pada harga periode sebelumnya memiliki korelasi positif sebesar 0,975501 dengan harga periode
sekarang yang berarti bahwa harga sebelumnya meningkat maka harga pada periode berikutnya juga akan meningkat begitu pula sebaliknya. Pada komoditas
tomat, pasokan memiliki koefisien negatif sebesar 0,003973 dengan harga periode sekarang artinya ketika permintaan konsumen terhadap tomat meningkat dan
keadaan jumlah yang ditawarkan pasokan tidak mencukupi maka akan mengakibatkan peningkatan harga tomat. Harga tertinggi tomat mencapai Rp.
9.500 per kilogram pada bulan April 2010 dengan jumlah pasokan yang masuk pasar sebesar 2.030 ton. Peningkatan harga tomat disebabkan karena kondisi
daerah sentra yang mengalami gagal panen curah hujan yang tinggi, serangan hama penyakit tanaman, keadaan transportasi yang menyebabkan keterlambatan
masuknya barang sehingga pasokan yang masuk ke pasar rendah. Untuk harga
70 terendah mencapai Rp. 900 per kilogram yang terjadi pada bulan September 2007
dengan jumlah pasokan yang masuk ke pasar sebesar 3.167 ton. Harga terendah pada tomat disebabkan oleh daerah sentra panen secara bersamaan panen raya
sehingga menyebabkan peningkatan jumlah pasokan yang masuk ke pasar. Hasil output menunjukkan bahwa model terbaik untuk komoditas tomat dari
semua estimasi kombinasi yang dilakukan adalah GARCH 1,1 yang berarti bahwa pola pergerakan harga tomat dipengaruhi oleh volatilitas dan dipengaruhi
oleh varian harga pada satu hari sebelumnya. Hasil analisis model persamaan varian harga tomat menunjukkan bahwa volatilitas dan varian harga periode
sebelumnya bertanda positif dan dan signifikan pada taraf nyata satu persen. Hal ini menunjukkan bahwa varian dan volatilitas harga tomat periode sebelumnya
merupakan salah satu faktor yang mempengaruhi risiko harga jual periode berikutnya. Dimana peningkatan risiko harga jual tomat periode sebelumnya maka
akan meningkatkan risiko harga jual tomat pada periode berikutnya. Untuk mengetahui kecukupan model, maka dilakukan pemeriksaan terhadap
galat terbakukan dengan mengamati nilai statistik uji Jarque-Bera untuk memeriksa asumsi kenormalan. Hasil pengolahan model dugaan sementara
persamaan harga tomat disajikan pada lampiran 17 yang menunjukkan Jarque- Bera pada model dugaan sementara risiko harga tomat diperoleh nilai probability
sebesar 0,0000 yang berarti galat terbakukan tidak menyebar normal. Selain itu, hasil uji ARCH menunjukkan nilai LM komoditas tomat memiliki nilai
probability lebih besar dari taraf nyata lima persen sehingga sudah tidak ada efek
ARCH yang disajikan pada Lampiran 18. b. Tingkat risiko harga tomat
Model persamaan ARCH-GARCH berdasarkan model terbaik untuk komoditas tomat adalah sebagai berikut:
h
t
= 0,000506+ 0,079162
2 t-1
+ 0,876343 h
t-1
Model di atas menunjukkan bahwa tingkat risiko harga komoditas tomat dipengaruhi oleh besarnya error term harga sehari sebelumnya dan simpangan
baku harga dari rataannya untuk satu hari sebelumnya. Dilihat dari persamaan nilai varian pada Gambar 20 menunjukkan bahwa tingkat volatilitas tertinggi
untuk komoditas tomat sebesar 0,92 pada periode 596 dan posisi terendah sebesar
71 pada periode 1312-1315. Risiko harga tomat tersebut dipengaruhi oleh kelebihan
pasokan yang masuk ke pasar sehingga menyebabkan harga turun drastis dan karakteristik komoditas tomat yang mudah busuk dan tidak tahan lama sehingga
harus laku terjual pada hari itu juga. Plot varian harga tomat Periode Januari 2006 – Februari 2011, dapat dilihat pada Gambar 20.
.00 .02
.04 .06
.08 .10
250 500
750 1000
1250 1500
1750
Gambar 20. Plot Varian Harga Tomat Periode Januari 2006 – Februari 2011 Sumber: Pasar Induk Kramat Jati, 2011
Dari model persamaan tersebut maka dapat dilakukan perhitungan besarnya risiko yang dihadapi oleh pedagang dengan adanya fluktuasi harga tomat melalui
perhitungan VaR. Tingkat penerimaan yang diambil untuk perhitungan VaR diperoleh dari modal yang dikeluarkan pedagang untuk membeli sayuran tomat
dalam satu hari. Perhitungan VaR dilakukan dengan menggunakan skenario periode penjualan yakni selama 1 hari, 7 hari, dan 14 hari. Berdasarkan
perhitungan VaR dengan besar rata-rata modal yang dikeluarkan pedagang tomat dalam satu hari adalah untuk tomat sebesar Rp. 2.500.000,00. Besarnya risiko
harga yang akan ditanggung pedagang tomat disajikan pada Tabel 17. Tabel 17. Besar Risiko Harga Tomat dari Modal yang Dikeluarkan Pedagang
Hari Tomat
Nilai Rp 1
386.575 15,46
7 1.022.491
40,90 14
1.446.564 57,86
Besar risiko harga pada Tabel 17, komoditas tomat tersebut terlihat bahwa nilai VaR semakin besar seiring dengan lamanya waktu berinvestasi. Risiko harga
tomat sebesar 15,46 persen dari total investasi yang dikeluarkan pedagang dalam jangka waktu satu hari yang menunjukkan bahwa kenaikan penerimaan sebesar
V ar
ia n
Periode
72 satu rupiah akan meningkatkan risiko harga tomat sebesar 15,46 persen. Dilihat
dari besar risiko harga yang diperoleh pedagang tomat disebabkan oleh karakteristik tomat yang tidak tahan lama dan mudah busuk sehingga penyusutan
semakin tinggi. Hal ini disebabkan karena jumlah pasokan yang masuk ke pasar tinggi maka semakin besar pula risiko yang akan ditanggung sehingga kondisi
tersebut mempengaruhi kualitas dan harga yang terdapat di pasar. Di mana harga akan semakin rendah ketika pasokan yang masuk ke pasar tinggi dan
mempengaruhi jumlah keuntungan yang akan diperoleh pedagang.
6.2 Alternatif Strategi yang dapat Diterapkan dalam Mengatasi Risiko Harga Sayuran Terutama Kentang, Kubis, dan Tomat di Indonesia
6.2.1 Strategi yang dapat Diterapkan oleh Petani
