77
penggunaan tenaga kerja dengan modal atau secara matematis dirumuskan
lk
f k
MPl =
∂ ∂
. Dalam banyak kasus
lk
f 0, sehingga penurunan produktivitas tenaga kerja ketika kedua input yaitu tenaga kerja dan modal meningkat tidak
merupakan kesimpulan yang selalu benar. Berdasarkan fakta yang ada menunjukkan bahwa produktivitas tenaga kerja meningkat cukup signifikan sejak
Malthus mengemukakan teorinya karena meningkatnya input modal dapat mengkompensasi penur unan produktivitas marjinal itu sendiri Mankiw, 2005.
3.4. Model Estimasi Dampak Perubahan Iklim terhadap Produktivitas
Pertanian
Cline 2007 menjelaskan bahwa dampak perubahan iklim dapat diestimasi pada tiga isu utama yaitu pertama, fertilisasi karbon carbon fertilization, kedua
irigasi da n ke tiga dampak terhadap perdagangan produk pertanian. Isu ke tiga tersebut diatas merupaka n isu yang kr usial yaitu apaka h dalam menjelaskan
da mpak perubahan iklim terhadap pertanian dengan atau tanpa menggunakan efek operasional melalui perdagangan internasional.
Cline 2007 lebih lanjut menjelaskan ba hwa ada dua metode yang dapat digunakan untuk mengestimasi dampak potensial pemanasan global perubahan
iklim terhadap sektor pertanian pada tahun 2080-an. Kedua model disusun oleh Mendelson-Schlesinger yang diperuntukkan untuk estimasi perubahan iklim di
negara-negara maju dan negara-negara berkembang. Model yang digunakan untuk mengestimasi dampak perubahan iklim terhadap produksi sektor pertanian di
negara-negara maju adalah model statistik dalam bentuk reduced form dan cross section
model. Model reduced form adalah model yang diturunkan dari ringkasan estimasi secara statistik yang didasarkan pada hasil dari suatu model pertumbuhan
78
produksi pertanian dan model linear programing pertanian Amerika Serikat Mendelson dan Neuman 1999. Model tersebut menyatakan bahwa dampak
perubahan suhu, presipitasi, dan konsentrasi karbon dioksida di atmosfer mengikuti model persamaan sebagai berikut :
]
[
350 ln
5 .
36 22
. 3
. 2
7 .
53 308
16 .
2
2
c P
T T
x y
+ +
− +
− =
..............3.7 dimana:
y = output sektor pertanian tahunan tahun 1990 dalam US per hektar lahan pertanian
T = Rata-rata suhu tahunan dalam satuan derajat celsius C
P = Presipitasi rata-rata tahunan dalam milimeter c = Konsentrasi karbon dioksida di atmos fer parts per million atau ppm
Berdasarkan model pada persamaan 3.7. tersebut perlu dicatat bahwa pada periode dasar, konsentrasi karbon dioksida adalah 350 ppm, sehingga besaran
angka dalam model persamaan menjadi 36.5 dika li de ngan logaritma natural dari angka 1 satu yaitu nol, sehingga nilai fertilisasi karbon dikeluarkan dari model
persamaan ketika menjelaskan dampak perubahan iklim terhadap produksi pertanian pada saat ini 1990.
Gambar 10 menunjukkan kurva yang menghubungkan output nol dan output sebesar 200 per hektar berdasarkan persamaan 3.7. Kedua kurva menunjukkan
bahwa suhu optimal pada 11.7
Model kedua yang juga dikemukakan oleh Mendelson dan Schlesinger1999 adalah model cross-section atau disebut Ricardian Agricultural
C. Pada suhu tersebut, output yang dihasilkan sebesar 200 per hektar pada presipitasi sekitar 2.5 mm.
79
Impact Function . Fungsi Ricardion cross-section sebagaimana diidentifikasi pada
Mendelson dan Schlesinger 1999 dirumuskan:
[
]
350 ln
480 000026
. 063
. 87
. 7
2 .
223 5
. 475
2 2
c P
P T
T x
g x
r v
+ −
+ −
+ −
= ...................................................................................................................3.8
dimana: r = tingkat bunga yang bernilai 0.03
g = faktor tingkat pertumbuhan output pertanian yang bernilai 1.02 T = rata-rata suhu tahunan dalam satuan derajat celsius
16 C
P = presipitasi rata-rata tahunan dalam milimeter c = konsentrasi karbon dioksida di atmos fer parts per million atau ppm
Precipitation mm per day
14 12
10 8
6 4
2
-5 -2 1 4 7 10 13 16 19 22 25 28 31 Temperature
Selanjutnya Mendelson, Dinar dan Sanghi 2001 menyusun model estimasi dampak perubahan iklim terhadap produktivitas pertanian untuk India, kemudian
C
Sumber: Clien, 2007.
Gambar 10. Kurva Isoproduksi Fungsi Reduced Form Mendelsohn-Schlesinger q=200
q=0
80
Kurukasuriya et al. 2006 menyusun model estimasi untuk Afrika, dan serangkaian studi yang disponsori oleh World Bank menyusun model estimasi
untuk negara- negara Amerika Latin. Ketiga model estimasi tersebut, stuktur modelnya adalah sebagai berikut :
[ ]
K P
P T
T z
i i
i i
i i
i i
+ +
+ +
=
∑
2 2
δ γ
β α
.....................................................3.9 dimana:
z = ukuran produktivitas pertanian net revenue per hektar untuk Afrika,
logaritma natural dari net revenue per hektar untuk India, dan nilai lahan per hektar untuk Amerika Latin
T = suhu rata-rata tahunan dalam satuan derajat celsius
Berbagai model estimasi dampak perubahan iklim de ngan menggunakan mod el persamaan ekonometrik sebagaimana dijelaskan diatas, selanjutnya
menjadi referensi penulis dalam menyusun model estimasi dampak perubahan iklim terhadap produktivitas pertanian pada komoditas pangan yaitu padi, gandum
dan jagung di berbagai negara. Dalam penyusunan model estimasi tersebut digunakan model regresi be rganda multiple regression model yaitu mode l untuk
C P = presipitasi rata-rata bulanan dalam milimeter
i = musim
K = variabel komposit yang menggambarkan regresi konstan maupun
pengaruh dari variabel kontrol lainnya dalam estimasi mode l tertentu.
Sementara itu menurut Garna ut, R 1998 dimensi lain dari penggunaan model keseimbangan umum adalah dapat digunakan dalam analisis dampak
perubahan iklim terhadap pertanian yaitu pada harga produk pertanian di pasar global. Oleh karena itu, jika menggunakan model keseimbangan umum, seperti
GTAP, peruba han harga ada lah merupaka n variabe l endogenous.
81
mengestimasi variabel dependent dalam penelitian ini adalah tingkat produktivitas padi, gandum dan jagung dengan menggunakan lebih dari satu
independent explanatory variabel dalam penelitian ini mencakup tiga variabel
indepe nde nt yaitu suhu rata-rata, konsentrasi karbon dan tingkat presipitasi di setiap negara yang diteliti Sitepu, R.K dan B.M, Sinaga, 2006.
Sedangkan data yang digunakan untuk menyusun model persamaan regresi berganda tersebut adalah berupa data pa nel yaitu sebuah set data yang berisi data
sampel individu dalam penelitian ini individu negara, pada sebuah periode waktu tertentu yaitu selama periode 1991-2000, sehingga akan didapatkan
berbagai observasi pada setiap individu di dalam sampel. Dengan kata lain, data panel merupakan gabungan antara data lintas-waktu time series dan data lintas-
individu cross section. Baltagi 2005 dalam bukunya menjelaskan beberapa keuntungan dari
penggunaan data panel. Data panel berka itan de ngan individual, perusahaan, negara, dan sebagainya dalam periode tertentu, maka tidak ada batasan terhadap
heterogenitas dari unit ini. Dengan mengkombinasikan data time series da n cross section
, data panel memberikan data yang lebih informatif, lebih bervariasi, sedikit kolinieritas antar variabel, lebih banyak derajat kebebasan degree of
freedom dan lebih efisien. Dengan mempelajari penelitian cross section yang
repetitif, data panel merupakan pendekatan yang lebih baik untuk mempelajari dinamika peruba han. Data panel bisa mendeteksi lebih baik dan mengukur efek
yang tidak bisa diobservasi dengan data cross section atau data time series saja. Data panel membuat kita mempelajari model behavioral yang lebih kompleks.
Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu atau
82
perusahaan karena unit data lebih banyak. Walaupun demikian, menurut Baltagi, data panel bukan merupakan metode yang sempurna dan tetap mempunyai
beberapa kelemahan. Diantaranya adalah masalah desain dan pengoleksian data, terjadinya distorsi dan kesalahan pengukuran, masalah selectivity, dimens i seri
wakt u yang lebih pe ndek d an depe nde nsi cross section. Pada penelitian ini untuk menangkap perilaku individu negara yang
mencerminkan perbedaan tingkat produktivitas padi, gandum dan jagung di setiap negara yang diteliti, maka model persamaan regresi berganda yang digunakan
adalah menggunakan variabel dummy intersep. Pada model ini, intersep berbeda dari individu ke individu, sementara parameter slope diasumsikan ko nstan pada
unit individu dan unit waktu. Jadi penggunaan variabel dummy hanya berperan dalam penggolongan unit individu Baltagi, 2005. Secara umum model regresi
berganda dengan variabel dummy intercept dapat dirumuskan sebagai berikut :
…………….................. 3.10
dimana: Y :
variabel dependen β
: koefisien intersep
β
i, …,
β
k
: koefisien parameter regresi
ℇ :
faktor pengganggu stokastik error term i = 1, 2, … :
pengamatan ke-i :
koefisien dummy untuk negara DI
: variabel dummy negara
83
Untuk mengestimasi parameter-parameter dalam persamaaan regresi berganda yang digunakan dalam penelitian ini digunakan metode kuadrat
terkecilOLS ordinary least squeares. Dengan asusmsi-asumsi tertentu, maka model OLS memiliki beberapa sifat statistik yang sangat menarik dan powerfull
dan popular dalam mengestimasi suatu model persamaan regresi Sitepu, R.K dan B.M, Sinaga, 2006.
Selanjutnya parameter-parameter hasil estimasi baik intersep, dummy intersep, dan koefisien dari masing- masing variabel independent pada setiap
model persamaan yang dihasilkan dilakukan evaluasi. Evaluasi hasil estimasi model persamaan umumnya dibagi ke dalam tiga bagian yaitu, kriteria ekonomi,
kr iteria statistik da n kriteria ekonometrika Sitepu, R.K dan B.M, Sinaga, 2006. Lebih lanjut Sitepu, R.K dan B.M, Sinaga 2006, menjelaskan bahwa
kriteria pertama yaitu Economic ‘A Priori’ Criteria, dalam hal ini ditentukan oleh pr insip-pr ins ip yang sesuai dengan kr ieteria eko nomi yang mengacu pada arah
dan besaran sign da n magnitude dari nilai koefisien variabel independent yang dihasilkan dalam mode l estimasi. Sementara kriteria kedua adalah statistical
criteria , ditentukan oleh teori statistik dan membantu evaluasi mode l secara
statistika yang dapat dipercaya dari koe fisien estimasi mode l. Kriteria statistik yang paling sering digunakan adalah correlation coefficient dan standard
deviation atau standard error. Sedangkan kriteria ketiga yaitu econometric
criteria, ditentukan oleh ilmu ekonometrika yang membantu mengevaluasi apakah
asumsi dari metode ekonometrika terpenuhi atau tidak. Kriteria ekonometrik membantu kita untuk menetapkan apakah estimasi yang diinginkan memiliki
properties unbiasedness, consistency dan lain- lain. Pada kriteria ekonometrik juga
84
dilakukan pengujian terhadap asumsi dari metode pendugaan OLS, antara lain asumsi multicollinearity, autocorrelation da n heteroscedasticity.
3.5. Teori Perdagangan Internas ional