Dampak fluktuasi harga pangan hewani asal ternak terhadap inflasi di kabupaten Bogor
DAMPAK FLUKTUASI HARGA PANGAN HEWANI ASAL
TERNAK TERHADAP INFLASI DI KABUPATEN BOGOR
FIKRIYAN NURIYATUL HASANAH
DEPARTEMEN EKONOMI SUMBERDAYA DAN LINGKUNGAN FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR BOGOR
(2)
(3)
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Dampak Fluktuasi Harga Pangan Hewani Asal Ternak terhadap Inflasi di Kabupaten Bogor adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Agustus 2014
Fikriyan Nuriyatul Hasanah
(4)
ABSTRAK
FIKRIYAN NURIYATUL HASANAH. Dampak Fluktuasi Harga Pangan Hewani Asal Ternak terhadap Inflasi di Kabupaten Bogor. Dibimbing oleh ADI HADIANTO.
Inflasi di Kabupaten Bogor berfluktuatif. Kelompok yang berkontribusi besar yaitu kelompok bahan makanan, salah satunya pangan hewani asal ternak. Oleh karena itu, harga pangan hewani asal ternak menjadi isu penting di Kabupaten Bogor. Penelitian ini menganalisis harga komoditas pangan hewani asal ternak, yaitu daging ayam broiler (karkas), daging sapi has, daging sapi bistik, daging sapi murni, hati sapi, daging kambing/domba, telur ayam ras, telur ayam buras, telur itik, dan susu segar. Data yang digunakan adalah data time series
bulanan periode Januari 2010 hingga Desember 2013. Tujuan penelitian ini adalah: 1) Menjelaskan perkembangan harga komoditas pangan hewani asal ternak di Kabupaten Bogor menggunakan analisis deskriptif; 2) Menganalisis dampak fluktuasi harga komoditas pangan hewani asal ternak terhadap inflasi di Kabupaten Bogor menggunakan model VAR (Vector Autoregression). Hasil dari analisis deskriptif menunjukkan bahwa selama 2010-2013, perkembangan harga komoditas daging ayam broiler (karkas), daging sapi has, daging sapi bistik, daging sapi murni, hati sapi, daging kambing/domba, dan telur ayam ras cenderung meningkat, sedangkan komoditas telur ayam buras, telur itik dan susu segar cenderung stabil. Hasil analisis VAR menunjukkan bahwa pada jangka panjang, fluktuasi harga berdampak terhadap inflasi terutama pada komoditas daging sapi murni dan telur ayam ras, diikuti oleh telur ayam buras, daging ayam broiler (karkas), daging sapi has, susu segar, telur itik, dan daging kambing/domba. Adapun komoditas daging sapi bistik dan hati sapi tidak berdampak secara signifikan terhadap inflasi.
(5)
ABSTRACT
FIKRIYAN NURIYATUL HASANAH. Effects of Food from Livestock Price
Fluctuation to Inflation in Bogor District. Supervised by ADI HADIANTO.
Bogor District has a fluctuative inflation. The highest inflation is contributed by food category, especially food from livestock. Therefore, the price of the food from livestock became an important issue in Bogor District. This research analyze the prices of food from livestock, such as broiler meat (carcass), filet beef, beefsteak, beef, beef livers, mutton, layer egg, native chicken egg, duck egg, and fresh milk. The data used are monthly time series data from January 2010 to December 2013. The purpose of this research are: 1) to describe the development of food from livestock price in Bogor District using descriptive analysis, 2) to analyze the effects of food from livestock price fluctuations on inflation in Bogor District using VAR (Vector Autoregression) model. The result of descriptive analysis shows that in 2010-2013 the prices of broiler meat (carcass), filet beef, beefsteak, beef, beef livers, goat meat, and layer egg have an upward trend, while native chicken egg, duck egg, and fresh milk have a stable trend. The result of VAR (Vector Autoregression) analysis shows that in the long term, price fluctuation effected on inflation of Bogor District, especially beef and layer egg, followed by native chicken egg, broiler meat (carcass), filet beef, fresh milk, duck egg, and mutton. The beefsteak and beef livers are not significantly effect on inflation.
(6)
(7)
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi
pada
Departemen Ekonomi Sumberdaya dan Lingkungan
DAMPAK FLUKTUASI HARGA PANGAN HEWANI ASAL
TERNAK TERHADAP INFLASI DI KABUPATEN BOGOR
FIKRIYAN NURIYATUL HASANAH
DEPARTEMEN EKONOMI SUMBERDAYA DAN LINGKUNGAN FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR BOGOR
(8)
(9)
(10)
(11)
PRAKATA
Syukur Alhamdulillah penulis panjatkan kepada Allah SWT, yang
senantiasa melimpahkan ni’mah, hidayah, dan inayah-Nya sehingga penulis
mampu menyelesaikan penyusunan skripsi yang berjudul “Dampak Fluktuasi
Harga Pangan Hewani Asal Ternak Terhadap Inflasi di Kabupaten Bogor.”
Shalawat serta salam semoga selalu tercurahkan kepada Nabi Muhammad SAW. Penyusunan skripsi ini bukan semata-mata untuk memenuhi syarat kelulusan, melainkan lebih dari itu penulis berharap skripsi ini dapat memberikan gambaran mengenai perkembangan harga pangan hewani asal ternak dan pengaruhnya terhadap inflasi.
Penulis menyadari bahwa penyusunan skripsi ini tidak lepas dari bantuan dan dukungan banyak pihak. Penulis menyampaikan terima kasih dan penghargaan kepada:
1. Orangtua tercinta, Drs. Suranto dan Dra. Sulasih, serta Ashri Istijabah
Azzahra dan Ni’mah Husnayya, adik-adik penulis, yang selalu berdo’a dan
mencurahkan kasih sayang kepada penulis.
2. Bapak Adi Hadianto, SP, M.Si selaku dosen pembimbing yang telah memberikan arahan, saran dan masukan selama penulisan hingga penyelesaian skripsi ini.
3. Bapak Ir. Ujang Sehabudin selaku dosen penguji utama dan Bapak Kastana Sapanli, S.Pi, M.Si selaku dosen penguji dari perwakilan departemen yang telah memberikan saran dan masukan untuk penyempurnaan skripsi ini. 4. Kementrian Agama Republik Indonesia yang telah memberikan beasiswa
full study selama penulis belajar di IPB.
5. Bapak Isep (Dinas Peternakan dan Perikanan Kab. Bogor) serta staff BPS Kab. Bogor yang telah membantu selama pengumpulan data.
6. Keluarga Besar Departemen Ekonomi Sumberdaya dan Lingkungan FEM IPB, khususnya dosen-dosen ESL atas arahannya dan rekan-rekan Green Fighter ESL 47 atas kebersamaan dan semangatnya.
7. CSS MoRA IPB, khususnya CSS 47 Ciecie yang selalu memberikan bantuan dan semangat.
8. Sahabat dekat, Debbie, Ii, Putri, Halimah, Iin, Fera, Hidayah, rekan-rekan seperjuangan Minor (Melin, Ulan, Melly, Andreas, Shella, Miranti), serta rekan-rekan satu bimbingan X-Factor 2014 (Entin Febriana, Dwi Saputra, Esya Shadrina, Atika Dewi, Ayu Amalia, Shiraz Fayeza, Niki Nurul, Nurul Puspita, Rita Pajarwati) atas kerjasama dan semangatnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Agustus 2014
(12)
(13)
DAFTAR ISI
Halaman
DAFTAR TABEL ... xiii
DAFTAR GAMBAR ... xiv
DAFTAR LAMPIRAN ... xv
I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Perumusan Masalah ... 4
1.3 Tujuan Penelitian ... 5
1.4 Ruang Lingkup Penelitian ... 5
II TINJAUAN PUSTAKA ... 7
2.1 Inflasi ... 7
2.2 Mekanisme Pembentukan Harga ... 9
2.3 Pangan Hewani Asal Ternak ... 10
2.4 Fluktuasi Harga Komoditas Pangan Hewani Asal Ternak ... 13
2.5 Keterkaitan Harga Komoditas Pangan dan Inflasi ... 15
2.6 Vector Autoregression (VAR) ... 16
2.7 Penelitian Terdahulu ... 20
III KERANGKA PEMIKIRAN ... 27
3.1 Kerangka Pemikiran Operasional ... 27
IV METODE PENELITIAN ... 29
4.1 Jenis dan Sumber Data ... 29
4.2 Metode Analisis Data ... 29
4.2.1 Analisis Deskriptif ... 29
4.2.2 Vector Autoregression (VAR) ... 30
V PERKEMBANGAN HARGA PANGAN HEWANI ASAL TERNAK DI KABUPATEN BOGOR ... 33
5.1 Perkembangan Harga Daging Ayam Brioler (Karkas) ... 33
5.2 Perkembangan Harga Daging Sapi ... 35
5.2.1 Perkembangan Harga Daging Sapi Has ... 37
5.2.2 Perkembangan Harga Daging Sapi Bistik ... 38
(14)
5.2 Perkembangan Harga Hati Sapi ... 40
5.3 Perkembangan Harga Daging Kambing/Domba ... 41
5.4 Perkembangan Harga Telur Ayam Ras ... 43
5.5 Perkembangan Harga Telur Ayam Buras ... 45
5.6 Perkembangan Harga Telur Itik ... 46
5.7 Perkembangan Harga Susu Segar ... 47
VI DAMPAK FLUKTUASI HARGA PANGAN HEWANI ASAL TERNAK TERHADAP INFLASI DI KABUPATEN BOGOR ... 49
6.1 Uji Stasioner Data ... 49
6.2 Penentuan Lag Optimal ... 50
6.3 Uji Stabilitas Model VAR ... 51
6.4 Uji Kointegrasi ... 51
6.5 Estimasi Vector Error Corection Model (VECM) ... 52
6.6 Analisis Impuls Response Function (IRF) ... 54
6.7 Analisis Forecast Error Variance Decomposition (FEVD) ... 56
VII SIMPULAN DAN SARAN ... 59
7.1 Simpulan ... 59
7.2 Saran ... 59
DAFTAR PUSTAKA ... 61
LAMPIRAN ... 66
(15)
DAFTAR TABEL
Nomor Halaman
1 Inflasi Menurut Kelompok Barang dan Jasa di Kabupaten Bogor
Tahun 2009-2013 ... 3
2 Inflasi Tahunan Kelompok Bahan Makanan Kabupaten Bogor Tahun 2009-2013 ... 4
3 Matriks Penelitian Terdahulu ... 21
4 Matriks Analisis Data ... 29
5 Rata-rata Perubahan Harga Komoditas Pangan Hewani Asal Ternak di Kabupaten Bogor Periode 2010-2013 ... 33
6 Pendugaan Produksi dan Konsumsi Daging Ayam Broiler di Kabupaten Bogor tahun 2008-2012 ... 35
7 Kuota Impor Sapi dan Daging Sapi di Indonesia tahun 2009-2013 ... 36
8 Pendugaan Produksi dan Konsumsi Daging Sapi di Kabupaten Bogor tahun 2008-2012 ... 37
9 Pendugaan Produksi dan Konsumsi Daging Kambing dan Domba di Kabupaten Bogor tahun 2008-2012 ... 43
10 Pendugaan Produksi dan Konsumsi Telur Ayam Ras di Kabupaten Bogor tahun 2008-2012 ... 44
11 Pendugaan Produksi dan Konsumsi Telur Ayam Buras di Kabupaten Bogor tahun 2008-2012 ... 46
12 Pendugaan Produksi dan Konsumsi Telur Itik di Kabupaten Bogor tahun 2008-2012 ... 47
13 Pendugaan Produksi dan Konsumsi Susu Segar di Kabupaten Bogor tahun 2008-2012 ... 48
14 Hasil Uji Stasioner Data Pada Tingkat Level ... 49
15 Hasil Uji Stasioner Data Pada Tingkat First Difference ... 50
16 Hasil Penetapan Lag Optimal ... 50
17 Hasil Johansen Cointegration Test ... 51
(16)
DAFTAR GAMBAR
Nomor Halaman
1 Perbandingan Perkembangan Inflasi Umum Kabupaten Bogor
dengan Inflasi Umum Indonesia Tahun 2009-2013 ... 2
2 Ilustrasi Inflasi Akibat Tarikan Permintaan (Demand Pull Inflation) ... 8
3 Ilustrasi Inflasi Akibat Desakan Biaya (Cost Push Inflation) ... 9
4 Kurva Keseimbangan dalam Mekanisme Pembentukan Harga ... 10
5 Ilustrasi Perubahan Harga Komoditas dari Sisi Penawaran ... 14
6 Ilustrasi Perubahan Harga Komoditas dari Sisi Permintaan ... 15
7 Skema Kerangka Pemikiran Operasional ... 28
8 Perkembangan Harga Daging Ayam Broiler (Karkas) di Kabupaten Bogor Periode Januari 2010-Desember 2013 ... 34
9 Perkembangan Harga Daging Sapi Has di Kabupaten Bogor Periode Januari 2010-Desember 2013 ... 38
10 Perkembangan Harga Daging Sapi Bistik di Kabupaten Bogor Periode Januari 2010-Desember 2013 ... 39
11 Perkembangan Harga Daging Sapi Murni di Kabupaten Bogor Periode Januari 2010-Desember 2013 ... 40
12 Perkembangan Harga Hati Sapi di Kabupaten Bogor Periode Januari 2010-Desember 2013 ... 41
13 Perkembangan Harga Daging Kambing/Domba di Kabupaten Bogor Periode Januari 2010-Desember 2013 ... 42
14 Perkembangan Harga Telur Ayam Ras di Kabupaten Bogor Periode Januari 2010-Desember 2013 ... 44
15 Perkembangan Harga Telur Ayam Buras di Kabupaten Bogor Periode Januari 2010-Desember 2013 ... 45
16 Perkembangan Harga Telur Itik di Kabupaten Bogor Periode Januari 2010-Desember 2013 ... 46
17 Perkembangan Harga Susu Segar di Kabupaten Bogor Periode Januari 2010-Desember 2013 ... 48
(17)
DAFTAR LAMPIRAN
Nomor Halaman
1 Indeks Harga Konsumen (IHK) Umum dan Harga Komoditas
Pangan Hewani Asal Ternak di Kabupaten Bogor... 67
2 Uji Stasioner Data ... 69
3 Hasil Penetapan Lag Optimal ... 74
4 Uji Stabilitas Model VAR ... 75
5 Uji Kointegrasi ... 76
6 Hasil Estimasi VECM ... 90
7 Hasil Estimasi IRF ... 93
(18)
(19)
1
I PENDAHULUAN 1.1 Latar Belakang
Pangan merupakan komoditas strategis dalam pembangunan sumberdaya manusia, yaitu untuk pemenuhan konsumsi utama. Undang-Undang No 18 tahun 2012 tentang Pangan menyatakan bahwa pemenuhan pangan merupakan bagian dari hak asasi manusia sebagai komponen dasar untuk mewujudkan sumberdaya manusia yang berkualitas. Menurut Anjarsari (2010), kandungan gizi dalam pangan sangat penting dalam membentuk suatu individu yang sehat dan produktif. Berdasarkan Direktorat Riset dan Kajian Strategis IPB (2009), konsumsi pangan masyarakat Indonesia pada umumnya masih belum seimbang. Proporsi konsumsi beras masih terlalu tinggi jika dibandingkan dengan proporsi konsumsi sayuran dan buah, kacang-kacangan serta pangan hewani asal ternak dan ikan dalam pola konsumsinya.
Kabupaten Bogor merupakan kabupaten dengan jumlah penduduk terbanyak di Indonesia (BPS, 2013a). Berdasarkan sensus penduduk tahun 2010, jumlah penduduk Kabupaten Bogor tercatat 4 771 932 jiwa. Pendapatan perkapita masyarakat Kabupaten Bogor mengalami peningkatan yaitu Rp 6 816 201.42 pada tahun 2010 menjadi Rp 6 984 438.33 pada tahun 2011 (Bappeda Kabupaten Bogor, 2013). Menurut Tomek (2000), jumlah penduduk dan pendapatan berpengaruh positif terhadap permintaan pangan. Jumlah penduduk yang banyak serta meningkatnya pendapatan masyarakat menyebabkan permintaan pangan di Kabupaten Bogor terus meningkat. Berdasarkan Neraca Bahan Makanan Kabupaten Bogor, konsumsi perkapita protein hewani asal ternak masyarakat Kabupaten Bogor yaitu 5.25 Protein/hari atau setara dengan 12.659 Kg/tahun (Dinas Peternakan dan Perikanan Kab. Bogor, 2012).
Harga pangan yang berfluktuasi berdampak terhadap perekonomian, seperti inflasi. Dalam Kebijakan Umum Ketahanan Pangan 2010-2014 disebutkan bahwa aspek keseimbangan ketahanan pangan, meliputi ketersediaan, aksesibilitas dan stabilisasi harga pangan (Dewan Ketahanan Pangan, 2011). Furlong dan Ingenito (1996) menyatakan bahwa fluktuasi harga pangan dapat dijadikan indikator inflasi karena mempunyai respon yang sangat cepat terhadap berbagai guncangan
(20)
ekonomi (economic shocks), seperti supply dan demand shocks, dan guncangan bukan ekonomi (non-economic shocks) seperti bencana alam.
Inflasi merupakan salah satu indikator ekonomi yang digunakan untuk mengukur kestabilan ekonomi suatu wilayah. Tingkat inflasi tercermin dari naiknya harga barang-barang secara umum (Riyadh et al., 2009). Pengendalian inflasi dan stabilitas ekonomi masih menjadi salah satu tantangan di beberapa daerah di Indonesia, khususnya Kabupaten Bogor. Hal ini terbukti dari tingkat inflasi Kabupaten Bogor memiliki pola yang sama dengan inflasi Indonesia dengan tingkat perubahan yang tinggi setiap tahunnya. Perbandingan perkembangan inflasi umum Kabupaten Bogor dengan inflasi umum Indonesia selama lima tahun terakhir ditampilkan pada Gambar 1.
Sumber: BPS RI dan BPS Kabupaten Bogor, 2014
Gambar 1 Perbandingan Perkembangan Inflasi Umum Kabupaten Bogor dengan Inflasi Umum Indonesia Tahun 2009-2013
Berdasarkan kelompok barang dan jasa, inflasi Kabupaten Bogor yang paling berfluktuaktif adalah kelompok bahan makanan. Selama kurun waktu 2009-2013 tercatat inflasi kelompok bahan makanan terbesar terjadi pada tahun 2010 dengan nilai 15.06 %. Inflasi terkecil terjadi pada kelompok bahan makanan yang mencapai 1.24 % pada tahun 2012. Pada tahun 2013, kelompok bahan
0 1 2 3 4 5 6 7 8 9
2009 2010 2011 2012 2013
Ting
k
a
t
Inf
la
si
(%)
Indonesia Kab. Bogor
(21)
3 makanan merupakan kelompok yang menyumbang inflasi terbesar dalam inflasi umum Kabupaten Bogor yaitu sebesar 30.82% (BPS Kabupaten Bogor, 2014c). Tabel 1 Inflasi Menurut Kelompok Barang dan Jasa di Kabupaten Bogor Tahun
2009-2013
Kelompok Barang dan Jasa Inflasi Tahunan (%)
2009 2010 2011 2012 2013
Umum 2.77 6.99 3.57 2.99 8.57
1. Bahan Makanan 5.66 15.06 5.26 1.24 10.64
2. Makanan Jadi, Minuman, Rokok, dan Tembakau
7.54 4.79 2.64 4.08 1.36
3. Perumahan, Air, Listrik, Gas, Bahan Bakar
0.92 3.04 3.41 3.74 3.88
4. Sandang 2.70 5.63 6.36 7.55 3.33
5. Kesehatan 3.21 1.93 3.88 2.39 3.50
6. Pendidikan, Rekreasi dan Olah Raga
3.26 8.12 1.48 5.12 4.43
7. Transportasi, Komunikasi dan Jasa Keuangan
-5.51 0.61 1.86 1.12 29.32
Sumber : BPS Kabupaten Bogor, 2013b
Pangan hewani asal ternak termasuk dalam kelompok bahan makanan. Berdasarkan BPS Kabupaten Bogor (2013c), selama tahun 2009-2013 komoditas pangan hewani asal ternak memiliki inflasi relatif stabil. Inflasi subkelompok daging dan hasilnya berkisar antara 5-10%, sedangkan telur, susu dan hasil-hasilnya berkisar antara (-1) -9% (Tabel 2). Hal ini membuktikan bahwa subsektor peternakan mempunyai peran terhadap inflasi di Kabupaten Bogor.
Tingkat inflasi berpengaruh terhadap perekonomian. Riyadh et al. (2009) menyatakan bahwa inflasi yang tidak terkendali akan mengakibatkan menurunnya daya beli masyarakat dan menciptakan ketidakpastian bagi pelaku ekonomi dalam pengambilan keputusan. Akibatnya, masyarakat sulit menentukan keputusan yang berkaitan dengan konsumsi, investasi dan produksi sehingga pada akhirnya berdampak pada penurunan pertumbuhan ekonomi suatu wilayah. Selain itu, daya beli masyarakat yang semakin menurun juga mengakibatkan penurunan standar hidup dan berdampak pada meningkatnya kemiskinan di suatu wilayah. Menurut Prastowo et al. (2008), kunci pengendalian inflasi yaitu kemampuan memitigasi gejolak harga komoditas pangan. Oleh karena itu, penting menganalisis fluktuasi harga pangan hewani asal ternak dan dampaknya terhadap inflasi di Kabupaten Bogor.
(22)
Tabel 2 Inflasi Tahunan Kelompok Bahan Makanan Kabupaten Bogor Tahun 2009-2013
Subkelompok Barang dan Jasa Inflasi Tahunan (%)
2009 2010 2011 2012 2013
Bahan Makanan 5.66 15.06 5.26 1.24 10.64
1. Padi-padian, umbi-umbian
dan hasilnya 3.12 15.03 11.00 2.31 2.07
2. Daging dan hasil-hasilnya 6.85 10.00 5.29 7.74 5.68
3. Ikan segar 6.70 10.55 5.10 0.65 3.42
4. Ikan awetan 0.92 8.47 5.21 4.43 4.71
5. Telur, susu dan
hasil-hasilnya -0.81 5.11 3.40 8.54 7.12
6. Sayur-sayuran 11.63 33.60 14.14 2.57 25.56
7. Kacang-kacangan 3.44 3.90 6.16 -3.06 12.48
8. Buah-buahan 17.76 7.67 4.86 2.50 52.24
9. Bumbu-bumbuan 17.08 46.09 -12.96 -17.45 18.57
10. Lemak dan minyak 1.41 7.89 4.04 2.14 3.96
11. Bahan makanan lainnya 2.80 2.38 8.12 -1.39 7.54
Sumber : BPS Kabupaten Bogor, 2013c 1.2 Perumusan Masalah
Pangan merupakan komoditas utama dalam pemenuhan kebutuhan manusia. Fluktuasi harga pangan menjadi permasalahan dalam perekonomian suatu wilayah, termasuk di Kabupaten Bogor. Kabupaten Bogor merupakan kabupaten dengan tingkat populasi terbanyak di Indonesia (BPS, 2013a). Pendapatan perkapita masyarakat Kabupaten Bogor yaitu Rp 6 816 201.42 pada tahun 2010 menjadi Rp 6 984 438.33 pada tahun 2011 (Bappeda Kab. Bogor, 2013). Banyaknya populasi dan meningkatnya pendapatan menyebabkan permintaan konsumsi pangan masyarakat Kabupaten Bogor meningkat.
Selama kurun waktu 2009-2013, inflasi Kabupaten Bogor berdasarkan kelompok barang dan jasa yang paling berfluktuatif yaitu kelompok bahan makanan (BPS Kabupaten Bogor, 2013b). Subkelompok bahan makanan yang memiliki inflasi relatif stabil yaitu subkelompok daging dan hasil-hasilnya, dan telur, susu dan hasil-hasilnya (BPS Kabupaten Bogor, 2013c). Hal ini membuktikan bahwa subsektor peternakan mempunyai peran terhadap inflasi di Kabupaten Bogor.
Kemampuan memitigasi fluktuasi harga komoditas pangan menjadi kunci utama pengendalian inflasi (Prastowo et al., 2008). Untuk itu, perlu diketahui
(23)
5 komoditas pangan hewani asal ternak yang memberikan kontribusi terbesar. Adapun permasalahan yang dibahas dalam penelitian ini adalah bagaimana perkembangan harga pangan hewani asal ternak di Kabupaten Bogor. Perkembangan harga tersebut dianalisis untuk menjelaskan perkembangan masing-masing komoditas pangan hewani asal ternak.
Setelah melakukan analisis perkembangan harga, selanjutnya perlu dianalisis pengaruh masing-masing fluktuasi harga komoditas pangan hewani asal ternak terhadap inflasi di Kabupaten Bogor. Analisis ini dilakukan untuk mengetahui komoditas pangan hewani asal ternak yang memberikan pengaruh paling besar terhadap inflasi di Kabupaten Bogor. Hasil analisis ini dibutuhkan untuk pertimbangan dalam pengambilan kebijakan yag berkaitan dengan upaya pengendalian inflasi di Kabupaten Bogor.
Berdasarkan hal-hal yang telah dijelaskan, maka pertanyaan yang ingin dijawab dari penelitian ini adalah:
1. Bagaimana perkembangan harga komoditas pangan hewani asal ternak di Kabupaten Bogor?
2. Bagaimana dampak fluktuasi harga komoditas pangan hewani asal ternak terhadap inflasi di Kabupaten Bogor?
1.3 Tujuan Penelitian
Penelitian ini bertujuan untuk:
1. Menjelaskan perkembangan harga komoditas pangan hewani asal ternak di Kabupaten Bogor.
2. Menganalisis dampak fluktuasi harga komoditas pangan hewani asal ternak terhadap inflasi di Kabupaten Bogor.
1.4 Ruang Lingkup Penelitian
Adapun ruang lingkup pada penelitian ini adalah:
1. Komoditas pangan hewani asal ternak yang menjadi objek penelitian adalah daging ayam broiler (karkas), daging sapi has, daging sapi bistik, daging sapi murni, hati sapi, daging kambing/domba, telur ayam ras, telur ayam buras, telur itik, dan susu segar.
(24)
2. Data harga komoditas pangan hewani asal ternak yang diteliti merupakan data harga di tingkat konsumen.
3. Data inflasi yang digunakan yaitu data Indeks Harga Konsumen (IHK) umum Kabupaten Bogor dengan tahun dasar 2007.
(25)
7 II TINJAUAN PUSTAKA
2.1 Inflasi
Inflasi merupakan salah satu indikator dalam perekonomian yang digunakan untuk mengukur stabilitas ekonomi suatu wilayah. Menurut Santoso (2011), inflasi dapat diartikan naiknya harga barang secara umum dalam waktu yang lama. Dari definisi tersebut, jika kenaikan harga barang atau jasa terjadi hanya pada satu atau dua komoditas, kondisi ini tidak bisa disebut inflasi. Kenaikan harga barang dan jasa juga tidak bisa disebut inflasi jika terjadi pada satu periode waktu yang sesaat.
Tingkat inflasi dapat dilihat salah satunya dari Indeks Harga Konsumen (IHK), dimana perubahan IHK menunjukkan perubahan harga dari barang atau jasa. Barang dan jasa yang dihitung dalam IHK adalah 744 komoditas barang dan jasa yang termasuk dalam paket komoditas kebutuhan rumahtangga berdasarkan hasil Survei Biaya Hidup (SBH) tahun 2007. BPS Kabupaten Bogor juga mengelompokkan barang dan jasa menjadi tujuh kelompok, yaitu:
1. Kelompok Bahan Makanan, yang meliputi padi-padian, umbi-umbian dan hasilnya, daging dan hasil-hasilnya, ikan segar, ikan diawetkan, telur, susu dan hasil-hasilnya, sayur-sayuran, kacang-kacangan, buah-buahan, bumbu-bumbuan, lemak dan minyak, serta bahan makanan lainnya.
2. Kelompok Makanan Jadi, Minuman, Rokok, dan Tembakau, meliputi makanan jadi, minuman yang tidak beralkohol, serta tembakau dan minuman beralkohol.
3. Kelompok Perumahan, Air, Listrik, Gas, dan Bahan Bakar, meliputi biaya tempat tinggal, bahan bakar, penerangan dan air, perlengkapan rumahtangga, serta penyelenggaraan rumahtangga.
4. Kelompok Sandang, meliputi sandang laki-laki, sandang wanita, sandang anak-anak, serta barang pribadi dan sandang lainnya.
5. Kelompok Kesehatan, meliputi jasa kesehatan, obat-obatan, jasa perawatan jasmani, serta perawatan jasmani dan kosmetika.
6. Kelompok Pendidikan, Rekreasi, dan Olahraga, meliputi pendidikan, kursus-kursus / pelatihan, perlengkapan / peralatan pendidikan, rekreasi serta olahraga.
(26)
7. Kelompok Transportasi, Komunikasi dan Jasa Keuangan, meliputi transportasi, komunikasi dan pengiriman, sarana dan penunjang transport serta jasa keuangan.
Komoditas pangan hewani asal ternak yang menjadi objek penelitian ini termasuk dalam kelompok bahan makanan.
Mankiw (2000), membedakan inflasi berdasarkan penyebabnya menjadi dua, yaitu:
1. Inflasi tarikan permintaan (demand pull inflation), terjadi karena adanya peningkatan agregat permintaan barang dan jasa, sehingga akan menggeser kurva agregat demand ke kanan. Peningkatan permintaan tidak bisa diimbangi oleh produsen untuk meningkatkan penawaran atau kurva agregat supply tetap. Hal ini dikarenakan tenaga kerja dalam keadaan fullemployment atau hampir
fullemploymment. Akibatnya, titik keseimbangan yang mencerminkan tingkat
harga dan jumlah barang akan bergeser ke kanan mengikuti pergeseran kurva agregat demand dan membentuk keseimbangan baru. Jika kondisi ini berlangsung lama, akan berdampak pada terjadinya inflasi.
Harga AS
P1 E1
P0 E0 AD1
AD0
0 Y0 Y1 Jumlah
Sumber: Mankiw, 2000
Gambar 2 Ilustrasi Inflasi Akibat Tarikan Permintaan (Demand Pull Inflation) 2. Inflasi desakan biaya (cost push inflation), terjadi karena adanya penurunan
agregat penawaran yang diakibatkan oleh naiknya biaya produksi. Naiknya biaya produksi mendorong produsen untuk menaikkan harga barang dan jasa atau mengurangi jumlah produksi barang dan jasa, sehingga akan menggeser
(27)
9 kurva agregat supply ke kiri. Terjadinya inflasi akibat desakan biaya akan berdampak lebih berbahaya daripada inflasi akibat tarikan permintaan. Hal ini dikarenakan terjadinya inflasi akibat desakan biaya mengakibatkan daya beli masyarakat menurun.
Harga AS1
P1 E1 AS0
P0 E0
AD
0 Y1 Y0 Jumlah
Sumber: Mankiw, 2000
Gambar 3 Ilustrasi Inflasi Akibat Desakan Biaya (Cost Push Inflation) Tingkat inflasi paling dirasakan bagi masyarakat yang berpenghasilan tetap. Masyarakat berpenghasilan tetap tidak memiliki penghasilan sampingan, sehingga memiliki ketergantungan yang besar terhadap penghasilannya. Pengendalian inflasi perlu dilakukan untuk menjaga stabilitas ekonomi. Menurut Riyadh, et al.
(2009), inflasi yang tidak terkendali akan berakibat menurunnya daya beli masyarakat, serta menimbulkan ketidakpastian bagi pelaku ekonomi dalam menentukan keputusan. Prastowo, et al. (2008) menyebutkan bahwa kunci pengendalian inflasi yaitu kemampuan memitigasi fluktuasi harga komoditas pangan.
2.2 Mekanisme Pembentukan Harga
Harga suatu barang ditentukan oleh permintan dan penawarannya. Berdasarkan teori keseimbangan pasar, pembentukan harga terjadi dari keseimbangan antara permintaan (demand) dan penawaran (supply) (Koutsoyiannis, 1977). Firdaus (2009) mendefinisikan demand sebagai keinginan konsumen untuk membeli suatu barang pada beberapa tingkat harga selama periode waktu tertentu. Supply didefinisikan sebagai penawaran produsen untuk
(28)
suatu barang pada beberapa harga selama periode waktu tertentu. Hukum permintaan-penawaran dengan asumsi mengabaikan faktor lain (cateris paribus), pada umumnya menyatakan bahwa semakin tinggi tingkat harga, maka permintaan akan barang tersebut semakin rendah.
Harga
P2 S
P1 E
P0 D
0 Q Jumlah
Sumber : Firdaus, 2009
Gambar 4 Kurva Keseimbangan dalam Mekanisme Pembentukan Harga
Titik keseimbangan pada kurva ditunjukkan oleh huruf E. Pada keseimbangan tersebut, tingkat harga sebesar P1 dengan jumlah permintaan dan penawaran yang sama yaitu sebesar Q. Jika dilihat dari sisi produsen, terdapat keuntungan yang diterima oleh produsen yaitu sebesar P2EP1. Keuntungan ini disebut surplus produsen. Konsumen juga mendapatkan surplus konsumen sebesar P0EP1, yaitu kelebihan dari kemampuan membayar.
2.3 Pangan Hewani Asal Ternak
Pangan menurut Undang-Undang No 18 tahun 2012 yaitu segala sesuatu yang berasal dari sumber hayati produk pertanian, perkebunan, kehutanan, perikanan, peternakan, perairan, dan air, baik yang diolah maupun tidak diolah yang diperuntukkan sebagai makanan atau minuman bagi konsumsi manusia, termasuk bahan tambahan pangan, bahan baku pangan, dan bahan lainnya yang digunakan dalam proses penyiapan, pengolahan, dan atau pembuatan makanan atau minuman. Berdasarkan sumbernya, bahan pangan dibedakan menjadi dua,
(29)
11 yaitu bahan pangan nabati dan bahan pangan hewani. Pangan nabati merupakan bahan pangan yang berasal dari hasil tumbuhan dan turunannya, seperti padi, tempe, dan buah-buahan. Pangan hewani merupakan bahan pangan yang berasal dari hewan dan turunannya, seperti ikan, daging, dan nugget. Komoditas pangan yang dianalisis pada penelitian ini adalah komoditas pangan hewani yang berasal dari peternakan, yaitu daging ayam broiler (karkas), daging sapi has, daging sapi bistik, daging sapi murni, hati sapi, daging kambing/domba, telur ayam ras, telur ayam buras, telur itik, dan susu segar.
a. Daging Ayam Broiler (Karkas)
Daging ayam broiler (karkas) menurut SNI no 3924 tahun 2009 merupakan bagian daging ayam broiler setelah dilakukan penyembelihan, pencabutan bulu dan pengeluaran jeroan, tanpa kepala, leher, kaki, paru-paru, dan atau ginjal. Rata-rata ukuran berat karkas utuh daging ayam broiler di Kabupaten Bogor yaitu 0.807 kg (Dinas Peternakan dan Perikanan Kab. Bogor).
b. Daging Sapi
Menurut SNI no 3932 tahun 2008, daging sapi merupakan bagian otot skeletal dari karkas sapi yang aman, layak dan lazim dikonsumsi oleh manusia, dapat berupa daging segar, daging segar dingin, atau daging beku. Berdasarkan karakteristiknya, daging sapi dibedakan menjadi tiga, yaitu daging sapi has, daging sapi bistik, dan daging sapi murni. Daging sapi has merupakan daging sapi yang berasal dari otot yang jarang digunakan yaitu bagian has dalam dan has luar, sehingga daging sapi has mempunyai tekstur lembut. Daging sapi bistik merupakan daging sapi dengan tekstur halus dan tidak liat, sedangkan daging sapi murni merupakan daging sapi dengan tekstur kasar dan liat.
c. Hati Sapi
Hati sapi merupakan produk ikutan dari pemotongan sapi berupa bagian jeroan yang dikeluarkan dari karkas.
d. Daging Kambing/Domba
Daging kambing/domba menurut SNI no 3948 tahun 1995 adalah urat daging yang melekat pada kerangka kecuali urat daging dari bagian bibir, hidung dan telinga yang berasal dari kambing/domba yang sehat waktu dipotong.
(30)
e. Telur Ayam
Telur ayam dibagi menjadi dua yaitu telur ayam untuk pembibitan dan konsumsi. Telur ayam konsumsi menurut SNI no 3926 tahun 2008 merupakan telur ayam yang belum mengalami proses fortifikasi, pengawetan, dan proses pengeraman. Berdasarkan jenis induknya, telur ayam dibedakan menjadi dua yaitu telur ayam ras dan telur ayam buras (lokal).
f. Telur Itik
Telur itik merupakan telur yang belum mengalami fortifikasi, pengawetan, dan proses pengeraman, yang berasal dari induk itik.
g. Susu segar menurut SNI no 3141.1 tahun 2011 merupakan cairan yang berasal dari ambing sapi sehat dan bersih, yang diperoleh dengan cara pemerahan yang benar, yang kandungan alamiahnya tidak dikurangi atau ditambah sesuatu apapun dan belum mendapat perlakuan apapun kecuali pendinginan.
Peternakan merupakan salah satu subsektor pertanian yang berperan penting dalam pembangunan perekonomian (Bernadien, 2012, Rukmana, 2005), yaitu sebagai penyedia protein hewani, menyumbang ketahanan pangan, sumber pendapatan peternak, menyumbang pajak dan devisa negara, dan kontribusi dalam Pendapatan Asli Daerah (PAD). Selain itu, pangan hewani asal ternak juga berperan dalam peningkatan derajat kesehatan dan kecerdasan melalui kandungan asam amino essensial dalam protein yang lebih lengkap dan seimbang bila dibandingkan dengan protein nabati (Presetyo et al., 2005).
Stabilisasi harga merupakan salah satu aspek dalam konsep ketahanan pangan. Stabilisasi harga pada sektor peternakan perlu dilakukan karena sektor peternakan memiliki hubungan dengan sektor-sektor lainnya. Menurut Arifin (2007), sektor peternakan mempunyai keterkaitan ke belakang (backward
linkages) dan ke depan (forward linkages). Dalam keterkaitan ke belakang, sektor
peternakan memiliki ketergantungan yang tinggi dengan industri pakan ternak. Sedangkan dalam keterkaitan ke depan, peternakan memiliki hubungan dengan sektor industri hasil makanan, industri hotel dan restoran, serta industri pariwisata.
(31)
13 2.4 Fluktuasi Harga Komoditas Pangan Hewani Asal Ternak
Harga dapat berubah mengikuti perubahan faktor yang mempengaruhinya. Perubahan harga terkait dengan waktu, musiman (seasonality), dan kualitas produk. Perubahan harga pada umumnya menggambarkan tentang perubahan
supply dan demand, pendapatan petani, dan hubungan ekonomi lainnya (Hudson,
2007). Menurut Tomek dan Robinson (1990), produk pertanian mempunyai karakteristik yang berbeda dengan produk lainnya, diantaranya produk pertanian mengikuti proses produksi biologis, sifat produk pertanian yang mudah rusak, bersifat musiman, serta adanya distribusi lag. Faktor-faktor yang mempengaruhi perubahan harga dibagi menjadi dua, yaitu perubahan pada sisi penawaran dan perubahan pada sisi permintaan.
1. Perubahan sisi penawaran
Perubahan pada sisi penawaran lebih ditekankan pada produksi dan penyimpanannya. Industri peternakan membutuhkan waktu dalam proses biologis yang cukup lama untuk memproduksi daging, telur, dan susu, sehingga jika terjadi peningkatan permintaan tidak bisa dipenuhi dalam jangka pendek. Produksi peternakan juga dipengaruhi oleh kondisi lingkungan di luar kemampuan pengendalian petani, seperti cuaca, iklim, dan faktor alamiah lainnya (Hudson, 2007). Selain itu, peningkatan biaya produksi seperti meningkatnya harga BBM juga mengakibatkan adanya fluktuasi pada harga pangan hewani asal ternak.
Faktor lainnya yang mempengaruhi perubahan harga dari sisi penawaran yaitu cara penyimpanan. Hal ini dikarenakan komoditas pangan hewani asal ternak bersifat mudah rusak dan busuk, sehingga proses penyimpanan yang tidak sesuai akan menurunkan kualitas produk. Penurunan kualitas tersebut pada akhirnya menyebabkan penurunan harga. Permintaan komoditas pangan pada masing-masing individu pada umunya bersifat inelastis, dimana permintaan cenderung stabil, sehingga perubahan penawaran lebih berpengaruh terhadap perubahan harga. Ilustrasi mengenai perubahan harga komoditas pangan hewani asal ternak dari sisi penawaran disajikan pada Gambar 5.
(32)
Harga
S1 S0
P1 E1
P0 E0
D
Jumlah
0 Q1 Q0
Sumber : Firdaus, 2009
Gambar 5 Ilustrasi Perubahan Harga Komoditas dari Sisi Penawaran 2. Perubahan sisi permintaan
Permintaan komoditas pangan pada individu bersifat inelastis, dimana peningkatan tingkat harga, relatif tidak berpengaruh terhadap jumlah permintaan. Namun, peningkatan jumlah populasi akan menyebabkan peningkatan jumlah permintaan secara agregat, sehingga mempengaruhi perubahan harga dari sisi permintaan. Peningkatan permintaan ini tidak disertai dengan peningkatan penawaran, karena komoditas peternakan pada umunya membutuhkan time lag dalam produksinya. Kondisi ini mengakibatkan naiknya harga komoditas pangan hewani asal ternak.
Pendapatan masyarakat juga mempengaruhi perubahan harga komoditas pangan hewani asal ternak dari sisi permintaan. Hal ini dikarenakan ketika pendapatan meningkat, orang akan cenderung mengubah pola konsumsinya. Perubahan pola konsumsi yang pada umunya terjadi yaitu perubahan konsumsi beralih ke makanan yang mempunyai kelezatan yang lebih tinggi. Menurut Buckle et al. (1985), jenis bahan makanan yang dikonsumsi akan berubah dari serealia (biji-bijian) ke makanan yang bersumber dari ternak, mengandung lemak, atau karbohidrat sederhana. Ilustrasi mengenai perubahan harga komoditas pangan hewani asal ternak dari sisi permintaan ditampilkan pada gambar berikut:
(33)
15 Harga
D1 S
P1 D0 E1
P0 E0
0 Q0 Q1 Jumlah
Sumber : Firdaus, 2009
Gambar 6 Ilustrasi Perubahan Harga Komoditas dari Sisi Permintaan 2.5 Keterkaitan Harga Komoditas Pangan dan Inflasi
Penelitian yang dilakukan oleh Furlong dan Ingenito (1996) menyatakan bahwa harga komoditas mempunyai hubungan yang kuat dengan inflasi. Penelitian tersebut juga menyimpulkan bahwa fluktuasi harga komoditas pangan dapat dijadikan indikator dalam inflasi. Hal ini dikarenakan harga komoditas pangan dapat merespon dengan cepat guncangan (shock) yang terjadi dalam perekonomian, baik guncangan ekonomi (economic shock) seperti peningkatan permintaan, maupun guncangan bukan ekonomi (non economic shock) seperti bencana alam.
Jogwanich dan Park (2009) juga telah melakukan penelitian mengenai inflasi di 9 negara berkembang di Asia, diantaranya Indonesia. Hasil penelitian tersebut menyatakan bahwa inflasi merupakan tantangan makroekonomi terbesar bagi negara-negara berkembang. Laju inflasi tersebut disebabkan sebagian besar oleh adanya guncangan harga pada komoditas pangan. Di negara berkembang, masyarakat akan mengalokasikan sebagian besar pendapatannya untuk memenuhi konsumsi pangan. Akibatnya, kenaikan harga pada komoditas pangan akan menurunkan daya beli dan kesejahteraan masyarakat.
(34)
2.6 Vector Autoregression (VAR)
Menurut Hadi (2003), VAR merupakan metode non-struktural yang dapat digunakan dalam memahami adanya hubungan timbal balik (interrelationship) antara variabel-variabel ekonomi, seperti ketika kita mempunyai beberapa variabel di dalam data time series maka kita perlu menganalisis saling ketergantungan antarvariabel tersebut. Model VAR dibangun untuk memudahkan dalam menyelesaikan permasalahan yang terlalu kompleks jika dijelaskan dengan teori ekonomi, atau dalam simplifikasi dari teori yang terlalu kompleks. Oleh karena itu, model VAR merupakan model non-struktural atau tidak teoritis.
Pada umumnya, konsep VAR mirip dengan konsep persamaan simultan, dimana masing-masing variabelnya bisa saling mempengaruhi. Perbedaannya, dalam VAR, masing-masing variabel dijelaskan oleh lag-nya sendiri, nilai saat ini serta nilai masa lampaunya. Untuk menghindari kesalahan dalam penentuan variabel eksogen dan endogennya, semua variabel dalam model VAR diperlakukan sebagai variabel endogen, sehingga dapat digunakan untuk menyelesaikan model dengan variabel eksogen dan endogen yang saling mempengaruhi (Mardiyanto, 2000).
Menurut Firdaus (2011) terdapat beberapa keunggulan dari metode VAR diantaranya:
1. Mengembangkan model secara bersamaan di dalam suatu sistem yang kompleks (multivariat) sehingga dapat menangkap hubungan keseluruhan variabel di dalam persamaan itu.
2. Uji VAR yang multivariat bisa menghindarkan parameter yang bias akibat tidak dimasukkannya variabel yang relevan.
3. Uji VAR dapat mendeteksi hubungan antarvariabel di dalam sistem persamaan, dengan menjadikan seluruh variabel sebagai endogen.
4. Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan teori ekonomi yang sering muncul, termasuk gejala perbedaan palsu
(spurious variable) di dalam model ekonometrika konvensional terutama
(35)
17 Adapun kelemahan dari metode VAR diantaranya (Gujarati, 2003):
1. VAR dianggap ateoritis (tidak berdasarkan teori) karena menggunakan lebih sedikit informasi dan teori terdahulu.
2. VAR tidak sesuai jika digunakan untuk menganalisis implikasi kebijakan. Hal ini dikarenakan analisis pada VAR ditekankan pada peramalan
(forecasting).
3. Pemilihan panjang lag menjadi tantangan besar, khususnya ketika variabel banyak dan lag panjang.
4. Semua variabel dalam model VAR harus stasioner. Jika terdapat variabel yang tidak stasioner, perlu dilakukan uji lebih lanjut, salah satunya dengan diferensiasi derajat satu.
5. Koefisien dalam estimasi VAR sulit untuk diinterpretasikan, sehingga sebagian besar peneliti melakukan interpretasi pada estimasi IRF dan FEVD. Terdapat dua hal yang perlu dilakukan sebelum menggunakan model VAR, yaitu spesifikasi dan identifikasi model. Spesifikasi model berkaitan dengan penentuan variabel dan lag. Penentuan variabel harus berdasarkan teori ekonomi yang relevan. Identifikasi model berkaitan dengan identifikasi persamaan yang digunakan. Adapun model persamaan umum VAR dapat dituliskan sebagai berikut (Enders 2004):
Yt = Ao + A1Yt-1 + A2Yt-2 + … + ApYt-p + et ……… (1) dimana:
Yt = vektor variabel endogen (Y1.t, Y2.t, Yn.t) berukuran (n.1) Ao = vektor intersep berukuran (n.1)
Ai = matriks koefisien berukuran (n.n), i= 1,2,…p p = lag dalam persamaan
et = vektor error (e1t, e2t, … ent) berukuran (n.1)
Terdapat beberapa tahapan dalam melakukan analisis VAR, yaitu: 1. Uji Stasioner Data
Dalam data deret waktu (time series), uji stasioner data sangat diperlukan karena data yang tidak stasioner akan menyebabkan adanya regresi
(36)
palsu (spurious regression). Data yang stasioner yaitu data yang variansnya tidak trelalu besar dan mempunyai kecenderungan untuk mendekati nilai rata-ratanya (Enders, 2004). Uji stasioner data dilakukan untuk menguji ada atau tidaknya akar unit (unit root) dalam model. Alat uji yang bisa digunakan yaitu
Augmented Dickey Fuller (ADF).
Hipotesis yang diuji yaitu H0 = terdapat unit root atau tidak stasioner, sedangkan H1 = tidak terdapat unit root atau data stasioner. Jika nilai ADFstatistik lebih kecil dari nilai kritis Mackinnon, data tersebut dapat dinyatakan stasioner karena tidak mengandung unit root. Sebaliknya, jika nilai ADFstatistik lebih besar dari nilai kritis Mackinnon, data tersebut dinyatakan tidak stasioner dan perlu dilakukan uji stasioner lanjutan yaitu dengan differensiasi derajat satu.
2. Penentuan Lag Optimal
Setelah seluruh data dipastikan stasioner, tahapan berikutnya adalah menentukan lag optimal. Menurut Firdaus (2011), penentuan lag optimal bisa dilakukan dengan memanfaatkan beberapa kriteria, diantaranya Akaike
Information Criterion (AIC), Schwarz Information Criterion (SC) dan
Hannan-Quinn Criterion (HQ), Likelihood Ratio (LR), dan Final Prediction
Error (FPE). Menurut Pindyck dan Rubinfield (1981), AIC merupakan cara
obyektif dalam penentuan jumlah lag dalam model.
Penentuan lag optimal penting dilakukan untuk melihat hubungan antar variabel dalam model VAR yang digunakan. Penentuan lag yang terlalu panjang mengakibatkan lebih banyak jumlah parameter yang harus diduga dan derajat bebas yang lebih sedikit. Penentuan lag yang terlalu sedikit juga akan mengakibatkan standar kesalahan tidak bisa diestimasi dengan baik, sehingga menghasilkan spesifikasi model yang salah. Dari tingkat lag yang berbeda-beda tersebut, diambil lag yang paling optimal dan dipadukan dengan uji stabilitas model VAR.
3. Uji Stabilitas model VAR
Uji stabilitas model VAR dilakukan dengan menghitung akar-akar dari fungsi polinomial (root of characteristic polinomial). Jika semua akar dari fungsi polinomial tersebut berada di dalam unit circle atau jika nilai
(37)
19 absolutnya kurang dari satu, maka model VAR tersebut dianggap stabil. Dengan demikian, Impuls Response Function (IRF) dan Forecast Error
Variance Decomposition (FEVD) yang dihasilkan dianggap valid.
4. Uji Kointegrasi
Kointegrasi yaitu kombinasi linear dari dua atau lebih variabel yang tidak stasioner yang menghasilkan variabel yang stasioner. Uji kointegrasi dapat dilakukan dengan metode Johansen. Firdaus (2011) menyatakan bahwa pengujian ini dilakukan untuk mengetahui variabel yang tidak stasioner terkointegrasi atau tidak. Hasil kointegrasi dapat diinterpretasikan sebagai hubungan keseimbangan jangka panjang diantara variabel, sehingga diketahui apakah metode Vector Error Corection Model (VECM) dapat digunakan atau tidak. Jika trace statistic lebih besar daripada critical value, maka model tersebut terkointegrasi.
5. Vector Error Corection Model (VECM)
Setelah melakukan uji kointegrasi, tahap terakhir dari analisis VAR yaitu menganalisis hubungan jangka pendek antarvariabel terhadap jangka panjangnya. Jika variabel-variabel tidak terkointegrasi dan stasioner pada ordo yang sama, maka dapat diterapkan VAR standar yang hasilnya identik dengan OLS. Namun, jika dalam uji kointegrasi menyatakan bahwa terdapat kointegrasi, dapat digunakan ECM untuk single equation atau VECM untuk
system equation.
VECM merupakan VAR terestriksi yang digunakan untuk variabel yang non-stasioner tapi memiliki potensi untuk terkointegrasi. Hal ini dikarenakan dalam estimasi VECM kesalahan yang ada akan dikoreksi secara bertahap melalui penyesuaian parsial jangka pendek. Data time series, umumnya memiliki tingkat stasioner pada diferensiasi derajat satu. Spesifikasi model VECM dilakukan dengan memasukkan informasi restriksi dari hasil uji kointegrasi yang telah dilakukan sebelumnya. Adapun model persamaan VECM secara umum adalah sebagai berikut (Enders, 2004):
(38)
dimana:
ΔYt = vektor yang berisi variabel dalam penelitian µ0x = vektor intercept
µ1x = vektor koefisien regresi t = tren waktu
x = x’ dimana ’ mengandung persamaan kointegrasi jangka panjang
Yt-1 = variabel in-level
= matriks koefisien regresi k-1 = ordo VECM dari VAR t = error term
Menurut Besimi, et al. (2006) dalam Firdaus (2011), hasil estimasi VECM memberikan dua penafsiran, yaitu mengukur kointegrasi atau hubungan keseimbangan jangka panjang antarvariabel dan mengukur
error-correction atau kecepatan masing-masing variabel dalam bergerak menuju
keseimbangan jangka panjangnya. Hasil estimasi VAR sulit diinterpretasikan sehingga untuk menginterpretasikannya dilakukan analisis IRF (Impuls
Response Function) dan FEVD (Forecast Error Variance Decomposition).
6. Analisis Impuls Response Function (IRF)
Analisis IRF digunakan untuk melihat respon suatu variabel endogen pada nilai sekarang dan yang akan datang, akibat adanya shock pada variabel lainnya. Hal ini dikarenakan shock pada suatu variabel tidak hanya berpengaruh terhadap variabel itu sendiri, tetapi ditransmisikan ke variabel lainnya melalui struktur dinamis atau struktur lag dalam VAR.
7. Analisis Forecast Error Variance Decomposition (FEVD)
FEVD merupakan suatu metode yang digunakan untuk melihat perubahan error variance suatu variabel, sebelum dan sesudah terjadinya
shock. Hasil FEVD juga dapat menjelaskan kekuatan dan kelemahan
masing-masing variabel dalam mempengaruhi variabel lainnya. 2.7 Penelitian Terdahulu
Penelitian mengenai pengaruh harga pangan terhadap inflasi telah dilakukan oleh beberapa peneliti sebelumnya, diantaranya Prastowo, et al. (2008), Rahmah
(39)
21 (2013), dan Christanty (2013). Persamaan dengan penelitian ini adalah kesamaan topik penelitian, yaitu harga komoditas pangan dan dampaknya terhadap inflasi. Perbedaannya, pada penelitian ini komoditas yang diteliti lebih difokuskan pada pangan hewani asal ternak.
Penelitian mengenai pangan hewani asal ternak juga telah dilakukan oleh peneliti sebelumnya, diantaranya Prasetyo, et al. (2005), Mu’minah, et al. (2012), dan Burhani (2013). Penelitian yang telah dilakukan mempunyai kesamaan dengan penelitian ini yaitu pada komoditas yang diteliti. Namun, terdapat perbedaan yaitu pada penelitian ini bagian dari komoditas yang diteliti yaitu fluktuasi harga.
Adapun penelitian menggunakan metode Vector Autoregression (VAR) telah dilakukan salah satunya oleh Respati (2005). Persamaan dengan penelitian ini yaitu metode yang digunakan. Perbedaannya, metode VAR pada penelitian ini lebih difokuskan pada respon inflasi akibat fluktuasi harga. Tinjauan penelitian terdahulu dapat dilihat pada Tabel 3.
Tabel 3 Matriks Penelitian Terdahulu
No Peneliti/Judul
Penelitian Tujuan Metode Hasil
1 Nama: E.
Prasetyo, Mukson, T. Ekowati, dan A. Setiadi Tahun: 2005 Judul: Pengaruh faktor penawaran dan permintaan terhadap ketahanan pangan hewani asal ternak di Jawa Tengah
Mengetahui tingkat pengaruh aspek penawaran dan permintaan pangan terhadap ketahanan pangan hewani asal ternak di Jawa Tengah
1.Data yang digunakan didapatkan dengan metode survey
2.Analisis data dilakukan dengan analisis Regresi Linear Berganda
1. Faktor penawaran yang terdiri produksi daging, produksi telur, dan produksi susu berpengaruh signifikan dan positif terhadap ketahanan pangan hasil ternak 2. Jumlah penduduk
sebagai faktor permintaan
berpengaruh signifikan dan negatif terhadap ketahanan pangan hasil ternak 3. Produk Domestik
Regional Bruto sebagai faktor permintaan tidak berpengaruh signifikan terhadap
(40)
No Peneliti/Judul
Penelitian Tujuan Metode Hasil
ketahanan pangan hasil ternak
2 Nama: Efi
Respati Tahun: 2005 Judul: Analisis
VAR (Vector Auto-regression) untuk mekanisme pemodelan harga daging ayam 1. Mengkaji penggunaan model ekonometrik VAR guna membangun pemodelan harga daging ayam 2. Melakukan
peramalan jangka pendek untuk peubah harga daging ayam menggunakan model VAR
1. Data yang digunakan merupakan data sekunder
time series
bulanan (1996-2004) 2. Metode penelitian yang digunakan adalah model persamaan VAR
1. Model VAR cukup
baik dalam
menganalisis hubungan antar peubah yang mempengaruhi harga rata-rata daging ayam 2. Harga rata-rata
daging ayam secara nyata dipengaruhi oleh harga rata-rata ayam broiler hidup, harga rata-rata pakan finisher, harga rata-rata telur, harga eceran tahu mentah dan tempe kedelai serta inflasi sub kelompok daging dan hasil-hasilnya 3. Untuk peramalan
jangka pendek,
model VAR
menghasilkan nilai ramalan yang tidak jauh berbeda dengan nilai aktualnya
3 Nama: Nugroho Joko
Prastowo, Tri Yanuarti, Yoni Depari Tahun: 2008 Judul: Pengaruh
distribusi dalam pembentukan harga komoditas dan implikasinya terhadap inflasi 1. Memperoleh gambaran mengenai mekanisme pembentukan harga dan pola distribusi dari komoditas
pangan, khususnya
komoditas beras, gula pasir, minyak goring, daging sapi dan cabe merah
2. Mengidentifikasi pengaruh
1. Data yang digunakan merupakan data
sekunder dan primer yang diperoleh dengan metode survey 2. Analisis data
dilakukan dengan analisis deskriptif, analisis survey, dan
1. Komoditas pangan mempunyai peranan yang penting karena sumbangannya
yang cukup
signifikan dalam pembentukan inflasi
2. Semakin cepat busuk/rusak suatu komoditas tingkat fluktuasi harganya semakin tinggi 3. Manajemen stok
suatu komoditas dapat mengurangi
(41)
23
No Peneliti/Judul
Penelitian Tujuan Metode Hasil
distribusi dalam pembentukan harga komoditas pangan tersebut dan dampaknya terhadap inflasi
analisis kuantitatif
tekanan gejolak harga
4. Pola produksi
yang tidak
dipengaruhi oleh faktor musiman dan pola distribusi yang bersifat lokal mengurangi fluktuasi harga 5. Harga komoditas
yang porsi ekspor-impornya cukup tinggi terkait erat dengan
perkembangan harga di pasar internasional 6. Biaya transportasi
yang diproksikan dengan harga BBM berpengaruh signifikan
terhadap produk yang lebih cepat rusak (perishable) dan memakan tempat (bulky) dalam
pengangkutan 7. Jalur distribusi
utama komoditas pertanian dengan melibatkan
pedagang pengumpul, pedagang besar, dan pedagang pengecer
cenderung lebih panjang jika dibandingkan dengan jalur distribusi oleh industri.
4 Nama: Iin
Mu’minah,
Wahyu W. Pamungkas, Sofyan Sjaf
Membuat sistem monitoring yang dapat menyediakan informasi mengenai harga daging sapi di
1. Pengumpulan data dilakukan dengan survey 2. Analisis data
dilakukan
1. Sistem didesain untuk pelaporan harian. Jika harga yang diprediksi melampaui batas,
(42)
No Peneliti/Judul
Penelitian Tujuan Metode Hasil
Tahun: 2012 Judul: Sistem
monitoring dan teknik peramalan harga daging
sapi di
Indonesia
seluruh Indonesia dan memantau secara harian dengan metode Smoothing, sedangkan pembangunan sistem informasi dilakukan dengan desain sistem dan arsitektur teknologi
sistem akan memberikan alert 2. Pembentuk harga
daging sapi yaitu komponen biaya di tingkat produsen (peternak), biaya distribusi dan penyimpanan, volume permintaan
terhadap daging sapi (demand), volume persediaan daging sapi
(supply), serta
harga daging sapi impor, dan kurs mata uang rupiah 5 Nama: Lia Nur
Alia Rahmah Tahun: 2013 Judul: Analisis
fluktuasi harga komoditas pangan dan pengaruhnya terhadap inflasi di Jawa Barat
1. Menjelaskan perkembangan harga komdoitas pangan di Jawa Barat
2. Menganalisis kecenderungan harga komdoitas pangan di Jawa Barat di masa mendatang
3. Menganalisis pengaruh fluktuasi harga komoditas pangan terhadap inflasi di Jawa Barat
1. Data yang digunakan merupakan data sekunder
time series
bulanan (2009-2012) 2.Analisis data
dilakukan dengan analisis deskriptif, ARIMA, dan VAR
1. Perkembangan harga komoditas pangan bersifat positif dengan tren cenderung naik 2. Perubahan harga
ketiga komoditas pangan, yaitu beras, gula pasir dan kedelai, berpengaruh nyata terhadap
perubahan inflasi di Jawa Barat
6 Nama: Fadila Jzuqynova Burhani Tahun: 2013 Judul: Analisis
volatilitas harga daging sapi potong dan daging ayam broiler di Indonesia
1. Menganalisis proyeksi harga daging sapi potong dan daging ayam broiler di Indonesia pada masa yang akan datang
2. Mengidentifikasi faktor-faktor yang mempengaruhi volatilitas harga daging sapi potong dan daging
1. Data yang digunakan yaitu data
time series
harian (Februari 2003-Februari 2013).
2. Analisis data dilakukan dengan analisis deskriptif dan pendekatan
1. Volatilitas harga daging sapi potong dan daging ayam broiler di masa yang akan datang cenderung
semakin kecil dan persistence
(berlangsung dalam waktu yang lama)
2. Faktor-faktor yang mempengaruhi volatilitas harga
(43)
25
No Peneliti/Judul
Penelitian Tujuan Metode Hasil
ayam broiler di Indonesia
3. Mengidentifikasi alternatif strategi terkait dengan volatilitas harga daging sapi potong dan daging ayam broiler di Indonesia
model ARCH/ GARCH
daging sapi potong yaitu volatilitas satu periode sebelumnya dan varian harga satu periode
sebelumny,
sedangkan faktor yang
mempengaruhi volatilitas harga daging ayam broiler hanya volatilitas pada satu periode sebelumnya 3. Alternatif strategi
untuk menjaga stabilitas harga komoditas daging sapi potong dan daging ayam
broiler di
Indonesia yaitu pengaturan
distribusi dan pemasaran daging, perumusan dan penentuan kembali titik keseimbangan
supply dan
demand daging,
penanggulangan penyakit ternak, peningkatan kualitas
infrastruktur, dan
penganeka-ragaman konsumsi pangan
7 Nama:Hyldha Christanty Tahun: 2013 Judul: Pengaruh
volatilitas harga terhadap inflasi di Kota
Malang:
1. Mengetahui volatilitas harga beras dan kentang pada empat pasar (Giant,
Hypermart, Pasar Dinoyo, Pasar Besar) di Kota Malang
2. Mengatahui
1. Data yang digunakan merupakan data time series
bulanan (2010-2012) 2. Analisis data
dilakukan dengan
1. Tingkat volatilitas harga tertinggi kedua komoditas tersebut terjadi di Giant
2. Tingkat volatilitas harga yang relatif tinggi di Giant dan Pasar Dinoyo mampu
(44)
No Peneliti/Judul
Penelitian Tujuan Metode Hasil
pendekatan model ARCH/ GARCH
pengaruh
volatilitas harga komoditas beras dan kentang terhadap inflasi di Kota Malang
pendekatan model ARCH/ GARCH
mengindikasikan bahwa volatilitas harga, khususnya harga komoditas pangan beras dan kentang
berpengaruh terhadap inflasi di Kota Malang
(45)
27 III KERANGKA PEMIKIRAN
3.1 Kerangka Pemikiran Operasional
Fluktuasi harga pangan menjadi salah satu permasalahan dalam perekonomian makro di Kabupaten Bogor. Hal ini terbukti dari kelompok bahan makanan yang berkontribusi besar terhadap inflasi di Kabupaten Bogor. Diantara komoditas yang masuk dalam kelompok bahan makanan yaitu komoditas pangan hewani yang berasal dari peternakan. Perkembangan harga komoditas pangan hewani asal ternak dianalisis menggunakan metode Analisis Deskriptif. Hasil analisis tersebut menghasilkan informasi fluktuasi harga pangan hewani asal ternak di Kabupaten Bogor pada periode penelitian.
Informasi fluktuasi harga pangan hewani asal ternak tersebut selanjutnya digunakan untuk menganalisis pengaruh fluktuasi harga masing-masing komoditas pangan hewani asal ternak terhadap inflasi di Kabupaten Bogor. Model yang digunakan dalam analisis ini yaitu model VAR (Vector Autoregression). Hasil analisis berupa IRF (Impulse Response Function) yang digunakan untuk mengetahui respon inflasi Kabupaten Bogor akibat adanya fluktuasi harga masing-masing komoditas pangan hewani asal ternak. Selain itu, analisis tersebut juga menghasilkan FEVD (Forecast Error Variance Decomposition) yang digunakan untuk mengetahui besarnya kontribusi dari fluktuasi harga masing-masing komoditas pangan hewani asal ternak dalam menjelaskan keragaman inflasi di Kabupaten Bogor. Skema kerangka pemikiran operasional dapat dilihat pada Gambar 7.
(46)
Gambar 7 Skema Kerangka Pemikiran Operasional
Dampak Fluktuasi Harga Pangan Hewani Asal Ternak terhadap inflasi di Kabupaten Bogor
Analisis Deskriptif Model VAR
Fluktuasi Harga Komoditas Pangan Hewani Asal Ternak di
Kabupaten Bogor
Inflasi
Analisis Perkembangan Harga Komoditas Pangan Hewani Asal
Ternak Sumber Inflasi
Pengaruh Fluktuasi Harga Komoditas Pangan Hewani Asal
Ternak terhadap Inflasi di Kabupaten Bogor
(47)
29 IV METODE PENELITIAN
4.1 Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data time series bulanan periode Januari 2010 hingga Desember 2013. Berdasarkan sumbernya, data yang digunakan merupakan data sekunder berupa data fluktuasi harga pangan hewani asal ternak di Kabupaten Bogor yang diperoleh dari Dinas Peternakan dan Perikanan Kabupaten Bogor, serta data IHK (Indeks Harga Konsumen) umum Kabupaten Bogor berdasarkan tahun dasar 2007 yang diperoleh dari Badan Pusat Statistik (BPS) Kabupaten Bogor. Selain itu, berbagai data penunjang serta literatur-literatur yang relevan dan memuat berbagai konsep dan teori yang digunakan dalam penelitian ini diperoleh dari berbagai sumber, seperti buku bacaan, jurnal ilmiah, dan internet.
4.2 Metode Analisis Data
Data yang diperoleh dianalisis menggunakan metode dan alat analisis yang sesuai.
Tabel 4 Matriks Analisis Data
Tujuan Penelitian Data yang Dibutuhkan Metode Analisis Data
1. Menjelaskan
perkembangan harga komoditas pangan hewani asal ternak di Kabupaten Bogor
Data time series bulanan harga komoditas pangan hewani asal ternak di Kabupaten Bogor periode Januari 2010 hingga Desember 2013
Analisis Deskriptif
2. Menganalisis
pengaruh fluktuasi harga komoditas pangan hewani asal ternak terhadap inflasi di Kabupaten Bogor
1. Data time series bulanan harga komoditas pangan hewani asal ternak di Kabupaten Bogor periode Januari 2010 hingga Desember 2013
2. Data time series bulanan IHK umum Kabupaten Bogor periode Januari 2010 hingga Desember 2013
Analisis VAR (Vector Autoregression)
menggunakan software Eviews6.
Sumber : Penulis, 2014
4.2.1Analisis Deskriptif
Analisis Deskriptif merupakan metode penelitian yang dilakukan dengan cara mengumpulkan data-data yang sesuai dengan sebenarnya kemudian data-data
(48)
tersebut disusun, diolah dan dianalisis untuk dapat memberikan gambaran mengenai masalah yang ada (Sugiyono, 2008). Adapun keunggulan dari metode analisis deskriptif adalah metodenya sederhana dan memiliki daya menerangkan cukup kuat. Analisis Deskriptif dalam penelitian ini digunakan untuk menjelaskan perkembangan harga komoditas pangan hewani asal ternak di Kabupaten Bogor selama periode penelitian. Analisis deskriptif dilakukan dengan menggunakan perangkat lunak Microsoft 2010 dan dijelaskan dengan bantuan tabel dan grafik. 4.2.2Vector Autoregression (VAR)
Analisis Vector Autoregression (VAR) dalam penelitian ini digunakan untuk menganalisis dampak fluktuasi harga komoditas pangan hewani asal ternak terhadap inflasi di Kabupaten Bogor. Berdasarkan teori, yang akan dianalisis dalam penelitian ini adalah hubungan antara harga komoditas pangan hewani asal ternak yang menjadi objek penelitian, yaitu daging ayam broiler (karkas), daging sapi has, daging sapi bistik, daging sapi murni, hati sapi, daging kambing/domba, telur ayam ras, telur ayam buras, telur itik, dan susu segar, dengan Indeks Harga Konsumen (IHK) umum Kabupaten Bogor. Masing-masing variabel dihitung menggunakan logaritma natural. Hal ini dilakukan untuk memudahkan dalam perhitungan.
Analisis VAR dilakukan dengan menggunakan perangkat lunak Eviews 6. Dengan mengasumsikan bahwa VAR tersebut mengandung panjang lag 1, model yang digunakan dapat ditulis sebagai berikut:
LnIHKt = A1 + A2LnIHKt-1 + A3LnDABt + A4LnDSHt + A5LnDSBt
+ A6LnDSMt + A7LnHSPt + A8LnDKDt + A9LnTARt + A10LnTABt + A11LnTITt + A12LnSSEt + e1t…………... (3)
LnDABt = B1 + B2LnDABt-1 + B3LnIHKt + B4LnDSHt + B5LnDSBt + B6LnDSMt + B7LnHSPt + B8LnDKDt + B9LnTARt + B10LnTABt
+ B11LnTITt + B12LnSSEt + e2t………... (4)
LnDSHt = C1 + C2LnDSHt-1 + C3LnDABt + C4LnIHKt + C5LnDSBt + C6LnDSMt + C7LnHSPt + C8LnDKDt + C9LnTARt + C10LnTABt
+ C11LnTITt + C12LnSSEt + e3t……….….... (5)
LnDSBt = D1 + D2LnDSBt-1 + D3LnDABt + D4LnDSHt + D5LnIHKt + D6LnDSMt + D7LnHSPt + D8LnDKDt + D9LnTARt + D10LnTABt + D11LnTITt + D12LnSSEt + e4t……….…. (6)
(1)
90
Lampiran 6 Hasil Estimasi VECM
Vector Error Correction EstimatesIncluded observations: 46 after adjustments Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 LNIHK(-1) 1.000000 LNDAB(-1) 0.061455 (0.00700) [ 8.78086] LNDSH(-1) 0.014140 (0.00180) [ 7.87752] LNDSB(-1) -0.002200 (0.00279) [-0.78720] LNDSM(-1) -0.020498 (0.00264) [-7.75202] LNHSP(-1) -0.003646 (0.00209) [-1.74284] LNDKD(-1) -0.006624 (0.00129) [-5.14955] LNTAR(-1) -0.063760 (0.00630) [-10.1268] LNTAB(-1) 0.275876 (0.05476) [ 5.03800] LNTIT(-1) -0.455406 (0.04401) [-10.3486] LNSSE(-1) 0.121860 (0.00825) [ 14.7734]
(2)
67
lanjutan
Error Correction: D(LNIHK) D(LNDAB) D(LNDSH) D(LNDSB) D(LNDSM) D(LNHSP) D(lNDKD) D(LNTAR) D(lNTAB) D(LNTIT) D(LNSSE) CointEq1 -0.001844 -3.011138 10.68851 5.331561 7.644517 -6.475774 18.41652 4.041785 -1.154694 -0.547684 -4.222252 (0.00364) (6.84659) (14.8818) (13.3240) (14.9061) (12.0677) (13.3785) (3.63235) (0.51501) (0.55039) (0.89765) [-0.50672] [-0.43980] [ 0.71823] [ 0.40015] [ 0.51285] [-0.53662] [ 1.37658] [ 1.11272] [-2.24210] [-0.99508] [-4.70367] D(LNIHK(-1)) 0.222181 -66.08561 536.0411 871.1386 919.4704 470.6006 788.0270 -107.7346 -11.17438 -14.26269 61.23262 (0.16298) (306.665) (666.570) (596.793) (667.657) (540.521) (599.235) (162.696) (23.0676) (24.6525) (40.2066) [ 1.36328] [-0.21550] [ 0.80418] [ 1.45970] [ 1.37716] [ 0.87064] [ 1.31505] [-0.66218] [-0.48442] [-0.57855] [ 1.52295] D(LNDAB(-1)) 0.000425 0.068136 -0.157240 -0.018685 0.204489 0.565292 -0.998698 0.074303 0.035507 0.031972 0.004352 (0.00022) (0.41173) (0.89494) (0.80126) (0.89640) (0.72571) (0.80454) (0.21844) (0.03097) (0.03310) (0.05398) [ 1.94156] [ 0.16549] [-0.17570] [-0.02332] [ 0.22812] [ 0.77895] [-1.24133] [ 0.34016] [ 1.14648] [ 0.96595] [ 0.08062] D(LNDSH(-1)) 1.78E-05 -0.060864 -0.000355 0.367685 0.253634 0.193947 0.204191 -0.103175 0.018118 0.013678 0.060588 (7.8E-05) (0.14717) (0.31989) (0.28641) (0.32042) (0.25940) (0.28758) (0.07808) (0.01107) (0.01183) (0.01930) [ 0.22735] [-0.41356] [-0.00111] [ 1.28378] [ 0.79158] [ 0.74767] [ 0.71003] [-1.32140] [ 1.63664] [ 1.15615] [ 3.14000] D(LNDSB(-1)) 4.73E-05 -0.023354 -0.368214 -0.590673 -0.400016 -0.468058 -0.516674 0.081485 -0.012735 -0.009718 -0.063585 (0.00014) (0.25943) (0.56389) (0.50486) (0.56481) (0.45726) (0.50693) (0.13763) (0.01951) (0.02085) (0.03401) [ 0.34297] [-0.09002] [-0.65299] [-1.16997] [-0.70823] [-1.02362] [-1.01923] [ 0.59204] [-0.65262] [-0.46600] [-1.86944] D(LNDSM(-1)) -0.000147 -0.060730 0.409183 0.187336 0.061438 0.337278 0.560415 -0.020930 -0.014356 -0.018414 0.026457 (0.00010) (0.19279) (0.41905) (0.37518) (0.41973) (0.33981) (0.37672) (0.10228) (0.01450) (0.01550) (0.02528) [-1.43035] [-0.31501] [ 0.97646] [ 0.49932] [ 0.14637] [ 0.99256] [ 1.48763] [-0.20463] [-0.98997] [-1.18812] [ 1.04671] D(LNHSP(-1)) -0.000113 -0.090781 -0.130859 -0.179012 -0.222367 -0.324613 -0.300620 -0.139817 -0.004742 -0.003849 -0.064855 (8.7E-05) (0.16348) (0.35534) (0.31815) (0.35592) (0.28815) (0.31945) (0.08673) (0.01230) (0.01314) (0.02143) [-1.30277] [-0.55530] [-0.36826] [-0.56268] [-0.62476] [-1.12655] [-0.94107] [-1.61205] [-0.38564] [-0.29285] [-3.02581] D(LNDKD(-1)) 4.64E-05 0.211069 0.015349 0.114734 0.159252 0.000844 0.203428 0.134826 0.003331 0.006843 0.015663 (8.2E-05) (0.15477) (0.33642) (0.30120) (0.33697) (0.27280) (0.30243) (0.08211) (0.01164) (0.01244) (0.02029) [ 0.56433] [ 1.36373] [ 0.04562] [ 0.38092] [ 0.47261] [ 0.00309] [ 0.67264] [ 1.64196] [ 0.28612] [ 0.54997] [ 0.77188] D(LNTAR(-1)) -0.000224 0.346172 0.345658 0.364532 0.734168 0.366467 0.847773 -0.163659 0.004715 -0.001016 -0.148310 (0.00026) (0.48691) (1.05835) (0.94757) (1.06008) (0.85822) (0.95144) (0.25832) (0.03663) (0.03914) (0.06384) [-0.86574] [ 0.71096] [ 0.32660] [ 0.38470] [ 0.69256] [ 0.42701] [ 0.89104] [-0.63354] [ 0.12873] [-0.02597] [-2.32321] D(LNTAB(-1)) -0.000387 2.705040 -3.634409 2.579500 5.311149 1.205776 6.579677 0.708452 0.271042 0.443306 1.890222 (0.00206) (3.88014) (8.43391) (7.55105) (8.44767) (6.83906) (7.58195) (2.05855) (0.29187) (0.31192) (0.50872) [-0.18762] [ 0.69715] [-0.43093] [ 0.34161] [ 0.62871] [ 0.17631] [ 0.86781] [ 0.34415] [ 0.92865] [ 1.42121] [ 3.71563]
(3)
2
Error Correction: D(LNIHK) D(LNDAB) D(LNDSH) D(LNDSB) D(LNDSM) D(LNHSP) D(lNDKD) D(LNTAR) D(lNTAB) D(LNTIT) D(LNSSE) D(LNTIT(-1)) 0.001902 -0.105419 9.258803 3.203883 -2.117467 -4.799171 1.335658 1.573098 -0.544598 -0.491383 -1.760490 (0.00186) (3.50848) (7.62605) (6.82776) (7.63849) (6.18397) (6.85569) (1.86137) (0.26391) (0.28204) (0.45999) [ 1.02001] [-0.03005] [ 1.21410] [ 0.46924] [-0.27721] [-0.77607] [ 0.19482] [ 0.84513] [-2.06357] [-1.74222] [-3.82721] D(LNSSE(-1)) -0.000802 -0.293367 2.095834 0.862633 1.258319 2.773739 -0.107923 -0.483529 0.099747 0.219487 0.441591 (0.00051) (0.95818) (2.08271) (1.86469) (2.08611) (1.68887) (1.87232) (0.50835) (0.07208) (0.07703) (0.12563) [-1.57520] [-0.30617] [ 1.00630] [ 0.46261] [ 0.60319] [ 1.64236] [-0.05764] [-0.95118] [ 1.38393] [ 2.84947] [ 3.51511] C 0.550822 188.1404 223.1918 -47.82239 -97.79723 -311.1129 -617.3093 226.6541 11.94619 2.209572 -8.884695 (0.17360) (326.652) (710.013) (635.689) (711.171) (575.750) (638.290) (173.300) (24.5710) (26.2592) (42.8270) [ 3.17298] [ 0.57597] [ 0.31435] [-0.07523] [-0.13752] [-0.54036] [-0.96713] [ 1.30787] [ 0.48619] [ 0.08414] [-0.20746] R-squared 0.325108 0.178653 0.180663 0.177908 0.206463 0.272826 0.188829 0.285263 0.266093 0.318537 0.617931 Adj. R-squared 0.079693 -0.120019 -0.117278 -0.121034 -0.082096 0.008400 -0.106142 0.025358 -0.000782 0.070732 0.478996 Sum sq. resids 27.01939 95666025 4.52E+08 3.62E+08 4.53E+08 2.97E+08 3.65E+08 26926846 541296.1 618232.8 1644459. S.E. equation 0.904859 1702.636 3700.864 3313.458 3706.902 3001.032 3327.016 903.3078 128.0739 136.8734 223.2311 F-statistic 1.324725 0.598159 0.606373 0.595126 0.715495 1.031765 0.640160 1.097568 0.997071 1.285435 4.447644 Log likelihood -53.03318 -399.8690 -435.5829 -430.4965 -435.6579 -425.9408 -430.6843 -370.7110 -280.8520 -283.9087 -306.4096 Akaike AIC 2.871008 17.95083 19.50360 19.28246 19.50686 19.08438 19.29062 16.68309 12.77617 12.90907 13.88738 Schwarz SC 3.387798 18.46762 20.02039 19.79925 20.02365 19.60117 19.80741 17.19988 13.29296 13.42586 14.40417 Mean dependent 0.594348 112.6304 693.8478 600.0000 593.0000 168.8478 72.82609 97.52174 9.108696 2.152174 59.06522 S.D. dependent 0.943223 1608.827 3501.246 3129.479 3563.511 3013.715 3163.366 914.9836 128.0238 141.9870 309.2674 Determinant resid covariance
(dof adj.) 8.67E+55
Determinant resid covariance 2.25E+54 Log likelihood -3596.412 Akaike information criterion 163.0614 Schwarz criterion 169.1834
(4)
Lampiran 7 Hasil Estimasi IRF
Period
LNIHK
LNDAB
LNDSH
LNDSB
LNDSM
LNHSP
LNDKD
LNTAR
LNTAB
LNTIT
LNSSE
1
0.904859
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
2
1.137450
0.103467
-0.141407
-0.100290
-0.239027
-0.114699
-0.061735
-0.204664
0.101453
0.114389
-0.116455
3
1.115793
0.177482
-0.223111
-0.059656
-0.504225
0.035936
-0.055858
-0.236599
0.200341
0.185081
-0.162045
4
1.049719
0.208508
-0.172869
-0.047182
-0.547405
0.038086
-0.004960
-0.230462
0.203740
0.138912
-0.124035
5
1.013359
0.172524
-0.145767
-0.040839
-0.501231
0.020105
0.006191
-0.218143
0.193045
0.100366
-0.115247
6
1.020542
0.156414
-0.123788
-0.048850
-0.464750
0.004899
-0.006533
-0.215844
0.171086
0.087682
-0.112714
7
1.029794
0.159539
-0.129210
-0.051490
-0.459251
0.004503
-0.014217
-0.223402
0.164210
0.095014
-0.114378
8
1.032104
0.165501
-0.134730
-0.050112
-0.468199
0.010179
-0.013551
-0.223837
0.166821
0.098911
-0.115528
9
1.030187
0.166990
-0.136623
-0.049159
-0.471472
0.010995
-0.011454
-0.222639
0.168914
0.099025
-0.115788
10
1.029353
0.166039
-0.135381
-0.048923
-0.471282
0.010333
-0.010968
-0.222293
0.169302
0.097775
-0.115539
11
1.029330
0.165393
-0.134427
-0.049238
-0.470273
0.009765
-0.011271
-0.222515
0.168723
0.097266
-0.115371
12
1.029475
0.165390
-0.134441
-0.049308
-0.469955
0.009813
-0.011499
-0.222658
0.168430
0.097380
-0.115365
13
1.029543
0.165546
-0.134588
-0.049284
-0.470056
0.009916
-0.011495
-0.222649
0.168421
0.097477
-0.115375
14
1.029526
0.165586
-0.134670
-0.049255
-0.470141
0.009942
-0.011453
-0.222619
0.168483
0.097500
-0.115397
15
1.029517
0.165573
-0.134650
-0.049252
-0.470160
0.009931
-0.011443
-0.222612
0.168502
0.097480
-0.115397
16
1.029513
0.165562
-0.134631
-0.049257
-0.470148
0.009921
-0.011446
-0.222620
0.168495
0.097471
-0.115394
17
1.029513
0.165560
-0.134627
-0.049258
-0.470141
0.009922
-0.011449
-0.222622
0.168489
0.097470
-0.115392
18
1.029513
0.165562
-0.134629
-0.049258
-0.470140
0.009923
-0.011450
-0.222621
0.168488
0.097471
-0.115392
19
1.029513
0.165563
-0.134631
-0.049258
-0.470141
0.009923
-0.011449
-0.222620
0.168488
0.097471
-0.115392
20
1.029514
0.165563
-0.134631
-0.049258
-0.470141
0.009923
-0.011449
-0.222621
0.168489
0.097471
-0.115393
21
1.029514
0.165563
-0.134630
-0.049258
-0.470141
0.009923
-0.011449
-0.222621
0.168489
0.097471
-0.115393
22
1.029513
0.165563
-0.134630
-0.049258
-0.470141
0.009923
-0.011449
-0.222621
0.168489
0.097471
-0.115392
23
1.029513
0.165563
-0.134630
-0.049258
-0.470141
0.009923
-0.011449
-0.222621
0.168489
0.097471
-0.115392
24
1.029513
0.165563
-0.134630
-0.049258
-0.470141
0.009923
-0.011449
-0.222621
0.168489
0.097471
-0.115392
(5)
4
Lampiran 8 Hasil Estimasi FEVD
Period
S.E.
LNIHK
LNDAB
LNDSH
LNDSB
LNDSM
LNHSP
LNDKD
LNTAR
LNTAB
LNTIT
LNSSE
1
0.904859
100.0000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
2
1.518634
91.60163
0.464193
0.867027
0.436126
2.477361
0.570444
0.165258
1.816261
0.446294
0.567365
0.588040
3
2.012800
82.87471
1.041754
1.722242
0.336109
7.685734
0.356603
0.171087
2.415651
1.244741
1.168488
0.982882
4
2.378926
78.79903
1.513988
1.760964
0.279949
10.79692
0.280916
0.122912
2.667814
1.624566
1.177464
0.975474
5
2.664348
77.28632
1.626277
1.703205
0.246676
12.14667
0.229646
0.098529
2.797192
1.820115
1.080605
0.964772
6
2.914574
76.84598
1.647028
1.603695
0.234231
12.69319
0.192190
0.082839
2.885955
1.865576
0.993528
0.955782
7
3.148036
76.57155
1.668630
1.543117
0.227530
13.00856
0.164945
0.073048
2.977384
1.871225
0.942724
0.951284
8
3.368083
76.28343
1.699174
1.508086
0.220908
13.29670
0.145010
0.065433
3.042722
1.880029
0.909808
0.948699
9
3.574646
76.02753
1.726702
1.484908
0.215027
13.54398
0.129681
0.059116
3.089149
1.892317
0.884439
0.947145
10
3.769518
75.82680
1.746807
1.464333
0.210213
13.74292
0.117371
0.054009
3.125767
1.903441
0.862638
0.945695
11
3.954589
75.67062
1.762052
1.446032
0.206501
13.90087
0.107252
0.049884
3.156652
1.911484
0.844282
0.944364
12
4.131376
75.54235
1.774737
1.430819
0.203450
14.03061
0.098834
0.046481
3.182735
1.917599
0.829129
0.943247
13
4.300943
75.43328
1.785709
1.418144
0.200855
14.14055
0.091726
0.043603
3.204708
1.922719
0.816406
0.942298
14
4.464084
75.33932
1.795164
1.407393
0.198616
14.23505
0.085640
0.041132
3.223444
1.927200
0.805528
0.941506
15
4.621469
75.25790
1.803334
1.398057
0.196677
14.31699
0.080368
0.038991
3.239659
1.931112
0.796088
0.940822
16
4.773664
75.18676
1.810465
1.389871
0.194983
14.38861
0.075757
0.037120
3.253859
1.934525
0.787827
0.940220
17
4.921153
75.12405
1.816752
1.382649
0.193489
14.45176
0.071691
0.035469
3.266387
1.937528
0.780540
0.939689
18
5.064349
75.06833
1.822341
1.376234
0.192162
14.50786
0.068078
0.034003
3.277517
1.940194
0.774067
0.939216
19
5.203607
75.01850
1.827340
1.370498
0.190975
14.55803
0.064847
0.032691
3.287470
1.942578
0.768278
0.938794
20
5.339233
74.97366
1.831837
1.365337
0.189907
14.60318
0.061939
0.031512
3.296425
1.944724
0.763069
0.938414
21
5.471499
74.93310
1.835905
1.360670
0.188942
14.64401
0.059310
0.030444
3.304525
1.946665
0.758358
0.938071
22
5.600641
74.89625
1.839602
1.356427
0.188064
14.68112
0.056920
0.029474
3.311886
1.948429
0.754077
0.937759
23
5.726873
74.86260
1.842976
1.352555
0.187263
14.71499
0.054739
0.028589
3.318605
1.950039
0.750169
0.937474
24
5.850381
74.83177
1.846069
1.349006
0.186528
14.74603
0.052740
0.027778
3.324763
1.951515
0.746587
0.937212
Cholesky Ordering: LNIHK LNDAB LNDSH LNDSB LNDSM LNHSP LNDKD LNTAR LNTAB LNTIT LNSSE
(6)