Kesimpulan Saran Market Integration and Price Transmission on the CPO and Cooking Oil Markets in Indonesia

t-Statistic Prob. Augmented Dickey-Fuller test statistic -0.886624 0.7902 Test critical values: 1 level -3.475184 5 level -2.881123 10 level -2.577291 MacKinnon 1996 one-sided p-values. Null Hypothesis: LMGMKS has a unit root Exogenous: Constant Lag Length: 0 Automatic based on SIC, MAXLAG=13 t-Statistic Prob. Augmented Dickey-Fuller test statistic -0.567623 0.8730 Test critical values: 1 level -3.475184 5 level -2.881123 10 level -2.577291 MacKinnon 1996 one-sided p-values. Lampiran 2. Uji Stasioneritas Data pada Tingkat First Difference Null Hypothesis: DLCPOINT has a unit root Exogenous: None Lag Length: 0 Automatic based on SIC, MAXLAG=13 t-Statistic Prob. Augmented Dickey-Fuller test statistic -9.217378 0.0000 Test critical values: 1 level -2.580897 5 level -1.943027 10 level -1.615260 MacKinnon 1996 one-sided p-values. Null Hypothesis: DLCPODOM has a unit root Exogenous: None Lag Length: 0 Automatic based on SIC, MAXLAG=13 t-Statistic Prob. Augmented Dickey-Fuller test statistic -10.54473 0.0000 Test critical values: 1 level -2.580897 5 level -1.943027 10 level -1.615260 MacKinnon 1996 one-sided p-values. Null Hypothesis: DLMGDOM has a unit root Exogenous: None Lag Length: 0 Automatic based on SIC, MAXLAG=13 t-Statistic Prob. Augmented Dickey-Fuller test statistic -9.535905 0.0000 Test critical values: 1 level -2.580897 5 level -1.943027 10 level -1.615260 MacKinnon 1996 one-sided p-values. Null Hypothesis: DLMGMDN has a unit root Exogenous: None Lag Length: 0 Automatic based on SIC, MAXLAG=13 t-Statistic Prob. Augmented Dickey-Fuller test statistic -11.17790 0.0000 Test critical values: 1 level -2.580897 5 level -1.943027 10 level -1.615260 MacKinnon 1996 one-sided p-values. Null Hypothesis: DLMGPKB has a unit root Exogenous: None Lag Length: 0 Automatic based on SIC, MAXLAG=13 t-Statistic Prob. Augmented Dickey-Fuller test statistic -11.77452 0.0000 Test critical values: 1 level -2.580897 5 level -1.943027 10 level -1.615260 MacKinnon 1996 one-sided p-values. Null Hypothesis: DLMGPLB has a unit root Exogenous: None Lag Length: 0 Automatic based on SIC, MAXLAG=13 t-Statistic Prob. Augmented Dickey-Fuller test statistic -12.04883 0.0000 Test critical values: 1 level -2.580897 5 level -1.943027 10 level -1.615260 MacKinnon 1996 one-sided p-values. Null Hypothesis: DLMGJKT has a unit root Exogenous: None Lag Length: 0 Automatic based on SIC, MAXLAG=13 t-Statistic Prob. Augmented Dickey-Fuller test statistic -13.19990 0.0000 Test critical values: 1 level -2.580897 5 level -1.943027 10 level -1.615260 MacKinnon 1996 one-sided p-values. Null Hypothesis: DLMGBDG has a unit root Exogenous: None Lag Length: 0 Automatic based on SIC, MAXLAG=13 t-Statistic Prob. Augmented Dickey-Fuller test statistic -11.82186 0.0000 Test critical values: 1 level -2.580897 5 level -1.943027 10 level -1.615260 MacKinnon 1996 one-sided p-values. Null Hypothesis: DLMGSMR has a unit root Exogenous: None Lag Length: 0 Automatic based on SIC, MAXLAG=13 t-Statistic Prob. Augmented Dickey-Fuller test statistic -11.54782 0.0000 Test critical values: 1 level -2.580897 5 level -1.943027 10 level -1.615260 MacKinnon 1996 one-sided p-values. Null Hypothesis: DLMGSBY has a unit root Exogenous: None Lag Length: 0 Automatic based on SIC, MAXLAG=13 t-Statistic Prob. Augmented Dickey-Fuller test statistic -11.07770 0.0000 Test critical values: 1 level -2.580897 5 level -1.943027 10 level -1.615260 MacKinnon 1996 one-sided p-values. Null Hypothesis: DLMGDPS has a unit root Exogenous: None Lag Length: 0 Automatic based on SIC, MAXLAG=13 t-Statistic Prob. Augmented Dickey-Fuller test statistic -11.45784 0.0000 Test critical values: 1 level -2.580897 5 level -1.943027 10 level -1.615260 MacKinnon 1996 one-sided p-values. Null Hypothesis: DLMGPTK has a unit root Exogenous: None Lag Length: 0 Automatic based on SIC, MAXLAG=13 t-Statistic Prob. Augmented Dickey-Fuller test statistic -10.34784 0.0000 Test critical values: 1 level -2.580897 5 level -1.943027 10 level -1.615260 MacKinnon 1996 one-sided p-values. Null Hypothesis: DLMGMKS has a unit root Exogenous: None Lag Length: 0 Automatic based on SIC, MAXLAG=13 t-Statistic Prob. Augmented Dickey-Fuller test statistic -10.30281 0.0000 Test critical values: 1 level -2.580897 5 level -1.943027 10 level -1.615260 MacKinnon 1996 one-sided p-values. Lampiran 3. Uji Kausalitas Blok VAR Granger CausalityBlock Exogeneity Wald Tests Date: 080812 Time: 15:54 Sample: 2000M01 2012M04 Included observations: 147 Dependent variable: LMGMDN Excluded Chi-sq df Prob. LMGPKB 0.498117 1 0.4803 LMGPLB 1.460441 1 0.2269 LMGJKT 0.006520 1 0.9356 LMGBDG 0.036863 1 0.8477 LMGSMR 1.522425 1 0.2173 LMGSBY 11.24631 1 0.0008 LMGDPS 1.250285 1 0.2635 LMGPTK 0.181405 1 0.6702 LMGMKS 0.325989 1 0.5680 All 16.00235 9 0.0668 Dependent variable: LMGPKB Excluded Chi-sq df Prob. LMGMDN 0.931165 1 0.3346 LMGPLB 0.057482 1 0.8105 LMGJKT 4.362022 1 0.0367 LMGBDG 1.704658 1 0.1917 LMGSMR 0.871991 1 0.3504 LMGSBY 8.347367 1 0.0039 LMGDPS 0.103605 1 0.7475 LMGPTK 0.002979 1 0.9565 LMGMKS 0.019328 1 0.8894 All 30.61261 9 0.0003 Dependent variable: LMGPLB Excluded Chi-sq df Prob. LMGMDN 6.742850 1 0.0094 LMGPKB 2.705519 1 0.1000 LMGJKT 0.835264 1 0.3608 LMGBDG 0.033736 1 0.8543 LMGSMR 0.226955 1 0.6338 LMGSBY 2.889897 1 0.0891 LMGDPS 0.414733 1 0.5196 LMGPTK 0.021308 1 0.8839 LMGMKS 0.267688 1 0.6049 All 38.54989 9 0.0000 Dependent variable: LMGJKT Excluded Chi-sq df Prob. LMGMDN 8.434676 1 0.0037 LMGPKB 2.974257 1 0.0846 LMGPLB 0.190581 1 0.6624 LMGBDG 1.324193 1 0.2498 LMGSMR 6.739232 1 0.0094 LMGSBY 6.881797 1 0.0087 LMGDPS 0.030198 1 0.8620 LMGPTK 4.017876 1 0.0450 LMGMKS 0.132305 1 0.7161 All 79.99266 9 0.0000 Dependent variable: LMGBDG Excluded Chi-sq df Prob. LMGMDN 19.16386 1 0.0000 LMGPKB 3.745865 1 0.0529 LMGPLB 0.036061 1 0.8494 LMGJKT 0.016032 1 0.8992 LMGSMR 1.115632 1 0.2909 LMGSBY 0.777168 1 0.3780 LMGDPS 0.050470 1 0.8222 LMGPTK 3.424178 1 0.0642 LMGMKS 1.015754 1 0.3135 All 47.06931 9 0.0000 Dependent variable: LMGSMR Excluded Chi-sq df Prob. LMGMDN 12.58244 1 0.0004 LMGPKB 7.783058 1 0.0053 LMGPLB 0.088426 1 0.7662 LMGJKT 1.160935 1 0.2813 LMGBDG 0.709299 1 0.3997 LMGSBY 0.845906 1 0.3577 LMGDPS 0.029659 1 0.8633 LMGPTK 2.396751 1 0.1216 LMGMKS 0.012506 1 0.9110 All 29.04680 9 0.0006 Dependent variable: LMGSBY Excluded Chi-sq df Prob. LMGMDN 9.475436 1 0.0021 LMGPKB 2.823837 1 0.0929 LMGPLB 0.267690 1 0.6049 LMGJKT 0.319000 1 0.5722 LMGBDG 1.630592 1 0.2016 LMGSMR 0.033896 1 0.8539 LMGDPS 0.021837 1 0.8825 LMGPTK 1.152725 1 0.2830 LMGMKS 0.174119 1 0.6765 All 17.09650 9 0.0472 Dependent variable: LMGDPS Excluded Chi-sq df Prob. LMGMDN 4.416923 1 0.0356 LMGPKB 2.329149 1 0.1270 LMGPLB 1.579220 1 0.2089 LMGJKT 4.343974 1 0.0371 LMGBDG 8.315674 1 0.0039 LMGSMR 0.243173 1 0.6219 LMGSBY 2.364408 1 0.1241 LMGPTK 4.255125 1 0.0391 LMGMKS 4.627341 1 0.0315 All 45.71081 9 0.0000 Dependent variable: LMGPTK Excluded Chi-sq df Prob. LMGMDN 5.907455 1 0.0151 LMGPKB 8.771448 1 0.0031 LMGPLB 0.420005 1 0.5169 LMGJKT 0.573708 1 0.4488 LMGBDG 1.029157 1 0.3104 LMGSMR 2.578657 1 0.1083 LMGSBY 3.424918 1 0.0642 LMGDPS 1.275765 1 0.2587 LMGMKS 0.756802 1 0.3843 All 39.36164 9 0.0000 Dependent variable: LMGMKS Excluded Chi-sq df Prob. LMGMDN 1.549167 1 0.2133 LMGPKB 0.665160 1 0.4147 LMGPLB 0.003806 1 0.9508 LMGJKT 2.211572 1 0.1370 LMGBDG 0.739944 1 0.3897 LMGSMR 0.128284 1 0.7202 LMGSBY 2.842092 1 0.0918 LMGDPS 2.231244 1 0.1352 LMGPTK 0.221985 1 0.6375 All 42.05164 9 0.0000 Lampiran 4. Penentuan Lag Optimal VAR Lag Order Selection Criteria Endogenous variables: LMGDOM LCPOINT LCPODOM Exogenous variables: C Date: 080812 Time: 20:07 Sample: 2000M01 2012M04 Included observations: 140 Lag LogL LR FPE AIC SC HQ 231.6901 NA 7.65e-06 -3.267001 -3.203966 -3.241386 1 680.0263 871.0533 1.44e-08 -9.543234 -9.291093 -9.440771 2 696.9324 32.12158 1.29e-08 -9.656178 -9.214931 -9.476868 3 717.4374 38.08073 1.09e-08 -9.820535 -9.190183 -9.564379 4 723.2252 10.50056 1.14e-08 -9.774645 -8.955188 -9.441642 5 726.8681 6.453221 1.24e-08 -9.698116 -8.689553 -9.288266 6 735.0667 14.17183 1.25e-08 -9.686667 -8.488998 -9.199970 7 739.9236 8.187340 1.33e-08 -9.627480 -8.240706 -9.063936 8 747.8099 12.95604 1.36e-08 -9.611570 -8.035690 -8.971179 indicates lag order selected by the criterion LR: sequential modified LR test statistic each test at 5 level FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion VAR Lag Order Selection Criteria Endogenous variables: LMGMKS LMGPTK LMGDPS LMGSMR LMGBDG LMGPLB LMGJKT LMGPKB LMGSBY LMGMDN Exogenous variables: C Date: 080812 Time: 20:08 Sample: 2000M01 2012M04 Included observations: 140 Lag LogL LR FPE AIC SC HQ 1773.120 NA 5.45e-24 -25.18743 -24.97732 -25.10205 1 2453.467 1253.782 1.37e-27 -33.47811 -31.16682 -32.53887 2 2574.298 205.4111 1.04e-27 -33.77568 -29.36321 -31.98259 3 2660.052 133.5319 1.34e-27 -33.57217 -27.05853 -30.92522 4 2754.567 133.6707 1.61e-27 -33.49381 -24.87900 -29.99301 5 2833.379 100.2042 2.59e-27 -33.19113 -22.47514 -28.83647 6 2917.517 94.95591 4.27e-27 -32.96453 -20.14737 -27.75602 7 3039.355 120.0979 4.71e-27 -33.27651 -18.35818 -27.21414 8 3163.109 104.3065 6.11e-27 -33.61584 -16.59634 -26.69963 indicates lag order selected by the criterion LR: sequential modified LR test statistic each test at 5 level FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion Lampiran 5. Johansen Cointegration Test Summary Sample: 2000M01 2012M04 Included observations: 146 Series: LMGDOM LCPOINT LCPODOM Lags interval: 1 to 1 Selected 0.05 level Number of Cointegrating Relations by Model Data Trend: None None Linear Linear Quadratic Test Type No Intercept Intercept Intercept Intercept Intercept No Trend No Trend No Trend Trend Trend Trace 1 2 2 2 3 Max-Eig 1 2 2 Critical values based on MacKinnon-Haug-Michelis 1999 Information Criteria by Rank and Model Data Trend: None None Linear Linear Quadratic Rank or No Intercept Intercept Intercept Intercept Intercept No. of CEs No Trend No Trend No Trend Trend Trend Log Likelihood by Rank rows and Model columns 704.4400 704.4400 706.3447 706.3447 706.3592 1 715.5386 715.7267 717.5738 718.1006 718.1112 2 718.4295 724.9731 726.4610 727.0043 727.0099 3 720.1473 726.7180 726.7180 731.2204 731.2204 Akaike Information Criteria by Rank rows and Model columns -9.526575 -9.526575 -9.511571 -9.511571 -9.470674 1 -9.596419 -9.585297 -9.583202 -9.576721 -9.549468 2 -9.553828 -9.616069 -9.622754 -9.602799 -9.589177 3 -9.495169 -9.544082 -9.544082 -9.564663 -9.564663 Schwarz Criteria by Rank rows and Model columns -9.342654 -9.342654 -9.266343 -9.266343 -9.164139 1 -9.289884 -9.258326 -9.215361 -9.188443 -9.120319 2 -9.124679 -9.146049 -9.132298 -9.071472 -9.037414 3 -8.943406 -8.931012 -8.931012 -8.890286 -8.890286 Sample: 2000M01 2012M04 Included observations: 146 Series: LMGMKS LMGPTK LMGDPS LMGSMR LMGBDG LMGPLB LMGJKT LMGPKB LMGSBY LMGMDN Lags interval: 1 to 1 Selected 0.05 level Number of Cointegrating Relations by Model Data Trend: None None Linear Linear Quadratic Test Type No Intercept Intercept Intercept Intercept Intercept No Trend No Trend No Trend Trend Trend Trace 7 7 7 7 10 Max-Eig 7 7 7 5 5 Critical values based on MacKinnon-Haug-Michelis 1999 Information Criteria by Rank and Model Data Trend: None None Linear Linear Quadratic Rank or No Intercept Intercept Intercept Intercept Intercept No. of CEs No Trend No Trend No Trend Trend Trend Log Likelihood by Rank rows and Model columns 2458.970 2458.970 2461.112 2461.112 2461.425 1 2507.158 2511.267 2513.391 2513.631 2513.932 2 2548.936 2558.643 2560.749 2561.378 2561.670 3 2578.097 2594.594 2596.623 2598.609 2598.896 4 2605.074 2623.704 2625.617 2627.605 2627.868 5 2625.845 2644.556 2646.144 2650.560 2650.815 6 2643.617 2662.485 2664.067 2668.558 2668.812 7 2658.931 2678.973 2680.418 2685.160 2685.405 8 2665.274 2686.193 2687.582 2696.022 2696.238 9 2669.043 2692.453 2693.833 2702.436 2702.460 10 2670.426 2694.175 2694.175 2706.146 2706.146 Akaike Information Criteria by Rank rows and Model columns -32.31465 -32.31465 -32.20702 -32.20702 -32.07431 1 -32.70079 -32.74338 -32.64919 -32.63878 -32.51962 2 -32.99913 -33.10470 -33.02395 -33.00518 -32.89958 3 -33.12462 -33.30951 -33.24141 -33.22753 -33.13556 4 -33.22018 -33.42061 -33.36461 -33.33706 -33.25847 5 -33.23075 -33.41858 -33.37183 -33.36384 -33.29883 6 -33.20024 -33.37651 -33.34338 -33.32271 -33.27140 7 -33.13605 -33.31469 -33.29340 -33.26247 -33.22472 8 -32.94896 -33.12593 -33.11756 -33.12358 -33.09916 9 -32.72662 -32.92402 -32.92922 -32.92379 -32.91041 10 -32.47159 -32.65994 -32.65994 -32.68693 -32.68693 Schwarz Criteria by Rank rows and Model columns -30.27109 -30.27109 -29.95909 -29.95909 -29.62203 1 -30.24851 -30.27067 -29.99256 -29.96171 -29.65862 2 -30.13813 -30.20284 -29.95861 -29.89896 -29.62988 3 -29.85492 -29.97850 -29.76735 -29.69216 -29.45714 4 -29.54177 -29.66045 -29.48183 -29.37254 -29.17133 5 -29.14362 -29.22927 -29.08034 -28.97017 -28.80299 6 -28.70439 -28.75805 -28.64318 -28.49990 -28.36684 7 -28.23149 -28.26708 -28.18448 -28.01051 -27.91145 8 -27.63569 -27.64917 -27.59993 -27.44247 -27.37717 9 -27.00463 -27.01811 -27.00288 -26.81352 -26.77972 10 -26.34089 -26.32488 -26.32488 -26.14752 -26.14752 Lampiran 6. Johansen Cointegration Test Trace and Maximum Eigenvalue Test Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Trend assumption: No deterministic trend restricted constant Series: LMGDOM LCPOINT LCPODOM Lags interval in first differences: 1 to 1 Unrestricted Cointegration Rank Test Trace Hypothesized Trace 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.143253 44.55601 35.19275 0.0037 At most 1 0.118969 21.98264 20.26184 0.0287 At most 2 0.023620 3.489842 9.164546 0.4934 Trace test indicates 2 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Unrestricted Cointegration Rank Test Maximum Eigenvalue Hypothesized Max-Eigen 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.143253 22.57337 22.29962 0.0458 At most 1 0.118969 18.49280 15.89210 0.0191 At most 2 0.023620 3.489842 9.164546 0.4934 Max-eigenvalue test indicates 2 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Date: 080812 Time: 20:13 Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Trend assumption: No deterministic trend restricted constant Series: LMGMKS LMGPTK LMGDPS LMGSMR LMGBDG LMGPLB LMGJKT LMGPKB LMGSBY LMGMDN Lags interval in first differences: 1 to 1 Unrestricted Cointegration Rank Test Trace Hypothesized Trace 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.511493 470.4111 251.2650 0.0000 At most 1 0.477426 365.8167 208.4374 0.0000 At most 2 0.388893 271.0644 169.5991 0.0000 At most 3 0.328853 199.1619 134.6780 0.0000 At most 4 0.248468 140.9420 103.8473 0.0000 At most 5 0.217767 99.23823 76.97277 0.0004 At most 6 0.202165 63.38022 54.07904 0.0059 At most 7 0.094177 30.40565 35.19275 0.1499 At most 8 0.082184 15.96463 20.26184 0.1760 At most 9 0.023313 3.443983 9.164546 0.5012 Trace test indicates 7 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Unrestricted Cointegration Rank Test Maximum Eigenvalue Hypothesized Max-Eigen 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.511493 104.5945 65.30016 0.0000 At most 1 0.477426 94.75224 59.24000 0.0000 At most 2 0.388893 71.90250 53.18784 0.0003 At most 3 0.328853 58.21997 47.07897 0.0022 At most 4 0.248468 41.70372 40.95680 0.0411 At most 5 0.217767 35.85802 34.80587 0.0373 At most 6 0.202165 32.97457 28.58808 0.0128 At most 7 0.094177 14.44101 22.29962 0.4225 At most 8 0.082184 12.52065 15.89210 0.1577 At most 9 0.023313 3.443983 9.164546 0.5012 Max-eigenvalue test indicates 7 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Lampiran 7. Pengujian Kointegrasi Bivariate Date: 080812 Time: 21:07 Sample adjusted: 2000M05 2012M04 Included observations: 144 after adjustments Trend assumption: No deterministic trend restricted constant Series: LCPODOM LCPOINT Lags interval in first differences: 1 to 3 Unrestricted Cointegration Rank Test Trace Hypothesized Trace 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.062094 10.85489 20.26184 0.5561 At most 1 0.011212 1.623637 9.164546 0.8507 Trace test indicates no cointegration at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Unrestricted Cointegration Rank Test Maximum Eigenvalue Hypothesized Max-Eigen 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.062094 9.231250 15.89210 0.4094 At most 1 0.011212 1.623637 9.164546 0.8507 Max-eigenvalue test indicates no cointegration at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Trend assumption: No deterministic trend Series: LMGMDN LMGSBY Lags interval in first differences: 1 to 1 Unrestricted Cointegration Rank Test Trace Hypothesized Trace 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.259385 45.72258 12.32090 0.0000 At most 1 0.012811 1.882459 4.129906 0.2002 Trace test indicates 1 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Unrestricted Cointegration Rank Test Maximum Eigenvalue Hypothesized Max-Eigen 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.259385 43.84012 11.22480 0.0000 At most 1 0.012811 1.882459 4.129906 0.2002 Max-eigenvalue test indicates 1 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Trend assumption: No deterministic trend Series: LMGPLB LMGSBY Lags interval in first differences: 1 to 1 Unrestricted Cointegration Rank Test Trace Hypothesized Trace 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.242524 42.64486 12.32090 0.0000 At most 1 0.014223 2.091461 4.129906 0.1746 Trace test indicates 1 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Unrestricted Cointegration Rank Test Maximum Eigenvalue Hypothesized Max-Eigen 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.242524 40.55340 11.22480 0.0000 At most 1 0.014223 2.091461 4.129906 0.1746 Max-eigenvalue test indicates 1 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Trend assumption: No deterministic trend Series: LMGJKT LMGSBY Lags interval in first differences: 1 to 1 Unrestricted Cointegration Rank Test Trace Hypothesized Trace 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.205142 35.57066 12.32090 0.0000 At most 1 0.013945 2.050319 4.129906 0.1794 Trace test indicates 1 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Unrestricted Cointegration Rank Test Maximum Eigenvalue Hypothesized Max-Eigen 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.205142 33.52035 11.22480 0.0000 At most 1 0.013945 2.050319 4.129906 0.1794 Max-eigenvalue test indicates 1 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Trend assumption: No deterministic trend Series: LMGBDG LMGSBY Lags interval in first differences: 1 to 1 Unrestricted Cointegration Rank Test Trace Hypothesized Trace 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.177755 30.80393 12.32090 0.0000 At most 1 0.015152 2.229180 4.129906 0.1598 Trace test indicates 1 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Unrestricted Cointegration Rank Test Maximum Eigenvalue Hypothesized Max-Eigen 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.177755 28.57475 11.22480 0.0000 At most 1 0.015152 2.229180 4.129906 0.1598 Max-eigenvalue test indicates 1 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Trend assumption: No deterministic trend Series: LMGSMR LMGSBY Lags interval in first differences: 1 to 1 Unrestricted Cointegration Rank Test Trace Hypothesized Trace 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.057071 10.28458 12.32090 0.1072 At most 1 0.011610 1.705034 4.129906 0.2252 Trace test indicates no cointegration at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Unrestricted Cointegration Rank Test Maximum Eigenvalue Hypothesized Max-Eigen 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.057071 8.579550 11.22480 0.1407 At most 1 0.011610 1.705034 4.129906 0.2252 Max-eigenvalue test indicates no cointegration at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Trend assumption: No deterministic trend Series: LMGDPS LMGSBY Lags interval in first differences: 1 to 1 Unrestricted Cointegration Rank Test Trace Hypothesized Trace 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.063398 11.43954 12.32090 0.0699 At most 1 0.012774 1.877036 4.129906 0.2009 Trace test indicates no cointegration at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Unrestricted Cointegration Rank Test Maximum Eigenvalue Hypothesized Max-Eigen 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.063398 9.562508 11.22480 0.0967 At most 1 0.012774 1.877036 4.129906 0.2009 Max-eigenvalue test indicates no cointegration at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Trend assumption: No deterministic trend Series: LMGPTK LMGSBY Lags interval in first differences: 1 to 1 Unrestricted Cointegration Rank Test Trace Hypothesized Trace 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.149790 25.43414 12.32090 0.0002 At most 1 0.011864 1.742458 4.129906 0.2196 Trace test indicates 1 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Unrestricted Cointegration Rank Test Maximum Eigenvalue Hypothesized Max-Eigen 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.149790 23.69169 11.22480 0.0002 At most 1 0.011864 1.742458 4.129906 0.2196 Max-eigenvalue test indicates 1 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Trend assumption: No deterministic trend Series: LMGMKS LMGSBY Lags interval in first differences: 1 to 1 Unrestricted Cointegration Rank Test Trace Hypothesized Trace 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.178559 30.65433 12.32090 0.0000 At most 1 0.013178 1.936850 4.129906 0.1931 Trace test indicates 1 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Unrestricted Cointegration Rank Test Maximum Eigenvalue Hypothesized Max-Eigen 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.178559 28.71748 11.22480 0.0000 At most 1 0.013178 1.936850 4.129906 0.1931 Max-eigenvalue test indicates 1 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Lampiran 8 Estimasi VARVECM Vector Autoregression Estimates Date: 072612 Time: 13:22 Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Standard errors in t-statistics in [ ] LMGDOM LCPOINT LMGDOM-1 0.662054 -0.142146 0.10116 0.17629 [ 6.54474] [-0.80633] LMGDOM-2 0.197189 0.259008 0.08693 0.15150 [ 2.26831] [ 1.70966] LCPOINT-1 0.499577 1.306091 0.06200 0.10804 [ 8.05789] [ 12.0884] LCPOINT-2 -0.378859 -0.420075 0.06541 0.11400 [-5.79168] [-3.68496] C 0.207164 -0.041222 0.09538 0.16622 [ 2.17202] [-0.24800] R-squared 0.991102 0.979314 Adj. R-squared 0.990850 0.978728 Sum sq. resids 0.203617 0.618385 S.E. equation 0.038001 0.066225 F-statistic 3926.444 1668.842 Log likelihood 272.8187 191.7253 Akaike AIC -3.668749 -2.557881 Schwarz SC -3.566571 -2.455703 Mean dependent 8.762458 8.552815 S.D. dependent 0.397269 0.454059 Determinant resid covariance dof adj. 3.85E-06 Determinant resid covariance 3.59E-06 Log likelihood 500.9202 Akaike information criterion -6.724934 Schwarz criterion -6.520577 Vector Error Correction Estimates Date: 070812 Time: 02:13 Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Standard errors in t-statistics in [ ] Cointegrating Eq: CointEq1 LMGDOM-1 1.000000 LCPODOM-1 -0.771441 0.03393 [-22.7333] C -2.260183 Error Correction: DLMGDOM DLCPODOM CointEq1 -0.162413 0.059773 0.04636 0.07719 [-3.50336] [ 0.77437] DLMGDOM-1 0.109095 0.076127 0.08300 0.13820 [ 1.31437] [ 0.55086] DLCPODOM-1 0.122273 0.121379 0.05995 0.09981 [ 2.03973] [ 1.21611] C 0.006240 0.008547 0.00355 0.00591 [ 1.75794] [ 1.44634] R-squared 0.194459 0.020046 Adj. R-squared 0.177441 -0.000658 Sum sq. resids 0.251786 0.698002 S.E. equation 0.042109 0.070111 F-statistic 11.42636 0.968229 Log likelihood 257.3182 182.8842 Akaike AIC -3.470113 -2.450469 Schwarz SC -3.388370 -2.368726 Mean dependent 0.008309 0.010347 S.D. dependent 0.046429 0.070088 Determinant resid covariance dof adj. 7.06E-06 Determinant resid covariance 6.68E-06 Log likelihood 455.5675 Akaike information criterion -6.103665 Schwarz criterion -5.899308 Vector Autoregression Estimates Date: 072612 Time: 13:20 Sample adjusted: 2000M04 2012M04 Included observations: 145 after adjustments Standard errors in t-statistics in [ ] LCPOINT LCPODOM LCPOINT-1 1.134657 0.140908 0.10825 0.11220 [ 10.4822] [ 1.25583] LCPOINT-2 -0.415631 0.181217 0.15071 0.15622 [-2.75781] [ 1.16001] LCPOINT-3 0.081980 -0.358639 0.10767 0.11161 [ 0.76138] [-3.21335] LCPODOM-1 0.094665 0.994731 0.10075 0.10444 [ 0.93957] [ 9.52470] LCPODOM-2 0.195270 -0.196111 0.13607 0.14104 [ 1.43511] [-1.39045] LCPODOM-3 -0.123631 0.224938 0.10212 0.10586 [-1.21060] [ 2.12492] C 0.306896 0.120815 0.12720 0.13185 [ 2.41278] [ 0.91633] R-squared 0.980200 0.983603 Adj. R-squared 0.979339 0.982890 Sum sq. resids 0.582952 0.626355 S.E. equation 0.064995 0.067371 F-statistic 1138.592 1379.659 Log likelihood 194.1918 188.9854 Akaike AIC -2.581956 -2.510143 Schwarz SC -2.438251 -2.366439 Mean dependent 8.557442 8.432672 S.D. dependent 0.452166 0.515040 Determinant resid covariance dof adj. 1.06E-05 Determinant resid covariance 9.62E-06 Log likelihood 426.0133 Akaike information criterion -5.682943 Schwarz criterion -5.395534 Lampiran 9 Estimasi ECM Dependent Variable: DLMGDOM Method: Least Squares Date: 070812 Time: 02:02 Sample adjusted: 2000M04 2012M04 Included observations: 145 after adjustments Variable Coefficient Std. Error t-Statistic Prob. DLCPOINT 0.355417 0.037087 9.583264 0.0000 COINTEQ01 0.162206 0.039630 4.093060 0.0001 DLMGDOM-1 -0.134829 0.080619 -1.672407 0.0967 DLMGDOM-2 -0.147742 0.067784 -2.179600 0.0310 DLCPOINT-1 0.228063 0.054898 4.154280 0.0001 DLCPOINT-2 0.078059 0.056183 1.389360 0.1669 R-squared 0.617782 Mean dependent var 0.008396 Adjusted R-squared 0.604033 S.D. dependent var 0.046578 S.E. of regression 0.029309 Akaike info criterion -4.181312 Sum squared resid 0.119407 Schwarz criterion -4.058137 Log likelihood 309.1451 Hannan-Quinn criter. -4.131262 Durbin-Watson stat 1.993781 Dependent Variable: DLMGDOM Method: Least Squares Date: 070812 Time: 02:15 Sample adjusted: 2000M04 2012M04 Included observations: 145 after adjustments Variable Coefficient Std. Error t-Statistic Prob. DLCPODOM 0.296920 0.045382 6.542692 0.0000 COINTEQ02 -0.168964 0.043647 -3.871163 0.0002 DLMGDOM-1 0.117557 0.079264 1.483102 0.1403 DLMGDOM-2 -0.218250 0.074809 -2.917430 0.0041 DLCPODOM-1 0.100031 0.054073 1.849910 0.0664 DLCPODOM-2 0.039147 0.053993 0.725034 0.4696 R-squared 0.381686 Mean dependent var 0.008396 Adjusted R-squared 0.359445 S.D. dependent var 0.046578 S.E. of regression 0.037278 Akaike info criterion -3.700307 Sum squared resid 0.193165 Schwarz criterion -3.577131 Log likelihood 274.2722 Hannan-Quinn criter. -3.650256 Durbin-Watson stat 2.025072 Dependent Variable: DLMGDOM Method: Least Squares Date: 070812 Time: 02:35 Sample adjusted: 2000M04 2012M04 Included observations: 145 after adjustments Variable Coefficient Std. Error t-Statistic Prob. DLCPODOM 0.291836 0.046175 6.320258 0.0000 ECTP2 -0.146046 0.056640 -2.578500 0.0110 ECTN2 -0.196575 0.061586 -3.191899 0.0018 DLMGDOM-1 0.107721 0.080922 1.331171 0.1853 DLMGDOM-2 -0.222573 0.075276 -2.956751 0.0037 DLCPODOM-1 0.101949 0.054273 1.878449 0.0624 DLCPODOM-2 0.040819 0.054173 0.753496 0.4524 R-squared 0.383498 Mean dependent var 0.008396 Adjusted R-squared 0.356694 S.D. dependent var 0.046578 S.E. of regression 0.037358 Akaike info criterion -3.689448 Sum squared resid 0.192599 Schwarz criterion -3.545744 Log likelihood 274.4850 Hannan-Quinn criter. -3.631057 Durbin-Watson stat 2.026300 Dependent Variable: DLMGMDN Method: Least Squares Date: 070912 Time: 15:37 Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Variable Coefficient Std. Error t-Statistic Prob. DLMGSBY 0.734194 0.058442 12.56268 0.0000 ECTP1 0.666844 0.119313 5.589030 0.0000 ECTN1 0.506885 0.110364 4.592865 0.0000 DLMGSBY-1 -0.030056 0.085232 -0.352641 0.7249 DLMGMDN-1 0.069229 0.083291 0.831169 0.4073 R-squared 0.571732 Mean dependent var 0.009661 Adjusted R-squared 0.559583 S.D. dependent var 0.076204 S.E. of regression 0.050572 Akaike info criterion -3.097182 Sum squared resid 0.360614 Schwarz criterion -2.995004 Log likelihood 231.0943 Hannan-Quinn criter. -3.055665 Durbin-Watson stat 1.985113 Dependent Variable: DLMGPKB Method: Least Squares Date: 070912 Time: 15:41 Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Variable Coefficient Std. Error t-Statistic Prob. DLMGSBY 0.922250 0.090146 10.23057 0.0000 ECTP2 -0.307414 0.077842 -3.949226 0.0001 ECTN2 -0.285421 0.113872 -2.506517 0.0133 DLMGSBY-1 0.200868 0.124825 1.609201 0.1098 DLMGPKB-1 -0.026662 0.084447 -0.315729 0.7527 R-squared 0.527580 Mean dependent var 0.008806 Adjusted R-squared 0.514178 S.D. dependent var 0.113136 S.E. of regression 0.078857 Akaike info criterion -2.208715 Sum squared resid 0.876798 Schwarz criterion -2.106537 Log likelihood 166.2362 Hannan-Quinn criter. -2.167198 Durbin-Watson stat 1.997155 Dependent Variable: DLMGPLB Method: Least Squares Date: 070912 Time: 15:25 Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Variable Coefficient Std. Error t-Statistic Prob. DLMGSBY 0.673700 0.050025 13.46716 0.0000 ECTP3 -0.501597 0.098639 -5.085169 0.0000 ECTN3 -0.472255 0.093076 -5.073880 0.0000 DLMGSBY-1 -0.046406 0.082348 -0.563538 0.5740 DLMGPLB-1 0.020182 0.077681 0.259803 0.7954 R-squared 0.628203 Mean dependent var 0.008832 Adjusted R-squared 0.617656 S.D. dependent var 0.071575 S.E. of regression 0.044258 Akaike info criterion -3.363928 Sum squared resid 0.276183 Schwarz criterion -3.261750 Log likelihood 250.5668 Hannan-Quinn criter. -3.322411 Durbin-Watson stat 1.996749 Dependent Variable: DLMGJKT Method: Least Squares Date: 070912 Time: 17:35 Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Variable Coefficient Std. Error t-Statistic Prob. DLMGSBY 0.539693 0.050923 10.59826 0.0000 ECTP4 -0.489131 0.095532 -5.120101 0.0000 ECTN4 -0.420372 0.104706 -4.014794 0.0001 DLMGSBY-1 0.245284 0.078038 3.143149 0.0020 DLMGJKT-1 -0.258465 0.068686 -3.762971 0.0002 R-squared 0.614469 Mean dependent var 0.008709 Adjusted R-squared 0.603532 S.D. dependent var 0.071714 S.E. of regression 0.045155 Akaike info criterion -3.323787 Sum squared resid 0.287495 Schwarz criterion -3.221609 Log likelihood 247.6365 Hannan-Quinn criter. -3.282270 Durbin-Watson stat 2.076893 Dependent Variable: DLMGBDG Method: Least Squares Date: 070912 Time: 17:39 Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Variable Coefficient Std. Error t-Statistic Prob. DLMGSBY 0.812392 0.033867 23.98750 0.0000 ECTP5 -0.403397 0.101859 -3.960355 0.0001 ECTN5 -0.360871 0.088411 -4.081747 0.0001 DLMGSBY-1 0.082073 0.080397 1.020845 0.3091 DLMGBDG-1 -0.062706 0.080901 -0.775090 0.4396 R-squared 0.826376 Mean dependent var 0.008685 Adjusted R-squared 0.821450 S.D. dependent var 0.069136 S.E. of regression 0.029214 Akaike info criterion -4.194715 Sum squared resid 0.120335 Schwarz criterion -4.092536 Log likelihood 311.2142 Hannan-Quinn criter. -4.153197 Durbin-Watson stat 2.018656 Dependent Variable: DLMGPTK Method: Least Squares Date: 070912 Time: 17:45 Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Variable Coefficient Std. Error t-Statistic Prob. DLMGSBY 0.643886 0.050431 12.76756 0.0000 ECTP8 -0.395994 0.091485 -4.328513 0.0000 ECTN8 -0.224460 0.084220 -2.665178 0.0086 DLMGSBY-1 0.113774 0.074734 1.522381 0.1302 DLMGPTK-1 -0.024033 0.079214 -0.303386 0.7620 R-squared 0.578841 Mean dependent var 0.008290 Adjusted R-squared 0.566893 S.D. dependent var 0.065730 S.E. of regression 0.043258 Akaike info criterion -3.409638 Sum squared resid 0.263843 Schwarz criterion -3.307460 Log likelihood 253.9036 Hannan-Quinn criter. -3.368121 Durbin-Watson stat 2.022156 Dependent Variable: DLMGMKS Method: Least Squares Date: 070912 Time: 17:48 Sample adjusted: 2000M03 2012M04 Included observations: 146 after adjustments Variable Coefficient Std. Error t-Statistic Prob. DLMGSBY 0.424523 0.059534 7.130764 0.0000 ECTP9 -0.353934 0.092509 -3.825920 0.0002 ECTN9 -0.263039 0.057585 -4.567870 0.0000 DLMGSBY-1 0.006699 0.076481 0.087589 0.9303 DLMGMKS-1 0.106926 0.073990 1.445145 0.1506 R-squared 0.403078 Mean dependent var 0.008635 Adjusted R-squared 0.386144 S.D. dependent var 0.067339 S.E. of regression 0.052759 Akaike info criterion -3.012517 Sum squared resid 0.392476 Schwarz criterion -2.910339 Log likelihood 224.9137 Hannan-Quinn criter. -2.970999 Durbin-Watson stat 1.976306 Lampiran 10 Hasil Uji Wald Wald Test: Equation: CPOINTMGDOM Test Statistic Value df Probability F-statistic 0.405620 1, 138 0.5253 Chi-square 0.405620 1 0.5242 Null Hypothesis Summary: Normalized Restriction = 0 Value Std. Err. C2 - C3 0.050529 0.079338 Restrictions are linear in coefficients. Wald Test: Equation: AYMSBYMDN Test Statistic Value df Probability F-statistic 1.173303 1, 141 0.2806 Chi-square 1.173303 1 0.2787 Null Hypothesis Summary: Normalized Restriction = 0 Value Std. Err. C2 - C3 0.159959 0.147674 Restrictions are linear in coefficients. ABSTRACT ARIFAYANI RACHMAN. Market Integration and Price Transmission on the CPO and Cooking Oil Markets in Indonesia. Under direction of RITA NURMALINA and HARMINI. Cooking oil is considered as one of staple food in Indonesia. The goverment need to maintain the stability of cooking oil’s price because it will affect the wealth of the people. The aims of this study were to gain better understanding on vertikal and spatial integration of crude palm oil and cooking oil markets and to analyze the nature of price transmission both vertically and spatially and the impact of CPO export tax to market integration. Data analysis methods used in this research were:market integration by cointegration test VAR based and price transmission by Error Correction Model ECM adapted from Taubadel 1998. The research found that there was no cointegration between international and domestic prices of CPO. The implementation of progressif export tax started in 2007 had an impact to integration of international-domestic CPO markets. Vertically, CPO prices both international and domestic were cointegrated to domestic cooking oil’s price and the price transmissions were symmetric. Spatially, cooking oil prices of 10 big cities in Indonesia were cointegrated together with Medan and Surabaya as main markets. Price transmission from main markets to local markets were symmetric. Keywords : cooking oil, crude palm oil, market integration, price transmission, cointegration, ECM RINGKASAN ARIFAYANI RACHMAN. Integrasi Dan Transmisi Harga Pada Pasar CPO Dan Minyak Goreng Sawit Di Indonesia. Dibimbing oleh RITA NURMALINA dan HARMINI. Minyak goreng merupakan komoditas yang strategis di Indonesia. Pertumbuhan jumlah penduduk serta peningkatan konsumsi minyak goreng per kapita menyebabkan permintaan minyak goreng pada pasar domestik terus meningkat. Sebagai salah satu bahan pangan pokok, pemerintah memandang perlu upaya stabilisasi harga minyak goreng karena fluktuasi harga minyak goreng akan berdampak pada kesejahteraan masyarakat. Minyak goreng yang paling banyak dikonsumsi oleh masyarakat Indonesia adalah minyak goreng sawit sehingga harga minyak goreng domestik mempunyai keterkaitan dengan harga CPO. Adanya konsentrasi yang cukup tinggi baik pada sektor hulu maupun pada industri hilirnya serta integrasi vertikal yang dilakukan oleh sebagian besar industri minyak goreng sawit menimbulkan peluang munculnya market power yang dapat digunakan oleh industri minyak goreng sawit dalam menentukan harga. Secara spasial, sentra industri minyak goreng utama masih terpusat di Pulau Sumatera dan Jawa. Jika pasar minyak goreng di suatu wilayah terintegrasi dengan wilayah lain maka guncangan minyak harga yang terjadi di wilayah acuan akan tertransmisikan ke wilayah lain. Namun demikian jumlah distributor yang relatif terbatas pada setiap wilayah memungkinkan timbulnya respon perubahan harga yang berbeda ketika terjadi kenaikan dan pernurunan harga di pasar acuan. Penelitian ini mempunyai beberapa tujuan yaitu : i menganalisis pergerakan harga CPO baik pada pasar internasional maupun pada pasar domestik, serta pergerakan harga minyak goreng domestik baik di tingkat nasional maupun harga minyak goreng di 10 kota besar di Indonesia, ii menganalisis integrasi pasar CPO internasional dan CPO domestik, serta pengaruh perubahan mekanisme penetapan pajak ekspor CPO terhadap integrasi pasar CPO internasional dan domestik, iii Menganalisis integrasi pasar CPO dan minyak goreng, serta transmisi harga yang berlangsung antar pasar, iv menganalisis integrasi spasial pada pasar minyak goreng di 10 kota besar di Indonesia serta transmisi harga yang berlangsung, v menganalisis dampak terjadinya shock harga CPO terhadap harga minyak goreng serta shock harga minyak goreng pada pasar acuan terhadap pasar minyak goreng di wilayah lain. Untuk menjawab tujuan penelitian tersebut digunakan analisa secara deskriptif serta analisis dengan metode ekonometrika yaitu dengan pendekatan kointegrasi dan model Vector Error Correction Model VECM untuk menganalisis hubungan integrasi antar pasar secara multivariat, serta Error Correction Model ECM yang dikembangkan oleh Taubadel 1998 untuk menganalisis sifat transmisi harga yang berlangsung secara bivariat. Hasil penelitian menunjukkan bahwa seluruh data yang digunakan dalam penelitian ini bersifat nonstasioner. Dari pengujian kointegrasi diketahui jika harga CPO internasional dan CPO domestik tidak terkointegrasi, yang berarti pasar CPO domestik tidak terintegrasi dengan pasar dunia. Perubahan mekanisme penetapan pajak ekspor CPO pada tahun 2007, dimana besaran pajak ditetapkan secara progresif berdasarkan harga CPO internasional pada bulan sebelumnya berpengaruh terhadap integrasi pasar CPO dunia dengan pasar CPO domestik. Harga CPO internasional dan CPO domestik terkointegrasi dengan harga minyak goreng domestik. Hasil estimasi model VECM menunjukkan bahwa dalam jangka panjang harga CPO internasional dan CPO domestik berpengaruh signifikan terhadap harga minyak goreng domestik, dimana harga CPO internasional berpengaruh lebih besar dari harga CPO domestik. Hasil analisis integrasi spasial memperlihatkan bahwa pasar minyak goreng di 10 kota besar di Indonesia Medan, Pekanbaru, Palembang, Jakarta, Bandung, Semarang, Surabaya, Denpasar, Pontianak dan Makasar terintegrasi dengan 7 persamaan kointegrasi. Dari hasil pengujian kausalitas blok diketahui jika Medan dan Surabaya merupakan pasar acuan pada pasar minyak goreng di Indonesia. Selanjutnya kedua kota tersebut masing-masing diuji kointegrasi dengan harga di kota lain secara bivariat, yang hasilnya harga minyak goreng di Medan terintegrasi dengan seluruh kota kecuali Denpasar, sementara harga minyak goreng di Surabaya terintegrasi dengan seluruh kota kecuali Semarang dan Denpasar. Analisis terhadap transmisi harga baik secara vertikal maupun horizontal menunjukkan jika transmisi harga secara keseluruhan berjalan simetris sehingga dapat disimpulkan jika karakteristik industri minyak goreng yang terkonsentrasi dan tingginya integrasi vertikal pada industri minyak goreng belum terbukti menyebabkan digunakankannya market power dalam penetapan harga minyak goreng, dan secara spasial transmisi harga yang berjalan simetris menunjukkan jika pasar minyak goreng di Surabaya dengan tujuh kota yaitu Medan, Pekanbaru, Palembang, Jakarta, Bandung, Pontianak dan Makasar berjalan efisien. Kata kunci : minyak goreng, CPO, integrasi pasar, transmisi harga, kointegasi, VECM, ECM I. PENDAHULUAN

1.1 Latar Belakang

Minyak goreng merupakan salah satu komoditas yang penting di Indonesia karena termasuk salah satu kebutuhan pokok yang menjadi salah satu sumber utama lemak dan minyak dalam menu makanan masyarakat Indonesia. Dalam pola pangan masyarakat Indonesia, pemenuhan kebutuhan lemak dan minyak jauh lebih banyak dipenuhi dari minyak nabati dibandingkan minyak dan lemak hewani. Kebutuhan minyak goreng di Indonesia terus mengalami peningkatan seiring dengan pertumbuhan jumlah penduduk. Di samping itu situasi perekonomian yang semakin membaik merupakan faktor lain yang ikut mendorong peningkatan konsumsi per kapita masyarakat Indonesia terhadap minyak goreng. Jika pada tahun 2008 konsumsi minyak goreng per kapita baru mencapai 9.6 kgkapita per tahun, maka pada tahun 2011 konsumsi minyak goreng masyarakat Indonesia telah mencapai 10.7 kgkapitatahun BPS, 2011. Selain didorong oleh peningkatan konsumsi per kapita dan pertumbuhan penduduk, kebutuhan minyak goreng nasional juga semakin besar seiring dengan perkembangan industri pangan di Indonesia. Menurut Kementerian Perindustrian 2011, kebutuhan minyak goreng nasional pada tahun 2011 mencapai sekitar 5.22 juta ton, terdiri atas konsumsi langsung masyarakat sebesar 3.24 juta ton dan kebutuhan industri pangan sekitar 1.98 juta ton. Besarnya kebutuhan akan minyak goreng di dalam negeri menyebabkan bahan pangan ini mempunyai pengaruh penting dalam perekonomian. Sebagai komoditas strategis, pemerintah berkepentingan untuk melakukan upaya stabilisasi harga minyak goreng karena fluktuasi harga yang terlalu tinggi akan berdampak kepada penurunan daya beli masyarakat. Fluktuasi harga minyak goreng di Indonesia merupakan fenomena yang sering terjadi dengan besaran yang lebih ekstrim dibandingkan komoditas pangan pokok lain seperti beras Kemendag, 2008. Dalam beberapa kejadian, kenaikan harga minyak goreng menyebabkan komoditas ini berpengaruh terhadap inflasi. Saat terjadi lonjakan harga minyak goreng pada tahun 2007, kenaikan harga minyak goreng memberikan andil sebesar 0.08 dari inflasi bulan Juni 2007 sebesar 0.23 persen BPS, 2007. Demikian pula pada bulan Februari 2011, kenaikan harga minyak goreng ikut memberikan bobot sebesar 0.02 dari inflasi bulanan sebesar 0.13 persen pada bulan tersebut BPS, 2011. Minyak goreng nabati yang paling banyak dikonsumsi masyarakat di Indonesia adalah minyak goreng sawit. Minyak ini merupakan hasil olahan dari crude palm oil CPO yang telah mengalami proses pemurnian, pemucatan dan penghilangan bau refined, bleached dan deodorized. Menurut Invordev 2006 dalam Rifin 2010, pangsa pasar minyak goreng sawit pada pasar minyak nabati domestik mencapai 95. Selain sebagai bahan baku utama industri minyak goreng, komoditas CPO jugaa mempunyai kedudukan strategis yang lain dalam perekonomian yaitu sebagai salah satu komoditas ekspor utama non migas. Permintaan minyak sawit terutama dalam bentuk CPO pada pasar dunia terus mengalami peningkatan, tidak hanya dibutuhkan oleh industri minyak goreng, namun juga sebagai bahan baku industri oleokimia dan biodiesel. Pangsa pasar minyak kelapa sawit pada pasar minyak nabati dunia terus menunjukkan kenaikan baik dari sisi produksi maupun konsumsinya. Pada era 1980-2000, pangsa pasar terbesar masih dimiliki oleh minyak kedelai. Seiring dengan peningkatan produksi CPO di negara-negara produsen kelapa sawit serta penurunan produksi kedelai di negara produsen kedelai seperti Argentina menyebabkan pergeseran konsumsi dunia dari minyak kedelai ke minyak sawit. Pada tahun 2009, minyak sawit merupakan minyak nabati yang paling banyak dikonsumsi di dunia Gambar 1. Gambar 1 Konsumsi minyak nabati dunia tahun 1980-2009 Sumber : Oil World 2010 dalam World Growth 2011 Sejak tahun 2006, Indonesia telah menggeser Malaysia sebagai negara produsen CPO terbesar di dunia. Produksi CPO Indonesia pada tahun 2010 mencapai 44 dari total produksi CPO dunia Tabel 1. Sebagian besar dari produksi CPO di Indonesia diekspor ke berbagai negara, dan hanya sekitar 32 yang digunakan untuk kebutuhan domestik, terutama sebagai bahan baku industri minyak goreng. Tabel 1 Daftar negara-negara produsen CPO dunia tahun 2010 Urutan Negara Produksi MT 1 Indonesia 23 600 000 2 Malaysia 18 000 000 3 Thailand 1 500 000 4 Nigeria 850 000 5 Kolombia 820 000 6 Papua Nugini 500 000 7 Ecuador 460 000 8 Côte Divoire 300 000 9 Brazil 265 000 10 Honduras 252 000 Sumber : USDA 2010 Sebagai negara produsen CPO, kenaikan harga CPO internasional merupakan peluang untuk meningkatkan devisa negara dari peningkatan nilai dan volume ekspor. Tabel 2 menunjukkan peningkatan volume ekspor CPO Indonesia yang mengalami peningkatan pesat dalam 10 tahun dimana volume ekspor CPO rata-rata meningkat sebesar 32 per tahun selama periode 1999-2009. Tingginya harga CPO internasional merupakan insentif bagi pengusaha CPO untuk terus meningkatkan ekspor. Di sisi yang lain, kenaikan harga CPO internasional akan menyebabkan harga minyak goreng domestik juga ikut mengalami kenaikan. Hal ini disebabkan peningkatan harga CPO internasional akan mendorong peningkatan volume ekspor CPO sehingga menyebabkan penurunan ketersediaan CPO di dalam negeri yang diikuti kenaikan tingkat harga CPO domestik. Tabel 2 Volume ekspor CPO Indonesia tahun 1999-2009 Tahun Volume Ton Nilai 000 USD 1999 865 427 269 987 2000 1 817 664 476 438 2001 1 849 142 406 409 2002 2 804 792 891 999 2003 2 892 130 1 062 215 2004 3 819 927 1 444 422 2005 4 564 788 1 592 823 2006 5 199 287 1 993 667 2007 5 701 286 3 738 652 2008 7 904 179 6 561 331 2009 11 119 997 6 709 762 Sumber: BPS di dalam Ditjenbun 2011 Sebagai bahan baku utama dalam industri minyak goreng sawit, fluktuasi harga CPO sangat berpengaruh terhadap harga minyak goreng domestik. Ditinjau dari struktur biaya pada industri minyak goreng sawit, komponen biaya terbesar adalah biaya pengadaan bahan baku CPO, sementara komponen biaya yang lain jauh lebih kecil Gambar 2. Peningkatan harga CPO secara langsung akan meningkatkan biaya produksi sehingga kenaikan harga CPO dunia sering digunakan sebagai alasan produsen minyak goreng sawit ketika harga minyak goreng mengalami kenaikan. Gambar 2 Stuktur biaya produksi minyak goreng sawit Sumber : KPPU, 2010 Stabilisasi harga minyak goreng di tingkat nasional juga sangat dipengaruhi oleh fluktuasi harga antar wilayah. Sebagai negara kepulauan, permasalahan distribusi bahan pangan juga menjadi salah satu tantangan dalam mewujudkan stabilitas harga di seluruh wilayah nusantara. Mengingat minyak goreng merupakan komoditas yang bulky, efisiensi dalam pemasaran antar wilayah akan dapat menekan biaya transportasi. Salah satu indikator yang dapat digunakan untuk melihat performa suatu pasar adalah dengan melihat seberapa besar guncangan shock yang terjadi pada suatu pasar ditransmisikan secara vertikal yaitu ke atas maupun ke bawah pada supply chain dan ditransmisikan secara horizontal ke pasar di wilayah lain yang terpisah secara spasial. Dalam pasar yang berjalan efisien, perubahan harga pada salah satu level akan ditransmisikan kepada perubahan harga di level yang lain. Informasi mengenai integrasi pasar dan transmisi harga, baik integrasi vertikal antara pasar CPO dengan minyak goreng maupun integrasi spasial antar wilayah di Indonesia sangat diperlukan karena dapat memberikan gambaran mengenai efisiensi pasar minyak goreng sawit yang berlangsung di Indonesia. Integrasi spasial juga dapat memberikan informasi mengenai gejolak harga di suatu wilayah dan dampaknya terhadap wilayah lain sehingga dapat digunakan sebagai langkah antisipasi untuk mencegah meluasnya fluktuasi harga. Adanya integrasi pasar artinya adanya hubungan baik dalam jangka pendek maupaun jangka panjang antar harga pada pasar yang berbeda. Perubahan harga pada pasar yang terintegrasi akan ditransmisikan ke pasar yang lain, baik secara vertikal maupun horizontal. Integrasi vertikal berarti dalam beberapa waktu guncangan yang terjadi pada pasar CPO internasional dan CPO domestik akan ditransmisikan kepada pasar minyak goreng domestik. Sementara integrasi pasar secara spasial berarti dalam beberapa waktu, guncangan harga yang terjadi pada pasar acuan akan ditransmisikan dan sampai ke pasar lain pasar konsumen yang secara geografis terpisah. Integrasi pasar antar wilayah yang tidak berjalan sempurna menyebabkan munculnya informasi yang keliru kepada produsen dan pelaku lain dalam rantai pemasaran, yang pada akhirnya mengakibatkan keputusan yang keliru dalam produksi dan pemasaran. Proses transmisi harga antar pasar yang terintegrasi juga dapat memberikan gambaran mengenai efisiensi pasar. Jika pasar memberikan respon yang berbeda antara kenaikan dan penurunan harga maka transmisi harga akan berlangsung secara asimetris. Perbedaan respon tersebut terjadi karena salah satu pihak menggunakan market power dalam menentukan harga. Transmisi harga asimetris tidak diharapkan karena dapat menyebabkan penurunan kesejahteraan pelaku pasar.

1.2 Permasalahan Penelitian

Dengan sistem perdagangan yang terbuka, fluktuasi harga yang terjadi pada pasar dunia akan ditransmisikan ke pasar domestik. Sebagai negera eksportir CPO, harga CPO pada pasar domestik sangat dipengaruhi oleh perubahan harga yang terjadi pada pasar internasional. Dengan alasan tersebut, pemerintah berusaha menjaga agar fluktuasi harga dunia tidak menimbulkan dampak yang terlalu besar terhadap harga CPO domestik karena pada akhirnya akan mempengaruhi harga minyak goreng. Kebijakan penetapan pajak ekspor terhadap produk minyak sawit dan turunannya merupakan salah satu instrumen yang digunakan untuk menjamin ketersediaan CPO di dalam negeri. Kebijakan ini mulai diterapkan di Indonesia sejak tahun 1994 sebagai upaya untuk menjaga pasokan CPO bagi industri minyak goreng di dalam negeri. Sejak pertama kali diberlakukan, mekanisme penetapan pajak ekspor CPO telah mengalami perubahan. Pada awalnya besarnya pajak ditetapkan secara single-rate pemerintah menetapkan besarnya pajak ekspor untuk periode tertentu. Namun mekanisme ini dipandang masih belum efektif untuk menjaga pasokan CPO dalam negeri sehingga pada tahun 2007, besarnya pajak ditetapkan secara progresif melalui Peraturan Menteri Keuangan Nomor 94PMK0112007. Dengan mekanisme yang baru ini, besarnya pajak tergantung kepada tinggi rendahnya harga CPO internasional yang ditetapkan setiap bulannya. Semakin tinggi harga CPO internasional maka tarif ekspor yang dikenakan juga semakin tinggi. Dampaknya, besaran pajak ekspor menjadi fluktuatif setelah dilaksanakannya ketentuan baru tersebut. Perubahan mekanisme penetapan pajak ekspor ini akan berdampak pada integrasi pasar CPO dunia dan domestik. Ditinjau dari pengusahaannya, lahan kelapa sawit di Indonesia dikelola oleh tiga pihak yaitu Perkebunan Negara, Perkebunan Swasta dan Perkebunan Rakyat. Pada awal perkembangannya, perkebunan kelapa sawit didominasi oleh Perkebunan Negara. Namun sejak tahun 80-an, perkebunan swasta menunjukkan perkembangan yang sangat pesat karena dukungan pembiayaan perbankan pada saat itu. Dalam waktu 10 tahun, luas perkebunan swasta telah melebihi luas perkebunan negara. Demikian pula Perkebunan Rakyat yang menunjukkan perkembangan luas areal yang juga pesat Gambar 3. Pada tahun 2010, luas areal perkebunan swasta mencapai 54 4.3 juta hektar. Sementara luas perkebunan rakyat sebesar 38 3.1 juta hektar dan luas areal perkebunan negara stagnan pada kisaran 0.64 juta hektar Gambar 3 Perkembangan luas lahan kelapa sawit di Indonesia menurut pengusahaan tahun 1967-2011 Sumber : Ditenbun Kementan, 2011 Namun demikian, peningkatan luas areal pengelolaan lahan kelapa sawit milik swasta tidak serta merta diikuti pertumbuhan jumlah perusahaan yang terlibat dalam industri kelapa sawit. Industri pengolahan kelapa sawit tergolong usaha berskala besar sehingga perusahaan dengan modal yang terbatas akan menghadapi kesulitan untuk memasuki industri ini. Kondisi ini merupakan bentuk barrier to entry yang akan mempengaruhi struktur pasar industri kelapa sawit. Menurut KPPU 2010, pada tahun 2010 terdapat 5 perusahaan besar yang menguasai lebih dari 50 luas lahan milik swasta. Adanya penguasaan lahan oleh sejumlah kecil perusahaan menyebabkan tingginya konsentrasi pada industri pengolahan CPO. Karakter industri kelapa sawit di Indonesia juga dicirikan oleh tingginya integrasi vertikal antara industri hulu dan hilir kelapa sawit. Menurut KPPU 2010, 68 persen perusahaan dalam industri minyak goreng sawit terintegrasi dengan industri pengolahan minyak sawit dan perkebunan kelapa sawit. Integrasi secara vertikal memungkinkan perusahaan utama untuk mengatur alokasi CPO sesuai dengan perkembangan harga CPO internasional. Ketika harga CPO internasional naik, perusahaan akan mengalihkan alokasi CPO industri minyak goreng untuk ekspor, dan sebaliknya ketika harga CPO internasional mengalami penurunan, CPO diolah pada unit refinery pabrik minyak goreng sawit yang dimiliki perusahaan. Kondisi tersebut menimbulkan peluang market power dalam industri minyak goreng sawit yang akan mempengaruhi efisiensi pasar minyak goreng dan menciptakan tingkat harga yang cenderung merugikan konsumen. Perilaku perusahaan dalam mentransmisikan perubahan harga CPO harga input industri minyak goreng sawit kepada harga minyak goreng dapat menunjukkan digunakan atau tidaknya market power industri minyak goreng sawit dalam penetapan harga. Jika transmisi harga CPO dan minyak goreng berjalan asimetris berarti terjadi perbedaan respon harga minyak goreng antara ketika harga CPO mengalami kenaikan dengan ketika harga CPO turun. Dampak dari transmisi harga asimetris ini sering dirasakan konsumen sebagai hal yang merugikan karena harga minyak goreng cepat mengalami kenaikan ketika harga CPO naik, namun ketika harga CPO turun, harga minyak goreng tidak mengalami penurunan yang signifikan. Secara geografis, sentra industri minyak goreng sawit di Indonesia saat ini telah tersebar di 19 propinsi, namun wilayah penghasil minyak goreng utama masih terkonsentrasi di bagian barat Indonesia seperti Sumatera Utara, Riau dan Jawa Timur. Minyak goreng yang diproduksi di wilayah sentra industri minyak goreng tidak hanya digunakan untuk memenuhi kebutuhan konsumsi masyarakat di wilayah itu saja. Misalnya di wilayah Sumatera Utara, produksi minyak goreng di propinsi tersebut pada tahun 2008 mencapai 3 085 250 ton. Sementara kebutuhan minyak goreng di propinsi tersebut hanya 127 596 ton atau hanya sekitar 6 dari total produksi KPPU, 2010. Lebih dari 90 minyak goreng yang diproduksi di Sumatera Utara digunakan untuk memenuhi kebutuhan minyak goreng di propinsi lainnya. Demikian pula dengan Jawa Timur sebagai salah satu sentra produksi minyak goreng di luar Sumatera, menurut KPPU 2010, produksi minyak goreng di Jawa Timur pada tahun 2009 mencapai 906 800 ton. Sebagian dari minyak goreng Jawa Timur juga didistribusikan ke daerah lain. Pemasaran minyak goreng dari wilayah produsen ke wilayah lain merupakan salah satu faktor terciptanya integrasi pasar minyak goreng antar wilayah di Indonesia. Integrasi pasar diindikasikan dengan adanya keterkaitan harga di satu pasar dengan pasar lainnya. Jika pasar minyak goreng antar wilayah di Indonesia terintegrasi secara spasial, maka disparitas harga antar wilayah hanya akan dipengaruhi oleh biaya transportasi dari wilayah produsen ke wilayah konsumen. Integrasi pasar merupakan salah satu indikasi bahwa pasar minyak goreng berjalan efisien. Reformasi perekonomian di Indonesia yang mengarah kepada sistem yang lebih terbuka membawa konsekuensi berkurangnya intervensi pemerintah dalam perdagangan komoditas pertanian. Liberalisasi pada pasar komoditas pertanian dipandang perlu untuk mencapai efisiensi alokatif dan pertumbuhan jangka panjang dalam bidang pertanian. Namun manfaat dari liberalisasi bagi produsen dan konsumen hanya akan terjadi jika pasar komoditas pertanian terintegrasi secara spasial, dimana sinyal harga ditransmisikan secara tepat melalui saluran pemasaran sehingga petani dapat melakukan spesialisasi menurut keunggulan komparatif dalam jangka panjang Gosh, 2010. Pada pasar yang terintegrasi, stabilitas harga akan dicapai melalui mekanisme pasar yang akan menuju keseimbangan penawaran dan permintaan. Distribusi minyak goreng di Indonesia telah mengalami perubahan dimana sejak era reformasi peran pemerintah dalam pengendalian harga eceran minyak goreng telah banyak tereduksi. Sebelum tahun 1998, Bulog mempunyai wewenang dalam pengaturan distribusi dan stok minyak goreng di Indonesia. Intervensi pemerintah ini mampu menjaga stabilitas harga minyak goreng. Salah satu indikasinya terlihat dari perkembangan harga minyak goreng yang stabil dibawah Rp 2 000,00kg selama 5 tahun 1993-1998 Data CEIC dalan Bank Indonesia, 2008. Setelah wewenang Bulog sebagai stabilisator harga diubah pada tahun 1998, pasar minyak goreng di Indonesia dewasa ini menjadi lebih kompetitif. Dengan adanya perubahan tersebut, setelah tahun 2000, produsen dan distributor minyak goreng antar wilayah mempunyai peranan dalam mentransmisikan perubahan harga minyak goreng di wilayah acuan ke suatu pasar lokal. Transmisi harga yang berjalan simetris dari pasar acuan ke pasar lokal menggambarkan jika pasar minyak goreng berjalan efisien. Berdasarkan permasalahan-permasalahan tersebut maka dirumuskan beberapa pertanyaan penelitian yang akan dijawab melalui penelitian ini yaitu : 1. Bagaimanakah pergerakan harga CPO internasional, harga CPO domestik, harga minyak goreng domestik serta harga minyak goreng sawit curah di beberapa kota di Indonesia? 2. Bagaimanakah integrasi antara pasar CPO dunia dengan pasar CPO domestik, antara pasar CPO domestik dengan pasar minyak goreng domestik serta integrasi spasial antar pasar minyak goreng di beberapa kota di Indonesia? 3. Bagaimanakah dampak perubahan mekanisme pajak ekspor CPO terhadap integrasi pasar CPO dunia dan domestik? 4. Bagaimana dampak terjadinya shock pada suatu pasar terhadap pasar yang lain, baik yang terintegrasi secara vertikal maupun spasial? 5. Bagaimanakah transmisi harga yang berlangsung secara vertikal dan spasial?

1.1 Tujuan Penelitian

Terkait dengan pertanyaan-pertanyaan yang melandasi dilakukannya penelitian ini, maka tujuan dari penelitian ini adalah : 1. Menganalisis pergerakan harga CPO internasional, CPO domestik dan minyak goreng domestik serta pergerakan harga minyak goreng di 10 kota besar di Indonesia 2. Menganalisis integrasi pasar CPO internasional dan CPO domestik, serta pengaruh perubahan mekanisme penetapan pajak ekspor CPO terhadap integrasi pasar CPO internasional dan domestik. 3. Menganalisis integrasi pasar CPO dan minyak goreng, serta transmisi harga yang berlangsung antar pasar. 4. Menganalisis integrasi spasial pada pasar minyak goreng di 10 kota besar di Indonesia serta transmisi harga yang berlangsung. 5. Menganalisis dampak terjadinya shock harga CPO terhadap harga minyak goreng serta shock harga minyak goreng pada pasar acuan terhadap pasar minyak goreng di wilayah lain.

1.2 Manfaat Penelitian

Hasil penelitian ini diharapkan dapat memberikan manfaat bagi penulis maupun pihak lain untuk: 1. Memperoleh gambaran yang jelas tentang integrasi pasar dan transmisi harga pada pasar CPO dan minyak goreng. 2. Menambah literatur tentang aspek ekonomi dan agribisnis dari komoditas kelapa sawit dan minyak goreng 3. Sebagai masukan bagi pemangku kebijakan dalam merumuskan kebijakan yang terkait dengan upaya stabilisasi harga minyak goreng.

1.3 Ruang Lingkup Penelitian

Penelitian ini diawali dengan memberikan gambaran umum tentang aspek ekonomi dari agribisnis kelapa sawit Indonesia, terutama pada perkembangan industri pengolahan minyak sawit dan industri minyak goreng sawit. Tahapan selanjutnya adalah menganalisis pergerakan harga CPO internasional, CPO domestik, minyak goreng domestik serta pergerakan harga minyak goreng di 10 kota besar di Indonesia secara deskriptif dengan bantuan grafik dan tabel. Pergerakan harga yang sama merupakan indikasi adanya keterkaitan antar harga. Untuk mengetahui hubungan jangka panjang yang mungkin terjadi antar series harga dilakukan analisis integrasi pasar melalui analisis kointegrasi. Dengan metode tersebut, integrasi yang akan dianalisis adalah integrasi dalam jangka panjang. Jika diketahui adanya hubungan kointegrasi yang berarti adanya hubungan jangka panjang antar harga maka langkah selajutnya adalah mengestimasi bentuk integrasi dengan model VECM Vector Error Correction Model . Analisis dilanjutkan dengan melihat transmisi harga yang berlangsung. Analisis transmisi harga vertikal dilakukan secara bivariate antara harga minyak goreng masing-masing dengan harga CPO internasional dan harga CPO domestik. Analisis transmisi harga spasial dilakukan antara masing-masing pasar lokal dengan pasar acuan yang telah ditentukan sebelumnya melalui analisis kausalitas. Model-model yang diperoleh dari hasil estimasi kemudian dianalisis dan digunakan untuk mengambil kesimpulan.