menunjukkan kekuatan dan kelemahan dari masing-masing variabel dalam mempengaruhi variabel lainnya pada kurun waktu yang panjang how longhow
persistent . Dekomposisi varians merinci varians dari error peramalan forecast
menjadi komponen-komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model. Melalui perhitungan persentase squared prediction error
k-tahap ke depan dari sebuah variabel akibat inovasi dalam variabel-variabel lain, dapat dilihat seberapa besar error peramalan variabel tersebut disebabkan oleh
variabel itu sendiri dan variabel-variabel lainnya.
3.4 Spesifikasi Model
Dalam penelitian ini, variabel yang diduga memiliki pengaruh jangka panjang terhadap volume impor beras Qm di Indonesia adalah:
1. Rasio harga beras dalam negeri terhadap harga beras dunia RPrice yang menunjukkan kesenjangan antara harga dalam negeri dan harga dunia.
2. Rasio produksi terhadap konsumsi beras RProd yang menunjukkan kemampuan produksi beras dalam memenuhi kebutuhan konsumsi.
3. Rasio ketergantungan impor beras Im yang menunjukkan besarnya ketergantungan penyediaan beras dalam negeri terhadap impor
4. Variabel dummy yang menunjukkan perbedaan periode sebelum dan setelah diberlakukannya kebijakan liberalisasi perdagangan beras di Indonesia pada
tahun 1998. 5. Produk Domestik Bruto PDB atas dasar harga konstan dengan tahun dasar
2005 dalam miliar rupiah.
6. Pertumbuhan penduduk Pop dalam persen. 7. Nilai tukar riil RER yaitu nilai tukar rupiah terhadap dollar Amerika Serikat
dengan menggunakan tahun dasar 2005. Model VAR untuk persamaan yang akan digunakan dalam penelitian ini
adalah sebagai berikut : ∑
Dimana : Yt : vektor variabel endogen Qm, RProd, RPrice, Im, Dummy,
PDB, Pop dan RER α : konstanta
β : koefisien matriks untuk lag-i ε : residual
Selanjutnya dilakukan transformasi data yaitu untuk variabel nominal diubah dalam nilai riil dan semua variabel diubah dalam bentuk logaritma kecuali
untuk variabel dummy, rasio ketergantungan impor beras dan pertumbuhan penduduk yang sudah dalam bentuk persentase. Sesuai dengan pendapat Sims
dalam Enders 2004 bahwa semua data estimasi yang dipergunakan dalam VAR dan VECM adalah dalam bentuk logaritma kecuali data yang sudah dalam bentuk
persen atau data tersebut memiliki koefisien yang negatif sangat kecil yang tidak mungkin diubah dalam bentuk logaritma natural. Salah satu alasannya adalah
untuk mempermudah analisis, karena baik dalam impulse response maupun variance decomposition
, pengaruh shock dilihat dalam standar deviasi yang dapat dikonversi dalam bentuk persentase.
BAB IV HASIL DAN PEMBAHASAN
4.1 Analisis Deskriptif 4.1.1 Perkembangan Luas Panen, Produksi dan Produktivitas Padi
Produksi padi Indonesia meskipun mengalami fluktuasi namun masih menunjukkan pertumbuhan yang meyakinkan yaitu rata-rata 2,52 persen per tahun
selama kurun waktu tahun 1981-2010 sementara luas panen pada periode yang sama pertumbuhannya lebih lambat yaitu rata-rata 1,27 persen per tahun
Gambar 4.1. Pertumbuhan produksi padi yang signifikan terjadi pada periode 1981-1985 dan pada tahun 1984 Indonesia berhasil mencapai swasembada beras
untuk pertama kalinya. Mulai tahun 1970-an pemerintah Indonesia mengadopsi sistem revolusi hijau melalui program Intensifikasi Khusus INSUS dan berhasil
meningkatkan produksi padi.
5000 15000
25000 35000
45000 55000
65000
5000 15000
25000 35000
45000 55000
65000
1 9
8 1
1 9
8 2
1 9
8 3
1 9
8 4
1 9
8 5
1 9
8 6
1 9
8 7
1 9
8 8
1 9
8 9
1 9
9 1
9 9
1 1
9 9
2 1
9 9
3 1
9 9
4 1
9 9
5 1
9 9
6 1
9 9
7 1
9 9
8 1
9 9
9 2
2 1
2 2
2 3
2 4
2 5
2 6
2 7
2 8
2 9
2 1
Lu a
s Pa
n
en , 0
H a
Pro d
u k
si, To
n
Tahun
Produksi Luas Panen
Sumber: BPS dan Kementan, 1981-2010. Diolah. Gambar 4.1: Produksi dan Luas Panen Padi di Indonesia, 1981-2010
