4.2.1 Analisis Deskriptif
Analisis deskriptif merupakan bentuk analisis sederhana yang bertujuan mendeskripsikan dan mempermudah penafsiran yang dilakukan dengan bantuan
grafik terhadap suatu observasi. Analisis deskriptif pada penelitian ini digunakan untuk mencapai tujuan pertama yaitu melihat perkembangan harga komoditas
pangan di Provinsi Banten. Analisis deskriptif adalah teknik analisis yang memberikan informasi hanya mengenai data yang dimiliki dan tidak bermaksud
untuk menguji hipotesis. Analisis deskriptif hanya dipergunakan untuk menyajikan dan menganalisis data agar lebih bermakna dan komunikatif.
Nurgiantoro et al., 2009. Analisis deskriptif pada penelitian ini digunakan untuk menganalisis
perkembangan harga pangan di Provinsi Banten periode Januari 2011 hingga Desember 2014. Pada perkembangan harga komoditas pangan akan dijelaskan
pola data dan kecenderungan harga pangan di Provinsi Banten. Pada penelitian ini, analisis deskriptif dijelaskan dengan bantuan tabel dan grafik untuk
mempermudah dalam penjelasan. Grafik yang ditampilkan merupakan plot data terhadap waktu pada periode penelitian. Grafik tersebut akan ditambah dengan
keterangan yang menerangkan kondisi serta hal-hal yang mempengaruhi peristiwa yang terjadi pada data yang dianalisis.
4.2.2 Vector Autoregression VAR
Analisis Vector Autoregression VAR dalam penelitian ini digunakan untuk menganalisis dampak fluktuasi harga komoditas bahan pangan terhadap inflasi di
Provinsi Banten. Pada penelitian ini, yang akan dianalisis adalah hubungan antara harga komoditas bahan pangan yang menjadi objek penelitian, yaitu beras,
jagung, cabai merah keriting, bawang merah, daging sapi murni, daging ayam ras dan telur ayam ras, dengan Indeks Harga Konsumen IHK umum Provinsi
Banten. Analisis VAR dilakukan dengan menggunakan perangkat lunak Eviews 8. Masing-masing variabel menggunakan logaritma natural untuk memudahkan
perhitungan. Model penelitian dapat ditulis sebagai berikut:
dimana: LnIHK
t
= Indeks Harga Konsumen IHK pada waktu t LnDSM
t
= Harga daging sapi murni pada waktu t LnJAG
t
= Harga jagung pada waktu t LnBER
t
= Harga beras pada waktu t LnDAR
t
= Harga daging ayam ras pada waktu t LnTAR
t
= Harga telur ayam ras pada waktu t LnBAM
t
= Harga bawang merah pada waktu t LnCMK
t
= Harga cabai merah keriting pada waktu t A
n
, B
n
, … = Parameter estimasi
e
t
= error term sisaan Adapun tahapan analisis VAR yaitu:
1. Uji Stasioner Data
Uji stasioner data dalam penelitian ini dilakukan pada seluruh variabel dalam model VAR, meliputi masing-masing harga komoditas pangan dan IHK.
Masing-masing variabel harga akan diuji melalui uji ADF apakah stasioner pada tingkat level atau pada tingkat first difference. Kriteria yang digunakan adalah
Augmented Dickey-Fuller ADF, dengan selang kepercayaan 5. Hipotesis yang diuji yaitu:
H = tidak stasioner atau terdapat unit root
H
1
= stasioner atau tidak terdapat unit root Jika nilai ADF statistik lebih kecil dari MacKinnon critical value, maka
keputusannya adalah tolak H atau data dinyatakan stasioner, sebaliknya jika nilai
ADF statistik lebih besar dari MacKinnon critical value maka tidak tolak H sehingga data dinyatakan tidak stasioner.
2. Penentuan Lag Optimal
Penentuan lag optimal dalam penelitian ini dapat ditentukan dengan menggunakan berbagai kriteria, yaitu: Likelihood Ratio LR, Final Prediction
Error FPE, AIC Akaike Information Criterion, SC Schwarz Information Criterion dan HQ Hannan-quinn Information Criterion.
3. Uji Stabilitas Model VAR
Uji stabilitas dilakukan untuk menguji apakah model VAR sudah stabil atau belum. Model dianggap stabil apabila memiliki nilai modulusnya 1, maka IRF
dan FEVD akan dianggap valid. 4.
Uji Kointegrasi Uji kointegrasi dilakukan untuk menguji variabel yang tidak stasioner di
tingkat level terkointegrasi atau tidak. Hasil uji kointegrasi untuk mengetahui keberadaan informasi hubungan jangka panjang antar variabel. Apabila terdapat
kointegrasi pada model yang diuji, maka analisis selanjutnya menggunakan VECM. Model dinyatakan memiliki kointegrasi sehingga signifikan pada selang
kepercayaan 5, apabila nilai trace statistic lebih besar daripada critical value. 5.
Estimasi Vector Error Corection Model VECM
Estimasi VECM dilakukan untuk pengaruh harga masing-masing komoditas pangan terhadap inflasi di Provinsi Banten dalam jangka pendek dan jangka
panjang. Adanya mekanisme penyesuaian dari jangka pendek ke jangka panjang ditunjukkan dengan adanya dugaan parameter error correction CoeintEq1 yang
bernilai negatif Juanda dan Junaidi, 2012. Selanjutnya, jika |T-hitung| T- statistik 1,96 artinya signifikan pada selang kepercayaan 5.
6. Analisis Impulse Response Function IRF
Analisis IRF dilakukan untuk mengetahui respon inflasi akibat adanya guncangan pada inflasi itu sendiri dan fluktuasi pada harga pangan yang menjadi
objek penelitian. Hasil analisis berupa grafik yang akan menggambarkan lintasan dimana suatu variabel akan kembali kepada keseimbangannya setelah mengalami
guncangan dari variabel lain. 7.
Analisis Forecast Error Variance Decomposition FEVD Analisis FEVD digunakan untuk mengetahui kontribusi harga pangan dalam
menjelaskan keragaman inflasi. Kemudian dari hasil analisis FEVD juga dapat diketahui komoditas pangan yang menjadi variabel dominan dalam menjelaskan
keragaman inflasi di Provinsi Banten.
4.2.3 Uji Kausalitas Granger
Uji kausalitas Granger dilakukan untuk melihat hubungan kausalitas diantara variabel-variabel yang ada dalam model. Pada penelitian ini uji kausalitas
Granger digunakan untuk melihat keterkaitan inflasi antara Provinsi Banten dengan inflasi Provinsi Lampung dan Provinsi DKI Jakarta. Uji kausalitas
Granger ini dapat dilihat adanya pengaruh masa lalu terhadap kondisi sekarang, sehingga data yang digunakan adalah data time series. Hipotesis pada uji
kausalitas adalah sebagai berikut: H
o
: suatu variabel tidak menyebabkan suatu variabel lainnya H
1
: suatu variabel menyebabkan suatu variabel lainnya Dalam penelitian ini hipotesis yang digunakan adalah IHK Provinsi
Lampung dan IHK Provinsi DKI Jakarta mempunyai hubungan kausalitas dengan IHK Provinsi Banten. Penentuannya jika nilai probabilitas dari kedua hipotesis
tersebut memiliki nilai lebih kecil dari 5 maka keputusannya adalah tolak H
0.
Hal ini diinterpretasikan bahwa apabila antara satu variabel dengan satu variabel lainnya saling mempengaruhi, maka terjadi hubungan kausalitas dua arah.
Sebaliknya, jika hanya satu hipotesis tolak H , maka hanya terjadi hubungan
kausalitas satu arah. Selanjutnya, apabila nilai probabilitasnya lebih besar dari 5 maka keputusannya terima H
, sehingga tidak memiliki hubungan kausalitas.
V. GAMBARAN UMUM PERKEMBANGAN HARGA KOMODITAS
PANGAN DI PROVINSI BANTEN
Perkembangan harga komoditas pangan di Provinsi Banten dalam penelitian ini dijelaskan dengan mendeskripsikan melalui laju perubahan harga komoditas
pangan selama periode penelitian, yaitu periode tahun 2010 hingga tahun 2014. Selanjutnya, akan dilakukan analisis deskriptif untuk menjelaskan perkembangan
harga masing-masing komoditas pangan di Provinsi Banten. Pada analisis ini akan dilakukan dengan bantuan grafik untuk mempermudah penjelasan. Grafik tersebut
merupakan plot harga masing-masing komoditas terhadap periode penelitian, yaitu Januari 2011 hingga Desember 2014. Hal ini dapat membantu untuk
menerangkan kondisi atau gejala yang terjadi pada data yang dianalisis. Rata-rata harga komoditas pangan selama tahun 2011-2014 cenderung
mengalami peningkatan. Hal ini ditunjukkan bahwa semua komoditas memiliki rata-rata perubahan harga yang bernilai positif. Komoditas bawang merah
memiliki rata-rata perubahan terbesar yaitu sebesar 31.998, sedangkan komoditas daging ayam ras memiliki rata-rata perubahan harga terkecil yaitu
sebesar 6.102. Rata-rata perubahan harga komoditas pangan di Provinsi Banten dapat dilihat pada Tabel 5.1.
Tabel 5.1 Rata-rata perubahan harga komoditas pangan di Provinsi Banten periode 2011-2014
Komoditas Perubahan Harga
Rata-rata Perubahan
Harga 2011
2012 2013
2014 Beras
12.874 11.928
6.980 0.178
7.990 Jagung
10.039 -8.242
9.766 33.216
11.195 Cabai merah keriting
- -12.403
39.878 14.447
13.974 Bawang merah
24.964 -24.316
156.667 -29.323
31.998 Daging sapi murni
5.403 13.156
23.508 7.888
12.489 Daging ayam ras
3.238 4.152
14.770 2.246
6.102 Telur ayam ras
10.471 9.326
8.031 6.826
8.664 Sumber: Pusdatin, 2015 diolah
5.1 Perkembangan Harga Beras
Perkembangan harga konsumen eceran beras di Provinsi Banten selama periode penelitian, yaitu Januari 2011 hingga Desember 2014 disajikan pada
Gambar 5.1. Berdasarkan gambar diketahui bahwa harga beras memiliki