Analisis Impulse Response Function IRF

33

3.2.6 Analisis Forecast Error Decomposition Variance FEDV

Analisis Forecast Error Decomposition Variance FEDV digunakan untuk memprediksi kontribusi persentase varian setiap peubah karena adanya perubahan peubah tertentu dalam sistem VAR. Analisis ini dilakukan terhadap hubungan antar harga beras tingkat retail terhadap pasangan masing-masing provinsi; antara harga beras tingkat retail pada masing-masing provinsi dengan harga beras tingkat grosir jenis IR-64 kualitas II dan kualitas III di PIBC; serta antara harga beras tingkat grosir jenis IR-64 kualitas II dan kualitas III di PIBC dengan harga beras internasional Thailand broken 15 persen dan Vietnam broken 15 persen yang memiliki kointegrasi pasar.

3.2.7 Analisis Faktor Penentu Integrasi Pasar Beras di Indonesia

Untuk mengetahui faktor penentu integrasi pasar beras, maka penelitian ini menduga terdapat beberapa variabel yang menjadi faktor penentu integrasi pasar beras spasial di Indonesia. Beberapa explanatory variable yang diduga merupakan faktor penentu integrasi pasar beras spasial antar provinsi di Indonesia diregresikan dengan dependent variable berupa nilai trace statistic hasil uji kointegrasi Johansen antar pasangan pasar di 26 provinsi yang telah dilakukan sebelumnya, berdasarkan model penelitian Varela et al. 2012. Nilai trace statistic memberikan bukti terjadinya pergerakan harga dan indikasi bahwa terdapat integrasi spasial. Demikian pula sebaliknya. Variabel yang diduga merupakan faktor-faktor penentu integrasi pasar beras spasial di Indonesia, diantaranya merujuk pada penelitian Goodwin dan Schroeder 1991, Goletti et al. 1995 dan Ismet et al. 1998. Variabel-variabel tersebut adalah : • TS ij , yaitu nilai trace statistic dari hasil pengujian kointegrasi antar pasangan pasar di 26 provinsi yang telah dilakukan sebelumnya antara provinsi i dan j. • Jarak ij , yaitu jarak provinsi i dan provinsi j dalam kilometer. Diharapkan koefisiennya bertanda negatif. Semakin besar nilainya maka semakin rendah tingkat integrasi pasar yang terjadi. • Jalan i dan Jalan j , yaitu proporsi kilometer jalanan beraspal terhadap total kilometer panjang jalanan. Diharapkan koefisiennya bertanda positif, karena 34 dengan infrastruktur transportasi yang lebih baik maka akan mengurangi transportation cost dan akan meningkatkan integrasi pasar. • PCI i dan PCI j , yaitu pendapatan perkapita riil percapita income. Berupa produk domestik regional bruto per kapita ribu rupiah atas dasar harga berlaku menurut provinsi. Diharapkan koefisiennya bertanda positif, karena provinsi dengan PCI yang lebih tinggi akan memiliki pasar yang lebih berkembang, infrastruktur lebih baik dan perdagangan lebih lancar. • Proc i dan Proc j , yaitu procurement, jumlah kilogram pembelian beras petani oleh BULOG. Diharapkan koefisiennya bertanda positif, karena semakin besar pembelian yang dilakukan BULOG maka arus perdagangan dan integrasi pasar juga semakin besar. • Dist i dan Dist j , yaitu distribusi atau jumlah kilogram penyaluran beras RASKIN untuk keluarga miskin oleh BULOG. Diharapkan koefisiennya bertanda negatif, karena dengan adanya RASKIN maka akan mengurangi permintaan ke pasar beras. Model persamaan regresi untuk meneliti faktor penentu integrasi pasar berdasarkan model penelitian Varela et al. 2012 dapat dinyatakan sebagai berikut : �� �� = � + � 1 ����� �� + � 2 ����� � + � 3 ����� � + � 4 ��� � + � 5 ��� � + � 6 ���� � + � 7 ���� � + � 8 ���� � + � 9 ���� � + � �� ........................... 3.12 Tanda parameter estimasi yang diharapkan adalah β 2 , β 3 , β 4 , β 5 , β 6 , β 7 0; β 1 , β 8 , β 9 0.