Kerangka Pemikiran Identifikasi Banjir Impor Komoditas Hortikultura dan Dampaknya terhadap Harga Domestik di Indonesia

3 METODE PENELITIAN

3.1 Jenis Data, Cakupan Komoditas, dan Sumber Data

Penelitian ini menggunakan data time series bulanan dengan periode 2002- 2010. Pemilihan periode waktu ini didasari atas aktifnya Indonesia dalam perdagangan internasional AFTA yang diprediksi juga memicu keterbukaan Indonesia lebih lanjut untuk impor. data yang akan digunakan mencakup data harga dunia, harga impor, volume impor, nilai tukar rupiah terhadap dollar AS, harga konsumen, dan harga tingkat petani. Data tersebut kemudian dibentuk dalam versi logaritma natural ln untuk menyederhanakan data dan konsistensi. Data komoditas hortikultura yang akan diteliti dalam penelitian yang mencakup komoditas bawang merah, kentang, dan jeruk. Penentuan komoditas yang digunakan didasari atas premis awal dimana Indonesia memiliki potensi untuk memproduksi komoditas hortikultura ini dengan efisien untuk mencukupi kebutuhan domestik, namun pada kenyataannya masih dilakukan impor untuk komoditas tersebut dalam jumlah yang cukup tinggi sehingga diperkirakan barang impor komoditas tersebut berpotensi untuk berkompetisi dengan barang domestik dan memengaruhi harga domestik. Penelitian ini akan menggunakan data sekunder dari badan-badan instansi- instansi terkait, dimana data utama yang digunakan berasal dari BPS, World Bank, dan USDA seperti yang dijabarkan pada tabel. Tabel 3.1 menjabarkan data utama yang akan digunakan dalam model penelitian, sebagai berikut: Tabel 3.1 Data Utama Penelitian No Variabel Satuan Simbol Sumber 1 Harga Dunia Rpkg PW World Bank, USDA 2 Harga Impor Rpkg PM BPS 3 Volume Impor kg QM BPS 4 Harga Konsumen Rpkg PC BPS 5 Harga Produsen Rpkg PF BPS Selain data pada tabel diatas, terdapat data-data sekunder pelengkap seperti data nilai tukar BI, data-data pertanian domestik Kementerian Pertanian, data- data internasional FAO, dan badan-badan penyedia informasi terkait dalam rangka melengkapi informasi-informasi dalam gambaran umum maupun pada analisis inti dari penelitian ini. Pengolahan data untuk analisis penelitian ini menggunakan bantuan program Microsoft Excel 2013, dan EViews 7.2. Analisis yang dilakukan akan terbagi menjadi dua metode, yaitu analisis deskriptif dan analisis ekonometrika. Analisis deskriptif digunakan untuk menjawab tujuan penelitian pertama, sekaligus melengkapi tujuan penelitian ketiga. Analisis ekonometrika digunakan untuk menjawab tujuan penelitian kedua, dan melengkapi framework dari rekomendasi kebijakan penelitian ini.

3.2 Analisis Deskriptif

Analisis deskriptif digunakan untuk menjelaskan bagian awal gambaran umum mengenai mengenai kondisi keterbukaan Indonesia saat ini, kemudian dengan menggunakan data tabel dan diagramgrafik akan dijelaskan juga mengenai posisi ketergantungan Indonesia terhadap perdagangan internasional. Hal ini dilakukan untuk menjelaskan seberapa jauh Indonesia bergantung kepada ekspor-impor komoditi pangan, dan kemungkinan terjadinya banjir impor. Analisis deskriptif juga digunakan dalam menjelaskan hasil olahan analisis ekonometrika, menjelaskan hubungan yang terjadi di dalamnya, dan mencari penjelasan teoritis mengenai fenomena yang terjadi sehingga akan didapatkan kesimpulan yang relevan dengan kejadian di dunia nyata. Kemudian pada akhirnya, analisis ini diharapkan mampu menjelaskan rekomendasi kebijakan yang baik diterapkan dengan posisi perdagangan internasional dan kondisi domestik harga pangan seperti saat ini.

3.3 Analisis Ekonometrika

Metode analisis yang digunakan penelitian dalam rangka menganalisis dampak banjir impor dan menentukan respon kebijakan adalah metode analisis multivariate time series model . Namun sebelum masuk dalam permodelan diperlukan proses verifikasi dan persiapan data. 3.3.1 Data Generating Process GDP Proses persiapan data disebut Data Generating Process GDP dengan tahapan sebagai berikut. Hal ini penting dilakukan dalam analisis model time series untuk menjamin estimasi yang dilakukan tidak semu spurious regression. Salah satu metode yang sering digunakan dalam menguji keberadaan unit root uji stasioneritas dan yang paling meyakinkan adalah Dicky Fuller test. Pada dasarnya, DF test merupakan prosedur uji yang menggunakan prosedur regresi dari model-model berikut: t t- u t tanpa tren dan intersep t t- c u t tanpa tren dan dengan intersep t t- c d u t dengan tren dan intersep 19 20 21 Dalam pengembangannya, Dickey-Fuller memasukkan variabel AR yang lebih tinggi dalam modelnya atau menambahkan variabel lag dari Y t dengan orde yang lebih tinggi. Metode ini kemudian dikenal sebagai Augmented Dickey-Fuller ADF. Model untuk prosedur uji ADF dituliskan sebagai: t t- c t- c t- … c p t-p u t t t- c t- c t- … c p t-p c u t t t c t c t … c p t p c d u t 22 23 24 di mana Y adalah variabel yang diamati, T adalah tren, p adalah jumlah lag optimal dengan menggunakan tolak ukur kriteria SIC Schwarz Information Criteria , dan u adalah error term. Nilai t-statistik dari koefisien dikenal sebagai tau test dari ADF-test. Nilai ini dibandingkan dengan nilai absolut tabel ADF yang sudah dikembangkan oleh McKinnon 1996, jika nilai p-value dari nilai t-statistik kurang dari dari taraf nyata konvensional maka dapat disimpulkan data deret tidak mengandung unit root stasioner. Sebaliknya, jika nilai p-value dari nilai t-statistik lebih dari taraf nyata konvensional maka dapat disimpulkan data deret mengandung unit root tidak stasioner.

3.3.2 Penentuan Lag Optimal

Tahap kedua dalam GDP adalah dengan menentukan panjang lag yang optimal. Pengujian panjang lag yang optimal dapat memanfaatkan beberapa informasi yaitu dengan menggunakan Akaike Information Criterion AIC, Schwatz Criterion SC dan Hannan-Quinn Criterion HQ Firdaus 2011

3.3.3 Uji Kointegrasi Johannsen Cointegration Test

Uji kointegrasi bertujuan untuk menentukan apakah variabel-variabel yang tidak stasioner terkointegrasi atau tidak. Konsep kointegrasi dikemukakan oleh Engel dan Granger 1987 sebagai kombinasi linear dari dua atau lebih variabel yang tidak stasioner akan menghasilkan variabel yang stasioner. Kombinasi linear ini dikenal dengan istilah persamaan kointegrasi dan dapat diinterpretasikan sebagai hubungan keseimbangan jangka panjang di antara variabel Firdaus 2011. Jika trace statistic lebih dari critical value, persamaan tersebut terkointegrasi. Dengan demikian H o : non-kointegrasi dengan hipotesis alternatifnya H 1 : terkointegrasi. Jika trace statistic lebih dari critical value, maka tolak H o atau tidak terima H 1 yang artinya telah terjadi kointegrasi.

3.3.4 Penyusunan Model Penelitian

Konstruksi awal model yang akan dibentuk menjadi model SVAR penelitian ini mengadaptasi penelitian dari Setiyanto 2011 yang mengadaptasi dari McCarthy 2000 dengan penyesuaian. Penelitian ini berangkat dari dugaan bahwa produksi yang melebihi permintaan komoditas pada negara-negara eksportir pangan dunia menyebabkan harga dunia menjadi lebih murah dibandingkan dengan harga domestik. Posisi Indonesia sebagai negara importir pangan dengan volume yang cukup besar secara langsung maupun tidak langsung memberikan akses transmisi harga dunia tersebut dalam memengaruhi harga konsumen dan harga produsen domestik Indonesia Setiyanto 2011. Perubahan volume impor dan harga impor menyebabkan kondisi banjir impor di Indonesia, yang memicu perubahan permintaan dan penawaran domestik yang kemudian menyebabkan perubahan harga yang diterima oleh produsen domestik. Penurunan harga impor akan diteruskan kepada harga komoditas pasar domestik, dimana harga produsen dan harga konsumen domestik juga akan terpicu untuk turun Setiyanto 2011. Berangkat dari adaptasi pemikiran inilah kemudian penelitian ini akan melihat fenomena banjir impor yang terjadi pass- through effect dari kondisi tersebut yang kemudian dimodelkan dalam analisis SVAR.

3.3.4.1 Kerangka Model Dasar

Berdasarkan Setiyanto 2011, Konstruksi model untuk menganalisis banjir impor dibangun dengan tiga tahapan. Pertama, supply dan demand shock dari pasar dunia dapat menyebabkan banjir impor dapat diidentifikasikan dengan perubahan harga komoditas dunia. Kedua, adanya shock tersebut akan mengubah harga dan volume impor, kemudian tertransmisikan ke dalam pasar domestik dengan perubahan harga konsumen pasar domestik. Ketiga, perubahan harga konsumen di pasar domestik kemudian memicu perubahan permintaan dan penawaran pasar domestik antara produksi dan konsumsi sehingga kemudian terjadi perubahan harga produsen.