Hipotesis Convergence of Food Prices between Regions in Indonesia

dengan ~ ݅ ݅ ݀0, menyatakan pengaruh individu dan ~ ݅ ݅ ݀0, menyatakan gangguan yang saling bebas satu sama lain atau dalam beberapa literatur disebut sebagai transient error. Dalam model data panel statis, dapat ditunjukkan adanya konsistensi dan efisiensi baik pada FEM maupun REM terkait perlakuan terhadap . Dalam model dinamis, situasi ini secara substansi sangat berbeda, karena merupakan fungsi dari maka juga merupakan fungsi dari . Karena adalah fungsi dari maka akan terjadi korelasi antara variabel regresor dengan . Hal ini akan menyebabkan penduga least square sebagaimana digunakan pada model data panel statis menjadi bias dan inkonsisten, bahkan bila tidak berkorelasi serial sekalipun. Pendekatan GMM merupakan salah satu yang populer. Setidaknya ada dua alasan yang mendasari, pertama, GMM merupakan common estimator dan memberikan kerangka yang lebih bermanfaat untuk perbandingan dan penilaian. Kedua, GMM memberikan alternatif yang sederhana terhadap estimator lainnya, terutama terhadap maximum likelihood. . Namun demikian, penduga GMM juga tidak terlepas dari kelemahan. Adapun beberapa kelemahan metode ini, yaitu: i GMM estimator adalah asymptotically efficient dalam ukuran contoh besar tetapi kurang efisien dalam ukuran contoh yang terbatas finite; dan ii estimator ini terkadang memerlukan sejumlah implementasi pemrograman sehingga dibutuhkan suatu perangkat lunak software yang mendukung aplikasi pendekatan GMM. Ada dua jenis prosedur estimasi GMM yang umumnya digunakan untuk mengestimasi model linear autoregresif, yakni: i First-difference GMM FD-GMM atau AB-GMM; dan ii System GMM SYS-GMM. Penelitian ini hanya menggunakan pendekatan First-difference GMM FD- GMM atau AB-GMM yaitu menggunakan transformasi first difference untuk pendekatan variabel instrumen untuk mendapatkan estimasi ߜ yang konsisten di mana ܰ → ∞ dengan T tertentu dengan mengeliminasi pengaruh individual sebagai berikut: ..............3.29 namun, pendugaan dengan least square akan menghasilkan penduga ߜ yang inkonsisten karena dan berdasarkan definisi berkorelasi, bahkan bila ܶ → ∞. Untuk itu, transformasi dengan menggunakan first difference ini dapat menggunakan suatu pendekatan variabel instrumen Baum, et al., 2003. Sebagai contoh, akan digunakan sebagai instrumen. Di sini, berkorelasi dengan − tetapi tidak berkorelasi dengan , dan tidak berkorelasi serial. Di sini, penduga variabel instrumen bagi ߜ disajikan sebagai ......................................................................3.30 syarat perlu agar penduga ini konsisten adalah ݌ ݈ ݅ ݉ ܰ → ∞ .............................3.31 ܶ → ∞ Untuk mengestimasi tingkat konvergensi harga pangan antar wilayah di Indonesia menggunakan panel data dinamis First-Differences GMM FD-GMM dan System GMM dengan kriteria yang digunakan untuk memilih GMM yang terbaik Firdaus 2011 adalah : 1. Tidak bias Estimator dari pooled least squares bersifat biased upwards dan estimator dari fixed-effect bersifat biased downwards. Estimator yang tidak bias berada di antara keduanya. 2. Instrumen valid Validitas ini diperiksa dengan menggunakan Uji Sargan. Instrumen akan valid bila uji Sargan tidak dapat menolak hipotesis nol. 3. Konsisten Sifat konsistensi dari estimator yang diperoleh dapat diperiksa dari statisitk Arellano-Bond m 1 dan m 2 yang dihitung secara otomatis pada beberapa perangkat lunak. Estimator akan konsisten bila statistik m 1 menunjukkan hipotesis nol ditolak dan m 2 menunjukkan hipotesis nol tidak ditolak.

3.3 Spesifikasi Model

3.3.1 Dinamika Harga Pangan

Untuk mencari rasio perubahan harga dan laju inflasi menggunakan rumus Rasio harga = sedangkan untuk mencari nilai laju inflasi = IHK periode sekarang – IHK periode sebelumnya dimana IHK adalah Indeks Harga Konsumen. Dinamika harga pangan dibagi atas dinamika harga pangan pokok, tanaman pangan dan holtikultura serta dinamika harga produk peternakan.

3.3.2 Konvergensi dan Faktor-faktor yang Mempengaruhi Perubahan Harga Pangan

Penelitian ini menggunakan variabel dependen harga pangan, untuk melihat konvergensi dan faktor-faktor yang mempengaruhi perubahan harga pangan dari tahun 2002 - 2010. Model penelitian tersebut adalah: = 1 – β 1 ln + + + ....................................................................................3.1 Dimana : = peningkatan harga eceran 9 pangan pokok yaitu beras, daging ayam, daging sapi, bawang merah, cabe merah, minyak goreng, gula pasir, telur ayam ras dan kacang kedelai persen = peningkatan harga eceran tahun sebelumnya persen Ln PDRB = peningkatan Pendapatan Domestik Regional Bruto persen Ln Prod = peningkatan jumlah produksi persen Ln pendk = peningkatan jumlah penduduk persen Ln jalan = peningkatan panjang jalan persen dan = Koefisien Regresi ε it = Eror Term i = 26 provinsi di Indonesia kecuali 6 propinsi yang baru mekar t = tahun penelitian, yaitu dari 2002 – 2010.