Analysis on Price Spread between Paddy and Rice, Market and Commodity Integration

ANALISIS SPREAD HARGA GABAH DAN BERAS, SERTA

INTEGRASI PASAR DAN KOMODITAS

DINA LIANITA SARI

   

Dengan ini saya menyatakan bahwa tesis yang berjudul Analisis Spread Harga Gabah dan Beras, serta Integrasi Pasar dan Komoditas adalah karya saya dengan arahan dari Komisi Pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.

Bogor, Juli 2010

Dina Lianita Sari

   

Analysis on Price Spread between Paddy and Rice, Market and Commodity Integration. Under direction of HARIANTO and HERMANTO SIREGAR.

The stable and affordable rice price is one of the components that well contributed to the food security in Indonesia. One of the rice problems is related to its price spread, farmer as a rice producer want to get high rice price, and the other hand consumer want to get low rice price. Government intervention, especially Bulog, is needed how to help maintain a good price for consumer and producer. But, many parties had been expected that this role was decreased. It had been showed by the price spread that increased since 1998. The objectives of this paper are to analyze the price movement of paddy and rice in the farmer, wholesaler, and consumer level, as well as the type of price spread between paddy and rice in various islands and big cities in Indonesia; analyze the factors that influence the price spread between paddy and rice; and identify the rice market integration, both spatial and vertical analysis. The quantitative approaches, especially the vector error correction model, were used to answer those objectives. From the result, it can be concluded that paddy price in the farmer level is more volatile than rice price in the consumer and wholesaler level. Moreover, the rice price in the various islands and big cities in Indonesia when Bulog’s function as LPND is more volatile than the status as Perum. But, the other way, the national paddy price is more stable when Bulog’s status as Perum. It shows that rice policy stands up for the consumers and sellers than the producers or farmers. Price spread between paddy and rice was increasing from time to time, but the price fluctuation in the Perum period is better than LPND period. There is long run relationship between total of rice purchase, total of paddy purchase, Government Purchasing Price (HPP) for rice, Government Purchasing Price (HPP) for paddy, premium oil price, international price, exchange rate and price spread of paddy and rice. Result of market integration analysis shows that retail price in 12 big rice markets, as well as wholesale price in 4 big ports in Indonesia was not fully integrated. Besides that, vertical market integration of rice in Indonesia was founded, but with asymmetric price. Response of price change in the consumer level was transmitted to the farmer level imperfectly.

Keywords: rice, price spread, market integration, vector error correction model.

                       

   

Pasar dan Komoditas. Dibimbing oleh HARIANTO dan HERMANTO SIREGAR.

Di antara banyaknya masalah perberasan di Indonesia, salah satunya adalah masalah yang terkait dengan harga beras dan gabah. Ada trade-off di antara keduanya. Petani selaku konsumen menginginkan harga gabah yang tinggi, namun konsumen menginginkan tingkat harga beras serendah mungkin. Di sinilah peran Pemerintah, khususnya Bulog dalam stabilisasi harga gabah dan beras diperlukan, yaitu mempertahankan harga yang baik di tingkat petani sebagai produsen namun pada saat yang sama juga tidak terlalu memberatkan konsumen.

Namun, peran pemerintah ini diduga semakin melemah. Sejak tahun 1998, spread harga gabah dan beras semakin melebar. Tentunya ada faktor-faktor yang menyebabkan mengapa pergerakan kedua harga tersebut memiliki rentang yang semakin tinggi. Spread yang tinggi dapat menunjukkan ada inefisiensi dalam hal perdagangan dan pemasaran beras. Oleh karena itu, kajian mengenai faktor-faktor yang mempengaruhi spread harga gabah dan beras tersebut sangat penting untuk dilakukan.

Dengan melakukan analisa kualitatif maupun kuantitatif atas berbagai informasi dari berbagai dokumen dan literatur, penelitian ini bertujuan untuk menganalisis pergerakan harga beras, baik di tingkat eceran maupun di tingkat pedagang besar, serta harga gabah di tingkat petani; menganalisis pola spread antara harga gabah dan harga beras, baik antar waktu (time series) maupun antar wilayah (spatial); menganalisis faktor-faktor yang mempengaruhi spread harga gabah dan harga beras; dan mengidentifikasi adanya integrasi pasar antar wilayah, baik antar pasar beras, maupun antara pasar gabah dan pasar beras di tingkat provinsi di Indonesia.

Dari hasil analisis perkembangan harga gabah dan beras di Indonesia dapat disimpulkan bahwa fluktuasi yang terjadi pada harga beras grosir dan harga beras eceran lebih kecil dibandingkan dengan fluktuasi yang terjadi pada harga gabah. Lebih jauh, volatilitas harga beras eceran dan grosir di berbagai pulau di Indonesia menunjukkan bahwa harga lebih sering berfluktuasi pada saat Bulog menjalankan fungsinya sebagai LPND daripada setelah berstatus sebagai Perum. Namun hal sebaliknya terjadi pada harga gabah nasional, yaitu harga lebih stabil pada saat Bulog menjalankan fungsinya sebagai LPND daripada setelah berstatus sebagai Perum. Ini menunjukkan bahwa kebijakan perberasan yang dilakukan pemerintah lebih berpihak kepada konsumen. Pemerintah lebih khawatir terhadap kenaikan harga beras di tingkat konsumen daripada turunnya harga gabah di tingkat petani. Instrumen kebijakan yang dilakukan pemerintah untuk meredam gejolak harga beras di tingkat konsumen meliputi subsidi kepada masyarakat miskin dan injeksi pasar, sementara instrumen kebijakan untuk meredam turunnya harga gabah hanyalah satu, yaitu operasi pembelian gabah di mana pembelian disesuaikan dengan kebutuhan, yamg seringkali tidak efektif. Kondisi ini diperparah oleh sifat harga gabah yang musiman atau jangka pendek, sementara fluktuasi harga beras bersifat tahunan atau jangka panjang. Dari hasil analisis pola

spread antara harga gabah dan beras di Indonesia, dapat disimpulkan bahwa pola spread nominal secara nasional maupun antar wilayah terus meningkat dari waktu ke waktu, namun fluktuasinya lebih baik ketika Bulog berfungsi sebagai Perum (2003-2008) daripada saat berfungsi sebagai LPND (1999-2002).

Terlihat adanya hubungan keseimbangan jangka panjang antara jumlah pembelian beras (LJPB), jumlah pembelian gabah (LJPG), harga pembelian pemerintah untuk beras (LHPPB), harga pembelian pemerintah untuk gabah (LHPPG), harga BBM (LBBM), harga beras internasional (LHI), dan nilai tukar (LER) dengan spread harga gabah dan beras (LHGB). Harga BBM, harga beras internasional, harga pembelian pemerintah untuk gabah, jumlah pembelian beras, dan stok beras yang dilakukan Bulog memiliki pengaruh yang semakin besar dari periode ke periode terhadap spread harga gabah dan beras. Sementara itu, distribusi beras yang dilakukan Bulog, indeks nilai tukar, harga pembelian pemerintah untuk beras, dan jumlah pembelian gabah yang dilakukan Bulog memberikan pengaruh yang semakin mengecil dari periode ke periode terhadap spread harga gabah dan beras.

Hasil integrasi pasar spasial menunjukkan bahwa pasar beras di 12 kota besar di Indonesia tidak terintegrasi secara penuh. Persamaan kointegrasi menunjukkan bahwa ada hubungan jangka panjang antara pasar beras di Surabaya, Bandung, Lampung, Medan, Makasar, Semarang, Palembang, Mataram, Denpasar, dan Pontianak dengan pasar beras di Jakarta. Sementara pasar beras di Padang tidak memiliki keseimbangan jangka panjang dengan pasar beras di Jakarta. Ini berarti harga beras di Jakarta tidak menjadi harga referensi bagi harga beras di Padang. Selain itu, hasil integrasi pasar beras spasial di tingkat grosir untuk 4 kota pelabuhan besar di Indonesia juga tidak terintegrasi secara penuh. Persamaan kointegrasi menunjukkan bahwa ada hubungan jangka panjang antara harga beras grosir di Medan dan Makasar dengan pasar beras grosir di Jakarta, namun tidak ada hubungan jangka panjang antara pasar beras di Makasar dengan pasar beras di Surabaya. Ini berarti harga beras di Makasar tidak menjadi harga referensi bagi harga beras di Surabaya.

Hal tersebut juga diperkuat dari hasil analisis VECM, bahwa dalam jangka pendek dan jangka panjang, pasar beras eceran di 12 kota besar dan pasar beras grosir di 4 kota pelabuhan besar di Indonesia memiliki tingkat integrasi yang sangat lemah, yang ditunjukkan dari nilai koefisien model yang lebih kecil dari satu. Artinya, apabila terjadi perubahan di suatu wilayah akan mempengaruhi pergerakan harga beras di wilayah lainnya dengan perubahan yang sangat kecil (dilihat dari nilai koefisiennya yang lebih kecil dari satu).

Di Indonesia, integrasi pasar vertikal juga terjadi, dimana terjadi transmisi harga gabah ke petani ke harga beras konsumen, dan sebaliknya dari harga beras konsumen ke harga gabah petani, namun respons perubahan harga beras konsumen lebih cepat jika terjadi perubahan harga gabah di tingkat petani. Oleh karenanya, pemerintah seharusnya lebih mengendalikan harga gabah di tingkat petani—bukan lebih mengendalikan harga di tingkat konsumen seperti yang saat ini dilakukan—karena itu akan direspon secara cepat oleh harga beras konsumen.

   

                                     

© Hak Cipta milik IPB, tahun 2010 Hak Cipta dilindungi Undang-Undang

 

Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan yang wajar bagi IPB.

Dilarang mengumumkan dan memperbanyak sebagian atau seluruh Karya tulis dalam bentuk apapun tanpa izin IPB. 

                       

   

DINA LIANITA SARI

Tesis

Sebagai salah satu syarat untuk memperoleh gelar

Magister Sains pada

Program Studi Ilmu Ekonomi

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

2010

                       

   

NIM : H151070061

Disetujui Komisi Pembimbing

Dr. Ir. Harianto, M.S. Ketua

Prof. Dr. Ir. Hermanto Siregar, M.Ec. Anggota

Diketahui

Ketua Program Studi Ilmu Ekonomi

Dr. Ir. Nunung Nuryartono, M.Si.

Dekan Sekolah Pascasarjana

Prof. Dr. Ir. Khairil Anwar Notodiputro, M.S.

                               

   

Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tesis yang berjudul “ANALISIS SPREAD HARGA GABAH DAN BERAS, SERTA INTEGRASI PASAR DAN KOMODITAS” ini disusun sebagai salah satu syarat kelulusan dalam Program Pascasarjana Ilmu Ekonomi, Institut Pertanian Bogor

Pada kesempatan ini penulis mengucapkan terima kasih kepada para pihak berikut ini:

1. Dr. Ir. Harianto, M.S. selaku pembimbing I atas bimbingan serta arahan selama proses penyelesaian tesis ini.

2. Prof. Dr. Ir. Hermanto Siregar, M.Ec. selaku pembimbing II atas bimbingan dan arahan yang diberikan.

3. Dr. Joyo Winoto atas dukungan dan bantuan yang diberikan.

4. Dr. D.S. Priyarsono dan Dr. Noer Azam Achsani, atas dukungan dan dorongan yang diberikan.

5. Pimpinan dan segenap scholar di Brighten Institute atas dorongan dan dukungan yang diberikan.

6. Rekan-rekan junior scholar, research assistant, serta seluruh jajaran di Brighten Institute atas dorongan dan dukungan yang diberikan.

7. Badan Urusan Logistik (BULOG) atas semua bantuan data dan diskusi menarik selama proses penelitian.

8. Dosen-dosen serta seluruh staf di Sekretariat Pascasarjana Ilmu Ekonomi atas semua ilmu, bantuan, dan dukungan yang diberikan.

9. Rekan-rekan di kelas Reguler dan kelas Khusus Ilmu Ekonomi atas dorongan dan dukungan yang diberikan.

10.Keluarga, sahabat, dan teman-teman yang tidak bisa disebutkan satu persatu atas semua doa, dukungan, dan kasih sayang.

Akhir kata, penulis berharap agar penelitian ini dapat bermanfaat dan memberikan kontribusi kepada pembaca, negara dan semua bagian masyarakat yang terkait. Terima kasih.

Bogor, Juli 2010

Dina Lianita Sari  

                       

RIWAYAT HIDUP

Penulis dilahirkan di Kota Bogor, Jawa Barat pada tanggal 25 November 1984, sebagai anak pertama dari tiga bersaudara. Ayah bernama Fahmi Djago Salim dan ibu bernama Ermina Zaenah.

Pada tahun 2006, penulis memperoleh gelar sarjana bidang matematika dari Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Pada tahun yang sama, penulis bergabung dengan Brighten Institute, Bogor dibawah Departemen Ekonomi dan Lingkungan sebagai asisten peneliti.

Pada tahun 2007, penulis mendapatkan kesempatan melanjutkan pendidikan di Program Pascasarjana Ilmu Ekonomi, Institut Pertanian Bogor. Dalam penyelesaian tugas akhir, penulis melakukan penelitian yang berjudul: Analisis Spread Harga Gabah dan Beras, serta Integrasi Pasar dan Komoditas, di bawah bimbingan Dr. Ir. Harianto, M.S., dan Prof. Dr. Ir. Hermanto Siregar, M.Ec.

                         

DAFTAR ISI

Halaman

DAFTAR ISI ... xvii

DAFTAR TABEL ... xix

DAFTAR GAMBAR ... xxi

DAFTAR LAMPIRAN ... xxiii

GLOSARI ... xxiv

I. PENDAHULUAN ...1

1.1. Latar Belakang ...1

1.2. Perumusan Masalah ...3

1.3. Tujuan Penelitian ...6

1.4. Manfaat dan Ruang Lingkup Penelitian ...7

II. TINJAUAN PUSTAKA ...9

2.1. Pergerakan Harga dan Intervensi Pemerintah ...9

2.2. Pembentukan dan Transmisi Harga ...11

2.2.1. Transmisi Harga ...11

2.2.2. Efektivitas Pemasaran ...13

2.3. Integrasi Pasar ...18

2.4. Kebijakan Nasional Perberasan ...22

2.4.1. Kebijakan Harga ...22

2.4.2. Kebijakan Perdagangan ...25

2.5. Tinjauan Penelitian Empiris ...31

III. METODE PENELITIAN ...35

3.1. Kerangka Operasional Penelitian ...35

3.2. Jenis dan Sumber Data ...37

3.3. Prosedur Analisis ...37

3.3.1. Pergerakan Harga Gabah dan Beras...37

3.3.2. Pola Spread antara Harga Gabah dan Harga Beras ...38

3.3.3. Faktor-faktor yang Mempengaruhi Spread Harga Gabah dan Harga Beras ...38

3.3.4. Integrasi Pasar ...43

IV. PERGERAKAN HARGA DAN POLA SPREAD HARGA GABAH DAN BERAS ANTAR WAKTU DAN ANTAR WILAYAH ...53

4.1. Pergerakan Harga Gabah dan Beras di Indonesia ...53

4.1.1. Tingkat Produsen ...53

4.1.2. Tingkat Pedagang Besar/Grosir ...56

4.1.3. Tingkat Konsumen/Eceran ...59

4.2. Pola Spread antara Harga Gabah dan Beras di Indonesia ...63

4.2.1. Antar Waktu (Time Series) ...63

4.2.2. Antar Wilayah (Spatial) ...65

4.2.3. Faktor-faktor yang Mempengaruhi Spread Harga Gabah dan Beras ...68

V. INTEGRASI PASAR ... 81

5.1. Integrasi Pasar Horizontal ... 81

5.1.1. Integrasi Pasar Beras di Tingkat Pedagang Pengecer/Konsumen ... 81

5.1.2. Integrasi Pasar Beras di Tingkat Pedagang Besar/ Grosir ... 94

5.2. Integrasi Pasar Vertikal ... 103

VI. KESIMPULAN DAN SARAN ... 113

6.1. Kesimpulan ... 113

6.2. Saran ... 115

DAFTAR TABEL

Halaman

Tabel 1 Perbedaan antara harga dasar gabah (HDG) dan harga pembelian

pemerintah (HPP) ...24

Tabel 2 Koefisien variasi (CV) harga gabah kering panen (GKP) tingkat penggilingan di Indonesia, 1998-2008 ...55

Tabel 3 Koefisien variasi (CV) harga beras grosir di beberapa pulau besar di Indonesia, 1998-2008 ...59

Tabel 4 Koefisien variasi (CV) harga beras eceran di beberapa pulau besar di Indonesia, 1998-2008 ...63

Tabel 5 Koefisien variasi (CV) spread harga gabah kering panen (GKP) dan harga beras medium eceran di Indonesia, 1998-2008 ...65

Tabel 6 Uji unit root ADF untuk masing-masing variabel (dalam natural log) ...69

Tabel 7 Penentuan lag optimal untuk variabel ...70

Tabel 8 Uji kointegrasi dan jumlah vektor kointegrasi (r) untuk analisis faktor-faktor yang mempengaruhi spread harga gabah dan beras di Indonesia ...71

Tabel 9 Persamaan kointegrasi jangka panjang untuk analisis faktor-faktor yang mempengaruhi spread harga gabah dan beras di Indonesia ...72

Tabel 10 Hasil uji model VECM untuk analisis faktor-faktor yang mempengaruhi spread harga gabah dan beras di Indonesia ...73

Tabel 11 Hasil forecast error variance decomposition (FEVD) dari model VECM untuk mengetahui faktor-faktor yang mempengaruhi spread harga gabah dan beras di Indonesia ...78

Tabel 12 Uji unitroot ADF untuk sistem persamaan integrasi pasar spasial beras eceran (harga dalam natural log) ...84

Tabel 13 Penentuan lag optimal untuk pasar beras eceran ...84

Tabel 14 Hasil uji kointegrasi untuk pasar beras eceran ...85

Tabel 15 Persamaan kointegrasi jangka panjang untuk pasar beras eceran ...86

Tabel 16 Hasil uji model VECM untuk pasar beras eceran ...89

Tabel 17 Uji unit root ADF untuk sistem persamaan integrasi pasar spasial beras medium grosir (harga dalam natural log) ...94

Tabel 18 Penentuan lag optimal untuk pasar beras grosir antar kota pelabuhan besar di Indonesia ...95

Tabel 19 Hasil uji kointegrasi untuk pasar beras grosir antar kota pelabuhan besar di Indonesia ...96

Tabel 20 Persamaan kointegrasi jangka panjang untuk pasar beras grosir antar kota pelabuhan besar di Indonesia ...96

Tabel 21 Hasil uji model VECM untuk pasar beras grosir antar kota pelabuhan besar di Indonesia ...97

Tabel 22 Hasil forecast error variance decomposition (FEVD) untuk model VECM pasar beras grosir di kota Jakarta, Surabaya, Medan, dan

Makasar ... 102 Tabel 23 Uji unit root ADF untuk sistem persamaan integrasi pasar vertikal

beras nasional (harga dalam natural log) ... 104 Tabel 24 Penentuan lag optimal untuk model pasar vertikal beras nasional ... 105 Tabel 25 Hasil uji kointegrasi untuk model pasar vertikal beras nasional ... 105 Tabel 26 Persamaan kointegrasi jangka panjang untuk model pasar vertikal

beras nasional ... 106 Tabel 27 Hasil uji model VECM untuk model pasar vertikal beras nasional .... 106 Tabel 28 Hasil forecast error variance decomposition (FEVD) model

VECM pasar vertikal beras nasional untuk harga gabah kering panen (GKPNAS), harga beras grosir (HBGNAS), dan harga beras eceran (HBENAS) ... 110

DAFTAR GAMBAR

Halaman

Gambar 1 Tingkat harga beras eceran dan gabah kering giling (GKG) di tingkat petani periode Januari 1993-Mei 2008. ...5 Gambar 2 Kerangka pikir penelitian. ...37 Gambar 3 Pergerakan harga gabah kering panen tingkat penggilingan di

Indonesia, Januari 1998-Desember 2008...54 Gambar 4 Pergerakan harga rata-rata gabah kering panen tingkat penggilingan

di Jawa Barat, Jawa Tengah, Jawa Timur, dan Sulawesi Selatan, 1998 2008. ...56 Gambar 5 Pergerakan harga beras kualitas medium tingkat pedagang besar

di Indonesia, Januari 1998-Desember 2008. ...57 Gambar 6 Pergerakan harga beras kualitas medium tingkat pedagang besar

di beberapa pulau besar di Indonesia, Januari 1998-

Desember 2008. ...58 Gambar 7 Pergerakan harga beras kualitas medium tingkat eceran di

Indonesia, Januari 1998-Desember 2008...61 Gambar 8 Pergerakan harga beras kualitas medium di tingkat eceran, di

beberapa pulau besar di Indonesia, Januari 1998-Desember 2008. ....62 Gambar 9 Pola spread antara harga gabah kering panen dan harga beras

eceran di Indonesia, Januari 1998-Desember 2008. ...64 Gambar 10 Pola spread harga nominal gabah dan beras eceran di beberapa

provinsi di Indonesia, periode 1999-2002 dan periode 2003- 2008. ..67 Gambar 11 Pola spread harga riil gabah dan beras eceran di beberapa

provinsi di Indonesia, periode 1999-2002 dan periode 2003- 2008. ..68 Gambar 12 Hasil impulse response function (IRF) dari model VECM untuk

mengetahui faktor-faktor yang mempengaruhi spread harga gabah dan beras di Indonesia. ...77 Gambar 13 Hasil impulse response function (IRF) untuk model VECM pasar

beras eceran akibat shock harga beras di Jakarta. ...92 Gambar 14 Hasil impulse response function (IRF) untuk model VECM pasar

beras eceran akibat shock harga beras di Surabaya. ...93 Gambar 15 Hasil impulse response function (IRF) untuk model VECM pasar

beras grosir antar kota-kota pelabuhan besar di Indonesia

(Jakarta, Surabaya, Medan, dan Makasar). ...100 Gambar 16 Hasil impulse response function (IRF) untuk model VECM pasar

DAFTAR LAMPIRAN

 Halaman

Lampiran 1 Hasil estimasi VECM faktor-faktor yang mempengaruhi harga gabah dan beras di Indonesia ...125 Lampiran 2 Hasil estimasi VECM pada model pasar beras eceran antar 12

kota besar di Indonesia ...129 Lampiran 3 Hasil forecast error variance decomposition (FEVD) pada

model pasar beras eceran ...132 Lampiran 4 Hasil estimasi VECM pada model pasar beras grosir antar

pelabuhan besar di Indonesia ...138 Lampiran 5 Hasil estimasi VECM pada model pasar vertikal beras nasional ....140

 

                     

GLOSARI

ADF : Augmented Dickey-Fuller

AIC : Akaike Information Criterion

BPS : Badan Pusat Statistik Bulog : Badan Urusan Logistik CV : Coefficient of Variation

DB : Distribusi beras yang dilakukan Bulog ER : Exchange Rate (Nilai Tukar)

FAO : Food and Agriculture Organization

FEVD : Forecast Error Variance Decomposition

FPE : Final Prediction Error

GDP : Gross Domestic Product

GKG : Gabah Kering Giling GKP : Gabah Kering Panen

GKPNAS :  Harga gabah kering panen rata-rata nasional di tingkat petani

HBBM : Harga Bahan Bakar Minyak HBE : Harga Beras Eceran

HBEBDG :  Harga beras eceran di Bandung HBEDPSR :  Harga beras eceran di Denpasar HBEJKT :  Harga beras eceran di Jakarta HBELPG :  Harga beras eceran di Lampung HBEMDN :  Harga beras eceran di Medan HBEMKS :  Harga beras eceran di Makasar HBEMTRM :  Harga beras eceran di Mataram HBENAS :  Harga beras eceran nasional HBEPDG :  Harga beras eceran di Padang HBEPLG :  Harga beras eceran di Palembang HBEPNTK :  Harga beras eceran di Pontianak HBESMRG :  Harga beras eceran di Semarang

HBESRBY :  Harga beras eceran di Surabaya HBG : Harga Beras Gabah HBGJKT :  Harga beras grosir di Jakarta HBGMDN :  Harga beras grosir di Medan HBGMKS :  Harga beras grosir di Makasar HBGNAS :  Harga beras grosir nasional HBGSRBY :  Harga beras grosir di Surabaya HDG : Harga Dasar Gabah

HGB : Spread antara harga gabah dan beras

HI : Harga Internasional

HPP : Harga Pembelian Pemerintah

HPPB : Harga Pembelian Pemerintah untuk beras HPPG : Harga Pembelian Pemerintah untuk gabah HQ : Hannan-Quinn Criterion

IMF : International Monetar Fund

Inpres : Instruksi Presiden Integrasi komoditas : Hubungan pada pasar yang berbeda secara

vertikal untuk komoditas yang sama (dalam suatu area geografis)

Integrasi pasar : Hubungan pada pasar yang berbeda secara geografis untuk suatu komoditas yang sama IRF : Impulse Response Function

JPB : Jumlah Pembelian Beras JPG : Jumlah Pembelian Gabah

Kointegrasi : Hubungan antara variabel-variabel yang stasioner pada derajat yang sama, dapat juga menunjukkan hubungan jangka panjang antar variabel

LOI : Letter of Intent

LPND : Lembaga Pemerintah Non Departemen LR : Likelihood Ratio

xxvii

 

PATANAS : Panel Tani Nasional

Perum : Perusahaan Umum

SB : Stok beras Bulog

SC : Schwarz Information Criterion

Spread harga gabah dan beras

: Perbedaan antara harga gabah dan harga beras (Rp/kg)

VAR : Vector Auto Regression VECM : Vector Error Correction Model

VMF : Voedings Middelen Fonds

                       

I.

PENDAHULUAN

1.1. Latar Belakang

Bagi negara manapun, ketahanan pangan merupakan hal yang sangat penting. Di Indonesia, hal tersebut juga sudah dinyatakan dalam Undang-Undang Republik Indonesia Nomor 7 tahun 1996 tentang pangan, bahwa pemerintah bersama masyarakat bertanggung jawab untuk mewujudkan ketahanan pangan. Ketahanan pangan yang dimaksud meliputi ketersediaan pangan yang cukup, baik jumlah maupun mutunya, aman, bergizi, beragam, merata, dan terjangkau oleh daya beli masyarakat.

Harga yang stabil dan terjangkau merupakan salah satu komponen penting yang diperlukan dalam menjaga distribusi dan pasokan pangan yang merata ke seluruh wilayah, sehingga rumah tangga mampu mengakses pangan. Harga komoditi pangan yang terlalu berfluktuasi dapat merugikan petani sebagai produsen, pengolah, pedagang hingga konsumen, dan berpotensi menimbulkan keresahan sosial. Oleh sebab itu, hampir semua negara melakukan intervensi kebijakan untuk menjaga stabilitas harga pangan pokok.

Secara formal, pemerintah Indonesia mulai ikut menangani pangan pada zaman penjajahan Belanda, ketika didirikannya Voedings Middelen Fonds (VMF) yang bertugas membeli, menjual, dan menyediakan bahan makanan. Lembaga pangan ini terus berkembang bentuk dan fungsinya menjadi lembaga yang saat ini dikenal dengan Bulog (Badan Urusan Logistik). Pada saat pembentukannya pertama kali pada tahun 1967, tugas Bulog adalah membantu pemerintah untuk menstabilkan harga pangan pokok.

Selama lebih dari 30 tahun, Bulog melaksanakan penugasan dari pemerintah untuk menangani bahan pangan pokok khususnya beras dalam rangka memperkuat ketahanan pangan nasional. Manajemen Bulog tidak banyak berubah dari waktu ke waktu, meskipun ada perbedaan tugas dan fungsi dalam berbagai periode. Dalam rangka melaksanakan tugas dan fungsinya, status hukum Bulog adalah sebagai Lembaga Pemerintah Non Departemen (LPND) berdasarkan Keppres RI No. 39 tahun 1978. Namun, sejak krisis ekonomi yang melanda Indonesia pada tahun 1997 timbul tekanan yang sangat kuat agar peran

pemerintah diperkecil, yang bermuara pada berubahnya status hukum Bulog menjadi Perusahaan Umum (Perum).

Pada Agustus 2007, Bulog memperoleh kewenangan yang lebih besar lagi dalam menstabilkan harga beras. Kewenangan itu meliputi monopoli impor, stabilisasi harga regional tanpa menunggu perintah, membeli beras di luar Harga Pembelian Pemerintah (HPP) demi mengejar target pengadaan, dan menjaga stok beras minimal satu juta ton (Surat Menteri Koordinator (Menko) Bidang Perekonomian tanggal 31 Agustus 2007 tentang Kebijakan Stabilisasi Bahan Pangan Pokok).

Peran Bulog yang saat ini hanya difokuskan kepada komoditas beras tentunya sangat beralasan. Pertama, beras adalah makanan pokok yang paling penting bagi hampir 215 juta penduduk Indonesia, memberikan 60 persen kontribusi asupan kalori per orang per hari (FAO 2006). Kedua, padi adalah produk kunci bagi ekonomi perdesaan dan sumber penghidupan bagi petani kecil dan tanpa lahan. Padi dihasilkan oleh sekitar 13.6 juta petani, yang 65 persen di antaranya adalah petani kecil dan miskin dengan pemilikan tanah kurang dari 0.5 hektar. Berdasarkan penelitian PATANAS (2005), penghasilan petani padi berkisar antara Rp 3065-Rp 8466 per hari atau kurang dari US$ 1.29 per hari. Akibatnya, mayoritas petani padi termasuk dalam kategori sangat miskin dan terus menerus terancam tidak mampu memenuhi kebutuhan dasar mereka, termasuk tidak mampu memenuhi kebutuhan pangan sendiri dalam jumlah cukup. Ketiga, produksi padi masih menjadi mesin pendorong pertumbuhan ekonomi nasional. Sektor ini memberikan kontribusi Rp 57 trilyun atau US$ 6.2 milyar terhadap GDP dan menyerap sekitar 21 juta tenaga kerja.

Masalah beras bukan hal yang sederhana dan sangat sensitif, sehingga penanganannya harus dilakukan secara hati-hati. Kesalahan yang dilakukan dalam kebijakan perberasan akan berdampak tidak saja pada kondisi perberasan nasional tetapi juga pada berbagai bidang lain yang terkait. Oleh sebab itu, dalam sejarah perberasan di Indonesia tidak pernah lepas dari peranan pemerintah yang secara sengaja turut serta dalam mengatur ekonomi perberasan nasional. Peranan beras yang sangat khusus merupakan salah satu alasan pentingnya campur tangan pemerintah terhadap perberasan masih dilakukan. Di Indonesia, kebijakan

 

perberasan sudah diatur dalam Instruksi Presiden (Inpres) No. 2 Tahun 2005, yang tujuan utamanya adalah meningkatkan pendapatan petani, meningkatkan ketahanan pangan dan mengembangkan ekonomi pedesaan.

Di antara banyaknya masalah perberasan di Indonesia, salah satunya adalah masalah yang terkait dengan harga beras dan gabah. Ada trade-off di antara keduanya. Petani selaku konsumen menginginkan harga gabah yang tinggi, namun konsumen menginginkan tingkat harga beras serendah mungkin. Di sinilah peran Pemerintah, khususnya Bulog dalam stabilisasi harga gabah dan beras diperlukan, yaitu mempertahankan harga yang baik di tingkat petani sebagai produsen namun pada saat yang sama juga tidak terlalu memberatkan konsumen.

Namun, peran pemerintah ini diduga semakin melemah. Sejak tahun 1998, spread harga gabah dan beras semakin melebar. Data dari BPS menunjukkan bahwa sebelum tahun 1998, spread harga gabah dan harga beras hanya berkisar Rp 400 per kg (Gambar 1). Namun pada pertengahan tahun 2008, perbedaan harga gabah dan harga beras sudah melebihi Rp 2500 per kg. Tentunya ada faktor-faktor yang menyebabkan mengapa pergerakan kedua harga tersebut memiliki spread yang semakin tinggi. Spread yang tinggi dapat menunjukkan ada inefisiensi dalam hal perdagangan dan pemasaran beras. Oleh karena itu, kajian mengenai faktor-faktor yang mempengaruhi spread harga gabah dan beras tersebut sangat penting untuk dilakukan.

1.2. Perumusan Masalah

Beras merupakan komoditi strategis yang dapat mempengaruhi kestabilan ekonomi, sosial bahkan politik. Komoditi beras masih menjadi salah satu komoditi kunci dalam mempengaruhi kestabilan harga-harga umum. Kenaikan harga beras dapat memicu kenaikan harga barang-barang lain. Oleh karenanya komoditi beras senantiasa menjadi perhatian serius pemerintah. Keseriusan ini dapat dilihat dari besarnya intervensi pemerintah dalam perberasan nasional melalui berbagai kebijakan guna menciptakan stabilisasi harga. Secara umum, tujuan kebijakan pemerintah di bidang harga adalah untuk: (1) membantu meningkatkan pendapatan petani; (2) meningkatkan produksi dan mengurangi ketergantungan impor; dan (3) menjaga daya beli konsumen.

Gambar 1 menunjukkan bahwa harga gabah dan beras nasional periode Januari 1993-Desember 1997 cenderung stabil, yaitu pada rata-rata Rp 900.7 per kg untuk beras dan Rp 443.4 per kg untuk gabah. Namun pada periode berikutnya, harga beras eceran terus meningkat secara signifikan, dari Rp 1391.1 per kg pada Januari 1998 menjadi Rp 2007 per kg pada Juni 1998 (atau meningkat sebesar 44.3 persen), kemudian menjadi Rp 5267 pada Mei 2008 (atau meningkat sebesar 162.4 persen).

Hal yang sama juga terjadi pada harga Gabah Kering Giling (GKG) di tingkat petani. Gabah kering giling didefinisikan sebagai gabah yang mengandung kandungan air maksimum 14 persen, kotoran/hampa maksimum 3 persen, butir hijau/kapur maksimum 5 persen, butir kuning/rusak maksimum 3 persen, dan butir merah maksimum 3 persen. Harga GKG meningkat sebesar 33.2 persen, dari Rp 662.4 per kg pada Januari 1998 menjadi 882.2 per kg pada Juni 1998, kemudian meningkat sebesar 208 persen menjadi Rp 2545 per kg pada Mei 2008. Walaupun terjadi peningkatan yang cukup besar pada periode Juni 1998-Mei 2008, menarik untuk diperhatikan bahwa harga GKG di tingkat petani relatif lebih fluktuatif pada periode Januari 2003-Mei 2008 dibandingkan pada periode Juni 1998-Desember 2002. Hal tersebut juga menyebabkan spread antara harga gabah dan beras pada periode Januari 2003-Mei 2008 lebih fluktuatif dibandingkan dengan periode sebelumnya. Peran pemerintah, khususnya Bulog, dalam melakukan stabilisasi harga pada periode tersebut perlu dipertanyakan, apakah status Bulog sebagai Perum menyebabkan pasar semakin tidak terintegrasi sehingga pemerintah sulit mengontrol harga gabah dan beras.

Secara umum, spread harga gabah dan beras yang semakin membesar sejak tahun 1998 dapat disebabkan oleh tiga faktor. Pertama, spread tersebut dapat disebabkan oleh besarnya biaya yang diperlukan dari proses pembelian gabah di tingkat petani sampai penjualan beras di tingkat eceran. Biaya tersebut meliputi biaya penyimpanan, penjemuran, penggilingan, biaya pengolahan, serta biaya distribusi antar wilayah (transportasi) yang melibatkan banyak pelaku pasar. Sistem pemasaran yang menimbulkan biaya yang tinggi akan berdampak bukan saja mengurangi surplus produsen, tetapi juga akan membebani konsumen.

 

Gambar 1 Harga beras eceran dan gabah kering giling (GKG) di tingkat petani periode Januari 1993-Mei 2008.

Kedua, keterkaitan harga beras di tingkat konsumen dan di tingkat produsen yang bersifat asimetri (Simatupang 2001). Peningkatan harga beras di tingkat konsumen ditransmisikan tidak sempurna dan lambat ke harga gabah di tingkat petani. Sedangkan, penurunan harga beras di tingkat konsumen ditransmisikan sempurna dan cepat ke harga gabah di tingkat petani. Sebaliknya peningkatan harga gabah di tingkat petani ditransmisikan dengan sempurna dan cepat ke harga beras di tingkat konsumen, sedangkan penurunan harga gabah di tingkat petani ditransmisikan dengan tidak sempurna dan lambat ke harga beras di tingkat konsumen. Artinya, fluktuasi harga beras atau gabah cenderung merugikan petani dan konsumen. Kalau pun ada manfaatnya, yang menikmati marjin harga gabah dan beras tersebut adalah pedagang dan pihak penggilingan padi.

Ketiga, kenaikan harga beras internasional juga mendorong terjadinya kenaikan harga beras domestik, sehingga turut memperbesar spread antara harga gabah dan beras domestik. Kenaikan harga beras awalnya dipicu oleh beberapa negara produsen, seperti Thailand, India, Bangladesh, dan Mesir yang melakukan pembatasan ekspor untuk menjamin pengadaan beras domestik dan menjaga harga dalam negeri.

Pasar gabah dan beras kita semakin jauh dari sempurna dan cenderung merugikan petani yang sebagian besar berperan sebagai net consumer. Inilah yang menjadi alasan kuat perlunya intervensi pasar oleh pemerintah. Namun,

0 1000 2000 3000 4000 5000 6000 7000 Jan-93 Se p-93 Me i-94 Jan-95 Se p-95 Me i-96 Jan-97 Se p-97 Me i-98 Jan-99 Se p-99 Me i-00 Jan-01 Se p-01 Me i-02 Jan-03 Se p-03 Me i-04 Jan-05 Se p-05 Me i-06 Jan-07 Se p-07 Me i-08

Harga Beras Eceran Kualitas Sedang (Rp/kg) Harga GKG Tk. Petani (Rp/kg)

bagaimana peran pemerintah melalui Instruksi Presiden (Inpres) mengenai HPP dan lembaga Perum Bulog dalam menciptakan kestabilan harga.

Karena spread harga gabah dan beras ini dapat dipicu dari dua sisi, yaitu dari sisi harga gabah dan dari sisi harga beras. Oleh karena itu, sebelum mengetahui faktor-faktor yang mempengaruhi spread harga tersebut, analisis akan didahului dengan melihat pergerakan harga gabah, harga beras grosir dan eceran, baik di tingkat nasional maupun provinsi, selanjutnya akan dilihat pula bagaimana pola spread harga gabah dan beras tersebut antar pulau dan antar provinsi di Indonesia.

Selanjutnya, kemampuan pemerintah untuk menentukan kebijakan harga gabah dan beras yang tepat juga akan sangat ditentukan oleh tingkat kepahaman para pengambil kebijakan tersebut terhadap struktur, tingkah laku, dan efektivitas pasar gabah dan beras. Salah satu cara untuk memahami struktur, tingkah laku, dan efektivitas pasar tersebut adalah dengan memahami kekuatan relatif suatu pasar serta mekanisme transmisi harga dari satu pasar ke pasar lainnya melalui kajian integrasi pasar.

Berdasarkan uraian di atas, maka permasalahan-permasalahan yang akan dijawab dalam penelitian ini adalah:

1. Bagaimana pergerakan harga beras, baik di tingkat eceran maupun di tingkat pedagang besar, serta harga gabah di tingkat petani?

2. Bagaimana pola spread antara harga gabah dan harga beras, baik antar waktu (time series) maupun antar wilayah (spatial)?

3. Apa saja faktor-faktor yang mempengaruhi spread harga gabah dan harga beras?

4. Bagaimana bentuk integrasi pasar antar wilayah, baik antar pasar beras, maupun antara pasar gabah dan pasar beras di Indonesia?

1.3. Tujuan Penelitian

Tujuan dari penelitian ini adalah sebagai berikut:

1. Menganalisis pergerakan harga beras, baik di tingkat eceran maupun di tingkat pedagang besar, serta harga gabah di tingkat petani.

 

2. Menganalisis pola spread antara harga gabah dan harga beras, baik antar waktu (time series) maupun antar wilayah (spatial).

3. Menganalisis faktor-faktor yang mempengaruhi spread harga gabah dan harga beras.

4. Menganalisis integrasi pasar antar wilayah, baik antar pasar beras, maupun antara pasar gabah dan pasar beras di Indonesia.

1.4. Manfaat dan Ruang Lingkup Penelitian

Hasil penelitian ini diharapkan dapat memberikan informasi bagi pemegang kebijakan yang terkait dengan stabilisasi harga gabah dan beras Indonesia dalam penyusunan kebijakan dan implikasinya yang berguna untuk menciptakan ketahanan pangan, baik secara nasional maupun regional.

Harga beras yang akan dianalisis dalam penelitian ini adalah harga beras kualitas sedang, sementara harga gabah yang digunakan adalah harga Gabah Kering Panen (GKP) di tingkat petani dan di tingkat penggilingan.

Secara time series, pergerakan harga akan dianalisis pada periode Januari 1998-Desember 2008. Secara spasial, pergerakan harga akan dianalisis pada tingkat nasional dan kota-kota besar di Indonesia. Untuk mengidentifikasi integrasi pasar antar wilayah (spasial) dilakukan analisis antar kota besar di Indonesia untuk pasar beras. Sementara, untuk mengidentifikasi integrasi pasar vertikal akan dilakukan analisis antara harga gabah di tingkat petani, harga beras grosir/di tingkat pedagang besar, dan harga beras eceran/di tingkat konsumen.

                       

II.

TINJAUAN PUSTAKA

2.1. Pergerakan Harga dan Intervensi Pemerintah

Perubahan penawaran pangan dengan nilai elastisitas penawaran dan permintaan yang inelastis akan menyebabkan besarnya fluktuasi harga (Nicholson, 2001). Fluktuasi harga komoditas pada dasarnya terjadi akibat ketidakseimbangan antara kuantitas penawaran dan kuantitas permintaan yang dibutuhkan konsumen.

Jika terjadi kelebihan penawaran maka harga komoditas akan turun, sebaliknya harga komoditas akan naik jika terjadi kekurangan penawaran. Dalam proses pembentukan harga tersebut perilaku petani dan pedagang memiliki peranan penting karena mereka dapat mengatur volume penjualannya yang disesuaikan dengan kebutuhan konsumen.

Fluktuasi harga beras seringkali lebih merugikan petani daripada pedagang karena petani umumnya tidak dapat mengatur waktu penjualannya untuk mendapatkan harga jual yang lebih menguntungkan. Terjadinya ketidakstabilan harga gabah dan beras juga dapat dilihat dari dua sisi yang berbeda, yaitu (i) ketidakstabilan antar musim, yaitu musim panen dan musim paceklik; dan (ii) ketidakstabilan antar tahun, karena pengaruh iklim seperti kekeringan atau kebanjiran dan fluktuasi harga beras di pasar internasional yang keduanya relatif sulit diramalkan.

Menurut Ellis (1993), ketidakstabilan harga antar musim terkait erat dengan pola panen, yaitu panen raya yang berlangsung pada bulan Februari–Mei (60-65 persen dari total produksi nasional), panen musim gadu pertama yang berlangsung antara Juni–September (25–30 persen) dan sisanya panen antara bulan Oktober–Januari (5-15 persen). Bila harga gabah dan beras dilepas sepenuhnya kepada mekanisme pasar, maka harga gabah dan beras akan jatuh pada musim panen raya dan meningkat tajam pada musim paceklik (Oktober– Januari).

Ketidakstabilan harga tersebut, dapat memukul produsen pada musim panen, dan sebaliknya memberatkan konsumen pada musim paceklik. Di samping

itu juga akan berakibat luas pada kondisi ekonomi makro khususnya peningkatan inflasi.

Globalisasi juga menyebabkan harga komoditas pertanian di pasar domestik semakin terbuka terhadap gejolak pasar (Simatupang dan Syafa’at, 2002). Dengan perkataan lain, dinamika harga produk domestik dipengaruhi oleh keadaan pada tiga jenis pasar secara simultan, yaitu (1) pasar komoditas internasional, (2) pasar komoditas domestik, dan (3) pasar valuta asing. Artinya intervensi pemerintah untuk kebijakan stabilisasi harga di pasar domestik semakin mengecil.

Menurut Irawan et. al., (2002), pada umumnya harga beras merupakan acuan bagi harga komoditas pangan lainnya dan tingkat upah pertanian, sehingga perubahan harga pangan lain dan upah tenaga kerja cenderung sejalan dengan perubahan harga gabah. Dengan demikian seberapa jauh fluktuasi harga beras mempengaruhi stabilitas ekonomi makro perlu menjadi perhatian, terutama pada kondisi pasar yang derajat liberalisasinya semakin meningkat.

Menurut Tomek dan Robinson (1990), intervensi pemerintah dalam penentuan harga produk pertanian secara umum bertujuan untuk meningkatkan pendapatan petani, menjaga petani kecil dan memperlambat laju urbanisasi, mencukupi konsumsi pangan secara mandiri (self-sufficiency) dan mengurangi kebergantungan terhadap impor, serta mengurangi instabilitas harga dan pendapatan. Namun, banyak ekonom menganggap bahwa intervensi pemerintah untuk menstabilkan harga bukan suatu hal yang baik. Bahkan ada ekonom yang menyatakan bahwa tak mungkin pemerintah dapat menstabilkan harga dalam suatu periode yang panjang (Ravallion, 1986). Atau ada juga yang menyatakan bahwa keuntungan sosial dari stabilisasi harga sangat kecil atau bahkan negatif. Selain tidak bermanfaat, beberapa ahli menyatakan biaya kelembagaan untuk mengadakan pengendalian harga, termasuk korupsi dan kecenderungan yang kuat bahwa kebijakan pengendalian dimanfaatkan oleh kelompok-kelompok istimewa (vested interest) untuk dapat menentukan harga lebih tinggi atau lebih rendah bukan untuk harga sebenarnya, jauh lebih besar daripada manfaat stabilisasi itu sendiri (Anderson dan Hayami, 1986). Kebanyakan literatur ekonomi menilai bahwa skema untuk stabilisasi harga pangan sangat sulit untuk dilaksanakan, tak

 

seimbang dengan biaya yang harus dikeluarkan, dan sangat mungkin dipengaruhi oleh kepentingan-kepentingan khusus.

Namun, kebanyakan negara mengabaikan literatur tersebut, terutama negara-negara Asia. Alasannya didasarkan bahwa rata-rata konsumen masih tergolong miskin dibandingkan negara-negara lain. Menurut Timmer (1992), negara-negara yang paling berhasil menjaga stabilisasi harga adalah negara yang paling berkembang perekonomiannya di dunia. Bila harga pangan tidak berhasilkan dijaga kestabilannya, maka stabilitas politik dan pertumbuhan ekonomi menjadi terancam. Ada perubahan nyata yang luput dari pembahasan para ekonom dan mikro ekonomi yang mendasarkan pandangannya pada model yang dirancang untuk menjelaskan pengaruh harga yang stabil adalah dimensi penting kontribusi stabilitas pada kesejahteraan sosial (Timmer, 1997).

2.2. Pembentukan dan Transmisi Harga 2.2.1. Transmisi Harga

Dinamika jangka pendek harga komoditas pertanian di daerah konsumen pada umumnya memiliki pola yang sama dengan dinamika harga di daerah produsen karena permintaan yang dihadapi petani di daerah produsen merupakan turunan dari permintaan di daerah konsumen. Jika terjadi kenaikan harga di pasar konsumen akibat naiknya permintaan maka pedagang akan meneruskan kenaikan harga tersebut kepada petani sehingga harga di pasar produsen juga mengalami peningkatan. Akan tetapi proses transmisi harga dari pasar konsumen ke pasar produsen tersebut umumnya tidak sempurna dan bersifat asimetris, artinya jika terjadi kenaikan harga di pasar konsumen maka kenaikan harga tersebut diteruskan kepada petani secara lambat dan tidak sempurna, sebaliknya jika terjadi penurunan harga. Pola transmisi harga seperti ini menyebabkan fluktuasi harga di pasar konsumen cenderung lebih tinggi dibanding fluktuasi harga di pasar produsen dan perbedaan fluktuasi harga tersebut akan semakin besar apabila transmisi harga yang terjadi semakin tidak sempurna (Simatupang, 1999).

Dalam pemasaran komoditas pertanian transmisi harga dari pasar konsumen ke pasar produsen yang relatif rendah merupakan salah satu indikator yang mencerminkan adanya kekuatan monopsoni atau oligopsoni pada pedagang.

Hal ini karena pedagang yang memiliki kekuatan monopsoni atau oligopsoni dapat mengendalikan harga beli dari petani sehingga walaupun harga di tingkat konsumen relatif tetap tetapi pedagang tersebut dapat menekan harga beli dari petani untuk memaksimumkan keuntungannya. Begitu pula jika terjadi kenaikan harga di tingkat konsumen maka pedagang dapat meneruskan kenaikan harga tersebut kepada petani secara tidak sempurna, dengan kata lain kenaikan harga yang diterima petani lebih rendah dibanding kenaikan harga yang dibayar konsumen. Pola transmisi harga seperti ini tidak menguntungkan bagi petani karena kenaikan harga yang terjadi di tingkat konsumen tidak sepenuhnya dapat dinikmati petani, sebaliknya jika terjadi penurunan harga.

Dalam jangka panjang harga komoditas cenderung naik akibat naiknya permintaan konsumen. Namun laju kenaikan harga di tingkat konsumen dapat berbeda dengan laju kenaikan harga di tingkat petani, dan tergantung kepada perilaku pedagang dalam melakukan transmisi harga dari konsumen kepada petani. Pada pasar yang bersaing sempurna pedagang akan meneruskan setiap kenaikan harga di tingkat konsumen dengan besaran yang relatif sama kepada petani, dengan kata lain kenaikan harga di tingkat konsumen relatif sama besar dengan kenaikan harga di tingkat petani. Tetapi pada pasar dengan kekuatan monopsoni atau oligopsoni kenaikan harga di tingkat petani akan lebih kecil dibanding kenaikan harga di tingkat konsumen akibat perilaku pedagang yang berusaha memaksimumkan keuntungannya dengan memberikan informasi harga yang tidak sempurna untuk menekan harga beli dari petani.

Variasi transmisi harga tersebut secara umum dipengaruhi oleh dua faktor yaitu:

1. Pertama, adanya kekuatan monopsoni atau oligopsoni pada pedagang sehingga mereka memiliki kekuatan untuk mengendalikan harga beli dari petani atau harga di tingkat produsen. Adanya kekuatan monopsoni pada pedagang menyebabkan kenaikan harga yang terjadi di tingkat konsumen tidak selalu diteruskan kepada petani secara sempurna. Kekuatan monopsoni atau oligopsoni tersebut dapat terbentuk melalui beberapa cara yaitu: (a) kerjasama di antara para pedagang dalam menentukan harga pembelian dari petani, (b) menciptakan hambatan bagi pedagang lain

 

untuk terlibat dalam pemasaran komoditas yang bersangkutan, dan (c) menciptakan ketergantungan petani untuk hanya memasarkan hasil panennya kepada para pedagang tertentu. Cara yang terakhir tersebut biasanya ditempuh pedagang dengan memberikan pinjaman modal atau pinjaman input usahatani kepada para petani dengan kesepakatan petani harus menjual hasil panennya kepada pedagang yang memberikan pinjaman modal.

2. Kedua, rantai pemasaran yang semakin panjang yang memungkinkan terjadinya akumulasi bias transmisi harga yang semakin besar. Rantai pemasaran yang semakin panjang antara lain dapat disebabkan oleh jarak pemasaran yang semakin jauh antara daerah produsen dan daerah konsumen. Jarak pemasaran yang lebih jauh dapat terjadi karena produksi komoditas terkonsentrasi di daerah-daerah tertentu sedangkan daerah konsumennya relatif tersebar dalam lingkup wilayah yang lebih luas.

Transmisi harga tertinggi terjadi pada pemasaran padi dimana sekitar 81 persen kenaikan harga yang terjadi di daerah konsumen diteruskan kepada petani di daerah produsen. Tingginya transmisi harga beras tersebut dapat terjadi akibat dua faktor yaitu : (1) Adanya intervensi pemerintah dalam mengendalikan harga padi melalui kebijakan harga dasar gabah sehingga kekuatan monopsoni/oligopsoni yang dimiliki para pedagang padi dapat ditekan. (2) Karena merupakan bahan pangan pokok maka daerah produsen beras relatif tersebar menurut wilayah sehingga jarak antara daerah produsen dan daerah konsumen relatif dekat.

2.2.2. Efektivitas Pemasaran

Hubungan antara produsen dan konsumen biasanya dijembatani oleh pelaku pemasaran atau pedagang yang mempertemukannya dalam suatu sistem pasar. Ini dilakukan pedagang melalui pemasokan produk menurut tempat, waktu, dan kualitas yang disesuaikan dengan kebutuhan konsumen dan penawaran yang dilakukan petani. Berdasarkan hal tersebut, maka dalam kegiatannya pedagang sebenarnya memiliki dua peran yaitu sebagai konsumen antara yang dihadapi

petani, dan sebagai produsen antara yang dihadapi konsumen. Sebagai konsumen antara pedagang menurunkan permintaan konsumen kepada petani, sedangkan sebagai produsen antara pedagang meneruskan penawaran petani kepada konsumen.

Dalam perdagangan komoditas pertanian umumnya dilibatkan berbagai kelompok pedagang seperti pedagang desa, pedagang kecamatan, pedagang kabupaten, pedagang antar provinsi dan pedagang pengecer di daerah konsumen. Di tingkat desa, sistem pasar yang terbentuk seringkali mengarah pada pasar yang bersifat monopsoni atau oligopsoni (Baharsyah, 1980; Rao dan Subbarao, 1987; Saptana et. al., 2001). Sistem pasar demikian dapat terjadi akibat kurangnya kompetisi di antara pedagang desa akibat jumlah pedagang yang terbatas.

Kalaupun jumlah pedagang yang terlibat cukup banyak tetapi dalam kegiatannya para pedagang tersebut seringkali dikendalikan oleh satu atau beberapa pedagang tertentu. Hal ini menyebabkan terbentuknya sistem pasar monopsoni/oligopsoni yang terselubung dimana walaupun keadaan pasar tampaknya bersaing sempurna karena jumlah pedagang yang banyak tetapi sebenarnya dikuasai oleh pedagang-pedagang tertentu (Azzaino, 1984; Sudaryanto et. al., 1993).

Kondisi pasar seperti disebutkan di atas tidak menguntungkan bagi petani karena harga yang diterima petani akan dikendalikan oleh para pedagang yang memiliki kekuatan monopsoni. Pada kondisi pasar tersebut petani cenderung menerima harga yang rendah akibat perilaku pedagang yang berusaha memaksimumkan keuntungannya. Berdasarkan hal tersebut maka dapat dikatakan bahwa pemasaran komoditas dengan kekuatan monopsoni/oligopsoni tidak efisien karena kepentingan petani sebagai produsen dapat dirugikan.

Sistem pemasaran dikatakan efisien apabila dapat memberikan kepuasan maksimum bagi produsen, konsumen dan pelaku pemasaran dengan penggunaan sumber ekonomi serendah-rendahnya (FEDS Staff, 1992; Hasan, 1986; Saefuddin, 1984; Rhodes, 1993). Secara teoritis, efisiensi pemasaran merupakan maksimisasi rasio antara luaran dan masukan yang digunakan dalam kegiatan pemasaran.

 

Masukan yang dimaksud adalah berbagai sumberdaya ekonomi yang digunakan sedangkan luaran yang diperoleh berupa jasa-jasa pemasaran yang dihasilkan dari pelaksanaan fungsi-fungsi pemasaran yang dilakukan oleh pedagang (penyimpanan, sortasi dan grading, pengemasan, pengangkutan, dan sebagainya). Akan tetapi pengukuran efisiensi pemasaran berdasarkan konsepsi tersebut sulit dilakukan karena jasa-jasa pemasaran yang dilakukan oleh pedagang sulit diukur secara kuantitatif.

Beberapa indikator empirik yang sering digunakan dalam pengkajian efisiensi pemasaran di antaranya adalah marjin pemasaran dan transmisi harga dari pasar konsumen kepada petani atau ke pasar produsen. Sistem pemasaran semakin efisien apabila besarnya marjin pemasaran yang merupakan jumlah dari biaya pemasaran dan keuntungan pedagang semakin kecil. Dengan kata lain, perbedaan antara harga yang diterima petani dan harga yang dibayar konsumen semakin kecil. Adapun transmisi harga yang rendah mencerminkan inefisiensi pemasaran karena hal itu menunjukkan bahwa perubahan harga yang terjadi di tingkat konsumen tidak seluruhnya diteruskan kepada petani, dengan kata lain transmisi harga berlangsung secara tidak sempurna. Pola transmisi harga seperti ini biasanya terjadi jika pedagang memiliki kekuatan monopsoni sehingga mereka dapat mengendalikan harga beli dari petani.

Pada pasar persaingan sempurna selisih antara harga yang dibayar konsumen dan harga yang diterima petani lebih rendah dibanding pada kondisi pasar monopsoni, dengan kata lain, marjin pemasaran akan semakin besar jika terdapat kekuatan monopsoni. Pada kondisi pasar monopsoni transmisi harga dari pasar konsumen kepada petani juga berlangsung secara tidak sempurna. Pola transmisi harga seperti ini menyebabkan korelasi harga di tingkat konsumen dan di tingkat petani akan semakin rendah dan fluktuasi harga di pasar produsen akan lebih rendah daripada di pasar konsumen.

Pada umumnya besarnya marjin pemasaran merupakan indikator yang paling sering digunakan untuk mendeteksi terjadinya inefisiensi pemasaran yang disebabkan oleh kekuatan pasar yang tidak sempurna. Namun perlu digarisbawahi bahwa marjin pemasaran yang tinggi tidak selalu mencerminkan adanya kekuatan monopsoni yang secara teoritis ditunjukkan oleh adanya keuntungan pedagang

yang berlebihan (non zero profit). Hal ini karena besarnya marjin pemasaran tersebut pada dasarnya merupakan total biaya pemasaran yang meliputi biaya operasional pemasaran yang dikeluarkan pedagang (biaya pengangkutan, penyimpanan, sortasi, grading) dan keuntungan pedagang. Sementara biaya operasional yang dikeluarkan pedagang dapat bervariasi menurut komoditas dan tergantung pada sifat kamba (voluminous) komoditas yang dipasarkan, risiko kerusakan dan penyusutan selama proses pemasaran, risiko modal pedagang, dan fungsi-fungsi pemasaran lain yang harus dilakukan pedagang untuk memenuhi preferensi konsumen misalnya sortasi dan grading. Dalam kaitan ini jarak pemasaran antara daerah produsen dan daerah konsumen biasanya memiliki pengaruh signifikan karena akan mempengaruhi besarnya biaya sewa alat pengangkutan, biaya pengepakan, dan tingkat kerusakan selama proses pengangkutan.

Karena sebagai penerima harga maka untuk mendapatkan harga yang lebih menguntungkan petani harus mampu memanfaatkan variasi harga yang terjadi di pasar baik menurut tempat, bentuk produk, waktu maupun kualitas produk. Hal ini berarti bahwa petani harus mampu mengatur pola penawarannya dengan mengatur kegiatan produksinya dan mengatur kegiatan pemasarannya (penyimpanan, sortasi dan grading, outlet pemasaran, dan sebagainya) yang disesuaikan dengan kebutuhan pasar. Namun demikian, akibat berbagai faktor, petani seringkali tidak mampu mengatur pola penawarannya pada pasar yang lebih menguntungkan. Ketidak mampuan petani tersebut antara lain dipengaruhi oleh penguasaan lahan garapan yang sempit, keterbatasan sumber pendapatan nonpertanian, keterbatasan fasilitas kredit, dan keterbatasan sarana transportasi di daerah pedesaan (Rao dan Subbarao, 1987; Utami dan Ihalow, 1993). Di samping itu keterbatasan informasi pasar dan permodalan serta kebutuhan konsumsi yang mendesak sering pula menyebabkan petani tidak mampu mengatur penawarannya untuk mendapatkan harga yang lebih menguntungkan melalui pelaksanaan fungsi-fungsi pemasaran yang memadai (Kasryno, 1984; Irawan, 1986).

Terdapat sejumlah faktor (intrinsik dan eksternal) yang berpengaruh terhadap kinerja pemasaran produk pertanian. Secara intrinsik, faktor yang berpengaruh diantaranya adalah struktur pasar, tingkat integrasi pasar, dan marjin

 

pemasaran. Bentuk pasar yang mengarah kepada pasar monopoli akan berpengaruh terhadap tingkat kompetisi yang akan berdampak terhadap pembentukan harga, transmisi harga, dan bagian harga yang diterima petani. Secara implisit, struktur pasar akan berdampak terhadap kinerja integrasi pasar dan nilai marjin pemasaran. Faktor eksternal yang berpengaruh pada hakekatnya adalah terkait dengan kebijakan pemerintah, seperti pengembangan infrastruktur pemasaran (fisik dan kelembagaan), program stabilisasi harga output, perpajakan dan redistribusi, kebijakan pengembangan produk dan pengolahan hasil pertanian, dan lain-lain.

Pada segmen pasar dan kualitas produk yang sama daya saing suatu komoditas ditentukan oleh kemampuan agribisnis yang bersangkutan dalam biaya serendah mungkin. Walaupun memiliki biaya produksi per unit cukup rendah suatu agribisnis belum tentu berdaya saing tinggi jika biaya pemasaran yang dibutuhkan untuk menyampaikan produk kepada konsumen sangat tinggi. Oleh karena itu upaya meningkatkan daya saing agribisnis seyogyanya tidak hanya ditempuh melalui peningkatan efisiensi produksi untuk menekan biaya produksi per unit produk, tetapi dilengkapi pula dengan upaya peningkatan efisiensi pemasaran dalam rangka menekan biaya pemasaran dari petani kepada konsumen.

Biaya pemasaran komoditas pertanian pada umumnya meliputi lima komponen yaitu: biaya pengangkutan, biaya penyimpanan, biaya sortasi dan grading, biaya risiko usaha dan keuntungan pedagang. Di antara kelima komponen biaya tersebut, biaya pengangkutan biasanya paling besar karena produk pertanian umumnya bersifat kamba (voluminous). Biaya pengangkutan tersebut dapat bervariasi menurut jenis komoditas dan tergantung pada sifat kamba komoditas yang dipasarkan dan jarak pengangkutan dari daerah produsen ke daerah konsumen. Variasi jarak pengangkutan biasanya tidak hanya berpengaruh terhadap besarnya biaya sewa alat pengangkutan saja tetapi juga memiliki pengaruh terhadap komponen biaya pengangkutan lainnya seperti biaya pengepakan, retribusi pengangkutan, risiko kerusakan dan penyusutan volume selama proses pengangkutan.

2.3. Integrasi Pasar

Sifat pasar dan peranannya dalam penentuan harga adalah hal pokok dalam ekonomi. Letak geografis pasar, terutama bagi sektor pertanian sangat relevan karena produk-produk pertanian bersifat amba (bulky) dan atau mudah rusak (perishable), serta area produsen dan konsumen terpisah jauh, sehingga biaya transportasi sangat menentukan. Batas-batas geografis adalah penting dalam mengukur permintaan dan penawaran, pembentukan harga dan struktur kompetisi. Menurut Sexton et. al., (1991), studi-studi tentang ekonomi pasar biasanya berdasarkan definisi dasar dari Cournot dan Marshall yang menyatakan bahwa dua kawasan (regions) dikatakan sama secara ekomoni pasar, jika perbedaan harga barang (homogen) tersebut tepat sesuai dengan besar biaya transportasi (transfer) antar kedua kawasan tersebut. Pernyataan alternatif yang sama untuk semua konsep arbitrase (arbitrage) tersebut, adalah: (1) pasar antar kawasan adalah terintegrasi, dan (2) berlakunya the law of one price (LOP) antar kawasan.

Menurut Ardeni (1989), definisi umum untuk arbitrase komoditi adalah jika harga ekspor ditambah dengan biaya transportasi adalah sama dengan harga impor dalam unit mata uang yang sama, hal ini yang dikatakan sebagai LOP. Kegagalan dua pasar atau lebih untuk berlakunya LOP dapat dijelaskan berdasarkan alasa-alasan berikut: (1) kawasan tidak terikat secara arbitrase, berarti masing-masing kawasan memiliki asar yang autarki, (2) terjadnya halangan untuk arbitrase yang efisien karena hambatan perdagangan, informasi tidak sempurna atau risk aversion, atau (3) terjadinya kompetisi tidak sempurna pada satu atau lebih pasar tersebut (Faminow dan Benson, 1990).

Pada model penawaran di banyak literatur, misalnya pada pasar kayu log, diasumsikan bahwa pasar terintegrasi baik pada tingkat internasional, regional ataupun nasional. Asumsi ini terpenuhi jika harga-harga dalam pasar tersebut memenuhi LOP, akan tetapi asumsi tersebut tidak pernah diuji. Jika pasar tidak terintegrasi secara spasial, agresi tingkat nasional atau regional akan banyak kehilangan informasi spesifik pada pasar individual. Oleh karenanya, inferensia dan kesimpulan yang didapatkan dari analisis pada pasar-pasar tersebut tidak valid/sahih. Jika pasar terintegrasi, kondisi pasar persaingan sempurna (PPS) tidak terpenuhi antar pasar yang tersegmentasi. Jika pasar bukan PPS, mungkin pasar

 

dalam kondisi monopoli, monopsoni, oligopoli atau oligopsoni, dan karenanya kesimpulan yang diturunkan dari asumsi PPS tidak sesuai bagi analisis kebijakan. Struktur suatu pasar dapat dipahami melalui suatu studi integrasi dari setiap pasar dengan menggunakan analisis harga (Nagubadi et. al., 2001)

Tingkat/derajat dan perluasan dari integrasi spasial mempunyai beberapa implikasi terhadap pasar. Hal tersebut dapat memberikan informasi penting sehubungan dengan kekuatan atau kelemahan dari tingkat persaingan di masing-masing pasar (Nagubadi et. al., 2001). Akan tetapi dalam Faminow dan Benson (1990) ditunjukkan bahwa sulit mencari sebab yang spesifik dari kegagalan LOP. Alternatifnya pasar kawasan mungkin terkait melalui oligopoli (oligopsoni) yang independen, di mana perusahaan berkompetisi harga pada kawasan pelayanan yang terbatas.

Metode tradisional untuk studi integrasi pasar adalah berdasarkan korelasi pasangan (bivariate correlation) harga antar wilayah (region). Dalam metode ini, korelasi dan koefisien regresi diduga dari deret data harga spot pada lokasi pasar yang berbeda. Akan tetapi, menurut Ravallion (1986) ada beberapa kelemahan inferensia dari metode ini seperti hubungan harga antar lokasi diasumsikan dalam bentuk fungsi linier dengan sudut kemiringan (slope) yang sama dengan satu (unity). Selanjutnya, Ardeni (1989) berargumen bahwa pendekatan konvensional untuk pengujian integrasi spasial adalah tidak tepat karena mengabaikan sifat-sifat data deret waktu dari data kawasan. Secara spesifik, korelasi serial akan menyebabkan uji empiris integrasi pasar spasial terganggu karena tidak konsisten dan bias. Lebih jauh, analisis penggunaan diferensiasi harga mungkin terganggu karena perbedaan transformasi dan filter yang kurang tepat bagi data deret harga yang digunakan. Di samping itu, ada kemungkinan persamaan regresi yang digunakan semu (spurious).

Menurut Ravallion (1986), integrasi pasar dapat dipisahkan dalam jangka pendek dan jangka panjang untuk model dinamik diferensiasi harga spasial. Dengan demikian, integrasi spasial dan segmentasi pasar dapat ditunjukkan dalam bentuk umum dan diuji dalam bentuk restriksi. Dengan model dinamik dapat diungkap lebih banyak lagi tentang informasi pasar daripada model tradisional

atau konvensional yang bersifat statik, akan tetapi model Ravallion tidak mengakomodasi sifat non stasioner dari deret data harga.

Prosedur alternatif untuk mengevaluasi integrasi pasar spasial telah dikembangkan oleh Engle dan Granger (1987) dengan konsep kointegrasi untuk deret data non stasioner, sebagai contoh Goodwin dan Schroder (1991) melakukan analisis kointegrasi untuk pasar ternak di Amerika Serikat, serta Ismet et. al. (1998) untuk pasar beras di Indonesia. Prosedur kointegrasi secara umum menunjukkan bahwa deviasi dari keseimbangan antara dua variabel ekonomi yang masing-masing non stasioner adalah stasioner. Uji kointegrasi membuktikan, khususnya pada kerangka kerja terjadinya keterkaitan harga jangka panjang di antara pasar dalam kawasan, di samping keterkaitan harga jangka pendek.

Dalam Mohanty et. al. (1996) ditunjukkan bahwa dari pengujian integrasi harga dengan uji kausalitas Granger akan diperoleh hasil yang menyesatkan (misleading). Selain itu, pendekatan dengan model VAR (Vector Autoregression) tampaknya seperti termispesifikasi (misspecified), dan analisis yang dilakukan tersebut terfokus pada sifat dinamik jangka panjang. Selanjutnya, disarankan untuk melihat hubungan harga suatu komoditi dengan menggunakan Error Correction Model (ECM) yang mengakomodasi studi hubungan jangka pendek dan jangka panjang secara simultan, selain itu dapat dilihat informasi apakah ada kepemimpinan harga (price leadership) dan struktur pasar pada tingkat pasar dunia.

Perkembangan lebih lanjut dari aplikasi kointegrasi, seperti prosedur kemungkinan maksimum (maximum likelihood) dari analisis kointegrasi peubah ganda (multivariate analysis), yang mana peneliti dapat melihat cakrawala baru dari penelitian yang dilakukan terhadap mekanisme pasar dari suatu komoditi. Toppinen dalam Nagubadi et. al. (2001) memperlihatkan bahwa hubungan kointegrasi dapat diakomodasikan pada model pasar komoditi kayu log jangka pendek untuk memperoleh informasi penting mengenai pembentukan harga dan kuantitas serta proyeksinya (forecasting).

Kritik yang menarik tentang pengukuran integrasi dan efisiensi pada pasar produk pertanian internasional, dikemukakan oleh Barrett (2001) sebagai berikut: (1) ekonom harus memisahkan antara konsep integrasi dan efisiensi, di mana

 

pengukuran integrasi berdasarkan indikator flow-based dari komoditas yang diperdagangkan (tradeability), sedangkan pendugaan efisiensi berdasarkan uji

price-based dari keseimbangan pasar spasial. (2) pengujian hipotesis nol dari efisiensi pasar menghadapai kendala ketakcukupan data terutama data biaya-biaya perdagangan internasional, hal ini yang menyebabkan hipotesis keseimbangan pada pasar persaingan sempurna (PPS) selalu ditolak, yang mana informasi ini sebagai prasyarat untuk kebijakan peningkatan kesejahteraan, secara empiris uji yang dilakukan hanya pada harga saja, sehingga pengujian ini dengan asumsi yang kuat bahwa biaya-biaya transaksi perdagangan antar dua pasar adalah konstan antar waktu, dan (3) walaupun efisiensi pasar dipenuhi dan keuntungan marjinal untuk arbitrase adalah sama dengan nol, akan tetapi masih ada ketakefisienan sosial yang disebabkan oleh hambatan perdagangan dan besar-besarnya biaya perdagangan.

Menurut Barret (2001), metode analisis harga telah mengalami peningkatan dalam 10-15 tahun terakhir, data deret waktu yang mempunyai masalah otokorelasi atau non stasioner dapat ditanggulangi dengan metode yang mulai diperkenalkan pada akhir tahun 1980. Metode yang banyak digunakan oleh ekonom adalah kointegrasi, kausalitas Granger, dan mekanisme koreksi galat (error correction mechanisms) pada integrasi pasar, hukum satu harga (law of one price/LOP) dan paritas daya beli (purchasing power parity/PPP). Metode tersebut digunakan untuk menguji: (1) adanya hubungan jangka panjang antar harga di dua pasar, (2) adanya hubungan satu atau dua arah untuk kekuatan proyeksi harga pasar, dan (3) penyesuaian dinamik deviasi keseimbangan jangka pendek dari keseimbangan jangka panjang. Metode-metode tersebut mempunyai kelemahan yang fundamental, karena asumsi yang digunakan, yaitu biaya-biaya transaksi perdagangan antara dua lokasi/pasar adalah konstan. Pengujian hipotesis efisiensi pasar tidak dipisahkan dengan pengujian dari kebenaran asumsi tersebut yang mengganggu spesifikasi model.

2.4. Kebijakan Nasional Perberasan 2.4.1. Kebijakan Harga

Kebijakan beras telah melewati tiga fase sejak awal 1970. Pada fase pertama, pemerintah orde baru banyak mengeluarkan anggaran untuk subsidi input, infrastruktur irigasi, penelitian, dan sistem perluasan, yang memberikan percepatan peningkatan pertumbuhan produksi beras (McCulloch dan Timmer, 2008). Berakhirnya masa emas produksi minyak di awal tahun 1980 menyebabkan perubahan yang besar pada kebijakan beras. Pemerintah tidak dapat lagi menggantungkan pembiayaan sektor beras dari penerimaan minyak. Akibatnya, pertumbuhan produksi beras melambat dan relatif konstan sampai pada krisis ekonomi tahun 1998. Impor beras dihapuskan dan sejak tahun 1999, stabilisasi harga dilakukan melalui perdagangan swasta (private trade). Harga beras cenderung stabil, namun krisis ekonomi dan desentralisasi menyebabkan penurunan anggaran pemerintah untuk input dan jasa yang diperlukan untuk mendorong produksi beras. Fase saat ini, mulai tahun 2004, ditandai dengan dihilangkannya peranan impor dari mekanisme stabilisasi harga. Akibatnya, selama musim panen harga beras rendah, sementara selama musim paceklik harga beras tinggi.

Sejak kemerdekaannya di tahun 1945, setiap rejim pemerintah berusaha menyeimbangkan harga beras. Di satu sisi pemerintah berusaha agar harga beras tetap rendah bagi konsumen dan di sisi lain memberikan pendapatan tinggi bagi petani padi. Pada saat yang sama sektor pertanian –terutama padi– didorong dan dijadikan mesin penggerak ekonomi. Inilah tujuan tetap yang berusaha dicapai pemerintah. Namun kebijakan untuk mencapai tujuan yang berpotensi bertolak belakang tersebut, selalu berubah dari waktu ke waktu.

Kebijakan meningkatkan produksi padi di Indonesia dimulai secara sistematis pada tahun 1967. Kebijakan pertanian bertujuan meningkatkan produksi melalui ekstensifikasi dan intensifikasi. Ekspansi area persawahan dilakukan dengan dukungan pengembangan infrastruktur dan irigasi, namun saat ini pengembangan tersebut dihentikan karena secara teknis –jika program ekstensifikasi dilanjutkan– akan memakan biaya sangat besar. Program intensifikasi pertanian meliputi penggunaan varietas unggul, promosi penerapan

 

sistem pertanian dan penanganan pasca panen yang lebih efisien untuk mengurangi hilangnya sebagian hasil panen. Untuk membantu petani melaksanakan program intensifikasi, pemerintah menyediakan subsidi bibit, pupuk, kredit berbunga rendah dan harga pengadaan (procurement price) untuk maksimal 5 persen produksi gabah.

Penerapan kebijakan pertanian dilakukan berdampingan dengan kebijakan ketahanan pangan dan kebijakan konsumen yang bertujuan untuk mendiversifikasi pola konsumsi penduduk Indonesia termasuk mengurangi konsumsi beras. Kebijakan menurunkan konsumsi beras dilakukan dengan mengkampanyekan secara luas diversifikasi pangan, termasuk mempromosikan makanan pokok alternatif seperti mie dan menurunkan ketergantungan terhadap beras impor dan bahan pangan lain melalui peningkatan konsumsi produk dalam negeri.

Kebijakan beras di Indonesia sejak tahun 1967 terdiri dari tiga fase.

Tahun 1967-1996 adalah fase pertama saat pemerintah mengendalikan pasar beras dalam negeri dengan melakukan intervensi pasar dalam rangka mendorong produksi padi dan menjaga stabilitas harga. Intervensi dilakukan dengan cara mengelola persediaan beras nasional melalui BULOG (Badan Usaha Logistik), lembaga pemerintah yang bertanggung jawab mengelola logistik. Saat itu, impor diatur dengan ketat melalui kebijakan pengendalian impor dan tarif serta bertujuan menutup kesenjangan antara produksi dan konsumsi nasional. Pada tahun 1984 Indonesia mencapai swasembada pangan dan pada tahun 1985-1987 murni menjadi pengekspor beras. Setelah masa tersebut Indonesia kembali menjadi negara pengimpor beras murni.

Tahun 1997-2001, pemerintah Indonesia meliberalisasi pasar beras, memprivatisasi BULOG dan menghapuskan hambatan perdagangan. Semua ini dilakukan oleh pemerintah atas desakan World Bank dan IMF yang memaksa pemerintah menandatangani surat perjanjian (Letter of Intent/LOI) sebagai usaha untuk keluar dari dampak dari krisis ekonomi Asia. Selama kurun waktu tersebut swasembada pangan Indonesia menurun, ketergantungan terhadap beras impor meningkat, dan harga di tingkat konsumen dan produsen beras menjadi tidak stabil.

Variance Decomposition of HBEPLG:

Period S.E. HBEJKT HBESRBY HBEBDG HBESMRG HBEMKS HBELPG HBEPLG HBEMDN HBEPDG HBEDPSR HBEMTRM HBEPNTK

1 0.038449 6.995424 0.531340 0.310476 0.681168 8.964033 1.060568 81.45699 0.000000 0.000000 0.000000 0.000000 0.000000 2 0.057418 9.473960 0.876057 1.409930 3.990679 9.408175 4.446204 66.38472 0.036677 2.114958 0.006324 0.262885 1.589426 3 0.071038 11.10725 1.558880 1.701121 5.112847 9.745454 4.024526 61.23395 0.042001 2.685916 0.005817 0.660652 2.121584 4 0.083314 12.01690 1.904345 1.758776 5.473889 10.09594 3.784133 59.10143 0.042699 2.582442 0.033749 0.738078 2.467613 5 0.094286 12.72372 2.173638 1.814333 5.812520 10.08906 3.634165 57.57562 0.050649 2.560656 0.038597 0.744479 2.782564 6 0.104143 13.17797 2.373108 1.818798 6.007310 10.05117 3.492179 56.70405 0.055777 2.545422 0.040643 0.743286 2.990278 7 0.113166 13.48174 2.504517 1.815747 6.131369 10.03105 3.397347 56.13312 0.058898 2.525724 0.042302 0.738548 3.139637 8 0.121513 13.71079 2.599064 1.816073 6.226278 10.01549 3.330003 55.69988 0.061549 2.513754 0.043319 0.736387 3.247413 9 0.129315 13.88800 2.670672 1.817551 6.299485 10.00702 3.279603 55.36210 0.063845 2.505124 0.044260 0.736357 3.325980 10 0.136670 14.02850 2.726765 1.819406 6.358195 10.00232 3.240536 55.09087 0.065759 2.498380 0.045060 0.736771 3.387437 11 0.143651 14.14263 2.772382 1.820903 6.405777 9.998506 3.208545 54.87060 0.067288 2.492887 0.045698 0.736968 3.437811 12 0.150310 14.23710 2.810305 1.821950 6.444786 9.994809 3.181780 54.68950 0.068518 2.488202 0.046210 0.736891 3.479951

Variance Decomposition of HBEMDN:

Period S.E. HBEJKT HBESRBY HBEBDG HBESMRG HBEMKS HBELPG HBEPLG HBEMDN HBEPDG HBEDPSR HBEMTRM HBEPNTK

1 0.027202 15.59678 0.114455 0.173275 1.455783 4.324549 2.367949 2.928141 73.03907 0.000000 0.000000 0.000000 0.000000 2 0.042898 18.95198 0.608405 0.075088 1.214182 7.879275 1.148166 1.542177 67.52567 0.256304 0.255614 0.121411 0.421730 3 0.055960 23.50469 0.725831 0.044800 0.716346 9.251410 0.683227 2.003413 60.87454 0.150966 0.340408 0.137051 1.567313 4 0.067943 27.36530 0.605738 0.043459 0.487320 8.580107 0.466880 2.595160 56.30484 0.106360 0.502601 0.386527 2.555713 5 0.078449 29.57267 0.498276 0.036033 0.365757 7.835013 0.350222 3.045001 53.83749 0.092997 0.670630 0.601901 3.094009 6 0.087662 30.77064 0.440445 0.029026 0.293052 7.371963 0.280479 3.376340 52.38436 0.086296 0.794427 0.754245 3.418725 7 0.095945 31.53706 0.409545 0.024296 0.245128 7.075373 0.234178 3.596147 51.42412 0.081963 0.882545 0.856937 3.632707 8 0.103550 32.09267 0.390353 0.021041 0.210983 6.867770 0.201154 3.738384 50.75924 0.079099 0.944487 0.924393 3.770422 9 0.110630 32.51318 0.376802 0.018727 0.185261 6.715177 0.176408 3.834716 50.27738 0.077182 0.989774 0.970872 3.864521 10 0.117283 32.84041 0.366323 0.016956 0.165181 6.598220 0.157128 3.907269 49.90468 0.075769 1.024770 1.006241 3.937054 11 0.123579 33.10274 0.357717 0.015522 0.149091 6.504418 0.141655 3.966978 49.60165 0.074593 1.052928 1.035375 3.997332 12 0.129572 33.31816 0.350480 0.014333 0.135915 6.426623 0.128963 4.017421 49.35026 0.073602 1.076197 1.059965 4.048079

Variance Decomposition of HBEPDG:

Period S.E. HBEJKT HBESRBY HBEBDG HBESMRG HBEMKS HBELPG HBEPLG HBEMDN HBEPDG HBEDPSR HBEMTRM HBEPNTK

1 0.062203 16.98307 0.601920 0.175893 1.222668 0.547386 0.063753 0.233807 0.371149 79.80036 0.000000 0.000000 0.000000 2 0.095454 21.78073 0.369568 1.281766 3.133000 0.310932 0.048961 2.102596 2.184988 67.21407 0.000484 1.243600 0.329309 3 0.119549 24.35955 0.631410 1.040306 4.217848 0.204903 0.035645 3.329680 2.794480 60.33634 0.055429 1.943484 1.050922 4 0.140459 24.78890 0.788616 0.796185 4.237508 0.153511 0.084385 4.577583 2.780758 57.40565 0.114965 2.594342 1.677593 5 0.158972 25.03116 0.838489 0.649610 4.184945 0.127153 0.099987 5.427057 2.729102 55.65105 0.148999 3.047751 2.064697 6 0.175236 25.30389 0.863435 0.568062 4.182975 0.112844 0.102444 5.850441 2.751987 54.59075 0.171969 3.271569 2.229635 7 0.189880 25.51351 0.870317 0.516900 4.203471 0.100318 0.100897 6.079189 2.797886 53.95210 0.184034 3.381581 2.299807 8 0.203440 25.66884 0.872221 0.480951 4.224060 0.089759 0.099190 6.233044 2.833485 53.49955 0.191595 3.455282 2.352022 9 0.216200 25.79038 0.875478 0.452843 4.237224 0.081576 0.098606 6.358953 2.855595 53.13247 0.197579 3.518107 2.401195 10 0.228287 25.88692 0.879898 0.429782 4.244944 0.075337 0.098596 6.467275 2.870322 52.82578 0.202746 3.573463 2.444933 11 0.239774 25.96453 0.884020 0.410661 4.250538 0.070428 0.098683 6.558299 2.881942 52.57226 0.207216 3.620214 2.481204 12 0.250729 26.02815 0.887255 0.394747 4.255229 0.066378 0.098713 6.633616 2.891900 52.36376 0.210965 3.658693 2.510596

Variance Decomposition of HBEDPSR:

Period S.E. HBEJKT HBESRBY HBEBDG HBESMRG HBEMKS HBELPG HBEPLG HBEMDN HBEPDG HBEDPSR HBEMTRM HBEPNTK

1 0.031208 29.14676 13.08722 2.084815 3.121026 0.135624 0.753870 1.330649 0.205326 0.326522 49.80819 0.000000 0.000000 2 0.051674 30.39145 23.45107 2.284124 6.420483 0.920384 0.680016 0.977979 1.907067 0.160327 32.06624 0.182455 0.558404 3 0.066896 28.05623 27.29725 1.402722 7.322401 1.180901 1.589648 2.354907 1.952728 0.146241 26.40608 0.753739 1.537148 4 0.079757 26.24243 28.62632 0.996785 7.088953 1.291536 2.152604 4.060085 1.640439 0.211256 23.51140 1.466033 2.712155 5 0.090788 25.41577 29.27159 0.775356 6.921284 1.438699 2.429977 4.996165 1.469177 0.248770 21.86998 1.864340 3.298899 6 0.100246 25.04178 29.72613 0.636722 6.902150 1.528944 2.548449 5.390199 1.422237 0.264934 21.07922 1.996832 3.462408 7 0.108656 24.82443 30.04731 0.541982 6.955980 1.559992 2.605675 5.553554 1.418905 0.273374 20.67634 2.031511 3.510946 8 0.116447 24.66853 30.27730 0.471941 7.004494 1.567638 2.650413 5.658512 1.415139 0.280401 20.39933 2.051104 3.555194 9 0.123817 24.54661 30.45001 0.417458 7.031043 1.573331 2.690060 5.755657 1.405837 0.286798 20.15926 2.076123 3.607817 10 0.130817 24.44683 30.58750 0.373981 7.045226 1.581786 2.723961 5.845223 1.395794 0.291927 19.94704 2.103001 3.657733 11 0.137467 24.36342 30.70041 0.338672 7.055102 1.590722 2.751961 5.921775 1.387454 0.295948 19.76934 2.126521 3.698680 12 0.143802 24.29382 30.79419 0.309491 7.063830 1.598297 2.774801 5.984481 1.380975 0.299225 19.62450 2.145351 3.731042

Variance Decomposition of HBEMTRM:

Period S.E. HBEJKT HBESRBY HBEBDG HBESMRG HBEMKS HBELPG HBEPLG HBEMDN HBEPDG HBEDPSR HBEMTRM HBEPNTK 1 0.050018 18.36594 5.267726 0.489028 5.247871 1.810936 2.129904 0.717207 8.908174 0.060888 5.727651 51.27468 0.000000 2 0.078921 21.75516 6.748001 0.302052 10.15668 1.675946 0.865907 0.375436 11.85082 2.297405 2.462253 41.28704 0.223297 3 0.096523 20.45722 7.149025 0.638751 10.34092 1.486855 1.028850 0.269017 13.35934 2.370091 1.661138 41.08905 0.149737 4 0.110210 19.86429 6.731216 0.879065 10.39264 1.245874 0.931773 0.208446 13.99905 2.333359 1.333208 41.96492 0.116155 5 0.122393 19.74278 6.459962 0.905106 10.48646 1.115570 0.849915 0.204698 14.53810 2.371478 1.117303 42.11419 0.094434 6 0.133434 19.70827 6.273080 0.908668 10.57387 1.019823 0.791206 0.216682 15.01287 2.406441 0.978634 42.02548 0.084965 7 0.143646 19.67441 6.137116 0.908205 10.65140 0.944632 0.745722 0.226249 15.36309 2.431895 0.877932 41.96243 0.076918 8 0.153216 19.64697 6.041103 0.911924 10.70037 0.888706 0.715671 0.228414 15.59725 2.449073 0.799434 41.95204 0.069045 9 0.162249 19.62645 5.970364 0.917531 10.72708 0.846927 0.693776 0.226504 15.76423 2.459440 0.736952 41.96839 0.062350 10 0.170811 19.60899 5.913700 0.922482 10.74713 0.814507 0.675915 0.224556 15.89835 2.468044 0.686284 41.98305 0.056986 11 0.178956 19.59318 5.866067 0.926472 10.76493 0.787843 0.660882 0.223534 16.01238 2.475884 0.644751 41.99134 0.052729 12 0.186739 19.57959 5.825348 0.929575 10.78093 0.765181 0.648084 0.223117 16.10984 2.482697 0.610184 41.99621 0.049246

Variance Decomposition of HBEPNTK:

Period S.E. HBEJKT HBESRBY HBEBDG HBESMRG HBEMKS HBELPG HBEPLG HBEMDN HBEPDG HBEDPSR HBEMTRM HBEPNTK

1 0.043227 4.042819 0.004989 0.474283 6.086382 8.714815 4.934496 0.674186 0.463614 2.742163 1.247328 0.006606 70.60832 2 0.063292 13.89868 0.568431 1.612692 6.274586 8.378477 2.302388 0.316291 0.333314 4.025427 1.961906 1.048084 59.27972 3 0.081461 19.92211 0.729064 2.838115 6.842841 9.034522 1.721686 0.242421 1.264001 4.512446 3.178662 2.125712 47.58842 4 0.097909 22.77833 0.849589 3.611449 7.753054 9.293803 1.443363 0.357364 2.094719 4.222332 3.396310 2.730141 41.46955 5 0.112280 24.40194 0.982750 3.776268 8.025184 9.492279 1.184441 0.309285 2.382000 4.132795 3.460916 2.799448 39.05269 6 0.125280 25.57372 1.113338 3.783252 8.064339 9.442350 1.001307 0.249124 2.470264 4.117602 3.431456 2.650197 38.10305 7 0.137026 26.46571 1.223473 3.767531 8.079502 9.302503 0.874649 0.208360 2.532112 4.097353 3.380291 2.515137 37.55338 8 0.147731 27.10867 1.296851 3.758766 8.099201 9.206540 0.787718 0.179259 2.593030 4.081318 3.347483 2.434511 37.10666 9 0.157669 27.57589 1.342806 3.760423 8.121640 9.156807 0.725303 0.157670 2.646241 4.068704 3.329025 2.388849 36.72665 10 0.167022 27.93538 1.375516 3.766235 8.140264 9.127853 0.677131 0.141041 2.688500 4.058606 3.317304 2.358010 36.41415 11 0.175891 28.22544 1.402155 3.771706 8.154413 9.104804 0.638167 0.127654 2.721601 4.050394 3.307955 2.332424 36.16329 12 0.184341 28.46533 1.424981 3.775489 8.165466 9.083704 0.605860 0.116582 2.748140 4.043521 3.299549 2.309787 35.96159

Lampiran 4

Hasil estimasi VECM pada model pasar beras grosir antar

pelabuhan besar di Indonesia

Vector Error Correction Estimates

Date: 02/24/10 Time: 02:10

Sample (adjusted): 2001M03 2008M12

Included observations: 94 after adjustments

Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq:

CointEq1

CointEq2

HBGJKT(-1)

1.000000

0.000000

HBGSRBY(-1)

0.000000

1.000000

HBGMDN(-1) -1.066920

-1.030380

(0.21644)

(0.17311)

[-4.92938]

[-5.95212]

HBGMKS(-1) -0.300596

-0.076683

(0.11334)

(0.09065)

[-2.65224]

[-0.84594]

C

10.44592

6.288212

Error Correction:

D(HBGJKT) D(HBGSRBY) D(HBGMDN) D(HBGMKS)

CointEq1

-0.364262

0.005230

0.109917

0.143250

(0.10000)

(0.06921)

(0.09437)

(0.10567)

[-3.64274]

[ 0.07556]

[ 1.16474]

[ 1.35559]

CointEq2

0.349843 -0.172716

0.252185

0.063670

(0.10966)

(0.07590)

(0.10349)

(0.11589)

[ 3.19014]

[-2.27557]

[ 2.43673]

[ 0.54940]

D(HBGJKT(-1))

0.300088

0.097580

0.127041

0.262780

(0.12140)

(0.08402)

(0.11456)

(0.12829)

[ 2.47199]

[ 1.16139]

[ 1.10890]

[ 2.04837]

D(HBGSRBY(-1)) -0.091761

0.196186

-0.117877

-0.043835

(0.15499)

(0.10727)

(0.14626)

(0.16378)

[-0.59206]

[

1.82894]

[-0.80591]

[-0.26764]

D(HBGMDN(-1))

0.063608 -0.101261 -0.224070

0.018536

(0.10512)

(0.07275)

(0.09920)

(0.11109)

[

0.60511] [-1.39182] [-2.25868] [

0.16686]

D(HBGMKS(-1))

0.114939 -0.028433

0.118058 -0.098587

[ 1.19573]

[-0.42738]

[ 1.30141]

[-0.97052]

C

0.038501

0.002420

0.023751

0.074630

(0.15153)

(0.10487)

(0.14300)

(0.16013)

[ 0.25409]

[ 0.02308]

[ 0.16609]

[ 0.46606]

R-squared

0.195137

0.110818

0.340774

0.168244

Adj. R-squared

0.139629

0.049495

0.295311

0.110881

Sum sq. resids

186.5535

89.36407

166.1505

208.3379

S.E. equation

1.464341

1.013496

1.381946

1.547478

F-statistic

3.515483

1.807114

7.495507

2.932990

Log likelihood

-165.5951

-131.0031

-160.1514

-170.7859

Akaike AIC

3.672237

2.936237

3.556412

3.782680

Schwarz SC

3.861631

3.125631

3.745807

3.972074

Mean dependent

0.062984

0.017083

0.028662

0.081380

S.D. dependent

1.578699

1.039548

1.646237

1.641136

Determinant resid covariance (dof adj.)

7.375654

Determinant resid covariance

5.412104

Log likelihood

-612.8869

Akaike information criterion

13.80610

Lampiran 5

Hasil estimasi VECM pada model pasar vertikal beras nasional

Vector Error Correction Estimates Date: 02/24/10 Time: 02:13

Sample (adjusted): 2001M03 2008M12 Included observations: 94 after adjustments Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq: CointEq1

GKPNAS(-1) 1.000000

HBGNAS(-1) -0.596593

(0.32470)

[-1.83738] HBENAS(-1) -0.620153

(0.33641)

[-1.84345]

C 1.476989

(0.24437)

[ 6.04395]

Error Correction: D(GKPNAS) D(HBGNAS) D(HBENAS) CointEq1 -0.217452 0.126750 0.165381

(0.14386) (0.05294) (0.05117) [-1.51159] [ 2.39444] [ 3.23172]

D(GKPNAS(-1)) 0.285881 -0.022652 0.060204 (0.15070) (0.05545) (0.05361)

[ 1.89697] [-0.40848] [ 1.12300] D(HBGNAS(-1)) 0.460860 -0.147384 0.194991

(0.34396) (0.12657) (0.12236) [ 1.33987] [-1.16447] [ 1.59363] D(HBENAS(-1)) -0.736501 0.419985 -0.055115

(0.39622) (0.14580) (0.14095)

[-1.85883] [ 2.88062] [-0.39103]

R-squared 0.074667 0.245693 0.266174 Adj. R-squared 0.043823 0.220549 0.241713 Sum sq. resids 0.281862 0.038165 0.035668 S.E. equation 0.055962 0.020593 0.019908 F-statistic 2.420766 9.771603 10.88163 Log likelihood 139.6726 233.6488 236.8288 Akaike AIC -2.886650 -4.886145 -4.953805 Schwarz SC -2.778425 -4.777919 -4.845580 Mean dependent 0.005588 0.001553 0.001362 S.D. dependent 0.057231 0.023325 0.022861 Determinant resid covariance (dof adj.) 1.98E-10

Determinant resid covariance 1.74E-10

Log likelihood 656.1700

Akaike information criterion -13.62064 Schwarz criterion -13.18774