ANALISIS INTEGRASI DAN VOLATILITAS HARGA BERAS REGIONAL ASEAN TERHADAP PASAR BERAS INDONESIA
Hasan Basri Tarmizi, Safaruddin: Pengaruh Sistem Integrasi…
ANALISIS INTEGRASI DAN VOLATILITAS HARGA BERAS REGIONAL ASEAN TERHADAP PASAR BERAS INDONESIA Edi*, Sirojuzilam**,Rahmanta**
- Mahasiswa Program Studi PWD SPs USU,Kementan RI Jakarta **Dosen PWD SPs USU
Abstract: This study is aimed at studying the competitiveness, rice market integration and rice price volatility Indonesia, Philippines, Thailand and Vietnam.
Method of quantitative analysis with approach Revealed Comparative Advantages (RCA) model, Cointegration Vector Autoregression models (VAR) and analysis of rice price volatility. Here are the results of the study: Trend spesialization coeficien (TSC) rice trade consists of net importers (Indonesia and Philippine ) and net exporters (Thailand and Vietnam). Indonesia and the Philippines segmented market (not integrated). The Thailand market is integrated with the Philippines. Vietnam is integrated with the Indonesian market. Granger Causality Southeast Asian regional market indicate the direction of government intervention in rice. Impulse response function (IRF) of short, medium and long-term Thailand and Vietnam rice price increase to Indonesia rice prices, the Philippines and Vietnam as well as decrease price of Thailand rice one standard deviation unit. Variance decomposition (VD) price of rice Indonesia, Philippines, Thailand and Vietnam provide shock with different levels of shocks. The medium rice price is more volatile than low quality and premium rice. Indonesian rice prices more volatile than the rice price Philippines, Thailand and Vietnam.
Abstrak: Penelitian ini mengkaji daya saing, integrasi pasar beras dan volatilitas
harga beras Indonesia, Philipina, Thailand dan Vietnam. Metode analisis kuantitatif dengan pendekatan model Revealed Comparative Advantages(RCA), model kointegrasi Vector Autoregression(VAR) dan analisis volatilitas harga beras. Berikut hasil penelitian: Trend spesialization coeficien (TSC) perdagangan beras terdiri dari net importir (Indonesia dan Philipina) dan net eksportir (Thailand dan Vietnam). Pasar Indonesia dan Philipina tersegmentasi (tidak terintegrasi). Pasar Thailand terintegrasi dengan Philipina. Pasar Vietnam terintegrasi dengan Indonesia. Granger Causality pasar regional Asia Tenggara searah menunjukkan adanya intervensi pemerintah terhadap komoditas beras.Impulse response function
(IRF) jangka pendek, sedang dan panjang harga beras Thailand dan Vietnam
meningkatkan harga beras Indonesia, Philipina dan Vietnam serta menurunkan harga beras Thailand satu satuan standar deviasi. Variance decomposition (VD) harga beras Indonesia, Philipina, Thailand dan Vietnam memberikan guncangan (shock) dengan tingkatan guncangan yang berbeda. Harga beras medium lebih volatile dibanding harga beras premium dan kualitas rendah. Harga beras Indonesia lebih volatile dibanding harga beras Philipina, Thailand dan Vietnam.
Kata kunci: harga beras, daya saing, integrasi pasar PENDAHULUAN diantaranya Thailand, Vietnam, dan India.
Beras merupakan pangan pokok Permasalahan perberasan di negara-negara strategis bagi masyarakat yang tidak Asia seringkali menimbulkan goncangan tergantikan dengan pangan lain khususnya dan instabilitas, sehingga lahir berbagai di Asia. Negara penghasil utama beras di kebijakan pemerintah dalam rangka Asia adalah Thailand, Vietnam, India, melindungi petani dan konsumen. Pakistan, Indonesia dan China, sedangkan Menurut Tambunan (2003), daya negara mengalami surplus produksi dan saing suatu komoditas ekspor suatu negara menjadi eksportir utama beras dunia, atau industri dapat dianalisis dengan
Jurnal Ekonom, Vol 17, No 2, April 2014
Integrasi pasar model Vector
Sanogo (2008), integrasi pasar didefinisikan sebagai daya jual atau adanya persaingan antara pasar. Definisi ini mencakup proses keseimbangan pasar (spasial equilibrium) dimana permintaan, penawaran, dan biaya transaksi di pasar yang berbeda secara bersama-sama menentukan harga dan alur perdagangan, serta transmisi guncangan harga dari satu pasar ke pasar lain, atau kedua-duanya. Integrasi pasar spasial secara konseptual sebagai daya jual yang hanya konsisten dengan efisiensi pasar ketika harga seimbang di seluruh pasar saat terjadi perdagangan. Teknik ini berasumsi bahwa jika pasar terintegrasi, perubahan harga di satu pasar akan ditransmisikan satu persatu ke pasar basis lainnya saat itu juga. Dalam prakteknya, teknik untuk menguji pergerakan harga bersama dilakukan dengan uji Granger-Causality dan Integrasi
timbal balik, yaitu Kontagora granger cause Sabonwuse dan sebaliknya dan hubungan searah pasar Bida granger cause Sabonwuse (tidak berlaku sebaliknya).
causality menunjukkan terjadi hubungan
satu pasar akan mempengaruhi pasar lainnya. Kaltalioglu dan Soytas (2011), terjadi hubungan kontemporer antara indeks harga produsen pertanian dan minyak dunia, tetapi tidak ada hubungan antara ketiga variabel. Varela, Aldaz- Carrol dan Iacovone (2012), beras dan gula mempunya derajat integrasi pasar yang tinggi dan perbedaan harga berkisar antara 5-12 persen. Jagung, kedelai dan minyak goreng mempunyai derajat integrasi pasar rendah dan perbedaan harganya tinggi berkisar antara 16-22 persen. Integrasi pasar antar provinsi ditentukan oleh jarak dan infrastruktur. dan Debaniyu (2013), integrasi pasar kacang tunggak (cowpea) terintegrasi dalam jangka panjang secara spasial antara pasar Kontagora terhadap Sabonwuse dan pasar Bida terhadap Sabonwuse. Hasil granger
Directional ). Perubahan harga beras di
Rapsomanikis dan Mugera (2008), pasar India di pasar dunia menghasilkan efek sebab akibat dua arah (Causal Bi-
digunakan diantaranya adalah Ravallion (1986) untuk integrasi jangka pendek atau terhadap beberapa lag (integrasi jangka panjang). Irawan dan Rosmayanti (1997), stabilisasi pasar beras Kota Bengkulu, pasar beras Kota Bengkulu ditransmisikan ke pasar-pasar kabupaten lainnya kecuali ke pasar Kabupaten Rejang Lebong dan integrasi pasar vertikal Kota Bengkulu dan Kabupaten Bengkulu Selatan tidak sempurna. Gonzales-Rivera dan Helfand (2001), derajat integrasi merupakan fungsi biaya transaksi yang berhubungan dengan aliran barang, informasi modal fisik dan modal sumberdaya manusia. Simbolon (2005), terjadi integrasi antara pasar beras domestik dengan pasar beras dunia dengan derajat integrasi yang berbeda menurut varietas atau jenis beras. Nga dan Lantican (2006), terjadi 9 dari 34 pasar beras terintegrasi dan harga ditransmisikan dengan baik antara pasar beras.
Autoregression (VAR) dan Vector Error Correction Model (VECM) telah luas
dalam Schwab dan i-Martin (2013), pilar ke-6 adalah “Goods Market Efficiency” Persaingan pasar yang sehat, baik domestik maupun internasional, penting dalam mendorong efisiensi pasar, produktivitas, menghasilkan barang yang
berbagai macam metode atau diukur dengan sejumlah indikator. Salah satu diantaranya adalah Revealed Comparative
Competitiveness Report 2013/2014 ” di
saing berkelanjutan. Penelitian daya saing dilakukan oleh Hadi dan Mardianto (2004) tentang Analisis Komparasi Daya Saing Produksi Ekspor Pertanian Antar Negara Asia Tenggara. Menurut “The Global
Advantage (SCA) atau keunggulan daya
Tingkat daya saing suatu negara sesungguhnya juga dipengaruhi oleh apa yang disebut Sustainable Competitive
(RCA) , masing-masing produk ekspor.
lebih rinci komoditas Indonesia yang bersaing dengan negara-negara lain di pasar dunia, dapat diukurdengan konsep Balassa (1965) yang juga diadopsi oleh Riaz and Jansen (2012) diukur denganRevealed Comparative Advantage
Effective Exchange Rate . Guna melihat
metode Constant Market Share dan Real
Advantage (RCA) . Dapat dilakukan dengan
Goletti, Ahmed dan Farid (1994) dalam Anindita (2004) menyatakan bahwa pasar-pasar dapat terintegrasi atau tidak
Edi, Sirojuzilam, Rahmanta : Analisis Integrasi dan Volatilitas…
Metode Analisis
Perdagangan internasional mencerminkan perbedaan faktor pendukung negara yang didasarkan pada
a.
volatilitas harga beras Thailand, beras Vietnam, beras Vietnam dan beras Indonesia serta pembahasan hasil pengolahan data dilakukan analisis secara deskriptif.
Granger . Sedangkan untuk analisis
generalisasi dari metodologi uji kausalitas
(VAR) . Uji kausalitas VAR merupakan
dan untuk menguji ko-integrasi pasar digunakan model Vector Autoregression
Revealed Comparative Advantages (RCA)
Metode analisis yang digunakan adalah metode deskriptif dan metode kuantitatif. Metode kuantitatif dilakukan dengan menggunakan pendekatan model
Integrasi pasar beras Asia Tenggara menggunakan data beras dari beberapa negara terpilih, yaitu Harga Beras Thailand, Vietnam, Philipina dan Indonesia. Alasan memilih ke empat negara Asia Tenggara tersebut adalah dengan mempertimbangkan berdasarkan status sebagai negara pengekspor (Thailand dan Vietnam) dan pengimpor (Philipina dan Indonesia). Data harga beras beberapa negara Asia Tenggara diatas dikonversi kedalam nilai rupiah menjadi harga paritas beras Indonesia dengan memperhitungkan harga fob, nilai tukar (USD), tariff bea masuk beras, pajak, dan ongkos angkut dari pelabuhan ke gudang Bulog.
akan dipengaruhi oleh faktor-faktor sebagai berikut: a) infrastruktur pasar, meliputi: transportasi, komunikasi, kredit dan fasilitas penyimpanan yang ada di pasar, b) kebijakan pemerintah yang mempengaruhi sistem pemasaran, misalnya: pengetatan perdagangan, regulasi-regulasi kredit dan regulasi- regulasi transportasi, c) ketidakseimbangan produksi antar daerah sehingga terdapat pasar surplus (hanya mengekspor ke pasar lain) dan pasar defisit (hanya mengimpor dari pasar lain) dan d) supply shock seperti banjir, kekeringan, penyakit akan mempengaruhi kelangkaan produksi yang terlokalisasi sedangkan hal-hal tak terduga lain seperti aksi mogok akan mempersulit transfer komoditi.
Statistik (BPS), Pasar Induk Beras Cipinang Jakarta (PIBC), Badan Ketahanan Pangan Kementerian Pertanian.
Statistics (BAS) Philipina , Badan Pusat
Worldbank, Bureau of Agricultural
Agriculture Organization (FAO) , United States Department of Agriculture (USDA) ,
Penelitian ini menggunakan data time series Januari 2003 sampai Desember 2013 atau 132 bulan. Data diambil dari sumber yang berbeda, yaitu: Food and
METODE
Beberapa masalah yang diteliti sebagai berikut a) Apakah beras Indonesia mempunyai daya saing terhadap beras Asia Tenggara. b) Apakah terjadi integrasi pasar spatial antara pasar beras Indonesia dengan pasar beras Asia Tenggara. c) Bagaimana volatilitas harga beras Indonesia dan harga beras Asia Tenggara. Tujuan dari penelitian ini adalah a) Menganalisis daya saing beras Indonesia terhadap beras Asia Tenggara. b) Menganalisis integrasi pasar spatial antara pasar beras Indonesia dengan pasar beras Asia Tenggara. c) Menganalisis volatilitas harga beras Indonesia dan harga beras Asia Tenggara. Manfaat penelitian ini adalah a) Sebagai bahan masukan kebijakan bagi pemerintah dalam menyusun kebijakan perberasan nasional. b) Sebagai informasi bagi pemerintah daerah, pemerintah pusat dan stake holder terkait kondisi perberasan Indonesia dan internasional.
akurat yang dapat mendistorsi keputusan pasar produsen dan konstribusi pergerakan produk menjadi tidak efisien (Ghosh, 2011).
performance ). Pasar yang tidak terintegrasi
Integrasi pasar dapat dibedakan menjadi dua bagian yaitu integrasi spasial dan integrasi vertikal. Integrasi pasar spasial menunjukkan pergerakan harga, dan secara umum merupakan signal dari transmisi harga dan informasi diantara pasar yang terpisah secara spasial. Perilaku harga spasial dalam pasar beras regional merupakan indikator penting dalam melihat kinerja pasar (market
Analisis Daya Saing
Jurnal Ekonom, Vol 17, No 2, April 2014
Bila nilai RCA<1 atau sampai mendekati 0, maka daya saing komoditi lemah. Bila nilai RCA>1 maka daya saingnya kuat, semakin tinggi RCA semakin tinggi daya saingnya.
VAR dan VECM. Pemilihan lag seringkali dilakukan secara arbiter (trial and error) untuk mendapatkan hasil yang optimal, selain itu juga memperhatikan adanya kemungkinan korelasi antar residual dan penurunan degree of freedom dari persamaan yang dihasilkan dan jumlah parameter yang diestimasi menjadi semakin banyak sehingga menjadi tidak efisien (Enders, 2004).Tahap kedua, panjang selang optimal menggunakan kriteria informasi panjang selang menurut
salah satu prosedur penting dalam pembentukan model dalam uji kointegrasi,
Dickey Fuller (Rosadi, 2012). b) uji lag
Tahapan pengujian integrasi pasar adalah: a) uji stasioneritas data dengan akar unit (unit root). Terdapat berbagai metode untuk melakukan uji akar unit, diantaranya Dickey-Fuller dan Augmented
Error Correction Model (VECM) .
digunakan jika terdapat sifat stationary dalam data time series pada nilai level atau data time series setiap variabel berintegrasi pada order 0, I[0]. Sebaliknya, jika data time series dari setiap variabel stabil pada nilai first difference atau berintegrasi pada order 1, I[1] dan seluruh variabel model yang digunakan adalah Vector
(VECM) . Model Unrestricted VAR
VAR terdiri dari dua model alternatif yaitu: Unrestricted VAR model (UnVAR) dan Vector Error Correction Model
(IRF) dan Variance Decomposition (VD).
oleh Christopher Sims (1980). Model VAR digunakan untuk menjelaskan perilaku dinamis antar variabel yang diamati dan saling mempunyai keterkaitan dan akan diuraikan lebih lanjut melalui fungsi propertinya yaitu fungsi Impulse Response
(VAR) . Pertama kali VAR dikemukakan
Analisis integrasi pasar beras Asia Tenggara yang dipakai dalam penelitian ini adalah model Vector Autoregression
b. Analisis Integrasi Pasar
� dimana : X = ekspor atau nilai ekspor i = jenis komoditi a = negara asal w = dunia (world)
teori Comparative Advantage (CA) . Menurut pendapat Leamer (1984) dan Liu (2004) di dalam Heguang, Tada dan Dongsheng (2009), faktor pendukung masih merupakan sumber utama CA komoditas internasional, terutama produk pertanian. RCA semacam keuntungan yang tercermin dalam struktur perdagangan saat ini dan sebelumnya.
(Xiw) (total Xw)
(total Xa) �
= (Xia)
Untuk menentukan keunggulan komparatif atau daya saing beras digunakan rumus Revealed Comparative Advantage (RCA), yaitu dengan rumus sebagai berikut:
Revealed Comparative Advantage (RCA)
Nilai TSC antara 1 dan -1. Jika komoditas di suatu negara memiliki kekuatan komparatif apabila nilai TSC lebih besar dari 0 dan mendekati 1. Sebaliknya, jika komoditas tertentu di suatu negara memiliki nilai TSC lebih kecil dari 0 menunjukkan kelemahan komparatif.
Ex + Im dimana : TSC = Tren koefisien spesialisasi di suatu negara Ex = Ekspor komoditi di suatu negara Im = Impor komoditi di suatu negara
Ex − Im
sebagai berikut: =
Coefisien (TSC) , yaitu dengan rumus
Untuk menentukan keunggulan komparatif atau daya saing beras digunakan rumus Trend Specialization
Trend Specialization Coefisien (TSC)
Untuk menjawab hipotesis pertama, yaitu analisis daya saing beras Indonesia terhadap beras Asia Tenggara dilakukan melalui dua model pendekatan, yaitu:
kriteria Likelihood ratio (LR), Final Prediction Error (FPE), Akaike Information Criterion (AIC), Schwarz
Edi, Sirojuzilam, Rahmanta : Analisis Integrasi dan Volatilitas… Information Criterion (SIC), dan Hannan- Quinn Information Criterion (HQ). Jika
Asia Tenggara merupakan produsen beras utama dunia, tetapi masih melakukan impor beras khususnya Indonesia dan Philipina. Pangsa impor beras negara- negara Asia Tenggara berkisar antara 6.01- 12.82 persen terhadap impor beras dunia. Impor beras Indonesia sangat fluktuatif, besaran impor beras tergantung pada pengadaan dan stok beras Perum Bulog sebagai lembaga yang diberi penugasan oleh pemerintah dalam pengadaan beras dalam negeri dan luar negeri. Impor beras Philipina pada periode yang sama berkisar antara 1.1 – 2.5 juta ton. Impor beras tertentu Thailand dan Vietnam untuk memenuhi kebutuhan khusus, misalnya beras Javonica untuk restoran Jepang.
Semakin tinggi nilai TSC maka semakin terspesialisasi perdagangan suatu komoditas. TSC beras Indonesia dan Philipina bernilai negatif masing-masing - 0.826 dan -0.996, sedangkan TSC beras Thailand dan Vietnam bernilai positif masing-masing 0,961 dan 0,892. TSC negara-negara Asia Tenggara berhubungan dan saling melengkapi dalam sistem perdagangan beras, misalnya Indonesia dan Filipina sebagai net importir beras dapat memberikan peluang bagi ekspor beras bagi Thailand dan Vietnam. Tren TSC Indonesia
perdagangan beras di negara-negara Asia Tenggara tersegmentasi menjadi 2, yaitu net importir (Indonesia dan Philipina ) dengan nilai TSC negatif dan net eksportir (Thailand dan Vietnam) nilai TSC positif.
trade specialization coef ficient (TSC)
Tren koefisien spesialisasi/Trends of
Tren Koefisien Spesialisasi Perdagangan
Pangsa ekspor beras negara-negara Asia Tenggara mengambil porsi antara 37.5-49.9 persen terhadap ekspor beras dunia. Ekspor beras Indonesia pada periode tahun 2010-2013 yang menunjukkan peningkatan. Ekspor beras Philipina pada periode yang sama tidak menunjukkan peningkatan yang berarti. Ekspor beras Thailand fluktuatif dan cenderung stabil pada kisaran 7.0-10.5 juta ton dan ekspor 3.7-7.7 juta ton.
HASIL Analisis Daya Saing Perberasan
diperoleh lebih dari satu kandidat, maka pemilihan dilanjutkan dengan membandingkan nilai adjusted R 2 variabel
Harga menjadi salah satu indikator kecukupan pangan masyarakat. Kestabilan harga beras diperlukan untuk mendukung kestabilan perekonomian negara, harga juga merupakan salah satu elemen penting dalam ekonomi beras dan berkontribusi terhadap inflasi suatu negara. Untuk menjawab hipotesis ketiga, tentang Volatilitas Harga Beras Indonesia dan Asia Tenggara dilakukan dengan pendekatan analisis deskriptif. Analisis ini menggambarkan kondisi suplay-demand, ekspor, impor dan harga beras secara numerik ataupun grafis (tabel dan grafik).
Analisis Volatilitas Harga
1+ a43RIVIEt-1+a44RITHAt-1+ εt dimana : RIDOMt =harga beras Indonesia (Rp/kg) RIPHIt = harga beras Philipina (Rp/kg) RITHAt = harga beras Thailand (Rp/kg) RIVIEt = harga beras Vietnam (Rp/kg) RIDOM t -1 = lag endogenus RIDOM RIPHI t-1 = lag endogenus RIPHI RITHA t-1 = lag endogenus RITHA RIVIE t-1 = lag endogenus RIVIE
VAR yang terbentuk sesuai dengan variabel yang akan dianalisis adalah sebagai berikut: RIDOMt = a +a11RIDOMt-1+a12RIPHIt- 1+a13RITHAt-1+ a14RIVIEt-1+ εt RIPHIt = a +a21RIPHIt-1+a22 RITHAt- 1+a23RIVIEt-1+ a24 RIDOMt-1+ εt RITHAt = a +a31RITHAt-1+a32RIVIEt- 1+a33RIDOMt-1+a34 RIPHIt-1+ εt
Untuk menjawab hipotesis kedua, yaitu menganalisis integrasi pasar spatial antara pasar beras Indonesia dengan pasar beras Asia Tenggara digunakan metode
Impuls Response Function (IRF) dan uji Variance Decomposition (VD) .
VAR yang menghasilkan nilai adjusted R 2 terbesar pada variabel-variabel di dalam sistem. c) Uji Kointegrasi untuk melihat hubungan jangka panjang di antara variabel-variabel. Uji kointegrasi uji kausalitas granger (Granger-Causality), uji
RIVIEt = a + a41 RIDOMt-1+a42RIPHIt-
RIVIE) stasioner. Apabila terdapat satu variabel stasioner pada level sedangkan variabel lainnya stasioner pada first difference, maka harus menggunakan analisis vector autoregression (VAR). Tabel 2. Uji Unit Root (First Difference)
- 2.883930 (-3.444756) -0.201661 (-3.843215) 0.9342 (0.0173) RIPHI -2.883753 (-3.444756) -0.080892 (-2.305700) 0.9482 (0.4276) RITHA -2.883753 (-3.445030) -1.553896 (-3.445030) 0.5032 (0.1776) RIVIE -2.883759 (-3.444756) -0.879464 (-3.462955) 0.7921 (0.0478) Keterangan: - *) MacKinnon (1996) one-sided p-values.
- - Nilai yang tidak dikurung adalah nilai dengan intercept tanpa linier trend
- - Nilai dalam kurung adalah nilai dengan intercept dan linier trend
Lag LogL LR FPE AIC SC HQ
- -4003.146 NA 1.38e+23 64.63139 64.72237 64.66835 1 -3392.851 1171.373 9.47e+18 55.04599 55.50087* 55.23077 2 -3363.568 54.31530* 7.65e+18* 54.83175* 55.65054 55.16436* 3 -3349.003 26.07713 7.85e+18 54.85488 56.03758 55.33532
α :5% ) ADF Test Statistic Prob. * RIDOM -2.883930 (-3.445030) -8.267163 (-8.264825) 0.0000 (0.0000) RIPHI -2.883753 (-3.444756) -7.804927 (-7.877021) 0.0000 (0.0000) RITHA -2.883753 (-3.444756) -9.106649 (-9.085977) 0.0000 (0.0000) RIVIE -2.883753 (-3.444756) -9.459622 (-9.423941) 0.0000 (0.0000) Keterangan: - *) MacKinnon (1996) one-sided p-values. - Nilai yang tidak dikurung adalah nilai dengan intercept tanpa linier trend - Nilai dalam kurung adalah nilai dengan intercept dan linier trend Variabel Critcal Value ( α :5% ) ADF Test Statistic Prob. * RIDOM
Berdasarkan Tabel 4. koefisien disubstitusikan kepada Model Var, sebagai Variabel berikut: Critcal Value (
Penentuan model integrasi pasar dilakukan melalui uji signifikansi masing- masing variabel endogen yang sudah mempertimbangkan besarnya lag optimum, output model VAR Substituted Coefficient dan Uji Kausalitas untuk pembentukan model VAR (VAR in difference).
Model Integrasi Pasar dan Pendugaan Koefisien
Criteria
Hasil uji lag optimum dibawah ini menunjukkan model VAR yang akan digunakan adalah model VAR berordo dua atau VAR (2) ditunjukkan tanda bintang (*) paling banyak. Tabel 3. Uji Lag Optimum Selection
Penentuan Ordo VAR dengan Uji Lag Optimal
Tabel 1. Uji Unit Root (Level) Tabel 2. uji akar unit first difference, semua variabel (RIDOM, RIPHI, RITHA,
Jurnal Ekonom, Vol 17, No 2, April 2014
Berdasarkan Tabel 1. diperoleh bahwa data yang digunakan dalam penelitian ini dua variabel sudah stasioner pada tingkat level karena nilai mutlak ADF lebih kecil dari nilai mutlak tabel (critical value). Sehingga, hipotesis nol yang menyatakan bahwa masing-masing variabel memiliki unit root tidak dapat ditolak.
Hasil Uji Stasioneritas Data dengan Uji Augmented Dickey Fuller (ADF)
Analisis integrasi pasar beras Asia Tenggara dengan pasar beras Indonesia menggunakan metode VAR. Pengujian dengan VAR digunakan sebagai pembuktian secara statistik bagaimana proses terjadinya perambatan harga atau tidak dari pasar tersebut.
Hasil Pendugaan Integrasi Pasar Beras Asia Tenggara dengan Pasar Beras Indonesia
Sedangkan nilai RCA Philipina, Thailand dan Vietnam masing-masing 2.76, 4.67 dan 4.66, hal ini menunjukkan bahwa mempunyai daya saing dibandingkan dengan Indonesia. Melihat rendahnya daya saing beras Indonesia di kawasan regional Asia Tenggara, maka diperlukan kebijakan pemerintah dalam meningkatkan daya saing beras, misalnya menerapkan subsidi ekspor bagi produsen domestik dan eksportir. Beberapa negara di Asia Tenggara yang menerapkan subsidi ekspor adalah Thailand dan Vietnam. Subsidi ekspor berbeda dengan pajak ekspor yang mengurangi insentif dan menurunkan daya saing komoditas beras di pasar regional dan internasional.
Keunggulan komparatif beras Indonesia rata-rata 0.46 yang berarti daya saing ekspor beras Indonesia sangat rendah.
Revealed Comparatif Advantages (RCA)
cenderung mengalami kenaikan karena dukungan kebijakan ekspor beras premium.
4 -3338.414 18.27328 8.59e+18 54.94217 56.48877 55.57044 5 -3330.063 13.87396 9.78e+18 55.06553 56.97605 55.84163
Edi, Sirojuzilam, Rahmanta : Analisis Integrasi dan Volatilitas…
Tabel 4. Koefisien Model VAR Integrasi Pasar Beras Asia Tenggara
Keterangan: Angka yang dicetak tebal nyata pada a = 5% tolak Ho jika pada tabel t (0.005/2, N-1) > +1.97838 dan < -1.97838 atau menunjukkan bahwa variabel Endogen secara signifikan dipengaruhi oleh variabel eksogen.
Tabel 4. menunjukkan bahwa variabel dependent harga beras Indonesia (RIDOM) secara signifikan dipengaruhi oleh RIDOM lag (-1) dan lag (-2) dengan elastisitas masing-masing 1.29 persen dan - 0.33 persen. Demikian juga harga beras Philipina (RIPHI) secara signifikan dipengaruhi oleh RIPHI lag (-1) dan lag (- 2) dengan elastisitas masing-masing 1.35 persen dan -0.39 persen. Hal ini menunjukkan terjadi segmentasi pasar beras di kedua negara. Harga beras Thailand (RITHA) secara signifikan dipengaruhi oleh RIPHI lag (-1), lag (-2) dan RITHA (- 1) dengan elastisitas masing-masing 0.29 persen, -0.28 persen dan 1.02 persen. Demikian juga harga beras Vietnam (RIVIE) secara signifikan dipengaruhi oleh RIDOM lag (-1) dan RIVIE lag (-1) dengan elastisitas masing-masing 0.18 persen dan 1.03 persen yang menunjukkan bahwa harga beras Indonesia dan Vietnam signifikan mempengaruhi harga beras Vietnam.
Integrasi Pasar Beras Indonesia
Koefisien lag pertama (-1) elastisitas harga beras Indonesia sebesar 1.28859, berarti apabila harga beras Indonesia pada bulan lalu naik satu persen maka harga beras Indonesia bulan berikutnya akan naik sebesar 1.28859 persen. Harga Indonesia pada lag kedua (-2) juga merambat kepada harga beras Indonesia dengan nilai elastisitas -0.33243, artinya jika harga beras Indonesia dua bulan lalu turun satu persen maka harga beras Indonesia bulan berikutnya akan turun sebesar -0.33243 persen sebagaimana persamaan regresi berikut ini:
RIDOM = 1.28858920657*RIDOM(-1) – 0.332425640319*RIDOM(-2)
Harga beras Indonesia pada saat ini (RIDOM) dipengaruhi oleh harga beras pada periode sebelumnya RIDOM (-1) dan RIDOM (-2). Selain itu harga beras Indonesia tidak dipengaruhi secara signifikan oleh harga beras Philipina, Thailand dan Vietnam sehingga tidak terjadi integrasi spasial antara ketiga pasar regional Asia Tenggara.
Integrasi Pasar Beras Philipina
Berdasarkan Tabel 4. terlihat bahwa (RIPHI) secara signifikan dipengaruhi oleh RIPHI(-1), RIPHI(-2), sebagaimana persamaan regresi berikut ini:
RIPHI = 1.35139181858*RIPHI(-1) – 0.394542004912*RIPHI(-2)
Koefisien lag pertama (-1) dengan elastisitas harga beras Philipina sebesar 1.35139, berarti apabila harga beras Philipina pada bulan lalu naik satu persen maka harga beras Philipina bulan berikutnya akan naik sebesar 1.35139 persen, Koefisien lag kedua (-2) juga merambat kepada harga beras Philipina dengan elastisitas harga beras Philipina sebesar -0.39454, artinya jika harga beras Philipina dua bulan lalu turun satu persen maka harga beras Philipina bulan berikutnya akan turun sebesar -0.39454 persen. Pasar beras Philipina tersegmentasi, berarti memiliki kekuatan sendiri dalam mempengaruhi harga pasar sendiri, misalnya harga beras Philipina pada saat ini (RIPHI) hanya dipengaruhi oleh harga beras pada periode sebelumnya RIPHI (-1) RIDOM RIPHI RITHA RIVIE dan RIPHI (-2), atau dengan kata lain harga RIDOM(-1) 1.288589 0.110986 0.177221 0.178441 (0.08654) (0.11279) (0.11652) (0.08939) [ 14.8895] [ 0.98404] [ 1.52089] [ 1.99623] RIDOM(-2) -0.332426 -0.048645 -0.168509 -0.179717 (0.08848) (0.11531) (0.11913) (0.09139) [-3.75722] [-0.42188] [-1.41453] [-1.96658] RIPHI(-1) -0.021400 1.351392 0.296962 -0.006807 (0.07445) (0.09703) (0.10024) (0.07690) [-0.28743] [ 13.9280] [ 2.96242] [-0.08852] RIPHI(-2) 0.067688 -0.394542 -0.279385 0.119010 (0.07935) (0.10341) (0.10683) (0.08196) [ 0.85307] [-3.81544] [-2.61513] [ 1.45214] RITHA(-1) 0.070502 -0.079967 1.020466 0.038493 (0.07418) (0.09668) (0.09988) (0.07662) [ 0.95035] [-0.82713] [ 10.2165] [ 0.50236] RITHA(-2) -0.122235 0.054869 -0.096606 -0.088916 (0.07744) (0.10092) (0.10427) (0.07999) [-1.57847] [ 0.54368] [-0.92654] [-1.11166] RIVIE(-1) -0.058021 -0.063435 0.042324 1.025688 (0.09342) (0.12175) (0.12578) (0.09649) [-0.62108] [-0.52104] [ 0.33649] [ 10.6300] RIVIE(-2) 0.127464 0.080101 -0.008800 -0.170586 (0.09393) (0.12241) (0.12647) (0.09701) [ 1.35706] [ 0.65437] [-0.06958] [-1.75835] C -92.93635 72.06571 86.19198 166.5088 (89.6750) (116.867) (120.741) (92.6232) [-1.03637] [ 0.61665] [ 0.71386] [ 1.79770]
Jurnal Ekonom, Vol 17, No 2, April 2014
Gambar 4.3. Harga beras Indonesia “tidakGranger ” harga Vietnam, demikian juga
Harga beras Thailand “tidak menyebabkan
menyebabkan Granger " harga Thailand dan Vietnam pada tingkat signifikansi 5%.
Thailand dan Vietnam, hal ini menyiratkan bahwa perubahan harga Philipina "tidak
menyebabkan Granger ” harga beras
Harga beras Philipina “tidak
menyiratkan perubahan harga beras Philipina dan harga beras Vietnam "menyebabkan Granger" harga Indonesia pada tingkat signifikansi 5%.
Granger ” harga beras Indonesia, hal ini
Philipina, Thailand dan Vietnam pada tingkat signifikansi 5%. Harga beras Philipina dan Vietnam “menyebabkan
menyebabkan Granger " perubahan harga
Philipina, harga beras Thailand dan harga perubahan harga Indonesia "tidak
menyebabkan Granger ” harga beras
Hubungan kausalitas antara keempat regional negara Asia Tenggara yang saling berinteraksi dijelaskan melalui skema pada
beras konsumen pada saat ini hanya dipengaruhi oleh harga beras sebelumnya. Selain itu harga beras Philipina tidak dipengaruhi oleh harga beras Indonesia, Thailand dan Vietnam sehingga tidak terjadi integrasi spasial antara ketiga pasar regional Asia Tenggara.
Uji Kausalitas Engel Granger
Harga beras Indonesia pada bulan lalu naik satu persen maka harga beras Vietnam bulan berikutnya akan naik sebesar 0.17844 persen dan harga beras Vietnam dua bulan lalu naik satu persen maka harga beras Vietnam bulan berikutnya akan naik sebesar 1.02569 persen. Harga beras Vietnam terintegrasi dengan harga beras Indonesia, sehingga apabila pasar Indonesia mengalami guncangan maka akan berpengaruh terhadap pasar Vietnam.
Vietnam dengan elastisitas harga beras Vietnam sebesar 1.02569, artinya jika harga beras Vietnam dua bulan lalu naik satu persen maka harga beras Vietnam bulan berikutnya akan naik sebesar 1.02569 persen. Harga beras Vietnam terintegrasi dengan harga beras Indonesia, sehingga apabila pasar Indonesia mengalami guncangan maka akan berpengaruh terhadap pasar Vietnam.
Koefisien lag pertama (-1) dengan elastisitas harga beras Indonesia sebesar 0.17844, berarti apabila harga beras Indonesia pada bulan lalu naik satu persen maka harga beras Vietnam bulan berikutnya akan naik sebesar 0.17844 persen, sedangkan harga beras Vietnam pada lag pertama (-1) merambat kepada harga beras
RIVIE = 0.178440952594*RIDOM(- 1) + 1.02568768456*RIVIE(-1)
Data pada Tabel 4. terlihat bahwa variabel dependen harga beras Vietnam (RIVIE) secara signifikan dipengaruhi oleh RIVIE(-1), dan RIVIE(-2), sebagaimana persamaan regresi berikut ini:
Integrasi Pasar Beras Vietnam
Apabila harga beras Thailand pada bulan lalu naik satu persen maka harga beras Thailand bulan berikutnya akan naik sebesar 0.29696persen. Harga beras Philipina dua bulan lalu turun satu persen berikutnya akan turun sebesar -0.27938 persen. Harga beras Thailand dua bulan lalu naik satu persen maka harga beras Thailand bulan berikutnya akan naik sebesar 1.02047 persen. Pasar beras Thailand terintegrasi dengan pasar beras Philipina, tetapi tidak terintegrasi dengan pasar beras Indonesia dan Vietnam.
RITHA = 0.29696201188*RIPHI(-1) – 0.279384506826*RIPHI(-2) + 1.02046644081*RITHA(-1)
Data pada Tabel 4. terlihat bahwa variabel dependen harga beras Thailand (RITHA) secara signifikan dipengaruhi oleh RIPHI (-1), RIPHI(-2) dan RITHA(-1) sebagaimana persamaan regresi berikut ini:
Integrasi Pasar Beras Thailand
Pasar beras Philipina tersegmentasi, berarti memiliki kekuatan sendiri dalam mempengaruhi harga pasar sendiri. Harga beras Philipina tidak dipengaruhi oleh harga beras Indonesia, Thailand dan Vietnam sehingga tidak terjadi integrasi spasial antara ketiga pasar regional Asia Tenggara.
sebaliknya. Harga beras Thailand dan Vietnam “menyebabkan Granger” harga beras Philipina, hal ini menyiratkan perubahan harga beras Thailand dan Vietnam "menyebabkan Granger" perubahan harga beras Philipina pada tingkat signifikansi 5%.
Edi, Sirojuzilam, Rahmanta : Analisis Integrasi dan Volatilitas…
Berdasarkan hasil Granger Kausalitas menunjukkan bahwa tidak ada satupun pasar beras yang dominan yang mempengaruhi semua pasar. Jika dua pasar terintegrasi maka harga disuatu pasar akan mempengaruhi harga di pasar lainnya.
Gambar 1. Hubungan Kausalitas Harga Beras Impuls Response Function (IRF) Impulse response function untuk melihat
pengaruh perubahan dari satu variabel pada variabel itu sendiri atau variabel lainnya (hubungan harga antara pasar regiona Asia Tenggara). Estimasi IRF dititikberatkan pada respons suatu variabel pada perubahan satu standar deviasi dari variabel itu sendiri maupun dari variabel lainnya yang terdapat dalam model.
Tabel4 menunjukkan bahwa jangka menengah (60 bulan) standar deviasi harga beras Indonesia menyebabkan efek positif negatif terhadap Thailand. Periode jangka panjang (132 bulan) standar deviasi Indonesia menyebabkan efek positif terhadap Philipina dan Vietnam serta efek negatif terhadap Thailand. Periode jangka pendek standar deviasi Indonesia tidak memberikan efek terhadap Philipina, Thailand dan Vietnam.
Tabel 4. Impuls Response Harga Beras Indonesia (RIDOM)
Tabel. 5. Impuls Response Harga Beras Philipina (RIPHI)
Tabel 5 menunjukkan bahwa jangka menengah (60 bulan) standar deviasi Philipina menyebabkan efek positif terhadap Vietnam dan Indonesia serta efek negatif terhadap Thailand. Periode jangka panjang (132 bulan) standar deviasi Philipina menyebabkan efek positif terhadap Vietnam, Indonesia dan Philipina serta menyebabkan efek negatif terhadap Thailand. Periode jangka pendek standar deviasi Philipina memberikan efek terhadap Thailand dan Vietnam, serta memberikan efek positif terhadap Indonesia.
Tabel. 6. Impuls Response Harga Beras Thailand (RITHA)
Tabel 6 menunjukkan bahwa jangka menengah (60 bulan) standar deviasi Thailand menyebabkan efek positif terhadap Indonesia, Philipina dan Vietnam serta efek negatif terhadap Thailand. Periode jangka panjang (132 bulan) standar deviasi Thailand menyebabkan efek positif terhadap Indonesia, Philipina dan Vietnam serta efek negatif terhadap Thailand. Periode jangka pendek standar deviasi Thailand tidak memberikan efek terhadap Vietnam, tetapi memberikan efek positif terhadap Indonessia dan Philipina.
Tabel. 7. Impuls Response Harga Beras Vietnam (RIVIE) Periode/ Bulan RIDOM RIPHI RITHA RIVIE 1 196.6609 0.000000 0.000000 0.000000 24 186.4061 200.4443 -220.3704 59.24538 60 357.3465 355.7442 -424.2621 105.0073 96 667.9717 664.3369 -793.8179 196.1325 132 1248.449 1241.624 -1483.694 366.5678 Period/ Bulan RIDOM RIPHI RITHA RIVIE 1 9.792372 256.1071 0.000000 0.000000 24 199.1237 219.3077 -199.3821 65.79789 60 374.2606 373.5050 -443.2565 110.1600 96 699.8195 696.0567 -831.6137 205.4931 132 1307.984 1300.836 -1554.445 384.0491 Period/ Bulan RIDOM RIPHI RITHA RIVIE 1 23.45197 101.9732 243.2376 0.000000 24 105.5879 144.9591 -81.84580 41.19731 60 208.6885 209.4134 -245.8408 61.66843 96 390.5192 388.4750 -464.0001 114.6826 132 729.9070 725.9206 -867.4386 214.3151 Period/ Bulan RIDOM RIPHI RITHA RIVIE 1 25.36913 71.28015 53.75986 180.6813 24 103.6584 117.1439 -112.5335 29.73356
60 198.5458 198.0546 -235.3242 58.41320 96 371.2523 369.2502 -441.1757 109.0123 132 693.8806 690.0882 -824.6273 203.7365 Tidak signifikan Signifikan RIDOM RIPHI RITHA RIVIE
Jurnal Ekonom, Vol 17, No 2, April 2014
Tabel 7 menunjukkan bahwa jangka menengah (60 bulan) satu standar deviasi Vietnam menyebabkan efek positif terhadap Indonesia dan Philipina serta efek negatif terhadap Thailand. Periode jangka panjang (132 bulan) standar deviasi Vietnam membawa efek positif terhadap Indonesia dan Philipina serta efek negatif terhadap Thailand. Periode jangka pendek standar deviasi Vietnam memberikan efek positif terhadap Indonesia, Philipina dan Thailand.
Variance Decomposition (VD)
Uji Varian Decomposition untuk mengetahui variabel mana yang shocknya mempunyai peranan yang paling besar dalam menjelaskan perubahan prediksi error. Dengan demikian, dekomposisi varian dalam model varian bertujuan untuk memisahkan pengaruh masing-masing variabel inovasi secara individual terhadap respons yang diterima oleh suatu variabel termasuk inovasi dari variabel itu sendiri. Perubahan harga di suatu wilayah regional akan mempengaruhi shock di wilayah regional lainnya, baik dalam jangka pendek maupun dalam jangka panjang. Kondisi ini terjadi karena semakin mudahnya antar wilayah regional.
Tabel 8. Variance Decomposition Harga Beras Indonesia (RIDOM)
Tabel 8 menunjukkan bahwa jangka menengah, proporsi guncangan harga beras Indonesia terhadap harga beras Indonesia sendiri memberikan kontribusi 32.23 persen, proporsi guncangan harga beras Philipina sebesar 27.86 persen, proporsi guncangan harga beras Thailand sebesar 37.15 persen dan proporsi guncangan harga beras Vietnam sebesar 2.76 persen. Periode jangka panjang, proporsi guncangan harga beras Indonesia terhadap harga beras Indonesia sendiri memberikan kontribusi 28.93 persen, proporsi guncangan harga beras Philipina sebesar 28.33 persen, proporsi guncangan harga beras Thailand sebesar 40.25 persen dan proporsi guncangan harga beras Vietnam sebesar 2.49 persen. Periode jangka pendek, harga beras Indonesia dipengaruhi oleh guncangan (shock)harga beras Indonesia sebesar 100 persen, Philipina, Thailand dan Vietnam belum memberikan pengaruh (0 persen). Harga beras Thailand memberikan guncangan terbesar dan harga beras Vietnam memberikan proporsi guncangan terkecil.
Tabel 9 menunjukkan bahwa jangka menengah, proporsi guncangan harga beras Philipina terhadap harga beras Philipina sendiri memberikan kontribusi 35.58 persen, guncangan harga beras Indonesia 27.94 persen, guncangan harga beras Thailand 33.97 persen dan guncangan harga beras Vietnam 2.51 persen. Periode jangka panjang, proporsi guncangan harga beras Philipina terhadap harga beras Philipina sendiri memberikan guncangan 28.93 persen, guncangan harga beras Philipina 28.89 persen, guncangan harga beras Thailand 40.01 persen dan guncangan harga beras Vietnam 2.48 persen. Periode jangka pendek, harga beras Philipina dipengaruhi oleh guncangan harga beras Philipina sebesar 99.85 persen, guncangan harga beras Indonesia relatif rendah sebesar 0.15 persen, sedangkan guncangan harga beras Philipina, Thailand dan Vietnam belum memberikan pengaruh (0 persen). Harga beras Thailand memberikan guncangan terbesar dan harga beras Vietnam memberikan guncangan terkecil. Tabel. 9. Variance Decomposition Harga
Beras Philipina (RIPHI) Tabel. 10. Variance Decomposition Harga
Beras Thailand (RITHA) Period/ Bulan S.E. RIDOM RIPHI RITHA RIVIE 1 196.6609 100.0000 0.000000 0.000000 0.000000 24 1407.960 49.35753 23.13120 23.47766 4.033607 60 3357.784 32.23169 27.86101 37.14706 2.760238 96 6617.950 29.58928 28.23972 39.62433 2.546667 132 12546.47 28.92753 28.32655 40.25321 2.492716 Period/ Bulan S.E. RIDOM RIPHI RITHA RIVIE 1 256.2942 0.145982 99.85402 0.000000 0.000000 24 1535.783 24.42154 59.99141 13.38115 2.205902 60 3531.801 27.94395 35.57970 33.96545 2.510900 96 6940.063 28.48621 30.25860 38.77134 2.483859 132 13148.20 28.62059 28.88951 40.01462 2.475279 Periode/ Bulan S.E. RIDOM RIPHI RITHA RIVIE 1 264.7887 0.784440 14.83110 84.38446 0.000000 24 1123.456 16.89068 50.74055 29.30986 3.058898
60 2091.907 25.29857 37.69722 34.18833 2.815889 96 3935.155 27.72485 31.07077 38.63067 2.573712 132 7370.272 28.40244 29.13445 39.96207 2.501043
Edi, Sirojuzilam, Rahmanta : Analisis Integrasi dan Volatilitas…
Tabel 10 menunjukkan bahwa jangka menengah, proporsi guncangan harga beras Thailand terhadap harga beras Thailand sendiri memberikan kontribusi 34.19 persen, guncangan harga beras Indonesia 25.30 persen, guncangan harga beras Philipina 37.70 persen dan guncangan harga beras Vietnam 2.82 persen. Periode jangka panjang, proporsi guncangan harga beras Thailand terhadap harga beras Thailand sendiri memberikan kontribusi 39.96 persen, guncangan harga beras Indonesia 28.40 persen, guncangan harga beras Philipina 29.13 persen dan proporsi guncangan harga beras Vietnam 2.50 persen. Periode jangka pendek, harga beras Thailand dipengaruhi oleh guncangan harga beras Thailand sendiri 84.38 persen, guncangan harga beras Indonesia relatif rendah 0.78 persen, guncangan Philipina 14.83 persen, guncangan harga beras Thailand 84.38 persen dan Vietnam belum memberikan guncangan (0 persen). Harga beras Thailand memberikan guncangan terbesar dan harga beras Vietnam memberikan guncangan terkecil.
Tabel. 11. Variance Decomposition Harga Beras Vietnam (RIVIE)
Tabel 11 menunjukkan bahwa jangka menengah, proporsi guncangan harga beras Vietnam terhadap harga beras Vietnam sendiri memberikan kontribusi 6.16 persen, guncangan harga beras Indonesia 25.48 persen, guncangan harga beras Thailand 36.67 persen dan guncangan harga beras Vietnam 6.16 persen. Periode jangka panjang, proporsi guncangan harga beras Vietnam terhadap harga beras Vietnam sendiri memberikan kontribusi 3.75 persen, guncangan terhadap harga beras Indonesia 28.43 persen, guncangan terhadap harga beras Philipina 28.77 persen dan guncangan terhadap harga beras Thailand 40.05 persen. Periode jangka pendek, harga beras Vietnam dipengaruhi oleh guncangan Vietnam sendiri 79.12 persen, guncangan harga beras Indonesia 1.56 persen, guncangan harga beras Philipina 12.31 persen dan Thailand 7.00 persen.Harga beras Thailand memberikan guncangan terbesar dan harga beras Vietnam memberikan proporsi guncangan terkecil.
Volatilitas Harga Beras
Dimensi lain yang sangat penting untuk dianalisis selain integrasi pasar adalah volatilitas, lebih lanjut volatilitas harga ditransmisikan dari pasar regional Asia Tenggara terhadap pasar Indonesia. Pada pasar yang lebih volatile, baik produsen maupun konsumen menghadapi tingkat yang lebih tinggi dan tidak menentu. Pada tingkat produsen, hal ini pada umumnya bersamaan dengan kurangnya kemauan untuk berinvestasi dan inovasi. Petani gurem mungkin sangat rentan karena petani tidak mampu berhadapan dengan resiko fluktuasi harga pangan dan sebagai konsumen berimplikasi terhadap derajat volatilitas pengeluaran untuk pangan.
PEMBAHASAN Kondisi Perberasan Indonesia
Produksi beras yang siap dikonsumsi pada periode 2003-2013 sebesar 29.79- kebutuhan beras di Indonesia pada periode yang sama sebesar 29.74-33.60 juta ton. Pada tahun 2005-2006 terjadi defisit produksi atau kebutuhan beras lebih tinggi dibandingkan dengan ketersediaan sehingga dilakukan impor dari Thailand sebesar 627.72 ribu ton. Impor beras Indonesia mencapai puncaknya pada tahun 2011 sebesar 2.74 juta ton sebagai dampak pengadaan gabah/beras Bulog yang tidak mencapai target minimal 1.1 juta ton, disamping itu juga disebabkan penolakan ekspor beras oleh Thailand pada tahun 2010 meskipun telah ada sebelumnya kontrak G to G, penolakan ini disebabkan karena bencana banjir yang melanda Thailand sehingga negara ini lebih memilih mengamankan cadangan beras dalam negerinya.
Indonesia mengalami swasembada beras tahun 2004 dengan indikator harga beras stabil sampai awal tahun 2006, pemerintah Indonesia melakukan proteksi terhadap harga beras Indonesia untuk mengurangi tekanan harga beras Internasional
Periode/Bulan S.E. RIDOM RIPHI RITHA RIVIE 1 203.1263 1.559836 12.31416 7.004611 79.12139
24 910.5517 13.81527 47.91586 19.65902 18.60984 60 1917.752 25.47974 33.68879 34.67415 6.157311 96 3704.410 27.81862 29.81163 38.90867 3.461082