Integrasi pasar dan faktor-faktor yang mempengaruhi harga kakao

34
IV. METODE PENELITIAN
4.1 Lokasi dan Waktu Penelitian
Lokasi penelitian faktor-faktor yang mempengaruhi harga komoditas
kakao dunia tidak ditentukan. Waktu pengumpulan data dilaksanakan pada bulan
Februari – Maret 2009.
4.2 Jenis dan Sumber Data
Penelitian ini dibatasi dengan menganalisis data sekunder kuantitatif
bulanan pada rentang waktu antara bulan Februari 2006 hingga Desember 2008
untuk menganalisis keterpaduan pasar serta data tahunan selama 30 tahun dari
tahun 1978 – 2007 untuk menganalisis faktor-faktor yang mempengaruhi harga
kakao di NYBOT. Data sekunder digunakan karena penelitian yang dilakukan
meliputi objek yang bersifat makro dan mudah didapat.
Data yang akan digunakan dalam penelitian ini adalah data sekunder yang
diperoleh dari berbagai sumber dan literatur yang meliputi: data harga kakao di
bursa NYBOT, data harga di pasar spot Makassar, kurs Rupiah terhadap Dollar
Amerika Serikat, konsumsi dunia, impor Amerika Serikat, dan lag produksi dunia.
Data-data sekunder dikumpulkan dari dinas-dinas atau instansi yang terkait seperti
Departemen Pertanian, Departemen Perdagangan, Biro Pusat Statistik, Kamar
Dagang Indonesia (KADIN), Bursa komoditi NYBOT, Bursa komoditi LIFFE,
International Cocoa Organization (ICCO), Food and Agricultural Organization
(FAO) serta instansi-instansi lain yang dapat mendukung ketersediaan data
penelitian tersebut. Di samping itu penulis melakukan studi literatur untuk
mendapatkan teori yang mendukung penelitian.
4.3 Metode Analisis dan Pengolahan Data
Teknik analisis yang digunakan dalam penelitian ini adalah analisis
deskriptif kualitatif, yang akan dijelaskan sebagai berikut:
- Kualitatif dilakukan dengan menggunakan beberapa istrumen analisis seperti
tabel dan grafik yang dapat mencerminkan uraian analisis penelitian secara
teratur dan saling mendukung. Data dari buku teks, jurnal, dan hasil penelitian
35
yang sudah ada dan berkaitan dengan skripsi ini dijadikan dasar bagi analisis
deskriptif.
- Kuantitatif, dilakukan dengan menggunakan model ekonometrika untuk
mencerminkan hasil dari pembahasan yang dinyatakan dalam angka.
Dalam penelitian ini dilakukan dua analisis, yaitu analisis integrasi pasar
(keterpaduan pasar) antara pasar spot Makassar dengan bursa berjangka NYBOT
dan analisis faktor-faktor yang mempengaruhi harga kakao Indonesia. Data diolah
oleh penulis sesuai dengan kebutuhan model yang digunakan. Pengolahan data
dilakukan dengan bantuan perangkat lunak Eviews 5.1.
4.4 Analisis Integrasi Pasar (Keterpaduan Pasar)
Untuk mengetahui integrasi pasar di pasar spot Makassar dengan harga di
bursa NYBOT maka digunakan pendekatan model integrasi (keterpaduan) pasar
autoregresi. Menurut Ravallion dalam Santoso (2004) model keterintegrasian
pasar autoregresi dapat digunakan untuk mengukur bagaimana harga di pasar
lokal dipengaruhi oleh harga di pasar acuan dengan mempertimbangkan harga
pada waktu yang lalu dan harga pada saat ini. Aktivitas pasar-pasar tersebut
dihubungkan oleh adanya arus komoditi, sehingga harga dan jumlah komoditi
yang dipasarkan akan berubah jika terjadi perubahan harga di pasar lain.
Untuk melakukan analisis intergrasi pasar spasial antara harga kakao di
pasar spot Makassar dan bursa NYBOT maka analisis integrasi pasar yang
digunakan menggunakan pendugaan model yang dikembangkan oleh Ravallion
dalam Santoso (2004) sebagai berikut:
Pit – Pit-1 = (αi - 1)(Pit-1 – Pjt-1) + βi0 (Pjt-1 – Pjt-1) + (αi + βi0 -1)Pjt-1 + γiXt +
µit ........................................................................................(1)
dimana :
Pit
= harga di tingkat pasar spot Makassar ke-i pada waktu t
Pit-1
= lag harga di pasar spot Makassar ke-i pada waktu t
Pjt
= harga di pasar bursa NYBOT ke-j pada waktu t
Pjt-1
= lag harga di pasar bursa NYBOT ke-j pada waktu t
Xt
= faktor musiman dan variabel lain yang relevan di pasar-i pada waktu t
(dengan korelasi variabel yang sama pada semua pasar dan semua waktu)
36
µit
= random error (galat)
Model yang terdapat pada persamaan (1) disederhanakan kembali
berdasarkan metode OLS menjadi:
Pit = (1 + bi)Pit-1 + b2(Pjt – Pjt-1) + (b3 – b1)Pjt-1 + b4Xt + µit ....................(2)
Jika diasumsikan bahwa deret waktu di pasar lokal (i) dan di pasar acuan
(j) mempunyai pola musiman yang sama, sehingga tidak perlu memasukkan
peubah dummy untuk musiman (Xt). Untuk memudahkan interpretasi hasil, maka
persamaan di atas disederhanakan lagi sebagai berikut:
Pit = b1Pit-1 + b2(Pjt – Pjt-1) + b3Pjt-1 + e1 ...................................................(3)
Dimana:
(1 + b1) = β1
b2
= β2
(b3-b1) = β3
µit
= e1
Secara umum, persamaan di atas menunjukkan bagaimana harga di suatu
pasar (pasar acuan) mempengaruhi pembentukan harga di pasar lain (pasar lokal)
dengan mempertimbangkan pengaruh harga pada waktu tertentu (t) dengan harga
pada pada waktu sebelumnya (t-1). Penetapan harga pada waktu sebelumnya (t-1)
dalam rentang waktu tertentu bertujuan untuk melihat fluktuasi harga yang terjadi.
Melalui persamaan (3) dapat diketahui bahwa koefisien β2 mengukur bagaimana
perubahan harga pasar acuan diteruskan kepada harga di pasar lokal.
Keterintegrasian pasar jangka pendek dicapai jika koefisien β2 = 1, maka
perubahan harga yang terjadi bersifat netral dalam persentase proporsional.
Jika Pjt – Pjt-1 = 0 maka pasar acuan berada pada keseimbangan jangka
panjang, berarti koefisien β2 dikeluarkan dari persamaan. Koefisien yang
menghubungkan dua bentuk harga (1 + β1) dan (β3 – β1) menjelaskan kontribusi
relatif dari harga pasar lokal pada saat yang diinginkan. Kedua bentuk harga yang
diperoleh ini dapat digunakan untuk mengetahui indeks keterintegrasian pasar
(IMC) = index of market connection). IMC merupakan rasio dari kedua bentuk
harga tersebut yaitu harga pasar lokal terhadap bentuk pasar acuan. Secara
sistematis dapat dirumuskan sebagai berikut:
IMC =
................................................................................................(4)
37
Hipotesis yang akan diuji adalah sebagai berikut:
a. Keterpaduan Pasar Jangka Pendek
Hipotesis integrasi jangka pendek adalah sebagai berikut:
H0 : β1 = 1
H1 : β2 ≠ 1
Hipotesis (H0 : β1 = 1) digunakan untuk menganalisis integrasi pasar
jangka pendek dengan uji statistik sebagai berikut:
Kriteria Uji:
thitung < ttabel, terima H0, artinya kedua pasar terintegrasi kuat dalam jangka pendek
(variabel marjin harga di pasar NYBOT bulan ini dan bulan lalu berpengaruh kuat
pada pembentukan harga di pasar spot Makassar bulan ini).
thitung > ttabel, tolak H0, artinya kedua pasar terintegrasi lemah dalam jangka pendek
(variabel marjin harga di pasar NYBOT bulan ini dan bulan lalu berpengaruh
lemah pada pembentukan harga di pasar spot Makassar bulan ini).
Keterintegrasian pasar jangka pendek melihat bagaimana perubahan harga
dalam jangka pendek di pasar lokal dipengaruhi oleh perubahan jangka pendek
dan marjin yang terjadi diantara pasar lokal dan pasar acuan, diwakili oleh nilai
b2. Jika harga yang terjadi di pasar acuan pada waktu sebelumnya merupakan
faktor utama yang mempengaruhi harga yang terjadi di pasar lokal tertentu berarti
kedua pasar tersebut terhubungkan dengan baik. Hal ini menunjukkan bahwa
informasi permintaan dan penawaran di pasar acuan diteruskan ke pasar lokal dan
akan mempengaruhi harga yang terjadi di pasar lokal tersebut.
b. Keterpaduan Pasar Jangka Panjang
Hipotesis integrasi pasar jangka panjang adalah sebagai berikut:
H0 =
=0
H1 =
≠0
Nilai
sebagai berikut:
H0 : β1 = 0
H1 : β1 ≠ 0
= 0 terjadi bila β1 = 0 sehingga hipotesis di atas dapat dituliskan
38
Hipotesis (H0 : β1 = 0) digunakan untuk menganalisis integrasi pasar
jangka panjang dengan uji statistik sebagai berikut:
thitung =
Kriteria Uji:
thitung < ttabel, terima H0, artinya kedua pasar terintegrasi kuat dalam jangka panjang
(variabel marjin harga di pasar NYBOT bulan ini dan bulan lalu berpengaruh kuat
pada pembentukan harga di pasar spot Makassar bulan ini).
thitung > ttabel, H0 tidak bisa diterima, artinya kedua pasar terintegrasi lemah dalam
jangka panjang (variabel marjin harga di pasar NYBOT bulan ini dan bulan lalu
berpengaruh lemah pada pembentukan harga di pasar spot Makassar bulan ini).
Keterintegrasian pasar jangka panjang adalah keterkaitan antara pasar
lokal dengan pasar acuan bagi pasar lokal yang bersangkutan diwakili oleh nilai
koefisien β1 = 0 atau IMC = 0. Jika koefisien β1 = 0 dan β3 > 0 maka nilai IMC =
0, artinya harga di tingkat pasar lokal pada waktu sebelumnya tidak berpengaruh
terhadap harga yang diterima pada pasar lokal saat ini. Hal ini berarti pasar
tersebut berada dalam keadaan integrasi jangka panjang yang kuat. Jika koefisien
β1 > 0 dan koefisien β3 = 0 maka nilai IMC menjadi tidak terhingga. Hal ini
menunjukkan pasar tersebut mengalami segmentasi pasar. Integrasi pasar jangka
pendek akan cenderung terjadi pada kondisi dimana β1 < β2 sehingga nilai IMC
antara 0 dan 1. Pada situasi ini nilai β2 mendekati nilai 1. Jika nilai β2 = 1 berarti
pasar berada dalam keseimbangan jangka pendek yang kuat, dimana kenaikan
harga di pasar acuan akan diteruskan ke pasar lokal.
Dari penjelasan di atas terlihat bahwa koefisien β2 digunakan untuk
melihat keterintegrasian pasar jangka pendek dan IMC untuk mengetahui
keterintegrasian pasar jangka panjang. Keterintegrasian harga jangka pendek
disebut juga keterkaitan pasar dalam menjelaskan bagaimana para pelaku
pemasaran berhasil menghubungkan pasar-pasar yang secara geografis terpisah
melalui aliran informasi dan komoditi.
39
4.5
Faktor-Faktor yang Mempengaruhi Harga Kakao Indonesia
4.5.1 Metode Regresi Kuadrat Terkecil (least square method)
Teknik yang digunakan dalam penelitian ini adalah teknik analisis regresi
linier berganda model double log, karena nilai variabel dependen dan variabel
independen yang digunakan dalam format logaritma natural (ln). Analisis regresi
linier berganda model double log digunakan untuk meneliti pengaruh variabel
independen terhadap variabel dependen. Model tersebut dirumuskan dalam model
sebagai berikut:
lnY = lnβ0 + β1lnX1 + β2lnX2 + β3lnX3 + β4lnX4 + β5lnX5 + ε
dimana:
lnY
= harga kakao Indonesia (Rp)
lnβ0
= intersep
lnX1
= harga kakao di NYBOT (US$)
lnX2
= konsumsi dunia (ton)
lnX3
= impor Amerika Serikat (ton)
lnX4
= kurs Rupiah terhadap Dollar Amerika Serikat (US$)
lnX5
= lag produksi (satuan)
ε
= error
Hipotesis faktor-faktor yang mempengaruhi harga kakao Indonesia adalah
sebagai berikut:

β1, β1, β1, β1 > 0

β5 < 0
4.5.2 Evaluasi Model Penduga
Evaluasi model penduga bertujuan untuk mengetahui apakah model yang
diduga terpenuhi secara teori dan statistik. Untuk itu kriteria pemilihan model
terbaik dalam analisis regresi linier berganda harus sesuai dengan kriteria sebagai
berikut:
40
4.5.2.1 Kriteria Statistik
Pengujian terhadap model penduga harga kakao Indonesia dilakukan untuk
mendapatkan nilai terbaik dan tak bias. Pengujian yang dilakukan antara lain
sebagai berikut:
a. Uji Autokorelasi
Hasil yang diperoleh dari hasil pengolahan data seringkali mengalami bias atau
tidak efisien. Salah satu penyebabnya karena data tersebut mengandung
autokorelasi. Hal ini menunjukkan error pada periode sekarang dipengaruhi
oleh error pada periode sebelumnya.
Pengujian yang digunakan untuk mengidentifikasi masalah autokorelasi adalah
dengan menggunakan uji Breusch-Godfrey Serial Correlation LM. Uji ini
mengasumsikan bahwa faktor pengganggu ut diturunkan dari model awal.
Persamaan ρth-order autoregressive scheme dimana persamaan tersebut
diturunkan dari model awal. Persamaan model faktor pengganggu ut adalah
sebagai berikut:
U = ρ1 Ut-1 + ρ2 Ut-2 +…..+ ρn Ut-n + et
Dimana et merupakan faktor pengganggu dengan rata-rata nol (zero mean) dan
dengan varian yang konstan. Pengujian Breusch-Godfrey Serial Correlation
LM diindikasikan dengan melihat nilai probabilitas sebagai berikut:
Bila nilai probabilitas > α = 5%, berarti tidak terdapat masalah autokorelasi.
Bila nilai probabilitas < α = 5%, berarti terdapat masalah autokorelasi.
b. Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menguji apakah dalam model regresi
ditemukan adanya korelasi antara variabel bebas yang dapat mengakibatkan
hasil estimasi tidak BLUE. Salah satu cara untuk mengetahui adanya
multikolinearitas pada model regresi adalah dengan melihat correlation matrix.
Estimasi tidak BLUE adalah jika dua variabel bebas mempunyai korelasi lebih
besar atau sama dengan 0,8.
c. Uji Heteroskedastisitas
Uji Heteroskedastisitas perlu dilakukan untuk melihat apakah dalam varians
error hasil estimasi konstan (homoskedastis). Uji yang digunakan untuk
41
menguji heteroskedastisitas adalah uji white heteroscedasticity. Prosedur
pengujian dilakukan dengan hipotesis sebagai berikut:
H0 : tidak ada heteroskedastisitas
H1 : ada heteroskedastisitas
Ada
beberapa
cara
yang
digunakan
untuk
mengatasi
masalah
heteroskedastisitas antara lain dengan metode pembobotan atau dikenal dengan
generalized least square dan menggunakan estimasi kovarian dengan white
heteroscedasticity consistent variance. Apabila masalah heteroskedastisitas
muncul pada penelitian ini, penggunaan generalized least square (GLS)
merupakan solusi yang akan diambil.
d. Uji Normalitas
Asumsi normalitas mengharuskan nilai residual dalam model menyebar atau
terdistribusi secara normal. Untuk mengetahuinya dapat dilakukan uji
normalitas Jarque-Berra. Apabila pada grafik histogram yang ada tergambar
segaris dan p-value lebih besar dari α = 0,05, maka dapat disimpulkan bahwa
residual model terdistribusi dengan normal. Hipotesis yang digunakan pada uji
normalitas Jarque-Berra adalah:
H0 : residual model (u) terdistribusi secara normal
H1 : residual model (u) tidak terdistribusi secara normal
e. Uji Model Penduga
Tujuan dari pengujian ini adalah untuk mengetahui apakah model penduga
yang diajukan layak untuk menduga parameter dari fungsi harga kakao.
Hipotesis:
H0 : β1 = β2 = … = β1 = 0, variabel bebas (Xi) secara serentak berpengaruh
nyata terhadap harga kakao.
H1 : paling tidak satu β1 ≠ 0, I -= 1, 2, 3, …, variabel bebas (Xi) secara serentak
berpengaruh nyata terhadap harga kakao.
Uji yang digunakan adalah uji-f:
Fhitung = (
)
Ftabel = Fα(k-1, n-k)
42
dimana:
R2 = koefisien determinasi
K
= jumlah parameter termasuk intersep
N
= jumlah observasi
Kriteria uji:
Fhitung > F α(k-1, n-k), maka tolak H0
Fhitung < α(k-1, n-k), maka terima H1
Jika H0 ditolak maka seluruh variabel bebas secara bersama-sama
mempengaruhi variabel tidak bebasnya pada tingkat signifikansi tertentu dan
derajat bebas tertentu. Jika H0 diterima maka seluruh variabel bebas secara
bersama-sama tidak mempengaruhi variabel tak bebas pada tingkat signifikansi
tertentu dan derajat bebas tertentu.
f. Uji Untuk Masing-Masing Parameter
Pengujian ini bertujuan untuk mengetahui variabel bebas yang berpengaruh
secara parsial terhadap variabel tak bebas.
Hipotesis:
H0 : βij = 0
H1 : βij ≠ 0
Uji statistik yang digunakan adalah uji t
thitung = [
ttabel
]
= tα/2(n-k)
dimana:
bi
= koefisien ke-i yang diduga
S(bi)
= standar deviasi parameter bi
bi
= parameter ke-i yang diduga
k
= jumlah parameter termasuk intersep
n
= jumlah observasi
Kriteria uji:
thitung > tα/2(n-k), maka tolak H0
thitung < tα/2(n-k), maka terima H0
Jika thitung lebih besar dari ttabel (α, n-k) maka tolak H0 artinya peubah bebas
berpengaruh nyata terhadap peubah tidak bebas dalam model pada taraf nyata α
43
persen dan sebaliknya apabila thitung lebih kecil daripada ttabel (α, n-k), maka
terima H0, artinya peubah bebas tidak berpengaruh nyata terhadap peubah tidak
bebas dalam model pada taraf nyata α persen.
4.6 Definisi Operasional Variabel
a. Harga kakao Indonesia adalah harga yang mengacu kepada harga bursa
NYBOT
b. Harga kakao di NYBOT adalah harga kakao yang terbentuk di lantai bursa
NYBOT setelah memperhitungkan berbagai faktor dan bersifat bulanan dan
tahunan.
c. Konsumsi dunia adalah konsumsi kakao dunia yang dinyatakan dalam tahun.
d. Impor kakao Amerika Serikat adalah jumlah total impor Amerika Serikat dari
seluruh Negara produsen kakao termasuk Indonesia.
e. Kurs Rupiah terhadap Dollar Amerika Serikat adalah nilai tukar Rupiah
terhadap Dollar Amerika Serikat yang dinyatakan dalam Dollar Amerika
Serikat.
f. Lag produksi dunia adalah produksi kakao dunia pada tahun sebelumnya atau
produksi dunia pada waktu t-1.