5.2 Keragaan Hasil Pendugaan Ketersediaan dan Akses
5.2.9 Harga Riil Beras Eceran di Indonesia
Hasil pendugaan pada persamaan harga riil beras eceran di Indonesia menunjukkan bahwa semua peubah penjelas memberikan arah dan besaran nilai parameter dugaan sesuai harapan, serta mampu menjelaskan secara bersama-sama sekitar 76.856 persen keragaman nilai peubah endogennya, sedangkan sisanya yang 23.144 persen dijelaskan oleh peubah lain di luar persamaan. Arah dan besaran dari masing-masing peubah penjelas sesuai dengan harapan.
Harga riil beras eceran di Indonesia secara signifikan dipengaruhi oleh perubahan harga gabah tingkat petani, perubahan produksi beras, jumlah beras impor Indonesia, perubahan cadangan beras, perubahan konversi lahan sawah di Indonesia, dan lag harga riil beras eceran di Indonesia, dengan respon inelastis pada jangka pendek dan jangka panjang (Tabel 25). Respon inelastis harga riil beras eceran terhadap perubahan peubah-peubah penjelasnya, mengindikasikan bahwa harga riil beras eceran di Indonesia dipengaruhi oleh perubahan faktor eksternal lain, seperti perekonomian, teknologi dan kelembagaan.
Tabel 25 Hasil pendugaan parameter harga riil beras eceran di Indonesia (HBEIR) Peubah Parameter
Estimasi
Elastisitas Prob > |T| Keterangan Peubah Jangka Pendek Jangka Panjang Intercept 796.159 - - 0.149
(HGTTIR – LHGTTIR) 0.585 0.004 0.022 0.001 Perubahan harga gabah di tkt petani di Indonesia
(PBRI – LPBRI) -1.700x10-4 -0.027 -0.136 0.021 Perubahan produksi beras di Indonesia
LJMBI -1.000x10-4 -0.032 -0.163 0.071 Jumlah beras impor di Indonesia
PCADBI -2.200x10-4 0.009 0.044 0.032 Perubahan cadangan beras di Indonesia (KLSI – LKLSI) 2.240x10-4 1.114x10-4 0.001 0.145 Perubahan konversi
lahan sawah di Indonesia
T 10.465 - - 0.177 Tren waktu
LHBEIR 0.804 - - 0.003 Lag harga riil beras
eceran di Indonesia Prob>|F| = 0.00440 R2 = 0.76856 Dw = 1.10338 Dh = -
Harga riil beras eceran di Indonesia dipengaruhi oleh harga riil gabah di tingkat petani. Respon harga riil beras eceran di Indonesia terhadap perubahan peubah penjelas: perubahan produksi beras, lag jumlah impor, dan perubahan cadangan beras adalah inelastis dalam jangka pendek, dengan arah yang negatif (berlawanan). Ketiga peubah penjelas ini merupakan komponen penting dalam penawaran beras domestik, sehingga kenaikan penawaran beras domestik akan menurunkan harga riil beras eceran di Indonesia. Selain itu, setiap peningkatan konversi lahan sawah akan mengakibatkan peningkatan harga riil beras eceran di Indonesia, karena konversi lahan sawah yang terjadi menyebabkan menurunnya produksi beras domestik.
Dari hasil penelitian ini juga diketahui bahwa kecenderungan waktu berpengaruh positif terhadap harga riil beras eceran di Indonesia. Hal ini dapat diartikan bahwa setiap tahunnya, ceteris paribus, harga riil beras eceran Indonesia mengalami tren peningkatan sebesar Rp10.465, sebagaimana ditunjukkan oleh nilai parameter estimasinya. Adanya pengaruh peubah lag harga riil beras eceran mengindikasikan bahwa ada tenggang waktu yang relatif lambat bagi peubah harga riil beras eceran untuk kembali menuju titik keseimbangan dalam merespon perubahan ekonomi yang terjadi.
5.2.10 Inflasi Bahan Makanan
Keragaman nilai inflasi bahan makanan sekitar 96.686 persen mampu dijelaskan secara bersama-sama oleh peubah-peubah penjelas yang terdiri dari harga riil beras eceran di Indonesia, perubahan nilai tukar, excess demand beras, laju inflasi umum dan tren waktu, sedangkan sisanya 3.314 persen dijelaskan oleh peubah di luar persamaan. Semua arah dan besaran peubah penjelas dari persamaan sesuai harapan. Hasil pendugaan parameter harga riil beras eceran di Indonesia secara ringkas disajikan pada Tabel 26.
Tabel 26 Hasil pendugaan parameter inflasi bahan makanan (IBM) Peubah Parameter
Estimasi
Elastisitas Prob > |T| Keterangan Peubah Jangka Pendek Jangka Panjang Intercept -22.931 - - 0.165
HBEIR 0.005 1.273 - 0.144 Harga riil beras eceran di
Indonesia
(ERIR – LERIR) 0.005 -0.064 - 0.000 Perubahan nilai tukar Rupiah dg US Dollar (QDBI – QSBI) 1.938x10-6 0.443 - 0.411 Excess demand beras di
Indonesia
LIU 1.090 0.856 - 0.000 Laju inflasi umum di
Indonesia
T 0.095 - - 0.409 Tren waktu
Prob>|F| = <.00010 R2 = 0.96686 Dw = 2.30505
Inflasi bahan makanan dipengaruhi secara nyata oleh harga riil beras eceran, perubahan nilai tukar, dan laju inflasi umum. Namun demikian, hanya peubah harga riil beras eceran yang elastis pada jangka pendek (Tabel 21). Harga riil beras eceran merupakan salah satu cost push inflation factor, dimana persentase pengeluaran rata-rata per kapita sebulan menurut Kelompok Barang menyebutkan bahwa konsumsi padi-padian memberi kontribusi sebesar 10.095 persen dari 53.045 persen konsumsi makanan (BPS, 2002 – 2009). Selain itu, inflasi bahan makanan juga dipengaruhi oleh perubahan nilai tukar rupiah terhadap US dollar dan laju inflasi umum. Sebagaimana yang pernah terjadi pada tahun 1998 ketika terjadi krisis moneter, penurunan nilai tukar rupiah terhadap US
dollar hingga 247.023 persen menyebabkan peningkatan laju inflasi umum dan laju inflasi bahan makanan masing-masing sebesar 837.208 dan 541.572 persen.
5.2.11 Akses Pangan per Kapita
Persamaan akses pangan per kapita mempunyai koefisien determinasi (R2) sebesar 98.658 persen, yang berarti bahwa peubah-peubah penjelas yang terdiri dari inflasi bahan makanan, konversi lahan sawah di Indonesia, perubahan ketersediaan infrastruktur jalan, dan lag akses pangan per kapita mampu menjelaskan secara bersama-sama keragaman nilai peubah endogennya sebesar 98.658 persen, sedangkan sisanya yang sebesar 1.342 persen dijelaskan oleh peubah di luar persamaan. Semua arah dan besaran peubah penjelas sesuai harapan. Hasil pendugaan parameter akses pangan riil per kapita secara ringkas disajikan pada Tabel 27.
Tabel 27 Hasil pendugaan parameter akses pangan riil per kapita (PPPKIR) Peubah Parameter
Estimasi
Elastisitas Prob > |T| Keterangan Peubah Jangka Pendek Jangka Panjang Intercept -58 064.600 - - 0.437
IBM -8 483.530 -0.011 0.132 0.036 Inflasi bahan makanan KLSI -0.605 -0.006 0.073 0.141 Konversi lahan sawah di
Indonesia
(PJLNI – LPJLNI) 1.063 0.001 -0.011 0.449 Perubahan ketersediaan infrasruktur jalan di Indonesia
LPPPKIR 1.085 - - 0.000 Lag akses pangan per
kapita
Prob>|F| = <.00010 R2 = 0.98658 Dw = 2.30233 Dh = -0.68394
Akses pangan per kapita secara nyata dipengaruhi oleh inflasi bahan makanan, konversi lahan sawah Indonesia, dan lag akses pangan per kapita. Respon akses pangan per kapita terhadap perubahan peubah inflasi bahan makanan, konversi lahan sawah di Indonesia, perubahan ketersediaan infrastruktur jalan bersifat inelastis pada jangka pendek dan jangka panjang, sedangkan responsif terhadap peubah lag-nya dalam jangka pendek maupun jangka panjang. Fenomena ini mengindikasikan bahwa akses pangan per kapita memiliki tenggang
waktu yang relatif lambat untuk menyesuaikan diri kembali pada tingkat keseimbangannya dalam merespon perubahan perekonomian yang terjadi, atau dengan kata lain, akses pangan per kapita tidak stabil.
Konversi lahan sawah menyebabkan menurunnya ketersediaan pangan dan mengakibatkan peningkatan harga beras riil eceran dan inflasi bahan makanan. Tingginya inflasi bahan makanan akan mengurangi akses masing- masing individu terhadap pangan, sehingga akses pangan per kapita sebagai salah satu indikator ketahanan pangan, juga akan menurun. Respon akses pangan per kapita terhadap perubahan ketersediaan infrastruktur jalan di Indonesia inelastis dalam jangka jangka pendek dan jangka panjang, dengan pengaruh yang tidak signifikan pada taraf probabilitas 15 persen. Namun demikian, peubah ini tetap dimasukkan ke dalam persamaan sebagai proksi dari akses pangan secara fisik. Sebagaimana telah dijelaskan dalam Bab 4, akses pangan meliputi akses secara fisik dan ekonomi. Akses fisik dilihat dari bagaimana distribusi pangan tersebut sampai dapat diterima oleh masing-masing individu. Semakin baik ketersediaan infrastruktur jalan di Indonesia, maka akan semakin terbuka akses transportasi untuk distribusi hasil-hasil pertanian antarwilayah di Indonesia, sehingga akses setiap penduduk untuk mendapatkan pangan yang cukup pun semakin besar.
Halaman ini sengaja dikosongkan
VI ANALISIS SIMULASI KEBIJAKAN
6.1 Validasi Model Ketersediaan dan Akses Pangan di Indonesia
Kerangka teoritis dan empiris yang dikembangkan sebelumnya digunakan sebagai dasar dalam membangun model ketersediaan dan akses pangan di Indonesia. Hubungan ekonomi peubah-peubah dalam model yang diformulasikan juga digunakan dalam simulasi berbagai alternatif kebijakan. Menurut Pindyck dan Rubinfeld (1998), simulasi kebijakan bertujuan untuk menganalisis dampak berbagai alternatif kebijakan dengan cara mengubah nilai peubah kebijakannya. Sebelum melakukan alternatif simulasi kebijakan, terlebih dahulu perlu dilakukan validasi model untuk melihat apakah nilai dugaan sesuai dengan nilai aktual masing-masing peubah endogennya.
Model ketersediaan dan akses pangan dalam penelitian ini telah diuji dengan suatu simulasi dasar untuk periode observasi 1990 – 2010, dimana konversi lahan sawah mengalami tren kecenderungan yang menurun. Adapun indikator yang digunakan dalam validasi model adalah Root Mean Square Percent Error (RMSPE), yang digunakan untuk mengukur seberapa dekat nilai masing- masing peubah endogen hasil pendugaan mengikuti data aktualnya selama periode pengamatan atau dengan kata lain seberapa jauh penyimpangannya dalam ukuran persen (Sinaga & Sitepu, 2007). Untuk melihat keeratan arah (slope) antara aktual dengan hasil yang disimulasikan ditunjukkan oleh nilai koefisien determinasinya.
Indikator lain yang juga digunakan dalam melihat validasi model ini adalah statistik proporsi bias (UM), proporsi regresi (UR), proporsi distribusi (UD), serta statistik Theil’s inequality coefficient (U). Indikator statistik ini digunakan untuk mengevaluasi kemampuan model dalam analisis simulasi dasar/historis dan juga peramalan (namun penelitian ini tidak melakukan peramalan). Suatu model dikatakan semakin baik jika nilai RMSPE dan U-Theil’s semakin kecil, sedangkan nilai R2 semakin besar. Nilai koefisien Theil’s (U) berkisar antara 0 dan 1, dimana jika U = 0 maka pendugaan model sempurna. Sebaliknya jika U = 1 maka pendugaan model naif. Hasil validasi model ketersediaan dan akses pangan di Indonesia disajikan pada Tabel 28.
Tabel 28 Hasil pengujian validasi model Ketersediaan dan Akses Pangan di Indonesia
Nama Peubah RMS % Bias Reg Dist Var Covar Coef Error (UM) (UR) (UD) (US) (UC) U
Konversi Lahan Sawah Jawa 3.9640E9 0.00 0.00 1.00 0.08 0.92 0.2928 Konversi Lahan Sawah Luar Jawa 5.2691E9 0.00 0.01 0.99 0.35 0.65 0.5119 Konversi Lahan Sawah Indonesia 3.5403E9 0.00 0.00 1.00 0.17 0.83 0.3740 Luas Baku Sawah Jawa 1.9771 0.00 0.09 0.91 0.18 0.82 0.0092 Luas Baku Sawah Luar Jawa 2.7961 0.00 0.15 0.85 0.31 0.69 0.0128 Luas Baku Sawah Indonesia 1.9891 0.00 0.13 0.87 0.26 0.74 0.0095 Luas Areal Panen Padi Jawa 2.4793 0.10 0.08 0.82 0.00 0.90 0.0127 Luas Areal Panen Padi Luar Jawa 2.9326 0.00 0.00 1.00 0.04 0.96 0.0144 Luas Areal Panen Padi Indonesia 1.8045 0.00 0.00 1.00 0.04 0.96 0.0087 Produktivitas Padi Jawa 2.2608 0.19 0.05 0.76 0.00 0.81 0.0112 Produktivitas Padi Luar Jawa 1.2481 0.06 0.00 0.94 0.01 0.93 0.0062 Produktivitas Padi Indonesia 1.4400 0.01 0.08 0.91 0.14 0.84 0.0072 Produksi Padi Jawa 3.3860 0.26 0.01 0.73 0.00 0.74 0.0175 Produksi Padi Jawa per Kapita 3.3860 0.27 0.01 0.72 0.05 0.68 0.0174 Produksi Beras Jawa 3.3860 0.26 0.01 0.73 0.01 0.73 0.0176 Produksi Padi Luar Jawa 3.2306 0.02 0.01 0.97 0.04 0.94 0.0162 Produksi Padi Luar Jawa per Kapita 3.2306 0.03 0.04 0.93 0.15 0.82 0.0157 Produksi Beras Luar Jawa 3.2306 0.02 0.01 0.96 0.05 0.93 0.0162 Produksi Padi Indonesia 2.8064 0.17 0.00 0.82 0.02 0.80 0.0146 Produksi Beras Indonesia per Kapita 2.8064 0.19 0.04 0.77 0.19 0.61 0.0144 Produksi Beras Indonesia 2.8064 0.18 0.00 0.82 0.04 0.78 0.0146 Jumlah Beras Impor Indonesia 1589.4 0.01 0.17 0.82 0.03 0.96 0.3631 Harga Riil Beras Impor Indonesia 43.3095 0.00 0.33 0.67 0.51 0.49 0.1278 Penawaran Beras Indonesia 3.4638 0.06 0.00 0.94 0.02 0.91 0.0173 Jumlah Beras Susut Indonesia 3.4638 0.06 0.00 0.94 0.02 0.91 0.0173 Ketersediaan Beras Indonesia 3.4638 0.06 0.00 0.94 0.02 0.91 0.0173 Ketersediaan Beras per Kapita 3.2040 0.00 0.00 0.99 0.18 0.81 0.0159 Permintaan Beras Indonesia 5.1137 0.00 0.13 0.86 0.01 0.99 0.0256 Permintaan Beras per Kapita 5.1137 0.00 0.16 0.84 0.08 0.92 0.0256 Marjin Pemasaran Beras Jawa 25.2650 0.00 0.01 0.98 0.00 0.99 0.0706 Marjin Pemasaran Beras Luar Jawa 13.2243 0.00 0.01 0.99 0.02 0.98 0.0418 Marjin Pemasaran Beras Indonesia 74.5399 0.00 0.38 0.62 0.00 1.00 0.3070 Harga Riil Pembelian Pemerintah 13.2208 0.00 0.17 0.83 0.00 1.00 0.0540 Harga Riil Gabah Tkt Petani Jawa 10.9928 0.00 0.13 0.86 0.10 0.89 0.0507 Harga Riil Gabah Tkt Petani Luar Jawa 6.5366 0.00 0.00 1.00 0.20 0.80 0.0322 Harga Riil Gabah Tkt Petani Indonesia 14.6226 0.00 0.11 0.89 0.00 1.00 0.0517 Harga Beras Eceran Indonesia 11.5084 0.00 0.30 0.70 0.01 0.99 0.0583 Inflasi Bahan Makanan 176.1 0.02 0.00 0.98 0.02 0.96 0.1142 Akses Pangan per Kapita 4.6268 0.03 0.09 0.88 0.06 0.91 0.0213 Penerimaan Pemerintah 1589.4 0.14 0.05 0.81 0.28 0.58 0.3544
Devisa Negara 1283.0 0.07 0.13 0.80 0.00 0.93 0.3207
Berdasarkan hasil validasi pada Tabel 28 diketahui bahwa terdapat 35 persamaan dari 41 persamaan (sekitar 85.366 persen) yang memiliki nilai RMSPE < 26 persen, yang dapat diartikan bahwa nilai prediksi dapat mengikuti kecenderungan data historisnya dengan tingkat kesalahan kurang dari 26 persen sebanyak 85.366 persen persamaan. Sisanya sebanyak 6 persamaan memiliki nilai
RMSPE ≥ 26 persen, dengan rincian: 2 persamaan mempunyai nilai RMSPE antara 26 – 100 persen; dan 4 persamaan lainnya mempunyai nilai RMSPE > 100 persen.
Berdasarkan kriteria nilai U-Theil’s dimana nilai idealnya adalah nol, maka diketahui sebanyak 37 persamaan dari 41 persamaan (sekitar 90.244 persen) memiliki nilai U-Theil’s berkisar antara 0 – 0.3, yang mengindikasikan simulasi model dapat mengikuti data aktualnya dengan baik. Sisanya terdiri dari: 3 persamaan dari 41 persamaan memiliki nilai U-Theil’s antara 0.31 – 0.5, dan 1 persamaan dari 41 persamaan yang memiliki nilai U-Theil’s > 0.5. Nilai U-Theil tertinggi adalah sebesar 0.512 yang terdapat pada persamaan konversi lahan sawah di luar Jawa (KLSLJ), akan tetapi tidak mengalami bias sistemik karena nilai UM yang sangat kecil. Berdasarkan uji validasi, secara umum model dinilai cukup baik digunakan sebagai model pendugaan, sehingga model ini juga dapat digunakan untuk simulasi alternatif kebijakan simulasi historis periode 1990 – 2010. Batasan rentang tahun tersebut ditetapkan sesuai dengan tujuan penelitian ini, yaitu melihat dampak konversi lahan sawah yang terjadi di Jawa, luar Jawa, dan Indonesia secara keseluruhan dimana tahun 1990-2010 mengalami tren/ kecenderungan yang meningkat.
6.2 Evaluasi Dampak Alternatif Kebijakan Ekonomi terhadap Ketersediaan
