IV. METODE PENELITIAN
4.4. Perumusan Model
4.4.3. Harga Riil Gabah Tingkat Petani
Harga riil gabah tingkat petani dipengaruhi oleh harga riil pembelian pemerintah, produksi padi, dan harga riil gabah tingkat petani t-1. Harga riil gabah tingkat petani dirumuskan sebagai berikut:
HGTPRt = c0 + c1HDPPRt + c2PRDPt + c3LHGTPRt + ε3 ... (4.3) Keterangan:
HGTPRt = Harga riil gabah tingkat petani tahun ke-t (Rp/Kg) HDPPRt = Harga riil pembelian pemerintah tahun ke-t (Rp/Kg) PRDPt = Produksi padi tahun ke-t (ton)
LHGTPRt = Harga riil gabah tingkat petani tahun ke-t-1 (Rp/Kg) ε3 = error
Tanda parameter estimasi yang diharapkan adalah c1 > 0; c2 < 0 dan 0 < c3 < 1 4.4.4. Jumlah Impor Beras
Jumlah impor beras dipengaruhi oleh harga riil beras impor Indonesia, produksi beras, jumlah penduduk, stok beras t-1, dan jumlah impor beras t-1.
Jumlah impor beras dirumuskan sebagai berikut:
IMPRt = d0 + d1H I M PRt + d2PR D Bt + d3J PD Kt + d4L S T O Kt + d5LIMPRt + ε4 ... (4.4) Keterangan:
IMPRt = Jumlah impor beras tahun ke-t (ton)
HIMPRt = Harga riil beras impor Indonesia tahun ke-t (Rp/Kg) PRDBt = Produksi beras tahun ke-t (ton)
JPDKt = Jumlah penduduk tahun ke-t (juta jiwa) LSTOKt = Stok beras tahun ke-t-1 (ton)
Berdasarkan teori ekonomi, permintaan terhadap suatu barang dipengaruhi oleh harga barang itu sendiri, harga barang lain yang berkompetisi (substitusi) dalam hal ini adalah jagung, selera, pendapatan, dan jumlah penduduk. Persamaan permintaan beras untuk konsumsi secara nasional dirumuskan sebagai berikut:
QDBRt = e0 + e1HBINRt + e2LHJTPRt + e3INCKRt + e4JPDKt + e5LQDBRt + ε5 ... (4.5) Keterangan:
QDBRt = Permintaan beras tahun ke-t (ton)
HBINRt = Harga riil beras Indonesia tahun ke-t (Rp/Kg)
LHJTPRt = Harga riil jagung tingkat petani tahun ke-t-1 (Rp/Kg) INCKRt = Pendapatan riil per kapita tahun ke-t (Rp)
JPDKt = Jumlah penduduk tahun ke-t (Juta jiwa) LQDBRt = Permintaan beras tahun ke-t-1 (ton) ε5 = error
Tanda parameter estimasi yang diharapkan adalah e2, e3, e4 > 0; e1 < 0 dan 0 < e5 < 1
4.4.6. Harga Riil Beras Indonesia
Harga riil beras Indonesia dipengaruhi oleh penawaran beras, harga riil pembelian pemerintah, dan harga riil beras Indonesia t-1. Persamaan harga riil beras Indonesia dirumuskan sebagai berikut:
HBINRt = f0 + f1QSBRt + f2HDPPRt + f3LHBINRt + ε6 ... (4.6)
Keterangan:
HBINRt = Harga riil beras Indonesia tahun ke-t (Rp/Kg) QSBRt = Penawaran beras tahun ke-t (Kg)
HDPPRt = Harga riil pembelian pemerintah tahun ke-t (Rp/Kg) LHBINRt = Harga riil beras Indonesia tahun ke-t-1 (Rp/Kg) ε6 = error
Tanda parameter estimasi yang diharapkan adalah f2 > 0; f1 < 0 dan 0 < f3 < 1 4.4.7. Harga Riil Beras Impor Indonesia
Harga riil beras impor Indonesia dipengaruhi oleh harga riil beras dunia, tarif impor beras t-1, dan harga riil beras impor Indonesia. Persamaan ini dirumuskan sebagai berikut:
HIMPRt = g0 + g1HBRDRt + g2LTRIFt + g3LHIMPRt + ε7 ... (4.7) Keterangan:
HIMPRt = Harga riil beras impor Indonesia tahun ke-t (Rp/Kg) HBRDRt = Harga riil beras dunia tahun ke-t (US$/Kg)
LTRIFt = Tarif impor beras tahun ke-t-1 (Rp/Kg)
LHIMPRt = Harga riil beras impor Indonesia tahun ke-t-1 (Rp/Kg) ε7 = error
Tanda parameter estimasi yang diharapkan adalah g1,g2 > 0 dan 0 < g3 < 1 4.4.8. Produksi Padi
Jumlah produksi padi merupakan perkalian antara luas areal panen padi dengan produktivitas padi. Persamaan produksi padi dirumuskan sebagai berikut:
PRDPt = AREAt * PRDVt ... (4.8) Keterangan:
PRDPt = Produksi padi tahun ke-t (ton)
AREAt = Luas areal panen padi tahun ke-t (Ha) PRDVt = Produktivitas padi tahun ke-t (ton/Ha) 4.4.9. Produksi Beras
Jumlah produksi beras Indonesia diperoleh dari hasil perkalian antara produksi padi dengan faktor konversi atau tingkat rendemen pengolahan padi
menjadi beras. Berdasarkan hal tersebut, produksi beras Indonesia dapat dirumuskan sebagai berikut:
PRDBt = PRDPt * FKt ... (4.9) Keterangan:
PRDBt = Produksi beras tahun ke-t (ton) PRDPt = Produksi padi tahun ke-t (ton) FKt = Faktor konversi (0.63)
4.4.10. Penawaran Beras
Penawaran beras merupakan persamaan identitas dari penjumlahan produksi beras, jumlah impor beras, dan stok beras serta dikurangi dengan stok beras t-1. Persamaannya sebagai berikut:
QSBRt = PRDBt + IMPRt + LSTOKt - STOKt ... (4.10) Keterangan:
QSBRt = Penawaran beras tahun ke-t (ton) PRDBt = Produksi beras tahun ke-t (ton) IMPRt = Jumlah impor beras tahun ke-t (ton) STOKt = Stok beras tahun ke-t (ton)
LSTOKt = Stok beras tahun ke-t-1 (ton) 4.5. Identifikasi Model
Identifikasi model ditentukan atas dasar order condition sebagai syarat keharusan dan rank condition sebagai syarat kecukupan. Menurut Koutsoyiannis (1977), rumusan identifikasi model persamaan struktural berdasarkan order condition ditentukan oleh:
(K - M) ≥ (G - I) ... (4.11) Keterangan:
K = Total variabel dalam model, yaitu endogenous variables dan predetermined variables
M = Jumlah variabel endogen dan eksogen yang termasuk dalam suatu persamaan tertentu dalam model
G = Total persamaan dalam model, yaitu jumlah variabel endogen dalam model
Menurut Supranto (2004) predetermined variable merupakan variabel yang nilainya harus ditentukan terlebih dahulu (predetermined) kemudian berdasarkan persamaan yang ada, nilai variabel endogen dapat diperkirakan atau dihitung. Predetermined variable terdiri atas current exogenous variable, lagged exogenous variable, dan lagged endogenous variable.
Jika suatu persamaan dalam model menunjukkan kondisi sebagai berikut:
1. (K - M) ≥ (G - 1) : maka persamaan dinyatakan teridentifikasi secara berlebih (over identified)
2. (K - M) = (G - 1) : maka persamaan dinyatakan teridentifikasi secara tepat (exactly identified)
3. (K - M) < (G - 1) : maka persamaan dinyatakan tidak teridentifikasi (unidentified) Hasil identifikasi untuk setiap persamaan struktural haruslah exactly identified atau over identified untuk dapat menduga parameter-parameternya.
Kendati suatu persamaan memenuhi order condition, mungkin saja persamaan itu tidak teridentifikasi. Karena itu, dalam proses identifikasi diperlukan suatu syarat perlu sekaligus cukup. Hal itu dituangkan dalam rank condition untuk identifikasi yang menyatakan, bahwa dalam suatu persamaan teridentifikasi jika dan hanya jika dimungkinkan untuk membentuk minimal satu determinan bukan nol pada order (G-1) dari parameter struktural peubah yang tidak termasuk dalam persamaan tersebut. Atau dengan kata lain kondisi rank ditentukan oleh determinan turunan persamaan struktural yang nilainya tidak sama dengan nol (Koutsoyiannis, 1977).
4.6. Estimasi Model
Menurut Koutsoyiannis (1977) bahwa hasil identifikasi untuk setiap persamaan struktural haruslah over identified atau exactly identified agar dapat mengestimasi parameter-parameternya. Berdasarkan ketentuan kriteria identifikasi
model, maka semua persamaan struktural yang disusun dalam penelitian ini bersifat teridentifikasi secara berlebih (over identified). Penelitian ini menggunakan metode estimasi model yaitu 2 SLS, dengan beberapa pertimbangan, yaitu penerapan 2 SLS menghasilkan taksiran yang konsisten, lebih sederhana dan lebih mudah (Gujarati, 1978).
4.6.1. Uji Statistik-F
Uji statistik-F adalah persamaan yang digunakan untuk mengetahui dan menguji apakah variabel eksogen secara bersama-sama berpengaruh nyata atau tidak terhadap variabel endogen (Koutsoyiannis, 1977).
Hipotesis:
H0 : β1 = β2 ….. = βi = 0 H1 : minimal ada satu βi ≠ 0
Nilai peluang uji statistik-F < taraf α = 5% : tolak H0
Keterangan:
Tolak H0 berarti variabel eksogen secara bersama-sama berpengaruh nyata terhadap variabel endogen.
4.6.2. Uji Statistik-t
Uji statistik-t adalah persamaan yang digunakan untuk menguji apakah masing-masing variabel eksogen berpengaruh nyata atau tidak terhadap variabel endogen (Koutsoyiannis, 1977).
Hipotesis:
H0 : βi = 0 H1 : βi ≠ 0
Nilai peluang uji statistik-t < taraf α = 5% : tolak H0
Keterangan:
Tolak H0 berarti suatu variabel eksogen berpengaruh nyata terhadap variabel endogen.
4.6.3. Uji Statistik Durbin-h
Menurut Pindyck dan Rubinfeld (1981), pengujian uji statistik durbin-h dilakukan untuk mengetahui apakah dalam setiap persamaan terdapat serial korelasi (autokorelasi) atau tidak, sebagai berikut:
... (4.12) Keterangan:
h = Angka statistik durbin-h d = Nilai durbin-watson n = Jumlah observasi
var β = Varian koefisien regresi untuk lagged dependent variable
Ditetapkan taraf α = 5%, jika -1.96 ≤ h ≤ 1.96, maka dalam persamaan tidak mempunyai masalah serial korelasi.
4.7. Validasi Model
Menurut Pindyck dan Rubinfeld (1981), uji validasi dilakukan agar model dapat diketahui apakah cukup valid untuk membuat suatu simulasi alternatif rekomendasi kebijakan yang bertujuan menganalisis sejauhmana model tersebut dapat mewakili dunia nyata. Kriteria statistik yang digunakan untuk validasi nilai estimasi model ekonometrika adalah Root Means Squares Percent Error (RMSPE), Theil’s Inequality Coefficient (U), dan R-Square (R2). Kriteria-kriteria tersebut dirumuskan seperti pada persamaan (4.13) dan (4.14):
……… (4.13)
………. (4.14)
Keterangan:
Yts = Nilai hasil simulasi dasar dari variabel observasi Yta
= Nilai aktual variabel observasi n = Jumlah periode observasi
Statistik RMSPE digunakan untuk mengukur seberapa jauh nilai-nilai variabel endogen hasil estimasi model dapat menyimpang dari alur nilai-nilai aktualnya dalam ukuran relatif (persen), atau seberapa dekat nilai estimasi itu mengikuti perkembangan nilai aktualnya. Jika nilai-nilai ringkasan statistik mendekati nol, maka simulasi model mengikuti nilai-nilai aktualnya. Berdasarkan hal tersebut, nilai statistik U-Theil dapat digunakan sebagai ukuran validasi model. Nilai statistik U-Theil selalu bernilai antara 0 dan 1. Jika U = 0, maka model secara historis adalah sempurna. Jika U = 1, maka performance model adalah naif (Sitepu dan Sinaga, 2006).
Koefisien determinasi (R2) bermanfaat untuk melihat sejauh mana keragaman yang dapat diterangkan oleh variabel eksogen terhadap variabel endogen, semakin besar R2 maka model semakin baik. Nilai R2 terletak antara 0 < R2< 1. Jika R2 = 1 berarti 100 persen total variasi variabel eksogen yang dapat diterangkan oleh variabel-variabel endogen. Oleh karena itu, semakin besar nilai R2 mendekati nilai 1 maka hasil persamaan yang diperoleh akan semakin baik.
4.8. Simulasi Model
Setelah model diestimasi, langkah selanjutnya adalah menguji keakuratan model atau validasi model dengan simulasi. Proses simulasi dilakukan untuk mempelajari dampak yang terjadi jika terdapat perubahan pada variabel eksogen dan variabel endogen dalam model. Setelah menguji keakuratan model (validasi model) dan jika itu telah sesuai dengan kriteria statistik yang ditentukan, maka
skenario kebijakan. Beberapa variabel yang digunakan dalam skenario simulasi adalah harga riil gabah tingkat petani, harga riil pembelian pemerintah, harga riil pupuk urea, luas areal panen padi, jumlah penduduk, curah hujan, dan tarif impor beras.
Pemilihan variabel-variabel tersebut dan persentase perubahannya didasarkan pada fenomena yang terjadi dengan tren waktu 7 tahun dari tahun 2002 sampai tahun 2008. Adapun tren kenaikan jumlah penduduk diperoleh dari hasil regresi logaritmik antara ln jumlah penduduk (ln JPDK) dengan ln indeks tahun (ln t), sehingga diperoleh pesamaan ln JPDK = 5.34 + 0.04 ln t. Angka 0.04 digunakan sebagai nilai persentase perubahan jumlah penduduk. Selain itu, pemilihan variabel juga ditentukan berdasarkan signifikansi variabel tersebut pada suatu persamaan.
Jadi, skenario simulasi yang akan diterapkan adalah:
1. Kenaikan harga riil gabah tingkat petani sebesar 9 persen.
2. Kenaikan harga riil pembelian pemerintah sebesar 8 persen.
3. Kenaikan harga riil pupuk urea sebesar 4 persen.
4. Penurunan luas areal panen padi sebesar 1 persen.
5. Kenaikan jumlah penduduk sebesar 0.04 persen.
6. Kenaikan curah hujan sebesar 10 persen.
7. Penurunan tarif impor beras sebesar 0.8 persen.
4.9. Definisi Operasional
1. Padi atau gabah yang dimaksud dalam penelitian ini adalah gabah kering giling (GKG).
2. Beras adalah hasil proses gilingan dari buliran padi atau gabah.
3. Produksi padi adalah jumlah total produksi padi yang dihasilkan dari seluruh wilayah pertanian di Indonesia yang dinyatakan dalam satuan ton.
4. Produksi beras adalah jumlah total produksi beras yang dihasilkan dari seluruh wilayah pertanian di Indonesia, dinyatakan dalam satuan ton.
5. Produktivitas padi merupakan hasil bagi antara produksi padi dengan luas areal panen tanaman padi di Indonesia, dinyatakan dalam satuan ton per hektar.
6. Permintaan beras adalah jumlah beras yang diminta atau dikonsumsi untuk keperluan pangan oleh seluruh penduduk Indonesia, dinyatakan dalam satuan ton.
7. Penawaran beras adalah jumlah beras yang ditawarkan atau disediakan untuk keperluan pangan seluruh penduduk Indonesia, dinyatakan dalam satuan ton.
8. Harga riil gabah tingkat petani adalah harga gabah yang terdapat di tingkat petani setelah dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dengan satuan rupiah per kilogram.
9. Harga riil beras Indonesia adalah harga besar eceran di tingkat konsumen setelah dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dengan satuan rupiah per kilogram.
10. Harga riil jagung tingkat petani merupakan harga jagung tingkat petani setelah dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dengan satuan rupiah per kilogram.
11. Harga riil pupuk urea adalah harga faktor produksi yang diwakili oleh harga pupuk urea yang merupakan pupuk utama dalam produksi padi, yang telah
dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dengan satuan rupiah per kilogram.
12. Harga riil pembelian pemerintah merupakan harga pembelian terhadap gabah kering giling dan harga pembelian terhadap beras setelah dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dengan satuan rupiah per kilogram.
13. Harga riil beras impor Indonesia merupakan harga beras impor setelah dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dengan satuan rupiah per kilogram.
14. Harga riil beras dunia merupakan harga beras dunia setelah dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dengan satuan rupiah per kilogram.
15. Luas areal panen padi adalah luas seluruh areal produktif atau panen tanaman padi di Indonesia dinyatakan dalam satuan hektar.
16. Kredit usahatani adalah sejumlah uang yang disediakan oleh pemerintah melalui bank untuk dipinjamkan kepada petani, dinyatakan dalam satuan rupiah.
17. Curah hujan adalah curah hujan yang ada di wilayah Indonesia, dinyatakan dalam satuan mm per tahun.
18. Jumlah impor beras adalah jumlah total beras yang diimpor dari negara lain, dinyatakan dalam satuan ton.
19. Tarif impor beras dinyatakan dengan satuan rupiah per kilogram.
20. Pendapatan riil per kapita adalah produk domestik bruto setelah dideflasi dengan indeks harga konsumen (IHK) Indonesia, dinyatakan dalam satuan rupiah.
21. Jumlah penduduk Indonesia adalah banyaknya populasi, dinyatakan dalam satuan jiwa.
22. Stok beras merupakan jumlah beras yang disimpan sebagai cadangan beras pemerintah yang dikelola oleh Bulog, dinyatakan dalam satuan ton.
23. Tren waktu merupakan variabel yang mewakili teknologi yang berlaku, terdiri dari tahun 1971-2008.
V. HASIL DAN PEMBAHASAN
Bab hasil dan pembahasan berisi mengenai hasil perhitungan yang telah dilakukan. Pembahasan meliputi penyajian hasil identifikasi model, hasil estimasi model, dan hasil simulasi model. Hasil simulasi model tersebut divalidasi kemudian dilakukan simulasi historis terhadap beberapa variabel endogen dan eksogen untuk mengetahui dampak yang terjadi. Sesuai dengan tujuan penelitian, maka hasil dari perhitungan ini dapat dijadikan dasar dalam menentukan alternatif kebijakan untuk meningkatkan produksi beras di Indonesia.
5.1. Hasil Identifikasi Model
Model yang dirumuskan dalam penelitian ini adalah model linier persamaan simultan. Proses perumusan dilakukan dalam beberapa langkah.
Langkah pertama yang dilakukan yaitu spesifikasi model bertujuan membuat model terbaik sesuai dengan permasalahan yang diangkat. Langkah selanjutnya, identifikasi pada beberapa persamaan untuk melihat apakah over identified, exactly identified ataukah unidentified. Metode estimasi untuk pengujian model
ada beberapa macam, diantaranya metode kuadrat terkecil (OLS), metode kuadrat terkecil tidak langsung (ILS = Indirect Least Squares), metode kuadrat terkecil dua tahap (2 SLS), dan metode kuadrat terkecil tiga tahap (3 SLS = Three Stage Least Squares).
Umumnya metode OLS tidak sesuai untuk menaksir persamaan tunggal dalam hubungan model persamaan simultan, walaupun OLS dapat diterapkan untuk menaksir parameter dari dua persamaan secara individual. Metode OLS hanya digunakan sebagai standar atau norma perbandingan. Selain itu, metode OLS hanya cocok untuk persamaan yang exactly identified (Gujarati, 1978).
Tabel 7. Hasil Identifikasi Model dari Masing-Masing Persamaan
Persamaan K M G (K-M) (G-1) Keterangan
AREA 30 6 10 24 9 Over identified
PRDV 30 6 10 24 9 Over identified
HGTPR 30 4 10 26 9 Over identified
IMPR 30 6 10 24 9 Over identified
QDBR 30 6 10 24 9 Over identified
HBINR 30 4 10 26 9 Over identified
HIMPR 30 4 10 26 9 Over identified
Sumber: Data (diolah), 2010
Penelitian ini terdiri dari variabel endogen dan variabel eksogen. Dimana variabel endogen mencakup 10 variabel, yaitu AREA, PRDV, HGTPR, IMPR, QDBR, HBINR, HIMPR, PRDP, PRDB, dan QSBR. Sedangkan, variabel eksogen mencakup 10 current variable dan 3 lagged variable. Current variable, yaitu RHGHP, HJTPR, KUTA, CRAH, HPUKR, TREN, HDPPR, JPDK, INCKR, HBRDR dan lagged variable, yaitu LSTOK, LHJTPR, LTRIF.
Disamping itu, terdapat 7 lagged variable endogenous, yaitu LAREA, LPRDV, LHGTPR, LIMPR, LQDBR, LHBINR, dan LHIMPR.
Setelah dilakukan identifikasi yang dapat dilihat pada Tabel 7, model dinyatakan over identified sehingga metode ILS tidak dapat digunakan karena metode tersebut memiliki dua kelemahan. Pertama, tidak memberikan standard error bagi parameter struktural yang dihitung berdasarkan parameter dari bentuk
sederhana (parameters of reduced form). Kedua, tidak dapat digunakan untuk menghitung perkiraan parameter struktural yang unik dan konsisten bagi suatu persamaan yang over identified dalam suatu model atau sistem persamaan simultan (Supranto, 2004).
Metode estimasi untuk pengujian model selanjutnya adalah metode 3 SLS.
Metode 3 SLS lebih cocok digunakan dalam estimasi model karena metode ini umumnya memberikan hasil estimasi yang konsisten dan secara asimtotik lebih
efisien. Namun, metode 3 SLS menuntut spesifikasi model yang akurat karena model tersebut sangat peka terhadap kesalahan spesifikasi dan memerlukan data yang besar (Koutsoyiannis, 1977).
Metode 2 SLS sangat ekonomis untuk memecahkan suatu model dengan banyak persamaan dan dapat diterapkan bagi setiap persamaan dalam suatu model tanpa memberikan pengaruh yang jelek pada persamaan lain dalam model. Selain itu, metode 2 SLS mudah sekali penerapannya, yaitu membuat regresi bagi setiap variabel endogen terhadap seluruh variabel eksogen atau predetermined variable dalam model, kemudian mengganti variabel endogen asli dengan variabel endogen perkiraan, hasil regresi. Walaupun metode 2 SLS khusus dirancang untuk persamaan yang over identified, tetapi juga dapat diterapkan untuk persamaan yang exactly identified (Supranto, 2004).
Berdasarkan penjelasan di atas, metode 2 SLS dipilih untuk pengujian model karena cukup toleran terhadap kesalahan spesifikasi model dan kesalahan spesifikasi satu persamaan tidak ditransfer ke persamaan lain. Selain itu, metode 2 SLS lebih efisien dibandingkan OLS, cocok digunakan pada contoh yang jumlahnya sedikit, konsisten serta dapat menghindari estimasi yang bias (Supranto, 2004).
5.2. Hasil Estimasi Model
Secara umum berdasarkan hasil estimasi model dalam setiap persamaan yang tersaji dalam Lampiran 3 sampai Lampiran 9 dapat ditunjukkan bahwa nilai koefisien determinasi (R2) dari masing-masing persamaan berkisar antara 0.28 sampai 0.99. Berdasarkan nilai tersebut, keragaman masing-masing variabel endogen dapat dijelaskan dengan baik oleh variabel-variabel eksogen yang
dimasukkan dalam masing-masing persamaan struktural. Variabel-variabel eksogen secara bersama-sama dapat menjelaskan keragaman variabel endogen sebagaimana ditunjukkan dengan nilai peluang uji statistik-F yang lebih rendah dari taraf α = 5%, berkisar antara 0.0001 sampai 0.0083. Disamping itu, setiap persamaan struktural dalam model mempunyai tanda parameter estimasi sesuai dengan harapan dari sudut pandang ekonomi.
Nilai peluang uji statistik-t digunakan untuk menguji apakah masing-masing variabel eksogen berpengaruh nyata terhadap variabel endogennya. Nilai peluang uji statistik-t menunjukkan bahwa ada beberapa variabel eksogen yang tidak berpengaruh nyata (tidak signifikan) terhadap variabel endogennya pada taraf α = 20%.
Berdasarkan uji statistik durbin-h, dari 7 persamaan struktural terdapat 3 persamaan yang mempunyai masalah serial korelasi, yaitu produktivitas padi (PRDV), harga riil gabah tingkat petani (HGTPR), dan harga riil beras impor Indonesia (HIMPR). Hal ini dikarenakan nilai Dh yang dimiliki masing-masing persamaan sebesar -3.14, 5.83, dan -1.97 sedangkan 2 persamaan tidak mempunyai masalah serial korelasi, yaitu luas areal panen padi (AREA) dan jumlah impor beras (IMPR) dengan nilai Dh masing-masing sebesar -1.82 dan 0.78. Dua persamaan lainnya yaitu permintaan beras (QDBR) dan harga riil beras Indonesia (HBINR) tidak terdeteksi serial korelasinya karena hasil kali antara jumlah contoh observasi dengan ragam variabel bedakala nilainya lebih besar dari satu.
Menurut Pindyck dan Rubinfeld (1981), masalah serial korelasi hanya mengurangi efisiensi estimasi parameter dan serial korelasi tidak menimbulkan
bias parameter regresi, maka hasil dalam estimasi model dalam penelitian ini dapat dinyatakan cukup representatif dalam menggambarkan fenomena ekonomi beras di Indonesia. Penjelasan lebih rinci dari masing-masing persamaan disajikan dalam pembahasan berikut ini.
5.2.1. Luas Areal Panen Padi
Hasil estimasi persamaan luas areal panen padi secara lengkap disajikan pada Lampiran 3. Adapun secara ringkas, hasil estimasinya terlihat pada persamaan (5.1) sebagai berikut:
AREAt = – 147.763 + 75.680RHGHPt – 0.209HJTPRt + 0.006KUTAt
+ 0.240CRAHt + 0.968LAREAt ... (5.1) R-Square = 95.25%, nilai peluang uji-F = 0.0001, dan Dh = -1.82
Variabel yang secara nyata mempengaruhi luas areal panen padi pada taraf α = 5% adalah luas areal panen padi t-1 (LAREA) sedangkan curah hujan berpengaruh nyata pada taraf α = 10%. Adapun rasio harga riil gabah tingkat petani dengan harga riil pupuk urea, harga riil jagung tingkat petani, dan kredit usahatani tidak berpengaruh nyata terhadap luas areal panen padi. Tidak nyatanya pengaruh variabel rasio harga riil gabah tingkat petani dengan harga riil pupuk urea, harga riil jagung tingkat petani, dan kredit usahatani terhadap luas areal panen padi menunjukkan bahwa perubahan variabel harga riil gabah tingkat petani, harga riil pupuk urea, harga riil jagung tingkat petani, dan kredit usahatani hanya menyebabkan perubahan yang kecil dibandingkan jika yang berubah variabel eksogen yang pengaruhnya signifikan.
Variabel rasio harga riil gabah tingkat petani dengan harga riil pupuk urea berpengaruh positif terhadap luas areal panen padi. Hal ini berarti jika terjadi kenaikan harga riil gabah tingkat petani, maka luas areal panen padi akan
bertambah, ceteris paribus. Hal tersebut menunjukkan bahwa kenaikan harga riil gabah tingkat petani akan menstimulus petani untuk memperluas lahan garapannya, sehingga luas areal panen padi akan bertambah. Sebaliknya jika harga riil gabah tingkat petani menurun, maka petani tidak mempunyai insentif atau gairah untuk menanam padi.
Harga riil pupuk urea naik (harga gabah tetap) sehingga rasio harga riil gabah tingkat petani dengan harga riil pupuk urea menjadi turun. Hal ini menyebabkan petani mengurangi jumlah pembelian pupuk urea sehingga luas areal panen padi akan semakin menurun. Oleh karena itu, intervensi pemerintah sangat diperlukan dalam menentukan harga riil pupuk urea melalui kebijakan subsidi pupuk.
Variabel harga riil jagung tingkat petani sebagai komoditi kompetitif padi berpengaruh negatif terhadap luas areal panen padi sebesar 0.209. Hal ini berarti jika harga riil jagung tingkat petani naik sebesar satu rupiah per kilogram, maka kemungkinan petani beralih menanam jagung, sehingga luas areal panen padi akan berkurang sebesar 0.209 hektar. Sebaliknya, jika harga riil jagung tingkat petani turun sebesar satu rupiah per kilogram, maka petani akan banyak yang menanam padi sehingga luas areal panen padi akan bertambah sebesar 0.209 hektar, ceteris paribus. Harga riil jagung tingkat petani terhadap luas areal panen
Variabel harga riil jagung tingkat petani sebagai komoditi kompetitif padi berpengaruh negatif terhadap luas areal panen padi sebesar 0.209. Hal ini berarti jika harga riil jagung tingkat petani naik sebesar satu rupiah per kilogram, maka kemungkinan petani beralih menanam jagung, sehingga luas areal panen padi akan berkurang sebesar 0.209 hektar. Sebaliknya, jika harga riil jagung tingkat petani turun sebesar satu rupiah per kilogram, maka petani akan banyak yang menanam padi sehingga luas areal panen padi akan bertambah sebesar 0.209 hektar, ceteris paribus. Harga riil jagung tingkat petani terhadap luas areal panen