V. INTEGRASI PASAR
5.2. Integrasi Pasar Vertikal
Integrasi pasar vertikal menunjukkan perubahan harga di satu pasar akan direfleksikan pada perubahan harga di pasar lain secara vertikal dalam produk yang sama. Dalam kasus beras, integrasi pasar vertikal dapat terjadi, jika terdapat perubahan harga gabah di tingkat petani kemudian diikuti oleh perubahan harga di tingkat pedagang besar, dan perubahan harga besar di tingkat konsumen. Dengan demikian antara satu pasar dengan pasar lainnya memiliki keterkaitan, di mana informasi harga akan diperoleh secara akurat dan ini akan membuat pergerakan
beras menjadi lebih efisien. Dalam studi ini akan dianalisis integrasi pasar vertikal untuk harga beras nasional tingkat produsen, pedagang besar, dan konsumen.
Tahap pertama yang dilakukan adalah memeriksa stasioneritas data deret waktu di setiap tingkat harga. Untuk itu digunakan uji ADF (Augmented Dickey- Fuller) baik untuk model dengan konstanta maupun dengan/tanpa tren. Hasil uji ADF untuk deret harga riil beras medium nasional pada level dan first difference disajikan pada Tabel 23. Jika diuji menggunakan konstanta tanpa tren (panel A) maupun konstanta dengan tren (panel B), semua deret harga riil tidak stasioner pada tingkat level. Untuk uji ADF deret harga pada first difference, hipotesis nol adanya unit root ditolak pada taraf nyata 1%, baik jika menggunakan konstanta tanpa tren maupun menggunakan konstanta dengan tren. Dengan demikian, semua deret harga adalah terintegrasi pada ordo satu, yang dilambangkan dengan I(1) (Engle dan Granger, 1987). Karena pada panel A dan B hipotesis nol adanya unit root ditolak pada taraf nyata 1%, maka untuk integrasi pasar vertikal beras nasional dapat digunakan model dengan konstanta tanpa tren atau dengan tren.
Tahap selanjutnya adalah memeriksa kestabilan model, menentukan lag optimum, dan memeriksa kointegrasi. Model VAR untuk pasar vertikal beras nasional akan stabil sampai lag 12, sementara pada lag 13 model VAR sudah tidak stabil. Artinya, lag optimum yang akan dipilih berkisar antara lag 1 sampai dengan lag 12.
Tabel 24 Uji unit root ADF untuk sistem persamaan integrasi pasar vertikal beras nasional (harga dalam natural log)
No. Harga Beras Nasional
Variabel pada Level Variabel pada first difference Variabel pada Level Variabel pada first difference Jumlah lag ADF test Jumlah
lag ADF test
Jumlah lag
ADF test
Jumlah
lag ADF test
C. Konstanta tanpa tren D. Konstanta dengan tren
1 Tingkat Produsen (GKPNAS) 2 -0.13 1 -9.27 ** 2 -1.55 1 -9.37 ** 2 Tingkat Pedagang Besar (HBGNAS) 0 -0.63 0 -8.03 ** 0 -1.46 0 -8.07 ** 3 Tingkat Konsumen (HBENAS) 1 -1.24 1 -6.91 ** 1 -2.19 1 -6.93 **
a) Jumlah lag optimal dipilih pada nilai SIC (Schwarz’s Information Criteria) minimum.
b) Test ADF dibandingkan dengan nilai Tabel MacKinnon, dimana ** dan * adalah tolak
Tabel 25 Penentuan lag optimal untuk model pasar vertikal beras nasional
Lag LogL LR FPE AIC SC HQ
0 368.5885 NA 3.33E-08 -8.7045 -8.6177 -8.6696 1 573.7255 390.737 3.12E-10 -13.3744 -13.0272 * -13.2348 2 583.6400 18.177 3.06E-10 -13.3962 -12.7885 -13.1519 3 607.2644 41.624 * 2.16E-10 * -13.7444 * -12.8762 -13.3954 * 4 611.2854 6.797 2.44E-10 -13.6258 -12.4973 -13.1722 5 613.3252 3.303 2.90E-10 -13.4601 -12.0711 -12.9017 6 620.5259 11.144 3.06E-10 -13.4173 -11.7678 -12.7542 7 622.6789 3.178 3.65E-10 -13.2543 -11.3443 -12.4865 8 631.2117 11.987 3.76E-10 -13.2431 -11.0728 -12.3707 9 636.8647 7.537 4.17E-10 -13.1635 -10.7326 -12.1863 10 648.3042 14.436 4.06E-10 -13.2215 -10.5303 -12.1397 11 653.4021 6.069 4.62E-10 -13.1286 -10.1769 -11.9421 12 666.2378 14.364 4.42E-10 -13.2200 -10.0078 -11.9287 Keterangan: * adalah hipotesis nol ditolak pada taraf nyata 5%
Tabel 24 menampilkan kandidat lag optimal untuk model pasar vertikal untuk beras nasional. Karena keterbatasan data, maka lag optimum yang akan digunakan adalah pada tingkat lag 1, yaitu berdasarkan kriteria informasi SC. Selanjutnya Tabel 25 menunjukkan hasil uji kointegrasi untuk model pasar vertikal beras nasional. Artinya, pada model ini terdapat satu vektor kointegrasi atau kombinasi linier yang stasioner.
Tabel 26 Hasil uji kointegrasi untuk model pasar vertikal beras nasional
Hipotesis Nol Eigenvalue Trace statistics Max-eigen statistic
r = 0 0.242622 36.266670 * 26.121940 * r ≤ 1 0.090420 10.144730 8.908579 r ≤ 2 0.013064 1.236154 1.236154 Keterangan: * adalah hipotesis nol ditolak pada taraf nyata 5%
Tabel 26 menampilkan persamaan kointegrasi (Cointegration Equation/CE) jangka panjang untuk model pasar vertikal beras nasional. Terlihat adanya hubungan keseimbangan jangka panjang antara pasar beras di tingkat pedagang besar dan di tingkat konsumen dengan pasar beras di tingkat produsen (petani).
Tabel 27 Persamaan kointegrasi jangka panjang untuk model pasar vertikal beras nasional
Variabel Persamaan Kointegrasi 1
GKPNAS(-1) 1.00000
HBGNAS(-1) 0.59659 *
HBENAS(-1) 0.62015 *
C -1.47699 *
Keterangan: * adalah hipotesis nol ditolak pada taraf nyata 5%
Hasil estimasi VECM pada model pasar vertikal beras nasional dapat dilihat pada Lampiran 5. Secara ringkas, Tabel 27 memperlihatkan hasil koefisien model VECM persamaan integrasi pasar vertikal beras nasional. Nilai t-hitung yang diperoleh dibandingkan dengan nilai t-tabel, di mana nilai yang digunakan adalah tingkat kepercayaan 5 persen (t-tabel=1.96) dan 10 persen (t-tabel=1.67). Apabila nilai t-hitung yang diperoleh lebih besar dari nilai t-tabel, maka dapat dikatakan bahwa variabel tersebut berpengaruh signifikan.
Pada pasar vertikal beras nasional, dihasilkan koefisien ECT masing- masing pelaku yaitu untuk harga di tingkat produsen sebesar -0.217, harga di tingkat pedagang besar sebesar 0.127, dan harga di tingkat konsumen sebesar 0.165. Pengaruh dari masing-masing ECT kecil karena hanya bernilai kurang dari satu, dan hanya koefisien ECT di tingkat harga pedagang besar dan konsumen yang secara nyata mempengaruhi perubahan harga yang berlaku yang saat ini pada tingkat kepercayaan 5 persen.
Tabel 28 Hasil uji model VECM untuk model pasar vertikal beras nasional
Koreksi Galat D(GKPNAS) D(HBGNAS) D(HBENAS)
Pers. Kointegrasi 1 -0.21745 0.12675 ** 0.16538 ** D(GKPNAS(-1)) 0.28588 * -0.02265 0.06020 D(HBGNAS(-1)) 0.46086 -0.14738 0.19499
D(HBENAS(-1)) -0.73650 * 0.41999 ** -0.05512 Keterangan: * adalah hipotesis nol ditolak pada taraf nyata 10%, ** adalah hipótesis nol ditolak pada taraf nyata 5%.
Dalam Tabel 30 tersebut, setiap kolom menunjukkan perubahan harga per wilayah (D(GKPNAS), D(HBGNAS), D(HBENAS)). Koefisien baris
(D(GKPNAS(-1)), D(HBGNAS(-1)), D(HBENAS(-1))) menunjukkan besaran penyesuaian yang disebabkan perubahan harga beras jangka pendek pada 1 periode sebelumnya dalam berbagai tingkatan harga terhadap perubahan harga pada saat ini.
Untuk harga gabah kering panen nasional (GKPNAS), perubahan harga beras saat ini dipengaruhi oleh perubahan harga beras 1 bulan sebelumnya di tingkat petani dan konsumen. Untuk harga beras grosir nasional (HBGNAS), perubahan harga beras saat ini dipengaruhi oleh hubungan keseimbangan jangka panjang dan perubahan harga beras 1 bulan sebelumnya di tingkat konsumen. Untuk harga beras eceran nasional (HBENAS), perubahan harga beras saat ini hanya dipengaruhi oleh hubungan keseimbangan jangka panjang.
Gambar 16 menampilkan grafik Impulse Response (IR) untuk model pasar vertikal beras nasional akibat adanya perubahan atau shock berupa kenaikan satu standar deviasi dari suatu variabel dalam sistem.
Pada baris pertama adalah Impulse Response untuk harga beras nasional di tingkat petani, baris kedua adalah Impulse Response untuk harga beras nasional di tingkat pedagang besar, dan baris ketiga adalah Impulse Response untuk harga beras nasional di tingkat konsumen. Periode yang digunakan dalam analisis adalah 12 periode (1 periode sama dengan 1 bulan), artinya respon suatu variabel berlaku sampai 12 bulan mendatang.
Gambar 16 Hasil impulse response function (IRF) untuk model VECM pasar vertikal beras nasional.
Shock harga beras grosir di tingkat petani akan menyebabkan kenaikan sangat besar pada harga beras di tingkat petani itu sendiri pada awal periode, sedikit meningkat sampai bulan ke 2, selanjutnya mengalami penurunan cukup signifikan sampai periode ke 5 untuk kemudian relatif stabil sampai akhir periode. Sementara shock harga beras di tingkat pedagang besar dan konsumen tidak mempengaruhi harga beras di tingkat petani pada bulan pertama. Setelah periode awal, shock harga beras di tingkat pedagang besar menyebabkan kenaikan harga gabah di tingkat petani sampai akhir periode. Sementara, walaupun shock harga beras di tingkat konsumen sempat menyebabkan penurunan harga gabah di tingkat petani, namun mulai bulan ke 4 shock harga di konsumen menyebabkan kenaikan harga gabah di tingkat petani. Dari gambar tersebut terlihat bahwa shock harga -.01 .00 .01 .02 .03 .04 .05 .06 1 2 3 4 5 6 7 8 9 10 11 12
Response of GKPNAS to GKPNAS
-.01 .00 .01 .02 .03 .04 .05 .06 1 2 3 4 5 6 7 8 9 10 11 12
Response of GKPNAS to HBGNAS
-.01 .00 .01 .02 .03 .04 .05 .06 1 2 3 4 5 6 7 8 9 10 11 12
Response of GKPNAS to HBENAS
-.01 .00 .01 .02 .03 .04 .05 .06 1 2 3 4 5 6 7 8 9 10 11 12
Response of HBGNAS to GKPNAS
-.01 .00 .01 .02 .03 .04 .05 .06 1 2 3 4 5 6 7 8 9 10 11 12
Response of HBGNAS to HBGNAS
-.01 .00 .01 .02 .03 .04 .05 .06 1 2 3 4 5 6 7 8 9 10 11 12
Response of HBGNAS to HBENAS
-.01 .00 .01 .02 .03 .04 .05 .06 1 2 3 4 5 6 7 8 9 10 11 12
Response of HBENAS to GKPNAS
-.01 .00 .01 .02 .03 .04 .05 .06 1 2 3 4 5 6 7 8 9 10 11 12
Response of HBENAS to HBGNAS
-.01 .00 .01 .02 .03 .04 .05 .06 1 2 3 4 5 6 7 8 9 10 11 12
Response of HBENAS to HBENAS
beras di tingkat pedagang besar menyebabkan kenaikan yang lebih besar terhadap harga gabah di petani dibandingkan shock harga di tingkat konsumen.
Shock harga beras grosir di tingkat pedagang besar akan menyebabkan kenaikan cukup besar pada harga beras di tingkat pedagang besar itu sendiri pada awal periode, sedikit menurun sampai bulan ke 5 untuk kemudian stabil sampai akhir periode. Shock harga GKP juga akan menyebabkan kenaikan cukup besar terhadap harga beras grosir pada awal periode, trennya terus meningkat, bahkan setelah mencapai kestabilan baru, efeknya lebih besar dibandingkan shock yang disebabkan oleh harga grosir itu sendiri. Sementara, dampak dari shock harga beras eceran tidak terlalu besar terhadap harga beras grosir, dibandingkan dua shock harga lainnya. Meskipun sempat berfluktuasi sampai bulan ke 3, namun secara umum, shock harga beras eceran tersebut cenderung menyebabkan penurunan harga beras grosir.
Shock harga beras eceran di tingkat konsumen akan menyebabkan kenaikan pada harga beras eceran itu sendiri di awal periode, sedikit menurun sampai bulan ke 6 untuk kemudian stabil sampai akhir periode. Shock harga GKP juga akan menyebabkan kenaikan cukup besar terhadap harga beras eceran pada awal periode, trennya terus meningkat, bahkan setelah mencapai kestabilan baru, efeknya lebih besar dibandingkan shock yang disebabkan oleh harga eceran itu sendiri. Shock harga beras grosir juga menyebabkan kenaikan pada harga beras eceran di awal periode, pengaruhnya relatif stabil sampai akhir periode.
Tabel 28 menunjukkan hasil analisis Variance Decomposition untuk harga gabah kering panen nasional (GKPNAS), harga beras grosir nasional (HBGNAS), dan harga beras eceran nasional (HBENAS) selama 12 periode mendatang. Tabel tersebut menjelaskan bahwa dalam 12 bulan mendatang, variasi harga GKP dapat dijelaskan oleh dirinya sendiri sebesar 92.5 persen, 6.8 persen oleh harga beras grosir, dan 0.7 persen oleh harga beras eceran. Sementara, variasi harga beras grosir dapat dijelaskan oleh dirinya sendiri sebesar 24.7 persen, 74.9 persen oleh harga GKP, dan 0.4 persen oleh harga beras eceran. Dan, variasi harga beras eceran dapat dijelaskan oleh dirinya sendiri sebesar 6.6 persen, 88.7 persen oleh harga GKP, dan 4.7 persen oleh harga beras grosir.
Tabel 29 Hasil forecast error variance decomposition (FEVD) model VECM pasar vertikal beras nasional untuk harga gabah kering panen (GKPNAS), harga beras grosir (HBGNAS), dan harga beras eceran (HBENAS)
Periode Standar Deviasi GKPNAS HBGNAS HBENAS
A. Harga Gabah Kering Panen
1 0.0560 100.0000 0.0000 0.0000 2 0.0814 98.4919 0.4898 1.0183 3 0.0942 97.9285 1.2174 0.8541 4 0.1027 97.0100 2.2662 0.7238 5 0.1097 95.9876 3.3054 0.7070 6 0.1162 95.0936 4.1810 0.7254 7 0.1225 94.3957 4.8656 0.7387 8 0.1286 93.8589 5.3997 0.7414 9 0.1345 93.4324 5.8291 0.7386 10 0.1402 93.0795 6.1862 0.7343 11 0.1456 92.7789 6.4908 0.7303 12 0.1508 92.5182 6.7547 0.7271
B. Harga Beras di Tingkat Grosir
1 0.0206 20.0898 79.9102 0.0000 2 0.0321 36.2133 61.6815 2.1053 3 0.0438 51.9793 46.8397 1.1810 4 0.0543 61.2536 37.9572 0.7893 5 0.0635 66.3838 32.9598 0.6564 6 0.0714 69.3198 30.0873 0.5929 7 0.0785 71.1299 28.3216 0.5486 8 0.0849 72.3481 27.1392 0.5127 9 0.0908 73.2352 26.2811 0.4837 10 0.0963 73.9199 25.6196 0.4605 11 0.1016 74.4683 25.0898 0.4419 12 0.1066 74.9182 24.6550 0.4268
C. Harga Beras di Tingkat Eceran
1 0.0199 34.3141 18.6791 47.0068 2 0.0340 58.9524 13.4609 27.5867 3 0.0467 72.0567 9.6362 18.3071 4 0.0578 78.8516 7.5935 13.5549 5 0.0672 82.4783 6.4951 11.0266 6 0.0753 84.5652 5.8726 9.5622 7 0.0825 85.8717 5.4897 8.6386 8 0.0890 86.7640 5.2314 8.0046 9 0.0951 87.4209 5.0421 7.5371 10 0.1009 87.9309 4.8950 7.1741 11 0.1063 88.3409 4.7766 6.8825 12 0.1115 88.6780 4.6791 6.6429
Dari hasil analisis VECM di atas, dapat disimpulkan bahwa terjadi integrasi pasar vertikal, dimana terjadi transmisi harga gabah di tingkat petani ke harga beras konsumen, dan sebaliknya dari harga beras konsumen ke harga gabah petani, namun respons perubahan harga beras konsumen lebih cepat jika terjadi perubahan harga gabah di tingkat petani. Oleh karena itu, kebijakan pemerintah yang mendorong kenaikan harga di tingkat petani akan meningkatkan harga beras di tingkat konsumen lebih tinggi lagi, sehingga mendorong kenaikan spread harga gabah dan beras.