IV. HASIL KEGIATAN
4.2 Model Simulasi Investasi terhadap Pertumbuhan PDB Sektor Kelautan dan
4.2.1 Latar Belakang
Investasi di sektor kelautan dan perikanan diharapkan mempunyai dampak positif terhadap kinerja sektor kelautan dan perikanan, yang menjadi tanggung jawab Kementerian Kelautan dan Perikanan. Dengan meningkatnya produksi perikanan, maka ketahanan pangan nasional menjadi makin kuat, pendapatan pelaku utama usaha perikanan (nelayan, pembudidaya, pengolah, dan petambak garam) akan meningkat, kesempatan kerja perdesaan akan makin luas, jumlah penduduk miskin di perdesaan akan berkurang, devisa negara akan makin besar dan PDB sektor kelautan dan perikanan juga akan meningkat.
Pemerintah bukanlah pelaku usaha. Usaha ekonomi sebesar-besarnya dilakukan oleh swasta, baik perorangan (masyarakat) maupun perusahaan. Oleh karena itu, investasi usaha sepenuhnya dilakukan oleh swasta. Peran pemerintah terutama adalah dalam pembangunan infrastruktur publik, insentif dan regulasi yang esensial untuk penumbuh-kembangan perusahaan swasta. Investasi infrastruktur yang dilaksanakan pemerintah komplementer dan fasilitator bagi investasi usaha yang dilakukan pengusaha.
Tujuan swasta melakukan investasi ialah untuk memperoleh laba sebesar-besarnya. Informasi mengenai peluang bidang usaha dan lokasi yang prospektif untuk meraih laba amatlah esensial bagi investor swasta. Termasuk dalam hal ini adalah arah kebijakan pemerintah yang akan menentukan ketersediaan fasilitas pendukung utamanya infrastruktur publik dan insentif berusaha. Tujuan dari penelitian ini adalah : 1) Mengkaji hubungan antara investasi dengan inflasi dan nilai tukar; 2) Melakukan simulasi kebutuhan investasi sektor kelautan dan perikanan untuk mendorong pertumbuhan Produk Domestik Bruto sebesar 8,9%.
Kajian ini dilakukan dengan mengaplikasikan model general equilibrium (GE) dan model single-market equilibrium (SME). Model GE yang dipergunakan adalah model Input-Output (I-O), berupa dua set Table I-O, Tabel I-O KP Indonesia tahun 2008 dan 2012. Kedua table tersebut merupakan table I-O customized yang dikembangkan oleh PPSEKP. Tabel I-O KP 2008, merupakan pengembangan dari tabel I-O Nasional 2008, didisagregasi menjadi 75 sektor yang meliputi beberapa
25 komoditas unggulan perikanan Indonesia, dan telah dijadikan database bagi model
Computable General Equilibrium (CGE) pada tahun 2013, dan dikembangkan lebih
lanjut pada tahun 2014 (Tajerin, Rahadian, Saptanto, Sriluhur, Mira, & Muhibuddin, 2014; Zulham, et al., 2013). Adapun Tabel I-O KP 2012 merupakan hasil kerjasama antara PPSEKP dengan Badan Pusat Statistik (BPS) dalam rangka pemutakhiran table I-O yang sudah ada.
Kedua tabel I-O KP tersebut selanjutnya dipergunakan dalam proses penghitungan angka Incremental Capital Output Ratio (ICOR) sektor Perikanan. Angka ICOR Perikanan tersebut sangat penting untuk menghitung besaran angka Pembentukan Modal yang diperlukan untuk mendorong pertumbuhan Ekonomi di sektor Perikanan. Adapun rumus penghitungan angka ICOR dan angka kebutuhan Modal adalah sebagai berikut:
πΌπΆππ =βπΎ βπ dimana:
ΞK = Perubahan Nilai Kapital ; ΞY = Perubahan Nilai Output.
Dari rumus tersebut dapat diperkirakan bahwa angka ICOR ini akan bernilai di atas 0. Semakin kecil angka ICOR yang dihasilkan mengindikasikan semakin efisien Investasi yang dilakukan. ICOR yang rendah berarti besaran nilai Investasi yang harus dilakukan untuk menghasilkan pertumbuhan ekonomi akan relatif rendah.
Seperti telah dikemukakan pada bagian sebelumnya, kajian ini juga akan mengaplikasikan model SME untuk mengkaji hubungan antara Investasi dengan beberapa variabel makroekonomi, yaitu: 1) Inflasi; dan 2) nilai tukar rupiah. Model ini akan menggunakan input berupa data runut waktu, dengan periode pengamatan sepanjang tahun 2000 hingga 2015. Secara teoritis, besaran investasi yang terrealisasi akan dipengaruhi oleh besaran bunga riil (r) dengan hubungan yang saling berlawanan. Dengan kata lain, nilai Investasi yang terjadi akan tinggi apabila bunga riil bernilai rendah. Dengan menggunakan model ini, maka dapat diperkirakan besaran Investasi yang akan terjadi berdasarkan data inflasi dan nilai tukar yang terjadi.
26
4.2.2 Hasil Analisis Trend dan Proyeksi Exchange Rate dan Inflasi
Untuk melakukan proyeksi ke depan dari exchange rate dan inflasi digunakan pendekatan model trend. Pemilihan model trend tersebut dapat dipilih yang paling sesuai yaitu dalam bentuk model trend linier, model trend kuadratik dan model eksponensial. Hasil olahan data untuk R square dengan menggunakan analisis trend linier diperoleh sebesar 0,326 untuk Exchange Rate dan 0,193 untuk inflasi. Hasil yang sama diperoleh dengan menggunakan analisis trend kuadratik, yaitu R square sebesar 0,326 untuk Exchange Rate dan 0,193 untuk inflasi. Sedangkan menggunakan analisis trend eksponensial diperoleh nilai R square yang sedikit berbeda yaitu 0,318 untuk Exchange Rate dan 0,220 untuk inflasi.
4.2.3 Model Proyeksi Exchange Rate dan Inflasi
Untuk melakukan proyeksi ke depan dari exchange rate dan inflasi dilakukan dengan menggunakan pilihan model trend yang paling sesuai, antara lain dalam bentuk model trend linier, kuadratik atau model eksponensial. Dalam hal ini dilakukan dengan mengganti nilai t (waktu) pada persamaan sesuai dengan pilihan model trend yang terbaik. Gambar 1 menunjukkan plot fit kurva trend exchange rate dan inflasi dengan menggunakan metode trend linier, kuadratik, dan eksponensial.
Gambar 7. Plot Fit Kurva Trend Exchange Rate dan Inflasi
Berdasarkan hasil estimasi kurva trend exchange rate yang paling cocok adalah kurva yang memiliki kriteria dapat memberikan dugaan kesalahan baku
27 (standar error of estimation - SEE) paling minimal dan sebaliknya memiliki koefisien determinasi terkoreksi (R2-adjusted) yang relatif tinggi. Dari hasil analisis
trend untuk exchange rate dan inflasi yang menunjukkan adanya kecocokan adalah analisis eksponensial.
Penghitungan proyeksi nilai tukar 2016 β 2019 dilakukan berdasarkan model persamaan yang terpilih, yakni:
ERt = 0,000000007707exp(0,014*t)
Sehingga diperoleh nilai proyeksi exchange rate adalah: 13.944,82 (2016); 14.141,42 (2017); 14.340,79 (2017) dan 14.542,97(2019).
Penghitungan proyeksi inflasi 2016 β 2019 dilakukan berdasarkan model persamaan yang terpilih, yakni:
INFt = 1,231E+44exp(-0,050*t)
Sehingga diperoleh nilai proyeksi inflasi adalah: 2,16 (2016); 1,96 (2017); 1,86 (2018) dan 1,77 (2019).
Untuk mendorong pertumbuhan PDBKP seperti yang telah ditargetkan pada PERMEN KP 45/2015, maka diperkirakan akan diperlukan pembentukan modal di sektor Perikanan pada periode 2016-2019 sebesar Rp 909 milliar (2016), Rp 1.288 milliar (2017), Rp 1.689 milliar (2018), dan Rp 2050 milliar (2019).
4.2.4 Kesimpulan
1. Estimasi Parameter Hubungan ICOR dan variabel-variabel penentu:
β’ Perubahan ICOR dipengaruhi secara signifikan dengan arah negatif oleh pertumbuhan PDBKP sebesar 4,4% setiap 1% pertumbuhan PDBKP; β’ Perubahan ICOR dipengaruhi secara signifikan dengan arah negatif oleh
inflasi sebesar 0,18% setiap 1% inflasi;
β’ Perubahan ICOR dipengaruhi secara cukup signifikan dengan arah positif oleh nilai tukar rupiah terhadap U$.
28 β’ Secara historis ICOR sektor perikanan menunjukkan bahwa produktifitas investasi dalam menghasilkan output relatif baik (nilai ICOR di bawah 1);
β’ Pada kondisi seperti yang diasumsikan, maka ICOR sektor perikanan diproyeksikan akan berkisar pada angka 0,040-0,046.
3. Proyeksi Kebutuhan Modal:
β’ Untuk mendorong pertumbuhan PDBKP seperti yang telah ditargetkan pada PERMEN KP 45/2015, maka diperkirakan akan diperlukan pembentukan modal di sektor Perikanan pada periode 2016-2019 sebesar Rp. 909 milliar, Rp. 1288 milliar, Rp. 1689 milliar, dan Rp. 2050 milliar.
29
4.3 Kajian Aspek Sosial Ekonomi Masyarakat Perikanan terhadap