3. KEDELAI NASIONAL DAN INTERNASIONAL
5.8. Prosedur Analisis
Peralatan untuk menganalisis dayasaing yang relevan adalah melalui pendekatan ekonometrika. Menurut Lains (2003) ekonometrika digunakan untuk (i) membuat estimasi sebuah fungsi dan parameter-parameternya, (ii) dapat memprediksi dalam menetapkan kebijaksanaan, mengambil keputusan dan/atau mengevaluasi
Tanda yang
Endogen Eksogen Diharapkan
Luas panen harga riil kedelai lokal (PDt) +
kedelai (LPt) curah hujan rata-rata (CHt) +
luas panen tahun sebelumnya (LLPt) +
harga riil jagung (PJt) -
harga riil benih (PBt) -
Produktivitas jumlah pupuk urea (QFT) +
kedelai (YKt) curah hujan rata-rata (CHt) +
harga riil di tingkat produsen (PPt) +
produktivitas tahun sebelumnya (LYKt) +
harga riil jagung (PJt) -
Harga riil harga riil di tingkat produsen (PPt) +
kedelai lokal (PDt) harga riil kedelai impor (PIt) +
harga kedelai lokal tahun sebelumnya (LPDt) +
produktivitas kedelai (YKt) +
volume impor kedelai (QIt) -
Harga riil jumlah konsumsi kedelai (CKt) +
tingkat produsen (PPt) dummy monopoli Bulog (DBt) +
harga produsen tahun sebelumnya (LYKt) +
volume produksi kedelai lokal (QIt) -
volume impor kedelai (QIt) -
Volume impor jumlah konsumsi kedelai (CKt) +
kedelai (QIt) populasi penduduk Indonesia (POPt) +
harga riil kedelai impor (DPIt) +
harga kedelai internasional (PLt) -
produksi kedelai lokal (QKt) -
Harga riil harga kedelai internasional (PLt) +
kedelai impor (PIt) nilai tukar rupiah terhadap dolar (ERt) +
dummy monopoli Bulog (DBt) +/-
tarif impor kedelai (PNt) +
harga kedelai impor tahun sebelumnya (LPIt) + Pengaruh Endogen terhadap Eksogen
kebijaksanaan yang telah ada. Menurut Intriligator (1978), model ekonometrika adalah suatu pola khusus dari model aljabar yang setiap prosesnya merupakan hubungan yang terintegrasi satu sama lain. Suatu model dikatakan baik jika model tersebut dapat memenuhi kriteria:
(1)Ekonomi (menyangkut arah dan besaran parameter), (2)Statistik (menyangkut uji-uji statistik),
(3)Ekonometrik (menyangkut asumsi-asumsi ekonometrika).
Dari ketiga kriteria tersebut yang terpenting adalah kriteria ekonomi karena penelitian menyangkut kebijakan ekonomimakro dan performace dari industri komoditi kedelai.
Menurut Koutsoyiannis (1977), model ekonometrika merupakan gambaran hubungan masing-masing penjelas (explanatory variables) terhadap peubah endogen (dependent variables). Prosedur analisis dari ekonometrika adalah sebagai berikut :
(1) Identifikasi model
Identifikasi model hanya untuk persamaan-persamaan yang didalamnya terdapat koefisien-koefisien yang harus diestimasi secara statistik dan memerlukan pengukuran. Dalam teori ekonometrika terdapat dua kemungkinan situasi dalam suatu identifikasi, yaitu :
a. Persamaan Underidentified
Suatu persamaan dikatakan underidentified jika bentuk statistiknya tidak tunggal. Jika suatu persamaan underidentified, maka tidak mungkin dilakukan pendugaan dari seluruh parameter yang ada dengan teknik ekonometrik manapun.
b. Persamaan Identified
Jika suatu persamaan memiliki bentuk statistik tunggal, maka persamaan tersebut dapat diidentifikasikan (identified). Persamaan tersebut dapat exactly identified atau overidentified. Dalam persamaan yang teridentifikasi, koefisien didalamnya dapat diduga secara statistik. Jika persamaan exactly identified,
maka metode yang sesuai untuk pendugaan adalah Indirect Least Square. Sedangkan jika persamaan overidentified, maka metode yang digunakan salah satunya adalah Two Least Square (2SLS).
Berdasarkan Koutsoyiannis (1977), terdapat dua tahap identifikasi, yaitu :
a. Order condition (syarat keharusan) digunakan untuk mengetahui apakah persamaan-persamaan yang ada dapat diidentifikasi atau tidak.
Langkah-langkah dalam order condition adalah :
(K – M) > (G – 1) persamaan teridentifikasi secara berlebih (overidentified) (K – M) = (G – 1) persamaan teridentifikasi secara tepat (exactly identified) (K – M) < (G – 1) persamaan tidak teridentifikasi (unidentified)
Hasil identifikasi untuk setiap persamaan haruslah exactly identified atau overidentified agar dapat menduga parameter-parameternya, yaitu :
K = Total peubah dalam model (peubah endogen dan predetermined) M = Total peubah endogen dan eksogen dalam satu persamaan tertentu dalam model
G = Total persamaan dalam model/jumlah peubah endogen dalam model b. Rank condition (syarat kecukupan) digunakan untuk mengidentifikasi
persamaan dimana setelah dilakukan uji order condition menghasilkan kesimpulan yang dapat diidentifikasi. Selanjutnya dilihat apakah persamaan tersebut exactly identified atau overidentified. Jika paling sedikit terdapat satu determinan yang tidak sama dengan nol, maka disimpulkan :
Bila (K – M) > (G – 1), persamaan tersebut overidentified Bila (K – M) = (G – 1), persamaan tersebut exactly identified
Jika semua determinan sama dengan nol, maka persamaan tersebut underidentified. Kendati suatu persamaan telah memenuhi order condition, namun tetap dilakukan rank condition. Kondisi rank untuk mengidentifikasi determinan persamaan yang bukan nol pada order G –1.
(2) Metode pendugaan parameter
Setelah diperoleh hasil identifikasi model kemudian dilanjutkan dengan pendugaan model yang dilakukan dengan 2SLS (Two Stage Least Squares) menggunakan program SAS version 6,12. Penggunaan 2SLS dengan beberapa pertimbangan, yaitu penerapan 2SLS menghasilkan taksiran yang konsisten, lebih mudah dan sederhana (Gujarati, 1999; Sumodiningrat, 1999).
Untuk menguji apakah peubah-peubah eksogen secara bersama-sama berpengaruh nyata atau tidak terhadap peubah endogen, maka pada setiap persamaan digunakan uji statistik F. Untuk menguji apakah peubah eksogen yang terdapat dalam model secara individu berpengaruh nyata atau tidak terhadap peubah endogen,maka pada setiap persamaan digunakan uji statistik t.
Persamaan dalam penelitian ini menggunakan data time series dan model mengandung persamaan simultan dan peubah bedakala (lagged endogenous variable). Pada jenis data ini sering dijumpai masalah autokorelasi dengan terjadinya hubungan error-term antar dua pengamatan. Masalah autokorelasi akan menyesatkan dalam mengambil kesimpulan, terutama mengenai nyata tidaknya setiap parameter dugaan yang diuji. Untuk mendeteksi ada tidaknya autokorelasi digunakan uji d (Durbin Watson Statistic). Dikarenakan didalam persamaan terdapat peubah bedakala, maka uji d tidak valid, sehingga untuk menguji autokorelasi digunakan uji statistik dh (Durbin-h Statistics), sebagai berikut :
)) ((var 1 2 1 1 β n n d h − − = ……… (17)
dimana : d = dh statistik Durbin Watson
n = jumlah observasi
var β = varians koefisien regresi untuk lag dependent variable
Apabila hhitung lebih kecil dari nilai kritis h dari tabel distribusi normal, maka dalam
(3) Validasi Model
Untuk mengetahui apakah model cukup valid untuk membuat suatu simulasi alternatif kebijakan dan peramalan, maka perlu dilakukan suatu validasi model yang bertujuan untuk menganalisis sejauh mana model tersebut dapat mewakili dunia nyata.
Dalam penelitian ini, kriteria statistik untuk validasi nilai pendugaan model ekonometrika yang digunakan adalah : Root Means Percent Square Error (RMPSE), Theil’s Inequality Coefficient (U) (Pindyck dan Rubinfield, 1991). Kriteria-kriterianya dirumuskan sebagai berikut :
∑
= − = n t a t a t s t Y Y Y n RMPSE 1 2 ) ( 1 ………... (18)∑
∑
∑
= = = + − = n t n t a t s t n t a t s t Y Y n Y Y n U 1 1 2 1 2 ) ( ( 1 ) ( 1 ………..………. (19)dimana : Ys t = nilai hasil simulasi dasar dari peubah observasi
Ya t = nilai aktual peubah observasi
n = jumlah periode observasi
Statistik RMPSE digunakan untuk mengukur seberapa dekat nilai dugaan mengikuti nilai aktualnya dalam persen. Sedangkan nilai statistik U bermanfaat untuk mengetahui kemampuan model untuk analisis simulasi peramalan. Nilai koefisien Theil (U) berkisar antara 0 dan 1. Jika U = 0 maka pendugaan model sempurna, jika U = 1 maka pendugaan model naif. Untuk melihat keeratan arah (slope) antara aktual dengan hasil simulasi dilihat dari nilai koefisien determinasinya (R2). Semakin kecil nilai RMPSE dan U-Theil’s serta semakin besar nilai R2, pendugaan model semakin baik (Pindyck dan Rubinfield, 1991).
(4) Pengukuran Elastisitas
Koutsoyiannis (1977) menyatakan bahwa untuk melihat derajat kepekaaan peubah endogen pada suatu persamaan terhadap perubahan dari peubah eksogen dapat digunakan nilai elastisitasnya. Nilai elastisitas jangka pendek (short-run) diperoleh dari perhitungan sebagai berikut :
Esr(Yt,Yi) = a1(X i) ……… (20)
Yt
dimana : Esr(Yt,Yi) = Elastisistas jangka pendek peubah eksogen Xi
terhadap peubah endogen Yt
ai = Paramater dugaan peubah eksogen Xi
Xi = Rata-rata peubah eksogen Xi
Yt = Rata-rata peubah eksogen Yt
Sedangkan nilai elastisitas jangka panjang (long-run) diperoleh dari perhitungan sebagai berikut :
Esr(Yt,Yi) = Esr (Yt,X i) ………..………... (21)
1-ai lag
dimana : Esr(Yt,Yi) = Elastisistas jangka pendek variable eksogen Xi
terhadap peubah endogen Yt
ai lag = Paramater dugaan dari lag-endogenous peubah.
Dengan kriteria uji elastisitas sebagai berikut :
a. Jika nilai elastisitas lebih dari satu (E >1), dikatakan elastis (responsive) karena perubahan satu persen peubah eksogen mengakibatkan perubahan peubah endogen lebih dari satu persen.
b. Jika nilai elastisitas antara nol dan satu (0<E<1) dikatakan inelastis (nonresponsive), karena perubahan satu persen peubah eksogen akan mengakibatkan perubahan peubah endogen.
c. Jika nilai elastisitas sama dengan nol (E=0), dikatakan inelastic sempurna. d. Jika nilai elastisitasnya tak terhingga (E=~), dikatakan elastis sempurna. e. Jika nilai elastisitasnya sama dengan satu (E=1), dikatakan unitary elastis.
(5) Simulasi Model
Setelah model divalidasi dan memenuhi kriteria secara statistik, maka model tersebut dapat dijadikan sebagai model dasar simulasi. Simulasi/peramalan dapat dibedakan beberapa jenis dan tujuan simulasi, diantaranya adalah ramalan berdasarkan horizon waktu yang dibedakan menjadi ex-post forecasting, ex-ante forecasting dan backcasting (Mulyono, 2000) yang diilustrasikan pada Gambar 6.
Forecasting
ex-post simulation or ex-post ex-ante Backcasting historical simulation forecasting forecasting
Periodedata dugaan
Periode dugaan t1 t2 t3 (today)
Gambar 6. Garis Waktu Peramalan (Mulyono, 2000)
Pada periode t1 menunjukkan batas waktu dari model yang dihitung dengan data
yang ada. Simulasi dibuat diantara t1 ke t2 disebut dengan ex-post simulation atau
historical simulation. Ex-post forecasting menunjukkan jika periode dugaan t2 < t3,
maka peramalan dapat dilakukan di akhir periode. Pada Ex-ante forecasting yang dimulai dari t3 adalah simulasi nilai dependent peubah yang didasarkan pada