ANALISIS FAKTOR PENENTU
INTEGRASI PASAR BERAS DI INDONESIA
MUHAMMAD WAWAN HIDAYANTO
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa tesis berjudu l Analisis Faktor Penentu Integrasi Pasar Beras di Indonesia adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Maret 2014
Muhammad Wawan Hidayanto
ABSTRACT
MUHAMMAD WAWAN HIDAYANTO. Determinants of Rice Market Integration in Indonesia. Supervised by LUKYTAWATI ANGGRAENI and DEDI BUDIMAN HAKIM.
Rice is a staple food and has a strategic role in Indonesia. Therefore, the government has to maintain rice price to be stable. Rice price stabilization will be more effectively implemented on integrated markets. The objectives of this study are (1) to analyze market integration among retail rice price at provinces in Indonesia, between retail rice price at provinces in Indonesia and wholesale rice price at Cipinang Wholesale Rice Market (PIBC), and between wholesale rice price at PIBC and international rice price; (2) to analyze the impact of rice price shock on a market to other markets; and (3) to analyze the determinants of rice market integration in Indonesia. Johansen cointegration test was used to analyze market integration while impulse response and forecast error decomposition variance were used to analyze the impact of price shock. Ordinary least squares method were also used to analyze the the determinants of rice market integration in Indonesia. Result of the study shows that retail rice price among provinces is not fully integrated. Similarly, retail rice price at provinces in Indonesia and wholesale rice price at PIBC is also not fully integrated. Market integration test between wholesale rice prices at PIBC and international rice prices shows that IR-64 II rice price at PIBC had cointegration with Thailand 15 percentage broken and Vietnam 15 percentage broken,while IR-64 III rice price at PIBC only had cointegration with Thailand 15 percentage broken rice price, but not with Vietnam 15 percentage broken. Shock on a province’s rice price had directly impact on that province’s rice price itself on early period while another market had not been affected yet. Similarly, rice price variation on a market was caused by shock on the market itself rather than by other markets. The research also found that road as transportation infrastructure is positively and significantly associated with market integration, as well as rice procurement by BULOG and percapita income. Raskin distribution is also statistically significant but associated negatively.
RINGKASAN
MUHAMMAD WAWAN HIDAYANTO. Analisis Faktor Penentu Integrasi Pasar Beras di Indonesia. Dibimbing oleh LUKYTAWATI ANGGRAENI dan DEDI BUDIMAN HAKIM.
Beras merupakan komoditi pangan yang utama dan strategis di Indonesia, sehingga Pemerintah perlu menjaga stabilitas harga beras. Stabilisasi harga beras akan lebih efektif dilaksanakan pada pasar yang terintegrasi. Tujuan penelitian ini adalah (1) menganalisis integrasi pasar spasial pada harga beras tingkat retail antar pasar provinsi di Indonesia, antara harga beras tingkat retail di pasar provinsi dengan harga beras tingkat grosir di Pasar Induk Beras Cipinang dan antara harga beras tingkat grosir di Pasar Induk Beras Cipinang dengan pasar beras internasional; (2) menganalisis dampak terjadinya guncangan (shock) harga pada suatu pasar beras terhadap pasar lainnya yang terintegrasi, pada harga beras tingkat retail antar pasar provinsi di Indonesia, antara harga beras tingkat retail di pasar provinsi dengan harga beras tingkat grosir di Pasar Induk Beras Cipinang dan antara harga beras tingkat grosir di Pasar Induk Beras Cipinang dengan pasar beras internasional; (3) menganalisis faktor penentu integrasi pasar beras di Indonesia. Pengujian kointegrasi menggunakan metode Johansen, sedangkan analisis dampak guncangan harga dilakukan melalui analisis Impulse Response
Function (IRF) dan analisis Forecast Error Decomposition Variance (FEDV).
Analisis faktor penentu integrasi pasar beras dilakukan melalui analisis regresi terhadap beberapa variabel yang diduga merupakan faktor penentu dengan hasil analisis integrasi pasar beras antar provinsi yang telah dilakukan sebelumnya.
Hasil penelitian memperlihatkan bahwa pasar beras tingkat retail antar 26 provinsi di Indonesia tidak sepenuhnya terintegrasi. Demikian pula pasar beras tingkat retail pada 26 provinsi di Indonesia juga tidak sepenuhnya terintegrasi dengan pasar beras grosir di Pasar Induk Beras Cipinang (PIBC). Integrasi pasar beras grosir di PIBC dengan harga beras internasional memperlihatkan bahwa terdapat kointegrasi antara harga beras jenis IR-64 kualitas II dengan harga beras internasional Thailand broken 15 persen dan Vietnam broken 15 persen. Adapun harga beras jenis IR-64 kualitas III hanya memiliki kointegrasi dengan harga beras Thailand dan tidak dengan harga beras Vietnam.
Hasil penelitian juga memperlihatkan bahwa di awal terjadinya guncangan harga, dampaknya akan langsung terasa pada harga di pasar yang mengalami terjadinya guncangan itu sendiri, sementara harga di pasar pasangan yang memiliki kointegrasi dengannya belum terpengaruh. Sebagian besar sumber penting dari variasi harga pada suatu pasar adalah disebabkan oleh guncangan harga beras di pasar itu sendiri. Hasil analisis faktor penentu integrasi pasar beras di Indonesia memperlihatkan bahwa faktor jalan raya sebagai infrastruktur transportasi, percapita income, dan aktivitas pembelian beras petani (pengadaan/procurement) oleh BULOG terbukti mempengaruhi integrasi pasar beras secara signifikan dan positif. Faktor lain yang juga signifikan mempengaruhi namun secara negatif adalah distribusi (penyaluran) beras Raskin kepada rumah tangga miskin.
© Hak Cipta Milik IPB, Tahun 2014
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini
Tesis
sebagai salah satu syarat untuk memperoleh gelar Magister Sains
pada
Program Studi Ilmu Ekonomi Pertanian
ANALISIS FAKTOR PENENTU
INTEGRASI PASAR BERAS DI INDONESIA
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
BOGOR 2014
Penguji Luar Komisi pada Ujian Tesis : Dr. Ir. Ratna Winandi, MS
Judul Tesis : Analisis Faktor Penentu Integrasi Pasar Beras di Indonesia Nama : Muhammad Wawan Hidayanto
NIM : H353110131
Disetujui oleh Komisi Pembimbing
Dr. Lukytawati Anggraeni, SP, MSi Ketua
Diketahui oleh
Dr. Ir. Dedi Budiman Hakim, M.Ec Anggota
Ketua Program Studi Ilmu Ekonomi Pertanian
Dr. Ir. Sri Hartoyo, MS
Dekan Sekolah Pascasarjana
Dr. Ir. Dahrul Syah, MSc.Agr
Tanggal Ujian: 5 Maret 2014
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
I PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Perumusan Masalah 3
1.3 Tujuan Penelitian 9
1.4 Manfaat Penelitian 10
1.5 Ruang Lingkup dan Keterbatasan Penelitian 10
II TINJAUAN PUSTAKA 13
2.1 Integrasi Pasar 13
2.2 Integrasi Pasar Spasial 16
2.3 Integrasi Pasar Vertikal 18
2.4 Faktor Penentu Integrasi Pasar 19
2.5 Tinjauan Penelitian Empiris 21
2.6 Kerangka Pemikiran Penelitian 25
III METODOLOGI PENELITIAN 27
3.1 Jenis dan Sumber Data 27
3.2 Metode Analisis 27
3.2.1 Pengujian Kestasioneran Data 27
3.2.2 Penentuan Lag (Ordo) Optimal 28
3.2.3 Analisis Kointegrasi 29
3.2.4 Estimasi VAR dan VECM 31
3.2.5 Analisis Impulse Response Function (IRF) 32 3.2.6 Analisis Forecast Error Decomposition Variance (FEDV) 33 3.2.7 Analisis Faktor Penentu Integrasi Pasar Beras di Indonesia 33
IV HASIL DAN PEMBAHASAN 35
4.1 Integrasi Pasar Beras Spasial 35
4.1.1 Pengujian Kestasioneran Data 35
4.1.2 Penentuan Lag Optimal 37
4.1.3 Pengujian Kointegrasi Johansen 37
4.1.4 Estimasi VECM 44
4.2 Analisis Dampak Guncangan Harga 44
4.2.1 Analisis Impulse Response Function (IRF) 44 4.2.2 Analisis Forecast Error Decomposition Variance (FEDV) 48 4.3 Faktor Penentu Integrasi Pasar Beras Spasial Antar Provinsi di
Indonesia 53
5.1 Kesimpulan 57
5.2 Saran 58
DAFTAR PUSTAKA 59
DAFTAR TABEL
Tabel 1. Penyaluran Beras Raskin Tahun 2007-2013 6 Tabel 2. Produksi dan Konsumsi Beras serta Jumlah Penduduk Indonesia
Tahun 2007-2012 7
Tabel 3. Pengadaan Beras Dalam Negeri dan Impor Beras oleh Indonesia
Tahun 2007-2013 7
Tabel 4. Hasil Uji Akar Unit Series Harga Beras Tingkat Retail pada 26
Provinsi di Indonesia 35
Tabel 5. Hasil Uji Akar Unit Series Harga Beras Tingkat Grosir di Pasar Induk Beras Cipinang (PIBC) dan Harga Beras Internasional 36 Tabel 6. Hasil Analisis Regresi Faktor Penentu Integrasi Pasar Beras di
Indonesia 54
DAFTAR GAMBAR
Gambar 1. Pola Panen Padi, Tahun 2009-2012 4
Gambar 2. Sebaran Produksi Padi di Indonesia Tahun 2012 5 Gambar 3. Perkembangan Harga Beras Medium Tingkat Eceran di
Beberapa Kota, Tahun 2000-2011 8
Gambar 4. Kurva Penawaran dan Permintaan pada Kondisi Pasar Potensial
Surplus dan Pasar Potensial Defisit 16
Gambar 5. Kurva Excess Supply (Pasar A) dan Excess Demand (Pasar B) 17
Gambar 6. Kerangka Pemikiran 26
Gambar 7. Sistematika Pengolahan Vector Autoregression (VAR) 32 Gambar 8. Kointegrasi Antar Pasar Beras di Pulau Jawa 39 Gambar 9. Kointegrasi Antara Pasar Beras di Pulau Jawa dengan Produsen
Beras Lainnya di Luar Pulau Jawa 40
Gambar 10.Kointegrasi Antara Pasar Beras di Pulau Jawa dengan Provinsi di Luar Pulau Jawa dengan Tingkat Konsumsi Beras Tinggi 40
DAFTAR LAMPIRAN
Lampiran 1. Data series variabel harga pada tingkat level. 62 Lampiran 2. Data series variabel harga pada tingkat first difference. 63 Lampiran 3. Lag optimal pada pengujian kointegrasi Johansen 64 Lampiran 4. Trace statistik pengujian kointegrasi Johansen 65 Lampiran 5. Maximum eigenvalue pengujian kointegrasi Johansen 66
Lampiran 6. Hasil output impulse response 67
I
PENDAHULUAN
1.1 Latar Belakang
Beras masih menjadi komoditi pangan utama dan strategis bagi masyarakat
Indonesia. Hal tersebut diantaranya karena beras masih merupakan makanan
utama rakyat Indonesia. Sekitar 95 persen dari 230 juta rakyat Indonesia memilih
kebutuhan makanan pokoknya berupa beras, sehingga tidak mengherankan bila
permintaan beras di Indonesia sangat besar (BPS 2012). Kerjasama antara Badan
Ketahanan Pangan (BKP) Kementerian Pertanian dengan Badan Pusat Statistik
mencatat, untuk tahun 2011 data konsumsi beras di Indonesia masih cukup tinggi
yaitu sebesar 113.72 kilogram perkapita pertahun (BPS 2011). Bahkan menurut
IIham et al. (2011) lebih dari 60 persen rata-rata pengeluaran rumah tangga
digunakan untuk pangan. Adapun hasil SUSENAS September 2012 menunjukkan
bahwa pengeluaran untuk makanan adalah sebesar 47.71 persen dari total
pengeluaran.
Sebagai komoditi strategis, fluktuasi harga beras perlu mendapat perhatian
khusus dari pemerintah. Hal tersebut mengingat bahwa salah satu hak asasi
manusia untuk hidup dengan layak berupa kemampuan memenuhi kebutuhan akan
pangan, sehingga pemerintah harus mampu menjamin akan terpenuhinya
kebutuhan terhadap pangan yang cukup dengan harga yang terjangkau (Amang
dan Sawit 2001). Pemerintah perlu melakukan upaya stabilisasi harga beras pada
tingkat harga yang terjangkau sesuai dengan daya beli masyarakat. Ikhsan (2001)
menyatakan bahwa setiap kenaikan harga beras sebesar 10 persen akan
menyebabkan pertambahan penduduk miskin sebesar 1 persen.
Disisi lain, pemerintah perlu menerapkan kebijakan harga (price policy)
yang memberikan jaminan insentif bagi petani untuk tetap memproduksi beras
dan memberikan keuntungan yang wajar pada pihak swasta untuk melakukan
aktivitas pemasaran beras. Penerapan kebijakan ini telah dilaksanakan sejak tahun
1969/1970 (Amang dan Sawit 2001) berupa kebijakan Harga Dasar (HD) gabah
yang kemudian diganti menjadi Harga Pembelian Pemerintah (HPP) pada tahun
2
Pelaksanaan stabilisasi harga beras secara efektif sendiri menghadapi
beberapa kendala. Menurut Bustaman (2003), pertama adalah karena Indonesia
merupakan negara kepulauan sehingga stabilisasi harga harus dilaksanakan pada
masing-masing pasar yang tersebar di seluruh Indonesia. Kedua, ketersediaan
beras yang berfluktuasi akibat perbedaan periode tanam dan panen sehingga
pergerakan harga beras mengikuti siklus periode panen raya dan paceklik tersebut.
Ketiga, pasar konsumen yang terpisah dari daerah produksi sehingga dibutuhkan aktivitas pemasaran untuk mengirimkan produk pertanian hingga sampai ke
konsumen akhir. Keempat, faktor integrasi pasar, dimana upaya stabilisasi harga
akan lebih efektif dilaksanakan pada pasar-pasar yang terintegrasi dibandingkan
yang tidak.
Adanya integrasi pasar artinya terdapat hubungan dalam jangka pendek
maupun jangka panjang antar harga pada pasar yang berbeda. Perubahan harga
pada pasar yang terintegrasi akan ditransmisikan ke pasar yang lain, baik secara
vertikal maupun horizontal. Integrasi vertikal berarti dalam beberapa waktu,
guncangan yang terjadi terhadap harga gabah di tingkat petani pada pasar
produsen akan ditransmisikan kepada harga beras di tingkat konsumen atau
sebaliknya. Sementara integrasi pasar secara spasial berarti dalam beberapa
waktu, guncangan harga yang terjadi pada pasar acuan akan ditransmisikan dan
sampai ke pasar lain (pasar konsumen) yang secara geografis terpisah. Integrasi
pasar antar wilayah yang tidak berjalan sempurna menyebabkan munculnya
informasi yang keliru kepada produsen dan pelaku lain dalam rantai pemasaran,
dan akan mengakibatkan keputusan yang keliru dalam produksi dan pemasaran.
Proses transmisi harga antar pasar yang terintegrasi juga dapat memberikan
gambaran mengenai efisiensi pasar. Jika pasar memberikan respon yang berbeda
antara kenaikan dan penurunan harga maka transmisi harga akan berlangsung
secara asimetris. Perbedaan respon tersebut terjadi karena salah satu pihak
menggunakan market power dalam menentukan harga. Transmisi harga asimetris
tidak diharapkan karena dapat menyebabkan penurunan kesejahteraan pelaku
pasar.
Informasi mengenai integrasi pasar spasial antar wilayah di Indonesia atau
3
sangat diperlukan karena dapat memberikan gambaran mengenai efisiensi pasar
beras yang terjadi di Indonesia. Integrasi spasial juga dapat memberikan informasi
mengenai gejolak harga di suatu wilayah dan dampaknya terhadap wilayah lain
sehingga dapat digunakan sebagai langkah antisipasi untuk mencegah meluasnya
fluktuasi harga.
Untuk itu perlu dikaji tingkat integrasi pasar beras antar wilayah di
Indonesia untuk mengetahui pengaruh suatu pasar terhadap pasar di wilayah lain.
Studi mengenai tingkat integrasi antara pasar beras internasional dengan pasar
beras domestik juga perlu dilakukan untuk mengetahui pengaruh perubahan harga
di pasar beras internasional terhadap pasar beras domestik. Selain itu, integrasi
pasar juga perlu diketahui untuk melihat pengaruh perubahan harga di pasar
konsumen terhadap tingkat grosir atau sebaliknya.
Selain mengetahui tingkat integrasi pasar, perlu diketahui pula faktor
penentu integrasi pasar tersebut. Dengan mengetahui faktor penentunya maka
kebijakan yang akan diterapkan, diharapkan akan dapat dilaksanakan dengan lebih
efektif dan mencapai tujuan yang diinginkan. Untuk itu menjadi penting untuk
diteliti, integrasi pasar beras dan faktor penentu integrasi pasar beras di Indonesia
agar tujuan pelaksanaan kebijakan pemerintah dalam rangka perlindungan
terhadap konsumen dan juga terhadap petani (produsen) dapat dilaksanakan secara
efektif dan tepat pada sasaran.
1.2 Perumusan Masalah
Padi merupakan tanaman musiman sehingga ketersediaan beras (padi)
tergantung pada musim tanam. Pada bulan tertentu pasokan beras dapat melimpah
(panen raya), namun pada waktu-waktu lainnya dapat mengalami kekurangan
(paceklik). Selain itu, ketersediaan beras juga tidak merata bila dibandingkan
antar wilayah di Indonesia. Hal-hal ini menimbulkan terjadinya ketimpangan
produksi beras antar waktu dan antar wilayah di Indonesia. Disisi lain, kebutuhan
beras cenderung meningkat seiring pertambahan penduduk. Adanya
ketidakseimbangan penawaran dan permintaan beras tersebut menyebabkan
pentingnya manajemen distribusi beras yang tepat untuk menjamin ketersediaan
4
Akumulasi panen padi terdapat pada subround Januari-April mengikuti
ketersediaan air pada siklus musim hujan. Sebaran produksi padi antar waktu
selama setahun di Indonesia dapat dilihat pada Gambar 1.
Sumber : BPS (2013)
Gambar 1. Pola Panen Padi, Tahun 2009-2012
Produksi padi pada periode panen rendengan yaitu selama bulan
Februari-April adalah lebih dari 40 persen dari total produksi setahun, sedangkan pada
periode panen gadu yaitu pada bulan Juli-September hanya sekitar 20-30 persen
dari total produksi setahun. Walaupun secara kuantitas, hasil panen gadu lebih
sedikit dibandingkan dengan panen rendengan, namun secara kualitas hasil panen
gadu relatif lebih baik karena kondisi curah hujan yang tidak setinggi musim
penghujan sehingga pengeringan gabah menjadi lebih baik yang berimbas pula
pada harga beras yang lebih tinggi. Selain itu biasanya, petani akan lebih banyak
menyimpan hasil produksi dari periode panen gadu untuk menghadapi masa
paceklik dan berakibat pada suplai beras ke pasar yang lebih kecil. Petani juga
biasanya menyimpan sebagian hasil panennya sebagai modal untuk musim tanam
berikutnya. Hal-hal ini yang mengakibatkan harga beras relatif lebih tinggi.
Adapun ketersediaan beras antar wilayah juga tidak merata. Tidak seluruh
provinsi memproduksi beras yang cukup, bila dibandingkan dengan konsumsi
yang tersebar di seluruh wilayah. Produksi beras masih berpusat di pulau Jawa
0 500,000 1,000,000 1,500,000 2,000,000 2,500,000 3,000,000
Jan Peb Mar Apr Mei Jun Jul Agu Sep Okt Nov Des
L
ua
s
P
ane
n (
H
a)
Periode
5
sebesar 52.90 persen dan Sulawesi Selatan sebesar 7.25 persen dari seluruh
Sulawesi yang sebesar 11.33 persen. Sebaran produksi padi antar wilayah dapat
dilihat pada Gambar 2 berikut ini.
Sumber : BPS (2013)
Gambar 2. Sebaran Produksi Padi di Indonesia Tahun 2012
Ketimpangan ketersediaan antar waktu dan antar wilayah (tempat) ini,
membuka peluang bagi pelaku usaha untuk melakukan aktivitas pemasaran gabah
dan beras. Hal ini menyebabkan pula perbedaan harga yang terjadi antar waktu
maupun antar tempat.
Menurut Juanda dan Junaedi (2012), perbedaan harga yang terjadi antar
waktu umumnya mengikuti suatu model deret waktu klasik yang dapat berupa
pola dengan empat komponen, yaitu tren (T, dari trend), siklus (C, dari cyclic),
variasi musim (S, dari seasonal), dan faktor acak (I, dari irregular). Perbedaan
harga yang berubah sesuai pola musiman akan timbul dari pola musiman yang
terjadi pada permintaan, pola musiman yang terjadi pada pasokan dan pemasaran,
atau kombinasi pola musiman dari keduanya (Tomek dan Robinson 1990).
Untuk tanaman padi, pola harga musiman pada pasokan terjadi pada
produksi yang timbul akibat faktor cuaca atau iklim dan masa tanam tanaman padi
sebelum dapat dipanen. Untuk pola harga musiman pada permintaan juga dapat
diakibatkan oleh iklim atau musim dan pada hari raya atau libur nasional.
Misalnya permintaan daging sapi akan meningkat pada Hari Raya Kurban.
Sumatera
23.18% Bali & Nusa Tenggara
5.33%
Kalimantan 6.80%
Sulawesi 11.33% Maluku &
Papua 0.46% Jawa
6
Perbedaan harga yang terjadi antar tempat/wilayah, selain terjadi akibat dari
perubahan atau perbedaan pada pasokan atau permintaan, juga dapat terjadi akibat
karena faktor intervensi pemerintah. Perbedaan harga antar tempat/wilayah yang
diakibatkan perubahan pasokan karena faktor perbedaan produksi, dimana
terdapat perbedaan areal tanam maupun areal panen, tingkat produktivitas atau
curah hujan di suatu wilayah dengan wilayah lainnya. Perbedaan pasokan juga
dapat diakibatkan oleh intervensi pemerintah, seperti kegiatan Operasi Pasar (OP)
yang akan menambah pasokan pada suatu wilayah atau pasar yang mengalami
kenaikan harga akibat jumlah pasokan yang rendah atau kebijakan Harga
Pembelian Pemerintah (HPP) yang menjaga suatu tingkat harga pembelian
tertentu sebagai jaminan pasar bagi hasil produksi petani. Intervensi pemerintah
yang mengakibatkan perbedaan pasokan atau permintaan, selain OP diantaranya
adalah program penyaluran beras bersubsidi bagi masyarakat miskin atau Raskin.
Hal ini akan menyebabkan berkurangnya permintaan beras di pasaran umum
akibat pemenuhan sebagian kebutuhan pangan masyarakat miskin berupa beras.
Tabel 1. Penyaluran Beras Raskin Tahun 2007-2013
Tahun 2007 2008 2009 2010 2011 2012 2013
Jumlah RT Miskin 19,100,905 19,100,905 18,497,302 17,488,007 17,488,007 17,488,007 15,530,897 Rumah Tangga Sasaran 15,781,884 19,100,000 18,497,302 17,488,007 17,488,007 17,488,007 15,530,897
Durasi (Bulan) 11 12 12 12 13 13 15
Pagu Alokasi setahun (Ton) 1,736,007 3,342,500 3,329,514 3,235,281 3,410,161 3,410,161 3,494,452 Realisasi setahun (Ton) 1,731,805 3,236,644 3,254,121 3,074,003 3,364,635 3,372,819 3,431,615 Sumber : BULOG (2013)
Perbedaan harga antar tempat/wilayah yang diakibatkan oleh perubahan
permintaan diantaranya adalah perbedaan jumlah penduduk antar wilayah yang
berdampak pada jumlah konsumsi, atau akibat intervensi pemerintah seperti
adanya program beras untuk rumah tangga miskin (Raskin). Secara nasional,
produksi beras dan kebutuhan konsumsi di Indonesia selama periode tahun
7
Tabel 2. Produksi dan Konsumsi Beras serta Jumlah Penduduk Indonesia Tahun 2007-2012
Padi Beras
(Ton GKG) (Ton)
2007 57,157,435 36,123,499 4.96 228,763,881 139.15 33,055,968 3,067,531 2008 60,325,925 38,125,985 5.54 232,172,463 139.15 31,799,235 2,116,000 2009 64,398,890 40,403,864 6.75 235,631,833 139.15 32,195,056 4,010,000 2010 66,469,394 41,702,898 3.22 237,641,326 139.15 33,055,968 4,166,893 2011 65,756,904 41,255,882 (1.07) 241,182,182 137.06 33,045,274 3,914,286 2012 69,056,126 43,325,813 5.02 244,775,796 135.01 33,034,584 5,529,000 Surplus
(Ton) Produksi
Tahun
Konsumsi
% Kenaikan
Jumlah Penduduk (jiwa)
Konsumsi Perkapita/ Tahun
(Kg)
Kebutuhan Beras (Ton)
Sumber : BPS (2012)
Dari Tabel 2 diatas, dapat dilihat bahwa produksi beras di Indonesia masih
lebih tinggi daripada konsumsi beras, namun terkadang pemerintah masih
melakukan impor beras. Impor beras dan pembelian beras petani dari dalam
negeri melalui kegiatan poengadaan yang dilakukan Indonesia selama periode
tahun 2007-2013 dapat dilihat pada Tabel 3 berikut.
Tabel 3. Pengadaan Beras Dalam Negeri dan Impor Beras oleh Indonesia Tahun 2007-2013
Tahun Pengadaan DN (Ton) Impor (Ton) 2007 1,765,987 1,293,980 2008 3,211,257 -2009 3,625,227 -2010 1,896,252 527,772 2011 1,730,153 2,201,564 2012 3,645,054 1,416,226 2013 3,489,702 -Sumber : BULOG (2013)
Pemerintah Indonesia masih melakukan impor beras untuk stok pangan
nasional sehingga ketahanan pangan nasional dan rumah tangga tetap terjaga.
Tahun 2008-2009 dengan jumlah pengadaan dalam negeri yang cukup besar maka
pemerintah tidak perlu melakukan impor beras. Kondisi tersebut berbeda dengan
kondisi harga beras dalam negeri yang mulai tinggi sejak tahun 2010.
Perkembangan harga beras jenis kualitas medium tingkat eceran pada
periode tahun 2000 hingga tahun 2011 mengalami peningkatan, yaitu dengan laju
pertumbuhan rata-rata sebesar 12 persen per tahun sebagaimana pada Gambar 3
8
Sumber : BPS dalam BULOG (2012)
Gambar 3. Perkembangan Harga Beras Medium Tingkat Eceran
di Beberapa Kota, Tahun 2000-2011
Pola pergerakan harga beras retail tingkat konsumen menunjukkan pola
pergerakan harga yang mirip di beberapa daerah seperti ditunjukkan dalam
Gambar 3. Harga beras secara nasional sangat dipengaruhi oleh fluktuasi harga
antar wilayah. Sebagai negara kepulauan, permasalahan distribusi bahan pangan
juga menjadi salah satu tantangan dalam mewujudkan stabilitas harga di seluruh
wilayah nusantara. Mengingat beras merupakan komoditi yang bulky, efisiensi
dalam pemasaran antar wilayah akan dapat menekan biaya transportasi.
Pemasaran beras dari wilayah produsen ke wilayah lain merupakan salah
satu faktor terciptanya integrasi pasar beras antar wilayah di Indonesia. Integrasi
pasar diindikasikan dengan adanya keterkaitan harga di satu pasar dengan pasar
lainnya. Jika pasar beras antar wilayah di Indonesia terintegrasi secara spasial,
maka disparitas harga antar wilayah hanya akan dipengaruhi oleh biaya
transportasi dari wilayah produsen ke wilayah konsumen. Integrasi pasar
merupakan salah satu indikasi bahwa pasar beras berjalan efisien.
Adanya integrasi pasar artinya terdapat hubungan dalam jangka pendek
maupun jangka panjang antar harga pada pasar yang berbeda. Integrasi pasar
memberikan informasi mengenai gejolak harga di suatu wilayah dan dampaknya
terhadap wilayah lain sehingga dapat digunakan sebagai langkah antisipasi untuk
mencegah meluasnya fluktuasi harga. Selain itu, perlu diketahui pula faktor
penentu integrasi pasar tersebut. Dengan mengetahui faktor penentunya maka 0
1,000 2,000 3,000 4,000 5,000 6,000 7,000 8,000 9,000
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
H
a
rg
a
B
e
ra
s E
ce
ra
n
(
R
p
/K
g
)
Periode
9
kebijakan yang akan diterapkan, diharapkan akan dapat dilaksanakan dengan lebih
efektif dan mencapai tujuan yang diinginkan. Untuk itu menjadi penting untuk
diteliti, integrasi pasar beras dan faktor penentu integrasi pasar beras di Indonesia.
Penelitian tentang integrasi pasar beras di Indonesia yang telah ada
sebelumnya masih terbatas pada jumlah provinsi yang diteliti atau antara regional
provinsi dan masih menggunakan data harga bulanan seperti yang dilakukan oleh
Istiqomah et. al. (2005) dan Arifin et al. (2006). Adapun penelitian ini
menggunakan data harga beras mingguan pada 26 provinsi di Indonesia dan
menganalisis integrasi pasar beras antar 26 provinsi tersebut.
Berdasarkan uraian tersebut, dapat dirumuskan permasalahan dalam
penelitian ini sebagai berikut :
1. Bagaimana integrasi pasar spasial yang terjadi pada harga beras tingkat retail
antar pasar provinsi di Indonesia, antara harga beras tingkat retail di pasar
provinsi dengan harga beras tingkat grosir di Pasar Induk Beras Cipinang
(PIBC) dan antara harga beras tingkat grosir di PIBC dengan pasar beras
internasional.
2. Bagaimana dampak guncangan (shock) yang terjadi pada suatu pasar beras
terhadap pasar lainnya yang terintegrasi, pada harga beras tingkat retail antar
pasar provinsi di Indonesia, antara harga beras tingkat retail di pasar provinsi
dengan harga beras tingkat grosir di PIBC dan antara harga beras tingkat
grosir di PIBC dengan pasar beras internasional.
3. Faktor-faktor apa yang menjadi penentu integrasi pasar beras di Indonesia.
1.3 Tujuan Penelitian
Berdasarkan latar belakang dari permasalahan yang telah disebutkan diatas,
maka tujuan dari penelitian ini adalah :
1. Menganalisis integrasi pasar spasial pada harga beras tingkat retail antar pasar
provinsi di Indonesia, antara harga beras tingkat retail di pasar provinsi
dengan harga beras tingkat grosir di Pasar Induk Beras Cipinang dan antara
harga beras tingkat grosir di Pasar Induk Beras Cipinang dengan pasar beras
10
2. Menganalisis dampak terjadinya guncangan (shock) harga pada suatu pasar
beras terhadap pasar lainnya yang terintegrasi, pada harga beras tingkat retail
antar pasar provinsi di Indonesia, antara harga beras tingkat retail di pasar
provinsi dengan harga beras tingkat grosir di Pasar Induk Beras Cipinang dan
antara harga beras tingkat grosir di Pasar Induk Beras Cipinang dengan pasar
beras internasional.
3. Menganalisis faktor penentu integrasi pasar beras di Indonesia.
1.4 Manfaat Penelitian
Dari penelitian ini diharapkan akan dapat diperoleh informasi mengenai
tingkat integrasi pasar beras antar wilayah (provinsi) di Indonesia, tingkat
integrasi pasar beras antara berbagai wilayah (provinsi) di Indonesia dengan Pasar
Induk Beras Cipinang sebagai salah satu pasar yang menjadi indikator harga beras
nasional, dan tingkat integrasi pasar beras antara harga beras di PIBC tersebut
dengan harga beras internasional. Selain itu, diharapkan akan dapat diperoleh
informasi mengenai dampak yang terjadi terhadap pasar beras lainnya bila
terdapat guncangan (shock) harga beras yang dialami oleh salah satu pasar beras.
Demikian pula, dengan mengetahui faktor penentu integrasi pasar di
Indonesia maka diharapkan akan dapat memberikan informasi yang berguna untuk
upaya stabilisasi harga bagi pengambil kebijakan pangan khususnya tentang
perberasan.
1.5 Ruang Lingkup dan Keterbatasan Penelitian
1. Integrasi pasar beras yang dianalisis dalam penelitian ini diperoleh melalui
analisis integrasi pada harga beras tingkat retail antar pasar provinsi di
Indonesia; antara harga beras tingkat retail di pasar provinsi dengan harga
beras tingkat grosir di PIBC; dan antara harga beras tingkat grosir di PIBC
dengan pasar beras internasional.
2. Harga beras yang digunakan adalah harga beras retail jenis medium tingkat
konsumen di 26 provinsi di Indonesia dan harga beras tingkat grosir jenis
11
3. Harga beras internasional yang digunakan adalah harga beras jenis Thailand
broken 15 persen dan Vietnam broken 15 persen karena harga beras Thailand merupakan harga acuan bagi pasar internasional. Selain itu Indonesia
melakukan impor beras kualitas medium terhadap kedua jenis beras tersebut.
4. Dampak guncangan harga yang dialami oleh suatu pasar beras terhadap pasar
beras lainnya yang terintegrasi, dianalisis melalui teknik Impulse Response
Function (IRF) dan Forecast Error Decomposition Variance (FEDV).
5. Faktor penentu integrasi pasar beras di Indonesia dianalisis melalui analisis
regresi terhadap hasil analisis integrasi pasar beras antar provinsi yang telah
dilakukan sebelumnya dengan beberapa variabel yang diduga merupakan
II
TINJAUAN PUSTAKA
2.1 Integrasi Pasar
Pemasaran dapat didefinisikan sebagai kegiatan mempertemukan komoditi
dari produsen (farm gate) kepada konsumen akhir (Dahl dan Hammond 1977).
Pergerakan kuantitas dan arus barang dari suatu lembaga pemasaran ke lembaga
pemasaran lainnya, atau dari pasar regional ke pasar regional lainnya yang
menyebabkan terbentuknya keterikatan antara pasar yang dikirim dan pasar yang
mengirim. Apabila semua pasar yang berdagang terhubung kepada satu sistem
perdagangan, maka harga-harga yang berlaku pada semua pasar akan bergerak
secara bersama-sama membentuk suatu pasar yang terpadu atau terintegrasi.
Integrasi pasar merupakan suatu ukuran yang menunjukkan seberapa jauh
perubahan harga yang terjadi di pasar acuan, atau pasar pada tingkat yang lebih
tinggi seperti pedagang eceran, akan menyebabkan terjadinya perubahan pada
pasar pengikutnya, misalnya pasar di tingkat petani (Asmarantaka 2009). Suatu
pasar dikatakan terintegrasi dengan pasar lain atau dengan suatu sistem pemasaran
jika perubahan harga yang terjadi pada salah satu pasar disalurkan atau
ditransmisikan ke pasar lain. Amikuzuno (2009) mendefinisikan integrasi pasar
sebagai suatu ukuran dalam arti luas, sebagai guncangan (shock) permintaan dan
penawaran dari suatu komoditi dalam suatu pasar tertentu yang ditransmisikan
terhadap pasar lainnya. Guncangan yang terjadi pada suatu pasar dapat
ditransmisikan secara vertikal, yaitu ke atas maupun ke bawah pada suatu rantai
pemasaran; atau ditransmisikan secara horizontal ke pasar di wilayah lain yang
terpisah secara spasial.
Dalam struktur pasar persaingan sempurna, perubahan harga pada pasar
acuan akan ditransmisikan secara sempurna (100%) ke pasar pengikut. Integrasi
pasar akan tercapai jika terdapat informasi pasar yang memadai dan disalurkan
dengan cepat ke pasar lain sehingga partisipan yang terlibat di kedua tingkat pasar
(pasar acuan dan pasar pengikut) memiliki informasi yang sama.
Integrasi pasar sering dipakai untuk mengukur efisiensi pemasaran, sebab
apabila tidak ada hambatan, maka harga-harga yang berlaku akan menunjukkan
14
pertanian menjadi sumber pertimbangan utama dalam alokasi sumberdaya. Dalam
konteks pemasaran, harga menunjukkan tingkat efisiensi suatu pasar produk
pertanian. Selain itu, hubungan antara pasar domestik dan internasional juga dapat
diukur melalui transmisi harga. Analisis harga semakin berperan penting pada
masa liberalisasi perdagangan dimana pasar pertanian domestik tidak lagi bebas
dari pengaruh perubahan harga yang terjadi di pasar internasional.
Harga komoditi pertanian merupakan indikator bagi alokasi sumberdaya
agar terjadi efisiensi dan keterkaitan diantara pasar-pasar yang ada. Pada pasar
yang terhubung dengan baik, bila terjadi kekurangan atau kelebihan pasokan di
suatu pasar maka akan ditransmisikan secara penuh ke pasar lainnya sebagai
respon terhadap informasi pasar sehingga menjaga keseimbangan pasokan dan
permintaan di suatu negara secara keseluruhan.
Tingkat integrasi pasar khususnya terhadap produk pertanian merupakan
faktor penting untuk penentuan kebijakan pertanian utamanya bagi negara
berkembang. Bila tidak terdapat integrasi pada pasar produk pertanian maka
kelangkaan pangan di suatu pasar lokal akan tetap terjadi sedangkan di pasar lain
yang berjauhan letaknya (dengan pasokan yang masih cukup) tidak akan mampu
merespon sinyal harga dari pasar yang terisolir tadi. Ketiadaan integrasi tersebut
akan dapat mengakibatkan kelangkaan pangan lokal di suatu wilayah, bahkan
hingga dapat berakibat pada kelaparan.
Menurut Goletti dan Christina-Tsigas (1995), integrasi pasar penting untuk
diketahui karena beberapa alasan, yaitu :
1. Adanya integrasi pasar memungkinkan pemerintah untuk dapat memperbaiki
kebijakan pasarnya, misalnya dengan mengetahui pasar-pasar yang
terintegrasi maka pemerintah dapat menghindari intervensi ganda sehingga
dapat mengurangi beban anggaran.
2. Memungkinkan untuk melakukan pengawasan (monitoring) harga. Hal ini
akan dapat menjelaskan peningkatan harga yang terjadi pada pasar-pasar yang
terintegrasi dan dapat meningkatkan efektifitas pengelolaan kebijakan
stabilitas harga.
15
4. Dengan mengetahui integrasi pasar, dapat dianalisis faktor-fakor struktural
yang menyebabkan suatu pasar terintegrasi atau tidak, sehingga penentu
kebijakan dapat menentukan kebijakan dan investasi infrastruktur yang
relevan untuk pengembangan pasar pertanian di suatu negara.
Goletti dan Christina-Tsigas (1995) mendefinisikan integrasi pasar sebagai
kondisi yang dihasilkan akibat tindakan pelaku pemasaran serta lingkungan
pemasaran yang mendukung terjadinya perdagangan, yang meliputi infrasruktur
pemasaran dan kebijakan pemerintah, yang menyebabkan harga di suatu pasar
ditransformasikan ke pasar lainnya. Integrasi pasar terjadi apabila terdapat
informasi pasar yang memadai, dan informasi ini disalurkan dengan cepat dari
suatu pasar ke pasar lain. Dengan demikian, fluktuasi perubahan harga yang
terjadi pada suatu pasar dapat segera ditangkap oleh pasar yang lain. Hal ini pada
gilirannya merupakan faktor yang dapat digunakan sebagai sinyal dalam
pengambilan keputusan produsen.
Di samping itu, integrasi pasar dapat terjadi karena kemajuan teknologi.
Kemajuan teknologi industri dapat menghasilkan komoditi yang menjadi subtitusi
bagi komoditi lain sehingga harga komoditi tersebut tidak independen lagi.
Beberapa kondisi yang dibutuhkan untuk meningkatkan integrasi pasar,
diantaranya adalah berhubungan dengan investasi publik terhadap akses fisik dan
sumberdaya manusia, seperti jalan (transportasi) dan pendidikan.
González-Rivera dan Helfand (2001) menyatakan pasar dengan tingkat
integrasi yang tinggi berimplikasi pada pembangunan ekonomi. Tingkat integrasi
pasar yang tinggi akan meningkatkan pendapatan produsen dengan peningkatan
pada perdagangan atau spesialisasi. Demikian pula dampaknya terhadap
konsumen, khususnya yang sangat menghindari risiko, karena mengurangi
kemungkinan perbedaan harga terhadap komoditas yang sebelumnya tidak dapat
diperdagangkan.
Integrasi pasar dapat dibedakan menjadi dua bagian, yaitu integrasi spasial
dan integrasi vertikal. Menurut Arifin et al. (2006), analisis integrasi pasar spasial
digunakan untuk memperoleh gambaran hubungan harga pasar beras antar
wilayah sedangkan integrasi pasar vertikal merujuk pada integrasi pasar gabah
16
2.2 Integrasi Pasar Spasial
Integrasi pasar spasial adalah tingkat keeratan hubungan antara pasar
regional dengan pasar regional lainnya. Konsep integrasi pasar spasial, yang
ditunjukkan dari hubungan harga antar pasar yang terpisah secara geografis, dapat
dijelaskan dengan menggunakan model keseimbangan spasial atau Spatial
Equilibrium Model (Tomek dan Robinson 1990). Model ini dijelaskan dengan
mengembangkan kurva excess supply dan excess demand pada dua daerah yang
melakukan perdagangan. Model ini memungkinkan untuk melakukan pendugaan
harga yang terbentuk pada masing-masing pasar dan jumlah komoditi yang akan
diperdagangkan.
Pasar dibagi menjadi dua kategori, yaitu pasar yang potensial surplus
(potential surplus market) dan pasar yang potensial defisit (potential deficit market). Pasar potensial surplus adalah pasar yang memiliki kelebihan cadangan terhadap konsumsi, sedangkan pasar potensial defisit adalah pasar yang memiliki
kekurangan cadangan terhadap konsumsi. Prinsip umum untuk mengembangkan
model perdagangan antar daerah digambarkan dengan bantuan diagram yang
menunjukkan fungsi supply dan demand pada masing-masing pasar, seperti yang
dapat dilihat pada Gambar 4 berikut.
Pasar A (Potensial Surplus) Pasar B(Potensial Defisit)
Sumber : Tomek dan Robinson (1990)
Gambar 4. Kurva Penawaran dan Permintaan pada Kondisi
Pasar Potensial Surplus dan Pasar Potensial Defisit
Pada Gambar 4, ditunjukkan bahwa pasar A sebagai pasar potensial surplus
dan pasar B sebagai paar potensial defisit. Jika tidak terjadi perdagangan maka
17
Kelebihan cadangan pada pasar A akan mendorong pelaku perdagangan di pasar
A untuk menjual kelebihan cadangannya ke pasar lain, sedangkan pasar B akan
mendatangkan barang dari pasar lain untuk mencukupi kebutuhannya.
Informasi dari gambar ini dapat digunakan untuk mengembangkan model
keseimbangan spasial dengan mengembangkan kurva excess supply dan kurva
excess demand untuk menjelaskan hubungan harga akibat perdagangan antara dua
pasar. Excess supply adalah selisih antara jumlah yang ditawarkan dengan jumlah
yang diminta pada suatu tingkat harga, yang semakin tinggi dengan semakin
meningkatnya harga dan bernilai nol pada harga keseimbangan pasar A (PA).
Adapun excess demand adalah selisih jumlah yang diminta dengan jumlah yang
ditawarkan pada suatu tingkat harga, yang semakin tinggi dengan semakin
rendahnya harga dan bernilai nol pada harga keseimbangan pasar B (PB).
Kurva excess supply dan excess demand dapat berubah searah dengan
perubahan kekuatan supply atau demand pada masing-masing pasar. Misalnya
terjadi peningkatan demand akibat peningkatan populasi di pasar B, maka excess
demand pada suatu tngkatan harga akan bertambah (ED1 ke ED2). Hubungan
antara kurva excess supply dan excess demand dalam keseimbangan spasial
ditunjukkan dalam gambar 5 berikut.
Sumber : Tomek dan Robinson (1990)
Gambar 5. Kurva Excess Supply (Pasar A) dan Excess Demand
18
Bila tidak ada biaya perdagangan maka kurva excess supply dan excess
demand berpotongan pada tingkat harga PE, dan sejumlah QE akan diperdagangkan oleh pasar A ke pasar B. Volume perdagangan akan makin
rendah dengan adanya biaya perdagangan. Efek biaya perdagangan terhadap
jumlah dan harga keseimbangan dapat diilustrasikan dengan mengembangkan
garis volume perdagangan yang ditunjukkan oleh garis xy. Perdagangan tidak
akan terjadi jika biaya perdagangan sebesar PB-PA dan mencapai maksimum jika
tidak ada biaya transfer. Jika tedapat biaya transfer sebesar t, maka keseimbangan
terjadi pada jumlah yang diperdagangkan sebesar QE1 dengan harga
keseimbangan PEA1 di pasar A dan PEB1 di pasar B.
Misal terjadi pergeseran demand di pasar B akibat peningkatan jumlah
penduduk, maka harga di pasar B akan terdorong naik. Pergeseran ini akan
menyebabkan excess demand meningkat dan menggeser kurva excess demand ke
kanan (ED1 ke ED2). Perubahan excess demand ini menyebabkan garis
perdagangan bergeser ke kanan (xy ke x’y’).
Perdagangan tidak akan terjadi pada saat biaya transfer sebesar PB2-PA dan
mencapai maksimum (QE’) saat biaya transfernya nol. Jika biaya transfer tetap
sebesar t, maka keseimbangan akan terjadi pada jumlah perdagangan sebesar QE2
dengan harga keseimbangan PEA2 di pasar A dan PEB2 di pasar B. Keterangan ini
menjelaskan bahwa perubahan harga di suatu pasar akibat perubahan kekuatan
pasar akan menyebabkan perubahan harga di pasar lain yang melakukan
perdagangan dengan pasar tersebut.
2.3 Integrasi Pasar Vertikal
Integrasi pasar vertikal adalah tingkat keeratan hubungan antara suatu
lembaga pemasaran dengan lembaga pemasaran lainnya dalam satu rantai
pemasaran. Hal ini penting pula untuk diketahui agar dapat melihat tingkat
keeratan hubungan antara pasar produsen dan pasar eceran/pedagang. Pasar
produsen adalah pasar yang didalamnya bekerja kekuatan permintaan dari
pedagang dan kekuatan penawaran dari produsen, sedangkan pasar eceran adalah
pasar yang didalamnya bekerja kekuatan permintaan dari konsumen akhir dan
19
Suatu pasar dikatakan terintegrasi vertikal apabila harga pada suatu lembaga
pemasaran ditransformasikan kepada lembaga pemasaran lainnya dalam suatu
rantai pemasaran secara selaras. Tingkat integrasi pasar yang tinggi menunjukkan
lancarnya arus informasi antar lembaga pemasaran dalam satu rantai pemasaran
sehingga harga yang terjadi pada pasar yang dihadapi oleh lembaga pemasaran
yang lebih rendah, dipengaruhi oleh lembaga pemasaran yang lebih tinggi. Hal ini
dikarenakan, apabila arus informasi berjalan lancar dan seimbang, maka tingkat
lembaga pemasaran yang lebih rendah mengetahui informasi harga yang dihadapi
oleh lembaga pemasaran diatasnya dan dapat menentukan posisi tawarnya dalam
pembentukan harga.
Arifin et al. (2006) melakukan analisis integrasi pasar pada sembilan
provinsi di Indonesia menggunakan metode VAR dan VECM. Data time series
dibedakan atas 3 periode, yaitu (1) Rezim Orde Baru (1978-1997) dengan
monopoli impor beras dilakukan oleh BULOG; (2) Rezim Pasar Bebas
(1998-1999) karena impor beras dibiarkan bebas dengan bea masuk nol persen; dan (3)
Rezim Pasar Terbuka Terkendali (2000-2004) karena impor beras dilaksanakan
dengan tarif bea masuk Rp 430 per kilogram atau sekitar 30 persen dari harga jual.
Hasil penelitian tersebut menunjukkan bahwa pasar beras di lima wilayah
kepulauan Indonesia (Sumatera, Jawa, Kalimantan, Sulawesi, Bali-Nusa
Tenggara) pada masa Orde Baru telah terintegrasi walau tidak penuh, kemudian
pasar beras semakin tersegmentasi pada rezim Pasar Bebas dan Pasar Terbuka
Terkendali.
Pasar beras yang terintegrasi secara vertikal, yaitu antara harga gabah petani
dan harga beras tingkat konsumen, hanya terjadi pada Rezim Orde Baru dengan
transmisi harga dari gabah ke beras lebih cepat terjadi atau perubahan harga gabah
yang terjadi di tingkat petani sangat cepat mempengaruhi harga beras di tingkat
konsumen. Akan tetapi, perubahan harga beras di tingkat konsumen tidak
direspon secara cepat oleh harga gabah di tingkat petani.
2.4 Faktor Penentu Integrasi Pasar
Beberapa penelitian yang spesifik bertujuan untuk mengetahui faktor
20
Schroeder (1991), Goletti et al. (1995) serta oleh Ismet et al. (1998), dimana
dalam metodologinya umumnya dilakukan dalam dua tahap. Pertama, mengukur
tingkat integrasi pasar secara spasial, kemudian selanjutnya melakukan analisis
regresi terhadap beberapa explanatory variable hasil pengukuran integrasi pasar
tersebut.
Penelitian oleh Goodwin dan Schroeder (1991)menunjukkan bahwa terdapat
empat faktor yang mempengaruhi integrasi pasar ternak secara spasial di Amerika
Serikat pada empat periode berbeda selama kurun waktu tahun 1980 hingga 1987,
yaitu (1) resiko dan biaya terkait dengan perdagangan antara pasar tersebut (jarak
antar pasar); (2) ukuran informasi pasar yang ditunjukkan oleh harga yang
terbentuk pada suatu pasar tertentu (apakah merupakan pasar rujukan atau tidak);
(3) ukuran pasar; dan (4) tingkat konsentrasi dari pasar pengemasan.
Hasil penelitian Goletti et al.(1995) menunjukkan bahwa jarak antar pasar,
rasio infrastruktur telefon perkapita dan faktor tenaga kerja berpengaruh negatif
terhadap integrasi pasar beras di Bangladesh secara spasial, sedangkan faktor yang
berpengaruh positif terhadap integrasi pasar adalah ketidaksamaan produksi dan
infrastruktur transportasi jalan, karena mendorong terjadinya perdagangan.
Hasil penelitian Ismet et al. (1998) untuk seluruh periode waktu selama
periode tahun 1982-1993, menunjukkan bahwa hanya pembelian/pengadaan beras
oleh BULOG yang memiliki dampak signifikan terhadap integrasi pasar beras
secara spasial di Indonesia. Adapun variabel lainnya seperti infrastruktur (jalan
raya), pertumbuhan pasar (pendapatan perkapita di setiap wilayah),
penjualan/penyaluran oleh BULOG, dan dummy variable swasembada produksi
beras, tidak berdampak signifikan. Pada periode swasembada, pendapatan
perkapita juga signifikan memiliki dampak positif.
Varela et al. (2012) menemukan bahwa integrasi pasar dipengaruhi oleh
variabel remoteness, yaitu pembobotan jarak antara kota di suatu provinsi dengan
kota utama (central) terdekat di provinsi lain berbanding dengan jumlah penduduk
kota utama tersebut dan variabel infrastruktur berupa proporsi jalan beraspal
dengan total jalanan. Adapun variabel Output Per Capita (OutputPC), yaitu
produksi per tahun dibagi jumlah penduduk, yang berhubungan dengan hipotesis
21
hubungan non-linear. Semakin besar OutputPC maka integrasi pasar semakin
rendah.
2.5 Tinjauan Penelitian Empiris
Konsep transmisi sinyal harga berhubungan dengan perilaku harga
kompetitif. Secara spasial, ketentuan the Law of One Price (LOP) dan integrasi
pasar menghasilkan model penentuan harga secara spasial dimana diasumsikan
transmisi harga akan terus berlangsung hingga harga keseimbangan terhadap
komoditi yang dijual di kedua pasar tersebut perbedaannya akan sebesar biaya
transfernya (transfer cost). Perubahan yang terjadi pada pasokan dan permintaan
di suatu pasar akan mempengaruhi perdagangan dan harga di pasar lainnya hingga
kembali terjadi keseimbangan. Penerapan kebijakan harga pertanian juga tidak
akan dapat berjalan efektif bila seluruh pasar tidak terintegrasi secara nasional.
Suatu kebijakan harga secara nasional akan lebih tepat diterapkan terhadap
pasar-pasar yang telah terintegrasi.
Transfer cost dan marjin pemasaran yang tinggi akibat buruknya sarana infrastruktur, transportasi dan layanan komunikasi dapat menyebabkan suatu pasar
terisolir dan menghambat terjadinya integrasi pasar dan transmisi harga. Selain
itu, faktor lain yang juga ikut mempengaruhi dapat berupa kebijakan perdagangan
internasional seperti kuota impor, tarif bea masuk, hambatan non tarif dan subsidi
ekspor; atau kebijakan lokal seperti harga minimum dan intervensi harga (Sexton
et al. 1991). Selain infrastruktur pasar seperti transportasi, komunikasi, kredit dan fasilitas penyimpanan yang akan melancarkan fungsi pasar, jarak antar pasar juga
mempengaruhi kecepatan dari integrasi pasar.
Transmisi harga merupakan faktor penting karena memberikan informasi
pada harga pertanian bagi produsen dalam rangka alokasi sumberdaya mereka.
Selain itu, karena berbagai kebijakan diimplementasikan melalui instrumen harga
maka dampak implementasi kebijakan tidak akan sampai ke seluruh rantai
pemasaran pada suatu sistem pemasaran yang tidak terintegrasi. Transmisi harga
yang tidak lengkap memberikan informasi insentif yang bias bagi produsen
22
Ghafoor dan Aslam (2012) melakukan penelitian integrasi pasar dan
transmisi harga terhadap lima pasar beras utama di Pakistan menggunakan harga
grosir rata-rata bulanan periode Januari 2000-Desember 2009. Analisis
menggunakan kointegrasi Johansen dan Error Correction Mechanism, integrasi
pasar mulanya diuji untuk kelima pasar tersebut, lalu menganalisis integrasi antar
pasangan pasar. Integrasi diuji terhadap pasar beras dan harga FOB, serta antara
harga FOB dan harga internasional. Guncangan jangka pendek dan
penyesuaiannya dalam jangka panjang diestimasi dan dilakukan uji
Granger-Causality untuk melihat arah penyesuaian harga dan menentukan pasar mana yang
menjadi acuan harga bagi pasar lain.
Hasil penelitian menunjukkan bahwa kelima pasar saling terintegrasi. Hasil
ECM dari pasangan pasar menunjukkan 9 hingga 19 persen ketidakseimbangan
(disequilibrium) berkurang setiap periodenya atau dalam satu bulan. Hal tersebut
berimplikasi bahwa bila terdapat guncangan (shock) harga di suatu pasar maka
dengan ekonomi yang berlaku akan membutuhkan 4 hingga 5 bulan penyesuaian
hingga kembali ke keadaan keseimbangan jangka panjang. Temuan tersebut
didukung oleh hasil analisis Granger-Causality yang menunjukkan bahwa terdapat
hubungan kointegrasi antar variabel dan kointegrasi antara harga FOB dan harga
domestik, sedangkan antara harga FOB dan harga internasional tidak terdapat
kointegrasi. Hal ini berarti bahwa pasar beras di Pakistan tidak terintegrasi baik
dengan pasar internasional.
Aryani (2009) telah melakukan penelitian mengenai integasi spasial dalam
pasar beras dan gula menggunakan pendekatan dengan model Vector
Autoregression (VAR) untuk melihat bagaimana integrasi pasar beras dan gula antara Indonesia, Thailand dan Filipina. Penelitian tersebut mengemukakan bahwa
pasar beras dan gula di Thailand, Filipina dan Indonesia telah terintegrasi dengan
tingkat integrasi yang sangat lemah. Artinya pengaruh perubahan dalam pasar
beras dan gula suatu negara dalam mempengaruhi pergerakan pasar beras dan gula
negara lainnya sangat kecil.
Hasil penelitian menyimpulkan bahwa kondisi tersebut disebabkan masih
adanya kebijakan pengendalian impor (tarif maupun non tarif) yang diterapkan
23
(2009) juga menyatakan bahwa variasi harga beras di Indonesia masih bisa
dijelaskan oleh dirinya sendiri sebesar 74 persen sedangkan sisanya dijelaskan
oleh variasi pada pasar Thailand dan Filipina. Hal tersebut terjadi karena pasar
beras Indonesia sedikit terisolasi dari dua pasar beras negara lainnya yang
disebabkan adanya kebijakan pengendalian impor dan posisi Indonesia sebagai net
importer beras dimana kebutuhan beras domestik tidak hanya bergantung pada
impor saja.
Istiqomah et. al. (2005) melakukan kajian mengenai volatilitas dan integrasi
pasar beras Indonesia dengan pasar beras Dunia. Metode yang digunakan untuk
melihat volatilitas harga yaitu standard deviation of the natural logarithm of
inter-year price growth sedangkan untuk mengkaji integrasi pasar digunakan multivariate and bivariate price transmission analysis dengan menggunakan Johansen maximum likelihood method. Penelitian tersebut mengemukakan bahwa dihapuskannya hak monopoli BULOG dalam mengimpor beras dimana
perdagangan semakin liberal menjadikan harga beras semakin volatile baik harga
ditingkat produsen maupun harga di tingkat retail. Sementara itu, Sebelum
liberalisasi, harga beras domestik terintegrasi secara penuh dengan harga Dunia.
Hasil penelitian menunjukkan bahwa harga beras domestik bergerak searah
dengan harga beras Dunia. Akan tetapi setelah liberalisasi, tidak terjadi integrasi
pasar secara penuh pada pasar beras Indonesia. Istiqomah et. al. (2005)
berpendapat bahwa hal yang dapat terjadi karena keterlambatan respon pasar
terhadap kebijakan baru.
Penelitian Worldbank terhadap faktor penentu integrasi pasar dan transmisi
harga di Indonesia dilakukan oleh Varela et al. (2012), terhadap beberapa
komoditi, diantaranya pada komoditas minyak goreng, beras dan gula di tingkat
eceran serta pada tepung terigu dan kedele di tingkat grosir. Tingkat integrasi
diukur menggunakan kointegrasi dan menggunakan analisis regresi untuk melihat
faktor penyebab perbedaan harga dan integrasi pasar.
Hasil penelitian menunjukkan terdapat integrasi pasar pada komoditas beras
dan gula dan perbedaan harga yang kecil dalam rentang 5-12 persen. Sebaliknya
pada tepung terigu, kedele dan minyak goreng, terdapat integrasi pasar yang
24
Integrasi antar provinsi di Indonesia ditunjukkan oleh tingkat remoteness dan
kualitas infrastruktur transportasi di provinsi tersebut.
Bustaman (2003) melakukan penelitian yang mengukur derajat integrasi
pasar beras tingkat provinsi di 15 provinsi utama, dan diperoleh hasil bahwa
pasar-pasar tersebut saling terintegrasi secara spasial, baik dalam jangka panjang
maupun jangka pendek. Adapun integrasi secara vertikal yang diukur pada 14
provinsi tersebut, kecuali pada provinsi Jakarta, menunjukkan bahwa pasar
produsen dan konsumen saling terintegrasi dalam jangka pendek kecuali di
provinsi Jawa Tengah, Jawa Timur, Sumatera Barat dan Sulawesi Selatan. Namun
dalam jangka panjang, hampir seluruhnya terintegrasi dengan baik.
Demikian pula integrasi terhadap pasar beras domestik dengan pasar
internasional, dimana sebelum tahun 1998 pasar domestik tidak terintegrasi
dengan pasar internasional akibat restriksi yang dilakukan pemerintah Indonesia,
namun setelah itu semakin terintegrasi dengan tingkat yang lemah karena masih
terdapat hambatan impor berupa tarif dan ijin impor bagi swasta.
Hal tersebut sejalan dengan hasil penelitian yang dilakukan oleh Burhan
(2006), yang menunjukkan bahwa pasar beras dan gabah domestik terintegrasi
dengan pasar beras dunia. Harga beras dunia berpengaruh positif terhadap harga
beras domestik dan berpengaruh negatif terhadap harga gabah domestik. Volume
impor sangat kecil pengaruhnya terhadap harga gabah dan beras domestik,
sedangkan harga BBM memberikan pengaruh yang besar terhadap harga gabah
dan beras domestik.
Adapun penelitian yang dilakukan oleh Aryani dan Ylius (2012),
menunjukkan hal yang berbeda. Pasar-pasar beras tingkat eceran antara daerah
pusat produksi beras di Indonesia tidak sepenuhnya terintegrasi. Hal tersebut
menunjukkan struktur kompetitif yang tidak sempurna. Intervensi pemerintah
dalam rangka stabilisasi harga beras masih sangat diperlukan. Gangguan yang
terjadi di pasar beras Jakarta akan mempengaruhi harga di pasar beras pada
25
2.6 Kerangka Pemikiran Penelitian
Perbedaan harga beras antar wilayah atau antar provinsi, atau bahkan antar
negara diantaranya disebabkan oleh faktor permintaan dan penawaran yang
berbeda. Faktor penawaran antar wilayah, tergantung pada output atau hasil
produksi, khususnya padi, yang amat tergantung pada ketersediaan faktor
produksi diantaranya ketersediaan air. Terdapat pula perbedaan curah hujan antar
wilayah, saluran irigasi, lahan atau areal sawah, benih, pestisida dan juga
pembiayaan atau modal. Faktor permintaan yang berbeda pula antar wilayah,
diantaranya dipengaruhi oleh perbedaan jumlah konsumsi atau kebutuhan beras
sesuai jumlah penduduk di wilayah tersebut, tingkat pendapatan masyarakatnya,
industri atau usaha yang membutuhkan beras sebagai input produksi.
Selain perbedaan harga antar wilayah, juga dimungkinkan terdapat
perbedaan antar waktu. Pada masa tertentu, misalnya saat Hari Besar Keagamaan
seperti di bulan Ramadhan (Puasa) atau saat Lebaran, peningkatan permintaan
akan bahan pangan khususnya beras dapat mendorong terjadinya peningkatan
harga. Adapun perbedaan waktu mulai tanam padi antar wilayah, akan berdampak
pada perbedaan masa panen sehingga terdapat perbedaan ketersediaan beras antar
waktu dan antar wilayah di Indonesia. Ketersediaan juga dapat berubah bila
terdapat gangguan pada produksi, misalnya terjadi gagal panen atau puso, baik
karena banjir ataupun akibat hama atau penyakit.
Perbedaan harga beras antar wilayah ini akan mendorong terjadinya
perdagangan antar wilayah. Termasuk diantaranya, bila pasar di suatu provinsi
mengalami kenaikan harga beras, misalnya terdapat gangguan terhadap produksi
yang mengakibatkan berkurangnya pasokan pada pasar tersebut. Kondisi ini akan
terjadi bila terdapat integrasi pasar diantara wilayah atau pasar tersebut. Hal ini
diakibatkan wilayah atau pasar yang berbeda tersebut saling memiliki informasi
tentang ketersediaan, permintaan dan penawaran serta harga.
Beberapa hal dapat menjadi faktor pendorong peningkatan integrasi pasar
beras di Indonesia, ataupun menjadi penghambat integrasi pasar beras. Untuk itu,
setelah mengetahui tingkat integrasi pasar beras yang terjadi maka akan dianalisis
faktor-faktor yang menjadi penentu integrasi pasar beras di Indonesia. Kerangka
26
Gambar 6.
Kerangka PemikiranPasar Beras Spasial Ketidakseimbangan Ketersediaan dan
Kebutuhan Beras
Provinsi/Negara Surplus Beras
Provinsi/Negara Defisit Beras Perbedaan Kondisi Antar Tempat
Aliran Perdagangan
Pasar Tidak Terintegrasi
Pasar Terintegrasi
IRF, FEDV
Analisis Integrasi Pasar Beras Spasial Analisis Faktor Penentu Integrasi Pasar
Trace Statistics
Analisis Regresi Uji Kointegrasi
III
METODOLOGI PENELITIAN
3.1 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder time
series berupa data mingguan harga retail beras jenis kualitas medium pada 26 provinsi di Indonesia, harga grosir beras jenis IR-64 kualitas II dan III pada Pasar
Induk Beras Cipinang (PIBC), serta harga beras Thailand broken 15 persen dan
Vietnam broken 15 persen sebagai harga beras internasional, selama periode tahun
2010-2012.
Data dikumpulkan dari beberapa instansi yang terkait yaitu Global
Agriculture Information Network – Foreign Agriculture Service (GAIN FAS Report) – United States Departement of Agriculture (USDA), Badan Pusat Statistik (BPS), Pasar Induk Beras Cipinang (PIBC), dan BULOG.
3.2 Metode Analisis
3.2.1 Pengujian Kestasioneran Data
Data runtun waktu (time series) umumnya tidak stasioner, sedangkan
berbagai metode ekonometrika yang digunakan untuk data time series berdasarkan
pada asumsi stasioner. Jika suatu data time series tidak stasioner, maka aplikasi
pengujian analisis statistik terhadap data tersebut akan tidak tepat. Persamaan
regresi yang menggunakan data time series ekonomi yang sebagian besar
memiliki tren terhadap waktu akan menghasilkan hasil yang signifikan dengan
nilai R2 yang tinggi, namun dapat tidak berarti atau memberikan hasil yang
spurious (Granger dan Newbold 1974).
Suatu data time series dikatakan stasioner jika nilai tengah (mean) dan
ragamnya konstan dari waktu ke waktu, serta covariance antara dua data runtun
waktu hanya tergantung dari lag antara dua periode waktu tersebut. Untuk
mengatasi data yang tidak stasioner pada nilai tengahnya, dapat dilakukan proses
pembedaan atau diferensiasi (differencing) terhadap deret data asli. Diferensiasi
merupakan proses mencari perbedaan antara data satu periode dengan periode
sebelumnya secara berurutan. Adapun untuk mengatasi data yang tidak stasioner
28
(logaritma natural) atau akar kuadrat. Menghilangkan pengaruh musiman
(seasonal) pada data yang tidak stasioner akibat pengaruh musiman juga dapat merubah data menjadi stasioner (Juanda dan Junaidi 2012).
Salah satu metode yang dapat digunakan untuk menguji kestasioneran data
adalah metode Dickey-Fuller (DF). Misalkan suatu model persamaan sebagai
berikut :
Yt =β0+β1Yt−1+ ut ... (3.1)
Bila masing-masing ruas kanan dan kiri dari persamaan (3.1) dikurang Yt-1 maka
dapat dituliskan :
Yt −Yt−1 = β0+β1Yt−1−Yt−1+ ut ... (3.2)
∆Yt =β0+ (β1−1)Yt−1+ ut ... (3.3)
∆Yt =β0+γ Yt−1+ ut ... (3.4)
Dimana γ=β1−1, dan ΔYt merupakan fist difference dari Yt.
Uji DF dilakukan dengan menghitung nilai τ-statistik dengan rumus :
τγ =se (γγ)... (3.5)
Hipotesis yang digunakan adalah :
H0 : �= 0 ,terdapat akar unit atau Yt tidak stasioner
H1 : �< 0 ,tidak terdapat akar unit atau Yt stasioner
Nilai τ-statistik yang diperoleh kemudian dibandingkan dengan τ-McKinnon
Critical Values. Jika τ-statistik < τ-tabel, maka tidak cukup bukti untuk menolak
hipotesis H0 bahwa persamaan mengandung akar unit, yang berarti data tidak
stasioner.
3.2.2 Penentuan Lag (Ordo) Optimal
Penentuan panjang lag yang optimal sangat penting dalam pembentukan
model VAR karena variabel endogen dalam sistem persamaan akan digunakan
sebagai variabel eksogen dan diperlukan untuk menangkap pengaruh dari setiap
variabel terhadap variabel lainnya di dalam sistem VAR serta menghindari
kemungkinan terjadinya autokorelasi residual. Penentuan lag optimal bisa
menggunakan beberapa kriteria informasi sebagai berikut: (1) Akaike Information
29
Information Criterion (HQ), (4) Likelihood Ratio (LR), dan (5) Final Prediction Error (FPE).
Panjang lag optimal terjadi jika nilai-nilai kriteria di atas mempunyai nilai
absolut paling kecil, kecuali kriteria LR menggunakan yang terbesar, bila hanya
menggunakan salah satu kriteria. Sedangkan bila menggunakan beberapa kriteria
maka harus menggunakan kriteria tambahan yaitu adjusted R2 sistem VAR.
Panjang lag optimal terjadi jika nilai adjusted R2 paling tinggi.
3.2.3 Analisis Kointegrasi
Kointegrasi adalah hubungan jangka panjang yang terjadi antara dua series
atau lebih data yang masing-masing bersifat non-stasioner pada level (I(1)),
dimana fungsi linier hubungan jangka panjangnya bersifat stasioner (I(0)).
Kointegrasi mengakibatkan harga bergerak berdekatan bersama-sama pada jangka
panjang meskipun pada jangka pendek bergerak sendiri-sendiri.
Pengujian kointegrasi bertujuan untuk mengetahui apakah suatu grup yang
terdiri dari beberapa data non-stasioner terkointegrasi atau tidak. Salah satu
metode pengujian kointegrasi adalah pengujian kointegrasi multivariate Johansen
menggunakan pendekatan maximum likehood untuk menguji hubungan
kointegrasi berdasarkan model unrestricted p-dimensional VAR (Vector
Autoregression) lag order k.
�� = �0+�1��−1+�2��−2+ . . . +����−� +�� ... (3.6)
Persamaan (3.6) dapat diestimasi menggunakan OLS karena setiap variabel
dalam Yt diregresikan terhadap nilai lag dirinya sendiri dan terhadap semua
variabel lain dalam sistem. Sebagaimana Yt diasumsikan non stasioner, maka bila
terdapat integrasi akan digunakan Vector Error Correction Model (VECM) dan
bila tidak terintegrasi digunakan VAR pada first difference (FD). Persamaan (3.6)
kemudian dapat dituliskan dalam bentuk FD atau error correction model berikut :
∆�� =�0+Γ1Δ��−1 +Γ2Δ��−2+ . . . +Γ�−1Δ��−�−1+Π��−� +��... (3.7)
Dimana ∆�� =�� − ��−1;
Γ� =−(� −A1−A2− …−A�), (�= 1, … ,� −1);
30
VECM tersebut mengandung informasi mengenai perubahan jangka pendek
dan jangka panjang sebagaimana dinyatakan oleh parameter Гi dan П. Matriks П
kemudian akan digunakan untuk menentukan apakah sistem regresi yang ada
berkointegrasi atau tidak.
Jika dimisalkan komponen dari vektor Yt merupakan integrasi berordo satu
atau I(1), maka П Yt-1 merupakan kombinasi linear dari variabel ΔYt-1 I(1).
Estimasi semua kemungkinan kombinasi dari Yt-1 yang menghasilkan korelasi
yang erat dengan elemen stasioner ΔYt-1, adalah :
1. Jika Rank П=0, maka tidak ada variabel-variabel yang terkointegrasi satu
sama lain.
2. Jika Rank П=m, dimana m adalah banyaknya variabel dalam model VAR,
maka semua variabel-variabel terkointegrasi satu sama lain.
3. Jika 0<Rank П<m, maka Rank П menyatakan banyaknya variabel yang
terkointegrasi adalah antara 0 dan m.
Matriks П dapat didekomposisi menjadi П=αβ T dimana α merupakan speed of adjustment dan β adalah matriks koefisien jangka panjang sedemikian rupa
sehingga βT
Yt-1 merupakan hubungan-hubungan kointegrasi yang menjamin
bahwa Yt mencapai keseimbangan jangka panjang.
Pengujian kointegrasi dengan metode Johansen memungkinkan pengujian
terhadap vektor kointegrasi yang signifikan melalui dua uji yang berbeda, yaitu
melalui penelusuran trace test dan maximum eigenvalue. Trace test merupakan uji
likelihood ratio untuk mengetahui vektor kointegrasi r (rank matriks П) terbanyak dengan persamaan :
λtrace =−T∑ln(1− λi)... (3.8)
Dimana T adalah jumlah observasi dan λtrace adalah eigenvalue.
Uji penelusuran maximum eigenvalue dilakukan dengan menguji relevansi
kolom r+1 dalam β dengan persamaan :
λmax = −T ln(1− λr+1) ... (3.9)
Misalnya rank r yang kita duga adalah r0, maka untuk menguji hipotesis
dilakukan secara berurutan dengan hipotesis sebagaimana berikut :
H0 : r = r0
