AN ALIS IS VAR
( VECTO R AU TO R EG R ES S IO N )
U N TU K MEKAN IS ME P EMOD ELAN
H ARGA D AGIN G AYAM
EFI RESPATI
SEKOLAH PASCA SARJAN A
IN STITU T PERTAN IAN BOGOR
AB S TRAK
EFI RESPATI. Analisis VAR
(Vector Autoregression)
un tuk Mekan ism e
Pem odelan Harga Daging Ayam . Dibim bing oleh AUNUDDIN dan TJ UK
EKO H ARI BASUKI.
Faktor utam a penentu pertum buhan usaha agribisnis adalah tingkat dan kepastian harga. Faktor harga komoditas juga menentukan kondisi ketahanan pangan suatu wilayah. Oleh karenanya, data harga komoditas pertanian penting yan g u p to date beserta peram alannya untuk beberapa periode ke depan m enjadi kebutuhan utam a para pengam bil kebijakan di sisi pem erintah m aupun bagi pelaku agribisnis. Harga suatu kom oditas dibangun dari banyak peubah ekonom i yang m em pengaruhinya, sebagai refleksi dari perubahan perm intaan dan penawaran. VAR merupakan sistem persamaan yang dinamis yang dapat digunakan untuk m engkaji hubungan beberapa peubah ekonom ik, dengan menggunakan sedikit asumsi tentang struktur ekonomi itu sendiri. Daging ayam merupakan komoditas sumber protein hewani pilihan bagi sebagian besar penduduk Indonesia.
Tujuan penelitian ini adalah untuk (1) m engkaji penggunaan model ekonometrik VAR guna membangun pemodelan harga daging ayam, serta (2) m elakukan peram alan jangka pendek untuk peubah harga daging ayam m enggunakan m odel VAR.
Hasil penelitian m enunjukkan bahwa harga rata -rata daging ayam secara nyata dipengaruh i oleh harga rata-rata ayam broiler hidup, harga rata-rata pakan finisher, harga rata-rata telur, harga eceran tahu m entah dan tem pe kedele serta inflasi sub kelom pok daging dan hasil-hasilnya. Hasil ramalan harga rata -rata daging ayam selama 3 bulan kedepan adalah sebesar Rp. 15.0 27,-/ kg (J anuari 20 0 5), Rp. 14.0 0 2,-/ kg (Pebruari 20 0 5) dan Rp. 13.583,- (Maret 20 0 5). Dibandingkan dengan data aktualnya, hasil ram alan dengan menggunakan model VAR tersebut m em punyai beda m asing-m asing sebesar 14,51%, 9,51% dan 11,52%.
S U R AT P ER N YATAAN
Dengan ini saya m enyatakan bahwa tesis yang berjudul : ‘ANALISIS VAR
(VECTOR AUTOREGRESSION) UNTUK MEKANISME PEMODELAN
HARGA DAGING AYAM’ adalah karya saya sendiri dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi m ana pun. Sum ber inform asi yang berasal atau dikutip dari karya yang diterbitkan m aupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantum kan dalam Daftar Pustaka di bagian akhir tesis ini.
Bogor, Desem ber 20 0 5
Efi R e s p a t i
J udul Tesis : Analisis VAR (vector autoregression) untuk m ekanism e pemodelan harga daging ayam
Nam a : Efi Respati
NI M : G1510 24 064
Disetujui
Kom isi Pem bim bing
Dr. Ir. Aunuddin , M.Sc. Dr. Ir. Tjuk Eko Hari Basuki, M.St.
Ketua Anggota
Diketahui
Ketua Program Studi Statistika Dekan Sekolah Pascasarjana
Dr. Ir. Budi Susetyo, M.S. Prof. Dr. Ir. Safrida Manuwoto, M.Sc.
P RAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia -Nya sehingga karya ilm iah ini berhasil diselesaikan. Tem a yang dipilih pada penelitian yang dilaksanakan sejak bulan Agustus 20 0 4 ini adalah pem bangunan m odel dan peram alan harga daging ayam dengan m enggunakan analisis VAR (vector auto regression).
Terim a kasih penulis ucapkan kepada Bapak Dr. Ir. Aunuddin, M.Sc., dan Bapak Dr. Ir. Tjuk Eko Hari Basuki, M.St., selaku pem bim bing yang telah banyak m em berikan saran dan m asukan selam a penulisan karya ilm iah ini. Disam ping itu, penghargaan penulis sampaikan kepada Bapak Dr. Ir. Edi Abdurachman, M.S. selaku Kepala Pusat Data dan Inform asi Pertanian, Departem en Pertanian, yang telah m em berikan ijin dalam m enyelesaikan sekolah di Institut Pertanian Bogor. Ungkapan terima kasih juga disampaikan kepada seluruh Staf Pengajar dan Adm inistrasi Program Studi Statistika FMIPA, Institut Pertanian Bogor atas bim bingan dan bantuannya. Untuk teman -teman seperjuangan dari Departemen Pertanian, terim a kasih atas segala dorongan dan sem angatnya. Terakhir, untuk ibu, m as Agus, m ba Danish dan ade Aliya, serta kakak dan adik-adik, terim a kasih atas segala doa dan pengertiannya.
Sem oga karya ilm iah ini berm anfaat.
Bogor, Agustus 20 0 5
R IW AYAT H ID U P
Penulis dilahirkan di Purwokerto pada tanggal 14 Maret 1968 dari ayah Kamad Priyoatmodjo(alm) dan ibu Suyati. Penulis merupakan putri ketiga dari tujuh bersaudara. Penulis m enikah dengan Agus Herm awan pada tanggal 8 Desem ber 20 0 2 dan telah dikaruniai 2 orang putri : Danish Ara Faadhillah dan Faiza Aliya Nadira.
D AFTAR IS I
H a la m a n
DAFTAR TABEL vi
DAFTAR GAMBAR vii
DAFTAR LAMPIRAN viii
PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 3
TINJ AUAN PUSTAKA 4
Identifikasi Model VAR 4
Kestasioneran Data 6
Penentua n Panjang Lag 7
Dekomposisi Ragam dan Fungsi Respons Im puls 8
Penduga Model VAR 9
Model Vector Error Correction (VECM) 9
Mekanism e Terbentuknya Harga Kom oditas 11
BAHAN DAN METODE PENELITIAN 12
Bahan Penelitian 12
Metode Penelitian 12
Tahapan Penyusunan Model 13
HASIL DAN PEMBAHASAN 15
Eksplorasi Data 15
Kestasioneran Data 15
Pem ilihan Ordo 16
Uji Kointegrasi dan Blok Eksogenitas 17
Pendugaan Model 18
Dekomposisi Ragam 20
Respon Peubah Harga Rata -rata Daging Ayam 22
Peram alan Harga Rata -rata Daging Ayam 24
SIMPULAN DAN SARAN 27
Sim pulan 27
Saran 27
D AFTAR TAB EL
H a la m a n
1. Uji Dickey Fuller untuk kestasioneran data 16
2. Hasil perhitungan nilai AIC dan SBC 16
3. Uji J ohansen untuk kointegrasi 17
4 . Uji Blok Eksogenitas 17
5. Dugaan param eter m odel yang nyata pada α = 0 ,0 5 19
6. Dekom posisi ragam hingga peram alan 12 bulan kedepan 22
7. Statistik Durbin Watson dan R2 24
8. Hasil peramalam harga rata -rata daging ayam (Rp/ kg) berdasarkan
model VAR(6)
D AFTAR GAM B AR
H a la m a n
1. Keseimbangan pasar (perpotongan kurva penawaran dan
permintaan)
11
2. Tahapan penyusunan m odel 14
3. Grafik respon harga daging ayam terhadap guncangan harga faktor
in put
23
4 . Grafik respon harga daging ayam terhadap guncangan harga
kom oditas pengganti
23
D AFTAR LAM P IR AN
H a la m a n
1. Peubah-peubah yang digunakan dalam penelitian 30
2. Data yang digunakan dalam pemodelan harga daging ayam 31
3. Hasil eksplorasi data 10 peubah yang digunakan dalam m odel 33
4 . Dugaan param eter m odel VECM ordo p=6 38
5. Dugaan parameter model VAR 4 1
AN ALIS IS VAR
( VECTO R AU TO R EG R ES S IO N )
U N TU K MEKAN IS ME P EMOD ELAN
H ARGA D AGIN G AYAM
EFI RESPATI
SEKOLAH PASCA SARJAN A
IN STITU T PERTAN IAN BOGOR
AB S TRAK
EFI RESPATI. Analisis VAR
(Vector Autoregression)
un tuk Mekan ism e
Pem odelan Harga Daging Ayam . Dibim bing oleh AUNUDDIN dan TJ UK
EKO H ARI BASUKI.
Faktor utam a penentu pertum buhan usaha agribisnis adalah tingkat dan kepastian harga. Faktor harga komoditas juga menentukan kondisi ketahanan pangan suatu wilayah. Oleh karenanya, data harga komoditas pertanian penting yan g u p to date beserta peram alannya untuk beberapa periode ke depan m enjadi kebutuhan utam a para pengam bil kebijakan di sisi pem erintah m aupun bagi pelaku agribisnis. Harga suatu kom oditas dibangun dari banyak peubah ekonom i yang m em pengaruhinya, sebagai refleksi dari perubahan perm intaan dan penawaran. VAR merupakan sistem persamaan yang dinamis yang dapat digunakan untuk m engkaji hubungan beberapa peubah ekonom ik, dengan menggunakan sedikit asumsi tentang struktur ekonomi itu sendiri. Daging ayam merupakan komoditas sumber protein hewani pilihan bagi sebagian besar penduduk Indonesia.
Tujuan penelitian ini adalah untuk (1) m engkaji penggunaan model ekonometrik VAR guna membangun pemodelan harga daging ayam, serta (2) m elakukan peram alan jangka pendek untuk peubah harga daging ayam m enggunakan m odel VAR.
Hasil penelitian m enunjukkan bahwa harga rata -rata daging ayam secara nyata dipengaruh i oleh harga rata-rata ayam broiler hidup, harga rata-rata pakan finisher, harga rata-rata telur, harga eceran tahu m entah dan tem pe kedele serta inflasi sub kelom pok daging dan hasil-hasilnya. Hasil ramalan harga rata -rata daging ayam selama 3 bulan kedepan adalah sebesar Rp. 15.0 27,-/ kg (J anuari 20 0 5), Rp. 14.0 0 2,-/ kg (Pebruari 20 0 5) dan Rp. 13.583,- (Maret 20 0 5). Dibandingkan dengan data aktualnya, hasil ram alan dengan menggunakan model VAR tersebut m em punyai beda m asing-m asing sebesar 14,51%, 9,51% dan 11,52%.
S U R AT P ER N YATAAN
Dengan ini saya m enyatakan bahwa tesis yang berjudul : ‘ANALISIS VAR
(VECTOR AUTOREGRESSION) UNTUK MEKANISME PEMODELAN
HARGA DAGING AYAM’ adalah karya saya sendiri dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi m ana pun. Sum ber inform asi yang berasal atau dikutip dari karya yang diterbitkan m aupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantum kan dalam Daftar Pustaka di bagian akhir tesis ini.
Bogor, Desem ber 20 0 5
Efi R e s p a t i
J udul Tesis : Analisis VAR (vector autoregression) untuk m ekanism e pemodelan harga daging ayam
Nam a : Efi Respati
NI M : G1510 24 064
Disetujui
Kom isi Pem bim bing
Dr. Ir. Aunuddin , M.Sc. Dr. Ir. Tjuk Eko Hari Basuki, M.St.
Ketua Anggota
Diketahui
Ketua Program Studi Statistika Dekan Sekolah Pascasarjana
Dr. Ir. Budi Susetyo, M.S. Prof. Dr. Ir. Safrida Manuwoto, M.Sc.
P RAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia -Nya sehingga karya ilm iah ini berhasil diselesaikan. Tem a yang dipilih pada penelitian yang dilaksanakan sejak bulan Agustus 20 0 4 ini adalah pem bangunan m odel dan peram alan harga daging ayam dengan m enggunakan analisis VAR (vector auto regression).
Terim a kasih penulis ucapkan kepada Bapak Dr. Ir. Aunuddin, M.Sc., dan Bapak Dr. Ir. Tjuk Eko Hari Basuki, M.St., selaku pem bim bing yang telah banyak m em berikan saran dan m asukan selam a penulisan karya ilm iah ini. Disam ping itu, penghargaan penulis sampaikan kepada Bapak Dr. Ir. Edi Abdurachman, M.S. selaku Kepala Pusat Data dan Inform asi Pertanian, Departem en Pertanian, yang telah m em berikan ijin dalam m enyelesaikan sekolah di Institut Pertanian Bogor. Ungkapan terima kasih juga disampaikan kepada seluruh Staf Pengajar dan Adm inistrasi Program Studi Statistika FMIPA, Institut Pertanian Bogor atas bim bingan dan bantuannya. Untuk teman -teman seperjuangan dari Departemen Pertanian, terim a kasih atas segala dorongan dan sem angatnya. Terakhir, untuk ibu, m as Agus, m ba Danish dan ade Aliya, serta kakak dan adik-adik, terim a kasih atas segala doa dan pengertiannya.
Sem oga karya ilm iah ini berm anfaat.
Bogor, Agustus 20 0 5
R IW AYAT H ID U P
Penulis dilahirkan di Purwokerto pada tanggal 14 Maret 1968 dari ayah Kamad Priyoatmodjo(alm) dan ibu Suyati. Penulis merupakan putri ketiga dari tujuh bersaudara. Penulis m enikah dengan Agus Herm awan pada tanggal 8 Desem ber 20 0 2 dan telah dikaruniai 2 orang putri : Danish Ara Faadhillah dan Faiza Aliya Nadira.
D AFTAR IS I
H a la m a n
DAFTAR TABEL vi
DAFTAR GAMBAR vii
DAFTAR LAMPIRAN viii
PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 3
TINJ AUAN PUSTAKA 4
Identifikasi Model VAR 4
Kestasioneran Data 6
Penentua n Panjang Lag 7
Dekomposisi Ragam dan Fungsi Respons Im puls 8
Penduga Model VAR 9
Model Vector Error Correction (VECM) 9
Mekanism e Terbentuknya Harga Kom oditas 11
BAHAN DAN METODE PENELITIAN 12
Bahan Penelitian 12
Metode Penelitian 12
Tahapan Penyusunan Model 13
HASIL DAN PEMBAHASAN 15
Eksplorasi Data 15
Kestasioneran Data 15
Pem ilihan Ordo 16
Uji Kointegrasi dan Blok Eksogenitas 17
Pendugaan Model 18
Dekomposisi Ragam 20
Respon Peubah Harga Rata -rata Daging Ayam 22
Peram alan Harga Rata -rata Daging Ayam 24
SIMPULAN DAN SARAN 27
Sim pulan 27
Saran 27
D AFTAR TAB EL
H a la m a n
1. Uji Dickey Fuller untuk kestasioneran data 16
2. Hasil perhitungan nilai AIC dan SBC 16
3. Uji J ohansen untuk kointegrasi 17
4 . Uji Blok Eksogenitas 17
5. Dugaan param eter m odel yang nyata pada α = 0 ,0 5 19
6. Dekom posisi ragam hingga peram alan 12 bulan kedepan 22
7. Statistik Durbin Watson dan R2 24
8. Hasil peramalam harga rata -rata daging ayam (Rp/ kg) berdasarkan
model VAR(6)
D AFTAR GAM B AR
H a la m a n
1. Keseimbangan pasar (perpotongan kurva penawaran dan
permintaan)
11
2. Tahapan penyusunan m odel 14
3. Grafik respon harga daging ayam terhadap guncangan harga faktor
in put
23
4 . Grafik respon harga daging ayam terhadap guncangan harga
kom oditas pengganti
23
D AFTAR LAM P IR AN
H a la m a n
1. Peubah-peubah yang digunakan dalam penelitian 30
2. Data yang digunakan dalam pemodelan harga daging ayam 31
3. Hasil eksplorasi data 10 peubah yang digunakan dalam m odel 33
4 . Dugaan param eter m odel VECM ordo p=6 38
5. Dugaan parameter model VAR 4 1
P EN D AH U LU AN
La ta r Be lakan g
Kelem ahan strategi pem bangunan ekonom i di m asa lalu dan adanya krisis
ekonom i yang berkepanjangan, telah m enim bulkan berbagai persoalan yang
sangat parah dalam perekonom ian Indonesia. Sebagai langkah perbaikan, sejak
tahu n 20 0 1, pendekatan pem bangunan pertanian di Indonesia diorientasikan
kepada pem bangunan sistem dan usaha agribisnis, yang sekaligus sebagai
penggerak utam a (grand strategy ) pem bangunan ekonom i secara keseluruhan
(agribusiness-led developm ent) (Departem en Pertanian 20 0 1). Langkah ini
m erupakan perbaikan orientasi pem bangunan pertanian pada periode
sebelum nya yang lebih m enekankan pada sisi produksi (on farm ). Faktor utama
penentu pertum buhan usaha agribisnis adalah tingkat dan kepastian harga.
Harga jual produk yang tinggi m erupakan rangsangan untuk berusaha. Harga
jual produk yang tidak pasti m erupakan faktor resiko berusaha yang tidak
kondusif bagi kesehatan dan pertum buhan suatu perusahaan. Faktor harga
kom oditas juga m enentukan kondisi ketahanan pangan suatu wilayah , yang
dicerm inkan pada aspek keterjangkauan . Walaupun kuantitas pangan di suatu
daerah cukup, nam un pada tingkat harga yang tidak terjangkau m asyarakat,
m aka kondisi kerawanan pangan akan m engancam . Ketahanan pangan
m erupakan salah satu kebijaksanaan dalam pembangunan sistem dan usaha
agribisnis.
Berdasarkan kenyataan di atas, m aka data harga beberapa komoditas
pertanian yang u p to date beserta peram alannya untuk beberapa periode ke
depan m enjadi kebutuhan utam a bagi para pengam bil kebijakan di sisi
pem erintah m aupun bagi pelaku agribisnis. Sam pai saat ini, tidak banyak
institusi yang secara berkesinam bungan m em publikasikan data harga komoditas
pertanian secara teratur. Salah satu publikasi yang ada dan m enyajikan data-data
harga komoditas perta nian terkini beserta hasil ramalannya adalah Buletin Harga
Kom oditas Pertanian (Pusdatin 20 0 5). Metode peram alan data yang digunakan
dalam buletin tersebut m asih m enggunakan teknik peram alan m odel deret waktu
tunggal. Terdapat kelem ahan apabila hanya m enggunakan m odel deret waktu
tunggal, karena suatu peubah yang dim odelkan diasum sikan hanya dipengaruhi
terbentuknya harga suatu komoditas dibangun dari banyak peubah ekonomi yang
m em pengaruhinya, sebagai refleksi dari perubahan permintaan dan penawaran
(Sam uelson & Nordhaus 1995). Dengan kenyataan tersebut, m aka sangat
dim ungkinkan m em bangun pem odelan harga kom oditas pertanian dengan
m enggunakan m odel deret waktu ganda sehingga bisa dikaji pengaruh satu atau
banyak peubah lain terhadap peubah harga itu sendiri.
Vector autoregression (VAR) merupakan sistem persamaan yang dinamis
yang dapat digunakan untuk mengkaji hubungan beberapa peubah ekonomik,
dengan m enggunakan sedikit asum si tentang struktur ekonom i itu sendiri (Bank
of England 20 0 4). Dalam VAR, sistem persamaannya memperlihatkan bahwa
setiap peubah sebagai fungsi linear dari konstanta dan nilai lag (lam pau) dari
peubah itu sendiri serta nilai lag dari peubah-peubah lain yang ada dalam sistem .
Model VAR telah digunakan oleh banyak peneliti di dunia perbankan dan
m oneter, diantaranya yang dilakukan oleh Siregar & Chowdhury (20 0 2) untuk
m engkaji pengaruh kebijakan m oneter Indonesia terhadap target inflasi, dengan
m em asukkan peubah inflasi serta Produk Domestik Bruto (PDB). Purnomo
(20 0 1) m elakukan kajian m odel VAR struktural untuk analisis fluktuasi ekonom i
Indonesia dengan m em asukkan peubah suku bunga internasional, Produk
Dom estik Bruto (PDB), nilai tukar rupiah, suku bunga dom estik serta peubah
real m oney ke dalam m odel tersebut. Valle (20 0 2) melakukan peramalan peubah
inflasi serta m engidentifikasikan sejum lah peubah sehingga Bank Guatem ala
dapat m em onitor tingkat inflasi yang ditargetkan dengan m enggunakan m odel
ARIMA serta VAR. Kem udian, Dwyer (20 0 1) dari Federal Reserve Bank of
Atlanta m elakukan kajian tentang pertum buhan uang dan inflasi di Am erika
serikat m enggunakan m odel VAR.
Daging ayam m erupakan kom oditas sum ber protein hewani pilihan bagi
sebagian besar penduduk Indonesia. Hal in i karena harganya yang relatif
terjangkau dibandingkan dengan daging sapi m aupun sum ber protein hewani
lainnya. Dari sisi produsen, industri perunggasan ayam pedaging m em punyai
struktur yan g un ik, yakn i dikuasai oleh beberapa peternak besar. Mereka
mengua sai 36,73% produksi ayam broiler dalam negeri. Sementara peternak
skala m enengah m em berikan kontribusi 46,32%, dan sisanya 16,59% diproduksi
oleh peternak kecil. Nam un sebagian besar peternak m enengah m erupakan
plasm a dari peternak besar, sehingga ham pir 83,0 5% suplai ayam dalam negeri
tersebut, akan sangat m enarik m elakukan pem odelan harga daging ayam
sehingga diharapkan dapat m em baca dinam ika dan realita yang ada.
Tu ju a n P e n e litian
Tujuan yang ingin dicapai dari penelitian ini adalah :
a. Mengkaji penggunaan m odel ekonom etrik VAR guna m em bangun pem odelan
harga dagin g ayam .
b. Melakukan peram alan jangka pendek untuk peubah harga daging ayam
TI N J AU AN P U S TAKA
Id e n tifikas i Mo d e l VAR
Pada tahun 1950 dan 1960 -an, m odel persam aan sim ultan dalam skala
besar sering m engandung ratusan persam aan. Model tersebut dibangun guna
m eram al beberapa peubah kunci di bidang ekonom i. Terdapat banyak
keterbatasan m odel yang dibangun tersebut, diantaranya adalah: beberapa
persam aan terpaksa bertentangan dengan teori yang m elandasinya serta
param eter dalam m odel kem ungkinan sangat bergantung pada kebijakan
ekonom i dan akan berubah bila terjadi perubahan kebijakan ekonom i. Adanya
perm asalahan tersebut, m em unculkan pendekatan baru dalam peram alan di
bidang ekonomi, yakni model VAR. Model VAR dirancang dengan meminimalkan
asum si tentang struktur yang m elandasi m odel tersebut (Ashenfelter &
Zim m erm an 20 0 3).
VAR dikenalkan pertam a kali sebagai pendekataan alternatif pada
perm odelan m ulti-persamaan oleh Sims pada tahun 1980 . Oleh Sims, VAR
diform ulasikan bahwa sem ua peubah diasum sikan sebagai peubah endogen
(Pindyck & Rubinfield 1981).
Misalkan ada sistem bivariat sederhana sbb.:
ε
γ
γ
t t yt tt
b
b
z
y
z
y
= − + + − +−1 12 1 11
12
10 …………..……….(1)
ε
γ
γ
t t zt tt
b
b
y
y
z
z
= 20− 21 + 21 −1+ 22 −1+ ………..……….(2)Asum si untuk kedua persam aan tersebut adalah:
(1) yt dan zt harus stasioner.
(2) εyt dan εzt m erupakan ingar putih dengan sim pangan baku m asing-masing
adalah sy dan sz.
(3) {εyt} dan {εzt} tidak berkorelasi.
Persam aan (1) dan (2) m erupakan m odel VAR ordo pertam a dengan syarat
bahwa panjang lagnya adalah sama . Model VAR ordo pertama ini sangat berguna
bagi ilustrasi sistem peubah ganda ordo yang lebih tinggi. Struktur sistem
persam aan tersebut m erupakan gabungan um pan balik, karena yt d an zt saling
memberikan efek satu sama lain.
Persam aan (1) dan (2) m erupakan bentuk yang belum direduksi karena yt
ter h ad ap yt. Kedua persam aan tersebut dapat ditransform asi m enjadi bentuk
yang lebih berguna. Dengan m enggunakan aljabar m atriks, persam aan tersebut
dapat dituliskan sbb.:
+ + = − −
ε
ε
γ
γ
γ
γ
zt yt t t t tz
y
b
b
z
y
b
b
11 22 21 12 11 20 10 21 12 1 1 ………..(3) atau
ε
t t tx
Bx
=Γ
+Γ
− +1 1
0 ………(4)
dim an a:
= 1 1 21 12
b
b
B , =z
y
x
t t t , =Γ
b
b
20 10 0 , =
Γ
γ
γ
λ
γ
22 21 12 11 1, dan
=
ε
ε
ε
zt yt tkarena B adalah m atriks berpangkat penuh m aka jika dikalikan dengan B-1 akan
didapat m odel VAR standar berbentuk:
e
x
A
A
x
t= 0+ 1 t−1+ t……….………(5)dim an a:
Γ
− = 0 1 0B
A
, = −Γ
1 1
1
B
A
, dane
t =B
−1ε
tUntuk kepentingan notasi, unsur ke-i dari vektor A0 dapat didefinisikan sebagai
ai 0, unsur baris ke-i kolom ke-j dari m atriks A1 dapat didefinisikan sebagai aij, dan
un sur ke-i dari vektor et didefin isikan sebagai eit. Menggunakan notasi-notasi
baru ini, m aka persam aan (5) dapat ditulis kem bali dalam bentuk:
e
z
a
y
a
a
y
t= 10+ 11 t−1+ 12 t−1+ 1t……….(6)e
z
a
y
a
a
z
t= 20+ 21 t−1+ 22 t−1+ 2t ……….(7)Persam aan (1) dan (2) dinam akan VAR struktural atau sistem prim itif,
sedangkan persamaan (6) dan (7) dinamakan bentuk VAR standar.
Sehingga, secara umum model VAR ordo p dapat diformulasikan sbb.:
e
x
A
x
A
x
A
A
x
t= 0+ 1 t−1+ 2 t−2+...+ p t−p+ t………..(8)dim ana :
xt = vektor berukuran nx1 yang berisi n peubah yang masuk ke dalam model VAR
A0 = vektor intersep berukuran nx1
Ai = m atriks koefisien berukuran nxn
Metodologi yang diperkenalkan oleh Sim s ini hanya m em erlukan sedikit
peubah yang akan masuk ke dalam model VAR dan penentuan panjang lag yang
sesuai. Peubah -peubah yang akan dimasukkan ke dalam model VAR harus dipilih
berdasarkan hubungan ekonom i ya ng relevan. Uji panjang lag akan m em ilih
panjang lag yang sesuai. Sebaliknya, tidak ada ketentuan eksplisit yang dibuat
guna m engurangi jum lah param eter yang akan diduga. Matriks A0 mengandung
sebanyak n intersep dan m asing-m asing m atriks Ai m en gan dun g n2 koefisien,
oleh karenanya terdapat n+pn2 item yang harus diduga. Keadaan ini m enjadikan
m odel VAR akan over param eter, sehingga banyak koefisien yang diduga dapat
dikeluarkan dari m odel (Enders 1995).
Ke s tas io n e ran D ata
Untuk m em buat kesim pulan statistik terhadap struktur dari suatu proses
stokastik pada suatu data observasi, kita harus m enyederhanakan asum si yang
berkaitan dengan struktur tersebut. Asumsi penting tersebut adalah adanya
kestasioneran. Ide dasar kestasioneran adalah bahwa proses tersebut mengikuti
kaidah kem ungkinan yang tidak berubah karena waktu atau proses berada pada
keseim bangan secara statistik. Suatu proses stokastik disebut sebagai stasioner
kuat apabila distribusi bersam a dari Z(t1), Z(t2), …, Z(tn) adalah sama dengan
distribusi bersam a dari Z(t1-k), Z(t2-k), …, Z(tn-k) untuk sem ua waktu t1, t2, …, tn
dan sem ua lag k (Cryer 1986).
Banyak teori kem ungkinan dari deret waktu m engasum sikan bahwa data
deret waktu m em punyai m em punyai rataan dan varians yang konstan dari waktu
ke waktu. Kom ponen yang tidak stasioner dari data deret waktu biasanya dapat
dihilangkan guna m enjadikan data tersebut stasioner, m isalnya dengan
m elakukan pem bedaan (differencing) guna m enghilangkan variasi karena tren
atau m usim an (SAS Institute Inc. 1996).
Men urut Wei (1994), kestasioneran data peubah-peubah model VAR
dapat diperiksa berdasarkan pola fungsi otokorelasi diri (autocorrelation
fun ction, ACF) dan pola fungsi otokorelasi diri parsial (partial autocorrelation
function, PACF).
Kestasioneran m asing-m asing peubah juga dapat diperiksa m elalui uji
Dickey Fuller. Misalkan data deret waktu peubah tunggal Zt adalah:
dengan m odel pem bedaan dapat dituliskan sbb.:
∆Zt = a0 + γZt -1 + a2Zt -2 + … + apZt -p + εt Hipotesis yang akan diuji adalah:
H0: γ = 0 (data bersifat tidak stasioner)
H1: γ < 0 (data bersifat stasioner)
Nilai γ diduga melalui metode kuadrat terkecil dan pengujian dilakukan dengan
m enggunakan uji t. Statistik uji dapat dituliskan sbb.:
σ
γ
γ∧∧
=
t
hit denganγ
∧
m erupakan nilai dugaan γ dan
σ
γ
∧ m erupakan sim panganbaku dari
γ
∧
.
J ika nilai thit < nilai kritis dalam tabel Dickey Fuller, maka keputusan yang
diam bil adalah tolak H0 atau data bersifat stasioner.
Pe n e n tu a n Pa n ja n g La g
Dalam m odel VAR, panjang lag m enunjukkan derajat bebas. J ika panjang
lag dilambangkan dengan p, maka setiap n persamaan berisi n.p koefisien
ditambah dengan intersep. Dalam memilih panjang lag peubah -peubah yang
masu k ke dalam m odel VAR, kita m enginginkan panjang lag yang cukup sehingga
dapat m enangkap dinam ika sistem yang akan dim odelkan. Di sisi lain, lag yang
lebih panjang akan m engakibatkan lebih banyak jum lah param eter yang harus
diduga dan derajat bebas yang lebih sedikit. Pada um um nya, kita harus
m em punyai jum lah lag dan param eter yang cukup. Hal ini m erupakan
kelem ahan dari m odel VAR. Dalam prakteknya, kita sering m enem ukan perlunya
m em batasi jum lah lag dengan m engesam pingkan lag yang ideal yang
m em berikan gam baran dinam ika m odel, sehingga dapat m engaplikasikan m odel
VAR.
J um lah lag dapat ditentukan dengan m enggunakan R2 terkoreksi atau
m enggunakan AIC (Akaike Inform ation Criterion). Baik R2 terkoreksi maupun
AIC m engukur kebaikan m odel yang m em perbaiki kehilangan derajat bebas
ketika lag tam bahan dim asukkan ke dalam m odel. Statistik-statistik tersebut
dapat digunakan untuk m em bantu jum lah lag yang m asuk ke dalam m odel VAR.
gun a m en en tukan jum lah lag yang disertakan dalam m odel (Pindyck &
Rubinfield 1981).
Menurut Enders (1995), kriteria uji alternatif untuk m enentukan panjang
lag yang sesuai adalah dengan m enggunakan statistik AIC dan SBC (Schw arzt
Bay esian Criterion).
AIC = T log |Σ| + 2N
SBC = T log |Σ| + N log (T)
dim an a:
T = jum lah observasi yang digunakan
|Σ| = determinan dari matriks varians/ kovarians dari sisaan
N = jum lah param eter yang diestim asi dari sem ua persam aan.
D e ko m p o s is i Ragam d an Fu n gs i Re s p o n s Im p u ls
Dekom posisi ragam m enginform asikan proporsi keragam an galat suatu
peubah yang dijelaskan oleh galat m asing-masing peubah dan galat peubah lain.
Enders (1995) m engatakan jika εzt tidak menjelaskan sedikitpun ragam galat
ram alan dari {yt} pada semua tahapan ramalan ke depan, dapat dikatakan bahwa
{yt} adalah bebas.
Misalkan m odel VAR pada persam aan (8) untuk panjang lag p=1 dan
banyaknya peubah endogen n=2 (peubah y dan z), peram alan untuk m tahapan
periode kedepan adalah:
E(Xt + m) = (I + A1 + A12 + … + A1m -1)A0 + A1mXt
dengan galat ram alan sebesar:
( )
∑Α
∑
− = + − − + − = + + −Ε = = 1 0 1 0 1 mi t m I
i m t m i i m t m
t
x
e
e
x
φ
i
dim ana = ) ( ) ( ) ( ) ( 22 21 12 11 i i i i
i
φ
φ
φ
φ
φ
Koefisien
φ
i disebut sebagai fungsi respons impuls yang
m enginform asikan pengaruh perubahan shock atau guncangan suatu peubah
terhadap peram alan peubah lain (Enders 1995). Pengaruh tersebut dapat dilihat
secara visual dengan m enggunakan plot antara koefisien (i)
jk
Pe n d u ga Mo d e l VAR
Menurut Pindyck & Rubin field (198 1), m odel VAR dapat diduga dengan
m etode OLS (Ordinary Least Square). J ika tidak ada perbedaan lag dari peubah
endogen pada sisi kanan persam aan m odel VAR, dugaan dengan m etode OLS
dapat m enghasilkan nilai dugaan yang konsisten dan efisien.
Menurut Enders (1995), persam aan (1) dan (2) tidak dapat diduga secara
langsung. Hal ini karena adanya hubungan timbal balik dalam sistem tersebut.
Alasan n ya karen a zt berkorelasi dengan galat εyt dan yt den gan εzt. Pada teknik
dugaan baku diperlukan tidak adanya korelasi antara regresor dengan galatnya.
Oleh karen an ya, tidak akan ditem ukan m asalah bila m elakukan dugaan model
VAR m enggunakan bentuk standar seperti pada persam aan (6) dan (7). Dengan
m enggunakan m etode OLS dapat digunakan untuk m enduga dua unsur pada A0
dan 4 unsur pada A1. Lebih lanjut, dengan m endapatkan sisaan dari 2 persamaan
tersebut, kita dapat m enghitung varians dari e1t dan e2t serta kovarians antara e1t
dan e2t. Namun demikian, jika kita ingin agar persamaan (1) dan (2)
teridentifikasi m elalui OLS m enjadi pada persam aan (6) dan (7), kita harus
m elakukan restriksi pada persam aan (1) dan (2). Pada persam aan (1) dan (2)
terdapat 10 param eter yang harus diduga , sedangkan pada hasil dugaan model
VAR m enghasilkan 9 param eter. Oleh karenanya, bila kita m elakukan restriksi
tepat 1 param eter sistem persam aan (1) dan (2) m aka sistem tersebut dapat
diindentifikasikan, bila lebih dari 1 param eter yang direstriksi, sistem m enjadi
overindentifikasi. Salah satu cara m engidentifikasi m odel adalah m enggunakan
sistem rekursif yang dikenalkan oleh Sims (1980 ).
Mo de l Ve ct o r Er r o r Co r r e ct io n (VECM)
Ko in te gras i
Suatu data deret waktu dikatakan terintegrasi pada tingkat ke-d atau
sering disingkat dengan l(d) jika data tersebut bersifat stasioner setelah
pendiferensian sebanyak d kali. Peubah-peubah yang tidak stasioner yang
terintegrasi pada tingkat yang sam a dapat m em bentuk kom binasi linear yang
Kom ponen dari vektor yt dikatakan terkointegrasi jika ada vektor β=(β1,
β2, ..., βn) sehingga kom binasi linear bagi βYt bersifat stasioner, dengan syarat ada
unsur m atriks β bernilai tidak sam a dengan nol. Vektor β dinamakan vektor
kointegrasi.
Rank kointegrasi (r) dari vektor yt adalah banyaknya vektor kointegrasi
yang saling bebas. Nilai r dapat diketahui m elalui uji J ohansen. Hipotesis yang
diuji adalah:
H0 : rank = r
H1 : rank > r
Statistik uji yang digunakan adalah:
( )
∑
+ = ∧ − − = n r itracer T i
1
1
ln
λ
λ
Dengan:
λ
i
∧
: akar ciri ke-i m atriks
≤
≤
≤
λ
∧λ
λ
π 1 2
...
n − − =
∑
= p i iA
1 1π yang didapatkan dari persamaan (8).
T = jumlah observasi yang teramati
J ika
λ
λ
tabel
trace
〈
m aka terim a H0 yang artinya kointegrasi terjadi pada rank r.Mo d e l VECM
Model VECM disusun apabila rank kointegrasi (r) lebih besar dari nol.
Model VECM ordo p dan rank kointegrasi r dituliskan sebagai :
ε
φ
π t i t p i i tt
A
y
y
y
= + + ∆ +∆ − − = −
∑
1 1 * 1 0den gan : π =αβ'
β = vektor kointegrasi berukuran rx1
α = vektor adjustment berukuran rx1
∑
+ = = p i j j iA
1 *φ
Pendugaan param eter dilakukan dengan m enggunakan m etode kem ungkinan
m aksim um . Model VECM dapat dituliskan dalam model VAR dengan
m enguraikan nilai pem bedaannya.
y
y
y
t=
t−
t−1Me kan is m e Te rbe n tu kn ya H a rga Ko m o d itas
Secara m ikro, perubahan harga suatu kom oditas sangat ditentukan oleh
besarnya permintaan dan penawaran terhadap komoditas tersebut. Hubungan
kedua faktor tersebut dalam pengaruhnya terhadap perubahan harga
disim ulasikan m elalui kurva perm intaan dan penawaran.
Pada kurva perm intaan, kuantitas barang (Q) dan harga (P) m em punya i
hubungan yang terbalik. Makin besar Q m aka P m enurun. Kurva ini berbentuk
m iring, turun dari kiri atas ke kanan bawah. Fakta ini disebut hukum perm intaan
dengan kem iringan negatif. Beberapa unsur penentu perm intaan antara lain:
harga barang yang bersangk utan, selera masyarakat, pendapatan rata -rata,
jum lah penduduk, dan faktor khusus seperti ketersediaan infrastruktur, dll.
Terjadi sebaliknya dengan kurva penawaran suatu komoditas. Kurva
penawaran m em punyai kem iringan (slope) bergerak ke atas dan ke sebelah
kanan. Penawaran akan m eningkat (m enurun) jika jum lah yang ditawarkan di
pasar m eningkat (atau m enurun) pada setiap harga pasar. Beberapa unsur yang
m enentukan penawaran diantaranya adalah harga kom oditas itu sendiri,
teknologi, harga input, harga kom oditas yang berkaitan, organisasi pasar serta
faktor khusus m isalnya kebijakan pem erintah.
Kekuatan penawaran dan permintaan yang beroperasi di pasar kemudian
menghasilkan keseimbangan harga dan kuantitas, atau suatu keseimbangan
pasar. Keseim bangan pasar terjadi pada harga dan kuantitas ketika kekuatan
penawaran dan permintaan seimbang. Pada titik ini, jumlah yang akan dibeli
oleh pem beli sam a dengan jum lah yang akan di jual oleh penjual. Pada titik
keseim bangan, harga dan kuantitas cenderung tetap selam a faktor lain juga tidak
berubah (Sam uelson & Nordhaus 1995).
Gam bar 1. Ke s e im ban gan p as ar ( p e rp o to n gan ku rva p e n aw aran d an p e rm in taan )
Kurva Permintaan dan Penawaran
0 5 10 15 20 25
1 2 3 4 5
Kuantitas ( Q) Harga ( P)
Permintaan Penaw aran
B AH AN D AN M ETOD E P EN ELITIAN
Bah an Pe n e litian
Bahan atau data yang digunakan dalam penelitian ini adalah data sekunder
yang dikum pulkan dari Direktorat J enderal Bina Produksi Peternakan,
Departem en Pertanian dan Badan Pusat Statistik. Data yang digunakan
m erupakan data series bulanan 10 8 pengam atan dari bulan J anuari 1996 hingga
Desem ber 20 0 4. Peubah yang diasum sikan masuk ke dalam sistem pemodelan
harga daging ayam m eliputi beberapa unsur yang berkaitan dengan penawaran
dan perm intaan kom oditas tersebut dan m em punyai hubungan yang tim bal
balik, yakni harga ayam broiler hidup, harga daging ayam broiler, harga faktor
input (harga pakan utamanya pakan pedaging starter dan finisher dan harga DOC
broiler FS), inflasi daging dan hasil-hasilnya, serta harga kom oditas kom plem en
(harga telur ayam, daging sapi, tahu mentah dan tempe kedelai).
Data harga rata-rata ayam hidup, daging ayam broiler, harga pakan starter
dan finisher, harga DOC broiler FS serta harga daging sapi diperoleh dari
Direktorat J enderal Bina Produksi Peternakan, Departemen Pertanian, yang
m erupakan harga rata-rata yang dipantau di wilayah J akarta, Bogor, Tangerang
dan Bekasi (J abotabek).
Data bulanan harga eceran tahu m entah dan tem pe kedelai diperoleh dari
Badan Pusat Statistik yang merupakan harga pantauan harian di 9 pasar di
wilayah J akarta.
Data inflasi bulanan untuk sub kelompok daging dan hasil-hasilnya
diperoleh dari Publikasi Buletin Ringkas, BPS. Inflasi adalah keadaan dim ana
terjadi kenaikan harga um um , baik barang-barang, jasa-jasa maupun faktor
produksi. Inflasi terjadi dalam suatu keadaan dim ana terdapat
ketidakseim bangan antara perm intaan dan penawaran akan suatu barang dan
jasa, yaitu jum lah perm intaan total lebih besar dari penawaran total (Chaniago
20 0 3).
Me to d e Pe n e litian
Metode penelitian yang digunakan guna m em bangun sistem pem odelan
tersebut dengan asum si peubah yang akan dim asukkan ke dalam m odel adalah sbb.: + + = − − − − − − − − − −
ε
ε
ε
ε
ε
ε
ε
ε
ε
ε
t t t t t t t t t t t t t t t t t t t t t t t t t t t t t tdag
tempe
tahu
pfinis
pstart
dsapi
telur
doc
dayam
ayam
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
dag
tempe
tahu
pfinis
pstart
dsapi
telur
doc
dayam
ayam
10 9 8 7 6 5 4 3 2 1 1 1 1 1 1 1 1 1 1 1 1010 103 102 101 310 33 32 31 210 23 22 21 110 13 12 11 100 90 80 70 60 50 40 30 20 10inf
inf
.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .dim an a:
ayam = harga rata -rata ayam broiler hidup
dayam = harga rata-rata daging ayam
doc = harga bibit ayam (DOC Broiler FS)
telur = harga rata -rata telur ayam ras
dsapi = harga rata-rata daging sapi
pstart = harga pakan pedaging starter
pfinis = harga pakan pedaging finisher
tahu = harga eceran tahu m entah
tempe = harga eceran tempe kedelai
infdag = inflasi sub kelompok daging dan hasil-hasilnya
Proses pendugaan koefisien m odel VAR serta diagnostik kelayakan m odel
dilakukan dengan m enggunakan m odul Econom etric Tim e Series (ETS) pada
softw are SAS Release 8 m elalui prosedur VARMAX (proc VARMAX).
Ta h a p a n Pe n yu s u n an Mo d e l
Tahapan yang dilakukan dalam penyusunan model VAR adalah sbb.:
1. Melakukan transform asi logaritm a terhadap data untuk m asing-masing
peubah.
2. Melakukan eksplorasi data untuk m elihat pola pergerakan data terhadap
waktu.
3. Melakukan uji kestasioneran data untuk m asing-masing peubah. Bila data
tidak stasioner, m aka dilakukan pem bedaan (differencing).
5. Melakukan uji Blok Eksogenitas untuk m em ilih peubah yang m asuk ke dalam
m odel.
6. Melakukan pendugaan param eter m odel
7. Melakukan pem eriksaan kebaikan m odel.
8. Mengkaji fungsi respon impluls dan dekomposisi ragam
9. Melakukan peramalan jangka pendek.
Secara ringkas tahapan tersebut di atas dapat digambarkan dalam diagram
sbb.:
Ga m ba r 2 . Ta h a p a n p e n yu s u n a n m o d e l
Transformasi logaritma
Eksplorasi data
Uji kestasioneran
Pem bedaan
Pem ilihan ordo VAR
VAR
VECM
Uji kebaikan m odel
Peram alan
Mengkaji fungsi respon impuls dan dekomposisi
ragam
r = 0
r > 0
Uji Blok Eksogenitas
Stasioner
Tidak
Ran k kointegrasi
H AS IL D AN P EM B AH AS AN
Eks p lo ras i D ata
Langkah pertam a dalam pem bangunan m odel VAR adalah m elakukan
eksplorasi data guna m elihat perilaku data dari sem ua peubah yang akan
dim asukkan ke dalam m odel. Hasil eksplorasi dapat dilihat dalam Lam piran 3
dim ana sem ua peubah telah ditransform asi ke dalam bentuk logaritm a natural,
kecuali peubah inflasi.
Secara um um , sem ua peubah yang digunakan dalam pem odelan harga daging
ayam ini cenderung m eningkat dari waktu ke waktu kecuali untuk peubah inflasi
sub kelom pok daging dan hasil-hasilnya yang m enunjukkan pola stasioner, baik
dilihat dari plot data m aupun dari plot ACF-nya. Peningkatan harga terjadi
seiring dengan perubahan waktu, dan sedikit m engalam i gejolak pada kurun
waktu Agustus 1998, dim ana pada saat krisis ekonom i Indonesia terjadi gejolak
peningkatan nilai tukar rupiah terhadap dollar Am erika. Hal ini patut dipaham i
karena banyak komponen input pada industri perunggasan masih diimpor.
Dengan m elihat pola data tersebut dugaan sem entara adalah data tidak
stasioner, sehingga harus dilakukan proses pem bedaan untuk m em peroleh data
yang stasioner.
Ke s tas io n e ran D ata
Salah satu asum si yang harus dipenuhi dalam analisis VAR adalah kestasioneran
data. Pem eriksaan kestasioneran data dilakukan dengan uji Dickey Fuller dan
ditam pilkan pada Tabel 1.
Berdasarkan Tabel 1, sem ua peubah tidak stasioner pada α = 0 ,0 5 kecuali
peubah inflasi daging dan hasil-hasilnya. Agar data yang tidak stasioner m enjadi
stasioner dilakukan pembeda an. Pada pembedaan tingkat 1 atau l(1) terlihat
Tabe l 1. U ji D icke y Fu lle r u n tu k ke s tas io n e ran d ata I( 0 ) I( 1) P e u b a h p Valu e p Valu e
log(harga ayam broiler hidup) 0 .4297634 0 .0 0 0 0 888
log(harga daging ayam) 0 .20 12242 0 .0 0 0 0 888
log(harga DOC) 0 .318 2151 0 .0 0 0 0 888
log(harga telur ayam) 0 .30 4340 4 0 .0 0 0 0 888
log(harga pakan starter) 0 .2857711 0 .0 0 0 2229
log(harga pakan finisher) 0 .3465988 0 .0 0 0 0 888
log(harga daging sapi) 0 .6697493 0.0000887
log(harga eceran tahu) 0 .3252483 0.0003883
log(harga eceran tempe) 0 .3370 0 0 5 0 .0 0 0 18 45
log(inflasi daging dan hasilnya) 0 .0 0 0 0 879 0 .0 0 0 0 879
Pe m ilih a n Ord o
Pem ilihan ordo pada m odel VAR dilakukan dengan m engkaji nilai AIC
(Akaike Inform ation Criterion) dan SBC (Schw arzt Bay esian Criterion).
Berdasarkan nilai AIC dan SBC pada Tabel 2 terlihat bahwa pada saat p=6
diperoleh nilai AIC dan SBC terkecil sehingga m odel VAR yang digunakan
adalah m odel VAR(6).
Tabe l 2 . H as il pe rh itu n gan n ilai AIC d an SBC
Ord o AIC SBC
1 -38.8968 -36.38 41
2 -40 .192 -35.1369
3 -41.0 619 -33.4339
4 -42.8481 -32.6161
5 -44.9541 -32.0866
6 -48.3641 -32.8288
Model VAR(6) dapat dituliskan sebagai berikut :
xt = A0 + A1xt -1 + A2xt -2 + A3xt -3 + A4xt -4 + A5xt -5 + A6xt -6 + eit dengan:
A0 : vektor konstanta berukuan 10 x 1 Ai : m atriks param eter berukuran 10 x 10
xt : vektor (x1.t, x2.t,…., x10 .t, berukuran 10 x 1)
[image:36.596.176.486.103.272.2]U ji Ko in te gras i d an Blo k Eks o ge n itas
Uji J ohansen dilakukan untuk m engetahui banyaknya persam aan yang
dapat m enerangkan seluruh sistem yang ada. J ika nilai λtrace > nilai kritis
(tolak Ho) m aka uji dilanjutkan untuk rank=r+1 hingga diperoleh nilai λtrace <
nilai kritis (terim a Ho). Hasil uji J ohansen pada Tabel 3 m enunjukkan bahwa
hingga r=9 nilai λtrace > nilai kritis, sehingga m odel yang digunakan adalah
VECM ordo 6 dengan rank kointegrasi 9.
Tabe l 3 . U ji Jo h an s e n u n tu k ko in te gras i
H0 : H1 : λtrace N i l a i R a n k = r R a n k > r Kr i ti s
0 0 4 2 4 .71 232.6 0 1 1 321.61 192.30 2 2 2 3 8 .3 8 155.75 3 3 18 3.51 123.0 4 4 4 133.12 9 3.9 2 5 5 8 7.59 6 8 .6 8 6 6 52.0 1 47.21 7 7 2 9 .9 2 2 9 .3 8 8 8 15.56 15.34 9 9 4.0 5 3.8 4
Uji Blok Eksogenitas digunakan untuk m em ilih peubah yang secara
signifikan m em pengaruhi m odel. Dari hasil uji Blok Eksogenitas terlihat
bahwa semua peubah mempenga ruhi m odel dengan nilai p < 0 .0 5 (Tabel 4).
Tabe l 4 . U ji Blo k Eks o ge n itas
P e u b a h χ2 p -Va l u e
log(h ar ga d agin g ayam ) 70 .90 < 0 .0 0 0 1 log(h ar ga ayam br oiler h id u p) 3 7.79 < 0 .0 0 0 1
l o g ( h a r g a D OC) 4 0 .16 < 0 . 0 0 0 1
[image:37.596.203.429.280.449.2] [image:37.596.138.522.536.741.2]Pe n d u gaan Mo d e l
Model VECM ordo 6 dengan rank kointegrasi 9 untuk 10 peubah penjelas
dituliskan sebagai berikut :
t i t i i t
t A y y
y = +π +
φ
∆ +ε∆ −
=
−
∑
5
1 * 1
0
dengan: π =α
β
' , β= vektor kointegrasi berukuran r x 1
α
= vektor adjustment berukuran r x 1, dan∑
+ =
=
pi j
j
i
A
1 *
φ
Model tersebut merupakan model terbaik berdasarkan panjang lag
m aupun jenis peubah yang m asuk dalam m odel. Dugaan param eter dengan
m etode kem ungkinan m aksim um disajikan dalam Lam piran 4, sedangkan
dugaan param eter setelah ditransform asi ke m odel VAR(6) ditam pilkan pada
Lam piran 5.
Secara um um sem ua peubah yang m asuk ke dalam m odel berpengaruh
nyata terhadap peubah harga rata-rata daging ayam , kecuali peubah harga
rata-rata DOC broiler FS, harga pakan finisher dan harga daging sapi. Secara
lengkap dugaan param eter m odel yang nyata pada taraf uji α = 0 ,0 5
tercantum pada Tabel 5.
Seperti terlihat pada Tabel 5, harga rata -rata daging ayam secara nyata
dipengaruhi oleh harga rata -rata ayam broiler hidup, telur, pakan starter,
tahu, tem pe dan inflasi daging dan hasil-hasilnya. Peubah yang tidak
berpengaruh nyata pada taraf uji α = 0 ,0 5 adalah harga rata -rata DOC broiler
FS dan pakan finisher serta harga rata -rata daging sapi. Tidak
berpengaruhnya harga rata-rata DOC dan pakan finisher sebagai faktor input
dalam industri peternakan ayam broiler m enggam barkan bahwa pada
um um nya peternak rela m engurangi m argin keuntungan dari bisnis ternak
ayam nya apabila terjadi kenaikan harga dari faktor inpu t tersebut. Disamping
itu data yang dikemukakan oleh PSP-LP IPB (20 0 3) bahwa struktur industri
perunggasan saat ini dikuasai oleh peternak besar dan m enengah yang
m encapai 83,0 5 %, sisanya 16,95 % diproduksi oleh peternak kecil. Pada
DOC (breeder), sehingga dapat dipaham i bahwa m ereka dapat m em ainkan
peran yang besar dalam m enentukkan harga DOC. Dem ikian pula,
berdasarkan penelitian yang dilakukan oleh PSP-LP IPB (20 0 3), kenaikan
harga DOC sekitar 30 % hanya sedikit m enaikkan harga daging ayam di
tingkat konsum en sebesar 1,3 %. Lain halnya bila harga pakan naik 30 %,
harga daging ayam di tingkat konsum en akan naik cukup besar yakni 4,96 %.
Tabe l 5. D u gaan p aram e te r m o d e l yan g n yata p a d a α = 0 ,0 5
P a r a m e te r D u ga a n P r o b > | T| N a m a p e u b a h
AR1_ 1_ 8 -3,1667 0 ,0 0 15 tahu(t -1) AR1_ 1_ 10 0 ,0 29 8 0 ,0 433 in fd ag(t-1)
AR2_ 1_ 1 1,6493 0 ,0 0 0 1 D_ d ayam (t -1) AR2_ 1_ 2 1,0 76 8 0 ,0 195 D_ ayam (t -1) AR2_ 1_ 4 -1,3 8 73 0 ,0 113 D_ telur(t -1) AR2_ 1_ 9 -6 ,4 719 0 ,0 0 0 1 D_ tem p e(t-1)
AR3_ 1_ 1 1,0 774 0 ,0 0 0 7 D_ d ayam (t -2 ) AR3_ 1_ 4 -1,0 195 0 ,0 253 D_ telur(t -2 ) AR3_ 1_ 5 1,38 98 0 ,0 495 D_ p star t(t-2 ) AR2_ 1_ 9 -4 ,2 9 78 0 ,0 0 11 D_ tem p e(t-2 )
AR4_ 1_ 1 0 ,90 0 1 0 ,0 0 0 4 D_ d ayam (t -3 ) AR4_ 1_ 4 -1,0 236 0 ,0 0 38 D_ telur(t -3 ) AR4 _ 1_9 -2,8 6 8 9 0 ,0 0 33 D_ tem p e(t-3 )
AR5_ 1_ 1 0 ,5756 0 ,0 0 11 D_ d ayam (t -4 ) AR5_ 1_ 4 -0 ,7493 0 ,0 0 23 D_ telur(t -4 ) AR5_ 1_ 5 0 ,8 8 31 0 ,0 4 9 9 D_ p star t(t-4 ) AR5_ 1_ 9 -1,5746 0 ,0 124 D_ tem p e(t-4 )
AR6_ 1_ 1 0 ,36 39 0 ,0 0 0 5 D_ d ayam (t -5 ) AR6_ 1_ 4 -0 ,2667 0 ,0 341 D_ telur(t -5 ) AR6_ 1_ 9 -1,1324 0 ,0 0 22 D_ tem p e(t-5 )
Pem berian pakan ayam ras broiler ada 2 fase yaitu fase starter (um ur 0-4
m in ggu) dan fase fin isher (um ur 4-6 m inggu). Pada um um nya, ayam ras
tersebut dapat dilihat bahwa pakan starter m em ainkan peran yang lebih
besar dalam pem besaran ayam broiler dibandingkan dengan pakan finisher.
Hal inilah yang m enyebabkan peubah harga rata -rata pakan starter secara
nyata berpengaruh terhadap harga rata-rata daging ayam, sedangkan harga
rata-rata pakan finisher tidak berpengaruh secara nyata.
Peubah harga rata-rata daging sapi tidak berpengaruh nyata terhadap
harga rata -rata daging ayam m enunjukkan bahwa konsum en m asih enggan
beralih mengkonsumsi daging sapi bila terjadi kenaikan harga daging ayam .
Hal ini dim ungkinkan karena harga daging sapi per kilogram nya jauh lebih
m ahal dari harga daging ayam .
Harga rata -rata daging ayam dipengaruhi secara positif oleh harga
rata ayam broiler hidup, DOC, pakan starter, pakan finisher, serta harga
rata-rata tahu m entah. Sebagai faktor input agribisnis peternakan ayam pedaging,
peningkatan harga bibit DOC, pakan starter m aupun finisher secara otom atis
akan m enaikkan biaya produksi sehingga pada akhirnya akan berim plikasi
pada peningkatan harga ayam pedaging. Hal ini ditunjukkan dengan tanda
positif pada hasil dugaan koefisien parameter model.
Hubungan negatif terhadap peubah harga rata -rata daging ayam
ditunjukkan oleh peubah harga rata-rata telur ayam, daging sapi, tempe dan
inflasi. Sebagai kom oditas pengganti, m asyarakat akan segera beralih
m engkonsum si kom oditas tersebut dengan harga yang lebih terjangkau
apabila terjadi kenaikan harga daging ayam . Oleh karenanya, dalam m odel
hubungan ini dicerm inkan dengan tanda negatif.
Apabila kita tinjau kem bali pada param eter m odel yang nyata pada Tabel
5, terlihat bahwa peubah harga rata -rata daging ayam dipengaruhi oleh harga
kom oditas pengganti pada bulan sebelum nya. Hal ini m enunjukkan bahwa
konsum en akan segera beralih ke kom oditas pengganti pada bulan
berikutnya apabila terjadi kenaikan harga rata-rata daging ayam. Sedangkan
harga rata-rata pakan starter berpengaruh nyata terhadap kenaikan harga
rata-rata daging ayam dalam lag waktu 3 bulan. Hal ini m enunjukkan bahwa
r eaksi dari pengusaha ternak ayam adalah tidak segera m enaikkan harga
D e ko m po s is i Ragam
Tabel 6 m enyajikan hasil perhitungan dekom posisi ragam dari m odel
VAR(6). Dalam jangka pendek untuk peramalan 1 bulan ke depan, keragaman
harga rata -rata daging ayam hanya dijelaskan oleh shock harga rata -rata
daging ayam itu sendiri (10 0 %). Sem entara untuk jangka m enengah (6 bulan
ke depan) keragam an harga rata-rata daging ayam selain dijelaskan oleh
shock harga rata -rata daging ayam sendiri (65,5%) juga dijelaskan oleh shock
dari DOC (6,6%) dan pakan starter (8,8%), serta sedikit shock dari
peubah-peubah yang lain yang berkisar antara 1,2% hingga 5,2%. Sedangkan dalam
jangka panjang (1 tahun ke depan) keragam an harga rata -rata daging ayam
sebagian besar m asih dijelaskan oleh keragam an harga rata-rata daging ayam
itu sendiri sebesar 48,9% serta dijelaskan oleh keragaman harga rata -rata
DOC, pakan starter, tahu dan tem pe m asing-masing sebesar 8,5% , 8,8%,
7,9% dan 7,5%.
Dalam jangka pendek keragam an harga rata -rata ayam broiler hidup
sebagian besar dijelaskan oleh shock peubah itu sendiri (82,6%) tetapi
persentasenya sem akin m engecil seiring dengan m enguatnya shock peubah
yang lain yakni harga rata -rata DOC, pakan starter m aupun finisher dan
harga tahu hingga peramalan satu tahun kedepan. Demikian pula terjadi pada
keragam an harga rata-rata DOC broiler FS dimana pada jangka panjang
shock harga rata-rata DOC sendiri sem akin m engecil dan diikuti oleh
m enguatnya shock harga daging ayam .
Sem akin panjang periode peramalan yang diinginkan untuk peubah harga
rata-rata telur ayam ras, m aka shock dari peubah itu sendiri sem akin
m engecil dan harus m em perhatikan keragam an dari peubah-peubah yang
lain.
Untuk peramalan jangka pendek, keragaman peubah harga rata -rata
pakan starter sebagian besar dipengaruhi oleh shock peubah itu sendiri
(92,9%). Sem akin panjang periode peram alan yang diinginkan, keragam an
peubah tersebut sem akin m engecil karena harus m em pertim bangkan
keragam an peubah yang lain, walaupun keragam annya relatif kecil.
Dem ikian pula terjadi pada peubah harga rata-rata pakan finisher, guna
peubah itu sendiri sebesar 39,0 % dan sem akin m enurun seiring dengan
panjangnya periode peram alan yang diinginkan dengan semakin
meningkatnya keragaman peubah harga rata-rata broiler hidup.
Peram alan jangka pendek peubah harga rata-rata daging sapi sebagian
besar dipengaruhi oleh keragam an peubah itu sendiri (89,2%). Nam un
dem ikian, sem akin panjang periode peram alannya, keragam an peubah
tersebut sem akin m enurun, karena m ulai berperannya keragam an peubah
yang lain.
Tabe l 6 . D e ko m po s is i ragam h in gga pe ram alan 12 bu lan ke d e pan
S h o c k s Pe u ba h Ta h a p
Ke
d e p a n
d a ya m a ya m D OC te lu r p s ta rt p fi n i s ds api ta h u te m p e i n fd a g
1 10 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0
6 6 5,5 1,4 6,6 2,7 8 ,0 1,8 2,2 2,6 5,2 3,8
d a ya m
12 48 ,9 3,3 8 ,5 3,2 8 ,8 4,7 3,1 7,9 7,5 4,1
1 17,4 8 2,6 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0
6 23,5 33,4 3,6 6,7 3,3 4,9 5,3 4,0 12,6 2,7
a ya m
12 18 ,5 25,1 7,9 5,8 4,9 13,3 3,6 7,9 9,0 3,9
1 1,0 28,3 71,6 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0
6 2,5 11,2 28,3 5,2 10 ,8 10 ,8 6,7 1,2 21,9 1,4
D OC
12 8,1 12,8 23,5 4,3 9,1 9,9 8,1 3,6 17,3 3,4
1 14,7 6,6 2,5 76,1 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0
6 12,0 11,9 3,3 34,6 9,0 4,1 11,4 4,0 8 ,5 1,2
te lu r
12 12,3 9,9 3,8 20 ,6 9,6 15,8 11,4 8 ,6 6,0 2,0
1 1,0 3,5 2,5 0 ,0 2 92,9 0 ,0 0 ,0 0 ,0 0 ,0 0 ,0
6 3,0 4,5 13,3 3,1 54,4 3,3 4,0 2,3 8 ,5 3,6
p s ta rt
12 5,2 6,8 13,7 6,1 38,5 11,6 3,9 2,9 7,8 3,8
1 1,0 2,1 1,0 1,7 57,1 39,0 0 ,0 0 ,0 0 ,0 0 ,0
6 4,4 7,1 14,1 3,6 30 ,9 26,8 2,7 2,2 4,5 3,7
p fi n i s
12 5,2 7,3 13,7 5,6 26,2 27,5 3,1 3,0 4,9 3,4
1 2,0 3,7 8 ,0 3,3 1,4 1,4 89,2 0 ,0 0 ,0 0 ,0
6 5,0 2,9 6,1 5,3 15,1 9,2 41,2 12,9 1,3 1,1
ds api
12 6,3 5,3 8,1 5,2 13,3 15,4 30 ,5 8 ,9 2,3 4,4
1 2,6 1,4 2,9 0 .11 0 ,5 1,5 0 ,0 3 8 9,9 0 ,0 0 ,0
6 4,4 3,2 7,2 6,3 9,3 6,0 41,2 12,9 1,3 1,1
ta h u
12 3,3 3,2 8,7 8 ,6 11,1 16,3 4,1 33,4 4,9 3,1
1 4,0 4,0 1,5 0 ,0 1 8 ,0 2,4 5,3 47,5 41,8 0 ,0
[image:42.596.110.570.260.754.2]12 4,9 3,8 11,4 11,0 14,3 13,9 5,7 14,2 16,9 4,1
1 11,1 6,0 0 ,3 4,0 3,0 1,0 0 ,0 6 1,9 1,6 78 ,1
6 16,8 4,2 10 ,7 9,6 4,3 4,6 8 ,0 9,4 8,1 31,7
i n fd a g
12 16,1 6,0 8 ,0 8 ,5 3,4 13,3 2,6 9,0 8 ,6 24,4
Re s p o n Pe u ba h H a rga Ra ta-rata D agin g Ayam
Pengaruh dinam is dari adanya suatu guncangan (shock) dapat dianalisis
m elalui orthogonal im puls response function (IRF). Pengaruh shock sebesar
1 standar deviasi dari beberapa peubah terhadap peubah harga rata -rata
daging ayam disajikan pada Gam bar 3 dan Gam bar 4.
Peubah faktor input yang berpengaruh nyata terhadap harga rata -rata
daging ayam adalah harga rata -rata ayam broiler hidup dan pakan starter.
J ika terjadi guncangan harga rata -rata ayam broiler hidup akan segera
direspon oleh pedagang dengan cara m enaikkan harga daging ayam hingga
periode kedua, nam un kenaikan harga tersebut sudah tidak akan berlangsung
pada periode ketiga. Guncangan berikutnya akan m em berikan efek yang
berfluktuasi pada harga daging ayam yang akhirnya m enjadi stabil pada
jangka panjang, yakni setelah periode kedua puluh.
Gam bar 3 . Grafik re s p o n h arga d agin g ayam te rh ad ap gu n can gan h arga fakto r in p u t
Dem ikian pula apabila terjadi guncangan harga rata -rata pakan starter akan
segera m enaikkan harga rata-rata daging ayam hingga periode kedua, nam un
akan m enurunkan harga rata-rata daging ayam pada periode ketiga. Pada
periode selanjutnya, guncangan harga rata -rata pakan starter secara
[image:43.596.107.534.461.578.2]berfluktuasi akan m em pengaruhi harga rata-rata daging ayam . Gambar 3. Grafik respon harga daging ayam
thd guncangan harga faktor input
-4.00 -3.00 -2.00 -1.00 0.00 1.00 2.00 3.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41
Lag
(%)
ayam hidup pakan starter
Gam bar 4 . Grafik re s po n h arga d agin g ayam te rh ad ap gu n can gan h arga ko m o d itas pe n ggan ti
Peubah yang m encerm inkan kom oditas pengganti yang m asuk ke dalam
m odel dan berpengaruh nyata terhadap perubahan harga daging ayam adalah
harga rata -rata telur ayam ras, tahu m entah dan tem pe kedelai. Pengaruh
guncangan harga kom oditas pengganti tersebut terhadap harga rata -rata
daging ayam disajikan pada Gam bar 4.
Pada jangka pendek hingga akhir sem ester satu, kenaikan harga kom oditas
pengganti, yakni tahu tem pe dan telur ayam ras tidak akan segera direspon
oleh kenaikan harga daging ayam, namun pada semester kedua, apabila tetap
terjadi kenaikan komoditas pengganti tersebut secara tidak langsung akan
m enyebabkan kenaikan harga daging ayam .
Pe ram alan H arga Rata-rata D agin g Ayam
Sebelum m elakukan peram alan harus dikaji terlebih dahulu kebaikan m odel
berdasarkan kriteria keacakan sisaan, statistik Durbin Watson (DW), dan
koefisien determinasi (R2).
Keacakan sisaan dapat dilihat dari plot sisaan terhadap waktu (t). Plot sisaan
yang tidak m em iliki pola tertentu seperti pada Lam piran 6 menunjukkan
bahwa sisaan bersifat acak. Hal ini diperkuat dengan statistik DW dan R2
pada Tabel 7 dim ana sem ua persam aan m enunjukkan nilai yang cukup besar
[image:44.596.131.544.97.216.2]yaitu mendekati 2 untuk statistik DW dan lebih dari 80 % untuk R2.
Gambar 4. Respon harga daging ayam thd guncangan harga komoditas pengganti
-3.00 -2.00 -1.00 0.00 1.00 2.00 3.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1 9 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 4 0 41
Lag
(%)
Tabe l 7. Statis tik D u rbin W ats o n d an R2
P e u b a h Statis tik D W Ko e fis ie n D e te rm in as i ( R2)
( %)
log(Harga rata-rata daging ayam) 1.54 91.64
log(Harga rata-rata ayam broiler hidup) 2.16 90 .28
log(Harga rata-rata DOC) 2.20 90 .41
log(Harga rata-rata telur ayam) 1.31 90 .53
log(Harga rata-rata pakan starter) 1.99 81.90
log(Harga rata-rata pakan finisher) 1.86 83.03
log(Harga rata-rata daging sapi) 2.30 90 .96
log(Harga eceran tahu mentah) 2.0 9 8 3.12
log(Harga eceran tempe kedelai) 2.0 7 85.52
log(Inflasi daging dan hasil-hasilnya) 1.89 94.27
Peram alan harga rata-rata daging ayam dengan m enggunakan m odel
VAR(6) dilakukan untuk periode 3 bulan ke depan yakni J anuari 20 0 5
sampai dengan Maret 20 0 5. Hasil peramalan beserta perbandinganya dengan
data aktual disajikan pada Tabel 8 di bawah ini. Pada tabel tersebut juga
disajikan hasil validasi m odel dengan m eram al data aktual dan hanya
ditam pilkan untuk periode Oktober hingga Desem ber 20 0 4.
Menggunakan m odel VAR(6) diperoleh hasil pendugaan harga
rata-rata dagin g ayam pada bulan Oktober 20 0 4 sebesar Rp 12.0 90 ,-/ kg atau
1,36% lebih tinggi dari data aktual. Hasil dugaan bulan Nopember dan
Desem ber 20 0 4 m asing-m asing sebesar Rp. 12.711,-/ kg dan Rp. 12.270 ,-/ kg
atau m asing-masing lebih tinggi 2,46% dan 3,33% dari data aktual.
Model VAR(6) digu nakan juga untuk meramal 3 bulan ke depan. Hasil
ram alan m enggunakan m etode ini m enghasilkan bahwa harga rata -rata
daging ayam pada J anuari 20 0 5 akan sebesar Rp. 15.0 27,-/ kg dan pada
Pebruari 20 0 5 sebesar Rp. 14.0 0 2,-/ kg dan pada bulan Maret 20 0 5 sebesar
Rp. 13.583,-. Hasil ram alan ini lebih tinggi dari data aktualnya, m
[image:45.596.109.558.106.385.2]Secara um um m odel VAR(6) dapat digunakan untuk peram alan harga
rata-rata daging ayam karena m enghasilkan dugaan yang relatif kecil
perbedaannya dengan data aktual, yakni berkisar antara 1,36 hingga 14,51%.
Ta b e l 8 . H a s il p e ra m a la n h a rga ra ta - ra ta d a gin g a ya m ( Rp / kg)
b e rd a s a rka n m o d e l VAR( 6 )
D a t a a k t u a l Ra m a la n B e d a ( 3 ) t h d ( 2 ) B u la n
N i l a i % ( 1)
( 2 ) ( 3 ) ( 4 ) ( 5 ) 2 0 0 4
Oktober
11.9 28 12.0 90 16 2 1,36 Nop em ber
12.40 6 12.711 30 5 2,46 Desem ber
11.8 75 12 .2 70 395 3,33
2 0 0 5
J an u ar i
13.123 15.0 27 1.9 0 4 14,51 Pebr u ar i
12.78 6 14 .0 0 2 1.216 9,51 Ma r et
12.18 0 13.58 3 1.40 3 11,52
G
am bar 5. Grafik n ilai aktu al d an d u gaan h arga d agin g a ya mGam bar 5 m em perlihatkan pola pergerakan harga rata -rata daging
ayam broiler beserta nilai dugaannya m enggunakan m odel VAR(6), yang
ditam pilkan dari bulan J anuari 20 0 3. Dari Gam bar 5 terlihat bahwa pola
pergerakan harga rata-rata daging ayam broiler m engalami sedikit
peningkatan pada bulan Mei 20 0 4. Menurut Pinsar (20 0 4), bahwa situasi
bisnis broiler seperti ini tidak terlepas dari kondisi perunggasan yang
[image:46.596.148.482.226.408.2]m engalam i penderitaan akibat biaya tinggi dalam proses produksi, yakni
Gambar 5. Grafik nilai aktual dan dugaan harga daging ayam
10,000 12,000 14,000 16,000 18,000
Jan Peb Mar Apr Mei Jun Jul Ags Sep Okt Nop Des Jan Peb Mar Apr Mei Jun Jul Ags Sep Okt Nop Des Jan Peb Mar
2003 2004 2005
Bulan (Rp/kg)
[image:46.596.134.495.228.448.2] [image:46.596.91.559.442.554.2]adanya kenaikan harga paka n . Seperti terlihat pada Lam piran 2, harga pakan
starter pada bulan Mei 20 0 4 sebesar Rp. 2.725/ kg dan pakan finisher Rp.
2.240 / kg. Pada bulan J uni 20 0 4 m asing-m asing naik m enjadi sebesar Rp.
3.0 0 0 / kg dan Rp. 2.80 0 ,-/ kg. Kenaikan harga pakan ini sebetulnya lebih
didom inasi karena m elem ahnya nilai tukar rupiah terhadap dollar Am erika.
Hal ini dikarenakan ketergantungan Indonesia terhadap bahan baku pakan
(jagung, bungkil kedelai dan tepung daging) dari im por. Sebetulnya, pada
bulan berikutnya, harga pakan cenderung meningkat kembali, namun
dem ikian, harga rata-rata daging ayam broiler cenderung m enurun pada
bulan J uni 20 0 4. Hal ini disebabkan adanya m om en tahun ajaran baru
sekolah yang sangat berpengaruh terhadap bisnis ayam (Pinsar, 20 0 4).
Seperti diketahui bahwa biaya pendidikan saat ini sem akin m ahal, sehingga
setiap ajaran baru m asyarakat harus m enyediaan anggaran ekstra dem i
jaminan putra -putri m ereka m endapat “bangku sekolah”. Keadaan ini tentu
m enyedot banyak anggaran keluarga. Kondisi inilah yang berpengaruh besar
terhadap turunnya perm intaan produk hasil unggas baik telur m aupun
daging broiler selama pekan ini (Pinsar 20 0 4).
Pada awal tahun 20 0 5, kem bali terjadi kenaikan harga rata -rata daging ayam
broiler dari Rp. 11.875,-/ kg pada bulan Desember 20 0 4 m enjagi Rp.
13.123,-/ kg pada J anuari 20 0 5. Menurut Pinsar (20 0 5), kenaikan ini terjadi karena
kurangnya pasokan ayam hidup ke pasaran. Tentu ini ada kaitannya dengan
kebijakan pengurangan produksi baik ditingkat pem bibit m aupun peternak
pasca lebaran tahun 20 0 4. Hal ini karena peternak pembudidaya pada
dasarnya tergantung pada pasokan bibit. Kekurangan pasok ayam ras
pedaging, juga tim bul akibat m erebaknya penyakit yang lagi m arak dewasa
ini dan dikenal oleh pakar kesehatan hewan sebagai ND dini. Mem ang, dalam
cuaca yang kurang baik seperti sekarang ini, banyak dilaporkan tingginya
tingkat kem atian pada anak-anak ayam , yang konon disebabkan serangan ND
yang m uncul pada ayam -ayam um ur dini. Akibatnya,
