63
III. METODE PENELITIAN
3.1. Kerangka Pemikiran
Penelitian ini bertujuan untuk menganalisis dan mengkaji tentang pergerakan harga CPO antara Indonesia dan Malaysia yang dilaksanakan dengan
spot, serta Rotterdam yang dilaksanakan dengan forward, dan kointegrasi antar
variabel yang mempengaruhi pembentukan harga CPO dan implikasi-implikasi kebijakannya terhadap pedagangan CPO di Indonesia. Hal ini didasarkan pada fakta bahwa Malaysia dan Indonesia merupakan negara penghasil CPO dunia dan Rotterdam sendiri adalah pasar CPO dunia yang mempertemukan produsen dan konsumen CPO. Sebagai produsen terbesar dalam teorinya seharusnya Indonesia dan Malaysia memiliki posisi tawar yang kuat dalam pembentukan harga dunia hal ini juga akan berimbas kepada harga yang terbentuk di negara masing-masing karena jika harga dunia lebih tinggi dari harga domestik maka akan lebih menguntungkan bagi trader untuk mengekspor CPO sehingga penawaran untuk dunia akan bertambah dan akan meningkatkan harga di domestik dan hal ini juga berlaku sebaliknya jika harga dalam negeri lebih tinggi akan lebih disukai untuk menjual di dalam negeri saja daripada harus mengekspor sehingga dalam penelitian ini hipotesis yang terbentuk adalah selisih harga antara Rotterdam dan Indonesia serta Malaysia akan saling mempegaruhi untuk pembentukan harga CPO selanjutnya baik itu di tingkat domestik (Indonesia dan Malaysia) maupun di tingkat dunia (Rotterdam).
Ditinjau dari masing-masing negara maka pembentukan harga di Indonesia dan Malaysia akan saling mempengaruhi, karena bila terdapat selisih antara
64
keduanya maka negara yang memberikan harga yang termurah akan lebih disukai dibandingkan dengan negara yang menawarkan harga yang lebih tinggi. Bila harga domestik lebih tinggi dibandingkan dengan luar negeri maka industri dalam negeri yang bersangkutan akan lebih suka mengimpor saja daripada menggunakan produk lokal.
Pembentukan harga CPO di Rotterdam yang merupakan representasi dari permintaan dunia selain dipengaruhi oleh harga di negara produsen juga mempertimbangkan harga komoditi lain yang mempengaruhi CPO dalam penelitian ini yang diambil sebagai komoditi yang mempengaruhi adalah harga minyak kedelai. Hipotesisnya adalah bila harga minyak kedelai meningkat maka orang akan beralih ke CPO.
Mengenai keterkaitan antara harga CPO Indonesia dan Rotterdam sebagaimana ditulis oleh Anwar (2005), mengindikasikan bahwa nilai tukar akan mempengaruhi harga komoditi dalam hal ini CPO secara langsung maupun tidak langsung. Efek langsung setiap perubahan nilai tukar akan mempengaruhi harga di negara pembeli jika tanpa perubahan harga di negara produsen. Sedangkan efek tidak langsung merupakan aktifitas arbitrase dan permintaan spekulatif pada pasar komoditi dan uang. harga CPO dalam jangka pendek dapat naik/turun tergantung pergerakan mata uang, perubahan ini hanya dalam efek nominal, yaitu tidak ada efek cepat terhadap permintaan dan penawaran. Secara arbitrase harga antarpasar relatif sama dan hanya berbeda karena biaya transportasi kenyataan di lapang harga bervariasi antarpasar jika dikonversi dalam mata uang yang sama, akan tetapi dalam jangka panjang perubahan nilai tukar akan mempengaruhi
65
permintaan dan penawaran komoditi dalam hal ini adalah CPO. Untuk lebih jelas kerangka pemikiran penelitian dapat dilihat pada Gambar 4.
Gambar 4 . Model Pendekatan Integrasi Pasar CPO
3.2. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder mengenai data harga CPO bulanan di Indonesia, Malaysia dan Rotterdam, nilai tukar serta harga komoditi pesaing dimana dalam penelitian ini dipergunakan harga minyak kedelai pada rentang waktu Januari 2000 hingga November 2008.
Pengumpulan data dalam penelitian ini dilakukan dengan menggunakan metode dokumentasi dimana data tersebut diperoleh dari Badan Pengawas Perdagangan Berjangka Komoditi (Bappebti) dan dari dinas dan instansi yang terkait lainnya seperti Departemen Perdagangan, Departemen Perindustrian dan Badan Pusat Statistik Indonesia.
66
3.3. Metode Analisis Data
Model penelitian ini merupakan suatu model yang menganalisis data deret waktu. Data deret waktu umumnya bersifat tidak stasioner dan diperoleh melalui proses random-walk (acak). Persamaan regresi yang menggunakan variabel-variabel yang tidak stasioner akan mengarah kepada hasil yang palsu (spurious). Dalam mengembangkan model deret waktu maka perlu dibuktikan, apakah stokastik yang menghasilkan data tersebut dapat diasumsikan tidak bervariasi karena waktu. Jika proses stokastik tetap dari waktu ke waktu, yang berarti prosesnya stationer, maka dapat disusun suatu model dengan persamaan yang menghasilkan koefisien tetap yang dapat diduga dari data waktu yang lalu.
Alat analisis yang digunakan dalam penelitian ini adalah menggunakan analisis Vector Error Correction Model (VECM), untuk melihat pergerakan harga di pasar Indonesia yang dilakukan dengan spot, Malaysia dan Rotterdam yang dilakukan dengan forward karena data yang digunakan stasioner, namun terkointegrasi. Pengolahan menggunakan Program Eviews.5.1.
3.2.1. Uji Stasionaritas
Sebagaimana yang telah disebutkan sebelumnya data time series yang digunakan dalam pendekatan VAR haruslah stasioner untuk menghindari adanya
spurious regression (regresi palsu). Suatu persamaan dinyatakan stasioner apabila
persamaan tersebut tidak mengandung unit root. Menurut Gujarati (2003) data yang stasioner akan mempunyai kecendrungan untuk mendekati nilai rata-rata dan berfluktuasi di sekitar nilai rata-ratanya.
67
Untuk memastikan bahwa data yang digunakan tidak mengandung unit root maka dapat diuji dengan menggunakan uji Dickey Fuller (DF) dan Augmented Dickey Fuller (ADF). Tes ini disajikan dengan menambahkan pada persamaan berupa nilai selang dari variabel dependen Yt (Gujarati,2003). Uji ADF terdiri
dari perhitungan regresi sebagai berikut :
t m i t t t t PIna PIna PIna 1 1 1 2 1 ... . ... (4.1) t m i t t t t PMly PMly PMly 1 1 1 2 1 ..(4.2) t m i t t t t PRtd PRtd PRtd 1 1 1 2 1 .. .. ... (4.3) t m i t t t t PMKed PMked PMKed 1 1 1 2 1 .... ...(4.4) t m i t t t t ERM ERM ERM 1 1 1 2 1 ... .... (4.5) t m i t t t t ERI ERI ERI 1 1 1 2 1 . ... ... .. (4.6) dimana:
= Operator perbedaan tingkat pertama
PInat = Harga CPO di Indonesia periode t (Rp/kg) PMlyt = Harga CPO di Malaysia periode t (RM/ton) PRtdyt = Harga CPO di Rotterdam periode t (USD/ton) PMKedt = Harga minyak kedelai dunia periode t (USD/ton) ERMt = Nilai Tukar Malaysia (RM/USD)
ERIt = Nilai Tukar Indonesia (Rp/USD)
t = Trend waktu ,
, , 2
1 = Koefisien
68
t = Galat persamaan
Dimana tadalah galat white noise (stasioner) dan Yt (Yt Yt1). Jumlah selang yang ikut dalam galat yang tidak valid akan hilang. Intinya adalah untuk mengikutkan sejumlah galat yang tidak saling berhubungan (autokorelasi) dalam persamaan. Pada ADF pengujian 0 akan sama dengan distribusi asimtotik pada statistik DF (Gujarati, 2003).
Tabel distribusi F digunakan untuk mengetahui nilai 1, 2, , sebagaimana yang dikutip Thomas (1997), jika Ho: 1= =0 diterima maka Yt
dikatakan tidak stasioner. Perlu diperhatikan bahwa hasil uji ADF akan sangat dipengaruhi oleh panjangnya selang. Untuk mencegah terjadinya autokorelasi antargalat dalam deret data perlu dipilih panjang selang k yang paling optimal berdasarkan kriteria Schwarz Bayesian Criterion (SBC). Semakin kecil SBC akan didapatkan model dengan selang yang optimum (Enders,1995).
Nilai SBC dihitung dengan menggunakan persamaan sebagai berikut :
T LnT K RSS SBCn 2 ) ( ...(4.7) dimana:
RSS = Jumlah kuadrat residual (Sum Square Residual) K = Jumlah variabel penjelas
T = Jumlah waktu pengamatan 2
= Varian regresi
Selanjutnya membandingkan antara nilai statistik dengan nilai kritis (critical
69 t PMly t PRtd PInat =
stasioner I(0) berarti dapat dilakukan analisis hanya dengan pendekatan VAR saja, tetapi apabila lebih kecil dari nilai kritis maka data tidak stasioner.
3. 2.2. Uji Kointegrasi
Jika variabel sudah stasioner maka tahap selanjutnya adalah menguji apakah variabelnya terkointegrasi. Kointegrasi adalah terdapatnya kombinasi linier antara variabel yang nonstasioner yang terkointegrasi pada ordo yang sama dimana suatu variabel dikatakan terkointegrasi apabila antar variabel memiliki hubungan jangka panjang. Untuk menguji ada atau tidak kointegrasi antar variabel digunakan metode uji kointegrasi (Enders, 1995). Penelitian ini ingin melihat hubungan antara harga CPO Indonesia, harga CPO Malaysia yang dilaksanakan dengan transaksi spot, harga CPO Rotterdam yang dilaksanakan dengan transaksi
forward, harga minyak kedelai dan nilai tukar. Persamaan model VAR dapat
ditulis sebagai berikut :
t p t n t n t p t n t p t n t p t n t
ER
ER
PMKed
PMKed
PRtd
PRtd
PMly
a
PMly
a
PIna
PIna
1 1 1 11 1 1 11 1 1 11 1 1 11 1 1 11 01...
...
...
....
...
...(4.8) t p t n t p t n t p t n t p t n t p t n t ER ER PMKed PMKed PRtd PRtd PIna a PIna a PMly Mly 2 2 1 12 2 1 12 2 1 12 2 1 12 2 1 12 02 ... ... ... .... ... .... ...(4.9) t p t n t p t n t p t n t p t n t p t n tER
ER
PMKed
MKed
P
PMly
PMly
PIna
a
PIna
a
PRtd
Rtd
3 3 1 13 3 1 13 3 1 13 3 1 13 3 1 13 03...
...
.
...
....
...
....(4.10)70 t PMKed t p t n t p t n t p t n t p t n t p t n t
ER
ER
PRtd
PCRtd
PMly
PMly
PIna
a
PIna
a
PMKed
MKed
4 4 1 14 4 1 14 4 1 14 4 1 14 4 1 14 04...
...
...
....
...
...(4.11) dimana:PIna, Pmly, PRtd, PMKed, ER = Vektor variabel tak bebas yang
berukuran n x 1 p = Panjangnya selang
n0, n0, n0, n0, n0 = Vektor intersep berukuran n x 1 1
1 1 1
1, n , n , n , n
n = Matriks parameter berukuran n x m untuk setiap i = 1, 2, 3, ...
t = Galat berukuran n x 1
Persamaan VAR dapat disederhanakan sebagai berikut : p i i t p i i i t i i t p i i t PIna PMly PRtd PIna 1 1 1 1 1 1 01 t i t p i i i t p i iPMKed ER 1 1 1 1 1 .. (4.12) p i i t p i i i t i i t p i i t PMly PIna PRtd PMly 1 1 2 2 1 2 02 t i t p i i i t p i i PMked ER 2 1 2 1 2 .. ... (4.13) p i i t p i i i t i i t p i i t PRtd PIna PMly PRtd 1 1 3 3 1 3 03 t i t p i i i t p i i PMKed ER 3 1 3 1 3 ...(4.14) p i i t p i i i t i i t p i i
t PMKed PIna PMly
PMKed 1 1 4 4 1 4 04 t i t p i i i t p i i PRtd ER 4 1 4 1 4 .. ..(4.15)
71
Uji berikutnya adalah trace test yaitu mengukur jumlah vektor kointegrasi dalam data, dengan menggunakan pengujian pangkat matrik kointegrasi, dinyatakan sebagai berikut :
n r i i trace r T 1 ) 1 ln( ) ( ..(4.16) ) 1 ln( ) 1 , ( 1 max r r T r .(4.17) dimana:
i= Nilai dugaan akar karakteristik yang didapatkan dari estimasi
matriks
T = Jumlah observasi.
r = Pangkat yang mengindikasikan jumlah vektor kointegrasi
Jumlah hubungan kointegrasi (r) dapat dihitung dengan menggunakan 2 uji statistik. Pada uji trace, Ho adalah jumlah vektor kointegrasi yang hilang r sebagai alternative umum, sementara pada uji max Ho yaitu jumlah vektor kointegrasi=r adalah alternatif dari vektor kointegrasi r+1 (Enders, 1995).
3.2.3. Impulse Response Function
Menurut Enders (2000), cara yang paling baik untuk mencirikan struktur dinamis dalam model adalah dengan menganalisa respon dari model terhadap guncangan. Ada dua cara dalam melakukan hal tersebut, yaitu dengan analisis
Impulse Response Function (IRF) atau analisis Forecast Error Variance Decomposition (FEVD). IRF dapat meneliti hubungan antar variabel dengan
menunjukkan bagaimana variabel endogen bereaksi terhadap sebuah shock dalam variabel itu sendiri dan variabel endogen lainnya.
72
IRF adalah suatu metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap suatu shock tertentu karena sebenarnya shock variabel misalnya ke-i tidak hanya berpengaruh terhadap variabel ke-i itu saja tetapi ditransmisikan kepada semua variabel endogen lainnya melalui struktur dinamis atau struktur selang dalam VAR. Atau dengan kata lain IRF mengukur pengaruh suatu shock pada suatu waktu kepada inovasi variabel endogen pada saat tersebut dan dimasa yang akan datang.
Analisis fungsi impuls respon (Impulse Response Function) atau disingkat dengan IRF dalam analisis ini dilakukan untuk menilai respon dinamik variabel harga CPO Rotterdam, harga CPO Indonesia, harga CPO Malaysia dan harga minyak kedelai dunia terhadap adanya guncangan (shock) variabel tertentu. Sementara itu IRF bertujuan untuk mengisolasi suatu guncangan agar lebih spesifik artinya suatu variabel yang dapat dipengaruhi oleh shock atau guncangan tertentu. Apabila suatu variabel tidak dapat dipengaruhi oleh shock, maka shock spesifik tersebut tidak dapat diketahui melainkan shock secara umum.
3.2.4. Forecast Error Variance Decomposition
Metode yang dapat dilakukan untuk melihat bagaimana perubahan dalam suatu variabel yang ditunjukkan oleh perubahan error variance dipengaruhi oleh variabel-variabel lainnya adalah FEVD. Metode ini mencirikan suatu struktur dinamis dalam model VAR. Dimana dalam metode ini dapat dilihat kekuatan dan kelemahan masing-masing variabel dalam mempengaruhi variabel lainnya dalam kurun waktu yang panjang.
73
FEVD merinci ragam dari peramalan galat menjadi komponen-komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model, dengan menghitung persentase kuadrat prediksi galat k-tahap ke depan dari sebuah variabel akibat inovasi dalam variabel-variabel lain maka akan dapat dilihat seberapa besar perbedaan antara error variance sebelum dan sesudah terjadinya
shock yang berasal dari dirinya sendiri maupun dari variabel lain. Jadi melalui
FEVD dapat diketahui secara pasti faktor-faktor yang mempengaruhi fluktuasi dari variabel tertentu. Variabel yang digunakan dalam penelitian ini yaitu harga CPO Rotterdam, harga CPO Indonesia, harga CPO Malaysia dan harga minyak kedelai dunia.
3.4. Definisi Operasional
Beberapa variabel yang perlu didefinisiskan secara operasional dalam penelitian ini antara lain :
1. Harga CPO Indonesia merupakan harga nominal CPO yang berlaku di pasar spot Indonesia dan karena keterbatasan data maka harga spot CPO yang digunakan adalah harga spot CPO Medan untuk mewakili. Data diperoleh dari Departemen Perdagangan dalam bentuk harga harian kemudian dirata-ratakan menjadi harga bulanan. Satuannya adalah Rp/Kg.
2. Harga CPO Malaysia merupakan harga nominal CPO yang berlaku di pasar domestik Malaysia. Data harga domestik Malaysia ini didapatkan dari
International Financial Statistics yang dikeluarkan oleh IMF. Satuannya
74
3. Harga CPO Rotterdam merupakan harga nominal CPO yang berlaku di pasar
forward Rotterdam. Data didapatkan dari Badan Pengawas Perdagangan
Berjangka Komoditi (Bappebti) dalam bentuk harga harian yang dirata-ratakan menjadi harga bulanan. Satuannya adalah USD per ton.
4. Harga minyak kedelai merupakan harga nominal dengan satuannya adalah USD per ton.
