34
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Lokasi penelitian faktor-faktor yang mempengaruhi harga komoditas kakao dunia tidak ditentukan. Waktu pengumpulan data dilaksanakan pada bulan Februari – Maret 2009.
4.2 Jenis dan Sumber Data Penelitian ini dibatasi dengan menganalisis data sekunder kuantitatif bulanan pada rentang waktu antara bulan Februari 2006 hingga Desember 2008 untuk menganalisis keterpaduan pasar serta data tahunan selama 30 tahun dari tahun 1978 – 2007 untuk menganalisis faktor-faktor yang mempengaruhi harga kakao di NYBOT. Data sekunder digunakan karena penelitian yang dilakukan meliputi objek yang bersifat makro dan mudah didapat. Data yang akan digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari berbagai sumber dan literatur yang meliputi: data harga kakao di bursa NYBOT, data harga di pasar spot Makassar, kurs Rupiah terhadap Dollar Amerika Serikat, konsumsi dunia, impor Amerika Serikat, dan lag produksi dunia. Data-data sekunder dikumpulkan dari dinas-dinas atau instansi yang terkait seperti Departemen Pertanian, Departemen Perdagangan, Biro Pusat Statistik, Kamar Dagang Indonesia (KADIN), Bursa komoditi NYBOT, Bursa komoditi LIFFE, International Cocoa Organization (ICCO), Food and Agricultural Organization (FAO) serta instansi-instansi lain yang dapat mendukung ketersediaan data penelitian tersebut. Di samping itu penulis melakukan studi literatur untuk mendapatkan teori yang mendukung penelitian.
4.3 Metode Analisis dan Pengolahan Data Teknik analisis yang digunakan dalam penelitian ini adalah analisis deskriptif kualitatif, yang akan dijelaskan sebagai berikut: - Kualitatif dilakukan dengan menggunakan beberapa istrumen analisis seperti tabel dan grafik yang dapat mencerminkan uraian analisis penelitian secara teratur dan saling mendukung. Data dari buku teks, jurnal, dan hasil penelitian
35
yang sudah ada dan berkaitan dengan skripsi ini dijadikan dasar bagi analisis deskriptif. - Kuantitatif, dilakukan dengan menggunakan model ekonometrika untuk mencerminkan hasil dari pembahasan yang dinyatakan dalam angka. Dalam penelitian ini dilakukan dua analisis, yaitu analisis integrasi pasar (keterpaduan pasar) antara pasar spot Makassar dengan bursa berjangka NYBOT dan analisis faktor-faktor yang mempengaruhi harga kakao Indonesia. Data diolah oleh penulis sesuai dengan kebutuhan model yang digunakan. Pengolahan data dilakukan dengan bantuan perangkat lunak Eviews 5.1.
4.4 Analisis Integrasi Pasar (Keterpaduan Pasar) Untuk mengetahui integrasi pasar di pasar spot Makassar dengan harga di bursa NYBOT maka digunakan pendekatan model integrasi (keterpaduan) pasar autoregresi. Menurut Ravallion dalam Santoso (2004) model keterintegrasian pasar autoregresi dapat digunakan untuk mengukur bagaimana harga di pasar lokal dipengaruhi oleh harga di pasar acuan dengan mempertimbangkan harga pada waktu yang lalu dan harga pada saat ini. Aktivitas pasar-pasar tersebut dihubungkan oleh adanya arus komoditi, sehingga harga dan jumlah komoditi yang dipasarkan akan berubah jika terjadi perubahan harga di pasar lain. Untuk melakukan analisis intergrasi pasar spasial antara harga kakao di pasar spot Makassar dan bursa NYBOT maka analisis integrasi pasar yang digunakan menggunakan pendugaan model yang dikembangkan oleh Ravallion dalam Santoso (2004) sebagai berikut: Pit – Pit-1 = (αi - 1)(Pit-1 – Pjt-1) + βi0 (Pjt-1 – Pjt-1) + (αi + βi0 -1)Pjt-1 + γiXt + µit ........................................................................................(1) dimana : Pit
= harga di tingkat pasar spot Makassar ke-i pada waktu t
Pit-1
= lag harga di pasar spot Makassar ke-i pada waktu t
Pjt
= harga di pasar bursa NYBOT ke-j pada waktu t
Pjt-1
= lag harga di pasar bursa NYBOT ke-j pada waktu t
Xt
= faktor musiman dan variabel lain yang relevan di pasar-i pada waktu t (dengan korelasi variabel yang sama pada semua pasar dan semua waktu)
36
µit
= random error (galat) Model yang terdapat pada persamaan (1) disederhanakan kembali
berdasarkan metode OLS menjadi: Pit = (1 + bi)Pit-1 + b2(Pjt – Pjt-1) + (b3 – b1)Pjt-1 + b4Xt + µit ....................(2) Jika diasumsikan bahwa deret waktu di pasar lokal (i) dan di pasar acuan (j) mempunyai pola musiman yang sama, sehingga tidak perlu memasukkan peubah dummy untuk musiman (Xt). Untuk memudahkan interpretasi hasil, maka persamaan di atas disederhanakan lagi sebagai berikut: Pit = b1Pit-1 + b2(Pjt – Pjt-1) + b3Pjt-1 + e1 ...................................................(3) Dimana: (1 + b1) = β1 b2
= β2
(b3-b1) = β3 µit
= e1 Secara umum, persamaan di atas menunjukkan bagaimana harga di suatu
pasar (pasar acuan) mempengaruhi pembentukan harga di pasar lain (pasar lokal) dengan mempertimbangkan pengaruh harga pada waktu tertentu (t) dengan harga pada pada waktu sebelumnya (t-1). Penetapan harga pada waktu sebelumnya (t-1) dalam rentang waktu tertentu bertujuan untuk melihat fluktuasi harga yang terjadi. Melalui persamaan (3) dapat diketahui bahwa koefisien β2 mengukur bagaimana perubahan harga pasar acuan diteruskan kepada harga di pasar lokal. Keterintegrasian pasar jangka pendek dicapai jika koefisien β2 = 1, maka perubahan harga yang terjadi bersifat netral dalam persentase proporsional. Jika Pjt – Pjt-1 = 0 maka pasar acuan berada pada keseimbangan jangka panjang, berarti koefisien β2 dikeluarkan dari persamaan. Koefisien yang menghubungkan dua bentuk harga (1 + β1) dan (β3 – β1) menjelaskan kontribusi relatif dari harga pasar lokal pada saat yang diinginkan. Kedua bentuk harga yang diperoleh ini dapat digunakan untuk mengetahui indeks keterintegrasian pasar (IMC) = index of market connection). IMC merupakan rasio dari kedua bentuk harga tersebut yaitu harga pasar lokal terhadap bentuk pasar acuan. Secara sistematis dapat dirumuskan sebagai berikut: IMC =
................................................................................................(4)
37
Hipotesis yang akan diuji adalah sebagai berikut: a. Keterpaduan Pasar Jangka Pendek Hipotesis integrasi jangka pendek adalah sebagai berikut: H0 : β1 = 1 H1 : β2 ≠ 1 Hipotesis (H0 : β1 = 1) digunakan untuk menganalisis integrasi pasar jangka pendek dengan uji statistik sebagai berikut: Kriteria Uji: thitung < ttabel, terima H0, artinya kedua pasar terintegrasi kuat dalam jangka pendek (variabel marjin harga di pasar NYBOT bulan ini dan bulan lalu berpengaruh kuat pada pembentukan harga di pasar spot Makassar bulan ini). thitung > ttabel, tolak H0, artinya kedua pasar terintegrasi lemah dalam jangka pendek (variabel marjin harga di pasar NYBOT bulan ini dan bulan lalu berpengaruh lemah pada pembentukan harga di pasar spot Makassar bulan ini). Keterintegrasian pasar jangka pendek melihat bagaimana perubahan harga dalam jangka pendek di pasar lokal dipengaruhi oleh perubahan jangka pendek dan marjin yang terjadi diantara pasar lokal dan pasar acuan, diwakili oleh nilai b2. Jika harga yang terjadi di pasar acuan pada waktu sebelumnya merupakan faktor utama yang mempengaruhi harga yang terjadi di pasar lokal tertentu berarti kedua pasar tersebut terhubungkan dengan baik. Hal ini menunjukkan bahwa informasi permintaan dan penawaran di pasar acuan diteruskan ke pasar lokal dan akan mempengaruhi harga yang terjadi di pasar lokal tersebut. b. Keterpaduan Pasar Jangka Panjang Hipotesis integrasi pasar jangka panjang adalah sebagai berikut: H0 =
=0
H1 =
≠0 Nilai
sebagai berikut: H0 : β1 = 0 H1 : β1 ≠ 0
= 0 terjadi bila β1 = 0 sehingga hipotesis di atas dapat dituliskan
38
Hipotesis (H0 : β1 = 0) digunakan untuk menganalisis integrasi pasar jangka panjang dengan uji statistik sebagai berikut: thitung = Kriteria Uji: thitung < ttabel, terima H0, artinya kedua pasar terintegrasi kuat dalam jangka panjang (variabel marjin harga di pasar NYBOT bulan ini dan bulan lalu berpengaruh kuat pada pembentukan harga di pasar spot Makassar bulan ini). thitung > ttabel, H0 tidak bisa diterima, artinya kedua pasar terintegrasi lemah dalam jangka panjang (variabel marjin harga di pasar NYBOT bulan ini dan bulan lalu berpengaruh lemah pada pembentukan harga di pasar spot Makassar bulan ini). Keterintegrasian pasar jangka panjang adalah keterkaitan antara pasar lokal dengan pasar acuan bagi pasar lokal yang bersangkutan diwakili oleh nilai koefisien β1 = 0 atau IMC = 0. Jika koefisien β1 = 0 dan β3 > 0 maka nilai IMC = 0, artinya harga di tingkat pasar lokal pada waktu sebelumnya tidak berpengaruh terhadap harga yang diterima pada pasar lokal saat ini. Hal ini berarti pasar tersebut berada dalam keadaan integrasi jangka panjang yang kuat. Jika koefisien β1 > 0 dan koefisien β3 = 0 maka nilai IMC menjadi tidak terhingga. Hal ini menunjukkan pasar tersebut mengalami segmentasi pasar. Integrasi pasar jangka pendek akan cenderung terjadi pada kondisi dimana β1 < β2 sehingga nilai IMC antara 0 dan 1. Pada situasi ini nilai β2 mendekati nilai 1. Jika nilai β2 = 1 berarti pasar berada dalam keseimbangan jangka pendek yang kuat, dimana kenaikan harga di pasar acuan akan diteruskan ke pasar lokal. Dari penjelasan di atas terlihat bahwa koefisien β2 digunakan untuk melihat keterintegrasian pasar jangka pendek dan IMC untuk mengetahui keterintegrasian pasar jangka panjang. Keterintegrasian harga jangka pendek disebut juga keterkaitan pasar dalam menjelaskan bagaimana para pelaku pemasaran berhasil menghubungkan pasar-pasar yang secara geografis terpisah melalui aliran informasi dan komoditi.
39
4.5
Faktor-Faktor yang Mempengaruhi Harga Kakao Indonesia
4.5.1 Metode Regresi Kuadrat Terkecil (least square method) Teknik yang digunakan dalam penelitian ini adalah teknik analisis regresi linier berganda model double log, karena nilai variabel dependen dan variabel independen yang digunakan dalam format logaritma natural (ln). Analisis regresi linier berganda model double log digunakan untuk meneliti pengaruh variabel independen terhadap variabel dependen. Model tersebut dirumuskan dalam model sebagai berikut: lnY = lnβ0 + β1lnX1 + β2lnX2 + β3lnX3 + β4lnX4 + β5lnX5 + ε dimana: lnY
= harga kakao Indonesia (Rp)
lnβ0
= intersep
lnX1
= harga kakao di NYBOT (US$)
lnX2
= konsumsi dunia (ton)
lnX3
= impor Amerika Serikat (ton)
lnX4
= kurs Rupiah terhadap Dollar Amerika Serikat (US$)
lnX5
= lag produksi (satuan)
ε
= error Hipotesis faktor-faktor yang mempengaruhi harga kakao Indonesia adalah
sebagai berikut:
β1, β1, β1, β1 > 0
β5 < 0
4.5.2 Evaluasi Model Penduga Evaluasi model penduga bertujuan untuk mengetahui apakah model yang diduga terpenuhi secara teori dan statistik. Untuk itu kriteria pemilihan model terbaik dalam analisis regresi linier berganda harus sesuai dengan kriteria sebagai berikut:
40
4.5.2.1 Kriteria Statistik Pengujian terhadap model penduga harga kakao Indonesia dilakukan untuk mendapatkan nilai terbaik dan tak bias. Pengujian yang dilakukan antara lain sebagai berikut: a. Uji Autokorelasi Hasil yang diperoleh dari hasil pengolahan data seringkali mengalami bias atau tidak efisien. Salah satu penyebabnya karena data tersebut mengandung autokorelasi. Hal ini menunjukkan error pada periode sekarang dipengaruhi oleh error pada periode sebelumnya. Pengujian yang digunakan untuk mengidentifikasi masalah autokorelasi adalah dengan menggunakan uji Breusch-Godfrey Serial Correlation LM. Uji ini mengasumsikan bahwa faktor pengganggu ut diturunkan dari model awal. Persamaan ρth-order autoregressive scheme dimana persamaan tersebut diturunkan dari model awal. Persamaan model faktor pengganggu ut adalah sebagai berikut: U = ρ1 Ut-1 + ρ2 Ut-2 +…..+ ρn Ut-n + et Dimana et merupakan faktor pengganggu dengan rata-rata nol (zero mean) dan dengan varian yang konstan. Pengujian Breusch-Godfrey Serial Correlation LM diindikasikan dengan melihat nilai probabilitas sebagai berikut: Bila nilai probabilitas > α = 5%, berarti tidak terdapat masalah autokorelasi. Bila nilai probabilitas < α = 5%, berarti terdapat masalah autokorelasi. b. Uji Multikolinearitas Uji multikolinearitas digunakan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel bebas yang dapat mengakibatkan hasil estimasi tidak BLUE. Salah satu cara untuk mengetahui adanya multikolinearitas pada model regresi adalah dengan melihat correlation matrix. Estimasi tidak BLUE adalah jika dua variabel bebas mempunyai korelasi lebih besar atau sama dengan 0,8. c. Uji Heteroskedastisitas Uji Heteroskedastisitas perlu dilakukan untuk melihat apakah dalam varians error hasil estimasi konstan (homoskedastis). Uji yang digunakan untuk
41
menguji heteroskedastisitas adalah uji white heteroscedasticity. Prosedur pengujian dilakukan dengan hipotesis sebagai berikut: H0 : tidak ada heteroskedastisitas H1 : ada heteroskedastisitas Ada
beberapa
cara
yang
digunakan
untuk
mengatasi
masalah
heteroskedastisitas antara lain dengan metode pembobotan atau dikenal dengan generalized least square dan menggunakan estimasi kovarian dengan white heteroscedasticity consistent variance. Apabila masalah heteroskedastisitas muncul pada penelitian ini, penggunaan generalized least square (GLS) merupakan solusi yang akan diambil. d. Uji Normalitas Asumsi normalitas mengharuskan nilai residual dalam model menyebar atau terdistribusi secara normal. Untuk mengetahuinya dapat dilakukan uji normalitas Jarque-Berra. Apabila pada grafik histogram yang ada tergambar segaris dan p-value lebih besar dari α = 0,05, maka dapat disimpulkan bahwa residual model terdistribusi dengan normal. Hipotesis yang digunakan pada uji normalitas Jarque-Berra adalah: H0 : residual model (u) terdistribusi secara normal H1 : residual model (u) tidak terdistribusi secara normal e. Uji Model Penduga Tujuan dari pengujian ini adalah untuk mengetahui apakah model penduga yang diajukan layak untuk menduga parameter dari fungsi harga kakao. Hipotesis: H0 : β1 = β2 = … = β1 = 0, variabel bebas (Xi) secara serentak berpengaruh nyata terhadap harga kakao. H1 : paling tidak satu β1 ≠ 0, I -= 1, 2, 3, …, variabel bebas (Xi) secara serentak berpengaruh nyata terhadap harga kakao. Uji yang digunakan adalah uji-f: Fhitung = (
)
Ftabel = Fα(k-1, n-k)
42
dimana: R2 = koefisien determinasi K
= jumlah parameter termasuk intersep
N
= jumlah observasi
Kriteria uji: Fhitung > F α(k-1, n-k), maka tolak H0 Fhitung < α(k-1, n-k), maka terima H1 Jika H0 ditolak maka seluruh variabel bebas secara bersama-sama mempengaruhi variabel tidak bebasnya pada tingkat signifikansi tertentu dan derajat bebas tertentu. Jika H0 diterima maka seluruh variabel bebas secara bersama-sama tidak mempengaruhi variabel tak bebas pada tingkat signifikansi tertentu dan derajat bebas tertentu. f. Uji Untuk Masing-Masing Parameter Pengujian ini bertujuan untuk mengetahui variabel bebas yang berpengaruh secara parsial terhadap variabel tak bebas. Hipotesis: H0 : βij = 0 H1 : βij ≠ 0 Uji statistik yang digunakan adalah uji t thitung = [ ttabel
] = tα/2(n-k)
dimana: bi
= koefisien ke-i yang diduga
S(bi)
= standar deviasi parameter bi
bi
= parameter ke-i yang diduga
k
= jumlah parameter termasuk intersep
n
= jumlah observasi
Kriteria uji: thitung > tα/2(n-k), maka tolak H0 thitung < tα/2(n-k), maka terima H0 Jika thitung lebih besar dari ttabel (α, n-k) maka tolak H0 artinya peubah bebas berpengaruh nyata terhadap peubah tidak bebas dalam model pada taraf nyata α
43
persen dan sebaliknya apabila thitung lebih kecil daripada ttabel (α, n-k), maka terima H0, artinya peubah bebas tidak berpengaruh nyata terhadap peubah tidak bebas dalam model pada taraf nyata α persen.
4.6 Definisi Operasional Variabel a. Harga kakao Indonesia adalah harga yang mengacu kepada harga bursa NYBOT b. Harga kakao di NYBOT adalah harga kakao yang terbentuk di lantai bursa NYBOT setelah memperhitungkan berbagai faktor dan bersifat bulanan dan tahunan. c. Konsumsi dunia adalah konsumsi kakao dunia yang dinyatakan dalam tahun. d. Impor kakao Amerika Serikat adalah jumlah total impor Amerika Serikat dari seluruh Negara produsen kakao termasuk Indonesia. e. Kurs Rupiah terhadap Dollar Amerika Serikat adalah nilai tukar Rupiah terhadap Dollar Amerika Serikat yang dinyatakan dalam Dollar Amerika Serikat. f. Lag produksi dunia adalah produksi kakao dunia pada tahun sebelumnya atau produksi dunia pada waktu t-1.
