iv. metodologi penelitian - repository.ipb.ac.id · kebijakan perdagangan yang merupakan variabel...

IV. METODOLOGI PENELITIAN

Dalam menganalisis dampak kebijakan perdagangan terhadap kinerja

ekspor produk industri pengolahan kayu primer, digunakan model ekonometrika

sebagai alat analisis, dan dibangun sesuai dengan kerangka pemikiran pada bab

sebelumnya. Model operasional disusun berdasarkan model yang telah

dikembangkan oleh Labys (1973) dan Sinaga (1989) dengan penekanan pada

kebijakan perdagangan yang merupakan variabel kebijakan (eksogen) pada

persamaan-persamaan struktural yang ada. Model struktural diharapkan

merupakan representasi dari seluruh variabel endogen dan variabel eksogen yang

secara operasional menghasilkan tanda dan besaran nilai-nilai penduga parameter

yang sesuai dengan harapan teori ekonomi. Aspek dinamis dari persamaan

struktural diakomodasikan dengan cara memasukkan variabel endogen tahun

sebelumnya (lagged variables) ke dalam model dalam bentuk persamaan

simultan.

4.1. Model Operasional

Model Ekonometrika Produk Industri Pengolahan Kayu Primer Indonesia

dibentuk sebagai sistem persamaan simultan dan dinamis. Model terdiri dari

empat blok yaitu blok Kayu Bulat, blok Kayu Gergajian, blok Kayu Lapis dan

blok Pulp, setiap blok terdiri dari beberapa persamaan yang jumlah

keseluruhannya 39 persamaan, yaitu 25 persamaan struktural dan 14 persamaan

identitas. Seluruh blok merupakan satu sistem persamaan, yang menggambarkan

keterkaitan kebijakan perdagangan dengan kinerja ekspor produk pengolahan

kayu primer Indonesia.

62

4.1.1. Kayu Bulat

1. Produksi Kayu Bulat Domestik:

QRINA = a0 + a1 DPRINAR + a2 INRTS + a3 PSDH + a4 LDNRBS +

a5 UPAH + a6 LQRINA+ Ut; ....................................... (01)

dimana :

QRINA = Produksi Kayu Bulat Domestik (1000 m3)

DPRINAR = Selisih Harga Kayu Bulat Domestik t dan t-1 (Rp/m3)

INRTS = Suku Bunga Riil (%)

PSDH = Provisi Sumber Daya Hutan (Juta Rupiah)

LDNRBS = Lag Dana Reboisasi (Juta Rupiah)

UPAH = Upah Tenaga Kerja (Rp/hari)

LQRINA = Lag Produksi Kayu Bulat Domestik (1000 m3)

t = Tahun ke t

t-1 = Time Lag (satu tahun sebelumnya)

U = Error

Tanda dan besaran parameter dugaan yang diharapkan adalah : a1, a2, a3 > 0; a4,

a5, a6 < 0

2. Ekspor Kayu Bulat Indonesia

XRINA = b0 + b1 PRWORR + b2 DNTINA + b3 DQRINA + b4

DUMLRX + b5 TAXER + b6 LXRINA + Ut; .............. (02)

dimana :

XRINA = Ekspor Kayu Bulat Indonesia (1000 m3)

PRWORR = Harga Riil Kayu Bulat Dunia(US$/m3)

DNTINA = Selisih Nilai Tukar t dengan Nilai Tukar t-1

63

DQRINA = Selisih Produksi t dengan Produksi t-1 (m3)

DUMLRX = Dummy Larangan Ekspor

TAXER = Pajak Ekspor (persen)

LXRINA = Lag Ekpor Kayu Bulat (1000/m3)

Tanda dan besaran parameter dugaan yang diharapkan adalah : b1, b2, b3 > 0; b4,

b5, b6 < 0

3. Penawaran Kayu Bulat Domestik

SRINA = QRINA – XRINA; ........................................................... (03)

dimana:

SRINA = Penawaran Kayu Bulat Domestik

QRINA = Produksi Kayu Bulat Domestik

XRINA = Ekspor Kayu Bulat Indonesia

4. Permintaan Kayu Bulat oleh Industri Kayu Gergajian

DRSINA = e0 + e1 PRINAR + e2 PSINAR + e3 DINRTS +

e4 LDRSINA + Ut; ....................................................... (04)

dimana :

DRSINA = Permintaan Kayu Bulat oleh Industri Kayu Gergajian (1000 m3)

PRINAR = Harga Kayu Bulat Domestik (Rp/ m3)

PSINAR = Harga Riil Kayu Gergajian Domestik (m3 /Rp)

DINRTS = Selisih Bunga Bank pada Tahun t dengan t-1

LDRSINA = Lag Permintaan Kayu Bulat oleh Industri Kayu Gergajian (1000 m3)

Tanda dan besaran parameter dugaan yang diharapkan adalah : e1, e2>0; e3, e4<0

64

5. Permintaan Kayu Bulat oleh Industri Kayu Lapis

DRLINA = f0 + f1 PRINAR + f2 DPLINAR + f3 INRTS +

f4 LDRLINA + Ut; ........................................................ (05)

dimana :

DRLINA = Permintaan Kayu Bulat oleh Industri Kayu Lapis (1000 m3)

PRINAR = Harga Kayu Bulat Domestik (Rp/m3)

DPLINAR = Selisih Harga Kayu Bulat Domestik Tahun t dengan Harga Kayu Bulat Domestik Tahun t-1 INRTS = Suku Bunga Bank (persen)

LDRLINA = Lag Permintaan Kayu Bulat oleh Industri Kayu Lapis (m3)

Tanda dan besaran parameter dugaan yang diharapkan adalah : f1, f2>0; f3, f4<0

6. Permintaan Kayu bulat oleh Industri Pulp

DRPINA = g0 + g1 PRINAR + g2 PPINAR + g3 INRTS +

g4 LDRPINA + Ut; ....................................................... (06)

dimana :

DRPINA = Permintaan Kayu Bulat oleh Industri Pulp (1000 m3)


PPINAR = Harga Pulp Domestik (Rp/m3)

INRTS = Suku Bunga Bank (persen)

LDRPINA = Lag Permintaan Kayu Bulat oleh Industri Pulp (1000 m3)

7. Permintaan Kayu Bulat Domestik

DRINA = DRSINA + DRLINA + DRPINA; ........................ (07)

dimana :

DRINA = Permintaan Kayu Bulat Domestik (1000 m3)

65



DRPINA = Permintaan Kayu Bulat oleh Industri Pulp (1000 m3)

8. Harga Kayu Bulat Domestik

PRINAR = c0 + c1 SRINA + c2 DRINA + c3 LPRWORR +

c4 LPRINAR + Ut; ....................................................... (08)

dimana :


SRINA = Penawaran Kayu Bulat (m3)

DRINA = Permintaan Kayu Bulat Domestik

LPRWORR = Lag Harga Kayu Bulat Dunia

LPRINAR = Lag Harga Riil Kayu Bulat Domestik (Rp/m3)

Tanda dan besaran parameter dugaan yang diharapkan adalah : c1, c2>0; c3, c4<0

9. Harga Kayu Bulat Dunia

PRWORR = d0 + d1 DXRINA + d2 MRWOR +

d3 LPRWORR + Ut; ................................................... (09)

dimana :

PRWORR = Harga Riil Kayu Bulat Dunia (US$/m3)

DXRINA = Selisih Ekspor KB Indonesia pada t dengan Lagnya

MRWOR = Impor Kayu Bulat Dunia

LPRWORR = Lag Harga Kayu Bulat Dunia

Tanda dan besaran parameter dugaan yang diharapkan adalah : d1 > 0; d2, d3 < 0

4.1.2. Kayu Gergajian

10. Produksi Kayu Gergajian Domestik

66

QSINA = K1 * DRSINA;................................................................. (10)

dimana :

QSINA = Produksi Kayu Gergajian Domestik (1000 m3)

K1 = Konstanta Rendemen Kayu Gergajian (0,50)


11. Ekspor Kayu Gergajian ke Cina

XSCIN = h0 + h1 DPSWORR + h2 PSINAR + h3 QSINA + h4 NTINA +

h5 GDCIN + h6 TW + h7 LXSCIN + Ut; ....................... (11)

dimana :

XSCIN = Ekspor Kayu Gergajian ke Cina (1000 m3)

DPSWORR = Selisih Harga Riil Dunia Kayu Bulat dengan Harga Lagnya (US$/m3)

PSINAR = Harga Riil Kayu Gergajian Domestik (Rp/m3)


NTINA = Nilai Tukar Rupiah terhadap US $

GDCIN = GDP Cina

TW = Kecenderungan Waktu

LXSCIN = Lag XSCIN

Tanda dan besaran parameter dugaan yang diharapkan adalah : h1, h2, h3, h4 > 0;

h5, h6, h7 < 0

12. Ekspor Kayu Gergajian ke Jepang

XSJPN = i0 + i1 PSWORR + i2 PSINAR + i3 QSINA + i4 NTINA +

i5 FPOJPN + i6 LXSJPN + Ut; ...................................... (12)

dimana :

67

XSJPN = Ekspor Kayu Gergajian ke Jepang (1000m3)

PSWORR = Harga Kayu Gergajian Dunia (US $/m3)


QSINA = Produksi Kayu Gergajian Domestik (1000m3)

NTINA = Nilai Tukar Rupiah

FPOJPN = Pertumbuhan Penduduk Jepang (persen)

Tanda dan besaran parameter dugaan yang diharapkan adalah : i1, i2, i3 > 0; i4,

i5, i6 < 0

13. Ekspor Kayu Gergajian ke Arab Saudi

XSARB = j0 + j1 PSWORR + j2 PSINAR + j3 QSINA + j4 NTINA +

j5 TW + j6 LXSARB + Ut; ........................................... (13)

dimana :

XSARB = Ekspor Kayu Gergajian ke Arab Saudi (1000 m3)

PSWORR = Harga Dunia Kayu Bulat (US $/m3)



NTINA = Nilai Tukar Rupiah terhadap US $


LXSARB = Lag Ekspor Kayu Gergajian ke Arab Saudi

Tanda dan besaran parameter dugaan yang diharapkan adalah : j1, j2, j3 > 0; j4,

j5, j6 < 0

14. Ekspor Kayu Gergajian Indonesia

XSINA = XSCIN + XSJPN + XSARB + XSOTH; ………………. (14)

dimana:

68

XSINA = Ekspor Kayu Gergajian Indonesia

XSCIN = Ekspor Kayu Gergajian ke Cina

XSJPN = Ekspor Kayu Gergajian ke Jepang

XSARB = Ekspor Kayu Gergajian ke Arab

XSOTH = Ekspor Kayu Gergajian ke Negara Lain

15. Ekspor Kayu Gergajian Dunia

XSWORT = XSINA + XPWOTH; ……………………………….. (15)

dimana:

XSWORT = Ekspor Kayu Gergajian Dunia

XSINA = Ekspor Kayu Gergajian Indonesia

XPWOTH = Ekspor Kayu Gergajian Negara Lain

16. Penawaran Kayu Gergajian Domestik

SSINA = QSINA - XSINA; ............................................................. (16)

dimana:

SSINA = Penawaran Kayu Gergajian Domestik

QSINA = Produksi Kayu Gergajian Domestik

17. Permintaan Kayu Gergajian Domestik

DSINA = k1 DPSINAR + k2 PLINAR + k3 GDINA + k4 TW +

k5 LDSINA + Ut; ............................................................ (17)

dimana :

DSINA = Permintaan Kayu Bulat Domestik (1000 m3) DPSINAR = Selisih Harga KG pada t dengan Harga lagnya

PLINAR = Harga Riil Kayu Lapis Domestik

GDINA = Produk Domestik Bruto Indonesia

69


LDSINA = Lag Permintaan Kayu Gergajian (1000 m3)

Tanda dan besaran parameter dugaan yang diharapkan adalah : k1, k2, k3 > 0; k4,

k5 < 0

18. Harga Kayu Gergajian Domestik

PSINAR = m0 + m1 SSINA + m2 DDSINA + m3 PSWORR +

m4 LPSINAR + Ut; ....................................................... (18)

dimana :

PSINAR = Harga Kayu Gergajian Domestik (Rp/m3)

SSINA = Penawaran Kayu Gergajian Domestik

DDSINA = Selisih Permintaan Kayu Gergajian (KG) pada t dengan Permintaan KG pada t-1

PSWORR = Harga Riil Kayu Gergajian Dunia (US$/m3)

LPSINAR = Lag Harga Kayu Gergajian Domestik(Rp/m3)

Tanda dan besaran parameter dugaan yang diharapkan adalah : m1, m2 > 0; m3,

m4 < 0

19. Harga Kayu Gergajian Dunia

PSWORR = l0 + l1 XSWORT + l2 DMSWORT +

l3 LPSWORR + Ut; ..................................................... (19)

dimana :

PSWORR = Harga Kayu Gergajian Dunia (US$/m3)

XSWORT = Ekspor Kayu Gergajian Dunia

DMSWORT = Selisih Impor Kayu Gergajian Dunia pada Tahun t dengan Impor Kayu Gergajian pada t-1

LPSWORR = Lag PSWORR

70

Tanda dan besaran parameter dugaan yang diharapkan adalah : l1, l2 > 0;

l3 < 0

4.1.3. Kayu Lapis

20. Produksi Kayu Lapis Domestik

QLINA = K1 * DRLINA;................................................................. (20)

dimana :

QLINA = Produksi Kayu Lapis Domestik (1000 m3)

K1 = Konstanta Rendemen Kayu Lapis (0,55)


21. Ekspor Kayu Lapis ke Cina

XLCIN = n0 + n1 DPLWORR + n2 PLINAR + n3 QLINA + n4 FNTINA

+ n5 TW + n6 LXLCIN + Ut; ....................................... (21)

dimana :

XLCIN = Ekspor Kayu Lapis ke Cina (1000 m3)

DPLWORR = Harga Riil Kayu Lapis Dunia (US$/m3)

PLINAR = Produksi Kayu Gergajian (m3)

QLINA = Produksi Kayu Lapis Domestik (1000 m3)

FNTINA = Pertumbuhan Nilai Tukar Rupiah terhadap US $


LXLCIN = Lag XLCIN

Tanda dan besaran parameter dugaan yang diharapkan adalah : n1, n2, n3>0; n4,

n5, n6<0

22. Ekspor Kayu Lapis ke Jepan

71

XLJPN = o0 + o1 DPLWORR + o2 DPLINAR + o3 QLINA + o4

FNTINA + o5 TW + o6 LXLJPN + Ut; .......................... (22)

dimana :

XLJPN = Ekspor Kayu Lapis ke Jepang (m3)

DPLWORR = Selisih Harga Kayu Lapis Dunia pd t dengan lagnya

DPLINAR = Selisih Harga Kayu Lapis pada t dengan Harga Kayu Lapis pada t-1

QLINA = Produksi Kayu Lapis Indonesia (1000 m3)



LXLJPN = Ekspor Kayu Gergajian ke Jepang pada t-1 (1000 m3)

Tanda dan besaran parameter dugaan yang diharapkan adalah : o1, o2, o3 > 0; o4,

o5, o6 < 0

23. Ekspor Kayu Lapis ke Korea Selatan

XLKRA = p0 + p1 DPLWORR + p2 DPLINAR + p3 QLINA + p4

FNTINA + p5 TW + p6 LXLKRA + Ut; ...................... (23)

dimana :

XLKRA = Ekspor Kayu Lapis ke Korea Selatan (1000 m3)

DPLWORR = Selisih Harga Kayu Lapis Dunia pada t dengan Harga Kayu Lapis Dunia pada t-1

DPLINAR = Selisih Harga Kayu Lapis Domestik pada t dengan Harga

Kayu Lapis Domestik pada t-1 QLINA = Produksi Kayu Lapis Indonesia (1000 m3)



LXLKRA = Ekspor Kayu Lapis ke Korea Selatan pada t-1 (1000 m3)

72

Tanda dan besaran parameter dugaan yang diharapkan adalah : p1, p2, p3 > 0; p4,

p5, p6 < 0

24. Ekspor Kayu Lapis Indonesia

XLINA = XLCIN + XLJPN + XLKRA + XLOTHR ; …… (24)

dimana:

XLPINA = Ekspor Kayu Lapis Indonesia

XLCIN = Ekspor Kayu Lapis ke Cina

XLPJPN = Ekspor Kayu Lapis ke Jepang

XLPKRA = Ekspor Kayu Lapis ke Korea

XLPOTHR = Ekspor Kayu Lapis ke Negara Lain

25. Ekspor Kayu Lapis Dunia

XLWORT = XLINA + XLWOTH; .................................................. (25)

dimana:

XLWORT = Ekspor Kayu Lapis Dunia

XLINA = Ekspor Kayu Lapis Indonesia

XLWOTH = Ekspor Kayu Lapis Negara Lain

26. Penawaran Kayu Lapis Domestik

SLINA = QLINA - XLINA; ........................................................... (26)

dimana:

SLINA = Penawaran Kayu Lapis Domestik

27. Permintaan Kayu Lapis Domestik

DLINA = q1 PLINAR + q2 PSINAR + q3 GDINA + Ut; ............. (27)

dimana :

DLINA = Permintaan Kayu Lapis Domestik (1000 m3)

73

PLINAR = Harga Riil Kayu Lapis Domestik (Rp/m3)

PSINAR = Harga Kayu Riil Gergajian Domestik (Rp/m3)

GDINA = Produk Domestik Bruto Indonesia

Tanda dan besaran parameter dugaan yang diharapkan adalah : q1, q2 > 0; q3 < 0

28. Harga Kayu Lapis Domestik

PLINAR = s1 SLINA + s2 DDLINA + s3 PLWORR +

s4 LPLINAR + Ut; ........................................................ (28)

dimana :

PLINAR = Harga Kayu Lapis Domestik (Rp/m3)

SLINA = Penawaran Kayu Lapis Domestik (1000 m3)

DDLINA = Selisih Penawaran Kayu Lapis Domestik pada t dengan Suplai Kayu Lapis t-1

PLWORR = Harga Riil Kayu Lapis Dunia

LPLINAR = Lag Harga Kayu Lapis Domestik (Rp/m3)

Tanda dan besaran parameter dugaan yang diharapkan adalah : s1, s2>0; s3,

s4< 0

29. Harga Kayu Lapis Dunia

PLWORR = r0 + r1 DXLWORT + r2 MLWOR + r3 LPLWORR

+ Ut; ............................................................................. (29)

dimana :

PLWORR = Harga Kayu Lapis Dunia (US $)

DXLWORT = Selisih Ekspor Kayu Lapis Dunia pada t dengan Ekspor Kayu Lapis pada t-1

MLWOR = Impor Kayu Lapis Indonesia

LPLWORR = Harga Riil Kayu Lapis Dunia pada t-1 (US $)

74

Tanda dan besaran parameter dugaan yang diharapkan adalah : r1, r2 > 0; r3 < 0

4.1.4. Pulp

30. Produksi Pulp Domestik

QPINA = K1 * DRPINA;................................................................. (30)

dimana :

QPINA = Produksi Pulp Domestik (1000 ton)

K1 = Konstanta Rendemen Pulp (0,25)

DRLINA = Permintaan Kayu Bulat oleh Industri Pulp (1000 m3)

31. Ekspor Pulp ke Cina

XPCIN = t0 + t1 DPPWORR + t2 DPPINAR + t3 QPINA + t4 DNTINA

+ t5 TW + t6 LXPCIN + Ut; ………………………….. (31)

dimana:

XPCIN = Ekspor Pulp ke Cina (m3)

DPPWORR = Selisih Harga Pulp Dunia pada t dengan Harga Pulp Dunia pada t-1 (US $)

DPPINAR = Selisih Harga Pulp Domestik pada t dengan Harga Pulp

Domestik pada t-1 (Rp/m3) QPINA = Produksi Pulp Domestik

DNTINA = Selisih Nilai Tukar pada t dengan Nilai Tukar pada t-1


LXPCIN = Lag Ekspor Pulp ke Cina (ton)

Tanda dan besaran parameter dugaan yang diharapkan adalah : t1, t2, t3 > 0; t4,

t5, t6 < 0

32. Ekspor Pulp ke Jepang

75

XPJPN = u0 + u1 DPPWORR + u2 DPPINAR + u3 QPINA + u4

DNTINA + u5 TW + u6 LXPJPN + Ut; ……………….. (32)

dimana :

XPJPN = Ekspor Pulp ke Jepang (ton)


DPPINAR = Selisih Harga Pulp Domestik pada t dengan Harga Pulp

Domestik pada t-1 (Rp/m3) QPINA = Produksi Pulp Domestik

DNTINA = Selisih Nilai Tukar pada t dengan Nilai Tukar pada t-1 (Rp/m3)


LXPJPN = Ekspor Pulp ke Jepang (ton)

Tanda dan besaran parameter dugaan yang diharapkan adalah : u1, u2, u3 > 0; u4,

u5, u6 < 0

33. Ekspor Pulp ke Korea Selatan

XPKRA = v0 + v1 DPPWORR + v2 DPPINAR + v3 QPINA + v4

DNTINA + v5 TW + v6 LXPKRA + Ut; ....................... (33)

dimana :

XPKRA = Ekspor Pulp ke Korea Selatan (ton)


DPPINAR = Selisih Harga Pulp Domestik pd t dengan lagnya

QPINA = Produksi Pulp Domestik (1000 ton)

DNTINA = Selisih Nilai Tukar Rupiah pada t dengan Nilai Tukar Rupiah pada t-1

TW = Kencenderungan Waktu

76

LXPKRA = Lag Ekspor Pulp ke Korea Selatan (ton)

Tanda dan besaran parameter dugaan yang diharapkan adalah : v1, v2, v3 > 0; v4,

v5, v6 < 0

34. Ekspor Pulp Indonesia

XPINA = XPCIN + XPJPN + XPKRA + XPOTHR ;………….. (34)

dimana:

XPINA = Ekspor Pulp Indonesia

XPCIN = Ekspor Pulp ke Cina

XPJPN = Ekspor Pulp ke Jepang

XPKRA = Ekspor Pulp ke Korea

XPOTHR = Ekspor Pulp ke Negara Lain

35. Ekspor Pulp Dunia

XPWORT = XPINA + XSWOTH; ................................................. (35)

dimana:

XPWORT = Ekspor Pulp dunia

XPINA = Ekspor Pulp Indonesia

XSWOTH = Ekspor Pulp Negara Lain

36. Penawaran Pulp Domestik

SPINA = QPINA - XPINA; ............................................................. (36)

dimana:

SPINA = Penawaran Pulp Domestik

QPINA = Produksi Pulp Indonesia

37. Permintaan Pulp Domestik

DPINA = x0 + x1 LPPINAR + x2 GDINA + x3 LDPINA + Ut; .. (37)

77

dimana :

DPINA = Permintaan Pulp Domestik

GDINA = GDP Indonesia

LDPINA = Lag Permintaan Pulp Domestik

Tanda dan besaran parameter dugaan yang diharapkan adalah : x1, x2 > 0; x3 < 0

38. Harga Pulp Domestik

PPINAR = y0 + y1 LSPINA + y2 DPINA + y3 PPWORR +

y4 LPPINAR + Ut; .......................................................... (38)

dimana :

PPINAR = Harga Pulp Domestik (Rp/ton)

LSPINA = Lag SPINA

DPINA = Permintaan Pulp Domestik (ton)

PPWORR = Harga Pulp Dunia (US$/ton)

LPPINAR = Lag Harga Pulp Domestik (Rp/ton)

Tanda dan besaran parameter dugaan yang diharapkan adalah : y1, y2 > 0; y3,

y4 < 0

39. Harga Pulp Dunia

PPWORR = w1 LXPWORT + w2 MPWOR + w3 LPPWORR + Ut;..(39)

dimana :

PPWORR = Harga Pulp Dunia

LXPWORT = Lag Ekspor Pulp Dunia

MPWOR = Impor Pulp Dunia

LPPWORR = Lag Harga Pulp Dunia

Tanda dan besaran parameter dugaan yang diharapkan adalah : w1, w2 > 0; w3< 0

78

4.2. Identifikasi Model

Sebelum melakukan pendugaan model dilakukan identifikasi model untuk

menentukan metode pendugaan yang akan digunakan. Jika suatu persamaan

struktural (atau model secara keseluruhan) under identified, maka parameter-

parameternya tidak dapat diduga dengan metode ekonometrika. Jika persamaan

(atau model) exactly identified, maka metode yang paling tepat digunakan adalah

Indirect Least Squares (ILS), sedangkan jika over identified maka berbagai

metode dapat digunakan seperti Two Stage Least Squares (2SLS) atau Three

Stage Least Squares (3SLS).

Identifikasi model dapat dilakukan melalui dua cara, yaitu pengujian

terhadap model struktural (order condition) atau pengujian terhadap model

reduced form (rank conditions) (Koutsoyiannis, 1978). Dalam studi ini digunakan

cara yang pertama karena lebih sederhana dan lebih mudah dari cara yang kedua.

Persyaratan agar suatu persamaan dikatakan teridentifikasi (identified) adalah jika

jumlah seluruh variabel (endogen dan predetermined) yang tidak terdapat dalam

persamaan yang bersangkutan, tetapi termasuk kedalam persamaan-persamaan

lainnya, sekurang-kurangnya harus sebanyak jumlah seluruh variabel endogen

dalam model (sistem persamaan) dikurang satu. Dalam notasi dapat dituliskan

sebagai berikut (Koutsoyiannis, 1978) :

Jika : (K - M) < (G - 1), maka persamaan under identified

(K - M) = (G - 1), maka persamaan exactly identified

(K - M) > (G - 1), maka persamaan over identified

dimana : G = Jumlah total persamaan (jumlah total variabel endogen)

K = Jumlah total variabel dalam model (endogen dan predetermined)

79

M = Jumlah variabel (endogen dan eksogen) dalam persamaan yang

diidentifikasi.

Model yang dibangun terdiri dari 25 persamaan struktural, 3 persamaan

teknis produksi dan 11 persamaan identitas. Menggunakan pengujian model

struktural (order condition) menghasilkan bahwa model Produk Industri

Pengolahan Kayu Primer Indonesia over identified.

4.3. Metode Pendugaan Model

Secara umum metode 3 SLS akan memberikan parameter dugaan yang

lebih efisien secara asimtotik dari pada metode 2 SLS, tetapi metode 3 SLS lebih

sensitif terhadap jumlah sampel dan kesalahan spesifikasi. Jika ada satu perubahan

spesifikasi pada salah satu persamaan dalam sistem dapat mempengaruhi nilai

dugaan parameter lainnya. Disamping itu metode 3 SLS memerlukan data sampel

yang lebih besar dari pada metode 2 SLS, jika semua parameter persamaan

strukturalnya diduga pada waktu yang sama (Koutsiyannis, 1978). Johnston

(1972) dalam Sinaga (1989), menyebutkan bahwa berbagai tipe studi Monte Carlo

menunjukkan bahwa metode yang konsisten dan efisien secara asimtotis adalah

metode 2SLS, karena memberikan parameter dugaan yang paling mantap (robust).

Disamping itu telah diterima sebagai pendekatan persamaan tunggal yang paling

penting untuk menduga model yang over identified dan menggambarkan

pemakaian yang lebih umum.

Karena model Produk Industri Pengolahan Kayu Primer Indonesia over

identified maka digunakan metode 2 SLS untuk menduga parameter persamaan

struktural. Hal ini juga dilakukan dengan pertimbangan ketersediaan data sampel

80

dan kemungkinan perubahan spesifikasi model untuk alternatif analisis simulasi

kebijakan.

4.4. Validasi Model

Untuk mengetahui apakah model yang dibangun cukup baik digunakan

untuk simulasi, evaluasi dan peramalan dampak alternatif kebijakan, maka

terlebih dahulu dilakukan validasi model melalui simulasi dasar dinamik dengan

metode Gauss-Seidel. Suatu model valid apabila nilai-nilai dugaan peubah

endogen yang diperoleh tidak jauh berbeda dengan nilai-nilai aktualnya.

Ukuran yang digunakan untuk mengetahui baik atau tidaknya suatu model

adalah Mean Percentage Error (MPE), Root Mean Square Percentage Error

(RMSPE) dan koefisien U-Theil, dimana semakin kecil nilai MPE, RMSPE dan

U-Theil maka model semakin baik. Ketiga ukuran tersebut dapat dituliskan dalam

rumus sebagai berikut:

T MPE = 1/T ( Ys

t - Yat ) / Ya

t t=1

T RMSPE = [ 1/T {( Ys

t - Yat ) / Ya

t }2 ]0.5 t=1

dimana: T = Jumlah periode (tahun) simulasi

Yst = Nilai estimasi pengamatan pada periode ke-t

Yat = Nilai pengamatan aktual pada periode ke-t

Koefisien U-Theil digunakan untuk uji statistik dan berhubungan dengan

error simulasi. Disamping itu juga digunakan untuk mengevaluasi hasil simulasi

historis (Pindyck dan Rubinfeld, 1981). Proporsi bias UM , US dan UC merupakan

81

indikator bias berdasarkan sumbernya. UM menunjukkan indikasi terjadinya error

sistem karena hanya mengukur deviasi nilai rata-rata hasil simulasi dari data

aktualnya. Dengan demikian diharapkan nilai UM mendekati nol, berapapun nilai

U-Theil yang diperoleh. US mencerminkan kemampuan model untuk mengikuti

perilaku data aktual dari peubah yang diamati, dimana semakin kecil nilai US

maka akan semakin baik daya prediksi model yang dibangun. UC merupakan bias

residu dari UM dan US, dan sering disebut sebagai error yang bukan berasal dari

sistem (nonsystematic error) serta nilainya harus mendekati satu.

T [ 1/T (Ys

t - Yat ) 2 ]0.5

t=1 U-Theil = T T [1/T (Ys

t ) 2 ]0.5 + [1/T (Yat ) 2 ]0.5

t=1 t=1

(Yst - Ya

t ) 2 UM = (1/T) (Ys

t - Yat ) 2

( s - a ) 2 US = (1/T) (Ys

t - Yat ) 2

2(1 - ) sa UC = (1/T) (Ys

t - Yat ) 2

82

dimana : Yst , Ya

t , s , dan a masing-masing merupakan rata-rata dan standar

deviasi dari Yst dan Ya

t.

Hubungan antara ketiga proporsi bias tersebut adalah : UM + US + UC = 1. Untuk

setiap nilai U > 0, seharusnya UM = US = 0 dan UC = 1. Namun demikian hal itu

sulit dipenuhi, oleh karena itu untuk memperoleh nilai prediksi yang baik, nilai

UM dan U S adalah mendekati 0 dan nilai UC mendekati 1.

4.5. Simulasi Kebijakan

Simulasi kebijakan dilakukan untuk mengevaluasi berbagai dampak

kebijakan pemerintah yang diwakili oleh nilai variabel bebas atau variabel

penjelas terhadap variabel endogen. Sesuai dengan tujuan penelitian, maka untuk

simulasi kebijakan periode 1980-2002 atau simulasi historis kebijakan yang akan

disimulasikan adalah:

1. Kenaikan Provisi Sumber Daya Hutan (PSDH) terhadap kayu bulat, PSDH

dikenakan pada setiap kayu bulat yang diproduksi dan besarnya dapat

berubah sesuai dengan kebijakan Pemerintah. Dalam simulasi di prediksi

PSDH naik 10 persen dari tarif yang berlaku. Hal ini untuk mengimbangi

kenaikan normatif inflasi.

2. Kenaikan pungutan Dana Reboisasi 20 persen dari tarif yang berlaku,

dengan asumsi bahwa dana reboisasi saat ini masih terlalu rendah karena

pada dasarnya adalah dana yang dipungut dari Pemegang Hak

Pengusahaan Hutan, Pemegang Hak Pemungutan Hasil Hutan, dan

Pemegang Izin Pemanfaatan Kayu, atas pemungutan hasil hutan dari hutan

alam yang berupa kayu dalam rangka reboisasi, pembangunan, HTI (Hutan

Tanam Indonesia), dan rehabilitasi lahan.

83

3. Depresiasi nilai tukar rupiah sebesar 10 persen atau senilai 90% dari nilai

tukar yang berlaku.

4. Kenaikan suku bunga bank 20 persen dari rata-rata suku bunga bank yang

berlaku dengan asumsi tingkat resiko di bidang kehutanan meningkat

sehingga bunga bank untuk investasi industri meningkat.

5. Kenaikan upah tenaga kerja kehutanan 10 persen dari tarif yang berlaku,

kenaikan ini pada dasarnya hanya untuk mengimbangi kenaikan inflasi

yang secara normatif kebijakan makro ekonomi ditekan dibawah 10

persen.

6. Penghapusan larangan ekspor kayu bulat (log): kebijakan larangan ekspor

kayu bulat bertujuan untuk meningkatkan nilai tambah dari kayu bulat

dengan diolah melalui industri pengolahan kayu primer di dalam negeri

yaitu industri kayu gergajian, industri kayu lapis, dan industri pulp.

Implikasinya dari kebijakan ini harga kayu bulat di dalam negeri menjadi

murah. Pengurangan produksi kayu bulat melalui kebijakan soft landing -

50 persen dari produksi satu tahun sebelumnya.

Berdasarkan hasil simulasi historis tersebut dan juga mempertimbangkan

relevansinya maka ada perbedaan kebijakan yang akan disimulasikan untuk

peramalan tahun 2007-2010 yaitu skenario:

1. Kenaikan Provisi Sumber Daya Hutan (PSDH) terhadap kayu bulat.

Dalam simulasi di prediksi PSDH naik 10 persen dari tarif yang berlaku.

Hal ini untuk mengimbangi kenaikan normatif inflasi.

2. Kenaikan pungutan Dana Reboisasi 20 persen dari tarif yang berlaku,

dengan asumsi bahwa dana reboisasi saat ini masih terlalu rendah karena

84

pada dasarnya adalah dana yang dipungut dari Pemegang Hak

Pengusahaan Hutan, Pemegang Hak Pemungutan Hasil Hutan, dan

Pemegang Izin Pemanfaatan Kayu, atas pemungutan hasil hutan dari hutan

alam yang berupa kayu dalam rangka reboisasi, pembangunan, HTI (Hutan

Tanam Indonesia), dan rehabilitasi lahan.

3. Penurunan suku bunga bank 5 persen dari rata-rata suku bunga bank yang

berlaku, dengan asumsi bahwa pemerintah akan memberi insentif melalui

penurunan bunga bank bagi industri perkayuan untuk lebih bersaing

ditingkat internasional, mengingat bahwa investasi dibidang kehutanan

memerlukan jangka waktu lama untuk pengembalian investasinya.

4. Penghapusan larangan ekspor kayu bulat (log): kebijakan larangan ekspor

kayu bulat bertujuan untuk meningkatkan nilai tambah dari kayu bulat

yang diolah menjadi produk industri pengolahan kayu primer di dalam

negeri yaitu produk kayu gergajian, produk kayu lapis, dan produk pulp.

5. Kenaikan upah tenaga kerja kehutanan 10 persen dari tarif yang berlaku ,

kenaikan ini pada dasarnya hanya untuk mengimbangi kenaikan inflasi

yang secara normatif melalui kebijakan makro ekonomi ditekan dibawah

10 persen.

6. Pengurangan kuota produksi kayu bulat melalui kebijakan soft landing -50

persen dari produksi satu tahun sebelumnya.

7. Pengurangan kuota ekspor kayu bulat 50 persen.

8. Penawaran kayu bulat domestik naik 50 persen

9. Kombinasi skenario 1, 2, 3, 4 dan 5 : merupakan kombinasi kebijakan

kenaikan PSDH 10 persen, kenaikan dana reboisasi 20 persen, penurunan

85

suku bunga bank 5 persen, penghapusan larangan ekspor kayu bulat dan

kenaikan upah tenaga kerja 10 persen.

10. Kombinasi skenario 1, 2, 3, 4, 5 dan 6 : merupakan kombinasi kebijakan

kenaikan PSDH 10 persen, kenaikan dana reboisasi 20 persen, penurunan

suku bunga bank 5 persen, penghapusan larangan ekspor kayu bulat,

kenaikan upah tenaga kerja 10 persen dan penurunan kuota produksi kayu

bulat 50 persen.


kenaikan PSDH 10 persen, kenaikan dana reboisasi 20 persen , penurunan

suku bunga bank 5 persen , penghapusan larangan ekspor kayu bulat,

kenaikan upah tenaga kerja 10 persen dan penurunan kuota ekspor kayu

bulat 50 persen.


kenaikan PSDH 10 persen, kenaikan dana reboisasi 20 persen , penurunan

suku bunga bank 5 persen , penghapusan larangan ekspor kayu bulat,

kenaikan upah tenaga kerja 10 persen dan kenaikan jumlah penawaran

kayu bulat domestik 50 persen.

4.6. Sumber Data

Data diperoleh dari Badan Pusat Statistik (BPS), Bank Indonesia, Food

and Agricultural Organization (FAO), International Tropical Timber

Organization (ITTO) dan Departemen Kehutanan, serta hasil penelitian terdahulu

yang masih relevan terhadap materi penelitian.

iv. metodologi penelitian - repository.ipb.ac.id · kebijakan perdagangan yang merupakan variabel...

Documents