pengaruh fluktuasi harga komoditas pangan terhadap inflasi

PENGARUH FLUKTUASI HARGA KOMODITAS

PANGAN TERHADAP INFLASI DI PROVINSI

JAWA TIMUR

JURNAL ILMIAH

Disusun oleh :

Novita Anjani Kusnadi

135020101111057

JURUSAN ILMU EKONOMI

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS BRAWIJAYA

MALANG

2018

LEMBAR PENGESAHAN PENULISAN ARTIKEL JURNAL

Artikel Jurnal dengan judul :

PENGARUH FLUKTUASI HARGA KOMODITAS PANGAN TERHADAP

INFLASI DI PROVINSI JAWA TIMUR

Yang disusun oleh :

Nama : Novita Anjani Kusnadi

NIM : 135020101111057

Fakultas : Ekonomi dan Bisnis

Jurusan : S1 Ilmu Ekonomi

Bahwa artikel Jurnal tersebut dibuat sebagai persyaratan ujian skripsi yang

dipertahankan di depan Dewan Penguji pada tanggal 15 Mei 2018.

Malang, 15 Mei 2018

Dosen Pembimbing,

Shofwan, SE., M.Si.

NIP. 19730517 200312 1 002

PENGARUH FLUKTUASI HARGA KOMODITAS PANGAN TERHADAP

INFLASI

DI PROVINSI JAWA TIMUR Novita Anjani Kusnadi

Shofwan

Fakultas Ekonomi dan Bisnis Universitas Brawijaya Malang

Email: [email protected]

ABSTRAK Pangan merupakan kebutuhan dasar yang bertujuan untuk mempetahankan kelangsungan hidup

manusia. Isu terkait tentang fluktuasi harga komoditas pangan berdampak menyebabkan inflasi.

Penelitian ini menganalisis fluktuasi harga komoditas yang menjadi penyumbang Inflasi yaitu beras

jenis mentik, daging sapi, daging ayam, cabai rawit dan bawang merah di Provinsi Jawa Timur

periode Januari 2015- Desember 2017. Penelitian ini menggunakan metode analisis VAR-VECM.

Hasil VECM menerangkan bahwa dalam jangka pendek fluktuasi harga komoditas cabai rawit dan

bawang merah berpengaruh positif terhadap inflasi, sedangkan harga komoditas beras jenis mentik,

daging sapi dan daging ayam berpengaruh negatif terhadap Inflasi. Dalam jangka panjang fluktuasi

harga komoditas beras jenis metik, daging ayam dan cabai rawit berpengaruh positif terhadap inflasi.

fluktuasi harga daging sapi dan bawang merah berpengaruh negatif terhadap inflasi.

Kata kunci: fluktuasi harga komoditas, Inflasi, VAR/VECM.

A. PENDAHULUAN

Pangan merupakan kebutuhan dasar yang bertujuan untuk mempertahakan kelangsungan hidup

manusia. Undang-undang No. 18 tahun 2012 mendefinisikan pangan adalah segala sesuatu yang

berasal dari sumber hayati dan air, baik yang diolah maupun tidak diolah, yang diperuntukkan sebagai

makanan atau minuman bagi konsumsi manusia, termasuk bahan tambahan pangan, bahan baku

pangan, dan bahan lain yang digunakan dalam proses penyiapan, pengolahan, dan atau pembuatan

makanan dan minuman.

Di Indonesia komoditas pangan yang fluktuasi harganya sering menjadi sorotan publik adalah beras,

jagung, kedelai, tepung terigu, gula pasir, minyak goreng, bawang merah, cabai, telur, daging, dan susu

(Sumaryanto, 2009). Faktor utama yang menyebabkan harga komoditas sering mengalami fluktuasi

adalah karena kondisi cuaca yang tidak menentu serta gangguan hama pertanian memicu kegagalan

panen sehingga otomatis harga mengalami kenaikan. Selain itu infrastruktur Indonesia yang masih

belum merata dapat menghambat jalur distribusi pangan yang akan membuat harga di tempat tujuan

distribusi menjadi mahal. Perubahan harga komoditas bahan pangan dapat menjadi penyumbang

terbesar laju inflasi dikarenakan dengan jumlah cukup besar, permintaan bahan makanan akan menjadi

cukup tinggi. Namun terkadang penawaran belum cukup mampu untuk memenuhi permintaan tersebut,

sehingga akhirnya mendorong laju inflasi (Santoso, 2011).

Sementara itu, inflasi sendiri diartikan sebagai kenaikan jumlah uang beredar atau kenaikan

likuiditas dalam suatu perekonomian. Pengertian tersebut mengacu pada gejala umum yang

ditimbulkan oleh adannya kenaikan harga-harga. Dalam perkembangan lebih lanjut, inflasi secara

singkat dapat diartikan sebagai suatu kecenderungan meningkatnya harga-harga barang dan jasa secara

umum dan terus menerus (Suseno dan Astiyah, 2009). Sebagai Provinsi dengan populasi penduduk

terbesar kedua di Indonesia, dengan jumlah total penduduk 37.476.011 jiwa pada tahun 2016. Maka,

pergerakan fluktuasi harga komoditas di provinsi Jawa Timur harus selalu di monitoring. Hal tersebut

penting dilakukan karena harga komoditas pangan merupakan representasi ketahanan .pangan suatu

wilayah. Harga komoditas pangan mampu mencerminkan kondisi nyata ketersediaan pasokan pangan,

mailto:[email protected]

permintaan pangan, kelancaran disribusi pangan, kondisi perdagangan Internasional, implementasi

kebijakan pemerintah (stakeholder), kondisi daya beli masyarakat, dan juga kesejahteraan penduduk

Di sisi lain, keberhasilan pengendalian harga komoditas akan berbanding lurus dengan upaya

pengendalian laju inflasi. Pengendalian laju inflasi menjadi pertimbangan bahwa inflasi yang tinggi

dan tidak stabil dapat memberikan dampak terhadap perekonomian masyarakat. Inflasi yang tinggi

akan menyebabkan pendapatan riil masyarakat menurun sehingga mengakibatkan menurunnya daya

beli masyarakat. Selanjutnya, inflasi yang tidak stabil akan menciptakan ketidakpastian bagi pelaku

ekonomi dalam pengambilan keputusan (Riyadh et al,2009).

Grafik 1: Inflasi Kelompok Komponen Provinsi Jawa Timur 2017

Sumber: Bank Indonesia, (2018) (diolah)

Berdasarkan kelompok komponen kenaikan inflasi pada triwulan III dan IV tahun 2017, yang

digambarkan dalam grafik 1, kenaikan inflasi di dorong oleh kelompok volatile foods dan kelompok

administrated prices. Rata-rata peningkatan inflasi bulanan kelompok volatile foods di triwulan IV

2017 adalah sebesar 1,2% mengalami peningkatan dibandingkan triwulan sebelumnya yang deflasi

sebesar 0,95%. Sedangkan ratarata inflasi kelompok administrated prices juga mengalami peningkatan

-0,09% dari Triwulan III 2017 menjadi 0,37% di triwulan IV 2017. Disisi lain, inflasi kelompok core

Inflation turun dari rata-rata 0,33% menjadi 0,12.

Dari Grafik 2 di bawah ini menunjukkan bahwa di Provinsi Jawa Timur dari tahun 2015- 2017.

Komoditas yang sangat berfluktuatif, adalah harga komoditas cabai rawit kemudian disusul oleh harga

komoditas bawang merah. sedangkan harga yang daging sapi menunjukkan gambar yang tidak

fluktuatif akan tetapi berada di harga yang tinggi. Sedangkan untuk harga daging ayam menunjukkan

gejolak yang landai. Untuk harga beras menunjukkan harga yang stagnan karena harga dasar dan harga

atap diatur pemerintah. Untuk mencapai kestabilan harga pangan diperlukan kebijakan yang

memperkecil fluktuasi harga, namun kendala permintaan dan penawaran yang bersifat inelastic (tidak

elastis) karena harga bahan pokok tersebut mengalami gagal panen akibat gangguan cuaca seperti

banjir, kemarau panjang dan terganggunya jalannya distribusi, komoditas pangan tersebut

menyebabkan cost push inflation. Sedangkan dari sisi permintaan, karena tingginya permintaan

komoditas pangan tersebut akibat terjadi hari besar keagamaan mengakibatkan demand pull Inflation.

0

0.5

1

1.5

2

2.5

3

3.5

Juli Agustus September Oktober November Desember

Kelompok Komponen Inflasi Jawa Timur

Bulanan (mtm)

Volatile Foods Administrated Price Core Inflation

Grafik 2: Perkembangan Harga Komoditas Pangan Provinsi Jawa Timur

Sumber: SISKAPERBAPO (2017), (diolah).

Dari grafik 2 diatas maka dapat disimpulkan fluktuasi harga dari masing-masing komoditas, oleh

karena itu maka sangat penting untuk mengidentifikasi dan menganalisis perkembangan harga

komoditas di Provinsi Jawa Timur. Setelah itu menganalisis data untuk mengetahui bagaimana

pengaruh masing-masing komoditas di Provinsi Jawa Timur. Oleh itu penulis mengambil judul

“Pengaruh Harga Komoditas Pangan Terhadap Inflasi di Provinsi Jawa Timur”.

B. KAJIAN PUSTAKA

Definisi Pangan

Berdasarkan undang-undang nomor 12 tahun 2012 tentang pangan, definisi pangan adalah sesuatu

yang berasal dari sumber hayati pertanian, perkebunan, kehutanan, perikanan, perairan, dan air, baik

yang diolah maupun tidak diolah yang diolah maupun tidak diolah yang diperuntukkan sebagai

makanan atau minuman bagi konsumsi manusia, termasuk bahan tambahan pangan, bahan baku

pangan, dan bahan lainnya yang digunakan dalam proses penyiapan, pengolahan, dan/atau pembuatan

makanan atau minuman.

Fluktuasi Harga Pangan

Sebelum membahas lebih detail tentang fluktuasi. Pengertian fluktuasi adalah gerakan naik turunnya

data return yang diurut menurut waktu (Erkananda, 2015). Sedangkan fluktuasi harga pangan yang

ditunjukkan oleh coefficient of variation (cv) perlu diantisipasi karena nilai cv yang tinggi

mencerminkan harga jual barang sangat fluktuatif sehingga mempengaruhi inflasi. Fluktuasi harga

pangan dipengaruhi oleh meningkatnya permintaan, persaingan permintaan misalnya melonjaknya

harga pangan dunia, sifat produksi yang musiman dan tidak merata antar musim, dan buruknya

infrastuktur yang berkonsekuensi terhadap ongkos angkut yang tinggi, serta meningkatnya frekuensi

bencana alam. Hal ini mengakibatkan aksesbilititas masyarakat secara ekonomi menurun sehingga

kondisi ketahanan pangan terganggu (BKP, 2015).

Fluktuasi Penawaran Pangan

(Firdaus, 2008) Penawaran dan permintaan pada komoditas pangan bersifat tidak elastis. Faktor yang

menyebabkan penawaran komoditas pangan bersifat tidak elastis, yaitu barang pertanian sangat

tergantung oleh faktor alam dan dihasilkan secara musiman, kapasitas memproduksi sektor pertanian

cenderung untuk mencapai tingkat yang tinggi dan tidak dipengaruhi oleh perubahan permintaan.

Tingkat produksi sektor pertanian sangat dipengaruhi oleh faktorfaktor yang berada di luar

kemampuan para petani untuk mengendalikannya.

Gambar 1: Ilustrasi Perubahan Harga Komoditas Pangan dari sisi Penawaran

Sumber: Firdaus, 2008

Pada umumnya produksi hasil pertanian selalu berubah-ubah dari satu musim ke musim lainnya.

Perubahan musim dipengaruhi oleh cuaca, iklim, dan fakor alamiah lain, seperti banjir dan hujan yang

terlalu banyak atau kemarau yang terlalu panjang. Di samping itu, serangan hama dan penyakit dapat

mempengaruhi produksi pertanian. Permintaan akan barang-barang pertanian yang tidak elastis

menyebabkan harga mengalami perubahan yang sangat besar jika penawaran hasil pertanian

mengalami perubahan. Ilustrasi mengenai fluktuasi harga komoditas pangan dari sisi perubahan

penawaran ditampilkan pada Gambar 1.

Fluktuasi Permintaan Pangan

Dalam jangka pendek maupun jangka panjang permintaan akan barang pertanian bersifat tidak

elastis. Dalam jangka panjang disebabkan elastisias pendapatan dari permintaan barang-barang

pertanian rendah, yaitu kenaikan pendapatan hanya menimbulkan kenaikan yang kecil atas permintaan.

Dalam jangka pendek tidak elastis karena sebagian besar barang-barang hasil pertanian merupakan

barang kebutuhan pokok yang harus digunakan tiap hari. Meskipun harganya naik tajam jumlah yang

masih harus tetap dikonsumsikan. Sebaliknya, pada saat harga merosot, konsumsi tidak banyak

bertambah karena kebutuhan konsumsi yang relative tetap.

Gambar 2: Ilustrasi Perubahan Harga Komoditas dari sisi Permintaan

Sumber: Firdaus, 2008

Setiap perekonomian tidak selalu mencapai tingkat kegiatan yang tinggi, adakalannya mengalami

resesi dan kemunduran dan adakalanya kegiatan ekonomi mencapai tingkat yang tinggi. Perubahan

tersebut akan memengaruhi permintaan barang dan jasa, termasuk hasil pertanian. Perubahan

permintaan yang disebabkan oleh naik turunnya kegiatan ekonomi ini akan menimbulkan perubahan

harga. Akan tetapi, sifat perubahan harga ini berbeda untuk berbagai jenis barang. Barang-barang

pertanian cenderung mengalami perubahan harga yang lebih besar daripada harga barang-barang

industri. Sifat perubahan harga seperti itu disebabkan penawaran harga barang-barang pertanian,

seperti juga dengan sifat permintaannya adalah tidak elastis. Ketidakstabilan penawaran barang

pertanian yang diikuti dengan ketidakelastisan permintaannya menyebabkan perubahan harga yang

sangat besar apabila terjadi perubahan permintaan. Ilustrasi perubahan harga komoditas

dari sisi permintaan adalah dijelaskan pada gambar 2.

Konsep Inflasi

Pada awalnya inflasi diartikan sebagai kenaikan jumlah uang beredar atau kenaikan likuiditas dalam

suatu perekonomian. Pengertian tersebut mengacu pada gejala umum yang ditimbulkan oleh adannya

kenaikan jumlah uang beredar yang diduga telah menyebabkan adannya kenaikan harga-harga. Dalam

perkembangan lebih lanjut, inflasi secara singkat dapat diartikan sebagai suatu kecenderungan

meningkatnya harga-harga barang dan jasa secara umum dan terus-menerus (Suseno dan Astiyah,

2009). (Rahardja dan Manurung, 2008) menambahkan inflasi adalah kenaikan harga barang-barang

yang bersifat umum dan terusmenerus. Dari definisi ini, ada tiga komponen yang harus dipenuhi agar

dapat dikatakan telah terjadi inflasi. a). Kenaikan Harga b). Bersifat umum c). Berlangsung Terus-

Menerus.

Dalam IHK 2016 (2012=100) jumlah kelompok dan sub kelompok masih tetap 7 (tujuh) kelompok

dan 35 sub kelompok. Kelompok Bahan makanan terdiri dari 11 sub kelompok, kelompok Makanan

jadi, Minuman, Rokok & Tembakau 3 sub kelompok, kelompok Perumahan 4 sub kelompok,

kelompok Sandang 4 sub kelompok, kelompok Perumahan 4 sub kelompok, kelompok Sandang 4 sub

kelompok, kelompok Kesehatan 4 sub kelompok, kelompok Pendidikan, Rekreasi dan Olahraga 5 sub

kelompok dan kelompok Transport, Komunikasi dan Jasa keuangan 5 sub kelompok (BPS Jatim,

2016).

(Rahardja dan Manurung, 2008) Tiga gejala di atas menunjukkan gejala inflasi berdasarkan faktor

penyebabnya, yaitu inflasi tekanan permintaan (demand-pull inflation), inflasi dorongan biaya (cost –

push inflation, dan kombinasi keduanya.

Inflasi Tekanan Permintaan (Demand-Pull Inflation)

Inflasi tekanan permintaan (demand-pull inflation) adalah inflasi yang terjadi karena dominannya

tekanan permintaan agregat. Pada gambar 3 tekanan permintaan digambarkan dengan bergesernya

kurva bertambah, tetapi disertai inflasi, dilihat dari makin tingginya tingkat harga umum. Dalam inflasi

tekanan permintaan, tidak selalu berarti penawaran agregat (AS) tidak bertambah. Yang pasti,

kalaupun terjadi pertambahan penawaran agregat, jumlahnya lebih kecil dibanding peningkatan

permintaan agregat.

Gambar 3: Inflasi Tekanan Permintaan (Demand-Pull Inflation)

Sumber: Rahardja dan Manurung, (2008)

Inflasi Dorongan Biaya (Cosh-Push Inflation)

Inflasi dorongan biaya (cost-push inflation) terjadi karena kenaikan biaya produksi. Biasanya

menyebabkan penawaran agregat berkurang. Dalam gambar 4 ditunjukkan dengan bergesernya kurva

AS0 ke AS1. Naiknya biaya produksi disebabkan naiknya input pokok. Misalnya, kenaikan upah

minimum provinsi (UMP) dan BBM akan menyebabkan biaya produksi barang-barang output sektor

industri menjadi lebih mahal, yang mengurangi penawaran agregat. Jika yang berkurang adalah

penawaran agregat, inflasi akan disertai kontraksi ekonomi, sehingga jumlah output (PDB) menjadi

lebih kecil (Y1<Y0).

Gambar 4: Inflasi Tekanan Penawaran (Cosh-Push Inflation)


Stagflasi

Stagflasi menerangkan kombinasi dari dua keadaan buruk, yaitu stagnasi dan inflasi. stagnasi adalah

kondisi di mana tingkat pertumbuhan ekonomi sekitar nol persen per tahun. Jumlah output relatif tidak

bertambah. Sayangnya, kondisi ini disertai inflasi. Secara grafis dalam gambar 5 terlihat stagflasi akan

terjadi jika permintaan agregat (AD) bertambah, sedangkan penawaran (AS) berkuranng.

Gambar 5: Stagflasi


Badan Pusat Statistik juga mempublikasikan inflasi berdasarkan pengelompokkan inflasi inti dan non

inti. Inflasi inti adalah komponen inflasi yang cenderung menetap atau persisten (persistent

component) di dalam pergerakan inflasi dan dipengaruhi oleh faktor fundamental, yaitu:

a. Interaksi permintaan-penawaran atau kesenjangan output (output gap).

b. Lingkungan eksternal, yaitu dari faktor nilai tukar dan imported inflation,dan

c. Ekspektasi inflasi.

Mengingat sifatnya yang dipengaruhi oleh faktor fundamental, inflasi inti merupakan salah satu

indikator utama yang digunakan oleh Bank Indonesia dalam merumuskan kebijakan moneter (TPID,

2014).

Komponen inflasi non inti (Non Core Inflation) adalah komponen inflasi dengan volatilitas

cenderung tinggi karena dipengaruhi non fundamental yang cenderung bersifat sementara. Inflasi non

inti dapat didefinisikan sebagai inflasi yang disebabkan oleh gangguan dari penawaran dan di luar

kendali otoritas moneter serta bersifat sesaat. Inflasi non inti sering disebut noises inflation. Komponen

Inflasi non inti sendiri dapat dibagi kedalam dua kelompok yaitu:

(i) Inflasi Komponen Bergejolak (Volatile Food) Inflasi yang dominan dipengaruhi oleh shocks

(kejutan) dalam kelompok bahan makanan, seperti: panen, gangguan alam, atau perkembangan harga

komoditas pangan domestik maupun internasional. Sebagai contoh: inflasi beras, cabe, dan beberapa

jenis sayuran sering berfluktuasi tajam karena dipengaruhi kondisi kecukupan pasokan komoditas

tersebut, seperti faktor musim panen, gangguan distribusi, bencana alam maupun hama.

(ii) Inflasi Komponen Harga yang Diatur Pemerintah Pemerintah (Administerd Prices):Inflasi yang

dominan dipengaruhi oleh shocks (kejutan) kebijakan harga pemerintah , seperti harga BBM

bersubsidi, tariff listrik, tariff angkutan umum, dan lain-lain (Utari et al, 2015).

Pengaruh Fluktuasi Harga Komoditas Terhadap Inflasi

Dalam kaitannya antara perubahan harga komoditas dan inflasi, menurut Furlong dan Ingenito

(1996) dalam (Prastowo et al, 2008) meyakini bahwa harga komoditas dapat dijadikan sebagai leading

indicators inflasi. Alasanya adalah, pertama, harga komoditas mampu merespon secara cepat shock

yang terjadi perekonomian secara umum, seperti permintaan agregat (aggregate demand shock).

Kedua, harga komoditas juga mampu merespon terhadap non-economic shocks seperti banjir, tanah

longsor dan bencana alam lainnya yang menghambat jalur distribusi dari komoditas tersebut.

C. METODE PENELITIAN

Penelitian ini menggunakan pendekatan kuantitatif. Data harga beras jenis mentik, harga daging sapi,

harga daging ayam, cabai rawit dan bawang merah di Provinsi Jawa Timur dalam kurun waktu Januari

2015-Desember 2017. Data yang digunakan pada penelitian ini adalah data runtut waktu (time series)

dengan menggunakan data sekunder yang diperoleh dari SISKAPERBAPO dan Bank Indonesia.

Komoditas yang dipilih adalah harga komoditas jenis mentik, harga daging sapi, harga daging ayam,

harga cabai rawit dan harga bawang merah.

Model VAR dalam penelitian ini adalah sebagai berikut:

IHKt = α10+ α11IHKt-1 + α12HBJMt-1+ α13 HDSt-1 + α14 HDAt-1 +α15HCRt-1+ α16HBMt-1

+e1t……………………………………………………………………………………………………………………………………………..(1)

HBJMt= α10+ α11IHKt-1 +α12HBJMt-1+α13 HDSt-1+α14HDAt-1 +α15HCRt-1+ α16HBMt-1

+e1t……………………………………………………………………………………………………………………………………………..(2)

HDSt=α10+ α11IHKt-1 + α12HBJMt-1+ α13 HDSt-1 + α14 HDAt-1 +α15HCRt-1+ α16HBMt-1

+e1t……………………………………………………………………………………………………………………………………………..(3)

HDAt = α10+ α11IHKt-1 + α12HBJMt-1+α13 HDSt-1 + α14 HDAt-1+α15HCRt-1+ α16HBMt-1

+e1t……………………………………………………………………………………………………………………………………………..(4)

HCRt =α10+α11IHKt-1+α12HBJMt-1 +α13HDSt-1+ α14HDAt-1+α15HCRt-1+α16HBMt-1

+e1t………………………………………………………………………………………………………………………………………………….(5)

HBMt = α10+ α11IHKt-1 + α12HBJMt-1+α13 HDSt-1 + α14 HDAt-1+α15HCRt-1+ α16HBMt-1

+e1t……………………………………………………………………………………………………………………………………………...(6)

Keterngan:

IHKt =Indeks harga konsumen (persen)

HBJMt = rata-rata harga beras jenis mentik (rupiah)

HDSt = rata-rata harga daging sapi periode bulanan (rupiah)

HDAt = rata-rata harga daging ayam periode bulanan (rupiah)

HCRt = rata-rata harga cabai rawit periode bulanan (rupiah)

HBMt = rata-rata harga bawangmerah periode bulanan (rupiah)

εt = errorterm

Selanjutnya untuk melihat jangka panjang persoalan jangka panjang terbentuk pengkombinasian

antara model VAR struktural dengan model Vector Error Correction Model (VECM) sehingga

persamaan menjadi sebagai berikut:

∆yt = µ0x+ µ1xt +∏x yt-1+ ix ∆yt-i + t , t = 1,2,…………………………………………………….(7)

∆yt = (IHK, HBJM, HDS,HDA,HCB, HBM)

µ0x= Vektor Intersep.

t = time trend

∏x = αxβ’ dimana b’ mengandung persamaan kointegrasi jangka panjang

yt-1 = variabel in-level

Γix = matriks koefisien regresi

k-1 = ordo VECM dari VAR

εt =error term

Alur Metode Penelitian yang dilakukan antara lain:

1. Uji Stasioner

Menurut (Gujarati, 2006) pengujian kestasioneran data dilakukan untuk mengatasi permasalahan

unit root yang terdapat pada data time series tidak stasioner. Uji stasioneritas data dapat dilakukan

dengan menggunakan uji akar unit, kebanyakan uji yang sering digunakan untuk pengaruh

kewujudan akar unit dilakukan dengan menggunakan uji Augmented Dickey-Fuller (ADF) dan uji

Philips-Perron (PP).

2. Uji Stabilitas VAR

(Firdaus, 2011) Langkah berikutnya yaitu. menguji stabilitas VAR. Uji stabilitas VAR dilakukan

dengan menghitung akar-akar dari fungsi polinomial atau dikenal dengan roots of characteristic

polinomial. Jika semua akar dari fungsi polinomial tersebut berada di dalam unit circle atau jika

nilai modulusnya < 1 maka model VAR tersebut dianggap stabil, sehingga Impulse Response

Function (IRF) dan Forecast Error Variance Decomposition (FEVD) yang dianggap valid.

3. Penentuan Lag Optimal

Hal penting lainnya dalam estimasi model VAR (p) adalah penentuan lag atau p dalam sistem

VAR. Lag yang optimal diperlukan dalam kerangka menangkap pengaruh peubah dari setiap

peubah terhadap peubah lainnya dalam sistem VAR. Dalam penentuan lag optimal, dapat

ditentukan dengan menggunakan beberapa kriteria, yaitu LR (sequential modified Likelihood Ratio

test statistic), AIC (Akaike Information Criterion) dan SC (Schwarz Information Criterion), LR

(Sequential modified LR test statistic), FPE (Final Prediction Error) dan HQ (Hannan-Quinn

information criterion). Kriteria pemilihan lag optimal adalah pada LR yang terbesar atau AIC, SC,

FPE, dan HQ bernilai terkecil. Agar semua kriteria dapat dibandingkan untuk berbagai lag, maka

banyaknya observasi yang digunakan dalam setiap model VAR yang dibandingkan haruslah sama

(Juanda dan Junaidi, 2012).

4. Uji Kointegrasi

Tujuan utama pengujian kointegrasi adalah untuk menentukan variabel yang stasioner

terkointegrasi atau bukan stasioner terkointegrasi. Pengujian hubungan kointegrasi dilakukan

dengan menggunakan selang optimal sesuai dengan pengujian sebelumnya. Sementara penentuan

asumsi deterministik yang melandasi pembentukan persamaan kointegrasi didasarkan pada nilai

kriteria informasi AIC dan SC Berdasarkan asumsi deterministik tersebut akan diperoleh

informasi mengenai banyaknya hubungan kointegrasi antar variabel sesuai Trace dan

Max.(Erkananda, 2017).

5. Uji Kausalitas

Untuk melihat hubungan jangka pendek (short-run causality) dapat dilakukan uji kausalitas

granger. Uji kausalitas Granger dilakukan untuk melihat hubungan kausalitas diantara variabel-

variabel yang ada dalam model. Uji ini untuk mengetahui suatu variabel bebas (Independent

variable) meningkatkan kinerja forecasting dari variabel tidak bebas (Independent variable).

Pengujian hubungan sebab akibat, dalam pengertian Granger (1969), dengan menggunakan F-test

untuk menguji apakah lag informasi dalam variabel Y informasi statistik yang signifikan tentang

variabel X dalam menjelaskan perubahan X. Jika tidak, Y tidak ada hubungan sebab akibat Granger

dengan X. Eviews akan menjalankan estimasi dengan bentuk persamaan:

yt = 𝜶0 + 𝜶1yt-1 +…+𝜶1yt-1+ 𝜷1x1,t-1+…+𝜷tx-1)+𝜺t………………………………….(8)

xt = 𝜶0+𝜶1xt-1+…+ 𝜶1xt-1+𝜷1y1,t-1+…+𝜷ty-1)+𝝁………………………………........(9)

Nilai F-statistik dihitung berdasarka Wald statistic untuk hipotesis:

𝜷1=𝜷2 = …=𝜷t =0……………………………………………………………………..(10)

Untuk setiap persamaan. Pada persamaan pertama, hipotesis nol-nya adalah x tidak mempengaruhi

Granger y sedangkan y tidak mempengaruhi Granger x pada persamaan kedua (Firdaus, 2011).

6. Vector Error Correction Model (VECM)

menurut (Firdaus, 2011) Vector Error CorrectionModel (VECM) adalah VAR terestriksi yang

digunakan untuk variabel yang non-stationer tetapi memiliki potensi untuk terkointegrasi, setelah

dilakukan pengujian kointegrasi pada model yang digunakan, maka dianjurkan untuk memasukkan

persamaan kointegrasi ke dalam model yang digunakan, dengan demikian dalam VECM terdapat

speed of adjustment dari jangka pendek ke jangka panjang.

Adapun spesifikasi model VECM secara umum adalah sebagai berikut:

∆yt = µ0x+ µ1xt +∏x yt-1+ ix ∆yt-i + t , t = 1,2,…………………………………(11)

Keterangan

yt = vektor yang berisi variabel yang dianalisis dalam penelitian.

µ0x = vektor intercept.

t = time trend

∏x = αx β’ dimana b’mengandung persamaan kointegrasi jangka panjang.

yt-I = variabel in-level.

Γix = matriks koefisien regresi.

k-1 = ordo VECM dari VAR.

Ɛt = error terms.

7. Analisis IRF (Impulse Response Function)

Impulse Response Function (IRF) pada VECM mirip dengan proses yang berlaku pada VAR,

namun dengan kondisi adannya faktor koreksi dan hubungan kointegrasi. IRF pada shock residual

menggunakan format VECM untuk menghasilkan forecast endogen masa yang akan datang,

sedangkan IRF pada shock cholesky decomposition menggunakan format rekursif hubungan

contemporaneous variabel endogen. Urutan hubungan rekursif mengikuti urutan variabel VECM

(Erkananda, 2017).

8. Forecast Error Decomposition Variance (FEDV)

Analisis FEDV dalam model VAR bertujuan untuk memprediksi kontribusi persentase varian

setiap peubah karena adannya perubahan peubah tertentu dalam sistem VAR. pada analisis impulse

response sebelumnya digunakan untuk melihat dampak guncangan dari suatu peubah terhadap

peubah lainnya, dalam analisis FEDV digunakan untuk menggambarkan relative pentingnya setiap

peubah dalam sistem VAR karena adannya shock (Junaidi dan Juanda, 2012).

D. HASIL PEMBAHASAN

Hasil dan pembahasan yang diperoleh untuk menjawab rumusan masalah penelitian disesuaikan berdasarkan alur prosedur metode penelitian. Secara terperinci, hasil dan pembahasan

yang diperoleh dalam mewujudkan tujuan penelitian akan melalui beberapa tahapan, antara lain : Uji

Stasioneritas, Uji Stabilitas VAR, Penentuan Lag Optimal, Uji Kointegrasi, Uji Kausalitas, Uji VECM,

Analisis IRF, Analisis FEDV (Forecast Error Decomposition Variance). Tahapan Pertama, melakukan

uji stasioneritas pada data penelitian. Uji Stasioneritas ditujukan pada data inflasi (variabel dependen),

harga komoditas beras jenis mentik, harga daging sapi, harga daging ayam, harga cabai rawit, harga

bawang merah di Provinsi Jawa Timur. Berikut ini akan ditampilkan ringkasan uji stasioner yang

ditampilkan dalam tabel berikut:

Tabel 1: Uji Stasioneritas tingkat Level

No

Variabel

ADF-statistik

MacKinnon Critical Value

Keterangan 1% 5% 10%

1 LnIhk 0.028379 -3.632900 -2.948404 -2.612874 TidakStasioner

2 Lnharga Beras -2.442453 -3.632900 -2.948404 -2.612874 Tidak stasioner

3 Lnharga Daging Sapi -1.640511 -3.632900 -2.948404 -2.612874 Tidak stasioner

4 Lnharga Daging Ayam -5.080003 -3.639407 -2.951125 -2.614300 Stasioner

5 Lnharga Cabai rawit -2.649969 -3.632900 -2.948404 -2.614300 Tidak stasioner

6 Lnharga Bawang Merah -2.133864 -3.632900 -2.948404 -2.614300 Tidak stasioner

Sumber: Data Diolah (2018)

Tabel 1 merupakan hasil uji stasioneritas pada tingkat level. Dalam tabel tersebut diketahui hanya

variabel daging ayam yang stasioner pada tingkat level. Variabel harga daging ayam stasioner pada

tingkat level penyebabnya adalah ADFtest > MacKinnon critical value, sedangkan variabel lain seperti

IHK, harga beras, harga daging sapi, harga cabai rawit, dan harga bawang merah tidak stasioner pada

derajat stasioneritas pada derajat kepercayaan 1%, 5%, maupun 10% maka perlu dilakukan uji ADF

pada tingkat first difference.Setelah dilakukan uji stasioner pada tingkat first difference. Pada tabel 2 di

bawah ini merupakan hasil uji stasioneritas pada tingkat first difference, hasil uji tersebut menjelaskan

bahwa semua data yaitu variabel IHK, harga daging sapi, harga daging ayam, harga cabai rawit dan

harga bawang merah telah stasioner pada derajat kepercayaan 1%, 5% dan 10%. Hal ini disebabkan

nilai ADF statistik yang lebih kecil daripada MacKinnon Critical Value.

Tabel 2: Uji Stasioneritas Tingkat First Difference

No

Variabel

ADF-

statistik

MacKinnon Critical Value

Keterangan 1% 5% 10%

1 LnIhk -5.015109 -3.646342 -2.954021 -2.615817 Stasioner

2 Lnharga Beras -6.212945 -3.639407 -2.951125 -2.614300 Stasioner

3 Lnharga Daging

Sapi

-9.021106 -3.639407 -2.951125 -2.614300 Stasioner

4 Lnharga Daging

Ayam

-7.312673 -3.661611 -2.960411 -2.619160 Stasioner

5 Lnharga Cabai rawit -5.968149 -3.639407 -2.951125 -2.614300 Stasioner

6 Lnharga Bawang

Merah

-5.903866 -3.639407 -2.951125 -2.614300 Stasioner


Setelah melakukan Uji Stasioner pada tabel 2 selanjutnya adalah Uji Stabilitas VAR yang bertujuan

untuk melihat model VAR telah stabil atau tidak. Uji stabilitas VAR dilakukan dengan menghitung

akar-akar dari fungsi polinomial atau dikenal dengan roots of characteristic polinomial. Jika semua

akar dari fungsi polinomial tersebut berada di dalam unit circle atau jika nilai modulusnya < 1 maka

model VAR tersebut dianggap stabil, sehingga Impulse Response Function (IRF) dan Forecast Error

Variance Decomposition (FEVD) yang dianggap valid (Firdaus, 2011). Pada penelitian ini,

berdasarkan uji stabilitas VAR yang ditunjukkan pada tabel 3 dapat disimpulkan bahwa estimasi

stabilitas VAR yang akan digunakan untuk analisis IRF dan FEVD telah stabil karena kisaran modulus

< 1.

Tabel 3: Uji Stabilitas VAR

Root Modulus

0.991411 0.991411

0.840055 0.840055

0.394113-0.727766i 0.827628

0.394113+0.727766i 0.827628

0.673165-0.242771i 0.715604

0.673165+0.242771i 0.715604

-237646-0.545233i 0.594773

-237646+0.545233i 0.431125

0.288499-0.106194i 0.307422

0.288499+0.106194i 0.307422

-0.025498 0.025498


Tabel 4: Uji Lag Optimal

Lag LogL LR FPE AIC SC HQ

0 266.0317 NA 9.17e-15 15.29598 -15.02662 -15.20412

1 416.0544 238.2714 1.16e-17 -22.00320 -20.11769* -21.26019*

2 457.6959 51.43952* 1.03e.17* -22.33505* -18.83340 -21.14089

Keterangan: * Lag Optimal

Sumber Data Diolah (2018).

Tabel 4. diatas merupakan hasil uji lag optimal. Dalam estimasi VAR, sebelum melakukan uji

kointegrasi terlebih dahulu menguji lag optimal. Penentuan lag optimal penting dilakukan karena

estimasi VAR sangat peka terhadap panjang lag optimal. Penentuan lag berdasarkan pada nilai

Likelihood Ratio (LR), Final Prediction Error (FPE), Akaike Information Criteria (AIC), Schwarz

information criterion (SC), dan Hannan-Quinn Criterion (HQ). Dalam penelitian ini, lag optimal

ditunjukkan dengan menggunakan kriteria Akaike Information Criterion (AIC), yang menghasilkan

nilai terkecil yaitu -22.3305. berdasarkan tabel 4.5 diatas dapat dilihat bahwa nilai AIC terdapat pada

lag dua, sehingga lag yang digunakan adalah lag dua, selain itu untuk menentukan lag dapat dilihat

jumlah bintang (*) terbanyak dari masing-masing kriteria informasi tersebut, berdasarkan pengamatan

dari hasil penelitian ini jumlah bintang terbanyak terdapat dalam lag ke 2, sehingga dari semua kriteria

tersebut disarankan memilih lag ke-2 sebagai lag optimal terbaik.

Tabel 5: Uji Kointegrasi

Hypothesized

No.of CE(s)

Eigenvalue

Trace

Statistic

0.05

Critical Value

Prob**

None* 0.875801 194.0315 117.7082 0.0000

At most 1* 0.784998 125.1977 88.80380 0.0000

At most 2* 0.552210 74.47313 63.87610 0.0050

At most 3* 0.468895 47.95990 42.91525 0.0144

At most 4* 0.438685 27.07765 2587211 0.0353

At most 5 0.215777 8.021033 12.51798 0.2500


Hasil perhitungan Johansen Cointegration test pada tabel 5 diatas menunjukkan bahwa pada tingkat

kepercayaan 5% terdapat lima persamaan yang memiliki nilai trace statistic yang lebih besar dari

critical value. Berdasarkan hal tersebut, penelitian ini terdapat persamaan kointegrasi yang ada

hubungan jangka panjang antar variabel. Dari tabel 4.6 dapat dilihat bahwa 5 (lima) variabel diindikasi

terkointregasi pada derajat kepercayaan (𝛼) 5% yaitu variabel: IHK, harga beras, harga daging sapi,

harga daging ayam dan harga cabai rawit sedangkan untuk harga bawang merah tidak terkointegrasi

pada derajat kepercayaan (𝛼) 5%.

Tabel 6: Hasil Uji Kausalitas

Null Hyoithesis: Obs F-Statistic Prob.

LnDagingSapi does not Granger Cause LnIHK

LNIHK does not Granger Cause LNDagingSapi

35 0.09375

4.70163

0.7614

0.0377

LNDagingAyam does not Granger Cause LNIHK

LNIHK does not Granger Cause LNDagingAyam

35 0.26251

0.04774

0.6119

0.8284

LNCabairawit does not Granger Cause LNIHK

LNIHK does not Granger Cause LNCabairawit

35 0.17581

0.28272

0.6778

0.5986

LNBerasmentik does not Granger Cause LNIHK

LNIHK does not Granger Cause LNBerasmentik

35 0.36137

0.00032

0.5520

0.9859

LNBawangMerah does not Granger Cause LNIHK

LNIHK does not Granger Cause LNBawangMerah

35 1.19683

0.24633

0.2821

0.6231


hasil uji kausalitas adalah sebagai berikut:

1. variabel harga daging sapi secara statistik tidak mempengaruhi IHK sedangkan variabel IHK secara

statistik mempengaruhi variabel harga daging sapi (0,03) dengan demikian dapat disimpulkan

bahwa terjadi kausalitas searah antara variabel IHK dan variabel harga daging sapi.

2. Variabel harga daging ayam secara statistik tidak mempengaruhi IHK begitu pula IHK tidak

mempengaruhi variabel harga daging ayam dengan demikian dapat disimpulkan bahwa tidak

terjadi kausalitas apapun untuk kedua variabel.

3. Variabel harga daging ayam secara statistik tidak mempengaruhi IHK begitu pula IHK tidak

mempengaruhi variabel harga daging ayam dengan demikian dapat disimpulkan bahwa tidak


4. Variabel harga beras mentik secara statistik tidak mempengaruhi IHK begitu pula IHK tidak

mempengaruhi variabel harga beras mentik dengan demikian dapat disimpulkan bahwa tidak


5. Variabel harga bawang merah secara statistik tidak mempengaruhi IHK begitu pula IHK tidak

mempengaruhi variabel bawang merah mentik dengan demikian dapat disimpulkan bahwa tidak


Dari pengaplikasian model VECM diperoleh hasil bahwa dalam jangka pendek pada tabel 7 di

bawah ini adalah sebagai berikut, pada selang kepercayaan 5%, fluktuasi harga komoditas pangan di

Provinsi Jawa Timur hanya variabel harga cabai rawit dan bawang merah yang signifikan berpengaruh

terhadap inflasi pada periode masing-masing ke (-1) pada komoditas harga cabai rawit, dan pada

periode ke (-2) pada bawang merah. sedangkan variabel lain tidak signifikan. (Firdaus, 2011) yang

menyatakan bahwa variabel yang berpengaruh signifikan dalam jangka pendek hanya sedikit, karena

variabel bereaksi terhadap variabel lainnya membutuhkan waktu (lag), sehingga pada umumnya reaksi

suatu variabel terhadap variabel lainnya terjadi dalam jangka panjang. Gambaran lengkapnya sebagai

berikut:

Tabel 7: Hasil Estimasi VECM Jangka Pendek

Jangka Pendek

Variabel Koefisien T-Statistik

CointEq1 -0.079342 [-1.76071]

D(LnIhk (-1)) 0.334226 [1.43654]

D(Lnihk (-2)) -0.316419 [-1.54697]

D(Lnharga beras (-1)) 0.013789 [0.33114]

D(Lnharga beras (-2)) -0.000800 [-0.02407]

D(LnhargaDagingSapi (-1)) -0.021902 [-0.46890]

D(LnhargaDagingSapi (-2)) -0.088650 [-1.89206]*

D(Lnharga Daging Ayam (-1)) 0.020774 [1.47392]

D(Lnharga Daging Ayam (-2)) -0.004925 [-0.33830]

D(Lnharga Cabai rawit (-1)) 0.004210 [2.02052]*

D(Lnharga Cabai rawit (-2)) -0.000174 [-0.10208]

D(Lnharga Bawang Merah(-1)) 0.002208 [0.43411]

D(Lnharga Bawang Merah(-2)) 0.014997 [2.60203]*

C 0.003153 [3.04444]

Keterangan: -)* signifikan pada taraf nyata 5% -)* nilai t-ADF untuk nilai kritis 5% = 1,6972.


Tabel 8: Hasil Estimasi VECM Jangka Panjang

Jangka Panjang

Variabel Koefisien T-Statistik

(Lnharga beras (-1)) 0.605502 [4.65005]*

(LnhargaDagingSapi (-1)) -1.283960 [-22.4022]*

(Lnharga Daging Ayam (-1)) 0.134714 [2.35453]*

(Lnharga Cabai rawit (-1)) 0.014626 [4.25379]*

(Lnharga Bawang Merah(-1)) -0.126398 [-13.3979]*

C 1.896745 -

Keterangan: -)* signifikan pada taraf nyata 5% -)* nilai t-ADF untuk nilai kritis 5% = 1,6972.


Tabel 8 erupakan hasil estimasi pengaruh fluktuasi harga komoditas pangan terhadap inflasi di

Provinsi Jawa Timur dalam jangka panjang pada selang kepercayaan 5%. Hasil tersebut menjelaskan

bahwa di Provinsi Jawa Timur variabel harga komoditas pangan yang berpengaruh terhadap inflasi

adalah sebagai berikut:

1. Variabel harga beras jenis mentik mempunyai pengaruh positif dalam jangka panjang terhadap

kenaikan indeks harga konsumen sebesar 0,60 persen. Artinya, jika terjadi kenaikan harga beras

jenis mentik dari bulan sebelumnya maka akan menyebabkan kenaikan indeks harga konsumen

sebesar 0,60 persen.

2. Variabel harga daging sapi mempunyai pengaruh negatif dalam jangka panjang terhadap indeks

harga konsumen sebesar 1,2 persen. Artinya, jika terjadi penurunan harga dari bulan sebelumnya

maka akan menyebabkan penurunan indeks harga konsumen sebesar 1,2%.

3. Variabel harga daging ayam mempunyai pengaruh positif dalam jangka panjang terhadap kenaikan

indeks harga konsumen sebesar 0,13 persen yang mempunyai artian, jika terjadi kenaikan harga

daging ayam dari bulan sebelumnya maka akan menyebabkan kenaikan indeks harga konsumen

(inflasi) sebesar 0,13 persen.

4. Variabel harga cabai rawit mempunyai pengaruh positif dalam jangka panjang terhadap indeks

harga konsumen yang artinya jika harga cabai rawit mengalami peningkatan di bulan sebelumnya

maka akan menyebabkan peningkatan indeks harga cabai rawit sebesar 0,01 persen.

5. Variabel harga bawang merah mempunyai pengaruh negatif dalam jangka panjang terhadap

penurunan harga konsumen sebesar 0,12 persen yang artinya adalah jika terjadi penurunan harga

bawang merah di bulan sebelumnya maka akan menyebabkan penurunan indeks harga konsumen

sebesar 0,12 persen.

Grafik 3: Analisis Hasil Impulse Response (IRF)


guncangan harga komoditas beras jenis mentik di Provinsi Jawa Timur secara umum direspon positif

oleh inflasi. Komoditas harga beras jenis mentik grafiknya menunjukkan tren yang berfluktuasi dimana

puncak guncangan terjadi pada periode ke-3 dan ke-8 yang artinya bahwa guncangan harga beras jenis

mentik sebesar satu standar deviasi pada periode ke-3 akan menyebabkan peningkatan inflasi sebesar

0,001557% dan pada periode ke-8 akan menyebabkan peningkatan inflasi sebesar 0,001467%.

guncangan harga komoditas daging sapi di Provinsi Jawa Timur secara umum direspon negatif oleh

inflasi. Namun harga komoditas daging sapi menunjukkan respon guncangan positif di bulan ke-5

yang artinya bahwa guncangan harga sebesar satu standar deviasi akan menyebabkan peningkatan

inflasi sebesar 0.000500%.

guncangan harga daging ayam di Provinsi Jawa Timur yang secara umum direspon positif oleh

inflasi hingga periode ke-3, kemudian pada periode ke-4 mengalami guncangan harga daging ayam

yang direspon negatif oleh inflasi. Selanjutnya pada periode ke-6 guncangan harga daging ayam

direspon positif oleh inflasi dan berlanjut mendekati titik kestabilan masing-masing. Pada periode-3

guncangan harga daging ayam direspon positif artinya bahwa guncangan harga daging ayam sebesar

satu standar deviasi akan menyebabkan kenaikan inflasi 0.000662%.

guncangan harga cabai rawit di Provinsi Jawa Timur yang secara keseluruhan periode direspon

secara positif oleh inflasi. Sehingga secara keseluruhan periode cabe rawit menjadi salah satu

penyebab inflasi di Provinsi Jawa Timur meskipun reaksinya menunjukkan gejala yang berfluktuatif.

Dalam grafik tersebut tergambarkan bahwa titik tertinggi guncangan harga cabai merah berada di

periode ke-3 yang artinya bahwa guncangan harga cabai rawit sebesar satu standar deviasi akan

menyebabkan inflasi sebesar 0.001616%.

guncangan harga bawang merah secara keseluruhan 11 periode penelitian menujukkan pengaruh

negatif terhadap inflasi, dalam artian fluktuasi harga bawang merah di Provinsi Jawa Timur tidak

menyebabkan selama 11 periode ke depan.

Grafik 4: Hasil Uji FEDV


bahwa analisis FEDV pada periode pertama, keragaman di Provinsi Jawa Timur penyebab utamanya

adalah disebabkan guncangan inflasi di Provinsi Jawa Timur dengan nilai 100%. Kemudian, pada

periode ke-2, variabel lain mulai mempengaruhi keragaman inflasi Provinsi Jawa Timur. Dijelaskan

keragaman inflasi 88.2% dipengaruhi oleh variabel inflasi itu sendiri, kemudian dijelaskan oleh

variabel harga beras sebesar 5.17%, 0,02% variabel daging sapi, disusul 0.51% variabel daging ayam,

selanjutnya 2.23% dipengaruhi variabel harga cabe rawit, serta terakhir 3.8% harga variabel bawang

merah.

Pada akhir periode penelitian yaitu periode ke-12, kontribusi Inflasi di Provinsi Jawa Timur dalam

menjelaskan keragaman inflasi Provinsi Jawa Timur sendiri semakin berkurang menjadi 80.25%.

Berdasarkan pengamatan tersebut, komoditas beras, komoditas daging ayam dan komoditas cabai rawit

dalam menjelaskan keragaman inflasi di Provinsi Jawa Timur di periode mendatang lebih cenderung

menujukkan peningkatan, sedangkan variabel yang lainnya yaitu komoditas daging sapi dan bawang

merah cenderung menujukkan penurunan.

Berdasarkan analisis tersebut, di Provinsi Jawa Timur komoditas yang paling dominan dalam

menjelaskan keragaman inflasi adalah komoditas beras yakni pada periode ke-12 dengan

presentasenya sebesar 8,25%. Sedangkan urutan kedua adalah komoditas daging ayam presentasenya

dalam menjelaskan keragaman inflasi tidak terlalu tinggi yakni sebesar 0.73% sedangkan untuk

komoditas cabe rawit menjelaskan keragaman inflasi sebesar 4.8%.

Selain ketiga komoditas tersebut, komoditas daging sapi pada peeriode ke-12 menjelaskan

keragaman inflasi dengan presentasenya sebersar 0,54% dan dalam periode yang sama komoditas

bawang merah menjelaskan keragaman inflasi dengan presentase 5,4% namun dalam grafik 4 kedua

komoditas tersebut menunjukkan reaksi yang negatif yaitu dengan posisi gambar yang menurun

artinya kedua komoditas tersebut menunjukkan fluktuasi harga yang berkontribusi negatif terhadap

inflasi.

E. KESIMPULAN DAN SARAN

Kesimpulan

Berdasarkan hasil analisis dan pembahasan yang telah diuraikan sebelumnya, dapat ditarik beberapa

kesimpulan antara lain:

1. Dalam jangka pendek fluktuasi harga komoditas cabai rawit dan bawang merah berpengaruh positif

terhadap inflasi di Provinsi Jawa Timur yang artinya dalam jangka pendek fluktuasi harga

komoditas cabai rawit dan bawang merah mempengaruhi inflasi.Dalam jangka pendek fluktuasi

harga komoditas beras jenis mentik, harga daging sapi dan harga daging ayam berpengaruh negatif

terhadap inflasi yang artinya dalam jangka pendek fluktuasi harga komoditas beras jenis mentik,

harga daging sapi dan harga daging ayam dalam jangka pendek tidak mempengaruhi inflasi.

2. Dalam jangka panjang fluktuasi harga komoditas beras jenis mentik berpengaruh positif terhadap

Inflasi hal tersebut terjadi karena musim panen raya beras masih terjadi hingga maret 2018.

Sehingga dalam pasokan beras masih belum terkumpul secara menyeluruh sehingga menyebabkan

fluktuasi jangka panjang.

3. Dalam Jangka Panjang fluktuasi harga komoditas beras berpengaruh negatif terhadap inflasi. hal

tersebut karena telah lewat masa Tahun Baru dan Natal. Sehingga dalam jangka panjang

berpengaruh negatif terhadap Inflasi.

4. Dalam Jangka Panjang fluktuasi harga komoditas ayam berpengaruh positif terhadap inflasi

penyebabnya adalah faktor gangguan cuaca, faktor hujan yang terus menerus akan menyebabkan

harga daging ayam mudah terkena penyakit, kedua pengendalian impor jagung berimbas pada

penurunan bahan baku pakan ayam yang berimbas pada peningkatan harga ayam.

5. Dalam jangka panjang fluktuasi harga komoditas cabai rawit berpengaruh positif terhadap inflasi.

adapun faktor penyebab fluktuasi harga komoditas tersebut karena hujan terus menerus yang

menyebabkan berkurangnya pasokan sehingga menyebabka inflasi.

6. Dalam jangka panjang fluktuasi harga komoditas bawang merah berpengaruh negatif terhadap

inflasi adapun faktor penyebanya adalah ketersediaan bawang merah di tingkat nasional masih

mencukupi adannya panen bawang merah yang bersamaan di daerah sentra produksi bawang merah

menjadi melimpah.

Saran

Dalam penelitian ini, pengaruh fluktuasi harga komoditas pangan yang terdiri dari harga beras jenis

mentik, harga daging sapi, harga daging ayam, harga cabai rawit dan harga bawang merah, terbukti

berpengaruh terhadap inflasi di Provinsi Jawa Timur. Adapun saran yang dapat diajukan berdasarkan

penelitian ini adalah:

1. Melihat adannya hubungan pengaruh dari fluktuasi harga komoditas harga beras jenis mentik,

harga daging ayam dan cabai rawit di Jawa Timur. Diharapkan pemerintah maupun bulog sebagai

pemegang kewenangan melakukan tindakan untuk stabilisasi harga pangan yaitu pertama, adalah

operasi pasar yang dilakukan oleh pemerintah provinsi Jawa Timur dengan skema berikut:

a. Operasi pasar langsung dari Bulog (Badan Urusan Logistik), Distributor maupun PT PPI.

b. Kios pangan operasi pasar yaitu kios pangan operasi pasar (KIPPAS) Jawa Timur,

komoditasnya diberikan subsidi oleh bulog maupun PT PPI, selanjutnya didistribusikan ke kios

di Kabupaten/ Kota di Jawa Timur.

2. Sebaliknya para regulator harus selalu memantau pergerakan harga komoditas pangan secara

menyeluruh, agar nantinya TPID (Tim Pengendali Inflasi Daerah dan Bulog) dapat menetapkan

kebijakan tepat yang menyesuaikan dengan keadaan seperti musim paceklik, hari raya keagamaan

dan musim panen sehingga meminimalisir terjadinya fluktuasi harga komoditas maupun inflasi

komoditas bahan pangan yang berkaitan langsung dengan konsumen.

3. Mengingat keterbatasan variabel dalam penelitian ini, diharapkan penelitian selanjutnya diharapkan

mempertimbangkan variabel lain namun masih berkaitan dengan fluktuasi harga komoditas pangan

lain yang berkaitan dengan inflasi.

4. Mengingat penelitian ini dan penelitian terdahulu lebih sering membahas tentang harga komoditas

selanjutnya diperlukan lebih lanjut mengenai faktor-faktor yang mempengaruhi faktor fluktuasi

harga pangan di Provinsi Jawa Timur untuk memperdalam analisis tentang penelitian tema

tersebut.

DAFTAR PUSTAKA

Bank Indonesia. 2018. Kajian Ekonomi dan Keuangan Regional Provinsi Jawa Timur.Surabaya,

Laporan Keuangan.

Badan Ketahan Pangan Kementrian Pertanian. 2015. “Data Statistik Ketahanan Pangan Tahun 2014”.

Diakses https://bkp.pertanian.go.id. Pada tanggal 01 Januari 2018.

Badan Pusat Statistik, 2016. Indeks Harga Konsumen 8 Kota Provinsi Jawa Timur. Jawa Timur:BPS.

Tim Pengendali Inflasi Daerah/TPID (2014). Buku Petunjuk TPID. Jakarta.Undang-Undang Republik

Indonesia Nomor 18 Tahun 2012 Tentang Pangan. 2012. Jakarta.

Erkananda, Mahyus. 2015. Ekonometrika Dasar untuk Penelitian Ekonomi, Sosial dan Bisnis. Jakarta,

Mitra Wacana Media.

Firdaus, M. 2008. Manajemen Agribisnis. Bumi Aksara. Jakarta

Firdaus, 2011. Aplikasi Ekonometrika untuk Data Panel dan Time Series. Bogor (ID): IPB

Press.

Gujarati, D. 2006. Dasar-Dasar Ekonometrika . “Ed ke-3”. Jakarta: Erlangga.

Juanda, Bambang., Junaidi. 2012. Ekonometrika Deret Waktu: Teori dan Aplikasi.Bogor (ID): IPB

Press.

Prastowo.N.J., Yanuarti, T.,& Depari, Y. 2008. Pengaruh distribusi dalam pembentukan harga

komoditas dan implikasinya terhadap inflasi. Working Paper. Bank Indonesia.

Rahardja P dan Manurung M. 2008. Pengantar Ilmu Ekonomi (Mikroekonomi dan Makroekonomi).

Edisi Ke-3. Jakarta (ID): Lembaga Penerbit Fakultas Ekonomi UI.

Riyadh, M, I., Oktaviani, Rina.,& Siregar, Hermanto. 2009. Analisis fluktuasi nilai tukar rupiah dan

inflasi Indonesia periode 1999-2006. Jurnal Form Pascasarjana IPB. 32(3): 1-18.

Santoso, Teguh. 2011. Aplikasi Model GARCH pada data inflasi bahan makanan Indonesia periode

2005.1-2010.6. Jurnal Organisasi dan Manajemen, Volume 13, Nomor 1: 65-76.

Suseno dan Astiyah. 2009. Inflasi. Jakarta. Bank Indonesia.

Siskaperbapo Jawa Timur.2017. Harga Komoditas Beras Jenis Mentik, Harga Komoditas Daging

Sapi, Harga Komoditas Daging Ayam, Harga Komoditas Cabai Rawit, Harga Komoditas Bawang

Merah Provinsi Jawa Timur 2015-2017.Http://siskaperbapo.com/harga/grafik. [Diakses pada 30

Desember 2017].

Undang-Undang Republik Indonesia Nomor 18 Tahun 2012 Tentang Pangan. 2012. Jakarta.

Sumaryanto. 2009. Analisis volatilitas harga eceran beberapa komoditas pangan utama dengan model

ARCH-GARCH. Jurnal Agroekonomi, Volume.27, No.2: 135-163. Oktober, ISSN (Online) 2541-1527

http://www.ejurnal.litbang.pertanian.go.id.

Utari, G.A Diah., S, Retni, Cristina., & Sudiro, Pambudi. 2015. Inflasi di Indonesia: Karakteristik dan

Pengendaliannya. Working Paper. Bank Indonesia.

https://bkp.pertanian.go.id/

http://www.ejurnal.litbang.pertanian.go.id/

pengaruh fluktuasi harga komoditas pangan terhadap inflasi

Documents