risiko harga cabai merah keriting dan cabai merah besar di ... · pertanian merupakan sektor yang...

i

RISIKO HARGA CABAI MERAH KERITING DAN CABAI MERAH BESAR

DI INDONESIA

SKRIPSI

RATNA MEGA SARI H34050720

DEPARTEMEN AGRIBISNIS FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR BOGOR

2009

ii

RINGKASAN

RATNA MEGA SARI. Risiko Harga Cabai Merah Keriting dan Cabai Merah Besar di Indonesia. Skripsi. Departemen Agribisnis, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor (Di bawah bimbingan ANNA FARIYANTI)

Pertanian merupakan sektor yang berperan penting dalam perekonomian nasional. Hal ini dikarenakan sektor tersebut adalah salah satu sektor yang memiliki kontribusi besar terhadap total PDB nasional. Sektor pertanian menempati urutan ke tiga dari sembilan sektor perekonomian nasional dengan kontribusi sebesar 13,83 persen dari total PDB 2007. Kendati hanya berada pada urutan ke empat namun laju pertumbuhan PDB sektor ini mampu mengungguli sektor-sektor lainnya yaitu sebesar 26,32 persen. Salah satu komponen yang menjadi penyumbang PDB pertanian adalah subsektor hortikultura. Subsektor ini berkontribusi sebesar 21,17 persen terhadap total PDB pertanian dengan kecenderungan yang terus meningkat dari tahun-tahun. Cabai besar merupakan produk hortikultura yang memiliki harga yang sangat berfluktuasi. Adanya fluktuasi harga ini merupakan suatu risiko yang dihadapi oleh petani. Sewaktu–waktu harga sangat tinggi namun tidak berselang lama harga dapat turun dengan drastis. Kesenjangan harga tertinggi dan terendah pada komoditi cabai merah cukup besar. Sepanjang tahun 2006-2008 cabai merah keriting terendah berada pada harga Rp 2800 per kilogram sedangkan harga tertinggi adalah Rp 26000 per kilogram. Sementara itu untuk cabai merah besar harga terendah berada pada titik Rp 3000 dan harga tertinggi Rp 25000. Penelitian ini bertujuan untuk menganalisis risiko harga cabai merah besar dan cabai merah keriting di Indonesia dan alternatif strategi yang efektif terkait dengan adanya risiko harga komoditi cabai merah besar dan cabai merah keriting di Indonesia.

Jumlah data yang digunakan dalam penelitian ini sebanyak 1147 data yang merupakan data harga harian cabai merah pada periode Januari 2006 hingga Februari 2009 di Pasar Induk Kramat Jati. Pengolahan dan analisis data dilakukan secara kuantitatif dan kualitatif. Analisis kuantitatif dilakukan untuk menganalisis risiko harga cabai merah dengan menggunakan model ARCH GARCH dan perhitungan VaR (Value at Risk). Analisis kualitatif dilakukan melalui wawancara, diskusi dan observasi. Hasil analisis risiko terhadap cabai merah keriting dan cabai merah besar menunjukkan bahwa fluktuasi harga tidak terlepas dari adanya pengaruh permintaan dan penawaran di pasar. Harga cabai merah biasanya naik pada akhir tahun dimana banyak perayaan hari-hari besar keagamaan seperti lebaran, natal dan tahun baru. Harga rendah terjadi pada bulan-bulan Mei hingga Agustus dimana pada saat tersebut biasanya terjadi oversupply karena panen serentak yang terjadi pada lahan pertanian cabai Indonesia.

Berdasarkan Analisis ARCH GARCH diketahui bahwa model yang terbaik untuk meramalkan harga cabai merah keriting adalah ARCH (1) dan GARCH (2). Hal ini berarti pola pergerakan harga cabai merah keriting dipengaruhi oleh volatilitas pada satu hari sebelumnya dan varian pada dua hari sebelumnya. Model terbaik yang dapat digunakan untuk meramalkan risiko harga cabai merah besar adalah ARCH (1) GARCH (2). Hal ini berarti pola pergerakan

iii

harga cabai merah besar dipengaruhi oleh volatilitas dan varian satu hari sebelumnya. Berdasarkan perhitungan VaR (Value at Risk) diperoleh bahwa tingkat risiko yang diperoleh oleh petani untuk komoditi cabai merah keriting adalah sebesar 14,68 persen sedangkan untuk cabai merah besar adalah sebesar 4,85 persen. Risiko harga cabai merah keriting yang lebih tinggi dibandingkan cabai merah besar menunjukkan bahwa untuk setiap rupiah yang diterima maka risiko harga yang cabai merah keriting lebih besar dibandingkan cabai merah besar. Jika penerimaan petani cabai merah pada lahan seluas satu hektar adalah sebesar Rp 91.800.000,00 maka dalam periode penjualan satu hari tingkat risiko yang diterima petani untuk komoditi cabai merah keriting adalah sebesar Rp 13.476.240,00 dan cabai merah besar adalah sebesar Rp 4.452.300,00. Tingkat risiko cabai merah keriting yang lebih besar dibandingkan cabai merah besar disebabkan oleh volume permintaan cabai merah keriting yang lebih besar dengan pasokan yang lebih berfluktuasi. Upaya mengatasi risiko harga dapat berjalan dengan efektif bila adanya kerjasama antara pihak-pihak yang terlibat di dalamnya seperti petani, pedagang dan pemerintah. Usaha mengatasi risiko harga dari sisi petani dilakukan melalui perhitungan yang cermat dalam penentuan masa tanam cabai, menghindari penanaman cabai besar pada satu hamparan (diversifikasi tanaman), rotasi tanaman, pembuatan produk olahan cabai dan sistem kontrak. Pedagang merupakan elemen penting dalam menjamin sampainya cabai dari produsen (petani) ke konsumen. Strategi pengurangan risiko yang dilakukan oleh pedagang yaitu penjualan cabai pada industri makanan dan pengeringan cabai. Upaya pengurangan risiko harga akan berjalan dengan lebih baik melalui dukungan dari pemerintah. Upaya pengurangan risiko harga oleh pemerintah dilakukan melalui pembentukan atau pengaktifan koperasi dan kelompok tani, pengaturan pola produksi serta penyuluhan dan pembinaan yang intensif terkait dengan budidaya dan pendekatan terhadap petani terkait pentingnya kebijakan pengaturan pola produksi untuk mengurangi risiko harga.

Upaya meminimalisir adanya risiko harga cabai merah keriting dan cabai merah besar sebaiknya dilakukan secara terintegrasi antara petani, pedagang pemerintah dan pihak-pihak lainnya. Semua komponen yang terkait harus dapat bekerja sama untuk mengatasi risiko harga agar dapat lebih efektif. Kerjasama yang dilakukan antara berbagai pihak tersebut hendaknya diiringi dengan konsistensi dan komitmen yang kuat untuk agar dalam upaya mencapai hasil yang diharapkan dapat lebih efisien. Penelitian mengenai cabai terutama terkait dengan upaya budidaya agar dapat ditanam di berbagai musim serta meminimalkan risiko produksi perlu terus dikembangkan. Hal ini juga berhubungan dengan usaha untuk menyukseskan kebijakan pengaturan pola produksi cabai besar untuk mengurangi risiko harga. Selain itu peran Asosiasi Agribisnis Cabai Indonesia yang baru terbentuk pada tanggal 22 November 2008 diharapkan dapat lebih optimal dalam menghadapi risiko harga cabai merah yang cukup tinggi tersebut.

iv

RISIKO HARGA CABAI MERAH KERITING DAN CABAI MERAH BESAR

DI INDONESIA

RATNA MEGA SARI H34050720

Skripsi ini merupakan salah satu syarat untuk Memperoleh gelar Sarjana Ekonomi pada

Departemen Agribisnis

DEPARTEMEN AGRIBISNIS FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR BOGOR

2009

v

Judul : Risiko Harga Cabai Merah Keriting dan Cabai Merah Besar di Indonesia

Nama : Ratna Mega Sari

NIM : H34050720

Disetujui, Pembimbing

Dr. Ir. Anna Fariyanti, MSi. NIP. 19640921 199003 2 001

Diketahui Ketua Departemen Agribisnis

Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor

Dr. Ir Nunung Kusnadi, MS. NIP. 19580908 198403 1 002

Tanggal Lulus :

vi

PERNYATAAN

Dengan ini saya menyatakan bahwa skripsi saya yang berjudul ” Risiko Harga

Cabai Merah Keriting dan Cabai Merah Besar di Indonesia” adalah karya sendiri

dan belum diajukan dalam bentuk apapun kepada perguruan tinggi manapun.

Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun

tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan

dalam bentuk daftar pustaka di bagian akhir skripsi ini.

Bogor, Agustus 2009

Ratna Mega Sari H34050720

vii

RIWAYAT HIDUP

Penulis lahir di Kota Madya Dumai Propinsi Riau pada tanggal 16

Agustus 1987 sebagai anak pertama dari lima bersaudara pasangan Bapak Yarmi

Tanjung dan Ibu Nofriyetti.

Penulis menempuh pendidikan dasar di SDN 011 Dumai Kota dan SD

Negeri 002 Pangkalan Sesai tahun 1993. Kemudian melanjutkan ke Sekolah

Lanjutan Tingkat Pertama di SLTP Negeri 4 Dumai pada tahun 2002. Selanjutnya

penulis menyelesaikan pendidikan menengah atas di SMA Negeri 2 Dumai dan

lulus pada tahun 2005. Pada tahun yang sama penulis di terima sebagai

mahasiswa Departemen Agribisnis IPB melalui jalur BUD (Beasiswa Unggul

Daerah) Pemerintah Daerah Kota Madya Dumai.

Selama menjadi mahasiswa penulis aktif dalam berbagai kegiatan

organisasi seperti IKPMR, UKM FORCES, DKM Alhurriyah, dan HIPMA IPB.

Penulis juga pernah aktif sebagai asisten mata kuliah ekonomi umum dan

Pendidikan Agama Islam serta menjadi tentor pada bimbingan belajar Nurul Fikri

cabang Bogor. Penulis juga sempat berpartisipasi pada beberapa kompetisi karya

tulis tingkat nasional serta pernah meraih Juara I dalam Kompetisi Karya Tulis

Mahasiswa bidang IPS antar universitas wilayah B di Pontianak dan Juara III

Kompetisi Karya Tulis Mahasiswa pada PIMNAS 2008 di Semarang. Selain itu

penulis juga pernah mengikuti program IELSP Schoolarship di Ohio University

USA selama dua bulan.

viii

KATA PENGANTAR

Puji dan syukur kehadirat Allah SWT yang berkat rahman dan rahimnya

penulis dapat menyelesaikan penulisan skripsi yang berjudul “Risiko Harga

Cabai Merah Keriting dan Cabai Merah Besar Di Indonesia”. Penyusunan skripsi

ini merupakan salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada

Departemen Agribisnis, Fakultas Ekonomi dan Manajemen, Institut Pertanian

Bogor.

Penulisan skripsi ini dilatarbelakangi oleh adanya permasalahan fluktuasi

harga yang dialami oleh petani cabai merah. Adanya ketidakpastian harga

tentunya akan berdampak pada ketidakpastian penerimaan. Oleh karena itu

diperlukan suatu penelitian yang dapat menganalisis risiko yang dihadapi oleh

petani dan merumuskan strategi yang tepat untuk mengatasi permasalahan

tersebut.

Upaya memberikan yang terbaik telah dilakukan secara optimal dalam

penyusunan skripsi ini, namun penulis menyadari bahwa skripsi masih jauh dari

sempurna sehinggan saran dan kritik yang membangun sangat diharapkan untuk

perbaikan di kemudian hari. Semoga skripsi ini dapat bermanfaat khususnya bagi

berbagai pihak yang terkait dan bagi pembaca pada umumnya.

Bogor, Agustus 2009

Ratna Mega Sari

ix

UCAPAN TERIMA KASIH

Proses penyusunan skripsi ini tidak terlepas dari bantuan dan dukungan

berbagai pihak. Oleh karena itu, penulis menyampaikan ucapan syukur yang tidak

terhingga kepada Allah SWT dan terima kasih kepada:

1. Dr. Ir. Anna Fariyanti, M.Si sebagai dosen pembimbing yang telah

memberikan bimbingan, motivasi, saran dan perhatian yang sangat berarti

bagi penulis hingga penyusunan skripsi ini selesai.

2. Ir. Netti Tinaprilla, MM sebagai dosen penguji utama dalam sidang skripsi

yang telah memberikan saran dan masukan dalam menyempurnakan skripsi

ini.

3. Dra. Yusalina, M.Si sebagai dosen penguji dari komisi pendidikan yang telah

memberikan saran dan masukan untuk penyempurnaan dalam penyusunan

skripsi ini.

4. Mama dan papa tercinta serta adik-adik (Aam, Ayu, Dian dan Uci) yang

selalu mendoakan, memberikan motivasi dan kasih sayang pada penulis.

5. Ir. Lukman M Baga, Ma.Ec sebagai dosen pembimbing akademik yang telah

membimbing penulis selama mengikuti masa perkuliahan di departemen

agribisnis.

6. Bapak Khaerul dan Bapak Suminto serta seluruh staf kantor Pasar Induk

Kramat Jati yang telah membantu penulis selama pengumpulan data dan

memberikan informasi yang sangat berguna dalam penelitian ini.

7. Bapak Drs. Raskim Dwi Putra, SMHk dan Bapak-Bapak Kelompok Tani

Sumur Lonjong Desa Lelea Kabupaten Indramayu serta Cicin Yulianti yang

sangat membantu penulis pada saat pengambilan data di Indramayu.

8. Seluruh staf sekretariat Departemen Agribisnis yang telah membantu penulis.

9. Novi Herviyani atas kesediaannya menjadi pembahas dalam seminar hasil

skripsi yang telah memberikan masukan yang berarti dalam penyempurnaan

penyusunan skripsi ini.

10. Mba dan saudara-saudaraku dalam lingkaran hikmah yang penuh dengan cinta

dan canda tawa. Mba Yusni, Kak Fajar, Mba Rina dan Ojak yang senantiasa

penulis repotkan untuk konsultasi pengolahan data skripsi.

x

11. Saudara-saudaraku se-FEM, I can’t find words to describe how special you

are. I love you because of Allah deeply.

12. Afifah Crew, terima kasih atas semua suka dan duka yang kita bagi bersama.

13. Teman-teman AGB 42 dan adik-adik AGB 43 yang telah mengajari banyak

hal tentang arti persahabatan. Kalian semua adalah orang-orang luar biasa

yang memberi warna dan goresan dalam lukisan sejarah hidupku.

14. Bapak dan Ibu staf pengajar bimbingan belajar Nurul Fikri, terimakasih atas

dorongan, motivasi dan pengertiannya selama penyusunan skripsi ini.

15. The Roller Coaster, sebuah selipan kisah tak terlupakan di negeri asing pada

masa-masa penulisan tugas akhir. We are friends forever

16. Seluruh pihak yang tidak dapat disebutkan satu persatu. Terima kasih untuk

segalanya

Semoga tali persahabatan dan persaudaraan kita tetap terjalin dan hanya

Allah SWT yang dapat membalas segala amal kebaikan yang telah diberikan,

Amin.

Bogor, Agustus 2009

Ratna Mega Sari

xi

DAFTAR ISI

Halaman

DAFTAR ISI .......................................................................................... xi

DAFTAR TABEL .................................................................................. xiii

DAFTAR GAMBAR ............................................................................. xiv

DAFTAR LAMPIRAN .......................................................................... xv

I. PENDAHULUAN ......................................................................... 1

1.1. Latar Belakang ....................................................................... 1 1.2. Perumusan Masalah ............................................................... 6 1.3. Tujuan Penelitian .................................................................. 7 1.4. Kegunaan Penelitian ............................................................... 8 1.5. Ruang Lingkup Penelitian ....................................................... 8

II. TINJAUAN PUSTAKA ................................................................. 9

2.1. Deskripsi Tanaman Cabai ........................................................ 9 2.2. Jenis-Jenis Cabai Komersial .................................................... 10 2.6. Penelitian Terdahulu ............................................................... 14

2.6.1. Studi Terdahulu Mengenai Risiko ................................. 14 2.6.2. Studi Terdahulu Mengenai Cabai Besar ........................ 15

III. KERANGKA PEMIKIRAN ......................................................... 18

3.1. Kerangka Pemikiran Teoritis ................................................... 18 3.1.1. Konsep Risiko ............................................................... 18 3.1.2. Risiko Pertanian ............................................................ 21 3.1.3. Permintaan, Penawaran dan Penentuan Harga Barang .... 24 3.1.4. Pemodelan Volatilitas Time Series ............................... 30 3.1.5 ARCH Error .................................................................. 31 3.1.6 Model ARCH-GARCH ................................................. 32 3.1.7 Value at Risk (VaR) ...................................................... 34

3.2. Kerangka Pemikiran Operasional ........................................... 34 IV. METODE PENELITIAN .............................................................. 37

4.1. Lokasi dan Waktu Penelitian ................................................... 37 4.2. Data dan Sumber Data ............................................................. 37 4.3. Metode Pengumpulan Data ..................................................... 37 4.4. Pengolahan dan Analisis Data ................................................. 38 4.5. Peramalan Tingkat Risiko ....................................................... 38

4.5.1. Analisis ARCH-GARCH .............................................. 38 4.5.2. Perhitungan VaR (Value at Risk) .................................. 41

4.6. Definisi Operasional ................................................................ 41

xii

V. GAMBARAN UMUM CABAI BESAR DI INDONESIA ............ 43

5.1. Sejarah Penyebaran Cabai Besar di Indonesia .......................... 43 5.2. Gambaran Daerah Sentra dan Petani Cabai Besar di Indonesia 44 5.3. Pemasaran Cabai Besar di Indonesia ....................................... 45 5.4. Pasar Induk Kramat Jati .......................................................... 46

VI. HASIL DAN PEMBAHASAN ....................................................... 52

6.1. Risiko Harga Cabai Besar ....................................................... 52 6.2. Alternatif Strategi Mengurangi Risiko Harga Cabai Besar di Indonesia ............................................................................. 64 6.2.1 Strategi Pengurangan Risiko Harga oleh Petani ............. 64 6.2.2 Strategi Pengurangan Risiko Harga oleh Pedagang ....... 68

6.2.3 Strategi Pengurangan Risiko Harga oleh Pemerintah ..... 69 VII. KESIMPULAN DAN SARAN ...................................................... 72

7.1. Kesimpulan .............................................................................. 72 7.2. Saran ........................................................................................ 73

DAFTAR PUSTAKA ............................................................................ 74

LAMPIRAN ............................................................................................ 76

xiii

DAFTAR TABEL

Nomor Halaman

1. Nilai Kontribusi Kelompok Komoditas Terhadap Total PDB Hortikultura Berdasarkan Harga Konstan Periode 2003-2006 .............................................................................. 2

2. Penyerapan Tenaga Kerja Subsektor Hortikultura Tahun 2003-2006 ............................................................................... 2

3. Luas Panen Tanaman Sayuran di Indonesia Periode 2003-2007 (%) ........................................................... 4

4. Kebutuhan Perkapita (Kg) Beberapa Jenis Cabai di Indonesia Tahun 2003-2006 ................................................................... 5

5. Pengelompokan Kepedasan Cabai dalam Perdagangan Internasional .......................................................................... 11

6. Analisis Ekonomi Agribisnis Cabai Secara Umum ................. 12

7. Studi Terdahulu yang Berkaitan dengan Penelitian ................. 17

8. Daerah Sentra Penanaman Cabai Besar di Indonesia ............. 44

9. Komoditi Sayuran yang Diperdagangkan di Pasar Induk Kramat Jati dan Daerah Asalnya Tahun 2008 ......................... 48

10. Komoditi Buah-Buahan yang Diperdagangkan di Pasar Induk Kramat Jati dan Daerah Asalnya Tahun 2008 ................ 49

11. Model Regresi Harga dan Pasokan Cabai Besar .................... 54

12. Ringkasan Hasil Uji ARCH LM Model Cabai Besar ............... 55

13. Ringkasan Uji Coba Model ARCH GARCH Cabai Besar ..... 58

14. Model ARCH GARCH Terbaik Cabai Besar ......................... 59

15. Persamaan Model ARCH GARCH Terbaik Cabai Besar ....... 59

16. Besar Risiko Cabai Besar Berdasarkan Total Penerimaan Petani .................................................................................... 60

xiv

DAFTAR GAMBAR

Nomor Halaman

1. Plot Harga Cabai Besar Bulan Januari 2006-Februari 2009 .... 6

2. Hubungan Antara Variance dan Expected Return .................. 19

3. Fungsi Utilitas dengan Marginal Utility Menurun, Meningkat dan Tetap .............................................................................. 20

4. Pergeseran Kurva Permintaan ............................................... 27

5. Pergeseran Kurva Penawaran ................................................ 29

6. Kerangka Pemikiran Operasional .......................................... 36

7. Alur Keluar Masuk cabai Besar di Pasar Induk Kramat jati ... 51

8. Plot Harga Cabai Merah Keriting di Pasar Induk Kramat Jati Januari 2006-Februari 2009 ................................................... 53

9. Plot Harga Cabai Merah Besar di Pasar Induk Kramat Jati Januari 2006-Februari 2009 ................................................... 54

10. Kurtosis Model Cabai Merah Keriting ................................... 56

11. Kurtosis Model Cabai Merah Besar ....................................... 57

xv

DAFTAR LAMPIRAN

Nomor Halaman

1. Distribusi Persentase Produk Domestik Bruto Atas Dasar Harga Berlaku Menurut Lapangan Usaha .............................. 77

2. Laju Pertumbuhan Produk Domestik Bruto Atas Dasar Harga Berlaku Menurut Lapangan Usaha (persen) ................. 78

3. Deskripsi Komponen Biaya Produksi Cabai Besar Menurut Topan (2008) ........................................................................ 79

4. Jenis-Jenis ARCH GARCH ................................................... 81

5. Model Regresi Cabai Merah Keriting .................................... 83

6. Uji ARCH LM Terhadap Model Regresi Cabai Merah Keriting ................................................................................. 83

7. Model ARCH (1) GARCH (0) Cabai Merah Keriting ............ 84

8. Uji ARCH LM Terhadap Model ARCH (1) GARCH (0) Cabai Merah Keriting.............................................................. 84

9. Model ARCH (1) GARCH (1) Cabai Merah Keriting .............. 85












21. Model Regresi Cabai Merah Besar .......................................... 96

22. Uji ARCH LM Terhadap Model Regresi Cabai Merah Besar .. 96

23. Model ARCH (1) GARCH (0) Cabai Merah Besar .................. 97

xvi

24. Uji ARCH LM Terhadap Model ARCH (1) GARCH (0) Cabai Merah Besar .................................................................. 98

25. Model ARCH (1) GARCH (1) ................................................ 99












1

I PENDAHULUAN

1.1 Latar Belakang

Pertanian merupakan sektor yang berperan penting dalam perekonomian

nasional. Lebih dari 40 persen masyarakat Indonesia menggantungkan hidupnya

pada sektor ini baik secara langsung maupun tidak langsung. Oleh karena itu

pertanian adalah salah satu sektor yang memiliki kontribusi besar terhadap total

PDB nasional. Sektor pertanian menempati urutan ke tiga dari sembilan sektor

perekonomian nasional dengan kontribusi sebesar 13,83 persen dari total PDB

2007. Kendati hanya berada pada urutan ke tiga namun laju pertumbuhan PDB

sektor ini mampu mengungguli sektor-sektor lainnya yaitu sebesar 26,32 persen

(BPS 2008). Persentase distribusi dan laju pertumbuhan produk domestik bruto

pertanian menurut lapangan usaha dapat dilihat pada Lampiran 1 dan 2.

Menurut Direktorat Jenderal Hortikultura (2007) pada tahun 2004 PDB

nasional horikultura adalah sebesar Rp 56,84 triliun, tahun 2005 meningkat

sebesar 61,79 triliun dan pada tahun 2006 diperkirakan meningkat sebesar 65,88

triliun dengan rata-rata peningkatan sebesar 7,50 persen. Peningkatan ini terjadi

karena adanya peningkatan produksi dan luas panen disamping nilai ekonomi

produk hortikultura yang cukup tinggi dibandingkan komoditas lainnya. Sejauh

ini di dalam sektor pertanian, PDB hortikultura menempati urutan ke dua setelah

subsektor tanaman pangan. Kontribusi hortikultura adalah sebesar 21,17 persen

terhadap total PDB pertanian diatas peternakan dan perkebunan, sementara

subsektor tanaman pangan memberikan kontribusi sebesar 40,75 persen.

Subsektor hortikultura terdiri dari berbagai jenis kelompok komoditas

yaitu buah-buahan, sayuran, biofarmaka dan tanaman hias. Secara umum jika

ditinjau dari sisi kontribusi terhadap total PDB hortikultura, maka buah-buahan

merupakan kelompok komoditas yang memiliki kontribusi terbesar diikuti dengan

kelompok sayur-sayuran, biofarmaka dan tanaman hias. Persentase kontribusi

PDB kelompok komoditas hortikultura dari tahun 2003-2006 dapat dilihat pada

Tabel 1.

2

Tabel 1. Nilai Kontribusi Kelompok Komoditas Terhadap Total PDB Hortikultura Berdasarkan Harga Konstan Periode 2003 – 2006 (%)

2003 2004 2005 2006

1 Buah-buahan 52.40 54.12 50.82 52.45

2 Sayuran 38.18 36.50 37.10 37.26

3 Biofarmaka 10.48 12.71 4.54 2.29

4 Tanaman Hias 8.35 8.11 7.54 8.00

Sumber : Direktorat Jenderal Hortikultura (2008)

Jika ditinjau dari sisi penyerapan tenaga kerja, maka subsektor hortikultura

ternyata juga menyerap tenaga kerja dalam jumlah yang cukup besar dengan

kecenderungan yang terus meningkat dari tahun ke tahun. Sayuran memiliki

kontribusi penyerapan tenaga kerja yang paling besar, jauh di atas kelompok

komoditas lainnya. Kontribusi penyerapan tenaga kerja mampu menembus angka

50 persen diikuti dengan kelompok komoditas lainnya yaitu buah-buahan,

tanaman hias dan biofarmaka. Persentase penyerapan tenaga kerja masing-masing

kelompok komoditas hortikultura dapat dilihat pada Tabel 2.

Tabel 2. Penyerapan Tenaga Kerja Subsektor Hortikultura Tahun 2003-2006 (%)

2003 2004 2005 2006

1 Buah-buahan 19.99 19.95 20.92 19.57

2 Sayuran 79.46 79.43 78.30 79.58

3 Tanaman Hias 0.05 0.06 0.05 0.02

4 Biofarmaka 0.51 0.56 0.72 0.83


Selain sebagai kontributor PDB pertanian yang penting, hortikultura juga

merupakan salah satu produk pertanian yang berperan dalam pemenuhan

kebutuhan pangan masyarakat. Hal ini terkait dengan fungsinya sebagai sumber

gizi berupa vitamin dan mineral. Aneka ragam vitamin dan mineral tersebut

diperoleh dari berbagai macam produk hortikultura yang terdiri dari buah-buahan

dan sayur-sayuran.

3

Cabai adalah produk hortikultura sayuran yang digolongkan ke dalam tiga

kelompok yaitu cabai besar, cabai kecil dan cabai hias. Diantara ketiga jenis cabai

tersebut, cabai besar merupakan jenis yang paling banyak diperdagangkan dalam

masyarakat. Cabai besar terdiri dari cabai merah besar dan cabai merah keriting.

Cabai merah besar memiliki kulit permukaan yang lebih halus dibandingkan cabai

merah keriting, sedangkan cabai merah keriting memiliki rasa yang lebih pedas

dibandingkan dengan cabai merah besar.

Cabai besar merupakan salah satu produk hortikultura yang menarik.

Investor menilai cabai merah sebagai produk yang memiliki harga paling tinggi

dan genjah sehingga modal dapat dengan cepat kembali, sedangkan bagi

konsumen cabai merah memiliki peran yang cukup penting sebagai bahan

rempah, penghias makanan, bahan pewarna, aroma dan pemberi rasa pedas. Selain

itu, cabai juga mengandung beberapa zat gizi seperti vitamin A, B, C dan beta

karoten.

Cabai besar memiliki luas panen yang paling tinggi diantara jenis komoditi

sayuran lainnya. Kendati luas panen cabai besar mengalami penurunan dari tahun

ke tahun sejak tahun 2003 sampai 2007 namun luas panennya tetap berada di atas

angka 100.000 ha setiap tahunnya. Komoditi ini merupakan satu-satunya jenis

sayuran yang luas areal panennya mampu menembus angka 100.000 ha dari tahun

ke tahun dengan persentase 10 sampai 13 persen diantara komoditi sayuran

lainnya. Jumlah luas panen ini kemudian diikuti oleh komoditi sayuran seperti

cabai rawit dan bawang merah pada tahun 2007. Luas panen cabai rawit berkisar

antara 6 sampai 10 persen sedangkan luas panen bawang merah berada pada

kisaran 9 sampai 10 persen. Secara lengkap persentase luas panen beberapa jenis

tanaman sayuran di Indonesia ditunjukkan oleh Tabel 3.

4

Tabel 3. Luas Panen Tanaman Sayuran di Indonesia Periode 2003-2007 (%)

2003 2004 2005 2006 2007 1 Bawang Merah 9.64 9.07 8.85 8.85 9.35 2 Bawang Putih 0.69 0.50 0.35 0.31 0.27 3 bawang Daun 4.21 4.68 4.81 5.09 4.74 4 Kentang 7.22 6.69 6.52 5.93 6.23 5 Lobak 0.18 0.25 0.35 0.36 0.32 6 Kol/Kubis 7.06 6.96 6.11 5.73 6.06 7 Petsai/Sawi 4.78 5.80 5.48 5.69 5.49 8 Wortel 2.35 2.47 2.61 2.29 2.37 9 kacang Merah 3.51 3.43 3.66 3.25 2.49 10 Kembang Kol 0.57 0.71 0.93 0.99 0.93 11 Cabai Besar 12.62 11.27 10.96 11.22 10.72 12 Cabai Rawit 6.68 8.64 8.86 9.10 9.65 13 Tomat 5.24 5.39 5.42 5.31 5.14 14 Terung 4.86 4.63 4.80 4.89 4.75 15 Buncis 3.57 3.36 3.41 3.45 3.13 16 Ketimun 5.71 5.15 5.62 5.82 5.65 17 Labu Siam 0.97 1.04 1.01 1.24 1.10 18 Kangkung 3.42 3.86 3.83 4.41 4.69 19 Bayam 3.61 3.52 3.91 4.25 4.37 20 Kacang Panjang 9.14 8.72 8.98 8.41 8.53 21 Jamur 0.03 0.03 0.03 0.03 0.04 22 Melinjo 1.91 1.84 1.72 1.45 1.42 23 Petai 2.03 1.98 1.78 1.94 2.55 Total Sayuran 100 100 100 100 100


Kebutuhan cabai perkapita Indonesia sangat fluktuatif dari tahun ke tahun.

Jumlah konsumsi cabai tersebut akan terus mengalami peningkatan seiring dengan

pertambahan jumlah penduduk Indonesia setiap tahunnya. Jika kebutuhan

perkapita cabai merah Indonesia adalah 1,38 kg dengan jumlah penduduk tahun

2008 sekitar 220 juta orang maka kebutuhan cabai merah Indonesia adalah

303.600.000 Kg per tahun. Tabel 4 menunjukkan perubahan kebutuhan perkapita

beberapa jenis cabai di Indonesia.

5

Tabel 4. Kebutuhan Perkapita (Kg) Beberapa Jenis Cabai di Indonesia Tahun 2003-2006

No Komoditi 2003 2004 2005 2006

1 Cabai besar 1.35 1.36 1.51 1.38

2 Cabai rawit 1.20 1.14 1.16 1.16

3 Cabai hijau 0.23 0.24 0.24 0.23

Sumber : Departemen Pertanian (2008)

Berdasarkan data yang diperoleh dari Departemen Pertanian (2008)

volume ekspor cabaipun terus mengalami peningkatan dari tahun ke tahun. Pada

tahun 2003 jumlah cabai yang diekspor adalah sebanyak 1,110,553 kg. Kuantitas

ini terus mengalami peningkatan pada tahun 2004 dimana volume ekspor menjadi

1,879,374 kg. Peningkatan yang cukup drastis terjadi pada tahun 2005 yaitu

sebesar 5,617,739 kg. Sedangkan pada tahun 2006 volume ekspor kembali

meningkat menjadi 8,004,450 kg.

Cabai merupakan komoditi yang memiliki nilai ekonomi tinggi dan

fenomenal sehingga dijuluki sebagai emas merah. Berdasarkan data yang

diuraikan tersebut maka sebenarnya cabai merah merupakan komoditi yang sangat

potensial untuk dibudidayakan. Kendati demikian petani cabai merah tidak

selamanya mengalami keuntungan. Ada waktu dimana petani sering mengalami

kerugian yang sangat besar. Hal ini terkait dengan risiko yang dihadapi oleh

petani terutama dari sisi harga. Harga cabai merah sangat fluktuatif. Hal ini tidak

terlepas dari adanya pengaruh permintaan dan penawaran yang terjadi di pasar.

Oleh karena itu, penelitian mengenai risiko harga dan perumusan strategi terkait

dengan adanya risiko harga tersebut perlu dilakukan untuk membantu petani serta

pihak lain yang menghadapi risiko harga seperti pedagang.

Pasar Induk Kramat Jati adalah fasilitas pusat perdagangan besar sayur-

mayur dan buah-buahan di DKI Jakarta yang bersifat menyeluruh dengan fasilitas

terlengkap. Umumnya petani di daerah Jawa dan Sumatera menjual hasil

pertaniannya ke pasar ini yang kemudian didistribusikan kembali ke berbagai

tempat. Oleh karena itu, Departemen Pertanian menjadikan harga komoditi

6

sayuran dan buah-buahan yang ada di tempat ini sebagai salah satu referensi untuk

melihat harga komoditi secara nasional termasuk komoditi cabai besar. Dengan

demikian, penentuan model risiko harga cabai merah keriting dan cabai merah

besar dilakukan berdasarkan data fluktuasi harga yang diperoleh dari Pasar Induk

Kramat Jati.

1.2 Perumusan Masalah

Adanya fluktuasi harga ini merupakan suatu risiko yang dihadapi oleh

petani. Sewaktu – waktu harga sangat tinggi namun tidak berselang lama harga

dapat turun dengan drastis. Fluktuasi harga cabai merah keriting dan cabai merah

besar dari bulan januari 2006 sampai dengan bulan Februari 2009 dapat dilihat

pada Gambar 1

Hari

Har

ga c

abai

bes

ar p

er k

ilogr

am

10359208056905754603452301151

25000

20000

15000

10000

5000

0

Variab leC abai Merah KeritingC abai Merah Besar

Gambar 1. Plot Harga Cabai Besar Bulan Januari 2006 – Februari 2009 Sumber : Pasar Induk Kramat Jati (2008)

Kesenjangan harga tertinggi dan terendah pada komoditi cabai merah

cukup besar. Sepanjang tahun 2006-2008 cabai merah keriting terendah berada

pada harga Rp 2800 per kilogram, sedangkan harga tertinggi adalah Rp 26000 per

7

kilogram. Sementara itu untuk cabai merah besar harga terendah berada pada titik

Rp 3000 dan harga tertinggi Rp 25000.

Cabai besar merupakan produk hortikultura yang memiliki karakteristik

perishable (mudah rusak). Oleh karena itu, komoditi ini tidak dapat disimpan

dalam waktu yang relatif lama. Cabai besar yang sudah dipanen harus sesegera

mungkin sampai ke tangan konsumen agar langsung diolah sesuai dengan

kebutuhan. Cabai besar juga sangat rentan terhadap perubahan cuaca dan hama

penyakit yang berakibat pada ketidakpastian hasil produksi. Selain itu disisi lain

permintaan cabai juga bergantung pada waktu-waktu tertentu seperti hari-hari

besar keagamaan seperti lebaran, natal dan tahun baru, pendapatan serta daya beli

masyarakat. Hal inilah yang pada umumnya menjadi faktor-faktor penentu

fluktuasi harga cabai besar di Indonesia.

Berdasarkan uraian di atas maka permasalahan yang akan dikaji dalam

penelitian ini adalah :

1. Bagaimana risiko harga cabai merah keriting dan cabai merah besar di

Indonesia?

2. Bagaimana alternatif strategi dalam mengurangi risiko harga cabai merah

keriting dan cabai merah besar di Indonesia ?

1.3 Tujuan Penelitian

Berdasarkan perumusan masalah tersebut, maka tujuan penelitian

adalah:

1. Menganalisis risiko harga cabai merah keriting dan cabai merah besar di

Indonesia

2. Menganalisis alternatif strategi terkait dengan adanya risiko harga komoditi

cabai merah keriting dan cabai merah besar di Indonesia

8

1.4 Kegunaan Penelitian

Penelitian ini diharapkan dapat berguna bagi:

1. Petani dan pedagang, sebagai bahan masukan dalam memperoleh hasil atau

profit yang optimal

2. Penulis, sebagai sarana untuk menambah ilmu pengetahuan dalam

mengaplikasikan ilmu-ilmu yang telah diperoleh serta melatih kemampuan

analisis dalam pemecahan masalah

3. Pembaca, agar dapat mengembangkan dan mengaplikasikan hasil penelitian

1.5 Ruang Lingkup Penelitian

Penelitian ini menganalisis risiko harga cabai merah besar dan cabai merah

keriting sebagai komoditi hortikultura nasional yang penting. Analisis risiko

dilakukan melalui pengamatan terhadap fluktuasi harga masing-masing komoditi

dengan menggunakan model ARCH dan GARCH dan perhitungan nilai VAR

(Value at Risk). Analisis risiko yang dilakukan akan dilanjutkan pada analisis

terhadap strategi pengurangan risiko yang dapat dilakukan melalui pendekatan

deskriptif kualitatif. Analisis risiko dilakukan berdasarkan pada fluktuasi harga

dan pasokan cabai merah keriting dan cabai merah besar di Pasar Induk Kramat

Jati yang ditinjau dari data harga dan pasokan harian kedua komoditi tersebut

selama bulan Januari 2006 sampai dengan Februari 2009. Data harga yang

diperlukan tersebut diperoleh dari kantor Pasar Induk Kramat Jati .

9

II TINJAUAN PUSTAKA

2.1 Deskripsi Tanaman Cabai

Menurut Topan (2008) cabai merupakan komoditi hortikultura yang

termasuk dalam tanaman terna tahunan. Tanaman ini tumbuh tegak dengan batang

berkayu, bercabang banyak, ukuran tinggi mencapai 120 cm dan lebar tajuk

tanaman hingga 90 cm. Cabai memiliki akar tunggang yang terdiri atas akar

utama dan akar lateral yang mengeluarkan serabut dan mampu menenbus ke

dalam tanah hingga 50 cm dan melebar sampai 45 cm.

Terdapat berbagai macam jenis cabai dengan ciri-ciri yang berbeda antara

satu dengan yang lainnya. Diantara jenis cabai tersebut adalah cabai besar, cabai

keriting, cabai hijau, cabai rawit, cabai paprika dan cabai hias. Masing-masing

cabai memiliki tingkat kepedasan yang berbeda-beda. Dalam perdagangan

internasional, cabai dibedakan menjadi tiga kelompok. Pengelompokan tersebut

dilakukan berdasarkan tingkat kepedasan yang dimilikinya, yaitu :

1. Cabai yang sangat pedas

2. Cabai dengan kepedasan pertengahan

3. Cabai dengan tingkat kepedasan kurang

4. Cabai tidak pedas

Kelompok cabai yang sangat pedas diklasifikasikan kembali dalam dua

kelompok yaitu kelompok cabai yang sangat pedas yang digunakan sebagai

ekstraksi oleoresin cabai dan cabai dengan tingkat kepedasan pertengahan. Secara

botanis, cabai yang sangat pedas memiliki ukuran kecil. Beberapa spesies yang

tergolong ke dalam kelompok cabai sangat pedas ini adalah Capsicum frutescens,

Capsicum baccatum, Capsicum chinense, dan Capsicum annum var.

Glabiriusculum.

Kelompok kedua yang merupakan cabai dengan tingkat kepedasan

pertengahan sampai kurang pedas merupakan jenis cabai yang memiliki tingkat

kepedasan yang kurang dibandingkan dengan cabai jenis pertama. Cabai jenis ini

biasanya berukuran lebih besar dan digunakan sebagai cabai bubuk yang memberi

10

rasa pedas dan warna pada makanan. Spesies cabai yang umumnya masuk ke

dalam kelompok ini adalah Capsicum annum.

Kelompok paprika adalah jenis cabai banyak digunakan sebagai bahan

pewarna dan penambah cita rasa makanan. Paprika berukuran besar, berukuran

besar, berbentuk lonjong atau bulat dan daging buahnya relatif tebal. Pada

umumnya paprika termasuk ke dalam spesies Capsicum annum.

2.2 Jenis-Jenis Cabai Komersial

Menurut Suyanti (2007) secara umum cabai digolongkan menjadi tiga

kelompok yaitu cabai besar, cabai kecil dan cabai hias. Cabai kecil dan cabai

besar merupakan jenis cabai yang biasanya diperdagangkan di pasar tradisional.

Umumnya cabai kecil dikenal dengan istilah cabai rawit sedangkan cabai besar

dikenal dengan istilah cabai merah.

1. Cabai besar

Cabai besar (Capsicum annum L) dibedakan menjadi dua kelompok, yaitu

cabai merah besar dan cabai merah keriting. Cabai merah besar memiliki

permukaan yang halus dan rasa yang kurang pedas sedangkan cabai merah

keriting, permukaan kulit buahnya tidak halus, lebih kecil dan rasanya lebih

pedas. Cabai besar memiliki panjang antara 6-10 cm dengan diameter 0,7-1,2 cm

2. Cabai kecil atau cabai rawit

Cabai kecil (Capsicum frustescens) atau yang lebih dikenal dengan cabai

rawit memiliki rasa yang sangat pedas. Cabai rawit memiliki warna kulit buah

yang bervariasi

Berdasarkan tingkat kepedasannya cabai dikelompokkan ke dalam empat

golongan berdasarkan aturan pasar internasional. Cabai berdasarkan tingkat

kepedasannya dibagi menjadi cabai dengan tingkat kepedasan sangat pedas,

kepedasan pertengahan, kepedasan pertengahan, kepedasan kurang dan tidak

pedas. Masing-masing kelompok cabai memiliki bentuk fisik serta kegunaan yang

berbeda-beda. Tabel 5 menunjukkan pengelompokan cabai berdasarkan tingkat

kepedasan, kandungan kapsaisin, warna serta kegunaannya.

11

Tabel 5. Pengelompokan Kepedasan Cabai dalam Perdagangan Internasional

No Kelompok Kepedasan Kandungan Kapsaisin

Warna Kegunaan

1 Cabai dengan tingkat kepedasan sangat pedas

70.000 – 175.000 40 - 100 merah Ekstrak oleoresin

2 Cabai dengan tingkat kepedasan pertengahan

30.000 – 70.000 20-40 merah Bahan campuran rempah-rempah

3 Cabai dengan tingkat kepedasan kurang

0 – 30.000 0 - 20 merah Serbuk cabai

4 Cabai tidak pedas - - Merah tua

Bahan pewarna dan bumbu

Sumber : Abdjad.A.N et al dalam Suyanti (2005)

Setiap petani memiliki perhitungan agribisnis cabai yang berbeda-beda

tergantung pada seberapa besar intensitas perawatan. Budidaya cabai dengan

intensitas perawatan yang tinggi tentunya akan mengakibatkan lebih besarnya

biaya produksi dibandingkan dengan budidaya cabai secara sederhana. Hal ini

tentunya juga akan sejalan dengan hasil yang akan diperoleh. Budidaya cabai

dengan intensitas perawatan yang lebih tinggi akan menghasilkan produksi yang

lebih besar dan berkualitas.

Topan (2008) melakukan perhitungan agribisnis cabai secara umum

dengan menggunakan beberapa asumsi tertentu. Asumsi tersebut terdiri dari

aspek-aspek seperti periode produksi, status lahan, populasi tanaman, jenis cabai,

jumlah produksi, produktivitas, harga jual dan perhitungan bunga bank. Berikut

merupakan beberapa asumsi yang digunakan dalam melakukan perhitungan

agribisnis cabai:

1. Analisis usaha dihitung selama enam bulan (satu kali periode produksi)

2. Lahan penanaman adalah lahan sewa selama enam bulan dengan luas satu

hektar

3. Populasi tanaman 17.000 pohon/ha

4. Jenis cabai yang ditanam adalah cabai hibrida TM 999

12

5. Buah cabai hibrida dapat menghasilkan antara 0,8 sampai 1,2 kilogram.

Jika diambil rata-rata, tiap pohon menghasilkan 1 kg cabai. Dari populasi

seluas satu hektare dihasilkan 17.000 kg cabai

6. Produktivitas cabai 90 persen dengan tingkat kegagalan 10 persen

sehingga diperoleh total hasil sebanyak 15.300 kg

7. Harga jual cabai Rp 6000/kg

8. Biaya produksi ditambah berupa bunga bank sebesar 15 persen

Total keuntungan dihitung melalui pengurangan total pendapatan dengan

total biaya yang terdiri dari total biaya produksi dan biaya tidak terduga.

Komponen biaya produksi yang digunakan dikelompokkan menjadi biaya

penyiapan lahan, biaya pembibitan dan penanaman, serta biaya pemeliharaan

tanaman dan panen. Tabel 6 menunjukkan perhitungan keuntungan yang terdiri

dari komponen-komponen tersebut. Deskripsi yang lebih jelas mengenai

perhitungan pendapatan yang terdiri dari uraian terperinci biaya produksi dan

pendapatan cabai besar dapat dilihat pada Lampiran 3

Tabel 6. Analisis Ekonomi Agribisnis Cabai Secara Umum

Uraian Nilai (Rp)

Biaya Produksi a. Total Penyiapan lahan b. Total biaya pembibitan dan penanaman c. Total biaya pemeliharaan dan panen

16.585.000

2.367.500 17.598.000

Total biaya produksi (a+b+c) 36.550.500

Biaya tak terduga 10 persen 3.655.050

Total biaya 40.205.550

A. Total biaya + bunga bank 15 persen 46. 236.400

B. Pendapatan (Total Produksi x harga jual)

= 15.300 kg x Rp 6.000

91.800.000

C. Keuntungan (B-A)

45.563.600

Sumber: Topan (2008)

13

Berdasarkan komponen-komponen berupa biaya produksi, pendapatan dan

keuntungan maka dapat dianalisis bentuk perhitungan ekonomi lainnya seperti

nilai benefit cost ratio (B/C ratio) dan Titik impas (BEP), baik BEP harga maupun

BEP produksi. Berikut ini merupakan perhitungan nilai B/C ratio serta

perhitungan BEP cabai besar.

1. Nilai benefit Cost Ratio (B/C Ratio)

B/C Ratio = Pendapatan/Total Biaya

= Rp 91.800.000/Rp 46.236.400

= 1,99

Artinya dengan modal Rp 46.236.400, usaha agribisnis cabai akan

memperoleh hasil penjualan sebesar 1,99 kali atau 199 persen dari modal yang

dikeluarkan.

2. Titik Impas (BEP)

a. BEP harga

BEP = Total Biaya/Total Produksi

BEP = Rp 46.236.400/15.300

BEP = Rp 3.201,99

Artinya, jika modal usaha Rp 46.236.400 dan total produksi 15.300 kg,

dengan harga jual cabai Rp 3.021,99/kg perhitungan usaha sudah mencapai titik

impas.

b. BEP Produksi

BEP = Total Biaya/Harga jual

BEP = Rp 46.236.400/6000

BEP = 7.706,07 kg

Artinya, jika modal usaha Rp 46.236.400 dan harga jual cabai Rp 6.000/kg

dengan jumlah produksi 7.706,07 kg perhitungan usaha cabai telah mencapai titik

impas.

14

2.3 Penelitian Terdahulu

2.3.1 Studi Terdahulu Mengenai Risiko

Penelitian mengenai risiko komoditi yang berfokus pada risiko produksi

dilakukan oleh Safitri (2009) dalam skripsinya yang berjudul “Analisis Risiko

Produksi Daun Potong di PT Pesona Daun Mas ASRI, Ciawi Kabupaten Bogor,

Jawa Barat”. Hasil penelitian menunjukkan bahwa adanya risiko produksi pada

usaha daun potong disebabkan oleh beberapa faktor yaitu iklim atau cuaca, tingkat

kesuburan lahan serta serangan hama dan penyakit. Risiko produksi berdasarkan

produktivitas yang paling tinggi terdapat pada daun potong Philodendron marble,

sedangkan risiko produksi berdasarkan pendapatan bersih, daun potong Asparagus

bintang mengalami risiko yang paling tinggi. Selain melakukan kegiatan

spesialisasi, risiko produksi dapat dikurangi dengan diversifikasi.

Selain analisis terhadap risiko produksi, penelitian mengenai risiko harga

juga telah pernah dilakukan. Analisis risiko harga terhadap komoditi agribisnis

dilakukan oleh Siregar (2009) dalam skripsinya yang berjudul ”Analisis Risiko

Harga Day Old Chick (DOC) Broiler dan Layer Pada PT. Sierad Produce Tbk

Parung, Bogor”. Penelitian ini menganalisis risiko harga DOC dengan

menggunakan ARCH-GARCH. Penelitiannya mengambil kesimpulan bahwa

risiko harga DOC broiler dipengaruhi oleh varian dan volatilitas harga DOC

periode sebelumnya. Sedangkan risiko harga DOC Layer hanya dipengaruhi oleh

volatilitas harga DOC layer periode sebelumnya.

Penerapan model ARCH-GARCH terhadap penentuan besar risiko lebih

banyak diaplikasikan terhadap harga saham. Hal ini seperti dilakukan oleh

Ramadhona (2004). Penelitian ini menyimpulkan bahwa model dugaan terbaik

untuk peramalan volatilitas saham AALI adalah GARCH (1,1), saham GGRM

adalah ARCH (1), dan saham INDF adalah ARCH (1). Analisis risiko dengan

model VaR menyimpulkan bahwa saham INDF memiliki tingkat risiko yang

tertinggi dan terendah adalah saham AALI.

Analisis risiko investasi kembali dilakukan oleh Iskandar (2006).

Penelitian yang lebih dikhususkan pada saham agribisnis rokok ini menyimpulkan

bahwa model terbaik untuk meramalkan tingkat risiko saham GGRM adalah

15

ARCH (1) dimana tingkat risiko hanya dipengaruhi oleh besarnya nilai sisaan

pengembalian sehari sebelumnya. Sedangkan model terbaik untuk meramalkan

tingkat risiko saham HMSP dan RMBA adalah GARCH (1,1) dimana tingkat

risiko dipengaruhi oleh besarnya nilai sisaan pengembalian sehari sebelumnya dan

besarnya simpangan baku pengembalian dari rataannya untuk satu hari

sebelumnya.

2.3.2 Studi Terdahulu Mengenai Cabai Besar

Penelitian mengenai cabai merah dilakukan oleh Muharlis (2007) terkait

dengan peramalan dan faktor-faktor penentu fluktuasi harga cabai merah di enam

kota besar di Jawa dan Bali. Hasil penelitian menunjukkan bahwa fluktusi harga

cabai merah besar dan cabai merah keriting cukup besar akibat adanya

ketidakstabilan harga. Fluktuasi harga cabai merah di enam kota besar Jawa dan

Bali di pengaruhi oleh faktor harga jual cabai merah di PIKJ dan harga cabai

merah di tingkat produsen.

Darmawan (2007) menganalisis proses keputusan petani dalam pembelian

benih cabai merah keriting varietas TM 999. Proses keputusan pembelian

menunjukkan bahwa motivasi utama petani dalam membeli benih cabai merah

keritng varietas TM 999 karena kualitas yang telah terjamin dan keuntungan

usaha yang lebih tinggi. Hal ini sejalan dengan harga benih yang yang relatif

mahal, tetapi walaupun demikian petani merasa puas dengan hasilnya dan akan

melakukan pembelian ulang selama kenaikan harga benih TM 999 masih berada

dalam taraf wajar.

Penelitian efisiensi tataniaga cabai merah dilakukan oleh Rachma (2008).

Hasil penelitian yang dilakukan di Desa Cibeureum, Kecamatan Sukamantri,

Kabupaten Ciamis, Propinsi Jawa Barat ini menghasilkan kesimpulan bahwa

pendistribusian cabai merah di Desa Cibeureum melibatkan pedagang pengumpul,

pedagang grosir, pedagang pengecer I dan pedagang pengecer II. Terdapat lima

saluran tataniaga cabai merah dengan daerah tujuan pemasaran Ciamis,

Tasikmalaya dan Bandung.

16

Penelitian ini memiliki persamaan dan perbedaan dengan penelitian-

penelitian sebelumnya. Penelitian ini memiliki persamaan dengan penelitian

Safitri (2009) dalam hal kajian terhadap risiko namun berbeda dalam hal jenis

risiko dan komoditi yang dikaji. Penelitian ini menggunakan ARCH-GARCH

sebagai alat yang digunakan dalam menganalisis risiko harga. Hal ini memiliki

kesamaan dengan penelitian Ramadhona (2004), Iskandar (2006) dan Siregar

(2009). Perbedaan penelitian ini dengan penelitian-penelitian tersebut terletak

pada komoditi yang dikaji. Penelitian ini mengkaji objek yang sama dengan

penelitian Muharlis (2007), Darmawan (2007) dan Rachma (2008). Perbedaan

penelitian ini dengan penelitian tersebut terletak pada aspek yang diteliti.

Analisis risiko komoditi cabai merah besar dan cabai merah keriting pada

skripsi ini menggunakan metode ARCH-GARCH. Analisis risiko ini diawali

dengan pencarian model ARCH-GARCH terbaik pada masing-masing komoditi

cabai merah keriting dan cabai merah besar melalui nilai AIC dan SC yang

terkecil. Volatiliti yang dihasilkan oleh metode ARC-GARCH inilah yang

kemudian akan digunakan untuk menghitung Value at Risk. Secara umum data

mengenai penelitian terdahulu yang terkait dengan penelitian ini dapat dilihat

pada Tabel 7 yang meliputi data nama penulis, tahun, judul dan metode analisis.

17

Tabel 7. Studi Terdahulu yang Berkaitan dengan Penelitian

Nama Penulis Tahun Judul Metode Analisis

Ramadhona 2004

Analisis Investasi dengan Pendekatan Model ARCH-GARCH dan Pendugaan Harga Saham dengan Pendekatan Model Time Series pada Perusahaan Agribisnis Terpilih di PT. Bursa Efek Jakarta.

Model ARCH-GARCH untuk menghitung Value at Risk (VAR)

Iskandar 2006 Analisis Risiko Investasi Saham Agribisnis Rokok dengan Pendekatan ARCH-GARCH


Muharlis 2007

Peramalan dan Faktor-Faktor Penentu Fluktuasi Harga Cabai Merah di Enam Kota Besar Di Jawa dan Bali

Metode Peramalan Time Series

Darmawan 2007

Analisis Proses Keputusan Petani dalam Pembelian Benih Cabai Merah Keriting Varietas TM 999

Analisis Deskriptif dan Model Multiatribut Fishbein

Rachma 2008

Efisiensi Tataniaga Cabai Merah (Studi Kasus Desa Cibeureum, Kecamatan Sukamantri, Kabupaten Ciamis, Provinsi Jawa barat

Analisis Saluran Tataniaga, Lembaga dan Fungsi Tataniaga, Struktur Pasar, Perilaku Pasar dan Efisiensi Tataniaga

Safitri 2009

Analisis Risiko Produksi Daun Potong di PT Pesona Daun Mas Asri, Ciawi, Kabupaten Bogor, Jawa Barat

Analisis Risiko pada Kegiatan Usaha Spesialisasi dan Analisis Risiko pada Kegiatan Usaha Diversifikasi

Siregar 2009

Analisis Risiko Harga Day Old Chick (DOC) Broiler dan Layer pada PT. Sierad Produce Tbk Parung, Bogor


18

III KERANGKA PEMIKIRAN

3.1 Kerangka Pemikiran Teoritis

3.1.1 Konsep Risiko

Menurut Harwood (1999) risiko menunjukkan kemungkinan kejadian

yang menimbulkan kerugian bagi pelaku bisnis yang mengalaminya. Menurut

Kountur (2004), risiko berhubungan dengan ketidakpastian, ketidakpastian ini

terjadi akibat kurangnya atau tidak tesedianya informasi yang menyangkut apa

yang akan terjadi. Menurut Robison dan Barry (1987) risiko menunjukkan

peluang terhadap suatu kejadian yang dapat diketahui oleh pembuat keputusan

berdasarkan pengalaman. Risiko juga menunjukkan peluang terjadinya peristiwa

yang menghasilkan pendapatan di atas atau dibawah rata-rata dari pendapatan

yang diharapkan.

Dari beberapa definisi risiko tersebut, dapat disimpulkan bahwa risiko

banyak dihubungkan dengan kemungkinan terjadinya sesuatu hal yang buruk atau

suatu kerugian yang tidak diinginkan atau tidak diharapkan dan terjadi secara

tidak terduga. Djohanputro (2004) mengklasifikasikan risiko atas:

a. Risiko murni dan spekulatif

Risiko murni adalah risiko yang dapat mengakibatkan suatu kerugian pada

perusahaan, tapi tidak ada kemungkinan untuk menguntungkan. Sedangkan risiko

spekulatif adalah risiko yang dapat menguntungkan atau merugikan.

b. Risiko sistematik atau spesifik

Risiko sistematik juga disebut sebagai risiko yang tidak dapat

didiversifikasi yaitu risiko yang tidak dapat dihilangkan atau dikurangi dengan

penggabungan berbagai risiko. Risiko spesifik adalah risiko yang dapat

didiversifikasi melalui proses penggabungan (pooling)

Setiap pelaku bisnis dalam menghadapi risiko mempunyai sikap dan

perilaku yang berbeda. Terdapat tiga karakteristik pelaku bisnis dalam

menanggapi adanya risiko yaitu Risk Taker, Risk Averter dan Risk Neutral yang

mana perilakunya dalam menghadapi risiko dapat dilihat pada Gambar 2

19

Expected

Return

Variance Return

Gambar 2. Hubungan Antara Variance dan Expected Return Sumber: Debertin (1986)

Gambar 2 menunjukkan hubungan antara variance return, yang

merupakan ukuran tingkat risiko, dengan return yang diharapkan, yang

merupakan tingkat kepuasan pembuat keputusan. Sikap pembuat keputusan dalam

menghadapi risiko dapat diklasifikasikan menjadi tiga kategori sebagai berikut :

1. Pembuat keputusan yang takut terhadap risiko (Risk Averter) menunjukkan

jika U1 diasumsikan kurva isoutiliti pembuat keputusan maka adanya

kenaikan variance return yang merupakan ukuran tingkat risiko akan

diimbangi dengan menaikkan return yang diharapkan.

2. Pembuat keputusan yang netral terhadap risiko (Risk Neutral)

menunjukkan jika U2 diasumsikan kurva isoutiliti pembuat keputusan

maka adanya kenaikan variance return yang merupakan ukuran tingkat

risiko tidak akan diimbangi dengan menaikkan return yang diharapkan.

U1 Risk Averter

U3

Risk Taker/Lover

U2

Risk Neutral

20

3. Pembuat keputusan yang berani terhadap risiko (Risk Taker/Lover)

menunjukkan jika U3 diasumsikan kurva isoutiliti pembuat keputusan

maka adanya kenaikan variance return yang merupakan ukuran tingkat

risiko akan diimbangi oleh pembuat keputusan dengan kesediaanya

menerima return yang diharapkan lebih rendah.

Bentuk lain yang dapat menggambarkan perilaku individu dalam

menghadapi risiko dapat dilihat pada Gambar 3 yang menunjukkan kepuasan

individu berkaitan dengan kemungkinan pendapatan.

Keterangan U = utilitas (tingkat kepuasan)

Y = Pendapatan

Gambar 3. Fungsi Utilitas dengan Marginal Utility Menurun, Meningkat dan Tetap

Sumber: Debertin (1986)

Berdasarkan Gambar 3 individu yang digambarkan pada kurva U(y)1

termasuk dalam perilaku risk averter. Kurva tersebut menunjukkan kepuasan

marginal utility yang semakin menurun (diminishing marginal utility) dari

pendapatan. Meskipun tambahan pendapatan selalu meningkatkan kepuasan,

namun demikian kenaikan kepuasan yang dihasilkan karena kenaikan pendapatan

U(y)1

U(y)2

Y

U(y)3

U

21

yang mendekati titik original akan lebih besar dari kenaikan kepuasan karena

kenaikan pendapatan berikutnya. Analog dengan risk averter, pada risk lover,

kepuasan marginal utility yang semakin meningkat (increasing marginal utility)

dari pendapatan. Sedangkan pada risk neutral, kepuasan marginal utility yang

tetap (constan marginal utility).

3.1.2 Risiko Pertanian

Sektor pertanian tidak terlepas dari kondisi risiko yang disebabkan oleh

beberapa faktor atau sumber. Sumber-sumber risiko pertanian menurut Anderson

et al. (1977) dibagi menjadi tiga, yaitu:

1. Ketidakpastian hasil produksi

Ketidakpastian hasil produksi ini disebabkan oleh sektor pertanian yang

sangat tergantung kepada alam seperti cuaca dan iklim, hama dan

penyakit, temperatur udara, pergantian musim dan sebagainya. Adanya

risiko produksi berpengaruh nyata terhadap aktivitas produksi dan

penerimaan.

2. Ketidakpastian harga

Fluktuasi harga pada produk pertanian disebabkan oleh faktor alam dan

permintaan dan penawaran. Semakin tinggi tingkat permintaan, maka

semakin tinggi pula harga produk-produk pertanian, begitu juga

sebaliknya. Dengan demikian semakin berfluktuasi harga maka risiko

harga semakin besar.

3. Ketidakpastian keuntungan

Risiko produksi dan risiko harga dapat menimbulkan adanya risiko

keuntungan. Semakin tinggi fluktuasi keuntungan maka risiko yang

dihadapi akan semakin besar. Begitu juga sebaliknya, semakin rendah

fluktuasi keuntungan maka risiko yang dihadapi akan semakin rendah.

Petani perlu menerapkan strategi-strategi yang dapat memperkecil peluang

munculnya risiko yang menimbulkan kerugian. Menurut Debertin (1986) terdapat

22

beberapa strategi yang dapat mengurangi kerugian ketika alam dan pasar dalam

kondisi yang tidak menguntungkan petani. Demikian pula sebaliknya, dengan

menerapkan strategi ini maka keuntungan yang akan dimiliki petani akan

berkurang ketika kondisi alam dan pasar sedang menguntungkan. Strategi-strategi

tersebut adalah

1. Asuransi Pertanian

Asuransi pertanian dapat dijadikan sebagai salah satu alternatif strategi

yang dapat mengurangi risiko dengan cara pembelian policy asuransi. Jika petani

membeli policy asuransi kebakaran bukan berarti petani berharap terjadinya

kebaran. Hal ini dilakukan karena biaya asuransi lebih kecil dibandingkan

kemungkinan biaya risiko yang akan ditanggung jika kebakaran benar-benar

terjadi. Asuransi yang baik adalah asuransi yang diberikan pada peristiwa yang

memiliki kemungkinan kecil untuk terjadi. Asuransi digunakan pada peristiwa

yang mengakibat kerugian besar namun memiliki probabilitas yang rendah

Asuransi pertanian menyebabkan pendapatan petani berkurang akibat

membayar premium asuransi. Premium asuransi mengurangi keuntungan

potensial dalam satu tahun dimana tidak terjadi peristiwa yang merugikan pada

tahun tersebut.

2. Kontrak

Future market merupakan suatu sistem dimana petani melakukan kontrak

penjualan pada komoditi dan harga tertentu. Oleh karena itu, sistem kontrak

merupakan salah satu cara yang ditempuh dalam menghadapi risiko harga. Future

market adalah suatu mekanisme mengurangi atau menghilangkan risiko dan

ketidakpastian harga dengan penentuan harga yang harus dibayar setelah panen

atau pada saat komoditi siap untuk dipasarkan. Walaupun harga dan pendapatan

akan dikurangi, petani akan membatasi keuntungan potensial jika harga

ditentukan di awal musim produksi.

Future market bukan merupakan satu-satunya jenis kontrak untuk

menghilangkan ketidakpastian harga. Beberapa kontrak dengan penentuan harga

di awal musim produksi dan penerimaan di akhir produksi juga akan

23

menghilangkan ketidakpastian harga. Kontrak biasanya digunakan pada komoditi

seperti broiler dan hortikultura. Kontrak harga dapat bekerja dengan baik dalam

sebuah model analisis marjinal yang mempresentasikan kepastian harga.

3. Peralatan dan Fasilitas yang Fleksibel

Jika petani dapat mengatur perubahan produk dan harga input maka petani

juga dapat menyesuaikan bangunan dan peralatan yang dapat digunakan lebih dari

satu kali musim produksi dan lebih dari satu jenis produk pertanian. Fasilitas

khusus akan memungkinkan petani untuk memiliki perencanaan jangka panjang.

Petani yang mencoba untuk mengatasi ketidakpastian harga dengan pembelian

bangunan dan mesin yang adaptable dengan berbagai penggunaan tentunya akan

lebih memiliki elastisitas yang besar.

4. Diversifikasi

Diversifikasi merupakan strategi jangka panjang yang dapat diterapkan

petani untuk mengatasi ketidakpastian harga dan output. Strategi diversifikasi

pada intinya menjadikan keuntungan dari suatu tipe usaha peternakan atau

pertanian untuk menutupi kerugian dari jenis usaha lainnya. Diversifikasi juga

membuat penggunaan tenaga kerja dan input yang lebih efektif sepanjang tahun.

Dengan demikian, pendapatan tetap baik walaupun berada pada kondisi yang

menguntungkan dan merugikan. Oleh karena itu, untuk mencapai hasil yang lebih

efektif maka diversifikasi hendaknya dilakukan komoditi yang memiliki karakter

yang berlawanan.

5. Program Pemerintah

Pemerintah juga dapat berperan dalam mengatasi ketidakpastian harga dan

produksi yang dihadapi oleh petani. Peranan pemerintah dapat berupa dukungan

dalam bentuk program-program yang dapat meningkatkan pendapatan dan

kesejahteraan petani yang berpartisipasi. Partisipasi dalam program secara normal

akan mengurangi variabilitas pendapatan namun pendapatan jangka panjang akan

jauh lebih besar.

24

3.1.3 Permintaan, Penawaran dan Penentuan Harga Barang

1. Permintaan

Menurut McConnel dan Brue (1990) permintaan didefinisikan sebagai

suatu daftar yang menunjukkan jumlah barang yang diinginkan dan dapat dibeli

oleh konsumen pada harga dan waktu tertentu. Hyman (1996) mendefinisikan

permintaan sebagai hubungan antara harga suatu barang dengan jumlah yang

diminta yang dipengaruhi oleh harga barang itu sendiri, pendapatan konsumen,

kesejahteraan konsumen, ekspektasi perubahan harga di masa depan, harga barang

substitusi, selera konsumen dan jumlah penduduk yang dilayani oleh pasar

Hukum permintaan menjelaskan hubungan antara permintaan suatu

barang terhadap harga barang tersebut. Hukum permintaan merupakan suatu

hipotesa yang menyatakan bahwa makin rendah harga suatu barang maka akan

semakin banyak permintaan terhadap barang tersebut. Sebaliknya makin tinggi

harga suatu barang maka akan semakin sedikit permintaan terhadap barang

tersebut. Hukum permintaan hanya menekankan perhatian pada hubungan antara

harga dengan jumlah barang yang diminta. Sedangkan pada kenyataannya jumlah

barang yang diminta tidak hanya dipengaruhi oleh harga barang itu sendiri.

Menurut McConnel dan Brue (1990) faktor-faktor yang mempengaruhi

permintaan selain harga yaitu

a. Selera dan Preferensi Konsumen

Perubahan selera konsumen dapat disebabkan oleh adanya pengaruh iklan

dan perubahan tren atau fashion. Ketika selera masyarakat terhadap suatu barang

meningkat maka permintaan terhadap barang tersebut juga akan meningkat begitu

pula sebaliknya. Faktor teknologi juga mempengaruhi perubahan selera

masyarakat terhadap suatu barang. Sebagai contoh permintaan terhadap mesin tik

berkurang ketika ditemukan teknologi komputer.

b. Jumlah penduduk

Peningkatan jumlah konsumen dalam suatu pasar jelas akan meningkatkan

permintaan terhadap suatu barang pada pasar tersebut. Begitu pula sebaliknya,

ketika jumlah konsumen menurun maka permintaan terhadap suatu barang juga

25

akan mengalami penurunan. Umumnya pertambahan jumlah penduduk juga akan

diikuti dengan perkembangan kesempatan kerja yang kemudian diiringi dengan

peningkatan pendapatan. Dengan demikian pertambahan penduduk dengan

sendirinya akan menyebabkan pertambahan permintaan (Sukirno 1985).

c. Pendapatan

Pendapatan masyarakat merupakan faktor yang sangat berpengaruh

terhadap permintaan suatu barang. Perubahan pendapatan akan selalu

menimbulkan perubahan terhadap permintaan. Berdasarkan hubungannya dengan

tingkat pendapatan masyarakat maka barang ekonomi dibedakan menjadi dua

golongan yaitu barang normal dan barang inferior.

Barang normal adalah suatu barang yang mengalami kenaikan permintaan

ketika pendapatan masyarakat meningkat dan sebaliknya. Sedangkan barang

inferior adalah barang yang banyak diminta oleh orang-orang yang berpendapatan

rendah. Sehingga ketika pendapatan naik maka permintaan terhadap barang ini

justru akan menurun.

d. Harga barang-barang lain

Permintaan konsumen terhadap suatu barang juga tergantug pada harga

barang lain. Berdasarkan fungsinya terhadap barang lain maka barang ekonomi

dapat digolongkan kedalam tiga bagian, yaitu barang substitusi, komplementer

dan barang lain yang tidak mempunyai kaitan sama sekali dengan barang tersebut.

Barang substitusi adalah barang yang fungsinya dapat saling menggantikan

sedangkan barang komplementer adalah barang yang fungsinya saling

melengkapi.

Kenaikan harga barang substitusi akan mengakibatkan kenaikan

permintaan terhadap suatu barang. Begitu pula sebaliknya penurunan harga

barang substitusi akan menyebabkan penurunan permintaan terhadap barang yang

digantikan. Contoh barang substitusi adalah margarin dan mentega, minyak tanah

dan gas dan sebagainya. Sementara untuk barang komplementer, peningkatan

harga akan menyebabkan penurunan permintaan suatu barang. Begitu pula

sebaliknya ketika harga barang komplementer turun maka akan terjadi kenaikan

26

permintaan. Contoh barang dengan fungsi saling melengkapi ini adalah pulpen

dengan tinta, teh dengan gula dan sebagainya. Banyak jenis barang yang tentu saja

tidak memiliki hubungan satu sama lain sehingga kenaikan atau penurunan harga

suatu barang tidak akan mempengaruhi harga barang lain, Misalnya saja

hubungan antara komoditi kentang dengan suku cadang mobil.

e. Harapan di masa yang akan datang

Ramalan masyarakat terhadap harga suatu barang yang akan bertambah tinggi

di masa depan akan menyebabkan kenaikan permintaan terhadap barang tersebut

pada saat ini. Jika masyarakat memperkirakan harga suatu barang akan turun pada

masa yang akan datang maka permintaan barang tersebut pada saat ini akan

mengalami penurunan. Begitu pula jika terdapat ramalan bahwa lowongan kerja

akan bertambah sulit pada masa yang akan datang maka masyarakat akan lebih

berhemat sehingga permintaan terhadap barang akan menurun.

Lipsey et al. (1995) mengemukakan bahwa untuk memahami pengaruh

setiap faktor-faktor tersebut terhadap permintaan secara sekaligus dalam waktu

yang bersamaan merupakan suatu hal yang sulit. Oleh karena itu, semua variabel

dipertahankan konstan kecuali satu variabel yang akan dipelajari pengaruhnya.

Dengan cara yang sama pengaruh semua variabel lainnya dapat dianalisis

sehingga tingkat kepentingan masing-masing variabel dapat dipahami.

Upaya mempertahankan konstan semua variabel yang ada pengaruhnya

dikenal dengan istilah ceteris paribus. Jika dinyatakan bahwa pengaruh harga

cabai merah terhadap jumlah cabai merah yang diminta ceteris paribus maka hal

ini berarti perubahan harga cabai merah mempengaruhi jumlah cabai merah yang

diminta jika semua faktor lain yang mempengaruhi permintaan cabai merah tetap.

27

Gambar 4. Pergeseran Kurva Permintaan Sumber : McConnel dan Brue (1990)

Hipotesis ekonomi dasar menyebutkan bahwa harga suatu komoditi dan

kuantitas yang akan diminta berhubungan secara negatif, dengan faktor lain tetap

sama. Semakin rendah harga suatu komoditi maka jumlah yang akan diminta

untuk komoditi itu akan semakin besar, dan semakin tinggi harga, semakin rendah

jumlah yang diminta.

2. Penawaran

Permintaan saja belum merupakan syarat yang cukup untuk menciptakan

terjadinya suatu transaksi di dalam pasar. Permintaan masyarakat akan dapat

terpenuhi apabila penjual menyediakan barang-barang yang diminta oleh

konsumen tersebut. Menurut McConnel dan Brue (1990) penawaran adalah

sebuah daftar yang menunjukkan jumlah suatu produk yang ingin dan dapat

diproduksi oleh produsen dan tersedia di pasar pada harga dan waktu tertentu.

Hyman (1996) mendefinisikan penawaran sebagai hubungan antara harga suatu

barang dengan jumlah yang ditawarkan. Hukum penawaran menjelaskan bahwa

semakin rendah harga suatu barang maka semakin sedikit penawaran terhadap

barang tersebut. Begitu pula sebaliknya, semakin tinggi harga suatu barang maka

semakin tinggi pula penawaran terhadap barang tersebut.

28

Selain akibat perubahan harga barang itu sendiri, penawaran menurut

McConnel dan Brue (1990) juga dipengaruhi oleh faktor-faktor berikut:

a. Harga sumber daya atau harga input

Biaya produksi dan penawaran memiliki hubungan yang sangat erat.

Peningkatan harga input akan meningkatkan biaya produksi dan mengurangi

penawaran. Demikian pula sebaliknya, ketika harga input turun maka suatu

perusahaan dapat menekan biaya produksi sehingga penawaran dapat

ditingkatkan.

b. Teknologi

Perkembangan teknologi memiliki arti bahwa penemuan teknologi baru

tersebut memungkinkan kita untuk memproduksi suatu unit barang secara lebih

efisien dengan jumlah sumber daya yang semakin sedikit. Hal ini menyebabkan

anggaran yang dikeluarkan untuk membiayai pembelian sumberdaya atau input

menjadi berkurang sehingga perusahaan dapat meningkatkan penawaran. Biaya

yang lebih rendah akan meningkatkan keuntungan potensial sehingga mendorong

produsen untuk meningkatkan penawaran.

Sukirno (1985) menyatakan bahwa Tingkat teknologi sangat berperan

dalam menentukan tingkat penawaran. Kemajuan teknologi akan menimbulkan

dua akibat yaitu meningkatkan kemampuan perusahaan dalam memproduksi lebih

banyak barang dan meningkatkan keefisienan produksi. Dengan demikian,

kemajuan teknologi cenderung meningkat penawaran yang dilakukan perusahaan.

c. Pajak dan Subsidi

Sebuah usaha seringkali terkena pajak sebagai suatu biaya. Oleh karena itu

peningkatan pajak akan meningkatkan biaya produksi dan mengurangi

penawaran. Sebaliknya subisidi yang merupakan kebalikan dari pajak akan

mengakibatkan berkurangnya biaya dan meningkatkan penawaran

29

d. Harga barang-barang lain

Barang dengan posisi yang saling menggantikan akan mengalami

perubahan penawaran jika salah satu barang mengalami perubahan harga. Ketika

harga barang substitusi mengalami kenaikan maka permintaan masyarakat

terhadap barang yang digantikan akan meningkat. Kenaikan permintaan ini akan

memberikan dorongan kepada produsen untuk menaikkan produksi.

e. Ekspektasi

Perkiraan harga suatu barang di masa depan oleh produsen akan

mempengaruhi keinginan produsen untuk memproduksi barang tersebut pada saat

ini. Sebagai contoh petani kemungkinan akan menahan hasil panen jagung untuk

mengantisipasi tingginya harga jagung pada masa yang akan datang. Hal ini

tentunya akan menyebabkan penurunan penawaran jagung pada saat ini.

f. Jumlah produsen

Peningkatan jumlah produsen akan meningkatkan jumlah barang yang

ditawarkan. Selama beberapa waktu terakhir peningkatan jumlah produsen

merupakan faktor yang sangat berpengaruh dalam peningkatan penawaran.

Gambar 5. Pergeseran Kurva Penawaran Sumber : McConnel dan Brue (1990)

30

Hipotesis ekonomi mendasar mengenai penawaran adalah bahwa untuk

kebanyakan komoditi, harga komoditi dan kuantitas atau jumlah yang akan

ditawarkan berhubungan secara positif dengan semua faktor yang lain tetap sama.

Dengan kata lain, makin tinggi harga suatu komoditi, makin besar jumlah

komoditi yang akan ditawarkan, semakin rendah harga, semakin kecil jumlah

komoditi yang akan ditawarkan.

3. Mekanisme Pembentukan Harga Pasar

Harga dan jumlah suatu barang yang diperjualbelikan ditentukan oleh

permintaan dan penawaran dari barang tersebut. Keadaan pasar dikatakan

ekuilibrium atau seimbang apabila jumlah yang ditawarkan sama dengan jumlah

yang diminta pada harga tersebut. Kelebihan penawaran akan menyebabkan

turunnya harga sedangkan kelebihan permintaan akan menyebabkan naiknya

harga barang.

Perubahan variabel selain harga akan menyebabkan pergeseran baik kurva

permintaan maupun penawaran. Terdapat empat kemungkinan pergeseran yang

terjadi:

1. Permintaan bertambah (kurva permintaan bergeser ke kanan)

2. Permintaan berkurang (kurva permintaan bergeser ke kiri)

3. Penawaran bertambah (kurva penawaran bergeser ke kanan)

4. Penawaran berkurang (kurva penawaran bergeser ke kiri)

3.1.4 Pemodelan Volatilitas Time Series

Volatilitas merupakan suatu ukuran yang menunjukkan seberapa besar

harga berfluktuasi dalam suatu periode waktu. Biasanya volatilitas diestimasi

dengan cara menghitung deviasi standar perubahan harga dalam jangka waktu

tertentu yang menentukan seberapa cepat data berubah dengan keacakannya.

Volatilitas mengukur rata-rata fluktuasi dari data deret waktu. Namun hal

ini dikembangkan lebih jauh dengan menekankan pada nilai variansi (variable

statistika yang menggambarkan seberapa jauh perubahan dan persebaran nilai

fluktuasi terhadap nilai rata-rata) dari data keuangan. Oleh karena itu, dapat

31

dikatakan bahwa nilai volatilitas sebagai nilai variasi dari data fluktuasi (data

return).

Terdapat dua pendapat besar mengenai variansi yaitu homoskedastisitas

dan heterokedastisitas. Menurut Pindyck dan Rubinfeld (1983) homoskedastisitas

adalah model yang memiliki data deret waktu dengan variansi error yang konstan

sedangkan heteroskedastisitas adalah model yang memiliki data deret waktu

dengan variansi error yang selalu berubah berdasarkan waktu.

Pendapat pertama dimodelkan melalui kombinasi antara autoregressive

(AR) dan moving-average (MA) atau yang dikenal dengan ARMA. Sedangkan

pendapat kedua diwakili oleh metode ARCH (autoregressive conditional

heterokedastic) yang digeneralisasi menjadi GARCH (generalized autoregressive

conditional heterokedastic). Untuk data harga komoditi cabai merah dengan

tingkat fluktuasi yang tinggi, model otokorelasi dengan variansi berubah adalah

model yang lebih relevan untuk diterapkan dibanding model otokorelasi dengan

variansi konstan, sehingga model ARCH merupakan model yang lebih realistis

untuk memodelkan nilai volatilitas data harga dibandingkan model AR, MA, dan

ARMA.

3.1.5 ARCH Error

Pada time series univariate, tidak terdapat faktor heteroskedastisitas

sehingga tidak dapat dilakukan uji heteroskedastisitas secara umum, seperti uji

goldfield-quandt, uji White, maupun uji Park. Perhatian persamaan time series

univariate lebih ditujukan pada adanya ARCH error, yakni kuadrat residual yang

berperilaku autoregresi. Ada tidaknya fenomena ARCH error ini terlihat

fenomena adanya signifikansi autokorelasi dari kuadrat residual (Enders, 2004).

Cara yang lebih terkuantifikasi dalam menguji ada tidaknya ARCH error ialah

dengan menggunakan uji ARCH-LM. Uji ARCH LM didasarkan atas hipotesis

nol tidak terdapatnya ARCH error dan tidak perlu dimodelkan berdasarkan

ARCH.

32

3.1.6 Model ARCH-GARCH

Pemodelan data deret waktu umumnya dilakukan dengan menggunakan

asumsi ragam sisaan yang konstan (homoskedastisitas). Namun kenyataannya

banyak data deret waktu yang mempunyai ragam sisaan yang tidak konstan

(heteroskedastisitas), khususnya untuk data deret waktu di bidang ekonomi. Oleh

karena itu pemodelan analisis deret waktu biasa dengan asumsi homoskedastisitas

tidak dapat digunakan.

Model ARCH (Autoregressive Conditional Heteroscedasticity) merupakan

model yang memperhitungkan adanya heteroskedastisitas dalam analisis deret

waktu. Model ini pertama kali dipopulerkan oleh Engle pada tahun 1982 yang

dipakai untuk memodelkan ragam sisaan yang tergantung pada kuadrat sisaan

pada periode sebelumnya secara autoregresi (regresi diri sendiri).

Model ARCH ini kemudian disempurnakan oleh mahasiswa bimbingan

Engle, Tim Bollerslev, menjadi GARCH (generalized autoregressive conditional

heteroschedastic) yang lebih baik dibandingkan ARCH. Volatilitas berdasarkan

model GARCH (p,q) mengasumsikan bahwa variansi data fluktuasi dipengaruhi

oleh sejumlah p data fluktuasi sebelumnya dan q data volatilitas sebelumnya.

Secara umum model ini seperti Autoregresi biasa (AR) dan pergerakan rata-rata

(MA), yaitu melihat hubungan variabel acak dengan variabel acak sebelumnya.

Variansi terdiri atas dua komponen yaitu varians yang konstan dan varians

yang tergantung dari besarnya volatilitas diperiode sebelumnya. Jika volatilitas

pada periode sebelumnya besar (baik positif maupun negatif), maka varians pada

saat ini akan besar pula. Sehingga model ARCH dapat dirumuskan.

Bentuk umum model ARCH (m) :

ht = ξ + ε2t + 1ε2

t-1 + 2ε t-2 +.......+ mε2t-m

dimana

ht = variabel respon (terikat) pada waktu t / varians pada waktu ke t

ξ = variabel yang konstan

ε2t-m = Suku Arch / volatilitas pada periode sebelumnya

,1,... m = Koefisien orde m yang diestimasikan

33

Dalam metode OLS, error diasumsikan homoskedastis, yaitu variansi dari

error konstan dan terdistribusi normal dengan rata-rata nol. Varians tergantung

dari varians di masa lalu sehingga heteroskedastisitas dapat dimodelkan dan

varians diperbolehkan untuk berubah antar waktu. Dengan demikian volatilitas

yang besar di masa lalu dapat ditangkap dalam model ARCH.

Kondisi yang sering terjadi adalah bahwa varians saat ini tergantung dari

volatilitas beberapa periode di masa lalu. Hal ini akan menimbulkan banyaknya

parameter dalam conditional variance yang harus diestimasi. Pengestimasian

parameter-parameter tersebut sulit dilakukan dengan presisi yang tepat. Oleh

karena itu, Bollersley (Surya, 2003) memperkenalkan metode GARCH

(Generalized AutoRegressive Conditional Heteroscedasticity) guna menghasilkan

model parsimony (menggunakan parameter yang lebih sedikit).

Model GARCH dikembangkan dengan mengintegrasikan autoregresi dari

kuadrat residual lag kedua hingga lag tak hingga ke dalam bentuk varian pada lag

pertama. Model ini dikembangkan sebagai generalisasi dari model volatilitas.

Secara sederhana volatilitas berdasarkan model GARCH (r,m) mengasumsikan

bahwa variansi dari data fluktuasi dipengaruhi sejumlah m data fluktuasi

sebelumnya dan sejumlah r data volatilitas sebelumnya. Ide dibalik model ini

seperti dalam model autoregresi biasa (AR) dan pergerakan rata-rata (MA), yaitu

untuk melihat hubungan variabel acak dengan variabel acak sebelumnya.

Varians terdiri dari tiga komponen. Komponen pertama adalah varians

yang konstan. Komponen kedua adalah volatilitas pada periode sebelumnya, ε2t-m

(suku ARCH) dan komponen ketiga adalah varians pada pada periode

sebelumnya,

ht-r. Sehingga model GARCH dapat dirumuskan :

Bentuk umum model GARCH (r,m) :

ht = k + 1ht-1 + 2ht-2 + ...+ rht-r + 1ε2t-1 + 2ε2 t-2 +.......+ mε2

t-m

dimana :

ht = Varaiabel respon (terikat) pada waktu t / varians pada waktu ke t

К = Varians yang konstan

ε2t-m = Suku ARCH / Volatilitas pada periode sebelumnya

34

1, 2,... m = Koefisien orde m yang diestimasikan

1, 2,... r = Koefisien order r yang diestimasikan

ht-r = Suku Garch / varians pada periode sebelumnya

ARCH dan GARCH memiliki beberapa jenis. Masing- masing jenis

ARCH dan GARCH memiliki karakteristik masing-masing dengan penggunaan

yang berbeda-beda. Jenis-jenis ARCH GARCH dapat dilihat pada Lampiran 4.

3.1.7 Value at Risk (VaR)

Value at Risk (VaR) merupakan ringkasan peluang kerugian maksimum

selama horizon waktu tertentu dengan selang kepercayaan tertentu (Jorion, 2002).

Secara matematis VaR dapat didefinisikan sebagai berikut :

VAR = (σt+1 x √b ) x Z x W

dengan :

VAR = Besarnya risiko

b = Periode investasi

Z = Titik kritik dalam table Z dengan alfa 5%

W = Besarnya biaya investasi

σt+1 = Volatility yang akan datang dimana σt = √ht

3.2 Kerangka Pemikiran Operasional

Cabai merah besar termasuk komoditi hortikultura penting di Indonesia.

Cabai merah besar memiliki luas lahan yang paling besar dibandingkan dengan

tanaman hortikultura lainnya. Selain itu komoditi ini memiliki berbagai macam

khasiat dan zat gizi serta tidak bisa dilepaskan dari aneka masakan nusantara yang

sangat beragam.

Walaupun memiliki jumlah permintaan yang terus meningkat dari tahun

ke tahun namun jika ditinjau dari sisi harga, komoditi ini sangat fluktuatif. Harga

yang fluktuatif tersebut digambarkan oleh data harga di Pasar Induk Kramat Jati

yang hampir selalu mengalami perubahan di setiap harinya. Harga yang fluktuatif

ini sangat tergantung pada kondisi permintaan dan penawaran yang ada di pasar.

Kondisi permintaan yang berubah-ubah umumnya dipengaruhi oleh adanya

35

momen-momen tertentu seperti hari besar keagamaan sedangkan penawaran

dipengaruhi oleh keadaan cuaca dan hama penyakit yang mempengaruhi proses

budidaya. Harga yang sangat fluktuatif ini tentu saja menyebabkan cabai merah

besar merupakan komoditi yang berisiko terhadap harga di pasaran termasuk pada

Pasar Induk Kramat Jati.

Kondisi cabai merah besar sebagai komoditi yang berisiko dari segi harga

merupakan hal yang tidak menguntungkan bagi petani. Oleh karena itu,

diperlukan manajemen yang baik agar kerugian yang ditimbulkan tidak terlalu

besar. Untuk itu diperlukan adanya pengukuran risiko harga cabai merah besar ini

melalui penghitungan deviasi standar perubahan harga dalam jangka waktu

tertentu, yang menentukan seberapa cepat data berubah dengan keacakannya yang

kemudian lebih dikenal dengan istilah volatilitas.

Pengukuran tingkat risiko ini dapat dilakukan dengan menggunakan

metode peramalan time series ARCH-GARCH. Metode ARCH-GARCH ini

sangat berhubungan dengan pengukuran tingkat risiko (Value at Risk/VaR).

Berdasarkan hal tersebut maka kerangka pemikiran penelitian ini dapat dilihat dari

diagram berikut

36

Gambar 6. Kerangka Pemikiran Operasional

Fluktuasi Harga dan Pasokan Cabai Besar

Risiko Harga Cabai Besar

Penerimaan Petani Alternatif Strategi yang Tepat Dalam Mengatasi Risiko Harga Cabai Besar

Pasar Induk Kramat Jati

37

IV METODE PENELITIAN

4.1 Lokasi dan Waktu Penelitian

Penelitian mengenai risiko harga komoditi cabai merah besar dan cabai

merah keriting dan cabai merah besar dilakukan melalui pengambilan data di

Pasar Induk Kramat Jati yang beralamat di jalan raya Bogor KM 17 Jakarta

Timur. Lokasi penelitian ini dipilih karena Pasar Induk Kramat Jati merupakan

pasar komoditi hortikultura terbesar di Indonesia yang menjadi patokan penentuan

harga komoditi di daerah-daerah di Indonesia. Selain itu, harga komoditi di Pasar

Induk Kramat Jati merupakan salah satu sumber informasi yang digunakan oleh

Departemen Pertanian RI dalam penentuan kebijakan. Penelitian dilakukan

selama lima bulan yaitu dari bulan Februari 2009 – Juni 2009.

4.2 Data dan Sumber Data

Penelitian ini dilakukan dengan menggunakan data primer dan sekunder.

Data primer diperoleh melalui wawancara dengan dua orang pedagang, dua orang

pegawai kantor Pasar Induk Kramat Jati dan petani budidaya sebanyak enam

orang. Data sekunder diperoleh berdasarkan data harga dan pasokan yang sudah

ada di Pasar Induk Kramat Jati, Departemen Pertanian dan literatur-literatur yang

terkait lainnya.

4.3. Metode Pengumpulan Data

Sumber data yang digunakan dalam penelitian ini adalah data harga harian

komoditi cabai merah besar dan cabai merah keriting pada tahun 2006 – 2009

yang berjumlah 1147 data. Data tersebut diperoleh berdasarkan catatan harga

yang sudah ada pada kantor Pasar Induk Kramat Jati. Selain itu, pengumpulan

data juga dilakukan dengan metode wawancara, observasi dan diskusi.

Wawancara dilakukan dengan beberapa pegawai dan pedagang Pasar Induk

Kramat Jati serta petani budidaya mengenai kondisi pasar dan fluktuasi harga

komoditi yang dikaji. Metode observasi dilakukan melalui pencatatan langsung

kondisi pasar, sedangkan diskusi dilakukan dengan pegawai kantor Pasar Induk

Kramat Jati mengenai kondisi pasar terkait dengan adanya fluktuasi harga.

38

4.4 Pengolahan dan Analisis Data

Pengukuran risiko harga cabai besar dalam penelitian ini menggunakan

metode ARCH GARCH yang digunakan untuk meramalkan volatilitas pada

periode selanjutnya. Volatilitas hasil peramalan tersebut kemudian digunakan

untuk mengukur risiko harga cabai besar dengan menggunakan perhitungan VaR

(Value at Risk).

4.5 Peramalan Tingkat Risiko (Value at Risk-VaR)

4.5.1 Analisis ARCH-GARCH

1. Tahap Identifikasi

Pemodelan ARCH-GARCH didahului dengan identifikasi apakah data

mengandung heteroskedastisitas atau tidak. Ini dapat dilakukan antara lain dengan

mengamati beberapa ringkasan statistik dari data. Pengujian keberadaan

heteroskedastisitas dapat dilakukan dengan melihat nilai keruncingan (kurtosis)

data. Jika data tersebut memiliki nilai kurtosis yang lebih dari tiga maka data

tersebut memiliki sifat heteroskedastisitas (Davidson and MacKinnon, 2004

dalam Firdaus, 2006). Kemudian, dilanjutkan dengan pengujian

pengidentifikasian efek ARCH melalui fungsi autokorelasi kuadrat return. Suatu

data memiliki efek ARCH apabila nilai autokorelasi pada data kuadrat return

signifikan. Cara lain yang dapat dilakukan dalam menguji ARCH error ini adalah

melalui uji ARCH-LM. Uji ARCH-LM didasarkan pada hipotesisi nol yaitu tidak

terdapatnya ARCH error.

2. Estimasi Model

Estimasi model didahului oleh penentuan dugaan parameter ARCH

GARCH. Penentuan parameter ARCH-GARCH dilakukan dengan menggunakan

metode kemungkinan maksimum secara iteratif. Melalui penggunaan sofware

Eviews 5.0, estimasi nilai-nilai parameter dapat dilakukan. model terbaik yang

ditemukan adalah adalah model yang memiliki ukuran kebaikan yang besar dan

koefisien yang nyata. Pendekatan yang dapat digunakan untuk mengukur

39

kebaikan model adalah AIC (Akaike Information Criterion) dan SC (Schwarz

Criterion)

a. AIC = Ln (MSE) + 2*K/N

b. SC = Ln (MSE) + [K*log (N)]/N

Keterangan :

MSE = Mean Squared Error

K = jumlah parameter yang diestimasi

n = jumlah observasi

AIC dan SC adalah standar informasi yang menyediakan ukuran informasi

yang dapat menemukan keseimbangan antara ukuran kebaikan model dan

spesifikasi model yang terlalu hemat. Model yang baik adalah model yang

memiliki nilai AIC dan SC yang terkecil dengan juga melihat signifikansi model.

3. Tahap Pemeriksaan Model ARCH-GARCH

Untuk memastikan bahwa apakah model yang diperoleh sudah memadai

maka dilakukan pemeriksaan model. Jika ternyata model yang ditemukan tidak

memadai maka kembali dilakukan identifikasi. Pemeriksaan model dapat

dilakukan melalui analisis residual yang telah distandarisasi melalui sebaram

residual, kebebasan residual yang dilihat dari fungsi autokorelasi dan kuadrat

residual, serta pengujian efek ARCH-GARCH dari residual.

Model ARCH-GARCH menunjukkan kinerja baik jika dapat

menghilangkan autokorelasi dari data, yaitu bila residual baku merupakan proses

ingar putih. Langkah selanjutnya adalah memeriksa koefisien autokorelasi

residual baku dengan uji statistic Ljung-Box.

4. Peramalan Tingkat Risiko Harga

Model terbaik yang sudah ditemukan digunakan untuk melakukan

peramalan ragam untuk periode mendatang. Hasil peramalan digunakan untuk

peritungan VAR. Peramalan ragam untuk periode yang mendatang diramalkan

dengan menggunakan rumus berikut

40

ht = ξ + ε2t + 1ε2

t-1 + 2ε t-2 +.......+ mε2t-m

dimana ht = E (ε2 / ε2t-1, ε2

t-2,...............) yang sering disebut sebagai ragam. Proses εt ~

ARCH (m) dicirikan oleh : ε2t = ht. Vt. Dalam hal in Vt ~ N (0,1). Lebih umum

lagi dapat diperlihatkan sebuah proses dimana ragam bersyaratnya tergantung

pada jumlah lag terhingga dari ε2t-j :

ht = ξ + (L) ε2t

dengan

∞

(L) = ∑ j(L)2

j=1

Kemudian (L) diparameterisasi sebagai rasio dari dua orde polinomial terhingga :

(L) = (L) = 1(L)1 + 2(L)2 + 3(L)3 + ..........+ m(L)m 1-(L) 1-1(L)1 - 2(L)2 - 3(L)3 - ............- r(L)r

dimana diasumsikan bahwa akar dari 1-(Z) = 0. Jika persamaan diatas dikalikan

dengan 1-(L), maka diperoleh persamaan sebagai berikut :

[1-(L)ht = [1-(L)] ξ + (L) ε2t

atau

ht = k + 1ht-1 + 2ht-2 + ...+ rht-r + 1ε2t-1 + 2ε t-2 +.......+ mε2

t-m

dimana :

K = [1-1 - 2- ........- 1r] ξ.

Persamaan di atas dikenal sebagai model General Conditional

Heteroschedastic dengan orde r dan orde m yang biasa dinotasikan sebagai εt ~

GARCH (r,m).

41

4.5.2. Perhitungan VaR (Value at Risk)

Value At Risk merupakan ukuran besaran risiko yang pada saat ini dapat

dianggap sebagai metode standar di dalam mengukur risiko pasar (market risk).

Value At Risk adalah kerugian terbesar yang mungkin terjadi dalam rentang

waktu/periode tertentu yang diprediksikan dengan tingkat kepercayaan tertentu.

Adapun rumus yang digunakan dalam perhitungan VAR adalah sebagai

berikut Jorion (2002) :

VAR = (σt+1 x √b ) x Z x W

Keterangan :

VAR = Besarnya risiko

b = Periode investasi

Z = Titik kritik dalam table Z dengan alfa 5%

W = Besarnya biaya investasi

σt+1 = Volatiliti yang akan datang dimana σt = √ht

Penghitungan risiko pada komoditi cabai merah keriting dan cabai merah

besar dilakukan dengan menggunakan pendekatan penerimaan usahatani yang

diperoleh oleh petani dalam satu kali masa produksi serta dihitung berdasarkan

periode penjualan komoditi.

4.6 Definisi Operasional

Beberapa istilah yang digunakan dalam analisis risiko harga cabai merah

keriting dan cabai merah besar antara lain :

1. Risiko adalah suatu keadaan yang tidak pasti yang dihadapi seseorang atau

perusahaan yang dapat memberikan dampak yang merugikan.

2. Manajemen risiko adalah cara-cara yang digunakan manajemen untuk

menangani berbagai permasalahan yang disebabkan oleh adanya risiko.

3. Heteroskedastisitas adalah varian dari setiap unsur disturbance yang

tergantung pada nilai yang dipilih dari variabel yang menjelaskan kevarianan

(volatilitas) yang tidak konstan disetiap titik waktu.

42

4. Homoskedastisitas adalah varian dari tiap unsure disturbance, tergantung

(conditional) pada nilai yang dipilih dari variable yang menjelaskan suatu

angka konstan yang sama dengan σ2 atau dengan kata lain variannya sama.

5. Trend (kecenderungan) yaitu pola data yang menunjukkan kecenderungan

meningkat atau menurun

6. Kurtosis adalah ukuran keruncingan distribusi data, derajat atau ukuran tinggi

rendahnya puncak suatu distribusi data terhadap distribusi normal data.

7. Volatilitas adalah suatu ukuran yang menunjukkan seberapa besar harga

berfluktuasi dalam suatu periode waktu.

8. Varian merupakan jumlah kuadrat semua deviasi nilai-nilai individual

terhadap rata-rata kelompok. Varian juga merupakan variasi harga yang terjadi

pada kurun waktu tertentu.

9. Error adalah perubahan-perubahan pergerakan harga pada kurun waktu

tertentu. Error menunjukkan adanya risiko.

10. Value at Risk (VAR) merupakan ukuran besarnya risiko.

11. ARCH-GARCH : Autoregressive Conditional Heteroscedasticity – General

Autoregressive Conditional Heteroscedasticity yaitu untuk menjawab

persoalan adanya volatilitas pada data dimana volatilitas tercermin dalam

varian residual yang tidak memenuhi asumsi homoskedastisitas.

43

V GAMBARAN UMUM CABAI BESAR DI INDONESIA

5.1 Sejarah Penyebaran Cabai di Indonesia

Menurut Topan (2008) cabai merupakan tanaman asli Amerika Tengah,

tepatnya daerah Bolivia. Awalnya cabai merupakan tanaman liar yang penyebaran

bijinya dibantu oleh bangsa burung (aves). Penyebaran biji cabai oleh burung ini

kemudian secara tanpa sengaja mengakibatkan terjadinya persilangan antara

beberapa varietas sehingga menjadi kultivar.

Suku Inca (Amerika Selatan), Suku Maya (Amerika Tengah), dan suku

Aztek (Meksiko) merupakan masyarakat yang pertama kali mampu

memanfaatkan dan membudidayakan cabai pada tahun 2500 SM. Mereka

menggunakan cabai sebagai bumbu penyedap masakan. Sebuah prasasti yang ada

di Amerika memperlihatkan bahwa kaisar Aztek terakhir, Montezuma, selalu

minum cokelat kekaisaran yang diberi bubuk cabai untuk sarapan. Selain untuk

bumbu, cabai juga digunakan sebagai penggugah selera makan.

Christophorus Columbus merupakan pelaut italia yang paling berjasa

dalam menyebarkan tanaman cabai ke seluruh dunia (1451-1506). Columbus

menemukan penduduk asli Kepulauan Karibia mengkonsumsi buah merah

menyala yang pedas sebagai bumbu masakan. Selama tiga kali pelayarannya

menuju benua Amerika, Columbus melihat tanaman cabai telah dibudidayakan

hampir di seluruh tempat yang didaratinya. Columbus membawa biji cabai

bersama dengan biji jagung dan tomat untuk dipersembahkan kepada Ratu dan

Raja Spanyol. Biji-bijian yang dibawa oleh Columbus tersebut kemudian ditanam

oleh petani Spanyol dan menyebar keseluruh Eropa.

Menurut perkiraan cabai Indonesia pertama kali dibawa oleh pelaut

Portugis yang bernama Ferdinand Magellan (1480-1521). Magellan melakukan

pelayaran hingga ke Maluku pada tahun 1519 melalui jalur laut sebelah barat.

Selain cabai, Magellan juga membawa tanaman lain seperti jagung (Zea Mays).

Para pedagang India juga turut andil dalam penyebaran cabai ke tanah air melalui

Pulau Sumatera.

44

Cabai yang ditemukan oleh Columbus di Bolivia berbeda dengan cabai

yang ada di indonesia saat ini. Kemunculan jenis-jenis cabai baru di daratan

Amerika disebabkan oleh penyerbukan silang yang dilakukan tanpa sengaja oleh

angin, serangga, atau burung. Kini banyak cabai yang mengalami perubahan baik

dari bentuk, rasa, maupun warna seperti cabai merah besar, cabai merah keriting,

cabai paprika, cabai rawit, cabai gondol, cabai dieng dan cabai hias.

5.2 Gambaran Daerah Sentra dan Petani Cabai Besar di Indonesia

Daerah sentra penanaman cabai di Indonesia tersebar mulai dari daerah

Sumatera hingga Sulawesi. Secara umum sistem budidaya cabai masih dilakukan

secara tradisional. Penerapan teknologi yang intensif masih jarang dilakukan

sehingga produksi cabai perhektar masih rendah. Daerah-daerah sentra

penanaman cabai di Indonesia dapat dilihat pada Tabel 8.

Tabel 8. Daerah Sentra Penanaman Cabai Besar di Indonesia

Propinsi Sentra Penanaman Sumatera Utara Langkat, Deli Serdang, Tanah Karo, Simalungun, Tapanuli

Utara dan Tapanuli Selatan Sumatera Barat Pasaman, Lima Puluh Kota, Agam, Tanah Datar, Padang

Pariaman, Solok, Sawahlunto Sijunjung, dan Pesisir Selatan Sumatera Selatan Lahat, Lematang Ilir, Ogan Tengah, Ogan Komering Ilir, dan

Bangka Jawa barat Serang, Tangerang, Bogor, Sukabumi, Bekasi, Bandung,

garut, Tasikmalaya, Ciamis, Indramayu, Majalengka, Kuningan dan Cirebon

Jawa Tengah Brebes, Tegal, Cilacap,Banyumas, Purbalingga, Kebumen, Purwerojo, Temanggung, Magelang, Demak, Grobogan, Klaten, Sragen, Pati, Rembang, Blora dan Kudus

Jawa Timur Lamongan, Ponorogo, Trenggalek, Nganjuk, Malang, Lumajang, Probolinggo, Mojokerto, Jember, Banyuwangi, Bangkalan, dan Pamekasan

Bali Jembrana, Tabanan, badung, Gianjar, Klungkung, Bangli, Buleleng, dan Karang Asem

Nusa Tenggara Lombok Barat, Lombok Tengah, dan Lombok Timur, Barat Sumbawa, dan Bima

Sulawesi Selatan Gowa, Bulukumba, Sinjai, Maros, Soppeng, Bone, Wajo, Luwu, Tana Toraja, dan Mamuju

Sumber : Prajnanta (1999)

45

Umumnya petani yang berada di daerah dataran rendah seperti sepanjang

utara Jawa, masih menanam cabai secara tradisional secara tumpang sari dengan

bawang merah. Petani daerah ini masih menggunakan bibit cabai OP (open

polineted) produksi sendiri yang digunakan secara terus menerus. Teknik

budidaya cabai dilakukan berdasarkan ilmu yang dipelajari secara turun temurun.

Pemupukan yang dilakukanpun tidak terarah dan kontinu. Pemupukan dilakukan

ketika tanaman menghasilkan produksi yang tinggi sedangkan ketika hasil panen

rendah maka petani hanya memberikan sedikit pupuk

Hal ini berbeda dengan petani pada daerah dataran tinggi. Umumnya

petani cabai dataran tinggi telah menggunakan bibit hibrida dan melakukan

budidaya yang intensif. Perawatan yang intensif tersebut telihat dari penggunaan

mulsa dan pemakaian pupuk yang berimbang

Perbedaan penggunaan bibit dan teknik budidaya inilah yang

menyebabkan perbedaan kualitas dan kuantitas produksi cabai antara daerah

dataran rendah dengan daerah dataran tinggi. Hal ini mengakibatkan harga cabai

dataran tinggi cenderung lebih mahal dibandingkan harga cabai dataran rendah.

5.3 Pemasaran Cabai Besar di Indonesia

DKI Jakarta, melalui pasar Induk Kramat Jati merupakan daerah tujuan

pasar cabai tertinggi dibandingkan propinsi lainnya di Pulau Jawa. Selain

ditujukan untuk memenuhi konsumsi rumah tangga, cabai besar juga digunakan

untuk memenuhi kebutuhan industri (sedang dan besar). Industri yang

menggunakan cabai besar yaitu industri pengawetan daging, pelumatan buah dan

sayuran, industri tepung dari padi-padian dan kacang-kacangan, mie, roti/kue,

kecap, kerupuk dan sejenisnya, bumbu masak dan makanan lainnya.

Terdapat empat pengendali harga (price leader) yang berperan dalam

kegiatan pemasaran cabai besar di Pulau Jawa :

1. Pasar Induk Kramat jati sebagai pasokan pasar cabai untuk wilayah jabotabek

dan sekitarnya. Harga cabai di Pasar Induk Kramat Jati dapat digunakan

sebagai patokan harga cabai dari titik produksi yang memasarkan cabainya ke

46

Pasar Induk Kramat Jati. Demikian pula pasar induk di kota besar seperti

Bandung, Semarang, Yogyakarta dan kota besar lainnya.

2. Pedagang pengumpul yang terdekat dengan produsen

3. Pedagang pengumpul yang mampu memasarkan lebih lanjut ke pasar yang

terdekat dengan konsumen

4. Industri pengolah yang mendasarkan harga beli bahan baku pada komponen

harga pokok penjualan produk olahannya

5.4 Pasar Induk Kramat jati

Pasar Induk Kramat Jati (PIKJ) didirikan berdasarkan SK Gubernur KDKI

Jakarta No. D- V a 18/1/17/1973 tanggal 28 Desember 1973 tentang Pendirian

Pasar Induk (food station) sayur mayur dan buah – buahan Kramat Jati Jakarta

Timur. Pasar yang memiliki luas 14,7 hektar ini beralamat di jalan raya Bogor

KM 17 Jakarta Timur.

Pendirian PIKJ sendiri dilatarbelakangi oleh keinginan untuk menjamin

kelancaran distribusi dan juga sebagai bahan terminal pengadaan dan penyaluran

bahan makanan sayur-mayur dan buah-buahan yang berpengaruh pada kegiatan

perekonomian baik lokal maupun regional. PIKJ merupakan fasilitas pusat

perdagangan besar sayur-mayur dan buah-buahan di DKI Jakarta yang bersifat

menyeluruh dengan fasilitas pelengkap yang diperlukan. Secara organisasi dan

administrasi PIKJ merupakan salah satu pasar dari 151 pasar yang dikelola oleh

PD Pasar Jaya. Secara umum tugas pokok PIKJ diantaranya adalah mengatur dan

menyelenggarakan pengurusan fasilitas untuk kelancaran arus bahan makanan

sayur mayur dan buah-buahan, Menyediakan fasilitas perdagangan dan pemasaran

yang diperlukan bagi penyelenggaraan perdagangan besar sayur mayur dan buah-

buahan. Melaksanakan kegiatan-kegiatan lain yang bersifat menyeluruh dari pada

fungsi Pasar Induk. Berikut adalah deskripsi fungsi PIKJ :

1. Menyediakan dan mengatur fasilitas-fasilitas perdagangan /pemasaran.

2. Menyediakan fasilitas umum.

3. Mengatur kegiatan angkutan dan bongkar muat.

4. Pencatatan harga dan tonase

47

5. Memperluas lahan parkir yang memadai.

6. Pedagang memperoleh Sertifikat Hak Pemakaian Tempat Usaha (SHPTU)

dalam Jangka 20 tahun agar pedagang lebih mendapatkan kepastian hukum.

7. Menyediakan sarana ibadah (Masjid) yang lebih baik.

8. Tersedianya Agro Outlet untuk 29 propinsi dengan tujuan mempermudah

tukar menukar informasi terhadap komoditi yang akan dijual ke Pasar

Induk.

9. Meremajakan Armada sebanyak 1.200 unit (swasta) yang akan dikelola

oleh Unit Usaha PD Pasar Jaya.

10. Memperbaiki pelayanan dan pembinaan pedagang Pasar Induk termasuk

cara mendapatkan tempat usaha bagi pedagang baru.

Pasar Induk Kramat Jati memiliki 4.648 tempat usaha dan 1.865 pedagang

dengan sifat layanan grosir dan eceran.. Tempat usaha tersebut terdiri dari tempat

usaha eksisting sebanyak 3.653 kios, tempat usaha bebas terdiri dari 890 kios,

UNIKO dengan jumlah 76 tempat dan juga terdapat Agro Outlet sebanyak 29

kios. Ukuran kios – kios tersebut bervariasi dengan luasan 8,4 m2 dan 12,6 m2

untuk grosir sedangkan subgrosir dengan luasan sampai dengan 4 m2. Pasar ini

terbagi dalam beberapa los atau blok-blok perdagangan. Ada delapan los di PIKJ

yang menjual berbagai komoditi berbeda.

PIKJ memiliki berbagai macam fasilitas layanan umum lengkap. Terdapat

sebuah masjid dan tiga mushola yang menjamin kelancaran para pengguna pasar

dalam beribadah. Fasilitas umum lainnya berupa toilet di 14 lokasi, Bank umum

yang terdiri dari Bank Mandiri dan Mayapada, serta lahan parkir seluas 14.737

m2. Layanan keamanan dan kebersihan pasar ini masing-masing dikelola oleh PT.

Kelola Jasa Amanusa dan PT. Garda Transmoes Mandiri. Sedangkan untuk

layanan angkutan dikelola oleh KABAPIN dengan jumlah angkutan sebanyak 700

unit. PIKJ. PIKJ juga menyediakan jasa bongkar muat yang dikelola oleh suatu

badan yang disebut BAPENGKAR. Selain itu BAPENGKAR juga menyediakan

jasa penimbangan komoditi yang kemudian akan dilaporkan ke kantor PIKJ.

Terdapat berbagai macam komoditi yang diperdagangkan di Pasar Induk

Kramat jati. Tidak hanya komoditi hortikultura saja namun juga berbagai barang

48

lainnya seperti makanan olahan, barang pecah belah dan alat rumah tangga.

Berbagai komoditi sayuran yang diperdagangkan di pasar Induk Kramat Jati

beserta daerah asal komoditi tersebut ditunjukkan oleh Tabel 9.

Tabel 9. Komoditi Sayuran yang Diperdagangkan di Pasar Induk Kramat Jati dan Daerah Asalnya Tahun 2008 Jenis Komoditi Sayuran

Daerah Asal

Kol Dieng, Pengalengan, Garut, Cipanas, Medan

Kembang Kol Pengalengan, Cipanas, Garut

Sawi Cipanas, Sukabumi, Kuningan, Bogor

Buncis Sukabumi, Cipanas. Lembang

Wortel Pengalengan, Cipanas Garut Sukabumi

Tomat Garut Pengalengan Cipanas Dieng

Labu Siem Cipanas, Sukabumi, Bogor, Garut

Terong Purwakarta, Bogor, Subang. Cirebon

Timun Cikarang. Cipanas, Purwakarta, Subang

Cabe Magelang, Rembang, Wates, Garut, Ampenan. Banyuwangi

Bawang Merah Brebes, Tegal, Patrol Import

Bawang Putih Wonosobo, Import

Daung Bawang Sukabumi, Cipanas, Pengalengan, Garut

Daun Sledri Sukabumi, Bogor, Cipanas

Nangka Muda Padang, Lampung, Bogor, Serang

Ceisim Cipanas, Bogor, Sukabumi

Jagung Garut, Cirebon, Tegal, Brebes

Jengkol Lampung, Tegal, Banyuwangi

Kentang Garut, Medan, Dieng, Pengalengan

Kelapa Lampung, Tasik, Serang, Padang

Sumber : Pasar Induk Kramat Jati (2008)

Pasar Induk Kramat Jati tidak hanya menjual sayur-sayuran, namun juga

buah-buahan yang dipasok dari berbagai daerah di Indonesia. Jenis buah-buahan

beserta daerah asalnya ditunjukkan oleh Tabel 10.

49

Tabel 10. Komoditi Buah-buahan yang Diperdagangkan Di Pasar Induk Kramat Jati dan Daerah Asalnya Tahun 2008

Jenis Komoditi Buah-buahan

Daerah Asal

Apel Malang, Import

Alpukat Garut, Malang, Kediri, Sumatera Barat

Pepaya Sukabumi, Bogor, Probolinggo, Lampung, Malang

Nanas Palembang, Subang

Pisang Sukabumi, Lampung, Bogor, Serang

Jeruk Medan, Padang, Pontianak, Jember, Import

Semangka Banyuwangi, Lampung, Cirebon, Kediri

Anggur Bali, Malang, Import

Markisah Medan, Padang

Melon Malang, Banyuwangi. Kediri, Ngawi, Kulon Progo

Salak Bali, Yogyakarta, Tasikmalaya, Wonosobo

Manggis Sumatera Barat, Purwakarta

Mangga Indramayu, Madura Probolinggo, Tuban, Sumbawa

Dukuh Palembang, Jambi, Lampung

Durian Lampung, Palembang, Jepara

Kedondong Padang, Madura, Lampung

Sumber : Pasar Induk Kramat Jati (2008)

Setiap harinya Pasar Induk Kramat Jati menerima pasokan sayur-sayuran,

buah-buahan, umbi-umbian dan bumbu dapur dari berbagai daerah di Indonesia.

Sebanyak 99,05 persen pasokan diperoleh dari luar daerah. Tonase dari masing-

masing komoditi yang diperjualbelikan tersebut yaitu sayuran dengan jumlah

1100-1400 ton, buah-buahan sebanyak 1200-1500 ton, umbi-umbian dengan

jumlah 90-120 ton dan bumbu dapur dengan jumlah 10-30 ton. Komoditi –

komoditi ini kemudian kembali didistribusikan ke daerah-daerah seperti DKI

Jakarta (70 persen), Bogor, Tangerang dan Bekasi (25 persen). Selain wilayah di

Jabotabek, komoditi yang diperdagangkan di PIKJ kadang-kadang juga disalurkan

50

ke daerah-daerah seperti Medan, Batam, Bangka Belitung, Padang, Lampung dan

Banten (3 persen).

Transaksi perdagangan yang dilakukan melalui pedagang perantara atau

langsung pada petani. Harga dan jumlah barang yang sudah disepakati kemudian

dibawa dengan menggunakan armada pengangkut. Setelah sampai di PIKJ maka

dilakukan bongkar muat dan penimbangan yang dilakukan oleh BAPENGKAR.

Kegiatan seleksi dan sortasi dilakukan hanya untuk buah-buahan saja, sedangkan

untuk jenis sayuran termasuk cabai merah tidak dilakukan tahap ini. Pembeli yang

datang ke Pasar Induk Kramat Jati umumnya adalah pedagang eceran yang akan

menjual kembali barang tersebut di pasar-pasar lain.

Cabai merah merupakan salah satu komoditi yang paling banyak

diperdagangkan di PIKJ. Khusus untuk cabai merah dijual pada los H yang

menampung lebih dari 240 pedagang grosir. Tingkat harga cabai merah yang

diperdagangkan sangat fluktuatif. Hal ini disebabkan oleh kondisi permintaan dan

penawaran yang tidak seimbang, daya beli masyarakat yang menurun, permintaan

luar daerah yang tidak menentu dan adanya kasus dimana petani langsung

menjual cabai merah tersebut ke pedagang pengecer. Gambar 7 menjelaskan

mengenai alur keluar masuk cabai merah di PIKJ yang melalui beberapa pihak

51

Gambar 7. Alur Keluar Masuk Cabai Besar di Pasar Induk Kramat Jati

Pedagang Pengumpul

Pedagang Besar Daerah

Pedagang Grosir PIKJ

Pedagang Pengecer

Petani Produsen

52

VI HASIL DAN PEMBAHASAN

6.1 Risiko Harga Cabai Besar

Cabai merah keriting dan cabai merah besar tergolong dalam kelompok

cabai besar yang merupakan salah satu jenis sayuran unggulan di Indonesia. Hal

tersebut dapat dilihat dari Cabai besar merupakan jenis cabai yang paling banyak

dikonsumsi oleh masyarakat Indonesia dan volume cabai paling besar yang

dipasarkan di Pasar Induk Kramat Jati.

Cabai merah keriting adalah cabai yang paling banyak diperjualbelikan di

Pasar Induk Kramat Jati. Rata-rata 70 persen dari pasokan cabai yang masuk ke

pasar Induk Kramat Jati adalah jenis cabai merah keriting. Sedangkan sisanya

adalah cabai merah besar, cabai rawit merah, cabai rawit hijau dan lain-lain.

Harga cabai merah keriting sangat berfluktuasi. Sepanjang bulan Januari

2006 sampai bulan Februari 2009 diperoleh harga terendah adalah Rp 2.800

sedangkan harga tertinggi mencapai Rp 26.000. Harga terendah tersebut dicabai

pada hari ke 210. Hari ke 210 tersebut jatuh pada tanggal 29 Juli 2006. Harga

cabai merah keriting pada periode Mei hingga Juli memang selalu tergolong

rendah dibandingkan bulan-bulan lainnya. Hal ini disebabkan pada bulan-bulan

tersebut produksi dan pasokan sangat melimpah sehingga harga menjadi jatuh.

Berdasarkan wawancara yang dilakukan dengan petani dapat diketahui bahwa

pengurangan konsumsi cabai juga terjadi di bulan puasa. Harga tertinggi cabai

merah yaitu sebesar Rp 26.000 dicapai pada periode 359 yaitu pada bulan

Desember 2006, dimana periode tersebut berada pada akhir tahun dimana banyak

hari-hari besar keagamaan seperti Hari Raya Idul Fitri, Natal dan Tahun Baru.

Berdasarkan analisis ARCH-GARCH dengan menggunakan diperoleh plot data

Fluktuasi harga cabai merah keriting di Pasar Induk Kramat Jati yang dapat dilihat

pada Gambar 8.

53

Hari

Har

ga (

kg)

10359208056905754603452301151

25000

20000

15000

10000

5000

0

Gambar 8. Plot Harga Cabai Merah Keriting di Pasar Induk Kramat Januari 2006-Februari 2009

Sumber : Pasar Induk Kramat Jati 2009 (diolah)

Pasokan rata-rata cabai merah besar di Pasar Induk Kramat Jati adalah

sekitar 5.75 persen dari seluruh jenis cabai yang ada. Harga cabai merah besar

terendah dicapai pada harga Rp 3.000 sedangkan harga tertinggi berada pada

harga Rp 25.000. Harga terendah terjadi pada titik 247 dan 248 yang berada pada

bulan September 2006. Sedangkan harga tertinggi dicapai pada periode 359 yaitu

bulan Desember 2006 atau akhir tahun dimana banyak perayaan hari-hari besar

keagamaan. Pola data harga cabai merah besar dengan periode januari 2006

sampai Februari 2009 dapat dilihat pada Gambar 9.

54

Hari

Har

ga (

kg)

10359208056905754603452301151

25000

20000

15000

10000

5000

0

Gambar 9. Plot Harga Cabai Merah Besar di Pasar Induk Kramat Jati Januari

2006-Februari 2009 Sumber : Pasar Induk Kramat Jati 2009 (diolah)

Analisis ARCH-GARCH dilakukan dengan menggunakan tiga variabel

yaitu harga sebagai variabel dependen (variabel terikat) dan harga sebelumnya

serta pasokan sebagai variabel independen (variabel bebas). Sebelum

menganalisis dengan metode ARCH-GARCH, terlebih dahulu dilakukan analisis

regresi. Hasil output model regresi cabai merah keriting dan cabai merah besar

dapat dilihat pada lampiran 5 dan 21. Tabel 11 menunjukkan hubungan regresi

antara harga cabai besar dengan pasokan cabai besar.

Tabel 11. Model Regresi Harga dan Pasokan Cabai Besar

Jenis Cabai Model Regresi

Cabai Merah Keriting lnPt = 0.291972 +0.976838 lnPt-1 – 0.006853lnS + et

Cabai Merah Besar lnPt = 0.339740 +0.964644 lnPt-1 – 0.001893lnS + et

55

Dimana :

Pt = Harga cabai besar pada periode ke t

Pt-1 = Harga cabai besar pada periode sebelumnya

S = Pasokan cabai besar

Pada taraf nyata lima persen untuk kedua model regresi di atas dapat

disimpulkan bahwa pasokan berpengaruh negatif terhadap harga cabai besar. Hal

ini berarti ketika pasokan berkurang maka harga akan naik. Melalui persamaan

regresi tersebut dapat diketahui bahwa koefisien pasokan cabai merah keriting

lebih tinggi dibandingkan cabai merah besar. Hal ini berarti bahwa harga cabai

merah keriting lebih tergantung pada jumlah pasokan dibandingkan cabai merah

besar.

Berdasarkan uji signifikansi dengan taraf nyata lima persen maka dapat

diketahui bahwa harga sebelumnya berpengaruh nyata terhadap harga pada waktu

tertentu. Sebaliknya, uji signifikansi model menunjukkan bahwa jumlah pasokan

tidak berpengaruh signifikan terhadap harga pada waktu tertentu. Kondisi ini

kemungkinan disebabkan oleh adanya jumlah pasokan cabai merah keriting dan

cabai merah besar yang relatif stabil di Pasar Induk Kramat Jati.

Pengujian ada atau tidaknya heteroskedastisitas pada residual dalam model

persamaan harga cabai merah keriting dan cabai merah besar dilakukan dengan

menggunakan uji ARCH LM. Uji ARCH LM didasarkan pada hipotesis nol yaitu

tidak terdapatnya ARCH error. Hasil uji ARCH LM untuk model persamaan

cabai merah keriting dan cabai merah besar dapat dilihat pada lampiran 6 dan 22.

Tabel 12 menunjukkan ringkasan hasil uji ARCH LM untuk model persamaan

cabai merah keriting dan cabai merah besar.

Tabel 12. Ringkasan Hasil Uji ARCH LM Model Cabai Besar

Komoditas Obs*R-Squared

Probability F-Statistic Probability

Cabai Merah Keriting 63.51498 0.000000 67.12439 0.000000

Cabai Merah Besar 16.37071 0.000052 16.57897 0.000050

56

Berdasarkan uji ARCH LM pada kedua model tersebut maka dapat

diketahui bahwa Obs*R-Squared memiliki probability yang kecil dibandingkan α

yang biasanya dipakai, yaitu lima persen. Dengan demikian, dapat diambil

kesimpulan bahwa residual diatas mengandung heteroskedastisitas.

Selain itu keberadaan efek ARCH sebagai bukti bahwa data mengandung

heterokedastisitas juga dapat dilakukan dengan mengamati beberapa ringkasan

data yaitu dengan melihat data apakah data tersebut memiliki nilai yang lebih dari

tiga. Gambar 10 merupakan output yang menunjukkan kurtosis data cabai merah

keriting dan cabai merah besar

0

50

100

150

200

250

300

-0.50 -0.25 -0.00 0.25 0.50

Series: ResidualsSample 1 1147Observations 1147

Mean -3.30e-16Median -0.001643Maximum 0.606102Minimum -0.671945Std. Dev. 0.092751Skewness -0.189120Kurtosis 10.32479

Jarque-Bera 2570.985Probability 0.000000

Gambar 10. Kurtosis Model Cabai Merah Keriting

Gambar 10 memperlihatkan bahwa cabai merah keriting memiliki kurtosis

10.32479. Nilai kurtosis yang lebih dari tiga tersebut menunjukkan data

mengandung heteroskedastisitas. Hasil uji kurtosis menunjukkan bahwa nilai

koefisien kemenjuluran (skewness) adalah sebesar -0,189120 atau kurang dari nol.

Nilai skewness model cabai merah keriting yang kurang dari nol tersebut

mengindikasikan bahwa harga komoditas cabai merah keriting menumpuk pada

tingkat fluktuasi yang tinggi.

57

0

50

100

150

200

250

300

-0.4 -0.2 -0.0 0.2 0.4 0.6

Series: ResidualsSample 1 1147Observations 1147

Mean -3.43e-15Median 0.000389Maximum 0.592160Minimum -0.482655Std. Dev. 0.095256Skewness -0.060403Kurtosis 7.588916

Jarque-Bera 1007.102Probability 0.000000

Gambar 11. Kurtosis Model Cabai Merah Besar

Sebagaimana halnya cabai merah keriting, uji kurtosis juga menunjukkan

bahwa cabai merah besar memiliki heteroskedastisitas dengan nilai kurtosis

sebesar 7.588916. Berdasarkan nilai skewness yang ditunjukkan oleh Gambar 11

dapat diketahui bahwa model persamaan harga cabai merah besar memiliki

distribusi yang miring ke kiri. Hal ini berarti data cenderung menumpuk pada

tingkat fluktusi tinggi seperti halnya cabai merah keriting. Kendati memiliki nilai

skewness yang sama-sama negatif namun terdapat perbedaan besaran nilai antara

cabai merah keriting dan cabai merah besar. cabai merah keriting memiliki nilai

skewness negatif yang lebih besar dibandingkan cabai merah besar. Hal ini berarti

bahwa kecenderungan model persamaan harga cabai merah keriting untuk

menumpuk pada tingkat fluktuasi tinggi lebih besar dibandingkan cabai merah

besar.

Untuk mengatasi adanya heteroskedastisitas tersebut maka data harga dan

pasokan dapat dimodelkan dengan menggunakan ARCH-GARCH. Penentuan

model ARCH-GARCH yang tepat dilakukan dengan simulasi beberapa model

ragam. Pendugaan parameter model menggunakan metode kemungkinan

maksimum atau quasi maximum likelihood. Simulasi model mengkombinasikan

nilai r = 0,1,2,3 dengan nilai m = 1,2,3 . Pemilihan model ragam terbaik dilakukan

dengan melihat salah satu dari alternatif model yang mempunyai nilai AIC dan SC

terendah dan sudah tidak adanya efek ARCH. Hasil uji coba untuk mendapatkan

58

model ARCH GARCH terbaik pada cabai merah keriting dapat dilihat pada

lampiran 7 sampai lampiran 20 sedangkan uji coba model ARCH GARCH cabai

merah besar ditunjukkan oleh lampiran 23 sampai lampiran 36. Tabel 13

menunjukkan ringkasan hasil uji coba model ARCH GARCH cabai merah

keriting dan cabai merah besar.

Tabel 13. Ringkasan Uji Coba Model ARCH GARCH Cabai Besar

Model Nilai Error Tidak Ada Efek ARCH

Keriting Besar Keriting

Besar

AIC SC AIC SC

ARCH (1) GARCH (0) -1.960378 -1.938387 -1.162954 -1.140962 ü ü

ARCH (1) GARCH (1) -1.985917 -1.959527 -1.136162 -1.109772 - ü

ARCH (1) GARCH (2) -1.986370 -1.955581 -1.280340 -1.249552 ü ü

ARCH (1) GARCH (3) -1.993711 -1.958525 -1.070276 -1.035090 ü ü

ARCH (2) GARCH (0) -1.970268 -1.943877 -1.147375 -1.120985 ü ü

ARCH (2) GARCH (1) -1.989689 -1.958900 -0.938884 -0.908096 ü -

ARCH (2) GARCH (2) -1.989729 -1.954542 -0.957312 -0.922125 ü -

ARCH (2) GARCH (3) -1.999800 -1.960215 -0.993906 -0.954321 ü -

ARCH (3) GARCH (0) -1.971090 -1.940302 -1.127877 -1.097089 ü ü

ARCH (3) GARCH (1) -1.990521 -1.955334 -0.954897 -0.919711 ü ü

ARCH (3) GARCH (2) -1.988802 -1.949217 -0.993596 -0.954011 ü ü

ARCH (3) GARCH (3) -1.999216 -1.955233 -0.975383 -0.931400 ü -

Model ARCH GARCH terbaik dipilih melalui kriteria error (AIC dan SC)

terkecil serta sudah tidak adanya efek ARCH pada model yang menandakan

bahwa model tidak lagi mengandung heteroskedastisitas. Selain itu model juga

dipilih berdasarkan tidak adanya variabel yang bernilai negatif pada varian dan

volatilitas. Berdasarkan kriteria tersebut model ARCH-GARCH terbaik untuk

cabai merah keriting dan cabai merah besar adalah seperti yang ditunjukkan pada

Tabel 14.

59

Tabel 14. Model ARCH-GARCH Terbaik Cabai Besar

Jenis Cabai Model ARCH-GARCH Terbaik

Cabai Merah Keriting ARCH (1) GARCH (2)

Cabai Merah Besar ARCH (1) GARCH (1)

Tabel 14 menunjukkan bahwa model ARCH-GARCH terbaik untuk cabai

merah keriting adalah ARCH (1) GARCH (2). Hal ini berarti pola pergerakan

harga cabai merah keriting dipengaruhi oleh volatilitas satu hari sebelumnya dan

varian pada dua hari sebelumnya. Sedangkan model ARCH-GARCH yang terbaik

pada cabai merah besar adalah ARCH (1) GARCH (1). Hal ini berarti pola

pergerakan harga dipengaruhi oleh volatilitas pada satu hari sebelumnya dan

varian pada satu hari sebelumnya. Persamaan ARCH-GARCH berdasarkan model

ARCH-GARCH terbaik ditunjukkan oleh Tabel 15.

Tabel 15. Persamaan Model ARCH GARCH Terbaik Cabai Besar Jenis Cabai Persamaan Model ARCH-GARCH Terbaik

Cabai Merah Keriting ht = 0.000788 + 0.413433ht-1 + 0.420100ht-2 +0.069386 ε2t-1

Cabai Merah Besar ht = 0.000448 + 0.886204 ht-1 + 0.065325 ε2t-1

Berdasarkan model ARCH-GARCH terbaik tersebut maka dapat

dilakukan perhitungan besarnya risiko yang dihadapi oleh petani dengan adanya

fluktuasi harga cabai merah keriting dan cabai merah besar melalui perhitungan

VAR. Tingkat penerimaan yang diambil untuk penghitungan VAR berasal dari

total penerimaan yang diterima oleh petani dalam satu kali masa produksi.

Berdasarkan perhitungan VAR dengan selang kepercayaan 95 persen dengan

besar rata-rata penerimaan satu kali masa produksi dengan luas lahan sebesar satu

hektar adalah Rp 91.800.000,00 maka risiko yang ditanggung dalam periode

penjualan satu hari,tujuh hari dan tiga puluh hari dapat dilihat pada Tabel 16.

60

Tabel 16. Besar Risiko Cabai Besar Berdasarkan Total Penerimaan Petani

Jenis Cabai

Besar Risiko

1 Hari 7 Hari 30 hari

* % * % * %

Cabai Merah Keriting 1,35 14,68 3,56 38,83 7,38 80.38

Cabai Merah Besar 0,45 4,85 1,17 12,82 2,44 26,54

Keterangan : *dalam puluhan jutaan rupiah

Berdasarkan Tabel 16 dapat diketahui bahwa risiko harga cabai merah

keriting lebih tinggi dibandingkan cabai merah besar. Hal ini menunjukkan untuk

setiap rupiah penerimaan yang diperoleh oleh petani maka risiko harga cabai

merah keriting lebih tinggi dibandingkan risiko harga cabai merah besar. Tingkat

risiko yang dimiliki oleh cabai merah keriting adalah Rp 13.476.240 dari total

penerimaan yang diterima sebesar Rp 91.800.000. Sehingga jika terjadi

peningkatan penerimaan pada cabai merah keriting maka risiko harga cabai merah

keriting juga mengalami peningkatan. Begitu pula dengan risiko harga cabai

merah besar, tingkat risiko yang diterima adalah sebesar Rp 4.452.300 dari total

penerimaan Rp 91.800.000. Apabila terjadi peningkatan penerimaan maka risiko

yang ditanggung oleh petani juga akan mengalami peningkatan.

Berdasarkan Tabel 16 dapat diketahui bahwa risiko harga cabai merah

keriting adalah 14,68 persen dari total penerimaan yang diterima oleh petani

dengan jangka waktu penjualan satu hari. Hal ini berarti kenaikan penerimaan

sebesar satu rupiah akan meningkatkan risiko cabai merah keriting sebesar 14,68

persen. Begitu pula dengan cabai merah besar yang memiliki tingkat risiko

sebesar 4.85 persen. Kenaikan penerimaan cabai merah besar sebesar satu rupiah

akan meningkatkan risiko sebesar 4.85 persen.

Semakin lama periode penjualan setelah panen maka semakin besar risiko

yang ditanggung oleh petani. Hal tersebut dapat dilihat dari risiko harga yang

semakin meningkat pada periode penjualan 7 dan 30 hari. Periode penjualan yang

semakin lama akan menyebabkan cabai membusuk sehingga harga jual cabai

menjadi jatuh.

61

Berdasarkan hasil perhitungan risiko dengan metode ARCH GARCH

maka nilai risiko cabai merah keriting lebih besar dibandingkan cabai merah

besar. Lebih tingginya risiko harga cabai merah keriting dibanding cabai merah

besar disebabkan oleh faktor tingginya volume permintaan cabai merah keriting,

sementara pasokan lebih berfluktuasi akibat risiko di tingkat produksi yang lebih

besar.

Penggunaan cabai merah keriting lebih besar dibandingkan cabai merah

besar. Hal ini dikarenakan cabai merah keriting memiliki rasa yang lebih pedas

dibandingkan cabai merah besar. Pembuatan sambal atau makanan dengan cita

rasa pedas, biasanya menggunakan cabai merah keriting. Cabai merah besar

biasanya hanya digunakan untuk hiasan atau pewarna makanan. Cabai ini dipakai

di restaurant sebagai bahan untuk mempercantik makanan. Jika ditinjau dari daya

tahan maka cabai merah keriting memiliki daya tahan yang lebih besar

dibandingkan cabai merah besar. Hal ini disebabkan oleh faktor kadar air dimana

kadar air cabai merah keriting lebih sedikit dibandingkan cabai merah besar.

Fluktuasi pasokan tidak terlepas dari adanya pengaruh risiko di tingkat

produksi. Risiko di tingkat produksi untuk komoditi cabai merah keriting lebih

besar dibandingkan cabai merah besar karena perawatan yang lebih rumit serta

masa tanam yang lebih lama. Cabai merah keriting memerlukan perawatan yang

lebih intensif dengan tingkat risiko terkena serangan hama yang lebih besar

dibandingkan cabai merah besar akibat masa tanam yang relatif lebih lama.

Masa tanam cabai merah keriting yang lebih lama dibandingkan cabai

merah besar membuat petani harus menunggu hingga mencapai masa panen. Hal

ini menyebabkan beberapa petani lebih memilih untuk membudidayakan cabai

merah besar. Selain itu cabai merah besar dapat dipetik dalam kondisi yang masih

hijau. Cabai merah besar yang masih dalam kondisi hijau memiliki permintaan

yang cukup besar sehingga petani dapat melakukan pemetikan jika dalam kondisi

terdesak secara finansial. Selain itu, sebagian petani memilih untuk memetik cabai

merah besar dalam kondisi hijau karena semakin lama waktu penungguan masa

panen maka akan semakin besar peluang risiko produksi yang akan ditanggung.

Hal ini dikarenakan ketika cabai semakin mendekati masa panen maka akan

62

semakin rentan terhadap hama dan penyakit yang berisiko pada kegagalan panen

akibat hama penyakit.

Serangan penyakit pada cabai terjadi pada saat musim hujan yang dapat

terjadi dari fase perkecambahan hingga buah terbentuk. Penyakit cabai dapat

mengakibatkan kegagalan panen hingga seratus persen. Beberapa penyakit

penting yang umumnya menyerang tanaman cabai yaitu penyakit antraknosa,

bercak daun, busuk fitopthora, layu fusarium, bercak bakteri, layu bakteri,

penyakit mosaik penyakit mosaik dan penyakit krupuk. Penanggulangan jenis

penyakit sangat tergantung pada jenisnya. Secara umum penanggulangan penyakit

dapat dilakukan melalui pemilihan lahan yang bebas patogen, pemilihan varietas

yang toleran, santasi lahan dan penggunaan bahan kimia. Selain hama dan

penyakit, gulma juga dapat mengganggu pertumbuhan tanaman melalui perebutan

unsur hara dari dalam tanah dan inang serangga vektor, termasuk patogen

penyakit. Menurut Topan (2008) gulma yang menyerang tanaman cabai umumnya

adalah pisang (Musa parasdisiaca), teki (Cyperus rotundus, C. compressus dan C.

distans), rumput belulang (Eleusine indica), tuton (Echinochloa coona), rumput

grintingan (Cynodon dactilon), rumput pahit (Paspalum distichum), rumput

sendok gangsir (Digitaria ciliaris), gendong anak (Euphorbia hirta), krokot

(Portulaca oleracea), bayam duri (Amaranthus lividus), tolod (Alternanthera

philoxeriodes), babadaton (Ageratum conyzoides) dan sawi liar (Capsella

bursapastoris). Pengendalian gulma dapat dilakukan melalui pengolahan tanah.

Hama menyerang tanaman cabai pada saat musim kemarau. Serangan

hama ini mengakibatkan buah dan daun cabai menjadi rusak. Sebenarnya efek

serangan hama yang paling merusak disebabkan oleh bakteri atau virus yang

disebarkan oleh hama tersebut (vektor). Beberapa serangan hama yang sering

mengganggu tanaman cabai menurut Topan (2008) adalah kutu daun persik

(Myzus persicae Suiz), thrip (Thrips parvipinus karny), ulat buah (Helicoverpa

armigera hubner), Lalat buah (Bactrocera dorsalis Hendel), ulat grayak

(spodoptera litura Fabricius) dan Nematoda Bintil Akar (Meloidogyne sp).

Beberapa serangan hama dapat mengakibatkan kegagalan panen hingga 100

persen. Oleh karena itu diperlukan pengendalian yang efektif untuk

63

menanggulangi serangan hama. Pengendalian hama dapat dilakukan melalui

kultur teknik, penggunaan varietas toleran, pengendalian secara manual, mekanik

dan fisik, pengendalian secara hayati dan penggunaan bahan kimia.

Selain karena faktor hama dan penyakit, risiko produksi juga tidak terlepas

dari adanya faktor cuaca yang mempengaruhi hasil produksi. Cuaca sangat

mempengaruhi kualitas dan daya tahan cabai. Curah hujan yang tinggi akan

mengakibatkan kadar air dalam cabai juga tinggi. Hal ini mengakibatkan cabai

mudah busuk. Karakter mudah busuk memiliki sifat menular. Ketika satu buah

cabai busuk, maka hal ini akan dengan cepat menyebar pada cabai lainnya. Selain

dari sisi risiko produksi, fluktuasi pasokan juga disebabkan oleh beberapa faktor

seperti pencurian dan penjarahan, transportasi dan pensortiran.

1. Pencurian dan Penjarahan

Harga jual cabai yang terkadang sangat tinggi membuat sebagian orang

berpikiran jahat untuk melakukan pencurian dan penjarahan. Pencurian dan

penjarahan ini sering terjadi terutama saat harga cabai sangat tinggi pada tahun

1997-1998. Penjarahan yang dilakukan juga sering diikuti dengan perusakan. Hal

ini tentu saja akan merugikan petani dan mengakibatkan berkurangnya pasokan.

Pencurian dan penjarahan biasanya dilakukan oleh masyarakat sekitar

yang diikuti dengan perusakan tanaman, sehingga menyebabkan kerugian dapat

mencapai seratus persen. Pencurian dan penjarahan dapat diatasi dengan

mempekerjakan masyarakat lokal pada lahan perkebunan dan membagikan hasil

panen pada masyarakat sekitar jika memungkinkan.

2. Transportasi

Selain akibat kondisi alam dan lahan pertanian, fluktuasi pasokan ternyata

juga disebabkan oleh kondisi transportasi yang mengangkut cabai yang akan

dipasarkan. Transportasi merupakan hal yang sangat penting dalam mengangkut

hasil pertanian dari petani ke pedagang. Kendaraan yang biasa dipakai dalam

lingkup pulau Jawa adalah truk atau mobil. Sedangkan untuk lingkup daerah di

luar Pulau Jawa dan jauh dari daerah pusat pemasaran, alat transportasi yang

digunakan adalah pesawat terbang. Pengaturan dan penyusunan cabai di didalam

64

alat transportasi sangat mempengaruhi kondisi komoditi tersebut ketika sampai di

pasar. Cabai yang diletakkan secara sembarangan akan mengakibatkan turunnya

kualitas. Hal ini tentunya berhubungan positif dengan harga cabai. Ketika

kualitas cabai menurun maka harga cabai juga akan turun.

3. Pensortiran

Pensortiran adalah kegiatan mengelompokkan komoditas cabai besar

berdasarkan kualitas yang dimiliki. Hal ini dilakukan untuk mengurangi risiko

harga. Selain itu kegiatan pensortiran juga dilakukan pada saat penyusunan barang

sebelum dibawa ke daerah lain. Pensortiran dilakukan dengan sederhana yaitu

memisahkan antara cabai yang terindikasi membusuk dengan cabai yang masih

berkualitas bagus. Pensortiran harus benar-benar dilakukan dengan hati-hati.

Walaupun hanya ada satu cabai busuk yang tertinggal dalam pengemasan

menjelang transportasi maka hal itu akan berpengaruh pada cabai-cabai lainnya.

Satu cabai yang membusuk akan dengan cepat menyebar pada cabai-cabai lain.

6.2 Alternatif Strategi dalam Mengatasi Risiko Harga Cabai Merah Keriting dan Cabai Merah Besar

6.2.1 Strategi Pengurangan Risiko Harga oleh Petani

Petani cabai besar umumnya tidak langsung menjual hasil panen kepada

konsumen ataupun pedagang besar. Cabai besar hasil panen terlebih dahulu dijual

pada pengepul yang mengumpulkan hasil panen dari banyak petani. Pengepul

biasanya juga merupakan orang yang satu desa dengan petani. Kerja sama antara

petani dan pengepul biasanya sudah berlangsung selama bertahun-tahun. Seorang

petani akan selalu mengumpulkan hasil panennya pada pengepul yang sama. Hasil

panen yang sudah terkumpul pada pengepul dibawa pada pedagang besar yang

kemudian mendistribusikannya pada industri makanan dan pasar induk di

berbagai daerah.

Awal mula penentuan harga ditingkat petani dilakukan oleh pedagang di

Pasar Induk Kramat Jati. Pedagang pasar induk akan mematok harga tertentu pada

pedagang besar di daerah. Demikian seterusnya, pedagang besar akan

memberikan harga tertentu pada pengepul dan pengepul juga menentukan harga

65

pada petani. Margin harga yang diambil antara elemen tataniaga biasanya tidak

terlalu besar. Masing-masing komponen biasanya berusaha bersikap seadil

mungkin. Kerjasama yang sudah berlangsung selama bertahun-tahun serta adanya

pemikiran jangka panjang terhadap usaha yang dilakukan menyebabkan semua

pihak bersikap sebaik mungkin dalam menjalin kerja sama.

Sistem pembayaran yang dilakukan antara petani dan pengepul dilakukan

dengan berbagai cara tergantung pada besarnya hasil panen. Sistem pembayaran

yang dilakukan pada petani besar tidak dilakukan secara langsung ketika barang

diterima. Namun terdapat selang waktu antara diterimanya barang dengan

pembayaran. Hal ini berbeda pada petani dengan skala kecil. Petani skala kecil

biasanya langsung menerima pembayaran pada saat penerimaan barang secara

tunai.

Petani merupakan pihak yang paling merasakan dampak adanya fluktuasi

harga dalam sistem tataniaga suatu produk pertanian. Seringkali petani sebagai

produsen tidak dapat berbuat apa-apa ketika harga di pasaran jatuh. Namun

demikian terdapat beberapa strategi yang dilakukan oleh petani terkait dengan

adanya risiko harga ini.

1. Perhitungan yang Cermat dalam Penentuan Masa Tanam Cabai

Umur panen cabai sangat bervariasi tergantung pada jenis dan varietas.

Namun secara umum, umur panen cabai adalah tiga bulan atau 90 hari. Dalam

satu kali penanaman cabai dapat dipanen hingga sembilan kali dengan interval

lima hari. Jumlah cabai yang dapat dipanen pada masing-masing periode sangat

bervariasi. Riwayat panen cabai besar menyerupai kurva sebaran normal dimana

hasil panen sangat sedikit di awal dan kemudian mencapai puncaknya pada

periode panen ke lima dan ke enam. Hasil ini kemudian sedikit demi sedikit

menurun pada periode selanjutnya.

Petani berupaya mencegah jatuhnya harga melalui perhitungan cermat

dalam penentuan masa tanam cabai untuk mencegah kerugian dan memperoleh

keuntungan maksimal. Petani memanfaatkan waktu tertentu seperti hari raya

keagamaan, tahun baru, dan hari besar lainnya untuk menghitung waktu panen.

66

Sebagian petani mampu menyelaraskan antara waktu puncak panen dengan waktu

puncak harga cabai besar.

2. Melakukan Diversifikasi Tanaman

Diversifikasi merupakan upaya yang dilakukan oleh petani dalam

menanggulangi risiko dengan cara menamam berbagai jenis tanaman dalam satu

hamparan. Misalnya ketika petani akan menanam cabai seluas satu hektar, maka

sebaiknya dilakukan secara bertahap. Hal ini bertujuan agar rentang waktu panen

panjang hingga kemungkinan memperoleh harga rendah dapat dihindari.

3. Rotasi Tanaman

Penanaman tanaman tertentu secara terus menerus dalam satu hamparan

akan mengakibatkan berkurangnya zat-zat hara tertentu di dalam tanah. Hal ini

akan menyebabkan berkurangnya hasil panen dalam jangka panjang. Oleh karena

penggantian tanaman perlu dilakukan untuk menjaga kualitas tanah. Tanaman

selingan dapat berasal dari kacang-kacangan yang terbukti mampu menyuburkan

tanah dengan mengikat nitrogen dari udara. Strategi rotasi tanaman ini akan

semakin efektif jika dilakukan beriringan dengan kebijakan pengaturan pola

produksi cabai merah.

4. Pembuatan Produk Olahan Cabai

Terdapat beberapa produk olahan cabai yang dapat dijadikan alternatif

solusi ketika harga cabai sangat rendah. Berbagai macam produk olahan cabai

seperti saos/sambal cabai, cabai kering, oleoresin cabai, manisan cabai dan cabai

kalengan.

Saos cabai merupakan produk olahan yang sangat memasyarakat. Bahan

utama saos cabai adalah cabai segar, tomat, bawang putih, gula pasir, garam, cuka

dan natrium benzoat. Pembuatan saos diawali dengan membersihkan cabai dan

tomat dari bijinya dan direndam dengan air panas selama enam menit. Selanjutnya

dicampur dengan bawang putih dan diblender. Hasil blender ditambahkan garam

dapur dan natrium benzoat (0.05-0.1 persen). Campuran dipanaskan sampai kental

seraya ditambahkan asam cuka dan diaduk merata. Campuran kemudian

dimasukkan ke dalam botol dan dikukus selama 15 menit pada suhu 1000C.

67

Cabai kering dapat diperoleh melalui pengeringan alami (penjemuran) atau

dengan menggunakan pengeringan mekanis. Sebelum dikeringkan cabai terlebih

dahulu harus mengalami proses pembersihan, pembelahan, dan perendaman

dalam air panas (blancing). Pembersihan dimaksudkan untuk menghilangkan

kotoran yang menempel pada cabai di saat proses pemanenan. Sedangkan

pembelahan dilakukan untuk mempercepat proses pengeringan. Pengeringan cabai

dapat dilanjutkan dengan pengolahan menjadi oleoresin atau cabai serbuk.

Oleoresin dari cabai banyak dibutuhkan dalam industri farmasi dan makanan.

Oleoresin digunakan sebagai bahan baku dalam pembuatan koyo cabai, krim obat

gosok anti rematik, dan pegal-pegal sedangkan pada industri makanan oleoresin

diperlukan untuk pembutan minuman.

Sebagaimana halnya buah-buahan, cabai khususnya cabai merah besar

juga dapat dijadikan manisan. Cabai yang dapat dijadikan manisan adalah cabai

yang memiliki daging tebal serta tidak pedas. Pembuatan manisan cabai diawali

dengan pembelahan dan perendaman di dalam air mendidih yang telah dicampur

natrium metabisulfit 0.2 persen selama 5-10 menit. Tahapan selanjutnya adalah

perendaman dengan larutan gula secara bertahap selama tiga malam. Malam

pertama dilakukan perendaman dengan kadar gula 30-40 persen sedangkan malam

berikutnya kadar gula dinaikkan hingga 40-50 persen. Malam ketiga, kadar gula

larutan kembali dinaikkan menjadi 50-60 persen. Selanjutnya cabai yang telah

direndam tersebut ditiriskan dan dioven selama 14 jam. Agar penampilan lebih

menarik maka buah cabai dapat dilapisi dengan madu atau larutan gula.

Produk olahan cabai lainnya adalah cabai kalengan yang dapat dibuat

dengan sederhana. Cabai yang sudah dibersihkan dari tangkainya dicuci dan

direndam selama 2-3 menit dalam air panas dan dilanjutkan dengan pencucian

dengan air dingin. Selanjutnya cabai dimasukkan ke dalam kaleng dan

ditambahkan 50 mg asam sitrat/100 g dan larutan garam dapur 2 persen. Cabai

dikukus selama 6-7 menit dan kemudian ditutup rapat serta direbus dalam air

mendidih selama tiga puluh menit. Tahap selanjutnya kaleng yang berisi cabai

dimasukkan kedalam air agar dingin. Tahap akhir yang bisa dilakukan adalah

68

proses pelabelan berupa nama produk, tanggal kadaluarsa, nama produsen, dan

sebagainya.

5. Sistem Kontrak

Sistem kontrak merupakan mekanisme mengurangi atau menghilangkan

risiko dan ketidakpastian harga dengan penentuan harga yang harus dibayar

setelah panen atau pada saat komoditi siap untuk dipasarkan. Kontrak sebaiknya

dilakukan antara petani yang tergabung dalam kelembagaan baik berupa

kelompok tani atau koperasi dengan pihak lain berupa industri makanan seperti mi

instan, saos dan jenis produk lainnya yang menggunakan cabai sebagai salah satu

komposisinya. Sistem kontrak ini menjamin terserapnya hasil panen dengan harga

yang sesuai dengan kesepakatan.

6.2.2 Strategi Pengurangan Risiko Harga oleh Pedagang

Pedagang merupakan elemen penting dalam menjamin sampainya cabai

dari produsen (petani) ke konsumen. Pedagang cabai Pasar Induk Kramat jati

umumnya sudah memiliki petani pemasok cabai yang sudah menjadi langganan

selama bertahun-tahun. Kegiatan berlangganan ini bahkan terjadi dari generasi ke

generasi. Hal ini menyebabkan sistem perdagangan yang dilakukan tidak hanya

memperhitungkan untung rugi atau murni bisnis namun juga terdapat unsur

kekerabatan di dalamnya. Kegiatan bisnis umumnya dilakukan dengan sistem

kepercayaan antara petani dan pedagang.

Beberapa pedagang selalu menampung seluruh hasil panen dari petani

yang menjadi mitranya. Berapapun hasil panen pasti akan diterima oleh pedagang

namun dengan risiko harga yang belum pasti. Biasanya pedagang dengan sistem

ini akan melakukan pembayaran kepada petani dalam dua hari setelah barang

dikirimkan. Pembayaran dapat dilakukan dengan tunai atau melalui rekening.

Sistem ini biasanya dilakukan atas dasar saling kepercayaan dan keterbukaan.

Baik petani maupun pedagang tidak akan menghianati kerja sama yang sudah

berlangsung selama berpuluh-puluh tahun yang bahkan dari zaman dua generasi

sebelumnya. Berikut merupakan strategi yang dapat dilakukan pedagang dalam

upaya mengurangi risiko harga cabai merah.

69

1. Menjual Cabai pada Industri Makanan

Selain menjual cabai langsung pada pedagang pengecer atau konsumen

akhir, pedagang juga menjual cabai pada pabrik pengolahan saos atau mie instan

melalui kerjasama dengan perusahaan-perusahaan terkait. Hal ini dilakukan untuk

mengurangi risiko banyaknya cabai yang membusuk karena tidak terjual. Selain

itu cara ini dapat dilakukan untuk mencegah jatuhnya harga secara ekstrim.

2. Pengeringan Cabai

Kegiatan pengeringan dapat dijadikan salah satu kegiatan alternatif yang

dapat diterapkan untuk mencegah jatuhnya harga cabai akibat jumlah cabai di

pasaran melebihi permintaan. Cabai kering dapat diolah lebih lanjut menjadi cabai

serbuk dan oleoresin cabai. Cabai serbuk ditemukan pada produk makanan awetan

seperti mie instant. Sedangkan oleorosin cabai dibutuhkan sebagai bahan baku

dalam industri makanan dan farmasi. Industri makanan yang menggunakan

oleorosin seperti minuman ginger beer sedangkan industri farmasi seperti koyo

cabai, krim obat gosok anti rematik dan pegal-pegal. Cabai kering umumnya

dibutuhkan di daerah Kalimantan. Selain itu cabai kering merupakan komoditi

ekspor ke berbagai negara seperti Singapura, Jepang, Hongkong, Thailand dan

Belanda.

Pengeringan cabai dapat dilakukan secara alami dan mekanis. Pengeringan

secara alami dilakukan dengan menggunakan sinar matahari dalam waktu 8-10

hari. Pengeringan cabai secara mekanis dilakukan dengan menggunakan alat

tertentu seperti tray dryer. Pengeringan cabai dengan menggunakan alat ini hanya

memerlukan waktu 14-20 jam.

6.2.3 Strategi Pengurangan Risiko oleh Pemerintah

Pemerintah dapat memiliki peranan penting dalam mengurangi risiko

harga komoditi pertanian sehubungan dengan peran pemerintah sebagai fasilitator

dan regulator. Berikut merupakan strategi yang dilakukan oleh pemerintah untuk

mengurangi risiko harga cabai merah

70

1. Pembentukan atau Pengaktifan Koperasi dan Kelompok Tani

Petani cabai merah tidak memiliki kekuatan dalam menentukan harga.

Harga pada umumnya sudah ditentukan oleh pedagang besar yang ada di pasar-

pasar induk seperti Jakarta, Cibitung, Bogor dan sebagainya berdasarkan kondisi

pasar. Petani yang di beberapa daerah seringkali merasa tidak puas terhadap harga

yang ditawarkan oleh pengepul. Hal ini dikarenakan harga yang ditawarkan oleh

pengepul jauh lebih rendah dari harga pasar yang sesungguhnya.

Pembentukan koperasi dan kelembagaan lainnya dijadikan sebagai salah

satu alternatif solusi untuk mengatasi permasalahan ini. Koperasi ini berperan

dalam mengumpulkan hasil panen cabai petani sebelum dikirim ke pasar-pasar di

daerah yang membutuhkan. Melalui koperasi, harga yang diterima oleh petani

akan lebih adil dan wajar.

Selain itu kelembagaan tani juga dijadikan sebagai sarana bagi petani

dalam menjalankan sistem kontrak dengan mitra, wadah dalam pengembangan

produk olahan cabai serta penyuluhan dan pembinaan yang dilakukan oleh

pemerintah terkait dengan upaya mengurangi risiko harga cabai besar.

2. Pengaturan Pola Produksi

Adanya risiko harga tidak terlepas dari pengaruh fluktuasi produksi di

tingkat petani. Saat tertentu produksi melimpah yang menyebabkan harga turun,

namun pada saat lainnya produksi sangat sedikit yang menyebabkan naiknya

harga. Pengaturan pola produksi merupakan salah satu cara yang dapat dilakukan

untuk mengatasi permasalahan tersebut. Pengaturan pola produksi dapat

dijalankan secara efektif dengan adanya koordinasi yang jelas antara Departemen

Pertanian dan dinas-dinas pertanian di daerah.

Pengaturan pola produksi ini diawali dengan kajian yang mendalam

mengenai karakteristik tanaman cabai. Sehingga pengaturan pola produksi tidak

merugikan petani. Pengaturan pola produksi disesuaikan dengan tingkat

kebutuhan masyarakat terhadap cabai di setiap waktunya sehingga implikasinya

akan terdapat perbedaan luas tanam dalam periode-periode waktu tertentu. Hal

tersebut tidak hanya mempertimbangkan kebutuhan masyarakat namun juga aspek

71

musim dimana kemungkinan tingkat kegagalan panen tinggi pada musim

tertentu.

3. Penyuluhan dan Pembinaan yang Intensif

Penyuluhan dan pembinaan yang intensif tidak hanya terkait dengan

teknik budidaya yang baik namun juga berkenaan dengan pengolahan pasca

panen. Pengolahan pasca panen merupakan salah satu alternatif solusi yang dapat

dilakukan oleh petani ketika harga cabai di pasaran sangat rendah. Pemerintah

melalui Departemen Pertanian dan kelembagaan terkait dapat melakukan

pelatihan-pelatihan terkait dengan pembuatan produk-produk olahan dari cabai.

Sosialisasi mengenai pentingnya kebijakan pengaturan pola produksi juga

dilakukan melalui penyuluhan. Hal ini dikarenakan petani akan sulit menerima

kebijakan pengaturan pola produksi ini. Oleh karena itu, diperlukan upaya

penyadaran yang terus menerus terkait dengan hal tersebut. Upaya untuk

meyakinkan petani dapat diiringi dengan penyuluhan teknik budidaya yang tepat

pada musim dimana tingkat kegagalan produksi sangat tinggi seperti musim

hujan. Umumnya petani enggan untuk menanam cabai besar di musim hujan.

Tingkat kelembapan udara yang sangat tinggi mendorong munculnya berbagai

jenis cendawan yang mengakibatkan tingginya risiko produksi. Daerah-daerah

dimana petani mendapat giliran untuk berproduksi di musim hujan tentunya akan

mengalami ketakutan terhadap gagalnya produksi yang berakibat pada kerugian.

72

VII. KESIMPULAN DAN SARAN

7.1 Kesimpulan

Cabai merah keriting dan cabai merah besar merupakan komoditi yang

sangat fluktuatif dari sisi harga. Harga yang sangat fluktuatif ini menyebabkan

tingginya risiko harga cabai merah keriting dan cabai merah besar tersebut. Risiko

harga cabai merah keriting yang lebih besar dibandingkan cabai merah besar

disebabkan oleh beberapa faktor yaitu volume permintaan cabai merah keriting

yang lebih besar sementara pasokan lebih berfluktuasi terkait dengan risiko

produksi

Model ARCH GARCH terbaik untuk cabai merah keriting adalah ARCH

(1) GARCH (2). Hal ini berarti pola pergerakan harga cabai merah keriting

dipengaruhi oleh volatilitas satu hari sebelumnya dan varian pada dua hari

sebelumnya. Sedangkan model ARCH-GARCH yang terbaik pada cabai merah

besar adalah ARCH (1) GARCH (1). Hal ini berarti pola pergerakan harga

dipengaruhi oleh volatilitas pada satu hari sebelumnya dan varian pada satu hari

sebelumnya

Penanggulangan risiko oleh petani dilakukan melalui tindakan seperti

Perhitungan yang cermat dalam penentuan masa tanam cabai, menghindari

penanaman cabai dalam satu hamparan, rotasi tanaman dan pembuatan produk

olahan cabai. Penanggulangan risiko oleh pedagang dapat dilakukan melalui

tindakan seperti penjualan cabai pada industri makanan dan pengeringan cabai.

Penanggulangan risiko harga cabai merah keriting dan cabai merah besar akan

efektif melalui peran dan kontribusi pemerintah. Tindakan yang dapat dilakukan

oleh pemerintah terkait dengan hal tersebut adalah melalui pembentukan atau

pengaktifan koperasi dan kelompok tani, pengaturan pola produksi serta

pembinaan dan penyuluhan yang terkait dengan pengolahan pasca panen,

budidaya dan pendekatan terhadap petani terkait pentingnya kebijakan pengaturan

pola produksi untuk mengurangi risiko harga

73

7.2 Saran

1. Upaya meminimalisir adanya risiko harga cabai merah keriting dan cabai

merah besar sebaiknya dilakukan secara terintegrasi antara petani,

pedagang pemerintah dan pihak-pihak lainnya. Semua komponen yang

terkait seperti petani, pedagang dan pemerintah harus dapat bekerja sama

untuk mengatasi risiko harga agar dapat lebih efektif

2. Kerjasama yang dilakukan antara berbagai pihak tersebut hendaknya

diiringi dengan konsistensi dan komitmen yang kuat seperti pembinaan

yang berkelanjutan dan adanya pengawasan yang baik. Hal ini dilakukan

agar dalam upaya mencapai hasil yang diharapkan dapat lebih efisien

3. Penelitian mengenai cabai terutama terkait dengan upaya budidaya agar

dapat ditanam pada berbagai musim serta meminimalkan risiko produksi

perlu terus dikembangkan. Hal ini juga berhubungan dengan usaha untuk

menyukseskan kebijakan pengaturan pola produksi cabai besar untuk

mengurangi risiko harga.

4. Asosiasi Agribisnis Cabai Indonesia yang baru terbentuk pada tanggal 22

November 2008 diharapkan dapat berperan optimal dalam menghadapi

risiko harga cabai merah yang cukup tinggi tersebut.

74

DAFTAR PUSTAKA

[BPS] Badan Pusat Statistik. 2008. Produk Domestik Bruto Nasional. Indonesia : BPS Indonesia

Darmawan EY. 2007. Analisis Proses Keputusan Petani dalam Pembelian Benih

Cabai Merah Keriting Varietas TM 999 (Kasus di Desa Cisarua, Kecamatan Sukaraja, Kabupaten Sukabumi, Jawa Barat [Skripsi]. Bogor: Fakultas Pertanian, Institut Pertanian Bogor

Debertin DL. 1986. Agricultural Productions Economics. Macmillan Publishing

Company : New York [Direktorat Jenderal Hortikultura]. 2008. Nilai PDB Hortikultura Berdasarkan

Harga Konstan Periode 2003 – 2006. http:// www.deptan.go.id. [22 Desember 2008]

[Direktorat Jenderal Hortikultura]. 2007. Luas Panen Tanaman Sayuran Di

Indonesia Periode 2003-2007. http//www.hortikultura.deptan.go.id. [6 Februari 2009]

[Direktorat Jenderal Hortikultura]. 2008.Volume Ekspor Komoditas Sayuran Di

Indonesia.http// www.hortikultura.deptan.go.id. [ 6 Februari 2009] [Direktorat Jenderal Hortikultura]. Kebutuhan Perkapita (Kg) Beberapa Jenis

Cabai di Indonesia. 2008. http//www.hortikultura.deptan.go.id. [6 Februari 2009]

Firdaus M. 2006. Analisis Deret Waktu Satu Ragam. IPB Press : Bogor

Gaynor PE, Kirckpatrick RC. 1994. Introduction to Time-series Modelling and

Forecasting in Business and Economics. Mc Graw-Hill, Inc : Singapura. Hyman DN. 1996. Microeconomics. New York : McGraw-Hill,Inc Iskandar, E. 2006. Analisis Risiko Investasi Saham Agribisnis Rokok dengan

Pendekatan ARCH-GARCH [skripsi]. Bogor: Fakultas Pertanian, Institut Pertanian Bogor.

Jorion P.2002. Value at Risk : the new benchmark for managing financial risk,

second edition. McGraw-Hill. California. North America. Kountur, R. 2004. Manajemen Risiko Operasional (Memahami Cara Mengelola

Risiko Operasional Perusahaan. PPM. Jakarta.

http://www.hortikultura.deptan.go.id



75

Lipsey RG, Courant PN, Purvis DD, Steiner PO. 1995. Pengantar Mikroekonomi. Jaka W dan Kirbrandoko, penerjemah; Jakarta: Binarupa Aksara. Terjemahan dari: Economis 10th ed

McConnel CR, Brue SL. 1990. Microeconomics, Principles, Problems and

Policies. New York : McGraw-Hill, Inc Muharlis A. 2007. Peramalan dan Faktor-Faktor Penentu Fluktuasi Harga Cabai

Merah Di Enam Kota Besar Di Jawa-Bali (Kasus Pengendalian Harga Cabai Merah pada Bagian Analisis Harga, Badan Ketahanan Pangan Nasional, DEPTAN RI [skripsi]. Bogor: Fakultas Pertanian, Institut Pertanian Bogor.

Prajnanta F. 1999. Agribisnis Cabai Hibrida. Penebar Swadaya : Jakarta Pyndyck RS, Rubinfeld, DL. 1983. Econometric Models And Economic

Forecasts. Japan : McGraw-Hill, Inc Rachma M. 2008. Efisiensi Tataniaga Cabai Merah (Studi Kasus Desa

Cibeureum, Kecamatan Sukamantri, Kabupaten Ciamis, Provinsi Jawa Barat) [skripsi]. Bogor: Fakultas Pertanian, Institut Pertanian Bogor

Ramadhona, B. S. 2004. Analisis Investasi dengan Pendekatan Model ARCH-

GARCH dan Pendugaan Harga Saham dengan Pendekatan Model Time Series pada Perusahaan Agribisnis Terpilih di PT. Bursa Efek Jakarta [Skripsi]. Bogor: Fakultas Pertanian, Institut Pertanian Bogor.

Robison, L.J. and P.J Barry. 1987. The Competitive Firm’s Response To Risk.

Macmillan Publishing Company. New York. Safitri NA. 2009. Analisis Risiko Produksi Daun Potong di PT Pesona Daun Mas

Asri, Ciawi Kabupaten Bogor, Jawa Barat [Skripsi]. Bogor: Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor

Siregar YR. 2009. Analisis Risiko Harga Day Old Chick (DOC) Broiler dan

Layer pada PT Sierad Produce Tbk Parung, Bogor [skripsi]. Bogor: Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor

Sukirno S. 1985. Pengantar Teori Mikroekonomi. Jakarta : Lembaga Penerbit

Fakultas Ekonomi UI Suyanti. 2007. Membuat Aneka Olahan Cabai. Jakarta : Penebar Swadaya Topan M. 2008. Panduan Lengkap Budidaya dan Bisnis Cabai. Jakarta :

Agromedia Pustaka

76

LAMPIRAN

77

Lampiran 1. Distribusi Persentase Produk Domestik Bruto Atas Dasar Harga Berlaku Menurut Lapangan Usaha

Lapangan Usaha 2004 2005 2006 2007 1. Pertanian, Peternakan, Kehutanan & Perikanan

a. Tanaman Bahan Makanan b. Tanaman Perkebunan c. Peternakan & Hasil-hasilnya d. Kehutanan e. Perikanan

14.34 7.21 2.16 1.77 0.88 2.31

13.13 6.54 2.03 1.59 0.81 2.15

12.97 6.42 1.90 1.53 0.90 2.23

13.83 6.78 2.13 1.57 0.90 2.45

2. Pertambangan & Penggalian a. Pertambangan Minyak & Gas Bumi b. Pertambangan Bukan Migas c. Penggalian

8.94 5.16 2.84 0.94

11.14 6.40 3.77 0.97

10.97 5.99 3.91 1.07

11.14 5.92 4.05 1.17

3. Industri Pengolahan

a. Industri Migas b. Industri bukan Migas

28.07 4.11 23.96

27.41 4.99 22.42

27.54 5.15 22.33

27.01 4.61 22.40

4. Listrik, Gas & Air Bersih

a. Listrik b. Gas Kota c. Air Bersih

1.03 0.76 0.13 0.14

0.96 0.69 0.14 0.13

0.91 0.63 0.15 0.12

0.88 0.58 0.17 0.12

5. Konstruksi

6.59 7.03 7.52 7.71

6. Perdagangan, Hotel &Restoran

a. Perdagangan besar & eceran b. Hotel c. Restoran

16.05 12.53 0.55 2.98

15.56 12.21 0.51 2.84

15.02 11.77 0.48 2.77

14.93 11.82 0.44 2.67

7. Pengangkutan & Komunikasi

a. Pengangkutan b. Komunikasi

6.20 3.85 2.35

6.51 3.97 2.54

6.94 4.28 2.67

6.70 3.79 2.91

8. Keuangan, Real Estat & Jasa Perusahaan

a. Bank b. Lembaga Keuangan Bukan Bank c. Jasa Penunjang Keuangan d. Real Estat e. Jasa Perusahaan

8.47 3.42 0.73 0.06 2.88 1.39

8.31 3.18 0.75 0.06 2.94 1.38

8.06 2.87 0.80 0.06 2.92 1.41

7.71 2.67 0.82 0.06 2.79 1.37

9. Jasa-Jasa

a. Pemerintahan umum b. Swasta

10.32 5.28 5.04

9.96 4.87 5.08

10.07 5.02 5.04

10.09 5.19 4.90

78

Lampiran 2. Laju Pertumbuhan Produk Domestik Bruto Atas Dasar Harga Berlaku Menurut Lapangan Usaha (Persen)

Lapangan Usaha 2004 2005 2006 2007 2. Pertanian, Peternakan, Kehutanan &

Perikanan

a. Tanaman Bahan Makanan b. Tanaman Perkebunan c. Peternakan & Hasil-hasilnya d. Kehutanan e. Perikanan

7.63 5.02 6.15 8.78 10.18 16.22

10.65 9.53 13.71 8.78 11.20 12.50

18.96 18.21 12.35 15.55 33.26 24.64

26.32 25.09 33.21 21.58 18.85 30.25

2. Pertambangan & Penggalian d. Pertambangan Minyak & Gas Bumi e. Pertambangan Bukan Migas f. Penggalian

22.49 24.52 22.15 13.28

59.55 49.90 60.62 23.86

18.60 12.65 24.95 33.25

20.28 17.03 22.77 29.35

3. Industri Pengolahan

c. Industri Migas d. Industri bukan Migas

13.26 21.37 11.97

18.01 46.87 13.06

20.93 24.31 20.18

16.23 5.93 18.61

4. Listrik, Gas & Air Bersih

d. Listrik e. Gas Kota f. Air Bersih

23.96 25.15 34.56 9.59

12.49 9.55 26.05 15.51

13.71 10.58 29.21 13.65

14.40 8.81 36.90 15.69

5. Konstruksi

20.67 29.00 28.71 21.54

6. Perdagangan, Hotel &Restoran

d. Perdagangan besar & eceran e. Hotel f. Restoran

9.98 10.35 11.97 8.11

17.11 17.78 11.52 15.35

16.20 16.06 13.62 17.28

17.80 19.02 8.45 14.26

7. Pengangkutan & Komunikasi

c. Pengangkutan d. Komunikasi

19.66 11.03 37.08

26.91 24.74 18.57

28.37 29.63 16.74

14.43 29.57 13.41

8. Keuangan, Real Estat & Jasa Perusahaan

f. Bank g. Lembaga Keuangan Bukan Bank h. Jasa Penunjang Keuangan i. Real Estat j. Jasa Perusahaan

11.68 5.42 17.24 17.22 16.85 14.92

18.57 12.42 25.00 22.95 23.25 20.52

16.74 8.41 28.69 27.18 19.54 23.08

13.41 10.27 21.68 23.82 13.19 15.12

9. Jasa-Jasa

c. Pemerintahan umum d. Swasta

19.13 19.22 19.05

16.61 11.56 21.89

21.74 24.17 19.41

18.75 22.37 15.13

Produk Domestik Bruto 14.01 20.84 20.37 18.50

79

Lampiran 3. Deskripsi Komponen Biaya Produksi Cabai Besar Menurut Topan (2008)

A. Biaya Produksi a. Penyiapan Lahan 1. Sewa lahan 2. Pembersihan lahan 3. Pengolahan Lahan 4. Pembuatan bedengan kasar (50 HKP) 5. Pupuk Kandang 20 ton 6. Kapur pertanian 1 ton 7. Tenaga untuk pengapuran 8. Pupuk urea 5 sak @50 kg x Rp 77.000 9. Pupuk Za 650 kg @ Rp 2000 10. Pupuk TSP 500 kg @ Rp 4000 11. Pupuk KCL 400 kg @ Rp 2000 12. Pupuk Borat 18 kg @Rp 15.000 13. Insektisida/nematisida 40 kg @Rp 10.000 14. Tenaga pemupukan pupuk kandang (20 HK) 15. Tenaga pemupukan pupuk anorganik (10 HKP) 16. Tenaga pembuatan bedengan jadi (40 HKP) 17. Mulsa plastik hitam perak 12 rol x 300.000 18. Tenaga pemasangan mulsa plastik (30 HKP)

Rp. 3.000.000 Rp. 400.000 Rp. 700.000 Rp. 500.000 Rp. 2.000.000 Rp. 200.000 Rp. 30.000

Rp. 385.000 Rp. 1.300.000 Rp. 2.000.000 Rp. 800.000 Rp. 270.000 Rp. 400.000 Rp. 200.000 Rp 100.000 Rp 400.000 Rp 3.600.000

Rp 300.000

Total Penyiapan lahan Rp 16.585.000 b. Biaya Pembibitan dan Penanaman 1. Plastik semai 15 kg x Rp 10.000 2. Benih cabai hibrida TM 999 18 bungkus @ 60.000 3. Plastik transparan penutup persemaian 75 m x Rp 3.500 4. Tenaga penyemaian (50 HKW) 5. Tenaga pembuatan lubang penanaman (10 HKP) 6. Tenaga penanaman (10 HKP + 40 HKW)

Rp 150.000 Rp 1.080.000 Rp 262.500 Rp 375.000 Rp 100.000 Rp 400.000

Total biaya pembibitan dan penanaman Rp 2.367.500

c. Biaya Pemeliharaan tanaman dan panen 1. Bambu 150 batang @ Rp 2.500 2. Tenaga Pemangkasan tunas (60 HKW) 3. Tenaga Pemasangan ajir (30 HKP) 4. Pupuk NPK susulan 276 kg @ Rp 3500 5. Pupuk KNO3 7 kg @ Rp 16.000 6. Tenaga pemupukan susulan (30 HKP) 7. Insektisida 301 @ Rp 150.000 8. Fungisida 30 kg @ Rp 50.000 9. Bakterisida 1 Kg 10. Surfaktan 101 @ Rp 50.000 11. Pupuk daun 10 Kg @ Rp 12.000 12. ZPT/atonik 31 @ Rp 100.000

Rp. 375.000 Rp. 450.000 Rp 300.000 Rp 966.000 Rp 112.000 Rp 300.000 Rp 4.500.000 Rp 1.500.000 Rp 400.000 Rp 500.000 Rp 120.000 Rp 300.000

80

13. Tali rafia 5 gulung @ Rp 5.000 14. Tenaga penyemprotan (90 HKP) 15. Tenaga penyiangan (60 HKW) 16. Tenaga panen (120 HKW + 30 HKP) 17. Tenaga keamanan selama 6 bulan x Rp 300.000 18. Gaji mandor selama enam bulan x Rp 400.000 19. Peralatan (sprayer 3 buah, ember, drum dan gembor)

Rp 25.000 Rp 900.000 Rp 450.000 Rp 1.200.000 Rp 1.800.000 Rp 2.400.000 Rp 1.000.000

Total biaya pemeliharaan dan panen Rp 17.598.000

Total biaya produksi (a+b+c) Rp 36.550.500

Biaya tak terduga 10 persen Rp 3. 655.050

Total biaya produksi Rp 40.205.550

81

Lampiran 4. Jenis-Jenis ARCH GARCH

GARCH (1,1) Persamaan standar ARCH/GARCH :

ttt xy εγ +=

21

21

2−− ++= ttt βσαεωα

Varian bersyarat 2tσ (karena tergantung pada periode sebelumnya)

memiliki tiga bagian, yaitu:

• Rata-rata ω

• Volatilitas periode sebelumnya 21−tε (disebut ARCH)

• Varian periode sebelumnya 21−tσ (disebut GARCH)

ARCH in mean (ARCH-M) Dikenalkan oleh Engle, Lilien dan Robins (1987), dengan persamaan

: tttt xy εσγ ++= 2

TARCH (Treshold ARCH) Diperkenalkan oleh Zakoian (1994) dan Glosten, Jaganathan dan

Rungkle (1993). Varian bersyarat dihitung dengan rumus : 2

112

12

12

−−−− +++= ttttt d βσγεαεωα

dengan 1=td bila 0<tε dan 0=td bila tidak. Model ini

biasanya digunakan pada analisis harga saham yang terpengaruh

oleh berita buruk (bad news) berbeda dengan berita baik (good

news). Pengaruh berita baik ditunjukkan oleh sedangkan

pengaruh berita buruk oleh ( )γα + . Bila 0>γ berarti ada

leverage effect, pengaruh berita buruk lebih besar dan bersifat

volatil. Jika 0≠γ , pengaruh berita baik dan buruk bersifat

asimetris. Pada program Eviews, koefisien γ ini ditunjukkan oleh

(RESID<0)*ARCH(1)

EGARCH (Exponential

GARCH)

Diperkenalkan oleh Nelson (1991). Varian bersyarat dihitung dengan

rumus :

1

1

1

121

2 loglog−

−

−

−− +++=

t

t

t

ttt σ

εγ

σε

ασβωα

Karena berbentuk log, maka leverage effect-nya bersifat

eksponensial (bukan kuadratik), sehingga selalu bersifat nonnegatif.

Keberadaan leverage effect diuji dengan hipotesis nul 0>γ

82

Component ARCH Pada GARCH (1,1), persamaan berikut ini:

( ) )( 21

21

2 ϖσβϖεαϖσ −+−+= −− ttt

Menunjukkan pembalikan rata-rata terhadap ϖ yang bersifat

konstan sepanjang waktu. Sebaliknya model Component ARCH

memungkinkan pembalikan rata-rata pada berbagai tingkat q, dengan

persamaan berikut ini:

( ) ( )ϖσβϖεαϖσ −+−+=− −−2

12

12t tttq

( ) ( )21

211 −−− −+−+= tttt qpq σεφωω

Asymetric Component Fungsi ini digunakan untuk menggabungkan antara component

ARCH dengan model simetris TARCH

83

Lampiran 5. Model Regresi Cabai Merah Keriting

Dependent Variable: PT Method: Least Squares Date: 03/27/09 Time: 02:41 Sample: 1 1147 Included observations: 1147

Variable Coefficient Std. Error t-Statistic Prob.

PT1 0.976838 0.006312 154.7580 0.0000

S -0.006853 0.011639 -0.588802 0.5561 C 0.291972 0.151526 1.926876 0.0542 R-squared 0.954527 Mean dependent var 9.107590

Adjusted R-squared 0.954447 S.D. dependent var 0.434951 S.E. of regression 0.092832 Akaike info criterion -1.913435 Sum squared resid 9.858778 Schwarz criterion -1.900240 Log likelihood 1100.355 F-statistic 12006.78 Durbin-Watson stat 2.222306 Prob(F-statistic) 0.000000

Lampiran 6. Uji ARCH LM Terhadap Model Regresi Cabai Merah Keriting

ARCH Test: F-statistic 67.12439 Prob. F(1,1144) 0.000000 Obs*R-squared 63.51498 Prob. Chi-Square(1) 0.000000

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 03/27/09 Time: 02:45

Sample (adjusted): 2 1147

Included observations: 1146 after adjustments


C 0.006583 0.000794 8.294124 0.0000

RESID^2(-1) 0.235485 0.028742 8.192947 0.0000

R-squared 0.055423 Mean dependent var 0.008603 Adjusted R-squared 0.054598 S.D. dependent var 0.026269

S.E. of regression 0.025541 Akaike info criterion -4.495281

Sum squared resid 0.746309 Schwarz criterion -4.486478

Log likelihood 2577.796 F-statistic 67.12439

Durbin-Watson stat 1.991144 Prob(F-statistic) 0.000000

84

Lampiran 7. Model ARCH (1) GARCH (0) Cabai Merah Keriting Dependent Variable: PT Method: ML - ARCH (Marquardt) - Normal distribution Date: 03/27/09 Time: 03:18 Sample: 1 1147 Included observations: 1147 Convergence achieved after 16 iterations Variance backcast: ON GARCH = C(4) + C(5)*RESID(-1)^2

Coefficient Std. Error z-Statistic Prob.

PT1 0.981260 0.006248 157.0539 0.0000

S -0.005596 0.010019 -0.558552 0.5765

C 0.236384 0.137258 1.722191 0.0850

Variance Equation

C 0.007271 0.000206 35.23776 0.0000

RESID(-1)^2 0.137292 0.023884 5.748185 0.0000

R-squared 0.954506 Mean dependent var 9.107590

Adjusted R-squared 0.954346 S.D. dependent var 0.434951





Lampiran 8. Uji ARCH LM Terhadap Model ARCH(1) GARCH (0) Cabai

Merah Keriting ARCH Test:

F-statistic 0.741379 Prob. F(1,1144) 0.389400

Obs*R-squared 0.742194 Prob. Chi-Square(1) 0.388959

Test Equation: Dependent Variable: WGT_RESID^2 Method: Least Squares Date: 03/27/09 Time: 03:20 Sample (adjusted): 2 1147 Included observations: 1146 after adjustments

Variable Coefficient Std. Error t-Statistic Prob. C 0.975490 0.085118 11.46048 0.0000

WGT_RESID^2(-1) 0.025459 0.029568 0.861034 0.3894 R-squared 0.000648 Mean dependent var 1.000888

Adjusted R-squared -0.000226 S.D. dependent var 2.702596 S.E. of regression 2.702901 Akaike info criterion 4.828272 Sum squared resid 8357.692 Schwarz criterion 4.837075 Log likelihood -2764.600 F-statistic 0.741379 Durbin-Watson stat 2.000851 Prob(F-statistic) 0.389400

85

Lampiran 9. Model ARCH (1) GARCH (1) Cabai Merah Keriting

Dependent Variable: PT

Method: ML - ARCH (Marquardt) - Normal distribution

Date: 03/27/09 Time: 10:41

Sample: 1 1147

Included observations: 1147

Convergence achieved after 16 iterations

Variance backcast: ON

GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*GARCH(-1)

Coefficient Std. Error z-Statistic Prob.

PT1 0.983203173469762 0.00597541804477545 164.541320139001 0

S -0.00471291972811898 0.0100223774417341 -0.470239696670567 0.638183769571331

C 0.208367347540464 0.135035146817697 1.54306010287653 0.122816193808129

Variance Equation

C 0.000546488425329932 0.000127474564608695 4.2870389634785 1.81070542869788e-05

RESID(-1)^2 0.0498554310660485 0.00800022042712986 6.23175717721249 4.61232025756839e-10

GARCH(-1) 0.882952470272267 0.0200084230025556 44.1290385633835 0






Durbin-Watson stat 2.23436541977137 Prob(F-statistic) 0

86

Lampiran 10. Uji ARCH LM Terhadap Model ARCH(1) GARCH (1) Cabai Merah Keriting

ARCH Test:


4


4

Test Equation:

Dependent Variable: WGT_RESID^2


Date: 03/27/09 Time: 10:46




C 0.945981077057228 0.0856500926971549 11.0447174926251 5.10039127224294e-

27

WGT_RESID^2(-1) 0.063683709034483

7 0.0295049401472789 2.15840834506342 0.031103600990047

8

R-squared 0.004055796971043

08 Mean dependent var 1.01021484008415

Adjusted R-squared 0.003185216373989

72 S.D. dependent var 2.72317040901906

S.E. of regression 2.71883000649413 Akaike info criterion 4.84002402866631

Sum squared resid 8456.48987521954 Schwarz criterion 4.84882687839978

Log likelihood -2771.3337684258 F-statistic 4.6587265840417


4

87

Lampiran 11 . Model ARCH (1) GARCH (2) Cabai Merah Keriting



Date: 03/27/09 Time: 10:48

Sample: 1 1147




GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*GARCH(-1) + C(7)

*GARCH(-2) Coefficient Std. Error z-Statistic Prob.

PT1 0.98349996010067 0.00615165681152895 159.875622166937 0

S

-0.005435666101251

65 0.00991574784141178 -0.548185188670322 0.583564732053585

C 0.214197940777215 0.133294161504059 1.6069566615691 0.108063875396692 Variance Equation

C 0.000787645429019

118 0.000213511079661096 3.68901431377397 0.000225124554769

362

RESID(-1)^2 0.069386210407976

2 0.0145077130844662 4.7827117895149 1.72946011912171e

-06

GARCH(-1) 0.413433337225028 0.165391083928154 2.49973171107956 0.012428739103949

2

GARCH(-2) 0.420099940815582 0.145711239046545 2.88309909080788 0.003937835466124

51



S.E. of regression 0.093041075764475

9 Akaike info criterion -1.98637030658856



Durbin-Watson stat 2.23488518386952 Prob(F-statistic) 0

88


ARCH Test:



Test Equation:



Date: 03/27/09 Time: 10:52




C 0.965232 0.085450 11.29591 0.0000

WGT_RESID^2(-1) 0.043180 0.029539 1.461823 0.1441







89

Lampiran 13 . Model ARCH (1) GARCH (3) Cabai Merah Keriting Dependent Variable: PT


Date: 03/27/09 Time: 10:54

Sample: 1 1147





*GARCH(-2) + C(8)*GARCH(-3) Coefficient Std. Error z-Statistic Prob.

PT1 0.984203 0.005649 174.2313 0.0000

S -0.005649 0.009932 -0.568790 0.5695


C 0.000795 0.000190 4.190726 0.0000

RESID(-1)^2 0.060823 0.008297 7.330302 0.0000

GARCH(-1) 0.423696 0.014165 29.91182 0.0000

GARCH(-2) -0.453938 0.012525 -36.24304 0.0000

GARCH(-3) 0.870448 0.022276 39.07532 0.0000







90


ARCH Test:



Test Equation:



Date: 03/27/09 Time: 10:55




C 0.967697 0.078962 12.25526 0.0000

WGT_RESID^2(-1) 0.040865 0.029542 1.383296 0.1668







91

Lampiran 15 . Model ARCH (2) GARCH (0) Cabai Merah Keriting Dependent Variable: PT Method: ML - ARCH (Marquardt) - Normal distribution Date: 03/27/09 Time: 03:25 Sample: 1 1147 Included observations: 1147 Convergence achieved after 16 iterations Variance backcast: ON GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*RESID(-2)^2

Coefficient Std. Error z-Statistic Prob. PT1 0.981989 0.006216 157.9720 0.0000

S -0.004789 0.011293 -0.424046 0.6715 C 0.219783 0.149402 1.471090 0.1413 Variance Equation C 0.006568 0.000213 30.90160 0.0000

RESID(-1)^2 0.146714 0.025683 5.712408 0.0000 RESID(-2)^2 0.082384 0.018413 4.474201 0.0000

R-squared 0.954495 Mean dependent var 9.107590 Adjusted R-squared 0.954296 S.D. dependent var 0.434951 S.E. of regression 0.092986 Akaike info criterion -1.970268 Sum squared resid 9.865610 Schwarz criterion -1.943877 Log likelihood 1135.948 F-statistic 4786.644 Durbin-Watson stat 2.232162 Prob(F-statistic) 0.000000

Lampiran 16. Uji ARCH LM Terhadap Model ARCH(2) GARCH (0) Cabai

Merah Keriting ARCH Test:



Test Equation: Dependent Variable: WGT_RESID^2 Method: Least Squares Date: 03/27/09 Time: 03:26 Sample (adjusted): 2 1147 Included observations: 1146 after adjustments


WGT_RESID^2(-1) 0.026010 0.029554 0.880065 0.3790 R-squared 0.000677 Mean dependent var 1.000879

Adjusted R-squared -0.000197 S.D. dependent var 2.728545 S.E. of regression 2.728814 Akaike info criterion 4.847355 Sum squared resid 8518.709 Schwarz criterion 4.856157 Log likelihood -2775.534 F-statistic 0.774515 Durbin-Watson stat 1.999296 Prob(F-statistic) 0.379009

92

Lampiran 17 . Model ARCH (2) GARCH (1) Cabai Merah Keriting Dependent Variable: PT


Date: 03/27/09 Time: 11:00

Sample: 1 1147




GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*RESID(-2)^2 + C(7)


PT1 0.983699 0.005990 164.2140 0.0000

S -0.005211 0.009938 -0.524397 0.6000


C 0.000475 0.000140 3.392118 0.0007

RESID(-1)^2 0.107553 0.023865 4.506631 0.0000

RESID(-2)^2 -0.068790 0.022738 -3.025390 0.0025

GARCH(-1) 0.902395 0.023683 38.10375 0.0000







93

Lampiran 18 . Uji ARCH LM Terhadap Model ARCH(2) GARCH (1) Cabai Merah Keriting

ARCH Test:



Test Equation:



Date: 03/27/09 Time: 11:01




C 0.990000 0.085122 11.63043 0.0000

WGT_RESID^2(-1) 0.017849 0.029562 0.603791 0.5461


Adjusted R-squared -0.000555 S.D. dependent var 2.699233





94

Lampiran 19. Model ARCH (2) GARCH (2) Cabai Merah Keriting Dependent Variable: PT


Date: 03/27/09 Time: 11:03

Sample: 1 1147






PT1 0.983636 0.006035 163.0003 0.0000

S -0.004468 0.010261 -0.435423 0.6633


C 0.000311 0.000176 1.767605 0.0771

RESID(-1)^2 0.115158 0.026223 4.391451 0.0000

RESID(-2)^2 -0.090457 0.023462 -3.855528 0.0001

GARCH(-1) 1.198365 0.196873 6.087003 0.0000

GARCH(-2) -0.261578 0.168510 -1.552299 0.1206







95

Lampiran 20. Uji ARCH LM Terhadap Model ARCH (2) GARCH (2) Cabai Merah Keriting

ARCH Test:



Test Equation:



Date: 03/27/09 Time: 11:04




C 0.993724 0.085277 11.65294 0.0000

WGT_RESID^2(-1) 0.014444 0.029562 0.488589 0.6252







96

Lampiran 21. Model Regresi Cabai Merah Besar Dependent Variable: PT


Date: 03/28/09 Time: 16:57

Sample: 1 1147



PT1 0.964644 0.007807 123.5595 0.0000

S -0.001893 0.008939 -0.211743 0.8323

C 0.339740 0.115085 2.952085 0.0032







Lampiran 22.. Uji ARCH LM Terhadap Model Regresi Cabai Merah Besar ARCH Test:



Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 03/28/09 Time: 16:58 Sample (adjusted): 2 1147 Included observations: 1146 after adjustments


RESID^2(-1) 0.119516 0.029353 4.071729 0.0000 R-squared 0.014285 Mean dependent var 0.009074

Adjusted R-squared 0.013423 S.D. dependent var 0.023289 S.E. of regression 0.023133 Akaike info criterion -4.693405 Sum squared resid 0.612174 Schwarz criterion -4.684602 Log likelihood 2691.321 F-statistic 16.57897 Durbin-Watson stat 2.000991 Prob(F-statistic) 0.000050

97

Lampiran 23. Model ARCH (1) GARCH (0) Cabai Merah Besar



Date: 03/28/09 Time: 17:01

Sample: 1 1147




GARCH = C(4) + C(5)*RESID(-1)^2 Coefficient Std. Error z-Statistic Prob.

PT1 0.968501 0.006814 142.1422 0.0000

S 0.007951 0.008566 0.928240 0.3533


C 0.007904 0.000253 31.27694 0.0000

RESID(-1)^2 0.129784 0.030085 4.313923 0.0000







98

Lampiran 24. Uji ARCH LM Terhadap Model ARCH(1) GARCH (0) Cabai Merah Besar

ARCH Test:



Test Equation:



Date: 03/28/09 Time: 17:12




C 0.997993 0.080681 12.36964 0.0000

WGT_RESID^2(-1) 0.002874 0.029564 0.097202 0.9226







99

Lampiran 25. Model ARCH (1) GARCH (1) Cabai Merah Besar Dependent Variable: PT


Date: 03/28/09 Time: 17:19

Sample: 1 1147




GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*GARCH(-1) Coefficient Std. Error z-Statistic Prob.

PT1 0.960694 0.005949 161.4774 0.0000

S 0.008498 0.009176 0.926088 0.3544


C 0.000448 9.27E-05 4.833891 0.0000

RESID(-1)^2 0.065325 0.013204 4.947504 0.0000

GARCH(-1) 0.886204 0.019497 45.45377 0.0000







100


ARCH Test:



Test Equation:



Date: 03/28/09 Time: 17:15




C 0.997730 0.084173 11.85340 0.0000

WGT_RESID^2(-1) 0.008645 0.029564 0.292414 0.7700







101



Date: 03/28/09 Time: 17:21

Sample: 1 1147






PT1 0.962568 0.005954 161.6599 0.0000

S 0.009628 0.009182 1.048550 0.2944


C 0.000719 0.000203 3.545139 0.0004

RESID(-1)^2 0.098227 0.022383 4.388426 0.0000

GARCH(-1) 0.301125 0.168062 1.791752 0.0732

GARCH(-2) 0.522511 0.144873 3.606680 0.0003







102


ARCH Test:



Test Equation:



Date: 03/28/09 Time: 17:23




C 1.008949 0.083822 12.03676 0.0000

WGT_RESID^2(-1) -0.003372 0.029565 -0.114050 0.9092







103



Date: 03/28/09 Time: 17:23

Sample: 1 1147






PT1 0.963078 0.006262 153.7952 0.0000

S 0.008909 0.008782 1.014473 0.3104


C 0.000586 0.000122 4.808098 0.0000

RESID(-1)^2 0.104057 0.015288 6.806432 0.0000

GARCH(-1) 0.940547 0.034819 27.01265 0.0000

GARCH(-2) -0.849900 0.054669 -15.54628 0.0000

GARCH(-3) 0.744969 0.046616 15.98086 0.0000







104

Lampiran 30. Uji ARCH LM Terhadap Model ARCH(1) GARCH (3) Cabai Merah Besar ARCH Test:



Test Equation:



Date: 03/28/09 Time: 17:26




C 1.005926 0.083774 12.00760 0.0000

WGT_RESID^2(-1) 0.003468 0.029565 0.117315 0.9066







105



Date: 03/28/09 Time: 17:27

Sample: 1 1147




GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*RESID(-2)^2 Coefficient Std. Error z-Statistic Prob.

PT1 0.967517 0.006763 143.0534 0.0000

S 0.009288 0.008817 1.053403 0.2922


C 0.007634 0.000266 28.72766 0.0000

RESID(-1)^2 0.129995 0.029768 4.366861 0.0000

RESID(-2)^2 0.031346 0.019627 1.597066 0.1103







106


ARCH Test:



Test Equation:



Date: 03/28/09 Time: 17:30




C 0.997418 0.081341 12.26216 0.0000

WGT_RESID^2(-1) 0.003455 0.029564 0.116872 0.9070







107

Lampiran 33. Model ARCH (2) GARCH (1) Cabai Merah Besar



Date: 03/28/09 Time: 17:32

Sample: 1 1147






PT1 0.962240 0.005823 165.2370 0.0000

S 0.011762 0.008981 1.309582 0.1903


C 0.000360 9.02E-05 3.990295 0.0001

RESID(-1)^2 0.131793 0.034071 3.868225 0.0001

RESID(-2)^2 -0.076068 0.033803 -2.250348 0.0244

GARCH(-1) 0.905728 0.020236 44.75898 0.0000







108


ARCH Test:



Test Equation:



Date: 03/28/09 Time: 17:34




C 1.017580 0.083522 12.18335 0.0000

WGT_RESID^2(-1) -0.010853 0.029563 -0.367114 0.7136







109



Date: 03/28/09 Time: 17:35

Sample: 1 1147






PT1 0.961695 0.005794 165.9868 0.0000

S 0.012315 0.009119 1.350466 0.1769


C 0.000263 0.000145 1.818036 0.0691

RESID(-1)^2 0.133314 0.033875 3.935514 0.0001

RESID(-2)^2 -0.090983 0.035493 -2.563389 0.0104

GARCH(-1) 1.120753 0.287360 3.900168 0.0001

GARCH(-2) -0.191140 0.253923 -0.752750 0.4516







110

Lampiran 36. Uji ARCH LM Terhadap Model ARCH(2) GARCH (2) Cabai Merah Besar ARCH Test:



Test Equation:



Date: 03/28/09 Time: 17:38




C 1.017676 0.083644 12.16676 0.0000

WGT_RESID^2(-1) -0.010714 0.029563 -0.362408 0.7171







risiko harga cabai merah keriting dan cabai merah besar di ... · pertanian merupakan sektor yang...

Documents