Mengapa Belanja Pangan Terasa Makin Berat?
Daftar isi
Beban pangan keluarga dipengaruhi jalur biaya dan susunan belanjanya. Membaca riset kurs, energi, serta permintaan membantu menjelaskan mengapa kenaikan harga yang sama terasa berbeda dan respons kebijakan perlu disesuaikan.
Di balik bahan pangan yang dibawa pulang, ada biaya impor, energi, pasokan, dan keputusan belanja. Ilustrasi editorial dibuat dengan AI.
Harga di pasar punya perjalanan yang panjang
Dengan uang yang sama, isi tas belanja bisa lebih sedikit. Kata harga naik merangkum pengalaman itu, tetapi belum menjelaskan bahan mana berubah dan tekanan apa yang sampai ke pasar.
Bawang putih terkait biaya impor, telur juga menghadapi biaya pakan, dan distribusi membutuhkan energi. Tambahan pembelian besar di daerah yang sama dapat menambah kebutuhan ketika pasokan belum siap.
Isnawati Hidayah dan Media Wahyudi Askar dari CELIOS membahas pertemuan tekanan tersebut dalam catatan kebijakan edisi Juni–Juli 2026. Mereka menggunakan istilah multiple shock untuk menggambarkan beberapa guncangan yang berpotensi bertemu dalam pembentukan harga pangan lokal. [1]
Memisahkan jalurnya membantu memilih respons: hambatan distribusi perlu penanganan berbeda dari kenaikan biaya impor atau tambahan permintaan.
Tiga jalur menuju harga di pasar
Pilih satu jalur untuk mengikuti prosesnya. Minyak dunia dan BBM ditempatkan dalam jalur energi yang saling berkaitan.
Penjelasan mekanisme berdasarkan CELIOS, PDF hlm. 2–4 dan 15–17. Diagram bukan estimasi besar kontribusi masing-masing penyebab. Jalur dapat saling berkaitan dan tidak dijumlahkan sebagai persentase harga.
Mengapa rupiah yang melemah bisa sampai ke dapur?
Banyak bahan pangan dan input produksi terhubung dengan transaksi internasional. Ketika pembayarannya memakai dolar, perubahan kurs bisa mengubah biaya dalam rupiah meskipun harga barang dalam dolar tidak berubah.
Bayangkan pembelian bahan senilai US$1.000. Dengan kurs Rp16.000 per dolar, biayanya Rp16 juta. Jika kurs berubah menjadi Rp17.000, pembelian yang sama membutuhkan Rp17 juta. Ada tambahan Rp1 juta, atau 6,25 persen, sebelum memperhitungkan biaya lain.
Contoh kurs ini bukan data terkini. Biaya impor juga belum tentu langsung diteruskan seluruhnya: stok lama, kontrak, dan margin pedagang dapat menahan penyesuaian.
CELIOS meneliti harga pangan tingkat kabupaten/kota dan komoditas pada 2021–2025. Hasilnya memperlihatkan hubungan yang berbeda antarbarang dan antarjeda waktu. Dalam tabel estimasi mereka, bawang putih menunjukkan koefisien positif yang besar pada jeda tiga bulan. Untuk tepung terigu/gandum, koefisien yang tercantum justru negatif pada semua jeda nol sampai tiga bulan. [1]
Barang yang sama-sama sensitif impor dapat merespons berbeda. Koefisien negatif pada model tidak menjamin harga turun setiap rupiah melemah; ketidakpastian dan faktor yang belum dihitung tetap perlu diperiksa.
Coba hitung biaya pembelian dalam dolar
Contoh hitungan biaya = harga dalam dolar × kurs. Nilai dolar tetap. Belum memasukkan ongkos angkut, pajak, kontrak, stok lama, atau respons pedagang. Semua kurs adalah input ilustrasi dan bukan kurs terkini. Hasilnya bukan persentase kenaikan harga pangan.
Hubungan dengan kurs berbeda menurut komoditas dan jeda
Pilih jeda waktu. Angka berikut disalin dari Tabel 2, bukan hasil perkiraan harga untuk tahun 2026.
Koefisien estimasi model. Arah kanan menunjukkan nilai positif; arah kiri nilai negatif. Skala sumbu tetap agar pilihan jeda dapat dibandingkan.
Buka angka dan ketidakpastian untuk jeda terpilih
* taraf 10%, ** 5%, *** 1% mengikuti laporan. Tanda bintang bukan ukuran besar dampak. SE adalah galat baku yang menggambarkan ketidakpastian estimasi, bukan simpangan harga antarbarang.
CELIOS, Tabel 2, PDF hlm. 11 atau halaman tercetak 9. Seluruh tanda negatif, galat baku, dan bintang dipertahankan. Dipakai sebagai angka model, bukan pengali otomatis bagi harga ritel. Tabel dan grafik Figure 1 dalam PDF menunjukkan pola yang tidak sepenuhnya selaras; visual ini menggunakan tabel yang dapat diperiksa angkanya.
Minyak dunia dan BBM bukan satu harga yang sama
Harga minyak mentah berbeda dari harga BBM konsumen. Kebijakan dan struktur biaya membuat perubahan tiap jenis bahan bakar tidak selalu mengikuti Brent dengan besaran sama.
Perbedaan itu terlihat pada estimasi CELIOS. Hubungan pada bulan yang sama antara perubahan harga Brent dan Pertamax memiliki koefisien 0,645. Untuk indeks BBM rata-rata yang digunakan penulis, koefisiennya 0,280. Pada model log perubahan yang mereka pakai, angka tersebut menunjukkan respons Pertamax yang lebih kuat dibandingkan indeks rata-rata. [1]
Koefisien Pertalite dan Solar dalam tabel negatif, tetapi tidak signifikan pada ambang 5 persen. Hasil tersebut belum mendukung kesimpulan bahwa kenaikan Brent menurunkan harga keduanya.
Biaya energi dapat masuk ke produksi dan angkutan pangan. Besarnya bergantung pada bahan bakar yang dipakai, komoditas, dan jalur pengiriman.
Respons Pertamax berbeda dari indeks BBM rata-rata
Koefisien model perubahan log. Sumbu memuat nilai positif dan negatif. Tanda * menandai p < 0,05 pada visual ini.
Buka angka, nilai p, dan ukuran sampel
Nilai p yang lebih besar dari 0,05 belum memberi bukti statistik yang memadai pada ambang 5%. Tidak signifikan bukan berarti efeknya telah terbukti nol. Model utama memakai 63 observasi estimasi, bukan 63 daerah.
CELIOS, Tabel 3, PDF hlm. 14 atau halaman tercetak 12. Data historis energi berasal dari periode 2020–2025 menurut metode laporan. Koefisien kumulatif adalah jumlah jeda 0–6, bukan tambahan di luar respons bulan yang sama. Ini bukan harga BBM terkini atau proyeksi harga.
Mengapa dampaknya tidak selalu terasa bulan ini?
Penyesuaian harga dapat menunggu stok lama habis, kontrak berakhir, atau input baru masuk produksi. Itulah sebabnya perubahan biaya hari ini tidak selalu langsung terlihat di kios.
Dalam estimasi respons dinamis tingkat kabupaten/kota–komoditas yang dilaporkan CELIOS, respons puncak terhadap guncangan BBM berada pada horizon lima bulan. Untuk guncangan Brent, puncaknya berada pada horizon empat bulan. Pada tingkat pengelompokan wilayah yang lain, puncak keduanya berada di bulan kelima. [1]
Jeda empat atau lima bulan merangkum hasil model historis, bukan jadwal lonjakan harga yang pasti. Musim panen, stok, distribusi, dan kebijakan baru dapat mengubah pola.
Model kurs dengan jangka lebih panjang menemukan respons terbesar sekitar bulan kesepuluh. Jeda dan koefisien dari model berbeda tidak dijumlahkan untuk meramal total kenaikan.
Pemantauan pasokan dan dukungan daya beli perlu mengikuti proses penyesuaian, termasuk setelah perubahan awal tidak lagi menjadi perhatian utama.
Kapan respons mencapai puncak dalam model?
Ganti tingkat pengelompokan wilayah untuk melihat koefisien puncak dan interval kepercayaan yang dilaporkan.
Titik menunjukkan estimasi puncak; garis horizontal menunjukkan interval kepercayaan 95%. Koefisien ditampilkan dalam skala model. Jangan membacanya sebagai persentase kenaikan harga semua komoditas.
Buka angka dan cara membacanya
Dalam metode, respons bergantung pada interaksi guncangan dan tingkat paparan. Satuan paparan tidak cukup rinci untuk menerjemahkan koefisien menjadi ramalan harga pasar tertentu. Interval adalah interval estimasi koefisien, bukan rentang semua kemungkinan harga.
Waktu puncak berasal dari data historis. Bentuk respons bulanan lengkap tidak direka ulang dari angka puncak ini.
CELIOS, Tabel 4, PDF hlm. 14 atau halaman tercetak 12. Jumlah cluster mengikuti laporan, yakni 489 kabupaten/kota, 34 provinsi, dan 7 region. Metode VCE ditampilkan di tabel. Jangan menganggap presisi interval sebagai bukti kausalitas penuh.
Tambahan pembeli perlu diikuti kesiapan pasokan
SPPG, atau Satuan Pelayanan Pemenuhan Gizi, menyiapkan layanan MBG dan membutuhkan bahan secara rutin. Pembeliannya menjadi bagian permintaan pangan setempat. [2]
CELIOS merujuk studi terdahulu tentang perluasan SPPG dan tekanan harga lokal. Jika permintaan bertambah lebih cepat daripada pasokan, harga dapat terdorong naik. Mekanisme ini disebut demand-pull inflation. [1]
Agar mudah dibayangkan, anggap sebuah pasar biasanya memenuhi kebutuhan 100 satuan pangan per hari. Kemudian ada pembeli baru yang membutuhkan 20 satuan. Jika pasokan ikut bertambah 20 satuan, kebutuhan baru dapat dipenuhi dalam contoh sederhana ini. Jika pasokan hanya bertambah 5 satuan, ada selisih kebutuhan yang belum tertutup.
Contoh ini tidak menghitung harga atau kondisi SPPG tertentu. Ia menunjukkan pentingnya jadwal pengadaan, pilihan bahan, dan kesiapan pemasok. Pembelian program dapat membuka pasar bagi produsen, sekaligus perlu diimbangi pasokan.
Kajian yang dibahas belum menyajikan tabel lengkap studi SPPG tersebut. Ia tidak memberi dasar untuk menetapkan satu persentase kenaikan harga akibat MBG di semua wilayah.
Apakah pasokan ikut bertambah ketika ada pembeli baru?
Contoh satuan fiktif. Tidak mengukur jumlah belanja, kekurangan bahan, atau harga di lokasi SPPG mana pun.
Total kebutuhan
Total pasokan
Simulasi neraca sederhana berdasarkan mekanisme permintaan dan pasokan. Tidak memiliki persamaan penentuan harga, perubahan perilaku, atau respons produksi dinamis. Pembeli baru bisa berupa pengadaan program maupun pembeli lain. Bukan estimasi dampak kausal MBG dari CELIOS.
Kenaikan yang sama bisa terasa berbeda bagi setiap keluarga
Dua keluarga dengan anggaran sama dapat memiliki porsi belanja makan berbeda. Keluarga yang memakai 60 persen untuk pangan membutuhkan tambahan lebih besar daripada yang memakai 30 persen ketika harga keranjang keduanya naik sama besar.
Pada anggaran Rp4 juta, porsi pangan 60 persen berarti belanja awal Rp2,4 juta. Jika harga keranjang itu naik 10 persen dan jumlah barang yang dibeli dipertahankan, keluarga membutuhkan tambahan Rp240.000. Dengan anggaran yang tetap, ruang untuk kebutuhan selain pangan menyusut dari Rp1,6 juta menjadi Rp1,36 juta.
Untuk porsi pangan 30 persen dari anggaran yang sama, tambahan belanjanya Rp120.000. Keduanya menghadapi kenaikan harga 10 persen dalam simulasi ini, tetapi beban tambahannya berbeda. Persentase kenaikan harga perlu dibaca bersama susunan pengeluaran rumah tangga.
Porsi 30 dan 60 persen adalah contoh, bukan klasifikasi resmi pendapatan. Simulasi mempertahankan isi keranjang. Dalam kenyataan, keluarga dapat mengganti menu atau mengurangi kebutuhan lain untuk menyesuaikan diri.
Berapa tambahan uang untuk membeli keranjang yang sama?
Sebelum
Sesudah
Hitungan buatan. Anggaran dan kuantitas pangan tetap; seluruh keranjang mengikuti satu persentase perubahan harga. Tidak mencakup penggantian menu, tambahan penghasilan, bantuan, atau kenaikan kebutuhan nonpangan. Porsi 30% dan 60% dalam artikel bukan klasifikasi resmi kelompok pendapatan.
Solusinya mengikuti sumber tekanan
CELIOS mengusulkan cadangan pangan, distribusi, bantuan input dan logistik, serta perlindungan daya beli. Penajaman sasaran MBG dan prioritas belanja juga disarankan. Efektivitas tiap pilihan masih perlu dinilai menurut kondisi pelaksanaan. [1]
Respons sebaiknya mengikuti sumber tekanan: periksa pemasok saat biaya pengadaan naik, hambatan saat distribusi tersendat, dan kemampuan pasar saat pembelian bertambah. Lindungi keluarga yang semakin sulit memenuhi kebutuhan.
Cadangan butuh pengelolaan; bantuan perlu sasaran dan batas waktu; pengadaan gizi perlu menimbang kemampuan pemasok dan manfaat bagi penerima. Rekomendasi belum selesai pada nama program.
Periksa pula pembagian beban. Harga jual naik belum menjamin keuntungan petani meningkat jika pupuk, pakan, dan angkut ikut mahal. Harga konsumen stabil pun dapat menyembunyikan margin usaha yang menyusut.
Tekanan berbeda memerlukan perhatian yang berbeda
Rangkuman rekomendasi CELIOS, PDF hlm. 17, dengan penjabaran editorial tentang hal yang dapat dipantau. Bukan peringkat kebijakan, hasil evaluasi efektivitas, atau simulasi biaya program.
Membaca hasil studi tanpa kehilangan batasnya
Kajian membantu menghubungkan perubahan kurs dan energi dengan proses pengadaan, distribusi, serta belanja sehari-hari. Tekanannya dapat datang melalui beberapa jalur dengan waktu berbeda.
Model belum mencakup seluruh stok, logistik, harga internasional, dan kebijakan stabilisasi. Catatan wilayah serta komoditas juga tidak lengkap untuk semua periode. Hasil historis belum menentukan penyebab harga di satu pasar pada hari tertentu.
Grafik mempertahankan hasil negatif dan yang tidak signifikan, serta membedakan data tabel dari simulasi. Seri angka yang tidak tersedia tidak diisi dengan perkiraan dari tinggi gambar.
Pertanyaan yang membantu ialah bahan apa yang berubah, sejak kapan, dan melalui biaya mana. Jawabannya membuat kebijakan lebih tepat sekaligus memperlihatkan beban keluarga serta produsen.
Harga yang sampai ke dapur membawa cerita tentang biaya, pasokan, dan siapa yang paling sulit menyesuaikan pengeluaran.
Rujukan dan catatan angka
- Isnawati Hidayah dan Media Wahyudi Askar, CELIOS, edisi Juni–Juli 2026. Multiple Shock terhadap Harga Pangan Lokal — Pelemahan Rupiah, Kenaikan BBM non-subsidi & Harga Minyak Dunia, dan Ekspansi SPPG. Policy Note Series, edisi 1, naskah 17 halaman.
Nomor halaman pada artikel ini mengikuti urutan halaman PDF. Hlm. 2 untuk temuan utama; hlm. 4–9 untuk data dan metode; hlm. 10–11 untuk kurs dan Tabel 2; hlm. 12–14 untuk energi serta Tabel 3–4; hlm. 15 untuk pembahasan SPPG; hlm. 17 untuk rekomendasi. Halaman tercetak pada Tabel 2 adalah 9 dan pada Tabel 3–4 adalah 12.
Data pangan disebut mencakup 2021–2025. Data energi disebut mencakup Januari 2020–Oktober 2025; model time-series utama memiliki 63 observasi estimasi. Jumlah 1.477 observasi harian yang disebut dalam metode tidak disamakan dengan N=63 pada model bulanan.
- Badan Gizi Nasional — Pedoman Umum Sistem dan Tata Kelola untuk Program Makan Bergizi Gratis.
Digunakan secara terbatas untuk memastikan kepanjangan resmi SPPG sebagai Satuan Pelayanan Pemenuhan Gizi. Tidak digunakan untuk menyatakan jumlah unit, penerima, atau dampak harga terkini.
Publikasi asal: halaman resmi CELIOS.
Catatan pembacaan data
Istilah yang dibuat lebih sederhana
Multiple shock
Beberapa guncangan yang berlangsung berdekatan atau saling berinteraksi. Masing-masing bisa bekerja melalui jalur yang berbeda.
Depresiasi rupiah
Melemahnya rupiah terhadap mata uang lain. Untuk kurs rupiah per dolar, angka yang meningkat berarti diperlukan lebih banyak rupiah untuk membeli satu dolar.
Pass-through
Penerusan perubahan harga atau biaya dari satu tahap ke tahap lain. Besarnya tidak harus satu banding satu dan waktunya bisa tertunda.
Lag atau jeda
Selang waktu antara perubahan awal dan hubungan yang diamati. Lag 3 bulan berarti variabel tiga bulan sebelumnya digunakan dalam model, bukan jaminan dampak selalu menunggu tepat tiga bulan.
Brent
Salah satu acuan harga minyak mentah internasional. Berbeda dari harga BBM yang dibeli konsumen.
Demand-pull inflation
Tekanan kenaikan harga ketika permintaan tumbuh lebih cepat daripada kemampuan pasokan menyesuaikan.
Koefisien estimasi
Angka yang merangkum hubungan dalam model statistik. Satuannya dan maknanya bergantung pada cara variabel disusun.
Interval kepercayaan 95%
Rentang yang menggambarkan ketidakpastian estimasi menurut model dan asumsi statistiknya. Ini bukan jaminan 95% harga masa depan berada di dalam rentang tersebut.
Signifikansi statistik
Penilaian hasil uji statistik pada ambang tertentu. Hasil signifikan belum membuktikan sebab akibat; hasil tidak signifikan belum membuktikan tidak ada hubungan.
Korelasi dan kausalitas
Korelasi menunjukkan hubungan dalam data. Kausalitas berarti perubahan pada satu hal menyebabkan perubahan pada hal lain, yang membutuhkan pembuktian tambahan.
SPPG
Satuan Pelayanan Pemenuhan Gizi, mengikuti penggunaan resmi Badan Gizi Nasional dalam pelaksanaan MBG.
Catatan pemeriksaan dan batas interpretasi
Artikel merupakan penjelasan populer atas kajian CELIOS, bukan tulisan asli para penelitinya. Harga, kurs, permintaan, dan anggaran dalam simulasi adalah angka contoh.
Angka Tabel 2–4 ditranskripsi lalu dibandingkan dengan tampilan PDF. Tanda minus, taraf signifikansi, nilai p, galat baku, horizon, dan interval dipertahankan. Tampilan Figure 1 pada PDF tidak seluruhnya selaras dengan koefisien Tabel 2, sehingga tidak digunakan untuk menggambar ulang seri yang sama.
Koefisien Tabel 4 disajikan sebagai koefisien model, karena definisi operasional skala paparan tidak cukup terperinci untuk menjadikannya persentase prediksi harga ritel tertentu. Interval kepercayaan bukan interval ramalan harga.
Jeda kurs dan BBM berasal dari spesifikasi berbeda, sehingga tidak dijumlahkan. Kenaikan minyak dan BBM juga tidak diperlakukan sebagai kontribusi independen yang tinggal ditambahkan.
Studi memakai data historis; pola waktunya tidak dijadikan ramalan pasti setelah perubahan kebijakan 2026. Temuan SPPG yang diringkas berasal dari penelitian terdahulu. Tautan studi terdahulu tercantum di PDF, tetapi isi lengkapnya belum berhasil diakses pada pemeriksaan ini. Artikel tidak mengklaim telah menguji ulang estimasinya.
Klasifikasi kabupaten sebagai rural dan kota sebagai urban dalam metode adalah pendekatan administratif yang digunakan penulis. Artikel tidak menafsirkannya sebagai klasifikasi resmi seluruh penduduk desa dan kota.
Penjelasan definisi SPPG diperjelas mengikuti BGN. Simulasi anggaran memeriksa keadaan ketika kebutuhan melampaui anggaran, tanpa menggambar porsi negatif atau menyembunyikan defisit.
Sampul dibuat dengan AI untuk ilustrasi editorial dan bukan foto pasar atau keluarga tertentu. Tampilan untuk layar kecil disiapkan; pengujian visual langsung di peramban belum tersedia.
Komentar
Diskusikan tulisan ini. Komentar pembaca ditampilkan setelah disetujui penulis.
Belum ada komentar. Jadilah yang pertama berdiskusi.