parameter-parameter yang dihasilkan dari kombinasi tersebut dapat disebut sebagai co-integrated parameters atau koefisien-koefisien jangka panjang.
Penawaran ekspor kopi = fProduksi Kopi, Konsumsi Domestik Kopi, Harga Domestik Kopi, Harga Ekspor Kopi, Nilai Tukar,
t t
t t
t t
t
U LNERT
b LNHX
b LNHD
b LNCK
b LNQ
b b
LNXK +
+ +
+ +
+ =
5 4
3 2
1
3.1 dimana :
LNXK
t
= Volume total ekspor kopi Indonesia periode t, LNQ
t
= Produksi kopi periode t, LNCK
t
= Konsumsi domestik kopi periode t, LNHD
t
= Harga domestik riil kopi periode t, LNHX
t
= Harga ekspor riil kopi periode t, LNERT
t
= Nilai tukar riil periode t, U
t
= error distribunce
periode t.
3.3.3. Model Koreksi Kesalahan
Hasil estimasi pada pengujian akar-akar unit dan kointegrasi dapat digunakan untuk mengestimasi model dengan menggunakan model koreksi
kesalahan atau error correction model ECM DLNXK
t
= ȕ
1
DLNQ
t
+ ȕ
2
DLNCK
t
+ ȕ
3
DLNHD
t
+ ȕ
4
DLNHX
t
+ ȕ
5
DLERT
t
+ Dummy1 + Dummy2
+ Ȗu
t-1
+ e
t
3.2 -1 0
dimana : Dummy
1 adalah dummy kondisi krisis ekonomi, 0 untuk kondisi sebelum dan setelah krisis ekonomi dan 1 untuk kondisi krisis ekonomi.
Dummy 2 adalah dummy kebijakan penghapusan kuota ekspor, 0 untuk kondisi
kuota berlaku dan 1 untuk kondisi penghapusan kuota. = error correction term
u
t
= LNXK
t
– b – b
1
LNQ
t
– b
2
LNCK
t
– b
3
LNHD
t
– b
4
LNHX
t
– b
5
LNERT
t
3.3 Model 3.2 dapat juga dianalisis dengan mengeluarkan koefisien dalam u
menjadi DLNXK
t
= ȕ
+ ȕ
1
DLNQ
t
+ ȕ
2
DLNCK
t
+ ȕ
3
DLNHD
t
+ ȕ
4
DLNHX
t
+ ȕ
5
DLNERT
t
+ ȕ
6
LNXK
t-1
+ ȕ
7
LNQ
t-1
+ ȕ
8
LNCK
t-1
+ ȕ
9
LNHD
t-1
+ ȕ
10
LNHX
t-1
+ ȕ
11
LNERT
t-1
+ Dummy1 + Dummy2 + e
t
3.4 dimana :
= -b
,
1
= b
1
,
2
= b
2
,
3
= b
3
,
4
= b
4
,
5
= b
5
,
6
= ,
7
= -b
1
,
8
= -b
2
,
9
= -b
3
,
10
= -b
4
,
11
= -b
5
, D
= Perbedaan pertama first difference,
XK
t
= Volume ekspor kopi Indonesia periode t, Q
t
= Produksi kopi periode t, CK
t
= Konsumsi domestik kopi periode t, HD
t
= Harga domestik riil kopi periode t, HX
t
= Harga ekspor riil kopi periode t, ERT
t
= Nilai tukar riil periode t, e
t
= error distribunce
periode t. Untuk mengetahui apakah spesifikasi model dengan ECM merupakan
model yang valid maka dilakukan uji terhadap koefisien Error Correction Term ECT. Jika hasil pengujian terhadap koefisien ECT signifikan, maka spesifikasi
model yang diamati valid.
3.3.4. Uji Diagnostik Model
Pada penelitian ini menggunakan pengujian pelanggaran asumsi klasik Gujarati, 1978, yaitu 1 Uji heteroskedastisitas, 2 Uji Autokorelasi, dan 3
Uji Normalitas. 1.
Heteroskedastisitas Salah satu asumsi yang penting dari model regresi linier klasik adalah
varian residual bersifat homoskedastik atau bersifat konstan. Apabila asumsi tersebut tidak terpenuhi maka varian residual tidak lagi bersifat konstan disebut
dengan heteroskedastisitas. Konsekuensi dari adanya heteroskedastisitas yaitu : a.
estimasi dengan menggunakan ECM tidak akan memiliki varians yang minimum atau estimator tidak efisien,
b. prediksi nilai Y untuk X tertentu dengan estimator dari data yang sebenarnya
akan mempunyai varians yang tinggi sehingga prediksi menjadi tidak efisien, c.
tidak dapat diterapkan selang kepercayaan dengan menggunakan formula yang berkaitan dengan nilai varians.
Pengujian yang dapat dilakukan untuk mendeteksi apakah data yang diamati terjadi heteroskedastisitas atau tidak yaitu dengan uji ARCH LM ARCH
LM test dan uji white heteroskedasticity no cross term. Apabila nilai probability ObsR-squared
lebih kecil dari taraf nyata berarti terdapat gejala heteroskedastisitas pada model, namun bila nilai probability ObsR-squared lebih
besar dari taraf nyata berarti tidak terdapat gejala heteroskedastisitas pada model. 2.
Uji Autokorelasi Masalah autokorelasi merujuk pada hubungan error term antar dua
pengamatan. Autokorelasi terjadi pada serangkaian data runtut waktu, dimana error term
pada satu periode waktu secara sistematik tergantung kepada error term
pada periode-periode waktu yang lain. Konsekuensi dari adanya autokorelasi yaitu varians yang diperoleh dari estimasi dengan ECM bersifat under estimate,
yaitu nilai varians parameter yang diperoleh lebih kecil daripada nilai varians yang sebenarnya.
Uji yang digunakan untuk mendeteksi apakah pada data yang diamati terjadi autokorelasi atau tidak adalah uji Breusch-Godfrey Serial Correlation LM.
Apabila nilai probability ObsR-squared lebih besar dari taraf nyata maka tidak ditemukan gejala autokorelasi pada model, namun bila nilai probability ObsR-
squared lebih kecil dari taraf nyata maka ditemukan gejala autokorelasi pada
model. Cara untuk mengatasi autokorelasi adalah dengan menambahkan variabel
Auto Regressive AR. Uji pelanggaran asumsi klasik digunakan untuk melihat
kestabilan elastisitas jangka pendek dari hasil pengolahan penelitian. 3.
Uji Normalitas Uji normalitas digunakan karena data yang digunakan kurang dari 30. Uji
ini dilakukan untuk memeriksa apakah error term mendekati distribusi normal. Pada software E-Views 4.1 uji normalitas dilakukan dengan melakukan deskriptif
statistik test. Berdasarkan user guides E-Views jika diperoleh nilai probabilitas Jarque Bera
lebih besar dari alfa α, maka model ECM tidak mempunyai
masalah normalitas atau error term terdistribusi normal.
IV. GAMBARAN UMUM KOMODITI KOPI INDONESIA
4.1. Sejarah Masuknya Kopi Ke Indonesia
