Spesifikasi Model MODEL EKONOMETRIK PERDAGANGAN KAKAO BIJI

406 Tabel 63 Hasil Pengujian Heteroskedastisitas dan Otokorelasi Persamaan-persamaan dalam BM Perdagangan Kakao Biji ------------------------------------------------------------------------------------------ P e r s a m a a n White Heroskedasticity Test ------------------------------------------------------------------------------------------ MO.38 F-statistic 1,927704 Prob, F20,147 0,014297 ObsR-squared 34,90673 Prob, Chi-Square20 0,020607 MO,39 F-statistic 1,387714 Prob, F18,152 0,144950 ObsR-squared 24,13499 Prob, Chi-Square18 0,150655 MO,42 F-statistic 1,939257 Prob, F20,150 0,013416 ObsR-squared 35,13125 Prob, Chi-Square20 0,019416 MO,43 F-statistic 33,79216 Prob, F20,139 0,000000 ObsR-squared 132,7064 Prob, Chi-quare20 0,000000 MO,44: F-statistic 4,484303 Prob, F20,150 0,000000 ObsR-squared 63,98501 Prob, Chi-quare20 0,000002 MO,45 F-statistic 5,393009 Prob, F10,160 0,000001 ObsR-squared 43,107750 Prob, Chi-quare10 0,000005 ------------------------------------------------------------------------------------------ Sumber : Hasil analisis data sekunder Oleh karena data time-series yang menjadi data dasar dalam model ekonometrik penelitian ini mengandung multikolinieritas, heteroskedastisitas, dan otokorelasi, maka tingkat kelayakan data tersebut cukup meragukan. Untuk memenuhi tujuan penelitian, maka data tersebut tetap digunakan dengan memanfaatkan estimator-estimator yang robust terhadap kelemahan- kelemahan yang ada, sebagaimana persamaan MO.101, yaitu Cross-section SUR PCSE dan bentuk diagonalnya, yaitu Cross-section weight PCSE.

6.2 Spesifikasi Model

Dalam penelitian ini telah dikembangkan model ekonometrik dinamik untuk perdagangan kakao biji dengan memanfaatkan model panel data. Ada 407 sebelas persamaan yang dikembangkan dalam BM tersebut. Adapun persamaan-persamaan tersebut terdiri atas enam persamaan perilaku dan 5 persamaan identitas. Sejalan dengan informasi yang disajikan dalam Tabel 4, maka spesifikasi model perdagangan kakao biji tersebut dalam bentuk double- log adalah sebagai berikut: : it it DPS it it DP it it it it it it it it it it DPS it DPS it DP it DP it FS it FS it FC it FC it it latm AR c Tahun c P Log D c P Log D c D c D c INF Log c INF Log c IR Log c IR Log c U Log c U Log c P Log c P Log c P Log c P Log c P Log c P Log c P Log c P Log c c LATM Log + + + + + + + + + + + + + + + + + + + + + = − − − − − − − 4 1 1 2 1 120 119 118 117 116 115 1 114 113 1 112 111 1 110 109 1 108 107 1 106 105 1 104 103 1 102 101 100 it DPS it it DP it it it it it it it it it DPS it DPS it DP it DP it FS it FS it FC it FC it t it it it it ptas AR c AR c P Log D c P Log D c D c INF Log c INF Log c IR Log c IR Log c U Log c U Log c P Log c P Log c P Log c P Log c P Log c P Log c P Log c P Log c LATM Log c LATM Log c T Log c T Log c c PTAS Log + + + + + + + + + + + + + + + + + + + + + + + + = − − − − − − − − − 4 1 1 1 1 223 222 221 220 219 1 218 217 1 216 215 1 214 213 1 212 211 1 210 209 1 208 207 1 206 205 1 204 203 1 202 201 200 PROD it = LATM1 it PTAS it SUPPLY it =PROD it + SSSTOK it it it it it it it it it it DPS it DPS it DP it DP it FS it FS it DC it it it FC it p AR c Tahun c KRRM Log KRDA Log c KRRM Log KRDA Log c KRRM Log c KRRM Log c KRDA Log c KRDA Log c P Log c P Log c P Log c P Log c P Log c P Log c P Log c PROD Log c PROD Log c c P Log 1 1 517 516 1 1 515 514 1 513 512 1 511 510 1 509 508 1 507 506 1 505 504 1 503 1 502 501 500 + + + + + + + + + + + + + + + + + + = − − − − − − − − − it-1 it it it it it it it it it it DPS it DPS it DP it DP it DS it DS it it it XC it DC it p AR c Tahun c KRRMK Log KRDAK Log c KRRMK Log KRDAK Log c KRRMK Log c KRRMK Log c KRDAK Log c KRDAK Log c P Log c P Log c P Log c P Log c P Log c P Log c SUPPLY Log c SUPPLY Log c P Log c c P Log 2 1 619 616 1 1 615 614 1 613 612 1 611 610 1 609 608 1 607 606 1 605 604 1 603 602 1 601 600 + + + + + + + + + + + + + + + + + + = − − − − − − − − − 408 it t t t t t t t XS t XS t it it WC t XC t p AR c Tahun c KRDR Log c KRDR Log c KRRM Log c KRRM Log c KRDA Log c KRDA Log c P Log c P Log c EKSKB Log c EKSKB Log c c P Log c c P Log 3 1 707 712 1 711 710 1 709 708 1 707 706 1 705 704 703 702 701 701 700 + + + + + + + + + + + + + + + = − − − − − it it it it t t t t t t t t it it it it it it it it it it it it AS t AS t M t M t DS t DS t it it DC it DC it it ekskb AR c Tahun c INF Log c INF Log c CPIM Log c CPIM Log c CPIA Log c CPIA Log c POPM Log c POPM Log c POPA Log c POPA Log c GDPM Log c GDPM Log c GDPA Log c GDPA Log c KRRMK Log KRDAK Log c KRRMK Log KRDAK Log c KRRMK Log c KRRMK Log c KRDAK Log c KRDAK Log c P Log c P Log c P Log c P Log c P Log c P Log c SUPPLY Log c SUPPLY Log c P Log c P Log c c EKSKB Log + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + = − − − − − − − − − − − − − − − − 1 832 831 1 830 829 4 828 827 1 826 825 1 824 823 1 822 821 1 820 819 1 818 817 1 1 816 815 1 814 813 1 812 811 1 810 809 1 808 807 1 806 805 1 804 803 1 802 801 800 XC it it it P EKSKB NEKSKB 5 = NTKB it = NEKSKB it – NIMPORKB it NIMPORKB it = 0 Untuk mana: latm it ,, ptas it , p1 it , p2 it , p3 t , dan ekskb it adalah diturbance error dari masing-masing persamaan yang dirujuk. Selanjutnya, c 100 , c 200 , c 400 , c 400, c 500 , c 600 , c 700 dan c 800 adalah intercept atau koefisien fixed effect bila persamaan dianalisis dengan fixed effect model dari setiap persamaan dalam BM tersebut, dan c 101 , c 102 , . . .,c 834 adalah c adalah koefisien regresi sekaligus koefisien elastisitas dari setiap peubah penjelas dalam persamaan-persamaan dalam BM tersebut, dengan tanda-tanda koefisien harapan sebagai berikut: Koefisien yang diharapkan bertanda positif adalah sebagai berikut : 101 , c 102 , c 10 c 115 , c 116 , c 117 , c 118 , c 119 , c 120 , c 121 , c 201 , c 202 , ,c 205 , c 206 , c 219 , c 220 , c 221 , c 222 , c 223 , c 401 , c 402 , c 403 , c 404 , c 405 , c 406 , c 407 , c 408 , c 414 , c 415 , c 416 ,, c 503 , c 504 ,c 505 , c 506 , c 507 , c 508 , c 509 , c 510 , c 511 , c 512 , c 513 ,c 514 , c 515 , c 516 , c 517 , c 603 , c 604 , c 610 , c 611 , c 612 , c 613 , c 614 , c 615 , c 616 , c 617 , c 701 , c 704 , c 705 , c 706 ,c 706 , c 707 , c 708 , c 709 , c 710 , c 711 , c 712 , c 801 , c 802 , c 803 , c 804 , c 807 , 409 c 808 , c 809 , c 810 , c 811 , c 812 , c 813 , c 814 , c 815 , c 816, c 817 , c 818 , c 819 , c 820 , c 821 , c 822 , c 823 , c 824.. Koefisien yang diharapkan bertanda negatif adalah sebagai berikut : c 103 , c 104 , c 105 , c 106 , c 107 , c 108 , c 109 c 110 , c 111 , c 112 , c 113 , c 114 , c 115 , c 116 , c 203 , c 204, c 207 , c 208 , c 209 , c 210 , c 212 , c 213 , c 214 , c 215 , c 216 , c 217 , c 218 , c 409 , c 410 , c 411 , c 412 , c 501 , c 502 , c 601 , c 602 , c 606 , c 607 , c 608 , c 610 ,, c 702 , c 703 , c 805 , c 806 , c 825, c 826, c 827, c 828, c 829, c Analisis Hausman test berdasarkan persamaan MO.36a dan MO.36b telah diselenggarakan. Hasilnya disajikan dalam Tabel 64, menunjukkan bahwa fixed effect model lebih tepat digunakan daripada 830..

6.3 Estimasi Model