Metode Pengumpulan Data Metode Analisis Data

BAB III METODOLOGI PENELITIAN

3.1. Metode Pengumpulan Data

Data yang digunakan dalam penelitian adalah data time series bulanan pada periode Januari 1980 hingga Agustus 2013. Data yang digunakan antara lain data harga yang diperoleh dari International Monetary Fund IMF, data produksi dari United States Department of Agriculture USDA dan indeks harga konsumen yang diperoleh dari World Bank.

3.2. Metode Analisis Data

Seluruh data yang terkumpul adalah data harga nomial dalam nilai US yang artinya masih terdapat pengaruh inflasi di dalamnya. Untuk itu seluruh data harga dikonversi ke dalam nilai riil dengan menggunakan Consumer Index Price CIP. Menurut Lipsey, dkk 1984 cara mengkonversi nilai nominal ke dalam nilai riil adalah dengan menggunakan rumus : 100 min x CIP al no Nilai riil Nilai = Hipotesis 1 dapat dianalisis dengan model Granger Causality dan untuk hipotesis 2 dianalisis dengan model kointegrasi dengan menggunakan alat analisis Eviews 6.0. Langkah awal yang dilakukan membentuk model persamaan regresinya. Terdapat dua belas persamaan regresi antara lain sebagai berikut : Persamaan 1 : ` t t t X Y ε β α + + = Dimana : t X = harga minyak sawit pada waktu t Universitas Sumatera Utara t Y = harga minyak kedelai pada waktu t α , β = koefisien, ` t ε = error term Persamaan 2 : ` t t t X Y ε β α + + = Dimana : t X = harga minyak sawit pada waktu t t Y = harga minyak rape pada waktu t α , β = koefisien, ` t ε = error term Persamaan 3 : ` t t t X Y ε β α + + = Dimana : t X = harga minyak sawit pada waktu t t Y = harga minyak bunga matahari pada waktu t α , β = koefisien, ` t ε = error term Persamaan 4 : ` t t t X Y ε β α + + = Dimana : t X = harga minyak kedelai pada waktu t t Y = harga minyak sawit pada waktu t α , β = koefisien, ` t ε = error term Persamaan 5 : ` t t t X Y ε β α + + = Dimana : t X = harga minyak kedelai pada waktu t t Y = harga minyak rape pada waktu t α , β = koefisien, ` t ε = error term Universitas Sumatera Utara Persamaan 6 : ` t t t X Y ε β α + + = Dimana : t X = harga minyak kedelai pada waktu t t Y = harga minyak bunga matahari pada waktu t α , β = koefisien, ` t ε = error term Persamaan 7 : ` t t t X Y ε β α + + = Dimana : t X = harga minyak rape pada waktu t t Y = harga minyak sawit pada waktu t α , β = koefisien, ` t ε = error term Persamaan 8 : ` t t t X Y ε β α + + = Dimana : t X = harga minyak rape pada waktu t t Y = harga minyak kedelai pada waktu t α , β = koefisien, ` t ε = error term Persamaan 9 : ` t t t X Y ε β α + + = Dimana : t X = harga minyak rape pada waktu t t Y = harga minyak bunga matahari pada waktu t α , β = koefisien, ` t ε = error term Persamaan 10 : ` t t t X Y ε β α + + = Dimana : t X = harga minyak bunga matahari pada waktu t Universitas Sumatera Utara t Y = harga minyak sawit pada waktu t α , β = koefisien, ` t ε = error term Persamaan 11 : ` t t t X Y ε β α + + = Dimana : t X = harga minyak bunga matahari pada waktu t t Y = harga minyak kedelai pada waktu t α , β = koefisien, ` t ε = error term Persamaan 12 : ` t t t X Y ε β α + + = Dimana : t X = harga minyak bunga matahari pada waktu t t Y = harga minyak rape pada waktu t α , β = koefisien, ` t ε = error term Kedua belas persamaan diatas akan diuji hubungan kausalitasnya dengan uji Granger Causality. Uji Granger Causality pada intinya dapat mengindikasikan apakah suatu variabel mempunyai hubungan dua arah atau hanya satu arah saja Nachrowi, 2006. Model persamaan kausalitas dapat ditulis sebagai berikut : t n i i t i n i i t i t X Y Y 1 1 1 ε β α + + = ∑ ∑ = − = − t m i i t i m i i t i t Y X X 2 1 1 ε λ γ + + = ∑ ∑ = − = − Universitas Sumatera Utara Dimana : X t = variabel bebas minyak sawit, minyak kedelai, minyak rape, minyak bunga matahari pada periode t Y t = variabel terikat minyak sawit, minyak kedelai, minyak rape, minyak bunga matahari pada periode t i = waktu t ε = error term Hipotesis nol untuk pengujian ini : a. Jika 1 ≠ ∑ = n i i β dan 1 = ∑ = m i i λ maka X mempengaruhi Y b. Jika 1 = ∑ = n i i β dan 1 ≠ ∑ = m i i λ maka Y mempengaruhi X Di dalam perhitungan secara statistik, jika nilai probabilitas F statistik α, maka ada pengaruh yang signifikan. Setelah diketahui variabel bebas dan variabel terikat dari uji Granger Causality, maka diperoleh persamaan regresinya sebagai berikut : ε β α + + = t t X Y Dimana : Y t = variabel terikat minyak sawit, minyak kedelai, minyak rape, minyak bunga matahari pada periode t X t = variabel bebas minyak sawit, minyak kedelai, minyak rape, minyak bunga matahari pada periode t β α , = koefisien ε = error term Universitas Sumatera Utara Persamaan regresi tersebut kemudian diuji dengan uji kointegrasi dengan langkah-langkah sebagai berikut : 1. Uji Unit Akar Uji unit akar adalah uji yang dilakukan sebagai langkah pertama dalam melakukan uji kointegrasi. Uji unit akar adalah salah satu cara untuk mengamati ketidakstasioneran suatu data runtun waktu. Dua data yang diuji memiliki pergerakan yang sama sehingga terlihat saling berkorelasi walaupun tidak mempunyai hubungan sebab akibat, kondisi ini disebut dengan regresi palsu spurious regression. Untuk menghindari regresi palsu tersebut maka data yang diregresikan harus dalam keadaan stasioner terlebih dahulu. Uji unit akar diperkenalkan oleh Dickey-Fuller melalui analisis Auxiliary Regression AR dengan persamaan : t t t y y µ ρ + = −1 H : 1 = ρ menyatakan bahwa variabel Y tidak stasioner, sehingga penolakan terhadap H membuktikan bahwa variabel Y stasioner. Untuk data yang masih dalam keadaan tidak stasioner maka persamaan diatas dikurangi y t-1 pada sisi kiri dan kanan, sehingga persamaannya menjadi : t t t t t y y y y µ ρ + − = − − − − 1 1 1 t t t t y y y µ ρ + − = − − − 1 1 1 Atau dapat ditulis sebagai berikut : t t t y y µ δ + = ∆ −1 Dimana 1 − = ρ δ dan ∆ adalah operator first difference. H : δ = 0 terdapat unit akar, data tidak stasioner H 1 : δ 0 tidak terdapat unit akar, data stasioner Universitas Sumatera Utara Jika setelah turunan pertama variabel tidak juga stasioner, maka dilakukan dengan menggunakan uji Augmented Dickey-Fuller ADF, dimana dapat dinyatakan dengan persamaan sebagai berikut : ∑ = − − + ∆ + − + + = ∆ k i t t i t t y y T T y 1 1 1 1 1 µ β α α α Dimana : ∆ = first difference operator y t = variabel harga pada periode waktu t T = time trend i = jumlah lag t µ = error term β α, = koefisien Jika 1 : 1 1 = − = α α H diterima, maka Y t tidak stasioner. Hasil pengujian ini juga dapat dilihat dari nilai ADF statistik dan nilai probabilistiknya. Jika nilai ADF statistik lebih kecil dari nilai kritisnya dan nilai probabilistiknya lebih kecil dari α 1, 5, atau 10 maka data sudah stasioner. Setelah dilakukan uji unit akar pada keempat variabel tersebut kemudian dilakukan uji kointegrasi. Untuk melanjutkan ke uji kointegrasi, semua variabel harus stasioner pada derajat integrasi yang sama atau In. 2.Uji Kointegrasi Uji kointegrasi dilakukan untuk melihat apakah dalam jangka panjang ada kesamaan pergerakan dan keseimbangan antara data-data yang dianalisis. Keseimbangan jangka panjang dapat tercapai dengan syarat galat keseimbangan harus berfluktuasi sekitar nol. Universitas Sumatera Utara Metode yang digunakan adalah Johansen Cointegration Test yang dapat ditunjukkan pada persamaan berikut dengan ordo P : t t p t p t t B y A y A y ε π + + + + = − − ....... 1 1 dimana : t y = vektor-k pada variabel yang tidak stasioner t π = vektor-d pada variabel deterministic t ε = vektor inovasi Kemudian persamaan diatas dapat ditulis menjadi : ∏ ∑ − = − − + + ∆ Γ + = ∆ 1 1 1 p i t t i y i t t B y y ε π Jika H : t ε 1 menyatakan bahwa error term stasioner dimana terdapat hubungan kointegrasi. Semakin kecil nilai error term maka akan terjadi keseimbangan jangka panjang. Jika ada kointegrasi diantara variabel maka uji dilanjutkan ke uji error correction model ECM. 3. Error Correction Model Suatu persamaan yang memiliki persamaan kointegrasi maka dalam persamaan tersebut terdapat hubungan keseimbangan jangka panjang. Dalam jangka pendek selalu terjadi ketidakseimbangan yang mana akan menyebabkan kesalahan keseimbangan equilibrium error. Untuk itu diperlukan suatu model jangka pendek yang mampu mengamati perilaku variabel dalam jangka pendek yang mengalami equilibrium error. Dari model regresi : ε β α + + = t t X Y Universitas Sumatera Utara Kurangkan y t-1 dari kedua sisi, tambahkan dan kurangkan 1 − t X β dari sisi kanan, maka akan diperoleh : t t t t t t t X Y X X Y Y ε β α β β + + + − − = − − − − − 1 1 1 1 t t t t t X Y X Y ε β α β + − − − ∆ = ∆ − − 1 1 Dari persamaan t t t t t X Y X Y ε β α β + − − − ∆ = ∆ − − 1 1 , untuk menguji proses stasioner tersebut maka persamaan diatas dimodifikasi menjadi : t t t t t X Y X Y ε β α γ β β + − − − ∆ + = ∆ − − 1 1 Dimana : γ = speed of adjustment β = koefisien kointegrasi Jika = γ maka tercapainya titik keseimbangan pada jangka panjang. Jika γ semakin besar maka semakin cepat hubungan antar variabel melakukan penyesuaian menuju titik keseimbangan dalam jangka panjang.

3.3. Defenisi dan Batasan Operasional