142 tingkat signifikansi
α=1 ditunjukkan oleh nilai probabilitas menolak H yang
menyatakan bahwa terdapat structural break point dengan nilai F-statistik yang ada. Dengan demikian pada triwulan tersebut di gunakan variabel dummy sebagai
representasi pangaruh krisis moneter D_MNTR. Nilai 0 diberikan pada periode 1970Q1-1997Q4 dan nilai 1 untuk periode 1998Q1-2005Q4. Hasil pengujian
disajikan pada Tabel 13 dan Lampiran 3.
Tabel 13. Hasil Uji Structural Break dengan Chow Breakpoint Test
Chow Breakpoint Test: 1998:1
Chow Breakpoint Test: 1998:1
Variabel F-statistic Probability
Variabel F-statistic Probability
PPh 14.71075 0.000000
KONS 40.22672 0.000000
PPn 16.17603 0.000000
GDPA 2.172605
0.006845 DEF 15.02361
0.000000 TKA
3.667723 0.000009
U 22.13242 0.000000
XA 4.559880
0.000000 EA 4.507170
0.000000 IMA
10.58517 0.000000
SP 25.72705 0.000000
WP 4.651989
0.000000 RDA 2.675687
0.000766 NTI 2.630608
0.000935 IA 6.211081
0.000000 NTO
2.571643 0.001212
DF 3.289100 0.000050
DSA 8.085175
0.000000 I 6.623899
0.000000
3. Uji Kointegrasi
Satu set data deret waktu yang tidak stasioner I1 dikatakan memiliki hubungan kointegrasi jika kombinasi linear data deret waktu tersebut stasioner. Ada
dua prosedur yang bisa digunakan untuk menguji kointegrasi antar data deret waktu. Pertama, uji Engle - Granger The Engle - Granger Two Step Method, dan kedua
adalah uji Johansen Johansen Cointegration Test untuk sistem persamaan. Prosedur uji kointegrasi Engle-Granger dilakukan dalam dua tahap, pertama
dilakukan regresi variabel satu dengan variabel lainnya. Kedua, residual yang diperoleh dari regresi tersebut diuji apakah residualnya stasioner atau tidak dengan
143 menggunakan uji Aughmented Dickey - Fuller dengan hipotesis nol residual tidak
stasioner. Jika hipotesis nol diterima, artinya residual tidak stasioner, variabel yang diuji tidak berkointegrasi. Sebaliknya hipotesis nol tidak diterima, artinya residual
stasioner, maka variabel yang diamati berkointegrasi Thomas, 1997. Sampai tahap ini, digunakan uji kointegrasi Engle-Granger, sedangkan uji kointegrasi Johansen
akan digunakan dalam uji rank kointegrasi karena akan dianalisis model VAR yang terkendala restrited VAR atau disebut dengan Vector Error Correction Model
VECM. Tabel 14. Hasil Uji Kointegrasi dengan Engle - Granger Two Step Method
Augmented Dickey-Fuller test statistic RESIDUAL
Variabel ADF Test
Statistic Prob
Hasil Kesimpulan
PPh -5.162431 0.0000
Stasioner Berkointegrasi
PPn -4.619855 0.0002
Stasioner Berkointegrasi
DEF -3.642347 0.0061 Stasioner
Berkointegrasi U -5.308786
0.0000 Stasioner
Berkointegrasi EA -5.966882
0.0000 Stasioner
Berkointegrasi SP -7.891892
0.0000 Stasioner
Berkointegrasi RDA -5.104927
0.0000 Stasioner Berkointegrasi
IA -5.865128 0.0000
Stasioner Berkointegrasi
DF -4.534749 0.0003
Stasioner Berkointegrasi
I -8.722872 0.0000
Stasioner Berkointegrasi
KONS -4.870060 0.0001 Stasioner
Berkointegrasi GDPA -4.390276
0.0005 Stasioner Berkointegrasi
TKA -5.853747 0.0000 Stasioner
Berkointegrasi XA -3.460142
0.0106 Stasioner
Berkointegrasi IMA -6.029489
0.0000 Stasioner Berkointegrasi
WP -7.710729 0.0000
Stasioner Berkointegrasi
NTI -5.206516 0.0000
Stasioner Berkointegrasi
NTO -4.817832 0.0001 Stasioner
Berkointegrasi DSA -4.859178
0.0001 Stasioner Berkointegrasi
Keterangan: Lihat keterangan Tabel 12
144 Hasil Uji Engle-Granger Two Step Method disajikan pada Tabel 14 dan
Lampiran 4. Pengujian menghasilkan kesimpulan bahwa dengan uji Augmented
Dickey-Fuller atas residual regresi variabel, semua stasioner yang ditunjukkan nilai
probabilitas penerimaan Ho sampai 1 α=1 kecuali variabel XA sampai 5
α=5. Dengan demikian semua variabel berkointegrasi.
4. Uji Ordo Optimal VAR
Sebelum menguji adanya kointegrasi antar variabel dengan rank kointegrasi maka ditentukan dahulu optimum lag dari reduced unrestricted VAR.
Sebagaimana diuraikan pada bagian 4.3.3., penelitian ini menggunakan pendekatan Likelihood Ratio Test Statistic. Dengan memilih 6 sebagai maksimum ordo untuk
unrestricted VAR, berdasarkan kriteria LR: sequential modified LR test statistic masing-masing dengan level signifikansi
α= 5 menunjukkan 4 sebagai ordo optimum. Berarti, panjang lag yang tepat dari model adalah 4 lihat Lampiran 5.
5. Model VAR dan Uji Granger Causality
Model VAR standar unrestricted multivariat dibangun dengan memperhatikan; pertama, evaluasi parameter kritis model terutama melihat nilai
kebaikan goodnes of fit model dengan nilai R
2
. Kedua, sistem persamaan mampu mengakomodasi tujuan penelitian yaitu diperoleh paling tidak 8 persamaan
kointegrasi hasil rank kointegrasi diuraikan di bagian 6 yang merepresentasikan hubungan jangka panjang pada variabel kinerja sektor pertanian 5 variabel dan
agroindustri 3 variabel. Sistem persamaan optimal ketika variabel yang terpilih
dimasukkan sebagai representasi kebijakan fiskal adalah, PPh, PPn, EA, SP, RDA, IA, DF. Sedangkan variabel DEF dan U dikeluarkan dari model. Untuk keperluan
145 kalkulasi statistik, karena variabel SP mengandung nilai nol, maka di konversi
dengan menambahkan nilai 100 untuk semua data untuk dapat dioperasikan transformasi logaritma kecuali WP dan DSA sehingga kodenya menjadi SP_.
Variabel penyeimbang ekonomi makro yaitu I dan KONS. Variabel komponen kinerja sektor pertanian adalah, GDPA, TKA, XA, IMA, dan WP. Variabel
komponen kinerja agroindustri meliputi NTI, NTO, dan DSA. Model VAR standar unrestricted multivariat mempunyai tingkat ketepatan model yang baik sebagian
besar nilai R
2
di atas 0.60 dengan diagnosis statistik jangka panjang yang baik. Model VAR digunakan untuk memperoleh persamaan kointegrasi dengan VECM,
sehingga VAR tidak dibahas. Dalam kerangka model VAR, hubungan antar variabel belum menunjukkan
hubungan kausalitas antara variabel-variabel pada ruas kanan terhadap variabel di ruas sebelah kiri. Untuk mengetahui karakteristik hubungan kausalitas atau
perubahan variabel mana lebih berpengaruh terhadap perubahan variabel yang lain, dilakukan analisis Granger causality. Hasil analisis disajikan pada Tabel 15,
selengkapnya pada Lampiran 6. Sesuai dengan tujuan penelitian, analisis difokuskan pada perubahan variabel-variabel komponen fiskal yang berhubungan
causality pada perubahan variabel-variabel kinerja sektor pertanian dan agroindustri.
Variabel kinerja sektor pertanian dapat dijelaskan secara nyata sampai tingkat signifikansi
α = 1 oleh variabel kebijakan fiskal antara lain pertumbuhan PDB pertanian GDPA dan penyerapan tenaga kerja pertanian TKA.
Pertumbuhan PDB pertanian GDPA dijelaskan oleh Pajak penghasilan PPh, sedangkan TKA dijelaskan oleh PPh dan subsidi pertanian SP disamping variabel