Uji Stasioneritas Data Metode

Kalau melihat hasil uji dari variabel yang mempengaruhi harga tandan buah segar maka dapat ditarik kesimpulan bahwa ternyata harga tandan buah segar juga dipengaruhi oleh produksi biodiesel. e endent variable: HMGO Excluded Chi-sq df Prob HCPO 5 0γ79β9 5 0 411γ PBIO γ 400β81 5 0 6γ85 HTBS γ 575948 5 0 6119 All 18 9γβ69 15 0 β168 Untuk variabel minyak goreng ternyata menurut uji kausalitas Granger tidak dipengaruhi oleh harga CPO, produksi biodiesel maupun harga tandan buah segar. Uji kausalitas granger ini dapat disederhanakan dalam bentuk diagram untuk mempermudah dalam visualisasi seperti Gambar 4.3 berikut. Gambar 4.3 Visualisasi uji kausalitas Granger Terlihat pada Gambar 4.3 pada pengujian ini diketahui bahwa produksi biodiesel dipengaruhi oleh harga CPO sebagai bahan baku utamanya serta harga tandan buah segar sebagai sumber dari CPO. Produksi biodiesel ini juga dipengaruhi oleh harga minyak goreng. Hal ini seperti diungkapkan oleh beberapa pihak disebabkan karena kekhawatiran masyarakat bahwa jika CPO digunakan untuk produksi biodiesel maka bagian CPO untuk minyak goreng akan berkurang sehingga permintaan terhadap CPO akan bertambah. Permintaan terhadap CPO akan berdampak pada kenaikan harga CPO dan oleh karena CPO merupakan bahan baku dari biodiesel maka harga biodiesel akan terpengaruh. Hubungan antara harga CPO dan harga minyak goreng secara langsung pada analisis kausalitas Granger ini tidak dapat ditangkap, tetapi bukan berarti tidak ada hubungan secara langsung antara keduanya. Hal ini bisa disebabkan karena harga CPO yang mengikuti harga internasional sedangkan harga minyak goreng dikontrol oleh pemerintah. Oleh karena itu hasil uji kausalitas Granger ini akan diperkuat oleh uji impulse response function IRF untuk mengetahui besaran pengaruh dari masing-masing variabel dalam penelitian.

4.1.4. Uji Kointegrasi

Uji kointegrasi dilakukan karena data yang digunakan berfluktuasi dengan asumsi data tidak stasioner dan untuk menentukan apakah data mengalami kointegrasi atau tidak. Proses kointegrasi ini memberikan informasi mengenai hubungan jangka panjang yang ada dengan menggunakan data deret waktu yang tidak stasioner. Dua variabel atau lebih yang tidak stasioner sebelum dilakukan pembedaan tetapi setelah dilakukan pembedaan pada tingkat pertama, maka besar kemungkinan terdapat hubungan jangka panjang diantara variabel atau peubah tersebut. Langkah selanjutnya, untuk mengetahui keterkaitan jangka panjang antar variabel-variabel atau peubah permintaan, maka dilakukan analisis dengan menggunakan uji kointegrasi Johansen. Variabel-variabel yang akan diuji harus merupakan variabel yang stasioner pada derajat yang sama. Hasilnya jika nilai Trace statistic lebih kecil dibandingkan nilai Critical value maka variabel-variabel tersebut tidak terkointegrasi, sebaliknya jika nilai trace statisticnya lebih besar dibandingkan dengan nilai critical value maka variabel- variabel tersebut dikatakan terkointegrasi. Hasil uji kointegrasi dapat dilihat pada Tabel 4.4 berikut. Tabel 4.4 Hasil uji kointegrasi Hypothesized Trace 0.05 No. of CEs Eigenvalue Statistic Critical Value Prob. None 0.991552 220.5535 47.85613 0.0001 At most 1 0.798321 77.33802 29.79707 0.0000 At most 2 0.620349 29.30563 15.49471 0.0002 At most 3 0.008317 0.250541 3.841466 0.6167 Trace test indicates 3 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level MacKinnon-Haug-Michelis 1999 p-values Tabel 4.4 diatas menunjukkan bahwa pada r = 3 nilai trace statistic nya lebih kecil dari critical value pada tingkat signifikansi 5. Hal ini berarti hipotesis 0 yang menyatakan bahwa terdapat paling tidak 3 kointegrasi tidak dapat ditolak dan hipotesis alternatif yang menyatakan bahwa tidak ada kointegrasi belum dapat diterima. Hasil tersebut menunjukkan bahwa masing-masing variabel tersebut saling mempengaruhi dan memiliki hubungan stabilitas atau keseimbangan dan kesamaan pergerakan dalam jangka panjang. Variabel-variabel ini dalam periode pendek akan cenderung saling menyesuaikan untuk mencapai keseimbangan jangka panjangnya.

4.1.5. Estimasi Vector Error Correction Model VECM

Variabel-variabel atau peubah tidak stasioner yang terintegrasi pada tingkat yang sama akan bersifat stasioner setelah dilakukan pembedaan. Uji kointegrasi diatas menunjukkan bahwa pada variabel-variabel penelitian terindikasi adanya kointegrasi dengan rank 3 pada derajat kepercayaan 5. Dengan demikian maka model yang digunakan adalah model VEC. Hasil estimasi VECM dapat dilihat pada Tabel 4.5 berikut sedangkan untuk selengkapnya dapat dilihat pada Lampiran 9.