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.