3.2 Metod 3.2.1 Stan
D j
E =
3.1 dengan
e Analisis darisasi Alat
Mengingat beragamnya alat tangkap yang beroperasi di wilayah penelitian, maka untuk mengukur dengan satuan yang setara, dilakukan standardisasi effort
antar alat dengan teknik standardisasi mengikuti yang dikembangkan oleh King 1995 dimana:
jt jt
jt
st jt
jt
u u
j =
3.2 E
jt
= effort dari alat tangkap j pada waktu t yang distandarisasi D
jt
= jumlah hari laut fishing days dari alat tangkap j pada waktu t j
jt
= nilai fishing power dari alat tangkap j pada periode t
u
jt
= catch pe t
dari alat tangkap yang dijadikan basis
OLS hanya berlaku bagi data ner maka OLS akan bersifat spurious
r unit effort CPUE dari alat tangkap j pada waktu u
st
= catch per unit effort CPUE standardisasi
3.2.2 Uji Stationarity
Dalam analisis times series terlebih dahulu perlu ditentukan data generating process DGP terutama mengenai stationarity dan non-stationarity
dari data yang dipergunakan dalam estimasi regresi. Kemudian kita ketahui bahwa dalam inferensia ekonometrika biasa seperti yang tercakup dalam Ordinary
Least Square yang bersifat stationer. Untuk
variabel-variabel yang bersifat non-statio regression. Artinya, koefisien dari hasil estimasi dalam regresi tersebut tidak
valid dan tidak dapat diinterpretasikan. Oleh karena itu, sebelum analisis regresi dilakukan maka DGP dari masing-masing variabel perlu ditentukan terlebih
dahulu. Suatu data times series dikatakan bersifat stationer apabila mean, variance
dan autocovariannya bersifat finite. Dalam bahasa statistik, suatu variabel y
t
dikatakan stationer jika kondisi berikut terpenuhi :
44 1 Ey
t
= Ey
t-1
= µ
2 E[y
t
- µ
2
] = E[y
t-1
- µ
2
] = σ
y 2
3.3 3 E[y
t
- µy
t
- µ
2
]] = Ey
t-1
= µ
Oleh karenanya untuk menguji reliability keabsahan dari persamaan di atas akan digunakan suatu teknik modern untuk menganalisis sifat stationarity
dari data time series dengan Dickey-Fuller unit root test Dickey et al., 1994. Teknik uji Dickey –Fuller unit root ini dapat dijelaskan dalam persamaan
berikut. Dimisalkan bahwa :
y
t
= a
1
y
t-1
+ ε
t
3.3 Persamaan diatas menyatakan bahwa variabel y
as dengan y
t-1
maka dihasilkan
alah ekonometrik Fauzi, 1998.
t
pada periode tergantung pada nilai y pada periode sebelumnya dan error term. Variabel y
t
tersebut akan bersifat stationary jika a
1 1
dan akan bersifat non-stationarity jika a
1
= 1. Dengan mengurangi kedua sisi persamaan di at
persamaan berikut: y
t
– y
t-1
= a
1
– 1 y
t-1
+ ε
t
3.5 atau dapat disederhanakan menjadi:
∆y
t
= γ y
t-1
+ ε
t
3.6 dimana
γ = a
1
– 1. tentu saja menguji hipotesis a
1
= 1 equivalen dengan menguji bahwa
γ = 0 . Parameter yang menjadi pusat perhatian kita dari uji Dickey-Fuller adalah parameter
γ. Jika γ = 0 maka jelas variabel y
t
mengandung unit root atau variabel tersebut bersifat non-stationarity. Jadi, null hypothesis dari Dickey
Fuller test adalah γ = 0. Artinya jika nilai t-statistic dari γ lebih kecil dari critical
value, maka variable y
t
tersebut bersifat non-stationary, dan parameter yang dihasilkan dapat dikatakan tidak reliable.
Dalam kondisi dimana data time series yang ada menunjukkan adanya gejala non-stationarity, akan menimbulkan beberapa mas
Pertama asumsi stationarity yang merupakan dasar untuk melakukan regresi time series, menjadi tidak dapat dilakukan. Kedua estimasi parameter
yang dihasilkan dari OLS menjadi tidak ada artinya Dickey et al., 1994. Ada beberapa cara yang dapat dilakukan untuk menghadapi masalah non-stationarity
ini. Salah satunya adalah differencing. Metode ini bagaimanapun tidaklah
45 merupakan solusi yang sempurna, karena menurut Gujarati 1995, dengan
melakukan differencing maka kemungkinan kita akan kehilangan hubungan long- term yang penting diantara variabel. Sebagai contoh dalam model hubungan
antara CPUE dan effort, hubungan dibangun dalam bentuk tingkat yang bukan bentuk difference pertama atau kedua. Metode lain yang dapat digunakan untuk
mengatasi masalah variabel no modern yang disebut cointegration. Konsep cointegration ini secara sederhana
el va
. Variabel-variabel ini menjadi g diturunkan dari
estimasi OLS dapat menjadi berarti. Dalam menggunakan metode cointegration dalam order integrasi yang sama, m
ok ikan adalah merupakan suatu hal penilaian sumberdaya perikanan.
Untuk keakuratan hasil yang diperoleh idealnya dilakukan pada setiap spesies
esies ikan tertentu dalam penelitian ini hanyalah sebagai basic n sama
i s lainnya.
faktor baik biologi, iklim, maupun aktivitas manusia yang menyebabkan turunnya n-stationarity adalah dengan menggunakan teknik
dapat dij askan sebagai berikut : Jika pada data time series ditemukan adanya riabel yang akan digunakan untuk regresi ternyata non-stationarity, maka
mungkin saja kombinasi linear dari variabel-variabel ini dapat stationer. Dengan demikian variabel ini mungkin saja cointegrated
tidak terlalu jauh satu sama lainnya. Dalam kondisi ini hasil yan
ini, variabel yang diuji harus berada isalnya
keduanya harus non-stationarity Enders, 1995.
3.3.1 Model Bio-Ekonomi Sumberdaya Perikanan
