analisis regresi, perlu terlebih dahulu melakukan uji stasioneritas, apakah pada derajat nol I0 stasioner atau tidak. Prosedur yang dilakukan untuk melakukan untuk
menguji stasioneritas data adalah uji Dickey – Fluller DF dan Augmented Dickey Fuller. Uji ini dapat dipandang sebagai stasioneritas, karena pada intinya uji tersebut
dimaksudkan untuk mengamati apakah koefisien tertentu dari model otoregresif yang ditaksir mempunyai nilai satu atau tidak. Berdasarkan uji Augmented Dickey Fuller
dapat disimpulkan hanya data variabel Y permintaan ekspor biji kakao Sulawesi Tengah oleh Malaysia yang tidak stasioner pada derajad nol dengan lag = 3.
5.1.2. Uji Derajad Integrasi
Berdasarkan uji Augmented Dickey Fuller dapat disimpulkan bahwa semua variabel pada penelitian telah stasioner pada deferensi I dengan lag = 3, nilai lag
ditentukan dengan rumus N
13
dimana N= jumlah observasi. Pada uji stasioneritas ini, nilai Augmented Dickey Fuller nilai MacKinnon pada test critical values
dengan α = 1 kecuali variabel EGRWT yang stasioner pada α = 10 .
5.1.3. Uji Kointegrasi
Setelah melalui uji stasioner, dan dinyatakan bahwa data yang ada telah stasioner, selanjutnya dilakukan adalah uji kointegrasi yang merupakan salah satu uji
yang harus dilakukan pada model dinamis. Uji kointegrasi bertujuan untuk mengetahui kemungkinan adanya hubungan jangka panjang diantara variabel-variabel
pengamatan. Pada model ECM Engle Grenger, model dikatakan valid jika nilai
residual -1 atau ECTR-1 bernilai negatif dan signifikan seperti yang terlihat pada tabel 5.1.
Tabel 5.1 Hasil Error Corection Models
Jangka PendekUji Kointegrasi
Variabel Koefisien
t-Statistik Probabilitas
DVPITR -23,1445
-2,00745 0,0544
DPCR 4,59097
1,364634 0,1832
DIFLM -199,737
-0,35241 0,7272
DER 0,011854
0,010184 0,9919
DEGRWT 71.07015
0,151758 0,8805
ECTR-1 -0,52115
-3,0382 0,0051
C 304,0926
0,432134 0,669
asil Estim si dengan paket statistik Eviews Sumber : H
a Lampiran 6
5.2. Estimasi ECM
Model koreksi kesalahan ECM merupakan alternatif selain PAM yang dapat digunakan untuk menguji kemungkinan berkointegrasinya variabel yang diamati
dengan nilai error correction term pada periode sebelumnya. Dengan menggunakan ECM ini akan menghasilkan metode dengan ketepatan interpretasi yang lebih baik
jika dibandingkan dengan model regresi linier lainya, terutama untuk analisis jangka panjang Nacrowi, 2006. Pada penelitian ini nilai ECTR-1 -0,521148 dengan
probabilitas 0,0051 signifikan pada α =1 yang berarti bahwa spesifikasi model
yang digunakan valid atau sahih, dan dapat digunakan untuk menganalisismengestimasi jangka panjang maupun jangka pendek Insukindro dkk :
2004. Nilai koefisien dari ECTR, dapat menentukan seberapa cepat keseimbangan dapat tercapai kembali. Jika nilai ECTR-1 sebesar 0,521148 berarti proporsi
keseimbangan dan perkembangan permintaan ekspor biji kakao Sulawesi Tengah oleh Malaysia periode sebelumnya yang disesuaikan pada periode sekarang adalah
sekitar 52. Nilai ECTR signifikan pada tingkat α=1, maka dapat disimpulkan ada
hubungan antara ECM dan uji kointegrasi, yang berarti pula parameter yang ditunjukan oleh nilai koefisien regresi ECM merupakan besarnya kekuatan pengaruh
variabel dependen oleh variabel independen dalam jangka panjang.
5.2.1. Hasil Estimasi Estimasi Dengan ECM Tabel 5.2
