lxxxvi
2. Uji Partial Adjusment Method PAM
Pendekatan Partial Adjusment Method PAM akan menjelaskan parameter jangka pendek maupun jangka panjang atas variabel-variabel yang
mempengaruhi permintaan listrik di Kabupaten Karanganyar. Hasil pengolahan yang telah dilakukan dengan menggunakan program komputer E-Views 3.1,
dengan model regresi log-linier ditampilkan hasil pengolahan data sebagai berikut:
Tabel 4.9 Estimasi dengan Partial Adjusment Method PAM.
Dependent Variable: LPL Method: Least Squares
Date: 051510 Time: 15:17 Sampleadjusted: 2001:02 2008:12
Included observations: 95 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic
Prob. C
0.390915 0.090015
4.342790 0.0000
LPDRB 0.004237
0.003756 1.128132
0.2623 LUMK
-0.017905 0.010787
-1.659811 0.1005
RE -0.033514
0.022803 -1.469751
0.1452 LTL
0.017878 0.005390
3.316694 0.0013
LPL-1 0.986741
0.016522 59.72228
0.0000 R-squared
0.999484 Mean dependent var 13.89573
Adjusted R-squared 0.999455 S.D. dependent var
0.308514 S.E. of regression
0.007203 Akaike info criterion -6.967427
Sum squared resid 0.004618 Schwarz criterion
-6.806130 Log likelihood
336.9528 F-statistic 34466.54
Durbin-Watson stat 1.855578 ProbF-statistic
0.000000
Sumber: Hasil olahan E-Views 3.1, 2010. Dari Tabel tersebut, estimasi model dinamis PAM dapat diperoleh fungsi
regresi OLS sebagai berikut: Yt =
α +
α
1
LPDRB
t
+ α
2
LUMK
t
+ α
3
RE
t
+ α
4
LTL
t
+ 1- δ LPL
t-1
+ δ
ei……………………………………………………………4.1 Koefisien Jangka Pendek
lxxxvii LPL
t
= 0.390915 + 0.004237 LPDRB
t
– 0,017905 LUMK
t
– 0.033514 RE
t
+ 0.017878 LTL
t
+ 0.986741 LPL
t-1
......................................4.2 Koefisien regresi jangka pendek dari regresi PAM tingkat permintaan
listrik ditunjukkan oleh besarnya koefisien pada variabel-variabel jangka pendek di atas sedangkan koefisien regresi jangka panjang dengan simulasi dari regresi
PAM diperoleh dari : Konstanta :
α 1-
δ = 0,390915 1-0,986741 = 29,482992 LPDRB
: α
1
1- δ = 0,004237 1-0,986741 = 0,319556
LUMK :
α
2
1- δ = -0,017905 1-0,986741 = -1,350403
RE :
α
3
1- δ = -0,033514 1-0,986741 = -2,527642
LTL :
α
4
1- δ = 0,017878 1-0,986741 = 1,348367
Koefisien Jangka Panjang LPL
t
= 29.482992 + 0.319556 LPDRB
t
– 1.350403 LUMK
t
– 2.527642 RE
t
+ 1.348367
LTL
t
…………………………....................4.3 Berdasarkan hasil estimasi terlihat bahwa dalam jangka pendek variabel-
variabel yang dianalisis menunjukkan konsistensi tanda. Hal ini berarti variabel- variabel penjelas memiliki arah dampak yang sama antara jangka pendek dan
jangka panjang. Perbedaan yang terjadi hanyalah pada besaran dampaknya, yang dalam hal ini ditunjukkan oleh nilai koefisien.
Dari tampilan tabel di atas dapat dilakukan interpretasi berkenaan dengan model penyesuaian parsial yang digunakan di mana selama periode
penelitian yaitu
berhasil dalam
mengestimasi analisis
permintaan listrik rumah tangga 900 VA di Kabupaten Karanganyar. Indikasi
lxxxviii
Ho ditolak Ho diterima
-1,960
Ho ditolak
1,960 awal dari keberhasilan dalam penggunaan model ini dapat dilihat tanda koefisien
regresi variabel Y-1, yang mempunyai tanda positif dan secara statistik
signifikan. Dikatakan tanda koefisien positif karena besarnya 0.986741 dan secara statistic signifikan karena t-hitung t-tabel, di mana besarnya t-hitung = 3.316694
dan t-tabel α, n-k = t-tabel 5, 96-6 = 5, 90 = 1.665. Dengan demikian,
hasil estimasi model penyesuaian parsial untuk model ini dapat digunakan untuk mengestimasi atau menghitung koefisien jangka panjang dari fungsi analisis
permintaan listrik rumah tangga 900 VA di Kabupaten Karanganyar selama periode penelitian. Jadi, model persamaan regresi dengan PAM ini bisa digunakan
lebih lanjut dalam menjelaskan uji statistik uji t, uji F, koefisien determinasi dan uji ekonometrika penyimpangan asumsi klasik.
3. Uji Statistik