5. HASIL DAN PEMBAHASAN
5.2. Analisa Time Series
Untuk menganalisa pergerakan data time series dan melihat hubungan antara variabel, maka perlu dilakukan pengujian stasioneritas data series tersebut. Pengujian ini dilakukan untuk melihat konsistensi pergerakan data time series serta mencegah terjadinya spurious regression, yaitu kondisi dimana sebuah regresi terhadap satu variabel terhadap variabel lainnya menghasilkan nilai R2 yang tinggi namun sebenarnya tidak ada hubungan yang berarti secara teori ekonomi. Hal ini sering terjadi pada saat kedua data time series menunjukan karakteristik tren yang kuat dalam runtun waktu. Untuk mengetahui pada kondisi mana data dapat menjadi stasioner, maka data diuji dalam beberapa kondisi. Jika series data bersifat stasioner tanpa melakukan differencing, maka dikatakan sebagai kondisi I(0)/level. Apabila series data bersifat stasioner pada turunan pertama I(1), maka dikatakan sebagai kondisi (first differences) atau integrasi dari order 1. Secara umum, apabila data time series harus diturunkan sebanyak “d” kali agar stasioner, maka data tersebut dapat dinotasikan dalam bentuk I(d) atau terintegrasi dari orde “d”.
Dalam penelitian ini, pengujian stasioneritas dilakukan dengan tes Augmented Dickey Fuller (ADF) dan tes Philips Perron (PP) pada kondisi level, dengan spesifikasi trend dan intercept. Apabila data tidak stasioner pada level, maka pengujian akan dilanjutkan pada kondisi first difference. Berikut adalah hasil pengujian stasioner data harga GKP petani pada kondisi level dengan menggunakan ADF test dan PP test.
Tabel 5.1. Uji Stasioneritas Data Harga GKP Petani pada level dengan ADF Test
Null Hypothesis: GKPPT has a unit root Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=13)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.546410 0.3057 Test critical values: 1% level -4.023506
5% level -3.441552 10% level -3.145341 *MacKinnon (1996) one-sided p-values.
Tabel 5.2. Uji Stasioneritas Data Harga GKP Petani pada level dengan PP Test
Null Hypothesis: GKPPT has a unit root Exogenous: Constant, Linear Trend
Bandwidth: 7 (Newey-West using Bartlett kernel)
Adj. t-Stat Prob.* Phillips-Perron test statistic -2.060343 0.5630 Test critical values: 1% level -4.023506
5% level -3.441552 10% level -3.145341 *MacKinnon (1996) one-sided p-values.
Dari tabel 5.1 dan 5.2 di atas dapat dilihat bahwa hipotesis nol yang menyatakan terdapat unit root diterima. Dengan demikian harga GKP Petani pada kondisi level bersifat tidak stasioner. Selanjutnya dilakukan pengujian pada kondisi first difference terhadap data harga GKP.
Pada kondisi first difference, baik dengan menggunakan ADF test maupun PP test hasilnya menunjukkan tidak dapat menerima hipotesis nol (Tabel 5.3 dan Tabel 5.4). Dengan demikian, pada first difference tidak terdapat unit root dan data GKP Petani bersifat stasioner.
Tabel 5.3. Uji Stasioneritas Data Harga GKP Petani pada first difference dengan ADF Test
Null Hypothesis: D(GKPPT) has a unit root Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=13)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -10.80162 0.0000 Test critical values: 1% level -3.477144
5% level -2.881978 10% level -2.577747 *MacKinnon (1996) one-sided p-values.
Tabel 5.4. Uji Stasioneritas Data Harga GKP Petani pada first difference dengan PP Test
Null Hypothesis: D(GKPPT) has a unit root Exogenous: Constant
Bandwidth: 16 (Newey-West using Bartlett kernel)
Adj. t-Stat Prob.* Phillips-Perron test statistic -12.39947 0.0000 Test critical values: 1% level -3.476805
5% level -2.881830 10% level -2.577668 *MacKinnon (1996) one-sided p-values.
Pengujian yang sama dilakukan terhadap data harga beras konsumen. Hasilnya menunjukkan bahwa harga beras konsumen pada kondisi level tidak stasioner.
Tabel 5.5. Uji Stasioneritas Data Harga Beras Konsumen pada level dengan ADF Test
Null Hypothesis: KONS has a unit root Exogenous: Constant, Linear Trend
Lag Length: 2 (Automatic based on SIC, MAXLAG=13)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -0.859719 0.9566 Test critical values: 1% level -4.024452
5% level -3.442006 10% level -3.145608 *MacKinnon (1996) one-sided p-values.
Tabel 5.6. Uji Stasioneritas Data Harga Beras Konsumen pada level dengan PP Test
Null Hypothesis: KONS has a unit root Exogenous: Constant, Linear Trend
Bandwidth: 12 (Newey-West using Bartlett kernel)
Adj. t-Stat Prob.* Phillips-Perron test statistic -0.825631 0.9601 Test critical values: 1% level -4.023506
5% level -3.441552 10% level -3.145341 *MacKinnon (1996) one-sided p-values.
Selanjutnya dilakukan pengujian stasioneritas pada kondisi first difference dan diperoleh hasil sebagai berikut :
Tabel 5.7. Uji Stasioneritas Data Harga Beras Konsumen pada first difference dengan ADF Test
Null Hypothesis: D(KONS) has a unit root Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=13)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -9.166831 0.0000 Test critical values: 1% level -3.477144
5% level -2.881978 10% level -2.577747 *MacKinnon (1996) one-sided p-values.
Tabel 5.8. Uji Stasioneritas Data Harga Beras Konsumen pada first difference dengan PP Test
Null Hypothesis: D(KONS) has a unit root Exogenous: Constant
Bandwidth: 27 (Newey-West using Bartlett kernel)
Adj. t-Stat Prob.* Phillips-Perron test statistic -6.790402 0.0000 Test critical values: 1% level -3.476805
5% level -2.881830 10% level -2.577668 *MacKinnon (1996) one-sided p-values.
Dari tabel 5.7 dan 5.8 di atas terlihat bahwa hipotesis nol tidak dapat diterima, artinya data harga beras konsumen pada kondisi first difference tidak memiliki unit root atau stasioner. Dengan demikian, baik harga GKP petani maupun harga beras konsumen sama-sama stasioner pada kondisi first difference, atau dapat dinotasikan dengan I(1).
5.2.2. Uji Kointegrasi
Pengujian kointegrasi merupakan salah satu prasyarat dalam analisa transmisi harga dengan menggunakan metode (V)ECM. Pada metode tersebut, data time series yang tidak stasioner pada level dapat tetap digunakan sepanjang data tersebut memiliki hubungan keseimbangan jangka panjang (terkointegrasi). Oleh sebab itu pengujian kointegrasi terhadap data harga GKP petani dan harga beras konsumen mutlak dilakukan dalam penelitian ini.
Sebagaimana disebutkan dalam Bab IV, pengujian kointegrasi dalam peneltian ini menggunakan Johansen test, dengan membandingkan nilai trace statistic (TS) dan maximal eigenvalue (ME) terhadap nilai t-statistik. Apabila nilai TS dan ME melebihi nilai t-statistik, maka hipotesis nol ditolak dan artinya kedua variabel saling terkointegrasi. Hasil pengujian kointegrasi terhadap kedua data tersebut ditampilkan pada Tabel 5.9.
Dari Tabel 5.9 dapat dilihat bahwa baik nilai TS maupun ME signifikan lebih tinggi dibandingkan nilai t-statistik 5%. Hal ini menunjukkan bahwa data harga GKP petani dengan data harga beras konsumen terkointegrasi. Artinya, kedua series data tersebut memiliki hubungan keseimbangan jangka panjang. Dengan demikian analisa transmisi harga dapat dilanjutkan ke tahap pengujian
selanjutnya, yaitu pengujian model asimetris dengan menggunakan ECM.
Tabel 5.9. Hasil Uji Kointegrasi pada Data Harga GKP Petani dan Harga Beras Konsumen
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.093574 17.90655 15.49471 0.0212 At most 1 * 0.029222 4.152070 3.841466 0.0416 Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.093574 13.75448 14.26460 0.0601 At most 1 * 0.029222 4.152070 3.841466 0.0416 Max-eigenvalue test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
5.3. Estimasi Model Asimetris