DAFTAR PUSTAKA
Lampiran 7 Hasil output analisis integrasi pasar vertikal
1. Harga pada tingkat petani sebagai pasar lokal dan harga pada tingkat pedagang pengumpul, koperasi dan ekportir sebagai pasar acuan
a) Analisis Regresi : PFCR dengan PFCR1, PCOLfd, PCOL1 Dependent Variable: PFCR
Method: Least Squares
Variable Coefficient Std. Error t-Statistic Prob.
PFCR1 0.914577 0.057644 15.86605 0.0000
PCOLFD 0.380618 0.063023 6.039366 0.0000
PCOL1 0.018043 0.037021 0.487369 0.6279
C 507.9308 494.4319 1.027302 0.3088
R-squared 0.915529 Prob(F-statistic) 0.000000
F-statistic 198.7048 Durbin-Watson stat 1.775025
Uji asumsi-asumsi klasik dalam regresi :
a1. Uji Autokorelasi
Untuk mendeteksi adanya autokorelasi dengan membandingkan nilai X2(Khi-Kuadrat) hitung dengan X2(Khi-Kuadrat) tabel, yaitu :
a. Jika nilai X2 hitung > X2 tabel, maka hipotesis yang menyatakan bahwa model bebas dari masalah autokorelasi ditolak.
b. Jika nilai X2 hitung < X2 tabel, maka hipotesis yang menyatakan bahwa model bebas dari masalah autokorelasi diterima.
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.481718 Prob. F(2,53) 0.6204
Obs*R-squared 1.053356 Prob. Chi-Square(2) 0.5906
Analisis Hasil Output, lihat nilai Obs*R squared (disebut juga X2 hitung) sebesar 1.05 dan X2 tabel yang disesuaikan dengan jumlah lagnya (v) = 2 dan α = 5% adalah 5.99. karena 1.0533 < 5.99, maka dapat disimpulkan model diatas bebas dari masalah autokorelasi.
a2. Uji Multikolinearitas
Tahapan pengujian melalui program eviews dengan pendekatan konsep parsial dengan tahapan sebagai berikut :
1) PFCR = a0 + a1 PFCR1 + a2 PCOLfd + a3 PCOL1………... …(1)
2) PFCR1 = b0 + b1 PCOLfd + b2 PCOL1……….…(2)
3) PCOLfd = b0 + b0 PFCR1 + b0 PCOL1 ……… (3)
4) PCOL1 = b0 + b0 PFCR1 + b0 PCOLfd ………(4) Melalui analisis regresi diperoleh :
Untuk persamaan (1) nilai R2 adalah sebesar 0.9145 selanjutnya disebut R21 Untuk persamaan (2) nilai R2 adalah sebesar 0.5341 selanjutnya disebut R22 Untuk persamaan (3) nilai R2 adalah sebesar 0.098 selanjutnya disebut R23 Untuk persamaan (4) nilai R2 adalah sebesar 0.5598 selanjutnya disebut R24
Ketentuan :
Bila nilai R21 > R22, R23, R24 maka model tidak diketemukan adanya multikolinearitas
Bila nilai R21 < R22, R23, R24 maka model diketemukan adanya multikolinearitas
Analisis Hasil Output, menunjukkan bahwa nilai R21 > R22, R23, R24, maka dalam model ini tidak diketemukan adanya multikolinearitas.
b)Analisis Regresi : PFCR dengan PFCR1, PCOOPfd, PCOOP1 Dependent Variable: PFCR
Method: Least Squares
Variable Coefficient Std. Error t-Statistic Prob.
PFCR1 0.457534 0.119495 3.828910 0.0003
PCOOPFD 0.374493 0.016878 22.18826 0.0000
PCOOP1 0.205104 0.046061 4.452923 0.0000
C -68.58975 183.9522 -0.372867 0.7107
R-squared 0.985669 Prob(F-statistic) 0.000000
F-statistic 1260.967 Durbin-Watson stat 2.173340
Uji asumsi-asumsi klasik dalam regresi :
a1. Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.100094 Prob. F(2,53) 0.3403
Obs*R-squared 2.351643 Prob. Chi-Square(2) 0.3086
Analisis Hasil Output, lihat nilai Obs*R squared (disebut juga X2 hitung) sebesar 2.35 dan X2 tabel yang disesuaikan dengan derajat bebas (v) = 2 dan α = 5% adalah 5.99. karena 2.35< 5.99, maka dapat disimpulkan model diatas bebas dari masalah Autokorelasi.
a2. Uji Multikolinearitas
Tahapan pengujian melalui program eViews dengan pendekatan konsep parsial dengan tahapan sebagai berikut :
Melakukan regresi untuk 4 persamaan :
1) PFCR = a0 + a1 PFCR1 + a2 PCOOPfd + a3 PCOOP1………..(1)
2) PFCR1 = b0 + b1 PCOOPfd + b2 PCOOP1………...….(2)
3) PCOOPfd = b0 + b0 PFCR1 + b0 PCOOP1 ………(3)
4) PCOOP1 = b0 + b0 PFCR1 + b0 PCOOPfd ………(4) Melalui analisis regresi diperoleh :
Untuk persamaan (1) nilai R2 adalah sebesar 0.9857 selanjutnya disebut R21 Untuk persamaan (2) nilai R2 adalah sebesar 0.9816 selanjutnya disebut R22 Untuk persamaan (3) nilai R2 adalah sebesar 0.1082 selanjutnya disebut R23 Untuk persamaan (4) nilai R2 adalah sebesar 0.9819 selanjutnya disebut R24
Analisis Hasil Output, menunjukkan bahwa nilai R21 > R22, R23, R24, maka dalam model ini tidak diketemukan adanya multikolinearitas.
c) Analisis Regresi : PFCR dengan PFCR1, PEXPfd, PEXP1 Dependent Variable: PFCR
Method: Least Squares
Variable Coefficient Std. Error t-Statistic Prob.
PFCR1 0.933712 0.061909 15.08197 0.0000
PEXPFD 0.080890 0.025018 3.233268 0.0021
PEXP1 0.004142 0.024291 0.170505 0.8652
C 348.2165 848.2260 0.410523 0.6830
R-squared 0.881655 Prob(F-statistic) 0.000000
F-statistic 136.5814 Durbin-Watson stat 1.970852
Uji asumsi-asumsi klasik dalam regresi :
a1. Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.750088 Prob. F(2,53) 0.4773
Obs*R-squared 1.624039 Prob. Chi-Square(2) 0.4440
Analisis Hasil Output, lihat nilai Obs*R squared (disebut juga X2 hitung) sebesar 1.62 dan X2 tabel yang disesuaikan dengan jumlah lagnya (v) = 2 danα = 5% adalah 5.99. karena 1.62< 5.99, maka dapat disimpulkan model diatas bebas dari masalah Autokorelasi.
a2. Uji Multikolinearitas
Tahapan pengujian melalui program eViews dengan pendekatan konsep parsial dengan tahapan sebagai berikut :
Melakukan regresi untuk 4 persamaan :
1) PFCR = a0 + a1 PFCR1 + a2 PEXPfd + a3 PEXP1………... (1)
2) PFCR1 = b0 + b1 PEXPfd + b2 PEXP1………. (2)
3) PEXPfd = b0 + b0 PFCR1 + b0 PEXP1 ……… (3)
4) PEXP1 = b0 + b0 PFCR1 + b0 PEXPfd ……… (4) Melalui analisis regresi diperoleh :
Untuk persamaan (1) nilai R2 adalah sebesar 0.8817 selanjutnya disebut R21 Untuk persamaan (2) nilai R2 adalah sebesar 0.4342 selanjutnya disebut R22 Untuk persamaan (3) nilai R2 adalah sebesar 0.1551 selanjutnya disebut R23 Untuk persamaan (4) nilai R2 adalah sebesar 0.4895 selanjutnya disebut R24
Analisis Hasil Output, menunjukkan bahwa nilai R21 > R22, R23, R24, maka dalam model ini tidak diketemukan adanya multikolinearitas.
d)Analisis Regresi : PFHS dengan PFHS1, PCOLfd, PCOL1 Dependent Variable: PFHS
Method: Least Squares
Variable Coefficient Std. Error t-Statistic Prob.
PFHS1 0.674420 0.095255 7.080130 0.0000
PCOLFD 0.747127 0.062295 11.99331 0.0000
PCOL1 0.292550 0.090055 3.248577 0.0020
C -22.03520 492.1506 -0.044773 0.9645
R-squared 0.960250 Prob(F-statistic) 0.000000
F-statistic 442.8797 Durbin-Watson stat 1.642588
Uji asumsi-asumsi klasik dalam regresi :
a1. Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 2.016730 Prob. F(2,53) 0.1432
Obs*R-squared 4.172536 Prob. Chi-Square(2) 0.1241
Analisis Hasil Output, lihat nilai Obs*R squared (disebut juga X2 hitung) sebesar 4.17 dan X2 tabel yang disesuaikan dengan jumlah lagnya (v) = 2 dan α = 5% adalah 5.99. karena 4.17< 5.99, maka dapat disimpulkan model diatas bebas dari masalah Autokorelasi.
a2. Uji Multikolinearitas
Tahapan pengujian melalui program eviews dengan pendekatan konsep parsial dengan tahapan sebagai berikut :
Melakukan regresi untuk 4 persamaan :
1) PFHS = a0 + a1 PFHS1 + a2 PCOLfd + a3 PCOL1………... (1)
2) PFHS1 = b0 + b1 PCOLfd + b2 PCOL1………. (2)
3) PCOLfd = b0 + b0 PFHS1 + b0 PCOL1 ……… (3)
4) PCOL1 = b0 + b0 PFHS1 + b0 PCOLfd ……… (4)
Melalui analisis regresi diperoleh : Untuk persamaan (1) nilai R2 adalah sebesar 0.9603 selanjutnya disebut R21 Untuk persamaan (2) nilai R2 adalah sebesar 0.9233 selanjutnya disebut R22 Untuk persamaan (3) nilai R2 adalah sebesar 0.0622 selanjutnya disebut R23 Untuk persamaan (4) nilai R2 adalah sebesar 0.9244 selanjutnya disebut R24 Analisis Hasil Output, menunjukkan bahwa nilai R21 > R22, R23, R24, maka dalam model ini tidak diketemukan adanya multikolinearitas. e) Analisis Regresi : PFHS dengan PFHS1, PCOOPfd, PCOOP1 Dependent Variable: PFHS Method: Least Squares Variable Coefficient Std. Error t-Statistic Prob. PFHS1 0.880516 0.054359 16.19815 0.0000 PCOOPFD 0.407204 0.051515 7.904645 0.0000 PCOOP1 0.075060 0.030685 2.446153 0.0177 C -130.6908 623.7327 -0.209530 0.8348 R-squared 0.935834 Prob(F-statistic) 0.000000 F-statistic 267.3859 Durbin-Watson stat 1.908952 Uji asumsi-asumsi klasik dalam regresi : a1. Uji Autokorelasi Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.108857 Prob. F(2,53) 0.8971 Obs*R-squared 0.241369 Prob. Chi-Square(2) 0.8863 Analisis Hasil Output, lihat nilai Obs*R squared (disebut juga X2 hitung) sebesar 1.09 dan X2 tabel yang disesuaikan dengan jumlah lagnya (v) = 2 dan
α = 5% adalah 1.09. karena 1.09< 5.99, maka dapat disimpulkan model diatas
a2. Uji Multikolinearitas
Tahapan pengujian melalui program eViews dengan pendekatan konsep parsial dengan tahapan sebagai berikut :
Melakukan regresi untuk 4 persamaan :
1) PFHS = a0 + a1 PFHS1 + a2 PCOOPfd + a3 PCOOP1……….. (1)
2) PFHS1 = b0 + b1 PCOOPfd + b2 PCOOP1……….(2)
3) PCOOPfd = b0 + b0 PFHS1 + b0 PCOOP1 ……… (3)
4) PCOOP1 = b0 + b0 PFHS1 + b0 PCOOPfd ………(4) Melalui analisis regresi diperoleh :
Untuk persamaan (1) nilai R2 adalah sebesar 0.9358 selanjutnya disebut R21 Untuk persamaan (2) nilai R2 adalah sebesar 0.6199 selanjutnya disebut R22 Untuk persamaan (3) nilai R2 adalah sebesar 0.0746 selanjutnya disebut R23 Untuk persamaan (4) nilai R2 adalah sebesar 0.6051 selanjutnya disebut R24
Analisis Hasil Output, menunjukkan bahwa nilai R21 > R22, R23, R24, maka dalam model ini tidak diketemukan adanya multikolinearitas.
f) Analisis Regresi : PFHS dengan PFHS1, PEXPfd, PEXP1 Dependent Variable: PFHS
Method: Least Squares
Variable Coefficient Std. Error t-Statistic Prob.
PFHS1 0.861601 0.060772 14.17767 0.0000
PEXPFD 0.099075 0.038629 2.564785 0.0131
PEXP1 0.047059 0.035917 1.310208 0.1956
C -81.56605 1294.492 -0.063010 0.9500
R-squared 0.870367 Prob(F-statistic) 0.000000
F-statistic 123.0911 Durbin-Watson stat 1.914580
Uji asumsi-asumsi klasik dalam regresi :
a1. Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.036765 Prob. F(2,53) 0.9639
Obs*R-squared 0.081740 Prob. Chi-Square(2) 0.9600
Analisis Hasil Output, lihat nilai Obs*R squared (disebut juga X2 hitung) sebesar 0.082 dan X2 tabel yang disesuaikan dengan jumlah lagnya (v) = 2 dan α = 5% adalah 5.99. karena 0.082< 5.99, maka dapat disimpulkan model diatas bebas dari masalah Autokorelasi.
a2. Uji Multikolinearitas
Tahapan pengujian melalui program eViews dengan pendekatan konsep parsial dengan tahapan sebagai berikut :
ssMelakukan regresi untuk 4 persamaan :
1) PFHS = a0 + a1 PFHS1 + a2 PEXPfd + a3 PEXP1………... (1)
2) PFHS1 = b0 + b1 PEXPfd + b2 PEXP1………. (2)
3) PEXPfd = b0 + b0 PFHS1 + b0 PEXP1 ……… (3)
4) PEXP1 = b0 + b0 PFHS1 + b0 PEXPfd ……… (4) Melalui analisis regresi diperoleh :
Untuk persamaan (1) nilai R2 adalah sebesar 0.8704 selanjutnya disebut R21 Untuk persamaan (2) nilai R2 adalah sebesar 0.3856 selanjutnya disebut R22 Untuk persamaan (3) nilai R2 adalah sebesar 0.1620 selanjutnya disebut R23 Untuk persamaan (4) nilai R2 adalah sebesar 0.4576 selanjutnya disebut R24
Analisis Hasil Output, menunjukkan bahwa nilai R21 > R22, R23, R24, maka dalam model ini tidak diketemukan adanya multikolinearitas.
2. Harga pada tingkat kolektor sebagai pasar lokal dan harga pada tingkat koperasi dan ekportir sebagai pasar acuan
a) Analisis Regresi : PCOL dengan PCOL1, PCOOPfd, PCOOP1 Dependent Variable: PCOL
Method: Least Squares
Variable Coefficient Std. Error t-Statistic Prob.
PCOL1 0.878832 0.059381 14.79997 0.0000
PCOOPFD 0.444450 0.061349 7.244565 0.0000
PCOOP1 0.078667 0.035816 2.196407 0.0323
C 25.33676 763.2904 0.033194 0.9736
R-squared 0.920326 Prob(F-statistic) 0.000000
F-statistic 211.7708 Durbin-Watson stat 1.629033
Uji asumsi-asumsi klasik dalam regresi :
a1. Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.314275 Prob. F(2,53) 0.2773
Obs*R-squared 2.787856 Prob. Chi-Square(2) 0.2481
Analisis Hasil Output, lihat nilai Obs*R squared (disebut juga X2 hitung) sebesar 2.79 dan X2 tabel yang disesuaikan dengan jumlah lagnya (v) = 2 dan α = 5% adalah 5.99. karena 2.79< 5.99, maka dapat disimpulkan model diatas bebas dari masalah Autokorelasi.
a2. Uji Multikolinearitas
Tahapan pengujian melalui program eViews dengan pendekatan konsep parsial dengan tahapan sebagai berikut :
Melakukan regresi untuk 4 persamaan :
1) PCOL = a0 + a1 PCOL1 + a2 PCOOPfd + a3 PCOOP1………(1)
2) PCOL1 = b0 + b1 PCOOPfd + b2 PCOOP1……… (2)
3) PCOOPfd = b0 + b0 PCOL1 + b0 PCOOP1 ………. (3)
4) PCOOP1 = b0 + b0 PCOL1 + b0 PCOOPfd ……… (4)
Melalui analisis regresi diperoleh: Untuk persamaan (1) nilai R2 adalah sebesar 0.9203 selanjutnya disebut R21 Untuk persamaan (2) nilai R2 adalah sebesar 0.5996 selanjutnya disebut R22 Untuk persamaan (3) nilai R2 adalah sebesar 0.0688 selanjutnya disebut R23 Untuk persamaan (4) nilai R2 adalah sebesar 0.5863 selanjutnya disebut R24 Analisis Hasil Output, menunjukkan bahwa nilai R21 > R22, R23, R24, maka dalam model ini tidak diketemukan adanya multikolinearitas. b)Analisis Regresi : PCOL dengan PCOL1, PEXPfd, PEXP1 Dependent Variable: PCOL Method: Least Squares Variable Coefficient Std. Error t-Statistic Prob. PCOL1 0.856677 0.064213 13.34126 0.0000 PEXPFD 0.121230 0.043178 2.807677 0.0069 PEXP1 0.054631 0.040392 1.352507 0.1817 C -94.22371 1455.699 -0.064727 0.9486 R-squared 0.857487 Prob(F-statistic) 0.000000 F-statistic 110.3100 Durbin-Watson stat 1.807189 Uji asumsi-asumsi klasik dalam regresi : a1. Uji Autokorelasi Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.331574 Prob. F(2,53) 0.7193 Obs*R-squared 0.729098 Prob. Chi-Square(2) 0.6945 Analisis Hasil Output, lihat nilai Obs*R squared (disebut juga X2 hitung) sebesar 0.73 dan X2 tabel yang disesuaikan dengan jumlah lagnya (v) = 2 dan α = 5% adalah 5.99. karena 0.73< 5.99, maka dapat disimpulkan model diatas bebas dari masalah Autokorelasi. a2. Uji Multikolinearitas Tahapan pengujian melalui program eViews dengan pendekatan konsep parsial dengan tahapan sebagai berikut : Melakukan regresi untuk 4 persamaan : 1) PCOL = a0 + a1 PCOL1 + a2 PEXPfd + a3 PEXP1………... (1)
2) PCOL1 = b0 + b1 PEXPfd + b2 PEXP1………. (2) 3) PEXPfd = b0 + b0 PCOL1 + b0 PEXP1 ……… (3) 4) PEXP1 = b0 + b0 PCOL1 + b0 PEXPfd ……… (4) Melalui analisis regresi diperoleh :
Untuk persamaan (1) nilai R2 adalah sebesar 0.8575 selanjutnya disebut R21 Untuk persamaan (2) nilai R2 adalah sebesar 0.3875 selanjutnya disebut R22 Untuk persamaan (3) nilai R2 adalah sebesar 0.1525 selanjutnya disebut R23 Untuk persamaan (4) nilai R2 adalah sebesar 0.4581 selanjutnya disebut R24
Analisis Hasil Output, menunjukkan bahwa nilai R21 > R22, R23, R24, maka dalam model ini tidak diketemukan adanya multikolinearitas.
4. Harga pada tingkat kolektor sebagai pasar lokal dan harga pada tingkat