V. HASIL DAN PEMBAHASAN
5.1. Kestasioneran Data
Salah satu konsep yang akhir-akhir ini makin popular dipakai untuk menguji stasioneritas suatu data deret waktu adalah dengan menggunakan uji akar unit (unit root test). Apabila suatu data deret waktu bersifat tidak stasioner (nonstationary time series), maka dapat dikatakan bahwa data tersebut tengah menghadapi persoalan akar unit. Jika hal itu terjadi maka akan menjadikan uji statistik seperti uji-t dan uji-F tidak cukup layak dipakai untuk menguji hipotesis. Pemeriksaan kestasioneran data time series pada masing-masing variabel pada tingkat level dapat dilihat dalam Tabel 5.1 berikut:
Tabel 5.1. Hasil Uji Akar Unit (Unit Root Test) pada Level
Variabel Nilai ADF
Nilai Kritis Mc Kinnon
Prob* Ket 1% 5% 10% LnVI -2.903884 -4.140858 -3.496960 -3.177579 0.1697 TS LnCR4 -2.198575 -4.137279 -3.495295 -3.176618 0.4806 TS LnGROWTH -2.856641 -4.140858 -3.496960 -3.177579 0.1846 TS LnAVSIZE -2.669315 -4.137279 -3.495295 -3.176618 0.2530 TS LnINPUT -2.206682 -4.137279 -3.495295 -3.176618 0.4763 TS LnOUTPUT -2.284399 -4.137279 -3.495295 -3.176618 0.4349 TS LnPRICE -2.079861 -4.152511 -3.502373 -3.180699 0.5440 TS LnEXPORT -2.497337 -4.137279 -3.495295 -3.176618 0.3283 TS LnXEFF -3.145630 -4.140858 -3.496960 -3.177579 0.1067 TS Sumber: Lampiran 7 Keterangan: S = Stasioner TS = Tidak Stasioner
Pada Tabel 5.1, dapat dilihat bahwa dari sembilan variabel yang diteliti baik variable bebas maupun variable terikat yakni LnVI, LnCR4, LnGROWTH, LnAVSIZE, LnINPUT, LnOUTPUT, LnPRICE, LnEXPORT dan LnXEFF tidak ada yang stasioner pada tingkat level. Ketidakstasioneran dapat dibuktikan dengan nilai ADF yang selalu lebih besar dari nilai kritis Mc Kinnon baik pada taraf nyata 1, 5 ataupun 10 persen. Ketidakstasioneran ini juga dapat dibuktikan melalui nilai probabilitas (prob*) dari semua variabel tersebut yang lebih besar dari taraf nyata yang digunakan (α=10%). Karena kondisi ketidakstasioneran yang terjadi pada tingkat level maka dibutuhkan pengujian lebih lanjut lagi yaitu dengan pengujian pada tingkat first difference.
Pengujian akar unit pada tingkat first difference dilakukan karena tidak tercapainya stasioneritas pada tingkat level. Hasil uji akar unit pada tingkat first difference dapat dilihat pada Tabel 5.2.
Tabel 5.2. Hasil Uji Akar Unit (Unit Root Test) pada First Difference
Variabel Nilai ADF
Nilai Kritis Mc Kinnon
Prob* Ket 1% 5% 10% LnVI -6.904231 -4.137279 -3.495295 -3.176618 0.0000 S LnCR4 -9.339305 -4.137279 -3.495295 -3.176618 0.0000 S LnGROWTH -6.101054 -4.137279 -3.495295 -3.176618 0.0000 S LnAVSIZE -5.869108 -4.137279 -3.495295 -3.176618 0.0001 S LnINPUT -5.506995 -4.137279 -3.495295 -3.176618 0.0002 S LnOUTPUT -5.700671 -4.137279 -3.495295 -3.176618 0.0001 S LnPRICE -3.316786 -4.152511 -3.502373 -3.180699 0.0753 S LnEXPORT -8.026213 -4.137279 -3.495295 -3.176618 0.0000 S LnXEFF -3.565562 -4.140858 -3.496960 -3.177579 0.0427 S Sumber: Lampiran 8 Keterangan: S = Stasioner TS = Tidak Stasioner
Pengujian pada tingkat first difference menunjukkan bahwa pada semua variabel sudah stasioner. Kestasioneran setiap variabel dapat dibuktikan melalui nilai ADF statistik yang hasilnya lebih kecil dari nilai kritis Mc Kinnon pada taraf 5 dan 10 persen, sedangkan pada taraf nyata 1 persen di variabel LnPRICE dan LnXEFF nilai ADF lebih besar dari nilai kritis Mc Kinnon, tetapi hal tersebut tidak mempengaruhi penelitian ini dikarenakan taraf nyata yang dipakai dalam penelitian ini adalah 10 persen. Dan juga, kestasioneran data ini dapat dibuktikan dengan melihat nilai probabilitas (prob*) kesembilan variabel yang berada di bawah taraf nyata 10 persen. Dengan hasil yang didapatkan pada Tabel 5.2, maka semua data yang digunakan dalam penelitian ini terintegrasi pada derajat satu (I(1)).
5.2. Uji Kointegrasi
Jika semua variabel lolos dari uji akar unit atau uji derajat integrasi, maka langkah selanjutnya dalam pengujian validasi data deret waktu adalah melakukan uji kointegrasi (cointegration test). Untuk melaksanakan uji kointegrasi, data yang digunakan harus berintegrasi pada derajat yang sama. Jika dua atau lebih data mempunyai derajat integrasi yang berbeda, maka kedua variabel ini tidak dapat berkointegrasi. Pengujian kointegrasi bertujuan untuk mengetahui kemungkinan terjadinya keseimbangan atau kestabilan jangka panjang antar variabel yang diamati, seperti yang diharapkan pada teori ekonomi.
Tahap awal uji kointegrasi Engle-Granger adalah meregresi persamaan dan mendapatkan nilai residual dari regresi tersebut. Hasil regresi persamaan adalah:
LnVI 0.285936 + 0.014862 LnCR4 + 0.041715 LnGROWTH
- 0.031630 LnAVSIZE + 0.568427 LnINPUT - 0.541523 LnOUTPUT (5.1) + 0.024869 LnPRICE - 0.037012 LnEXPORT + 0.908304 LnXeff
Tabel 5.3. Hasil Estimasi Persamaan Jangka Panjang
Variabel Koefisien Std.Error t-statistic Prob
C 0.285936 0.435760 0.656178 0.5148 LnCR4 0.014862 0.020952 0.709305 0.4816 LnGROWTH 0.041715 0.012141 3.436001 0.0012 LnAVSIZE - 0.031630 0.016911 -1.870450 0.0675 LnINPUT 0.568427 0.092496 6.145392 0.0000 LnOUTPUT - 0.541523 0.093112 -5.815820 0.0000 LnPRICE 0.024869 0.026884 0.925036 0.3596 LnEXPORT - 0.037012 0.021163 -1.748886 0.0867 LnXEFF 0.908304 0.018107 50.16225 0.0000 R-Squared Adj R-Squared Durbin-Watson Stat 0.997241 0.996781 0.700987
Mean Dependent var F-Statistic Prob (F-statistic) 3.349120 2168.551 0.000000 Sumber: Lampiran 9
Berdasarkan Tabel 5.3 di atas, variabel LnGROWTH, LnAVSIZE, LnINPUT, LnOUTPUT, LnEXPORT dan LnXeff memberikan pengaruh yang signifikan terhadap variabel LnVI pada derajat kepercayaan 10 persen. Sedangkan variabel LnCR4, LnPRICE dan konstanta (C) tidak berpengaruh signifikan terhadap variabel LnVI. Hasil analisis integrasi vertikal adalah:
1. Koefisien LnCR4 menunjukkan nilai positif sebesar 0.014862. Hal ini berarti bahwa ketika terjadi peningkatan dalam rasio konsentrasi empat perusahaan terbesar sebesar satu satuan (persen), maka tingkat integrasi vertikal akan meningkat sebesar 0.014862 satuan (persen). Hal ini sesuai dengan hipotesis penelitian. Ketika terjadi peningkatan pada rasio konsentrasi empat perusahaan terbesar, keinginan perusahaan untuk menerapkan integrasi vertikal menjadi meningkat. Berdasarkan uji signifikansi, probabilitas LnCR4 adalah 0.4816. Nilai ini lebih besar dari
taraf nyata yang digunakan (α=10%) sehingga disimpulkan bahwa LnCR4 tidak signifikan mempengaruhi variabel dependennya.
2. Koefisien LnGROWTH yang positif sebesar 0.041715 berarti apabila terjadi kenaikan sebesar satu satuan (persen) pada LnGROWTH maka tingkat integrasi vertikal akan meningkat sebesar 0.041715 satuan (persen). Kondisi ini sesuai dengan hipotesis penelitian. Ketika terjadi peningkatan pada pertumbuhan permintaan maka akan meningkatkan tingkat integrasi vertikal, hal ini sesuai dengan yang diutarakan oleh Stigler dalam penelitiannya. Nilai probabilitas variabel LnGROWTH adalah 0.0012. Nilai ini lebih kecil dari taraf nyata yang digunakan (α=10%) sehingga variabel LnGROWTH adalah signifikan mempengaruhi variabel dependennya.
3. Koefisien LnAVSIZE menunjukkan nilai negatif sebesar 0.031630. Hal ini berarti bahwa apabila terjadi kenaikan sebesar satu satuan (ribu rupiah) pada ukuran rata-rata perusahaan maka tingkat integrasi vertikal akan menurun sebesar 0.031630 satuan (ribu rupiah). Ketika ukuran rata-rata perusahaan menurun, hal ini mendorong perusahaan untuk melakukan integrasi vertikal. Berdasarkan uji signifikansi, probabilitas LnAVSIZE adalah 0.0675. Nilai ini lebih kecil dari taraf nyata yang digunakan sehingga variabel LnAVSIZE berpengaruh signifikan terhadap variabel LnVI. Hasil yang didapatkan pada pengujian variabel LnAVSIZE sesuai dengan hipotesis penelitian.
4. Koefisien LnINPUT menunjukkan nilai positif sebesar 0.568427. Hal ini berarti bahwa apabila terjadi kenaikan sebesar satu satuan (ribu rupiah) pada biaya input maka tingkat integrasi vertikal akan meningkat sebesar 0.568427 satuan (ribu rupiah). Kondisi ini tidak sesuai dengan hipotesis penelitian. Tinggi rendahnya biaya input menjadi salah satu tolak ukur bagi perusahaan dalam mendapatkan nilai tambah. Kondisi yang seharusnya terjadi adalah ketika biaya input meningkat, nilai tambah berkurang dan hal tersebut menyebabkan perusahaan mengurungkan niatnya untuk menerapkan strategi integrasi vertikal. Akan tetapi sesuai hasil penelitian yang didapatkan, ketika biaya input meningkat, tingkat integrasi vertikal juga meningkat. Hal ini mungkin terjadi karena ketika biaya input meningkat, biaya produksi otomatis ikut meningkat dan perusahaan berpikir untuk mengurangi biaya produksi dengan cara mengurangi biaya yang lain contohnya dengan mengurangi biaya transaksi, biaya iklan, biaya mendapatkan informasi, dan untuk mendapatkan pengurangan biaya-biaya tersebut salah satu caranya adalah dengan melakukan integrasi vertikal sehingga tingkat integrasi vertikal meningkat. Berdasarkan uji signifikansi, probabilitas LnINPUT lebih kecil dari taraf nyata yang digunakan (α=10%) yaitu 0.0000. Hal ini menerangkan bahwa variabel LnINPUT berpengaruh signifikan terhadap variabel LnVI.
5. Koefisien LnOUTPUT menunjukkan nilai negatif sebesar 0.541523. Hal ini berarti apabila terjadi kenaikan sebesar satu satuan (ribu rupiah) pada
nilai output maka tingkat integrasi vertikal akan menurun sebesar 0.541523 satuan (ribu rupiah). Kondisi ini tidak sesuai dengan hipotesis penelitian. Pada kenyataannya hal yang terjadi dalam penelitian ini adalah ketika output meningkat, tingkat integrasi vertikal justru menurun. Hal ini mungkin saja terjadi dikarenakan ketika nilai output yang dihasilkan meningkat maka nilai tambah otomatis juga akan meningkat. Dengan peningkatan nilai tambah ini maka laba perusahaan terkait juga akan meningkat dan hal tersebut membuat perusahaan berpikir tidak perlu menerapkan strategi integrasi vertikal, karena jika dilakukan takutnya justru dapat membuat perusahaan kesulitan seperti berkurangnya fleksibilitas untuk berganti partner, tertutupnya akses terhadap riset dan insentif yang tidak menarik, sehingga tingkat integrasi vertikal menurun. Kondisi yang dijelaskan di dalam hipotesis adalah ketika nilai output meningkat, nilai tambah juga otomatis akan meningkat dan hal ini yang akan meningkatkan tingkat integrasi vertikal. Berdasarkan uji signifikansi, probabilitas LnOUTPUT lebih kecil dari taraf nyata yang digunakan (α=10%) yaitu 0.0000. Hal ini menerangkan bahwa variabel LnOUTPUT berpengaruh signifikan terhadap variabel dependennya.
6. Koefisien LnPRICE menunjukkan nilai positif sebesar 0.024869 berarti apabila terjadi kenaikan sebesar satu satuan (rupiah per kilogram) pada LnPRICE maka tingkat integrasi vertikal akan meningkat sebesar 0.024869 satuan (rupiah per kilogram). Hal ini tidak sesuai dengan hipotesis penelitian. Kondisi yang seharusnya adalah ketika harga CPO
domestik meningkat, perusahaan akan menanggung biaya produksi yang lebih tinggi dan akan mengakibatkan nilai tambah menurun. Seiring dengan penurunan nilai tambah maka tingkat integrasi vertikal akan menurun karena perusahaan lebih memilih untuk tidak melakukan integrasi vertikal. Akan tetapi sesuai hasil penelitian yang didapatkan, ketika LnPRICE meningkat, tingkat integrasi vertikal juga meningkat. Hal ini mungkin terjadi karena ketika harga CPO domestik meningkat sekaligus meningkatkan biaya input karena CPO merupakan bahan baku utama industri minyak goreng sawit. Kenaikan ini juga secara otomatis meningkatkan biaya produksi dan perusahaan berpikir untuk mengurangi biaya produksi dengan cara mengurangi biaya-biaya yang lain contohnya dengan mengurangi biaya transaksi, biaya iklan, biaya mendapatkan informasi, dan untuk mendapatkan pengurangan biaya-biaya tersebut salah satu caranya adalah dengan melakukan integrasi vertikal sehingga tingkat integrasi vertikal meningkat. Berdasarkan uji signifikan, variabel LnPRICE memiliki probabilitas 0.3596. Nilai ini jauh lebih besar dari taraf nyata yang digunakan (α=10%) sehingga variabel LnPRICE tidak signifikan mempengaruhi variabel dependennya.
7. Koefisien LnEXPORT menunjukkan nilai negatif sebesar 0.037012. Hal ini berarti bahwa apabila terjadi kenaikan sebesar satu satuan (ton) pada LnEXPORT maka integrasi vertikal akan menurun sebesar 0.037012 satuan (ton). Keadaan ekspor CPO yang makin marak terjadi sekarang ini menyebabkan stok CPO di pasar domestik menjadi berkurang dan untuk
mengatasi ketidakpastian akan bahan baku ini, maka perusahaan akan memilih untuk melakukan integrasi vertikal, itu kondisi yang seharusnya terjadi. Akan tetapi di dalam penelitian ini dihasilkan kondisi yang berbeda. Hal tersebut mungkin saja terjadi, karena ketika terjadi peningkatan ekspor CPO dan terjadi kelangkaan bahan baku utama untuk industri minyak goreng sawit, para pengusaha industri tersebut berusaha menutupi kekurangan pasokannya dengan cara mengimpor CPO sehingga tidak terjadi lagi kekurangan pasokan dan tidak diperlukan strategi integrasi vertikal sehingga tingkat integrasi vertikal menurun. Nilai probabilitas variabel LnEXPORT adalah 0.0867. Nilai ini lebih kecil dari taraf nyata yang digunakan (α=10%) sehingga variabel LnEXPORT adalah signifikan mempengaruhi variabel dependennya.
8. Koefisien LnXeff menunjukkan nilai positif sebesar 0.908304. Hal ini berarti bahwa apabila terjadi kenaikan sebesar satu satuan (persen) pada efisiensi-x maka tingkat integrasi vertikal akan meningkat sebesar 0.908304 satuan (persen). Kondisi ini sesuai dengan hipotesis penelitian. Ketika efisiensi-x meningkat, hal ini mendorong perusahaan untuk melakukan integrasi vertikal sehingga tingkat integrasi vertikal meningkat. Nilai probabilitas variabel LnXeff adalah 0.0000. Nilai ini jauh lebih kecil dari taraf nyata yang digunakan, sehingga variabel ini sangat berpengaruh signifikan terhadap variabel dependennya yaitu LnVI.
9. Nilai konstanta (C) dalam permodelan adalah positif sebesar 0.285936. Hal ini berarti, jika semua variabel bernilai nol, maka tingkat integrasi
vertikal cenderung akan meningkat sebesar 0.285936 satuan (persen). Nilai probabilitas sebesar 0.5148 menunjukkan bahwa C memberikan pengaruh yang tidak signifikan dalam permodelan.
Dari hasil estimasi persamaan jangka panjang didapatkan nilai probabilitas F-statistic sebesar 0.000000 yang nilainya lebih kecil dari taraf nyata yang digunakan yaitu sebesar 10 persen (α=10%), hal ini menjelaskan bahwa variabel-variabel eksogen mampu menerangkan variabel-variabel endogen. Nilai ini menunjukkan bahwa persamaan di atas telah mendukung keabsahan model. Dan dapat dikatakan bahwa pengaruh yang ditimbulkan oleh keseluruhan variabel bebas terhadap variabel terikat adalah baik.
Nilai koefisien determinasi (R-Squared) adalah sebesar 0.997241 yang memberikan arti bahwa variasi variabel endogennya dapat dijelaskan secara linear oleh variabel bebasnya di dalam persamaan sebesar 99.72 persen dan sisanya sebesar 0.28 persen dijelaskan oleh faktor-faktor lain di luar persamaan model.
Setelah meregresikan persamaan jangka panjang, langkah selanjutnya adalah menguji akar-akar unit terhadap nilai residual (U) dengan menggunakan metode ADF statistic. Hasil yang ditunjukkan pada Tabel 5.4 menunjukkan bahwa nilai residual (U) persamaan tingkat integrasi vertikal ternyata stasioner pada tingkat level. Hal ini terlihat pada nilai probabilitas (prob*) yang berada di bawah taraf nyata yang digunakan (α=10%). Dan kestasioneran ini juga dapat ditunjukkan melalui nilai ADF statistic yang lebih kecil dari nilai McKinnon dalam taraf nyata 10 persen. Hasil uji stasioneritas terhadap residual menunjukkan semakin menguatkan bahwa diantara variabel-variabel yang
digunakan terdapat kointegrasi atau terjadi keseimbangan jangka panjang antar variabel yang diamati.
Tabel 5.4. Uji Akar Unit Level terhadap Residual Persamaan Jangka Panjang Integrasi Vertikal.
Variabel Nilai ADF Nilai Kritis McKinnon Prob* Ket
1% 5% 10%
U -2.869576 -3.557472 -2.916566 -2.596116 0.0556 S Sumber : Lampiran 10
Keterangan:
S = Data stasioner pada taraf nyata 10%
Berdasarkan Tabel 5.4, nilai ADF statistic sebesar -2.869576 lebih kecil dari nilai kritis McKinnon pada taraf nyata 10 persen, menunjukkan bahwa nilai residual adalah stasioner pada tingkat level. Untuk melihat kestasioneran residual U juga dapat dilihat dari nilai probabilitas U (prob*) sebesar 0.0556 yang berada di bawah taraf nyata 10 persen. Dengan demikian terbukti bahwa terdapat kointegrasi dalam model sehingga perumusan ECM dapat dilanjutkan.
5.3. Error Correction Model (ECM)
Kalau lolos dari uji kointegrasi, langkah berikut akan diuji kestabilan dengan menggunakan salah satu model dinamis (MLD) atau dynamic linear model (DLM) untuk mengetahui kemungkinan terjadinya perubahan struktural, sebab hubungan keseimbangan jangka panjang antara variabel dependen (terikat) dan variabel independen (bebas) yang diperoleh dari hasil uji kointegrasi tidak akan berlaku setiap saat (periode). Karena itu residual pada permodelan harus diperlakukan sebagai suatu equilibrium error dalam jangka panjang. MLD ini
mampu menjadikan teori ekonomi yang bersifat statis menjadi dinamis dengan memperhitungkan unsur waktu.
Salah satu pendekatan MLD yang berkaitan dengan perilaku data deret waktu adalah mekanisme koreksi kesalahan atau sering disebut model koreksi kesalahaan. Di dalam uji ECM untuk integrasi vertikal ini selang yang digunakan adalah dengan lag (selang) empat. Dan variabel signifikan yang dihasilkan dengan lag empat dalam penelitian ini diperlihatkan dalam Tabel 5.5
Tabel 5.5. Error Correction Model untuk Integrasi Vertikal dengan Variabel yang Signifikan
Variabel Koefisien Std.Error t-statistic Prob
DLNVI(-1) 0.214228 0.043359 4.940819 0.0000 DLNVI(-4) -0.262584 0.070699 -3.714109 0.0008 DLNAVSIZE(-2) 0.019989 0.008511 2.348673 0.0250 DLNAVSIZE(-3) -0.034970 0.010600 -3.299194 0.0023 DLNCR4(-3) 0.125114 0.019400 6.449055 0.0000 DLNEXPORT 0.088015 0.022423 3.925258 0.0004 DLNEXPORT(-2) -0.130824 0.025813 -5.068103 0.0000 DLNEXPORT(-4) 0.081774 0.020993 3.895303 0.0005 DLNINPUT 0.197198 0.029078 6.781747 0.0000 DLNINPUT(-1) 0.520749 0.072356 7.197068 0.0000 DLNINPUT(-4) 0.413714 0.068999 5.995967 0.0000 DLNOUTPUT(-1) -0.741434 0.097287 -7.621066 0.0000 DLNOUTPUT(-3) 0.118389 0.035975 3.290907 0.0024 DLNOUTPUT(-4) -0.504663 0.084623 -5.963674 0.0000 DLNPRICE(-3) 0.073105 0.030062 2.431785 0.0206 DLNXEFF 0.729185 0.021843 33.38241 0.0000 DLNXEFF(-2) 0.067267 0.023638 2.845764 0.0076 DLNXEFF(-4) 0.283389 0.059444 4.767360 0.0000 U(-1) -0.185689 0.071069 -2.612806 0.0134 Sumber: Lampiran 11
Berdasarkan Tabel 5.5 di atas, maka permodelan jangka pendeknya adalah: DLnVI=0.214227DlnVIt-1-0.262584DlnVIt-4+0.019989DLnAVSIZEt-2
-0.034969DLnAZSIZEt-3+0.125113DLnCR4t-3+0.088015DLnEXPORTt -0.130824DLnEXPORTt-2+0.081773DLnEXPORT
t-4+0.197197DLnINPUTt+0.520749DLnINPUTt-1+0.413714DLnINPUT t-4-0.741433DLnOUTPUTt-1+0.118388DLnOUTPUTt-3
-0.504662DLnOUTPUTt-4+0.073104DLnPRICE
t-3+0729185DLnXEFFt+0.067267DLnXEFFt-2+0.283389DLnXEFFt-4 -0.185688Ut-1 (5.2)
Hasil pengujian terhadap model dinamis (jangka pendek) tingkat integrasi vertikal menunjukkan bahwa ada beberapa variabel yang tidak sesuai dengan hipotesis awal dan variabel DlnGROWTH ternyata tidak signifikan dalam mempengaruhi variabel dependennya, karena hal itu variabel ini harus dibuang dari permodelan. Hasil estimasi berdasarkan Tabel 5.5 adalah sebagai berikut:
1. Koefisien perubahan DLnCR4 menunjukkan hasil yang sesuai dengan hipotesis sebelumnya. Tanda positif sebesar 0.125114 pada tiga kuarter sebelumnya memberikan arti bahwa jika terjadi peningkatan sebesar satu satuan (persen) DLnCR4 pada tiga kuarter sebelumnya akan meningkatkan tingkat integrasi vertikal sebesar 0.125114 satuan (persen). Nilai probabilitas variabel DLnCR4 adalah 0.0000. Nilai ini jauh lebih kecil dari taraf nyata yang digunakan (α=10%) sehingga variabel perubahan DLnCR4 pada tiga kuarter sebelumnya adalah signifikan.
2. Pengaruh perubahan DLnAVSIZE terhadap tingkat integrasi vertikal pada jangka pendek secara keseluruhan sesuai dengan hipotesis sebelumnya.
Berdasarkan tabel, maka koefisien dari variabel DLnAVSIZE tersebut dapat diinterpretasikan sebagai berikut:
a. Peningkatan sebesar satu satuan (ribu rupiah) DLnAVSIZE pada dua kuarter sebelumnya akan meningkatkan tingkat integrasi vertikal sebesar 0.019989 satuan (ribu rupiah). Berdasarkan uji signifikansi, DLnAVSIZE pada dua kuarter sebelumnya signifikan mempengaruhi variabel dependen. Hal ini ditunjukkan oleh nilai probabilitasnya sebesar 0.0250 yang lebih kecil dari taraf nyata yang digunakan (α=10%).
b. Peningkatan sebesar satu satuan (ribu rupiah) DLnAVSIZE pada tiga kuarter sebelumnya akan menurunkan tingkat integrasi vertikal sebesar 0.034970 satuan (ribu rupiah). Nilai probabilitas variabel DLnAVSIZE pada tiga kuarter sebelumnya adalah 0.0023. Nilai ini lebih kecil dari taraf nyata yang digunakan (α=10%) sehingga variabel perubahan DLnAVSIZE pada tiga kuarter sebelumnya adalah signifikan.
c. Secara keseluruhan, dalam jangka pendek ketika terjadi peningkatan DLnAVSIZE sebesar satu satuan (ribu rupiah) akan menurunkan tingkat integrasi vertikal sebesar 0.014981 satuan (ribu rupiah). Hal ini sesuai hipotesis yang diajukan sebelumnya. 3. Pengaruh perubahan DLnINPUT terhadap tingkat integrasi vertikal pada
Berdasarkan tabel, maka koefisien dari variabel DlnINPUT tersebut dapat diinterpretasikan sebagai berikut:
a. Peningkatan sebesar satu satuan (ribu rupiah) DLnINPUT pada kuarter sekarang akan meningkatkan tingkat integrasi vertikal sebesar 0.197198 satuan (ribu rupiah). Nilai probabilitas variabel DlnINPUT pada kuarter sekarang adalah 0.0000. Nilai ini lebih kecil dari taraf nyata yang digunakan sehingga variabel perubahan DLnINPUT pada kuarter sekarang adalah signifikan.
b. Peningkatan sebesar satu satuan (ribu rupiah) DLnINPUT pada satu kuarter sebelumnya akan meningkatkan tingkat integrasi vertikal sebesar 0.520749 satuan (ribu rupiah). Berdasarkan uji signifikansi, DLnINPUT pada satu kuarter sebelumnya signifikan mempengaruhi variabel dependennya. Hal ini ditunjukkan oleh nilai probabilitasnya sebesar 0.0000 yang lebih kecil dari taraf nyata yang digunakan (α=10%).
c. Peningkatan sebesar satu satuan (ribu rupiah) DLnINPUT pada empat kuarter sebelumnya akan meningkatkan tingkat integrasi vertikal sebesar 0.413714 satuan (ribu rupiah). Nilai probabilitas variabel DLnINPUT pada empat kuarter sebelumnya adalah 0.0000. Nilai ini lebih kecil dari taraf nyata yang digunakan sehingga variabel perubahan DLnINPUT pada empat kuarter sebelumnya adalah signifikan.
d. Secara keseluruhan, dalam jangka pendek ketika terjadi peningkatan DLnINPUT sebesar satu satuan (ribu rupiah) akan meningkatkan tingkat integrasi vertikal sebesar 1.131661 satuan (ribu rupiah). Hal ini tidak sesuai hipotesis yang diajukan sebelumnya.
4. Koefisien perubahan DLnOUTPUT menunjukkan hasil jangka pendek yang tidak sesuai secara keseluruhan dengan hipotesis sebelumnya. Pada penelitian ini dijelaskan bahwa jika terjadi peningkatan pada DLnOUTPUT, maka tingkat integrasi vertikal akan menurun. Berdasarkan tabel, maka dapat diinterpretasikan koefisien dari variabel DLnOUTPUT sebagai berikut:
a. Koefisien DLnOUTPUT sebesar -0.741434 pada satu kuarter sebelumnya, menjelaskan ketika terjadi peningkatan satu satuan (ribu rupiah) DLnOUTPUT pada satu kuarter sebelumnya akan menurunkan tingkat integrasi vertikal sebesar 0.741434 satuan (ribu rupiah). Berdasarkan uji signifikansi, DLnOUTPUT pada satu kuarter sebelumnya signifikan mempengaruhi variabel DLnVI. Hal ini ditunjukkan oleh nilai probabilitasnya sebesar 0.0000 yang lebih kecil dari taraf nyata 10 persen.
b. Koefisien DLnOUTPUT sebesar 0.118389 pada tiga kuarter sebelumnya, menjelaskan ketika terjadi peningkatan satu satuan (ribu rupiah) DLnOUTPUT pada tiga kuarter sebelumnya akan meningkatkan tingkat integrasi vertikal sebesar 0.118389 satuan
(ribu rupiah). Nilai probabilitas variabel DLnOUTPUT pada tiga kuarter sebelumnya adalah 0.0024. Nilai ini lebih kecil dari taraf nyata yang digunakan sehingga variabel perubahan DLnOUTPUT pada tiga kuarter sebelumnya adalah signifikan.
c. Koefisien DLnOUTPUT sebesar -0.504663 pada empat kuarter sebelumnya, menjelaskan ketika terjadi peningkatan satu satuan (ribu rupiah) DLnOUTPUT pada empat kuarter sebelumnya akan menurunkan tingkat integrasi vertikal sebesar 0.504663 satuan (ribu rupiah). Berdasarkan uji signifikansi, DLnOUTPUT pada empat kuarter sebelumnya signifikan mempengaruhi variabel VI. Hal ini ditunjukkan oleh nilai probabilitasnya sebesar 0.0000 yang lebih kecil dari taraf nyata yang digunakan.
d. Secara keseluruhan, dalam jangka pendek ketika terjadi peningkatan DLnOUTPUT sebesar satu satuan (ribu rupiah) akan menurunkan tingkat integrasi vertikal sebesar 1.127708 satuan (ribu rupiah). Hal ini tidak sesuai hipotesis yang diajukan sebelumnya.
5. Koefisien DLnPRICE pada tiga kuarter sebelumnya menunjukkan nilai positif sebesar 0.073105. Hal ini tidak sesuai dengan hipotesis penelitian. Kondisi tersebut mungkin saja terjadi karena ketika harga CPO domestik meningkat sekaligus meningkatkan biaya input, karena CPO merupakan bahan baku utama industri minyak goreng sawit. Kenaikan ini juga secara otomatis meningkatkan biaya produksi dan perusahaan berpikir untuk
mengurangi biaya produksi dengan cara mengurangi biaya-biaya yang lain contohnya dengan mengurangi biaya transaksi, biaya iklan, biaya mendapatkan informasi, dan untuk mendapatkan pengurangan biaya-biaya tersebut salah satu caranya adalah dengan melakukan integrasi vertikal sehingga tingkat integrasi vertikal meningkat. Nilai probabilitas koefisien DLnPRICE adalah 0.0206. Hal ini menunjukkan bahwa DLnPRICE signifikan mempengaruhi variabel DLnVI dalam jangka pendek.
6. Pengaruh perubahan DLnEXPORT terhadap tingkat integrasi vertikal pada jangka pendek secara keseluruhan sesuai dengan hipotesis penelitian. Berdasarkan tabel, maka koefisien dari variabel DLnEXPORT tersebut dapat diinterpretasikan sebagai berikut:
a. Peningkatan sebesar satu satuan (ton) DLnEXPORT pada kuarter sekarang akan meningkatkan tingkat integrasi vertikal sebesar 0.088015 satuan (ton). Berdasarkan uji signifikansi, DLnEXPORT pada kuarter sekarang signifikan mempengaruhi variabel DLnVI. Hal ini ditunjukkan oleh nilai probabilitasnya sebesar 0.0004 yang lebih kecil dari taraf nyata yang digunakan (α=10%).
b. Koefisien DLnEXPORT sebesar -0.130824 pada dua kuarter sebelumnya, menjelaskan ketika terjadi peningkatan satu satuan (ton) DLnEXPORT pada dua kuarter sebelumnya akan menurunkan tingkat integrasi vertikal sebesar 0.130824 satuan (ton). Berdasarkan uji signifikansi, DLnEXPORT pada dua kuarter sebelumnya signifikan mempengaruhi variabel dependennya
dikarenakan nilai probabilitas lebih kecil dari taraf nyata 10 persen yakni sebesar 0.0000.
c. Peningkatan sebesar satu satuan (ton) DLnEXPORT pada empat kuarter sebelumnya akan meningkatkan tingkat integrasi vertikal sebesar 0.081774 satuan (ton). Nilai probabilitas variabel DLnEXPORT pada empat kuarter sebelumnya adalah 0.0005. Nilai ini lebih kecil dari taraf nyata yang digunakan sehingga variabel perubahan DLnEXPORT pada empat kuarter sebelumnya adalah signifikan.
d. Secara keseluruhan, dalam jangka pendek ketika terjadi peningkatan DLnEXPORT sebesar satu satuan (ton) akan meningkatkan tingkat integrasi vertikal sebesar 0.038965 satuan