Produksi Biodiesel Indonesia
4. HASIL DAN PEMBAHASAN
4.1.3. Uji Kausalitas Granger
Uji kausalitas Granger dilakukan untuk mengetahui hubungan kausalitas antara variabel-variabel atau peubah yang digunakan dalam penelitian ini atau yang ada dalam model. Hubungan kausalitas antar variabel atau peubah dapat diketahui dengan
melakukan Pairwise Granger Causality Test. Hasil uji kausalitas Granger apabila nilai probability variabel lebih kecil dari atau sama dengan 5 persen maka terdapat hubungan kausalitas diantara variabel tersebut. Tetapi sebaliknya jika nilai probability lebih dari 5 persen maka tidak terdapat hubungan kausalitas diantara variabelnya. Hasil uji Kausalitas Granger dapat dilihat pada hasil berikut.
e endent variable: HCPO
Excluded Chi-sq df Prob
PBIO 7 1168β6 5 0 β1β1
HTBS 15 4βγ18 5 0 0087
HMGO 4 598785 5 0 4668
All β9 γ7404 15 0 0144
Hasil uji tersebut menunjukkan bahwa harga tandan buah segar mempengaruhi Granger harga CPO yang ditunjukkan dengan nilai probability nya yang kurang dari 5%. Sedangkan produksi biodiesel dan harga minyak goreng tidak menyebabkan Granger harga CPO. Dependent variable: PBIO
Excluded Chi-sq df Prob
HCPO β1 07869 5 0 0008
HTBS β9 40705 5 0 0000
HMGO 11 61499 5 0 0405
All 58 6775γ 15 0 0000
Untuk variabel yang mempengaruhi produksi biodiesel ternyata dari hasil uji kausalitas Granger semua variabel yaitu harga CPO, harga tandan buah segar dan harga minyak goreng memberikan pengaruh.
e endent variable: HTBS
Excluded Chi-sq df Prob
HCPO 8 γ51015 5 0 1γ79
PBIO 1β γβ518 5 0 0γ06
HMGO 10 β8γβ5 5 0 0676
Kalau melihat hasil uji dari variabel yang mempengaruhi harga tandan buah segar maka dapat ditarik kesimpulan bahwa ternyata harga tandan buah segar juga dipengaruhi oleh produksi biodiesel. e endent variable: HMGO
Excluded Chi-sq df Prob
HCPO 5 0γ79β9 5 0 411γ
PBIO γ 400β81 5 0 6γ85
HTBS γ 575948 5 0 6119
All 18 9γβ69 15 0 β168
Untuk variabel minyak goreng ternyata menurut uji kausalitas Granger tidak dipengaruhi oleh harga CPO, produksi biodiesel maupun harga tandan buah segar.
Uji kausalitas granger ini dapat disederhanakan dalam bentuk diagram untuk mempermudah dalam visualisasi seperti Gambar 4.3 berikut.
Gambar 4.3 Visualisasi uji kausalitas Granger
Terlihat pada Gambar 4.3 pada pengujian ini diketahui bahwa produksi biodiesel dipengaruhi oleh harga CPO sebagai bahan baku utamanya serta harga tandan buah segar sebagai sumber dari CPO. Produksi biodiesel ini juga dipengaruhi oleh harga minyak goreng. Hal ini seperti diungkapkan oleh beberapa pihak disebabkan karena kekhawatiran masyarakat bahwa jika CPO digunakan untuk produksi biodiesel maka bagian CPO untuk minyak goreng akan berkurang sehingga permintaan terhadap CPO akan bertambah. Permintaan
terhadap CPO akan berdampak pada kenaikan harga CPO dan oleh karena CPO merupakan bahan baku dari biodiesel maka harga biodiesel akan terpengaruh.
Hubungan antara harga CPO dan harga minyak goreng secara langsung pada analisis kausalitas Granger ini tidak dapat ditangkap, tetapi bukan berarti tidak ada hubungan secara langsung antara keduanya. Hal ini bisa disebabkan karena harga CPO yang mengikuti harga internasional sedangkan harga minyak goreng dikontrol oleh pemerintah. Oleh karena itu hasil uji kausalitas Granger ini akan diperkuat oleh uji impulse response function (IRF) untuk mengetahui besaran pengaruh dari masing-masing variabel dalam penelitian.
4.1.4. Uji Kointegrasi
Uji kointegrasi dilakukan karena data yang digunakan berfluktuasi dengan asumsi data tidak stasioner dan untuk menentukan apakah data mengalami kointegrasi atau tidak. Proses kointegrasi ini memberikan informasi mengenai hubungan jangka panjang yang ada dengan menggunakan data deret waktu yang tidak stasioner. Dua variabel atau lebih yang tidak stasioner sebelum dilakukan pembedaan tetapi setelah dilakukan pembedaan pada tingkat pertama, maka besar kemungkinan terdapat hubungan jangka panjang diantara variabel atau peubah tersebut.
Langkah selanjutnya, untuk mengetahui keterkaitan jangka panjang antar variabel-variabel atau peubah permintaan, maka dilakukan analisis dengan menggunakan uji kointegrasi Johansen. Variabel-variabel yang akan diuji harus merupakan variabel yang stasioner pada derajat yang sama. Hasilnya jika nilai Trace statistic lebih kecil dibandingkan nilai Critical value maka variabel-variabel tersebut tidak terkointegrasi, sebaliknya jika nilai trace statisticnya lebih besar dibandingkan dengan nilai critical value maka variabel-variabel tersebut dikatakan terkointegrasi. Hasil uji kointegrasi dapat dilihat pada Tabel 4.4 berikut.
Tabel 4.4 Hasil uji kointegrasi
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.991552 220.5535 47.85613 0.0001
At most 1 * 0.798321 77.33802 29.79707 0.0000 At most 2 * 0.620349 29.30563 15.49471 0.0002 At most 3 0.008317 0.250541 3.841466 0.6167
Trace test indicates 3 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
Tabel 4.4 diatas menunjukkan bahwa pada r <= 3 nilai trace statistic nya lebih kecil dari critical value pada tingkat signifikansi 5%. Hal ini berarti hipotesis 0 yang menyatakan bahwa terdapat paling tidak 3 kointegrasi tidak dapat ditolak dan hipotesis alternatif yang menyatakan bahwa tidak ada kointegrasi belum dapat diterima. Hasil tersebut menunjukkan bahwa masing-masing variabel tersebut saling mempengaruhi dan memiliki hubungan stabilitas atau keseimbangan dan kesamaan pergerakan dalam jangka panjang. Variabel-variabel ini dalam periode pendek akan cenderung saling menyesuaikan untuk mencapai keseimbangan jangka panjangnya. 4.1.5. Estimasi Vector Error Correction Model (VECM)
Variabel-variabel atau peubah tidak stasioner yang terintegrasi pada tingkat yang sama akan bersifat stasioner setelah dilakukan pembedaan. Uji kointegrasi diatas menunjukkan bahwa pada variabel-variabel penelitian terindikasi adanya kointegrasi dengan rank 3 pada derajat kepercayaan 5%. Dengan demikian maka model yang digunakan adalah model VEC. Hasil estimasi VECM dapat dilihat pada Tabel 4.5 berikut sedangkan untuk selengkapnya dapat dilihat pada Lampiran 9.
Tabel 4.5 Hasil estimasi VECM
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 CointEq2 CointEq3
HCPO(-1) 1.000000 0.000000 0.000000 PBIO(-1) 0.000000 1.000000 0.000000 HTBS(-1) 0.000000 0.000000 1.000000 HMGO(-1) -0.612350 -48.27822 -0.145270 (0.14411) (11.7257) (0.03278) [-4.24920] [-4.11731] [-4.43110] C -586.6817 511174.6 275.3727
Error Correction: D(HCPO) D(PBIO) D(HTBS) D(HMGO)
CointEq1 0.065309 -131.4849 0.202915 1.078142 (0.90094) (55.8857) (0.15919) (0.51658) [ 0.07249] [-2.35275] [ 1.27466] [ 2.08707] CointEq2 0.007169 -1.407614 0.001747 0.004380 (0.00443) (0.27489) (0.00078) (0.00254) [ 1.61772] [-5.12069] [ 2.23055] [ 1.72370] CointEq3 0.617213 535.3889 -0.622291 -1.737379 (2.85990) (177.401) (0.50533) (1.63982) [ 0.21582] [ 3.01796] [-1.23146] [-1.05950] D(HCPO(-1)) -0.369451 153.5152 -0.138236 -0.969399 (0.93418) (57.9475) (0.16506) (0.53564) [-0.39548] [ 2.64921] [-0.83747] [-1.80979] D(HCPO(-2)) -0.915205 58.05090 -0.275026 -0.846875 (0.70770) (43.8990) (0.12505) (0.40578) [-1.29321] [ 1.32237] [-2.19938] [-2.08701] D(HCPO(-3)) -0.654045 -9.790574 -0.176965 -0.635100 (0.65153) (40.4147) (0.11512) (0.37358) [-1.00386] [-0.24225] [-1.53720] [-1.70006] D(HCPO(-4)) 0.490049 41.09184 0.002152 -0.205702 (0.66503) (41.2523) (0.11751) (0.38132) [ 0.73688] [ 0.99611] [ 0.01832] [-0.53945] D(PBIO(-1)) -0.003544 0.375961 -0.000889 -0.003566 (0.00420) (0.26023) (0.00074) (0.00241) [-0.84476] [ 1.44474] [-1.19931] [-1.48269] D(PBIO(-2)) -0.003844 0.517094 -0.000538 -0.002101 (0.00319) (0.19784) (0.00056) (0.00183) [-1.20538] [ 2.61372] [-0.95463] [-1.14877]
Persamaan VECM adalah sebagai berikut VAR Model - Substituted Coefficients:
===============================
D(HCPO) = 0.065309192284*( HCPO(-1) - 0.612350176027*HMGO(-1) - 586.681697993 ) + 0.00716890326138*( PBIO(-1) - 48.2782165129*HMGO(-1) + 511174.562631 ) + 0.617212727326*( HTBS(-1) - 0.145269722001*HMGO(-1) + 275.372683012 ) - 0.369450987714*D(HCPO(-1)) - 0.915204818945*D(HCPO(-2)) - 0.65404470723*D(HCPO(-3)) + 0.49004891865*D(HCPO(-4)) - 0.00354390388993*D(PBIO(-1)) - 0.00384439082025*D(PBIO(-2)) - 0.00551906469568*D(PBIO(-3)) - 0.00741578120025*D(PBIO(-4)) + 1.61680921918*D(HTBS(-1)) + 1.42746089992*D(HTBS(-2)) + 3.93985380619*D(HTBS(-3)) - 3.81427340429*D(HTBS(-4)) + 0.251090268534*D(HMGO(-1)) - 0.361396293546*D(HMGO(-2)) - 0.101309955176*D(HMGO(-3)) - 0.270857568601*D(HMGO(-4)) + 125.453605992
D(PBIO) = - 131.484883156*( HCPO(-1) - 0.612350176027*HMGO(-1) - 586.681697993 ) - 1.40761411451*( PBIO(-1) - 48.2782165129*HMGO(-1) + 511174.562631 ) + 535.3888962*( HTBS(-1) - 0.145269722001*HMGO(-1) + 275.372683012 ) + 153.51518553*D(HCPO(-0.145269722001*HMGO(-1)) + 58.0508985987*D(HCPO(-2)) - 9.79057390559*D(HCPO(-3)) + 41.0918354932*D(HCPO(-4)) + 0.375961422836*D(PBIO(-1)) + 0.517093958504*D(PBIO(-2)) + 0.133073226928*D(PBIO(-3)) + 0.158297333985*D(PBIO(-4)) - 529.917330746*D(HTBS(-1)) - 243.213126066*D(HTBS(-2)) + 111.469911895*D(HTBS(-3)) - 293.017688206*D(HTBS(-4)) - 73.0342761624*D(HMGO(-1)) - 75.1226835383*D(HMGO(-2)) - 45.9160257866*D(HMGO(-3)) - 29.01910842*D(HMGO(-4)) + 10220.0714817 D(HTBS) = 0.202914853866*( HCPO(-1) - 0.612350176027*HMGO(-1) - 586.681697993 ) + 0.00174656487595*( PBIO(-1) - 48.2782165129*HMGO(-1) + 511174.562631 ) - 0.622290837204*( HTBS(-1) - 0.145269722001*HMGO(-1) + 275.372683012 ) - 0.138235538828*D(HCPO(-1)) - 0.275025517945*D(HCPO(-2)) - 0.176964630351*D(HCPO(-3)) + 0.00215238970809*D(HCPO(-4)) - 0.000889000166843*D(PBIO(-1)) - 0.000537979747005*D(PBIO(-2)) - 0.0011334173482*D(PBIO(-3)) - 0.00181070757716*D(PBIO(-4)) + 0.917030088539*D(HTBS(-1)) + 0.443817966876*D(HTBS(-2)) + 1.22876774853*D(HTBS(-3)) - 0.620158755645*D(HTBS(-4)) + 0.0938786100256*D(HMGO(-1)) - 0.0577974736675*D(HMGO(-2)) + 0.0800652221419*D(HMGO(-3)) + 0.013511708666*D(HMGO(-4)) + 21.9000981527
D(HMGO) = 1.07814160141*( HCPO(-1) - 0.612350176027*HMGO(-1) - 586.681697993 ) + 0.00437981744036*( PBIO(-1) - 48.2782165129*HMGO(-1) + 511174.562631 ) - 1.73737856909*( HTBS(-1) - 0.145269722001*HMGO(-HTBS(-1) + 275.372683012 ) - 0.969398899*D(HCPO(-1)) - 0.84687482248*D(HCPO(-2)) - 0.635100094005*D(HCPO(-3)) - 0.205702043944*D(HCPO(-4)) - 0.00356649273703*D(PBIO(-1)) - 0.00210079000268*D(PBIO(-2)) - 0.00172359526136*D(PBIO(-3)) - 0.00159451126435*D(PBIO(-4)) + 2.14993003761*D(HTBS(-1)) + 2.24296823623*D(HTBS(-2)) + 1.97236952889*D(HTBS(-3)) + 0.693329935301*D(HTBS(-4)) - 0.147486155175*D(HMGO(-1)) - 0.144978785132*D(HMGO(-2)) - 0.365763363707*D(HMGO(-3)) - 0.229106105219*D(HMGO(-4)) + 123.059902846
Keempat persamaan tersebut masing-masing terdiri dari variabel-variabel yang sama pada sisi sebelah kanannya. Hasil estimasi VECM pada Tabel 4.5 menunjukkan bahwa tidak semua lag signifikan pada setiap persamaan. Keadaan ini merupakan tipikal dari metode VAR.
Pada persamaan pertama dengan variabel dependen HCPO, variabel-variabel HTBS dan HMGO tidak memberikan pengaruh yang signifikan terhadap pergerakan HCPO. Pergerakan HCPO ini ternyata dipengaruhi oleh variabel PBIO pada 4 periode sebelumnya. Pola hubungan HCPO dengan variabel HCPO itu sendiri, PBIO dan HMGO cenderung negatif, sedangkan dengan HTBS umumnya positif.
Pada persamaan kedua dengan variabel dependen PBIO, variabel HCPO memberikan pengaruh yang signifikan pada lag satu periode sebelumnya, variabel HTBS juga memberikan pengaruh yang signifikan pada lag satu periode sebelumnya, sedangkan variabel HMGO memberikan pengaruh yang signifikan pada lag dua periode sampai satu periode sebelumnya. Sementara itu variabel PBIO dipengaruhi oleh dinamika pergerakan variabel PBIO itu sendiri pada lag dua periode sebelumnya. Pola hubungan PBIO dengan dirinya sendiri adalah positif, sedangkankan hubungannya dengan HCPO umumnya positif dan hubungannya dengan HTBS dan HMGO umumnya negatif.
Pada persamaan ketiga dengan variabel dependen HTBS, variabel HMGO tidak memberikan pengaruh yang signifikan, sedangkan variabel HCPO memberikan pengaruh yang signifikan pada lag dua periode sebelumnya dan variabel PBIO memberikan pengaruh yang signifikan pada lag empat periode sampai tiga periode sebelumnya. Pola hubungan HTBS dengan variabel HTBS itu sendiri cenderung positif, sedangkan hubungannya dengan HCPO dan PBIO umumnya negatif dan dengan HMGO cenderung positif.
Pada persamaan keempat dengan variabel dependen HMGO, variabel PBIO dan HTBS tidak memberikan pengaruh yang signifikan, sedangkan variabel HCPO memberikan pengaruh yang signifikan pada lag dua periode sebelumnya. Pola hubungan HMGO dengan variabel HMGO itu sendiri, HCPO dan PBIO adalah negatif, sedangkan hubungannya dengan HTBS adalah positif.