B. Misi Perusahaan
4.2. Indetifikasin pola data
4.2.1 Uji stasioneritas
Uji stasioneritas merupakan utama dan langkah penting untuk menjelaskan model koreksi kesalahan pada data time series nonstationer dan mengetahui penerapan model koreksi kesalahan. Dalam penelitian ini, uji stasioneritas yang digunakan adalah uji pasokan gas dan uji penjualan gas. hubungan keseimbangan jangka panjang antara variabel-variabel yang berhubungan sangat diperlukan untuk melakukan peramalan. Hasil peramalan ini sangat berguna sebagai alat pengambilan keputusan. Hubungan jangka panjang tersebut dapat diketahui melalui pendekatan kointegrasi. Kointegrasi merupakan hubungan antara variabel- variabel yang stasioner pada derajat yang sama. Sehingga stasioneritas merupakan syarat yang penting dalam pendekatan kointegrasi Apabila variabel yang digunakan tidak stasioner akan menyebabkan hasil regresimeragukan atau disebut regresi lancung (spurious regression). Regresi lancung adalah situasi dimana hasil regresi menunjukkan koefisien regresi yang signifikan dan nilai koefisien determinasi yang tinggi namun hubungan antara variabel independen dan variabel dependen di dalam model tidak saling berhubungan. Hal ini terjadi karena hubungan keduanya yang merupakan data time series hanya menunjukkan trend saja. Untuk melakukan uji stasioneritas digunakan uji akar unit. Uji akar unit mula-mula dikembangkan oleh D.A. Dickey dan W.A. Fuller yang dikenal sebagai uji akar unit Dickey-Fuller. Uji akar unit Dickey-Fuller mengasumsikan bahwa residual t e adalah residual yang bersifat independen dengan rata-rata nol, varian konstan, dan tidak saling berhubungan (non autokorelasi). Akan tetapi dalam banyak kasus, residual t e sering kali saling berhubungan atau mengandung unsur autokorelasi. Sehingga perlu dikembangkan uji akar unit terhadap data yang mengandung autokorelasi pada residual t e .
Untuk mengembangkan uji akar unit Dickey-Fuller pada permasalahan data dengan sifat autokorelasi pada residual, digunakan uji akar unit yang dikembangkan oleh Peter C.B. Phillips dan P.Perron. Uji ini dilakukan dengan menggunakan metode statistik nonparametric dalam menjelaskan adanya autokorelasi antara residual tanpa memasukkan variabel independen kelambanan diferensi. Keuntungan menggunakan uji ini adalah asumsi bahwa tidak terdapat bentuk fungsi untuk variabel proses residual sehingga uji PP dikatakan uji non
parametrik. Karena bersifat non parametrik maka uji PP dapat digunakan untuk banyak kasus dan pada sampel yang besar, uji PP akan menunjukkan hasil yang bagus. Uji stasioneritas dengan Uji Akar Unit Phillips-Perron (PP), dilakukan dengan hipotesis.
H0 : α = 1( t Y tidak stasioner) H1 : α < 1( t Y stasioner)
Tabel 3. Hasil uji stasioneritas
Variable Level 1’st Differencs
p-value Keterangan p-value Keterangan
PASOKAN 0.5305* Tidak stasioner 0.0000 Stasioner PENJUALAN 0.1729* Tidak stasioner 0.0000 Stasioner Keterangan : ADF Pasokan> nilai kritis ADF = tidak stasioner; ADF Penjualan<nilai kritis = tidak stationer
ADF=stasioner;signifikan pada **) α =1%
Hasil uji akar unit pada level menunjukan bahwa semua variabel belum stationer pada tarif nyata yang digunakan yaitu lima persen. Penelitian yang menggunakan data yang belum stationer ini akan menghasilkan regresi lancung (spurious regression) yaitu regresi yang menggambarkan hubungan antara dua variabel atau lebih yang Nampak signifikan severa statistic tapi kenyatannya tidak atau tidak sebesar yang Nampak dari regresi yang dihasilkan. Akibatnya terjadi mislending dalam penelitian terhadap suatu fenomena ekonomi yang sedang terjadi. Oleh karena itu, penggujian akar unit di lanjutkan dengan melakukan uji akar unit firstdifference.
Pada Table 3 terlihat bahwa pengujian akar pada tingkat firt difference menunjukan bahwa semua data sudah stationer. Hal ini terlihat dari nilai probilitas yang lebih kecil dari taraf nyata yaitu lima persen. Dengan demikian dapat dijelaskan bahwa seluruh variabel yang akan diestimasi dalam penlitian ini telah stasioner. Penggunan data firt difference tidak dianjurkan karena akan menghilangkan informasi jangka panjang, sehingga model VAR akan dikombinasikan dengan model VECM agar tidak menghilangkan informasi jangka panjang tersebut. Dalam penelitian ini dapat disimpulkan model yang dipilih adalah VECM.
4.2.2 Uji korelasi parsial
Dalam penelitian ini, menunjukan bagaimana mengukur keeratan hubungan antara pasokan gas dan penjualan gas tersebut. Korelasi parsial adalah korelasi antara satu variabel bebas dengan variabel terikat dengan dengan variabel bebas lainnya bersifat tetap.
Tabel 4. Hasil analisis korelasi parsial
Analisis korelasi parsial
Covariance Analysis: Ordinary Date: 06/10/11 Time: 13:48 Sample: 2005M01 2009M09 Included observations: 57
Correlation
Probability PENJUALAN PASOKAN
PENJUALAN 1.000000
---
PASOKAN 0.802378 1.000000
0.0000 ---
Berdasarkan hasil analisis korelasi parsial di atas dapat disimpulkan bahwa hubungan variable anatara penjualan dengan pasokan sebesar 0.802378 dengan Nilai-P (0.000)<ALPHA 1 Persen Artinya hubungan antara penjualan dengan pasokan sangat kuat dan searah, jika pasokan meningkat maka penjualan meningkat.
.4.2.3 Uji Kaulitas Grenger
Uji ini pada intinya mengindikasikan apakah suatu variable mempunyai hubungan dua arah, atau hanya satu arah saja, dan uji Kausalitas Granger yang dilihat adalah pengaruh masa lalu terhadap kondisi sekarang, sehingga data yang digunakan adalah data time series. Uji Kausalitas Granger digunakan untuk mengetahui hubungan antara variabel satu dengan variabel lainnya saling mempengaruhi. Berkaitan dengan uji ini, tahap awal yang harus dilakukan adalah menentukan panjang lag optimal dengan menggunakan kriteria likehood Ratio (LR) kemudian mengestimasinya. Penggunaan lag optimum pada uji kausalitas Granger adalah satu karena data stasioner pada tingkat first difference. Setelah di dapat hasil uji kausalitas Granger, maka untuk menentukan signifikan tidaknya
antar variabel adalah dengan membandingkan F hitung dengan F tabel. Jika F hitung lebih besar dari F tabel maka signifikan, begitupun sebaliknya.
Tabel 5. Hasil uji kausalitas Grenger
Pairwise Granger Causality Tests Date: 06/10/11 Time: 13:49 Sample: 2005M01 2009M09 Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
PASOKAN does not Granger Cause PENJUALAN 56 2.35442 0.1309
PENJUALAN does not Granger Cause PASOKAN 0.05907 0.8089
Dalam tabel 5 berdasarkan uji kausalitas Granger menunjukan bahwa pada lag 1 variabel-variabel yang digunakan yaitu Pasokan tidak berpengaruh signifikan terhadap penjualan karena probabilitas lebih kecil daripada nilai kritisnya yaitu α= 1 persen, sedangkan variabel Penjualan tidak signifikan berpengaruh terhadap Pasokan yaitu α= 8 persen.Berdasarkan uji kaulitas Granger kedua hipotesis memiliki nilai-P > alpha 5 persen artinya tidak ada hubungan sebab akibat antara pasokan dan penjualan.