bab 5 analisa model persamaan rekursif faktor

BAB 5
ANALISA MODEL PERSAMAAN REKURSIF
FAKTOR-FAKTOR DETERMINAN EKSPOR CPO INDONESIA
Pada bagian metodologi penelitian telah dijelaskan bahwa adanya ketidaksamaan
satuan antara variabel ekspor CPO dengan variabel lain menyebabkan estimasi model
dilakukan dalam bentuk logaritma natural (ln). Oleh karena itu, model persamaan rekusif
dapat dispesifikasikan sebagai berikut:
Persamaan Struktural 1: Faktor Determinan Ekspor CPO Indonesia
LnX
= β0
+
β1 LnPE + β2 LnKURS + β3 LnP_CPO + ei ……… (5.1)
dimana,
Persamaan Struktural 2: Faktor Harga CPO di Pasar Dunia
LnP_CPO = β4
+
β5LnP_SOY + β6 LnP_SUN + β7 LnP_PET + ej ……… (5.2)
Akibat spesifikasi model dengan bentuk logaritma natural (ln), nilai masing-masing
koefisien (β) variabel bebas menjelaskan besarnya elastisitas, yaitu besar persentase
perubahan variabel terikat akibat kenaikan satu persen nilai variabel bebas. Kedua
persamaan struktural pada model persamaan rekursif ini diestimasi dengan metode Two
Stages Least Squares (2SLS) yang dilakukan secara terpisah atau persamaan tunggal
(limited information method). Hal ini bertujuan agar apabila terjadi masalah atau
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
39
pelanggaran kriteria pengujian pada salah satu persamaan, masing-masing dapat
memperhitungkan setiap pembatasan yang ditempatkan atau melakukan penganganan
dengan baik, tanpa memperhatikan pembatasan atas persamaan lainnya.
5.1. Hasil Estimasi Persamaan Faktor Determinan Ekspor CPO Indonesia
Estimasi persamaan faktor determinan ekspor CPO Indonesia dengan metode Two
Stages Least Squares (2SLS) secara terpisah menunjukkan hasil sebagai berikut:
Tabel 5.1
Hasil Estimasi Persamaan Faktor Determinan Ekspor CPO Indonesia
Variabel
Coefficient
Std. Error
t-Statistic
Prob.
LNPE
0.136420
0.045267
3.013671
0.0036
LNKURS
1.536737
0.819565
1.875066
0.0651
LNP_CPO
1.892455
0.319070
5.931158
0.0000
C
-9.118512
8.535920
-1.068252
0.2892
R-squared
0.606988
Mean dependent var
19.39297
Adjusted R-squared
0.589650
S.D. dependent var
0.478395
S.E. of regression
0.306453
Sum squared resid
6.386132
F-statistic
36.88401
Durbin-Watson stat
1.780106
Prob(F-statistic)
0.000000
Sehingga, diperoleh bentuk persamaan:
LnX
= -9.118512 + 0.136420 LnPE + 1.536737 LnKURS + 1.892455 LnP_CPO
5.1.1. Pengujian Kriteria Statistik Faktor Determinan Ekspor CPO Indonesia
Uji t-statistik
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
40
Dengan menggunakan tingkat signifikansi ( α ) sebesar 10%, hasil estimasi tersebut
menunjukkan bahwa pada tingkat keyakinan 90% setiap variabel bebas secara individu
berpengaruh secara signifikan terhadap variabel terikat. Hal ini ditunjukkan dengan nilai
probabilita t-statistik (p-value) pada setiap variabel bebas yang berada di bawah nilai α ,
yaitu 0.1. Itu berarti, baik variabel pungutan ekspor, nilai tukar, dan harga CPO di pasar
dunia masing-masing memberikan pengaruh secara signifikan terhadap perubahan volume
ekspor CPO Indonesia.
Setiap terjadi 1% kenaikan pada harga CPO di pasar dunia, maka volume ekspor
CPO Indonesia akan bertambah sebesar 1.892455% (peningkatan volume ekspor ini
ditunjukkan dengan nilai koefisien yang positif). Perubahan ini searah dengan teori yang
menjelaskan bahwa peningkatan harga akan berpengaruh pada penambahan jumlah
penawaran yang terefleksikan dari volume ekspor. Di samping itu, pengaruh yang searah
juga ditunjukkan oleh hubungan antara nilai tukar dan volume ekspor ini, di mana
kenaikan 1% nilai tukar rupiah-dolar Amerika Serikat berdampak pada meningkatnya
volume ekspor CPO Indonesia sebesar 1.536737%. Peningkatan nilai tukar rupiah
menunjukkan kondisi rupiah yang terdepresiasi terhadap dolar. Harga-harga barang ekspor
Indonesia di pasar dunia menjadi relatif lebih murah dan akibatnya permintaan akan ekspor
CPO pun meningkat. Hasil penelitian terhadap kedua variabel ini menunjukkan hasil yang
serupa dengan model penelitian Lordkipanidze, Epperson, dan Ames (1996) di mana kedua
variabel, yaitu variabel harga minyak kanola dan nilai tukar dolar Amerika Serikat-Kanada
juga berpengaruh secara signifikan terhadap impor minyak kanola di Amerika Serikat.
Di lain pihak, pengaruh pungutan ekspor terhadap ekspor CPO di Indonesia ternyata
tidak sesuai dengan teori yang telah dikemukakan. Seharusnya, kenaikan pungutan ekspor
akan menyebabkan berkurangnya volume ekspor CPO. Namun, dalam hasil estimasi ini
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
41
ditunjukkan bahwa kenaikan 1% penerimaan pungutan ekspor atas komoditas CPO justru
menyebabkan volume ekspor CPO meningkat sebesar 0.136420%.
Kondisi ini diperkirakan terjadi karena adanya respon dari eksportir CPO yang tidak
sesuai dengan teori yang ada. Pada dasarnya kebijakan pungutan ekspor merupakan
disinsentif bagi ekspor CPO. Peningkatan pungutan ekspor akan menambah biaya ekspor
sehingga harga komoditas itu sendiri menjadi tidak kompetitif di pasar dunia. Sesuai
dengan tujuan kebijakan, para eksportir pun kemudian mengalihkan supplynya ke pasar
domestik. Dalam jangka pendek, kondisi tersebut mengakibatkan harga di pasar domestik
menurun karena adanya oversupply (pasar domestik tidak mampu menyerap seluruh supply
yang ada). Di sisi lain, harga CPO di pasar dunia yang cenderung mengalami peningkatan
menyebabkan eksportir terus mengejar keuntungan dengan melakukan ekspor. Meskipun
nilai pungutan ekspor yang harus ditanggung juga bertambah, tetapi pertambahan beban ini
diperkirakan tidak lebih besar dari keuntungan yang mereka dapatkan dengan terus
melakukan ekspor.
Kedua kondisi itulah yang menyebabkan eskportir terus melakukan ekspor CPO
meskipun nilai pungutan ekspor meningkat. Terlebih lagi, secara tidak langsung justru
petani sawitlah yang seolah-olah menanggung beban ini. Peningkatan pungutan ekspor
berdampak pada penurunan daya saing CPO Indonesia di pasar dunia. Untuk
mempertahankan harga di tingkat yang kompetitif, tentunya eksportir harus melakukan
penekanan harga. Hal ini dilakukan dengan cara menekan harga tandan buah segar yang
dibeli dari tingkat petani. Karenanya, eksportir seakan menanggung beban yang lebih kecil
atas peningkatan pungutan ekspor ini. Kondisi ini pula yang dikritisi oleh Larson dalam
penelitiannya, bahwa meskipun efektif untuk mengendalikan harga di pasar domestik,
namun pajak ekspor justru akan berdampak negatif terhadap transfer pendapatan para
petani sawit di Indonesia.
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
42
Uji F-statistik
Dengan mengacu pada hipotesa yang telah dijelaskan pada bab sebelumnya, hasil
estimasi tersebut menunjukkan bahwa secara keseluruhan semua variabel bebas
berpengaruh terhadap variabel terikat secara signifikan. Hal ini ditunjukkan dengan nilai
probabilita F-statistik yang lebih kecil dari α (p-value = 0.000000).
Itu berarti, dengan tingkat keyakinan 90% secara bersama-sama faktor-faktor
determinan ekspor CPO seperti nilai tukar, pungutan ekspor, dan harga CPO Indonesia
berpengaruh terhadap volume ekspor CPO Indonesia secara signifikan.
Uji Determinasi (R2)
Nilai R2 sebesar 0.606988 menggambarkan bahwa variabel-variabel bebas dalam
model mampu menjelaskan sampai dengan 60.6988 persen faktor yang mempengaruhi
variabel terikatnya. Sehingga, faktor-faktor determinan ekspor CPO dalam model ini
seperti nilai tukar, pungutan ekspor, dan harga CPO di pasar dunia mampu menjelaskan
pengaruhnya terhadap volume ekspor CPO Indonesia sebesar 60.6988 persen; sedangkan
sisanya (39.9012 persen) menjelaskan bahwa masih terdapat faktor lain yang juga
mempengaruhi besarnya volume ekspor CPO Indonesia namun tidak disertakan dalam
model ini.
5.1.2. Pengujian Kriteria Ekonometri Faktor Determinan Ekspor CPO Indonesia
Multikolinieritas (Multicollinearity)
Pengujian masalah multikolinearitas dengan menggunakan matriks koefisien korelasi
di bawah ini menunjukkan bahwa antar faktor-faktor determinan ekspor CPO Indonesia
tidak terdapat hubungan linear. Hal itu terlihat dari besaran koefisien antar variabel bebas
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
43
yang seluruhnya kurang dari 0.8. Pembuktian ini didukung pula dengan nilai R2 yang
cukup besar yaitu 0.606988 dan nilai probabilitas-t masing-masing variabel bebas yang
signifikan (seluruh p-value < α ). Itu berarti tidak ada indikasi masalah multikolinearitas
pada model ini.
Tabel 5.2
Matriks Koefisien Korelasi Faktor-Faktor Determinan Ekspor CPO Indonesia
LnX
LnPE
LnKURS
LnP_CPO
LnX
1.000000
0.558125
-0.256558
0.679726
LnPE
0.558125
1.000000
0.164420
0.288647
LnKURS
-0.256558
0.164420
1.000000
-0.671526
LnP_CPO
0.679726
0.288647
-0.671526
1.000000
Autokorelasi (Autocorrelation)
Hasil estimasi menunjukkan bahwa DW-stat bernilai 1.780106 atau mendekati 2. Hal
ini mengindikasikan tidak adanya serial correlation pada model tersebut. Akan tetapi,
perlu dibuktikan lebih lanjut mengenai masalah autokorelasi ini. Untuk itu, dilakukan
pengujian dengan menggunakan Breusch-Godfrey Serial Correlation LM Test. Hasilnya,
diketahui bahwa nilai probabilitas Obs*R-squared (p-value) adalah sebesar 0.441162 atau
lebih besar dari α (10%). Sehingga, hipotesa nol yang menyatakan adanya masalah
autokorelasi pun ditolak.
Kenyataan akan tidak adanya masalah autokorelasi pada model juga diperkuat
dengan pengujian Colleogram-Q-Statistics, yang menunjukkan bahwa tidak ada nilai
autocorrelation ataupun partial correlation yang melebihi garis batas pada grafik batang.
Dan itu berarti,
persamaan model faktor determinan ekspor CPO Indonesia tidak
dipengaruhi oleh error term tahun sebelumnya.
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
44
Heteroskedastisitas (Heterocedasticity)
Karena jumlah variabel bebas dalam persamaan faktor-faktor determinan ekspor CPO
Indonesia tidak banyak, maka pengujian masalah heteroskedastisitas dilakukan dengan
menggunakan uji White Heteroskedasticity – cross term (ada interaksi antar variabel
bebas). Hasil pengujian menunjukkan bahwa nilai probabilitas Obs*R-squared (p-value)
adalah sebesar 0.164071 atau lebih besar dari α (0.1). Itu berarti model tersebut tidak
memiliki masalah heteroskedastisitas.
5.2. Hasil Estimasi Persamaan Faktor Harga CPO di Pasar Dunia
Seperti yang dilakukan pada estimasi model persamaan sebelumnya, persamaan
ini pun dilakukan dalam bentuk logaritma natural (ln) dengan menggunakan metode
Two Stages Least Squares (2SLS) secara terpisah. Berikut adalah hasil estimasinya:
Tabel 5.3
Hasil Estimasi Persamaan Faktor Harga CPO di Pasar Dunia
Variabel
Coefficient Std. Error
t-Statistic
Prob.
LNP_SOY
0.757060
0.064540
11.73011
0.0000
LNP_SUN
0.261121
0.095923
2.722187
0.0082
LNP_PET
-0.038393
0.023026
-1.667399
0.1000
C
-0.246257
0.349546
-0.704506
0.4835
R-squared
0.914193
Mean dependent var
6.005962
Adjusted R-squared
0.910408
S.D. dependent var
0.203639
S.E. of regression
0.060953
Sum squared resid
0.252639
F-statistic
241.4933
Durbin-Watson stat
0.794712
Prob(F-statistic)
0.000000
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
45
Sehingga diperoleh bentuk persamaan dengan spesifikasi:
LnP_CPO = − 0.246257 + 0.757060LnP_SOY + 0.261121LnP_SUN
− 0.038393LnP_PET
5.2.1. Pengujian Kriteria Ekonometri Persamaan Faktor Harga CPO di Pasar Dunia
Autokorelasi (Autocorrelation)
Hasil estimasi terhadap model harga CPO di pasar dunia ini menunjukkan nilai DWstat yang sangat kecil, yaitu 0.794712. Hal ini tentunya mengindikasikan adanya serial
correlation pada model tersebut. Oleh karena itu, perlu dibuktikan lebih lanjut dengan
melakukan pengujian Breusch-Godfrey Serial Correlation LM Test. Hasilnya, diketahui
bahwa nilai probabilitas Obs*R-squared (p-value) adalah sebesar 0.000001 atau lebih kecil
dari α (10%). Sehingga, hipotesa nol diterima, dan itu berarti memang ada masalah
autokorelasi pada model ini.
Kenyataan akan adanya masalah autokorelasi pada model juga diperkuat dengan
pengujian Colleogram-Q-Statistics yang menunjukkan adanya nilai autocorrelation
ataupun partial correlation yang melebihi garis batas. Ini terjadi pada ordo pertama bagi
keduanya. Dan itu berarti, model faktor harga CPO di pasar dunia ini dipengaruhi oleh
error term satu tahun sebelumnya.
Karena itu, diperlukan penanganan (treatment) agar masalah autokorelasi ini bisa
teratasi. Dari grafik batang Colleogram-Q-Statistics terlihat bahwa pelanggaran garis batas
terjadi pada ordo pertama (satu) Autocorrelation dan Partial Correlation. Itu berarti
penanganan masalah ini dilakukan dengan menambahkan nilai masa lalu variabel harga
CPO tepatnya satu tahun sebelumnya atau AR(1), dan juga menambahkan nilai masa lalu
residualnya, tepatnya satu tahun sebelumnya atau MA(1).
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
46
Setelah dilakukan langkah penanganan ini, diperoleh hasil estimasi dengan
spesifikasi sebagai berikut:
LnP_CPO = 0.036464 + 0.527320LnP_SOY + 0.413163LnP_SUN + 0.011600LnP_PET
+ 0.495915 AR(1) + 0.477513 MA(1)
Tabel 5.4
Hasil Treatment Masalah Autokorelasi dengan AR-MA
Variabel
LNP_SOY
LNP_SUN
LNP_PET
C
AR(1)
MA(1)
R-squared
Adjusted R-squared
S.E. of regression
F-statistic
Prob(F-statistic)
Coefficient
0.527320
0.413163
0.011600
0.036464
0.495915
0.477513
0.942455
0.937959
0.046700
209.6338
0.000000
Inverted AR Roots
Inverted MA Roots
Std. Error
0.094019
0.137082
0.043535
0.665874
0.144005
0.142620
t-Statistic
5.608671
3.013978
0.266455
0.054761
3.443730
3.348153
Mean dependent var
S.D. dependent var
Sum squared resid
Durbin-Watson stat
Prob.
0.0000
0.0037
0.7907
0.9565
0.0010
0.0014
6.020281
0.187489
0.139575
2.031842
.50
-.48
Hasil penanganan (treatment) masalah serial correlations dengan penambahan
variabel nilai masa lalu variabel harga CPO dan nilai residual masa lalunya, menunjukkan
bahwa masalah tersebut berhasil diatasi. Hal ini terlihat dari nilai DW-Stat yang mendekati
2, dan juga nilai R2 yang semakin besar, yaitu 94.2455%. Artinya, dengan penambahan
kedua variabel tersebut, faktor-faktor yang berpengaruh terhadap variabel harga CPO di
pasar dunia pun makin dapat terjelaskan.
Teratasinya masalah ini juga dapat dibuktikan dengan kembali melakukan pengujian
Breusch-Godfrey Serial Correlation LM Test. Dari hasilnya diketahui bahwa nilai
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
47
probabilitas Obs*R-squared (p-value) adalah sebesar 0.322083, lebih kecil dari α (0.1).
Sehingga, hipotesa nol ditolak dan itu berarti tidak ada lagi masalah autokorelasi pada
persamaan model ini. Sehingga dapat disimpulkan bahwa di dalam model persamaan ini,
harga CPO di pasar dunia tidah saja dipengaruhi oleh komoditas substitusinya, tetapi juga
dipengaruhi oleh harga CPO di bulan sebelumnya dan juga nilai residual bulan
sebelumnya.
Multikolinieritas (Multicollinearity)
Dengan menggunakan matriks koefisien korelasi berikut, diketahui adanya hubungan
linear antara variabel bebas yang mempengaruhi harga CPO. Hal itu terlihat dari besar nilai
koefisien korelasi antara variabel harga minyak kedelai dan minyak biji bunga matahari
yang melebihi 0.8 (yaitu 0.859184). Akan tetapi, melihat indikasi lainnya berupa
signifikansi t-statistik yang baik 23 , nilai R2 yang semakin besar yaitu 94.2455%, dan juga
adanya teori yang memang menjelaskan adanya hubungan substitusi antara variabel bebas
tersebut, maka masalah multikolinearitas ini dapat diabaikan.
Tabel 5.5
Matriks Koefisien Korelasi Faktor Harga CPO di Pasar Dunia
23
LNP_CPO
LNP_SOY
LNP_SUN
LNP_PET
LNP_CPO
1.000000
0.950432
0.860504
0.506804
LNP_SOY
0.950432
1.000000
0.859184
0.567038
LNP_SUN
0.860504
0.859184
1.000000
0.579472
LNP_PET
0.506804
0.567038
0.579472
1.000000
Kedua variabel bebas itu memiliki pengaruh yang signifikan pada perubahan harga CPO, sebab p-value minyak
kedelai dan minyak biji bunga matahari masing-masing adalah sebesar 0.0000 dan 0.0037 atau lebih kecil dari α .
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
48
Heteroskedastisitas (Heterocedasticity)
Mengingat jumlah variabel bebas dalam persamaan faktor harga CPO tidak banyak,
maka pengujian masalah heteroskedastisitas dilakukan dengan menggunakan uji White
Heteroskedasticity – cross term (ada interaksi antar variabel bebas). Hasil pengujian
menunjukkan bahwa nilai probabilitas Obs*R-squared (p-value) adalah sebesar 0.029002
atau lebih kecil dari α . Itu berarti dalam model tersebut terdapat masalah
heteroskedastisitas.
Untuk itu perlu dilakukan penanganan dengan menggunakan metode White
heteroskedasticity-consistent coefficient covariance. Dengan menggunakan metode ini,
diasumsikan seluruh masalah heteroskedastisitas dapat teratasi.
5.2.2. Pengujian Kriteria Statistik Persamaan Faktor Harga CPO di Pasar Dunia
Uji t-statistik
Setelah dilakukan penanganan (treatment) pada pengujian kriteria ekonometri,
barulah model ini dapat diuji signifikansinya secara statistik. Dengan menggunakan tingkat
signifikansi ( α ) sebesar 10%, hasil estimasi tersebut menunjukkan bahwa pada tingkat
keyakinan 90%, baik variabel harga minyak kedelai ataupun variabel harga minyak biji
bunga matahari secara individu memberikan pengaruh yang signifikan terhadap perubahan
harga CPO di pasar dunia. Hal ini ditunjukkan dengan nilai probabilita t-statistik (p-value)
pada variabel harga minyak kedelai ataupun harga minyak biji bunga matahari yang
masing-masing berada di bawah nilai α , yaitu 0.0000 dan 0.0037.
Setiap terjadi kenaikan harga minyak kedelai sebesar 1%, maka harga CPO di pasar
dunia pun bertambah sebesar 0.527320% (kenaikan harga CPO ini ditunjukkan dengan
nilai koefisien yang positif). Perubahan ini searah dengan teori yang menjelaskan bahwa
peningkatan harga di suatu barang, akan menyebabkan konsumen beralih ke barang
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
49
substitusi. Akibatnya, permintaan akan barang substitusi meningkat dan pada akhirnya
akan berdampak pada peningkatan harga barang substitusi tersebut. Dalam hal ini,
kenaikan harga minyak kedelai menyebabkan meningkatnya jumlah permintaan akan CPO
di pasar dunia, yang kemudian berdampak pada terdongkraknya harga CPO. Hal tersebut
juga tergambar pada gambar perbandingan harga CPO, harga minyak kedelai dan minyak
biji bunga matahari berikut ini, di mana pergerakan harga komoditas itu memiliki tren yang
sama.
Gambar 5.1
Perbandingan Harga CPO, Harga Soybean Oil dan Harga Sunflowerseed Oil
per Bulan di Pasar Dunia
Harga Soybean Oil, Harga
Sunflow erseed Oil (CIF
Rotterdam )
Harga CPO (CIF
Rotterdam )
800
800
700
700
600
600
500
500
400
400
300
300
200
200
100
100
0
Harga CPO
Harga Sunflow erseed Oil
Okt
Jul 06
Apr 06
Jan 06
Okt
Jul 05
Apr 05
Jan 05
Okt
Jul 04
Apr 04
Jan 04
Okt
Jul 03
Apr 03
Okt
Jan 03
Jul 02
Apr 02
Jan 02
Okt
Jul 01
Apr 01
Jan 01
0
Bulan
Harga Soybean Oil
Sumber: Reuters, dikeluarkan oleh Kantor Pemasaran Bersama PTPN
Hal yang sama terjadi pada komoditas minyak biji bunga matahari yang juga
memiliki hubungan substitusi dengan CPO sebagai salah satu jenis minyak nabati.
Kenaikan 1% harga minyak biji bunga matahari berdampak pada pelonjakan harga CPO di
pasar dunia sebesar 0.413163%. Meskipun demikian, pengaruh perubahan harga minyak
biji bunga matahari terhadap harga CPO tidaklah sebesar pengaruh perubahan harga
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
50
minyak kedelai. Hal ini dikarenakan minyak kedelai merupakan substitusi utama bagi
CPO, baik sebagai pemenuh kebutuhan minyak nabati, maupun sebagai salah satu sumber
energi alternatif minyak bumi.
Di sisi lain, hasil estimasi menunjukkan bahwa harga minyak bumi tidak memberikan
pengaruh yang signifikan terhadap kenaikan harga CPO di pasar dunia. Hal ini dibuktikan
dengan nilai probabilita t-statistik (p-value) yang berada di atas nilai α , yaitu 0.7907.
Meskipun CPO merupakan sumber energi alternatif bagi minyak bumi, namun penyebab
utama terjadinya ketidaksignifikanan ini adalah karena minyak bumi bukanlah faktor
utama yang mempengaruhi perubahan harga CPO di pasar dunia. Terlebih lagi, ada
ketidaksamaan arah dalam perubahan tren pada kedua data variabel tersebut pada saat
memasuki periode pertengahan tahun 2005 hingga akhir tahun 2006, di mana pada saat
harga minyak bumi meningkat tajam, harga CPO di pasar dunia justru mengalami
penurunan, dan sebaliknya. Tren pergerakan harga ini dapat diamati pada gambar berikut.
Gambar 5.2
Perbandingan Harga CPO dan Harga Minyak Bumi per Bulan di Pasar Dunia
Harga Minyak Bumi
(US$/Barrel)
80,00
Harga CPO (US$/ ton)
600
70,00
500
60,00
400
50,00
40,00
300
30,00
200
20,00
100
10,00
0
Ja
n
0
Ap 1
r0
1
Ju
l0
O 1
kt
0
Ja 1
n
0
Ap 2
r0
2
Ju
l0
O 2
kt
0
Ja 2
n
0
Ap 3
r0
3
Ju
l0
O 3
kt
0
Ja 3
n
0
Ap 4
r0
4
Ju
l0
O 4
kt
0
Ja 4
n
0
Ap 5
r0
5
Ju
l0
O 5
kt
0
Ja 5
n
0
Ap 6
r0
6
Ju
l0
O 6
kt
06
-
Harga CPO
Bulan
Harga Minyak Bumi
Sumber: Reuters, dikeluarkan oleh Kantor Pemasaran Bersama PTPN dan International Monetary Fund,
www.imf.org/external/np/res/commod/index.asp
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
51
Di samping itu, perlu dianalisa lebih lanjut bahwa ternyata harga CPO di pasar dunia
terpengaruh oleh harga CPO dan nilai residual satu bulan sebelumnya. Dengan nilai
probabilita t-statistik (p-value) yang masing-masing berada di bawah nilai α , yaitu 0.0010
dan 0.0014, maka kedua variabel ini dikatakan memiliki pengaruh yang signifikan
terhadap perubahan harga CPO. Di mana setiap terdapat kenaikan 1% harga CPO dan
residual di bulan sebelumnya, maka harga CPO di pasar dunia saat itu akan meningkat
sebesar masing-masing 0.495915 persen dan 0.477513 persen akibat pengaruh kedua
variabel tersebut secara berturut-turut.
Uji F-statistik
Secara keseluruhan, variabel bebas berpengaruh terhadap variabel terikat secara
signifikan. Hal ini ditunjukkan dengan nilai probabilita F-statistik yang lebih kecil dari α
(p-value = 0.000000). Itu berarti dengan tingkat keyakinan 90%, secara bersama-sama
variabel-variabel bebas seperti harga minyak kedelai, minyak biji bunga matahari, minyak
bumi, harga CPO di bulan sebelumnya, dan juga nilai residual bulan sebelumnya
memberikan pengaruh yang signifikan terhadap harga CPO di pasar dunia.
Uji Determinasi (R2)
Penanganan masalah ekonometri menghasilkan nilai R2 yang lebih baik dari estimasi
awal, yaitu dari nilai R2 sebesar 0.914193 menjadi 0.942455. Kenaikan nilai R2
menandakan bahwa terdapat faktor-faktor lain selain variabel-variabel komoditas substitusi
CPO (minyak kedelai, minyak biji bunga matahari dan minyak bumi) yang ternyata turut
berpengaruh terhadap harga CPO di pasar dunia dan tidak terjelaskan pada estimasi
persamaan awal. Variabel-variabel tersebut adalah harga CPO di bulan sebelumnya dan
juga nilai residual bulan sebelumnya. Sehingga, diperoleh kesimpulan bahwa seluruh
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
52
variabel dalam model persamaan tersebut mampu menjelaskan sampai dengan 94.2455
persen faktor yang mempengaruhi harga CPO di pasar dunia; sedangkan sisanya (5.7545
persen) menjelaskan bahwa masih terdapat faktor lain yang juga mempengaruhi besarnya
harga CPO namun tidak disertakan dalam model ini.
Faktor-faktor determinan..., Fatimah Hani'atu Tasnim, FE UI, 2008
53