Uji Kausalitas Granger


Sesuai dengan namanya, uji kausalitas granger ini akan menguji hubungan kedua kelompok data apakah memiliki pengaruh antara data tersebut. Uji sederhana ini dapat membantu peneliti mengetahui apakah variabel A mempengaruhi variabel B, begitu pun sebaliknya.

Uji ini bisa digunakan untuk melakukan eksplorasi awal sebelum melakukan analisis hubungan yang lebih lanjut seperti regresi. Namun, tanpa dilanjut dengan regresi pun sudah cukup jika hanya sekedar mengetahui hubungan kedua variabel. Uji Granger ini memperhitungkan data berdasarkan runut waktu time series sehingga outputnya bisa memperlihatkan mana variabel yang mempengaruhi terlebih dahulu. Mungkin uji kausalitas granger ini dapat menjawab misteri mana yang lebih dahulu, telur apa ayam gitu ya?

Pada contoh yang ditampilkan saat menggunakan uji ini adalah mengenai transmisi harga komoditas. Misalkan pada hubungan vertikal antara pelaku tata niaga, misalnya harga yang terjadi di tingkat petani, harga yang terjadi di tingkat pedagang, dan harga yang terjadi di tingkat konsumen.

JIka dilihat sekilas, sepertinya memang ada hubungan antara pelaku tata niaga tersebut. Sudah pasti pedagang ingin mendapatkan keuntungan dengan memanfaatkan selisih harga di petani dan konsumen. jika tidak ada selisih, sudah pasti tidak ada pedagang yang mau bersedia membeli barang di petani.

Namun, ternyata hubungan perubahan harga ini tidak sesederhana itu. Banyak faktor yang bisa membuat perubahan harga ini. Ternyata tidak semua harga petani mempengaruhi harga pedagang. Ada kalanya harga pedagang memang sudah terbentuk pasar sendiri dan tidak dipengaruhi lagi dengan harga petani. Malah, terkadang begitu tingginya selisih harga petani dan pedagang menyebabkan kedua kelompok ini seolah bergerak dengan tanpa hubungan.

Contoh Uji Kausalitas Granger

pada contoh kali ini saya menampilkan harga ketiga kelompok dengan komoditas beras. kelompok pertama adalah harga gabah kering giling di tingkat petani, kelompok kedua harga gabah kering giling di tingkat penggilingan, dan kelompok terakhir adalah harga beras di tingkat konsumen. Data diambil dari data Kementerian Pertanian dengan periode waktu tahun 2016 hingga 2019.

Harga beras tingkat petani, penggilingan dan konsumen Provinsi Sumatera Utara Tahun 2016 – 2019

Data tersebut dirunut dengan membuat tiga kelompok kolom saja, yakni petani, penggilingan dan konsumen. Karena datanya ada 4 tahun dengan data bulanan, maka danya menjadi 48. Masukkan data tersebut ke eviews. Data yang diinput berupa dated, dengan integer date. Anda bisa juga memilih data itu monthly dsb. saya memilih integer karena konteks satuan waktu tidak dimasukkan dalam inputan.

setting input

Kemudian masukkan data dengan klik Quick – Empty Group (edit Series). kemudian copy kan data ke dalam worksheet eviews yang terlihat.

Adapun uji kausalitas granger sendiri ada di menu Quick – Group Statistic – Granger Causalitily Test.

Masukkan variabel yang akan dianalisis. Kemudian masukkan lag. Lag sangat berhubungan dengan data time series. Lag adalah lompatan data ke -n. jika kita memberi keterangan lag sama dengan 2, maka kita memberi asumsi kepada eviews bahwa data pertama di variable A akan mempengaruhi data ke tiga (1+2 = 3) di variabel B, atau sebaliknya. Jadi n adalah lompatan data menuju data yang akan dipengaruhinya. pada latihan ini saya masukkan lag = 2.

Hasil yang diperoleh adalah sebagai berikut:

HPENG: Harga tingkat penggilingan, HPET: Harga tingkat Petani, HK: Harga tingkat Konsumen

Hipotesis yang digunakan adalah sebagai berikut:
H0 = HPeng tidak mempengaruhi HPet
H1 = HPeng mempengaruhi Hpet
keputusannya, jika probabilitynya diatas 5 persen, maka terima H0. sebaliknya jika probability dibawah 5 persen, maka terima H1.

Jika dilihat dari hasil eviews diatas ketiga variabel tersebut ternyata tidak saling mempengaruhi atau saling bebas. hal ini menandakan tidak ada yang saling mempengaruhi antara harga petani, penggilingan, dan harga konsumen.

Penasaran dengan hasil eviews ini, karena tidak sesuai dengan harapan. Harapan saya harga konsumen mempengaruhi harga yang diterima petani. Akhirnya saya mencoba analisis harga beras di antara pasar, dan hasilnya ternyata ada hubungan antara pasar terkait harga beras ini.

Pada baris kedua, saya peroleh nilai probability dibawah 0.05 atau 5 persen. dengan Hipotesisnya sebagai berikut:
H0 = Harga beras di pasar Aksara tidak mempengaruhi harga beras di pasar petisah.
H1 = harga beras di pasar aksara mempengaruhi harga beras di pasar petisah.

Karena nilai probabilitynya dibawah 5 persen, maka terima H1 bahwa harga beras di pasar aksara mempengaruhi harga beras di pasar petisah.

Kesimpulan sementara pada latihan ini, pada perberasan hubungan harga saling kebebasan antara garis vertikal (pelaku tata niaga), tetapi ada pengaruh harga antara garis horizontal (antara pasar/regional).

Sebagai penutup dari catatan ini, apakah anda sudah pernah ke pasar petisah dan pasar aksara? Silahkan jalan jalan ke kota medan ya….

Like this article? Dont keep this to yourself!


Leave a Reply

Your email address will not be published.