BAB III METODE PENELITIAN. menggunakan analisis RCA (Revealed Comparative Advantage), kedua analisis

Transkripsi

1 BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini mengarah pada kinerja ekspor CPO di Indonesia dengan menggunakan tiga pendekatan. Pendekatan pertama menggunakan analisis RCA (Revealed Comparative Advantage), kedua analisis CMS (Constant Market Share) dan yang ketiga menggunakan analisis ECM (Error Correction Model). B. Jenis Penelitian Jenis penelitian tentang CPO ini merupakan penelitian berjenis kuantitatif. Obyek penelitian ini menganalisis kinerja ekspor CPO dan menganalisis jumlah ekspor CPO di Indonesia tahun C. Definisi Operasional Variabel Tabel 3.1 Definisi Operasional No Variabel Definisi Satuan 1. Ekspor CPO Indonesia Ekspor CPO indonesia adalah nilai ekspor CPO indonesia selama periode US/$ 2. Ekspor Seluruh Komoditas di Indonesia Ekspor seluruh komoditas di Indonesia adalah nilai ekspor seluruh komoditas Indonesia selama periode US/$ 25

2 26 Ekspor CPO di 3. Dunia Ekspor Seluruh 4. Komoditas di Dunia Ekspor CPO 5. Malaysia Ekspor Seluruh 6. Komoditas di Malaysia 7. Jumlah Ekspor CPO 8. Nilai Tukar 9. Harga Internasional Konsumsi CPO di 10. China Ekspor CPO di Dunia adalah nilai ekspor komoditas CPO di Dunia selama periode Ekspor seluruh komoditas di dunia adalah nilai ekspor seluruh komoditas dunia selama periode Ekspor CPO Malaysia adalah nilai ekspor CPO selama periode Ekspor seluruh komoditas di Malaysia adalah nilai ekspor seluruh komoditas di dunia selama periode Jumlah ekspor CPO adalah banyaknya jumlah CPO di Indonesia yang di ekspor ke pasar global selama periode Nilai tukar terhadap dollar Amerika merupakan perbandingan dari perubahan mata uang Amerika terhadap mata uang Indoesia Harga Internasional adalah harga CPO di pasar internasional selama periode Konsumsi CPO di China adalah banyaknya CPO yang di konsumsi daerah China selama periode US/$ US/$ US/$ US/$ Kg USD/Rp USD/Mt 1000 Mt

3 27 D. Jenis dan Sumber Data Penelitian ini menggunakan data sekunder dalam bentuk deret waktu (time series) tahunan dari tahun 1985 sampai tahun Data dalam penelitian ini diperoleh dari BPS (Badan Pusat Statistik), UN Comtrade, Oil World, Departemen Pertanian, Index Mundi, dan literatur lain yang berhubungan dengan penelitian ini. E. Teknik Pengumpulan Data Teknik pengumpulan data dalam penelitian ini adalah Dokumentasi. Dimana teknik dokumentasi ini merupakan pengumpulan data dengan cara mencatat, di dokumentasikan dan dianalisa sesuai dengan tujuan peneliti yang diperoleh dari lembaga atau instansi yang terkait. F. Metode dan Analisis Data Data dan informasi yang diperoleh dalam penelitian ini dianalisis melalui metode deskriptif kuantitatif. Model kuantitatif ini menggunakan beberapa pendekatan model yaitu RCA (Revealed Comparative Advantage), CMS (Constant Market Share) dan ECM (Error Correction Model). Proses pengolahan data yang dilakukan dengan menggunakan bantuan program Microsoft Excel 2013 untuk model RCA (Revealid Comparative Advantage), CMS (Constant Market Share), dan E-Views 9 untuk model ECM (Error Correction Model). G. Tahapan Analisis 1. Analisis RCA (Revealed Comparative Advantage) 2. Analisis CMS (Constant Market Share)

4 28 3. Analisis Deret Waktu (time series) a. Uji Stasioneritas atau Uji Unit Root b. Uji Kointegrasi 4. Error Correction Model 5. Uji Diagnostik a. Autokorelasi b. Heteroskedastisitas c. Multikolinieritas d. Uji Linieritas H. Teknik Analisis Data 1. Analisis RCA Analisis RCA (Revealed Comparative Advantage) ini untuk melihat kinerja dan daya saing dari suatu komoditas yang mempunyai keunggulan komparatif seperti komoditas perkebunan ini yaitu Minyak kelapa sawit. RCA adalah indeks yang menyatakan keunggulan komparatif yang merupakan perbandingan antara pangsa ekspor suatu komoditi dalam ekspor total Negara tersebut dibandingkan dengan pasar ekspor komoditi yang sama dalam total ekspor dunia (Tambunan, 2003). Adapun rumus RCA ini adalah Dimana : RCA = X ik/x i X wk /X w Xik Xwk = Nilai Ekspor produk CPO negara i = Nilai Ekspor produk CPO dunia

5 29 Xi Xw = Nilai Ekspor semua produk negara i = Nilai Ekspor semua produk dunia Sementara untuk indeks RCA adalah perbandingan antara nilai RCA saat ini dengan nilai RCA tahun sebelumya, sehingga rumusnya adalah sebagai berikut: Indeks RCA = RCAt / RCAt-1 Nilai dari indeks RCA menunjukkan pertumbuhan keunggulan komparatif suatu komoditas pada setiap periode. Nilai indeks RCA berkisar antara nol sampai tak hingga. Jika nilai indeks RCA > 1, berarti suatu Negara memiliki keunggulan komparatif diatas rata-rata dunia sehingga komoditi tersebut memiliki daya saing kuat. Apabila nilai indeks RCA < 1, berarti suatu Negara memiliki keunggulan komparatif dibawah rata-rata dunia sehingga suatu komoditi memiliki daya saing yang lemah. 2. Analisis CMS CMS adalah metode yang digunakan untuk mendeposisikan pertumbuhan eskpor suatu negara ke dalam determinan pertumbuhan ekspor negara tersebut. Untuk menghitung pertumbuhan CPO dengan pertumbuhan ekspor seluruh komoditas di Indonesia maupun di dunia menggunakan pertumbuhan standar. Model ini dilatarbelakangi adanya kemungkinan bahwa ekspor suatu negara dalam periode tertentu mengalami perubahan terhadap dunia sebagai pertumbuhan standar.

6 30 Pertumbuhan Standar g = E (t) E (t 1) E (t 1) Dimana : E = Nilai Ekspor suatu produk ataupun seluruh komoditas ekspor di Indonesia dan dunia setiap tahunnya. Parameter pertumbuhan standar menunjukkan standar umum pertumbuhan ekspor produk negara-negara di dunia. Jika pertumbuhan standar ekspornya lebih tinggi mengindikasikan kinerja ekspor Indonesia lebih baik begitu juga sebaliknya. 3. Analisis Deret Waktu (time series) a. Uji Stasioneritas / Uji Unit Root Pengujian stasionaritas data adalah hal yang penting dalam analisis data urut waktu. Pengujian yang tidak memadai dapat menyebabkan pemodelan yang tidak tepat sehingga hasil atau kesimpulan yang diberikan dapat bersifat spurious (palsu) (Ariefianto, 2012:132). Untuk mengukur stasioneritas data, ada beberapa cara yang dapat dilakukan. Salah satu cara yang sering dipakai yaitu dengan menggunakan Augmented Dickey Fuller (ADF) test atau uji akar-akar rumit. Pengujian unit root Dickey-Fuller (1979) dilakukan dengan menghitung nilai statistic hitung (statistic t) dari koefisien γ dan membandingkannya dengan nilai kritis. Nilai kritis disini diperoleh bukan dari tabel distribusi t yang biasa digunakan dengan derajat kebebasan: jumlah observasi (T) dan Level of significance (α) tertentu melainkan tabel dari Dickey Fuller yang relevan. (Ariefianto, 2012:135).

7 31 Uji ADF terdiri atas estimasi pesamaan berikut ini : m Y t = β 1 + β 2 t + δy t 1 + i=1 α i Y t 1 + ε t (3.1) Dimana : m = Selang yang terpilih β1, β2, δ = Nilai yang diestimasi εt = Error term Hipotesis yang digunakan dalam pengujian ini adalah : H0 : δ = 0, artinya data tidak stasioner (mengandung unit root). H1 : δ< 0, artinya data stasioner (tidak mengandung unit root). Kriteria pengujian untuk hipotesis di atas adalah: 1) H0 tidak ditolak jika t > nilai statistic DF (Dickey Fuller) atau Probabilitas ADF value > critical value. 2) H0 ditulak jika t < nilai statistic DF (Dickey Fuller) atau probabilitas ADF value < critical value. b. Uji Kointegrasi Kointegrasi adalah suatu hubungan jangka panjang (equilibrium) antara variable-variabel yang tidak stasioner dan residual dan kombinasi linier tersebut harus stasioner. Uji kointegrasi ini digunakan untuk memperoleh hubungan jangka panjang antar variabel sehingga dapat digunakan dalam sebuah persamaan. Uji kointegrasi dalam penelitian ini menggunakan metode Engle- Granger (EG) atau Augmented Engle-Granger (AEG). Fenomena kointegrasi bukan suatu kejadian yang umum. Suatu kombinasi linier dari variable non-

8 32 stasionary adalah biasanya juga non-stasionary. Sedangkan kombinasi linier variabel yang stasionary dan non-stasionary juga akan bersifat non-stasionary dengan derajat integrasi terbesar yang ada pada kelompok variabel tersebut (Brooks, 2002:387). Persamaan yang digunakan adalah : y = β 0 + β 1 x 1 + β 2 x 2 + β n x n + u (3.2) Atau u = y β 0 β 1 x 1 β 2 x 2 β 3 x 3 ~ (3.3) Kerangka pengujian dengan menggunakan nilai kritis yang baru ini disebut uji Engle-Granger (EG). Struktur hipotesis pengujian dilakukan pada model sebagai berikut : u t = γu t 1 + ε t (3.4) Dimana struktur hipotesisnya adalah : H 0 : γ = 0; u t~ I(1) (3.5) H 1 : γ < 0; u t~ I(0) c. Pemilihan Model dan Model Koreksi Kesalahan (Error Correction Model) Pendekatan atau model kesalahan (Error Correction Model ECM) telah diterapkan secara luas dalam analisis ekonometrika untuk runtun waktu (time series) sejak tahun 1960an. Hal ini disebabkan karena kemampuan yang dimiliki oleh ECM dalam meliput lebih banyak variabel untuk menganalisis fenomena ekonomi jangka pendek dan jangka panjang serta mengkaji konsisten tidaknya model empirik dengan teori ekonometrika, dan juga dalam usaha

9 33 mencari pemecahan terhadap persoalan variabel runtun waktu yang tidak stasioner dan regresi lancing atau korelasi lancing dalam analisis ekonometrika (Insukindro,1999). Mekanisme Koreksi Error Correction Model (ECM) pertama kali digunakan oleh Sargan dan kemudian dipopulerkan oleh Engle dan Granger, yang mengoreksinya untuk keadaan ketidakseimbangan (disequilibrium). Teori yang penting, yang diketahui sebagai teori Representasi Granger, menjelaskan bahwa apabila dua variabel X dan Y adalah kointegrasi, hubungan antar keduanya bisa dinyatakan sebagai ECM (Gujarati, 2012). Persamaan ECMnya adalah : y = β 0 + β 1 x t + β 2 x t + β n x t u t 1 + ε t (3.6) u t = y t b o b 1 x t b 2 x t b 3 x t (3.7) Dengan mendistribusikan persamaan 3.6 dengan 3.7 yaitu mengeluarkan koefisien dalam u maka persamaan 3.6 dapat diubah menjadi : y t = β 0 + β 1 x 1 + β 2 x 2 + β 3 y t 1 +β 4 x t 1 + β 5 x t β n x t 1 + ε t Dimana: β 0 = b 0 (y); β 1 = b 1 ; β 2 = b 2 ; β 3 = y; β 4 = b 1 (y); β 5 = b 2 (y) n Parameter b menjelaskan pengaruh jangka pendek sedangkan parameter β menjelaskan pengaruh jangka panjang. Untuk mengetahui apakah spesifikasi model dengan ECM merupakan model yang valid maka dilakukan uji terhadap koefisien Error Correction Term (ECT). Jika hasil pengujian terhadap koefisien ECT signifikan, maka spesifikasi model yang diamati valid. Error Correction

10 34 Term (ECT) signifikan bila nilai mutlak koefisien ECT berkisar antara nol hingga satu dan p-value ECT kurang dari α = 1%, 5%, 10% (Insukindro, 1999). d. Uji Diagnostik 1) Autokorelasi Autokorelasi menunjukkan sifat residual regresi yang tidak bebas dari satu observasi ke observasi lainnya, atau secara formal, autokorelasi terjadi pada serangkaian data deret waktu, dimana error term pada satu periode waktu secara sistematik tergantung error term pada periode-periode waktu yang lain. (Ariefianto, 2012). E (u i, u j ) 0, i j (3.8) Dimana ui = Disturbance pengamatan i uj = Disturbance pengamatan j Uji yang digunakan dalam mendeteksi apakah pada data yang diamati terjadi autokorelasi atau tidak adalah uji Breusch-Godfrey Serial Correlation LM.. Hipotesis untuk uji Breusch-Godfrey yakni : H0 : Tidak ada autokorelasi. H1 : Ada autokorelasi. Kriteria pengujian untuk hipotesis di atas adalah sebagai berikut: a) H0 tidak ditolak jika p-value Obs*R-Squared critical value. b) H0 ditolak jika p-value Obs*R-Squared <critical value.

11 35 2) Heterokedastisitas Heterokedastisitas adalah pelanggaran asumsi klasik karena adanya hubungan antara variabel dengan error term dalam model. Adanya heterokedastisitas dalam model menyebabkan estimator OLS tidak menghasilkan estimator yang Best Linear Unbiased Estimator (BLUE). Untuk mengetahui keberadaan heterokedastisitas dalam model maka dilakukan Uji Arch : y t = β 0 + β 1 X 1 + β 2 X β p X pt + u t (3.9) Adapun struktur hipotesis yang digunakan adalah H0 : a1 = a2 =...= ap H1 : paling tidak satu aj 0 (3.10) 3) Multikolinieritas Gujarati (2003), menyatakan bahwa Multikolinieritas adalah fonomena sampling, kondisi dimana terjadi hubungan linier (korelasi) antar variabelvariabel independen. Dalam penelitian ini penulis untuk melihat apakah suatu model terjadi multikolinieritas atau tidak dengan menguji koefisien korelasi (r) berpasangan yang tinggi diantara variabel-variabel penjelas. Jika koefisien korelasi cukup tinggi katakanlah diatas 0.8 ada kemungkinan bahwa terjadi kolinieritas cukup tinggi dalam model, sebaliknya jika koefisien korelasi lebih rendah maka diduga model tidak mengandung multikolinieritas.

12 36 4) Uji Linieritas Uji linieritas dalam penelitian ini menggunakan uji Ramsey (Ramsey Reset Test). Dimana uji ini dikembangkan oleh Ramsey pada tahun Uji ini disebut dengan general test of spesification error atau lebih dikenal dengan RESET, karena uji ini berkaitan dengan suatu masalah spesifikasi kesalahan (Pamungkas, 2013). Adapun hipotesis dalam uji linieritas ini adalah dengan membandingkan F-statistic dengan F tabel (atau dengan membandingkan probabilitasnya). a) Jika probabilitas F statistic > 0,05 maka hipotesis yang menyatakan bahwa model linier adalah diterima. b) Jika probabilitas F statistic < 0,05 maka hipotesis yang menyatakan bahwa model linier adalah ditolak.