1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga.

Transkripsi

1 LAMPIRAN

2 Lampiran 1. Evaluasi Model Evaluasi Model Keterangan 1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga. 2) Kriteria Statistika a) R 2 Kebaiksuaian (goodness of fit) model. Menunjukkan seberapa besar persen variasi dalam variabel dependen mampu dijelaskan oleh variabel independennya. Model semakin baik jika R 2 mendekati satu. b) Uji-t Mengukur signifikansi parameter masing-masing variabel independen terhadap dependennya. Hipotesis pengujian: H 0 = α k = 0 atau H 0 = α k = 0 H 1 = α k > 0 H 1 = α k 0 Tolak H 0, apabila t-stat pada taraf nyata tertentu lebih besar daripada t tabel, sehingga kesimpulannya variabel tersebut berpengaruh nyata (signifikan) terhadap variabel dependen c) Uji-F Mengetahui ada-tidaknya pengaruh variabel independen terhadap variabel dependen secara keseluruhan. Hipotesis pengujian H 0 = α 1 = α 2 = = α k = 0 H 1 = minimal terdapat satu nilai α yang tidak sama dengan nol Tolak H 0, jika probabilitas F-stat < taraf nyata tertentu, sehingga kesimpulannya minimal terdapat satu variabel independen yang mempengaruhi variabel dependen

3 65 Lampiran 2. Uji Asumsi Uji Asumsi Keterangan 1) Heteroskedastisitas Terjadi jika ragam sisaan tidak konstan (Var (μ 2 i ) = σ 2 i ). Mengakibatkan estimasi koefien penduga menjadi tidak efisien meskipun konsisten dan standard error estimasi juga menjadi bias (Baltagi, 2005). Pendeteksian heteroskedastisitas pada pengolahan data panel dengan Eviews 6: Jika Sum Square Resid pada Weighted Statistics < Sum Square Resid pada Unweighted Statistics, maka terjadi heteroskedastisitas Salah satu cara mengatasi heteroskedastisitas: penggunaan metode Generalized Least Squares (GLS) (Juanda, 2009) 2) Multikolinearitas Adanya keterkaitan atau hubungan linier antara variabel independen. Mengakibatkan hasil estimasi menjadi tidak tepat, sebab estimator memiliki varians dan kovarians yang besar. Indikasi terjadinya masalah multikolinearitas ialah (Gujarati, 2004): Tanda koefisien tidak sesuai dengan yang diharapkan Nilai R 2 tinggi meski dalam uji-t banyak variabel yang tidak signifikan Matriks korelasi antar variabel tinggi (r ij > 0.8) R 2 < r ij Salah satu cara mengatasi multikolinearitas: penggabungan data time series dan cross-section (Juanda, 2009). 3) Autokorelasi Korelasi antara anggota serangkaian observasi yang diurutkan berdasarkan waktu atau ruang. Mengakibatkan standar error penduga bias ke bawah atau lebih kecil dari nilai sebenarnya sehingga nilai statistik uji-t tinggi. Deteksi autokorelasi dapat dilakukan dengan melakukan uji Durbin-Watson (DW). Kerangka Identifikasi Autokorelasi (Gujarati, 2004) 4-d L < DW < 4: Tolak H 0, autokorelasi negatif 4-d U < DW < 4-d L : Tanpa kesimpulan d L < DW < 4-d U : Terima H 0, tidak ada autokorelasi d L < DW < d U : Tanpa kesimpulan 0 < DW < d L : Tolak H 0, autokorelasi positif (d L dan d U diketahui dari Tabel Durbin-Watson) Salah satu cara mengatasi autokorelasi: penggunaan metode GLS (Juanda, 2009). 4) Normalitas mengetahui apakah error term menyebar normal atau tidak Pengujian tersebut dilakukan dengan uji Jarque Bera dengan hipotesis: H 0 = error term menyebar normal H 1 = error term tidak menyebar normal Terima H 0, jika nilai probabilitas Jarque Bera > taraf nyata. Artinya, error term dalam model telah menyebar normal.

4 66 Lampiran 3. Uji Chow Model Permintaan Impor Buah-buahan Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F (3,53) Cross-section Chi-square

5 67 Lampiran 4. Uji Hausman Model Permintaan Impor Buah-buahan Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob. Cross-section random

6 68 Lampiran 5. Hasil Estimasi Model Permintaan Impor Buah-buahan Dependent Variable: LNM Method: Panel EGLS (Cross-section SUR) Date: 05/08/12 Time: 07:58 Sample: Periods included: 15 Cross-sections included: 4 Total panel (balanced) observations: 60 Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-statistic Prob. LNP LNY DCRISIS C Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Sum squared resid F-statistic Durbin-Watson stat Prob(F-statistic) Unweighted Statistics R-squared Mean dependent var Sum squared resid Durbin-Watson stat

7 69 Lampiran 6. Matriks Korelasi antar Variabel dalam Model Permintaan Impor Buah-buahan LNP LNM LNY DCRISIS LNP LNM LNY DCRISIS

8 70 Lampiran 7. Uji Normalitas Model Permintaan Impor Buah-buahan Series: Standardized Residuals Sample Observations 60 Mean -7.93e-17 Median Maximum Minimum Std. Dev Skewness Kurtosis Jarque-Bera Probability

9 71 Lampiran 8. Uji Chow Model Outpayments Buah-buahan Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F (3,52) Cross-section Chi-square

10 72 Lampiran 9. Hasil Estimasi Model Outpayments Buah-buahan Dependent Variable: LNVM Method: Panel EGLS (Cross-section SUR) Date: 05/08/12 Time: 07:39 Sample: Periods included: 15 Cross-sections included: 4 Total panel (balanced) observations: 60 Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-statistic Prob. LNY LNER TM DCRISIS C Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Sum squared resid F-statistic Durbin-Watson stat Prob(F-statistic) Unweighted Statistics R-squared Mean dependent var Sum squared resid Durbin-Watson stat

11 73 Lampiran 10. Matriks Korelasi antar Variabel dalam Model Outpayments Buah-buahan LNER LNVM LNY TM DCRISIS LNER LNVM LNY TM DCRISIS

12 74 Lampiran 11. Uji Normalitas Model Outpayments Buah-buahan Series: Standardized Residuals Sample Observations 60 Mean 1.94e-16 Median Maximum Minimum Std. Dev Skewness Kurtosis Jarque-Bera Probability