BAB IV METODE PENELITIAN 4.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder berbentuk time series, yang merupakan data bulanan dari tahun 005 sampai 008, terdiri dari : Volume ekspor karet alam dari Indonesia dan lag ekspor, diperoleh dari situs resmi Direktorat Jenderal Pengolahan dan Pemasaran Hasil Pertanian yaitu www.pphp.deptan.go.id Produksi karet alam domestic, harga karet alam domestik dan harga karet sintetis dunia diperoleh dari situs resmi Association of Natural Rubber Producing Countries (ANRPC) yaitu www.anrpc.org Nilai tukar Rupiah terhadap Dollar Amerika Serikat diperoleh dari situs www.exchangerate.com Harga karet alam dunia diperoleh dari situs resmi Singapore Commodity Exchange (SICOM) yaitu www.sicom.com.sg Hasil-hasil penelitian terdahulu juga digunakan sebagai bahan referensi dalam penelitian ini. 4. Metode Analisis dan Pengolahan Data Metode analisis yang digunakan adalah metode deskriptif dan kuantitatif. Untuk menganalisis kondisi perkembangan tanaman karet dalam negeri dilakukan secara deskriptif. Untuk menganalisis faktor-faktor yang mempengaruhi
penawaran ekspor karet alam Indonesia dilakukan secara kuantitatif dengan bantuan software EViews 5.1. 4.3 Alat Analisis Alat analisis yang digunakan dalam penelitian ini adalah persamaan regresi berganda model log ganda dengan metode OLS (Ordinary Least Square) karena akan menghasilkan koefisien dugaan linier terbaik yang tidak bias (Best Linier Unbiased Estimator = BLUE). Model log ganda digunakan karena parameter dugaan yang dihasilkan sekaligus menunjukkan besarnya elastisitas setiap variabel independen terhadap variabel dependen. Model aliran perdagangannya dirumuskan sebagai berikut : Log Y t = b 0 + b 1 log RP t + b log IC t + b 3 log ER t + b 4 log Y t-1 + b 5 log IP t + b 6 log WP t + b 7 log SP t + e dimana : Y t = volume ekspor karet alam Indonesia bulan ke t (kg) RP t = volume produksi karet alam domestik bulan ke t (kg) IC t ER t = konsumsi karet alam domestik (kg) = nilai tukar Rupiah terhadap Dollar Amerika Serikat bulan ke t (Rp/US$) Y t-1 IP t = volume ekspor karet alam bulan sebelumnya (kg) = harga karet alam domestic bulan ke t (US$/kg) WP t = harga karet alam dunia bulan ke t (US$/kg) SP t e b 0 = harga karet sintetis dunia bulan ke t (US$/kg) = residual (error term) = konstanta
b n = koefisien dugaan, n = 1,,...,7 Nilai koefisien dugaan yang diharapkan adalah : b 1, b 4, b 6, dan b 7 > 0 b, b 3 dan b 5 < 0 4.4 Pengujian Hipotesis A. Uji Statistik F Uji F digunakan untuk menguji koefisien dugaan secara serentak apakah variabel-variabel independen secara bersama-sama dapat menjelaskan variasi dari variabel dependen. Hipotesis yang akan diuji adalah : H 0 : b 1 =b =b 3 =b 4 =b 5 =b 6 =b 7 =0 (seluruh variabel independen secara bersama-sama tidak berpengaruh signifikan) H 1 : paling tidak ada satu koefisien regresi 0 (seluruh variabel independen secara bersama-sama berpengaruh signifikan) Statistik uji yang digunakan dalam uji-f : e (k 1) = (1 e ) (n k) Fhitung dimana : e = jumlah kuadrat regresi 1-e = jumlah kuadrat sisa k = jumlah seluruh variabel dependen dan independen n = jumlah pengamatan Kriteria pengambilan keputusan : tolak H 0 bila nilai probabilitas F hitung lebih kecil dari 5 persen terima H 0 bila nilai probbilitas F hitung lebih besar dari 5 persen
B. Uji Statistik t Uji statistik-t digunakan untuk menguji koefisien dugaan dari masing-masing variabel independen apakah secara terpisah berpengaruh nyata terhadap variable dependennya. Hipotesis yang akan diuji adalah : 1. H 0 : b 1 = 0 (volume produksi karet alam domestik tidak berpengaruh signifikan) H 0 : b 1 0 (volume produksi karet alam domestik berpengaruh signifikan). H 0 : b = 0 (konsumsi karet alam domestik tidak berpengaruh signifikan) H 1 : b 0 (konsumsi karet alam domestik berpengaruh signifikan) 3. H 0 : b 3 = 0 (nilai tukar Rupiah terhadap Dollar Amerika Serikat tidak berpengaruh signifikan) H 1 : b 3 0 (nilai tukar Rupiah terhadap Dollar Amerika Serikat berpengaruh signifikan) 4. H 0 : b 4 = 0 (volume ekspor bulan sebelumnya tidak berpengaruh signifikan) H 1 : b 4 0 (volume ekspor bulan sebelumnya berpengaruh signifikan) 5. H 0 : b 5 = 0 (harga karet alam domestik tidak berpengaruh signifikan) H 1 : b 5 0 (harga karet alam domestik berpengaruh signifikan) 6. H 0 : b 6 = 0 (harga karet alam dunia tidak berpengaruh signifikan) H 1 : b 6 0 (harga karet alam dunia berpengaruh signifikan) 7. H 0 :b 7 = 0 (harga karet sintetis dunia tidak berpengaruh signifikan) H 1 : b 7 0 (harga karet sintetis dunia berpengaruh signifikan)
Statistik uji yang digunakan dalam uji-t adalah : t hitung = b n, derajat bebas (n-k) S (b ) e n dimana : Se (b n ) = standar deviasi untuk parameter ke i b n = koefisien regresi atau parameter Kriteria pengambilan keputusan : tolak H 0 bila nilai probabilitas t hitung lebih kecil dari 5 persen terima H 0 bila nilai probabilitas t hitung lebih besar dari 5 persen C. Uji kesesuaian model (goodness of fit) Ukuran kesesuaian model dari suatu persamaan regresi digunakan untuk mengetahui proporsi keragaman dalam Y yang dijelaskan oleh variabel Xn secara bersama-sama (Gujarati, 1991). Nilai yang digunakan untuk memberikan informasi ini dikenal sebagai koefisien determinasi berganda (R ), yang dirumuskan : R = jumlahkuadratregresi jumlahkuadrattotal Nilai R terletak antara 0 dan 1. Bila R sama dengan 0 artinya model yang dibuat tidak dapat menjelaskan sedikitpun keragaman dalam Y. Sedangkan bila nilainya 1 berarti model yang dibuat dapat menjelaskan 100 persen keragaman dalam Y. 4.5 Pengujian Asumsi A. Normalitas Salah satu asumsi dalam analisis statistika adalah data terdistribusi normal. Untuk menguji dengan akurat, dilakukan uji Jarque-Bera (Winarno, 009). Uji
ini mengukur perbedaan skewness dan kurtosis data dan dibandingkan dengan apabila datanya terdistribusi normal. Rumusnya adalah: Jarque Bera = N k 6 S + K ( 3) 4 Dimana : S = skewness K = kurtosis k = banyaknya koefisien yang digunakan di dalam persamaan. Kriteria pengambilan keputusannya adalah apabila nilai probabilitas uji ini lebih besar dari 5 persen (0,05) maka data terdistribusi normal (hipotesis nolnya adalah data terdistribusi normal). B. Autokorelasi Autokorelasi adalah hubungan antara residual satu observasi dengan residual observasi lainnya. Autokorelasi lebih mudah timbul pada data time series karena berdasarkan sifatnya data masa sekarang dipengaruhi oleh data pada masa-masa sebelumnya. Autokorelasi dapat berbentuk autokorelasi positif dan negatif. Dalam data time series lebih besar kemungkinan terjadi autokorelasi positif karena variabel yang dianalisis biasanya mengandung kecenderungan meningkat seperti GDP, populasi, dan pertumbuhan ekonomi (Winarno, 009). Cara pengujiannya dilakukan dengan menggunakan statistik d Durbin Watson (Supranto, 1989). n t t= = n ( e e ) t= t 1 d, dimana 0 d 4 e t dengan kriteria pengambilan keputusan :
1. Jika 0<d<d L, berarti ada autokorelasi positif. Jika d L <d<d U, berarti tidak dapat disimpulkan 3. Jika d U <d<4-d U, berarti tidak ada autokorelasi 4. jika 4-d U <d<4-d L, berarti tidak dapat disimpulkan 5. jika 4-d L <d<4, berarti ada autokorelasi negatif Apabila data yang kita analisis mengandung autokorelasi, maka koefisien dugaan yang didapat akan memiliki karakteristik : a. Koefisien dugaan metode kuadrat terkecil masih linear. b. Koefisien dugaan metode kuadrat terkecil maasih tidak bias. c. Koefisien dugaan metode kuadrat terkecil tidak mempunyai varian yang minimum. Dengan demikian autokorelasi akan menyebabkan koefisien dugaan hanya bersifat LUE tidak lagi BLUE. Selain menggunakan nilai Durbin Watson, pengujian autokorelasi juga dapat dilakukan dengan uji Lagrange-Multiplier (uji LM). Kriteria pengambilan keputusannya adalah apabila nilai probabilitas dari Obs*R-squared lebih besar dari 5 persen maka data tidak mengandung masalah autokorelasi. C. Heteroskedastisitas Pada model regresi seluruh elemen pada diagonal utama dari matriks varian kovarians nilainya = 1 dan elemen sisanya bernilai = 0. Apabila ada beberapa elemen pada diagonal utama yang tidak sama dengan 1, maka kondisi ini disebut heteroskedastisitas (Supranto, 1989). Uji heteroskedastisitas digunakan untuk menguji tingkat kehomogenan ragam galat dari suatu model regresi. Implikasi dari adanya heteroskedastisitas dalam suatu model regresi dengan mengunakan metode OLS adalah bahwa penduga OLS tidak lagi efisien walaupun penduga
tersebut dan peramalannya masih bersifat tidak bias dan konsisten. Selain itu varian dan kovarian dugaan dari koefisien regresi akan bisa dan tidak konsisten sehingga tes hipotesis menjadi tidak nyata. Heteroskedastisitas lebih sering muncul pada data cross section dibandingkan time series. Pada crossectional data, anggota-anggota populasi pada waktu tertentu memiliki ukuran yang berbeda-beda sedangkan pada time series variabel cenderung memiliki nilai yang sama karena data yang dikumpulkan merupakan satu kesatuan selama periode tertentu. Untuk mendeteksi adanya heteroskedastisitas dapat dilakukan dengan Uji White. Uji ini menggunakan residual kuadrat sebagai variabel dependen sedangkan variabel independennya terdiri atas variabel independen yang sudah ada, ditambah dengan kuadrat variabel independen ditambah lagi dengan perkalian dua variabel independen (Winarno, 009). Kriteria pengambilan keputusannya adalah apabila nilai probabilitas dari Obs*R-squared lebih besar dari 5 persen maka data terbebas dari masalah heteroskedastisitas. D. Uji Multikolinearitas Apabila kita menggunakan model regresi berganda, kita mempunyai asumsi bahwa variabel-variabel bebas tidak berkorelasi satu sama lain. Seandainya variabel-variabel bebas tersebut berkorelasi satu dengan yang lain maka dikatakan terjadi multikolinearitas. Hal ini sering terjadi pada data berkala, khususnya di bidang ekonomi. Secara ekstrim ada kemungkinan terjadi variabel bebas atau lebih mempunyai korelasi yang sangat kuat sehingga pengaruh masing- masing variabel tersebut terhadap variabel dependen sukar untuk dibedakan. Akibat
langsung yang dirasakan adalah : 1. Kalau hubungan tersebut sempurna maka koefisien regresi parsial tidak akan dapat diestimasi.. Kalau hubungan tersebut tidak sempurna maka koefisien regresi parsial masih dapat diestimasi, tetapi kesalahan baku dari penduga koefisien regresi parsial sangat besar. Hal ini menyebabkan pendugaan/ramalan nilai variabel dependen dengan menggunakan variabel-variabel independen yang saling berkorelasi menjadi kurang teliti. Adanya multikolinearitas dapat dihindari dengan menggunakan salah satu variabel independen saling berkorelasi tersebut. Atau menggunakan apa yang disebut a priori extraneous information. Penggunaan extraneous information sangat tergantung pada beberapa hal, misalnya jenis informasi yang ada, tujuan analisis, dan daya khayal/imajinasi peneliti/analis karena memang tidak ada aturan yang tetap untuk hal ini (Supranto 1989). Uji multikolinearitas dapat dilihat dengan menghitung nilai koefisien korelasi antar variabel independen. Apabila koefisiennya rendah, maka tidak terdapat masalah multikolinearitas (Winarno, 009). 4.6 Definisi Operasional 1. Volume ekspor karet alam Indonesia adalah total karet alam yang diekspor oleh Indonesia ke seluruh negara tujuan perbulan, dinyatakan dalam satuan kilogram.. Konsumsi karet alam domestik adalah pengurangan antara volume produksi perbulan dengan volume ekspor perbulan, dinyatakan dalam satuan kilogram.
3. Nilai tukar Rupiah terhadap Dollar Amerika Serikat dinyatakan dalam satuan Rp/US$. Dollar Amerika Serikat dijadikan patokan karena dalam perdagangan karet alam dunia, mata uang yang digunakan adalah Dollar Amerika Serikat. 4. Volume ekspor karet alam bulan sebelumnya adalah total karet alam yang diekspor oleh Indonesia ke seluruh negara tujuan satu bulan sebelumnya, dinyatakan dalam satuan kilogram. 5. Harga karet alam domestik adalah harga karet alam jenis Standart Indonesian Rubber 0 (SIR 0) FOB dari pelabuhan Belawan di Sumatera Utara, dinyatakan dalam satuan US$/kg. Belawan adalah pelabuhan utama untuk ekspor karet alam di Indonesia. 6. Harga karet alam dunia adalah harga karet alam jenis Technically Specified Rubber (TSR 0) di bursa komoditi Singapura, dinyatakan dalam satuan US$/kg. Singapura adalah salah satu tempat perdagangan utama komoditi karet alam dunia. 7. Harga karet sintetis dunia adalah harga karet sintetis jenis Styrene Butadiene Rubber (SBR) di New York, Amerika Serikat, dinyatakan dalam satuan US$/kg. Karet jenis ini merupakan karet sintetis yang paling banyak dihasilkan dan digunakan dalam industri pembuatan ban.