commit to user
35
BAB III METODE PENELITIAN
1. Jenis dan Sumber Data
Data yang digunakan pada penelitian ini adalah data sekunder menurut runtut waktu time series dalam bentuk tahunan. Periode yang digunakan yaitu
periode tahun 1999 sampai dengan tahun 2009. Adapun data-data tersebut diperoleh dari:
1. Badan Pusat Statistik BPS 2. Bank Indonesia BI
3. Penelitian-penelitian terdahulu 4. Artikel-artikel dan sumber-sumber lainnya.
2. Definisi Variabel
1. Harga karet alam dunia Harga karet alam dunia yang digunakan adalah harga karet alam yang
berlaku dalam perdagangan internasional. Data operasional yang digunakan dalam penelitian ini diambil dari data yang dikeluarkan oleh BPS berdasarkan
perhitungan tahunan . 2. Harga karet sintetis
Harga karet sintetis yang digunakan adalah harga karet olahan yang berlaku dalam perdagangan internasional.. Data operasional yang digunakan
commit to user
36
dalam penelitian ini diambil dari data yang dikeluarkan oleh BPS berdasarkan perhitungan tahunan.
3. Nilai Tukar Yuan RRC terhadap Rupiah Data operasional yang digunakan dalam penelitian ini diambil dari
data yang dikeluarkan oleh Bank Indonesia maupun BPS berdasarkan perhitungan tahunan.
4. GDP Riil Negara RRC GDP Riil Negara RRC yang digunakan adalah jumlah nilai produksi
yang dinilai atas dasar harga tetap yang dihitung menggunakan tahun dasar 2000. Data operasional yang digunakan dalam penelitian ini diambil dari
sumber-sumber terkait berdasarkan perhitungan tahunan dan dinyatakan dalam bentuk Milyar Dollar Amerika.
3. Metode Analisis Data
1. Metode Regresi Kuadrat Terkecil
Analisis data yang dilakukan dengan Metode Regresi Kuadrat TerkecilOLS ordinary least square, dengan fungsi volume ekspor karet
Indonesia ke RRC = f harga karet alam dunia, harga karet sintetis, nilai tukar Yuan terhadap Rupiah, GDP Riil Negara RRC, maka persamaan regresi
liniernya adalah :
Volume = β
+β
1
HKA+β
2
HKS+β
3
NT+β
4
GDPriil +e
Keterangan : Volume = Volume ekspor karet Indonesia ke RRC
000 M.Ton
commit to user
37
HKA = Harga Karet Alam Dunia USTon
HKS = Harga Karet Sintetis USTon
NT = Nilai Tukar Yuan terhadap Rupiah Rupiah
GDPriil = GDP Riil Negara RRC
Milyar US β
= Konstanta regresi β
i
= Koefisien Regresi e
= Variabel Pengganggu
2. Pemilihan Model Regresi
Pemilihan model regresi ini menggunakan uji Mackinnon, White and Davidson MWD yang bertujuan untuk menentukan apakah model yang
akan di gunakan berbentuk linier atau log linier. Persamaan matematis untuk model regresi linier dan regresi log linier
adalah sebagai berikut : · Linier Î Y =
β + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ e · Log Linier Î LogYt = Log
β +β
1
LogX
1t
+β
2
LogX
2t
+β
3
LogX
3t
+β
4
LogX
4t
+e Untuk melakukan uji MWD ini kita asumsikan bahwa :
· Ho : Y adalah fungsi linier dari variabel independen X model linier · H1 : Y adalah fungsi log linier dari varibel independen X model log
linier
commit to user
38
Adapun prosedur metode MWD adalah sebagai berikut : a. Estimasi model linier dan dapatkan nilai prediksinya fitted value dan
selanjutnya dinamai F
1
. b. Estimasi model log linier dan dapatkan nilai prediksinya, dan selanjutnya
dinamai F
2
. c. Dapatkan nilai Z
1
= ln F
1
-F
2
dan Z
2
= antilog F
2
-F
1
d. Estimasi persamaan berikut ini : Y = β
+ β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ e Jika Z1 signifikan secara statistik melalui uji t maka kita menolak
hipotesis nul dan model yang tepat untuk digunakan adalah model log linier dan sebaliknya jika tidak signifikan maka kita menerima hipotesis
nul dan model yang tepat digunakan adalah model linier. e. Estimasi persamaan berikut :
LogYt = Log β
+β
1
LogX
1t
+β
2
LogX
2t
+β
3
LogX
3t
+β
4
LogX
4t
+ e Jika Z
2
signifikan secara statistik malalui uji t maka kita menolak hipotesis alternatif dan model yang tepat untuk digunakan adalah model linier dan
sebaliknya jika tidak signifikan maka kita menerima hipotesis alternatif dan model yang tepat untuk digunakan adalah model log linier. Siti
Aisyah, 2007
3. Uji Statistik
Selanjutnya untuk mengetahui keakuratan data maka perlu dilakukan beberapa pengujian Gujarati, 2003 :
commit to user
39
a. Uji t Statistik
Uji t statistik adalah pengujian variabel-variabel independen secara individu, digunakan untuk menguji signifikansi pengaruh masing-masing
variable independen terhadap variable dependen. Langkah-langkah dalam uji t adalah sebagai berikut :
1 Menentukan hipotesis a
Ho : β
i
= 0, berarti tidak ada pengaruh masing-masing variabel independen terhadap variabel dependen.
b Ha : β
i
≠ 0, berarti ada pengaruh masing-masing variabel independen terhadap variabel dependen.
2 α = 5, df = n-k
3 ft
H ditolak
H diterima
H ditolak
0 -t
α2 ; n-k
t
α2; n-k
Gambar 3.1. Daerah Kritis Uji t 4 Melakukan perhitungan nilai t
t
hitung
= β
i
Se β
i
t
commit to user
40
Keterangan : β
i
= koefisien regresi Se β
i
= standard error koefisien regresi 5 Kriteria pengujian
· Jika nilai -t
tabel
t
hitung
t
tabel
, Ho diterima berarti variabel independen secara individual tidak berpengaruh secara signifikan terhadap variabel
dependen. · Jika nilai t
tabel
t
hitung
atau t
hitung
-t
tabel
, Ho ditolak berarti variabel independen secara individu berpengaruh secara signifikan terhadap
variabel dependen.
b. Uji F statistik
Pengujian ini akan memperlihatkan hubungan atau pengaruh antara variabel independen secara bersama-sama terhadap variabel dependen.
Langkah-langkah dalam uji F adalah sebagai berikut : 1 Menentukan hipotesis
a Ho : βi = 0, maka variabel independen secara bersama-sama tidak
mempengaruhi variabel independen. b
Ha : βi ≠ 0, maka variabel independen secara bersama-sama mempengaruhi variabel dependen.
2 α = 5 , df = k-1 ; n-k
commit to user
41
3
H ditolak
H diterima
F
α;k-1;n-k
Gambar 3.2. Daerah Kritis Uji F 4 Melakukan penghitungan nilai F
Nilai F
hitung
= Keterangan :
R
2
= koefisien regresi n = jumlah sampeldata
k = banyaknya parameter 5 Kriteria pengujian
· Jika F
hitung
F
tabel
, maka H ditolak dan Ha diterima. Artinya ada
pengaruh yang signifikan dari seluruh variabel independen terhadap variabel dependen.
· Jika F
hitung
F
tabel
, maka H diterima dan Ha ditolak. Artinya tidak ada
pengaruh yang signifikan dari seluruh variabel independen terhadap variabel dependen.
F
commit to user
42
c. Koefisien Determinasi R
2
R
2
menjelaskan seberapa besar persentasi total variasi variabel dependen yang dijelaskan oleh model, semakin besar R
2
semakin besar pengaruh model dalam menjelaskan variabel dependen. Nilai R
2
berkisar antara 0 sampai 1, jika R
2
sebesar 1 berarti ada kecocokan sempurna, sedangkan yang bernilai 0 berarti tidak ada hubungan antara variabel tak
bebas dengan variabel yang menjelaskan.
4. Pengujian Asumsi Klasik
Pengujian ini digunakan untuk melihat apakah model yang diteliti akan mengalami penyimpangan asumsi klasik atau tidak, maka pengadaan
pemeriksaan terhadap penyimpangan asumsi klasik tersebut harus dilakukan:
a. Autokorelasi
Autokorelasi adalah keadaan dimana faktor-faktor pengganggu yang satu dengan yang lain saling berhubungan. Pengujian terhadap gejala
autokorelasi dapat dilakukan dengan Lagrange Multiplier Test yang dikembangkan oleh Bruesch-Godfrey, yakni berupa regresi atas semua
variabel bebas dalam persamaan regresi linier berganda tersebut dan variabel lag-1 dari nilai residual regresi linier berganda. Langkah dari Lagrange
Multiplier Test adalah sebagai berikut :
1 Menentukan hipotesis a
Ho : ρ
1
= ρ
2
= ....= ρ
q
= 0 , Tidak ada autokorelasi, baik positif maupun negatif.
commit to user
43
b Ha : ρ
1
≠ ρ
2
≠....≠ ρ
q
≠ 0 , Ada autokorelasi. 2
α = 5, df = jumlah lag residual 3
H diterima
H ditolak
χ
2 α ; df
Gambar 3.3. Daerah Autokorelasi 4
Melakukan penghitungan nilai χ
2
χ
2 hitung
= n-pR
2
5 Membandingkan nilai R
2
dari hasil regresi tersebut dengan nilai χ
2
dalam table statistik Chi Square. Kriterianya adalah, jika :
a Apabila nilai ObsR square χ
2 hitung
χ
2 tabel
, berarti H diterima,
artinya tidak ada masalah autokorelasi. b
Apabila ObsR square χ
2 hitung
χ
2 tabel
, berarti H ditolak, artinya
terjadi masalah autokorelasi.
χ
2
commit to user
44
b. Multikolinearitas
Multikolinearitas adalah adanya suatu hubungan linier yang sempurna mendekati sempurna antara beberapa atau semua variabel bebas. Untuk
mengetahui ada tidaknya gejala multikolinearitas dapat dilakukan dengan membandingkan nilai R
2 aux
yang diperoleh dari auxiliary regression dengan nilai R
2
dari keseluruhan. Berdasarkan Klein rule of Thumbs maka dari hasil perbandingan tersebut dapat disimpulkan bahwa jika R
2
R
2 aux
maka tidak terjadi gejala multikolinearitas dan jika R
2
R
2 aux
maka terjadi gejala multikolinearitas Gujarati, 2003.
c. Heteroskedastisitas
Asumsi dari model regresi linier klasik adalah kesalahan penggangu mempunyai variasi yang sama. Apabila asumsi tersebut tidak terpenuhi maka
akan terjadi heteroskedastisitas, yaitu suatu keadaan dimana variasi dari kesalahan penggangu tidak sama untuk semua nilai variabel bebas. Terdapat
beberapa metode yang dipergunakan untuk mendeteksi heteroskedastisitas dalam model empiris yaitu Uji Park, Uji Glejser, Uji white, Uji LM ARCH
dan Uji Breusch–Pagan–Godfrey. Pengujian heteroskedastisitas dalam penelitian ini akan menggunakan Uji White. Langkah dari Uji White adalah
sebagai berikut : 1 Hipotesis untuk menentukan ada tidaknya heterokedastisitas.
▪ Ho : ρ
1
= ρ
2
= ....= ρ
q
= 0 , Tidak ada heterokedastisitas ▪ Ha : ρ
1
≠ ρ
2
≠....≠ ρ
q
≠ 0 , Ada heterokedastisitas
commit to user
45
2 α = 5, df = jumlah regresor
3
H diterima
H ditolak
χ
2 α ; df
Gambar 3.4. Daerah Heteroskedastisitas 4
Melakukan penghitungan nilai χ
2
χ
2 hitung
= nR
2
Keterangan : n = jumlah observasi R
2
= koefisien determinasi 5 Kriteria pengujian ada tidaknya heteroskedastisitas
· Jika ObsR square χ
2 hitung
χ
2 tabel
, berarti Ho tidak dapat ditolak. Dari hasil uji White Test tersebut dapat disimpulkan bahwa tidak ada
heterokedastisitas. ·
jika nilai ObsR square χ
2 hitung
χ
2 tabel
, berarti Ho dapat ditolak. Dari hasil uji White Test tersebut dapat disimpulkan bahwa ada
heterokedastisitas.
χ
2
commit to user
46
BAB IV ANALISIS DATA DAN PEMBAHASAN