Teknik Pengumpulan Data

D. Teknik Pengumpulan Data

1. Pencatatan Pencatatan digunakan untuk mengumpulkan data primer dan sekunder, yaitu dengan mencatat data yang ada pada instansi pemerintah atau lembaga, serta untuk mencatat informasi dari narasumber yang tekait dengan penelitian ini.

2. Wawancara Wawancara digunakan untuk mendapatkan penjelasan atas data-data sekunder yang dikumpulkan, serta keterangan-keterangan lain yang terkait dengan penelitian ini. Pencatatan digunakan untuk mendapatkan data sekunder, yaitu dengan mencatat data yang ada pada instansi pemerintah atau lembaga yang terkait dengan penelitian ini, serta pencatatan atas data yang diperoleh dari hasil wawancara.

commit to user

1. Analisis Faktor-Faktor yang Mempengaruhi Volume Ekspor Minyak Cengkeh Jawa Tengah

Hubungan ekspor dengan faktor-faktor yang mempengaruhinya dapat dinyatakan dengan persamaan model regresi non linear berganda berbentuk kepangkatan, secara matematis dirumuskan sebagai berikut:

Y= βo X 1 β1 X 2 β2 X 3 β3 X 4 β4 X 5 β5

Keterangan: Y = volume ekspor minyak cengkeh Jawa Tengah (kg)

X 1 = produksi minyak cengkeh Jawa Tengah (kg)

X 2 = harga domestik minyak cengkeh Jawa Tengah (Rp/kg)

X 3 = harga ekspor minyak cengkeh Jawa tengah (FOB) (USD/kg)

X 4 = nilai tukar dolar Amerika Serikat terhadap rupiah (Rp/USD)

X 5 = volume ekspor minyak cengkeh tahun sebelumnya (kg) bo = intersep

b 1 -b 5 = nilai koefisien regresi dari masing-masing variabel Model regresi tersebut mencerminkan fungsi regresi populasi. Fungsi

tersebut dapat ditaksir atas dasar fungsi regresi sampel. Parameter βo, β1, β2, β3, β4, β5 merupakan karakteristik dari suatu populasi. Estimasi

parameter tersebut dilakukan dengan metode OLS (Ordinary Least Squre Method ).

Menurut Supranto (2004) model regresi dalam metode OLS berdasar pada asumsi klasik yang menghasilkan pemerkira linear terbaik tak bias (BLUE = Best Linear Unbiased Estimator). Asumsi-asumsinya adalah:

1. Nilai rata-rata kesalahan pengganggu nol.

2. varian σ 2 sama untuk semua kesalahan pengganggu (homoskedastis)

3. tidak ada otokorelasi antara kesalahan pengganggu

4. variabel bebas konstan dalam sampling yang terulang (repeated

sampling ) dan bebas terhadap kesalahan pengganggu.

5. tidak ada kolinearitas ganda (multicollinearity) diantara variabel bebas

commit to user commit to user

Oleh karena itu, model tersebut ditransformasikan dalam OLS linear / model regresi linear berganda dengan me log-naturalkan persamaan tersebut menjadi:

ln Y = ln βo+ β 1 ln X 1 + β 2 ln X 2 + β 3 ln X 3 + β 4 ln X 4 + β 5 ln X 5 Setelah ditransformasikan, hasilnya dikembalikan kedalam persamaan asal yaitu model regresi non linear berganda berbentuk perpangkatan. Y= βo X 1 β1 X 2 β2 X 3 β3 X 4 β4 X 5 β5

Pengujian Model

a. Uji koefisien determinasi (R 2 )

Presentase variasi total ekspor minyak cengkeh (Y) yang dijelaskan oleh variabel-variabel bebasnya (X) diukur dengan koefisien determinasi (R 2 ). Nilai R 2 berkisar 0 - 1. Semakin besar R 2 atau mendekati 1 maka

semakin besar proporsi variasi variabel tak bebasnya. R 2 = _ESS_

TSS Keterangan:

ESS = Explained Sum of Squares (jumlah kuadrat regresi) TSS = Total Sum of Squares (jumlah kuadrat total)

b. Uji F Uji F digunakan untuk mengetahui tingkat pengaruh semua variabel bebas secara bersama-sama terhadap variabel tidak bebasnya dengan tingkat kepercayaan 90% (α=10%). Secara matematis uji F dirumuskan sebagai berikut:

F hitung

= _R 2 / (k – 1)_

(1-R 2 ) / (n – 1)

Keterangan:

R 2 = koefisien determinasi

= jumlah sampel

= jumlah variabel

= tingkat signifikasi

commit to user

Ho : β i = 0 (β i =β 1 = β 2 = β 3 = β 4 = β 5 = 0) atau koefisien regresi tidak

signifikan

Ha : β i ≠ 0 (β i /β 1 /β 2 /β 3 /β 4 /β 5 ≠0) atau minimal salah satu b i bernilai

tidak nol atau koefisien regresi signifikan Menurut Gujarati (2002), uji signifikansi merupakan pendekatan alternatif, namun bersifat melengkapi dan merupakan pendekatan yang lebih singkat dalam suatu pengujian hipotesis. Kriterianya adalah sebagai berikut:

1) Suatu pengujian dikatakan signifikan secara statistik, apabila probabilitas bahwa selisih yang diobservasi antara nilai sampel dan nilai yang dihipotesiskan diakibatkan oleh suatu kebetulan tidaklah

besar (lebih kecil dari α).

2) Suatu pengujian dikatakan tidak signifikan secara statistik, apabila probabilitas bahwa selisih yang diobservasi antara nilai sampel dan nilai yang dihipotesiskan diakibatkan oleh suatu kebetulan itu besar

(lebih besar dari α).

c. Uji t Untuk mengetahui apakah variabel bebas secara individu berpengaruh nyata terhadap variabel tidak bebas dilakukan uji t dengan tingkat kepercayaan 90% (α=10%). Secara matematis uji t dirumuskan sebagai berikut

t hitung = ___ βi____

Se (bi)

Keterangan: bi

= koefisien regresi variabel bebas ke-i Se ( βi) = standar error koefisien regresi variabel bebas ke-i Hipotesis yang hendak diuji adalah Ho : βi = 0

Ha : βi ≠ 0

Kriteria pengujian yang digunakan adalah sebagai berikut:

1) Suatu pengujian dikatakan signifikan secara statistik, apabila probabilitas bahwa selisih yang diobservasi antara nilai sampel dan

commit to user commit to user

2) Suatu pengujian dikatakan tidak signifikan secara statistik, apabila probabilitas bahwa selisih yang diobservasi antara nilai sampel dan nilai yang dihipotesiskan diakibatkan oleh suatu kebetulan itu besar (lebih besar dari α).

d. Standar koefisien regresi Menurut Arief (1993), untuk menentukan variabel bebas yang paling menentukan dalam mempengaruhi dependent variable dalam suatu model regresi, maka digunakanlah koefisien beta (beta coefficient). Koefisien beta juga disebut standardized regression coefficient atau standar koefisien regresi. Nilai koefisien beta dirumuskan sebagai berikut:

βi = β* Keterangan:

βi

: Standar koefisien regresi variabel bebas ke-i β* : Koefisien regresi variabel bebas ke-i

σy : Standar deviasi variabel tidak bebas σi : Standar deviasi variabel bebas ke-i

Nilai βi yang paling besar menunjukkan variabel bebas yang bersangkutan adalah yang paling dominan dalam penentuan nilai variabel tak bebas.

Pengujian Asumsi Klasik

Pengujian asumsi klasik ditujukan untuk mengetahui ada tidaknya penyimpangan terhadap asumsi klasik. Sumodiningrat (1999) menyatakan bahwa pelanggaran terhadap asumsi klasik menyebabkan terjadinya multikolinearitas (kolinearitas ganda), heteroskedastisitas, dan otokorelasi. Pelanggaran terhadap asumsi klasik berakibat pada ketidakbiasan pemerkira koefisien regresi (unbiased), varian dan koefisien-koefisien OLS akan salah (underestimate) dan peramalan (prediksi) menjadi tidak efisien (inefficient).

commit to user

Multikolinearitas mengacu pada kondisi dimana terdapat korelasi linear diantara variabel bebas sebuah model. Jika dalam suatu model terjadi multikolinearitas, akan menyebabkan nilai R 2 yang semakin tinggi dan lebih banyak variabel bebas yang tidak signifikan daripada variabel bebas yang signifikan atau bahkan tidak ada satupun.

Untuk menguji ada atau tidaknya multikolinearitas dapat digunakan pendekatan matriks korelasi, dengan melihat nilai matriks Pearson correlation (PC) . Apabila nilai PC < 0,8 berarti antar variabel bebas tidak terjadi multikolinearitas. Bila terjadi angka korelasi > 0,8 maka kedua variabel tersebut perlu dipertimbangkan apakah digunakan atau tidak dalam model (Soekartawi, 1993).

b. Uji Heteroskedastisitas Heteroskedastisitas bermakna variabel disturbansi tidak lagi mempunyai varian yang konstan untuk setiap observasi. Varian disturbansi menjadi nonrandom atau berubah-ubah dengan berubahnya nilai variabel bebas (Lains, 2003).

Uji heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lain. Dalam penelitian ini digunakan metode grafik dengan melihat diagram pencar (scatterplot) untuk mendeteksi ada tidaknya heteroskedastisitas. Menurut Ghozali (2006), kriteria pengambilan keputusan untuk uji heteroskedastisitas dengan menggunakan scatterplot adalah sebagai berikut:

1) Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.

2) Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

commit to user

Otokorelasi adalah korelasi (hubungan) yang terjadi di antara anggota-anggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu (time series data) atau yang tersusun dalam rangkaian ruang (data silang/cross-sectional data). Suatu jenis pengujian yang umum digunakan untuk mengetahui ada tidaknya otokorelasi adalah statistik d Durbin-Watson dengan kriteria:

1) 1,65 < DW < 2,35 yang artinya tidak terjadi otokorelasi.

2) 1,21 < DW < 1,65 atau 2,35 < DW < 2,79 yang artinya tidak dapat disimpulkan.

3) DW < 1,21 atau DW > 2, 79 yang artinya terjadi otokorelasi. (Sulaiman, 2002).

2. Analisis Elastisitas Penawaran Ekspor

Besar kecilnya perubahan ekspor sebagai akibat perubahan faktor- faktor yang mempengaruhi dapat diketahui dengan konsep elastisitas. Pada model double log, koefisien lereng (slope coefficient) βi merupakan elastisitas Y terhadap X (Sumodiningrat, 1993). Besarnya elastisitas dapat bervariasi antara nol sampai tak terhingga, bila:

1) Es = 0, penawaran bersifat inelastis sempurna, terjadi bila jumlah yang

ditawarkan tidak berubah dengan adanya perubahan harga.

2) 0 < Es < 1, penawaran bersifat inelastis yang terjadi bila jumlah yang ditawarkan berubah dengan persentase lebih kecil dari perubahan harga.

3) Es = 1, penawaran bersifat elastis uniter, terjadi bila jumlah yang ditawarkan berubah dengan persentase sama dengan perubahan harga.

4) 1 < Es < ~, penawaran bersifat elastis, terjadi bila jumlah yang ditawarkan berubah dengan persentase lebih besar dari pada perubahan harga.

5) Es = ~, penawaran bersifat elastis sempurna, sempurna atau tak terhingga, terjadi bila penjual siap menjual dengan segala kemampuan mereka pada beberapa tingkat harga dan tidak sama sekali walaupun dengan harga yang sedikit lebih rendah.

(Lipsey et al, 1990).

commit to user