III. METODE PENELITIAN
3.1. Jenis dan Sumber Data
Dalam penelitian ini digunakan data sekunder yang diperoleh dari berbagai instansi yang terkait tentang pergerakan fluktuasi nilai tukar terhadap perdagangan
tekstil Indonesia di pasar internasional seperti Badan Pusat Statistik, Bank Indonesia, Departemen Perdagangan, Kementerian Perindustrian Republik
Indonesia, WTO, dan Asosiasi Pertekstilan Indonesia API. Sedangkan bentuk data yang digunakan adalah bentuk data time series triwulanan dari tahun 2003
hingga tahun 2010. Data tersebut antara lain : 1.
Pergerakan nilai tukar rupiah terhadap Dollar 2.
Volume ekspor tekstil Indonesia 3.
Produk Domestik Bruto Indonesia PDB 4.
Suku bunga Indonesia 5.
Inflasi yang terjadi di Indonesia
3.2. Metode Analisis Data dan Pengolahan Data
Untuk menganalisis penelitian ini digunakan analisis ekonometrika yang berupa VAR. Dengan data berupa time series triwulanan, diharapkan metode ini
dapat digunakan untuk mengetahui pengaruh volatilitas nilai tukar terhadap perdagangan tekstil Indonesia. Dalam proses pengolahan data, pelitian ini
menggunakan software berupa E-views dan Microsoft Excel. Beberapa tahap analisis VAR yang digunakan dalam penelitian ini adalah
sebagai berikut :
3.2.1 Uji Stasioneritas
Dalam uji stasioneritas ini digunakan Uji Akar Unit unit Root Test. Uji ini dimaksudkan untuk menentukan apakah suatu variabel stasioner atau tidak.
Dengan menggunakan uji DF Dickey-Fuller dan uji ADF Augmented Dickey- Fuller
, suatu variabel diuji apakah stasioner atau tidak. Jika hasil yang di dapat dalam pengujian ini belum stasioner maka akan dilanjutkan ke tahap berikutnya
yaitu tahap Uji derajat integrasi Integration Test.
3.2.2 Uji Kausalitas
Granger
Uji ini dilakukan dengan tujuan untuk mengetahui hubungan interaksi antar variabel didalam lag tertentu selama pengujian lag. Prinsip dasar dari
pengujian Granger pada penelitian ini adalah untuk membantu menjelaskan hubungan antara VET volume ekspor tekstil, NT nilai tukar, PDB, SBI, dan
Inflasi.
3.2.3 Uji Kointegrasi Cointegration Test
Uji ini merupakan lanjutan dari uji akar unit dan uji derajat integrasi. Dalam uji kointegrasi ini bertujuan guna mengetahui ada atau tidaknya hubungan
jangka panjang antara variabel bebas dan variabel terikatnya.
3.2.4 Uji Optimum Lag
Uji optimum lag sangat penting dalam pendekatan VAR. Dalam uji optimum lag, akan menghilangkan masalah autokorelasi dalam sistem VAR.
Maka dari itu, dengan menggunakan lag yang optimal diharapkan masalah autokorelasi tidak akan muncul lagi. Besarnya lag yang dipilih beasal dari lag
terpendek.
3.2.5 Uji Stabilitas VAR
Setelah dilakukan uji optimum lag, maka tahap selanjutnya dalam estimasi VAR adalah dengan uji stabilitas VAR. Uji ini nantinya dimaksudkan untuk
mengetahui valid atau tidaknya analisis Impulse Response Function. Apabila hasil estimasi VAR tidak stabil, maka Impulse Response Fuction tidak valid, begitu
juga sebaliknya jika hasil estimasi valid, maka Impulse Response Funcion valid.
3.2.6 Model VAR First Difference
Model VAR First Difference merupakan bentuk VAR yang terestriksi, namun menjelaskan bahwa data yang diuji tidak stasioner pada level dan tidak
memiliki hubungan kointegrasi. Bedanya dengan model VECM adalah bahwa model VECM menjelaskan bahwa data yang di uji tidak stasioner pada level
namun terkointegrasi. Pada uji sebelumnya didapat bahwa data-data yang digunakan dalam
penelitian ini stasioner pada first difference namun tidak terkointegrasi pada tahap uji kointegrasi. Oleh karena itu, berdasarkan hasil tersebut, model yang digunakan
pada penelitian ini adalah model VAR First Difference. Persamaan dari hasil estimasi VAR First Difference dalam penelitian ini
adalah sebagai berikut :
VET = A
+ A
1
Inflasi
t-1
+ A
2
SBI
t-1
+ A
3
PDB
t-1
+ A
4
NT
t-1
+ A
5
VET
t-1
+ ε
t
… … … … … … … … … … … … … … … … … … … … . . … … … . . … . . … … … Dimana :
A
0,...,
A
4
= Konstanta ε
t
= Vektor sisaan VET
= Volume Ekspor Tekstil Indonesia
SBI = Suku Bunga Indonesia
PDB = Produk Domestik Bruto Indonesia
NT = Nilai Tukar Rupiah
3.3. Alat Analisis Data
Dalam penelitian ini, digunakan program E-Views sebagai alat analisis data. Data yang telah diperoleh kemudian di input kedalam workfile E-Views,
selanjutnya akan diolah sedemikian rupa melalui beberapa tahap sehingga mendapatkan hasil-hasil yang dibutuhkan dalam penelitian ini, seperti uji akar
unit, uji lag optimal, uji kausalitas Granger, uji kointegrasi, dan estimasi VAR. Hasil estimasi yang digunakan akan berbeda melihat dari pengertian VAR
itu sendiri. Jika pada pengolahan data pada uji kointegrasi terdapat persamaan yang terkointegrasi, maka tahap estimasi yang dilakukan adalah model VECM.
Namun, pada penelitian ini, dikarenakan tidak adanya persamaan yang terkointegrasi, maka estimasi yang dilakukan adalah estimasi model VAR First
Difference .
IV. HASIL DAN PEMBAHASAN
4.1. Pengujian Akar Unit Unit Root Test
Pengujian akar unit merupakan tahap awal sebelum melakukan estimasi model time series. Pemahaman tentang pengujian akar unit ini mengandung arti
bahwa setiap data time series yang akan dianalisis akan menimbulkan spurious dalam hasil analisisnya karena terkadang terdapat variabel yang memiliki unit
root . Oleh karena itu, pengujian akar unit dilakukan dengan tujuan mengetahui
kestasioneran data time series yang akan dianalisis. Stasioneritas merupakan prasyarat penting dalam model ekonometrika untuk data time series. Data
stasioner adalah data yang menunjukkan mean, varians, dan covarians pada variasi lag tetap sama pada waktu kapan saja data tersebut digunakan atau
dibentuk, hal ini berarti model time series yang stasioner dapat dikatakan lebih stabil.
Pengujian akar unit ini dilakukan dengan uji Augmented Dickey-Fuller dengan menggunakan taraf nyata sebesar 1, 5 atau 10. Stasioner atau
tidaknya data time series dapat dilihat dari nilai probabilitasnya yang kurang dari 1, 5 atau 10 tergantung dari taraf nyata yang digunakan dalam pengujian
akar unit, yang dalam penulisan ini menggunakan taraf nyata sebesar 5. Jika hasil uji pada tingkat level yang didapat dalam pengujian akar unit ini memiliki
nilai probabilitas yang lebih kecil daripada taraf nyatanya, maka data time series tersebut dapat dikatakan stasioner pada level dan selanjutnya analisis data hanya
menggunakan pendekatan VAR. Apabila nilai probabilitasnya lebih besar