5 HASIL DAN PEMBAHASAN
5.1 Pendugaan Model
Sebagai dasar pertimbangan dalam memilih model yang terbaik, maka sebelumnya dilakukan uji Chow atau uji-F untuk memilih model di antara PLS
Pooled Least Square dan FEM Fixed Effect Model. Berdasarkan uji Chow Lampiran 1, dapat dilihat bahwa nilai probabilitas F-statistics pada model
0.000 lebih kecil dari taraf nyata 5 persen yang digunakan. Hal ini berarti sudah cukup bukti untuk menolak H
, sehingga pendekatan yang paling baik untuk digunakan dalam penelitian ini adalah pendekatan FEM.
Setelah itu, dilakukan pengolahan data dengan menggunakan pendekatan FEM tanpa memberi pembobotan dan dengan memberikan pembobotan. Setelah
dilakukan pengolahan data tersebut diperoleh pendekatan FEM dengan memberikan pembobotan SUR Seemingly Uncorrelated Regression adalah hasil
terbaik untuk model penawaran ekspor kopi ini dan dapat dilihat hasil estimasinya pada Tabel 5.1.
Tabel 5.1 Hasil Estimasi Fungsi Penawaran Ekspor Menggunakan Pendekatan FEM dengan Pembobotan SUR
Variable Coefficient
Prob. LNDOM
-1.2351 0.0382
LNPINT 1.4774
0.0064 LNPROD
4.9163 0.0003
LNGDP -4.5285
0.0000 LNER
2.6797 0.0116
DEHP 0.5587
0.0024 C
-46.7570 0.0171
R-squared 0.9603
Prob F-statistic 0.0000
Durbin-Watson stat 1.6126
Sum squared resid weighted 73.3459
Sum squared resid unweighted 523.4366
Sumber: Lampiran 2 diolah.
5.2 Pengujian Asumsi Model
Uji asumsi model meliputi uji autokorelasi, heteroskedatisitas, multikolinearitas, dan normalitas. Uji autokorelasi dapat dilakukan dengan
melihat nilai Durbin Watson DW. Jika nilai DW-stat mendekati 2, maka dapat dikatakan tidak terjadi autokorelasi. Berdasarkan Tabel 5.1, hasil regresi olahan
data panel menunjukkan nilai DW sebesar 1.6126, sehingga dapat disimpulkan bahwa pada hasil estimasi model menunjukkan tidak terdapat masalah
autokorelasi. Untuk
mendeteksi adanya
heteroskedastisitas adalah
dengan membandingkan nilai sum square resid weighted statistics dengan nilai sum
square resid unweighted statistic . Pada Tabel 5.1 memperlihatkan nilai sum
square residual pada weighted statistics 73.3459 lebih kecil daripada sum
square residual
unweighted statistics
523.4366, sehingga
hal ini
mengindikasikan terjadinya masalah heteroskedastisitas. Untuk mengatasi pelanggaran ini dapat dilakukan dengan mengestimasi SUR Seemingly
Uncorrelated Regression
sebagai pembobot,
sehingga masalah
heteroskedastisitas pada model ini dapat diabaikan. Uji multikolinearitas dapat dilihat dari nilai probabilitas dan matriks
korelasi antar variabel. Semua probabilitas pada variabel sudah signifikan pada taraf nyata 5 persen Tabel 5.1 dan R-squared 0.9603 menunjukkan nilai yang
lebih besar dibandingkan nilai matriks korelasi antar variabel Lampiran 3, hal ini menunjukkan bahwa persamaan dalam model dapat dinyatakan telah bebas dari
masalah multikolinearitas. Hal ini menunjukkan bahwa di antara variabel dalam model saling berhubungan.
Uji normalitas dapat dilihat dari nilai probabilitas Jarque Bera. Berdasarkan nilai probabilitas Jarque Bera Lampiran 4 yaitu sebesar 0.2435
lebih besar dari taraf nyata 5 persen, maka dapat disimpulkan bahwa error term pada model sudah terdistribusi secara normal.
5.3 Pengujian Kriteria Statistik
Kategori