lebih mengandalkan sumberdaya manusia berpengetahuan dan terampil serta kemampuan penguasaan teknologi.
4.2. Hasil Estimasi dan Evaluasi Model
Hasil estimasi koefisien-koefisien variabel persamaan yang menggunakan gravity model
akan ditampilkan berdasarkan estimasi terhadap setiap nilai intra- industry trade
antara pasangan-pasangan negara ASEAN-5. Estimasi ini dilakukan dengan program software Eviews 4.1 dan menggunakan metode panel
data seperti yang telah diuraikan pada metode penelitian. Keputusan penggunaan metode panel data didasarkan pada kondisi sampel dalam penelitian ini, dimana
nilai IIT index didapatkan dari hasil analisis terhadap trade flow di lima negara ASEAN dalam jangka waktu lima tahun.
Pada penelitian ini, model efek tetap fixed effect model adalah model yang dipilih dalam penggunaan metode panel data. Pemilihan ini didasarkan pada
asumsi bahwa setiap individu yang digunakan sebagai contoh penelitian, yaitu nilai perdagangan intra-industri, bersifat heterogen. Penggunaan fixed effect model
memungkinkan nilai intersep bervariasi untuk setiap individu, dan perbedaan nilai ini diasumsikan sebagai perbedaan antar unit individu. Selain itu, pemilihan
model tersebut juga diperkuat secara statistik dengan hasil dari Uji Hausman Hausman Test. Nilai Statistik Hausman yang didapatkan adalah sebesar
13,67153 nilai X
2
sebesar 12,5916 dengan nilai probabilitas sebesar 0,017 yang berarti bahwa peneliti dapat menolak untuk menggunakan model efek acak. Dua
uji panel data lainnya, yaitu Uji Chow dan Uji LM tidak dilakukan karena kedua
uji tersebut bertujuan membandingkan model efek tetap fixed effect dan model efek acak random effect dengan model pooled, sedangkan heterogenitas individu
yang menjadi asumsi awal penelitian ini tidak akan terdeteksi dengan menggunakan model pooled.
Hasil estimasi dengan menggunakan model efek tetap fixed effect model ditampilkan pada Tabel 4.6 Dari nilai R
2
atau koefisien determinasi pada hasil estimasi tersebut dapat diketahui bahwa 98,47 persen keragaman intra-industry
trade index komoditas ICT dapat dijelaskan oleh variabel-variabel bebasnya
DIST, AVEGDPC, DGDP, DGDPC, EXRF, dan EXR2, sedangkan sisanya dijelaskan oleh variabel lain di luar model. Hasil ini diperkuat dengan probabilitas
F -statistik yang signifikan pada tingkat kepercayaan 95 persen dan tingkat
α= 0,05 yaitu sebesar 0,000.
Tabel 4.6 Hasil Estimasi Fungsi Intra-industry Trade dengan Fixed Effect Model Variabel Koefisien
Standar Error t-Statistik Probabilitas
DIST -1,549415 6,40E+14
-2,42E-15 1,0000
AVEGDPC 13,06019 3,647651
3,580438 0,0006
DGDP -1,884473 0,431016
-4,372161 0,0000
DGDPC -7,488301 5,183451
-1,444655 0,1530
EXRF -1,783829 0,670152
-2,661829 0,0096
EXR2 -26,33103 9,728668
-2,706540 0,0085
Weighted Statistics R-squared
0,984712 Sum squared resid 12568,13
ProbF-statistic 0,000000 Durbin-Watson stat
1,945434 Unweighted Statistics
R-squared 0,789876 Sum squared resid
13814,25 Durbin-Watson stat
1,944947 Untuk uji signifikansi individu uji-t, digunakanlah t-statistik dengan taraf
nyata α = 0,05 α = 0,025 untuk uji dua arah dan derajat bebas 94 yang memiliki
t- kritis sebesar 1,98 uji dua arah yang kemudian dibandingkan dengan nilai
mutlak t-statistik dari hasil estimasi fungsi IIT. Pada model yang diestimasi dapat dilihat bahwa variabel yang signifikan untuk t-kritis sebesar 1,98 adalah variabel
AVEGDPC rata-rata Gross Domestic Product per capita dua negara. Untuk t- kritis sebesar -1,98 variabel yang signifikan adalah DGDP perbedaan Gross
Domestic Product antar negara, EXRF fluktuasi nilai tukar, dan EXR2 nilai
tukar negara partner. Selain itu, langkah penting selanjutnya yang harus dilakukan adalah uji
kebaikan model yang terdiri dari uji multikolinieritas, uji autokorelasi, dan uji heteroskedastisitas. Indikasi multikolinieritas tercermin dengan melihat hasil t-
statistik dan F-statistik hasil regresi. Berdasarkan hasil estimasi diketahui bahwa terdapat empat variabel penjelas yang signifikan secara statistik dari enam
variabel yang dianalisis pada taraf nyata lima persen, sehingga asumsi terjadinya multikolinieritas dapat diabaikan. Uji yang berikutnya adalah uji autokorelasi.
Hasil estimasi yang terlihat pada Tabel 4.6 dapat disimpulkan bahwa tidak terjadi autokorelasi, dimana du1,802DW1,942.
Langkah ketiga dalam mengevaluasi hasil estimasi adalah mendeteksi adanya heteroskedastisitas. Untuk mendeteksinya digunakanlah pendekatan
General Least Square Cross Section Weights, yaitu Sum Square Resid Weighted
StatisticsSum Square Resid Unweighted Statistics 12568,1313814,25, karena
dalam mengestimasi model diberi perlakuan Cross Section Weights dan White Heteroskedasticity-Consistent Standard Errors and Covariance
maka asumsi adanya heteroskedastisitas dapat diabaikan. Berdasarkan hasil estimasi dan
evaluasi terhadap fungsi Intra-industry Trade tersebut maka dapat disimpulkan
bahwa model pada Tabel 4.6 adalah model terbaik yang dapat digunakan dalam penelitian ini.
4.3. Interpretasi Model