kepercayaan tersebut hasil analisis mampu dijelaskan ke dalam teori. Adapun model yang digunakan dalam penelitian ini adalah :
Y
t
= α + β
1
Ln_X1
t
+ β
2
Ln_X2
t
+ β
3
Ln_X3
t
+ β
4
Ln_X4
t
+ β
5
Ln_X5
t
+ β
6
D + ε
t
Keterangan : α =
Intersep β
1….
Β
6
= Parameter yang diduga Y
= Pangsa pasar X1
= Harga domestik Rpton X2
= Harga ekspor USton X3
= Nilai tukar exchange rate RpUS X4
= Pendapatan per kapita negara Amerika USjuta X5
= Populasi negara Amerika juta D =
Variable dummy
, ekolabeling ε =
Error t =
Tahun nilai dugaan diharapkan
β
1
0, β
2
0, β
3
0, β
4
0, β
5
0, β
6
Penggunaan negara Amerika dalam penelitian ini sebagai indikator permintaan dunia akan komoditas kertas Indonesia dikarenakan negara Amerika adalah negara
konsumsi terbesar di dunia Ibnusantosa dalam Sipayung, et. all, 2000 dan Asosiasi Pulp and Paper Internasional, 2001. Selain itu negara Amerika salah satu negara yang
menerapkan standarisasi yang tinggi terhadap komoditas yang berasal dari alam yang ditunjukkan dari penerapan label terhadap seluruh produk dari alam yang masuk ke
negaranya.
4.3. Pengujian Asumsi Model
Sebelum menganalisis variabel yang digunakan dalam penelitian ini lebih lanjut maka perlu dilakukan pengujian terhadap asumsi-asumsi yang terdapat pada OLS agar
estimasi variabel penduga yang digunakan bersifat BLUE Best Linier Unbias Estimator
. Pengujian asumsi tersebut meliputi uji heteroskedastisitas, uji autokolerasi dan uji multikolinearitas.
Model linier regresi yang tidak memiliki varians yang sama akan menandakan bahwa variabel yang digunakan terdapat masalah heteroskedastisitas. Hal tersebut yang
menyebabkan varian tidak memiliki nilai minimum atau tidak efisien dalam memprediksi Gujarati, 1993. Uji heteroskedastisitas dalam penelitian ini
menggunakan white heteroskedasticity test yang dilihat dari probability obsR-squared White Heteroskedasticity Test.
Apabila nilai taraf nyata lebih besar dari probability obsR-squared
berarti dalam model tersebut terdapat gejala heteroskedastisitas. Masalah heteroskedastisitas dapat ditanggulangi dengan mentransformasikan model asli
ke model yang baru. Pengujian autokolerasi juga diperlukan untuk mengetahui hubungan antara error
dimasa lalu dengan saat ini yang menyebabkan parameter tidak bias sehingga pendugaan parameter menjadi tidak efisien. Gejala ini muncul karena tidak
diikutsertakannya seluruh variabel bebas yang relevan dalam model dan penggolahan data yang kurang baik. Uji ini dapat menggunakan Breusch-Godfrey atau langrange-
multiplier sehinggga hasil analisisnya dapat dilihat dari nilai probability obsR-squared
Breusch-Godfrey Serial Correlation LM Test yang dibandingkan dengan taraf nyata.
Apabila taraf nyata lebih besar maka persamaan mengalami gejala autokolerasi. Gejala ini dapat dihilangkan dengan menghilangkan variabel tak bebas dan
mentransformasikan model dari linier menjadi non linier atau sebaliknya. Multikolinearitas dimaksudkan untuk mengetahui hubungan linier antar variabel
independen. Masalah ini dapat dideteksi Gujarati, 1995 ketidaksesuaian tanda dengan yang diharapkan, nilai R
2
yang tinggi namun koefisien parameter dari t-stat banyak yang tidak signifikan, R
2
lebih rendah dari r
ij 2
. Apabila nilai dari hasil regresi menunjukkan hal tersebut maka model tersebut mengalami gejala multikolinearitas.
Apabila terjadi hubungan linier antara variabel independen memberikan nilai standar eror
yang tinggi sehingga tingkat signifikansi rendah. Gejala ini dapat dihilangkan antara lain dengan menghilangkan variabel yang tidak signifikan, mentransformasikan
data, dan menambah data.
V. GAMBARAN INDUSTRI KERTAS INDONESIA
