35
dalam penelitian. Observasi data yang digunakan berjumlah 120 dengan range data dari bulan Januari 2000 hingga Desember 2009. Penggunaan data dibagi
menjadi dua bagian yaitu pra-EHP dan pasca-EHP. Pra-EHP dimulai dari tahun 2000 sampai 2004, dan pasca-EHP diberlakukan dengan tarif 0 untuk Jeruk
Mandarin dari tahun 2005 hingga 2009. Tabel 4. Metode Pengumpulan Data dan Analisis
No. Tujuan Penelitian Data yang Diperlukan
Sumber Data Metode Analisis
1. Mengidentifikasi
faktor-faktor yang memengaruhi
substitusi impor Produk domestik
bruto, harga domestik, produksi jeruk, harga
impor, nilai tukar rupiah terhadap dollar,
dan jumlah impor Jeruk Mandarin
BPS, Kementerian
Pertanian, Kementerian
Perdagangan Analisis deskriptif
dan regresi berganda double
log
2. Membandingkan
substitusi impor setelah dan sebelum
diberlakukannya ACFTA
Jumlah dan Nilai impor Jeruk Mandarin
Cina BPS
Indeks Grubel- Llyod, Analisis
Trend, dan pangsa impor
3. Mendeskripsikan
upaya peningkatan produksi jeruk lokal
agar dapat melakukan substitusi
Kebijakan pemerintah dan kondisi pertanian
jeruk secara umum BPS,
Kementerian Pertanian
Analisis deskriptif
4.4 Metode Analisis Data
Analisis data diperoleh secara kualitatif dan kuantitatif dengan mengolah data. Pengolahan data dilakukan dengan menggunakan program Eviews dan
Microsoft Excel.
4.4.1 Analisis Deskriptif
Analisis ini digunakan dalam menjelaskan hasil dari penelitian agar tidak hanya terbatas pada data statistik yang kaku guna menghasilkan kesimpulan yang
lebih menarik. Penelitian ini menggunakan analisis deskriptif dalam menjelaskan variabel yang memenuhi sebagai faktor yang memengaruhi substitusi impor
36
apakah layak secara ekonomi maupun statistik serta menjelaskan mengenai kondisi substitusi impor jeruk pada saat sebelum dan setelah kesepakatan ACFTA
diterapkan Analisis ini juga digunakan dalam menjelaskan upaya-upaya apa saja yang
secara nyata dapat diterapkan guna meningkatkan produksi jeruk, sehingga dapat melakukan substitusi impor dengan mengurangi dominasi jeruk impor dan
menggantinya dengan jeruk lokal. Hasil yang diperoleh harus berdasarkan kondisi sebenarnya dan didukung oleh data-data yang valid.
4.4.2 Analisis Faktor-faktor yang Memengaruhi Substitusi Impor dengan Model Regresi Berganda
Model regresi berganda yang digunakan adalah model double-log. Variasi ini dipilih karena mengubah variabel ke fungsi logaritma dengan Ln. Ln membuat
jarak antar data menjadi tidak terlalu lebar, sehingga dapat terhindar dari heterokedastisitas dan ketidakstasioneran. Hasil regresi pun berupa presentase
yang telah mencerminkan elastisitas variabel X terhadap variabel Y. 1. Spesifikasi model ditetapkan sesuai persamaan yang apabila merupakan
model double-log menjadi: Ln Y
1 =
β +
β1 LnX
1i +
β
2
LnX
2i +
β
3
LnX
3i + … +
β
k
LnX
ki
2. Peubah X
k
merupakan peubah non-stokastik fixed, artinya sudah ditentukan, bukan peubah acak. Selain itu, tidak ada hubungan linear
sempurna antar peubah bebas X
k.
3. a Komponen sisaan ε
i
mempunyai nilai harapan sama dengan nol, dan ragam konstan untuk semua pengamatan i. Eε
i
=0 dan Varε
i
=σ
2
. b Tidak ada hubungan atau tidak ada korelasi antara si
saan ε
i
sehingga Covε
i,
ε
j
=0, untuk i≠j.
37
c Komponen sisaan menyebar normal. Menurut dalil Gauss-Markov, jika asumsi 1, 2, 3a, dan 3b dipenuhi maka
pendugaan parameter koefisien regresi menggunakan metode OLS akan menghasilkan penduga tak bias linier terbaik BLUE = Best Linier Unbiased
Estimator Juanda 2009.
Persamaaan faktor-faktor dibuat dengan memasukkan variabel-variabel tertentu ke dalam model. Model regresi berganda adalah persamaan regresi
dengan satu peubah tak bebas atau dependent variable P dengan lebih dari satu peubah bebas atau independent variable X
1
, X
2
,…, X
n
. Fungsi persamaan adalah sebagai berikut:
[P = f PDB, TI, HKJD, HJI, PJD, KJ, NT] Model untuk pendugaan faktor-faktor yang memengaruhi substitusi impor dengan
dibuat berdasarkan metode regresi double-log adalah sebagai berikut: Ln SIJ
t
= β -
β
1
LnNTR + β
2
LnHKJ + β
3
LnPDB - β
4
LnPJL - β
5
LnHJI + β
6
LnSIJ
t-1
+ β
7
D C + ε
i
Atau dalam bentuk eksponensial menjadi: SIJ
= β NTR
β1
HKJ
β2
PDB
β3
PJL
β4
HJI
β5
SIJ
t-1 β6
DC
β7
e
u
dimana: β
: Intersep β
1
, β
2,...
β
5
: Koefisien regresi LnSIJ
: Substitusi Impor periode ke-t kg LnNTR
: Nilai tukar rupiah terhadap dolar RpUS LnHKJ
: Harga konsumen jeruk di pedesaan periode ke-t Rpkg LnPDB
: Produk Domestik Bruto ke-t Rpkapita
38
LnPJL : Produksi jeruk Indonesia pada periode ke-t tonbulan
LnHJI : Harga jeruk impor periode ke-t Rpkg
LnSIJ
t-1
: Substitusi impor tahun periode t-1 kg DC
: Dummy pengaruh ACFTA terhadap impor jeruk ε
i :
Error term periode ke-t
Tanda parameter dugaan yang diharapkan adalah: β
2,
β
5,
β
6
, β
7
0 dan β
1,
β
3,
β
4
, 0.
Variabel substitusi impor merupakan variabel dependen yang memiliki jumlah yang sama dengan impor jeruk lokal terutama yang berasal dari Cina.
Metode statistik yang digunakan untuk menjelaskan hubungan sebab akibat antara substitusi impor dan faktor-faktor yang dianggap dapat memengaruhi adalah
regresi linier dengan metode kuadrat terkecil atau Ordinary Least Square OLS. Model double-log yang memiliki kelebihan yaitu sebuah koefisien regresi
individual dapat diinterpretasikan sebagai elastisitas. Model regresi dalam analisis data diuji kebenaran tanda dan besarannya
pada setiap koefisien dugaan berdasarkan teori ekonomi yang digunakan. Apabila tanda pada model sesuai dengan teori ekonomi maka model tersebut dinyatakan
layak dan dapat diterima secara ekonomi. Pengujian terhadap model adalah sebagai berikut:
1. Pengujian terhadap model Pengujian dilakukan guna mengetahui apakah model penduga yang
diajukan sudah layak untuk menduga parameter dan fungsi substitusi impor di Indonesia. Uji Fisher atau Uji F dalam Juanda 2009 merupakan pengujian model
secara keseluruhan dengan hipotesis pengujian yaitu:
39
H : β
1
= β
2
= … = β
t
= 0 t = 1,2,..,n H
1
: Minimal ada satu β
t
yang tidak sama dengan 0 Perhitungan nilai F
hitung
menggunakan rumus:
Keterangan: Dbr
= Derajat bebas regresi Dbe = Derajat bebas error
KTR = Kuadrat Tengah Regresi KTS = Kuadrat Tengah Sisaan
Kriteria keputusan jika men ggunakan taraf nyata α misalnya 5 . Apabila
F
hitung
lebih dari F
tabel
maka terima H
1
atau probability F statistic kurang dari taraf nyata, artinya variabel bebas dalam model berpengaruh nyata terhadap variabel
tidak bebas, begitu pula sebaliknya. 2. Pengujian untuk tiap-tiap parameter
Uji t merupakan uji variabel secara parsial untuk menguji kesignifikanan setiap faktor terhadap produktivitas Juanda 2009. Uji t yang dilakukan
merupakan uji satu sampel dengan uji dua arah yang menggunakan hipotesis sebagai berikut:
H : β
t
= 0 t = 1,2,…,n
H
1
: β
t
≠ 0 Perhitungan nilai T
hitung
menggunakan rumus:
Keterangan: Bl
= parameter dugaan Sdbl = simpangan baku dari parameter dugaan
40
Kriteria keputusan jika menggunakan taraf nyata α misalnya 5 . Apabila
T
hitung
lebih dari T
tabel
maka terima H
1
artinya variabel bebas dalam model berpengaruh nyata terhadap variabel tidak bebas pada taraf nyata 5 , begitu pula
sebaliknya. Selain menggunakan t hitung, nilai p value juga telah menunjukkan kemampuan variabel independen X
i
dalam menjelaskan variabel dependen Y. Apabila p value kurang dari taraf nyata, maka tolak H
yang berarti variabel X
i
berpengaruh nyata terhadap variabel Y. 3. Pengujian tingkat keragaman model
Koefisien determinasi R
2
sering diinterpretasikan sebagai proporsi total keragaman Y yang dapat dijelaskan oleh model regresi X terhadap Y Juanda,
2009. Uji ini bertujuan utnuk mengetahui seberapa besar keragaman variabel tak bebas yaitu substitusi impor jeruk yang dapat diterangkan oleh variabel bebas.
Koefisien determinasi dirumuskan sebagai berikut:
Keterangan: JKR
= Jumlah Kuadrat Regresi JKT
= Jumlah Kuadrat Total Apabila R
2
semakin mendekati 1, maka semakin besar pula keragaman substitusi impor jeruk yang dapat diterangkan oleh variabel dalam model.
4. Pengujian terhadap Multikolinearitas Salah satu asumsi dari model regresi berganda adalah bahwa tidak ada
hubungan linear sempurna antar peubah bebas dalam model tersebut atau tidak ada multikolinearitas Juanda 2009. Ada atau tidaknya multikolinearitas dalam
suatu model dapat diidentifikasi dengan menggunakan VIF Variance Inflation
41
Factor yang menggambarkan kenaikan var b
j
karena korelasi antarpeubah penjelas. Jika nilai VIF lebih dari 10 maka artinya ada multikolinearitas.
5. Pengujian terhadap heterokedastisitas Pendeteksian terhadap heterokedastisitas dilakukan untuk menghindari
ragam sisaan ε
t
yang tidak sama.. Pengujian dilakukan dengan menggunakan uji white
dengan hipotesis: H
: Varε
i
=Eε
i 2
=σ
2
H
1
: Varε
i
=Eε
i 2
=σ
2 i
Berdasarkan uji white, akan diperoleh nilai probabilitas Chi-Square yang apabila nilainya lebih dari alpha maka artinya terima H
dan asumsi homokedastisitas terpenuhi. Pelanggaran ini bukan hanya dapat terjadi dalam data cross section,
tapi juga untuk data time series Juanda 2009. 6. Pengujian terhadap normalitas
Uji dilakukan untuk mengetahui apakah residual dalam model menyebar normal atau tidak. Pendeteksian dilakukan dengan menggunakan uji Jarque-Bera
dan grafiknya. Apabila nilai probabiliti lebih besar dari taraf nyata yang ditetapkan maka disimpulkan bahwa residual dalam model menyebar normal.
7. Pengujian Terhadap Autokorelasi Salah satu asumsi dalam model regresi linier adalah bahwa tidak ada
autokorelasi atau korelasi antar sisaan ε
t
atau dalam pengertian lain adalah sisaan menyebar bebas Juanda 2009. Akibat autokorelasi yaitu model masih
tetap tidak bias, masih konsisten, mempunyai standar error yang bias ke bawah, dan penduga OLS tidak lagi efisien. Uji autokorelasi dilakukan dengan uji
Breusch-Godfrey Serial LM Test karena jumlah pengamatan lebih dari 100.
42
Pengujian dengan Breusch-Godfrey Serial LM Test dilihat dari nilai probabilitas ObsR Squared
. Apabila nilai lebih dari taraf nyata, maka tidak ada autokorelasi, begitu pula sebaliknya.
4.4.3 Metode Interpolasi Spline Kubik
