V. FAKTOR-FAKTOR YANG MEMENGARUHI ALIRAN PERDAGANGAN IMPOR
5.1 Faktor-faktor yang Memengaruhi Aliran Perdagangan Impor Bawang Merah Indonesia
5.1.1 Pemilihan Kesesuaian Model Pemilihan kesesuaian model dilakukan dengan melakukan uji Chow dan
uji Hausman. Hasil pengujian dengan menggunakan uji Chow menunjukkan probabilitas yang lebih kecil dari taraf nyata 5 persen. Hal ini berarti sudah cukup
bukti untuk menolak H dimana H
merupakan model pooled least squared. Setelah itu juga dilakukan pengujian dengan uji Hausman dimana probabilitasnya
lebih besar dari taraf nyata sehingga sudah cukup bukti untuk menolak H dan H
merupakan model Random Effect. Berdasarkan hasil tersebut diketahui model estimasi terbaik untuk mengetahui fakto-faktor yang memengaruhi aliran
perdagangan impor bawang merah Indonesia adalah dengan menggunakan model efek tetap fixed effect. Setelah model tersebut dipilih selanjutnya akan dilakukan
pengujian asumsi untuk mendapatkan model persamaan yang terbebas dari masalah yang sering dijumpai dalam analisis regresi seperti Multikolinearitas,
Heteroskedastisitas dan Autokorelasi. Indikasi terjadinya multikolinearitas dapat ditunjukkan dengan nilai R-
squared yang tinggi tetapi variabel independen banyak yang tidak berpengaruh
pada variabel dependen. Dari tujuh variabel independen yang dianalisis, dengan R-squared sebesar 98,25 persen, hanya terdapat satu variabel yang tidak
signifikan. Hal ini berarti model sudah terbebas dari masalah multikolinearitas. Pengujian asumsi selanjutnya, yaitu uji heteroskedastisitas dan uji autokorelasi.
Hasil estimasi model dalam penelitian ini diberikan perlakuan cross - section SUR, sehingga asumsi adanya heteroskedastisitas dan autokorelasi dapat
diabaikan.
5.1.2 Hasil Estimasi dan Interpretasi Model
Model estimasi terbaik yang digunakan untuk melakukan analisis terhadap faktor-faktor yang memengaruhi aliran perdagangan komoditas bawang merah
adalah dengan menggunakan efek tetap fixed effect. Berdasarkan hasil estimasi
diketahui nilai koefisisien determinasi R-squared yang diperoleh sebesar 98,25 persen menunjukkan bahwa sebesar 98,25 persen keragaman impor bawang
merah dapat dijelaskan oleh variabel-variabel bebasnya, sedangkan sisanya 1,75 persen dijelaskan oleh faktor-faktor lain di luar model.
Tabel 5.1 Hasil Pendugaan Parameter Faktor-faktor yang Memengaruhi Aliran Perdagangan Impor Bawang Merah Indonesia
Variabel Koefisien
Std. Error t-statistik
Prob.
LNPOPJ -7,982748
0,684535 -11,66157
0,0000 LNPOPI
-113,0607 8,670249
-13,04007 0,0000
LNPM -2,531801
0,084126 -30,09524
0,0000 LNJE
15,21394 1,197638
-12,70328 0,0000
LNGDPJ 16,03484
1,167134 13,73864
0,0000 LNGDPI
22,28454 1,496306
14,89304 0,0000
LNER 0,218203
0,282733 0,771762
0,4427 C
1148,548 112,0012
10,25478 0,0000
Fixed Effect Cross
Thailand 8,380599
India 15,60498
Vietnam 6,188951
Malaysia 10,03516
China 15,57669
Philippines 7,449297
Netherlands -28,80708
USA -17,40212
Australia -17,02647
Weighted Statistic
R-squared 0,982584
Sum squared resid 85,15533
Prob F
stat
0.000000 Durbin Watson
stat
2,174253
Unweighted Statistics
R-squared 0,849338
Sum squared resid 65,86102
Durbin Watson
stat
1,389422 Sumber: Lampiran 4
Catatan: Signifikan pada taraf nyata 1 persen
Pada hasil uji normalitas Tabel 5.2 probabilitas Jarque Bera lebih besar dari pada taraf nyata yang digunakan 0,542755 0,05. Berdasarkan hal tersebut
maka residual dalam model ini dapat dikatakan sudah menyebar normal. Dalam uji kriteria statistik untuk pelanggaran multikolinearitas, model ini juga
disimpulkan tidak mengalami pelanggaran tersebut. Hal ini karena data yang digunakan dalam penelitian ini merupakan penggabungan dari data time series
dan cross-section, sehingga dapat mengurangi multikolinearitas. Selain itu dari
hasil estimasi, terlihat nilai R-squared yang cukup besar sedangkan variabel yang tidak signifikan yaitu nilai tukar riil rupiah terhadap dolar Amerika Serikat.
Tabel 5.2 Hasil Uji Normalitas Model Faktor-faktor yang Memengaruhi Aliran Perdagangan Impor Bawang Merah Indonesia
Model Jarque-Bera
Probability
Aliran Impor Bawang Merah 1,222194
0,542755 Sumber: Lampiran 5
Nilai Durbin Watson
stat
dari hasil pengolahan data adalah sebesar 2,17. Hal ini berarti nilai Durbin Watson
stat
tersebut berada di antara 1,55-2,46, maka model yang diestimasi telah terbebas dari masalah autokorelasi. Sedangkan untuk
masalah heteroskedastisitas, dari hasil estimasi terlihat bahwa Sum Squared Resid pada Weighted Statistics lebih besar dari Sum Squared Resid pada Unweighted
Statistics. Hal ini berarti model sudah terbebas dari masalah heteroskedastisitas. Selain itu, dengan menggunakan pembobotan Cross-Section SUR, masalah
autokorelasi dan heteroskedastisitas dapat disimpulkan sudah teratasi. Selanjutnya akan dilakukan interpretasi pengaruh masing-masing faktor atau variabel terhadap
aliran perdagangan impor komoditas bawang merah. Probabilitas pada variabel populasi negara pengekspor untuk komoditas bawang merah sebesar 0,0000. Hal
tersebut menunjukkan pengaruh nyata signifikan pada taraf nyata satu persen terhadap aliran impor komoditas bawang merah Indonesia, dengan parameter
bertanda negatif tidak sesuai dengan hipotesis penelitian. Menurut Yuniarti 2007, populasi digunakan untuk mengukur ukuran
suatu negara. Suatu negara yang memiliki ukuran yang lebih besar menunjukkan bahwa negara tersebut mempunyai produksi yang lebih beragam dan cenderung
untuk memenuhi kebutuhannnya sendiri inwardly oriented, sehingga besarnya populasi diperkirakann mempunyai hubungan yang negatif dengan perdagangan.
Namun di sisi lain besarnya populasi juga dapat menunjukkan potensi pasar yang besar, sehingga populasi dapat berpengaruh positif. Ketidaksesuaian hasil estimasi
output dengan hipotesis penelitian menjadi indikasi, peningkatan populasi negara asal impor menyebabkan negara tersebut mempunyai produksi yang lebih
beragam dan cenderung untuk memenuhi kebutuhannya sendiri, sehingga peningkatan populasi negara asal sebesar satu persen, akan mengurangi volume
impor bawang merah sebesar 7,98 persen ceteris paribus.
Jumlah populasi negara Indonesia sebagai negara pengimpor memiliki pengaruh negatif tidak sesuai dengan hipotesis penelitian dan menunjukkan nilai
probabilitas sebesar 0,0000. Hal ini berarti variabel populasi berpengaruh nyata signifikan terhadap volume impor komoditas bawang merah Indonesia. Kondisi
ini menunjukkan semakin besar populasi penduduk Indonesia sebesar satu persen maka akan menurunkan volume impor komoditas bawang merah sebesar 113,06
persen ceteris paribus. Peningkatan populasi Indonesia dalam hal ini menunjukkan kecenderungan produksi bawang merah untuk pemenuhan
kebutuhan dalam negeri semakin besar. Dugaan parameter dari variabel harga impor memiliki pengaruh negatif
sesuai dengan hipotesis penelitian dan menunjukkan nilai probabilitas sebesar 0,0000. Hal ini berarti bahwa variabel harga impor berpengaruh nyata signifikan
terhadap volume impor komoditas bawang merah Indonesia. Kondisi ini menunjukkan dengan adanya kenaikan harga impor komoditas bawang merah
sebesar satu persen akan menurunkan volume impornya sebesar 2,53 persen ceteris paribus.
Variabel jarak ekonomi memiliki pengaruh positif terhadap volume impor bawang merah Indonesia tidak sesuai dengan hipotesis penelitian dan
menunjukkan nilai probabilitas sebesar 0,0000. Hal ini menunjukkan bahwa variabel jarak ekonomi berpengaruh nyata signifikan terhadap aliran impor
komoditas bawang merah Indonesia. Kondisi tersebut juga menggambarkan bahwa dengan meningkatnya jarak ekonomi sebesar satu persen akan
meningkatkan volume impor bawang merah Indonesia sebesar 15,21 persen ceteris paribus. Ketidaksesuaian hasil estimasi output dengan hipotesis
penelitian disebabkan karena adanya komisi perdagangan dari suatu transaksi. Adanya komisi transaksi yang diberikan kepada perantara broker akan
memengaruhi transaksi perdagangan internasional. Hal ini disebabkan, semakin tinggi nilai perdagangannya maka semakin tinggi juga komisi transaksi yang
diterima oleh perantara broker. GDP riil negara asal impor bawang merah Indonesia memiliki pengaruh
positif terhadap volume impor bawang merah Indonesia sesuai dengan hipotesis penelitian dan menunjukkan nilai probabilitas sebesar 0,0000. Hal ini berarti
variabel GDP riil negara asal berpengaruh nyata terhadap volume impor bawang merah Indonesia. Kondisi ini menunjukkan bahwa dengan meningkatnya GDP riil
negara asal impor sebesar satu persen akan meningkatkan volume impor bawang merah Indonesia sebesar 16,03 persen ceteris paribus.
Sama halnya dengan GDP riil negara asal, variabel GDP riil Indonesia memiliki pengaruh positif terhadap volume impor bawang merah sesuai dengan
hipotesis penelitian dan menunjukkan nilai probabilitas sebesar 0,0000. Hal ini berarti variabel GDP riil Indonesia berpengaruh nyata signifikan terhadap
volume impor bawang merah Indonesia. Kondisi ini menunjukkan bahwa dengan meningkatnya GDP riil Indonesia sebesar satu persen akan meningkatkan volume
impor bawang merah Indonesia sebesar 22,28 persen ceteris paribus. Selanjutnya variabel nilai tukar pada estimasi hasil output memiliki
pengaruh positif terhadap volume impor komoditas bawang merah Indonesia sesuai dengan hipotesis penelitian dan menunjukkan nilai probabilitas sebesar
0,4427. Hal ini berarti bahwa variabel nilai tukar tidak berpengaruh nyata tidak signifikan terhadap volume impor bawang merah Indonesia. Kondisi ini
menunjukkan bahwa nilai tukar tidak memengaruhi aliran perdagangan impor komoditas bawang merah Indonesia.
Dari hasil estimasi Tabel 5.1 terdapat Fixed Effect Cross yang memperlihatkan pembeda dari setiap cross section negara. Terlihat bahwa India
memiliki nilai pembeda paling tinggi. Hal ini berarti volume impor bawang merah Indonesia dari India memiliki rata-rata perubahan paling tinggi, yaitu sebesar
15,60498. Sedangkan Netherlands memiliki efek yang paling kecil, sehingga dapat dikatakan volume impor komoditas bawang merah Indonesia dari
Netherlands memiliki rata-rata perubahan paling kecil yaitu sebesar -28,80708.
5.2 Faktor-faktor yang Memengaruhi Aliran Perdagangan Impor Kentang Indonesia