5. Tidak ada multikolinearitas, yang berarti bahwa tidak ada hubungan yang nyata antar peubah X atau variabel-variabel independen nya.
Jika asumsi-asumsi tersebut diatas terpenuhi, maka koefisien regresi yang diduga bersifat BLUE Best Linier Unbiased Estimate.
Namun, kadangkala ada kemungkinan terjadinya spurious regression atau regresi palsu yang disebabkan adanya variabel dependen dan variabel independen
yang digunakan dalam model tidak stasioner sehingga jika variabel-variabel tersebut dibuat regresi akan menghasilkan regresi yang tampaknya baik yaitu
dengan R
2
tinggi, uji hipotesis yang signifikan, dan sebagainya. Menurut Granger dan Newold, jika R
2
statistik Durbin Watson maka dapat dicurigai hasil regresi tersebut adalah regresi palsu Nachrowi, 2006. Untuk mengetahui apakah regresi
yang dihasilkan tersebut regresi palsu atau bukan, maka dapat dilakukan uji ko- integrasi. Jika residual atau u
t
stasioner, maka antara variabel dependen dengan variabel independennya dikatakan terkointegrasi. Sehingga jika dapat dibuktikan
bahwa antara variabel dependen dengan variabel independennya terkointegrasi maka dapat disimpulkan regresi tersebut bukanlah regresi palsu tetapi regresi yang
terkointegrasi.
3.3 Perumusan Model
Variabel-variabel bebas yang digunakan adalah GDP riil negara tujuan ekspor, harga ekspor, nilai tukar riil, dummy kuota dan dummy krisis global.
Sementara itu, variabel dependennya yaitu volume ekspor TPT Indonesia terhadap Amerika Serikat AS.
Sehingga model persamaan regresi nya dapat dituliskan sebagai berikut: X
t
= f GDP
t
, PX
t
, NT
t
, D
t
3.2 X
t
= α + β
1
GDP
t
– β
2
PX
t
– β
3
NT
t
– β
4
D
1
– β
5
D
2
+ u
t
3.3 dimana:
X
t
= volume ekspor TPT Indonesia ke AS pada bulan ke-t kg α
= autonomous ekspor kg β
t
= parameter yang diduga GDP
t
= GDP riil Amerika Serikat pada bulan ke-t milyar dollar PX
t
= harga ekspor TPT Indonesia ke AS pada bulan ke-t USkg NT
t
= nilai tukar mata uang Indonesia terhadap mata uang AS pada bulan ke-t Rp.US.
D
1
= dummy kuota, 1 = tanpa kuota, 0 = ada kuota D
2
= dummy krisis global, 1 = saat krisis global, 0 = sebelum krisis global u
t
= error term pada periode ke-t Namun, untuk melihat perubahan suatu variabel yang diakibatkan oleh perubahan
variabel lain, maka digunakan Model Log-Log atau double log. Misalkan suatu model didefinisikan sebagai berikut:
ln Y = ln β
1
+ β
2
ln X Keunggulan dari model log-log ini terdapat pada
koefisien slope β
2
pada contoh model diatas. Karena nilai slope tersebut merupakan suatu ukuran elastisitas Y
terhadap X atau dapat dikatakan koefisien slope merupakan tingkat perubahan pada variabel Y dalam persen karena perubahan pada variabel X dalam persen.
Sehingga bentuk persamaan permintaan ekspor TPT setelah diubah menjadi model log-log adalah sebagai berikut:
ln X
t
= ln α + β
1
ln GDP
t
- β
2
ln PX
t
- β
3
ln NT
t
- β
4
D
1
- β
5
D
2
+ u
t
3.4
3.4 Elastisitas
Secara matematis, suatu elastisitas dapat ditentukan dengan rumus:
Elastisitas: ∂YY ∂XX =
3.5
= dan
= , maka
3.6
∂ln Y = dan
∂ln X =
,
sehingga 3.7
=
.
= elastisitas 3.8
dimana: Y = rata-rata nilai peubah Y
X = rata-rata nilai peubah X Dalam pernyataan diatas menunjukkan bagaimana variabel Y menanggapi, ceteris
paribus , perubahan sebesar 1 persen dalam variabel X.
3.5 Pengujian Model
