Keterangan: DS
t
= tingkat daya saing karet remah pada tahun ke-t, dengan nilai RCA sebagai proksi
α = konstanta
β = parameter yang di duga, dengan β = 1,2,3,4 dan 5
QP
t
= kuantitas produksi karet remah Indonesia Ton ER
t
= nilai tukar riil rupiah terhadap dollar periode tahun ke-t RpU HEC
t
= harga ekspor karet remah Indonesia periode ke-t TonU PRO
t
= produktivitas karet remah Indonesia TonHa Dummy = dummy krisis 1 untuk sesedah krisis tahun 1997, 0 untuk
sebelum krisis tahun 1997 ε
t
= error term pada periode ke-t t
= tahun ke-t Beberapa variabel yang digunakan diubah ke dalam logaritma ln
dikarenakan satuan dari kelima variabel berbeda, maka model tersebut berubah menjadi:
DS
t
= α + β
1
ln QP
t
+ β
2
ln HEC
t
+ β
3
ln PRO
t
+ β
4
ln ER
t
+ β
5
ln Dummy + ε
t
Dimana : DS
t
= tingkat daya saing karet remah pada tahun ke-t dengan nilai RCA sebagai proksi
α = konstanta
β = parameter yang di duga, dengan β = 1,2,3,4 dan 5
Ln QP
t
= kuantitas produksi karet remah Indonesia periode ke-t Ln ER
t
= nilai tukar riil rupiah terhadap dollar periode tahun ke-t Ln HEC
t
= harga ekspor karet remah Indonesia periode ke-t Ln PRO
t
= produktivitas karet remah Indonesia Dummy = dummy krisis 1 untuk sesedah krisis tahun 1997, 0 untuk
sebelum krisis tahun 1997 ε
t
= error term pada periode ke-t t
= tahun ke-t
3.2.3.3. Uji Kesesuaian Model
Ada beberapa kriteria yang dapat digunakan untuk menentukan bahwa model yang telah dihasilkan adalah baik. Pada umumnya digunakan tiga kriteria
kesesuaian model yaitu sebagai berikut : 1. Kriteria Ekonometrika
Pengujian dengan menggunakan kriteria ekonometrika didasarkan pada pelanggaran asumsi pada model Ordinary Least Square OLS. Suatu
model regresi dikatakan baik apabila memenuhi asumsi klasik yaitu penaksiran yang bersifat tidak bias, linier dan mempunyai varians
minimum BLUE. Kriteria pengujian model dalam ekonometrika meliputi uji multikolinearitas, autokorelasi dan heteroskedastisitas.
a. Autokorelasi Autokorelasi merupakan korelasi yang terjadi antara anggota
serangkaian observasi yang diurutkan menurut waktu seperti pada data deret waktu atau ruang seperti pada data cross-sectional. Model klasik
mengasumsikan bahwa unsur gangguan yang berhubungan dengan observasi tidak dipengaruhi oleh unsur gangguan yang berhubungan
dengan pengamatan lain. Uji autokorelasi dilakukan untuk melihat apakah terdapat hubungan antar galat dalam persamaan regresi yang diperoleh.
Jika autokorelasi tersebut diabaikan, maka akan berdampak terhadap pengujian hipotesis dan proses peramalan. Autokorelasi cenderung akan
mengestimasi standar error yang kurang dari nilai yang sebenarnya, sehingga nilai t-statistik akan lebih besar over estimated. Dampaknya
adalah uji-F dan uji-t menjadi tidak valid dan peramalan juga menjadi tidak efisien. Namun, hasil estimasi dan peramalannya masih bersifat
konsisten dan tidak bias. Sifat konsisten pada hasil estimasi dan peramalan model yang mengabaikan autokrelasi tidak akan bertahan lama, kecuali
lag dependent variable diikutsertakan sebagai variabel penjelas.
Pengujian untuk mendeteksi ada tidaknya autokorelasi dapat diakukan dengan metode Breusch-Godfrey serial correlation LM Test.
Sebelum melakukan pengujian, lebih dulu disusun hipotesis awal dan hipotesis tandingannya.
H = tidak ada korelasi
H
1
= ada autokorelasi Taraf nyata = α
Pengambilan kesimpulan bisa dilakukan dengan melihat apakah nilai probabilitas dari obsR-squared kurang dari atau lebih dari pada taraf
nyata α. jika nilai obsR-squared lebih dari taraf nyata α, maka terima H
0.
