dilunasi pada saat pengambilan pita cukai dari Direktorat Jenderal Bea dan Cukai sehingga yang harus menanggung cukai pertama kali adalah produsen rokok.
Variabel pungutan cukai diukur dengan skala pengukuran rasio dalam satuan Rupiah.
3.8. Model Analisis Data
Analisis data dalam penelitian ini menggunakan model regresi linear berganda sedangkan metode analisis yang dilakukan adalah dengan Ordinary Least Square
OLS. Nachrowi dan Usman 2006 mengemukakan tiga alternatif model regresi yang dapat digunakan untuk mengestimasi data penelitian yang bersifat data panel, yaitu :
Model Pool Data, Model Efek Tetap MET dan Model Efek Random MER. Adapun instrumen analisis yang digunakan untuk mengolah dan menganalisis data
penelitian ini adalah Paket Program Statistik Eviews versi 4.1 dan SPSS versi 14.0 .
3.8.1. Model Pool Data
Metode estimasi dengan OLS menggunakan model pool data pada data panel dilakukan dengan cara menggabungkan data cross-sectional dengan data time series
menjadi suatu pool data. Dengan menggabungkan data ini maka perbedaan baik antar individu maupun antar waktu dari pool data tersebut tidak dapat terlihat. Hal ini
tentunya tidak sesuai dengan tujuan awal dari penggunaan data panel tersebut, yaitu untuk melihat perbedaan antar waktu dan antar individu. Dengan demikian
kemungkinan adanya bias dan inkonsisten dari hasil estimasi sangatlah besar. Adapun
Surono : Pengaruh Kebijakan Cukai, Failitas Penundaan Dan Tingkat Produksi Terhadap Pungutan Cukai…, 2007 USU e-Repository © 2008
model analisis untuk persamaan Regresi berganda dengan Model pool data adalah berbentuk sebagai berikut :
Y = a + b
1
X1
it
+ b X2 + b X3 + e
it it
2 it
3 it
3.8.2. Model Efek Tetap MET
Adapun dasar pemikiran pembentukan model MET ini adalah bahwa adanya variabel-variabel yang tidak semuanya masuk dalam persamaan model memungkinkan
adanya intercept a yang tidak konstan, dengan kata lain intercept mungkin berubah untuk setiap individu dan waktu. Secara matematis model MET dispesifikasi ke dalam
persamaan berikut : Y
it
= a + b X1 + b X2 + b X3
it
+ g
1
W
1t
+ g W + ...+ g W + d
1
Z +d Z +...+d
t
Z + e
1 it
2 it
3 2
2 t n
nt i1
2 i 2
it it
3.8.3. Model Efek Random MER
Bila pada model MET perbedaan antar individu dan atau waktu dicerminkan lewat intercept, maka pada MER perbedaan tersebut diakomodasi lewat error. Teknik
ini memperhitungkan bahwa error mungkin berkorelasi sepanjang time series dan cross section.
Adapun dasar pemikiran pembentukan model ini adalah adanya dua faktor yang berkontribusi terhadap error, yaitu individu dan waktu sehingga random
error pada MER juga perlu diurai menjadi error untuk komponen individu, waktu dan
error gabungan. Maka persamaan untuk MER diformulasikan sebagai berikut :
Y = a + b
1
X1
it
+ b X2 + b X3 + e
it it
2 it
3 it
dimana,
it it
it it
e = u + v + w
Surono : Pengaruh Kebijakan Cukai, Failitas Penundaan Dan Tingkat Produksi Terhadap Pungutan Cukai…, 2007 USU e-Repository © 2008
Dimana, i
: 1,2,3,.......,n banyaknya observasi cross sectional t
: 1,2,3,......,t banyaknya periode waktu pengamatan Y
: Pungutan cukai rokok untuk setiap semester tahunan dalam satuan rupiah X1 : Kebijakan Cukai untuk setiap semester tahunan dalam satuan rupiah per
batang X2 : Fasilitas penundaan untuk setiap semester tahunan dalam satuan Rupiah
X3 : Tingkat Produksi rokok untuk setiap semester tahunan dalam satuan Batang a
: Koefisien
intercept dari persamaan regresi
b :
Koefisien slope
dari masing-masing variabel independen e
: Faktor gangguan error yang stokhastik W, Z : variabel dummy yang didefinisikan sebagai berikut :
= 1 ; untuk individu i, i = 1,2,...n
it
W = 0 ; untuk lainnya
= 1 ; untuk periode t, t = 1,2,...n
it
Z = 0 ; untuk lainnya
g : Koefisien slope dari variabel dummy W
d : Koefisien
slope dari variabel dummy Z
i
u : Komponen
error dari cross section
t
v : Komponen
error dari time series
it
w : Komponen
error gabungan
3.8.4. Pemilihan Model Analisis
Pemilihan model regresi berganda yang paling tepat diantara ketiga model analisis diatas, didasarkan atas 3 kriteria sebagai berikut :
1. Nilai koefisien determinasi R² yang paling besar , dari alternatif model estimasi.
2. Tujuan penggunaan data panel, dalam hal ini dimaksudkan untuk menganalisis
karakteristik variabel baik dari sisi croos sectional maupun dari sisi time series. Untuk keperluan ini maka model estimasi yang paling memungkinkan untuk
digunakan adalah model regresi MET dan model regresi MER. 3.
Berdasarkan pendapat beberapa ahli ekonometrika, apabila dalam suatu data panel terdapat jumlah periode waktu time series yang lebih besar dibanding jumlah
Surono : Pengaruh Kebijakan Cukai, Failitas Penundaan Dan Tingkat Produksi Terhadap Pungutan Cukai…, 2007 USU e-Repository © 2008
individu cross sectional, maka disarankan menggunakan MET, dan sebaliknya apabila jumlah periode waktu time series yang lebih kecil dibanding jumlah
individu cross sectional, maka disarankan menggunakan MER. Berdasarkan ketiga kriteria diatas, maka model yang terpilih untuk
menganalisis data penelitian adalah model regresi MET. Hasil lengkap output program Eviews 4.1 yang diujicobakan terhadap masing-masing model estimasi ditampilkan
pada bagian lampiran. Model regresi MET memberikan output nilai koefisien determinasi R² yang tertinggi yaitu sebesar 0,95. Kemudian berdasarkan analisis
terhadap data penelitian, jumlah periode pengamatan time series lebih banyak dibanding jumlah data inidividu cross sectional.
3.9. Pengujian Asumsi Klasik
