ANALISIS DATA DAN PEMBAHASAN

D. ANALISIS DATA DAN PEMBAHASAN

Untuk menganalisis pengaruh variabel kurs, harga, impor, inflasi, perkapita GDP USA, perkapita GDP Jepang dan perkapita GDP singapor terhadap ekspor non migas Provinsi Jawa Tengah, mengunakan alat analisis regresi berganda untuk dapat mengukur dan besaran pengaruh beberapa variabel bebas (independent variables) terhadap perkembangan ekspor non migas Provinsi Jawa Tengah sebagai variabel terikat (dependent variable).

Dalam penelitian ini persamaan model regresi (Estimation Equation) adalah sebagai berikut:

Persamaan

Y=β 0 +β 1 X 1 +β 2 X 2 +β 3 X 3 +β 4 X 4 +β 5 X 5+ β 6 X 6+ β 7 X 7 +e i

Dimana : Y = ekspor non migas (dalam satuan rupiah)

X 1 = Harga (dalam satuan US$)

X 2 = impor (dalam satuan rupiah)

X 3 = Inflasi (dalam satuan persen)

X 4 = Kurs (dalam satuan rupiah)

X 5 = GDP/kapita Amerika Serikat (dalam satuan US$)

X 6 = GDP/kapita Jepang (dalam satuan US$)

X 7 = GDP/kapita Singapor (dalam satuan US$) Ei = Variabel pengganggu Model pengolahan data di kerjakan mengunakan program Econometric Views (E-Views) versi 4.0. adapun tahapan pengolahan data dapat dilihat pada tabel 4.10 berikut:

commit to user

Tabel 4.6 Hasil Analisis Regresi Linier Berganda

Dependent Variable: EKSPOR Method: Least Squares Date: 07/10/12 Time: 10:40 Sample: 1980 2010 Included observations: 31

Variable

Coefficient Std. Error

t-Statistic Prob.

C -3.55E+08 1.72E+08

0.985673 Mean dependent var

1.33E+09 Adjusted R-squared

0.981313 S.D. dependent var

1.20E+09 S.E. of regression

1.64E+08

Akaike info criterion 40.88273 Sum squared resid

6.16E+17 Schwarz criterion

41.25279 Log likelihood

-625.6823 F-statistic

226.0565 Durbin-Watson stat

1.395194 Prob(F-statistic)

0.000000 Sumber : E-Views versi 4.0, data diolah

Berdasarkan tabel 4.10 tersebut, hasil ekstimasi dengan mengunakan regresi diatas dapat dituliskan persamaan regresi sebagai berikut:

Y=β 0 +β 1 X 1 +β 2 X 2 +β 3 X 3 +β 4 X 4 +β 5 X 5+ β 6 X 6+ β 7 X 7 +e i

Dimana : Y = ekspor non migas (dalam satuan rupiah)

X 1 = Harga (dalam satuan US$)

X 2 = impor (dalam satuan rupiah)

X 3 = Inflasi (dalam satuan persen)

X 4 = Kurs (dalam satuan rupiah)

X 5 = GDP/kapita Amerika Serikat (dalam satuan US$)

X 6 = GDP/kapita Jepang (dalam satuan US$)

commit to user

X 7 = GDP/kapita Singapor (dalam satuan US$) Ei = Variabel pengganggu Setelah didapatkan nilai parameter – parameter estimasi dari persamaan regresi tersebut, maka dilakukan pengujian statistik dan uji ekonometrika sebagai berikut:

1. Uji Statistika

a. Uji t (Uji Parameter Individual)

Uji t adalah uji secara indivual semua koefisien regresi yang bertujuan untuk mengetahui besarnya pengaruh dari masing – masing variabel independent terhadap variabel dependent. Hasil pengujian terhadap koefisien regresi masing – masing variabel bebas dengan α = 5% akan diperoleh sebagai berikut:

1) Jika | t hitung | < | t tabel | pada tingkat signifikasi 5%, maka Ho diterima dan Ha ditolak, artinya variabel independent tidak mempengaruhi variabel dependent secara signifikan.

2) Jika | t hitung | > | t tabel | pada tingkat signifikasi 5%, maka Ho ditolak dan Ha diterima, maka artinya variabel independent mempengaruhi variabel dependent secara signifikan.

Berikut ini adalah hasil dari pengujian parameter individual dengan tingkat signifikasi (α = 5%):

1) Koefisien regresi dari konstanta mempunyai t hitung sebesar - 2.065749dan t tabel adalah sebesar 1,711 sehingga | 2.065749 | > | 1,711 |, dimana nilai probabilitasnya sebesar 0.0503 < 0,05, maka

commit to user

konstata tersebut sign ifikan pada tingkat signifikasi (α = 5%) dengan kata lain, konstanta berpengaruh secara statistik terhadap EKSPOR.

2) Koefisien regresi dari HARGA mempunyai t hitung sebesar 0.224971 dan t tabel adalah sebesar 1,711 sehingga | 0.224971 | < | 1,711 |, dimana nilai probabilitasnya adalah 0.8240 > 0,05, maka Ho diterima dan Ha ditolak, maka artinya bahwa variabel independent tidak mempengaruhi variabel dependent secara signifikan pada tingkat signifikasi (α = 5%). Dengan mengangap variabel lain konstan, maka secara individu variabel HARGA tidak berpengaruh secara statistik terhadap EKSPOR.

3) Koefisien regresi dari IMPOR mempunyai t hitung sebesar 1.271075 dan t tabel adalah sebesar 1,711 sehingga | 1.271075 | < | 1,711 |, dimana nilai probabilitasnya adalah 0.2164 > 0,05, maka Ho diterima dan Ha ditolak, maka artinya bahwa variabel independent tidak mempengaruhi variabel dependent secara signifikan pada tingkat signifikasi (α = 5%). Dengan mengangap variabel lain konstan, maka secara individu variabel IMPOR tidak berpengaruh secara statistik terhadap EKSPOR.

4) Koefisien regresi dari INFLASI mempunyai t hitung sebesar - 2.105970 dan t tabel adalah sebesar 1,711 sehingga | 2.105970 | > | 1,711 |, dimana nilai probabilitasnya adalah 0.0463 < 0,05, maka Ho ditolak dan Ha diterima, maka artinya bahwa variabel independent mempengaruhi variabel dependent secara signifikan

commit to user

pada tingkat signifikasi (α = 5%). Dengan mengangap variabel lain konstan, maka secara individu variabel INFLASI berpengaruh

secara statistik terhadap EKSPOR.

5) Koefisien regresi dari KURS mempunyai t hitung sebesar 3.670386 dan t tabel adalah sebesar 1,711 sehingga | 3.670386 | > | 1,711 |, dimana nilai probabilitasnya adalah 0.0013 < 0,05, maka Ho ditolak dan Ha diterima, maka artinya bahwa variabel independent mempengaruhi variabel dependent secara signifikan pada tingkat signifikasi (α = 5%). Dengan mengangap variabel lain konstan, maka secara individu variabel KURS berpengaruh secara statistik terhadap EKSPOR.

6) Koefisien regresi dari USA mempunyai t hitung sebesar 1.076660 dan t tabel adalah sebesar 1,711 sehingga | 1.076660 | < | 1,711 |, dimana nilai probabilitasnya adalah 0.2928 > 0,05, maka Ho diterima dan Ha ditolak, maka artinya bahwa variabel independent tidak mempengaruhi variabel dependent secara signifikan pada tingkat signifikasi (α = 5%). Dengan mengangap variabel lain konstan, maka secara individu variabel USA tidak berpengaruh secara statistik terhadap EKSPOR.

7) Koefisien regresi dari JPG mempunyai t hitung sebesar -5.367054 dan t tabel adalah sebesar 1,711 sehingga | 5.367054 | > | 1,711 |, dimana nilai probabilitasnya adalah 0.0000 < 0,05, maka Ho ditolak dan Ha diterima, maka artinya bahwa variabel independent mempengaruhi variabel dependent secara signifikan pada tingkat

commit to user

signifikasi (α = 5%). Dengan mengangap variabel lain konstan, maka secara individu variabel JPG berpengaruh secara statistik

terhadap EKSPOR.

8) Koefisien regresi dari SING mempunyai t hitung sebesar 7.634178 dan t tabel adalah sebesar 1,711 sehingga | 7.634178 | > | 1,711 |, dimana nilai probabilitasnya adalah 0.0000 < 0,05, maka Ho ditolak dan Ha diterima, maka artinya bahwa variabel independent mempengaruhi variabel dependent secara signifikan pada tingkat signifikasi (α = 5%). Dengan mengangap variabel lain konstan, maka secara individu variabel SING berpengaruh secara statistik terhadap EKSPOR.

b. Uji F

Uji F adalah uji untuk mengetahui besarnya pengaruh variabel independent terhadap variabel dependent secara bersama – sama, dengan kriteria pengujian sebagai berikut:

1) Jika nilai F hitung < F tabel ( pada α = 5%), maka Ho diterima dan Ha ditolak, yang berarti bahwa variabel independent secara bersama – sama tidak berpengaruh terhadap variabel dependent.

2) Jika nilai F hitung > F tabel ( pada α = 5%), maka Ho ditolak dan Ha diterima, yang berarti bahwa secara bersama – sama variabel independent berpengaruh secara signifikan terhadap variabel dependent.

commit to user

Berdasar hasil pengolahan diketahui bahwa nilai F hitung adalah sebesar 226.0565 lebih besar dari F tabel yaitu 2,42, dengan probabilitas sebesar 0.000000 yang berarti sign ifikan pada α = 5%. Hal ini berarti bahwa variabel INFLASI, KURS , GDP perkapita JEPANG dan GDP perkapita SINGAPOR bersama – sama berpengaruh secara signifikan terhadap ekspor non migas Provinsi Jawa Tengah.

c. Koefisien Determinasi ( R 2 ) atau Goodness of Fit

Koefisien determinasi digunakan untuk mengetahui berapa persen perubahan variasi variabel independent dapat menjelaskan perubahan variabel dependentnya. Hasil estimasi koefisien determinasi yang telah disesuaikan (Adjusted R-squared) sebesar 0.9813 yang berarti 98,13% variabel dependent dapat dijelaskan oleh variabel independent yang dimasukan dalam model. Sedangkan sisanya sebesar 1,87% dipengaruhi oleh faktor lain diluar model.

commit to user

2. Uji Ekonometrika / Asumsi Klasik

a. Uji Normalitas

Gambar 4.7 Uji Normalitas

Series: Residuals Sample 1980 2010 Observations 31

Std. Dev.

Sumber : E-Views 4.0, data diolah

Metode yang dapat digunakan untuk uji normalitas adalah uji Jarque – Bera (JB). Kriteria pengujian : jika JB hitung < χ 2 tabel (probabilitas JB lebih besar 0,05) maka Ho diterima: residual terdistribusi normal.

Dari hasil uji JB diatas, terlihat bahwa JB hitung (1.147) < dari χ 2 tabel (36.415) dengan probabilitas JB > 0,05, berarti Ho diterima : residual terdistribusi normal. Berarti sudah dapat terpenuhi salah satu asumsi, bahwa data yang dianalisis dengan mengunakan statistik parametris harus terdistribusi normal.

commit to user

b. Uji Multikolinearitas

Multikolinearitas adalah suatu keadaan dimana terdapat hubungan linier sempurna atau pasti di antara variabel – variabel bebas dalam suatu regresi. Untuk mengetahui ada tidaknya hubungan linier yang pas diantara variabel yang menjelaskan dalam model regresi ini dapat dilakukan berbagai cara pengujian . gejala

multikolinier adalah pada saat R 2 sangat tinggi, namun tidak ada satupun dari koefisien regresi yang signifikan secara statistik melalui uji t . Uji multikolinearitas dilakukan dengan pendekatan korelasi parsial seperti yang disarankan oleh Farrar dan Gruber (1967).

Pedoman yang digunakan adalah, jika nilai R 2 a (R 2 regresi awal ) lebih tinggi dari nilai R 2 pada regresi antara variabel bebas, maka dalam model empirik tersebut tidak terdapat adanya multikoliearitas.

Tabel 4.7 Uji Multikolinearitas

Variabel dependent

R 2 Tanda R 2 (awal) Kesimpulan (1)

0.985673 Tidak Ada

Multikolinearitas KURS

0.667424

0.985673 Tidak Ada Multikolinearitas

JPG

0.729213

0.985673 Tidak Ada Multikolinearitas

SING

0.821128

0.985673 Tidak Ada Multikolinearitas

Sumber: Eviews 4.0, data diolah Dari tabel diatas terlihat bahwa R 2 pada regresi antara variabel

bebas, dengan menempatkan masing – masing variabel bebas sebagai

commit to user

variabel dependent yaitu INFLASI, KURS, GDP perkapita JEPANG, dan GDP perkapita SINGAPOR. Diperoleh nilai R 2 lebih kecil dari nilai R 2 a (regresi awal), sehingga tidak terdapat adanya multikolinearitas.

c. Uji Heteroskedastisitas

Heteroskedastisitas muncul dalam fungsi regresi dengan varian yang tidak sama, sehingga penaksir OLS tidak efisien baik dalam sampel kecil maupun besar (tetapi masih tidak bias dan konsisten pengujian terhadap ada tidaknya heteroskedastisitas dalam model empirik dilakukan dengan uji White , kriteria pengujian adalah dengan

membandingkan nilai Obs*R- squared dengan χ 2 tabel. Jika : Obs*R- squared < χ 2 tabel, maka tidak signifikan, berarti bahwa tidak terjadi masalah heterokedastisitas. Berdasarkan hasil pengolahan dengan E- Views , diperoleh sebagai berikut:

Tabel 4.8

Uji Heterokedastisitas

White Heteroskedasticity Test: F-statistic

0.794010 Probability

0.664623 Obs*R-squared

12.70831 Probability

0.549609

Sumber: Eviews 4.0, data diolah

Dari data tersebut terlihat bahwa Obs*R-squared (R 2 ) dengan nilai 12,70 < χ 2 tabel ( 36.415), berarti dalam model penelitian ini tidak terjadi masalah heterokedastisitas.

commit to user

d. Uji Autokorelasi

Autokorelasi adalah korelasi yang terjadi diantara anggota – anggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu (seperti pada data time series) atau yang tersusun dalam rangkaian ruang (Gujarati, 1995). Adanya korelasi antara variabel ganguan sehingga penaksir tidak lagi efisien baik dalam sampel kecil maupun besar. Pengujian dilakukan dengan metode Breusch-Godfrey (BG) Test , dengan kriteria pengujian sebagai berikut : jika BG (n-

p)*R 2 < χ 2 tabel, maka tidak signifikan, berarti bahwa tidak terjadi masalah autokorelasi. Disamping itu juga dapat kita lihat dari

probabilitasnya, jika probabilitas > α = 0,05, maka model terhindar dari masalah autokorelasi.

Tabel 4.9 Uji Autokorelasi (BG Test)

Breusch-Godfrey Serial Correlation LM Test: F-statistic

3.699023 Probability

0.065905 Obs*R-squared

3.995596 Probability

0.045619

Sumber: Eviews 4.0, data diolah

Dari hasil uji autokorelasi diketahui bahwa (n-p)Obs*R- squared (R 2 ) dengan nilai 3.995596 <χ 2 tabel (36.415), berarti dalam

model penelitian ini tidak terjadi masalah autokorelasi.

commit to user