Data yang dianalisis pada penelitian ini terdiri dari dua data, yaitu data kuantitatif dan kualitatif. Data kuantitatif digunakan untuk menganalisis variabel - variabel
yang mempengaruhi penawaran ekspor serat sabut kelapa di Indonesia, sedangkan data kualitatif digunakan untuk melihat perkembangan pasar, dan ekspor serat
sabut kelapa Indonesia. Pengolahan data kuantitatif dilakukan dengan menggunakan komputer dan
kalkulator. Adapun program komputer yang digunakan untuk mengolah data sekunder ini adalah program minitab versi 13. Setelah data diolah kemudian
hasilnya diinterpretasikan dengan cara manual.
4.2.1. Perumusan Model
Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antar variabel. Hubungan tersebut dapat diekspresikan
dalam bentuk persamaan yang menghubungkan antara variabel terikat Y dengan satu atau lebih variabel bebas X
1
, X
2
, X
3, …..,
X
n
. Untuk membuat model regresi, metode yang dapat digunakan untuk mencapai penyimpangan atau error yang
minimum adalah metode kuadrat terkecil Ordinary Least Square = OLS. Menurut Gujarati 1999 untuk membuat regresi linier, asumsi-asumsi yang
harus dipenuhi agar taksiran parameter dalam model tersebut BLUE Best Linear Unbiased Estimator adalah :
1. Nilai rata-rata untuk kesalahan pengganggu sama dengan nol atau E u
i
= 0 2. Tidak ada autokorelasi antara error u
i
dan u
j
atau covarian u
i
, u
j
= 0 ; i • j 3. Keragaman dari u konstan homoskedastis atau varian u
j
= á
2
4. Untuk pengujian hipotesis, nilai error harus berdistribusi normal dengan nilai sama dengan nol dan keragaman dari u konstan homoskedastis
5. Tidak ada hubungan linier kolinieritas antar variabel bebas
I. Model Respon Penawaran Ekspor Serat Sabut Kelapa A. Model Regresi Linier Berganda
Model yang digunakan dalam analisis ini adalah model regresi linier berganda ekonometrika. Model ini digunakan karena memiliki keunggulan, yaitu
dapat mengakomodasi semua faktor, sederhana dan mampu menjelaskan berapa persen variabel terikat dapat dijelaskan oleh variabel bebas dengan nilai goodness
of fit R
2
. Selain kelebihan, pada model ini juga terdapat kekurangan, seperti perlu menggunakan beberapa asumsi. Contohnya adalah peubah bebas dalam
persamaan tidak boleh saling berkorelasi autokorelasi, tidak boleh ada kolinieritas antar peubah bebas multikolinier, dan errornya harus memiliki keragaman yang
sama heterokedastisitas. Adapun bentuk model yang digunakan pada penelitian tentang respon
penawaran ekspor serat sabut kelapa Indonesia ini adalah sebagai berikut : Y = b
+ b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ b
6
X
6
+ å Keterangan :
Y : penawaran ekspor serat sabut kelapa Ton b : variabel yang diduga
X
1
: harga ekspor serat sabut kelapa USKg X
2
: kurs RpUS X
3
: produk domestik bruto Rp X
4
: produksi sabut kelapa Kg X
5
: volume ekspor serat sabut kelapa tahun sebelumnya lag Ton X
6
: luas areal perkebunan ha å : galat sisa
Faktor – faktor yang menjadi variabel penawaran ekspor serat sabut kelapa
pada penelitian ini adalah harga ekspor serat sabut kelapa USKg, nilai tukar riil rupiah terhadap dollar Amerika Serikat RpUS, produk domestik bruto Rp,
produksi sabut kelapa Kg, jumlah ekspor serat sabut kelapa tahun sebelumnyalag Kg dan luas areal pertanaman kelapa ha. Penentuan faktor
tersebut didasarkan kepada teori penawaran ekspor dan hasil studi pustaka dari penelitian terdahulu tentang penawaran ekspor.
B. Model Double Log
Selain model regresi linier berganda, pada penelitian ini akan dicobakan pula model lain, yaitu model double log. Hal ini dilakukan guna mengantisipasi apabila
data penelitian tidak linier. Model double log adalah suatu model yang dihasilkan dari transformasi
suatu model tidak linier menjadi model linier dengan jalan membuat model dalam bentuk logaritma. Adapun bentuk dari model double log yang digunakan pada
penelitian respon penawaran ekspor serat sabut kelapa ini adalah sebagai berikut : Y = â
X
1 â1
X
2 â2
X
3 â3
X
4 â4
X
5 â5
X
6 â6
e
u
Keterangan : Y : penawaran ekspor serat sabut kelapa Ton
b : variabel yang diduga X
1
: harga serat sabut kelapa ekspor USKg X
2
: kurs RpUS X
3
: produk domestik bruto Rp X
4
: produksi sabut kelapa Kg X
5
: volume ekspor serat sabut kelapa tahun sebelumnya Ton X
6
: luas areal perkebunan ha å : galat sisa
Berdasarkan bentuk modelnya maka sudah dapat dipastikan bahwa model
tersebut adalah bukan model regresi linier. Model tersebut merupakan model yang tidak linier baik variabel maupun parameternya. Namun model tersebut dapat
ditransformasikan sehingga parameternya berbentuk linier. Adapun bentuk model yang telah ditransformasikan tersebut secara umum adalah sebagai berikut :
lnY = lnb + b
1
lnX
1
+ b
2
lnX
2
+ b
3
lnX
3
+ b
4
lnX
4
+ b
5
lnX
5
+ b
6
lnX
6
+ å
Apabila variabel-variabel dalam model tersebut didefinisikan kembali, maka akan diperoleh model sebagai berikut :
Y = b + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ b
6
X
6
+ å
Keterangan :
Y = ln Y X
1-7
= ln X
1-7
b = ln b
b
1-7
= b
1-7
Berdasarkan dari model tersebut maka diketahui bahwa sesungguhnya model yang terbentuk sudah regresi linier berganda dengan variabel dan parameter
berbentuk linier. Dengan demikian maka b dan b
1-6
dapat ditaksir dengan menggunakan metode untuk mengestimasi parameter regresi sederhana, yaitu OLS
ordinary least square.
II. Pengujian Model A. Mengukur Goodness of Fit R
2
Menurut Gujarati 1999, R
2
adalah alat untuk mengukur proporsi atau persentase variasi total dalam variabel tidak bebas Y yang dijelaskan oleh variabel
penjelas X. Ukuran R
2
ini mencerminkan seberapa besar variabel terikat Y dapat diterangkan oleh variabel bebas X. Bila R
2
sama dengan nol, maka arti dari angka tersebut adalah variasi dari Y tidak dapat diterangkan oleh X sama sekali.
Sementara bila R
2
sama dengan satu, maka hal ini berarti bahwa variasi dari Y seratus persen dapat diterangkan oleh X. Ciri khas dari R
2
ini biasanya terletak antara kedua angka ekstrim tersebut. Adapun rumus yang digunakan untuk
mencari R
2
ini adalah sebagai berikut :
TSS ESS
2 R =
Keterangan : R
2
= goodness of fit ESS = jumlah kuadrat penjelas
TSS = jumlah kuadrat total Sementara TSS itu sendiri diperoleh dari rumus sebagai berikut :
TSS = ESS + RSS Keterangan :
RSS = jumlah kuadrat galat
i i
b Se
b hitung
t =
−
Berdasarkan definisi dari R
2
tersebut maka diketahui bahwa tidak tepatnya titik – titik berada pada garis regresi disebabkan oleh adanya faktor – faktor lain
yang berpengaruh terhadap variabel terikat. Bila tidak ada penyimpangan tentunya tidak akan ada error. Akibat dari hal tersebut maka RSS sama dengan nol dan hal
ini berarti bahwa ESS sama dengan TSS atau R
2
sama dengan satu. Dari penjelasan ini maka diketahui bahwa TSS sesungguhnya merupakan variasi dari
data, sedangkan ESS adalah variasi dari garis regresi yang dibuat.
B. Uji Hipotesis
Salah satu penggunaan statistik adalah untuk melihat nyata atau tidaknya pengaruh peubah yang dipilih terhadap peubah-peubah yang diteliti. Oleh karena
itu model yang dianalisis membutuhkan pengujian terhadap hipotesis-hipotesis yang dilakukan. Adapun uji hipotesis yang sering dilakukan adalah uji-t dan uji F.
Uji-t merupakan suatu pengujian yang bertujuan untuk mengetahui apakah koefisien regresi layak atau tidak digunakan. Pengujian ini akan berguna jika pada
pengujian analisis ragam diperoleh kesimpulan bahwa terdapat paling sedikit satu variabel bebas yang berpengaruh terhadap variabel terikat sehingga pengujian t-
student
akan sangat bermanfaat untuk menunjukkan peubah bebas mana yang berpengaruh secara parsial terhadap peubah tak bebas. Uji-t dapat dirumuskan
sebagai berikut :
Keterangan : Seb
i
= standar error dari parameter dugaan b
i
= parameter dugaan Sebelum melakukan pengujian, biasanya dibuat hipotesis terlebih dahulu.
Adapun bentuk hipotesis yang lazim digunakan dalam penelitian dengan alat statistik uji-t adalah sebagai berikut :
H : b = 0
H
1
: b • 0
Hal tersebut berarti bahwa berdasarkan data yang tersedia maka akan dilakukan pengujian terhadap b koefisien regresi populasi. Apabila b sama
dengan nol maka berarti b tidak mempunyai pengaruh nyata terhadap variabel terikat, sedangkan apabila b tidak sama dengan nol maka berarti b memiliki
pengaruh nyata terhadap variabel terikat. Selain uji-t, pada penelitian ini juga dilakukan uji F Uji simultan. Uji F
bertujuan untuk mengetahui pengaruh semua variabel bebas yang terdapat pada model secara bersama-sama terhadap variabel terikat. Penggunaan uji F dalam
menguji pengaruh variabel bebas secara simultan sering disebut analisis ragam. Adapun rumus yang digunakan untuk menghitung uji F ini adalah sebagai berikut :
RSSdfE ESSdfR
hitung F
= −
Keterangan: RSS = jumlah kuadrat regresi
ESS = jumlah kuadrat error dfR = derajat bebas regresi
dfE = derajat bebas error
Uji F tersebut dilakukan dengan membandingkan nilai F
hitung
dengan nilai F
tabel
. Adapun bentuk uji F tersebut adalah : H
: b
2
= b
3
= …..= b
k
= 0 H
1
: salah satu ≠ 0 Kriteria uji yang berlaku untuk uji F ini adalah apabila F
hitung
F
tabel
maka kesimpulan yang diambil adalah terima H
. Hal ini berarti bahwa secara bersama- sama variabel bebas tidak berpengaruh nyata terhadap variabel terikat. Sementara
itu apabila F
hitung
F
tabel
maka kesimpulan yang diambil adalah tolak H . Hal ini
berarti bahwa secara bersama-sama variabel bebas berpengaruh nyata terhadap variabel terikat.
4.2.2. Masalah – Masalah dalam Model