H
1
: minimal ada satu β
t
≠ 0 paling tidak ada satu variabel independen yang berpengaruh signifikan terhadap variabel dependennya.
Jika Probability F-stastistic tara f nyata α, maka tolak H
dan dapat disimpulkan bahwa minimal ada satu variabel independen yang
mempengaruhi variabel dependennya. Sebaliknya, jika Probability F-statistic taraf nyata α, maka terima H
dan disimpulkan bahwa tidak ada variabel independen yang mempengaruhi variabel dependennya.
b. Uji-t Uji-t digunakan untuk melihat pengaruh masing-masing variabel yang
terdapat di dalam model. Hipotesisnya yaitu: H
: β
1
= 0, dengan t = 1,2,...,n H
1
: β
1
≠ 0 Jika t-stat t-tabel, maka tolak H
dan dapat disimpulkan bahwa variabel yang diuji berpengaruh nyata terhadap variabel tak bebas, sedangkan jika t-
stat t-tabel, maka terima H dan dapat disimpulkan bahwa variabel yang
diuji tidak berpengaruh nyata terhadap variabel tak bebasnya. Model yang diduga akan semakin baik apabila semakin banyak variabel bebas yang
signifikan atau berpengaruh nyata terhadap variabel tak bebasnya. c. Uji R
2
ataupun adj-R
2
Uji ini dilakukan dengan tujuan untuk melihat sejauh mana besar keseragaman yang dapat dijelaskan oleh variabel bebas terhadap variabel tak
bebas. Nilai R
2
atau R
2
adjusted berkisar antara 0 sampai dengan 1, semakin
mendekati satu semakin baik.
2. Kriteria Ekonometrika
a. Normalitas Uji normalitas dilakukan untuk mengetahui apakah error term mendekati
distribusi normal atau tidak. Uji normalitas error term dilakukan dengan menggunakan uji Jarque Bera, hipotesisnya yang digunakan yaitu:
H : α = 0, error term terdistribusi normal
H
1
: α ≠ 0, error term tidak terdistribusi normal Jika probabilitas p-value Jarque Bera
taraf nyata α maka persamaan tersebut tidak mempunyai masalah normalitas atau error term terdistribusi
normal, begitu pula sebaliknya. b. Multikolinearitas
Multikolinearitas terjadi apabila terdapat hubungan linier antar peubah bebas atau variabel independen. Indikasi terjadinya multikolinearitas adalah
dengan melihat hasil t dan F statistik hasil regresi. Apabila koefisien parameter dari t statistik banyak yang tidak signifikan sementara F hitungnya
signifikan maka patut diduga terjadi masalah multikolinearitas. Masalah ini dapat diatasi dengan cara menghilangkan variabel yang tidak signifikan,
mentransformasikan data, dan menambah variabel. c. Heteroskedastisitas
Heteroskedastisitas terjadi apabila semua residual atau error mempunyai varian yang tidak konstan atau berubah-ubah. Menurut Gujarati 2004, jika
pada model terjadi masalah heteroskedastisitas maka model akan menjadi tidak efisien meskipun tidak bias dan konsisten. Jika regresi tetap dilakukan,
hasil regresi yang di peroleh menjadi “misleading”. Oleh karena itu,
untukmengetahui ada atau tidaknya masalah heteroskedastisitas dalam data panel digunakan uji White dengan melihat pada nilai R
2
nya. Jika nilai probabilitas R
2
melebihi nilai kritis dengan α yang dipilih, maka hal tersebut menunjukkan bahwa tidak ada heteroskedastisitas, begitu pula sebaliknya.
d. Autokorelasi Model dikatakan memiliki autokorelasi jika error dari periode waktu time
series yang berbeda saling berkorelasi. Masalah autokorelasi ini akan
menyebabkan model menjadi tidak efisien meskipun masih tidak bias dan konsisten. Autokorelasi menyebabkan estimasi standar error dan varian
koefisien regresi yang diperoleh akan underestimated, sehingga R
2
akan besar serta uji t dan uji F akan menjadi tidak valid. Autokorelasi yang kuat dapat
menyebabkan dua variabel yang tidak berhubungan menjadi berhubungan, untuk mendeteksi ada tidaknya autokorelasi adalah dengan melihat nilai dari
Durbin Watson
DW statistiknya yang dibandingkan dengan nilai dari tabel DW. Berikut merupakan kerangka identifikasi dalam menentukan ada
tidaknya autokorelasi.
Tabel 5 Kerangka identifikasi autokorelasi Nilai DW
Hasil 4-dlDW4
Tolak H , korelasi serial negatif
4-dlDW4-dl Hasil tidak dapat ditentukan
2DW4-du Terima H
, tidak ada korelasi serial duDW2
Terima H , tidak ada korelasi serial
dlDWdu Hasil tidak dapat ditentukan
0DWdl Tolak H
, korelasi serial positif
Sumber: Gujarati 2004
3. Kriteria Ekonomi
Kriteria ekonomi digunakan untuk menunjukkan penggunaan tanda dan besaran yang diperoleh dalam model sesuai dengan teori ekonomi. Apabila tanda
dan besaran model yang diperoleh relevan dengan teori ekonomi maka model tersebut dapat dikatakan baik secara ekonomi.
Perumusan Model Penelitian
Penelitian tentang faktor-faktor yang memengaruhi volume ekspor kayu manis Indonesia ke negara tujuan ekspor terbesar akan menggunakan analisis data
panel. Negara yang dimasukkan ke dalam model adalah Amerika Serikat, Belanda, Brazil, Thailand, Jerman, India, Malaysia, Singapura, dan Kanada.
Variabel-variabel yang digunakan dalam model yaitu volume ekspor kayu manis Indonesia ke negara tujuan ekspor terbesar sebagai variabel tak bebasnya,
sedangkan variabel bebasnya antara lain yaitu harga ekspor HE, harga ekspor negara pesaing HEP, nilai tukar KURS, Gross Domestic Product GDP, dan
produksi kayu manis PROD.Model yang digunakan dalam penelitian ini adalah sebagai berikut: