3.3 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah metode dokumentasi, yaitu cara memperoleh data dengan menyelidiki dan
mempelajari dokumen-dokumen yang sesuai. Metode ini dianggap tepat karena keterbatasan dari peneliti untuk melakukan pengumpulan data sendiri. Selain itu,
data-data yang dibutuhkan juga telah tersedia di berbagai instansi yang terkait.
3.4 Metode Analisis Data
Metode analisis yang dipilih untuk kepentingan ini adalah ekonometrika dinamis. Metode estimsi yang digunakan adalah OLS ordinary least square
dengan menggunakan model koreksi kesalahan error correction modelECM. Dalam penelitian ini, digunakan alat bantu untuk mempermudah pengolahan data
yaitu dengan menggunakan softwere Eviws 6.0.
3.4.1 Pemilihan Model
Model yang seringkali digunakan dalam penelitian yang menggunakan alat analisis regresi ada dua yaitu model linear dan model log linear. Pemilihan model
linear dan log linear dapat dicari dengan dua metode yaitu : 1 Metode informal dengan mengetahui perilaku data melalui skatergram, 2 Metode formal yaitu
melalui metode yang dikembangkan oleh Mackinon, White and Davidson yang disebut metode MWD. Penentuan model dengan mengamati skatergram akan
beakibat fatal jika terjadi perbedaan dalam persepsi atau perkiraan pandang. Oleh karena itu, dalam penelitian ini menggunkan metode MWD yang lebih memiliki
ukuran yang pasti. Model linear dan log linear yang digunakan dalam penelitian ini adalah sebagai berikut :
EKS
t
= β
+ β
1
PX
t
+ β
2
PY
t
+ β
3
GDP
t
+ β
4
IMPOR
t
+ β
5
KURS
t
+ ε
t
1 LEKS
t
= β
+ β
1
LPX
t
+ β
2
LPY
t
+ β
3
LGDP
t
+ β
4
LIMPOR
t
+ β
5
LKURS
t
+ ε
t
2 Untuk melakukan uji MWD ini kita asumsikan bahwa :
H
O
=EKS
t
adalah funsi linear dari variabel independen Model linear Ha =
EKS
t
adalah fungsi log linear dari variabel independen Model log linear.
Adapun prosedur metode MWD adalah sebagai berikut : 1.
Estimasi model linear persamaan satu 1 dan dapatkan nilai prediksinya fitted value yang dinamakan F
1
. Nilai F
1
dapat dicari dengan melakukan langkah sebagai berikut :
• Lakukan regresi persamaan satu 1 dan dapatkan residualnya. RES
1
. • Dapatkan nilai F
1
= Y-RES
1.
2. Estimasi model log linear persamaan dua 2 dan dapatkan nilai
prediksinya yang dinamakan F
2.
Nilai F
2
dapat dicari dengan melakukan langkah sebagai berikut :
• Lakukan regresi persamaan dua 2 dan dapatkan residualnya RES
2
• Dapatkan nilai F
2
= lnY-RES
2.
3. Dapatkan nilai Z
1
= ln F
1
-F
2
dan Z
2
= antilog F
2
-F
1
4. Estimasi persamaan berikut ini :
EKS
t
= β
+ β
1
PX
t
+ β
2
PY
t
+ β
3
GDP
t
+ β
4
IMPOR
t
+ β
5
KURS
t
+ Z1 + ε
t
3
5. Jika Z
1
signifikan secara statistik melalui uji t maka kita menolak hipotesis nol sehingga model yang tepat adalah log linear. Jika tidak signifikan
maka kita menerima hipotesis nol sehingga model yang tepat adalah linear. 6.
Estimasi persamaan berikut : LEKS
t
= β
+ β
1
LPX
t
+ β
2
LPY
t
+ β
3
LGDP
t
+ β
4
LIMPOR
t
+ β
5
LKURS
t
+ Z2 +
ε
t
4 7.
Jika Z
2
signifikan secara statistik melalui uji t maka kita menolak hipotesis alternatif sehingga model yang tepat adalah linear. Jika tidak signifikan
maka kita menerima hipotesis nol sehingga model yang tepat adalah log linear.
Uji MWD mudah dilakukan namun tidak terlepas dari kelemahan. Jika kita menolak hipotesis nol dan hipotesis alternatif maka kedua model linear maupun
log linear tidak tepat. Sebaliknya jika kita menerima hipotesis nol dan sekaligus menerima hipotesis alternatif maka kedua model sama baiknya.
Widarjono,2009:75.
Tabel 3.1 Keputusan Hasil Uji MWD
Hipotesis Nol Ho
Hipotesis Alternatif Ha Tidak menolak
Menolak Tidak Menolak
Model linier dan log linear tepat Model linear tepat
Menolak Model log linear tepat
Model linear dan log linear tidak tepat
Sumber : Widarjono, 2009:75.
3.4.2 Deteksi Stasioneritas : Uji Akar Unit Unit Root Test