5. Peubah bebas X saling bebas atau tidak ada kolonieritas ganda diantara peubah bebas X
6. ε
i
∼ N 0;σ
2
, artinya kesalahan pengganggu mengikuti distribusi normal dengan rata-rata nol dan varian
7. Model regresi dispesiikasi secara benar Apabila asumsi-asumsi di atas dapat terpenuhi, maka koefisen regresi
parameter yang diperoleh merupakan penduga linier terbaik dan tak bias.
4.5.2.1. Model Regresi
Bentuk fungsional Model regresi terdapat beberapa macam. Salah satu bentuk fungsional dengan model yang sederhana adalah model regresi linier.
Salah satu keuntungan model regresi linier adalah mudah dianalisis. Selain memiliki keuntungan, model regresi linier juga memiliki kelemahan. Salah satu
kelemahan dari model regresi linier adalah interpretasi koefisiennya terkadang tidak sesuai dengan substansi permasalahan.
Melihat kelemahan dari model regresi linier, maka dapat digunakan model regresi dengan bentuk fungsional yang lain. Beberapa bentuk fungsional model
regresi anatara lain Nachrowi, 2002: 1. Model Log-log atau Double log konstan elastisitas
Model double log merupakan hsail trasnformasi dari suatu model tidak linier menjadi model linier, dengan jalan membuat model dalam bentuk
logaritma. Salah satu hal yang menarik dari model double log dalam aplikasinya adalah slope atau nilai dari koefisien dalam model
menyatakan ukuran elastisitas. 2. Model semi log
Prinsip dari model ini sama dengan model double log, yaitu melakukan transformasi logaritma terhadap data. Perbedaan antara model semi log
40
dan model double log, yaitu pada model semi log data yang ditrasnformasikan hanya salah satu dari variabel endogen atau variabel
eksogen. Model dari permintaan impor buah Indonesia adalah sebagai berikut:
- model regresi untuk oranges dan mandarin impor
Y
i
= +
1
X
1
+
2
X
2
+
3
X
3
+
4
X
4
+
5
X
5
+
6
D
1
+ ε
lnY
i
= ln +
1
ln X
1
+
2
ln X
2
+
3
ln X
3
+
4
ln X
4
+
5
ln X
5
+ ln
6
D
1
+ ε
dimana: Y
i
= jumlah permintaan per buah per negara pengekspor =
intersep
i
= koefisien regresi varibel bebas ke i i = 1,2,....,7 X
1
= nilai tukar rupiah terhadap Dollar USA Rp X
2
= harga orangesmendarin impor USkg X
3
= pasokan jeruk PIKJ kg X
4
= lag volume impor kg
D = dummy Bulanan
ε = unsur galat -
model regresi untuk apel, anggur dan pear impor Y
i
= +
1
X
1
+
2
X
2
+
3
X
3
+
4
X
4
+
5
X
5
+
6
D
1
+ ε
lnY
i
= ln +
1
ln X
1
+
2
ln X
2
+
3
ln X
3
+
4
ln X
4
+
5
ln X
5
+ ln
6
D
1
+ ε
dimana: Y
i
= jumlah permintaan per buah per negara pengekspor =
intersep
i
= koefisien regresi varibel bebas ke i i = 1,2,....,7 X
1
= nilai tukar rupiah terhadap Dollar USA Rp X
2
= harga aplanggurpear impor USkg X
3
= pasokan mangga PIKJ kg X
4
= harga mangga PIKJ kg X
5
= lag volume impor kg
D = dummy Bulanan
ε = unsur galat Nilai tukar yang digunakan adalah nilai tukar Rupiah terhadap Dollar USA.
Penggunaan nilai tukar tersebut didasarkan, bahwa dalam perdagangan antar negara dalam pembayarannya menggunakan Dollar USA. Harga buah impor
yang digunakan adalah harga ditingkat importir. Penggunaan harga buah ditingkat importir adalah untuk mengetahui harga buah impor dari setiap negara.
Tidak tersediannya data produksi buah-buahan Indonesia dalam time series bulanan, maka digunakannya data pasokan dan harga buah Pasar Induk
41
Keramat Jati PIKJ sebagai perkiraan produksi dan harga Indonesia. Pasokan buah lokal yang digunakan adalah pasokan buah mangga dan jeruk. Pasokan
buah mangga digunakan substitusi apel, pear dan anggur. Dasar yang digunakan mangga adalah untuk melihat pengaruh musiman buah lokal. Selain itu, buah
mangga merupakan salah satu buah yang disukai oleh masyarakat Indonesia. Sedangkan pasokan jeruk PIKJ digunakan sebagai substitusi jeruk impor yaitu
untuk oranges dan mandarin. Dummy bulanan digunakan untuk melihat puncak musim di negara pengekspor. Selain variabel yang dimasukkan ke dalam model,
masih terdapat variabel yang berpengaruh terhadap permintaan impor buah. Karena keterbatasan data dalam bentuk time series bulanan, maka variabel
tersebut tidak dimasukkan ke dalam model. Variabel-variabel tersebut seperti jumlah penduduk, preferensi konsumen dan peningkatan pendapatan
4.5.2.2. Evaluasi Model Penduga
