Metode Analisis Data

E. Metode Analisis Data

Model analisis yang digunakan untuk membuktikan hipotesis penelitian yaitu mengetahui bagaimanakah pengaruh antara kurs, impor, inflasi dan pendapatan per kapita Amerika Serikat terhadap ekspor non migas Indonesia ke Jepang. Jadi analisis data-data tersebut dapat Model analisis yang digunakan untuk membuktikan hipotesis penelitian yaitu mengetahui bagaimanakah pengaruh antara kurs, impor, inflasi dan pendapatan per kapita Amerika Serikat terhadap ekspor non migas Indonesia ke Jepang. Jadi analisis data-data tersebut dapat

Pendekatan yang digunakan untuk menganalisis hubungan dan pengaruh antar variabel berupa pendekatan teori ekonomi, teori statistik, dan teori ekonometrika. Model alat analisis yang digunakan dalam penelitian ini adalah model ekonometrika. Pengolahan data di lakukan dengan program Econometric Views (E-Views).

Model Regresi yang digunakan dalam penelitian ini, sebagai berikut:

EKSPOR it   0   1 IMPOR it   2 KURS it   3 INFLASI it   4 YJEPANG it   it

1. Uji statistik

Proses analisa yang akan dilakukan melalui pengujian variabel- variabel independen yang meliputi uji t (uji individual), uji F (uji bersama- sama), dan uji R² (uji koefisien determinasi).

a. Uji t (uji secara individu)

Uji t ini merupakan pengujian variabel-variabel secara individu, dilakukan untuk mengetahui seberapa jauh pengaruh masing-masing variabel independen dalam mempengaruhi variabel dependen, dengan beranggapan variabel independen lain tetap / konstan. Langkah-langkah pengujian t test adalah sebagai berikut (Gujarati, 1995)

i. Menentukan hipotesisnya

a) H  :  1  0

Berarti suatu variabel independen secara individu tidak berpengaruh terhadap variabel dependent.

b) Ho :  1  0

Berarti suatu variabel independen secara individu berpengaruh terhadap variabel dependen.

ii. Melakukan perhitungan nilai t sebagai berikut:

a) Nilai t table = t  / 2 ; N  K …………………………….... (3.1) Keterangan:

 derajat signifikansi : N : jumlah sample (banyaknya observasi) K : banyaknya parameter

b) Nilai t hit = ……………………………………… (3.2)

Se (  i )

Keterangan:  : koefisien regresi i

Se (  : standar error koefisien regresi i )

iii. Kriteria pengujian

Gambar 3.1 Daerah Kritis Uji t

Ho ditolak Ho diterima Ho ditolak Ho ditolak Ho diterima Ho ditolak

a. Apabila nilai – t table < t hit < t table, maka Ho diterima. Artinya variabel Independen tidak berpengaruh terhadap variabel dependen secara signifikan.

b. Apabia nilai t hit > +t table atau t hit < -t table, maka Ho ditolak. Artinya variabel independen mampu mempengaruhi variabel dependen secara signifikan.

b. Uji f (Uji bersama-sama)

Uji f ini merupakan pengujian bersama-sama variabel independen yang dilakukan untuk melihat pengaruh variabel independen secara bersama-sama terhadap variabel dependen secara signifikan. Langkah- langkah pengujian adalah sebagai berikut (Gujarati, 1995) :

i. Menentukan Hipotesis

a) Ho :  1   2   3   4  0

Berarti, semua variabel independen secara individu tidak berpengaruh terhadap variabel dependen.

b) Ho :  1   2   3   4  0

Berarti, semua variabel independen secara individu berpengaruh terhadap variabel dependen.

ii. Melakukan perhitungan nilai F sebagai berikut:

a) Nilai F table = F  ; K  1 ; N  K ………………………… (3.3)

Keterangan: N : jumlah sample / data K : banyaknya parameter

R 2 /( K  1 )

b) Nilai F hitung =

( 1  R )( N  K )

Keterangan : R 2 : Koefisien determinasi

N : jumlah observasi/ sample K : banyaknya variabel.

iii. Kriteria pengujian

Gambar 3.2 Daerah Kritis Uji F

Ho diterima Ho ditolak

iv. Kesimpulan

a) Apabila nilai F hit < F table, maka Ho diterima dan Ha ditolak, artinya variabel independen secara bersama-sama tidak berpengaruh terhadap variabel dependen secara signifikan.

b) Apabila nilai F hit > F table, maka Ho ditolak dan Ha diterima, artinya variabel independen secara bersama-sama berpengaruh terhadap variabel dependen secara signifikan.

c. Uji R² (Uji koefisien determinasi)

Nilai 2 R untuk mengetahui berapa persen variasi variabel dependen dapat dijelaskan oleh variabel independen. Uji ini bertujuan

untuk mengetahui tingkat ketepatan yang paling baik dalam analisis regresi, yang ditunjukkan oleh besarnya koefisien determinasi ( 2 R ) antara

nol dan satu (0 < 2 R < 1). Jika koefisien determinasi 0, artinya variabel independen tidak mempengaruhi variabel dependen, atau dengan kata lain

model tersebut tidak menjelaskan sedikitpun variasi dalam variabel tidak bebas. Sedangkan koefisien determinan mendekati 1, artinya variabel independen semakin mepengaruhi variabel dependen, atau dengan kata lain model dikatakan lebih baik apabila koefisien determinasinya mendekati 1.

2. Uji Asumsi Klasik

a. Multikolinieritas

Multikolinieritas merupakan suatu keadaan dimana terdapatnya lebih dari satu hubungan linier pasti antara beberapa / semua variabel independen dari model regresi (Gujarati, 1995). Salah satu asumsi model klasik yang menjelaskan ada tidaknya hubungan antara beberapa / semua variabel dalam model regresi. Jika dalam model terdapat multikolinier, maka model tersebut memiliki kesalahan standar yang besar sehingga koefisien tidak dapat diukur dengan ketepatan tinggi.

Salah satu metode untuk mengetahui ada tidaknya multikolinier adalah menggunakan pengujian dengan metode Klein. Metode ini Salah satu metode untuk mengetahui ada tidaknya multikolinier adalah menggunakan pengujian dengan metode Klein. Metode ini

2 nilai koefisien determinasi ( 2 R y, xi, xj,… xn). Jika R y, xi, xj,…xn < r 2 xi, xj, maka terjadi masalah multikolinier dalam model, sedangkan jika

2 danilai 2 R y, xi, xj,…xn > r xi, xj. Maka tidak terjadi masalah multikolinear.

Cara lain untuk mengetahui ada tidaknya multikolinier adalah menggunakan pengujian dengan pendekatan Koutsoyiannis. Metode ini dikembangkan oleh Koutsoyiannis (1977) menggunakan metode coba- coba dalam memasukkan variabel bebas. Dari hasil coba-coba tersebut, selanjutnya akan diklasifikasikan dalam 3 macam (Aisyah, 2007), yaitu :

1) suatu variabel bebas dikatakan berguna

2) suatu variabel bebas dikatakan tidak berguna

3) suatu variabel bebas dikatakan merusak

b. Heteroskedastisitas

Asumsi dari model regresi linier klasik adalah kesalahan penggangu mempunyai variasi yang sama. Apabila asumsi tersebut tidak terpenuhi maka akan terjadi heteroskedastisitas, yaitu suatu keadaan dimana variasi dari kesalahan penggangu tidak sama untuk semua nilai variabel bebas. Terdapat beberapa metode yang dipergunakan untuk mendeteksi heteroskedastisitas dalam model empiris yaitu Uji Park, Uji Glejser, Uji white, Uji LM ARCH dan Uji Breusch Pagan – Godfeg. Pengujian heteroskedastisitas dalam penelitian ini akan menggunakan uji White. Kriteria pengujian dengan membandingkan nilai Obs*R-squared < Asumsi dari model regresi linier klasik adalah kesalahan penggangu mempunyai variasi yang sama. Apabila asumsi tersebut tidak terpenuhi maka akan terjadi heteroskedastisitas, yaitu suatu keadaan dimana variasi dari kesalahan penggangu tidak sama untuk semua nilai variabel bebas. Terdapat beberapa metode yang dipergunakan untuk mendeteksi heteroskedastisitas dalam model empiris yaitu Uji Park, Uji Glejser, Uji white, Uji LM ARCH dan Uji Breusch Pagan – Godfeg. Pengujian heteroskedastisitas dalam penelitian ini akan menggunakan uji White. Kriteria pengujian dengan membandingkan nilai Obs*R-squared <

signifikan, berarti bahwa terjadi masalah heteroskedatisitas.

c. Autokorelasi

Autokorelasi adalah suatu keadaan dimana kesalahan variabel penggangu pada suatu periode tertentu berkorelasi dengan kesalahan penggangu periode lain. Asumsi ini untuk menegaskan bahwa nilai variabel dependen hanya diterangkan (secara sistematis) oleh variabel independen dan bukan oleh variabel gangguan (Gujarati, 1995).

Pada penelitian ini digunakan dua metode untuk menilai apakah dalam model tersebut terdapat masalah autokorelasi atau tidak, yaitu metode Durbin-Watson test dan B-G test.

Gambar 3.3 Daerah Ho Diterima dan Ditolak uji Autokorelasi

(Durbin-Watson)

Ragu- Ragu- Ragu ragu

Autokore- Tidak ada Autokore- Lasi (+) Autokorelasi lasi (-)

0 dl du 2 4-du 4-dl 4

Hipotesis untuk menguji ada tidaknya autokorelasi adalah : Ho : tidak ada serial autokorelasi baik positif maupun negative.

Untuk menguji hipotesis nol tidak ada autokorelasi, terdapat table Durbin-Watson (DW), dengan criteria hasil perhitungan DW statistic dibandingkan dengan table (DW), sebagai berikut:

Jika d < dL = Menolak Ho Jika du < d < 4-du = tidak menolak Ho Jika dL ≤ d ≤ du atau 4-du ≤ d ≤ 4-dL = pengujian tidak meyakinkan (inconclusive)

Pengujian lain dapat dilakukan dengan metode Breusch-Godfrey

2 (BG) Test, dengan kriteria pengujian sebagai berikut jika BG(n-p)*R 2 <x tabel, maka tidak signifikan, berarti bahwa tidak terjadi masalah

autokorelasi. Disamping itu juga dapat kita lihat dari probabilitasnya, jika probabilitas > = 0,05, maka model terhindar dari masalah autokorelasi.