Metode Analisis Data

E. Metode Analisis Data

Adapun metode analisis data yang digunakan dalam penelitian ini meliputi:

1. Analisis Volume Ekspor Teh Pendekatan hubungan antara ekspor teh Provinsi Jawa Tengah dengan faktor-faktor yang diduga mempengaruhinya dapat dinyatakan dalam bentuk persamaan regresi non linear berganda berbentuk perpangkatan sebagai berikut:

Y= βo X 1 β1 X 2 β2 X 3 β3 X 4 β4 X 5 β5 e

Keterangan: Y

= volume ekspor Teh Provinsi Jawa Tengah (kg)

X 1 = produksi Teh (kg)

X 2 = harga domestik Teh Provinsi Jawa Tengah (Rp/kg)

X 3 = harga ekspor Teh Provinsi Jawa Tengah (FOB) (USD/kg)

X 4 = nilai tukar Dollar Amerika Serikat terhadap Rupiah (Rp/USD)

commit to user

βo

= intersept β 1 - β 5 = nilai koefisien regresi dari masing-masing variabel

e = kesalahan pengganggu Fungsi tersebut adalah fungsi menurut fungsi regresi populasi. Fungsi tersebut dapat ditaksir atas dasar fungsi regresi sampel. Parameter

βo, β1, β2, β3, β4, β5 merupakan karakteristik dari suatu populasi. Estimasi parameter tersebut dilakukan dengan metode OLS (Ordinary Least Square Method ). Menurut Gujarati (2002: 44) model regresi dalam metode OLS berdasar pada asumsi klasik yang menghasilkan pemerkira

linear terbaik tak bias (BLUE = Best Linear Unbiased Estimator). Menurut Supranto (2004: 10), asumsi-asumsi yang sering disebut asumsi klasik, yaitu sebagai berikut:

a. Nilai rata-rata kesalahan pengganggu nol.

b. Varian σ 2 sama untuk semua kesalahan pengganggu (homoskedastis).

c. Tidak ada otokorelasi antara kesalahan pengganggu.

d. Variabel bebas konstan dalam sampling yang terulang (repeated sampling ) dan bebas terhadap kesalahan pengganggu.

e. Tidak ada kolinearitas ganda (multikolinearitas) diantara variabel bebas.

f. Kesalahan pengganggu mengikuti distribusi normal dengan rata-rata

nol dan varian σ 2 .

Oleh karena itu, model tersebut ditransformasikan dalam OLS linear/model regresi non linear berganda berbentuk perpangkatan dengan me log-kan persamaan tersebut. ln Y

= ln βo+ β 1 ln X 1 +β 2 ln X 2 + β 3 ln X 3 + β 4 ln X 4 + β 5 ln X 5

log Y = log natural volume ekspor teh Provinsi Jawa Tengah (kg) ln X 1 = log natural produksi teh (kg) ln X 2 = log natural harga domestik teh Provinsi Jawa Tengah (Rp/kg) ln X 3 = log natural harga ekspor teh Provinsi Jawa tengah (FOB)

(USD/kg)

commit to user (1 -R 2 ) / (N -k)

(Rp/USD) ln X 5 = log natural volume ekspor teh tahun sebelumnya (kg) ln βo = log natural intercept ln β 1 - β 5 = log natural nilai koefisien dari masing-masing variabel Setelah ditransformasikan, hasilnya dikembalikan kedalam persamaan asal yaitu model regresi non linear berganda berbentuk perpangkatan.

Y= βo X 1 β1 X 2 β2 X 3 β3 X 4 β4 X 5 β5

Y = anti ln Y βo = anti ln βo

2. Pengujian Model

a. Uji adjusted R 2

Menurut Arief (1993: 8), besarnya proporsi variasi variabel tak bebas yang dapat dijelaskan oleh variabel – variabel bebasnya dihitung dengan koefisien determinasi yang telah disesuaikan atau adjusted R 2

yang disimbolkan 2 R dan dirumuskan:

R - (1 - 1 - R 2 2

Keterangan:

R 2 : Adjusted R 2 R 2 : Koefisien determinasi

N : Jumlah observasi (Jumlah data) k : Jumlah variabel bebas

b. Uji F Untuk mengetahui pengaruh variabel-variabel bebas terhadap variabel tak bebas secara bersama-sama dilakukan uji F dengan signifikan α sebesar 95%. Nilai F hitung dirumuskan:

R 2 / (k – 1)

commit to user

R 2 : Koefisien determinasi k : Jumlah variabel bebas N : Jumlah observasi Hipotesis yang diuji adalah: Ho : β1 = β2 = β3 = β4 = β5 = 0

Ha : β1 ≠ β2 ≠ β3 ≠ β4 ≠ β5 ≠ 0 (minimal salah satu β1 ≠ 0) Kriteria pengujian yang digunakan:

1) F hitung > dari F table : Ho ditolak dan Ha diterima. Artinya, variabel bebas secara bersama-sama berpengaruh terhadap variabel tak bebas.

2) F hitung < dari F table : Ho diterima dan Ha ditolak. Artinya, variabel bebas secara bersama-sama tidak berpengaruh terhadap variabel tak bebas.

c. Uji t Untuk mengetahui apakah koefisien regresi masing-masing variabel bebas secara statistik signifikan atau tidak, digunakan nilai t-statistik, dengan tingkat kepercayaan 95%. Nilai t hitung dirumuskan:

t hitung =

(bi Se (bi

bi

se (bi) =

( var ( bi ian

Keterangan :

t hitung : Nilai t statistik

bi

: Koefisien regresi variabel bebas ke-i

se (bi) : Standar error koefisien regresi variabel bebas ke-i Hipotesis yang hendak diuji adalah : Ho : βi =0 Ha : βi ≠ 0

commit to user

1) Jika t hitung >t tabel berarti H 0 ditolak dan H 1 diterima, maka variabel bebas secara individu berpengaruh nyata terhadap variabel tak bebas.

2) Jika t hitung <t tabel berarti H 0 diterima dan H 1 ditolak, maka variabel bebas secara individu tidak berpengaruh nyata terhadap variabel tak bebas.

d. Koefisien Beta Untuk mengetahui variabel bebas yang paling berpengaruh digunakan koefisien beta (beta coefficient) atau yang disebut standardized regression coefficient atau standart koefisien regresi. Nilai koefisien beta dirumuskan:

bi bi

' = Keterangan:

bi’ : Standar koefisien regresi variabel bebas ke-i bi : Koefisien regresi variabel bebas ke-i σy : Standar deviasi variabel tak bebas σi : Standar deviasi variabel bebas ke-i

Nilai bi’ yang paling besar menunjukkan variabel bebas yang bersangkutan adalah yang paling dominan dalam penentuan nilai variabel tak bebas (Arief, 1993: 11)

3. Pengujian Asumsi Klasik Agar koefisien–koefisien regresi yang dihasilkan dengan metode OLS bersifat BLUE maka asumsi – asumsi persamaan regresi linier klasik harus dipenuhi oleh model. Model dikatakan BLUE bila memenuhi syarat sebagai berikut:

a. Multikolinearitas Multikolinearitas adalah situasi adanya korelasi variabel–variabel bebas diantara satu dengan lainnya. Dalam hal ini variabel-variabel bebas ini tidak orthogonal. Variabel-variabel bebas yang bersifat

commit to user

sesamanya sama dengan nol (Arief, 1993: 23). Menurut (Alhusin, 2003: 221), multikolinearitas digunakan untuk menunjukkan adanya hubungan linier diantara variabel-variabel bebas dalam model regresi. Biasanya korelasinya mendekati sempurna (korelasinya tinggi atau bahkan satu). Untuk menguji suatu model regresi yang bebas multikolinieritas yaitu dengan dilakukan uji matrik pearson correlation . Bila nilai pearson correlation dalam matrix correlation tidak ada satupun yang lebih dari 0,8 maka dapat disimpulkan bahwa antara variabel bebas tidak terjadi multikolinearitas.

b. Autokorelasi Autokorelasi ialah korelasi (hubungan) yang terjadi diantara anggota-anggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu (seperti pada data runtun waktu atau time series). Autokorelasi bisa disebabkan oleh bias spesifik, misalnya karena dikeluarkannya variabel-variabel yang benar dari persamaan regresi (Alhusin, 2003:200). Autokorelasi menunjukkan hubungan antara nilai–nilai

yang sama (Sumodiningrat, 1993: 232). Model regresi yang baik seharusnya tidak menunjukkan autokorelasi. Pengujian untuk mengetahui ada atau tidaknya korelasi antar variabel bebas (autokorelasi), dapat dilakukan dengan menggunakan uji Durbin Watson (DW) dengan ketentuan sebagai berikut:

1) 1,65 < DW < 2,35 yang artinya tidak terjadi autokorelasi.

2) 1,21 < DW < 1,65 atau 2,35 < DW < 2,79 yang artinya tidak dapat disimpulkan.

3) DW < 1,21 atau DW > 2,79 yang artinya terjadi autokorelasi. (Sulaiman, 2002:139).

commit to user

Heteroskedastisitas adalah kasus dimana seluruh faktor gangguan tidak memiliki varian yang sama atau variannya tidak konstan (Sumodiningrat, 1993: 261). Dalam penelitian ini digunakan metode grafik dengan melihat diagram pencar (scatterplot) untuk mendeteksi ada tidaknya heteroskedastisitas. Pada pengujian heteroskedastisitas dengan metode grafik, jika dari diagram pencar terlihat titik-titik menyebar secara acak dan tidak membentuk pola yag teratur maka hal tersebut menunjukkan bahwa kesalahan pengganggu memiliki varian yang sama (homoskedastisitas) dan dapat disimpulkan dari model yang diestimasi tidak terjadi heteroskedastisitas.

4. Elastisitas Ekspor Teh Jawa Tengah Nilai elastisitas volume ekspor teh Jawa tengah dapat diketahui melalui besarnya nilai koefisien regresi dari variabel bebas yang mempengaruhinya. Nilai elastisitas tersebut dipertimbangkan berdasarkan nilai mutlak yang dihasilkan dari nilai koefisien regresi. Kriteria elastisitas yang digunakan adalah sebagai berikut:

a. Bila nilai elastisitas > 1, penawaran ekspor elastis, artinya persentase perubahan jumlah volume ekspor teh Jawa Tengah lebih besar daripada persentase perubahan variabel bebas yang bersangkutan.

b. Bila nilai elastisitas = 1, penawaran ekspor teh elastis uniter, artinya persentase perubahan jumlah volume ekspor teh Jawa Tengah sama dengan persentase perubahan variabel bebas yang bersangkutan.

c. Bila nilai elastisitas < 1, penawaran ekspor inelastis, artinya persentase perubahan jumlah volume ekspor teh Jawa Tengah lebih kecil daripada persentase perubahan variabel bebas yang bersangkutan.

commit to user