Estimasi Model Aliran Ekspor Produk CCO Indonesia Periode 20017 2009

5.2.1. Estimasi Model Aliran Ekspor Produk CCO Indonesia Periode 20017 2009

Produk yang digunakan dalam estimasi model ini adalah Crude Coconut Oil kode HS 151311. Dalam pengolahan data sudah ditetapkan untuk menggunakan metode efek tetap fixed effect dikarenakan adanya cross section effect yang dapat diketahui jika menggunakan metode tersebut. Hasil dari pengolahan data dapat dilihat pada Tabel 5.12. Tabel 5.12. Hasil Estimasi Model Aliran Ekspor Produk CCO Indonesia Variable Coefficient Prob. LN Populasi 7,794575 0,0000 LN GDPCI 0,131545 0,8752 LN GDPC 2,410188 0,0168 LN ER 1,814861 0,0000 LN Distance 2,759765 0,0105 C 165,5510 0,0000 Fixed Effect Cross China 30,14532 Spanyol 0,503080 India 23,02589 Malaysia 13,45873 Belanda 8,174932 Singapura 33,04130 Tunisia 19,79721 Amerika Serikat 21,8040 Weighted Statistics R squared 0,990527 Sum square residual 68,42632 Prob Fstat 0,000000 Durbin Watson stat 2,289748 Unweighted Statistics R squared 0,857438 Durbin Watson stat 1,631636 Sum square residual 26,85132 Sumber: Lampiran 7 Catatan: Signifikan pada taraf nyata 5 persen Hasil Uji Chow pun menunjukkan model menggunakan metode fixed effect dengan nilai probablitas 0,0000 lebih kecil dari taraf nyata 5 persen Lampiran 5. Berdasarkan hasil pengolahan data, maka dapat dituliskan persamann aliran ekspor produk CCO Indonesia di negara negara tujuan ekspor, yaitu : lnV ijt = Cross i + 165,5510 7,794575 lnPopulasi ijt 0,131545 lnGDPCI t + 2,410188 lnGDPC jt 1,814861 lnER t 2,759765 lnDistance ijt + O it dimana: V ijt = Volume ekspor produk CCO Indonesia ke negara j pada tahun t kg Populasi ijt = Populasi negara j pada tahun t orang GDPCI t = GDP perkapita riil Indonesia pada tahun t US GDPC jt = GDP perkapita riil negara j pada tahun t US ER jt = Nilai tukar riil rupiah terhadap matauang negara tujuan pada tahun t Rpmatauang negara tujuan Distance ijt = Jarak ekonomi dari Indonesia ke negara j pada tahun t km O it = Error term Hasil estimasi terdapat pada Tabel 5.12. yang menunjukkan uji F signifikan pada taraf nyata 5 persen 0,05 karena nilai probabilitas Fstat sama dengan 0,000 yang lebih kecil dari taraf nyata 0,05. Hal ini berarti minimal ada satu variabel bebas yang berpengaruh nyata dalam model. Kemudian nilai koefisien determinasi R squared yang diperoleh sebesar 0,990527 persen yang menunjukkan tingkat kecocokan model yang tinggi. Interpretasi nilai R squared adalah sebesar 99,0527 persen keragaman volume ekspor produk CCO Indonesia dapat dijelaskan oleh variabel populasi negara tujuan ekspor, GDP per kapita riil Indonesia, GDP per kapita riil negara tujuan ekspor, nilai tukar riil Rpmatauang negara tujuan, dan jarak ekonomi sedangkan sisanya sebesar 0,9473 persen dijelaskan oleh faktor faktor lain di luar persamaan. Hasil uji normalitas diperlihatkan pada tabel di bawah yang didapatkan hasil bahwa probabilitas Jarque Bera lebih besar dari taraf nyata yang digunakan 0,221691 0,05. Hal tersebut menunjukkan sudah cukup bukti menerima Ho yang artinya residual dalam model sudah menyebar normal. Penggunaan data time series diduga dapat menimbulkan pelanggaran asumsi yaitu autokorelasi. Ada atau tidaknya autokorelasi pada model dapat dilihat pada nilai Durbin Watson stat . Nilai Durbin Watson stat weighted adalah sebesar 2,289748 dan nilai tersebut berkisar antara 1,55 2,46 maka dapat disimpulkan bahwa model yang diestimasi terbebas dari autokorelasi. Tabel 5.13. Hasil Uji Normalitas Model Aliran Ekspor Produk CCO Indonesia Model Jarque Bera Probability Aliran Ekspor Produk CCO 3,012938 0,221691 Sumber: Lampiran 7 Selanjutnya, hasil dari Sum Square residual pada weighted statistics lebih besar daripada Sum Square Residual pada unweighted statistics 68,42632 26,85132 hal ini menunjukkan bahwa tidak adanya heteroskedastisitas. Selain itu, perlakuan cross section SUR dan white heteroscedasticity consistent variance untuk mengantisipasi data yang tidak homoskedastisistas dan terjadinya autokorelasi. Model dalam penelitian telah menggunakan metode GLS generalized least square dengan white heteroscedasticity sebagai pembobot maka masalah heteroskedastisitas dan autokorelasi telah dapat teratasi. Penggunaan panel data dapat mengabaikan pelanggaran asumsi multikolinearitas karena adanya penggabungan data time series dan cross section sehingga akan lebih banyak variasi data dan lebih sedikitnya korelasi antar variabel. Selain itu, untuk memperkuat bukti tidak adanya multikolinearitas dapat dilakukan dengan memeriksa nilai korelasi antar variabel bebas dalam model. Nilai korelasi terbesar adalah 0.837576 yang lebih kecil dari nilai R squared sebesar 0,990527 Lampiran 8. Hal tersebut mengindikasikan bahwa tidak terjadi multikolinearitas dalam model.

5.5.2. Interpretasi Model Aliran Ekspor Produk CCO