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