1 LAMPIRAN2 Lampiran 1. Evaluasi Model Evaluasi Model Keterangan 1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terb...
Keterangan Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga. • Kebaiksuaian (goodness of fit) model. • Menunjukkan seberapa besar persen variasi dalam variabel dependen mampu dijelaskan oleh variabel independennya. • Model semakin baik jika R2 mendekati satu.
b) Uji-t
• Mengukur signifikansi parameter masing-masing variabel independen terhadap dependennya. • Hipotesis pengujian: H0 = αk = 0 atau H0 = αk = 0 H1 = αk > 0 H1 = αk 0 • Tolak H0, apabila t-stat pada taraf nyata tertentu lebih besar daripada t tabel, sehingga kesimpulannya variabel tersebut berpengaruh nyata (signifikan) terhadap variabel dependen
c) Uji-F
• Mengetahui ada-tidaknya pengaruh variabel independen terhadap variabel dependen secara keseluruhan. • Hipotesis pengujian H0 = α1 = α2 = … = αk = 0 H1 = minimal terdapat satu nilai α yang tidak sama dengan nol • Tolak H0, jika probabilitas F-stat < taraf nyata tertentu, sehingga kesimpulannya minimal terdapat satu variabel independen yang mempengaruhi variabel dependen
65
Lampiran 2. Uji Asumsi
Uji Asumsi
Keterangan
1) Heteroskedastisitas
• Terjadi jika ragam sisaan tidak konstan (Var (μi2) = σi2). • Mengakibatkan estimasi koefien penduga menjadi tidak efisien meskipun konsisten dan standard error estimasi juga menjadi bias (Baltagi, 2005). • Pendeteksian heteroskedastisitas pada pengolahan data panel dengan Eviews 6: Jika Sum Square Resid pada Weighted Statistics < Sum Square Resid pada Unweighted Statistics, maka terjadi heteroskedastisitas • Salah satu cara mengatasi heteroskedastisitas: penggunaan metode Generalized Least Squares (GLS) (Juanda, 2009)
2) Multikolinearitas
• Adanya keterkaitan atau hubungan linier antara variabel independen. • Mengakibatkan hasil estimasi menjadi tidak tepat, sebab estimator memiliki varians dan kovarians yang besar. • Indikasi terjadinya masalah multikolinearitas ialah (Gujarati, 2004): ¾ Tanda koefisien tidak sesuai dengan yang diharapkan ¾ Nilai R2 tinggi meski dalam uji-t banyak variabel yang tidak signifikan ¾ Matriks korelasi antar variabel tinggi (rij > 0.8) ¾ R2 < rij • Salah satu cara mengatasi multikolinearitas: penggabungan data time series dan cross-section (Juanda, 2009).
3) Autokorelasi
• Korelasi antara anggota serangkaian observasi yang diurutkan berdasarkan waktu atau ruang. • Mengakibatkan standar error penduga bias ke bawah atau lebih kecil dari nilai sebenarnya sehingga nilai statistik uji-t tinggi. • Deteksi autokorelasi dapat dilakukan dengan melakukan uji Durbin-Watson (DW). • Kerangka Identifikasi Autokorelasi (Gujarati, 2004) 4-dL < DW < 4: Tolak H0, autokorelasi negatif 4-dU < DW < 4-dL: Tanpa kesimpulan dL < DW < 4-dU: Terima H0, tidak ada autokorelasi dL < DW < dU: Tanpa kesimpulan 0 < DW < dL: Tolak H0, autokorelasi positif (dL dan dU diketahui dari Tabel Durbin-Watson) • Salah satu cara mengatasi autokorelasi: penggunaan metode GLS (Juanda, 2009).
4) Normalitas
• mengetahui apakah error term menyebar normal atau tidak • Pengujian tersebut dilakukan dengan uji Jarque Bera dengan hipotesis: H0 = error term menyebar normal H1 = error term tidak menyebar normal • Terima H0, jika nilai probabilitas Jarque Bera > taraf nyata. Artinya, error term dalam model telah menyebar normal.
66
Lampiran 3. Uji Chow Model Permintaan Impor Buah-buahan
Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects Effects Test Cross-section F Cross-section Chi-square
Statistic
d.f.
Prob.
11.483429 30.046714
(3,53) 3
0.0000 0.0000
67
Lampiran 4. Uji Hausman Model Permintaan Impor Buah-buahan
Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects Test Summary Cross-section random
Chi-Sq. Statistic Chi-Sq. d.f. 3.339791
3
Prob. 0.3421
68
Lampiran 5. Hasil Estimasi Model Permintaan Impor Buah-buahan
Dependent Variable: LNM Method: Panel EGLS (Cross-section SUR) Date: 05/08/12 Time: 07:58 Sample: 1996 2010 Periods included: 15 Cross-sections included: 4 Total panel (balanced) observations: 60 Linear estimation after one-step weighting matrix Variable
