BAB 3 METODOLOGI PENELITIAN
Setelah memperhatikan karakteristik permintaan kedelai di Indonesia pada bab terdahulu maka sekarang tiba saatnya untuk memodelkan faktor–faktor yang mempengaruhi permintaan kedelai. Model yang digunakan dalam penelitian ini adalah model log linier persamaan simultan. Dilihat dari sistem persamaan secara keseluruhan, maka model yang akan dianalisis mempunyai tiga variabel endogen, yaitu permintaan kedelai (QD), harga kedelai dalam negeri (HD), dan impor (IM). Persamaan ini bersifat simultan karena variabel permintaan (QD) terdapat di ruas kanan persamaan impor (IM), demikian pula variabel harga dalam negeri (HD) terdapat pada ruas kanan persamaan permintaan (QD). Pendugaan terhadap ketiga model persamaan tersebut akan dilakukan dengan metode Two Stage Least Square (TSLS) dengan menggunakan data sekunder periode 1978-2008. Tahapan pertama, dengan melakukan regresi variabel-variabel endogen terhadap semua variabel-variabel eksogen dalam model. Tahapan kedua, persamaan struktural diestimasi dengan menggunakan nilai penduga pada tahapan pertama sebagai instrumen dalam di ruas kanan variabel endogen. Metode ini digunakan ketika model persamaan simultan adalah terlalu teridentifikasi (overidentified). Sedangkan metode Indirect Least Square (ILS) digunakan jika sistem persamaan simultan tersebut bersifat just/exactly identified. Untuk persamaan yang overidentified, penerapan TSLS menghasilkan taksiran tunggal, sedangkan ILS menghasilkan taksiran ganda. Dengan TSLS tidak ada kesulitan untuk menaksir standar error, karena koefisien struktural ditaksir secara langsung dari regresi OLS pada langkah kedua, sedangkan pada ILS mengalami kesulitan dalam menaksir standar error. Pada bab ini akan dijelaskan mengenai pendekatan penelitian, jenis dan sumber data, variabel dan membuat definisi operasional variabel, metode pengambilan sampel, metode pengumpulan data, dan metode pengolahan data.
31
Universitas Indonesia
Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
32
3.1 Pendekatan Penelitian Metode penelitian yang digunakan berupa penelitian deskriptif dan penelitian kuantitatif. Penelitian deskriptif yaitu menyajikan penggambaran atau potret suatu kondisi dan situasi yang sebenarnya dari suatu permasalahan yang terjadi berdasarkan fakta yang diperoleh pada suatu waktu tertentu. Sedangkan penelitian kuantitatif adalah penelitian dengan sasaran penelitian yang luas dengan penekanan analisis pada data-data numerik dan digunakan untuk menguji suatu teori dengan metode statistika. Persamaan yang digunakan untuk menganalisis permintaan kedelai di Indonesia adalah sebagai berikut : 1. Permintaan kedelai di Indonesia -------------------------------------------Pers.1 Ln(QD) = α1 + β1 Ln(HD) + β2 Ln(Y) + β3 Ln(POP) + e Keterangan : QD
: permintaan kedelai (Ton)
HD
: harga kedelai dalam negeri (Rp/Kg)
Y
: pendapatan per kapita (Rp/Kap)
POP
: jumlah penduduk (000 jiwa)
2. Harga kedelai di Indonesia Ln(HD) = α2 + β4 Ln(HI) + e -----------------------------------------------Pers.2 Keterangan : HD
: harga kedelai dalam negeri (Rp/Kg)
HI
: harga kedelai internasional ($US/Kg)
3. Impor kedelai di Indonesia Ln(IM) = α3 + β5 Ln(QD) + β6 Ln(PD) + β7 Ln(BM) + e---------------Pers.3 Keterangan : IM
: Impor kedelai (Ton)
QD
: permintaan kedelai (Ton)
PD
: produksi kedelai (Ton)
BM
: bea masuk impor (%)
Universitas Indonesia Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
33
4. Persamaan Identitas Ln(QS) = Ln(QD) 3.2 Variabel dan Definisi Operasional Variabel Variabel adalah sesuatu yang menjadi obyek pengamatan penelitian, variabel yang digunakan ditentukan oleh kerangka teori yang mendasari masalah penelitian dan dinyatakan dalam hipotesis penelitian. Setelah variabel diidentifikasi maka perlu melakukan klasifikasi atas variabel-variabel sesuai jenisnya. Klasifikasi dapat dilakukan berdasarkan sifat datanya yaitu variabel nominal, ordinal, interval dan rasio, atau berdasarkan fungsinya variabel endogen dan variabel eksogen. Pada langkah selanjutnya variabel tersebut didefinisikan secara operasional berupa definisi konseptual akan sulit digunakan dalam pengumpulan
data.
Untuk
memudahkan
proses
pengambilan
data,
pendefinisian variabel secara operasional penting dilakukan agar pengukuran terhadap variabel tepat sesuai kebutuhan penelitian. Variabel yang digunakan dan definisi operasional variabel dalam penelitian ini adalah sebagai berikut : 1. Variabel permintaan kedelai di Indonesia Definisi Variabel : jumlah kebutuhan kedelai yang harus disediakan merupakan penjumlahan impor dan produksi kedelai. 2. Variabel harga kedelai dalam negeri Definisi Variabel : jumlah yang harus dibayar konsumen untuk memperolehnya 3. Variabel pendapatan perkapita Definisi Variabel : jumlah pendapatan per kapita di Indonesia 4. Variabel jumlah penduduk Definisi Variabel : jumlah populasi/penduduk Indonesia 5. Variabel impor kedelai Definisi Variabel : volume impor kedelai di Indonesia 6. Variabel harga kedelai internasional Definisi Variabel : harga kedelai di dunia 7. Variabel bea masuk impor
Universitas Indonesia Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
34
Definisi Variabel : berupa bea masuk impor kedelai 8. Variabel produksi kedelai Definisi Variabel : produksi kedelai di Indonesia 3.3 Jenis dan Sumber Data Jenis data yang digunakan adalah data sekunder yang berdasarkan deret waktu (time series) tahun 1978-2008. Sumber data yang digunakan bersumber dari Badan Pusat Statistik, Departemen Pertanian, Departemen Perdagangan, Bulog serta publikasi, dan laporan lain yang berkaitan dengan penelitian ini. Data yang digunakan dalam penelitian ini, sebagai berikut : 1. Data permintaan kedelai merupakan data yang tersedia untuk konsumsi dalam negeri. 2. Data harga kedelai dalam negeri bersumber dari Departemen Perdagangan. 3. Data pendapatan perkapita bersumber dari Badan Pusat Statistik 4. Data jumlah penduduk Indonesia merupakan data jumlah penduduk Indonesia yang bersumber dari Badan Pusat Statistik. 5. Data impor kedelai bersumber dari Departemen Pertanian. 6. Data harga kedelai internasional bersumber dari Departemen Pertanian. 7. Data kebijakan bea masuk impor kedelai besarnya dalam bentuk prosentase (%) 8. Data produksi kedelai bersumber dari Departemen Pertanian. 3.4 Metode pengumpulan data Metode pengumpulan data yang digunakan dalam penelitian ini yaitu dengan melakukan kunjungan ke Badan Pusat Statistik, Departemen Pertanian, Departemen Perdagangan dan Bulog untuk memperoleh data yang diperlukan dalam penelitian ini. Data juga diperoleh dari berbagai literatur, buku referensi, bahan kuliah, internet, media cetak dan sumber-sumber lainnya yang berkaitan dengan topik penelitian.
Universitas Indonesia Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
35
3.5 Metode pengolahan data Untuk pengujian terhadap hipotesa yang telah diajukan, dalam tesis ini digunakan model ekonometrika persamaan simultan melalui penyusunan model permintaan kedelai, harga kedelai dalam negeri serta impor. Persamaan tersebut dikatakan simultan dikarenakan terdapat hubungan dua arah antara variabel endogen dan variabel eksogen. Model persamaan simultan merupakan suatu himpunan persamaan dengan peubah tak bebas dalam satu atau lebih persamaan, juga merupakan peubah bebas dalam persamaan yang lain. Pendugaan model dilakukan dengan metode Two Stage Least Square (2SLS). Metode ini digunakan ketika model persamaan simultan adalah terlalu teridentifikasi (overidentified). Program komputer yang digunakan dalam penelitian ini adalah Eviews 4.1. 3.5.1 Spesifikasi Model Model persamaan simultan membentuk suatu sitem persamaan yang menggambarkan ketergantungan diantara berbagai variabel dalam persamaan-persamaan tersebut.dalam model simultan, metode yang ideal digunakan adalah metode sistem karena dengan metode ini menghasilkan parameter yang memperhitungkan seluruh kaitan atau hubungan antar variabel dalam seluruh persamaan di dalam model. Jika metode penaksiran parameter dengan Ordinary Least Square (OLS) dari setiap persamaan satu
persatu
diterapkan
tanpa
memperhatikan
kaitannya
dengan
persamaan-persamaan lain, maka hasil penaksiran yang diperoleh tidak saja bias, tetapi juga tidak konsisten, artinya jika jumlah sampel ditambah sampai tak terhingga, penaksirnya tidak akan mendekati atau tidak akan mencerminkan nilai parameter yang sesungguhnya (disebut bias persamaan simultan). Untuk model sistem persamaan simultan dalam bentuk struktural yang lebih teridentifikasi digunakan metode TSLS. Jika seluruh persamaan dalam model adalah overidentified, maka metode ini paling cocok digunakan.
Universitas Indonesia Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
36
3.5.2 Identifikasi Model Identifikasi
diperlukan
untuk
mengetahui
bagaimana
cara
menyelesaikan sistem persamaan simultan yang ada atau apakah suatu sitem persamaan simultan ada penyelesaiannya atau tidak. Ada tiga masalah identifikasi pada persamaan simultan, dimana dari masing-masing permasalahan identifikasi tersebut kita dapa mengetahui metode apa yang tepat untuk menyelesaikan suatu sistem persamaan simultan yang kita temui. Ketiga masalah tersebut adalah : 1. Under identified. Pada kasus ni kita tidak dapat menyelesaikan sistem persamaan simultan yang ada, karena kita kekurangan informasi yang menyangkut tentang variabel predetermine. 2. Exactly identified. Pada kasus ini sistem persamaan simultan yang ada dapat diselesaikan dengan menggunakan metode OLS yang disebut dengan metode recursive. 3. Over identified. Pada kasus ini sistem persamaan simultan yang ada justru kelebihan informasi yang menyangkut variabel predetermine. Jika metode OLS digunakan untuk permasalahan ini, maka nilai parameter yang didapat mungkin tidak akan bersifat tunggal. Oleh sebab itu metode sepert TSLS (Two Stage Least Square) dapat digunakan untuk menyelesaikan masalah ini. Cara lain yang sering digunakan untuk amsalah identifikasi pada sistem persamaan simultan adalah dengan menggunakan prosedur pengujian order dan rank condition. Mekanisme kedua prosedur pengujian tersebut dapat dijelaskan sebagai berikut : 1.
Order Condition, dengan rumus : (K-k) = (m-1) : exactly identified (K-k) > (m-1) : over identified (K-k) < (m-1) : under identified
Universitas Indonesia Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
37
Dimana : K
= Jumlah predetermined variables meliputi curent exogenous variables dan lagged endogenous variables dalam model
k
= Jumlah
predetermined
variables
dalam
persamaan
struktural tertentu M = Jumlah curent endogenous variables dalam model m = Jumlah curent endogenous variables dalam persamaan tertentu Model yang dirumuskan terdiri dari tiga persamaan yaitu : •
Ln(QD) = α1 + β1 Ln(HD) + β2 Ln(Y) + β3 Ln(POP) + e 8–4 >3–1 4 > 2 over identified
•
Ln(HD) = α2 + β4 Ln(HI) + e 8–2 >3–1 6 > 2 over identified
•
Ln(IM) = α3 + β5 Ln(QD) + β6 Ln(PD) + β7 Ln(BM) + e 8–3 >3–1 5 > 2 over identified Model persamaan simultan yang digunakan pada persamaan di atas diestimasi dengan menggunakan metode Two Stage Least Square (TSLS) dikarenakan sebagian besar besar persamaan over identified dan berdasarkan penelitian-penelitian sebelumnya. Metode TSLS juga dapat mengatasi timbulnya bias simultan. Sedangkan jika menggunakan metode Three Stage Least Square (3SLS), kesalahan spesifikasi dari satu persamaan akan merembet ke persamaan lain, sehingga koefisien yang diperoleh dari semua persamaan akan bias.
Universitas Indonesia Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
38
2.
Rank Condition Berdasarkan syarat rank condition, suatu model identified jika ada paling sedikit satu determinan tidak sama dengan nol dengan order M-1. Matriks persamaan simultan pada ketiga persamaan tersebut adalah sebagai berikut : Persamaan 1 2 3
1 -α1 -α2 -α3
QD 1 0 -β5
HD -β1 1 0
Koefisien IM Y POP 0 -β2 -β3 0 0 0 1 0 0
HI 0 -β4 0
PD 0 0 -β6
BM 0 0 -β7
Pada persamaan 1. tidak memasukkan variabel IM, HI, PD dan BM yang ditunjukkan dengan angka 0 dalam baris pertama persamaan 1. Untuk mengetahui apakah persamaan-persamaan tersebut teridentifikasi atau tidak maka harus mencari matriks order 2x2 dari koefisien yang tidak ada dalam persamaan 1 tetapi ada di persamaan yang lain dan kemudian dicari determinan matriks tersebut sebagai berikut : A=
0
-β4
1
0
Determinan matriks A ini tidak sama dengan 0, yang artinya memenuhi rank condition sehingga persamaan ini teridentifikasi. Suatu persamaan yang mempunyai M persamaan dikatakan identified,
sekurang-kurangnya
mempunyai
satu
determinan
berdimensi (M-1) yang tidak sama dengan nol. Pada persamaan 2. tidak memasukkan variabel QD, IM, Y, POP, PD, BM pada baris kedua. Untuk mengetahui apakah persamaanpersamaan tersebut teridentifikasi atau tidak maka harus mencari matriks order 2x2 dari koefisien yang tidak ada dalam persamaan 2 sebagai berikut : B=
0
-β2
1
0
C=
0
-β3
1
0
Universitas Indonesia Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
39
Determinan matriks B dan C ini tidak sama dengan 0, yang artinya memenuhi rank condition sehingga persamaan ini teridentifikasi. Pada persamaan 3. tidak memasukkan variabel HD, Y, POP, dan HI pada baris ketiga. Matriks order 2x2 dari koefisien yang tidak ada dalam persamaan 3 tetapi ada di persamaan yang lain adalah sebagai berikut : D=
-β1 -β2 1
0
E = -β1 -β3 1
0
Determinan matriks D dan E ini tidak sama dengan 0, yang artinya memenuhi rank condition sehingga persamaan ini teridentifikasi. 3.5.3 Pengujian Statistik Dalam pengujian ini diharapkan dapat diketahui variabel eksogen mana yang berpengaruh terhadap variabel endogen, baik secara bersamasama, maupun secara parsial. Untuk itu diperlukan pengujian yang terdiri dari Uji t, Uji F dan Uji R2 1.
Uji t-statistik Untuk menguji apakah masing-masing variabel eksogen berpengaruh nyata atau tidak terhadap variabel endogen, maka digunakan uji statistik t dengan membandingkan thitung dengan ttabel. Pengujian dengan statistik t terlebih dahulu diajukan hipotesa sebagai berikut: H0 diterima dan H1 ditolak bila : ttabel > thitung H0 ditolak dan H1 diterima bila : ttabel < thitung Hipotesis ini diuji dengan uji t pada daerah kritis dengan taraf nyata sebesar α = 5% secara dua arah. Nilai t-statistik dapat juga dilihat dari probabilitas (p-value). Jika nilai p-value lebih kecil dari α, maka H0 ditolak, dan sebaliknya H0 diterima jika nilai p-value lebih besar dari α.
Universitas Indonesia Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
40
2.
Uji keeseluruhan (uji F) dilakukan d u untuk menngetahui ap pakah variabeel independden secara bersama-sam b ma mempeengaruhi varriabel dependdennya. Hiipotesis unttuk melakuukan uji F adalah seebagai berikuut : H0 : Variabel V inddependen seecara bersam ma-sama tiddak berpeng garuh s signifikan teerhadap varriabel depennden H1 : Variabel V indeependen seccara bersam ma-sama berrpengaruh s signifikan teerhadap varriabel depennden Unntuk mengeetahui apakah H0 ditollak atau gaggal ditolak maka perlu dibandingka d an antara nilai n F-statistik dan nilai F-kritis,, atau probabbilitas
F-sstatistik
(p-value) (
masing-masing
varriabel
indepeenden dengaan α. Tolak H0, jika F-sstatistik > nilai n F-kritiss T H0, jika p-value < α Atau Tolak Fk-1, N-kk = 3.
.
Uji R2 R2) merupakan ukurann persentasee total Kooefisien detterminasi (R variasii dalam Y yang dijeelaskan olehh model reegresi. Nilaai R2 berkisaar dari 0 saampai dengaan 1. Jika nilai n R2 menndekati 1 berarti b model yang dibuaat makin dap pat diandalkkan. Sebalikknya jika niilai R2 dak dapat diiandalkan. mendeekati 0 berarrti model tid
konometrik ka 3.5.4 Peengujian Ek 1. Uji Multikoolinieritas Uji multikolinie m eritas digu unakan untuuk melihatt apakah dalam d persamaan yang didduga terdaapat hubunngan linearr antar peeubah bebasnya.
Gejala
t terjadinya multikoliniearitas
addalah
koefisien
2
determinassi (R ) yanng didapat tinggi tetappi tidak saatupun koefisien regresi parttialnya signnifikan.
Unive ersitas Indo onesia Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
41
Konsekuensi
dari
model
regresi
yang
mengandung
multikolinearitas adalah bahwa kesalahan standar estimasinya akan cenderung meningkat dengan bertambahnya variabel eksogen. Dalam pengujian ini digunakan matriks korelasi yang menunjukkan koefisien korelasi
antar
variabel
pembentuk
model.
Adanya
masalah
multikolinieritas jika dalam matriks korelasi antar variabel dari output Eviews mempunya nilai lebih dari 0.8. 2. Uji Heteroskedastisitas Uji yang menyatakan dengan asumsi populasi dari variabel endogen yang mempunyai hubungan dengan berbagai variabel eksogen, mempunyai varian yang sama.
Akibat dari pelanggaran uji ini
menyebabkan varian estimasi koefisien regresi tidak minimal lagi. Pengujian heteroskedastisitas dapat dilakukan dengan uji White Heteroscedasity. Hipotesis yang diuji adalah : H0 : γ = 0, tidak terdapat heteroskedastisitas H1 : γ ≠ 0, terdapat heteroskedastisitas Wilayah kritik penolakan H0 adalah probabilitas obs*R-squared < α, sedangkan wilayah penerimaan H0 adalah probabilitas obs*R-squared > α. Jika H0 ditolak maka varians dari error term untuk setiap pengamatan berbeda untuk setiap variabel bebas, sebaliknya jika H0 diterima maka varians dari error term untuk setiap pengamatan sama untuk seluruh variabel bebas. 3. Uji Autokorelasi Pengujian terhadap kemungkinan autokorelasi dilakukan untuk melihat apakah terdapat korelasi antar anggota sampel yang diurutkan berdasarkan waktu untuk data time series atau menurut urutan tempat/ruang. Autokorelasi dapat diartikan sebagai korelasi sisaan yang satu (ε1). Biasanya autokorelasi sering terjadi pada data time series. Penyebab utama terjadinya autokorelasi adalah ada variabel penting yang tidak digunakan dalam model. Pendeteksian autokorelasi dapat
Universitas Indonesia Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
42
dilakukan
dengan
melihat
probabilitas
obs*R-squared
dengan
menggunakan statistik Breusch-Godfrey Serial Correlation LM Test yang tersedia pada program Eviews. Hipotesis dalam uji ini adalah : H0 : ρ = 0, tidak terdapat autokorelasi H1 : ρ ≠ 0, terdapat autokorelasi Wilayah kritik penolakan H0 adalah probabilitas obs*R-squared < α, sedangkan wilayah penerimaan H0 adalah probabilitas obs*R-squared > α. Jika H0 ditolak maka terjadi autokorelasi (positif atau negatif) dalam model. Sebaliknya jika H0 diterima maka tidak ada autokorelasi dalam model.
Universitas Indonesia Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.