III.
METODE PENELITIAN
3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Pusat Data dan Informasi Kementerian Energi dan Sumberdaya Mineral (Pusdatin ESDM), Direktorat Jenderal Minyak dan Gas Bumi (Ditjen Migas), United Nations Commodity and Trade (UN Comtrade), Badan Pusat Statistik, dan Bank Indonesia. Bentuk datanya adalah time series bulanan periode Januari 2003 sampai Desember 2010. Variabel yang akan di analisis dalam penelitian ini yaitu volume ekspor LNG Indonesia, produksi LNG Indonesia, konsumsi domestik gas alam, harga domestik gas alam, harga ekspor LNG, dan nilai tukar rupiah terhadap dolar Amerika. Tabel 3.1. Data Time Series Bulanan yang Digunakan dalam Penelitian Data Bulanan yang digunakan
Sumber
Volume ekpor LNG Indonesia
UN Comtrade
Produksi LNG Indonesia
Ditjen Migas, Pusdatin ESDM
Konsumsi domestik gas alam
Pusdatin ESDM
Harga domestik gas alam
Indeks Harga Perdagangan Besar BPS
Harga ekspor LNG
UN Comtrade
Nilai tukar
Bank Indonesia
3.2. Metode Analisis dan Pengolahan Data Metode analisis data yang digunakan adalah metode deskriptif dan metode kuantitatif. Metode deskriptif digunakan untuk menganalisis perkembangan data
yang digunakan dalam penelitian ini yaitu perkembangan ekspor LNG Indonesia, perkembangan produksi LNG, perkembangan konsumsi domestik gas alam, perkembangan harga domestik gas alam, dan perkembangan harga ekspor LNG. Metode kuantitatif Error Correction Model (ECM) digunakan untuk mengetahui pengaruh kebijakan domestic market obligation (DMO) gas dan faktor-faktor yang memengaruhi perilaku penawaran ekspor LNG Indonesia selama kebijakan DMO diberlakukan. Variabel dummy kebijakan domestic market obligation (DMO) digunakan dalam penelitian ini untuk mengetahui pengaruh kebijakan tersebut terhadap ekspor LNG Indonesia serta seberapa besar pengaruhnya. Faktor-faktor yang memengaruhi perilaku penawaran ekspor gas alam Indonesia dibagi menjadi dua, yaitu faktor internal dan faktor eksternal. Faktor internal terdiri dari beberapa variabel yaitu variabel produksi LNG, konsumsi domestik gas alam, dan harga domestik gas alam. Faktor eksternal yaitu variabel harga ekspor LNG dan nilai tukar rupiah terhadap dolar Amerika. Dalam penelitian ini akan diketahui pengaruh faktor internal dan eksternal tersebut terhadap perilaku penawaran ekspor LNG Indonesia selama diberlakukannya kebijakan DMO gas. Alat analisis yang digunakan untuk pengolahan data dalam penelitian ini dioperasikan dengan EViews 6 dan Microsoft Excel 2007.
3.3. Analisis Deret Waktu 3.3.1. Uji Stasioneritas Hal penting yang berkaitan dengan studi atau penelitian dengan menggunakan data time series adalah stasioneritas. Data yang tidak stasioner dapat menyebabkan
regresi
palsu
(spurious
regression),
yaitu
regresi
yang
menggambarkan hubungan dua variabel atau lebih yang nampaknya signifikan secara statistik padahal dalam kenyataannya tidak sebesar regresi yang dihasilkan tersebut. Variabel juga dikatakan tidak stasioner, jika terdapat hubungan antara variabel tertentu dengan waktu atau trend. Pengujian akar unit dilakukan untuk mengetahui apakah data tersebut stasioner atau tidak. Untuk mengetahui ada tidaknya unit root yaitu dengan menggunakan uji Augmented Dickey-Fuller (ADF test). Hipotesis yang digunakan adalah : H0 : γ = 0, artinya data tidak stasioner (mengandung unit root), H1 : γ ≠ 0, artinya data stasioner (tidak mengandung unit root). Jika nilai ADF statistik lebih kecil dari nilai tabel MacKinnon, maka hipotesis nol ditolak. Artinya, uji ADF menunjukkan data yang dianalisis adalah stasioner.
3.3.2. Uji Kointegrasi Kointegrasi adalah suatu hubungan jangka panjang (equilibrium) antara variabel-variabel yang tidak stasioner dan residual dari kombinasi linier tersebut harus stasioner. Uji kointegrasi dilakukan untuk mengetahui kemungkinan terjadinya kombinasi linear, yaitu suatu hubungan keseimbangan jangka panjang antara variabel-variabel yang ada sehingga dapat digunakan dalam sebuah persamaan. Terdapat beberapa cara untuk melakukan uji kointegrasi, antara lain Engle-Granger
Cointegration
Test,
Johansen
Cointegration
Test
dan
Cointegrating Regression Durbin-Watson Test (Firdaus, 2011). Metode yang digunakan dalam pengujian ini adalah metode Engle-Granger Cointegration Test yang biasanya dilakukan pada persamaan tunggal yang searah.
Engle-Granger Cointegration pada dasarnya menggunakan metode Augmented Dickey Fuller (ADF) yang terdiri dari dua tahap. Pertama, dengan meregresikan persamaan variabel dependen dengan variabel independen menggunakan metode OLS. Volume ekspor LNG Indonesia diregresikan dengan produksi LNG, konsumsi gas domestik, harga ekspor LNG, harga gas domestik dan dummy kebijakan domestic market obligation (DMO), kemudian didapatkan residual (u) dari persamaan tersebut. Kedua, melakukan uji ADF terhadap residual dengan hipotesis yang sama seperti hipotesis uji ADF sebelumnya. Jika hipotesis nol ditolak atau signifikan, maka variabel u stasioner atau dalam hal ini terdapat kombinasi linier antar variabel. Artinya, meskipun variabelvariabel yang digunakan tidak stasioner, namun dalam jangka panjang variabelvariabel tersebut cenderung menuju pada keseimbangan. Oleh karena itu, kombinasi linier dari variabel-variabel ini disebut co-integrated regression atau regresi kointegrasi dan parameter-parameter yang dihasilkan disebut co-integrated parameters atau koefisien-koefisien jangka panjang.
3.4. Error Correction Model (ECM) Adapun persamaan Error Correction Model yang akan digunakan dalam penelitian ini diuraikan sebagai berikut:
D(LN_X)t = β1 D(LN_Q)t + β2 D(LN_ER)t + β3 D(LN_PD)t + β4 D(LN_PX)t + β5 D(LN_CD)t + Dummy + γut-1 + et ……………………………(3.1) dengan -1 < γ < 0 Di mana : D
= First Difference
LN_Xt
= Total volume ekspor LNG Indonesia periode t,
LN_Qt
= Produksi LNG periode t,
LN_ERt
= Nilai tukar periode t,
LN_PDt
= Harga domestik gas alam periode t,
LN_PXt
= Harga ekspor LNG periode t,
LN_CDt
= Konsumsi domestik gas alam periode t,
Dummy
= Dummy kebijakan domestic market obligation (DMO)
γ
= Error Correction Term
ut
= LN_Xt – b0 – b1 LN_Qt – b2 LN_ERt– b3 LN_PDt – b4 LN_PXt – b5 LN_CDt ................................................................................. (3.2) = error periode t.
et
Dengan mensubstitusikan persamaan 3.2, yaitu mengeluarkan koefisien dalam u, maka persamaan 3.1 dapat diubah menjadi: D(LN_X)t = β0 + β1 D(LN_Q)t + β2 D(LN_ER)t + β3 D(LN_PD)t + β4 D(LN_PX)t + β5 D(LN_CD)t + β6 LN_Xt-1 + β7 LN_Qt-1 + β8 LN_ERt-1 + β9 LN_PDt-1 + β10 LN_PXt-1 + β11 LN_CDt-1 + Dummy + et ………. (3.3) Di mana: β0 = b0(γ) ; β1 = b1 ; β2 = b2 ; β3 = b3 ; β4 = b4 ; β5 = b5 ; β6 = γ ; β7 = -b1(γ) ; β8 = -b2(γ) ; β9 = -b3(γ) ; β10 = -b4(γ) ; β11 = -b5(γ).
Untuk mengamati apakah spesifikasi model dengan ECM merupakan model yang valid, maka dilakukan uji terhadap koefisien Error Correction Term (ECT). Jika hasil pengujian terhadap ECT signifikan, maka spesifikasi model yang diamati valid (Hafizah, 2009).
3.5. Uji Diagnostik 3.5.1. Uji Multikolinearitas Multikolinearitas adalah hubungan linear yang kuat antara variabel-variabel eksogen dalam persamaan regresi berganda. Jika nilai R2 yang diperoleh tinggi (antara 0,8 dan 1) tetapi tidak terdapat atau sedikit sekali koefisien dugaan yang signifikan pada taraf uji tertentu dan tanda koefisien regresi dugaan tidak sesuai teori maka model yang digunakan berhubungan dengan masalah multikolinearitas (Gujarati, 1997). Menurut uji Klein apabila nilai R2 lebih besar daripada nilai korelasi dari tiap variabel eksogen maka multikolinearitas dapat diabaikan. Hal utama yang menyebabkan terjadinya multikolinearitas pada model regresi, yaitu kesalahan teoritis dalam pembentukan model fungsi regresi yang dipergunakan atau terlampau kecilnya jumlah pengamatan yang akan dianalisis dengan model regresi. Tindakan perbaikan terhadap multikolinearitas dapat dilakukan dengan berbagai alternatif sebagai berikut: 1.
Menggunakan extraneous atau informasi sebelumnya.
2.
Mengkombinasikan data cross section dan data time series.
3.
Membuang variabel yang berkorelasi.
4.
Mentrasformasikan data.
5.
Mendapatkan tambahan atau data baru.
3.5.2. Uji Autokorelasi Salah satu asumsi dari model regresi linear adalah bahwa tidak ada autokorelasi atau korelasi serial antara error term (εt). Dengan pengertian lain, error term menyebar bebas atau Cov(εi, εj) = E(εi, εj) = 0, untuk semua i ≠ j. Jika antar error term tidak bebas atau E(εi, εj) ≠ 0, untuk semua i≠j, maka terdapat
masalah autokorelasi (Juanda, 2009). Autokorelasi sering terjadi pada data time series, dimana error term pada satu periode waktu secara sistematik tergantung kepada error term pada periode-periode waktu yang lain. Konsekuensi dari adanya autokorelasi yaitu varian yang diperoleh dari estimasi dengan ECM bersifat under estimate, yaitu nilai varian parameter yang diperoleh lebih kecil daripada nilai varian yang sebenarnya. Uji yang digunakan untuk mendeteksi apakah pada data yang diamati terjadi autokorelasi atau tidak adalah uji Breusch-Godfrey Serial Correlation LM. Apabila nilai probability Obs*R-squared lebih besar dari taraf nyata maka tidak ditemukan gejala autokorelasi pada model, namun bila nilai probability Obs*Rsquared lebih kecil dari taraf nyata maka ditemukan gejala autokorelasi pada model.
3.5.3. Uji Heteroskedastisitas Salah satu asumsi yang penting dari model regresi linear klasik adalah memiliki
varian
residual
yang
konstan
(homoskedastis).
Rumusan
homoskedastisitas adalah sebagai berikut : Var(εi) = E(εi2) = σ2 .......................................................................................... (3.4) Di mana : εi = unsur disturbance, σ2= nilai varians. Apabila asumsi tersebut tidak terpenuhi maka varian residual tidak lagi bersifat konstan disebut dengan heteroskedastisitas. Konsekuensi dari adanya heteroskedastisitas yaitu :
a.
Estimasi dengan menggunakan ECM tidak akan lagi memiliki varian yang minimum atau estimator tidak efisien.
b.
Prediksi (nilai Y untuk X tertentu) dengan estimator dari data yang sebenarnya akan mempunyai varian yang tinggi sehingga prediksi menjadi tidak efisien. Uji yang dapat dilakukan untuk mendeteksi apakah data yang diamati terjadi
heteroskedastisitas atau tidak yaitu dengan uji White-Heteroskedasticity. Apabila nilai probability Obs*R-squared lebih kecil dari taraf nyata berarti terdapat gejala heteroskedastisitas pada model, dan sebaliknya. 3.5.4. Uji Normalitas Uji normalitas dilakukan untuk memeriksa apakah error term mendekati distribusi normal atau tidak. Jika asumsi ini tidak terpenuhi maka prosedur pengujian menggunakan t-statistik menjadi tidak sah. Uji normalitas error term yang dilakukan adalah uji Jarque-Bera yang pengujiannya dilakukan berdasarkan error dan penduga least squares. Prosedur pengujiannya adalah : H0 : Error term terdistribusi normal, H1 : Error term tidak terdistribusi normal. Jika probability Jarque-Bera lebih besar dibandingkan dengan taraf nyata (α), maka hipotesis nol diterima. Artinya, model ECM tidak mempunyai masalah normalitas atau error term terdistribusi normal. 3.6. Definisi Operasional 1.
Dummy yang digunakan dalam penelitian ini adalah berupa kebijakan pemerintah yang diduga memengaruhi ekspor LNG, yaitu berupa kebijakan domestic market obligation (DMO). Nilai 0 untuk masa sebelum berlakunya
kebijakan DMO dan nilai 1 untuk masa sesudah berlakunya kebijakan DMO. Periode waktu yang digunakan yaitu periode bulanan dari Januari 2003 sampai Desember 2010. 2.
Volume ekspor LNG Indonesia merupakan total kuantitas ekspor LNG Indonesia ke dunia yang dinyatakan dalam satuan ton, dengan periode bulanan dari Januari 2003 sampai Desember 2010.
3.
Produksi LNG Indonesia adalah jumlah keseluruhan untuk komoditi LNG Indonesia yang diproduksi setiap bulannya, yang dinyatakan dalam satuan M.Ton (103 Ton), selama periode Januari 2003 sampai Desember 2010.
4.
Harga domestik gas alam Indonesia adalah harga gas alam dalam negeri di tingkat perdagangan besar, yang dinyatakan dalam indeks (tahun dasar 1993=100), dengan periode waktu bulanan dari Januari 2003 sampai Desember 2010.
5.
Harga ekspor LNG Indonesia adalah harga untuk LNG Indonesia di pasar dunia, yang diperoleh dari hasil pembagian antara nilai ekspor LNG Indonesia dengan volume ekspornya, dengan periode waktu bulanan dari Januari 2003 sampai Desember 2010.
6.
Nilai tukar uang adalah nilai tukar valuta asing yang umum digunakan dalam pembayaran transaksi internasional dalam satuan dolar Amerika Serikat terhadap mata uang rupiah (Rp/US$) yang dinyatakan dalam indeks (tahun dasar 1999=100), dengan periode waktu bulanan dari Januari 2003 sampai Desember 2010.