IV METODE PENELITIAN 4.1. Jenis dan Sumber Data Data yang digunakan berupa data sekunder baik bersifat kuantitatif maupun kualitatif. Data sekunder kuantitatif terdiri dari data time series dan cross section dari tahun 2000-2010 untuk data perdagangan empat negara mitra dagang utama sebagai negara importir CPO yang tergabung dalam anggota WTO dan negara Indonesia sebagai negara pengekspor CPO yang juga merupakan anggota WTO. Data tersebut diperoleh dari UN Comtrade, FAOSTAT, IMF, World Bank, CIA dan instansi terkait lainnya. Data yang digunakan meliputi data volume ekspor CPO Indonesia ke empat mitra dagang utama, Gross Domestik Product (GDP) tiap negara, jarak antar negara, nilai tukar (exchange rate) antar negara dan harga CPO dunia. Sedangkan data kualitatif dan data pendukung lainnya yang berfungsi sebagai pendukung data kuantitatif diperoleh melalui studi literatur berupa skripsi, internet dan buku-buku yang berkaitan dengan penelitian. 4.2. Metode Pengolahan Data Metode pengolahan data yang digunakan meliputi metode deskriptif dan metode kuantitatif. Metode deskriptif digunakan untuk menjelaskan pengaruh kebijakan WTO terhadap perdagangan CPO dunia terutama negara Indonesia dan empat negara mantra dagang utama utama CPO antara lain India, Belanda, Malaysia dan Singapura. Metode kuantitatif dengan pendekatan Gravity Model digunakan untuk menganalisis faktor-faktor penarik perdagangan internasional yang mempengaruhi ekspor CPO negara Indonesia ke empat negara pengimpor dengan menggunakan regresi panel data yang selanjutnya akan digunakan untuk menganalisis potensi ekspor CPO negara Indonesia ke empat negara mitra dagang utama dengan menggunakan metode rasio perdagangan. Proses pengolahan data dilakukan dengan menggunakan Microsoft Excel dan program Eviews 6.0, kemudian dilanjutkan dengan tahap interpretasi data. Pemilihan alat pengolahan dilakukan atas dasar kemudahan dan kemampuannya dalam mengolah data.
40
4.3. Perumusan Model Penelitian ini menganalisis potensi ekspor Crude Palm Oil (CPO) Indonesia ke empat negara mitra dagang utama menggunakan gravity model. Beberapa variabel independen yang akan digunakan dalam permodelan ini meliputi, GDP tiap negara, jarak antar negara, nilai tukar (exchange rate) antar negara dan harga CPO dunia. Adapun empat negara mitra dagang utama adalah India, Belanda, Malaysia dan Singapura. Formulasi model yang digunakan dalam penelitian ini dapat dilihat sebagai berikut : Yij
= α0GDPiβ1GDPj β2Dijβ3ERβ4Pijβ5 ……………………………………. (4.1)
Ln Yij = β0+β1 ln GDPi+β2 ln GDPj+ β3 ln Dij+β4 ln ER+β5 ln Pi ……………. (4.2) dimana : β0 βn Yij ln α0 GDPi GDPj Dij ERij Pij ε
= intersep, = parameter yang diduga (n = 1,2…6) = volume ekspor CPO dari Indonesia (i) ke empat negara mitra dagang utama (j) dalam (kilogram), = β0 = GDP negara Indonesia dalam (Milyar US $), = GDP empat negara mitra dagang utama (India, Belanda, Malaysia dan Singapura) dalam (Milyar US $), = jarak antara negara Indonesia dengan ke empat negara mitra dagang utama (India, Belanda, Malaysia, Singapura) dalam (US $ per barrel), = nilai tukar (exchange rate) antara Indonesia dengan empat negara mitra dagang utama, = harga CPO dunia dalam (US $ per kg) = galat (pengaruh variabel lain yang tidak termasuk dalam model).
4.4. Pemilihan Model dalam Pengolahan Panel Data Pemilihan model secara statistik dilakukan agar dugaan yang diperoleh dapat seefisien mungkin. Ada dua pengujian dalam menentukan model yang akan digunakan dalam pengolahan data panel yaitu uji chow (Chow Test) dan uji hausman (Haustman Test).
41
4.4.1. Chow Test (Uji Chow) Chow test digunakan untuk memilih kedua model diantara Pooled Least Square dan Fixed Effect Model. Asumsi bahwa setiap unit cross section memiliki perilaku yang sama cenderung tidak realistis mengingat dimungkinkannya setiap unit cross section memiliki perilaku yang berbeda menjadi dasar dari uji chow. Dalam pengujian ini dilakukan hipotesa sebagai berikut : H0
: model Pooled Least Square
H1
: model Fixed Effect Dasar penolakan terhadap H0 adalah dengan menggunakan F-statistik
seperti berikut : ;<=
>??@ A>??B CA@ >??B CDACAE
…………………………………………………………… (4.3)
dimana : ESS1 ESS2 N T K
: : : : :
residual Sum Square hasil pendugaan model PLS, residual Sum Square hasil pendugaan model Fixed Effect, jumlah data cross section, jumlah data time series, jumlah variabel penjelas.
Statistik Chow Test mengikuti sebaran F-statistik yaitu F(N-1,NT-N-K)α. Jika nilai Chow statistik lebih besar dari F-tabel, maka cukup bukti untuk menolak H0 dan sebaliknya. 4.4.2. Hausman Test (Uji Hausman) Uji hausman digunakan untuk membandingkan model Fixed Effect dengan Random effect. Alasan dilakukannya uji hausman didasarkan pada model fixed effect model yang mengandung suatu unsur trade off yaitu hilangnya unsur derajat bebas dengan memasukan variabel dummy dan model Random Effect yang harus memperhatikan ketiadaan pelanggaran asumsi dari setiap komponen galat. Dalam pengujian ini dilakukan hipotesis sebagai berikut : H0
: model Random effect
H1
: model Fixed effect
42
Dasar penolakan H0 dengan menggunakan Statistik Hausman dirumuskan sebagai berikut : M = (β-b)(M0-M1)-1(β-b) ~ χ2(K) ……………………………………………. (4.4) dimana : β b M0
: vector statistik variabel fixed effect, : vector statistik variabel random effect, : matriks kovarians untuk dugaan random effect. Statistik hausman menyebar Chi-Square, jika nilai m hasil pengujian lebih
besar dari χ2- tabel, maka cukup bukti untuk melakukan penolakan terhadap H0 begitupula sebaliknya. Dalam penelitian ini hanya dilakuan uji chow untuk memilih model Pooled Least Square (PLS) atau Fixed Effect Model (FE). Pengujian terhadap pemilihan Random Effect Model (RE) dan Fixed Effect Model (FE) dengan uji hausman tidak dilakukan dalam penelitian ini karena jumlah data cross section (4) lebih sedikit dibandingkan jumlah variabel independen (5) yang mengakibatkan model RE tidak dapat ditelusuri. Hal tersebut sejalan dengan pemilihan model pada penelitian Yanuarti (2008). 4.5. Pengujian Model 4.5.1. Uji F-statistic Uji F-statistic dilakukan untuk mengetahui pengaruh variabel independen atau independen secara bersama-sama terhadap variabel dependen atau dependen. Adapun langkah-langkah untuk menguji hipotesis dengan distribusi F adalah sebagai berikut : 1. Merumuskan hipotesis. H0 : β1 = β2 = β3 = β4 = β5 = β6 = 0 H1 : minimal ada satu slope (β) yang ≠ 0 2. Menentukan taraf nyata (α) atau derajat keyakinan yang digunakan sebesar α = 1%, 5%, 10%.
43
3. Menentukan uji statistik seperti yang disajikan di bawah ini. LMM N
F ;GHIJK OMM
N
………………………………………………………... (4.5)
dimana : RSS ESS dfr dfs
= = = =
jumlah kuadrat regresi, jumlah kuadrat error, derajat bebas regresi, derajat bebas error.
4. Penentuan kriteria uji. H0 ditolak apabila Fhitung > Ftabel dengan derajat bebas pembilang = DFregression = v1 = k, dan derajat bebas penyebut = DF Error = v2 = (n-k-1) atau P < α, artinya semua variabel independen secara bersama-sama merupakan penjelas yang signifikan terhadap variabel dependen. 4.5.2. Uji t-statistic Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Tujuan dari uji t adalah untuk menguji koefisien regresi secara individual. Adapun langkah-langkah dalam pengujian ini adalah sebagai berikut : 1. Merumuskan hipotesis. Ho : βi = 0, artinya variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen Ha : βi ≠ 0, artinya variabel independen merupakan penjelas yang signifikan terhadap variabel dependen. 2. Menentukan taraf nyata (α) atau derajat keyakinan yang digunakan sebesar α = 1%, 5%, 10%. 3. Menentukan uji statistik seperti yang disajikan di bawah ini. P ;GHIJK
QR
NQR
……………………………………………………… (4.6)
dimana : Sd (b1) = simpangan baku dari parameter dugaan, b1 = parameter dugaan.
44
4. Penentuan kriteria uji. H0 ditolak apabila |thitung| > t (α / 2; n– k-1) atau P < α, artinya ada pengaruh antara variabel independen terhadap variabel dependen. 4.5.3. R-Squared (R2) Kesesuaian model dihitung dengan nilai koefisien determinasi (R2) yang bertujuan untuk mengukur keragaman variabel independen yang dapat diterangkan oleh variabel dependen. R2 menunjukkan besarnya pengaruh semua variabel independen terhadap variabel dependen. LMM
S TUIVW X YMM …………………………………………………………... (4.7) dimana : RS TSS
= jumlah kuadrat regresi, = jumlah kuadrat total. Selang R2 yang digunakan adalah 0 ≤ R2 ≤ 1. R2 = 1 berarti 100 persen
variasi dalam variabel dependen dapat dijelaskan oleh variabel-variabel independennya. Sedangkan R2 = 0 berarti tidak satupun variabel dependen tidak dapat dijelaskan oleh variabel-variabel independennya. 4.6. Pengujian Asumsi Model Dalam permasalahan analisis regresi termasuk panel data sering ditemukan masalah yang perlu dilakukan pengujian klasik, antara lain pengujian normalitas, multikolinearitas, autokorelasi, dan heteroskedastisitas. 1. Normalitas Uji normalitas ditujukan untuk mengetahui apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah model yang memiliki nilai residual yang terdistribusi normal. Sehingga uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Dalam penerapan OLS untuk regresi linier klasik, diasumsikan bahwa distribusi residual memiliki nilai rata-rata yang diharapkan sama dengan nol, tidak berkorelasi dan mempunyai varian yang konstan. Dengan asumsi ini OLS estimator atau penaksir
45
akan memenuhi sifat-sifat statistik yang diinginkan seperti unbiased dan memiliki varian yang minimum. Ada beberapa uji untuk mengetahui normal atau tidaknya nilai residual antara lain dengan menggunakan Jargue-Bera test atau J-B test. Uji ini menggunakan hasil estiminasi residual dan chisquare probability distribution yang terdapat pada Lampiran 6. Statistik uji J-B test dapat dilihat dibawah ini (Gujarati 2006). MB
Z[ J \ ^ \ ]
_`aB bc
^ ………………………………………………………... (4.8)
dimana : n S K
= jumlah observasi = skewness (kemencengan) = kurtosis (keruncingan) Statistik J-B mengikuti distribusi Chi-square dengan d.k.2 secara asimtotis
(asy) atau dalam sampel besar yang secara simbolis daituliskan sebagai berikut. Z[dNe fgbb Bila nilai J-B hitung > nilai χ2 tabel atau Prob < 0.05, maka hipotesis yang menyatakan bahwa residual berdistribusi normal dapat ditolak. Bila nilai J-B hitung < nilai χ2 tabel, atau Prob > 0,05 maka yang menyatakan bahwa residual berditribusi normal tidak dapat ditolak. 2. Multikolinearitas Multikolinearitas adalah hubungan linear yang kuat antara variabelvariabel independen dalam persamaan regresi berganda. Adanya multikolinearitas menyebabkan pendugaan koefisien regresi tidak nyata walaupun nilai R2-nya besar. Hal tersebut dapat dideteksi dari nilai R2 yang tinggi (0,7-1), tetapi tidak terdapat atau hanya sedikit sekali koefisien dugaan yang berpengaruh nyata (Gujarati 2006). Multikolinearitas dapat diketahui dengan meregresikan variabel independen dengan variabel independen lainnya, dengan uji F(uji signifikansi)9. Jika Fhitung > Ftabel, artinya tolak H0 yang berarti terdapat multikolinearitas pada model dugaan jika Fhitung < Ftabel, artinya terima H0 yang berarti tidak 9
Syofyan S. 2008. Pengujian Asumsi Klasik. Modul Ekometrika2:3-10
46
terdapat multikolinearitas pada model dugaan atau dapat dilihat pula dari nilai R2nya. Jika nilai R2 pada variabel yang diregresikan lebih tinggi daripada nilai R2 pada model awal regresi dugaan, maka variabel tersebut menyebabkan terjadinya multikolineritas pada model regresi dugaan (Gujarati 2006). Tindakan perbaikan model dugaan akibat adanya multikolinearitas dapat dilakukan dengan menambah observasi atau menghilangkan satu atau lebih variabel independen yang memiliki kolinearitas yang tinggi dengan uji wald. Adapun kriteria uji wald adalah sebagai berikut10. 1 . Jika F statistik signifikan (Prob < 0,05), maka
penghilangan variabel
independen yang mengandung multikolinearitas akan mengubah interpretasi dari persamaan regresinya sehingga penghilangan variabel tersebut tidak diperbolehkan. Dengan kata lain sekalipun variabel tersebut mengandung multikolinearitas namun memiliki pengaruh terhadap variabel dependennya. 2 . Jika F statistik tidak signifikan atau (Prob > 0,05), maka penghilangan variabel independen yang mengandung multikolinearitas tidak akan mengubah interpretasi dari persamaan regresinya sehingga penghilangan variabel tersebut diperbolehkan. 3. Heteroskedastisitas Jika seluruh residual pada model tidak memiliki varian yang konstan maka diduga model mengalami masalah heteroskedastisitas. Pengujian terhadap adanya heteroskedastisitas dapat dilakukan dengan uji park, uji goldfeld-quant dan uji white. Dalam penelitian ini digunakan uji park karena uji ini tersedia pada program eviews 6.0. Uji park pada mengasumsikan bahwa σ2 adalah fungsi dari variabel independen pada model seperti tersaji di bawah ini (Gujarati 2006). i
hb" hb " j"
kJhb" kJhb" -kJ" l" …………………………………………………….. (4.9)
dimana 91 = gangguan stokastik
10
Loc.cit
47
Karena σ2 tidak diketahui, maka uji park mengasumsikan agar m1b digunakan sebagai proxy, dan dilakukan regresi seperti berikut : kJnb" kJhb" -kJ" l" ………………………………………………….. (4.10)
, -kJ" l"
Jika β signifikan, maka ada heteroskedasitas dalam data sebab hipotesis pengujian heteroskedasitas adalah : H0
= tidak ada heteroskedastisitas
H1
= ada heteroskedastisitas
4. Autokorelasi Autokorelasi sering terjadi pada pengamatan yang dilakukan pada data runtun waktu (time series). Autokorelasi adalah keadaan di mana terdapat trend di dalam variabel yang diteliti, sehingga akibatnya ε juga mengandung trend. Autokorelasi terjadi jika antara εt dan εt-1 terdapat korelasi yang tinggi, jika terdapat autokorelasi, maka parameter b yang diperoleh tetap linier dan tidak bias, tetapi Sb bias akibatnya uji signifikansi variabel yang dilakukan dengan uji-t tidak bisa dilakukan. Pendeteksian terhadap adanya autokorelasi dilakukan degan menggunakan uji Durbin Watson (DW) sebagai berikut (Gujarati 2006). X o \
p εq εqA@ p εBq
^…………………………………………………………. (4.11)
dimana : d .2 .2`R
= nilai Durbin Watson = nilai error pada tahun ke-t = nilai error pada tahun sebelumnya Statistik d akan dibandingkan atau dilihat hasilnya dari daerah keputusan
Durbin-Watson untuk memperoleh kesimpulan apakah menolak atau menerima H0. Kaidah keputusan dari uji Durbin-Watson dapat dilhat pada Gambar 9 berikut ini.
48
f(d)
Daerah Tidak ada keputusan
Daerah Tidak ada keputusan
Tolah H0
Tolah H0
(Autokorelasi Positif)
(Autokorelasi Negatif)
Terima H0
D 0
dL
dU
4 – dU
4
dL
Gambar 9. Daerah Keputusan pada Uji Durbin Watson Sumber : Gujarati, 2006
dimana : dU = batas atas dari nilai kritis dL = batas bawah dari nilai kritis Adapun kriteria uji Durbin-Watson berdasarkan daerah keputusan diatas adalah sebagai berikut. d < dL d > 4 – dL dU < d < 4 – dU dL ≤ d ≤ dU atau 4 - dU ≤ d ≤ 4 – dL
= = = =
tolak H0 (autokorelasi positif) tolak H0 (autokorelasi negatif) terima H0 (tidak ada autokorelasi) tidak ada keputusan
4.7. Pengukuran Potensi Perdagangan Pengukuran potensi perdagangan digunakan untuk menganalisis tujuan perdagangan dimasa yang akan datang baik dilihat dari kepastian pasar maupun tingkat persaingan. Metode yang digunakan adalah metode rasio perdagangan dengan merasiokan nilai prediksi dan nilai aktual dari estimasi gravity model
49
(Kalbasi 2001, diacu dalam Yuniarti 2008). Adapun rumusannya adalah sebagai berikut :
% ……………………………………………………………………… (4.12) dimana : PP P A
= rasio potensi perdagangan = nilai prediksi aliran perdagangan CPO dari estimasi Gravity Model = nilai aktual aliran perdagangan CPO dari estimasi Gravity Model Jika rasio potensi perdagangan (PP) lebih besar dari 1, artinya
perdagangan antara indonesia dengan keempat negara utama tujuan ekspor CPO mengalami under estimate atau selama ini belum melebihi potensi perdagangan yang ada. Jika PP kurang dari 1 berarti perdagangan Indonesia dengan keempat negara tersebut mengalami over estimate artinya selama ini perdagangan tersebut telah memenuhi potensi yang ada. 4.8. Hipotesis Penelitian Hipotesis dalam penelitian ini meliputi sebagai berikut : 1. GDP dari negara eksportir (GDPj) mengukur kapasitas produksi negara tersebut, sementara GDP negara importir (GDPi) untuk mengukur kapasitas absorsi (Kalbasi 2001). Kedua variabel tersebut diperkirakan mempunyai hubungan positif dengan laju perdagangan CPO internasional. 2. Jarak (Dij) merupakan proksi bagi biaya transportasi karena semakin jauh jarak diantara kedua negara maka biaya transportasi akan semakin tinggi. Jarak diperkirakan mempunyai hubungan negatif dengan laju perdagangan CPO internasional. 3. Pada kondisi nilai tukar (ER), jika kurs riil rendah atau terjadi depresiasi mata uang domestik terhadap mata uang asing maka penduduk domestik akan membeli sedikit barang impor. Dengan demikian, orang-orang asing akan membeli beraneka macam produk domestik. Sehingga jumlah ekspor neto akan meningkat, dan begitupun sebaliknya (Mankiw 2000). Oleh karenanya variabel nilai tukar diperkirakan berkorelasi dua arah dengan perdagangan CPO internasional.
50
4. Harga Harga pada konsep dasar penawaran menurut Lipsey et al. 1995 merupakan suatu variabel penting yang mempengaruhi secara positif penawaran suatu produk dengan semua variabel yang lain tetap sama. Dengan kata lain, makin tinggi harga suatu komoditi yang akan ditawarkan, semakin kecil jumlah komoditi yang akan ditawarkan. Dengan demikian hipotesis harga CPO dunia pada penelitian ini diperkirakan mempunyai pengaruh yang positif terhadap aliran perdagangan CPO internasional.
51
