Dalam analisis data, model yang digunakan dalam analisis data adalah model regresi linier berganda dengan persamaan tunggal karena bentuk ini mampu menunjukkan berapa persen variabel tak bebas yang dapat dijelaskan oleh variabel bebas dengan nilai koefisien determinasi (R2). Koefisien determinasi menunjukkan proporsi keragaman nilai yang bisa dijelaskan oleh variabel bebas. Apabila semakin tinggi nilai R2, maka model tersebut semakin baik.
Selain itu output model tersebut juga cukup lengkap untuk memenuhi asumsi dalam pendugaan OLS, sedangkan kekurangan dari metode tersebut adalah pendugaan modelnya. Dengan demikian dapat diketahui apakah variabel- variabel bebasnya berpengaruh nyata atau tidak terhadap variabel tak bebas dengan melihat nilai uji-F dan uji-t serta perhitungannya lebih sederhana. Bentuk umum fungsi regresi tersebut adalah :
i i i 0 aX E a Y= +
∑
+ Dimana :Y = Variabel tak bebas a0 = Intersep
ai = Parameter penduga Xi
Xi = Variabel bebas yang menjelaskan variabel Y Ei = Pengaruh sisa (error term)
Model tersebut diduga dengan Metode Kuadrat Terkecil Biasa (Ordinary Lest Square/OLS) yang didasarkan pada asumís-asumsi berikut (Supranto,1984):
1. Nilai rata-rata kesalahan pengganggu sama dengan nol, yaitu E (ei) = 0, untuk utuk i = 1,2,....,n
2. Varian (ej) = E (ej) = σ2, sama untuk semua kesalahan pengganggu (asumsi homoskedastisitas).
3. Tidak ada autokorelasi antara kesalahan pengganggu berarti kovarian (ei,ej) = 0, i
≠
j4. Variabel bebas X1, X2,...,Xk konstan dalam sampling yang terulang dan bebas terhadap kesalahan pengganggu, E (Xi , ei) = 0.
5. Tidak ada kolinieritas ganda diantara variabel bebas X.
6. ei ≈N (0 ; σ2), artinya kesalahan pengganggu mengikuti distribusi normal dengan rata-rata nol dengan varian σ2.
Berdasarkan asumsi di atas, maka koefisien regresi (parameter) yang diperoleh merupakan penduga linier terbaik yang tidak bias (BLUE = Best Linier Unbiased Estimator). Pengujian dilakukan terhadap variabel-variabel bebas yang diduga berpengaruh besar terhadap aliran perdagangan teh Indonesia ke negara tujuan.
4.4 Perumusan Model
Berdasarkan teori dan penelitian sebelumnya, maka variabel yang akan digunakan untuk menganalisis aliran perdagangan teh Indonesia ke negara tujuan ekspor adalah GDP per kapita negara tujuan, populasi negara tujuan, jarak antara negara Indonesia dengan negara tujuan, harga teh Indonesia di
negara tujuan, nilai tukar mata uang negara tujuan terhadap dollar AS, dan keadaan ekonomi Indonesia sebelum dan setelah krisis moneter (variabel
dummy).
Berdasarkan kerangka pemikiran teoritis dan tinjauan penelitian terdahulu, maka model ekonometrik aliran perdagangan teh Indonesia sebelum dan setelah krisis moneter dengan gravity model, secara umum dapat di rumuskan sebagai berikut :
Log Xij = bo+b1 log Yj+b2 log Dij+b3 log Pj+b4 log Nj+b5 log ERj+b6 D+Eij Dimana :
Xij = Volume ekspor teh Indonesia ke negara tujuan (kg) Yj = GDP per kapita negara tujuan (US$)
Dij = jarak antara Indonesia dengan negara tujuan (km) Pj = Harga teh Indonesia di negara tujuan (US$/kg) Nj = Populasi negara tujuan (juta jiwa)
ERj = Nilai tukar mata uang negara tujuan terhadap dollar AS D = Dummy (sebelum krisis = 0 dan setelah krisis = 1)
εt = error bo = intersep bn = koefisien ke-n
4.5 Pengujian Asumsi
Pencocokan suatu model melalui kuadrat terkecil, melalui prediksi interval dan pengujian hipotesis belumlah lengkap dalam persamaan regresi. Tahapan- tahapan tersebut baru setengah jalan, penarikan kesimpulan dapat dibuat apabila model yang dirumuskan telah sesuai dengan asumsi. Penarikan kesimpulan dapat sangat menyimpang secara serius apabila asumsi yang dibuat di dalam formulasi model secara menyeluruh tidak cocok dengan data.
Penting artinya untuk memeriksa data secara hati-hati atas indikator- indikator dari setiap pelanggaran asumsi-asumsi tersebut. Dalam analisis regresi, maka ada tiga asumsi yang harus dipenuhi yaitu normalitas, multikolinieritas dan homoskedastisitas.
4.5.1 Uji Normalitas
Histogram residual menyediakan pemeriksaan atas asumsi normalitas. Umumnya, perbedaan dari bentuk kurva bentuk bel tidak mengurangi kesimpulan dari pengujian atau prediksi interval berbasis distribusi t, khususnya apabila kumpulan datanya besar. Pelanggaran asumsi normalitas sendiri biasanya tidak separah pelanggaran asumsi-asumsi lain.
Apabila plot residual terhadap nilai yang disesuaikan menunjukkan bahwa sifat umum hubungan Y dengan X membentuk suatu kurva dan bukannya garis lurus, maka transformasi data yang tepat akan mengurangi suatu hubungan non- linier menjadi sesuatu yang diperkirakan linier. Salah satu metode yang digunakan untuk menguji apakah error term menyebar normal atau tidak adalah dengan menggunakan metode Kolmogorov Simornov. Langkah-langkah analisis dengan pengujian ini adalah :
1. Perumusan model
H0 : sebaran data normal H1 : sebaran data tidak normal
2. Rumus uji Kolmogorov Simornov (KS) adalah :
n) x (m n) x (m x ) (D x 4 X= Max Dimana : M = kelompok data 1 n = kelompok data 2
D = perbedaan maksimal kelompok data 3. Penentuan penerimaan atau penolakan H0
KS hitung < KS tabel maka terima H0 KS hitung > KS tabel maka tolak H0
4.5.2 Uji Multikolinieritas
Dalam model regresi linier yang mencakup lebih dari dua variabel bebas, sering dijumpai adanya koliner ganda (multikoliner). Multikolinieritas merupakan kondisi dimana terdapat hubungan linier di antara dua atau beberapa variabel bebas.
Adanya multikoliner menyebabkan pendugaan koefisien regresi tidak nyata walaupun nilai R2 tinggi, tanda koefisien tidak sesuai dengan teori dan dengan metode OLS, penduga koefisien regresi mempunyai simpangan baku yang sangat besar. Pengujian multikolinier dapat dilakukan dengan memperhatikan nilai Variance Inflation Factor (VIF) untuk koefisien regresi ke-j yang dapat dirumuskan sebagai berikut :
) 1 ( 1 2 j R VIF − = ,j = ,2,3,...,k
Rj2 yang dimaksud adalah koefisien determinasi dari regresi variabel tak bebas ke j pada k-1 variabel tak bebas sisanya untuk k = 2 variabel tak bebas, Rj2 adalah kuadrat dari korelasi sempel r. Apabila variabel prediktor X ke j tidak berkaitan dengan X sisa, maka Rj2 = 0. Apabila terdapat hubungan, maka VIFj > 1. Nilai VIF mendekati satu menunjukkan bahwa tidak terdapat masalah multikolinier pada variabel bebas. Apabila nilai VIF lebih besar dari satu menunjukkna bahwa koefisien estimasi terkait dengan variabel bebas dan bersifat tidak stabil (Hanke, 2003).
Koefisien yang diestimasikan dan nilai t terkait tidak akan berubah banyak begitu vaiabel bebas ditambahkan atau dikeluarkan dari persamaan regresi. Nilainya beserta statistik t terkait dapat berubah cukup besar begitu variabel bebas lain ditambahkan atau dikeluarkan dari persamaan regresi. Nilai VIF yang besar ini bermakna bahwa terdapat informasi berulang di antara variabel prediktor. Informasi yang terkandung pada suatu variabel dengan VIF besar,
sudah dibawa oleh variabel prediktor lainnya. Multikolinieritas membuat interpretasi dampak masing-masing variabel prediktor terhadap respon semakin sulit.
4.5.3 Uji Homoskedastisitas
Penggunaan OLS varians dari residual harus homoskedastisitas, apabila tidak maka koefisien yang dihasilkan akan bias. Data finansial seringkali residualnya tidak konstan karena volatilitas yang tinggi sehingga akan timbul masalah heteroskedastisitas ketika akan digunakan. Asumsi ini pada dasarnya menyatakan bahwa nilai-nilai Y (variabel tak bebas) bervariasi dalam satuan yang sama, baik untuk nilai X (variabel bebas) yang tinggi maupun nilai X rendah. Pengujian asumsi ini dibuat plot antara residual error dengan variabel X.
Apabila terjadi homoskedastisitas, maka penduga kuadrat terkecil yang diperoleh walaupun masih tetap tidak berbias dan konsisten tidak lagi efisien, baik untuk sampel berukuran kecil maupun besar. Kasus homoskedasisitas ini lebih sering terjadi pada data cross section dari pada data time series.
4.6 Pengujian Hipotesis
Model yang dianalisis membutuhkan pengujian terhadap hipotesis- hipotesis. Pengujian hipotesis secara statistik bertujuan untuk melihat nyata atau tidaknya pengaruh variabel yang dipilih terhadap variabel-variabel yang diteliti.
Pengujian apakah secara statistik variabel bebas yang digunakan berpengaruh nyata atau tidak terhadap variabel tak bebas, digunakan uji statistik- F dan uji statistik-t. Berdasarkan analisis regresi linier sederhana akan diperoleh besarnya koefisien determinasi (R2), t-hitung dan F- hitung. Adapun mengenai hal tersebut di atas akan dijelaskan sebagai berikut :
4.6.1 Koefisien Determinasi
Koefisien determinasi (R2) merupakan suatu angka yang mengukur prosentase keragaman variabel tak bebas (Y) yang dapat diterangkan oleh variabel bebas (X) pada model regresi. Koefisien determinasi mengukur kekuatan hubungan antara Y dan X. R2 digunakan untuk menunjukkan besarnya pengaruh semua variabel bebas terhadap variabel tak bebas.
Nilai R2 berkisar 0<R2≤1, dengan kriteria pengujiannya adalah jika nilai R2 yang semakintinggi (mendekati 1) menunjukkan model yang terbentuk mampu menjelaskan keragaman variabel tak bebas dan demikian juga sebaliknya. Sisanya dijelaskan oleh variabel lain yang tidak dimasukkan dalam model, formulasinya model yang keliru dan kesalahan eksperimental.
Dalam kenyataannya nilai R2 berada dalam selang 0 sampai 1 dengan interprestasi relatif terhadap ekstrim 0 dan 1. Nilai koefisien determinasi semakin mendekati 1, maka model tersebut semakin baik. Apabila R2 yang digunakan adalah 0< R2 < 1. R2 = 1 berarti semua variasi respon dari variabel dapat dijelaskan dengan fungsi regresi, sedangkan R2 = 0 berarti tidak satu pun variasi pada variabel dapat dijelaskan oleh fungsi regresi. Perhitungan untuk memperoleh koefisien determinasi adalah :
Total Kuadrat Jumlah Galat Kuadrat Jumlah 1 Total Kuadrat Jumlah Regresi Kuadrat Jumlah R2 = = − 4.6.2 Uji t
Nilai t-hitung digunakan untuk menguji secara statistik apakah koefisien regresi dari masing-masing parameter bebas (Xi) yang dipakai secara terpisah berpengaruh nyata atau tidak terhadap parameter tidak bebas (Y). Pengujian hipotesis mengenai signifikansi dari masing-masing koefisien secara individual
pada persamaan gravity model, maka dilakukan uji statistik-t. Adapun hipotesis dalam uji ini adalah :
Ho:bo = 0, menyatakan koefisien regresi populasi (parameter) tidak berbeda nyata dengan nol.
H1:b1> 0, menyatakan koefisien regresi populasi (parameter) berbeda nyata dengan nol.
Statistik uji yang digunakan dalam uji-t: Thitung= bi , derajat bebas (n-k) Se(bi)
Dimana : Se(bi) = standar deviasi untuk parameter ke-n bi = koefisien regresi atau parameter
Apabila thitung > ttabel (α/2;n-k) maka tolak H0, artinya peubah yang diuji berpengaruh nyata (signifikan) terhadap variabel tak bebas pada taraf α persen. Jika thitung < ttabel (α/2;n-k) maka terima H0, artinya, artinya peubah yang diuji tidak berpengaruh nyata terhadap variabel tak bebas pada taraf α persen.
Pengambilan keputusan dilakukan berdasarkan letak nilai t-hitung masing- masing koefisien regresi pada kurva normal yang digunakan dalam penentuan nilai kritis. Jika letak t-hitung satu koefiosien regresi berada pada daerah penerimaan H0, maka keputusannya adalah menerima H0. Artinya koefisien regresi tersebut tidak berbeda dengan nol. Dengan kata lain, variabel tersebut tidak berpengaruh nyata terhadap nilai variabel tak bebas, sebaliknya jika t- hitung menyatakan tolak H0 maka koefisien regresi berbeda dengan nol dan berpengaruh nyata terhadap variabel tak bebas.
4.6.3 Uji F
Uji-F dilakukan untuk mengetahui apakah semua variabel bebas secara bersama-sama berpengaruh terhadap variabel tak bebas. Pengujian yang
dilakukan menggunakan distribusi F dengan membandingkan antara nilai kritis F dengan nilai F-hitung yang terdapat pada hasil analisis. Pengujian terhadap pengaruh variabel bebas secara bersama-sama terhadap perubahan nilai variabel tak bebas dilakukan melalui pengujian terhadap besarnya perubahan variabel tak bebas yang dapat dijelaskan oleh perubahan semua nilai variabel bebas.
Sebaran F-hitung di bawah Ho menyebar mengikuti sebaran F dengan derajat bebas pembilang (v1) = k, dan derajat bebas penyebut (v2) = (n-k-1). Taraf nyata tertentu = α, v1 = k, dan v2 = (n-k-1) tertentu, dari tabel F diperoleh nilai Fα (v1, v2). Hipotesis :
H0 : b1 = b2 = ...+ bk = 0 (semua variabel X tidak berpengaruh nyata terhadap Y) H0 : b1 ≠ b2 ≠ ...≠ bk ≠ 0 (paling tidak ada salah satu variabel X berpengaruh
nyata terhadap Y)
Statistik yang digunakan dalam uji-F :
1)
k
sisa/(n
kuadrat
Jumlah
regresi/K
kuadrat
Jumlah
F
hitung−
−
=
Dimana : N = jumlah pengamatan (j=1,2,3,....n) K = jumlah peubah bebas (i=1,2,3,...,k) Kriteria uji:F hitung > Ftabel, (k-1)/(n-k)...maka tolak H0 F hitung< Ftabel, (k-1)/(n-k)...maka terima H0
Tolak H0 artinya secara bersamaan keragaman dari peubah bebas dalam model dapat dijelaskan dengan baik keragaman dari peubah tak bebas pada taraf α persen. Terima H0 artinya secara bersamaan keragaman dari peubah bebas dalam model tidak dapat dijelaskan dengan baik oleh keragaman dari peubah tak bebas pada taraf α persen.
V ANALISIS ALIRAN PERDAGANGAN TEH INDONESIA SEBELUM DAN SETELAH KRISIS MONETER
5.1 Pengujian Asumsi
Pencocokan suatu model melalui kuadrat terkecil dalam analisis regresi berganda, melalui prediksi interval dan pengujian hipotesis belumlah lengkap apabila model yang disusun belum memenuhi asumsi-asumsi yang harus dipenuhi. Analisis regeresi berganda dengan metode kuadrat terkecil biasa didasarkan pada beberapa asumsi yang harus dipenuhi yaitu normalitas, multikolinieritas dan homoskedastisitas.
Apabila terpenuhinya asumsi-asumsi tersebut, maka penaksiran kuadrat terkecil dalam kelas penaksir linier tak bias akan menghasilkan variabel penduga terbaik yang minimum yaitu BLUE (Best Linier Unbiased Estimator). mengenai asumsi-asumsi di atas tersebut akan dijelaskan sebagai berikut :
a. Uji Normalitas
Regresi berganda menggunakan asumsi, bahwa kumpulan datanya harus terdistribusi dengan normal. Secara umum gravity model aliran perdagangan teh Indonesia yang disusun dalam penelitian ini telah memenuhi asumsi normalitas. Pengujian normalitas dilakukan dengan menggunakan nilai kolmogorov simornov, selain itu dapat juga dilihat dari pola data histogram residualnya.
Hasil pengujian normalitas dengan Kolmogorov Smimov (Lampiran 4) pada taraf nyata lima persen diperoleh nilai KShitung sebesar 0,132, nilai ini lebih kecil jika dibandingkan dengan KStabel yaitu 0,165. Dengan demikian, dapat disimpulkan bahwa asumsi normalitas sudah terpenuhi.
Demikian juga dengan plot residual pada histogram mempunyai nilai nol di tengah, walaupun bentuknya tidak simetris namun bentuknya tidak seperti bel. Garis lurus pada plot residual data memperlihatkan titik-titik dengan bentuk
normal, karena plot data sangat dekat dengan garis lurus yang mengisyaratkan bahwa terdapat kesesuain data dengan distribusi normal. Dengan demikian, model dalam penelitian ini sudah memenuhi asumsi data yang terdistribusi dengan normal.
b. Uji Multikolinieritas
Pengujian ini dilakukan untuk mengetahui ada tidaknya masalah multikolinieritas yang dapat dilihat dari besar kecilnya nilai VIF pada masing- masing variabel bebasnya. Berdasarkan pengolahan data yang telah dilakukan terlihat bahwa nilai VIF yang dihasilkan pada masing-masing variabel bebas kurang dari 10. Dengan demikian, terlihat bahwa tidak adanya hubungan linier di antara variabel bebas dalam model aliran perdagangan teh Indonesia.
Selain itu, hal ini didukung oleh uji statistik t, F dan p value yang signifikan. Berdasarkan uji statistik-t dengan taraf lima persen, terdapat dua variabel bebas yang signifikan dan dua variabel bebas lainnya yang signifikan pada taraf 15 persen, selain itu nilai koefisien determinasi sebesar 59,5 persen. Dengan demikian, secara umum variabel yang digunakan di dalam model regresi sudah memenuhi asumsi multikolinieritas. Mengenai hal ini dapat dilihat pada Lampiran 3.
c. Homoskedastisitas
Homoskedastisitas dilakukan untuk memeriksa apakah komponen error atau residual pada model regresi yang dirumuskan menyebar acak, tidak konstan dan normal dengan nilai tengah nol, ragamnya homogen serta tidak adanya autokorelasi. Pengujian asumsi ini dilakukan dengan melihat plot residual data. Berdasarkan plot data residual terlihat bahwa komponen error sudah menyebar
secara acak ada yang di bawah nol dan di atas nol, normal dengan nilai tengah nol, ragamnya homogen dan tidak ada autokorelasi.
Hasil dari plot residual juga menunjukkan bahwa data tidak menggambarkan suatu pola tertentu. Dengan demikian, memperlihatkan bahwa model regresi sudah memadai dalam mewakili data aliran perdagangan teh Indonesia. Berdasarkan analisis plot residual, maka asumsi homoskedastisitas sudah terpenuhi. Adapun plot residual data dapat dilihat pada Lampiran 4.
Berdasarkan pengujian dari asumsi-asumsi yang telah dijelaskan di atas tersebut, maka regresi gravity model aliran perdagangan teh Indonesia sudah memenuhi asumsi-asumsi dan dapat dipakai untuk menjelaskan hubungan antara aliran perdagangan teh Indonesia dengan GDP per kapita negara tujuan (Yj), populasi negara tujuan (Nj), jarak antara Indonesia dengan negara tujuan (Dij), harga teh Indonesia di negara tujuan (Pj), nilai tukar mata uang negara tujuan terhadap Dollar Amerika (ERj), dan dummy sebelum dan setelah krisis.
5.2 Pengaruh Variabel-variabel Ekonomi dan Non Ekonomi, serta Krisis Moneter Terhadap Aliran Perdagangan Teh Indonesia
Aliran perdagangan teh Indonesia pada penelitian ini dijelaskan dengan menggunakan gravity model. Model ini digunakan untuk menganalisis pengaruh krisis moneter, serta variabel-variabel ekonomi dan non ekonomi lainnya terhadap aliran perdagangan teh Indonesia ke negara-negara tujuan yang telah ditetapkan sebelumnya.
Dengan demikian, dalam model ini dapat diketahui variabel bebas yang sangat mempengaruhi aliran perdagangan teh Indonesia ke negara-negara tujuan sebelum dan setelah krisis moneter. Hasil analisis pengaruh krisis moneter, serta variabel-variabel ekonomi dan non ekonomi lainnya terhadap aliran perdagangan teh Indonesia dengan metode OLS secara keseluruhan
dapat dilihat pada Lampiran 3, dengan persamaan yang dapat dilihat di bawah ini :
log Xij = 19,5320 - 1,1025 log Pj - 0,3168 log ERj + 0,5867 log Nj - 0,1669 log Yj - 0,4256 log Dij + 0,4104 D
Tabel 5. Output Model Analisis Regresi Gravity Model Aliran Perdagangan Teh Indonesia Sebelum dan Setelah Krisis Moneter dengan Metode OLS Predictor Coef SE Coef t P VIF Constant 19,5320 5,3590 3,64 0,001 ln Pj -1,1025 0,6954 -1,59 0,127 1,7 ln ERj -0,3168 0,0792 -4,00 0,001 2,1 ln Nj 0,5867 0,1495 3,29 0,001 1,5 ln Yj -0,1669 0,1496 -1,12 0,276 2,0 ln Dij -0,4256 0,2177 -1,96 0,063 1,4 D 0,4104 0,3734 1,10 0,283 1,5 R-Sq = 59,5% R-Sq(adj) = 48,9% F 5,63 - - 0,001 -
Berdasarkan Tabel di atas, diperoleh nilai koefisien determinasi (R2) sebesar 59,5 persen. Hal ini menunjukkan bahwa sekitar 59,5 persen keragaman aliran perdagangan teh Indonesia ke negara-negara tujuan yang dapat dijelaskan oleh variasi variabel-variabel bebas dalam model. Selain itu sisanya sebesar 40,5 persen keragaman volume ekspor teh Indonesia tidak dapat diterangkan oleh variasi variabel-variabel dalam model atau diterangkan oleh faktor-faktor lain yang tidak terdapat dalam model atau error.
Berdasarkan uji statistik-t, diperoleh variabel bebas yang berpengaruh nyata terhadap besar kecilnya aliran perdagangan teh Indonesia ke negara- negara tujuan ekspor teh pada taraf lima persen yaitu nilai tukar mata uang negara tujuan terhadap dollar AS dan jumlah penduduk negara tujuan, pada taraf 15 persen adalah harga teh Indonesia di negara tujuan dan jarak antara Indonesia dengan negara tujuan. GDP per kapita negara tujuan dan variabel
dummy tidak berpengaruh nyata pada taraf pengujian statistik lima dan 15 persen.
Berdasarkan pengujian statistik-F model regresi yang dihasilkan menunjukkan bahwa, secara bersama-sama semua variabel bebas dalam model dapat menjelaskan variasi perubahan aliran perdagangan teh Indonesia ke negara-negara tujuan baik sebelum krisis maupun setelah krisis moneter. Dengan kata lain, semua variabel bebas dapat menjelaskan variasi perubahan aliran perdagangan teh Indonesia ke negara-negara tujuan ekspor.
Hal ini didasarkan pada nilai F-hitung yang diperoleh sebesar 5,63. Nilai tersebut apabila dibandingkan lebih besar dengan nilai Ftabel pada pengujian dengan taraf nyata lima persen dari suatu distribusi F dengan derajat bebas pembilang v1 = 6 dan derajat bebas penyebut v2 = 23, maka diperoleh nilai sebesar 2,53. Analisis pengaruh variabel bebas pada hasil regersi gravity model terhadap aliran perdagangan teh Indonesia dapat dijelaskan sebagai berikut :
5.2.1 Gross Domestic Product (GDP) Per Kapita Negara Tujuan (Yj)
GDP atau produk domestik bruto merupakan pendapatan total dan pengeluaran total nasional atas output barang dan jasa. GDP mungkin adalah variabel aliran barang dan jasa paling penting dalam suatu perekonomian. GDP menyatakan berapa banyak uang yang mengalir mengelilingi aliran sirkuler perekonomian suatu negara per unit waktu atau juga nilai pasar semua barang dan jasa akhir yang diproduksi dalam perekonomian selama kurun waktu tertentu.
GDP menggambarkan keadaan perekonomian suatu negara. GDP adalah jumlah konsumsi, investasi, pembelian pemerintah dan ekspor bersih. Ukuran ekonomi negara importir akan menentukan jumlah komoditi ekspor yang dapat dijual oleh negara eksportir. Apabila suatu negara memiliki tingkat GDP yang
besar, maka akan memiliki kemampuan yang semakin besar dalam menyerap barang-barang yang diperdagangkan di pasar internasional, dalam hal ini dari negara-negara pengekspor dibanding negara lain dengan tingkat GDP yang kecil.
Berdasarkan hasil analisis regresi gravity model aliran perdagangan teh Indonesia, menunjukkan bahwa koefisien variabel GDP per kapita negara tujuan memberikan pengaruh negatif terhadap aliran perdagangan teh Indonesia. Nilai koefisien variabel GDP per kapita negara tujuan adalah sebesar -0,1669. Hal ini menunjukkan bahwa, jika GDP per kapita di salah satu negara tujuan ekspor teh Indonesia meningkat sebesar satu persen maka aliran perdagangan teh Indonesia ke negara-negara tujuan akan menurun sebesar 0,1669 persen dari jumlah sebelumnya, ceteris paribus.
Meskipun demikian, variabel GDP per kapita negara tujuan ekspor teh tidak signifikan dan tidak berbeda nyata dengan nol pada pengujian hipotesis statistik-t pada taraf lima persen maupun 15 persen. Hal ini disebabkan karena teh bukanlah kebutuhan primer bagi manusia (primmy consumption). Khususnya teh curah yang selama ini diekspor adalah produk setengah jadi dan merupakan salah satu bahan baku yang dibutuhkan oleh industri, baik sebagai bahan baku utama maupun sebagai bahan baku tambahan pada proses pengolahan.
Berdasarkan uji t, diperoleh thitung yang lebih kecil dibandingkan dengan nilai ttabel dengan derajat bebas 23. Dengan demikian, bagi negara pengimpor variabel tersebut tidak menjadi faktor utama yang menjadi pertimbangan bagi negara importir untuk mengimpor teh Indonesia. Koefisien slope pada variabel GDP per kapita negara tujuan yang bertanda negatif, mengindikasikan bahwa negara dengan GDP per kapita yang lebih besar memiliki aliran perdagangan teh yang kecil. Sebaliknya, negara dengan GDP per kapita yang lebih kecil memiliki aliran perdagangan teh yang besar.
Lampiran 2 menunjukkan bahwa, negara yang memiliki GDP per kapita yang lebih tinggi dibandingkan negara tujuan ekspor teh sebelum krisis moneter adalah Singapura yaitu sebesar 32810 dollar AS, sedangkan negara tujuan ekpsor teh yang memiliki GDP per kapita yang rendah adalah Afganistan yaitu sebesar 112 dollar AS. Negara tujuan ekspor teh yang memiliki GDP per kapita yang lebih tinggi dibandingkan negara lain setelah krisis moneter adalah Amerika Serikat yaitu sebesar 41768 dollar AS, dan Afganistan adalah negara dengan tingkat GDP per kapita yang rendah yaitu sebesar 218 dollar AS.
Dilihat dari segi volume aliran perdagangan ekspor teh Indonesia sebelum krisis moneter ke Singapura lebih besar dibandingkan dengan volume