III. METODE PENELITIAN
3.3 Analisis Data
Pengolahan data dalam penelitian ini dilakukan dengan menggunakan program komputer Microsoft Excel 2007 dan Statistical Analysis Software/ Econometric Time Series (SAS/ETS) versi 9.1. Model analisis data yang digunakan adalah persamaan simultan. Masing-masing persamaan dalam penelitian diestimasi dengan menggunakan metode estimasi Ordinary Least Squares (OLS). Metode estimasi digunakan untuk mengestimasi parameter produksi, konsumsi, impor, ekspor dan harga gula di Indonesia. Selanjutnya,
dilakukan simulasi model yang berguna untuk menganalisis dampak kebijakan tarif impor gula terhadap kesejahteraan masyarakat Indonesia dan strategi untuk mencapai swasembada gula di indonesia.
Tujuan pertama menggunakan program komputer Microsoft Excel 2007 dan Statistical Analysis Software/ Econometric Time Series (SAS/ETS) versi 9.1. dengan analisis regresi OLS (Ordinary Least Square).
3.3.1 Koefisien Determinasi
Kesesuaian model (goodness of fit) dihitung dengan nilai koefisien determinasi (R2) (Gujarati, 1997). Koefisien determinasi (R2) bertujuan untuk mengukur keragaman variabel dependen yang dapat diterangkan oleh keragaman variabel independen. R2 menunjukkan besarnya keragaman semua variabel independen yang dapat menjelaskan keragaman variabel dependen. Koefisien determinasi dapat dirumuskan sebagai berikut:
Jumlah kuadrat regresi Jumlah kuadrat galat R2 = =1-
Jumlah kuadrat total Jumlah kuadrat total
Selang R2 yang digunakan adalah 0< R2 >1. Jika R2 = 1 maka semua variasi respon dari variabel dependen dapat dijelaskan oleh fungsi regresi, sedangkan jika R2 = 0 berarti tidak satupun variasi pada variabel dependen dapat dijelaskan oleh fungsi regresi. Dalam kenyataannya nilai R2 berada dalam selang antara 0 sampai 1. Nilai koefisien determinasi semakin mendekati 1, maka model tersebut akan semakin baik.
3.3.2 Uji-F
Pengujian ini dilakukan untuk mengetahui apakah semua variabel independen dalam model secara bersama-sama berpengaruh terhadap variabel dependen (Gujarati, 1997). Pengujian yang dilakukan menggunakan distribusi F
dengan membandingkan antara nilai kritis F dengan nilai F-hitung yang terdapat pada hasil analisis.
Langkah-langkah analisis dalam pengujian hipotesis terhadap variasi nilai variabel dependen yang dapat dijelaskan oleh variasi nilai variabel independen adalah sebagai berikut:
Perumusan hipotesis
H0 : β1 = β2 = β3 = βk = 0 atau variasi perubahan nilai variabel independen tidak dapat menjelaskan variasi perubahan nilai variabel dependen.
H1 : Minimal ada satu nilai β yang tidak sama dengan nol atau variasi perubahan nilai variabel independen dapat menjelaskan variasi perubahan nilai variabel dependen.
Perhitungan nilai kritis F-tabel dan F-hitung Jumlah kuadrat regresi / k Fhitung =
Jumlah kuadrat sisa /(n-k-1) dimana:
n = jumlah pengamatan (j = 1, 2, 3, ..., n) k = jumlah variabel bebas (i = 1, 2, 3, ..., k) Penentuan penerimaan atau penolakan H0
F hitung < F tabel : terima H0
F hitung > F tabel : tolak H0
Apabila keputusan yang diperoleh adalah tolak H0 maka dapat
disimpulkan bahwa variasi perubahan nilai variabel dependen dapat
dijelaskan oleh variasi perubahan nilai semua variabel independen.
Artinya, semua variabel independen secara bersama-sama dapat
berpengaruh terhadap variabel dependen.
3.3.3 Uji-t
Setelah melakukan uji koefisien regresi secara keseluruhan, maka langkah selanjutnya adalah menghitung koefisien regresi secara individu yaitu pengujian hipotesis dari koefisien regresi masing-masing variabel secara parsial atau terpisah. Pengujian ini dikenal dengan sebutan Uji-t. Nilai t-hitung digunakan untuk menguji apakah koefisien regresi dari masing-masing variabel bebas secara individu berpengaruh nyata atau tidak terhadap variabel tidak bebasnya (Gujarati, 1997). Adapun analisis pengujiannya sebagai berikut: Perumusan hipotesis
H0 : βi = 0
H1 : βi < 0 atau βi > 0; i = 0, 1, 2, ..., k k = koefisien slope
Dari hipotesis tersebut dapat terlihat arti dari pengujian yang
dilakukan, yaitu berdasarkan data yang tersedia, akan dilakukan
pengujian terhadap βi, apakah sama dengan nol yang berarti variabel
bebas tidak mempunyai pengaruh signifikan terhadap variabel terikat,
atau tidak sama dengan nol yang berarti variabel bebas mempunyai
pengaruh signifikan terhadap variabel terikat.
Penentuan nilai kritis
Dalam pengujian hipotesis terhadap koefisien regresi, nilai kritis dapat ditentukan dengan menggunakan tabel distribusi normal dan dengan memperhatikan tingkat signifikansi (α) dan banyaknya sampel (n) yang digunakan.
t tabel = t (α / 2), (n-k-1)
Menghitung nilai t-hitung koefisien variabel independen
β1 = nilai koefisien regresi
β2= nilai koefisien regresi yang sesuai hipotesis (H0 : β2 = 0)
se (β1) = simpangan baku untuk β1 atau standar kesalahan dugaan parameter
Penerimaan atau penolakan H0 Jika t hitung < t tabel maka terima H0 Jika t hitung > t tabel maka tolak H0
Apabila keputusan yang diperoleh adalah tolak H0 maka koefisien
β2
tidak sama dengan nol yang menunjukkan bahwa β2 nyata atau
memiliki nilai yang dapat mempengaruhi nilai dari variabel dependen.
Tujuan kedua menggunakan Statistical Analysis Software/ Econometric Time Series (SAS/ETS) versi 9.1. dengan analisis diskriptif.3.3.4 Validasi Model
Sebelum model diaplikasi terlebih dahulu divalidasi untuk memeriksa apakah model yang diduga dapat merefleksikan dengan baik realitas dan memenuhi syarat-syarat yang diperlukan untuk memunuhi tujuan aplikasi model terutama untuk melakukan simulasi (Sitepu dan Sinaga, 2006). Model divalidasi pada periode tahun 1999-2006. Kriteria statistik yang digunakan untuk validasi model ekonometrika adalah Root Mean Squares Percent Error (RMSPE) dan Theil’s Inequality Coefficient adalah sebagai berikut:
RMSPE = Akar tengah kuadrat persen galat U = Koefisien ketidaksamaan Theil
Yts = Nilai simulasi Yta = Nilai actual
T = Jumlah pengamatan simulasi
Nilai dari koefisien ketidaksamaan Theil (U) bernilai antara 0 dan 1. Jika U = 0 maka pendugaan model adalah sempurna, dan jika U = 1 maka pendugaan model adalah naif. Semakin kecil nilai RMSPE dan U semakin baik pendugaan model.
3.3.5 Simulasi Model
Analisis simulasi dilakukan untuk mengetahui dampak perubahan faktor impor terhadap variabel-variabel endogennya. Analisis simulasi diterapkan pada periode tahun 1999-2006, yang sesuai dengan periode validasi model. Alternatif perubahan faktor impor yang disimulasi diturunkan 50 persen.
Tujuan ketiga menggunakan Statistical Analysis Software/ Econometric Time Series (SAS/ETS) versi 9.1. dimana dengan mengetahui besar dan kecilnya koefisien maka strategi untuk mencapai swasembada akan diketahui.
Sifat dasar model persamaan simultan ada hubungan dua arah atau simultan antara X dan (beberapa dari) X, yang membuat perbedaan antara variabel tak bebas dan variabel yang menjelaskan menjadi meragukan. Adalah lebih baik untuk mengumpulkan bersama sama sejumlah variabel yang dapat ditentukan secara simultan oleh kumpulan variabel sisanya. Inilah yang dilakukan dalam persamaan simultan.
Dalam model seperti itu ada lebih dari satu persamaan , satu untuk variabel tidak bebas atau bersifat endogen atau gabungan atau bersama. Dan tidak seperti persamaan model tunggal, dalam model persamaan simultan
orang mungkin tidak menaksir parameter dari satu persamaan tunggal tanpa memperhitungkan informasi yang diberikan oleh persamaan lain dalam sistem. Apa yang terjadi jika parameter dari tiap persamaan ditaksir dengan menerapkan , misalnya metode OLS, tanpa memperhatikan persamaan lain dalam sistem? Ingat bahwa satu asumsi penting dari metode OLS adalah bahwa variabel X yang menjelaskan baik bersifat nonstokastik atau jika stokastik (random) didistribusikan secara bebas (independen) dari unsur gangguan stokastik. Jika tak satupun dari kondisi ini dipenuhi, maka, penaksir kuadarat terkecil tidak hanya bias tapi juga tak konsisten, yaitu dengan meningkatnya sampel secara tak terbatas, penaksir tidak mengarah ke nilai (populasi) sebenarnya. Jadi, dalam sistem persamaan hipotesis berikut ini.
Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 + b7X7 + b8X8 + e Yy1i = β10 + β12Y 2i + γ11X1i + e1i ...(1.1) Yy2i = β20 +β21Y 1i +γ21X1i + e2i ...(1.2)
Dimana Y1 dan Y2 merupakan variabel yang saling bergantung, atau bersifat endogen, dan X1 merupakan variabel yang bersifat eksogen dan dimana e1 dan e2 unsur gangguan stokastik, variabel Y1 dan Y2 kedua duanya stokastik.Oleh karena itu kecuali dapat ditunjukkan bahwa variabel yang menjelaskan Y2 yang bersifat stokastik dalam (1.1) didistribusikan secara bebas dan e1 dan variabel yang menjelaskan Y1 yang bersifat stikastik dalam (1.2) didistribusikan secara bebas dari e2, penerapan OLS klasik untuk persamaan persamaan ini secara individual akan membawa ke taksiran yang tidak konsisten.
3.3.6 Model Ekonometrika