HASIL DAN PEMBAHASAN
4. Estimasi Persamaan Jangka Pendek
Metode Error Correction Model (ECM) digunakan untuk mengetahui pengaruh jangka pendek variabel-variabel dalam penelitian ini. Dari hasil regresi model ECM akan diketahui bahwa koefisien Error Correction Term (ECT) signifikan dalam model. Dengan signifikannya koefisien ECT berarti terdapat indikasi bahwa variabel bebas dan variabel terikat dalam penelitian saling berkointegrasi sehingga tidak ada alasan untuk menolak model ECM tersebut. Berikut hasil estimasi Error Correction Model (ECM):
Tabel 6. Hasil Regresi Jangka Pendek
Variabel Koef. Std. Eror t-Statistik Prob.
C -0,02 0,05 -0,4 0,69 D(LOG(PDB Riil Malaysia)) 1 1,12 0,89 0,39 D(LOG(Produksi Teh Indonesia)) 0,79 0,38 2,08 0,05 D(LOG(Harga Teh di Pasar Internasional)) -0,35 0,24 -1,46 0,17 D(LOG(Nilai Tukar Rupiah Terhadap USD)) 0,24 0,23 1,06 0,3 RESID01(-1) -1,01 0,3 -3,37 0,00 R² 0,77 Adj. R² 0,63 F-statistik 4,61 Prob.(F-statistik) 0,01
71
Tabel 6. menunjukkan hasil regresi pengaruh jangka pendek antara variabel independen yaitu PDB riil Malaysia (X1), produksi teh Indonesia (X2), harga teh di pasar internasional (X3) dan nilai tukar rupiah terhadap USD (X4) dengan variabel dependen yaitu volume ekspor teh Indonesia ke Malaysia (Y). Dengan persamaan Error Corection Model (ECM) sebagai berikut:
D(Y) = – 0,02 + 1 D(LOG(X1)) + 0,79 D(LOG(X2)) – 0,35 D(LOG(X3)) + 0,24 D(LOG(X4)) – 1,01 RESID01(-1) + et
1. Uji Koefisien Determinasi (R2)
Nilai koefisien determinasi (Adjusted R-squared) sebesar 0,63 ini menunjukan bahwa variabel dependen yang dipengaruhi variasi variabel independen (PDB riil Malaysia, produksi teh Indonesia, harga teh di pasar internasional dan nilai tukar rupiah terhadap USD) sebesar 63%, sedangkan sisanya 37% dijelaskan oleh variabel bebas diluar dari variabel yang diteliti. Korelasi yang terjadi antara variabel independen dengan variabel dependennya berada dalam kategori cukup kuat.
2. Uji Simultan (Uji F-Statistik)
Nilai Prob. (F-statistic) sebesar 0,01 lebih kecil dari 0,05 yang menunjukan bahwa persamaan jangka pendek yang ada mempunyai nilai yang signifikan. Hal ini juga berarti bahwa variabel PDB riil Malaysia, produksi teh Indonesia, harga teh di pasar internasional dan nilai tukar rupiah terhadap USD secara bersama-sama memiliki pengaruh jangka pendek yang signifikan terhadap variabel volume ekspor teh Indonesia ke Malaysia.
72 3. Uji Parsial (t-Statistik)
Dari estimasi tersebut, terlihat Error Correction Model menunjukkan nilai yang cukup signifikan, yaitu memiliki nilai koefisien cukup tinggi sebesar 1,01 dan nilai probabilitas 0,00 atau kurang dari 0,05 sehingga mengindikasikan bahwa model koreksi kesalahan yang digunakan sudah benar. Persamaan di atas merupakan model dinamik untuk jangka pendek, dimana variabel Y tidak hanya dipengaruhi oleh variabel X1, X2, X3 dan X4, akan tetapi dipengaruhi oleh variabel error term. Nilai koefisien ECT yang signifikan ditempakan dalam model sebagai koreksi jangka pendek untuk mencapai keseimbangan jangka panjang. Semakin kecil nilai ECT maka semakin cepat proses koreksi menuju keseimbangan jangka panjang. Oleh karena itu dalam ECM variabel ECT sering dikatakan juga sebagai faktor kelambanan yang memiliki nilai lebih kecil dari 0, ECT < 0 (Daryanto, 2010). Sebagaimana yang terlihat pada estimasi dengan menggunakan estimasi tersebut, koefisien variabel ECT sebesar -1,01 yang menunjukkan bahwa perbedaan antara volume ekspor teh Indonesia ke Malaysia dengan nilai keseimbangannya sebesar 1,01 yang akan disesuaikan dalam waktu 1 tahun. Lalu untuk hasil analisis jangka pendek secara parsial pada variabel yang mempengaruhi volume ekspor teh Indonesia ke Malaysia yaitu sebagai berikut.
a. Nilai koefisien PDB riil Malaysia dalam jangka pendek sebesar 1 yang berarti setiap kenaikan PDB riil Malaysia sebesar 1% maka akan meningkatkan volume ekspor teh Indonesia ke Malaysia sebesar 100%. Nilai
73
probabilitas PDB riil Malaysia sebesar 0,39 lebih besar dari 0,05 menunjukkan bahwa PDB riil Malaysia tidak berpengaruh signifikan terhadap volume ekspor teh Indonesia ke Malaysia dalam jangka pendek. Hal ini menunjukkan bahwa uji data variabel PDB riil Malaysia tidak sesuai dengan hipotesis yang digunakan dalam penelitian ini.
b. Nilai koefisien produksi teh Indonesia dalam jangka pendek sebesar 0,79 yang berarti setiap kenaikan produksi teh Indonesia sebesar 1% maka akan meningkatkan volume ekspor teh Indonesia ke Malaysia sebesar 79%. Nilai probabilitas produksi teh Indonesia sebesar 0,05 sama dengan 0,05 menunjukkan bahwa produksi teh Indonesia berpengaruh signifikan terhadap volume ekspor teh Indonesia ke Malaysia dalam jangka pendek. Hal ini menunjukkan bahwa uji data variabel produksi teh Indonesia sesuai dengan hipotesis yang digunakan dalam penelitian ini.
c. Nilai koefisien harga teh di pasar internasional dalam jangka pendek sebesar -0,35 yang berarti setiap kenaikan harga teh di pasar internasional sebesar 1% maka akan menurunkan volume ekspor teh Indonesia ke Malaysia sebesar 35%. Nilai probabilitas harga teh di pasar internasional sebesar 0,17 lebih besar dari 0,05 menunjukkan bahwa harga teh di pasar internasional tidak berpengaruh signifikan terhadap volume ekspor teh Indonesia ke Malaysia dalam jangka pendek. Hal ini menunjukkan bahwa uji data variabel harga teh di pasar internasional tidak sesuai dengan hipotesis yang digunakan dalam penelitian ini.
74
d. Nilai koefisien nilai tukar rupiah terhadap USD dalam jangka pendek sebesar 0,24 yang berarti setiap kenaikan nilai tukar rupiah terhadap USD sebesar 1% maka akan meningkatkan volume ekspor teh Indonesia ke Malaysia sebesar 24%. Nilai probabilitas nilai tukar rupiah terhadap USD sebesar 0,3090 lebih besar dari 0,05 menunjukkan bahwa nilai tukar rupiah terhadap USD tidak berpengaruh signifikan terhadap volume ekspor teh Indonesia ke Malaysia dalam jangka pendek. Hal ini menunjukkan bahwa uji data variabel nilai tukar rupiah terhadap USD tidak sesuai dengan hipotesis yang digunakan dalam penelitian ini.
5. Uji Asumsi Klasik
Uji asumsi klasik ini adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linier berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linier, misalnya uji multikolinearitas tidak dapat dipergunakan pada analisis regresi linear sederhana dan uji autokorelasi tidak perlu diterapkan pada data cross sectional. Setidaknya ada lima uji asumsi klasik, yaitu uji normalitas, uji multikolinearitas, uji heterokedastisitas dan uji autokorelasi. Tidak ada ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi. Analisis dapat dilakukan tergantung pada data yang ada.
Variabel-75
variabel penelitian diuji dengan asumsi klasik atau biasa dikenal dengan uji BLUE
a. Uji Multikolinearitas
Menurut Sunyoto (2010:97) menjelaskan bahwa uji multikolinearitas bertujuan untuk mengetahui ada atau tidaknya hubungan linear antara variabel bebas dengan variabel terikat. Pengujian multikolearitas bertujuan untuk mengetahui ada atau tidaknya hubungan linear antara variabel bebas dengan volume ekspor teh Indonesia ke Malaysia. Salah satu cara untuk mendeteksi adanya multikolinearitas dalam suatu model regresi adalah dengan menggunakan Variance Inflation Factor (VIF) atau tolerance (1/VIF).
Tabel 7. Hasil VIF Uji Multikolinearitas
Variabel Centered VIF
C NA
LOG(PDB Riil Malaysia) 8,81
LOG(Produksi Teh Indonesia) 3,27
LOG(Harga Teh di Pasar Internasional) 4,8
LOG(Nilai Tukar Rupiah Terhadap USD) 1,92
Sumber: Data penelitian diolah (Lampiran 9).
Hasil uji multikolinearitas dilihat melalui nilai VIF. Apabila nilai VIF < 10 maka model regresi bebas dari multikolinearitas. Hasil uji pada Tabel 7. menunjukkan bahwa nilai VIF dari variabel jumlah PDB riil Malaysia (X1), produksi teh Indonesia (X2), harga teh di pasar internasional (X3) dan nilai tukar rupiah terhadap USD (X4) kurang dari 10 sehingga dapat disimpulkan pada model regresi tidak terjadi multikolinearitas.
76 b. Uji Autokorelasi
Uji autokorelasi dilakukan untuk mengetahui apakah observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Hal ini disebabkan karena residual tidak bebas dari satu observasi ke observasi lainnya (Priadana, 2009). Kriteria pengambilan keputusan dalam uji autokorelasi sebagai berikut:
1. Jika Obs*R-squared memiliki nilai probabilitas Chi-square > 0,05, maka tidak terjadi autokorelasi.
2. Jika Obs*R-squared memiliki nilai probabilitas Chi-square < 0,05, maka terjadi autokorelasi.
Tabel 8. Hasil Uji Autokorelasi Breusch-Godfrey
F-statistic 1,51 Prob. F(2,11) 0,26
Obs*R-squared 3,89
Prob.
Chi-Square(2) 0,14 Sumber: Data penelitian diolah (Lampiran 10).
Dari Tabel 8. dapat dilihat nilai Prob.Chi-Square sebesar 0,1428 lebih besar dari 0,05 menunjukan bahwa dalam data ini tidak terdapat autokorelasi.
c. Uji Heteroskedastisitas
Ghozali (2005:125) menjelaskan uji heteroskedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika varian dari satu pengamatan ke pengamatan lain tetap maka tidak terjadi heteroskedasitas sebaliknya jika varian data tidak tetap maka model regresi menunjukkan gejala heteroskedasitas. Dalam penelitian ini digunakan uji
Breusch-Pagan-77 Godfrey untuk mendeteksi ada tidaknya heteroskedastisitas. Kriteria
pengambilan keputusan dalam uji heteroskedastisitas sebagai berikut:
1. Jika Obs*R-squared memiliki nilai probabilitas Chi-square > 0,05, maka tidak terjadi heteroskedastisitas.
2. Jika Obs*R-squared memiliki nilai probabilitas Chi-square < 0,05, maka terjadi heteroskedastisitas.
Tabel 9. Hasil Uji Heteroskedastisitas
F-statistic 0,61 Prob. F(4,13) 0,65
Obs*R-squared 2,86 Prob.
Chi-Square(4) 0,58 Scaled explained SS 1,4 Prob. Chi-Square(4) 0,84 Sumber: Data penelitian diolah (Lampiran 11).
Dari Tabel 9. dapat dilihat nilai Prob.Chi-Square sebesar 0,5802 lebih besar dari 0,05 menunjukan bahwa dalam data ini tidak terdapat heteroskedastisitas.
d. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam metode regresi variabel terikat, variabel bebas atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal (Ghozali, 2005:62). Normal atau tidaknya model regresi dapat dilihat dari nilai probabilitas Jarque-Bera yang terdapat pada histogram normality test. Apabila nilai probabilitas Jarque-Bera > (tingkat kepercayaan yang ditentukan) maka data dapat disimpulkan berdistribusi normal (Winarno, 2015). Hasil dari olah data menunjukkan bahwa nilai probabilitasnya sebesar
78
0,33 lebih besar dari 0,05, hal ini menunjukan bahwa data berdistribusi normal (Lampiran 12).
5.2 Pengaruh Faktor-faktor Ekspor Teh Indonesia ke Malaysia
1. Pengaruh PDB riil Malaysia terhadap volume ekspor teh Indonesia ke