V. FAKTOR-FAKTOR YANG MEMENGARUHI ALIRAN PERDAGANGAN IMPOR
5.1 Faktor-faktor yang Memengaruhi Aliran Perdagangan Impor Bawang Merah Indonesia
5.1.1 Pemilihan Kesesuaian Model
Pemilihan kesesuaian model dilakukan dengan melakukan uji Chow dan uji Hausman. Hasil pengujian dengan menggunakan uji Chow menunjukkan probabilitas yang lebih kecil dari taraf nyata 5 persen. Hal ini berarti sudah cukup bukti untuk menolak H0 dimana H0 merupakan model pooled least squared.
Setelah itu juga dilakukan pengujian dengan uji Hausman dimana probabilitasnya lebih besar dari taraf nyata sehingga sudah cukup bukti untuk menolak H0 dan H0
merupakan model Random Effect. Berdasarkan hasil tersebut diketahui model estimasi terbaik untuk mengetahui fakto-faktor yang memengaruhi aliran perdagangan impor bawang merah Indonesia adalah dengan menggunakan model efek tetap (fixed effect). Setelah model tersebut dipilih selanjutnya akan dilakukan pengujian asumsi untuk mendapatkan model persamaan yang terbebas dari masalah yang sering dijumpai dalam analisis regresi seperti Multikolinearitas, Heteroskedastisitas dan Autokorelasi.
Indikasi terjadinya multikolinearitas dapat ditunjukkan dengan nilai R- squared yang tinggi tetapi variabel independen banyak yang tidak berpengaruh pada variabel dependen. Dari tujuh variabel independen yang dianalisis, dengan R-squared sebesar 98,25 persen, hanya terdapat satu variabel yang tidak signifikan. Hal ini berarti model sudah terbebas dari masalah multikolinearitas. Pengujian asumsi selanjutnya, yaitu uji heteroskedastisitas dan uji autokorelasi. Hasil estimasi model dalam penelitian ini diberikan perlakuan cross - section SUR, sehingga asumsi adanya heteroskedastisitas dan autokorelasi dapat diabaikan.
5.1.2 Hasil Estimasi dan Interpretasi Model
Model estimasi terbaik yang digunakan untuk melakukan analisis terhadap faktor-faktor yang memengaruhi aliran perdagangan komoditas bawang merah adalah dengan menggunakan efek tetap (fixed effect). Berdasarkan hasil estimasi
diketahui nilai koefisisien determinasi (R-squared) yang diperoleh sebesar 98,25 persen menunjukkan bahwa sebesar 98,25 persen keragaman impor bawang merah dapat dijelaskan oleh variabel-variabel bebasnya, sedangkan sisanya 1,75 persen dijelaskan oleh faktor-faktor lain di luar model.
Tabel 5.1 Hasil Pendugaan Parameter Faktor-faktor yang Memengaruhi Aliran Perdagangan Impor Bawang Merah Indonesia
Variabel Koefisien Std. Error t-statistik Prob. LNPOPJ -7,982748 0,684535 -11,66157 0,0000 LNPOPI -113,0607 8,670249 -13,04007 0,0000 LNPM -2,531801 0,084126 -30,09524 0,0000 LNJE 15,21394 1,197638 -12,70328 0,0000 LNGDPJ 16,03484 1,167134 13,73864 0,0000 LNGDPI 22,28454 1,496306 14,89304 0,0000 LNER 0,218203 0,282733 0,771762 0,4427 C 1148,548 112,0012 10,25478 0,0000
Fixed Effect (Cross)
Thailand 8,380599 India 15,60498 Vietnam 6,188951 Malaysia 10,03516 China 15,57669 Philippines 7,449297 Netherlands -28,80708 USA -17,40212 Australia -17,02647 Weighted Statistic
R-squared 0,982584 Sum squared resid 85,15533 Prob (Fstat) 0.000000 Durbin Watsonstat 2,174253
Unweighted Statistics
R-squared 0,849338 Sum squared resid 65,86102 Durbin Watsonstat 1,389422
Sumber: Lampiran 4
Catatan: Signifikan pada taraf nyata 1 persen
Pada hasil uji normalitas (Tabel 5.2) probabilitas Jarque Bera lebih besar dari pada taraf nyata yang digunakan (0,542755 > 0,05). Berdasarkan hal tersebut maka residual dalam model ini dapat dikatakan sudah menyebar normal. Dalam uji kriteria statistik untuk pelanggaran multikolinearitas, model ini juga disimpulkan tidak mengalami pelanggaran tersebut. Hal ini karena data yang digunakan dalam penelitian ini merupakan penggabungan dari data time series dan cross-section, sehingga dapat mengurangi multikolinearitas. Selain itu dari
hasil estimasi, terlihat nilai R-squared yang cukup besar sedangkan variabel yang tidak signifikan yaitu nilai tukar riil rupiah terhadap dolar Amerika Serikat.
Tabel 5.2 Hasil Uji Normalitas Model Faktor-faktor yang Memengaruhi Aliran Perdagangan Impor Bawang Merah Indonesia
Model Jarque-Bera Probability
Aliran Impor Bawang Merah 1,222194 0,542755 Sumber: Lampiran 5
Nilai Durbin Watsonstat dari hasil pengolahan data adalah sebesar 2,17. Hal
ini berarti nilai Durbin Watsonstat tersebut berada di antara 1,55-2,46, maka model
yang diestimasi telah terbebas dari masalah autokorelasi. Sedangkan untuk masalah heteroskedastisitas, dari hasil estimasi terlihat bahwa Sum Squared Resid pada Weighted Statistics lebih besar dari Sum Squared Resid pada Unweighted Statistics. Hal ini berarti model sudah terbebas dari masalah heteroskedastisitas. Selain itu, dengan menggunakan pembobotan Cross-Section SUR, masalah autokorelasi dan heteroskedastisitas dapat disimpulkan sudah teratasi. Selanjutnya akan dilakukan interpretasi pengaruh masing-masing faktor atau variabel terhadap aliran perdagangan impor komoditas bawang merah. Probabilitas pada variabel populasi negara pengekspor untuk komoditas bawang merah sebesar 0,0000. Hal tersebut menunjukkan pengaruh nyata (signifikan) pada taraf nyata satu persen terhadap aliran impor komoditas bawang merah Indonesia, dengan parameter bertanda negatif (tidak sesuai dengan hipotesis penelitian).
Menurut Yuniarti (2007), populasi digunakan untuk mengukur ukuran suatu negara. Suatu negara yang memiliki ukuran yang lebih besar menunjukkan bahwa negara tersebut mempunyai produksi yang lebih beragam dan cenderung untuk memenuhi kebutuhannnya sendiri (inwardly oriented), sehingga besarnya populasi diperkirakann mempunyai hubungan yang negatif dengan perdagangan. Namun di sisi lain besarnya populasi juga dapat menunjukkan potensi pasar yang besar, sehingga populasi dapat berpengaruh positif. Ketidaksesuaian hasil estimasi output dengan hipotesis penelitian menjadi indikasi, peningkatan populasi negara asal impor menyebabkan negara tersebut mempunyai produksi yang lebih beragam dan cenderung untuk memenuhi kebutuhannya sendiri, sehingga peningkatan populasi negara asal sebesar satu persen, akan mengurangi volume impor bawang merah sebesar 7,98 persen (ceteris paribus).
Jumlah populasi negara Indonesia sebagai negara pengimpor memiliki pengaruh negatif (tidak sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0000. Hal ini berarti variabel populasi berpengaruh nyata (signifikan) terhadap volume impor komoditas bawang merah Indonesia. Kondisi ini menunjukkan semakin besar populasi penduduk Indonesia sebesar satu persen maka akan menurunkan volume impor komoditas bawang merah sebesar 113,06 persen (ceteris paribus). Peningkatan populasi Indonesia dalam hal ini menunjukkan kecenderungan produksi bawang merah untuk pemenuhan kebutuhan dalam negeri semakin besar.
Dugaan parameter dari variabel harga impor memiliki pengaruh negatif (sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0000. Hal ini berarti bahwa variabel harga impor berpengaruh nyata (signifikan) terhadap volume impor komoditas bawang merah Indonesia. Kondisi ini menunjukkan dengan adanya kenaikan harga impor komoditas bawang merah sebesar satu persen akan menurunkan volume impornya sebesar 2,53 persen (ceteris paribus).
Variabel jarak ekonomi memiliki pengaruh positif terhadap volume impor bawang merah Indonesia (tidak sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0000. Hal ini menunjukkan bahwa variabel jarak ekonomi berpengaruh nyata (signifikan) terhadap aliran impor komoditas bawang merah Indonesia. Kondisi tersebut juga menggambarkan bahwa dengan meningkatnya jarak ekonomi sebesar satu persen akan meningkatkan volume impor bawang merah Indonesia sebesar 15,21 persen (ceteris paribus). Ketidaksesuaian hasil estimasi output dengan hipotesis penelitian disebabkan karena adanya komisi perdagangan dari suatu transaksi. Adanya komisi transaksi yang diberikan kepada perantara (broker) akan memengaruhi transaksi perdagangan internasional. Hal ini disebabkan, semakin tinggi nilai perdagangannya maka semakin tinggi juga komisi transaksi yang diterima oleh perantara (broker).
GDP riil negara asal impor bawang merah Indonesia memiliki pengaruh positif terhadap volume impor bawang merah Indonesia (sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0000. Hal ini berarti
variabel GDP riil negara asal berpengaruh nyata terhadap volume impor bawang merah Indonesia. Kondisi ini menunjukkan bahwa dengan meningkatnya GDP riil negara asal impor sebesar satu persen akan meningkatkan volume impor bawang merah Indonesia sebesar 16,03 persen (ceteris paribus).
Sama halnya dengan GDP riil negara asal, variabel GDP riil Indonesia memiliki pengaruh positif terhadap volume impor bawang merah (sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0000. Hal ini berarti variabel GDP riil Indonesia berpengaruh nyata (signifikan) terhadap volume impor bawang merah Indonesia. Kondisi ini menunjukkan bahwa dengan meningkatnya GDP riil Indonesia sebesar satu persen akan meningkatkan volume impor bawang merah Indonesia sebesar 22,28 persen (ceteris paribus).
Selanjutnya variabel nilai tukar pada estimasi hasil output memiliki pengaruh positif terhadap volume impor komoditas bawang merah Indonesia (sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,4427. Hal ini berarti bahwa variabel nilai tukar tidak berpengaruh nyata (tidak signifikan) terhadap volume impor bawang merah Indonesia. Kondisi ini menunjukkan bahwa nilai tukar tidak memengaruhi aliran perdagangan impor komoditas bawang merah Indonesia.
Dari hasil estimasi (Tabel 5.1) terdapat Fixed Effect (Cross) yang memperlihatkan pembeda dari setiap cross section (negara). Terlihat bahwa India memiliki nilai pembeda paling tinggi. Hal ini berarti volume impor bawang merah