HASIL DAN PEMBAHASAN
5.1 Hasil Uji Asumsi Klasik
Penelitian ini menggunakan analisis regresi linear berganda dengan bantuan program SPSS versi 20 pada kurun waktu data 19 tahun (2000 – 2018).
Tujuannya untuk mengetahui keterkaitan antar variabel dependent dan varibel independent-nya. Langkah pertama yang dilakukan yakni uji asumsi klasik, untuk mengetahui kelayakan dari suatu model regresi berganda yang berbasis ordinary least square (OLS). Untuk mendapatkan estimator yang bersifat BLUE (best, liniear, unbiased estimator) OLS harus memenuhi asumsi klasik yang terdiri dari uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi.
5.1.1 Hasil Uji Normalitas
Uji distribusi normal bertujuan untuk menguji apakah variabel pengganggu atau variabel residual memiliki distribusi normal dalam model regresi (Ghozali, 2011: 161). Uji normalitas data dilakukan dengan mempertimbangkan sebaran data (titik) pada normal p plot regression dari residual variabel independen dimana:
a. Jika data (titik) menyebar digaris diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
b. Jika data (titik) menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Model regresi yang benar adalah model dengan sebaran data normal atau mendekati normal yakni dengan melihat penyebaran titik pada grafik Normal P-P
40 plot of Regression Standarized Residual dengan menggunakan program SPSS versi 20 hingga diperoleh hasil sebagai berikut:
Gambar 5. Grafik Normal P-P plot Model Volume Ekspor Lobster Konsumsi
Sumber: Data Sekunder, SPSS (diolah)
Gambar diatas menjelaskan bahwa data pada grafik menyebar disekitar garis diagonal namun tetap mengikuti arah garis diagonal pada grafik Normal P-P plot. Hal ini membuktikan bahwa data telah memenuhi syarat normal probability plot, sehingga disimpulkan bahwa asumsi normalitas telah terpenuhi.
5.1.2 Hasil Uji Multikolinieritas
Multikolinearitas bertujuan untuk menguji apakah model regresi akan membentuk korelasi antar variabel bebas (independen). Model regresi yang benar seharusnya tidak terjadi korelasi antar variabel independennya (Ghozali, 2011:107-108). Untuk mengetahui adanya multikolinieritas dapat dilihat dari nilai variance inflationfactors (VIF). Apabila VIF > 1 maka terjadi korelasi antar
41 peubah bebas. Semakin besar nilai VIF maka menunjukkan gejala kolinieritas semakin besar. Hasil uji multikolinearitas penelitian ini dapat dilihat pada Tabel 3.
Tabel 3. Hasil Uji MultikolinieritasModel Volume Ekspor Lobster Konsumsi
Variabel Statistik Kolinier
Toleransi VIF
Nilai Tukar Rupiah terhadap dollar (NT) 0,296 3,376 Harga lobster di Singapura Per TON (HLE) 0,258 3,875
Jumlah Penduduk Singapura (JP) 0,199 5,024
Inflasi Indonesia (Inf) 0,590 1,694
Sumber: Data Sekunder, SPSS (diolah)
Tabel 3. memperlihatkan bahwa nilai toleransi untuk nilai tukar rupiah terhadap dollar, harga pada negara tujuan, jumlah penduduk negara Singapura dan inflasi Indonesia memiliki nilai toleransi lebih dari 0,10 dan nilai VIF kurang dari 10,00 Hal ini dapat disimpulkan bahwa tidak terdapat multikolinearitas dalam data penelitian ini, artinya bahwa variabel independen tidak saling mengganggu ataupun memengaruhi.
5.1.3 Hasil Uji Heteroskedastisitas
Menurut Ghozali (2011:139), Heteroskedastisitas tidak terjadi apabila pola titik melebar, bergelombang lalu menyempit pada gambar Scatterplots di spss.
Serta terdapat titik-titik yang menyebar di atas dan dibawah angka 0 pada sumbu Y. Model regresi yang benar adalah model regresi yang tidak terjadi heterokedastisitas atau ketidaksamaan varian, karena data ini menghimpun data yang mewakili berbagai ukuran.
42 Gambar 6. Grafik Scatterplot Model Model Volume Ekspor Lobster Konsumsi
Sumber: Data Sekunder, SPSS (diolah)
Pada grafik Scatterplot diatas menunjukkan bahwa titik-titik tidak membentuk suatu pola yang teratur dan menyebar di atas dan di bawah angka 0 pada sumbu Y, namun terdapat keragu-raguan karna terdapat pola menyempit, maka dari itu perlu dilakukan Uji Glejser untuk memastikan penelitian ini tidak terjadi heteroskedastisitas. Berikut Tabel 4 yang menunjukkan hasil Uji Glejser.
Tabel 4. Hasil Uji Glejser Model Volume Ekspor Lobster Konsumsi
Variabel Sig. Statistik Kolinier
Toleransi VIF Nilai Tukar Rupiah terhadap dollar (NT) 0,082 0,296 3,376 Harga lobster di Singapura (HLE) 0,082 0,258 3,875 Jumlah Penduduk Singapura (JP) 0,055 0,199 5,024
Inflasi Indonesia (Inf) 0,773 0,590 1,694
Sumber: Data Sekunder, SPSS (diolah)
43 Tabel diatas menjelaskan bahwa nilai Sig. dari 4 variabel independent, yakni Nilai Tukar Rupiah terhadap dollar (NT) sebesar 0,082, Harga pada negara tujuan (HLE) sebesar 0,082, Jumlah Penduduk (Ribu Jiwa) (JP) sebesar 0,055, Inflasi Tahunan (Inf) sebesar 0,773. Mengacu pada Ghozali (2011:139) nilai signifikansi yang dihasilkan lebih besar dari 0,05 maka tidak terjadi gejala heteroskedastisitas.
5.1.4 Hasil Uji Autokorelasi
Mengacu pada Ghozali (2012: 110), uji autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu periode t dengan kesalahan pengganggu periode t-1(sebelumnya) pada model regresi. Pengujian autokolerasi dilakukan dengan uji durbin watson dengan membandingkan nilai durbin watson hitung (d) dengan nilai durbin watson tabel, yaitu batas atas (du) dan batas bawah (dL). Kriteria pengujian adalah sebagai berikut:
a. Jika 0 < d < dL, maka terjadi autokorelasi positif.
b. Jika dL < d < du, maka tidak ada kepastian terjadi autokorelasi atau tidak.
c. Jika d-dL < d < 4, maka terjadi autokorelasi negatife.
d. Jika 4 –du < d < 4 –dL, maka tidak ada kepastian terjadi autokorelasi atau tidak.
e. Jika du < d < 4 –du, maka tidak terjadi autokorelasi positif maupun negatif.
Uji yang digunakan untuk mendeteksi masalah autokorelasi adalah metode yang dikemukakan oleh Durbin-Watson (DW). Metode di dalam penelitian ini ditunjukkan pada Tabel 5.
44 Tabel 5. Hasil Uji Autokorelasi Model Volume Ekspor Lobster Konsumsi
R R Square R Square
Data time series pada penelitian ini memiliki jumlah n = 19, α = 0,05 dan jumlah variabel independen k = 4, sehingga didapatkan nilai kritis dL = 2,152 dan dU = 1,848. Maka hasil uji autokorelasi dalam penelitian ini dapat dilihat pada Tabel 5. yang menyajikan nilai Durbin-Watson sebesar 1,370 yang berarti nilai DW berada dibawah dL (2,152) dan dU (1,848) sehingga dL > dW < dU. Hal ini disimpulkan bahwa masalah autokorelasi dalam penelitian ini tidak dapat disimpulkan atau berada dalam keragu-raguan (Ghozali, 2011:140). Adapula cara untuk melihat autokorelasi dengan signifikansi yakni menggunakan uji run test.
Uji run test disimpulkan tidak terjadi masalah autokorelasi apabila nilai signifikansi lebih dari 0,05 maka Tabel 6. menyajikan hasil run test.
Tabel 6. Hasil Uji Run Test Model Volume Ekspor Lobster Konsumsi Residu Tidak signifikansi yang dihasilkan lebih besar dari 0,05 yang memiliki arti bahwa tidak
45 terdapat gangguan autokorelasi pada penelitian ini, sehingga disimpulkan variabel independen tidak terganggu maupun terpengaruhi oleh variabel pengganggu.
Hasil uji asumsi klasik menunjukan data-data pada model volume ekspor lobster konsumsi telah memenuhi syarat yakni terbebas dari heteroskedastisitas, autokorelasi, multikolinieritas dan terdistribusi secara normal. Langkah selanjutnya adalah dengan melakukan uji statistik.
5.2 Faktor-Faktor Berpengaruh Terhadap Volume Ekspor Lobster