Ahmad Firdaus
Jiambong Z
Faktor –faktor yang memengaruhi ekspor tekstil dan produk tekstil Indonesia di pasar Amerika Serikat
Competitiveness of Chinese Industries - A Comparison with the EU
Dari perkembangan indeks RCA menunjukkan bahwa pangsa pasar Indonesia di Amerika Serikat untuk komoditi pakaian jadi, kain dan benang cenderung berfluktuasi dalam setiap tahunnya, sementara pangsa pasar Cina di Amerika Serikat cenderung bertambah Penelitian ini mengamati urutan ini dari perspektif daya saing, menunjukkan hubungan yang melekat antara daya saing dan kegiatan ekonomi
KERANGKA PEMIKIRAN
Penelitian ini di latar belakangi oleh Industri Tekstil dan produk tekstil (TPT) sebagai komoditi yang memberikan kontribusi bagi pendapatan daerah khususnya Jawa Barat.Provinsi Jawa Barat merupakan salah satu daerah yang menjadi pusat atau penghasil TPT terbesar di Indonesia. Fokus strategi
16
pembangunan industri dimasa depan adalah membangun daya saing sektor industri yang berkelanjutan di pasar domestik dan internasional, adanya persaingan global dan banyaknya produk luar negeri yang masuk di Indonesia yang akan berpengaruh besar terhadap tingkat konsumsi dan tingkat ekspor produk TPT Jawa Barat di dalam dan di luar negeri yang akan memengaruhi terhadap daya saing yang dimiliki industri TPT Jawa Barat. Berdasarkan latar belakang tersebut, maka penulis melakukan penelitian untuk melihat kondisi daya saing industri TPT Jawa Barat dengan metode RCA dan Potter’s Diamond,dan
menganalisis faktor-faktor yang memengaruhi daya saing tersebut, dengan melihat produktivitas, nilai tukar rupiah terhadap mata uang asing (US$ Dollar), jumlah tenaga kerja, tingkat inflasi, krisis dan UMP. Kerangka pemikiran dapat dilihat dibawah ini :
Gambar 4 Kerangka pemikiran penelitian Hipotesis
Hipotesis yang digunakan pada penelitian ini adalah :
1. Industri tekstil dan produk tekstil Jawa Barat memiliki daya saing yang tinggi. Impilikasi Hasil Penelitian
OLS (Ordinary least square) Faktor-faktor yang memengaruhi daya saing RCA (Revealed Comparative
Advantage)
Potter’s Diamond Tingkat Daya Saing TPT
Jawa Barat TPT sebagai salah satu komoditi unggulan Indonesia
Provinsi Jawa Barat sebagai sentral industri TPT Persaingan
17 2. Semua variabel bebas yang yang digunakan (produktivitas, nilai tukar nominal Indonesia terhadap US $, jumlah tenaga kerja, upah minimum provinsi, inflasi dan krisis) memiliki pengaruh terhadap variabel tidak bebas daya saing industri tekstil dan produk tekstil Jawa Barat :
a) Produktivitas memiliki koefisien yang positif terhadap daya saing industri tekstil dan produk tekstil Jawa Barat, dimana semakin tinggi produktivitas maka semakin tinggi daya saing industri tekstil dan produk tekstil Jawa Barat.
b) Nilai tukar nominal rupiah terhadap mata uang asing memiliki koefisien yang positif terhadap daya saing industri tekstil dan produk tekstil Jawa Barat, dimana ketika terjadi depresiasi nilai tukar nominal rupiah terhadap mata uang asing dapat meningkatkan daya saing industri tekstil dan produk tekstil Jawa Barat.
c) Jumlah tenaga kerja memiliki koefisien yang positif terhadap daya saing industri tekstil dan produk tekstil Jawa Barat, dimana semakin banyak jumlah tenaga kerja maka semakin tinggi daya saing industri tekstil dan produk tekstil Jawa Barat.
d) Inflasi memiliki koefisien negatif terhadap daya saing industri tekstil dan produk tekstil Jawa Barat. Dimana semakin tinggi inflasi maka semkin rendah daya saing tekstil dan produk tekstil Jawa Barat.
e) Upah Minimum Provinsi (UMP) memiliki koefisien yang negatif terhadap daya saing industri tekstil dan produk tekstil Jawa Barat, dimana semakin tinggi upah maka semakin rendah daya saing industri tekstiil dan produk tekstil Jawa Barat.
f) Dummy krisis memiliki koefisian yang negatif terhadap daya saing industri tekstil dan produk tekstil Jawa Barat, dimana ketika terjadi krisis maka akan menurunkan daya saing industri tekstil dan produk tekstil Jawa Barat.
METODE
Jenis dan Sumber Data
Jenis data yang digunakan dalam penulisan ini adalah data deret waktu (time series). Data time series adalah data mengenai fakta-fakta yang terjadi pada waktu yang berbeda-beda yang dikumpulkan dari kategori sumber yang sama. Selain itu penulisan ini juga menggunakan jenis data kuantitatif.Data kuantitatif adalah data yang berupa nilai dan angka yang disajikan dalam bentuk ringkas yang didapatkan dari beberapa hasil pengamatan yang dimanfaatkan sebagai bahan argumentasi. Data yang digunakan pada penelitian ini adalah data sekunder dan diperoleh dari berbagai sumber yang berkaitan dengan penelitian ini, seperti : Badan Pusat Statistik Jawa Barat, Asosiasi Pertekstilan Indonesia (API) dan website Kementrian Perindustian Indonesia, Bank Jabar dan Pusat Data dan Informasi Tenaga Kerja.
Data yang digunakan dalam penelitian ini adalah data tahunan periode 1981-2010 dari produktivitas, efisiensi, ekspor tekstil dan produk tekstil Jawa Barat,
18
nilai tukar nominal rupiah terhadap mata uang asing, jumlah tenaga kerja, ekspor tekstil dan produk tekstil Jawa Barat dan lainnya, total ekspor tekstil dan produk tekstil Indonesia, total ekspor Indonesia, Upah Minimum Jawa Barat. Adapun data tahunan periode 2005-2010 yang digunakan adalah data PDRB Jawa Barat, tingkat konsumsi domestik terhadap industri tekstil dan produk tekstil Jawa Barat, dan banyaknya perusahaan industri tekstil dan produk tekstil Jawa Barat.
Metode Pengolahan dan Analisis Data
Analisis yang digunakan yaitu analisis deskriptif dan analisis kuantitatif. Analisis deskriptif untuk menjelaskan perkembangan industri tekstil dan produk tekstil Jawa Barat, sedangkan analisis kuantitatif untuk mengetahui daya saing industri tekstil dan produk tekstil Jawa Barat, variabel-variabel yang memengaruhi dayasaingnya serta melihat pengaruh kebijakan upah minimum Provinsi terhadap daya saing industri tekstil dan produk tekstil Jawa Barat.
Analisis Daya Saing Revealed Comparative Advantage (RCA)
Salah satu indikator yang dapat menunjukkan perubahan keunggulan komparatif atau tingkat daya saing suatu industri dari suatu negara adalah dengan pendekatan Revealed Comparative Advantage (RCA).Metode RCA didasarkan pada suatu konsep bahwa perdagangan antar wilayah sebenarnya menunjukkan keunggulan komparatif yang dimiliki oleh suatu wilayah. Variabel yang diukur adalah kinerja ekspor suatu produk terhadap total ekspor suatu wilayah yang kemudian dibandingkan dengan pangsa nilai produk dalam perdagangan dunia. RCA dapat didefinisikan bahwa jika pangsa ekspor komoditi tekstil dan produk tekstil Jawa Barat didalam total ekspor produk dari suatu negara lebih besar dibandingkan pangsa ekspor komoditi TPT di dalam total ekspor produk Indonesia, diharapkan Negara tersebut memiliki keunggulan komparatif dalam produksi dan ekspor komodititekstil dan produk tekstil. Apabila nilai RCA lebih besar dari satu berarti negara itu mempunyai keunggulan komparatif untuk komoditi tekstil dan produk tekstil. Sebaliknya, jika nilainya lebih kecil dari satu berarti keunggulan komparatif untuk komoditas tekstil dan produk tekstil rendah. Secara matematis RCA dapat dituliskan seperti persamaan 1.
RCAij =XLi / XLw
Xi / Xw... (1) Dimana :
XLi = nilai ekspor industri tekstil dan produk tekstil Jawa Barat XLw = nilai total ekspor ( industri TPT dan lainnya) Jawa Barat Xi = nilai ekspor industry TPT di Indonesia
Xw = nilai total ekspor di Indonesia t = 1980,…..,2010
19 Nilai daya saing dari suatu industri ada dua alternatif, yaitu :
1. Jika nilai RCA > 1, berarti suatu negara memiliki keunggulan komparatif pada komoditi sehingga suatu industri memiliki daya saing kuat.
2. Jika nilai RCA < 1, berarti suatu negara memiliki keunggulan komparatif pada komoditi sehingga suatu industri memiliki daya saing lemah .
Keunggulan metode RCA ini, metode ini dapat dikatakan merupakan metode yang sederhana dan menurut Basri (2002) dalam bukunya yang berjudul
Perekonomian Indonesia, RCA dapat mengevaluasi peranan ekspor suatu komoditas dalam ekspor total negara tersebut, dibandingkan dengan pangsa komoditas tersebut dalam perdagangan dunia. Oleh karena itu Melalui analisis perhitungan RCA, posisi daya saing dan ekspor produk TPT di pasar nasional dapat diketahui.
Indeks RCA merupakan perbandingan antara nilai RCA sekarang dengan nilai RCA tahun sebelumnya. Rumus indeks RCA adalah sebagai berikut :
Indeks RCA = RCAt ... (2) RCAt-1
Dimana :
RCAt = nilai RCA tahun ke sekarang (t) RCAt-1 = nilai RCA tahun sebelumnya (t-1) t = 1981,..., 2010
Nilai indeks RCA berkisar nol sampai tak hingga. Nilai indeks RCA sama dengan satu berarti tidak terjadi kenaikan RCA atau kinerja ekspor tekstil dan produk tekstil Jawa Barat di pasar nasional tahun sekarang sama dengan tahun sebelumnya. Nilai indeks RCA lebih kecil dari satu berarti terjadi penurunan RCA atau kinerja ekspor tekstil dan produk tekstil Jawa Barat di pasar nasional tahun sekarang lebih rendah dibanding dengan tahun sebelumnya.Nilai indeks RCA lebih besar dari satu berarti terjadi peningkatan RCA atau kinerja ekspor tekstil dan produk tekstil Jawa Barat di pasar nasional tahun sekarang lebih tinggi dibanding dengan tahun sebelumnya.
Keuntungan menggunakan mrtode atau indeks RCA adalah bahwa indeks ini mempertimbangkan keuntungan intrinsik komoditas ekspor tertentu dan konsisten dengan perubahan di dalam suatu ekonomi produktivitas dan faktor anugerah alternatif.Selain itu, keunggulan dari metode ini juga adalah mengurangi dampak pengaruh campur tangan pemerintah, sehingga keunggulan komparatif suatu komoditi dari waktu ke waktu dapat terlihat secara jelas.Namun, bagaimanapun indeks ini tidak dapat membedakan antara peningkatan di dalam faktor sumberdaya dan penerapan kebijakan perdagangan yang sesuai. Kelemahan dalam
metode RCA ini, diantaranya :
1. Pengukuran berdasarkan nilai RCA ini mengesampingkan pentingnyapermintaan domestik, ukuran dasar domestik, dan perkembangannya.
2. Indeks RCA tidak dapat menjelaskan apakah pola perdagangan yang sedang berlangsung tersebut sudah optimal
3. Tidak dapat mendeteksi dan memprediksi produk-produk yang berpotensi dimasa yang akan datang.
20
Analisis Daya saing (Potter’s Diamond)
Keunggulan kompetitif dalam penelitian ini dianalisis dengan
menggunakan Potter’s Diamond.Metode ini merupakan metode kualitatif yaitu menganalisi tiap komponen dalam Potter’s Diamond, dan dapat dilihat seperti Gambar 5.
a) Factor condition (FC) yaitu faktor-faktor produksi seperti Sumber Daya Alam, Sumber Daya Manusia, Modal, infrastruktur dan IPTEK.
b) Demand Condition (DC) yaitu keadaan permintaan atas barang dan jasa dalam negeri.
c) Related and supporting Industries (RSI) yaitu keadaan industri pendukung dan terkait yang dapat meningkatkan efisiensi dan sinergi industri.
d) Firm strategy, Structure and Rivalry (FSSR) yaitu strategi yang digunakan perusahaan pada umumnya, struktur industri serta keadaan kompetisi dalam industri.
Selain itu terdapat komponen lain yang terkait dengan keempat komponen utama tersebut yaitu peran pemerintah dan kesempatan. Keempat faktor utama dan dua faktor pendukung tersebut saling berinteraksi, dari hasil analisis faktor penentu daya saing selanjutnya ditentukan komponen yang menjadi keunggulan dan kelemahan daya saing industritekstil dan produk tekstil Jawa Barat.Hasil keseluruhan interaksi antar komponen yang saling mendukung sangat menentukan perkembangan yang dapat menjadi competitive advantage dari suatu industri.
Gambar 5.Diamond of competitive advantage Sumber : Potter, 1998
Model Regresi Linear Berganda
Metode analisis yang digunakan untuk melakukan analisis faktor-faktor yang memengaruhi daya saing tekstil dan produk tekstil Jawa Barat adalah regresi linear berganda dengan metode Ordinary Least Square (OLS) atau metode kuadrat terkecil biasa, dengan asumsi-asumsi tertenu.Metode Ordinary Least Square (OLS) mempunyai beberapa sifat statistik yang membuatnya menjadi satu
Strategi dan Struktur Persaingan
Kondisi Faktor
Industri Terkait dan Pendukung
Demand Condition
21 metode analisis regresi yang paling kuat.Menurut Koutsoyianis (1997), terdapat beberapa kelebihan metode Ordinary Least Square (OLS) seperti berikut:
1. Hasil estimasi parameter yang diperoleh dengan metode OLS memiliki beberapa kondisi optimal (BLUE)
2. Tata cara pengolahan data dengan dengan metode OLS relatif mudah daripada metode ekonometrika lain, serta tidak membutuhkan data yang terlalu banyak. 3. Metode OLS telah banyak digunakan dalam peneltian ekonomi dengan
berbagai macam hubungan antar variable dengan hasil yang memuaskan. 4. Mekanisme pengolahan data dengan metode OLS mudah dipahami.
5. Metode OLS juga merupakan bagian dari kebanyakan metode ekonometrik yang lain meskipun dengan penyesuaian di beberapa bagian.
Beberapa sifat penduga yang utama agar metode OLS dapat digunakan adalah tidak bias, efisien dan varian minimum (Nachrowi dan Usman, 2003). Asumsi-asumsi atau persyaratan yang melandasi estimasi koefisien regresi dengan metode OLS berdasarkan teori Gauss-Markov sebagai berikut:
1. E(ui) = 0 atau E(ui) atau E(Yi ) = β1 + β2Xi
uimenyatakan variable-variabel lain yang memengaruhi Yi akan tetapi tidak terwakili di dalam model.
2. Tidak ada korelasi antara ui dan uj {cov (ui , uj )= 0}; i≠j
3. Homokedastisitas : yaitu besarnya varian ui sama arau car (ui) = σ2
untuk setiap i.
4. Kovarian antara ui dan Xi nol. {cov (ui,Xi ) )= 0}.Asumsi tersebut sama artinya bahwa tiidak ada korelasi antara ui , Xi.
5. Model regresi dispesifikasikan secara benar. Hal-hal yang perlu diperhatikan adalah:
a) Model harus berpijak pada landasan teori b) Perhatikan variable-variabel yang diperlukan. c) Bagaiman bentuk fungsinya.
Sifat yang akan dimiliki oleh estimator pada model regresi OLS dengan memenuhi asumsi-asumsi di atas adalah BLUE. Ragam minimum (efisien) dan konsisten serta berasal dari model yang linear. Selain itu, nilai estimasi dari contoh (sample) akan mendekati populasi.
Dalam penelitian ini untuk menganalisi faktor-faktor yang memengaruhi daya saing industri tekstil dan produk tekstil Jawa Barat, yang diperoleh dari hasil penelitian dan jurnal terdahulu, dapat dilihat dari produktivitas, jumlah tenaga kerja, nilai tukar rupiah terhadap dollar amerika, inflasi, upah minimum dan dummy krisis. Secara matematis faktor-faktor yang memengaruhi daya saing industri tekstil dan produk tekstil Jawa Barat dapat ditulis sebagai berikut :
DSt = α0 + α1Prodt+ α2JmlhTk + α3NT +α4INF + α5UMP + α6 Dkt+e1t……(3)
Yang kemudian untuk menyamakan variable yang digunakan di dalam persamaan, persamaan akan diubah ke dalam bentuk double log (kecuali variable yang sudah dalam bentuk persen) menjadi:
22 Dimana :
DSt = Daya Saing (%) Prodt = Produktivitas (%)
LnJMlhTKt = Jumlah tenaga Kerja (%)
LnNTt = Nilai tukar rupiah terhadap dollar Amerika (%) INFt = Nilai inflasi (%)
LnUMPt = Nilai UMP Jawa Barat (%) Dkt = Dummy krisis
e1t, e2t = Kesalahan pengganggu (galat)
Pengujian Parameter Persamaaan Regresi
Untuk mendapatkan model terbaik, perlu dilakukan pengujian-pengujian sebagai berikut:
Uji Koefisien Determinan (R2)
Koefisien determinasi digunakan untuk mengukur seberapa besar total variasi variabel dependen yang mampu dijelaskan oleh model. R² menunjukan besarnya pengaruh semua variabel independen terhadap variabel dependen. Nilai R2akan bertambah besar sesuai dengan bertambahnya jumlah variabel yang dimasukan kedalam model.
R- Squared = RSS TSS dimana :
RSS = Jumlah kuadrat regresi TSS = Jumlah kuadrat total
Nilai koefisien determinasi yang digunakan adalah 0 ≤ R2≤ 1. Jika R2 = 1 berarti 100 persen keragaman dalam variabel dependen dapat dijelaskan oleh variabel-variabel independennya. Sedangkan R2 = 0 berarti tidak satupun variabel dependen tidak dapat dijelaskan oleh variabel-variabel independennya. Selain nilai R2 terdapat juga nilai adjusted- R2. Nilai ini digunakan untuk membandingkan dua model, semakin besar nilai R2 adj maka makin baik model tersebut.R2 adj dapat digunakan untuk membandingkan dua model karena nilai R2adj sudah mengalami koreksi terhadap derajat bebas model sehingga dua model yang berbeda derajat bebasnya dapat dibandingkan secara adil.
Uji F-statistik
Pengujian ini bertujuan untuk mengetahui apakah semua variabel independen dalam model secara bersamaan berpengaruh terhadap variabel dependen.Pengujian ini dilakukan dengan menggunakan distribusi F dengan membandingkan antara nilai kritis F dengan nilai F-hitung yang terdapat pada hasil analisis.
23 Perumusan hipotesis:
H0 :β1 = β2 = β3 = βk = 0, variabel independen secara simultan tidak berpengaruh signifikan terhadap variabel dependen
H1 : β1 ≠ β2 ≠ ... ≠ βn ≠ 0, variabel independen secara simultan berpengaruh
signifikan terhadap variabel dependen
Uji statistik F dapat dihitung dengan formula: Fhitung =R2/(k-1)
(1-R2)/(n-k) Dimana:
R2 : jumlah kuadrat regresi (1- R2) : jumlah kuadrat sisa n : jumlah pengamatan k : jumlah parameter Kriteria uji:
Probability F-Statistic < taraf nyata (α), maka tolak H0 dan simpulkan
minimalada variabel bebas (independent) yang mempengaruhi variabel tak bebas (dependent).
Probability F-Statistic > taraf nyata (α), maka terima H0 dan simpulkan tidak ada
variabel bebas (independent) yang mempengaruhi variabel tak bebas (dependent). Uji t-statistik
Uji ini bertujuan untuk mengetahui tingkat signifikan variabel bebas(independent) atau untuk menguji secara statistik apakah regresi dari masing-masingvariabel independen yang dipakai secara terpisah berpengaruh nyata atautidak terhadap variabel dependen.
Hipotesis:
H0 :βk = 0 (variabel independen k tidak mempengaruhi variabel dependen) H1 :βk ≠ 0 (variabel independen k mempengaruhi variabel dependen)
Kriteria uji:
Probability t-Statistic < (α), maka tolak H0 dan simpulkan variabel independen kberpengaruh secara signifikan terhadap variabel dependennya.
Probability t-Statistic > (α), maka terima H0 dan simpulkan variabel independen k
tidak berpengaruh secara signifikan terhadap variabel dependennya. Uji Asumsi Klasik
Terdapat tiga asumsi yang harus diuji dalam analisis regresi, yaitu multikoleniaritas, heteroskedastisitas, dan autokorelasi.Selain itu, ada uji normalitas untuk melihat apakah error term menyebar normal atau tidak.
24
Uji Normalitas
Uji normalitas digunakan untuk melihat error term. Jika data sampel yang digunakan dalam penelitian kurang dari 30 maka perlu dilakukan uji normalitas dan jika sampel lebih dari 30 maka error term akan terdistribusi normal. Karena data yang digunakan dalam penelitian ini kurang dari 30, maka uji normalitas perlu dilakukan.Uji normalitas ini disebut Jarque-Bera Test (J-B) yang pengujiannya dilakukan pada error term yang harus terdistribusi secara normal.Kriteria uji yang digunakan adalah :
Hipotesis:
H0 :error term terdistribusi normal H1 :error term tidak terdistribusi normal Kriteria uji:
Jika nilai probabilitas > taraf nyata (α) maka terima H0 dan kesimpulannya errorterm terdistribusi normal.
Jika nilai probabilitas < taraf nyata (α) maka tolak H0 dan kesimpulannya
errorterm tidak terdistribusi normal. Uji Multikolinearitas
Asumsi lain yang harus dipenuhi adalah tidak terdapat gejala multikolinearitas di dalam suatu model regresi, yaitu adanya korelasi yang kuat antarsesama variabel bebas (eksogen). Uji multikolinearitas dalam Minitab 16 dinamakan uji kolinearitas, yaitu untuk melihat apakah terjadi korelasi yang kuat antara variabel-variabel independennya. Pengujiannya ada dua cara yaitu:
1. Nilai korelasi dua variabel independen mendekati satu 2. Nilai korelasi parsial akan mendekati nol
Setelah itu ada atau tidaknya kolinearitas dapat dilihat dari nilai VIF (Variance Inflation Error), apabila nilai VIF kurang dari 10 maka tidak terdapat gejala multikolinearitas.Jika hasil estimasi memiliki nilai R² dan Adjusted R² yang tinggi tetapi memiliki banyak nilai t-stat yang tidak signifikan sementara hasil F-stat nyasignifikan, maka hal ini mengindikasikan adanya multikolinearitas (Juanda, 2009).
Uji Autokorelasi
Uji yang digunakan dalam mendeteksi adanya autokorelasi adalah dengan menggunakan uji Durbin Watson Statistic (D-W).Jika nilai statistik D-W berada pada kisaran angka dua, menunjukkan bahwa tidak terdapatnya autokorelasi, dan begitu juga sebaliknya. Jika semakin jauh dari angka dua, maka akan terjadi peluang autokorelasi yang besar baik itu autokorelasi positif maupun negatif. Karena uji D-W memiliki beberapa kelemahan, maka untuk menguji autokorelasi dapat juga dengan menggunakan uji yang dikembangkan oleh Breusch-Godfrey. Uji ini dikenal dengan uji Lagrange Multiplier Test. Kriteria uji yang digunakan untuk mendeteksi autokorelasi dengan uji Lagrange Multiplier, yaitu:
25 1. Jika nilai probabilitas pada Obs*R-Square > taraf nyata (α) yang digunakan,
maka model persamaan yang digunakan tidak mengandung autokorelasi. 2. Jika nilai probabilitas pada Obs*R-Square < taraf nyata (α) yang digunakan,
maka model persamaan yang digunakan mengandung autokorelasi. Uji Heteroskedastisitas
Heteroskedastisitas terjadi jika ragam error tidak konstan.Gejalaheteroskedastisitas menunjukan bahwa model tersebut tidak memenuhi syarat sebagai model yang baik. Model yang baik adalah jika memenuhi ragam error yang sama. Gejala tersebut dapat ditunjukan melalui uji Breush-Pagan pada program Eviews 6.
Hipotesis:
H0 : Homoskedastisitas H1 : Heteroskedatisitas
Dengan taraf nyata yang digunakan dalam penelitian ini 0,05 (5 persen).Sehingga apabila nilai p-value lebih dari 0,05 (5 persen) maka terima H0 yang artinya ragam residual homogen atau biasa disebut tidak terjadi heteroskedastisitas pada model yang diteliti.
GAMBARAN UMUM