IV. METODE PENELITIAN
4.4. Faktor-Faktor yang Memengaruhi Harga Bawang Merah
4.4.3. Metode Pengujian Model Regresi Linear Berganda
Model dapat dikatakan baik jika hasil estimasi model regresi yang telah didapat kemudian diuji. Pengujian tersebut dilakukan melalui uji ekonomi, uji statistik, dan uji ekonometrika.
A. Uji Ekonomi
Uji secara ekonomi dilakukan berdasarkan prinsip-prinsip yang sesuai dengan kriteria ekonomi yang mengacu pada arah dan besaran. Selain itu uji ini juga dilakukan berdasarkan tanda yang ada pada setiap variabel bebas dalam model pendugaan. Terdapat variabel yang memiliki tanda positif maupun tanda negatif. Tanda positif artinya penambahan satu satuan variabel independen akan meningkatkan harga bawang merah, sedangkan tanda negatif artinya penambahan satu satuan variabel independen akan mengurangi harga bawang merah. Variabel yang diduga memiliki tanda positif yaitu jumlah konsumsi bawang merah di Indonesia, harga bawang merah internasional. Adapun variabel yang diduga memiliki tanda negatif adalah jumlah produksi bawang merah di Indonesia. Selain itu juga perlu melihat nilai elastisitasnya. Nilai elastisitas digunakan untuk melihat derajat kepekaan variabel dependen pada suatu persamaan terhadap perubahan dari variabel independen. Nilai elastisitas jangka pendek (short run) diperoleh dari perhitungan sebagai berikut (Pindyck dan Rubinfeld, 1998):
Esr (Yt , Xit) = βi ( ̅it)/( ̅t) ………..…..(4.4) Keterangan :
Esr (Yt , Xit) = Elastisitas jangka pendek variabel dependen Yt (PBMt) terhadap variabel independen Xit
βi = Parameter estimasi variabel independen ke-i (β1, β2, β3)
̅it = Nilai rata-rata variabel independen Xit
̅t = Nilai rata-rata variabel dependen Yt
t = jumlah observasi (tahun 1993 = 1, … , 2013 = 21)
Nilai elastisitas jangka panjang (long run) dapat diperoleh dari perhitungan sebagai berikut :
Elr (Yt , Xit) =
………..…..(4.5)
Keterangan :
Elr (Yt , Xit) = Elastisitas jangka panjang variabel dependen Yt (PBMt) terhadap variabel independen Xit
β4 = Parameter estimasi dari lag-variabel dependen (PBMt-1). Kriteria uji :
1. Jika nilai eslatisitas lebih dari satu (E > 1) maka dikatakan elastis karena perubahan 1% variabel independen mengakibatkan perubahan variabel dependen lebih dari 1%.
2. Jika nilai elastisitas antara nol dan satu (0 < E < 1) maka dikatakan inelastis (tidak responsif) karena perubahan 1% variabel independen mengakibatkan perubahan variabel dependen kurang dari 1%.
B. Uji Statistik
Uji secara statistik ditentukan oleh teori statistik dan membantu evaluasi model secara statistika yang dapat dipercaya dari koefisien estimasi model. Uji statistik digunakan pada model penduga melalui uji-F, sedangkan parameter- parameter regresi dapat diuji melalui uji-t.
1. Uji-F
Berdasarkan metode estimasi OLS, pengujian ini dapat dilihat dari nilai probabilitas F-statisticnya.
Hipotesis:
H0: β1 = β2 = β3 = β4 = 0
Jika seluruh parameter dugaan regresi sama dengan nol, dapat disimpulkan bahwa tidak ada hubungan yang linear antara variabel dependen dengan variabel independen.
Kriteria uji:
P-value> taraf nyata (α), maka terima H0 terdapat variabel bebas dalam model secara bersama-sama tidak berpengaruh nyata terhadap harga riil bawang merah;
P-value < taraf nyata (α), maka tolak H0, terdapat variabel bebas dalam model yang secara bersama-sama berpengaruh nyata terhadap harga riil bawang merah
Apabila keputusan yang diperoleh adalah p-value < α dimana koefisien
regresi berada di luar daerah penerimaan H0, maka implikasinya adalah tolak H0. Artinya minimal ada salah satu dari variabel independen yang dapat mempengaruhi secara nyata terhadap variabel dependennya. Apabila didapatkan p-value > α, maka implikasinya terima H0 artinya variabel independen tidak berpengaruh nyata terhadap variabel dependennya
2. Uji-t
Pengujian ini dapat dilihat dari nilai probabilitas t-statisticnya. Hipotesis: H0: β1 = 0; β3 = 0; β2 = 0; β4 > 1 atau β4 < 0 H1: β1 < 0; β3 > 0; β2 > 0; 0 < β4 < 1 Kriteria uji:
P-value > taraf nyata (α), maka terima H0, artinya variabel independen tidak berpengaruh nyata terhadap harga riil bawang merah;
P-value < taraf nyata (α), maka tolak H0, artinya variabel independen berpengaruh nyata terhadap harga riil bawang merah.
Apabila tolak H0, maka variabel independen berpengaruh nyata terhadap variabel dependen. Sebaliknya, jika terima H0 maka variabel independen tidak berpengaruh nyata terhadap variabel independen.
3. Koefisien Determinasi ( R2)
Jika nilai koefisien determinasi mendekati 1, maka model yang digunakan semakin baik. Hal ini mengindikasikan bahwa semakin banyak keragaman variabel dependen yang dijelaskan oleh variabel independen di dalam model. Rumus menghi tung koefisien determinasi (Juanda, 2009) adalah:
R2 = JKR = ∑ JKT = ∑ Keterangan: R2 = Koefisien determinasi JKR = Jumlah kuadrat regresi JKT = Jumlah kuadrat total
Ŷt = Nilai variabel dependen estimasi Yt = Nilai variabel dependen aktual
Ȳ = Nilai rata-rata variabel dependen
C. Uji Ekonometrika
Uji secara ekonometrika ditentukan oleh ilmu ekonometrika yang membantu mengevaluasi apakah asumsi dari metode ekonometrika terpenuhi atau tidak pada kasus-kasus tertentu. Uji ekonometrika dapat membantu untuk menetapkan apakah estimasi yang diinginkan memiliki properties, unbiasedness, consistency, dan lain-lain. Pada uji ekonometrika, akan menguji tentang asumsi dari metode pendugaan OLS antara lain: normalitas, multikolinearitas, autokorelasi, dan heteroskedastisitas.
1. Uji Normalitas
Uji normalitas digunakan untuk melihat apakah residual telah menyebar secara normal atau tidak. Uji ini dapat menggunakan uji Jarque- Bera dengan melihat nilai probabilitasnya. Rumus uji Jarque-Bera (JB) (Gujarati, 2006) adalah:
JB = ………... (4.6) Keterangan:
n = 21
S= koefisien Skewness K= koefisien Kurtosis
Hipotesis pada uji normalitas adalah sebagai berikut: H0 = error term terdistribusi normal
H1 = error term tidak terdistribusi normal Kriteria pengujian:
P-value uji JB > taraf nyata (α) maka terima H0, artinya error term terdistribusi normal;
P-value uji JB < taraf nyata (α) maka tolak H0, artinya error term tidak terdistribusi normal
Taraf nyata yang digunakan dalam pengujian ini sebesar 0,05 (5%)
2. Uji Multikolinearitas
Untuk menentukan masalah multikolinearitas dapat dilihat dari nilai
Variance Inflation Factor (VIF). Masalah multikolinearitas pada suatu model persamaan linear regresi berganda akan selalu ditemukan, tetapi ada yang serius dan ada yang tidak serius. Masalah multikolinearitas menjadi sangat serius jika nilai VIF lebih besar dari 10 sedangkan masalah multikolinearitas dianggap tidak serius jika nilai VIF lebih kecil sama dengan 10.
Gujarati (2006) menyatakan bahwa keberadaan multikolinearitas dapat diukur dengan VIF. Rumus VIF dapat dituliskan sebagai berikut:
VIFj =
, j = 1, 2, …, k ………..(4.7)
R2j ini adalah koefisien determinasi dari regresi variabel independen ke-j terhadap sisa variabel-variabel independen k-1. Untuk variabel independen dimana k = 2, maka r2j merupakan akar dari koefisien korelasi (r) mereka.
3. Uji Autokorelasi
Salah satu asumsi yang harus dipenuhi agar estimasi parameter dalam model regresi linear berganda bersifat BLUE adalah autokorelasi yaitu cov (ui, uj) = 0, i ≠ j. Artinya tidak ada korelasi antara Ui dan Uj
untuk Ui dan Uj atau dapat dituliskan dengan E(Ui, Uj) = 0, i ≠ j. Asumsi ini mengandung arti nilai-nilai faktor gangguan U yang berurutan tidak tergantung secara temporer, yaitu gangguan yang terjadi pada satu titik observasi tidak berhubungan dengan faktor-faktor gangguan lainnya.
Autukorelasi dari metode OLS akan menghasilkan underestimated standart error parameter. Selanjutnya nilai statistik t dan F juga R2 cenderung menjadi overestimated, sehingga memberikan kesimpulan yang menyesatkan tentang arti statistik dan hasil dari koefisien parameter estimasi.
Uji yang sering digunakan untuk mendeteksi autokorelasi adalah uji Durbin-Watson yang didefinisikan sebagai berikut:
dw = ∑ ̂ ̂
∑ ̂ ………(4.8)
dimana ̂ adalah nilai sisa (residuals).
Nilai statistik dw sama dengan 2(1 – ρ). Dimana ρ adalah koefisien korelasi antara error episode waktu t dengan error periode waktu t – 1 yang didefinisikan sebagai:
ρ = ………..(4.9) Persamaan yang didalamnya terdapat variabel bedakala (lag endogenous variable) uji serial korelasi dengan menggunakan Durbin Watson tidak valid untuk digunakan (Pindyc dan Rubinfeld 1991 dalam Novindra 2011). Sebagai penggantinya untuk mengetahui apakah terdapat serial korelasi (autocorrelation) atau tidak dalam setiap persamaan maka digunakan statistic DH (Durbin-h statistics). Persamaan berikut merupakan formula untuk memperoleh nilai DH atau hhitung (Durbin-h
statistics).
hhitung = √ ...(4.10) keterangan:
d = dw statistik n = 21, dan
Jika ditetapkan taraf nyata α = 5%, diketahui -1.96 ≤ hhitung ≤ 1.96, maka disimpulkan persamaan tidak mengalami serial korelasi.
4. Uji Heteroskedastisitas
Uji ini digunakan untuk melihat varian residual apakah konstan atau tidak. Apabila varian residual konstan maka asumsi homoskedastisitas terpenuhi. Salah satu cara untuk melihat ada atau tidaknya masalah heteroskedatisitas adalah dengan menggunakan Uji White. Uji White
menggunakan residual kuadrat sebagai variabel dependen yang diregresikan terhadap variabel-variabel independennya.
Uji heteroskedastisitas hipotesisnya adalah:
H0= Var( i) = E( i2) = 2 = Homoskedastisitas H1= Var( i) = E( i2) = 2i = Heteroskedastisitas
Tahapan Uji White adalah sebagai berikut: 1. Jika diketahui model regresi sisaan berikut.
et2 = 1 + 2 Zt + vt
2. Hitung koefisien determinasi sebagai ukuran kebaikan suai (goodness of fit), R2.
3. Jika komponen sisaan homogen maka statistik-uji White
n (1) Keterangan :
n = 21
R2 = Koefisien determinasi X2 = Nilai variabel independen
Apabila dalam pengujian yang dilakukan, didapatkan nilai p-value
lebih besar dari alpha (α) lima persen maka implikasinya adalah terima H0 sehingga dapat disimpulkan tidak terjadi pelanggaran asumsi heteroskedastisitas atau terpenuhinya asumsi homoskedastisitas pada model yang telah dibuat.
V. PERKEMBANGAN HARGA BAWANG MERAH DI