METODE PENELITIAN
3.1. Ruang lingkup Penelitian
Penelitian ini membahas tentang analisis faktor – faktor apa saja yang mempengaruhi neraca pembayaran Indonesia. Pembahasan dan analisis lebih difokuskan kepada perkembangan neraca pembayaran Indonesia dalam kurun waktu 1985 – 2007 (23 tahun).
3.2. Jenis dan Sumber Data
Adapun data yang digunakan (data ; Inflasi, Nilai Tukar, Suku Bunga, net Ekspor) dalam penelitian ini adalah jenis data sekunder, yang diperoleh dari publikasi resmi dalam bentul literatur (buku-buku), dan beberapa sumber atau instansi yaitu Kantor Bank Indonesia (KBI) Medan, Biro Pusat Statistik Propinsi Sumatera Utara dan dari beberapa bahan – bahan bacaan yang berkaitan dengan penelitian. Data beberbentuk data kala berkala (time series) dalam kurun waktu 23 tahun.
3.3. Pengolahan Data
Penulis menggunakan program komputer SPSS 16 untuk mengolah data dalam penulisan ini.
3.4. Metode Pengumpulan Data
Adapun metode pengumpulan data dalam penelitian ini adalah dilakukan dengan metode pengumpulan data sekunder dengan mencatat langsung dan mengkopi dari laporan – laporan tahunan langsung ke sumber data perpustakaan Bank Indonesia, Badan Pusat Statistik (BPS) penelitian kepustakaan yaitu seperti buku yang berkaitan dengan topik penelitian.
3.5. Model Analisis Data
Spesifikasi model analisis yang akan dijadikan sebagai model penelitian merupakan fungsi matamatis dengan parameter berbentuk linier. Metode analisis yang dipakai adalah metode Kuadarat Terkecil Biasa (ordinary least square / OLS). Hubungan antara variabel – variabel indenpenden dengan variabel dependent dirumuskan dalam fungsi sebagai berikut :
Nilai ekspor = f (Inflasi, Suku Bunga, Nilai Tukar)
Untuk menganalisis persamaan diatas maka persamaan tersebut diubah dalam bentuk model analisis jalur Path Analysis, sebagai berikut :
Dimana :
Y1 = Nilai Ekspor (US $) X1 = Inflasi (%) X2 = Suku Bunga (%) X3 = Nilai Tukar (Rp / US $)
Neraca Pembayaran = f (Inflasi, Suku Bunga, Nilai Tukar)
Untuk menganalisis persamaan diatas, maka persamaan tersebut diubah dalan model analisis jalur Path analysis, sebagai berikut :
Y2 = PY2X1 + PY2X2 + PY2X3 Dimana :
Y1 = Nilai Ekspor (US $) X1 = Inflasi (%) X2 = Suku Bunga (%)
X3 = Nilai Tukar (Rp / US $)
Untuk menganalisis persamaan diatas maka persamaan tersebut diubah dalam model path analysis sebagai berikut :
3.5.1. Kerangka Model Analysis Jalur ( path analysis )
Kerangka Model Analysis Jalur (path analysis) dalam penelitian ini digambarkan
sebagai berikut : 3.5.1.1. Direct Effect (PY1X1) (PY2X1) (PY1X2) (PY2X2) (PY1X3) (PY2X3)
Gambar 3.1. Direct effect
Pengaruh variabel – variabel bebas terhadap variabel – variabel terikat secara langsung, dapat diformulasikan sebagai berikut :
X1 Y1 = PY1X1 X1 Y2 = PY2X1 X2 Y1 = PY1X2 X2 Y2 = PY2X2
Y1
X3 X2X1
Y2
3.5.1.2. Indirect Effect : (PY1X1) (PY1X2) (PY1X3)
Gambar 3.2. Indirect effect
Pengaruh variabel – variabel bebas terhadap variabel – variabel terikat secara tidak langsung melalui variabel Y1, dapat diformulasikan sebagai berikut :
X1 Y1 Y2 = ( PY1X1 ) ( PY2Y1 ) X2 Y1 Y2 = ( PY1X12) ( PY2Y1 ) X3 Y1 Y2 = ( PY1X3 ) ( PY2Y1 )
Y1
X3 X2X1
Y2
3.5.1.3.Total Effect
Total pengaruh variabel – variabel bebas terhadap variabel – variabel terikat, dapat diformulasikan sebagai berikut :
X1 Y1 Y2 = ( PY1X1 ) + ( PY2Y1 )
X2 Y1 Y2 = ( PY1X2 ) + ( PY2Y1 )
X3 Y1 Y2 = ( PY1X3 ) + ( PY2Y1 )
3.5.2. Test of Goodness of Fit
Untuk melihat goodness of fit dari hipotesis tersebut maka perlu dilakukan uji statistik, yaitu:
3.5.2.1. Koefisien Determinasi (R-Square)
Koefisien Determinasi digunakan untuk melihat seberapa besar variasi variabel- variabel independen secara bersama mampu memberi penjelasan variasi variabel dependen.
3.5.2.2. Uji t-statistik (Uji Parsial)
Uji t-statistik merupakan suatu pengujian yang bertujuan untuk mengetahui apakah pengaruh antara variabel independen secara individu (parsial) terhadap variabel dependen signifikan atau tidak. Dalam uji ini digunakan prosedur sebagai berikut:
Hipotesis : H0 : bi = b
Dimana bi merupakan koefisien variabel independen pertama nilai parameter hipotesis, dan
biasanya b = 0. Artinya bahwa tidak ada pengaruh variabel X1 terhadap Y. Bila nilai hitung
t-hitung > t-tabel, maka pada tingkat kepercayaan tertentu Ho ditolak. Hal ini berarti bahwa variabel independen yang diuji berpengaruh nyata (signifikan) terhadap variabel dependen. Nilai t-hitung diperoleh dengan rumus:
t-hitung = Se(bi)
bi
Keterangan:
bi = Koefisien variabel independen ke-i
Sbi = Simpanan baku dari variabel independen ke-bi
Gambar 3.4 Kurva Uji t-statistik
H0 diterima
3.5.2.3. Uji F-Statistik (Uji Serempak)
Uji F-Statistik (Uji Serempak) ini adalah pengujian yang bertujuan untuk mengetahui pengaruh antara seluruh variabel independen secara serempak (bersama-sama) terhadap variabel dependen. Untuk pengujian ini digunakan prosedur sebagai berikut:
Hipotesis :
H0 : b1 = b2 = bn = ………0 (tidak ada pengaruh)
Ha : b1 ≠ b2≠ bn ≠….... 0(ada pengaruh)
Pengujian ini dilakukan dengan membandingkan nilai F-hitung dengan F-tabel. Jika F-hitung > F-tabel, maka H0 ditolak yang berarti variabel independen secara bersama-sama
mempengaruhi variabel dependen. Nilai F-hitung dapat diperoleh dengan rumus:
F-hitung =
(
R)
n k k R − − /− 1 1 / 2 2 Keterangan: R2 = Koefisien Determinasik = Jumlah variabel independen n = Jumlah sampel
Dengan kriteria pengujian pada tingkat kepercayaan 95 % sebagai berikut: H0 diterima jika F-hitung < F-tabel
Gambar 3.5 Kurva Uji F-Statistik
3.5.3. Uji Penyimpangan Asumsi Klasik 3.5.3.1. Multikolinearity
Kolinearitas ganda adalah alat yang digunakan untuk mengetahui apakah ada hubungan yang kuat (kombinasi linear) diantara independen variabel. Suatu model regresi linear akan menghasilkan estimasi yang baik apabila model tersebut tidak mengandung multikolinearity. Kolinearitas ganda terjadi karena adanya hubungan yang kuat antar
0 F-tabel
H0 diterima
sesama variabel independen dari suatu model estimasi. Untuk mendeteksi ada tidaknya mutikolinearity dapat dilihat dari nilai R-Square, F-hitung, t-hitung serta standard error.
Ada beberapa uji formal untuk mendeteksi keberadan multikolinearitas yaitu antara lain :
1. Tolerance 2. VIF 3. Grafik 4. Koefisien
Dan dalam penelitian ini yang dipergunakan untuk melihat adanya multikolinearitas antar variabel adalah dengan tolerance dan VIF.
3.5.3.2. Uji Heteroskedastisitas
Heterokedastisitas adalah suatu kondisi dimana sebaran atau variance (σ2) dari error term (µ) tidak konstan sepanjang observasi. Jika harga X makin besar maka sebaran Y makin lebar atau makin sempit.
Untuk menguji heterokedastisitas dapat dilakukan dengan Uji White sebagai berikut:
1). Lakukan regresi model yang kita miliki dan kita dapatkan nilai residual untuk (estimasi error);
2). Lakukan regresi auxiliary kita dapatkan nilai R² dari regresi ini kemudian kita hitung X² dengan rumus n x X²;
3). Dibandingkan X² dari regresi diatas dengan nilai chi square dengan derajad bebas 2 dan alpha 1 %.
Jika R² x n lebih besar dari nilai tabel chi square (alpha, df) berarti terjadi heteroskedastisitas jika sebaliknya berarti tidak heteroskedastisitas.
3.5.3.3. Serial Correlation/Autocorrelation
Autokorelasi merupakan korelasi antar anggota seri observasi yang disusun menurut urutan waktu (seperti data cross-section), atau korelasi pada dirinya sendiri. Apabila ada ketergantungan antara kesalahan pengganggu εi dan kesalahan pengganggu εj, maka
dikatakan ada autokorelasi, dengan simbol dapat dinyatakan sebagai berikut:
E(εiεj) ≠ 0.i ≠ j
Adapun beberapa cara untuk menguji keberadaan autokorelasi adalah sebagai berikut:
▪ Dengan menpergunakan atau memflot grafik ▪ Dengan D-W Test (Uji Durbin Watson)
D-W Test digunakan untuk mengetahui apakah dalam model terdapat autokorelasi ataupun antara disturbance error-nya.
D-hitung =
∑
∑ −
− − − n t tet
e
e
i t i 1 2 1 2 2 ) ()
(
Bentuk hipotesanya adalah sebagai berikut: H0 : ρ =0, artinya tidak ada autokorelasi
H0 : ρ ≠0, artinya ada autokorelasi
Dengan jumlah sampel tertentu dan jumlah variabel independen tertentu diperoleh nilai kritis dl dan du dalam tabel distribusi Durbin-Watson untuk berbagai nilai α.
0 dl du 2 4-du 4-dl 4 Gambar 3.6 Kurva Durbin-Watson Autokorelasi (+) Autokorelasi (-) inconclusive H0 diterima
Keterangan :
H0 : tidak ada autokorelasi
Dw < dl : tolak H0 (ada korelasi positif)
Dw > 4-dl : tolak H0 (ada korelasi negatif)
Du < dw < 4-du : terima H0 (tidak ada autokorelasi)
Dl ≤ dw ≥ du : tidak dapat disimpulkan (inconclusive)
(4-du) ≤ dw ≤ (4-dl) : tidak dapat disimpulkan (inconclusive)
3.6. Defenisi Operasional :
a. Neraca Pembayaran adalah Yaitu surplus / defisit neraca pembayaran Indonesia setiap
tahun dalam US $.
b. Inflasi adalah Kenaikan tingkat harga secara keseluruhan dalam satu tahun berdasarkan
Index Harga Konsumen ( IHK ) dalam %.
c. Nilai Tukar adalah Merupakan perbandingan antara Rupiah dengan Dolar Amerika
Serikat ( Rp / US $ )
d. Suku Bunga adalah Merupakan suku bunga SBI Pada Bank Indonesia ( % )
e. Nilai Ekspor adalah Merupakan ekspor bersih, yaitu total ekspor dikurang dengan total