3 METODOLOGI PENELITIAN
3.3 Spesifikasi Model
Berdasarkan kerangka teori dan tujuan studi terdahulu serta berbagai alternatif spesifikasi model yang telah dicoba dan juga asumsi-asumsi yang diterapkan dalam membangun model, maka model ekonometrika dengan faktor- faktor yang diduga berpengaruh untuk volume penawaran ekspor dalam penelitian ini, maka bentuk fungsi linearnya adalah sebagai berikut :
LNEXit = β0 + β1 LNPDOMIDNt + β2 LNPINTit + β3 LNPRODIDNt + β4 LNGDPIDNt + β5 LNERIDNt + β6 DEHPit +
ε
itTanda koefisien yang diharapkan adalah :
β0 < 0 ; β1 < 0 ; β2 > 0 ; β3 > 0 ; β4 < 0 ; β5 > 0 ; β6 > 0 dimana :
i = Negara mitra dagang utama yang terdiri dari China, Brunei Darussalam, Malaysia, Filipina, Singapura, dan Thailand
β0 = Intersep
βn = Koefisien variabel ke-n (1, 2, 3, …, 6)
EXit = Volume ekspor kopi Indonesia ke negara i tahun ke- t (persen). PDOMIDNt = Harga domestik riil kopi Indonesia tahun ke- t (persen).
PINTit = Harga internasional riil kopi tahun ke-t (persen). PRODIDNt = Produksi kopi Indonesia tahun ke-t (persen). GDPIDNt = PDB per kapita Indonesia tahun ke-t (persen). ERIDNt = Kurs Indonesia tahun ke-t (persen).
DEHPit = Dummy kebijakan EHP, variabel dummy yang menunjukkan 2 kondisi berbeda dimana D=0 (sebelum diberlakukannya Early Harvest Programme (EHP) yaitu sebelum tahun 2004) atau D=1 (setelah diberlakukannya EHP yaitu setelah tahun 2004).
ε
it = Error term3.3.1 Penjelasan Penggunaan Variabel dalam Model
Model diatas digunakan untuk menganalisis faktor-faktor yang memengaruhi ekspor kopi indonesia di pasar perdagangan bebas ASEAN-China.
LN adalah Logaritma Natural, data pada penelitian ini ditransformasikan dengan cara dilogaritma naturalkan. Hal ini bertujuan agar dapat menghasilkan model terbaik dan memudahkan dalam menginterpretasikannya.
Adapun definisi variabel-variabel yang digunakan dalam model penawaran ekspor kopi adalah sebagai berikut :
1. Volume Ekspor Kopi (EX)
Volume ekspor kopi merupakan variabel terikat atau tidak bebas. Volume ekspor adalah jumlah kopi Indonesia yang akan diekspor ke negara tujuan ekspor di kawasan perdagangan bebas ASEAN-China, dalam hal ini adalah China, Brunei Darussalam, Malaysia, Filipina, Singapura, dan Thailand yang dinyatakan dalam satuan kilogram (kg).
2. Harga Domestik Riil Kopi (PDOM)
Harga domestik riil kopi merupakan variabel bebas. Harga domestik merupakan harga yang diterima oleh masyarakat dimana harga ini menentukan tingkat daya beli masyarakat dalam negeri dan permintaan produk kopi yang dinyatakan dalam Rp/kg. Untuk menghasilkan harga riil maka harga nominal tersebut dideflasi oleh Indeks Harga Konsumen (IHK) umum, dengan periode tahun 1999 sampai 2011.
3. Harga Internasional Riil Kopi (PINT)
Harga internasional riil kopi merupakan variabel bebas. Harga internasional merupakan harga yang diterima oleh penduduk dunia dan dijadikan acuan harga komoditas kopi di setiap negara dengan satuan US$/kg. Untuk menghasilkan harga riil maka harga internasional tersebut dideflasi oleh Indeks Harga Konsumen (IHK) umum, dengan periode tahun 1999 sampai 2011.
4. Produksi Kopi Indonesia (PROD)
Produksi merupakan variabel bebas. Produksi kopi Indonesia merupakan jumlah keseluruhan untuk komoditas kopi Indonesia yang dihasilkan selama periode tahun 1999 sampai 2011 dengan satuan ton. Variabel ini diambil karena dapat merepresentasikan tingkat teknologi, semakin efisien
tingkat teknologi maka jumlah yang diproduksinya akan semakin meningkat.
5. Produk Domestik Bruto per Kapita (GDP)
PDB per kapita adalah variabel bebas. PDB per kapita merupakan proyeksi jumlah pendapatan masyarakat Indonesia dalam periode tahun 1999 sampai 2011 dan dinyatakan dalam satuan US$.
6. Nilai Tukar (ER)
Nilai tukar adalah variabel bebas. Nilai tukar digunakan sebagai proyeksi perbandingan nilai mata uang yang berlaku. Dalam perdagangan internasional, nilai tukar yang umum digunakan sebagai acuan untuk pembayaran transaksi internasional adalah dalam satuan rupiah terhadap dolar Amerika (Rp/US$).
7. Dummy EHP(DEHP)
Dummy EHP adalah variabel bebas. Variabel boneka ini dimasukkan ke dalam model karena diduga memberikan pengaruh berbeda terhadap volume penawaran ekspor kopi. Dummy yang digunakan di dalam model adalah dummy kebijakan EHP. Nilai 0 untuk waktu sebelum diberlakukannya EHP (tahun 1999 sampai 2003) dan nilai 1 untuk waktu setelah diberlakukannya EHP (tahun 2004 sampai 2011).
3.4 Data Panel
Pada penelitian ini data time series dan cross section yang digunakan tidak cukup banyak karena terbatasnya data yang tersedia. Periode yang dianalisis adalah 13 tahun mulai dari tahun 1999 sampai 2011 dengan memakai 6 negara sebagai unit cross section. Ketersediaan data untuk mewakili variabel dengan kondisi terbatas seperti ini dapat diatasi dengan menggunakan metode data panel. Penggunaan model data panel tersebut bertujuan agar diperoleh hasil estimasi yang lebih efisien dengan meningkatnya jumlah observasi dari perkalian N x T (jumlah unit cross section x time series), yang berimplikasi pada meningkatnya derajat bebas (degree of freedom).
Terdapat beberapa kelebihan penggunaan data panel (Baltagi 2008), diantaranya yaitu :
a. Mampu mengontrol heterogenitas antar individu. b. Meningkatkan derajat bebas.
c. Menjadi semakin efisien, mengurangi kolinearitas, meningkatkan akurasi estimasi, serta memberikan informasi yang lebih banyak dan beragam. d. Cocok untuk studi dynamic of adjustment, data panel merupakan cross
section berulang sehingga dapat digunakan untuk menganalisis perubahan yang dinamis.
e. Mampu mengidentifikasi dan mengukur efek yang secara sederhana tidak dapat diatasi dalam data cross section atau time series murni.
Analisis panel yang digunakan dalam penelitian ini bersifat statis karena peubah lag dependen tidak dimasukkan dalam komponen peubah independen, serta bersifat searah sehingga dalam hasil pengolahan regresi pada nilai probabilitas masing-masing variabel dibagi 2. Analisis panel statis dibedakan menjadi pendekatan gabungan kuadrat terkecil (pooled least square) dan 2 pendekatan berdasarkan ada atau tidaknya korelasi antara individual effects
dengan peubah independennya, yaitu fixed effects model (FEM) dan random effects model (REM). Namun dalam penelitian ini pendekatan REM tidak dapat dilakukan. Hal ini dikarenakan untuk pemilihan model REM hanya dapat dilakukan apabila variabel yang digunakan jumlahnya lebih besar daripada jumlah
cross section (negara) yang diteliti, sedangkan variabel dan cross section yang digunakan dalam penelitian ini jumlahnya sama-sama 6 sehingga pendekatan REM tidak dibahas lebih lanjut dalam penelitian ini.
Selain itu, dalam melakukan pengolahan data panel terdapat juga kriteria pembobotan yang berbeda-beda yaitu NoWeighting (semua observasi diberi bobot sama), Cross Section Weight (GLS dengan menggunakan estimasi varians residual
cross section, digunakan apabila ada asumsi terdapat cross section heteroskedasticity), dan Seemingly Uncorrelated Regression / SUR (GLS dengan menggunakan covariance matrix cross section). Metode ini mengoreksi baik heteroskedastisitas maupun autokorelasi antar unit cross section. Tujuan
dilakukannya pembobotan ini adalah untuk mengurangi heterogenitas antar unit
cross section.
3.4.1 Pooled Least Square (PLS)
Pendekatan yang paling sederhana dalam pengolahan data panel adalah dengan menggunakan metode gabungan kuadrat terkecil, ditetapkan dalam data yang berbentuk pool. Misalkan terdapat persamaan berikut ini :
Yit = α + x jit βj + εi untuk i = 1, 2, ...., N dan t = 1, 2, ..., T
Dimana N adalah jumlah unit cross section (individu) dan T adalah jumlah periode waktunya. Dengan mengasumsi komponen error dalam pengolahan metode gabungan kuadrat terkecil, dapat dilakukan proses estimasi secara terpisah untuk setiap unit cross section. Untuk periode t = 1, akan diperoleh persamaan regresi cross section sebagai berikut :
Yit = α + xjitβj + εit untuk i = 1, 2, ...., N
Pada akhirnya akan berimplikasi diperolehnya persamaan sebanyak T persamaan yang sama. Begitu juga sebaliknya, persamaan deret waktu (time series) dapat diperolehsebanyak N persamaan untuk setiap T observasi. Namun, untuk mendapatkan parameter α dan β yang konstan dan efisien dapat diperoleh dalam bentuk regresi yang lebih besar dengan melibatkan sebanyak NT observasi.
3.4.2 Fixed Effects Model (FEM)
Kesulitan terbesar dalam pendekatan metode gabungan kuadrat terkecil adalah asumsi intersep (konstanta) dan slope dari persamaan regresi yang dianggap konstan baik antar daerah maupun antar waktu yang mungkin tidak beralasan. Generalisasi secara umum sering dilakukan dengan memasukan variabel dummy untuk mengizinkan terjadinya perbedaan nilai parameter yang berbeda-beda baik lintas cross section maupun time series.
Pendekatan dengan memasukkan variabel dummy dikenal dengan sebutan model efek tetap (fixed effect) atau Least Square Dummy Variable (LSDV) atau disebut juga Covariance Model. Pendekatan tersebut dapat ditulis dalam persamaan berikut ini :
dimana :
Yit = variabel terikat di waktu t untuk unit cross section i αit = intercept yang berubah-ubah antar cross section unit
xjitβj = variabel bebas j di waktu t untuk unit cross section i βj = parameter untuk variabel ke j
εit = komponen error di waktu t untuk unit cross section i
Setelah menambahkan sebanyak (N-1) variabel dummy (Di) ke dalam model dan menghilangkan sisanya untuk menghindari kolinearitas sempurna antar variabel penjelas, pendekatan ini akan terjadi degree of freedom sebesar NT-N-K. Keputusan memasukkan variabel buatan ini harus didasarkan pada pertimbangan statistik. Tidak dapat dipungkiri penambahan variabel dummy ini akan mengurangi banyaknya degree of freedom yang pada akhirnya akan memengaruhi koefisien dari parameter yang diestimasi.