Batasan Operasional - Defenisi dan Batas Operasional

BAB III METODE PENELITIAN

3.4. Defenisi dan Batas Operasional

3.4.2. Batasan Operasional

1. Lokasi penelitian adalah negara Indonesia.

2. Waktu penelitian adalah tahun 2020.

3. Data yang digunakan adalah data Luas Areal Perkebunan Tebu, Produksi, Konsumsi, Jumlah Penduduk, Impor Gula, Nilai tukar Rupiah terhadap Dollar, Domestic Demand, Indonesian Sugar Production, Lagged Import dalam periode 1979-2018.

BAB IV. HASIL ANALISIS DAN PEMBAHASAN

4.1. Trend Volume Impor Gula di Indonesia

Gambar 4.1 Trend Volume Impor Gula Indonesia Tahun 1979-2018

Gambar 4.1 menunjukkan kondisi trend volume impor gula di Indonesia pada tahun 1979-2018 mengalami kecenderungan meningkat.

Secara umum persamaan linear dari analisis time series adalah : Y = a + bX.

Keterangan :

Y = Volume Impor Gula X = Variabel waktu (tahun) a = Konstanta (

a = ∑Y

) b = parameter (

b =

^∑𝑋𝑌_∑𝑋² )

Setelah dicari a dan b, maka dapat diperoleh persamaan garis linear dari volume impor gula di Indonesia, yaitu:

Y = 1301051,375 + 1,55535E-08 X

-1000000 0 1000000 2000000 3000000 4000000 5000000 6000000

1979 1982 1985 1988 1991 1994 1997 2000 2003 2006 2009 2012 2015 2018

Volume import (Y)

Linear (Volume import (Y))

Untuk melihat persamaan linear dari trend impor, dapat dilihat pada Tabel 4.1 : Tabel 4.1 Volume Impor Gula di Indonesia 1979-2018

Tahun Volume import

2009 1373546 11 15109006 2,28282E+14

2010 1382525 12 16590300 2,75238E+14

2011 2371249 13 30826237 9,50257E+14

2012 2769239 14 38769346 1,50306E+15

2013 3344304 15 50164560 2,51648E+15

2014 2965801 16 47452816 2,25177E+15

2015 3375010 17 57375170 3,29191E+15

2016 3455343 18 62196174 3,86836E+15

2017 4484099 19 85197881 7,25868E+15

2018 5023854 20 100477080 1,00956E+16

Total 52042055 0 527781590 3,39332E+16

4.2. Analisis Faktor-Faktor yang Mempengaruhi Volume Impor Gula di Indonesia

Pada penelitian ini, dari metode analisis data diketahui bahwa variabel-variabel yang mempengaruhi volume impor gula (Y) di Indonesia adalah Nilai tukar Rupiah terhadap Dollar (X1), Domestic Demand (X2), Indonesian Sugar Production (X3), Lagged Import (X4). Dari variabel-variabel independen/bebas tersebut akan dapat dilihat seberapa besar pengaruhnya terhadap volume impor gula di Indonesia sebagai variabel dependen/terikat.

4.2.1. Uji Stasioneritas

Sebelum melakukan analisis regresi robust, langkah pertama yang harus dilakukan adalah melakukan uji stasioner pada data yang digunakan untuk mengetahui apakah data yang digunakan stasioner atau tidak. Apabila data yang digunakan dalan analisis ini stasioner maka akan diperoleh regresi yang baik atau asli, sedangkan apabila data yang digunakan tidak stasioner makan akan diperoleh regresi palsu (spurious). Apabila hasil yang diperoleh adalah regresi palsu, maka akan muncul fenomena autokorelasi dan kita juga tidak dapat menggeneralisasi regresi tersebut untuk waktu yang berbeda. Untuk melakukan uji stasioner, maka dapat dilakukan dengan uji akar unit (unit root test) dengan menggunakan metode Augmented Dickey-Fuller (ADF).

Setelah melakukan uji akar unit, maka akan diperoleh hasil sebagai berikut:

Tabel 4.2 Hasil Uji Akar Unit (Unit Root Test) untuk Analisis Robust Variabel

Unit Root Test (Uji Akar Unit) Level 𝟏^𝒔𝒕difference

ADF Prob ADF Prob

Log Impor 1,378641 0,9986 -8,922985 0,0000

Log Kurs Rupiah-Dollar 0,403436 0,8987 -7,393045 0,0000 Log DomesticDemand 1,065699 0,9965 -7,230627 0,0000 Log Produksi -2,141204 0,2304 -6,115737 0,0000 Log Lagged Import 0,801421 0,9928 -9,251523 0,0000 Sumber: Lampiran 2 Hasil Output E-Views 10

Data variabel dikatakan lolos uji stasioner apabila nilai probability lebih kecil dari nilai α 0,05. Tabel 4.2 menunjukkan hasil uji akar unit pada tingkat level menunjukkan tidak semua data variabel lolos dari uji stasioner. Oleh karena itu dilakukan uji akar unit pada tingkat 1^𝑠𝑡 difference. Setelah dilakukan uji akar unit ditingkat 1^stdifference, dapat dilihat bahwa seluruh data variabel sudah lolos uji stasioner, karena nilai probabilitinya lebih kecil dari nilai α 0,05.

Hasil uji stasioner juga dapat dilihat dengan menggunakan grafik seperti pada Gambar 4.2 :

1. Volume Impor Gula di Indonesia (Y)

1980 1985 1990 1995 2000 2005 2010 2015

Differenced Y

2. Indonesian Rupiah – US$ Exchange Rate(X1)

1980 1985 1990 1995 2000 2005 2010 2015

Differenced X1

1980 1985 1990 1995 2000 2005 2010 2015

Differenced X2

4. Produksi Gula Indonesia (X3)

1,000,000

1980 1985 1990 1995 2000 2005 2010 2015

Differenced X3

5. Lagged Import (X4)

1980 1985 1990 1995 2000 2005 2010 2015

Differenced X4

Gambar 4.2 Perbedaan Sebelum dan Sesudah Uji Stasioner

Gambar 4.2 menunjukkan terdapat perbedaan antara grafik sebelum dan sesudah dilakukan uji stasioner terhadap data variabel yang digunakan. Gambar 4.2 menunjukkan bahwa grafik sesudah uji stasioner menjadi lebih stabil dibandingkan dengan grafik sebelum dilakukan uji stasioner.

4.2.2. Uji Kointegrasi

Setelah melakukan uji stasioner, tahap selanjutnya yang dilakukan adal uji kontegrasi. Uji kointegrasi ini bertujuan untuk memberikan indikasi awal bahwa model yang digunakan pada penelitian memiliki hubungan jangka panjang (Cointegration Relation).

Hasil dari uji kointegrasi dapat dilihat pada Tabel 4.3 : Tabel 4.3 Hasil Uji Kointegrasi untuk Analisis Robust

Unrestricted Cointegration Rank Test (Trace) Hypothesized

No. Of CE(s) Eigenvalue Trace Statistic 0.05 Critical

Value Prob.** Sumber: Lampiran 3 Hasil Output E-Views 10

Tabel 4.3 menunjukkan hasil uji kointegrasi, nilai trace statistic sebesar 112,7463, nilai ini lebih besar dari nilai critical value yaitu sebesar 88,80380 pada tingkat kepercayaan 5%. Hal ini berarti terdapat kointegrasi pada data variabel sehingga data tersebut dapat dianalisis untuk jangka panjangnya.

4.2.3. Uji Asumsi Klasik

Sebelum melakukan regresi robust, terlebih dahulu dilakukan uji asumsi klasik yang harus dipenuhi, yaitu:

1. Uji Normalitas

-999998 -499998 3 500003 1000003 1500003

Series: Residuals

Sumber: Lampiran 4 Hasil Output E-Views 10

Gambar 4.3 Uji Normalitas Jarque-Berra Volume Impor Gula Indonesia Untuk lolos uji normalitas Jarque-Berra nilai probabilitas yang diperoleh harus lebih besar dari nilai α 0,05. Gambar 4.3 menunjukkan nilai Jarque-Berra yang diperorelah adalah sebesar 7,893703 dan nilai probability sebesar 0,019315. Nilai probability yang diperoleh adalah lebih kecil dari nilai α 0,05, berarti hasil yang diperoleh belum lolos uji normalitas. Namun berdasarkan pendapat central limit theorem, yang mengatakan apabila sampe yang digunakan menggunakan lebih

dari 30 sampel, maka data akan dianggap normal. Uji normalitas hanya digunakan pada data yang memiliki sampel dalam jumlah kecil.

2. Uji Multikolinearitas

Setelah melakukan uji normalitas, lalu akan dilakukan uji multikolinearitas. Suatu model dikatakan lolos dari uji multikolinearitas apabila nilai VIF (Variance Invlation Factor) yang diperoleh lebih kecil dari 10 (<10) pada setiap variabel yang digunakan.

Tabel 4.4 Hasil Uji Multikolinearitas

Variabel VIF Keterangan

Log Indonesian Rupiah – US$

Exchange Rate 4.778039 Tidak terjadi Multikolinearitas Log DomesticDemand 7.325202 Tidak terjadi Multikolinearitas Log Produksi 1.783041 Tidak terjadi Multikolinearitas Log Lagged Import 5.757018 Tidak terjadi Multikolinearitas Sumber: Lampiran 4 Hasil Output E-Views10

Tabel 4.4 menunjukkan variabel produksi gula Indonesia, Indonesian Rupiah – US$ Exchange Rate, Lagged Import, dan Domestic Demand masing-masing nilai VIF-nya adalah sebesar 4,778039, 7,325202, 1,782041, 5,747018, < 10. Dapat disimpulkan bahwa tidak terjadi multikolinearitas antar variabel pada penelitian ini.

3. Uji Heterokedastisitas

Hasil dari uji heterokedastisitas dapat dilihat pada Tabel 4.5 :

Tabel 4.5 Hasil Uji Heterokedastisitas (Uji Breuch-Pagan-Godfrey) Heterokedasticity Test: Breuch-Pagan-Godfrey

F-statistic 0.612723 Prob. F(4,35) 0.6563

Obs*R-squared 2.617714 Prob. Chi-Square(4) 0.6237 Scaled explained SS 3.941934 Prob. Chi-Square(4) 0.4139 Sumber: Lampiran 4 Hasil Output E-Views 10

Tabel 4.5 menunjukkan hasil uji heterokedastisitas dengan uji Breuch-Pagan-Godfrey, hasil estimasi menunjukkan bahwa nilai Chi-Square yang dipeorel sebsar 0,6237 yang lebih besar dari nilai α 0,05 yang berarti tidak terjadi heterokedastisitas pada model penelitian ini.

4. Uji Autokorelasi

Hasil dari uji autokorelasi dengan menggunakan uji Breusch-Godfrey dapat dilihat dari Tabel 4.6 :

Tabel 4.6 Hasil Uji Autokorelasi (Uji Breusch-Godfrey) Breusch-Godfrey Serial Correlation LM Test:

F-statistic 2.499075 Prob. F(2,33) 0.0976

Obs*R-squared 5.261466 Prob. Chi-Square(2) 0.0720 Sumber: Lampiran 4 Hasil Output E-Views 10

Tabel 4.6 menunjukkan hasil dari uji autokorelasi diperoleh nilai Chi-Square sebesar 0,0720 yang bernilai lebih besar dari nilai α 0,05 sehingga dapat disimpulkan bahwa tidak terdapat autokorelasi positif ataupun autokorelasi negatif padal model penelitian ini.

4.2.4. Uji Kesesuaian Model

Volume Impor Gula di Indonesia dipengaruhi oleh beberapa variabel antara lain, nilai tukar Rupiah terhadap Dollar, produksi gula Indonesia, Domestic Demand, Lagged Import. Untuk melihat kesesuaian model, maka diperlukan pengujian menggunakan metode regresi robust dengan alat analisis E-Views 10 baik secara serempak maupun secara parsial (sebagian).

Hasil pengujian dengan metode robust dapat dilihat pada Tabel 4.7 :

Tabel 4.7 Hasil Analisis Regresi Robust Faktor Yang Mempengaruhi Volume Impor Gula Indonesia

No Variabel Koefisien

Regresi

Standart

error Sig.

1 (constant) -15220,98 310483,0 0,9609

2 Log Indonesian Rupiah

– US$ Exchange Rate -40,41597 27,65855 0,1439 3 Log Domestic Demand 0,826737 0,122707 0,0000

4 Log ProduksiGula -0,869174 0,191603 0,0000

5 Log Lagged Import 0,422860 0,114192 0,0002

7 𝑅² 0,7097

8 Uji F 72,4824

Sumber: Lampiran 5 Hasil Output E-Views 10

Tabel 4.7 menunjukkan hasil analisis regresi Robust, dari hasil tersebut maka diperoleh model persamaan regresi robust sebagai berikut:

Y = - 15220,98 – 40,41597𝑿_𝟏 + 0,826737𝑿_𝟐 - 0,869174𝑿_𝟑 + 0,422860𝑿_𝟒 + ε Keterangan:

Y : Volume ImporGula di Indonesia

𝑋₁ :Indonesian Rupiah – US$ Exchange Rate 𝑋₂ :Domestic Demand

𝑋₃ :ProduksiGula 𝑋₄ : Lagged Import

1. Koefisien Determinan (𝑹^𝟐)

Tabel 4.6 menunjukkan nilai 𝑹^𝟐 sebesar 0,7097 yang berarti 70,97% variabel terikat volume impor gula di Indonesia dapat dijelaskan oleh variabel-variabel bebas yaitu produksi gula Indonesia, nilai tukar Rupiah terhadap Dollar, domestic demand, dan lagged import. Sedangkan sisanya 29,03% dijelaskan oleh variabel yang tidak dimasukkan kedalam model.

2. Uji F (Serempak)

Tabel 4.6 menunjukkan nilai F hitung sebesar 72,4824 dengan tingkat signifikansi 0,000 < 0,05. Berdasarkan hal tersebut maka dapat disimpulkan bahwa 𝐻₀ ditolak 𝐻₁ diterima, artinya adalah variabel bebas produksi gula Indonesia, Indonesian Rupiah – US$ Exchange Rate, Lagged Import, DomesticDemand, dan Ekspor gula, secara serentak berpengaruh nyata terhadap variabel terikat yaitu volume impor gula di Indonesia.

3. Uji t (Parsial)

Tabel 4.6 menunjukkan pengaruh variabel bebas produksi gula Indonesia, nilai tukar Rupiah terhadap Dollar, domestic demand, dan lagged import terhadap variabel terikat yaitu volume impor gula di Indonesia dapat dilihat pada Tabel 4.8:

Tabel 4.8 Hasil Uji t Faktor-faktor Yang Mmpengaruhi Impor Gula Indonesia

Variable Prob (Sig. 5 %)

Constant _0.9609

Nilai tukar Rupiah terhadap Dollar _0.1439

Domestic Demand _0.0000

Produksi gula _0.0000

Lagged Import _0.0002

Sumber: Lampiran 5 Hasil Output E-Views 10

Tabel 4.8 manunjukkan hasil uji t, maka akan diuraikan berbagai faktor dan alasan-alasan yang terkait dengan faktor yang mempengaruhi impor gula Indonesia. Dalam analisis data diatas, pengaruh empat variabel independen tersebut dapat berupa pengaruh positif ataupun pengaruh negatif serta signifikansinya.

Selain diuraikan pengaruh faktor yang mempengaruhi impor gula secara bersama-sama, dibawah ini akan diuraikan pengaruh keempat variabel independen (Kurs,

produksi, sugar lagged import, sugar domestic demand) terhadap variabel dependen yaitu impor gula Indonesia.

a. Pengaruh Indonesian Rupiah – US$ Exchange Rate (Kurs) terhadap Volume Impor Gula di Indonesia

Hasil penelitian menunjukkan bahwa variabel kurs tidak mempengaruhi gula.

Secara teori bila kurs meningkat maka impor gula akan menurun karena apabila kurs dollar As mengalami depresiasi, nilai mata uang dalam negeri akan melemah dan berarti mata uang asing menguat kursnya (harganya) akan menyebabkan impor cenderung menurun.

Hasil estimasi menunjukkan nilai signifikansi nilai tukar Rupiah terhadap Dollar (X1) adalah sebesar 0,1439 > α (0,05). Hal ini menunjukkan bahwa 𝐻₀ diterima dan 𝐻₁ ditolak yang berarti bahwa variabel nilai tukar Rupiah terhadap Dollar secara parsial tidak berpengaruh nyata terhadap volume impor gula di Indonesia.

Hasil tersebut tidak sesuai dengan hipotesis yang menyebutkan nilai tukar Rupiah terhadap Dollar berpengaruh positif terhadap volume impor gula di Indonesia.

b. Pengaruh Domestic Demand terhadap Volume Impor Gula di Indonesia Hasil estimasi menunjukkan nilai signifikansi Domestic Demand (X2) adalah sebesar 0,0000 < α (0,05). Hal ini menunjukkan bahwa H1 diterima yang berarti bahwa variabel Domestic Demand secara parsial berpengaruh nyata terhadap volume impor gula di Indonesia. Hasil tersebut sesuai dengan hipotesis yang menyebutkan bahwa Domestic Demand berpengaruh positif terhadap volume impor gula di Indonesia.

Data menunjukkan permintaaan gula domestic di Indonesia mengalami fluktuasi namun cenderung mengalami peningkatan. Peningkatan permintaan gula Indonesia dapat dikatakan besar, maka tidak mengherankan jika Negara-negara produsen gula dunia melirik Negara berkembang termasuk Indonesia sebagai negara konsumen gula potensial mengingat pangsa pasar yang besar. Negara pengekspor gula mampu menekan harga gula yang menyebabkan harga gula impor lebih murah jika dibandingkan dengan harga g ula lokal. Hal ini akan menyebabkan permintaan gula impor akan semakin meningkat.

c. Pengaruh Produksi Gula Indonesia terhadap Volume Impor Gula di Indonesia

Hasil estimasi menunjukkan nilai signifikansi produksigula Indonesia(X3) adalah sebesar 0,0000 < α (0,05). Hal ini menunjukkan bahwa H1 diterima yang berarti bahwa variabel produk sigula Indonesias ecara parsial berpengaruh nyata terhadap volume impor gula di Indonesia. Hasil tersebut sesuai dengan hipotesis yang menyebutkan bahwa produksi gula Indonesia berpengaruh positif terhadap volume impor gula di Indonesia.

Kebutuhan akan gula di Indonesia termasuk tinggi mengingat jumlah penduduk yang tinggi. Oleh karena itu dibutuhkan jumlah produksi gula yang sesuai dengan tingkat konsumsi di Indonesia, namun pada kenyataan bahwa produksi gula todak cukup untuk mencukupi kebutuhan gula dalam negeri dehingga jalan yang ditempuh untuk mencukupi kekurangan tersebut adalah dengan impor. Salah satu upaya untuk dapat meingkatkan hasil prodksi gula adalah dengan menambah luas areal tebu.

Selain perluasan lahan tebu, salah satu upaya dalam meningkatkan produksi gula adalah peran pemerintah. Peran pemerintah sangat penting dalam memberikan kredit untuk petani tebu dalam meningkatkan produktivitas pertaniaanya.

Berkurangnya lahan pertanian tebu, disebabkan oleh petani yang mengalihfungsikan lahannya menjadi tanaman lain. Hal itu disebabkan karena petani tidak mampu mengelola lahan tebu kerena biaya produksi yang tinggi.

Selain itu, upaya yang dapat dilakukan untuk meningkatkan produksi gula adalah adaya fokus revitalisasi antara lain rehabilitasi tanaman, meningkatkan mutu intensifikasi, penyediaan agri-input tepat aktu dan jumlah serta peningkatan efisiensi pabrik gula.

d. Pengaruh Lagged Import terhadap Volume Impor Gula di Indonesia Hasil estimasi menunjukkan nilai signifikansi lagged import (X5) adalah sebesar 0,0002 < α (0,05). Hal ini menunjukkan bahwa H1 diterima yang berarti bahwa variabel lagged import secara parsial berpengaruh nyata terhadap volume impor gula di Indonesia. Hasil tersebut sesuai dengan hipotesis yang menyebutkan bahwa lagged import berpengaruh positif terhadap volume impor gula di Indonesia.

Hasil ini sesuai dengan penelitian Ratri Indah Hariani (2014) dengan hasil penelitian nilai koefisien regresi impor tahun sebelumnya sebesar 0,688 menunjukkan bahwa setiap kenaikan impor tahun sebelumnya sebesar 1 ton akan meningkatkan impor gula per tahun sebesar 0,688 ton, dengan asumsi faktor lain di dalam model dianggap konstan. Hasil uji statistik menunjukkan faktor impor gula satu tahun sebelumnya berpengaruh nyata terhadap impor gula di Indonesia

pada taraf kepercayaan 95% (signifikansi 0,000 < 0,05). Hubungan yang nyata dan positif terhadap impor gula disebabkan variabel impor gula cenderung mengalami peningkatan sehingga berpengaruh pada impor gula tahun sebelumnya. Semakin meningkat volume impor gula akan meningkatkan volume impor gula satu tahun sebelumnya.

4.2. Analisis Forecasting Volume Impor Gula di Indonesia Tahun 2019-2025 dengan metode ARIMA (Autoregressive Moving Average)

Perkembangan volume impor gula di Indonesia dari tahun 1979-2018 dan analisis faktor-faktor yang mempengaruhi impor gula Indonesia, menunjukkan trend yang dapat digunakan pada saat melakukan analisis forecasting (peramalan) untuk volume impor gula Indonesia pada 7 tahun yang akan datang.

Sebelum melakukan analisis forecasting dengan metode ARIMA, hal yang harus dilakukan terlebih dahulu adalah menguji stasioner data yang akan di analisis.

Hasil analisis stasioner dapat dilihat pada Tabel 4.9 berikut ini:

Tabel 4.9 Hasil Uji Akar Unit (Unit Root Test) untuk ARIMA Variabel

Unit Root Test (Uji Akar Unit) Level 𝟏^𝒔𝒕difference

ADF Prob ADF Prob

Log Impor 1,378641 0,9986 -8,922985 0,0000

Sumber: Lampiran 2 Hasil Output E-Views 10

Data yang dikatakan stasioner adalah data yang probabilitasnya < 0,05. Tabel 4.9 menunjukkan data yang akan diuji akan stasioner pada tingkat 1^𝑠𝑡 difference dengan nilai probabilitas adalah 0,0000. Pada uji stasioner, nilai d untuk 1^𝑠𝑡difference adalah 1.

Setelah data sudah stasioner, maka dilanjut uji autokorelasi. Uji autokorelasi dilakukan untuk menentukan model ARIMA yang akan dipakai. Berdasarkan plot autokorelasi (ACF) dan plot autokorelasi parsial (PACF) dapat dilihat bahwa kedua gambar mengalami cut off (menurun) daripada baris pertama. Jika cut off pada ACF dan PACF maka kemungkinan pertama p =1 dan q = 0 dan kemunkinan kedua p = 0 dan q = 1. Sehingga jika digabung dengan d, maka kemungkinan nilai ARIMA (p,q,d) yaitu ARIMA (1,1,0) atau AR(1) dan ARIMA(0,1,1) atau MA(1).

Hasil uji autokorelasi menunjukkan bahwa plot autokorelasi (ACF) dan plot autokorelasi parsial (PACF) mengalami cut off. Setelah mengetahui ACF dan PACF mengalami cut off, langkah selanjutnya adalah menentukan model ARIMA yang akan dipakai. Untuk menentukan model ARIMA yang akan dipakai, langkah yang harus dilakukan adalah menguji kedua model yang akan dipilh yaitu AR(1) atau ARIMA (1,1,0) dan MA(1) atau ARIMA (0,1,1).

Setelah dilakukan pengujian kedua model, untuk menentukan model mana yang akan dipakai adalah dengan membandingkan kedua model dan melihat criteria yang telah ditentukan seperti nilai Adjusted R-Square yang mendekati angka 1, nilai Akaike info criterian yang lebih kecil, dan nilai Schwarz criterian yang lebih kecil.

Tabel 4.10 Hasil Uji model ARIMA AR(1) dan ARIMA MA(1)

Kriteria AR(1) MA(1)

Adjusted R-Square 0,098261 0,078670

Akaike info criterian 2.930.863 2.932.992

Schwarz criterian 2.943.660 2.945.789

Sumber : Lampiran

Tabel 4.10 menunjukkan nilai Adjusted R-Square AR(1) lebih mendekati angka 1 yaitu sebesar 0,098261 daripada MA(1) yang bernilai 0.078670, nilai Akaike info criterian AR(1) dengan nilai 2.930.863 lebih kecil jika dibanding dengan nilai MA(1) sebesar 2.932.992, dan nilai Schwarz criterian AR(1) dengan nilai 2.943.660 lebih kecil jika dibanding dengan nilai MA(1) sebesar 2.945.789.

Dengan demikian model yang akan digunakan untuk forecasting adalah model ARIMA AR(1).

Setelah melakukan uji autokorelasi, maka akan dilakukan analisis forecasting dengan model ARIMA AR(1). Hasil analisis forecasting (peramalan) untuk volume impor gula Indonesia pada 7 tahun yang akan datang dapat dilihat pada Tabel 4.11 :

Tabel 4.11 Analisis Forecasting Volume Impor Gula Indonesia 2019-2025 Tahun Volume Impor Gula Indonesia (Ton)

2019 5.021.624

2020 4.140.016

2021 5.258.408

2022 5.376.800

2023 5.495.192

2024 5.613.583

2025 5.731.975

Sumber: Lampiran 6 Hasil Uji Forecasting E-Views 10

Tabel 4.11 menunjukkan dengan menggunakan analisis trend yang diperoleh dari perkembangan volume impor gula Indonesia pada tahun 1979-2018 dapat diproyeksikan atau diramalkan bahwa volume impor gula Indonesia akan mengalami kecendurangan kenaikan. namun hasil ini belum tentu tepat, karena keadaan dapat beubah-ubah di masa yang akan datang.

BAB V. KESIMPULAN DAN SARAN

5.1. Kesimpulan

Kesimpulan dari penelitian ini adalah:

1. Perkembangan volume impor gula Indonesia padatahun 1979-2018 adalah berfluktuasi.

2. Nilai Tukar Rupiah terhadap Dollar, DomesticDemand, Produksi gula Indonesia, Lagged Import secara serempak berpengaruh nyata terhadap perkembangan volume impor gula di Indonesia. DomesticDemand, Produksi gula Indonesia, Lagged Import secara parsial memiliki pengaruh yang nyata terhadap perkembangan volume impor gula di Indonesia, sedangkan Nilai tukar Rupiah terhadap Dollar (Kurs) secara parsial tidak memilki pengaruh yang nyata terhadap perkembangan volume impor gula di Indonesia.

3. Analisis forecasting (peramalan) volume Impor gula Indonesia menunjukkan bahwa terjadi peningkatan di masa yang akan datang (2019-2025).

5.2. Saran

1. Bagi peneliti selanjutnya agar dapat meneliti lebih lanjut tentang faktor-faktor yang mempengaruhi impor gula Indonesia selain variabel yang ada dalam penelitian ini agar diperoleh pengaruh yang lebih signifik

2. Bagi pemerintah agar dapat menekan mengurangi laju volume impor gula di Indonesia. Adapun dalam mengurangi laju volume impor gula antara lain: (1) strategi, program dan dukungan yang nyata untuk meningkatkan produksi dan produktivitas gula, (2) pemerintah harus memiliki mekanisme yang tepat untuk memelihara kestabilan kurs Rupiah, (3) mencari barang substitusi sebagai bahan pemanis yang lain untuk mengurangi konsumsi gula pasir yang

tinggi, dan (4) penguatan lembaga dan dukungan permodalan untuk para usaha gula di Indonesia.

DAFTAR PUSTAKA

Ajija, Shochrul R.,dkk. 2011. Cara Cerdas Menguasai Eviews. Jakarta: Salemba Empat.

Badan Perencanaan Pembanguna Nasional. 2014. Studi Pendahuluan Rencana Pembangunan Jangka Menengah Nasional (RPJMN) Bidang Pangan dan Pertanian 2015-2019. Jakarta

Badan Pusat Statistik. 2000-2018. Statistik Indonesia. Jakarta.

Calton, W. D., K. T. Harman, and H. Williamson. 2016. Species 2000 and ITIS Catalogue of Life. Royal Botanic Gardens Kew. Surrey.

Chen, C. 2002. Regression and Outlier Detection with the Robustreg Procedure.

Statstcs and Data Analysis. SAS Institute: Cary, NC.

Christianto, Edward. 2013. Faktor Yang Mempengaruhi Volume Impor Beras di Indonesia. Jurnal JIBENKA Volume 7 No.2

Dahlan, D. 2011. Buku Ajar Mata Kuliah Budidaya Tanaman Industri. Fakultas Pertanian, Universitas Hasanuddin.

Draper, N.R. and Smith, H. 1992. Analisis Regresi Terapan. Ed. Ke-2.

Diterjemahkkan olehnBambang Sumantri. Gramedia Pustaka Utama, Jakarta.

Fox, J. 2002. Robust Regression. Tersedia di: http://cran.r-project.org/doc/contrib/Fox-Companion/appendix-robust-regression.pdf (15 Desember 2010

Gujarati, Damodar. 1988. Basic Econometric, International Edition. McGraw-Hill Book Company. Boston.

_______________. 1991. Basic Econometric, International Edition. McGraw-Hill Book Company. Boston.

_______________. 1995. Basic Econometrics, 3th Ed. McGraw-Hill.

Harsoyo, Y. 2004. “Membangkitkan Kembali Agroindustri Gula Nasional”.

Antisipasi Vol.8 No.1

Krugman, Paul, R, dan Obstfeld, Maurice, 2005. Ekonomi Internasional Teori dan Kebijaksanaan, Rajawali Pers, Jakarta.

Mubyanto. 1984. Pengantar Ekonomi Pertanian. LP3ES. Yogyakarta.

Myers, R.H. 1990. Clasical and Modern Regression With Application.

PWSKENT publihing Company, Boston.

Olive, D.J, 2005. Applied Robust Statistic. Carbondale: Southern Illinois University.

P3GI, 1992. Statistik Tanaman Tebu, Pasuruan : P3GI.

Salvatore. 2014. Ekonomi Internasional. BPFE. Yogyakarta.

Sapuan, 1998. Kebijaksanaan Pergulaan dan Perkembangan Tata Niaga Gula di Indonesia, Available online at www.bulog.go.id\papers\k_001gula.html Steenis, C.G.C.J.V., G.D> Hoed, dan P.J. Emya. 2005. Flora. PT. Pradnya

Paramita. Jakarta.

Sudiatso, S. 1982. Bertanam Tebu. Fakultas Pertanian, Institut Pertanian Bogor.

Sumodiningrat, Gunawan, 1994. Ekonometrika, Yogyakarta : BPFE - UGM.

Sumodiningrat, Gunawan. 2010. Ekonometrika Pengantar. Yogyakarta:

BPFEYogyakarta.

Susila dan Bonar M. Sinaga, 2005. Analisis Kebijakan Industri Gula Indonesia, Jurnal Agro Ekonomi, Vol. 23 No.1.

Wijayanti, W.A. 2008. Pengelolaan Tanaman Tebu (Saccharum Officinarum L.) di Pabrik Gula Tjoekir PTPN X. Jombang, Jawa Timur; Studi Kasus Pengaruh Bongkar Ratoon terhadap Peningkatan Produktivitas Tebu.

Skripsi Institut Pertanian Bogor.

Wilcox, R.R. 2005. Introduction to Robust Estimation and Hypothesis. San Diego: Academic Press.

LAMPIRAN

Lampiran 1. Data Analisis Volume Impor Gula Indonesia

Lampiran 2. Hasil Uji Stasioner dengan E-Views 10 Y (Volume Impor Gula) : Level

Null Hypothesis: Y has a unit root Exogenous: Constant

Lag Length: 1 (Automatic - based on SIC, maxlag=9)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 1.378641 0.9986

Test critical values: 1% level -3.615588

5% level -2.941145

10% level -2.609066

*MacKinnon (1996) one-sided p-values.

Y (Volume Impor Gula) : 𝟏^𝒔𝒕 difference

Null Hypothesis: D(Y) has a unit root Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -8.922985 0.0000

Test critical values: 1% level -3.615588

5% level -2.941145

10% level -2.609066

*MacKinnon (1996) one-sided p-values.

X1 (Nilai tukar Rupiah terhadap Dollar/Kurs) : Level

Null Hypothesis: X1 has a unit root Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -0.403436 0.8987

Test critical values: 1% level -3.610453

5% level -2.938987

10% level -2.607932

*MacKinnon (1996) one-sided p-values.

X1 (Nilai tukar Rupiah terhadap Dollar/Kurs) : 𝟏^𝒔𝒕 difference

Null Hypothesis: D(X1) has a unit root Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -7.393045 0.0000

Test critical values: 1% level -3.615588

5% level -2.941145

10% level -2.609066

*MacKinnon (1996) one-sided p-values.

X2 (Sugar Domestic Demand) : Level

Null Hypothesis: X2 has a unit root Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 1.065699 0.9965

Dalam dokumen ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI VOLUME IMPOR GULA INDONESIA SKRIPSI (Halaman 59-0)