27 BAB III
METODE PENELITIAN 3.1 Desain Penelitian
Desain penelitian merupakan prosedur untuk mendapatkan informasi atau data yang diperlukan untuk menyelesaikan permasalahan dalam penelitian.
Penelitian ini menggunakan pendekatan diskriptif kuantitatif dimana data yang sudah diperoleh dalam bentuk angka kemudian dijelaskan sehingga diperoleh hasil yang bermakna. Data kuantitatif penelitian ini terdiri dari data ekspor, produksi, harga ekspor, dan nilai tukar rupiah terhadap dollar Amerika Serikat.
3.2 Jenis Data
Jenis data yang digunakan dalam penelitian ini yaitu data sekunder. Data sekunder merupakan data yang diperoleh secara tidak langsung dari objek penelitian. Data sekunder dalam penelitian ini berupa data time series (deret waktu) selama 15 tahun yaitu tahun 2004 sampai 2018 yang meliputi data ekspor, produksi, harga ekspor, dan nilai tukar rupiah terhadap dollar Amerika Serikat.
3.3 Lokasi Penelitian
Lokasi penelitian ini dilakukan di Indonesia dengan mencari informasi dari berbagai sumber data melalui website resmi Badan Pusat Statistik (BPS), Pusdatin, dan Bank Indonesia (BI). Lokasi tersebut dipilih karena dianggap mampu menyediakan data yang akurat untuk menunjang kepentingan penelitian.
3.4 Sumber Data
Data yang digunakan dalam penelitian ini dari Badan Pusat Statistik (BPS), Pusdatin (Pusat Data dan Informasi Pertanian, Kementrian Pertanian) , dan Bank Indonesia (BI) yang meliputi data ekspor, produksi, harga ekspor, dan nilai tukar rupiah terhadap dollar Amerika Serikat.
3.5 Teknik Pengumpulan Data
Teknik pengumpulan data yang digunakan dalam penelitian ini yaitu studi literature. Studi literature merupakan teknik pengumpulan data yang digunakan
untuk mencari informasi dari buku, jurnal atau dokumen yang relevan mengenai permasalahan yang diteliti.
3.6 Teknik Analisis Data
Teknik analisis data yang digunakan dalam penelitian ini sebagai berikut:
3.6.1 Analisis Trend
Analisis trend merupakan metode analisis yang bertujuan untuk melihat perkembangan berdasarkan data yang ada dan melihat suatu perkiraan atau peramalan di masa yang akan datang (Marlina, 2015). Analisis trend dalam penelitian ini bertujuan untuk mengetahui perkembangan ekspor, produksi, dan harga ekspor anggrek Indonesia dengan menggunakan data time series selama kurun waktu 15 tahun dari tahun 2004-2018 dengan menggunakan persamaan trend metode least square. Metode least square (kuadrat kecil) diformulasikan sebagai berikut:
y = a + bX
Keterangan:
y = Volume ekspor anggrek Indonesia (Kg) a = Konstanta
b = Koefisien estimasi (kenaikan) X = Indeks waktu (tahun)
Kriteria Uji :
Jika nilai koefisien regresi (b) nya positif, berarti trend jumlah atau volume ekspor anggrek Indonesia meningkat
Jika nilai koefisien regresi (b) nya negatif, berarti trend jumlah atau volume ekspor anggrek Indonesia turun.
3.6.2 Analisis Regresi Linier Berganda
Model regresi linier berganda merupakan suatu persamaan yang menggambarkan hubungan antara dua atau lebih variabel bebas (X1, X2,….Xn) dan satu variabel tak bebas (Y). Tujuan dari analisis regresi linier berganda adalah untuk memprediksi nilai variabel tak bebas (Y) jika nilai variabel-variabel bebas (X1, X2,….Xn) diketahui (Yuliara, 2016).
Bentuk model regresi dalam penelitian ini yaitu:
Y = a + b1X1 + b2X2 + b3X3 + e Keterangan:
Y = Volume ekspor anggrek Indonesia (Kg) a = Konstanta
b = Koefisien regresi
X1 = Produksi anggrek (tangkai)
X2 = Harga ekspor anggrek (US$/Kg)
X3 = Nilai tukar rupiah terhadap dollar (Rp/US$) e = Variabel penganggu
Menurut Gujarati, (2006) Syarat terpenuhinya analisis regresi linier berganda yang baik dilihat dari:
1. Nilai koefisien determinasi (R2) > 60% dari jumlah total variabel independen.
2. Nilai F hitungnya signifikan
3. Banyak variabel independen yang signifikan > 50% jumlah yang dianalisa.
3.6.3 Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mengetahui apakah terdapat gejala heteroskedastisitas, multikolinearitas, dan autokorelasi. Alat analisis yang digunakan dalam penelitian yaitu aplikasi SPSS dengan tujuan untuk mempermudah menganalisis penelitian. Uji asumsi klasik terdiri dari:
a. Uji Normalitas
Uji normalitas bertujuan untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Salah satu uji normalitas dapat dilakukan dengan Uji Kolmogorov Smirnov (K-S) (Duli, 2019).
Dasar pengambilan keputusan dalam uji normalitas yaitu:
Jika nilai signifikansi > 0,05 maka berdistribusi normal
Jika nilai signifikansi < 0,05 maka tidak berdistribusi normal.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda.
Model regresi yang baik seharusnya tidak terjadi multikolinieritas (Duli, 2019).
Dasar pengambilan keputusan pada uji multikolinearitas dapat dilakukan dengan dua acara yaitu:
1. Melihat nilai tolerance
Jika nilai tolerance > 0,10 maka tidak terjadi multikolinearitas.
Jika nilai tolerance < 0,10 maka terjadi multikolinearitas 2. Melihat nilai VIF (Variance Inflation Factor)
Jika nilai VIF < 10,00 maka tidak terjadi multikolinearitas.
Jika nilai VIF > 10,00 maka terjadi multikolinearitas.
3. Uji Heteroskedastisitas
Uji heterokedastisitas digunakan untuk melihat apakah terdapat adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi.
Jika varian dari residual satu pengamatan ke pengamatan lain berbeda maka di sebut heteroskedastisitas. Metode yang digunakan dalam uji heterokedastisitas adalah dengan melihat grafik scatterplot dengan memlotkan ZPRED (nilai prediksi) dengan SRESID (nilai residualnya) (Saragih & Sulistyiowati, 2020). Model yang baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul di tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit. Uji statistik yang dapat digunakan adalah Uji Glejser, Uji Park, dan Uji White. Model regresi yang baik seharusnya tidak terjadi heteroskedastisitas (Duli, 2019).
Dasar pengambilan keputusan pada uji heteroskedastisitas yaitu:
Jika nilai signifikansi > α = 0,05 maka tidak terjadi heterokedastisitas.
Jika nilai signifikansi < α = 0,05 maka terjadi hetroskedastisitas.
4. Uji Autokorelasi
Uji autokorelasi digunakan untuk data yang bersifat time series. Uji autokorelasi bertujuan untuk menguji apakah dalam penelitian terdapat korelasi antara periode t dengan periode t-1 atau periode sebelumnya (Ghozali, 2009).
Model regresi yang baik adalah ketika tidak ada autokorelasi antara observasi dengan data obesrvasi sebelumnya. Ada tidaknya autokorelasi dalam penelitian ini dapat diketahui dengan menggunakan metode Durbin – Watson (DW) dengan tingkat signifikan 5% yang memiliki kriteria sebagai berikut :
a. d < dL : Terdapat autokorelasi positif b. dL < d < dU : Tanpa kesimpulan
c. dU < d < 4-dU : Tidak terdapat autokorelasi d. 4-dU < d < 4-dL : Tanpa kesimpulan
e. 4-dL < d : Terdapat autokorelasi negatif
Uji Autokorelasi dapat dilakukan dengan cara lain yaitu menggunakan uji Run Test. Uji Run Test digunakan untuk mengetahui residual yang memiliki korelasi
tertinggi dan dapat memberikan kesimpulan yang tepat apabila pada hasil uji Durbin Watson menunjukkan kriteria dL < d < dU dan 4-dU < d < 4-dL yang menyebabkan pengujian tidak terdapat kesimpulan (Ghozali, 2009). Pengambilan keputusan dengan menggunakan uji Run Test sebagai berikut:
Jika nilai Asymp. Sig (2-tailed) < 0,05, maka terjadi autokorelasi
Jika nilai Asymp. Sig (2-tailed) < 0,05, maka tidak terjadi autokorelasi 3.6.4 Uji F
Uji F dikenal dengan Uji Simultan atau Uji Anova yaitu uji yang dilakukan untuk melihat berapa besar variabel-variabel bebasnya (X) mempengaruhi variabel terikat (Y) secara bersamaan (Saragih & Sulistyiowati, 2020).
Hipotesis yang dapat diajukan dalam uji t yaitu:
H0 = tidak terdapat pengaruh secara bersama-sama antara variabel bebas dengan variabel terikat
H1 = terdapat pengaruh secara bersama-sama antara variabel bebas dengan variabel terikat
Kriteria pengambilan keputusan dalam uji F adalah sebagai berikut:
1. Berdasarkan nilai probabilitas
Jika nilai signifikansi > 0,05 maka H0 diterima dan H1 ditolak.
Jika nilai signifikansi < 0,05 maka H0 ditolak dan H1 diterima.
2. Berdasarkan nilai Fhitung dan Ftabel
Jika Fhit < Ftab maka H0 diterima dan H1 ditolak.
Jika Fhit > Ftab maka H0 ditolak dan H1 diterima.
3.6.5 Uji Koefisien Determinasi (R2)
Koefisien determinasi digunakan untuk mengetahui persentase pengaruh variabel bebas terhadap variabel terikat. Koefisien determinasi disimbolkan dengan R2 dihitung dengan rumus:
R2 = (𝑏1 ∑𝑥1𝑦)+(𝑏2 ∑𝑥2𝑦)
∑𝑦2
Keterangan :
1. Jika R2 = 0, maka variasi variabel bebas tidak sedikitpun dapat menjelaskan variasi variabel tak bebas Y dalam model persamaan regresi.
2. Jika R2 = 1, maka variasi variabel-variabel bebas dapat menjelaskan dengan sempurna variabel tak bebas Y dalam model persamaan regresi (Yuliara, 2016).
3.6.6 Uji t
Uji t dikenal dengan uji individual atau parsial yang digunakan untuk menguji pengaruh masing-masing variabel bebas terhadap variabel terikatnya serta untuk mengetahui variabel bebas mana yang berpengaruh dominan terhadap variabel terikatnya (Saragih & Sulistyiowati, 2020).
Hipotesis yang dapat diajukan dalam uji t yaitu:
H0 = tidak terdapat pengaruh yang signifikan antara variabel bebas dengan variabel terikat
H1 = terdapat pengaruh yang signifikan antara variabel bebas dengan variabel terikat
Kriteria pengambilan keputusan pada uji t adalah sebagai berikut:
1. Berdasarkan nilai probabilitas
Jika nilai signifikansi > 0,05 maka H0 diterima dan H1 ditolak.
Jika nilai signifikansi < 0,05 maka H0 ditolak dan H1 diterima.
2. Berdasarkan nilai thitung dan ttabel
Jika thit > ttab maka H0 ditolak dan H1 diterima.
Jika ttab < ttab maka H0 diterima dan H1 ditolak.
3.7 Pengukuran Variabel
Variabel yang diamati dalam penelitian ini yaitu:
1. Data ekspor anggrek dinyatakan dalam satuan Kg dalam kurun waktu 2004- 2018.
2. Data produksi anggrek dinyatakan dalam satuan tangkai dalam kurun waktu 2004-2018.
3. Data harga ekspor anggrek dinyatakan dalam satuan US$/Kg dalam kurun waktu 2004-2018.
4. Nilai tukar rupiah terhadap dollar Amerika Serikat dinyatakan dalam satuan Rp/US$ dalam kurun waktu 2004-2018.
