V. FAKTOR-FAKTOR YANG MEMENGARUHI
advertisement
V. FAKTOR-FAKTOR YANG MEMENGARUHI ALIRAN PERDAGANGAN IMPOR 5.1 Faktor-faktor yang Memengaruhi Aliran Perdagangan Impor Bawang Merah Indonesia 5.1.1 Pemilihan Kesesuaian Model Pemilihan kesesuaian model dilakukan dengan melakukan uji Chow dan uji Hausman. Hasil pengujian dengan menggunakan uji Chow menunjukkan probabilitas yang lebih kecil dari taraf nyata 5 persen. Hal ini berarti sudah cukup bukti untuk menolak H0 dimana H0 merupakan model pooled least squared. Setelah itu juga dilakukan pengujian dengan uji Hausman dimana probabilitasnya lebih besar dari taraf nyata sehingga sudah cukup bukti untuk menolak H0 dan H0 merupakan model Random Effect. Berdasarkan hasil tersebut diketahui model estimasi terbaik untuk mengetahui fakto-faktor yang memengaruhi aliran perdagangan impor bawang merah Indonesia adalah dengan menggunakan model efek tetap (fixed effect). Setelah model tersebut dipilih selanjutnya akan dilakukan pengujian asumsi untuk mendapatkan model persamaan yang terbebas dari masalah yang sering dijumpai dalam analisis regresi seperti Multikolinearitas, Heteroskedastisitas dan Autokorelasi. Indikasi terjadinya multikolinearitas dapat ditunjukkan dengan nilai Rsquared yang tinggi tetapi variabel independen banyak yang tidak berpengaruh pada variabel dependen. Dari tujuh variabel independen yang dianalisis, dengan R-squared sebesar 98,25 persen, hanya terdapat satu variabel yang tidak signifikan. Hal ini berarti model sudah terbebas dari masalah multikolinearitas. Pengujian asumsi selanjutnya, yaitu uji heteroskedastisitas dan uji autokorelasi. Hasil estimasi model dalam penelitian ini diberikan perlakuan cross - section SUR, sehingga asumsi adanya heteroskedastisitas dan autokorelasi dapat diabaikan. 5.1.2 Hasil Estimasi dan Interpretasi Model Model estimasi terbaik yang digunakan untuk melakukan analisis terhadap faktor-faktor yang memengaruhi aliran perdagangan komoditas bawang merah adalah dengan menggunakan efek tetap (fixed effect). Berdasarkan hasil estimasi 56 diketahui nilai koefisisien determinasi (R-squared) yang diperoleh sebesar 98,25 persen menunjukkan bahwa sebesar 98,25 persen keragaman impor bawang merah dapat dijelaskan oleh variabel-variabel bebasnya, sedangkan sisanya 1,75 persen dijelaskan oleh faktor-faktor lain di luar model. Tabel 5.1 Hasil Pendugaan Parameter Faktor-faktor yang Memengaruhi Aliran Perdagangan Impor Bawang Merah Indonesia Variabel LNPOPJ LNPOPI LNPM LNJE LNGDPJ LNGDPI LNER C Koefisien Std. Error -7,982748 0,684535 -113,0607 8,670249 -2,531801 0,084126 15,21394 1,197638 16,03484 1,167134 22,28454 1,496306 0,218203 0,282733 1148,548 112,0012 Fixed Effect (Cross) t-statistik -11,66157 -13,04007 -30,09524 -12,70328 13,73864 14,89304 0,771762 10,25478 Thailand India Vietnam Malaysia China Philippines Netherlands USA Australia R-squared Prob (Fstat) Prob. 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,4427 0,0000 8,380599 15,60498 6,188951 10,03516 15,57669 7,449297 -28,80708 -17,40212 -17,02647 Weighted Statistic 0,982584 Sum squared resid 0.000000 Durbin Watsonstat Unweighted Statistics 0,849338 Sum squared resid 1,389422 R-squared Durbin Watsonstat Sumber: Lampiran 4 Catatan: Signifikan pada taraf nyata 1 persen 85,15533 2,174253 65,86102 Pada hasil uji normalitas (Tabel 5.2) probabilitas Jarque Bera lebih besar dari pada taraf nyata yang digunakan (0,542755 > 0,05). Berdasarkan hal tersebut maka residual dalam model ini dapat dikatakan sudah menyebar normal. Dalam uji kriteria statistik untuk pelanggaran multikolinearitas, model ini juga disimpulkan tidak mengalami pelanggaran tersebut. Hal ini karena data yang digunakan dalam penelitian ini merupakan penggabungan dari data time series dan cross-section, sehingga dapat mengurangi multikolinearitas. Selain itu dari 57 hasil estimasi, terlihat nilai R-squared yang cukup besar sedangkan variabel yang tidak signifikan yaitu nilai tukar riil rupiah terhadap dolar Amerika Serikat. Tabel 5.2 Hasil Uji Normalitas Model Faktor-faktor yang Memengaruhi Aliran Perdagangan Impor Bawang Merah Indonesia Model Jarque-Bera Probability Aliran Impor Bawang Merah 1,222194 0,542755 Sumber: Lampiran 5 Nilai Durbin Watsonstat dari hasil pengolahan data adalah sebesar 2,17. Hal ini berarti nilai Durbin Watsonstat tersebut berada di antara 1,55-2,46, maka model yang diestimasi telah terbebas dari masalah autokorelasi. Sedangkan untuk masalah heteroskedastisitas, dari hasil estimasi terlihat bahwa Sum Squared Resid pada Weighted Statistics lebih besar dari Sum Squared Resid pada Unweighted Statistics. Hal ini berarti model sudah terbebas dari masalah heteroskedastisitas. Selain itu, dengan menggunakan pembobotan Cross-Section SUR, masalah autokorelasi dan heteroskedastisitas dapat disimpulkan sudah teratasi. Selanjutnya akan dilakukan interpretasi pengaruh masing-masing faktor atau variabel terhadap aliran perdagangan impor komoditas bawang merah. Probabilitas pada variabel populasi negara pengekspor untuk komoditas bawang merah sebesar 0,0000. Hal tersebut menunjukkan pengaruh nyata (signifikan) pada taraf nyata satu persen terhadap aliran impor komoditas bawang merah Indonesia, dengan parameter bertanda negatif (tidak sesuai dengan hipotesis penelitian). Menurut Yuniarti (2007), populasi digunakan untuk mengukur ukuran suatu negara. Suatu negara yang memiliki ukuran yang lebih besar menunjukkan bahwa negara tersebut mempunyai produksi yang lebih beragam dan cenderung untuk memenuhi kebutuhannnya sendiri (inwardly oriented), sehingga besarnya populasi diperkirakann mempunyai hubungan yang negatif dengan perdagangan. Namun di sisi lain besarnya populasi juga dapat menunjukkan potensi pasar yang besar, sehingga populasi dapat berpengaruh positif. Ketidaksesuaian hasil estimasi output dengan hipotesis penelitian menjadi indikasi, peningkatan populasi negara asal impor menyebabkan negara tersebut mempunyai produksi yang lebih beragam dan cenderung untuk memenuhi kebutuhannya sendiri, sehingga peningkatan populasi negara asal sebesar satu persen, akan mengurangi volume impor bawang merah sebesar 7,98 persen (ceteris paribus). 58 Jumlah populasi negara Indonesia sebagai negara pengimpor memiliki pengaruh negatif (tidak sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0000. Hal ini berarti variabel populasi berpengaruh nyata (signifikan) terhadap volume impor komoditas bawang merah Indonesia. Kondisi ini menunjukkan semakin besar populasi penduduk Indonesia sebesar satu persen maka akan menurunkan volume impor komoditas bawang merah sebesar 113,06 persen (ceteris paribus). Peningkatan populasi Indonesia dalam hal ini menunjukkan kecenderungan produksi bawang merah untuk pemenuhan kebutuhan dalam negeri semakin besar. Dugaan parameter dari variabel harga impor memiliki pengaruh negatif (sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0000. Hal ini berarti bahwa variabel harga impor berpengaruh nyata (signifikan) terhadap volume impor komoditas bawang merah Indonesia. Kondisi ini menunjukkan dengan adanya kenaikan harga impor komoditas bawang merah sebesar satu persen akan menurunkan volume impornya sebesar 2,53 persen (ceteris paribus). Variabel jarak ekonomi memiliki pengaruh positif terhadap volume impor bawang merah Indonesia (tidak sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0000. Hal ini menunjukkan bahwa variabel jarak ekonomi berpengaruh nyata (signifikan) terhadap aliran impor komoditas bawang merah Indonesia. Kondisi tersebut juga menggambarkan bahwa dengan meningkatnya jarak ekonomi sebesar satu persen akan meningkatkan volume impor bawang merah Indonesia sebesar 15,21 persen (ceteris paribus). Ketidaksesuaian hasil estimasi output dengan hipotesis penelitian disebabkan karena adanya komisi perdagangan dari suatu transaksi. Adanya komisi transaksi yang diberikan kepada perantara (broker) akan memengaruhi transaksi perdagangan internasional. Hal ini disebabkan, semakin tinggi nilai perdagangannya maka semakin tinggi juga komisi transaksi yang diterima oleh perantara (broker). GDP riil negara asal impor bawang merah Indonesia memiliki pengaruh positif terhadap volume impor bawang merah Indonesia (sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0000. Hal ini berarti 59 variabel GDP riil negara asal berpengaruh nyata terhadap volume impor bawang merah Indonesia. Kondisi ini menunjukkan bahwa dengan meningkatnya GDP riil negara asal impor sebesar satu persen akan meningkatkan volume impor bawang merah Indonesia sebesar 16,03 persen (ceteris paribus). Sama halnya dengan GDP riil negara asal, variabel GDP riil Indonesia memiliki pengaruh positif terhadap volume impor bawang merah (sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0000. Hal ini berarti variabel GDP riil Indonesia berpengaruh nyata (signifikan) terhadap volume impor bawang merah Indonesia. Kondisi ini menunjukkan bahwa dengan meningkatnya GDP riil Indonesia sebesar satu persen akan meningkatkan volume impor bawang merah Indonesia sebesar 22,28 persen (ceteris paribus). Selanjutnya variabel nilai tukar pada estimasi hasil output memiliki pengaruh positif terhadap volume impor komoditas bawang merah Indonesia (sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,4427. Hal ini berarti bahwa variabel nilai tukar tidak berpengaruh nyata (tidak signifikan) terhadap volume impor bawang merah Indonesia. Kondisi ini menunjukkan bahwa nilai tukar tidak memengaruhi aliran perdagangan impor komoditas bawang merah Indonesia. Dari hasil estimasi (Tabel 5.1) terdapat Fixed Effect (Cross) yang memperlihatkan pembeda dari setiap cross section (negara). Terlihat bahwa India memiliki nilai pembeda paling tinggi. Hal ini berarti volume impor bawang merah Indonesia dari India memiliki rata-rata perubahan paling tinggi, yaitu sebesar 15,60498. Sedangkan Netherlands memiliki efek yang paling kecil, sehingga dapat dikatakan volume impor komoditas bawang merah Indonesia dari Netherlands memiliki rata-rata perubahan paling kecil yaitu sebesar -28,80708. 5.2 Faktor-faktor yang Memengaruhi Aliran Perdagangan Impor Kentang Indonesia 5.2.1 Pemilihan Kesesuaian Model Berdasarkan pengujian dengan menggunakan uji Chow diperoleh nilai statistik sebesar 2,575815 dengan nilai probabilitas lebih besar dari taraf nyata lima persen. Hal ini berarti sudah cukup bukti untuk tidak tolak H0, dimana H0 60 dalam uji Chow adalah model Pooled Least Squared. Pengujian dengan uji Hausman tidak dapat dilakukan karena jumlah variabel yang diteliti lebih besar dari jumlah cross section (negara)nya. Kondisi ini pada akhirnya menunjukkan bahwa model estimasi terbaik untuk mengetahui faktor-faktor yang memengaruhi aliran impor komoditas bawang merah Indonesia adalah dengan menggunakan model pooled least squared. Dari tujuh variabel independen yang dianalisis, dengan R-squared sebesar 86,20 persen, hanya terdapat satu variabel yang tidak signifikan. Hal ini berarti model sudah terbebas dari masalah multikolinearitas. Pengujian asumsi selanjutnya, yaitu uji heteroskedastisitas dan uji autokorelasi. Hasil estimasi model dalam penelitian ini diberikan perlakuan cross - section SUR, sehingga asumsi adanya heteroskedastisitas dan autokorelasi dapat diabaikan. 5.2.2 Hasil Estimasi dan Interpretasi Model Model estimasi terbaik yang digunakan untuk melakukan analisis terhadap faktor-faktor yang memengaruhi aliran impor komoditas kentang adalah dengan menggunakan model pooled least squared dengan pembobotan crosssection SUR. Tabel 5.3 Hasil Pendugaan Parameter Faktor-faktor yang Memengaruhi Aliran Perdagangan Impor Kentang Indonesia Variabel Koefisien Std. Error t-statistik Prob. LNPOPJ 0,587957 0,315190 1,865404 0,0713 LNPOPI -174,1103 56,43556 -3,085117 0,0042 LNPM -1,646935 0,424858 -3,876435 0,0005 LNJE 4,169129 0,487108 8,558943 0,0000 LNGDPJ 0.856034 0,449762 1,903306 0,0660 LNGDPI 46.39378 12,24298 3,789419 0,0006 LNER -0.041100 0,164419 -0,249974 0,8042 C 2071.357 767,9340 2,697311 0,0111 Weighted Statistic R-squared 0,862025 Sum squared resid 38,96356 Prob (Fstat) 0.000000 Durbin Watsonstat 2,126516 Unweighted Statistics R-squared 0,693156 Sum squared resid 111,0123 Durbin Watsonstat 2,544835 Sumber: Lampiran 7 Catatan: Signifikan pada taraf nyata 10 persen 61 Berdasarkan uji-t dapat dilihat bahwa variabel-variabel yang berpengaruh nyata terhadap volume impor kentang Indonesia adalah populasi negara asal impor dan populasi Indonesia, harga impor, jarak ekonomi, GDP riil Indonesia, dan GDP riil negara asal impornya. Berdasarkan hasil estimasi diketahui nilai koefisisien determinasi (R-squared) yang diperoleh sebesar 86,20 persen menunjukkan bahwa sebesar 86,20 persen keragaman impor bawang merah dapat dijelaskan oleh variabel-variabel bebasnya, sedangkan sisanya 13,80 persen dijelaskan oleh faktor-faktor lain di luar model. Pada hasil uji normalitas (Tabel 5.2) probabilitas Jarque Bera lebih besar dari pada taraf nyata yang digunakan (0,385458 > 0,05). Berdasarkan hal tersebut maka residual dalam model ini dapat dikatakan sudah menyebar normal. Dalam uji kriteria statistik untuk pelanggaran multikolinearitas, model ini juga disimpulkan tidak mengalami pelanggaran tersebut. Hal ini karena data yang digunakan dalam penelitian ini merupakan penggabungan dari data time series dan cross-section, sehingga dapat mengurangi multikolinearitas. Selain itu dari hasil estimasi, terlihat nilai R-squared yang cukup besar sedangkan variabel yang tidak signifikan hanyalah nilai logaritma natural dari nilai tukar antara rupiah dengan dolar Amerika Serikat. Tabel 5.4 Hasil Uji Normalitas Model Faktor-faktor yang Memengaruhi Aliran Perdagangan Impor Kentang Indonesia. Model Jarque-Bera Probability Aliran Impor Kentang 1,906646 0,385458 Sumber: Lampiran 8 Nilai Durbin Watsonstat dari hasil pengolahan data adalah sebesar 2,12. Hal ini berarti nilai Durbin Watsonstat tersebut berada di antara 1,55-2,46, maka model yang diestimasi telah terbebas dari autokorelasi. Sedangkan untuk masalah heteroskedastisitas, dari hasil estimasi terlihat bahwa Sum Squared Resid pada Weighted Statistics lebih kecil dari Sum Squared Resid pada Unweighted Statistics. Hal ini berarti terdapat indikasi adanya masalah heteroskedastisitas pada model. Namun, dengan menggunakan pembobotan Cross-Section SUR, masalah autokorelasi dan heteroskedastisitas dapat disimpulkan sudah teratasi. Tabel 5.3 menunjukkan variabel populasi negara pengekspor memiliki pengaruh positif terhadap volume impor kentang Indonesia (sesuai dengan 62 hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0713. Hal tersebut berarti variabel populasi negara pengekspor berpengaruh nyata (signifikan) terhadap volume mpor komoditas kentang Indonesia. Kondisi tersebut menunjukkan bahwa dengan meningkatnya populasi negara pengekspor sebesar satu persen, akan meningkatkan volume impor kentang Indonesia sebesar 0,58 persen (ceteris paribus). Hal ini juga berarti untuk komoditas kentang, peningkatan populasi negara pengekspor akan memengaruhi potensi pasarnya menjadi lebih besar. Berbeda dengan variabel populasi negara pengekspor, populasi Indonesia memiliki pengaruh negatif (tidak sesuai dengan hipotesis penelitian) terhadap volume impor komoditas kentang Indonesia dan menunjukkan nilai probabilitas sebesar 0,0042. Hal ini berarti variabel populasi Indonesia berpengaruh nyata (signifikan) terhadap volume impor komoditas kentang Indonesia. Tanda negatif pada koefisien populasi kentang menunjukkan peningkatan populasi Indonesia akan meningkatkan produksi kentang yang digunakan untuk pemenuhan kebutuhan dalam negeri. Variabel harga impor memiliki pengaruh negatif terhadap volume impor komoditas kentang Indonesia (sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0005. Hal ini berarti variabel harga impor berpengaruh nyata (signifikan) terhadap volume impor komoditas kentang Indonesia. Kondisi tersebut menunjukkan bahwa dengan meningkatnya harga impor komoditas kentang sebesar satu persen, akan menurunkan volume impor kentang Indonesia sebesar 1,64 persen (ceteris paribus). Variabel jarak ekonomi memiliki pengaruh positif terhadap volume impor kentang Indonesia (tidak sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0000. Hal ini menunjukkan bahwa variabel jarak ekonomi berpengaruh nyata (signifikan) terhadap aliran impor komoditas kentang Indonesia. Kondisi ini menunjukkan peningkatan satu persen jarak ekonomi akan meningkatkan 4,16 persen volume impor komoditas kentang Indonesia. Ketidaksesuaian hasil estimasi output dengan hipotesis penelitian disebabkan kondisi yang sama dengan impor bawang merah yaitu adanya komisi perdagangan dari suatu transaksi. Komisi perdagangan ini akan memperoleh keuntungan yang 63 semakin besar, jika nilai transaksi perdaganngan internasional mengalami kenaikan. GDP riil negara asal impor kentang Indonesia memiliki pengaruh positif terhadap volume impor kentang Indonesia (sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0660. Hal ini berarti variabel GDP riil negara asal berpengaruh nyata terhadap volume impor kentang Indonesia. Koefisien GDP riil yang bertanda positif menunjukkan peningkatan satu persen GDP riil negara asal akan meningkatkan volume impor kentang Indonesia sebesar 0,85 persen (ceteris paribus). Sama halnya dengan GDP riil negara asal, variabel GDP riil Indonesia memiliki pengaruh positif terhadap volume impor kentang (sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,0006. Hal ini berarti variabel GDP riil Indonesia berpengaruh nyata (signifikan) terhadap volume impor kentang Indonesia. Kondisi ini menunjukkan bahwa dengan meningkatnya GDP riil Indonesia sebesar satu persen akan meningkatkan volume impor kentang Indonesia sebesar 46,39 persen (ceteris paribus). Setelah itu variabel nilai tukar pada estimasi hasil output memiliki pengaruh negatif terhadap volume impor komoditas kentang Indonesia (tidak sesuai dengan hipotesis penelitian) dan menunjukkan nilai probabilitas sebesar 0,8042. Hal ini berarti bahwa variabel nilai tukar tidak berpengaruh nyata (tidak signifikan) terhadap volume impor bawang merah Indonesia. Kondisi ini menunjukkan bahwa nilai tukar bukan merupakan faktor yang dapat memengaruhi aliran perdagangan impor komoditas kentang Indonesia.