31 BAB 3 METODOLOGI PENELITIAN Setelah memperhatikan

BAB 3
METODOLOGI PENELITIAN
Setelah memperhatikan karakteristik permintaan kedelai di Indonesia pada
bab terdahulu maka sekarang tiba saatnya untuk memodelkan faktor–faktor yang
mempengaruhi permintaan kedelai. Model yang digunakan dalam penelitian ini
adalah model log linier persamaan simultan. Dilihat dari sistem persamaan secara
keseluruhan, maka model yang akan dianalisis mempunyai tiga variabel endogen,
yaitu permintaan kedelai (QD), harga kedelai dalam negeri (HD), dan impor (IM).
Persamaan ini bersifat simultan karena variabel permintaan (QD) terdapat di ruas
kanan persamaan impor (IM), demikian pula variabel harga dalam negeri (HD)
terdapat pada ruas kanan persamaan permintaan (QD). Pendugaan terhadap ketiga
model persamaan tersebut akan dilakukan dengan metode Two Stage Least Square
(TSLS) dengan menggunakan data sekunder periode 1978-2008. Tahapan
pertama, dengan melakukan regresi variabel-variabel endogen terhadap semua
variabel-variabel eksogen dalam model. Tahapan kedua, persamaan struktural
diestimasi dengan menggunakan nilai penduga pada tahapan pertama sebagai
instrumen dalam di ruas kanan variabel endogen. Metode ini digunakan ketika
model persamaan simultan adalah terlalu teridentifikasi (overidentified).
Sedangkan metode Indirect Least Square (ILS) digunakan jika sistem persamaan
simultan tersebut bersifat just/exactly identified. Untuk persamaan yang
overidentified, penerapan TSLS menghasilkan taksiran tunggal, sedangkan ILS
menghasilkan taksiran ganda. Dengan TSLS tidak ada kesulitan untuk menaksir
standar error, karena koefisien struktural ditaksir secara langsung dari regresi
OLS pada langkah kedua, sedangkan pada ILS mengalami kesulitan dalam
menaksir standar error. Pada bab ini akan dijelaskan mengenai pendekatan
penelitian, jenis dan sumber data, variabel dan membuat definisi operasional
variabel, metode pengambilan sampel, metode pengumpulan data, dan metode
pengolahan data.
31
Universitas Indonesia
Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
32
3.1 Pendekatan Penelitian
Metode penelitian yang digunakan berupa penelitian deskriptif dan
penelitian kuantitatif. Penelitian deskriptif yaitu menyajikan penggambaran
atau potret suatu kondisi dan situasi yang sebenarnya dari suatu permasalahan
yang terjadi berdasarkan fakta yang diperoleh pada suatu waktu tertentu.
Sedangkan penelitian kuantitatif adalah penelitian dengan sasaran penelitian
yang luas dengan penekanan analisis pada data-data numerik dan digunakan
untuk menguji suatu teori dengan metode statistika. Persamaan yang
digunakan untuk menganalisis permintaan kedelai di Indonesia adalah
sebagai berikut :
1. Permintaan kedelai di Indonesia -------------------------------------------Pers.1
Ln(QD) = α1 + β1 Ln(HD) + β2 Ln(Y) + β3 Ln(POP) + e
Keterangan :
QD
: permintaan kedelai (Ton)
HD
: harga kedelai dalam negeri (Rp/Kg)
Y
: pendapatan per kapita (Rp/Kap)
POP
: jumlah penduduk (000 jiwa)
2. Harga kedelai di Indonesia
Ln(HD) = α2 + β4 Ln(HI) + e -----------------------------------------------Pers.2
Keterangan :
HD
: harga kedelai dalam negeri (Rp/Kg)
HI
: harga kedelai internasional ($US/Kg)
3. Impor kedelai di Indonesia
Ln(IM) = α3 + β5 Ln(QD) + β6 Ln(PD) + β7 Ln(BM) + e---------------Pers.3
Keterangan :
IM
: Impor kedelai (Ton)
QD
: permintaan kedelai (Ton)
PD
: produksi kedelai (Ton)
BM
: bea masuk impor (%)
Universitas Indonesia
Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
33
4. Persamaan Identitas
Ln(QS) = Ln(QD)
3.2 Variabel dan Definisi Operasional Variabel
Variabel adalah sesuatu yang menjadi obyek pengamatan penelitian,
variabel yang digunakan ditentukan oleh kerangka teori yang mendasari
masalah penelitian dan dinyatakan dalam hipotesis penelitian. Setelah
variabel diidentifikasi maka perlu melakukan klasifikasi atas variabel-variabel
sesuai jenisnya. Klasifikasi dapat dilakukan berdasarkan sifat datanya yaitu
variabel nominal, ordinal, interval dan rasio, atau berdasarkan fungsinya
variabel endogen dan variabel eksogen.
Pada langkah selanjutnya variabel tersebut didefinisikan secara
operasional berupa definisi konseptual akan sulit digunakan dalam
pengumpulan
data.
Untuk
memudahkan
proses
pengambilan
data,
pendefinisian variabel secara operasional penting dilakukan agar pengukuran
terhadap variabel tepat sesuai kebutuhan penelitian. Variabel yang digunakan
dan definisi operasional variabel dalam penelitian ini adalah sebagai berikut :
1. Variabel permintaan kedelai di Indonesia
Definisi Variabel : jumlah kebutuhan kedelai yang harus disediakan
merupakan penjumlahan impor dan produksi kedelai.
2. Variabel harga kedelai dalam negeri
Definisi Variabel : jumlah yang harus dibayar konsumen untuk
memperolehnya
3. Variabel pendapatan perkapita
Definisi Variabel : jumlah pendapatan per kapita di Indonesia
4. Variabel jumlah penduduk
Definisi Variabel : jumlah populasi/penduduk Indonesia
5. Variabel impor kedelai
Definisi Variabel : volume impor kedelai di Indonesia
6. Variabel harga kedelai internasional
Definisi Variabel : harga kedelai di dunia
7. Variabel bea masuk impor
Universitas Indonesia
Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
34
Definisi Variabel : berupa bea masuk impor kedelai
8. Variabel produksi kedelai
Definisi Variabel : produksi kedelai di Indonesia
3.3 Jenis dan Sumber Data
Jenis data yang digunakan adalah data sekunder yang berdasarkan
deret waktu (time series) tahun 1978-2008. Sumber data yang digunakan
bersumber dari Badan Pusat Statistik, Departemen Pertanian, Departemen
Perdagangan, Bulog serta publikasi, dan laporan lain yang berkaitan dengan
penelitian ini.
Data yang digunakan dalam penelitian ini, sebagai berikut :
1. Data permintaan kedelai merupakan data yang tersedia untuk konsumsi
dalam negeri.
2. Data harga kedelai dalam negeri bersumber dari Departemen Perdagangan.
3. Data pendapatan perkapita bersumber dari Badan Pusat Statistik
4. Data jumlah penduduk Indonesia merupakan data jumlah penduduk
Indonesia yang bersumber dari Badan Pusat Statistik.
5. Data impor kedelai bersumber dari Departemen Pertanian.
6. Data harga kedelai internasional bersumber dari Departemen Pertanian.
7. Data kebijakan bea masuk impor kedelai besarnya dalam bentuk
prosentase (%)
8. Data produksi kedelai bersumber dari Departemen Pertanian.
3.4 Metode pengumpulan data
Metode pengumpulan data yang digunakan dalam penelitian ini yaitu
dengan melakukan kunjungan ke Badan Pusat Statistik, Departemen
Pertanian, Departemen Perdagangan dan Bulog untuk memperoleh data yang
diperlukan dalam penelitian ini. Data juga diperoleh dari berbagai literatur,
buku referensi, bahan kuliah, internet, media cetak dan sumber-sumber
lainnya yang berkaitan dengan topik penelitian.
Universitas Indonesia
Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
35
3.5 Metode pengolahan data
Untuk pengujian terhadap hipotesa yang telah diajukan, dalam tesis ini
digunakan model ekonometrika persamaan simultan melalui penyusunan
model permintaan kedelai, harga kedelai dalam negeri serta impor. Persamaan
tersebut dikatakan simultan dikarenakan terdapat hubungan dua arah antara
variabel endogen dan variabel eksogen. Model persamaan simultan
merupakan suatu himpunan persamaan dengan peubah tak bebas dalam satu
atau lebih persamaan, juga merupakan peubah bebas dalam persamaan yang
lain. Pendugaan model dilakukan dengan metode Two Stage Least Square
(2SLS). Metode ini digunakan ketika model persamaan simultan adalah
terlalu teridentifikasi (overidentified). Program komputer yang digunakan
dalam penelitian ini adalah Eviews 4.1.
3.5.1 Spesifikasi Model
Model persamaan simultan membentuk suatu sitem persamaan
yang menggambarkan ketergantungan diantara berbagai variabel dalam
persamaan-persamaan tersebut.dalam model simultan, metode yang ideal
digunakan adalah metode sistem karena dengan metode ini menghasilkan
parameter yang memperhitungkan seluruh kaitan atau hubungan antar
variabel dalam seluruh persamaan di dalam model. Jika metode penaksiran
parameter dengan Ordinary Least Square (OLS) dari setiap persamaan
satu
persatu
diterapkan
tanpa
memperhatikan
kaitannya
dengan
persamaan-persamaan lain, maka hasil penaksiran yang diperoleh tidak
saja bias, tetapi juga tidak konsisten, artinya jika jumlah sampel ditambah
sampai tak terhingga, penaksirnya tidak akan mendekati atau tidak akan
mencerminkan nilai parameter yang sesungguhnya (disebut bias
persamaan simultan). Untuk model sistem persamaan simultan dalam
bentuk struktural yang lebih teridentifikasi digunakan metode TSLS. Jika
seluruh persamaan dalam model adalah overidentified, maka metode ini
paling cocok digunakan.
Universitas Indonesia
Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
36
3.5.2 Identifikasi Model
Identifikasi
diperlukan
untuk
mengetahui
bagaimana
cara
menyelesaikan sistem persamaan simultan yang ada atau apakah suatu
sitem persamaan simultan ada penyelesaiannya atau tidak. Ada tiga
masalah identifikasi pada persamaan simultan, dimana dari masing-masing
permasalahan identifikasi tersebut kita dapa mengetahui metode apa yang
tepat untuk menyelesaikan suatu sistem persamaan simultan yang kita
temui. Ketiga masalah tersebut adalah :
1. Under identified. Pada kasus ni kita tidak dapat menyelesaikan
sistem persamaan simultan yang ada, karena kita kekurangan
informasi yang menyangkut tentang variabel predetermine.
2. Exactly identified. Pada kasus ini sistem persamaan simultan yang
ada dapat diselesaikan dengan menggunakan metode OLS yang
disebut dengan metode recursive.
3. Over identified. Pada kasus ini sistem persamaan simultan yang ada
justru kelebihan informasi yang menyangkut variabel predetermine.
Jika metode OLS digunakan untuk permasalahan ini, maka nilai
parameter yang didapat mungkin tidak akan bersifat tunggal. Oleh
sebab itu metode sepert TSLS (Two Stage Least Square) dapat
digunakan untuk menyelesaikan masalah ini.
Cara lain yang sering digunakan untuk amsalah identifikasi pada
sistem persamaan simultan adalah dengan menggunakan prosedur
pengujian order dan rank condition. Mekanisme kedua prosedur pengujian
tersebut dapat dijelaskan sebagai berikut :
1.
Order Condition, dengan rumus :
(K-k) = (m-1) : exactly identified
(K-k) > (m-1) : over identified
(K-k) < (m-1) : under identified
Universitas Indonesia
Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
37
Dimana :
K
= Jumlah predetermined variables meliputi curent exogenous
variables dan lagged endogenous variables dalam model
k
= Jumlah
predetermined
variables
dalam
persamaan
struktural tertentu
M = Jumlah curent endogenous variables dalam model
m = Jumlah curent endogenous variables dalam persamaan
tertentu
Model yang dirumuskan terdiri dari tiga persamaan yaitu :
•
Ln(QD) = α1 + β1 Ln(HD) + β2 Ln(Y) + β3 Ln(POP) + e
8–4 >3–1
4 > 2 over identified
•
Ln(HD) = α2 + β4 Ln(HI) + e
8–2 >3–1
6 > 2 over identified
•
Ln(IM) = α3 + β5 Ln(QD) + β6 Ln(PD) + β7 Ln(BM) + e
8–3 >3–1
5 > 2 over identified
Model persamaan simultan yang digunakan pada persamaan di atas
diestimasi dengan menggunakan metode Two Stage Least Square
(TSLS) dikarenakan sebagian besar besar persamaan over
identified dan berdasarkan penelitian-penelitian sebelumnya.
Metode TSLS juga dapat mengatasi timbulnya bias simultan.
Sedangkan jika menggunakan metode Three Stage Least Square
(3SLS), kesalahan spesifikasi dari satu persamaan akan merembet
ke persamaan lain, sehingga koefisien yang diperoleh dari semua
persamaan akan bias.
Universitas Indonesia
Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
38
2.
Rank Condition
Berdasarkan syarat rank condition, suatu model identified jika ada
paling sedikit satu determinan tidak sama dengan nol dengan order
M-1.
Matriks persamaan simultan pada ketiga persamaan tersebut adalah
sebagai berikut :
Persamaan
1
2
3
1
-α1
-α2
-α3
QD
1
0
-β5
HD
-β1
1
0
Koefisien
IM
Y
POP
0
-β2
-β3
0
0
0
1
0
0
HI
0
-β4
0
PD
0
0
-β6
BM
0
0
-β7
Pada persamaan 1. tidak memasukkan variabel IM, HI, PD dan
BM yang ditunjukkan dengan angka 0 dalam baris pertama
persamaan 1. Untuk mengetahui apakah persamaan-persamaan
tersebut teridentifikasi atau tidak maka harus mencari matriks order
2x2 dari koefisien yang tidak ada dalam persamaan 1 tetapi ada di
persamaan yang lain dan kemudian dicari determinan matriks
tersebut sebagai berikut :
A=
0
-β4
1
0
Determinan matriks A ini tidak sama dengan 0, yang artinya
memenuhi rank condition sehingga persamaan ini teridentifikasi.
Suatu persamaan yang mempunyai M persamaan dikatakan
identified,
sekurang-kurangnya
mempunyai
satu
determinan
berdimensi (M-1) yang tidak sama dengan nol.
Pada persamaan 2. tidak memasukkan variabel QD, IM, Y, POP,
PD, BM pada baris kedua. Untuk mengetahui apakah persamaanpersamaan tersebut teridentifikasi atau tidak maka harus mencari
matriks order 2x2 dari koefisien yang tidak ada dalam persamaan 2
sebagai berikut :
B=
0
-β2
1
0
C=
0
-β3
1
0
Universitas Indonesia
Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
39
Determinan matriks B dan C ini tidak sama dengan 0, yang artinya
memenuhi rank condition sehingga persamaan ini teridentifikasi.
Pada persamaan 3. tidak memasukkan variabel HD, Y, POP, dan
HI pada baris ketiga. Matriks order 2x2 dari koefisien yang tidak
ada dalam persamaan 3 tetapi ada di persamaan yang lain adalah
sebagai berikut :
D=
-β1 -β2
1
0
E = -β1 -β3
1
0
Determinan matriks D dan E ini tidak sama dengan 0, yang artinya
memenuhi rank condition sehingga persamaan ini teridentifikasi.
3.5.3 Pengujian Statistik
Dalam pengujian ini diharapkan dapat diketahui variabel eksogen
mana yang berpengaruh terhadap variabel endogen, baik secara bersamasama, maupun secara parsial. Untuk itu diperlukan pengujian yang terdiri
dari Uji t, Uji F dan Uji R2
1.
Uji t-statistik
Untuk menguji apakah masing-masing variabel eksogen
berpengaruh nyata atau tidak terhadap variabel endogen, maka
digunakan uji statistik t dengan membandingkan thitung dengan ttabel.
Pengujian dengan statistik t terlebih dahulu diajukan hipotesa
sebagai berikut:
H0 diterima dan H1 ditolak bila : ttabel > thitung
H0 ditolak dan H1 diterima bila : ttabel < thitung
Hipotesis ini diuji dengan uji t pada daerah kritis dengan taraf
nyata sebesar α = 5% secara dua arah. Nilai t-statistik dapat juga
dilihat dari probabilitas (p-value). Jika nilai p-value lebih kecil dari
α, maka H0 ditolak, dan sebaliknya H0 diterima jika nilai p-value
lebih besar dari α.
Universitas Indonesia
Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
40
2.
Uji keeseluruhan (uji F) dilakukan
d
u
untuk
menngetahui ap
pakah
variabeel independden secara bersama-sam
b
ma mempeengaruhi varriabel
dependdennya. Hiipotesis unttuk melakuukan uji F adalah seebagai
berikuut :
H0 : Variabel
V
inddependen seecara bersam
ma-sama tiddak berpeng
garuh
s
signifikan
teerhadap varriabel depennden
H1 : Variabel
V
indeependen seccara bersam
ma-sama berrpengaruh
s
signifikan
teerhadap varriabel depennden
Unntuk mengeetahui apakah H0 ditollak atau gaggal ditolak maka
perlu dibandingka
d
an antara nilai
n
F-statistik dan nilai F-kritis,, atau
probabbilitas
F-sstatistik
(p-value)
(
masing-masing
varriabel
indepeenden dengaan α.
Tolak H0, jika F-sstatistik > nilai
n
F-kritiss
T
H0, jika p-value < α
Atau Tolak
Fk-1, N-kk =
3.
.
Uji R2
R2) merupakan ukurann persentasee total
Kooefisien detterminasi (R
variasii dalam Y yang dijeelaskan olehh model reegresi. Nilaai R2
berkisaar dari 0 saampai dengaan 1. Jika nilai
n
R2 menndekati 1 berarti
b
model yang dibuaat makin dap
pat diandalkkan. Sebalikknya jika niilai R2
dak dapat diiandalkan.
mendeekati 0 berarrti model tid
konometrik
ka
3.5.4 Peengujian Ek
1. Uji Multikoolinieritas
Uji multikolinie
m
eritas digu
unakan untuuk melihatt apakah dalam
d
persamaan yang didduga terdaapat hubunngan linearr antar peeubah
bebasnya.
Gejala
t
terjadinya
multikoliniearitas
addalah
koefisien
2
determinassi (R ) yanng didapat tinggi tetappi tidak saatupun koefisien
regresi parttialnya signnifikan.
Unive
ersitas Indo
onesia
Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
41
Konsekuensi
dari
model
regresi
yang
mengandung
multikolinearitas adalah bahwa kesalahan standar estimasinya akan
cenderung meningkat dengan bertambahnya variabel eksogen. Dalam
pengujian ini digunakan matriks korelasi yang menunjukkan koefisien
korelasi
antar
variabel
pembentuk
model.
Adanya
masalah
multikolinieritas jika dalam matriks korelasi antar variabel dari output
Eviews mempunya nilai lebih dari 0.8.
2. Uji Heteroskedastisitas
Uji yang menyatakan dengan asumsi populasi dari variabel
endogen yang mempunyai hubungan dengan berbagai variabel eksogen,
mempunyai varian yang sama.
Akibat dari pelanggaran uji ini
menyebabkan varian estimasi koefisien regresi tidak minimal lagi.
Pengujian heteroskedastisitas dapat dilakukan dengan uji White
Heteroscedasity. Hipotesis yang diuji adalah :
H0 : γ = 0, tidak terdapat heteroskedastisitas
H1 : γ ≠ 0, terdapat heteroskedastisitas
Wilayah kritik penolakan H0 adalah probabilitas obs*R-squared <
α, sedangkan wilayah penerimaan H0 adalah probabilitas obs*R-squared
> α. Jika H0 ditolak maka varians dari error term untuk setiap
pengamatan berbeda untuk setiap variabel bebas, sebaliknya jika H0
diterima maka varians dari error term untuk setiap pengamatan sama
untuk seluruh variabel bebas.
3. Uji Autokorelasi
Pengujian terhadap kemungkinan autokorelasi dilakukan untuk
melihat apakah terdapat korelasi antar anggota sampel yang diurutkan
berdasarkan waktu untuk data time series atau menurut urutan
tempat/ruang. Autokorelasi dapat diartikan sebagai korelasi sisaan yang
satu (ε1). Biasanya autokorelasi sering terjadi pada data time series.
Penyebab utama terjadinya autokorelasi adalah ada variabel penting
yang tidak digunakan dalam model. Pendeteksian autokorelasi dapat
Universitas Indonesia
Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.
42
dilakukan
dengan
melihat
probabilitas
obs*R-squared
dengan
menggunakan statistik Breusch-Godfrey Serial Correlation LM Test
yang tersedia pada program Eviews. Hipotesis dalam uji ini adalah :
H0 : ρ = 0, tidak terdapat autokorelasi
H1 : ρ ≠ 0, terdapat autokorelasi
Wilayah kritik penolakan H0 adalah probabilitas obs*R-squared <
α, sedangkan wilayah penerimaan H0 adalah probabilitas obs*R-squared
> α. Jika H0 ditolak maka terjadi autokorelasi (positif atau negatif)
dalam model. Sebaliknya jika H0 diterima maka tidak ada autokorelasi
dalam model.
Universitas Indonesia
Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.