Digital_136084 T 28028 Analisis Permintaan Metodologi

7/25/2019 Digital_136084 T 28028 Analisis Permintaan Metodologi

1/12

31 Universitas Indonesia

BAB 3

METODOLOGI PENELITIAN

Setelah memperhatikan karakteristik permintaan kedelai di Indonesia pada

bab terdahulu maka sekarang tiba saatnya untuk memodelkan faktorfaktor 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 metodeIndirect 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.

Analisis permintaan..., Dwi Sartika Adetama, FE UI, 2011.


2/12

32

Universitas Indonesia

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) = 1+ 1Ln(HD) + 2 Ln(Y) + 3 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) = 2+ 4Ln(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) = 3+ 5Ln(QD) + 6 Ln(PD) + 7 Ln(BM) + e---------------Pers.3

Keterangan :

IM : Impor kedelai (Ton)

QD : permintaan kedelai (Ton)

PD : produksi kedelai (Ton)

BM : bea masuk impor (%)



3/12

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



4/12

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.



5/12

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 akanmencerminkan 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.



6/12

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 variabelpredetermine.

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 variabelpredetermine.

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



7/12

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) = 1+ 1Ln(HD) + 2 Ln(Y) + 3 Ln(POP) + e

8 4 > 3 1

4 > 2 over identified

Ln(HD) = 2+ 4Ln(HI) + e

8 2 > 3 1


Ln(IM) = 3+ 5Ln(QD) + 6 Ln(PD) + 7 Ln(BM) + e

8 3 > 3 1


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.



8/12

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 :

PersamaanKoefisien

1 QD HD IM Y POP HI PD BM

1 -1 1 -1 0 -2 -3 0 0 0

2 -2 0 1 0 0 0 -4 0 0

3 -3 -5 0 1 0 0 0 -6 -7

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 -4

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 persamaan-

persamaan tersebut teridentifikasi atau tidak maka harus mencari

matriks order 2x2 dari koefisien yang tidak ada dalam persamaan 2

sebagai berikut :

B = 0 -2 C = 0 -3

1 0 1 0



9/12

39


Determinan matriks B dan C ini tidak sama dengan 0, yang artinya


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 = -1 -2 E = -1 -3

1 0 1 0

Determinan matriks D dan E ini tidak sama dengan 0, yang artinya


3.5.3 Pengujian Statistik

Dalam pengujian ini diharapkan dapat diketahui variabel eksogen

mana yang berpengaruh terhadap variabel endogen, baik secara bersama-

sama, 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 thitungdengan ttabel.

Pengujian dengan statistik t terlebih dahulu diajukan hipotesa

sebagai berikut:

H0diterima dan H1ditolak bila : ttabel > thitung

H0ditolak dan H1diterima bila : ttabel < thitung

Hipotesis ini diuji dengan uji t pada daerah kritis dengan taraf

nyata sebesar = 5% secara dua arah. Nilai t-statistik dapat juga

dilihat dari probabilitas (p-value). Jika nilai p-value lebih kecil dari

, maka H0 ditolak, dan sebaliknya H0 diterima jika nilai p-value

lebih besar dari .



10/12

3.5.4 Pe

1.

2. Uji k

variab

depen

beriku

H0 :

H1 :

U

perlu

proba

indepe

Tolak

Atau

Fk-1, N-

3. Uji R2

K

variasi

berkis

model

mende

ngujian E

Uji Multik

Uji

persamaan

bebasnya.

determinas

regresi par

eseluruhan

el indepen

ennya. Hi

t :

ariabel in

ignifikan t

ariabel ind

ignifikan t

tuk meng

dibandingk

ilitas F-

nden deng

H0, jika F-

olak H0, ji

k = .

oefisien de

dalam Y

r dari 0 sa

yang dibua

kati 0 bera

onometri

olinieritas

multikolini

yang di

Gejala t

i (R2) yan

ialnya sign

(uji F)

en secara

potesis un

ependen s

rhadap var

ependen se

rhadap var

tahui apak

an antara

statistik

n .

tatistik >

ka p-value

erminasi (

yang dije

mpai deng

t makin da

ti model ti

a

eritas digu

uga terda

erjadinya

g didapat

ifikan.

ilakukan

ersama-sa

uk melak

cara bersa

iabel depe

ara bersa

iabel depe

ah H0 ditol

ilai F-stati

(p-value)

ilai F-kritis

<

2) merupa

laskan ole

n 1. Jika

at diandal

ak dapat d

nakan unt

pat hubu

multikolin

tinggi teta

Univ

ntuk me

a mempe

kan uji F

a-sama ti

den

a-sama ber

den

ak atau ga

stik dan ni

masing-m

kan ukura

model r

ilai R2me

an. Sebali

andalkan.

k meliha

gan linea

iearitas a

i tidak s

rsitas Indo

getahui a

ngaruhi va

adalah se

dak berpen

pengaruh

al ditolak

lai F-kritis,

asing va

persentase

egresi. Nil

dekati 1 b

nya jika ni

apakah

antar p

alah koe

tupun koe

40

nesia

akah

iabel

bagai

aruh

maka

atau

iabel

total

i R2

erarti

laiR2

alam

ubah

fisien

fisien



11/12

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: = 0, tidak terdapat heteroskedastisitas

H1: 0, terdapat heteroskedastisitas

Wilayah kritik penolakan H0 adalah probabilitas obs*R-squared . 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 (1). Biasanya autokorelasi sering terjadi pada data time series.

Penyebab utama terjadinya autokorelasi adalah ada variabel penting

yang tidak digunakan dalam model. Pendeteksian autokorelasi dapat



12/12

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: = 0, tidak terdapat autokorelasi

H1: 0, terdapat autokorelasi

Wilayah kritik penolakan H0 adalah probabilitas obs*R-squared . Jika H0 ditolak maka terjadi autokorelasi (positif atau negatif)

dalam model. Sebaliknya jika H0 diterima maka tidak ada autokorelasi

dalam model.

A li i i t D i S tik Ad t FE UI 2011

Documents

Digital_136084 T 28028 Analisis Permintaan Metodologi