SEMINAR PROPOSAL PENELITIAN

ANALISIS IMPOR SAYUR DAN BUAH DI INDONESIA

PADA TAHUN 2012 – 2021

Disusun Oleh :
Alfina Eka Titania
201910180311054

PROGRAM STUDI EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS MUHAMMADIYAH MALANG
2023
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Masing-masing negara memiliki sumber daya alam dan kebutuhan yang
berbeda antara satu negara dengan negara lain. Dalam memenuhi kelebihan
atau kekurangan, maka dilakukan kerjasama internasional, tujuan dari
kerjasama internasional adalah untuk memenuhi dan menghidupi negara.
Kerjasama internasional dapat diartikan sebuah cara untuk memenuhi
kepentingan masing - masing pihak. Dalam melakukan kerjasama dibutuhkan
wadah yang dapat memperlancar kegiatan kerjasama tersebut, salah satu
bentuk kerjasama internasional dalam bidang perdagangan adalah
perdagangan internasional.
Hampir semua negara pernah melakukan perdagangan internasional, tanpa
terkecuali Indonesia. Cara yang dilakukan yaitu melakukan pertukaran barang
dan jasa melalui kegiatan ekspor dan impor. Kegiatan ekspor terjadi ketika
sebuah negara memiliki sumber daya yang melimpah, sedangkan kegiatan
impor terjadi ketika kebutuhan negara belum tercukupi. Semakin berkembang
ekspor dan impor merupakan bentuk dari meluasnya perdagangan bebas.
Perbedaan nilai ekspor dan impor disebut neraca perdagangan, ketika nilai
ekspor lebih besar dari impor maka neraca perdagangan bernilai positif,
sedangkan ketika nilai impor lebih besar dari nilai ekspor neraca perdagangan
bernilai negatif. Untuk melaksanakan ekspor dan impor pada suatu negara ada
hal yang harus diperhatikan yaitu pertumbuhan ekonomi. Besarnya
pertumbuhan ekonomi dilihat dari PDB, yang dihitung dari seluruh nilai
barang dan jasa yang diproduksi dalam suatu wilayah dengan waktu tertentu.
Ada beberapa sektor yang disusun dalam menghitung nilai PDB yaitu,
sektor pertanian, pertambangan dan penggalian, industri pengolahan,
pengadaan listrik dan gas, pengadaan air, pengadaan air, pengelolaan sampah,
limbah dan daur ulang, konstruksi, perdagangan besar dan eceran, reparasi
mobil dan sepeda motor, transportasi dan pergudangan, penyediaan akomodasi
dan makan minum, informasi dan komunikasi, jasa keuangan dan asuransi,
real estate, jasa perusahaan, administrasi pertahanan dan jaminan sosial wajib,
 jasa pendidikan, jasa kesehatan dan kegiatan sosial, jasa lainnya.
Luasnya lahan pertanian dan tingkat kesuburan tanah Indonesia membuat
Indonesia mudah untuk menghasilkan produk-produk pertanian yang
digunakan sebagai konsumsi masyarakat Indonesia. Tetapi semakin banyak
lahan-lahan pertanian Indonesia yang terkena alih fungsi lahan, dimana lahan
pertanian yang subur dialih fungsikan dan dijadikan rumah pemukiman atau
gedung-gedung perusahaan yang menyebabkan lahan pertanian menjadi
semakin berkurang.
Berkurangnya hasil pertanian yang dapat mengakibatkan kekurangan
bahan pokok makanan selain disebabkan oleh banyaknya terjadi alih fungsi
lahan juga disebabkan oleh peningkatan jumlah penduduk. Dengan
meningkatnya jumlah penduduk di Indonesia menyebabkan terjadi
peningkatan konsumsi makanan khususnya sayuran di Indonesia. Menurut
BPS , tidak terjadinya penurunan konsumsi sayuran di kota-kota besar yang
disebabkan masih tingginya daya beli masyarakat terhadap sayuran. Penyakit
yang ditimbulkan jika mengabaikan konsumsi sayuran yaitu sembelit, flu,
gangguan pencernaan, stres atau depresi, gangguan mata, artritis, kulit keriput,
daya tahan fisik lemah, tekanan darah tinggi, gusi berdarah, osteoporosis,
jerawat, sariawan, kelebihan kolesterol darah, kulit kusut, dan kanker.
Terkait masalah yang di timbulkan karena Indonesia belum cukup
memenuhi kebutuhan sayur dann buah di Indonesia. Menyebabkan Indonesia
harus mengimpor sayur dan buah dari luar negeri. Dari ketidak seimbangan
tersebut penelitian ini berfokus pada faktor – faktor yang mempengaruhi
impor sayur dan buah di Indonesia.
1.2 Rumusan Masalah
1. Apakah variabel PDB dapat mempengaruhi impor sayur dan buah di
Indonesia?
2. Apakah variabel inflasi dapat mempengaruhi impor sayur dan buah di
Indonesia?
3. Apakah variabel kurs nilai mata uang dapat mempengaruhi impor sayur
dan buah di Indonesia?
4. Apakah variabel PDB , inflasi dan kurs nilai mata uang dapat
 mempengaruhi secara parsial impor sayur dan buah di Indonesia?
1.3 Tujuan Penelitian
- Menganalisis variabel PDB terhadap impor sayur dan buah di Indonesia.
- Menganalisis variabel inflasi terhadap impor sayur dan buah di Indonesia?
- Menganalisis variabel kurs nilai mata uang terhadap impor sayur dan buah di
Indonesia?
- Menganalisis variabel PDB , inflasi dan kurs nilai mata uang secara parsial
impor sayur dan buah di Indonesia?
1.4 Manfaat Penelitian
1. Penelitian ini dapat memberikan wawasan serta pengetahuan tentang
perkembangan impor sayur dan buah , sehingga dapat mengurangi volume
impor sayur dan buah di Indonesia
2. Penelitian ini dapat memberikan pengetahuan mengenai faktor-faktor yang
mempengaruhi impor sayur dan buah di Indonesia
3. Penelitian ini diharapkan dapat digunakan oleh Direktorat Jenderal
Hortikultura untuk mengurangi volume impor sayur dan buah di Indonesia.
1.5 Batasan Masalah
Hanya membahas dan menganalisis secara metode kuantitatif , mengenai
variabel PDB, Inflasi dan Kurs nilai mata uang terhadap Impor sayur dan buah
di Indonesia.
 BAB II
TINJUAN PUSTAKA
2.1 Penelitian Terdahulu
Hasil dalam penelitian menunjukan bahwa berdasarkan nilai rata-rata Indeks
Spesialisasi Perdangangan (ISP) sebesar -0,455583904 artinya bahawa
Indoensia masih negara impotri dan memiliki dayang yang lemah terhadap
perdagangan komoditi buah-buahan, untuk nilai rata-rata Import Dependecy
Ratio sebesar 2,8 persen artinya bahwa negara indonesia tidak ketergantungan
pada impor buah dengan membandingkan nilai Self Sufficiency Ratio sebesar
98 persen, sedangkan nilai revealed comperatif advantage sebesar 0,095 dan
nilai Revealed Symetric Comperatif Advantage sebesar -0,825 artinya
Indonesia tidak memiliki keunggulan komperatif yang masih rendah.(Hayati
Lubis IAINPadangsidimpuan Jalan Rizal Nurdin Km, 2018)
Hubungan bilateral Indonesia dengan China jelas merupakan yang terbesar di
China mitra dagang di Indonesia. Dilihat dari nilai perdagangan sebesar 47
miliar dolar pada tahun 2016. Jumlah ekspor yang lebih kecil dari jumlah
impor menunjukkan bahwa untuk jeruk komoditas, negara Indonesia untuk
konsumsi dalam negeri masih tergantung pada impor dari negara lain. Juga
dipengaruhi oleh kebijakan harga, rasa, dan jeruk pemasaran.(Saphira et al.,
2017)
Dalam penelitian ini juga diketahui, secara umum hubungan antara laju
pertumbuhan ekonomi dengan beberapa besaran kinerja perdagangan
internasional tidak menunjukkan hubungan yang signifikan baik untuk
tanaman pangan, hortikultura, perkebunan, dan produk ternak. Indonesia
semakin mendekati tahap swasembada, terutama untuk tanaman pangan, tetapi
untuk komoditas sektor pertanian lainnya, masih sangat tergantung pada impor
untuk memenuhi kebutuhan konsumsi domestik.(Parmadi * & Zulgani, 2018)
Hasil penelitian menunjukkan bahwa mengacu pada Model Pengembangan
Kerjasama Indonesia-Singapura Dalam Bidang Pangan oleh Denada
Faraswacyen L. Gaol dan Rusdiyanta (2017), sejak pembentukan ISAWG
2010, realisasi ISAWG tersebut dibagi tiga yaitu: (1) meningkatkan kinerja
ekspor Indonesia dalam produk holtikultura. Upaya ini dilakukan dengan
prioritas dan fokus pengembangan tiga provinsi sebagai sumber produk
hortirkultura yang akan di ekspor ke Singapura yaitu Sumatera Utara, Jawa
Tengah dan Jawa Timur. (2) Meningkatkan kualitas dan kuantitas buah dan
sayuran. Upaya ini dilakukan dengan melihat tiga pihak yaitu peneliti, petani
dan pemerintah. Peneliti menciptakan teknologi untuk perbaikan mutu produk
hortikultura, petani menerapkan teknologi tersebut dengan mendapatkan
pelatihan/training, serta pendidikan formal bidang pertanian dan terakhir peran
pemerintah memberikan bantuan dana, alat pertanian dan akses pemasaran ke
pasar Singapura. (3) Memperkuat kerjasama antara eksportir Indonesia dan
importir Singapura.(Sucita & Prasetya, 2021)
Penelitian ini menunjukkan bahwa, di satu sisi, meningkat dalam tarif impor
bawang merah akan meningkatkan harga, pendapatan pemerintah dan
kesejahteraan bersih, serta meningkatkan kesejahteraan produsen. Di sisi lain,
hal itu juga akan menurunkan penawaran, permintaan, dan impor sebagai
pengganggu kesejahteraan konsumen. Untuk mengantisipasi penurunan harga
bawang merah dunia dan untuk meningkatkan bawang merah kemakmuran
produsen dan kemakmuran bersih di Indonesia, disarankan agar Pemerintah
Indonesia membatasinya impor bawang merah dengan mengenakan tarif
impor (di atas 9%).(Fitriana et al., 2019)
2.2 Landasan Teori
Teori Perdagangan Internasional
Perdagangan internasional merupakan akibat dari reaksi permintaan dan
penawaran suatu barang dan jasa. Reaksi ini menunjukkan sektor manakah
yang lebih dominan dalam memenuhi kebutuhan negara. Menurut Setiawan
(2011) perdagangan internasional adalah kegiatan yang dilakukan oleh satu
penduduk negara dengan negara lain sebagai bentuk kesepakatan bersama.
Dalam Sobri (2001) menjelaskan perdagangan internasional adalah
rangkaian transaksi beberapa subyek dalam bidang ekonomi antarnegara.
Subyek yang dimaksud terdiri dari warga negara, perusahaan ekpor dan impor,
perusahaan industri, perusahaan negara maupun pemerintahan yang bisa
dilihat dari transaksi negara perdagangan. Dalam melaksanakan perdagangan
internasional akan terjadi apabila terdapat pihak yang memperoleh keuntungan
dan tidak terdapat pihak yang dirugikan. Manfaat yang diperoleh dari
perdagangan internasional disebut manfaat perdagangan atau gains from trade.
Secara sederhana perdagangan internasional adalah pertukaran barang dan jasa
antar negara.
Tujuan dari perdagangan internasional adalah untuk mencari keuntungan,
dan dapat terlaksana apabila terdapat permintaan serta penawaran pada pasar
internasional. Alasan utama perdagangan internasional, yaitu pertama
perbedaan produk antara negara satu dengan negara yang lain. Kedua, untuk
mencapai skala dalam produksi. Menurut Sukirno (2011) alasan lain menjadi
penyebab terjadi perdagangan internasional sebagai berikut:
a) Perbedaan kekayaan yang dimiliki untuk menghasilkan barang yang dapat
diproduksi. Dengan perdagangan internasional maka akan mempermudah
produksi dalam negeri.
b) Dengan adanya spesialisasi maka memudahkan negara untuk
mengefisiensikan produksi dengan menggunakan faktor-faktor produksi dalam
negeri atau mengimpor barang tersebut. Tujuannya untuk meminimalkan
biaya produksi dan penggunaan sumber daya yang terbatas.
c) Memperluas pasar dalam negeri. Saat melakukan perdagangan
internasional, berarti negara tersebut sedang memperluas pangsa pasar. Hal ini
terjadi karena harus dapat memenuhi kebutuhan dalam dan luar negeri.
d) Untuk meningkatkan teknologi yang modern. Ketika suatu negara
melakukan perdagangan luar negeri, maka memberikan peluang kepada
negara tersebut untuk mempelajari teknik produksi yang lebih efisien.
Dalam perdagangan internasional terdapat dua kegiatan yang dilakukan
yaitu ekspor dengan impor. Ekspor adalah kegiatan menjual barang atau jasa
ke negara lain, sedangkan impor kegiatan membeli barang atau jasa dari
negara lain. Kedua kegiatan ini saling menguntungkan karena dapat sama
membantu kebutuhan negara. Perdagangan internasional merupakan faktor
yang dapat merangsang sektor lain untuk dapat tumbuh. Karena dapat
meningkatkan konsumsi dan output negara. Terdapat faktor-faktor pendorong
perdagangan internasional, menurut Apridar (2009) faktor pendorong, sebagai
berikut:
1. Untuk memenuhi kebutuhan barang dan jasa dalam negeri
2. Untuk menambah keuntungan serta pendapatan negara
3. Terdapat kemampuan yang berbeda pada bidang teknologi dan ilmu
pengetahuan
4. Melimpahnya sumber daya dalam negeri, sehingga timbulnya
permintaan
5. Adanya perbedaan sumber daya alam, iklim tenaga kerja, budaya dan
jumlah penduduk yang menyebabkan perbedaan hasil produksi
6. Memiliki kesamaan selera terhadap suatu barang
7. Adanya dukungan dari negara lain untuk membuka kerjasama
8. Terjadinya era globalisasi sehingga tidak ada satu negara dapat hidup
sendiri
2. Hortikultura
Pengertian Hortikultura
Hortikultura berasal dari bahasa latin, yaitu hortus (kebun) dan colere
(menumbuhkan). Secara harfiah hortikultura berarti ilmu yang mempelajari
budidaya tanaman kebun. Menurut Zulkarnain (2009) para pakar
mendefinisikan hortikultura sebagai ilmu yang mempelajari budidaya tanaman
sayuran, buah-buahan, bunga-bungaan dan tanaman hias. Tanaman
hortikultura dibudidayakan sesuai dengan kondisi sekitar. Pada tanaman
hortikultura pertumbuhan sangat bergantung pada lingkungan dimana tanaman
tersebut berasal. Apabila tanaman hortikultura ditanam pada lingkungan
bukan pada asalnya, besar kemungkinan tidak dapat tumbuh karena tidak
memenuhi syarat tumbuhnya.
Prospek yang dihasilkan dari tanaman hortikultura menurut Direktorat
Jenderal Hortikultura (2013) memberikan kontribusi yang positif terhadap
indikator ekonomi makro. Rata-rata pertumbuhan permintaan pasar terhadap
produk hortikultura mencapai 11 persen, sedangkan pada sektor perkebunan
dan tanaman pangan masih berkisar 7-8 persen. Kondisi ini menunjukkan
semakin tingginya kesadaran masyarakat akan pentingnya hortikultura yang
tidak hanya sebagai bahan pangan, tetapi juga pada aspek kesehatan, estetika
dan lingkungan. Kini hortikultura telah menjadi sumber pendapatan bagi
petani baik skala kecil, menengah dan besar bahkan daerah-daerah yang telah
dikenal sebagai icon hortikultura. Tanaman hortikultura merupakan jenis
tanaman sebagai penunjang pemenuhan gizi masyarakat seperti vitamin,
protein dan karbohidrat, serta sebagai penunjang kegiatan agrowisata dan
agroindustri. Hal ini menunjukkan bahwa hortikultura memiliki aspek yang
luas untuk dikembangkan.
Berdasarkan kegunaannya, pengelompokkan tanaman hortikultura terbagi
menjadi beberapa jenis tanaman yaitu :
1. Tanaman Buah-Buahan
2. Tanaman Sayuran
3. Tanaman Bunga-bungaan
4. Tanaman Obat-obatan
Menurut Zulkarnain (2009) ciri-ciri tanaman hortikultura yang dihasilkan
sebagai berikut:
1. Mudah atau Cepat Busuk (perishable)
Karakteristik dari tanaman hortikultura dikenal mudah rusak, sehingga perlu
perlakuan khusus dan penanganan khusus pasca panen agar dapat lebih tahan
lama.
2. Terdapat Kandungan Air (water content)
Tanaman hortikultura dipanen dalam keadaan segar, sehingga terdapat
kandungan air yang cukup.
3. Bersifat Musiman atau Meruah (voluminous atau bulky)
Terdapat beberapa jenis tanaman hortikultura yang bersifat musiman, hal ini
memberikan dampak pada tidak tersedia setiap saat. Saat masa panen tiba
yang bersamaan membuat harga yang diberikan umumnya lebih murah
dibandingkan saat diluar musim.
4. Harga Ditentukan Kualitas Bukan Kuantitas
Penting memperhatikan kualitas dari produk hortikultura yang dihasilkan.
Apabila produk memiliki kualitas yang baik maka akan bernilai jual tinggi,
untuk mempertahankan agar memiliki nilai lebih diperlukan bibit yang unggul
serta penanganan yang baik saat pra pa…
2. Terdapat Kandungan Air (water content)
Tanaman hortikultura dipanen dalam keadaan segar, sehingga terdapat
kandungan air yang cukup.
3. Bersifat Musiman atau Meruah (voluminous atau bulky)
Terdapat beberapa jenis tanaman hortikultura yang bersifat musiman, hal ini
memberikan dampak pada tidak tersedia setiap saat. Saat masa panen tiba
yang bersamaan membuat harga yang diberikan umumnya lebih murah
dibandingkan saat diluar musim.
4. Harga Ditentukan Kualitas Bukan Kuantitas
Penting memperhatikan kualitas dari produk hortikultura yang dihasilkan.
Apabila produk memiliki kualitas yang baik maka akan bernilai jual tinggi,
untuk mempertahankan agar memiliki nilai lebih diperlukan bibit yang unggul
serta penanganan yang baik saat pra panen dan pasca panen.
5. Sumber Vitamin dan Karbohidrat
Berbeda dengan kebutuhan pokok, pada produk hortikultura memiliki
kandungan vitamin dan mineral, yang apabila tidak dipenuhi maka akan
berakibat pada kesehatan.
Impor
Suatu kegiatan pembelian barang dan jasa dari luar negeri dengan
perjanjian kerjasama antara dua negara. Impor juga bisa dikatakan sebagai
perdagangan internasional yang melibatkan dua negara atau lebih dengan cara
memasukkan barang dan jasa dari luar teritori suatu negara ke wilayah dalam
negeri dengan mematuhi ketentuan-ketentuan yang berlaku (Hutabarat, 1996).
Manfaat Impor
Impor yaitu memasukkan barang dari luar negeri ke dalam negeri. Apapun
jenis kegiatan baik ekspor dan impor juga memiliki manfaat, manfaat yang
diberikan dengan adanya kegiatan impor yaitu:
1. Memperoleh Barang yang Tidak Bisa Dihasilkan Sendiri
Mengetahui setiap negara memiliki sumber daya alam yang berbeda serta
kemampuan untuk mengolah sumber daya alam yang berbeda juga. Hal ini
disebabkan kondisi letak geografis, topografi dan kuantitas sumber daya yang
tidak sama dengan wilayah lain. Dengan dilakukannya perdagangan
antarnegara maka memperoleh barang yang tidak bisa dihasilkan dalam
negeri.
2. Memperoleh Teknologi Modern
Dengan adanya perdagangan antarnegara, maka manfaat yang didapatkan
adalah transformasi dari teknologi. Jika sumber daya teknologi di negara kita
masih rendah, maka perdagangan antarnegara menjadi salah satu cara untuk
mempelajari teknologi dari negara lain. Hal ini disebabkan oleh pertukaran
informasi antar berbagai pihak.
3. Memperoleh Bahan Baku
Untuk memproduksi sebuah barang, diperlukan bahan baku sebagai penunjang
dalam proses produksi. Setiap negara memiliki keterbatasan bahan baku yang
dihasilkan. Oleh sebab itu, dibutuhkan impor bahan baku yang tidak dapat
diproduksi negara sendiri. Bahan baku ini merupakan sumber kelangsungan
bagi sebuah produksi barang dan jasa.
Pertumbuhan Ekonomi
Kuat atau lemahnya suatu perekonomian negara akan terlihat dari
pertumbuhan ekonomi negara tersebut. Mankiw (2003) mengatakan bahwa
kondisi makroekonomi yang bertumbuh dengan positif tentunya akan
mendorong sector – sector pertumbuhan yang akan meningkatkan pendapatan
nasional suatu negara. Pertumbuhan ekonomi dapat dikatakan sebagai
kenaikan Produk Domestik Bruto (PDB) riil suatu negara pada tahun tertentu
yang ditunjukkan oleh naiknya pendapatan per kapita dalam perekonomian
suatu negara.(Rudiawan, 2019)
Inflasi
Inflasi dapat diartikan sebagai tingkat kenaikan tingkat harga barang dan
jasa secara umum dan terus menerus selama waktu tertentu yang
dipresentasikan dalam bentuk prosentase. Inflasi juga dapat didefinisikan
sebagai kecenderungan dari harga-harga yang naik secara umum dan terus
menerus dalam jangka waktu yang lama. Kenaikan harga dari satu atau dua
barang saja tidak disebut inflasi kecuali bila kenaikan tersebut meluas kepada
dengan mengakibatkan kenaikan sebagian besar dari harga barang-barang lain
(Budiono, 2009). Menurut Sadono Sukirno (2003), naiknya harga-harga
barang secara umum dapat disebabkan oleh tiga faktor yaitu banyak jumlah
uang yang beredar, kecepatan uang yang beredar dan tingkat jumlah barang
yang diperdagangkan di pasaran.
Kurs Nilai Mata Uang
Nilai tukar rupiah merupakan perbandingan nilai atau harga mata uang
suatu negara dengan mata uang negara lain, misalnya mata uang Rupiah
Indonesia dibandingkan dengan US Dollar. Salvatore (2008) mengatakan
bahwa nilai tukar merupakan perbandingan perdagangan dari nilai mata uang
suatu negara yang diperbandingkan nilai perdagangannya dengan nilai mata
uang negara-negara lain yang disebut kurs valuta asing.
2.3 Kerangka Berpikir

Impor Sayur dan Buah Di

Indonesia

Analisis Faktor Yang

Mempengaruhi
 BAB III

METODE PENELITIAN

3.1 Jenis Penelitian

Analisis regresi berganda dengan menggunakan data time series . Analisis regresi
berganda dalam penelitian ini digunakan untuk mengetahui apakah variabel PDB ,
Inflasi dan Kurs Nilai Mata Uang berpengaruh secara simultan terhadap Impor
Sayur dan Buah yang ada di Indonesia pada Tahun 2012 – 2021.

3.2 Sumber Data

Dari data sekunder yang berasal dari badan pusat statistik di Indonesia pada tahun
2012 – 2021.

3.3 Teknik Analisis Data

Pengolahan dan analisa data statistik dilakukan dengan program Eviews 9.

Manfaat dari garis regresi adalah untuk memperkirakan nilai variabel terikat dari
variabel bebas jika variabel bebas tersebut telah diketahui. Pengujian dilakukan
dengan asumsi adanya hubunga diantara variabel yang akan diteliti, yang dapat
dilakukan meliputi uji hipotesis. Besarnya Idpha yang digunakan adalah 5%.
Bentuk persamaan dari regresi berganda dalam penelitian ini adalah:

Dimana :

Y ¿ =β 1¿ + β 2¿ + β 3¿ + ϵ ¿

=intersep

=koefisien

Y = Impor Sayur dan Buah

X1 = PDB
X2 = Inflasi

X3 = Kurs Nilai Mata Uang

3.4 Uji Asumsi Klasik

Uji Normalitas

Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai

sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data
tersebut berdistribusi normal ataukah tidak.

Heterokedastisitas

Uji White

Uji White ini diperkenalkan oleh Halbert White pada tahun 1980. Beliau adalah
seorang profesor ilmu ekonomi dari Universitas California. Uji ini sudah sangat
umum digunakan oleh para peneliti di seluruh dunia, dan termasuk uji
heteroskedastisitas yang paling populer.

Pada dasarnya cara kerja uji ini dilakukan dengan menjadikan residual (dari
persamaan regresi yang dikuadratkan) sebagai variabel independen menggantikan
variabel Y dalam model asli. Sedangkan yang menjadi variabel independennya
adalah variabel independen model asal ditambah variabel interaksi antar variabel
(perkalian antar variabel) serta kuadrat setiap variabel.

Uji Glejser

Uji Glejser dilakukan dengan meregresikan variabel-variabel bebas terhadap nilai

absolut residualnya (Gujarati, 2004). Sebagai pengertian dasar, residual adalah
selisih antara nilai observasi dengan nilai prediksi; dan absolut adalah nilai
mutlaknya. Sebagai ilustrasi, berikut adalah regresi antara kecerdasan emosional
(KE) dan kecerdasan spiritual (KS) terhadap kinerja auditor (KA)

KA = a + b1 KE + b2 KS

Uji Breusch Pagan Godfrey

Salah satu pelopor uji heteroskedastisitas residual adalah uji Breusch-Pagan, yang
melakukan regresi auxliliary dengan menjadikan residu kuadrat sebagai variabel
independen. Uji ini diekembangkan oleh Trevor Breusch dan Adrian Pagan pada
tahun 1979.

Uji ini dilakukan untuk membuktikan apakah varians kesalahan dari regresi
tergantung pada nilai-nilai variabel independen. Ingat bahwa model regresi terbaik
mengasumsikan bahwa varians residual yang dihasilkan adalah konstan, ini berarti
bahwa berapapun nilai variabel independennya variasi residual tetap konstan. Ini
artinya variabel independen tidak mempunyai pengaruh signifikan terhadap nilai
kuadrat residualnya.

Uji ini dilakukan dengan meregreskan residu kuadrat (sebagai variabel dependen)
dengan variabel independen model asli. Regresi auxliliary ini, jumlah kuadrat
(SSE) tetap dipakai, dibagi dua, dan kemudian menjadi statistik uji untuk
distribusi chi-square dengan derajat kebebasan sama dengan jumlah variabel
independen. Hipotesis nol (Ho) dari uji chi-squared ini adalah tidak ada
heteroskedastisitas (homoskedastik) di model regresi, dan hipotesis alternatifnya
(Ha) adalah adanya gejala heteroskedastisitas di model regresi yang dihasilkan.

Autokorelasi

Uji Durbin Watson

Tabel Durbin Watson adalah tabel pembanding dalam uji autokorelasi. Dalam
dunia statistik, Uji Durbin Watson adalah sebuah test yang digunakan untuk
mendeteksi terjadinya autokorelasi pada nilai residual (prediction errors) dari
sebuah analisis regresi. Yang dimaksud dengan Autokorelasi adalah “hubungan
antara nilai-nilai yang dipisahkan satu sama lain dengan jeda waktu tertentu”.

Uji Breusch – Godfrey

Tes Breusch-Godfrey adalah sebagai uji Pengganda Lagrange yang berasal dari

fungsi kemungkinan (ditentukan dengan benar) (dan dengan demikian dari prinsip
pertama). Tes Ljung-Box didasarkan pada momen kedua residual dari proses
stasioner (dan dengan demikian bersifat relatif lebih ad-hoc).
Multikolinieritas

Uji Korelasi

Uji korelasi merupakan statistik bivariat yang mengandung tingkat hubungan

linear di antara dua variabel kuantitatif. Korelasi mengukur derajat hubungan
antara 2 atau lebih variabel. Hubungan antara 2 Variabel (Misal X dan Y) dapat
linear, non-linear, positif atau negatif.

Uji Vif

Uji VIF (variance infation factor) merupakan pengujian yang lebih cermat dalam
membuktikan adanya multikolinieritas dalam sebuah model regresi. Pengujian ini
akan menghasilkan simpulan yang lebih dipercaya bila dibandingkan dengan
korelasi biasa. Uji VIF inilah yang akan memberikan informasi lebih akurat
tentang Uji VIF inilah yang akan memberikan informasi lebih akurat tentang ada
atau tidaknya multikolinieritas di model regresi berganda.

3.5 Estimasi Regresi

Dalam estimasi regresi mempunyai persamaan yang disebut sebagai persamaan

regresi. Persamaan regresi mengekspresikan hubungan linier antara variabel
tergantung / variabel kriteria yang diberi simbol Y dan salah satu atau lebih
variabel bebas / prediktor yang diberi simbol X jika hanya ada satu prediktor dan
X1, X2 sampai dengan Xk, jika terdapat lebih dari satu prediktor

Dalam pengujian Estimasi regresi yaitu :

1. jika koefisien variabel X bernilai positif maka mempunyai arti yaitu

setiap kenaikan 1 persen variabel Y maka variabel X akan meningkat
sebesar x% (hasil pada koefisien variabel X yang terkait)

2. Jika koefisien variabel X bernilai negatif maka mempunyai arti yaitu

setiap kenaikan 1 persen variabel Y maka variabel X akan menurun
sebesar x% (hasil pada koefisien variabel X yang terkait)

3.6 Uji Hipotesis

1. Uji t (T Test)
Untuk menguji hipotesis secara parsial, merupakan uji yang digunakan untuk
mengetahui dan mengukur variabel-variabel mana yang mempunyai keeratan
pengaruh yang paling tinggi atau kuat, dan mana yang mempunyai keeratan
pengaruh yang paling rendah atau lemah terhadap variabel terikat (Y).

Dimana:

bi = Koefisien regresi

sbi = standar deviasi

Besarnya α yang digunakan dalam penelitian ini adalah sebesar 5% sedangkan

hipotesismya adalah sebagai berikut:

H0 : = = 0, artinya tidak terdapat pengaruh yang signifikan antara semua variabel

bebas terhadap variabel terikat.

H0: ≠ ≠ 0, artinya terdapat pengaruh secara signifikan antara semua variabel bebas
terhadap variabel terikat.

Adapun kriteria penilaiannya adalah :

1) Ho diterima jika t hitung < t table atau tidak signifikan.

2) Ho ditolak jika t hitung > t table atau signifikan.

2. Uji F (F Test)

Untuk menguji hipotesis secara simultan, alat uji yang dipergunakan adalah
koefisien korelasi ( R ) dan koefisien determinasi (). Koefisien korelasi dan
koefisien determinasi merupakan uji yang digunakan untuk mengetahui keeratan
pengaruh antara variabel bebas (X) dengan variabel terikat (Y).

Untuk mengetahui apakah variabel bebas secara serentak atau bersama-sama

mempengaruhi terhadap variabel bebas.

Dimana:

= Koefisien Determinasi

= Jumlah variabel yang digunakan

= Jumlah sampel

Rumusan hipotesa:

H0: = = 0, artinya tidak terdapat pengaruh yang serentak antara semua variabel
bebas terhadap variabel terikat.

H0: ≠ ≠ 0, artinya terdapat pengaruh secara serentak antara semua variabel bebas
terhadap variabel terikat.

Adapun kriteria penilainnya adalah sebagai berikut:

1) Ho diterima bila F hitung < F table atau tidak signifikan.

2) Ho ditolak bila F hitung > F table atau signifikan.

R – Squared

R squared merupakan angka yang berkisar antara 0 sampai 1 yang

mengindikasikan besarnya kombinasi variabel independent secara bersama – sama
mempengaruhi nilai variabel dependen.

- Jika R-Squared Semakin mendekati angka satu, maka model yang

dikeluarkan oleh regresi tersebut akan semakin baik.
 BAB IV

HASIL DAN PEMBAHASAN

Data Asli ( Sebelum Di Log )

Tahun Impor Sayur Buah (Y) PDB (X1) Inflasi (X2) Kurs (X3)
2012 1621311,9 9,1787E+11 3,8 9386,63
2013 1314264,7 9,1252E+11 5 10461,24
2014 1433398,7 8,9081E+11 5,4 11865,21
2015 1173007,6 8,6085E+11 4 13389,41
2016 1255958,4 9,3188E+11 2,4 13308,33
2017 1572585,6 1,02E+12 4,3 13380,83
2018 1567542,4 1,04E+12 3,8 14236,94
2019 1494509,3 1,12E+12 1,6 14147,67
2020 1558191,5 1,06E+12 -0,4 14582,2
2021 1744925,5 1,19E+12 6 14308,14

Data Asli ( Sesudah Di Log )

Tahun Impor Sayur Buah (Y) PDB (X1) Inflasi (X2) Kurs (X3)
2012 6,20986657 11,96278118 3,8 3,972509699
2013 6,118682843 11,96024239 5 4,019583166
2014 6,156367006 11,94978508 5,4 4,074275429
2015 6,069300826 11,93492748 4 4,12676144
2016 6,098975255 11,96935999 2,4 4,124123561
2017 6,196614295 12,00860017 4,3 4,126483053
2018 6,195219297 12,01703334 3,8 4,153416655
2019 6,174498622 12,04921802 1,6 4,150684921
2020 6,192620831 12,02530587 -0,4 4,16382305
2021 6,241776889 12,07554696 6 4,155583181

4.1 Hasil

4.1.1 Uji Asumsi Klasik

Uji Heterokedastisitas
Uji White

Hipotesis :

H0 = Tidak terjadi Heteroskedastisitas

H1 = Ada Heteroskedastisitas

Kriteria Pengujian :

Prob. Chi-Square > 0,05 : Menerima H0

Prob. Chi-Square < 0,05 : Menolak H0

Heteroskedasticity Test: White

F-statistic 0.688265    Prob. F(3,6) 0.5914

Obs*R-squared 2.560258    Prob. Chi-Square(3) 0.4645
Scaled explained SS 0.262149    Prob. Chi-Square(3) 0.9670

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 01/10/23 Time: 20:43
Sample: 2012 2021
Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.  

C 0.002440 0.027887 0.087508 0.9331

PDB__X1_^2 6.28E-05 0.000225 0.279308 0.7894
INFLASI__X2_^2 -8.95E-06 1.78E-05 -0.502261 0.6334
KURS__X3_^2 -0.000630 0.000495 -1.272564 0.2503

R-squared 0.256026    Mean dependent var 0.000702

Adjusted R-squared -0.115961    S.D. dependent var 0.000558
S.E. of regression 0.000590    Akaike info criterion -11.74535
Sum squared resid 2.09E-06    Schwarz criterion -11.62431
Log likelihood 62.72674    Hannan-Quinn criter. -11.87812
F-statistic 0.688265    Durbin-Watson stat 2.229970
Prob(F-statistic) 0.591440

Hasil Pengujian :

Berdasarkan hasil Uji White diperoleh nilai Prob. Chi-Square 0,4645 yang mana
nilai tersebut lebih besar dari 0,05. Sehingga diputuskan untuk menerima H0.
Dengan demikian asumsi Heteroskedastisitas dapat diterima atau uji tersebut
dapat mengatasi Heteroskedastisitas.
Uji Glejser

Hipotesis :

H0 = Tidak terjadi Heteroskedastisitas

H1 = Ada Heteroskedastisitas

Kriteria Pengujian :

Prob. Chi-Square > 0,05 : Menerima H0

Prob. Chi-Square < 0,05 : Menolak H0

Heteroskedasticity Test: Glejser

F-statistic 0.952183    Prob. F(3,6) 0.4731

Obs*R-squared 3.225351    Prob. Chi-Square(3) 0.3582
Scaled explained SS 0.765251    Prob. Chi-Square(3) 0.8578

Test Equation:
Dependent Variable: ARESID
Method: Least Squares
Date: 01/10/23 Time: 20:44
Sample: 2012 2021
Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.  

C 0.423013 1.007631 0.419810 0.6892

PDB__X1_ 0.000316 0.096291 0.003284 0.9975
INFLASI__X2_ -0.001976 0.001985 -0.995310 0.3580
KURS__X3_ -0.096232 0.073063 -1.317103 0.2359

R-squared 0.322535    Mean dependent var 0.024517

Adjusted R-squared -0.016197    S.D. dependent var 0.010586
S.E. of regression 0.010672    Akaike info criterion -5.953257
Sum squared resid 0.000683    Schwarz criterion -5.832223
Log likelihood 33.76628    Hannan-Quinn criter. -6.086031
F-statistic 0.952183    Durbin-Watson stat 1.971159
Prob(F-statistic) 0.473053

Hasil Pengujian :

Berdasarkan hasil Uji Glejser diperoleh nilai Prob. Chi-Square 0,3582 yang mana
nilai tersebut lebih besar dari 0,05. Sehingga diputuskan untuk menerima H0.
Dengan demikian asumsi Heteroskedastisitas dapat diterima atau uji tersebut
dapat mengatasi Heteroskedastisitas.
Uji Breusch Pagan Godfrey

Hipotesis :

H0 = Tidak terjadi Heteroskedastisitas

H1 = Ada Heteroskedastisitas

Kriteria Pengujian :

Prob. Chi-Square > 0,05 : Menerima H0

Prob. Chi-Square < 0,05 : Menolak H0

Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 0.693052    Prob. F(3,6) 0.5890

Obs*R-squared 2.573481    Prob. Chi-Square(3) 0.4622
Scaled explained SS 0.263503    Prob. Chi-Square(3) 0.9667

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 01/10/23 Time: 20:44
Sample: 2012 2021
Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.  

C 0.008321 0.055613 0.149620 0.8860

PDB__X1_ 0.001146 0.005315 0.215602 0.8364
INFLASI__X2_ -5.77E-05 0.000110 -0.527105 0.6170
KURS__X3_ -0.005152 0.004033 -1.277507 0.2486

R-squared 0.257348    Mean dependent var 0.000702

Adjusted R-squared -0.113978    S.D. dependent var 0.000558
S.E. of regression 0.000589    Akaike info criterion -11.74713
Sum squared resid 2.08E-06    Schwarz criterion -11.62609
Log likelihood 62.73564    Hannan-Quinn criter. -11.87990
F-statistic 0.693052    Durbin-Watson stat 2.239828
Prob(F-statistic) 0.589011

Hasil Pengujian :

Berdasarkan hasil Uji Breusch Pagan Godfrey diperoleh nilai Prob. Chi-Square
0,4622 yang mana nilai tersebut lebih besar dari 0,05. Sehingga diputuskan untuk
menerima H0. Dengan demikian asumsi Heteroskedastisitas dapat diterima atau
uji tersebut dapat mengatasi Heteroskedastisitas.
Uji Autokorelasi

Hipotesis :

H0 = Tidak terdapat Autokorelasi

H1 = Terdapat Autokorelasi

Kriteria Pengujian :

Jika d < dLatau d > 4 − dL maka H0 ditolak Jika du < d < 4 − du maka gagal tolak
H0 , Jika dL < d < du atau 4 − du < d < 4 − dL maka Uji Durbin-Watson tidak
menghasilkan hasil yang akurat (inconclusive).

Dependent Variable: IMPOR_SAYUR_BUAH__Y_

Method: Least Squares
Date: 01/10/23 Time: 20:11
Sample: 2012 2021
Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.  

C -6.893842 3.229533 -2.134625 0.0767

PDB__X1_ 1.240556 0.308621 4.019673 0.0070
INFLASI__X2_ 0.001961 0.006361 0.308197 0.7684
KURS__X3_ -0.445275 0.234173 -1.901476 0.1060

R-squared 0.734208    Mean dependent var 6.165392

Adjusted R-squared 0.601312    S.D. dependent var 0.054170
S.E. of regression 0.034204    Akaike info criterion -3.623786
Sum squared resid 0.007019    Schwarz criterion -3.502752
Log likelihood 22.11893    Hannan-Quinn criter. -3.756560
F-statistic 5.524682    Durbin-Watson stat 3.118821
Prob(F-statistic) 0.036735
Hasil Pengujian :

Dari Model Estimasi diatas, didapatkan nilai Durbin-Watson stat sebesar

3,118821. Diketahui bahwa n = 10, k = 3 -1 = 2, dari tabel DW didapatkan nilai
𝑑𝐿 = 0,6972 dan 𝑑𝑢 = 1,6413. Nilai statistik uji Durbin-Watson untuk model ini
adalah :

D = 3,118821

𝑑𝐿 = 0,6972

𝑑𝑢 = 1,6413

4-𝑑𝐿 = 3,3028

4-𝑑𝑢 = 2,3587

0,6972 1,6413 2,3587 3,3028

3,118821
Interpretasi :

Dari Hasil Uji Durbin-Watson diatas, diperoleh nilai Durbin-Watson stat sebesar
3,118821, dimana nilai tersebut dL < d < du atau 4 − du < d < 4 − dL, maka
diputuskan untuk Uji Durbin-Watson menerima H0 yaitu tidak dapat disimpulkan.

Uji Breusch Godfrey

Hipotesis :

H0 = Tidak terjadi Autokorelasi

H1 = Terjadi Autokorelasi

Kriteria Pengujian :

Prob. Chi > 0,05 Maka terima H0

Prob. Chi < 0,05 Maka Tolak H0

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 3.506433    Prob. F(1,5) 0.1200

Obs*R-squared 4.122095    Prob. Chi-Square(1) 0.0423

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 01/10/23 Time: 20:46
Sample: 2012 2021
Included observations: 10
Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.  

C -1.124731 2.778034 -0.404866 0.7023

PDB__X1_ 0.094711 0.264084 0.358640 0.7345
INFLASI__X2_ 0.002748 0.005541 0.496026 0.6409
KURS__X3_ -0.005065 0.196689 -0.025753 0.9805
RESID(-1) -0.681024 0.363689 -1.872547 0.1200

R-squared 0.412210    Mean dependent var -4.44E-16

Adjusted R-squared -0.058023    S.D. dependent var 0.027927
S.E. of regression 0.028726    Akaike info criterion -3.955170
Sum squared resid 0.004126    Schwarz criterion -3.803878
Log likelihood 24.77585    Hannan-Quinn criter. -4.121138
F-statistic 0.876608    Durbin-Watson stat 2.727003
Prob(F-statistic) 0.537854
Lag 1

AIC : -3.955170

SIC : -3.803878

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 5.311782    Prob. F(2,4) 0.0748

Obs*R-squared 7.264689    Prob. Chi-Square(2) 0.0265

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 01/10/23 Time: 20:46
Sample: 2012 2021
Included observations: 10
Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.  

C -1.528139 2.127115 -0.718409 0.5122

PDB__X1_ 0.183371 0.205616 0.891811 0.4229
INFLASI__X2_ -0.004051 0.005284 -0.766682 0.4860
KURS__X3_ -0.160182 0.166552 -0.961754 0.3906
RESID(-1) -1.142238 0.351038 -3.253886 0.0313
RESID(-2) -0.950529 0.443399 -2.143733 0.0987

R-squared 0.726469    Mean dependent var -4.44E-16

Adjusted R-squared 0.384555    S.D. dependent var 0.027927
S.E. of regression 0.021909    Akaike info criterion -4.520125
Sum squared resid 0.001920    Schwarz criterion -4.338574
Log likelihood 28.60063    Hannan-Quinn criter. -4.719287
F-statistic 2.124713    Durbin-Watson stat 2.560776
Prob(F-statistic) 0.242574

Lag 2

AIC : -4.520125

SIC : -4.338574

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 4.447244    Prob. F(3,3) 0.1259

Obs*R-squared 8.164209    Prob. Chi-Square(3) 0.0427

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 01/10/23 Time: 20:47
Sample: 2012 2021
Included observations: 10
Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.  

C -2.438437 2.147699 -1.135372 0.3387

PDB__X1_ 0.289663 0.213352 1.357681 0.2677
INFLASI__X2_ -0.006407 0.005363 -1.194796 0.3180
KURS__X3_ -0.246892 0.173025 -1.426911 0.2489
RESID(-1) -1.594848 0.499632 -3.192048 0.0496
RESID(-2) -1.670267 0.726867 -2.297901 0.1052
RESID(-3) -0.640578 0.528345 -1.212424 0.3121

R-squared 0.816421    Mean dependent var -4.44E-16

Adjusted R-squared 0.449263    S.D. dependent var 0.027927
S.E. of regression 0.020725    Akaike info criterion -4.718896
Sum squared resid 0.001289    Schwarz criterion -4.507086
Log likelihood 30.59448    Hannan-Quinn criter. -4.951250
F-statistic 2.223622    Durbin-Watson stat 1.926571
Prob(F-statistic) 0.273284

Lag 3

AIC : -4.718896

SIC : -4.507086

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 2.346949    Prob. F(4,2) 0.3204

Obs*R-squared 8.243734    Prob. Chi-Square(4) 0.0830

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 01/10/23 Time: 20:47
Sample: 2012 2021
Included observations: 10
Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.  

C -2.350377 2.589368 -0.907703 0.4598

PDB__X1_ 0.282899 0.256566 1.102637 0.3851
INFLASI__X2_ -0.006875 0.006610 -1.040190 0.4075
KURS__X3_ -0.248169 0.207314 -1.197064 0.3539
RESID(-1) -1.573660 0.602648 -2.611243 0.1207
RESID(-2) -1.563909 0.939725 -1.664220 0.2380
RESID(-3) -0.477173 0.833922 -0.572204 0.6249
RESID(-4) 0.176978 0.588098 0.300933 0.7919
R-squared 0.824373    Mean dependent var -4.44E-16
Adjusted R-squared 0.209680    S.D. dependent var 0.027927
S.E. of regression 0.024827    Akaike info criterion -4.563181
Sum squared resid 0.001233    Schwarz criterion -4.321113
Log likelihood 30.81590    Hannan-Quinn criter. -4.828729
F-statistic 1.341114    Durbin-Watson stat 1.820695
Prob(F-statistic) 0.491333

Lag 4

AIC : -4.563181

SIC : -4.321113

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 1.176412    Prob. F(5,1) 0.6012

Obs*R-squared 8.546947    Prob. Chi-Square(5) 0.1286

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 01/10/23 Time: 20:48
Sample: 2012 2021
Included observations: 10
Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.  

C -1.829566 3.520564 -0.519680 0.6949

PDB__X1_ 0.226330 0.352502 0.642069 0.6366
INFLASI__X2_ -0.004071 0.010487 -0.388208 0.7643
KURS__X3_ -0.212532 0.277856 -0.764902 0.5843
RESID(-1) -1.378580 0.885063 -1.557607 0.3633
RESID(-2) -1.384538 1.270995 -1.089334 0.4728
RESID(-3) -0.711971 1.189504 -0.598544 0.6566
RESID(-4) -0.441312 1.550570 -0.284613 0.8235
RESID(-5) -0.552777 1.210088 -0.456808 0.7272

R-squared 0.854695    Mean dependent var -4.44E-16

Adjusted R-squared -0.307748    S.D. dependent var 0.027927
S.E. of regression 0.031937    Akaike info criterion -4.552704
Sum squared resid 0.001020    Schwarz criterion -4.280377
Log likelihood 31.76352    Hannan-Quinn criter. -4.851446
F-statistic 0.735258    Durbin-Watson stat 2.237706
Prob(F-statistic) 0.722886

Lag 5
AIC : -4.552704

SIC : -4.280377
Hasil Pengujian :

Lag 1 Lag 2 Lag 3 Lag 4 Lag 5

AIC -3.955170 -4.520125 -4.718896 -4.563181 -4.552704

SIC -3.803878 -4.338574 -4.507086 -4.321113 -4.280377

Berdasarkan output uji LM Breusch – Godfery untuk berbagai panjang Lag, Lag
Optimum yang memiliki AIC dan SIC minimum adalah Lag 3. Dari output
diperoleh Prob. Chi (1) = 0,0427 . Nilai tersebut lebih kecil dari 0,05. Sehingga
diputuskan untuk menerima H0 atau dengan kata lain terjadi Autokorelasi.

Penanganan Autokorelasi LM Breusch Pagan

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.601473    Prob. F(3,2) 0.6734

Obs*R-squared 4.268660    Prob. Chi-Square(3) 0.2339

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 01/10/23 Time: 21:37
Sample: 2013 2021
Included observations: 9
Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.  

C -0.013380 0.072348 -0.184943 0.8703

D(PDB__X1_) 1.469146 2.197997 0.668402 0.5727
D(INFLASI__X2_) -0.016363 0.020245 -0.808242 0.5038
D(KURS__X3_) 0.273369 2.152034 0.127028 0.9105
RESID(-1) -1.065339 0.892144 -1.194134 0.3548
RESID(-2) -1.178305 1.538564 -0.765847 0.5238
RESID(-3) -0.157511 0.953827 -0.165136 0.8840

R-squared 0.474296    Mean dependent var 2.31E-18

Adjusted R-squared -1.102818    S.D. dependent var 0.047867
S.E. of regression 0.069413    Akaike info criterion -2.446014
Sum squared resid 0.009636    Schwarz criterion -2.292617
Log likelihood 18.00706    Hannan-Quinn criter. -2.777044
F-statistic 0.300737    Durbin-Watson stat 2.195125
Prob(F-statistic) 0.893304

Berdasarkan output uji LM Breusch – Godfery untuk berbagai panjang Lag, Lag
Optimum yang memiliki AIC dan SIC minimum adalah Lag 3. Dari output
diperoleh Prob. Chi (1) = 0,2339 . Nilai tersebut lebih besar dari 0,05. Sehingga
diputuskan untuk menolak H0 atau dengan kata lain tidak terjadi Autokorelasi.

Uji Multikolinieritas

Uji Korelasi

Hipotesis :

HO = Tidak terjadi adanya multikoliniaritas

H1 = Terjadi adanya multikoliniaritas

Kriteria Pengujian :

H0 ditolak jika korelasi > 0,8

Covariance Analysis: Ordinary

Date: 01/10/23 Time: 20:58
Sample: 2012 2021
Included observations: 10

Covariance
Correlation PDB__X1_  INFLASI__X2_  KURS__X3_ 
PDB__X1_  0.001957
1.000000

INFLASI__X2_  -0.015214 3.312900

-0.188944 1.000000

KURS__X3_  0.001652 -0.039600 0.003751

0.609561 -0.355212 1.000000

Interpretasi :

Nilai korelasi antar prediktor menunjukkan sebesar -0.188944 dimana nilai

tersebut lebih kecil dari 0,8. Dengan demikian terdapat cukup bukti untuk
menerima H0 atau dengan kata lain tidak terjadi multikoliniaritas dalam data
pengamatan. Dengan demikian dapat dikatakan bahwa pelanggaran asumsi non-
multikoliniaritas berhasil ditangani.

Nilai korelasi antar prediktor menunjukkan sebesar 0.609561 dimana nilai

tersebut lebih kecil dari 0,8. Dengan demikian terdapat cukup bukti untuk
menerima H0 atau dengan kata lain tidak terjadi multikoliniaritas dalam data
pengamatan. Dengan demikian dapat dikatakan bahwa pelanggaran asumsi non-
multikoliniaritas berhasil ditangani.

Nilai korelasi antar prediktor menunjukkan sebesar -0.355212 dimana nilai

tersebut lebih kecil dari 0,8. Dengan demikian terdapat cukup bukti untuk
menerima H0 atau dengan kata lain tidak terjadi multikoliniaritas dalam data
pengamatan. Dengan demikian dapat dikatakan bahwa pelanggaran asumsi non-
multikoliniaritas berhasil ditangani.

Variance Inflation Factors

Hipotesis :

H0 = Tidak terjadi Multikolinieritas

H1 = Terjadi Multikolinieritas

Kriteria Pengujian :

Prob. Chi < 10 Maka terima H0

Prob. Chi > 10 Maka Tolak H0

Apabila hasil perhitungan VIF > 10 Maka terjadi multikolinieritas

Variance Inflation Factors

Date: 01/10/23 Time: 21:01
Sample: 2012 2021
Included observations: 10

Coefficient Uncentered Centered

Variable Variance VIF VIF

C  10.42988  89151.94  NA

PDB__X1_  0.095247  117146.5  1.593460
INFLASI__X2_  4.05E-05  5.604168  1.145982
KURS__X3_  0.054837  7907.031  1.758446

Interpretasi :

Berdasarkan perhitungan VIF untuk keseluruhan nilai variabel independen

diperoleh angka sebesar 4,44 , nilai tersebut < 10. Maka disimpulkan tidak terjadi
multikolinieritas dalam data ini.
4.1.2 Estimasi Regresi

Dependent Variable: IMPOR_SAYUR_BUAH__Y_

Method: Least Squares
Date: 01/10/23 Time: 20:11
Sample: 2012 2021
Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.  

C -6.893842 3.229533 -2.134625 0.0767

PDB__X1_ 1.240556 0.308621 4.019673 0.0070
INFLASI__X2_ 0.001961 0.006361 0.308197 0.7684
KURS__X3_ -0.445275 0.234173 -1.901476 0.1060

R-squared 0.734208    Mean dependent var 6.165392

Adjusted R-squared 0.601312    S.D. dependent var 0.054170
S.E. of regression 0.034204    Akaike info criterion -3.623786
Sum squared resid 0.007019    Schwarz criterion -3.502752
Log likelihood 22.11893    Hannan-Quinn criter. -3.756560
F-statistic 5.524682    Durbin-Watson stat 3.118821
Prob(F-statistic) 0.036735

IMPOR_SAYUR_BUAH__Y_ = -6.89384234079 + 1.24055596443*PDB__X1_ +

0.00196059591809*INFLASI__X2_ - 0.445274622646*KURS__X3_

Interpretasi :

- Setiap penurunan 1 persen Impor Sayur dan Buah , maka PDB akan
meningkat sebesar 1.240 persen.

- Setiap penurunan 1 persen Impor Sayur dan Buah , maka Inflasi akan
meningkat sebesar 0.001 persen.

- Setiap penurunan 1 persen Impor Sayur dan Buah , maka Kurs Nilai Mata
Uang akan menurun sebesar 0.44 persen.

Uji Hipotesis

Pengujian hipotesis dilakukan untuk mengetahui ada atau tidaknya

pengaruh secara nyata hubungan variabel bebas terhadap variabel terikat baik
secara simultan maupun parsial. Pengujian hipotesis ada dua macam yaitu uji
parsial (uji t) dan uji simultan (uji F). Berdasarkan hasil analisis data
menggunakan regresi panel :
Uji T

Hipotesis :

t-statistik = <0,05

PDB

H0 :Variable PDB tidak mempengaruhi Impor Sayur dan Buah di Indonesia

Tahun 2012 - 2021

H1 : Variable PDB mempengaruhi Impor Sayur dan Buah di Indonesia Tahun

2012 - 2021

Inflasi

H0 : Variable Inflasi tidak mempengaruhi Impor Sayur dan Buah di Indonesia

Tahun 2012 - 2021

H1 : Variable Inflasi mempengaruhi Impor Sayur dan Buah di Indonesia

Tahun 2012 - 2021

Kurs Nilai Mata Uang

H0 : Variable Kurs Nilai Mata Uang tidak mempengaruhi Impor Sayur dan
Buah di Indonesia Tahun 2012 - 2021

H1 : Variable Kurs Nilai Mata Uang mempengaruhi Impor Sayur dan Buah di
Indonesia Tahun 2012 - 2021

Interpretasi :

PDB

Berasarkan output tersebut dapat diketahui bahwa nilai prob. t-statistik sebesar
0.0070 atau < 0,05 maka H1 diterima sehingga menolak H0. Sehingga dapat
diartikan bahwa variabel PDB mempengaruhi terhadap Impor Sayur dan Buah di
Indonesia Tahun 2012 – 2021.

Inflasi
Berasarkan output tersebut dapat diketahui bahwa nilai prob. t-statistik sebesar
0.7684 atau > 0,05 maka H1 ditolak sehingga menerima H0. Sehingga dapat
diartikan bahwa variabel Inflasi tidak mempengaruhi terhadap Impor Sayur dan
Buah di Indonesia Tahun 2012 – 2021.

Kurs Nilai Mata Uang

Berasarkan output tersebut dapat diketahui bahwa nilai prob. t-statistik sebesar
0.1060 atau > 0,05 maka H1 ditolak sehingga menerima H0. Sehingga dapat
diartikan bahwa variabel Kurs Nilai Mata Uang tidak mempengaruhi terhadap
Impor Sayur dan Buah di Indonesia Tahun 2012 – 2021.

Uji F

Hipotesis :

f-statistik = <0,05

H0 : Variable PDB , Inflasi dan Kurs Nilai Mata Uang Tidak Mempengaruhi
Impor Sayur dan Buah di Indonesia Tahun 2012 - 2021

H1 : Variable PDB , Inflasi dan Kurs Nilai Mata Uang Mempengaruhi Impor
Sayur dan Buah di Indonesia Tahun 2012 - 2021

Interpretasi :

Berdasarkan output tersebut dapat diketahui bahwa nilai prob. F-statistik sebesar
0.0367365 atau < 0,05 maka H1 diterima sehingga menolak H0. Sehingga dapat
diartikan bahwa variabel PDB Mempengaruhi Impor Sayur dan Buah di Indonesia
Tahun 2012 – 2021.

R-square

Berdasarkan data tersebut diketahui bahwa R- Square sebesar 0,734208 atau

73.42%. Artinya, Impor Sayur dan Buah di Indonesia pada Tahun 2012 - 2021
dapat dijelaskan oleh variabel PDB , Inflasi dan Kurs Nilai Mata Uang sebesar
73.42%. Sedangkan sisanya sebesar 26,58% dijelaskan oleh variabel lain.

4.2 Pembahasan
Pengaruh PDB Terhadap Impor Sayur dan Buah

Variabel PDB ternyata memiliki hubungan positif dan signifikan terhadap Impor
Sayur dan Buah di Indonesia tahun 2012 - 2021. Hal ini sesuai dengan hipotesis
awal penelitian. Dari hasil olah data regresi panel diatas dapat diketahui bahwa
PDB berpengaruh Positif tetapi signifikan terhadap Impor Sayur dan Buah.
Dimana setiap kenaikan 1 persen maka akan mengakibatkan naiknya PDB.

Pengaruh Inflasi Terhadap Impor Sayur dan Buah

Variabel Inflasi ternyata memiliki hubungan positif dan tidak signifikan terhadap
Impor Sayur dan Buah di Indonesia tahun 2012 - 2021. Hal ini sesuai dengan
hipotesis awal penelitian. Dari hasil olah data regresi panel diatas dapat diketahui
bahwa Inflasi berpengaruh Positif tetapi tidak signifikan terhadap Impor Sayur
dan Buah. Dimana setiap kenaikan 1 persen maka akan mengakibatkan naiknya
PDB.

Pengaruh Kurs Nilai Mata Uang Terhadap Impor Sayur dan Buah

Variabel Kurs Nilai Mata Uang ternyata memiliki hubungan negative dan tidak
signifikan terhadap Impor Sayur dan Buah di Indonesia tahun 2012 - 2021. Hal
ini sesuai dengan hipotesis awal penelitian. Dari hasil olah data regresi panel
diatas dapat diketahui bahwa PDB berpengaruh negatif tetapi tidak signifikan
terhadap Impor Sayur dan Buah. Dimana setiap kenaikan 1 persen maka akan
mengakibatkan turunya PDB.
 BAB V

PENUTUP

5.1 Kesimpulan

Berdasarkan Hasil Penelitian dan Pembahasan yang dilakukan untuk menganalisis

pengaruh Variable PDB , Inflasi dan Kurs Nilai Mata Uang Mempengaruhi Impor
Sayur dan Buah di Indonesia Tahun 2012 – 2021, maka dapat di simpulkan :

1. Variabel PDB ternyata memiliki hubungan positif dan signifikan terhadap

Impor Sayur dan Buah di Indonesia tahun 2012 - 2021. Yang kedua
Variabel Inflasi ternyata memiliki hubungan positif dan tidak signifikan
terhadap Impor Sayur dan Buah di Indonesia tahun 2012 - 2021. Terakhir
Variabel Kurs Nilai Mata Uang ternyata memiliki hubungan negative dan
tidak signifikan terhadap Impor Sayur dan Buah di Indonesia tahun 2012
- 2021.
 2. Hal ini juga didukung dengan uji hipotesis simultan dimana menunjukkan
bahwa Variable PDB , Inflasi dan Kurs Nilai Mata Uang Mempengaruhi
secara Bersama – sama terhadap Impor Sayur dan Buah di Indonesia
Tahun 2012 – 2021.

5.2 Saran

Berdasarkan kesimpulan dari hasil analisis data yang dilakukan maka diajukan
beberapa saran yaitu sebagai berikut:

1. Bagi penelitian selanjutnya : disarankan untuk meneliti variabel yang lain dari
Impor Sayur dan Buah.

2. Pemerintah harus lebih terfokus pada pertumbuhan PDB dikarenakan efek

impor yang terjadi akan berdampak pada kenaikan atau turunya produk
domestic bruto di Indonesia.

DAFTAR PUSTAKA

Fitriana, A., Sinaga, B. M., & Hastuti, D. (2019). JURNAL EKONOMI PERTANIAN,
SUMBERDAYA DAN LINGKUNGAN (Journal of Agriculture, Resource, and
Environmental Economics) DAMPAK KEBIJAKAN IMPOR DAN FAKTOR
EKSTERNAL TERHADAP KESEJAHTERAAN PRODUSEN DAN KONSUMEN
BAWANG MERAH DI INDONESIA.
https://www.bps.go.id/linkTabelStatis/view/id/950
Hayati Lubis IAINPadangsidimpuan Jalan Rizal Nurdin Km, R. T. (2018). ANALISIS
KINERJA EKSPOR-IMPOR BUAH-BUAHAN INDONESIA PADA
PERDAGANGAN INTERNASIONAL. Jurnal Ilmu Ekonomi Dan Keislaman, 6,
103–116.
Parmadi *, & Zulgani, E. ; (2018). Daya saing produk unggulan sektor pertanian
Indonesia dalam hubungannya dengan pertumbuhan Ekonomi. In Jurnal
Paradigma Ekonomika (Vol. 13, Issue 2).
Rudiawan, H. (2019). Dampak Faktor-Faktor Makro Ekonomi Terhadap Pertumbuhan
Produk Domestik Bruto Indonesia *). In Jurnal Ekonomi (Vol. 21, Issue 1).
Saphira, K., Bawah Pembimbing, D., Pakpahan, S., Ip, S., Si, M., Studi, P., &
Internasional, H. (2017). KEPENTINGAN INDONESIA MELAKUKAN IMPOR
BUAH JERUK DARI TIONGKOK. In JOM FISIP (Vol. 4, Issue 2).
https://www.researchgate.net/profile/Zainuri_
Sucita, S., & Prasetya, M. N. (2021). KERJASAMA INDONESIA-SINGAPURA
DALAM EKSPOR IMPOR KOMODITAS PERTANIAN 2013-2018 Indonesia-
Singapore Cooperation In The Import Export Of Agricultural Commodities 2013-
2018. Jurnal FISK, 2(1).
 

LAMPIRAN

Sumber : BPS dan World Bank Indonesia

IMPOR SAYUR DAN BUAH

SAYUR
BUAH

GDP
INFLASI

KURS NILAI MATA UANG