Jika nilai F-hitung dengan F-tabel. Jika F-hitung F-tabel maka keputusan untuk menolak H
adalah signifikan, sehingga dapat disimpulkan bahwa minimal ada satu nilai dugaan koefisien dari yang tidak sama dan LSDV
merupakan metode estimasi yang sesuai. Sebaliknya jika penolakan H tidak
signifikan maka PLS merupakan metode yang lebih sesuai.
d. Pendekatan Two Way Error Component Fixed Effect Model
Hal yang mendasari pendekatan Two Way Error Component FEM adalah
adanya fakta bahwa fixed effects tidak hanya bersumber dari variasi antar individu tetapi juga berasal dari variasi antar waktu atau time effect. Model
dasar yang digunakan adalah persamaan 3.8 =
+ +
�
′
+ dimana merepresentasikan variasi antar waktu.
Dengan mengasumsikan pengaruh individu dan pengaruh waktu berbeda, maka dengan menambahkan peubah dummy sebanyak
= 1 = dan
�
= 1 � = ke dalam persamaan 3.8 akan diperoleh
persamaan:
= +
+ +
+ �
+ �
+ +
� +
�
′
+ 3.16
Penambahan sejumlah dummy variable ke dalam persamaan tersebut akan menyebabkan masalah dalam penggunaan two way fixed effect yakni
berkurangnya derajat bebas, sehingga akan mengurangi efisiensi dari parameter yang diestimasi.
3.2.3.2 Random Effect Model REM
Pendekatan REM muncul dengan asumsi efek individu dan peubah bebas tidak memiliki korelasi atau diperlakukan sebagai parameter random.
Asumsi tersebut membuat komponen eror dari efek individu maupun efek waktu dimasukkan ke dalam error. Pendekatan REM umumnya digunakan bila unit cross
section N relatif besar dan unit time series T relatif kecil. Secara umum bentuk
model REM dapat diekspresikan dalam persamaan berikut:
one way error component model :
= +
�
′
+ +
3.17 two way error component model
: =
+ +
�
′
+ +
3.18
Beberapa asumsi yang digunakan dalam REM adalah sebagai berikut:
| � = 0 3.19
� �� � = � 3.20 � | = 0 3.21
�� � � = � � , 3.22
� � � = 0 � , , 3.23
� � = 0 � ≠ � � ≠ 3.24
�� � � = 0 � ≠ 3.25
dimana:
� = untuk one way error component model � = + untuk two way error component model
Asumsi yang terpenting diantara semua asumsi dalam REM adalah nilai harapan dari
untuk setiap � adalah nol atau � = 0. Asumsi ini
menjadi penting karena berguna untuk pemilihan metode yang sesuai apakah fixed atau random effects biasanya dihitung dengan metode Generalized Least Square
GLS. Penentuan ini dilakukan melalui pengujian terhadap asumsi ada tidaknya
korelasi antara regresor dan efek individu. Untuk menguji asumsi ini dapat digunakan uji Hausman. Hipotesis dalam pengujian dirumuskan sebagai berikut :
H :
� | = 0 atau REM adalah model yang tepat H
1
: � | ≠ 0 atau FEM adalah model yang tepat
Dasar pengambilan keputusan yntuk menolak H menggunakan statistik Hausman
dan dibandingkan dengan nilai Chi square tabel. Statistik Hausman dirumuskan dengan:
= −
′
−
−
− ~
� 3.38
dimana: M adalah matriks kovarians
β dan k adalah degrees of freedom Jika nilai H
χ
2
tabel, keputusan untuk menolak H adalah signifikan, sehingga
model yang digunakan adalah model fixed effects FEM. Sebaliknya, jika keputusan menolak H
tidak signifikan maka penggunaan model REM lebih sesuai.
3.2.4 Pengujian Asumsi
Jika model yang terpilih berdasarkan uji Hausman adalah REM maka estimasi dari model diasumsikan best linier unbiased estimator BLUE dan tidak
perlu dilakukan pengujian terhadap tiga asumsi utama model BLUE non- multicolinierity, homoskedasticity, dan non-autocorelation
. Hal ini dikarenakan dua alasan, yaitu: i sifat data panel adalah bebas dari gejala
multikolinieritas; dan ii REM adalah model generalized least square GLS, dan estimasi dengan
menggunakan GLS secara otomatis sudah terbebas dari gejala autokorelasi, bahkan terbebas dari gejala heteroskedastisitas yang disebabkan variansi
sisaannya konstan Gujarati 2004. Jika model yang terpilih adalah FEM maka perlu dilakukan pengujian
terhadap asumsi sisaan, sebagai berikut:
a. Uji Homoskedastisitas
Asumsi pertama yang harus dipenuhi dalam persamaan regresi adalah bahwa taksiran parameter dalam model regresi bersifat BLUE maka varian u
i
harus sama dengan σ
2
konstan, atau semua residual atau error memiliki varian yang sama. Kondisi itu disebut dengan homoskedastisitas. Apabila varian tidak
konstan atau berubah-ubah disebut dengan heteroskedastisitas. Untuk mendeteksi adanya heteroskedastisitas dapat menggunakan metode GLS cross section
weights, yakni membandingkan jumlah kuadrat residual sum square residual
antara weighted statistics dengan unweighted statistics. Jika jumlah kuadrat residual pada weighted statisticsternyata lebih kecil maka dapat disimpulkan
terjadi heteroskedastisitas pada model.
b. Uji Autokorelasi
Autokorelasi adalah korelasi yang terjadi antar observasi dalam satu peubah atau korelasi antara error masa yang lalu dengan error pada saat ini. Uji
autokorelasi yang dilakukan tergantung pada jenis data dan sifat model yang digunakan. Autokorelasi dapat memengaruhi efisiensi dari penduganya. Untuk
mendeteksi adanya korelasi serial adalah dengan melihat nilai Durbin Watson DW. Untuk mengetahui ada atau tidaknya autokorelasi dilakukan dengan
membandingkan nilai DW-hitung dan DW-tabel. Kerangka identifikasi autokorelasi terangkum dalam Tabel 5. Korelasi serial ditemukan jika error dari
periode waktu yang berbeda saling berkorelasi. Hal ini bisa dideteksi dengan melihat pola error acak dari hasil regresi.
Tabel 5 Kriteria identifikasi autokorelasi
Nilai DW Hasil
4 – dl DW 4 Terdapat korelasi serial negatif
4 – du DW 4- dl Hasil tidak dapat ditentukan
2 DW 4 – du Tidak ada korelasi serial
Du DW 2 Tidak ada korelasi serial
dl DW du Hasil tidak dapat ditentukan
0 DW dl Terdapat korelasi serial positif
Sumber: Gujarati 2004
3.2.5 Pengujian Parameter Model
Pengujian parameter model bertujuan untuk mengetahui kelayakan model dan apakah koefisien yang diestimasi telah sesuai dengan teori atau hipotesis.
Pengujian parameter meliputi koefisien determinasi R
2
, uji koefisien regresi secara menyeluruh F-testuji F dan uji koefisien regresi secara parsial uji t.
Uji-F
Uji-F digunakan untuk melakukan uji hipotesis koefisien slope regresi atau parameter model secara menyeluruhbersamaan. Kriteria pengujiannya adalah jika
nilai nilai F observasi F tabel atau nilai probabilitas F-statistic taraf nyata α,
maka keputusan menolak H signifikan. Dengan menolak H
berarti minimal ada satu peubah bebas yang berpengaruh nyata terhadap peubah tak bebas.
Uji-t
Setelah melakukan uji koefisien regresi secara keseluruhan, maka langkah selanjutnya adalah menguji koefisien regresi secara parsial menggunakan uji-t.
Hipotesis pada uji-t adalah : H :
β
i
= 0 Vs H
1
: β
i
≠ 0. Keputusan dalam pengujian ini dilakukan dengan membandingkan nilai t-hitung dengan t-tabel atau
dengan melihat nilai probabilitas dari t-hitung. Jika nilai t-hitung t-tabel atau jika nilai probabilitas t α=0,05 maka keputusan menolak H
adalah signifikan. Kesimpulannya adalah peubah bebas secara parsial signifikan memengaruhi
peubah tak bebas.
Koefisien Determinasi R
2
Koefisien determinasi Goodness of Fit merupakan suatu ukuran yang penting dalam regresi, karena dapat menginformasikan baik atau tidaknya model regresi
hasil estimasi. Nilai R
2
mencerminkan seberapa besar variasi dari peubah bebas Y dapat diterangkan oleh peubah tak bebas X. Jika R
2
= 0, maka variasi dari Y tidak dapat diterangkan oleh X sama sekali, namun jika R
2
= 1 maka variasi dari Y secara keseluruhan dapat diterangkan oleh X. Semakin tinggi nilai koefisien
determinasi maka model akan semakin baik.
3.3 Spesifikasi Model
Spesifikasi model yang digunakan dalam penelitian mengacu pada model panel data yang digunakan oleh Shepherd dan Wilson 2008 dan penelitian
Wilson et al 2005 yang telah dimodifikasi. Modifikasi dilakukan karena keterbatasan data beberapa variabel. Shepherd dan Wilson 2008 mendefinisikan
impor suatu negara sebagai fungsi dari jarak antar dua negara, kualitas pelabuhan, kualitas bandara, pembayaran tidak teratur dan suap, dan tingkat kompetisi antar
penyedia internet. Wilson et al 2005 juga mendefinisikan nilai ekspor sektor manufaktur suatu negara merupakan fungsi dari tarif, efisiensi pelabuhan,
peraturan kepabeanan, GNP, GNP per kapita dan pelayanan pendukung infrastruktur.
Secara umum model dalam penelitian ini dispesifikasikan sebagai berikut: ln
= +
� +
ln +
ln +
l n +
ln �
+ ln
� +
ln _
+ ln
+ �
Keterangan : = Nilai impor riil sektor k dari negara i ke negara j tahun ke-t ribu
US, dalam log natural ln; �
= Tarif impor negara i ke negara j pada tahun ke-t persen = GDP riil per capita negara i tahun ke-t dalam milyar US, dalam
log natural ln;
= GDP riil per capita negara j tahun ke-t dalam milyar US, dalam log natural ln;
= Jarak efektifekonomi negara i ke negara j jarak yang dilihat dari perspektif pengekspor dan pengimpor yang dihitung
berdasarkan GDP negara pengekspor, dalam log natural ln;
� = Nilai tukar riil negara j terhadap negara i pada tahun ke-t,
dalam log natural ln; �
= Nilai kualitas pelabuhan pada negara j tahun ke-t, dalam log natural ln;
_ = Nilai efisiensi prosedur kepabeanan negara j tahun ke-t,
dalam log natural ln; = Biaya untuk impor barang pada negara j tahun ke-t US,
dalam log natural ln; = Parameter yang diestimasi, j = 1, 2, …, 10
= Konstantaintersep �
= Error term, � = +
untuk one way error component model
dan � = +
+ untuk two way error component model
Model ditulis dalam bentuk double log, sehingga dugaan parameter β
j
akan menunjukkan besarnya elastisitas impor terhadap setiap peubah independen. Jika
nilai β
j
memiliki tanda positif, maka peubah independen tersebut memiliki pengaruh positif dalam meningkatkan impor. Sebaliknya, jika memiliki tanda
negatif maka peubah independen tersebut memiliki pengaruh positif dalam menurunkan impor. Nilai elastisitas memiliki makna perubahan 1 persen pada
peubah independen akan merubah impor sebesar persen. Metode pengolahan data untuk kebutuhan analisis dilakukan menggunakan
bantuan beberapa software. Analisis regresi data panel dilakukan dengan program Eviews 6
. Untuk membantu analisis deskriptif digunakan software Microsoft Excell.
3.4. Definisi Operasional
Definisi operasional dari peubah-peubah yang digunakan dalam model adalah sebagai berikut:
1. Impor riil lnIM merupakan indikator aliranarus perdagangan impor yang
diukur dengan US.
2. GDP riil atau PDRB suatu negara, diukur dari nilai PDRB atas dasar harga
konstan.
3. GDP riil per kapita negara pengimpor lnGDPc_impor, diukur dari nilai
GDP per kapita atas dasar harga konstan pada negara pengimpor.
4. GDP riil per kapita negara pengekspor lnGDPc_expor, diukur dari nilai
GDP per kapita atas dasar harga konstan pada negara pengekspor.
5. Tarif merupakan pajak atau cukai yang dikenakan untuk komoditi yang diperdagangkan lintas batas teritorial, tarif disini menggunkan tarif ad
valorem.
6. Jarak lnECODIST adalah indikasi dari biaya transportasi yang dihadapi
oleh suatu negara dalam melakukan ekspor. Jarak yang digunakan adalah
jarak ekonomi yaitu antar ibukota dua negara. 7. Kualitas Pelabuhan lnSEAPORT adalah suatu nilai dari kualitas pelabuhan
suatu negara yang dinilai dalam bentuk indeks.
8. Efisiensi Prosedur Kepabeanan lnCUSTOM_EF adalah suatu nilai dari
efisiensi prosedur kepabeanan dari hasil survei dalam bentuk indeks.
9. Biaya Impor lnCOSTIMPORT adalah biaya administrasi yang dibutuhkan
dalam penyelesaian administrasi impor di suatu negara yang diukur dengan US.
IV. GAMBARAN UMUM
4.1 Gambaran Umum Perekonomian di Negara-negara ASEAN+3 4.1.1 Produk Domestik Bruto PDB
Selama kurun waktu tahun 2001-2010, PDB negara-negara ASEAN+3 terus menunjukkan tren yang meningkat yaitu rata-rata kenaikan 5,27 persen per
tahun, kecuali tahun 2008 dan 2009. Peningkatan PDB tertinggi terjadi di China dengan rata-rata meningkat 10,49 persen per tahun dan terendah Jepang sebesar
0,77 persen per tahun. Hal ini mencerminkan perekonomian China tumbuh sangat pesat, bahkan pada tahun 2007 pertumbuhan ekonomi China mencapai 14,20
persen. Pada tahun 2008 dan 2009 terjadi penurunan pertumbuhan ekonomi di
semua negara-nagara ASEAN+3, Jepang mengalami pertumbuhan negatif pada tahun 2008 dibanding negara ASEAN+3 lainnya yaitu sebesar -1,04 persen.
Kemudian pada tahun 2009, beberapa negara mengalami pertumbuhan negatif adalah Malaysia sebesar -1,64 persen, Singapura sebesar -0,98 persen, Thailand
sebesar -2,33 persen, dengan resesi terbesar terjadi di Jepang sebesar -5,53 persen. Tabel 6 Pertumbuhan ekonomi Negara-negara ASEAN+3 tahun 2001-2010
persen
Negara 2001
2002 2003
2004 2005
2006 2007
2008 2009
2010
1 2
3 4
5 6
7 8
9 10
11
China 8,30
9,10 10,00
10,10 11,30 12,70 14,20
9,60 9,20
10,40 Indonesia
3,64 4,50
4,78 5,03
5,69 5,50
6,35 6,01
4,63 6,20
Jepang 0,36
0,29 1,69
2,36 1,30
1,69 2,19
-1,04 -5,53 4,44
Korea 3,97
7,15 2,80
4,62 3,96
5,18 5,11
2,30 0,32
6,32 Malaysia
0,52 5,39
5,79 6,78
5,33 5,85
6,48 4,81 -1,64
7,19 Filipina
2,89 3,65
4,97 6,70
4,78 5,24
6,62 4,15
1,15 7,63
Singapura -1,15
4,20 4,58
9,16 7,37
8,76 8,86
1,70 -0,98 14,76
Thailand 2,17
5,32 7,14
6,34 4,60
5,09 5,04
2,48 -2,33 7,81
Vietnam 6,89
7,08 7,34
7,79 8,44
8,23 8,46
6,31 5,32
6,78
Sumber : World Development Indicator 2012 diolah
Penurunan pertumbuhan ekonomi merupakan dampak dari krisis finansial global yang berawal dari kasus subprime mortgage di Amerika Serikat yang
menyebabkan tekanan terhadap perekonomian dunia termasuk kawasan ASEAN+3. Sementara itu pada tahun 2010, pertumbuhan ekonomi negara-negara
ASEAN+3 kembali bangkit dan tumbuh positf. Pertumbuhan ekonomi tertinggi terjadi di Singapura sebesar 14,47 persen dan terendah terjadi di Jepang 4,44
persen seperti yang disajikan pada Tabel 6.
4.1.2 Produk Domestik Bruto PDB per Kapita
Dari sisi PDB per kapita, terdapat kesenjangan yang besar di antara negara-negara ASEAN+3. PDB per kapita tertinggi terjadi di Jepang mencapai
US 43.063 atau lebih 35 kali lipat PDB per kapita Vietnam yang hanya US 1.224 pada tahun 2010. Singapura merupakan negara dengan PDB perkapita
tertinggi kedua dengan nilai sedikit dibawah Jepang yaitu US 41.986. PDB per kapita masing-masing negara ASEAN+3 selengkapnya disajikan pada Gambar 5.
Sumber : World Development Indicator 2012 diolah
Gambar 5 Perkembangan PDB per kapita di negara-negara ASEAN+3 periode Tahun 2001-2010
Selama periode waktu 2001-2010, PDB per kapita negara-negara ASEAN+3 memiliki tren PDB per kapita yang meningkat setiap tahun, yaitu rata-
rata meningkat sebesar 74,19 persen. Kenaikan PDB per kapita tertinggi dimiliki oleh oleh China yakni dari US 1.041 pada tahun 2001 menjadi US 4.432 tahun
2010 atau naik sebesar 325,57 persen. Sementara, kenaikan PDB per kapita
5000 10000
15000 20000
25000 30000
35000 40000
45000
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 US
Tahun
China Indonesia
Japan Korea, Rep.
Malaysia Philippines
Singapore Thailand
Vietnam
terendah dialami oleh Jepang dari US 32.716 tahun 2001 menjadi US 43.063 pada tahun 2010 atau naik sebesar 31,62 persen.
4.1.3 Perkembangan Ekspor dan Impor di Negara-negara ASEAN+3
Perkembangan perekonomian yang terus membaik selama kurun waktu 2001-2010 menyebabkan ekspor di negara-negara ASEAN+3 juga mengalami
peningkatan. Peningkatan ekspor terbesar terjadi di China dan Vietnam dengan pertumbuhan 21,69 persen pertahun dan 18,54 persen pertahun. Dilain pihak,
perumbuhan ekspor terendah dialami oleh Jepang dengan pertumbuhan sebesar 7,51 persen. Sementara itu, ekspor negara lain tumbuh di kisaran 7,8 persen
sampai 18,5 persen. Pada tahun 2010, nilai ekspor terbesar terjadi di China yaitu mencapai US 1.752,40 milyar dan diikuti Jepang sebesar US 833,7 milyar,
sedangkan yang terendah dialami Filipina dengan nilai US 69,5 milyar, seperti disajikan pada Tabel 7.
Tabel 7 Nilai ekspor di Negara-negara ASEAN+3 tahun 2001-2010 milyar US
Negara 2001
2002 2003
2004 2005
2006 2007
2008 2009
2010 Pertu
mbuha n
1 2
3 4
5 6
7 8
9 10
11 12
China 299,4
365,4 485
655,8 836,9
1061,7 1342,2
1581,7 1333,3
1752,4 21,69
Indonesia 62,6
63,9 71,6
82,7 97,4
113,1 127,2
152,1 130,4
173,9 12,02
Jepang 434,7
447,9 510,9
615,1 654,4
704,6 773,1
858,9 639,2
833,7 7,51
Korea 180,3
190,8 227,7
295,2 331,8
377,7 439,9
493,7 414,8
531,5 12,76
Malaysia 102,4
109,2 117,9
143,9 162,1
182,5 205,5
229,8 185,9
231,4 9,48
Filipina 35,1
38 39,6
44,4 47,6
56,9 64,6
64,1 54,3
69,5 7,88
Singapura 171,2
171 193,7
239,7 283,7
324,7 366,7
402,6 395,5
441,6 11,1
Thailand 76,1
81,5 93,7
114,1 129,7
152,5 181,3
208,4 180,1
227,2 12,93
Vietnam 17,9
19,9 23,5
29,9 36,7
44,8 54,6
71 66,4
82,5 18,54
Sumber : World Development Indicator 2012 diolah
Selain ekspor, hal yang sama juga dialami nilai impor, dimana nilai impor China dan Vietnam tumbuh paling pesat di antara negara-negara ASEAN+3,
dengan pertumbuhan masing-masing sebesar 21,10 persen per tahun dan 19,65 persen per tahun. Dilain pihak, pertumbuhan impor terendah dialami Filipina
dengan pertumbuhan impor 6,83 persen per tahunnya. Pada tahun 2010, nilai
