Hasil Estimasi Model Faktor-Faktor yang Mempengaruhi Aliran Perdagangan TPT intra- ASEAN

Pada Gambar 12 juga disajikan perkembangan ekspor TPT negara Thailand. Sama halnya dengan nilai impor, ekspor TPT negara Thailand juga menunjukkan tren yang semakin meningkat sepanjang tahun yang sama, walaupun pada tahun 2006 mengalami penurunan sebesar 2,28 persen yaitu dari 35,43 juta USD menjadi 31,89 juta USD. Kondisi ini mengakibatkan Thailand menetapkan kebijakan industri TPT yang berbasis pedesaan seperti yang telah dijelaskan sebelumnya. Dengan adanya kebijakan tersebut negara Thailand mampu mempertahankan kualitas dan kuantitas ekspor TPT untuk tahun-tahun berikutnya.

5.2 Faktor-Faktor yang Mempengaruhi Aliran Perdagangan TPT intra- ASEAN

5.2.1 Hasil Estimasi Model

Penelitian ini dilakukan dengan mengestimasi koefisien-koefisien variabel dengan menggunakan program Eviews 4.1. Variabel-variabel dalam penelitian ini juga diestimasi dengan menggunakan model regresi gravity model. Data yang dianalisis menggunakan data panel yang merupakan gabungan dari data time series dan data cross section. Metode yang tepat yang digunakan dalam gravity model untuk menganalisis aliran perdagangan Tekstil dan Produk Tekstil TPT intra-ASEAN adalah dengan metode pooled least square. Alasan pemilihan metode tersebut disebabkan jumlah variabel yang dianalisis lebih banyak dibandingkan jumlah cross section nya. Hasil pengolahan data panel dengan menggunakan pooled least square dapat dilihat pada Lampiran 6 pada lampiran. Dari hasil estimasi model yang dapat dilihat pada Lampiran 6, dapat diketahui bahwa variabel independen yang yang berpengaruh nyata terhadap aliran perdagangan Tekstil dan Produk Tekstil TPT intra-ASEAN yang didasarkan pada nilai probabilitasnya yang diperoleh pada selang kepercayaan 95 persen taraf nyata 5 persen adalah GDP negara asal GDPi, GDP negara tujuan GDPj, populasi negara asal POPi, populasi negara tujuan POPj, jarak, nilai tukar negara asal EXCi, tarif dan dummy kesamaan bahasa. Variabel independen yang tidak berpengaruh nyata pada taraf nyata 5 persen adalah nilai tukar negara tujuan terhadap USD Amerika EXCj. Hasil estimasi tersebut diperoleh setelah diboboti dengan estimasi GLS dan white heteroscedasticity yang bertujuan untuk menghilangkan adanya multikolinearitas dan heteroskedastisitas. Tabel 10. Hasil Regresi Gravity Model Aliran Perdagangan TPT intra- ASEAN dengan Data Panel menggunakan Pooled Least Square Variabel Koefisien Standar Error t-statistic Probabilitas GDP negara asal 2,938199 0,259955 11,30273 0,0000 GDP negara tujuan 0,724313 0,237913 3,044449 0,0031 Populasi negara asal -0,820363 0,142052 -5,775077 0,0000 Populasi negara tujuan -0,092254 0,155858 -0,591910 0,5554 Jarak ekonomi -1,375001 0,244546 -5,622657 0,0000 Exchange rate negara asal 0,002250 0,052407 0,042927 0,9659 Exchange rate negara tujuan -0,178340 0,054822 -3,253044 0,0016 Tarif -0,085964 0,037177 -2,312311 0,0231 Dummy Languages -0,134506 0,220866 -0,608991 0,5441 Weighted Statistics R-squared 0,990618 Sum Squared Residual 68,79516 Prob F-statistic 0,000000 Durbin-Watson Stat 0,336052 Unweighted Statistics R-squared 0,739009 Sum Squared Residual 94,06530 Durbin-Watson Stat 0,174816 Catatan: Signifikan pada taraf nyata 5 persen Sumber: Data Sekunder diolah Tabel 10 menunjukkan hasil regresi model aliran perdagangan TPT di intra-ASEAN. Koefisien determinasi R 2 yang diperoleh dengan menggunakan metode pooled least square adalah sebesar 99,06 persen yang berarti 99,06 persen perubahan perdagangan TPT intra-ASEAN dapat diterangkan oleh variabel- variebel independen yang terdapat dalam model yaitu GDP negara asal GDPi, GDP negara tujuan GDPj, populasi negara asal POPi, populasi negara tujuan POPj, jarak, nilai tukar negara asal terhadap USD EXCi, nilai tukar negara tujuan terhadap USD EXCj, tarif, dan dummy kesamaan bahasa, sedangkan sisanya diterangkan oleh faktor-faktor lain yang tidak terdapat dalam model. Hasil uji tersebut juga diperkuat dengan tingginya nilai Fstatistik yang signifikan pada tingkat α 5 persen yaitu sebesar 0,0000 Setiawati, 2007. Model regresi yang mengandung lebih dari dua variabel bebas sering mengandung multikolinearitas akibat dugaan adanya korelasi antar sesama variabel bebas Napitupulu, 2007. Multikolinearitas disebabkan nilai R 2 yang tinggi, tetapi variabel independen banyak yang tidak signifikan. Dari hasil pengolahan data yang terlihat pada Tabel 9, nilai R 2 yang diperoleh tinggi yaitu 99,06 persen, tetapi terdapat enam variabel dari sembilan variabel independen yang berpengaruh nyata signifikan pada taraf nyata 5 persen. Selain itu, masalah multikolinearitas telah diatasi dengan memberikan perlakuan GLS cross section weights dalam pengolahan data panel. Sehingga dapat disimpulkan tidak terdapat multikolinearitas pada model. Untuk mendeteksi adanya masalah heteroskedastisitas, dapat dilakukan dengan membandingkan nilai Residual Sum Square pada Weighted Statistic RSSW dengan Residual Sum Square pada Unweighted Statistic RSSU. Pada pengolahan data panel, diperoleh RSSW RSSU 68,79 94,06, maka hasil tersebut mengindikasikan terdapat masalah heteroskedastisitas pada model. Namun, dalam pengolahan data panel telah diboboti dengan white heteroscedasticity sehingga masalah heteroskedastisitas dapat diabaikan. Ada atau tidaknya autokorelasi dapat dilihat pada nilai Durbin-Watson Statistic DW. Pada tabel hasil pengolahan gravity model aliran perdagangan TPT intra-ASEAN, diperoleh nilai DW sebesar 0,336. Nilai DW tersebut kurang dari 1,1 yang berarti terdapat autokorelasi pada model. Hal ini disebabkan data pada variabel dependen dan independen yang dianalisis mengandung pergerakan naik turun fluktuatif selama tahun analisis. Untuk mengatasi autokorelasi tersebut, maka dilakukan transformasi model ke dalam bentuk persamaan beda umum generalized difference equation. Sehingga, dengan persamaan tersebut masalah autokolerasi dapat diatasi dan sudah memenuhi asumsi OLS. Hasil estimasi persamaan beda umum generalized difference equation diperoleh seperti yang diperlihatkan pada Tabel 11. Seperti pengolahan data sebelumnya, hasil regresi model generalized difference equation tersebut juga diberikan perlakuan GLS Cross Section Weights dan White Heteroscedasticity untuk menghilangkan masalah multikolinearitas dan heteroskedastisitas. Dari hasil pengolahan data yang baru, diperoleh nilai Durbin-Watson Statistic yaitu 1,622 dimana nilai tersebut berkisar antara 1,55 dan 2,46 sehingga dapat disimpulkan tidak terdapat penyimpangan autokorelasi pada model. Tabel 11. Hasil Regresi Model Generalized Difference Equation Aliran Perdagangan TPT intra-ASEAN menggunakan Pooled Least Square Variabel Koefisien Standar Error t-statistic Probabilitas GDP negara asal 3,215789 0,346767 9,273623 0,0000 GDP negara tujuan 0,424427 0,229829 1,846710 0,0703 Populasi negara asal -0,647372 0,168038 -3,852524 0,0003 Populasi negara tujuan -0,208809 0,209180 -0,998225 0,3226 Jarak ekonomi -2,190658 0,273158 -8,019744 0,0000 Exchange rate negara asal 0,030036 0,060848 0,493627 0,6236 Exchange rate negara tujuan 0,090554 0,088257 1,026031 0,3095 Tarif -0,226344 0,069328 -3,264835 0,0019 Dummy Languages 0,834257 0,463107 1,801435 0,0772 Weighted Statistics R-squared 0.992857 Sum Squared Residual 108,1493 Prob F-statistic 0,000000 Durbin-Watson Stat 1,622102 Unweighted Statistics R-squared 0,482563 Sum Squared Residual 138,2601 Durbin-Watson Stat 1,949892 Catatan: Signifikan pada taraf nyata 5 persen, Signifikan pada taraf nyata 10 persen Sumber: Data Sekunder diolah Pada pengujian F-Statistik, hipotesis awal yang dirumuskan yaitu: H : β 1 = β 2 = β 3 = β 4 = β 5 = β 6 = β 7 = β 8 = β 9 = β 10 = β 11 =0. Berdasarkan output data yang dihasilkan pada tabel 10, ditunjukkan nilai probabilitas F-Statistik yang diperoleh adalah 0,000000. Sehingga, dapat diambil kesimpulan bahwa untuk α = 0,005, tolak H karena F-Statistik α taraf nyata yang berarti variabel-variabel independen bersama-sama berpengaruh nyata terhadap variabel dependennya.

5.2.2 Interpretasi Model