Penelitian Mengenai Permintaan Ekspor

10 Gambar 6 Kerangka Pemikiran Operasional Perhiasan sebagai salah satu produk industri kreatif fesyen yang potensial untuk diekspor Peluang Indonesia sebagai salah satu eksportir utama perhiasan di pasar luar negeri karena desain yang unik Singapura, Amerika Serikat, Italia, Jerman, Perancis, Jepang, dan Australia sebagai negara tujuan ekspor utama perhiasan Indonesia Nilai Tukar Riil Rupiah terhadap Mata Uang Negara Tujuan Harga Ekspor Negara Pesaing GDP Per Kapita Negara Tujuan Analisis Panel dengan Model Fixed Effect Harga Ekspor ke Negara Tujuan Populasi Negara Tujuan Rekomendasi Kebijakan Volume dan nilai ekspor berfluktuasi Faktor-faktor yang memengaruhi permintaan ekspor perhiasan Indonesia di Singapura, Amerika Serikat, Italia, Jerman, Perancis, Jepang, dan Australia 11 Hipotesis Penelitian Hipotesis yang digunakan pada penelitian ini adalah: 1. Nilai tukar riil rupiah terhadap mata uang negara tujuan ekspor berpengaruh negatif. Artinya, apabila nilai tukar riil rupiah terdepresiasi, maka volume permintaan ekspor perhiasan Indonesia akan meningkat. 2. Harga ekspor perhiasan Indonesia ke negara tujuan berpengaruh negatif. Artinya, jika harga perhiasan di negara tujuan meningkat, maka jumlah permintaan ekspor perhiasan Indonesia akan menurun. 3. Harga ekspor perhiasan negara pesaing berpengaruh positif. Artinya, apabila harga ekspor negara pesaing semakin mahal, maka negara tujuan ekspor akan beralih ke negara eksportir yang lebih murah sehingga permintaan ekspor perhiasan Indonesia akan meningkat. 4. GDP per kapita negara tujuan ekspor berpengaruh positif. Artinya, apabila GDP per kapita negara tujuan ekspor meningkat, maka daya beli masyarakat akan meningkat dan tingkat konsumsi perhiasan pun akan meningkat sehingga permintaan ekspor perhiasan akan naik. 5. Populasi negara tujuan ekspor berpengaruh positif. Artinya, semakin besar jumlah populasi negara tujuan ekspor, maka semakin besar pula volume permintaan ekspor perhiasan Indonesia. METODE PENELITIAN Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang berupa data deret waktu time series dan antar individu cross section. Data time series meliputi data tahunan 2000-2011, sedangkan data cross section meliputi tujuh negara tujuan ekspor utama Indonesia yaitu Singapura, Amerika Serikat, Italia, Jerman, Perancis, Jepang, dan Australia. Tabel 2 menunjukkan sumber data yang digunakan dalam penelitian ini. Tabel 2 Jenis, Simbol, dan Sumber Data Penelitian No Variabel Satuan Simbol Sumber 1 Volume ekspor perhiasan Indonesia ke negara tujuan kg VEX UN Comtrade 2 Harga ekspor perhiasan Indonesia US PX UN Comtrade 3 Populasi penduduk negara tujuan jiwa POP World Bank 4 Nilai tukar national currencyRp ER IMF 5 GDP per kapita negara tujuan USjiwa GDP World Bank 6 Harga ekspor perhiasan negara pesaing US PXN UN Comtrade 12 Metode Analisis Data Metode analisis data yang digunakan adalah metode deskriptif dan metode kuantitatif. Metode deskriptif digunakan untuk memberikan gambaran tentang perkembangan permintaan akan perhiasan Indonesia di tujuh negara tujuan ekspor utama, sedangkan metode kuantitatif untuk menjelaskan hubungan variabel-variabel yang memengaruhi volume permintaan ekspor perhiasan Indonesia di tujuh negara tujuan ekspor. Data kuantitatif diolah menggunakan program Microsoft Excel 2007 dan Eviews 6, sedangkan data kualitatif berbentuk narasi. Karena mengkombinasikan data cross section dan time series, maka panel data memiliki beberapa keunggulan antara lain Gujarati 2004: 1. Mampu mengidentifikasi dan mengukur efek yang secara sederhana tidak dapat diatasi dalam data cross section murni atau data time series murni. 2. Mampu mengontrol heterogenitas individu. 3. Memberikan data yang informatif, mengurangi kolinearitas antar peubah serta meningkatkan derajat kebebasan sehingga data menjadi lebih efisien. 4. Data panel lebih baik digunakan untuk study dynamics of adjustment karena terkait dengan observasi pada cross section yang sama secara berulang. 5. Mampu menguji dan mengembangkan model perilaku yang lebih kompleks. Terdapat tiga macam pendekatan dalam panel data yaitu: 1. Pendekatan Kuadrat Terkecil Pooled Least Square Pendekatan ini merupakan pendekatan yang paling sederhana dalam pengolahan data panel yang didapatkan dengan cara mengkombinasikan semua data cross section dan time series yang akan diduga dengan menggunakan metode OLS Ordinary Least Square seperti persamaan berikut: Y it = α + β� it + e it dimana: Y it = variabel endogen � it = variabel eksogen α = intercept β = slope i = individu ke-i t = periode waktu ke-t e = error simpangan

2. Model Efek Tetap Fixed Effect

Asumsi intercept dan slope dari persamaan regresi yang dianggap konstan baik antar individu maupun antar waktu yang kurang sesuai dengan tujuan penggunaan data panel merupakan masalah terbesar yang dihadapi dalam pendekatan model kuadrat terkecil. Untuk mengatasi hal ini dapat digunakan pendekatan model efek tetap fixed effect. Model fixed effect adalah model yang dapat digunakan dengan mempertimbangkan bahwa peubah-peubah yang dihilangkan dapat mengakibatkan perubahan dalam intersep-intersep cross section dan time series. Untuk memungkinkan perubahan-perubahan intersep ini, dapat ditambahkan variabel dummy ke dalam model yang selanjutnya akan diduga dengan model OLS yaitu: Y it = ∑ α i D i + β� it + e it 13 dimana: Y it = variabel endogen � it = variabel eksogen α = intercept β = slope D = variabel dummy i = individu ke-i t = periode waktu ke-t e = error simpangan

3. Model Efek Acak Random Effect

Memasukkan variabel dummy ke dalam model akan mengakibatkan berkurangnya jumlah derajat kebebasan yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. Pendekatan yang dapat digunakan untuk mengatasi hal ini adalah model random effect. Model random effect disebut juga sebagai error component model karena dalam model ini, parameter yang berbeda antar individu maupun antar waktu dimasukkan ke dalam error. Persamaan umumnya yaitu: Y it = α + � j it β j + ε it ε it = u i + v t + w it dimana: u i ~ N0, � � 2 = komponen cross section error v t ~ N0, � � 2 = komponen time series error w it ~ N0, � � 2 = komponen error kombinasi Pemilihan Model Agar memperoleh dugaan model yang efisien dan paling baik di antara berbagai pilihan model maka kita perlu menganalis dugaan model yang kita gunakan berdasarkan pertimbangan statistik. Terdapat tiga pengujian statistik yang digunakan dalam data panel untuk menentukan model mana yang paling baik Gujarati 2004. Ketiga model tersebut ditunjukkan pada Gambar 7. Sumber: Gujarati 2004 Gambar 7 Pengujian Pemilihan Model dalam Pengolahan Data Panel LM TEST