Penelitian Terdahulu TINJAUAN PUSTAKA 2.1

28 No Judul Peneliti Penerbit Metode Variabel Data Hasil 1 2 3 4 5 6 7 8 6 Pengaruh Nilai Tukar Rupiah terhadap Harga Ekspor Komoditi Kayu Indonesia Widya Hastuti, 2006. Tesis Magister Ekonomi, Universitas Indonesia. VECM Harga ekspor komoditi, Wholesale Price Index WPI, nilai tukar nominal, harga ekspor dunia Data bulanan dari Agustus 1998 sampai Desember 2004 Harga ekspor kayu lapis Indonesia tidak ditentukan oleh variabel nilai tukar, tetapi harga ekspor kayu lapis ditentukan oleh pasar dunia. Pasar ekspor produk pulp Indonesia memiliki posisi yang lemah karena ketika Rupiah terdepresiasi terhadap Dolar, dalam jangka panjang harga ekspor komoditi pulp menurun. Indonesia memiliki posisi yang kuat pada pasar ekspor untuk komoditi kayu gergajian 7 Exchange Rate Volatility and Export Performance: a Cointegrated VAR Approach. Pal Boug dan Andreas Fagereng, 2007. Discussion Papers No. 522, November 2007. Statistics Norway, Research Department. GARCH, CVAR Harga relatif, permintaan pasar dunia untuk mesin dan peralatannya dari Norwegia, volatilitas nilai tukar, nilai tukar nominal, nilai tukar riil. Data triwulanan dari tahun 1985 triwulan I sampai dengan tahun 2005 triwulan IV Terdapat hubungan sebab akibat antara ketidakpastian nilai tukar dengan kinerja ekspor. Perubahan volatilitas didekati dengan variabel dummy . Krisis keuangan Asia pada tahun 1990an membawa pengaruh yang signifikan dalam model dinamis untuk pertumbuhan ekspor, dimana tingkat harga relatif dan permintaan pasar dunia bersama- sama dengan tingkat ekspor membentuk hubungan kointegrasi yang signifikan. 28

2.3 Kerangka Pemikiran

Pada nilai tukar mengambang, nilai tukar ditentukan oleh pasar dan dibiarkan berfluktuasi dengan bebas untuk menanggapi kondisi perekonomian yang sedang berubah. Fluktuasi nilai tukar berkaitan erat dengan perdagangan internasional karena nilai suatu komoditi ekspor dinilai dengan satu satuan mata uang asing. Fluktuasi nilai tukar ini mempengaruhi kegiatan ekspor yang merupakan salah satu bentuk perdagangan internasional. Barang-barang ekspor yang dikirim ke luar negeri dihitung dengan menggunakan satu satuan mata uang asing sehingga dengan adanya fluktuasi nilai tukar ini menyebabkan harga barang ekspor menjadi tidak tentu. Jika rupiah terdepresiasi, eksportir akan beruntung karena produk mereka menjadi lebih murah di negara pengimpor, sehingga mungkin jumlah yang diminta akan meningkat dan pada akhirnya akan meningkatkan keuntungan eksportir. Sebaliknya jika rupiah terapresiasi, harga barang ekspor di negara pengimpor menjadi lebih mahal sehingga kemungkinan permintaan akan berkurang dan pada akhirnya mengurangi keuntungan eksportir. Pada kenyataannya fenomena yang terjadi di beberapa tahun tertentu, saat nilai tukar rupiah terdepresiasi terhadap dolar AS, ekspor karet alam Indonesia tidak meningkat, bahkan justru menurun. Demikian pula sebaliknya di beberapa tahun tertentu, saat nilai tukar rupiah terhadap dolar AS terapresiasi, ekspor karet alam Indonesia meningkat. Fenomena ini diduga akan mempengaruhi arus perdagangan ekspor karet alam Indonesia ke Amerika Serikat dan Jepang. Pasar ekspor karet alam dunia dikuasai oleh 3 negara yaitu Thailand, Indonesia dan Malaysia. Indonesia adalah eksportir karet alam terbesar kedua dan pesaing utama Indonesia yang merupakan eksportir terbesar pertama karet alam adalah Thailand. Malaysia sebagai eksportir terbesar ketiga dari waktu ke waktu mengalami penurunan volume ekspor karena daya serap industri dalam negeri mereka terhadap karet alam yang dihasilkan semakin tinggi. Sedangkan pasar impor karet alam dunia dikuasai oleh Amerika Serikat dan Jepang. Data BPS menunjukkan sampai dengan tahun 2008 importir terbesar karet alam Indonesia adalah Amerika Serikat dan Jepang. Oleh karena itu, negara tujuan ekspor karet alam Indonesia yang menjadi obyek dalam penelitian ini adalah Amerika Serikat dan Jepang. Kinerja ekspor karet alam Indonesia dipengaruhi oleh banyak faktor. Faktor-faktor yang diduga mempengaruhi kinerja ekspor karet alam Indonesia adalah volume ekspor, harga ekspor, harga negara pesaing, harga internasional, nilai tukar rupiah dan GDP riil negara importir. Berdasarkan faktor-faktor tersebut, maka dapat dibangun suatu model yang menggambarkan pola perdagangan karet alam Indonesia ke Amerika Serikat dan Jepang. Model pola perdagangan karet alam Indonesia ke Amerika Serikat dan Jepang dapat digunakan untuk memprediksi jika terjadi guncangan dalam perdagangan karet alam Indonesia. Dari model tersebut, diharapkan dapat memberikan informasi bagi penyusunan kebijakan yang tepat dalam upaya peningkatan kinerja ekspor karet alam Indonesia. Alur kerangka berfikir penelitian ini diperlihatkan oleh Gambar 6. Gambar 6 Skema Kerangka Pemikiran Penelitian Model arus perdagangan karet alam Indonesia ke Amerika Serikat dan Jepang Fluktuasi ekspor karet alam Indonesia tidak seiring dengan fluktuasi nilai tukar rupiah Arus perdagangan karet alam Nilai tukar Volume ekspor karet alam Indonesia Harga ekspor Kebijakan perdagangan karet alam Indonesia Eksportir utama: • Thailand • Indonesia Importir utama: • Amerika Serikat • Jepang Harga negara pesaing Harga internasional Pendapatan negara importir

2.4 Hipotesis Penelitian

Penelitian ini memiliki 2 hipotesis yaitu: 1. Terdapat hubungan jangka pendek dan jangka panjang antara nilai tukar rupiah dengan ekspor karet alam Indonesia ke AS dan Jepang. 2. Pengaruh perubahan nilai tukar rupiah terhadap ekspor karet alam Indonesia ke AS dan Jepang positif. Halaman ini sengaja dikosongkan

III. METODE PENELITIAN 3.1

Jenis dan Sumber Data Data yang digunakan untuk penelitian ini adalah data sekunder dan bentuk datanya adalah time series triwulanan dari periode 1996 sampai dengan 2010. Kode HS untuk komoditi karet alam diambil dari kode HS 10 digit mulai dari 4001.10.11.00 sampai dengan 4001.29.90.00. Sumber data yang digunakan berasal dari berbagai terbitan, seperti Badan Pusat Statistik, International Monetary Fund , Gabungan Perusahaan Karet Indonesia, Bank of Thailand, Federal Reserve Economic Data , Japan Cabinet Economic Data dan sumber- sumber data lain. Jenis data yang akan digunakan dengan besaran dan sumbernya disajikan pada Tabel 4. Tabel 4 Jenis dan Sumber Data yang Digunakan dalam Penelitian Data Definisi Besaran Sumber Data KAS Volume ekspor karet alam Indonesia ke AS Kg BPS KJ Volume ekspor karet alam Indonesia ke Jepang Kg BPS PAS Harga ekspor karet alam Indonesia ke AS FOB USDKg BPS diolah PJ Harga ekspor karet alam Indonesia ke Jepang FOB USDKg BPS diolah ERIAS Nilai tukar riil Rupiah terhadap dolar AS RpUSD BI diolah ERIJ Nilai tukar riil Rupiah terhadap Yen Jepang RpYen BI diolah PINTL Harga internasional karet alam USDKg IMF diolah PTHAI Harga negara pesaing karet alam Indonesia USDKg BOT diolah YIAS GDP riil AS US Dollar FRED YIJ GDP riil Jepang Yen JCED Keterangan: • BPS : Badan Pusat Statistik • BI : Bank Indonesia • IMF : International Monetary Fund • BOT : Bank of Thailand • FRED : Federal Reserve Economic Data • JCED : Japan Cabinet Economic Data

3.2 Metode Analisis Data

Data time series pada umumnya tidak stasioner pada level. Jika data tidak stasioner di level namun stasioner pada proses diferensi data, maka harus diuji apakah data mempunyai hubungan dalam jangka panjang atau tidak dengan melakukan uji kointegrasi. Apabila terdapat kointegrasi, maka model yang digunakan adalah model Vector Error Correction Model VECM. Model VECM merupakan model VAR yang terestriksi restricted VAR. Adanya kointegrasi menunjukkan adanya hubungan jangka panjang antar variabel di dalam sistem VAR. Salah satu tujuan penelitian adalah mengetahui hubungan jangka panjang antara nilai tukar dengan ekspor karet alam Indonesia ke Amerika Serikat dan Jepang. Oleh karena itu, penelitian ini menggunakan analisis VECM. Perangkat lunak yang digunakan dalam penelitian ini adalah program Excel 2003 dan Eviews 6.0.

3.2.1 Vector Autoregression VAR

VAR adalah suatu sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linier dari konstanta dan nilai lag lampau dari peubah itu sendiri serta nilai lag dari peubah lain yang ada dalam sistem. Peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem. Pada metode VAR, variabel eksogen dan endogen tidak dapat dibedakan secara apriori. Menurut Sims 1972 dalam Junaidi 2010 hanya variabel endogen yang masuk analisis. Keunggulan metode VAR dibandingkan dengan metode ekonometri konvensional adalah Junaidi 2010: 1 Mengembangkan model secara bersamaan di dalam suatu sistem yang kompleks multivariate, sehingga dapat menangkap hubungan keseluruhan variabel di dalam persamaan tersebut. 2 Uji VAR yang multivariate bisa menghindari parameter yang bias akibat tidak dimasukannya variabel yang relevan. 3 VAR dapat mendeteksi hubungan antar variabel di dalam sistem persamaan, dengan menjadikan seluruh variabel sebagai endogenous. 4 Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan teori ekonomi yang sering muncul, termasuk gejala perbedaan palsu di dalam model ekonometri konvensional, terutama pada persamaan simultan, sehingga menghindari penafsiran yang salah. Selain memiliki kelebihan, metode VAR juga memiliki kelemahan, adapun beberapa kelemahan yang dimiliki model VAR antara lain: 1 Model VAR lebih bersifat ateoritik karena tidak memanfaatkan informasi atau teori terdahulu. Oleh karenanya, model tersebut sering disebut model yang tidak struktural. 2 Mengingat tujuan utama model VAR untuk peramalan, maka model VAR kurang cocok untuk menganalisis kebijakan. 3 Pemilihan banyaknya lag yang digunakan dalam persamaan juga dapat menimbulkan permasalahan dalam proses estimasi. Pemodelan VAR adalah bentuk pemodelan yang digunakan untuk multivariate time series. Model VAR menjadikan semua variabel bersifat endogen. Spesifikasi model VAR meliputi pemilihan variabel dan banyaknya selang lag yang digunakan dalam model. Sesuai dengan Sims 1972 dalam Junaidi 2010, variabel yang digunakan dalam persamaan VAR dipilih berdasarkan teori ekonomi yang relevan. Pemilihan selang optimal kemudian akan menggunakan kriteria informasi seperti Akaike information criterion AIC, Schwarz information criterion SC, Hannan-Quinn information criterion HQ. Model VAR secara matematis dapat diwakili oleh Enders 2004: t k i t i t t u X A x ∑ = − + + = 1 1 µ 3.1 x t adalah vektor dari variabel-variabel endogen berdimensi n x 1, μ t adalah vektor dari variabel-variabel eksogen termasuk di dalamnya konstanta intercept dan tren, A i adalah matriks-matriks koefisien berdimensi n x n, dan u t adalah vektor dari residual-residual yang secara kontemporer berkorelasi tetapi tidak berkorelasi dengan nilai lag mereka sendiri dan juga tidak berkorelasi dengan seluruh variabel yang ada dalam sisi kanan persamaan di atas.

3.2.2 Uji Stasioneritas Data

Hal penting yang berkaitan dengan studi atau penelitian yang menggunakan data time series adalah stasioneritas. Data deret waktu dikatakan stasioner jika data menunjukkan pola yang konstan dari waktu ke waktu atau dengan kata lain tidak terdapat pertumbuhan atau penurunan pada data, secara kasarnya data harus horizontal sepanjang sumbu waktu. Engel dan Granger 1987 dalam Junaidi 2010 menyatakan bahwa uji akar unit dipandang sebagai uji stasioneritas, karena pada intinya uji tersebut bertujuan untuk mengamati apakah koefisien tertentu dari model otoregresif yang ditaksir mempunyai nilai atau tidak. Jika data runtun waktu time series yang digunakan tidak stasioner, maka kesimpulan yang diperoleh akan menghasilkan pola hubungan regresi yang semu spurious regression. Data yang stasioner akan mempunyai kecenderungan untuk mendekati nilai rata-ratanya dan berfluktuasi disekitar nilai rata-ratanya Gujarati 2006. Ada beberapa cara untuk melakukan uji akar unit root, namun yang paling banyak adalah dengan augmented Dicky Fuller ADF test. Misalkan model persamaan time series sebagai berikut Pasaribu 2003: y t = ρy t-1 + ε t 3.2 ρ adalah parameter yang akan diestimasi dan ε diasumsikan white noise dimana variabel yang digunakan tersebut memiliki mean dan variance yang konstan dan kovarian sama dengan nol. Jika |ρ| ≥ 1, maka y adalah variabel yang tidak stasioner, dan varian dari y akan meningkat sejalan dengan peningkatan waktu dan cenderung untuk tak berhingga. Jika |ρ| 1, maka y adalah variabel yang stasioner. Hipotesis trend stationarity dapat dievaluasi dengan menguji apakah nilai absolut dari ρ betul-betul kecil dari satu. Pengujian umum terhadap hipotesis diatas adalah: H : ρ = 1 dan hipotesis alternatif H 1 : ρ1. Kemudian dengan mengurangi kedua sisi persamaan 3.2 dengan y t-1 didapat persamaan: y t = αy t-1 + ε t 3.3 dimana mengidentifikasikan perbedaan pertama, sedangkan α= ρ-1, sehingga hipotesis nol menjadi H : α=0, sedangkan hipotesis alternatif menjadi H 1 : α1. Sedangkan model umum dari ADF yang digunakan dalam penelitian ini adalah sebagai berikut Pasaribu 2003: y t = k + αy t-1 + c 1 y t-2 + ...+ c p y t-p + β trend + ε t 3.4 Jika nilai t-statistik ADF lebih kecil dari t-statistik kritis MacKinnon maka keputusannya adalah menolak H yang menyatakan bahwa data tidak stasioner atau dengan kata lain data bersifat stasioner.

3.2.3 Penetapan Lag Optimal

Uji lag optimal dilakukan untuk mengetahui berapa jumlah lag yang sesuai untuk model. Penetapan tingkat lag optimal dapat dilakukan dengan menggunakan fungsi kriteria informasi sebagai berikut: a Kriteria uji likelihood ratio LR ; b final prediction error FPE; c Akaike information criterion AIC; d Schwartz information criterion SIC; dan e Hannan_Quinn criterion HQ. Penentuan lag optimal dalam analisis VAR sangat penting dilakukan karena variabel endogen dari variabel endogen dalam sistem persamaan akan digunakan sebagai variabel eksogen Enders 2004. Pengujian panjang lag optimal ini berguna untuk menghilangkan masalah autokorelasi dalam sistem VAR. Dalam penelitian ini digunakan semua kriteria informasi untuk menentukan lag optimal. Model VAR diestimasi dengan lag yang berbeda-beda kemudian dibandingkan nilai kriterianya. Nilai lag yang optimum adalah nilai kriteria yang terkecil.

3.2.4 Uji Kointegrasi

Salah satu asumsi yang harus dipenuhi dalam VAR adalah semua peubah tak bebas bersifat stasioner. Apabila data tidak stasioner, maka perlu dilakukan uji kointegrasi, dimana jika data yang tidak stasioner terkointegrasi, maka kombinasi linier antar variabel-variabel dalam sistem akan bersifat stasioner, sehingga dapat diperoleh sistem persamaan jangka panjang yang stabil Enders 2004. Suatu deret waktu dikatakan terintegrasi pada lag ke-d atau Id jika data tesebut bersifat stasioner setelah pendiferensian sebanyak d kali. Peubah-peubah tidak stasioner yang terintegrasi pada tingkat yang sama dapat membentuk kombinasi linier yang bersifar stasioner. Komponen dari vektor y t dikatakan terkointegrasi jika ada vektor β = β 1, β 2,......, β n sehingga kombinasi linier β y t bersifat stasioner, dengan syarat ada unsur matriks β bernilai tidak sama dengan nol. Vektor β dinamakan vektor kointegrasi. Rank kointegrasi r dari vektor adalah banyaknya vektor kointegrasi yang saling bebas. Nilai r dapat diketahui melalui uji Johansen. Hipotesisnya adalah: H = rank ≤ r H 1 = rank r