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