Hasil dan Analisis Kuantitatif

2.10. Hasil dan Analisis Kuantitatif

2.10.1. Analisis Data Panel

2.10.1.1. Hasil Estimasi Data Panel

Salah satu tujuan dari penelitian ini adalah untuk mengetahui perbandingan determinan FDI di ASEAN 5 (Indonesia, Malaysia, Thailand, Singapura, Filipina) dan China periode 1988-2009. Determinan FDI yang digunakan dalam penelitian ini terdiri atas faktor ekonomi makro (pertumbuhan ekonomi, nilai tukar) dan karakteristik negara (tenaga kerja, infrastruktur). Teknik analisis yang digunakan dalam penelitian ini adalah analisis data panel (pooling data) yaitu dengan menggabungkan data yang bersifat time series dan cross section.

Dalam melakukan analisis data penelitian dengan data panel, peneliti menggunakan tiga jenis estimasi model yaitu, Pooled Least Square (PLS), Fixed Effect Methode (FEM) , dan Random Effect Methode (REM). Hasil yang akan digunakan dalam mengambil kesimpulan dalam penelitian ini adalah hasil dari model terbaik atas pengujian model yang dilakukan. Hasil perhitungan dari tiga model tersebut diperoleh dengan menggunakan software eviews 6, adapun hasil estimasi yang telah dilakukan adalah sebagai berikut : Dalam melakukan analisis data penelitian dengan data panel, peneliti menggunakan tiga jenis estimasi model yaitu, Pooled Least Square (PLS), Fixed Effect Methode (FEM) , dan Random Effect Methode (REM). Hasil yang akan digunakan dalam mengambil kesimpulan dalam penelitian ini adalah hasil dari model terbaik atas pengujian model yang dilakukan. Hasil perhitungan dari tiga model tersebut diperoleh dengan menggunakan software eviews 6, adapun hasil estimasi yang telah dilakukan adalah sebagai berikut :

Tabel 4.6. Hasil Estimasi Data Panel Determinan FDI ASEAN 5 dan China

Periode 1988-2009

Variabel Dependen : LnFDI Variabel

5.329934 (10.99243) 0.030869 (2.117713) -0.261727 (-3.100184) 0.651150 (5.172318) 0.748127 (12.12061) Indonesia Malaysia Thailand Singapura Filipina China

0.786078 -0.553815 -0.053881

0.524120 -0.416036 -0.286466

R 2 F-statistik

Catatan : angka pada tanda ( ) menunjukkan nilai t-statistik dan semua variabel signifikan pada tingkat level 5% (t-tabel = 1,645)

Sumber : Hasil Pengolahan Data Eviews 6 Berdasarkan tabel 4.6 diatas diketahui bahwa hasil estimasi dengan

menggunakan pendekatan PLS, FEM, dan REM menunjukkan seluruh variabel independen yaitu pertumbuhan ekonomi, tenaga kerja, dan infrastruktur memilikki pengaruh positif dan signifikan terhadap FDI di ASEAN 5 dan China pada α=5%. Sedangkan, variabel nilai tukar memilikki pengaruh negatif dan juga signifikan

terhadap FDI di ASEAN 5 dan China pada α=5%. Dilihat dari nilai koefisien determinasi (goodness of fit test) menunjukkan bahwa model FEM adalah yang terbaik dengan nilai R 2 sebesar 0,841 dibandingkan

dengan R 2 model PLS sebesar 0,742 dan REM sebesar 0,544. Dengan kata lain

variabel independen (pertumbuhan ekonomi, nilai tukar, tenaga kerja,dan infrastruktur) pada model FEM mampu menjelaskan 84% variansi variabel dependen variabel independen (pertumbuhan ekonomi, nilai tukar, tenaga kerja,dan infrastruktur) pada model FEM mampu menjelaskan 84% variansi variabel dependen

(FDI). Sedangkan, sisanya yaitu sebesar 16% dijelaskan variabel lain yang tidak dimasukkan dalam model penelitian ini.

Pada model FEM nilai intersep pada masing-masing negara adalah, Indonesia sebesar 4.307260, Malaysia sebesar -0.659132, Thailand sebesar 0.328967, Singapura sebesar 1.707360, Filipina 0.366849, dan China sebesar - 5.072382. Dengan demikian, pendekatan Fixed Effect Methode (FEM) menjelaskan adanya pebedaan perilaku determinan FDI dari keenam negara tersebut. Sedangkan, nilai intersep model REM pada masing-masing negara adalah, Indonesia sebesar 0.786078, Malaysia sebesar -0.553815, Thailand sebesar -0.053881, Singapura sebesar 0.524120, Filipina -0.416036, dan China sebesar -0.286466.

Nilai intersep pada random effect menunjukkan seberapa besar perbedaan random error component sebuah negara terhadap nilai intercept (c). Jika semua nilai random effect dijumlahkan, maka akan menghasilkan angka nol. Sehingga dengan adanya perbedaan nilai intersep pada masing-masing negara ini menunjukkan heterogenitas , dimana terdapat faktor yang berbeda-beda dalam mempengaruhi determinan pada masing-masing negara di ASEAN 5 dan China.

2.10.1.2. Hasil Uji Pemilihan Model

Setelah dilakukan estimasi data panel dengan ketiga pendekatan yaitu, Pooled Least Square (PLS), Fixed Effect Methode (FEM), dan Random Effect

Methode (REM), maka langkah selanjutnya adalah melakukan uji pemilihan model untuk menentukan model terbaik yang hasilnya akan digunakan untuk membuat kesimpulan dari analisis yang telah dilakukan dalam penelitian ini. Adapun tahapan uji pemilihan model data panel dapat dijelaskan sebagai berikut.

perpustakaan.uns.ac.id digilib.uns.ac.id

3) Common Effect atau Individual Effect

Untuk mengetahui model apakah yang cocok untuk digunakan dalam penelitian ini Common Effect atau Individual Effect, dapat dilihat dari hasil Uji Chow Test atau juga sering disebut sebagai uji F Statistik. Seperti yang sudah dijelaskan sebelumnya bahwa untuk melakukan uji ini digunakan hipotesis yaitu :

H 0 : Model Common Effect (Restricted)

H 1 : Model Individual Effect (Unrestricted) Dalam pengujian hipotesis tersebut digunakan persamaan F statistik seperti yang telah dirumuskan oleh Chow berikut ini :

UR R

Sehingga hasil perhitungan dengan menggunakan persamaan diatas dapat dilihat berikut ini :

Berdasarkan hasil perhitungan diatas diperoleh nilai F hitung yaitu sebesar 18,84177, sedangkan nilai dari F tabel dengan df for numerator = 5, df for denumerator = 122, pada tingkat kepercayaan 5% adalah sebesar 2,45. Dapat diketahui bahwa

F hitung jauh lebih besar di atas nilai F tabel , dengan demikian H 0 ditolak. Dengan kata

lain asumsi bahwa koefisien intersep dan slope adalah sama tidak berlaku sebagaimana pada persamaan PLS .

Sehingga model data panel yang cocok untuk digunakan dalam mengestimasi determinan FDI di ASEAN 5 (Indonesia, Malaysia, Thailand, Sehingga model data panel yang cocok untuk digunakan dalam mengestimasi determinan FDI di ASEAN 5 (Indonesia, Malaysia, Thailand,

Singapura, Filipina) dan China adalah model data panel dengan pendekatan Individual Effect dibandingkan dengan pendekatan Common Effect.

4) FEM (Fixed Effect Model) atau REM (Random Effect Model)

Dari hasil pemilihan model sebelumnya menunjukkan sebuah kesimpulan bahwa Individual Effect adalah model yang cocok untuk digunakan dalam melakukan analisis dalam penelitian ini. Untuk itu, langkah selanjutnya adalah dilakukan uji Hausman Test Untuk menentukan model apakah yang akan digunakan Fixed Effect Model atau Random Effect Model. Dalam pengujian ini hipotesis yang digunakan adalah :

H 0 : Model Random Effect (REM)

H 1 : Model Fixed Effect (FEM) Pengujian Hausman Test dengan menggunakan software eviews 6 diperoleh hasil sebagai berikut ini :

Tabel 4.7. Hasil Uji Hausman Data Panel Random Effect Method (REM)

Periode 1988-2009 Test Summary

Chi-Sq. Statistic

Chi. Sq. d.f.

Prob. Cross-section random

4 0.0003 Sumber : Hasil Pengolahan Data Eviews 6

Berdasarkan hasil perhitungan uji Hausman Test diatas diperoleh nilai chi square ( c 2 ) hitung sebesar 21.047379, sedangkan nilai dari chi square ( c 2 ) tabel

dengan df = 4, pada tingkat kepercayaan 5% adalah sebesar 9.48773. Sehingga,

dapat diketahui bahwa chi square ( c 2 ) hitung jauh lebih besar di atas nilai square

( c 2 ) tabel , dengan demikian H 0 ditolak.

Dengan kata lain, model data panel yang cocok untuk digunakan dalam mengestimasi determinan FDI di ASEAN 5 (Indonesia, Malaysia, Thailand, Dengan kata lain, model data panel yang cocok untuk digunakan dalam mengestimasi determinan FDI di ASEAN 5 (Indonesia, Malaysia, Thailand,

Singapura, Filipina) dan China adalah model data panel dengan pendekatan Fixed Effect Method (FEM).

2.10.1.3. Pendekatan Metode Fixed Effect Method (FEM) dengan General Least Square

Dalam penelitian yang menggunakan data cross section, memilikki kecenderungan terjadinya heteroskedastisitas (data tidak homoskedastisitas) pada data penelitian. Oleh karena itu, dalam penelitian ini penulis mencoba untuk melihat apakah pada estimasi yang dilakukan melalui metode pendekatan Fixed Effect Method (FEM) terjadi heteroskedastisitas.

Cara yang dapat dilakukan untuk melihat adanya heteroskedastisitas pada estimasi Fixed Effect Method (FEM) yaitu dengan melakukan estimasi FEM dengan GLS kemudian membandingkan nilai sum square resid pada weighted statistics dan sum square resid unweighted statistics . Apabila nilai sum square Resid pada Weighted statistics lebih kecil sum square Resid Unweighted statistics, maka model terjadi heteroskedastisitas.

Dari hasil estimasi dengan menggunakan software eviews 6 diperoleh nilai sum square resid pada weighted statistics sebesar 39.27337, sedangkan nilai sum square resid unweighted statistics adalah sebesar 39.78809. Sehingga dapat disimpulkan bahwa nilai sum square resid pada weighted statistics lebih kecil sum square resid unweighted statistics, dengan kata lain estimasi dengan pendekatan Fixed Effect Method (FEM) terjadi heteroskedastisitas.

Untuk mengatasi permasalahan heteroskedastisitas ini dapat dilakukan sebuah treatment yaitu mengestimasi pendekatan Fixed Effect Method (FEM) dengan General Least Square (GLS). Metode GLS ini pada intinya adalah memberikan pembobotan kepada variasi data yang digunakan, dengan kuadrat varians dari model.

perpustakaan.uns.ac.id digilib.uns.ac.id

Lebih lanjut Gujarati (2003) menyebutkan bahwa metode OLS yang umum tidak mengasumsikan bahwa varians variabel adalah heterogen, pada kenyataannya variasi data pada data pooling cenderung heterogen.

Metode GLS sudah memperhitungkan heterogenitas yang terdapat pada variabel independent secara eksplisit sehingga metode ini mampu menghasilkan estimator yang memenuhi kriteria BLUE (best linear unbiased estimator). Sehingga dalam penelitian ini peneliti memutuskan untuk menggunakan pendekatan Fixed Effect Method (FEM) GLS. Adapun hasil pengolahan data dengan software eviews 6 diperoleh hasil estimasi seperti dibawah ini :

Tabel 4.8. Hasil Estimasi Data Panel Fixed Effect Method (FEM) GLS

Periode 1988-2009

Variabel Dependen : FDI Variabel

C EGROW LnEXCHR LnLABOR

Indonesia Malaysia Thailand Singapura Filipina China

F-statistik = 75.92674 Sumber : Hasil Pengolahan Data Eviews 6

Berdasarkan tabel 4.8 diatas diketahui bahwa hasil estimasi dengan menggunakan pendekatan Fixed Effect Method (FEM) GLS menunjukkan hampir seluruh variabel independen yaitu pertumbuhan ekonomi, tenaga kerja, dan

infrastruktur memilikki pengaruh positif dan signifikan pada α=5%. Sedangkan, variabel nilai tukar memilikki pengaruh neg atif dan juga signifikan pada α=5%.

perpustakaan.uns.ac.id digilib.uns.ac.id

Nilai R 2 yang dihasilkan dari hasil estimasi ini relatif lebih besar

dibandingkan dengan pendekatan-pendekatan sebelumnya yaitu sebesar 85 % selama masa periode pengamatan. Hal ini dapat berarti bahwa estimasi yang dilakukan dengan menggunakan Fixed Effect Method (FEM) GLS, variabel independen (pertumbuhan ekonomi, nilai tukar, tenaga kerja,dan infrastruktur) dalam penelitian ini mampu menjelaskan 85% variansi variabel dependen (FDI). Untuk sisanya yaitu sebesar 15% dijelaskan variabel lain yang tidak dimasukkan dalam model penelitian ini.

Nilai intersep (c) sebesar 2.186841 pada model FEM GLS merupakan nilai rata-rata dari komponen kesalahan (error). Sedangkan nilai individual effect pada masing-masing negara menunjukkan seberapa besar perbedaan komponen kesalahan (error) sebuah negara terhadap nilai rata-rata intersep semua negara. Berdasarkan hasil diatas dapat dijelaskan bahwa perbedaan komponen kesalahan negara terhadap nilai rata-rata semua negara yaitu Indonesia (3.328194), Malaysia (-0.112210), Thailand (0.230755), Singapura (2.748027), Filipina (0.240580), dan China (- 5.678937).

Dari hasil estimasi diatas dapat ditulis sebuah persamaan model untuk determinan FDI di ASEAN 5 (Indonesia, Malaysia, Thailand, Singapura, Filipina) dan China yaitu : · INDONESIA

LnFDI = 3.328194 + 0.034938*EGROW - 1.011203*LnEXCHR +

(1.454706) (2.472793) (-4.206582) 2.142890*LnLABOR + 0.826995*LnINFRA + µ it

· MALAYSIA LnFDI = -0.112210 + 0.034938*EGROW - 1.011203*LnEXCHR +

(1.454706) (2.472793) (-4.206582) 2.142890*LnLABOR + 0.826995*LnINFRA + µ it

· THAILAND LnFDI = 0.230755 + 0.034938*EGROW - 1.011203*LnEXCHR +

(1.454706) (2.472793) (-4.206582) 2.142890*LnLABOR + 0.826995*LnINFRA + µ it

· SINGAPURA LnFDI = 2.748027 + 0.034938*EGROW - 1.011203*LnEXCHR +

(1.454706) (2.472793) (-4.206582) 2.142890*LnLABOR + 0.826995*LnINFRA + µ it

· FILIPINA LnFDI = 0.240580 + 0.034938*EGROW - 1.011203*LnEXCHR +

(1.454706) (2.472793) (-4.206582) 2.142890*LnLABOR + 0.826995*LnINFRA + µ it (4.761849) (9.375275)

· CHINA LnFDI = -5.678937 + 0.034938*EGROW - 1.011203*LnEXCHR +

(1.454706) (2.472793) (-4.206582) 2.142890*LnLABOR + 0.826995*LnINFRA + µ it (4.761849) (9.375275)

2.10.1.4. Hasil Uji Statistik Model

Langkah selanjutnya dalam penelitian ini adalah melakukan uji statistik model yang telah dipilih sebelumnya. Tahapan uji statistik model penelitian ini terdiri atas :

4) Uji t statistik (uji parsial)

Uji t statistik atau uji parsial merupakan pengujian variabel secara individu atau sendiri-sendiri yang dilakukan untuk melihat apakah variabel Independen Uji t statistik atau uji parsial merupakan pengujian variabel secara individu atau sendiri-sendiri yang dilakukan untuk melihat apakah variabel Independen

sendiri terhadap koefisien regresi masing-masing variabel bebas dengan menggunakan level of significant 5% diperoleh hasil sebagai berikut :

Tabel 4.9. Hasil Uji t-Statistik (α=5%) Model Fixed Effect Method (FEM) GLS

Periode 1988-2009

Variabel Dependen : FDI

Variabel Independen

t-statistik

t-tabel

df (α/2,n-k)

df (0.025%, 122)

Prob.

Kesimpulan EGROW

LnEXCHR LnLABOR

Signifikan Signifikan Signifikan Signifikan

Sumber : Hasil Pengolahan Data Eviews 6

a. Variabel EGROW (Pertumbuhan Ekonomi)

Berdasarkan hasil estimasi data diperoleh nilai t hitung 2.472793 > t tabel ±1.96, memiliki nilai signifikansi 0.0148 yang berarti dibawah α = 0.05. Maka dapat disimpulkan bahwa Ho ditolak dan menerima Ha yang artinya variabel Pertumbuhan Ekonomi mempunyai pengaruh signifikan secara statistik terhadap FDI yang masuk ke negara ASEAN 5 dan China.

b. Variabel LnEXCHR (Nilai Tukar)

Berdasarkan hasil estimasi data diperoleh nilai t hitung -4.206582 > t tabel ±1.96, memiliki nilai signifikansi 0.0001 yang berarti dibawah α = 0.05. Maka dapat disimpulkan bahwa Ho ditolak dan menerima Ha yang artinya variabel Nilai Tukar mempunyai pengaruh signifikan secara statistik terhadap FDI yang masuk ke negara ASEAN 5 dan China.

c. Variabel LnLABOR (Tenaga Kerja)

Berdasarkan hasil estimasi data diperoleh nilai t hitung 4.761849 > t tabel ±1.96, memiliki nilai signifikansi 0.0000 yang berarti dibawah α = 0.05. Maka dapat disimpulkan bahwa Ho ditolak dan menerima Ha yang artinya variabel Tenaga Berdasarkan hasil estimasi data diperoleh nilai t hitung 4.761849 > t tabel ±1.96, memiliki nilai signifikansi 0.0000 yang berarti dibawah α = 0.05. Maka dapat disimpulkan bahwa Ho ditolak dan menerima Ha yang artinya variabel Tenaga

Kerja mempunyai pengaruh signifikan secara statistik terhadap FDI yang masuk ke negara ASEAN 5 dan China.

d. Variabel LnINFRA (Infrastruktur)

Berdasarkan hasil estimasi data diperoleh nilai t hitung 9.375275 > t tabel ±1.96, memiliki nilai signifikansi 0.0000 yang berarti dibawah α = 0.05. Maka dapat disimpulkan bahwa Ho ditolak dan menerima Ha yang artinya variabel Infrastruktur mempunyai pengaruh signifikan secara statistik terhadap FDI yang masuk ke negara ASEAN 5 dan China.

5) Uji F statistik (Uji Secara Bersama-sama)

Uji F statistik merupakan pengujian yang bertujuan untuk mengetahui besarnya pengaruh variabel independen terhadap variabel dependen secara bersama- sama. Pengujian secara bersama-sama terhadap koefisien regresi variabel independen dengan menggunakan level of significant 5% diperoleh hasil sebagai berikut :

Tabel 4.10. Hasil Uji F- Statistik (α=5%) Model Fixed Effect Method (FEM)

GLS Periode 1988-2009

Variabel Dependen : FDI Variabel Independen

F-statistik

F-tabel

df (α, k-1, n-k)

df (5%, 4, 122)

Kesimpulan EGROW, LnEXCHR,

LnLABOR, LnINFRA

2.45 Signifikan Sumber : Hasil Pengolahan Data Eviews 6 Berdasarkan dari hasil pengujian F statistik dari model Fixed Effect Method

(FEM) GLS pada derajat signifikansi 5% diperoleh nilai F hitung 75.92674 > F tabel 2.45. Hal ini berarti bahwa dalam hasil estimasi data panel dengan pendekatan Fixed Effect Method (FEM) GLS secara bersama-sama variabel pertumbuhan ekonomi, nilai tukar, tenaga kerja, dan infrastruktur mempunyai pengaruh yang signifikan/nyata secara statistik terhadap FDI yang masuk ke negara ASEAN 5 dan China.

perpustakaan.uns.ac.id digilib.uns.ac.id

6) Uji R 2 (Koefisien Determinasi)

Tujuan dilakukannya Uji Koefisien Determinasi (R 2 ) adalah untuk

mengetahui seberapa jauh kemampuan model dalam menerangkan variasi variabel

terikat (dependen). Besarnya R 2 menunjukkan pengaruh yang dijelaskan oleh variabel dependen. Berdasarkan hasil pengolahan data dengan menggunakan pendekatan Fixed Effect Method (FEM) GLS diperoleh nilai R 2 sebesar 0.853812 atau sekitar 85 %.

Hal tersebut berarti bahwa 85% variabel FDI dapat dijelaskan oleh variabel pertumbuhan ekonomi, nilai tukar, tenaga kerja, dan infrastruktur, sedangkan sisanya 15% dijelaskan oleh variabel-variabel lain diluar model.

2.10.1.5. Pembahasan Hasil Penelitian

Seperti yang telah dijelaskan bahwa dari hasil serangkaian pemilihan model diperoleh kesimpulan bahwa model yang paling sesuai dan tepat untuk digunakan dalam melakukan estimasi pada penelitian ini adalah model data panel dengan pendekatan Fixed Effect Method (FEM) GLS.

Dari persamaan model tersebut dapat digunakan untuk membuat kesimpulan dari penelitian ini dengan menjelaskan perbandingan antara temuan empirik dengan hipotesis yang telah dibuat oleh penulis dalam menganalisis data dalam penelitian

ini. Hipotesis yang dimaksud adalah adanya pengaruh yang signifikan/nyata secara

statistik dari variabel determinan FDI yang terdiri atas faktor ekonomi makro (pertumbuhan ekonomi, nilai tukar) dan karakteristik negara (tenaga kerja, infrastruktur) terhadap FDI yang masuk ke negara ASEAN 5 dan China.

Adapun ringkasan perbandingan antara temuan empirik dengan hipotesis penelitian ini dapat disajikan sebagai berikut : Adapun ringkasan perbandingan antara temuan empirik dengan hipotesis penelitian ini dapat disajikan sebagai berikut :

Tabel 4.11. Perbandingan Temuan Empirik dengan Hipotesis Penelitian

Pengaruh Variabel

Hipotesis

Temuan Empirik

Makna Statistik

Pengaruh

Makna Statistik

Pengaruh

Pertumbuhan Ekonomi terhadap FDI

Positif Nilai Tukar terhadap FDI

Negatif Tenaga Kerja terhadap FDI

Positif Infrastruktur terhadap FDI

Positif Sumber : Hasil Pengolahan Data Eviews 6

Dari tabel 4.11 diatas dapat diketahui bahwa temuan empirik dari hasil analisis data penelitian, hampir sebagaian besar variabel independen diantaranya pertumbuhan ekonomi, tenaga kerja, dan infrastruktur memilikki pengaruh yang positif dan signifikan secara statistik terhadap aliran FDI yang masuk ke negara ASEAN 5 dan China.. Sedangkan variabel nilai tukar yang diharapkan berpengaruh positif dan signifikan terhadap FDI justru menunjukkan hasil yang negatif dan signifikan terhadap aliran FDI di ASEAN 5 dan China.

Secara garis besar penelitian ini mampu menjawab hipotesis awal dari penelitian sebelumnya Chaterine dan Rashid (2011) bahwa variabel determinan FDI yang dikategorikan menjadi ekonomi makro dan karakteristik negara sama baiknya dalam menjelaskan determinan FDI inflows khususnya, di ASEAN 5 dan China. Selanjutnya akan dilakukan pembahasan lebih lanjut untuk melihat konsistensi hasil temuan empirik dengan teori serta penelitian-penelitian sebelumnya yaitu :

1) Pengaruh Pertumbuhan Ekonomi (EGROW) terhadap FDI

Berdasarkan persamaan model dengan pendekatan Fixed Effect Method (FEM) GLS, menunjukkan bahwa variabel pertumbuhan ekonomi mempunyai pengaruh yang positif dan signifikan secara statistik pada α = 5% terhadap aliran FDI

yang masuk ke negara ASEAN 5 dan China. Nilai koefisien regresi dari variabel yang masuk ke negara ASEAN 5 dan China. Nilai koefisien regresi dari variabel

pertumbuhan ekonomi adalah sebesar 0.034938. Dapat diartikan apabila terjadi perubahan pada pertumbuhan ekonomi di ASEAN dan China sebesar 1% maka akan menyebabkan terjadinya perubahan aliran FDI yang masuk ke ASEAN dan China sebesar 0.034938 % dengan arah hubungan yang sama (searah) dan diasumsikan variabel-variabel lain cateris paribus.

Hasil tersebut sesuai dengan temuan (CMCG, 2003) pertumbuhan ekonomi yang tinggi akan menunjukkan adanya kondisi pasar domestik yang potensial (market potensial) yang tentunya akan menjadi daya tarik bagi investor asing untuk menanamkan modalnya. Selain itu, pertumbuhan ekonomi juga bisa dijadikan sebagai indikator ekonomi makro yang menunjukkan besarnya pasar (market size) suatu negara, sehingga keberadaan pertumbuhan ekonomi yang terus meningkat akan menjadi bahan pertimbangan penting bagi investor asing untuk menanamkan modalnya dengan harapan keuntungan yang akan diterimanya juga akan ikut terus meningkat.

Penelitian ini juga menunjukkan temuan yang sama dengan penelitian sebelumnya oleh Hoang (2010) yang meneliti determinan dan distribusi spasial FDI di Asia Tenggara periode 1991-2009 menggunakan perkembangan GDP sebagai proxy besarnya pasar (market size) masing-masing negara di Asia Tenggara. Salah satu kesimpulan dari penelitian tersebut menyatakan bahwa besarnya pasar (market size ) memilikki pengaruh yang positif dan signifikan secara statistik terhadap FDI inflows di kawasan negara Asia Tenggara.

2) Pengaruh Nilai Tukar (EXCHR) terhadap FDI

Berdasarkan persaman model dengan pendekatan Fixed Effect Method (FEM) GLS, menunjukkan bahwa variabel nilai tukar mempunyai pengaruh yang Berdasarkan persaman model dengan pendekatan Fixed Effect Method (FEM) GLS, menunjukkan bahwa variabel nilai tukar mempunyai pengaruh yang

negatif dan signifikan secara statistik pada α = 5% terhadap aliran FDI yang masuk ke negara ASEAN 5 dan China. Nilai koefisien regresi dari variabel nilai tukar

adalah sebesar -1.011203. Dapat diartikan apabila terjadi perubahan pada nilai tukar di ASEAN 5 dan China sebesar 1% maka akan menyebabkan terjadinya perubahan aliran FDI yang masuk ke ASEAN dan China sebesar -1.011203% dengan arah hubungan yang berlawanan dan diasumsikan variabel-variabel lain cateris paribus.

Hasil tersebut berbeda dengan penelitian sebelumnya Hoang (2010) yang mnyimpulkan dari analisis regresi data panel pendekatan Random Effect Method (REM) koefisien regresi dari variabel nilai tukar bertanda positif dan mempunyai pengaruh signifikan secara statistik terhadap FDI. Dalam penelitian ini diperoleh hasil estimasi yang berbeda dengan hipotesis awal, dimana nilai tukar yang diharapkan berpengaruh positif justru menunjukkan hasil estimasi yang berpengaruh negatif dan signifikan secara statistik. Kondisi yang tidak sesuai antara hipotesis dan temuan empirik diduga akibat kondisi perekonomian, sosial dan politik yang tidak stabil di sebagain besar negara ASEAN 5 pasca terjadinya krisis ekonomi pada tahun 1997.

Pada saat terjadi krisis nilai tukar beberapa negara ASEAN 5 menunjukkan tren depresiasi namun tidak terbukti mampu menarik FDI ke dalam negeri, dibuktikan dengan terus menurunnya jumlah FDI di negara ASEAN 5 pasca krisis 1997, salah satu contohnya adalah nilai FDI yang masuk ke Indonesia menurun tajam hingga pada tahun 2000 tercatat minus. Hal tersebut menunjukkan bahwa terdepresiasinya mata uang beberapa negara ASEAN 5 yang berawal pada tahun 1997 bukan semata-mata sebuah keuntungan di mata investor, karena dilihat asal- Pada saat terjadi krisis nilai tukar beberapa negara ASEAN 5 menunjukkan tren depresiasi namun tidak terbukti mampu menarik FDI ke dalam negeri, dibuktikan dengan terus menurunnya jumlah FDI di negara ASEAN 5 pasca krisis 1997, salah satu contohnya adalah nilai FDI yang masuk ke Indonesia menurun tajam hingga pada tahun 2000 tercatat minus. Hal tersebut menunjukkan bahwa terdepresiasinya mata uang beberapa negara ASEAN 5 yang berawal pada tahun 1997 bukan semata-mata sebuah keuntungan di mata investor, karena dilihat asal-

usulnya depresiasi mata uang yang terjadi merupakan dampak sistemik dari krisis mata uang baht di Thailand.

Dampak krisis mata uang tersebut juga menyebabkan kondisi stabilitas sosial dan politik di beberapa negara terguncang. Sehingga dapat disimpulkan meskipun terjadi depresiasi mata uang pada beberapa negara bukan berarti investor asing akan segera melakukan ekspansi, tetapi para investor asing juga mempertimbangkan aspek kestabilan sosial, ekonomi, dan politik pada saat itu yang memang sedang tidak kondusif untuk berinvestasi, khususnya ke negara-negara yang terkena dampak krisis paling parah seperti Indonesia, Thailand, Filipina, dan Malaysia.

3) Pengaruh Tenaga Kerja (LABOR) terhadap FDI

Berdasarkan persaman model dengan pendekatan Fixed Effect Method (FEM) GLS, menunjukkan bahwa variabel tenaga kerja mempunyai pengaruh yang positif dan signifikan secara statistik pada α = 5% terhadap aliran FDI yang masuk ke negara ASEAN 5 dan China. Nilai koefisien regresi dari variabel tenaga kerja adalah sebesar 2.142890. Dapat diartikan apabila terjadi perubahan pada tenaga kerja di ASEAN 5 dan China sebesar 1% maka akan menyebabkan terjadinya perubahan aliran FDI yang masuk ke ASEAN dan China sebesar 2.142890% dengan arah hubungan yang sama (searah) dan diasumsikan variabel-variabel lain cateris paribus.

Hasil estimasi dalam penelitian ini sesuai dengan penelitian yang dilakukan oleh Pourshahabi Davoud, dan Ehsan (2011) dalam penelitiannya menyatakan bahwa semakin tinggi tingkat sumber daya manusia akan berasosiasi positif terhadap keuntungan yang didapatkan dari kegiatan investasi termasuk FDI. Lebih lanjut Ismail dan Ishak (2003) menyimpulkan bahwa dari hasil analisis dalam penelitiannya Hasil estimasi dalam penelitian ini sesuai dengan penelitian yang dilakukan oleh Pourshahabi Davoud, dan Ehsan (2011) dalam penelitiannya menyatakan bahwa semakin tinggi tingkat sumber daya manusia akan berasosiasi positif terhadap keuntungan yang didapatkan dari kegiatan investasi termasuk FDI. Lebih lanjut Ismail dan Ishak (2003) menyimpulkan bahwa dari hasil analisis dalam penelitiannya

ditemukan bahwa ketersediaan jumlah angkatan kerja berpengaruh positif dan signifikan terhadap FDI yang masuk ke Thailand.

4) Pengaruh Infrastruktur (INFRA) terhadap FDI

Berdasarkan persamaan model dengan pendekatan Fixed Effect Method (FEM) GLS, menunjukkan bahwa variabel infrastruktur mempunyai pengaruh yang negatif dan signifikan secara statistik pada α = 5% terhadap aliran FDI yang masuk

ke negara ASEAN 5 dan China. Nilai koefisien regresi dari variabel infrastruktur adalah sebesar 0.826995. Dapat diartikan apabila terjadi perubahan pada infrastruktur di ASEAN dan China sebesar 1% maka akan menyebabkan terjadinya perubahan aliran FDI yang masuk ke ASEAN dan China sebesar 0.826995% dengan arah hubungan yang sama (searah) dan diasumsikan variabel-variabel lain cateris paribus.

Hasil estimasi diatas juga sama dengan hasil penelitian sebelumnya yang dilakukan oleh Dermiham dan Masca (2008) yang melakukan penelitian tentang determinan FDI dari 38 negara berkembang periode 2000-2004 yang salah satu variabel independenya adalah infrastruktur. Dalam penelitian tersebut juga menggunakan telephone mainlines sebagai proxy dari variabel infrastruktur dan hasil yang diperoleh adalah adanya pengaruh yang positif dan signifikan dari variabel infrastruktur terhadap FDI yang masu ke dalam negara berkembang.

Menurut Catherine dan Rashid (2011) di dalam penelitianya juga menjelaskan bahwa dengan perkembangan infrastruktur yang baik di negara-negara ASEAN akan berpengaruh positif terhadap peningkatan aliran FDI. Dalam penelitian ini digunakan jaringan telekomunikasi sebagai indikator perkembangan infrastruktur.

perpustakaan.uns.ac.id digilib.uns.ac.id

2.10.2. Analisis Vector Autoregression (VAR)

4.2.2.1. Penentuan Lag Optimal

Penentuan Lag Optimal sebagai bagian pertama yang dilakukan dalam penelitian ini sebelum dilakukannya analisis VAR lebih lanjut. Pentingnya penentuan lag yang optimal didasari atas analisis VAR sendiri yang peka terhadap panjang lag. Selain itu dalam analisis VAR, variabel endogen yang dipakai dalam sistem persamaan juga akan digunakan sebagai variabel eksogen. Penentuan lag optimal berguna untuk menghilangkan masalah autokorelasi dalam sebuah sistem VAR dan mampu menunjukkan berapa lama reaksi dari suatu variabel terhadap variabel lainnya.

Dalam menentukan lag optimal dalam penelitian ini dibantu dengan melihat nilai Akaike Criteria (AIC). Sebelumnya data dalam penelitian ini akan dianalisis terlebih dahulu dengan metode VAR pada lag 1 dan 2, kemudian setelah diperoleh hasil estimasinya langkah selanjutnya adalah membandingkan nilai yang didapatkan dari hasil estimasi pada masing-masing tingkat lag tersebut.

Kriteria yang digunakan dalam penelitian ini adalah Akaike Criteria (AIC), sehingga untuk menentukan lag yang optimal adalah dengan melihat nilai Akaike Criteria (AIC) yang paling kecil. Hasil pengujian lag dari keenam negara yang menjadi obyek penelitian ini dapat dilihat sebagai berikut ini :

Tabel 4.12. Hasil Uji Pemilihan Lag Optimal

Negara

Akaike Criteria (AIC) Lag (1)

Lag (2)

Indonesia Malaysia

Thailand Singapura Filipina China

-1.384291 -8.706866 -8.361881 -8.668382 -4.487861 -10.39153

-2.677306 -10.97164 -10.48318 -9.931375 -5.430181 -13.41790

Sumber : Hasil Pengolahan Data Eviews 6 Sumber : Hasil Pengolahan Data Eviews 6

Berdasarkan hasil pengujian pemilihan lag optimal pada tabel 4.12 diatas menunjukkan bahwa untuk negara Indonesia, Malaysia, Thailand, Singapura, Filipina, dan China nilai minimum Akaike Criteria (AIC) terletak pada lag (2). Sehingga lag optimal untuk keenam negara tersebut adalah ketika estimasi dilakukan pada lag (2). Hasil estimasi dengan lag optimal inilah yang akan digunakan untuk melakukan tahap analisis metode VAR selanjutnya.

4.2.2.2. Hasil Estimasi Vector Autoregression (VAR)

Setelah diperoleh lag optimal tahap analisis berikutnya adalah melakukan estimasi model VAR. Seperti yang sudah dijelaskan sebelumnya bahwa lag optimal dari penelitian ini terletak pada lag (2). Sehingga estimasi model VAR dari keenam negara yang menjadi objek penelitian ini menggunakan lag (2). Sedangkan untuk mengetahui tingkat signifikansi hasil estimasi model dilakukan pada tingkat 1%, 5%, dan 10% dengan nilai tabel masing-masing sebesar 2.624, 1.761, dan 1.345. Estimasi model VAR ini dilakukan dengan menggunakan software eviews 6 dan hasil dari estimasi tersebut dapat dilihat pada penjelasan berikut ini :

1) Hasil Estimasi VAR di Negara Indonesia

Berdasarkan hasil estimasi model VAR dapat diketahui bahwa variabel dependen LNFDI_IDN secara signifikan dipengaruhi oleh variabel LNFDI_IDN(-2), LNLABOR_IDN(-1) dengan arah hubungan positif, dan LNINFRA_IDN(-2) dengan arah hubungan yang negatif. Sedangkan variabel EGROW_IDN , LNEXCHR_IDN, dan variabel LNFDI_IDN itu sendiri tidak memberikan pengaruh yang signifikan secara statistik terhadap variabel LNFDI_IDN (lihat lampiran 5.1). Secara lebih lanjut, bahwa dari hasil estimasi model tersebut juga dapat digunakan untuk melihat hubungan dinamis variabel dependen lainnya.

perpustakaan.uns.ac.id digilib.uns.ac.id

Diantaranya adalah variabel independen LNEXCHR_IDN yang dipengaruhi oleh variabel LNFDI_IDN(-2) secara negatif, variabel dependen LNLABOR_IDN yang dipengaruhi oleh variabel EGROW_IDN(-1) secara negatif, LNLABOR_IDN(-

1) dan LNINFRA_IDN(-1) secara positif. Sedangkan variabel dependen LNINFRA_IDN hanya dipengaruhi oleh variabel LNINFRA_IDN(-1) secara positif. Sehingga hubungan dinamis antar variabel penelitian dari hasil estimasi model VAR, atau juga sering dikenal sebagai kausalitas VAR di negara Indonesia dapat digambarkan sebagai berikut :

Gambar 4.1. Hubungan Kausalitas VAR di Indonesia

2) Hasil Estimasi VAR di Negara Malaysia

Hasil estimasi model VAR dari negara Malaysia menunjukkan bahwa variabel dependen LNFDI_MYS secara signifikan dipengaruhi oleh variabel LNLABOR_MYS(-1) dengan arah hubungan negatif, dan LNLABOR_MYS(-2) dengan arah hubungan yang positif. Sedangkan variabel EGROW_MYS, LNEXCHR_MYS, LNINFRA_MYS, dan LNFDI_MYS itu sendiri tidak memberikan pengaruh yang signifikan terhadap variabel LNFDI_MYS IDN (lihat lampiran 5.2). Dari hasil estimasi tersebut juga dapat ditunjukkan adanya hubungan dinamis dari variabel-variabel lainnya.

LNFDI

LNLABOR EGROW

LNEXCHR LNINFRA

perpustakaan.uns.ac.id digilib.uns.ac.id

LNLABOR_MYS(-1) serta LNLABOR_MYS(-2)

mempengaruhi variabel

EGROW_MYS, dengan arah hubungan masing-masing positif dan negatif. Variabel LNINFRA_MYS(-1) dan LNINFRA_MYS(-2) secara signifikan mempengaruhi variabel dependen LNEXCHR_MYS. Variabel dependen LNLABOR_MYS secara signifikan dipengaruhi oleh variabel LNFDI_MYS(-1), LNFDI_MYS(-2), EGROW_MYS(-2), LNLABOR_MYS(-1), dan LNLABOR_MYS(-2). Sedangkan variabel LNINFRA_MYS dipengaruhi oleh variabel LNFDI_MYS(-2), EGROW_MYS(-2), LNLABOR_MYS(-1), dan LNLABOR_MYS(-2). Hubungan dinamis antar variabel penelitian dari hasil estimasi model VAR tersebut dapat dijelaskan melalui gambar berikut ini :

Gambar 4.2. Hubungan Kausalitas VAR di Malaysia

3) Hasil Estimasi VAR di Negara Thailand

Dari hasil estimasi model VAR dari negara Thailand justru menunjukkan hasil yang berbeda dari negara-negara lainnya. Variabel-variabel LNFDI_THA EGROW_THA, LNEXCHR_THA, LNLABOR_THA, LNINFRA_THA, dan LNFDI_THA itu sendiri tidak memberikan pengaruh yang signifikan secara statistik terhadap variabel LNFDI_THA (lihat lampiran 5.3). Di lain pihak, untuk model

LNFDI

LNLABOR EGROW

LNEXCHR

LNINFRA

perpustakaan.uns.ac.id digilib.uns.ac.id

VAR dengan variabel dependen EGROW_THA dipengaruhi secara signifikan oleh variabel EGROW_THA(-1), EGROW_THA(-2), LNEXCHR_THA(-1), dan LNEXCHR_THA(-2).

Variabel dependen LNEXCHR_THA dipengaruhi oleh variabel EGROW_THA(-1),

LNINFRA_THA(-2),

LNEXCHR_THA(-1), dan

LNEXCHR_THA(-2). Model VAR dengan variabel dependen LNLABOR_THA secara signifikan dipengaruhi oleh LNLABOR_THA(-1) dan LNLABOR_THA(-2). Sedangkan,

variabel

dependen

LNINFRA_THA

dipengaruhi oleh

LNLABOR_THA(-1) dan LNINFRA_THA(-1). Hubungan antar variabel penelitian tersebut dapat dijelaskan pada gambar berikut ini :

Gambar 4.3. Hubungan Kausalitas VAR di Thailand

4) Hasil Estimasi VAR di Negara Singapura

Berdasarkan hasil estimasi model VAR dari negara Singapura dapat dijelaskan bahwa variabel LNFDI_SGP secara signifikan hanya dipengaruhi oleh variabel LNINFRA_SGP(-1) dengan arah hubungan yang positif. Sedangkan variabel independen lainnya seperti EGROW_THA, LNEXCHR_THA, LNLABOR_THA, dan variabel LNFDI_SGP itu sendiri tidak memberikan pengaruh yang signifikan terhadap LNFDI_SGP (lihat lampiran 5.4). Untuk variabel dependen

LNFDI

LNLABOR EGROW

LNEXCHR LNINFRA

perpustakaan.uns.ac.id digilib.uns.ac.id

lainnya seperti LNEXCHR_SGP dipengaruhi secara signifikan oleh variabel LNEXCHR_SGP(-1), variabel dependen LNLABOR_SGP secara signifikan dipengaruhi

oleh

variabel

LNFDI_SGP(-1), LNLABOR_SGP(-1), LNLABOR_SGP(-2), dan LNINFRA_SGP(-2). Variabel LNINFRA_SGP dipengaruhi oleh variabel EGROW_SGP(-1), EGROW_SGP(-2),LNEXCHR_SGP(-2),LNLABOR_SGP(-1), LNINFRA_SGP(-1)

signifikan secara statistik. Namun demikian, ditemukan bahwa tidak ada satupun dari variabel independen yang berpengaruh signifikan terhadap variabel dependen EGROW_SGP. Lebih lanjut hubungan dinamis antar variabel dari hasil estimasi model VAR tersebut dapat dijelaskan sebagai berikut :

Gambar 4.4. Hubungan Kausalitas VAR di Singapura

5) Hasil Estimasi VAR di Negara Filipina

Berdasarkan hasil estimasi model VAR dari negara Filipina dapat diketahui bahwa variabel dependen LNFDI_PHL secara signifikan dipengaruhi oleh variabel- variabel

LNFDI_PHL(-1),

EGROW_PHL(-1),

EGROW_PHL(-2), LNEXCHR_PHL(-1),

LNEXCHR_PHL(-2),

LNINFRA_PHL(-1), dan

LNINFRA_PHL(-2). Sedangkan variabel LNLABOR_PHL tidak memberikan pengaruh yang signifikan terhadap variabel dependen LNLABOR_PHL (lihat

LNFDI

LNLABOR

EGROW LNEXCHR

LNINFRA

perpustakaan.uns.ac.id digilib.uns.ac.id

lampiran 5.5). Dengan melihat hasil estimasi model VAR tersebut juga dapat diperoleh informasi bahwa variabel EGROW_PHL secara signifikan hanya dipengaruhi oleh variabel LNINFRA_PHL(-2).

Variabel dependen LNEXCHR_PHL secara signifikan dipengaruhi oleh variabel

EGROW_PHL(-2),

LNEXCHR_PHL(-1),

LNEXCHR_PHL(-2),

LNINFRA_PHL(-1), dan LNINFRA_PHL(-2). Variabel LNLABOR_PHL dipengaruhi oleh variabel LNFDI_PHL(-1) dan LNLABOR_PHL(-1). Namun demikian, ditemukan bahwa tidak ada satupun dari variabel independen yang berpengaruh signifikan terhadap variabel dependen LNINFRA_PHL. Lebih lanjut hubungan dinamis antar variabel dari hasil estimasi model VAR tersebut dapat dijelaskan sebagai berikut :

Gambar 4.5. Hubungan Kausalitas VAR di Filipina

6) Hasil Estimasi VAR di Negara China

Dari hasil estimasi model VAR China yang telah dilakukan sebelumnya, menunjukkan bahwa variabel-variabel EGROW_CHN(-1), LNEXCHR_CHN(-1), dan LNINFRA_CHN(-1) mempunyai pengaruh yang signifikan secara statistik terhadap variabel dependen LNFDI_CHN. Sedangkan variabel LNFDI_CHN itu sendiri dan variabel LNLABOR_CHN tidak berpengaruh signifikan terhadap

LNINFRA

LNFDI

LNLABOR

EGROW

LNEXCHR

perpustakaan.uns.ac.id digilib.uns.ac.id

variabel dependen LNFDI_CHN (lihat lampiran 5.6). Hasil estimasi model VAR pada tabel diatas juga memberikan informasi bahwa variabel dependen EGROW_CHN secara signifikan dipengaruhi oleh variabel LNEXCHR_CHN(-1), LNEXCHR_CHN(-2), LNLABOR_CHN(-1), LNLABOR_CHN(-2).

Variabel dependen LNEXCHR_CHN dipengaruhi oleh variabel LNFDI_CHN(-1), EGROW_CHN(-2), LNINFRA_CHN(-1), dan LNINFRA_CHN(- 2). Untuk variabel dependen LNLABOR_CHN dipengaruhi secara signifikan oleh variabel

LNFDI_CHN(-2),

LNEXCHR_CHN(-1),

LNLABOR_CHN(-1), LNINFRA_CHN(-1),

dan

LNINFRA_CHN(-2).

Sedangkan variabel

LNINFRA_CHN secara signifikan dipengaruhi oleh LNINFRA_CHN(-1), dan LNINFRA_CHN(-2). Hubungan dinamis antar variabel penelitian tersebut dapat dijelaskan pada gambar berikut ini :

Gambar 4.6. Hubungan Kausalitas VAR di China

4.2.2.3. Analisis Impulse Respon Function (IRF)

Analisis Impulse Respon Function (IRF) ini mampu menunjukkan bagaimana respon variabel dependen terhadap guncangan (shock) atau inovasi dari variabel independen sebesar satu standar deviasi. Analisis IRF dalam penelitian

LNFDI

LNLABOR

EGROW

LNEXCHR

LNINFRA

perpustakaan.uns.ac.id digilib.uns.ac.id

bertujuan untuk melihat respon variabel FDI terhadap guncangan (shock) atau inovasi dari variabel pertumbuhan ekonomi, nilai tukar, tenaga kerja dan infrastruktur di negara ASEAN 5 (Indonesia, Malaysia, Thailand, Singapura, Filipina) dan China periode 1988-2009.

Sehingga dari hasil analisis IRF diharapkan mampu membuktikan hipotesis dari penelitian ini. Adanya pengurutan variabel dalam IRF berdasarkan pada faktorisasi Cholesky, sedangkan analisis ini akan melihat IRF dalam kurun waktu 20 tahun. Untuk melakukan analisis IRF ini digunakan software eviews 6, adapun hasil analisis tersebut dapat dijelasakan berikut ini :

1) Analisis IRF Foreign Direct Investment (FDI) di Negara Indonesia

Pada bagian ini akan menjelaskan respon variabel FDI terhadap guncangan (shock) atau inovasi dari variabel FDI itu sendiri, pertumbuhan ekonomi, nilai tukar, tenaga kerja dan infrastruktur di negara Indonesia melalui analisis IRF yang telah dilakukan. Adapun hasil analisis IRF untuk negara Indonesia dapat dilihat pada gambar berikut ini :

perpustakaan.uns.ac.id digilib.uns.ac.id

Gambar. 4.7. Hasil Analisis IRF FDI di Indonesia

Hasil dari analisis IRF Indonesia diatas menunjukkan bahwa respon FDI akibat shock FDI itu sendiri dimulai pada tahun ke-2 yang bernilai positif sebesar 20% dan cenderung menuju ke garis base line. Pada periode tahun ke-4 respon FDI terhadap shock FDI itu sendiri menjadi negatif yaitu sebesar -10%, namun demikian ketika memasuki periode tahun ke-10 terjadi keseimbangan kembali dan hingga akhir periode respon yang dihasilkan cenderung positif.

Respon FDI terhadap variabel-variabel determinan FDI diantaranya, respon FDI terhadap goncangan pertumbuhan ekonomi pada tahun ke-2 bernilai positif Respon FDI terhadap variabel-variabel determinan FDI diantaranya, respon FDI terhadap goncangan pertumbuhan ekonomi pada tahun ke-2 bernilai positif

20%, pada tahun ke-3 menjadi bernilai negatif diantara 0 sampai -10% dan memasukki tahun ke-4 hingga akhir periode respon FDI selalu berada diatas base line atau positif. Respon FDI terhadap goncangan nilai tukar dan tenaga kerja, dan infrastruktur dari awal periode berfluktuasi di sekitar garis base line berada pada nilai 0-10% dan tercatat sebanyak tiga kali terjadi keseimbangan .

Dari penjelasan diatas dapat ditarik kesimpulan bahwa respon FDI yang paling besar atau kuat disebabkan oleh shock dari FDI itu sendiri yang bernilai positif, meskipun pada perkembangannya tidak menyebabkan keseimbangan. Hal ini menunjukkan bahwa dalam melakukan investasi FDI di Indonesia investor asing mempertimbangkan kinerja FDI itu sendiri dari tahun ke tahun sebagai bahan pertimbangan paling utama diantara variabel lainnya. Terjadi persamaan pola respon FDI dari variabel pertumbuhan ekonomi, nilai tukar , infrstruktur dan tenaga kerja.

2) Analisis IRF Foreign Direct Investment (FDI) di Negara Malaysia

Pada bagian ini akan menjelaskan respon variabel FDI terhadap guncangan (shock) atau inovasi dari variabel pertumbuhan ekonomi, nilai tukar, tenaga kerja dan infrastruktur di negara Malaysia melalui analisis IRF yang telah dilakukan. Adapun hasil analisis IRF untuk negara Malaysia dapat dilihat pada gambar berikut ini :

perpustakaan.uns.ac.id digilib.uns.ac.id

Gambar. 4.8. Hasil Analisis IRF FDI di Malaysia

Berdasarkan hasil analisis IRF pada gambar 4.8 diatas menunjukkan bahwa respon FDI akibat goncangan FDI itu sendiri dimulai tahun ke-1 yang bernilai positif hampir mendekati nilai 60%, pada periode tahun ke-2 hingga tahun ke-7 berfluktuasi diatas base line tercatat menyebabkan 3 kali keseimbangan, setelah itu respon FDI dari periode tahun ke-8 hingga akhir periode selalu berada di atas base line atau positif.

Respon FDI terhadap variabel-variabel determinan FDI diantaranya, respon FDI terhadap goncangan pertumbuhan ekonomi pada tahun ke-2 bernilai negatif Respon FDI terhadap variabel-variabel determinan FDI diantaranya, respon FDI terhadap goncangan pertumbuhan ekonomi pada tahun ke-2 bernilai negatif

diantara 0 sampai -20%, pada tahun ke-4 menjadi bernilai positif dianatara 20% sampai 40% , memasukki tahun ke-6 hingga tahun ke-9 kembali bernilai negatif dan pada tahun ke-10 hingga akhir periode respon FDI selalu berada diatas base line atau positif. Tercatat terjadi tiga kali keseimbangan pada kondisi ini.

Respon FDI terhadap goncangan nilai tukar dimulai pada periode tahun ke-2 dan hingga akhir periode selalu berada di atas garis base line atau positif. Pada respon FDI terhadap goncangan tenaga kerja juga dimulai pada periode tahun ke-2 dan hingga akhir periode berada di bawah garis base line atau negatif. Sedangkan respon FDI terhadap goncangan infrastruktur memilikki pola yang hampir sama dengan pertumbuhan ekonomi dimana pada periode tahun ke-2 hingga tahun ke-9 berfluktuasi di sekitar garis base line dengan beberapa kali terjadi keseimbangan, memasukki periode ke-10 hingga mencapai akhir periode respon FDI selalu berada diatas base line atau positif.

perpustakaan.uns.ac.id digilib.uns.ac.id

3) Analisis IRF Foreign Direct Investment (FDI) di Negara Thailand

Pada bagian ini akan menjelaskan respon variabel FDI terhadap guncangan (shock) atau inovasi dari variabel pertumbuhan ekonomi, nilai tukar, tenaga kerja dan infrastruktur di negara Thailand melalui analisis IRF yang telah dilakukan. Adapun hasil analisis IRF untuk negara Thailand dapat dilihat pada gambar berikut ini :

Gambar. 4.9. Hasil Analisis IRF FDI di Thailand

Berdasarkan hasil analisis IRF pada gambar 4.9 diatas menunjukkan bahwa respon FDI akibat goncangan FDI itu sendiri dimulai sejak tahun ke-2 yang bernilai positif berada diantara 20% - 30% , pada periode tahun ke-6 respon FDI sempat Berdasarkan hasil analisis IRF pada gambar 4.9 diatas menunjukkan bahwa respon FDI akibat goncangan FDI itu sendiri dimulai sejak tahun ke-2 yang bernilai positif berada diantara 20% - 30% , pada periode tahun ke-6 respon FDI sempat

bernilai negatif, memasukki tahun ke-9 hingga mencapai akhir periode respon FDI bernilai positif namun cukup lemah yaitu hanya berada pada nilai 0% sampai 10%. Sedangkan respon FDI terhadap variabel-variabel determinan FDI diantaranya, respon FDI terhadap goncangan pertumbuhan ekonomi pada tahun ke-2 bernilai negatif diantara 0 sampai -10%, pada tahun ke-3 menjadi bernilai positif diantara 0% sampai 20% , ketika memasukki tahun ke-5 akhir periode respon FDI bernilai negatif.

Respon FDI terhadap goncangan nilai tukar dimulai pada periode tahun ke-2 hingga akhir periode berfluktuaktif di sekitar base line dan cenderung positif. Pada respon FDI terhadap goncangan tenaga kerja pada periode tahun ke-4 hingga akhir periode cenderung bernilai negatif diantara 0 sampai -10%, pada akhir periode yaitu tajhun ke-20 respon FDI mulai mendekati base line. Sedangkan respon FDI terhadap goncangan infrastruktur memilikki pola yang hampir sama dengan niali tukar dimana pada periode tahun ke-2 hingga akhir periode hanya berfluktuasi di sekitar base line dan terlihat menunjukkan respon positif yang lemah.

perpustakaan.uns.ac.id digilib.uns.ac.id

4) Analisis IRF Foreign Direct Investment (FDI) di Negara Singapura

Pada bagian ini akan menjelaskan respon variabel FDI terhadap guncangan (shock) atau inovasi dari variabel pertumbuhan ekonomi, nilai tukar, tenaga kerja dan infrastruktur di negara Singapura melalui analisis IRF yang telah dilakukan. Adapun hasil analisis IRF untuk negara Singapura dapat dilihat pada gambar berikut ini :

Gambar. 4.10. Hasil Analisis IRF FDI di Singapura

Berdasarkan hasil analisis IRF pada gambar 4.10 diatas menunjukkan bahwa respon FDI akibat shock FDI itu sendiri dimulai sejak tahun ke-1 yang bernilai positif berada diantara 40% - 50% , pada periode tahun ke-4 respon FDI sempat Berdasarkan hasil analisis IRF pada gambar 4.10 diatas menunjukkan bahwa respon FDI akibat shock FDI itu sendiri dimulai sejak tahun ke-1 yang bernilai positif berada diantara 40% - 50% , pada periode tahun ke-4 respon FDI sempat

bernilai negatif diantara 0 sampai -20%, memasukki tahun ke-5 hingga mencapai akhir periode respon FDI bernilai positif. Sedangkan respon FDI terhadap variabel- variabel determinan FDI diantaranya, respon FDI terhadap goncangan pertumbuhan ekonomi pada tahun ke-2 bernilai positif diantara 0 sampai 20%, pada tahun ke-4 menjadi bernilai negatif diantara 20% sampai 40% , ketika memasukki tahun ke-5 akhir periode respon FDI berfluktuatif di sekitar base line. Tercatat beberapa kali terjadi keseimbangan pada kondisi ini.

Respon FDI terhadap goncangan nilai tukar dimulai pada periode tahun ke-2 hingga periode tahun ke-7 berfluktuaktif di sekitar base line dan pada tahun ke-8 hingga akhir periode selalu berada di atas garis base line atau positif dan relatif kuat hampir mendekati 40%. Pada respon FDI terhadap goncangan tenaga kerja juga dimulai pada periode tahun ke-2 berfluktuasi di sekitar base line hingga akhir periode dan cenderung positif. Sedangkan respon FDI terhadap goncangan infrastruktur memilikki pola yang hampir sama dengan pertumbuhan ekonomidimana pada periode tahun ke-2 hingga akhir periode hanya berfluktuasi di sekitar base line dan terlihat menunjukkan respon yang lemah.

Dari penjelasan diatas dapat ditarik kesimpulan bahwa respon FDI yang paling besar atau kuat disebabkan oleh goncangan dari FDI itu sendiri yang bernilai positif dan beberapa kali menyebabkan keseimbangan. Hal ini menunjukkan hal yang sama pada analisis sebelumnya bahwa dalam melakukan investasi FDI di Singapura investor asing juga mempertimbangkan kinerja FDI itu sendiri dari tahun ke tahun sebagai bahan pertimbangan paling utama diantara variabel lainnya. Kemudian variabel lainnya seperti respon FDI terhadap goncangan pertumbuhan ekonomi Dari penjelasan diatas dapat ditarik kesimpulan bahwa respon FDI yang paling besar atau kuat disebabkan oleh goncangan dari FDI itu sendiri yang bernilai positif dan beberapa kali menyebabkan keseimbangan. Hal ini menunjukkan hal yang sama pada analisis sebelumnya bahwa dalam melakukan investasi FDI di Singapura investor asing juga mempertimbangkan kinerja FDI itu sendiri dari tahun ke tahun sebagai bahan pertimbangan paling utama diantara variabel lainnya. Kemudian variabel lainnya seperti respon FDI terhadap goncangan pertumbuhan ekonomi

sempat memperlihatkan respon yang kuat pada awal periode, namun respon FDI menjadi melemah ketika mendekati akhir periode.

Begitu juga yang ditunjukkan oleh respon FDI terhadap goncangan tenaga kerja dan infrastruktur di Singapura menunjukkan respon yang lemah, salah satunya dimungkinkan karena investasi di Singapura lebih mengarah ke investasi yang padat modal. Sedangkan, shock dari nilai tukar menyebabkan respon FDI yang lemah pada awal periode, namun terjadi penguatan ketika mendekati akhir periode dan bernilai positif yang hampir mendekati nilai 40 %.

5) Analisis IRF Foreign Direct Investment (FDI) di Negara Filipina

Pada bagian ini akan menjelaskan respon variabel FDI terhadap guncangan (shock) atau inovasi dari variabel pertumbuhan ekonomi, nilai tukar, tenaga kerja dan infrastruktur di negara Filipina melalui analisis IRF yang telah dilakukan. Adapun hasil analisis IRF untuk negara Filipina dapat dilihat pada gambar berikut ini :

perpustakaan.uns.ac.id digilib.uns.ac.id

Gambar. 4.11. Hasil Analisis IRF FDI di Filipina

Berdasarkan hasil analisis IRF pada gambar 4.11 diatas menunjukkan bahwa respon FDI akibat shock FDI dan variabel-variabel determinan FDI menunjukkan pola yang hampir sama dan rata-rata dimulai pada periode tahun ke-2. Nilai akibat shock dari variabel determinan FDI berfluktuasi antara 0-10%. Sedangkan respon FDI yang paling kuat disebabkan oleh adanya goncangan dari infrastruktur.

Respon FDI terhadap shock dari variabel-variabel lainnya seperti FDI itu sendiri, pertumbuhan ekonomi, nilai tukar, dan angkatan kerja cenderung lebih lemah dibandingkan dengan goncangan yang diberikan infrastruktur. Hal ini dapat diartikan Respon FDI terhadap shock dari variabel-variabel lainnya seperti FDI itu sendiri, pertumbuhan ekonomi, nilai tukar, dan angkatan kerja cenderung lebih lemah dibandingkan dengan goncangan yang diberikan infrastruktur. Hal ini dapat diartikan

pembangunan infrastruktur menjadi faktor utama yang menjadi perhatian investor asing dalam menanamkan modalnya ke negara Filipina. Dari kelima gambar tersebut diketahui juga bahwa respon FDI dari shock variabel-variabel FDI dan determinan FDI beberapa kali menyebabkan keseimbangan.

6) Analisis IRF Foreign Direct Investment (FDI) di Negara China

Pada bagian ini akan menjelaskan respon variabel FDI terhadap guncangan (shock) atau inovasi dari variabel pertumbuhan ekonomi, nilai tukar, tenaga kerja dan infrastruktur di negara China melalui analisis IRF yang telah dilakukan. Adapun hasil analisis IRF untuk negara China dapat dilihat pada gambar berikut ini :

Gambar. 4.12. Hasil Analisis IRF FDI di China Gambar. 4.12. Hasil Analisis IRF FDI di China

Berdasarkan hasil analisis IRF pada gambar 4.12 diatas menunjukkan bahwa respon FDI paling kuat disebabkan oleh dua variabel yaitu FDI itu sendiri dan pertumbuhan ekonomi. Respon FDI pada tahun ke-1 berniali positif mendekati angka 20%, pada tahun ke-5 menjadi bernilai negatif diantara 0 sampai 10%, memasukki periode tahun ke-7 mulai bernilai postif lagi hingga periode tahun ke-18, ketika mencapai akahir periode yaitu pada periode tahun ke-19 respon FDI mendekati base line.

Respon FDI terhadap pertumbuhan ekonomi dimulai pada tahun ke-2 yang bernilai positif mendekati angka 20%, pada tahun ke-5 menjadi bernilai negatif diantara -10% sampai -20%, memasukki periode ke-8 mulai bernilai postif lagi hingga periode tahun ke-19, ketika mencapai akahir periode yaitu pada periode tahun ke-20 respon FDI mendekati base line.

Pola respon FDI terhadap goncangan nilai tukar hampir sama dengan infrastruktur, dimana pada awal periode menunjukkan pola yang berfluktuasi di sekitar base line dengan beberapa kali terjadi keseimbangan dan ketika memasukki periode tahun ke-5 hingga akhir periode respon FDI cenderung menunjukkan nilai yang negatif. Sedangkan, respon FDI terhadap goncangan tenaga kerja dimulai pada awal periode menunjukkan fluktuasi di sekitar base line, pada periode ke-5 mulai menunjukkan respon yang berniali positif hingga akhir periode.

Dari penjelasan diatas dapat ditarik kesimpulan bahwa respon FDI yang paling besar atau kuat disebabkan oleh goncangan dari FDI itu sendiri dan pertumbuhan ekonomi yang bernilai positif dan beberapa kali menyebabkan keseimbangan. Hal ini menunjukkan bahwa dalam melakukan investasi FDI di China investor asing mempertimbangkan kinerja FDI itu sendiri dari tahun ke tahun dan Dari penjelasan diatas dapat ditarik kesimpulan bahwa respon FDI yang paling besar atau kuat disebabkan oleh goncangan dari FDI itu sendiri dan pertumbuhan ekonomi yang bernilai positif dan beberapa kali menyebabkan keseimbangan. Hal ini menunjukkan bahwa dalam melakukan investasi FDI di China investor asing mempertimbangkan kinerja FDI itu sendiri dari tahun ke tahun dan

yang tidak kalah penting adalah pertumbuhan ekonomi di China sendiri yang terus mengalami pertumbuhan yang cukup signifikan dan mampu melewati dua krisis ekonomi mendorong investor asing untuk menanamkan investasinya ke China.

Kemudian variabel lainnya seperti respon FDI terhadap goncangan nilai tukar dan infrastruktur menunjukkan pola yang hampir sama dan cenderung negatif. Sedangkan respon FDI terhadap goncangan tenaga kerja berniali positif, karena jumlah angkatan kerja di China cukup besar dan cukup murah.

4.2.2.4. Analisis Forecast Error Decomposition of Variance (FEDV)

Analisis FEVD pada penelitian ini dilakukan untuk melihat peran atau kontribusi variabel-variabel pertumbuhan ekonomi, nilai tukar, tenaga kerja, dan infrastruktur dalam menjelaskan variabilitas variabel FDI di negara Indonesia, Malaysia, Thailand, Singapura, Filipina, dan China. Dalam penelitian ini akan dilihat analisis FEDV dalam kurun waktu periode 20 tahun. Sehingga dari hasil analisis FEDV ini akan membuktikan hipotesis dalam penelitian ini. Untuk melakukan analisis FEDV ini digunakan software eviews 6, adapun hasil analisis tersebut dapat dijelasakan berikut ini :

1) Analisis FEDV Foreign Direct Investment (FDI) di Negara Indonesia

Dari hasil analisis FEDV ini akan menunjukkan variabilitas dari Foreign Direct Investment (FDI) di Negara Indonesia. Dengan melihat variance

decomposition akan diketahui komposisi dari variabel FDI itu sendiri, pertumbuhan ekonomi, nilai tukar, tenaga kerja, dan infrastruktur. Adapun hasil analisis FEDV untuk negara Indonesia periode 1988-2009 dapat dilihat pada tabel berikut ini : decomposition akan diketahui komposisi dari variabel FDI itu sendiri, pertumbuhan ekonomi, nilai tukar, tenaga kerja, dan infrastruktur. Adapun hasil analisis FEDV untuk negara Indonesia periode 1988-2009 dapat dilihat pada tabel berikut ini :

Tabel 4.13. Hasil Analisis FEDV FDI di Indonesia 1988-2009 Variance Decomposition : LnFDI

Periode

LnFDI

EGROW LnEXCHR LnLABOR LnINFRA

Sumber : Hasil Pengolahan Data Eviews 6 Berdasarkan hasil analisis Variance Decomposition pada tabel diatas dapat

menunjukkan variabilitas FDI di Indonesia. Dimana, pada periode pertama variabel FDI itu sendiri yang paling berperan dalam menjelaskan variabilitas FDI di Indonesia yaitu sebesar 100 persen. Pada periode ke-5 terjadi perubahan yang sangat signifikan peran variabel-variabel dalam menjelaskan variabilitas FDI di Indonesia, namun variabel FDI sendiri masih berperan kuat dalam menjelaskan variabilitas FDI sebesar 60.264.

Diikuti oleh variabel pertumbuhan ekonomi dengan 16.722 persen, tenaga kerja dengan 12.527 persen, dan variabel nilai tukar dengan 5.485 persen. Sedangkan pada periode ini infrastruktur menjadi variabel yang mempunyai peran paling kecil dalam menjelaskan variabilitas FDI yaitu sebesar 5.003 persen. Pada periode selanjutnya terjadi perubahan komposisi peran, akan tetapi tidak terlalu signifikan.

Sampai akhir periode urutan tersebut tetap bertahan dalam menjelaskan variabilitas FDI di Indonesia, dengan FDI itu sendiri menjadi variabel yang paling berperan. Hal ini menunjukkan bahwa dalam jangka waktu panjang variabel FDI sendiri memilikki peran yang kuat dalam menjelaskan variabilitas FDI di Indonesia dibandingkan dengan variabel-variabel lainnya.

perpustakaan.uns.ac.id digilib.uns.ac.id

2) Analisis FEDV Foreign Direct Investment (FDI) di Negara Malaysia

Dari hasil analisis FEDV ini akan menunjukkan variabilitas dari Foreign Direct Investment (FDI) di Negara Malaysia. Dengan melihat variance decomposition akan diketahui komposisi dari variabel FDI itu sendiri, pertumbuhan ekonomi, nilai tukar, tenaga kerja, dan infrastruktur. Adapun hasil analisis FEDV untuk negara Malaysia periode 1988-2009 dapat dilihat pada tabel berikut ini : Tabel 4.14. Hasil Analisis FEDV FDI di Malaysia 1988-2009

Variance Decomposition : LnFDI

Periode

LnFDI

EGROW LnEXCHR LnLABOR LnINFRA

Sumber : Hasil Pengolahan Data Eviews 6 Berdasarkan hasil analisis Variance Decomposition pada tabel diatas dapat

menunjukkan variabilitas FDI di Indonesia. Dimana, pada periode pertama variabel FDI itu sendiri yang paling berperan dalam menjelaskan variabilitas FDI di Malaysia yaitu sebesar 100 persen. Pada periode ke-5 terjadi perubahan yang sangat signifikan peran variabel-variabel dalam menjelaskan variabilitas FDI di Malaysia, namun variabel FDI sendiri masih berperan kuat dalam menjelaskan FDI sebesar 58.166. Diikuti dengan variabel tenaga kerja dengan 15.525 persen, pertumbuhan ekonomi dengan 14,727 persen, dan variabel nilai tukar dengan 10.782. Sedangkan pada periode ini infrastruktur menjadi variabel yang mempunyai peran paling kecil dalam menjelaskan variabilitas FDI yaitu sebesar 0.806 persen.

Pada periode ke-10 dan ke-15 urutan tersebut tetap bertahan dalam menjelaskan variabilitas FDI di Malaysia, dengan FDI itu sendiri menjadi variabel yang paling berperan. Namun, pada periode ke-20 terjadi perubahan urutan peran Pada periode ke-10 dan ke-15 urutan tersebut tetap bertahan dalam menjelaskan variabilitas FDI di Malaysia, dengan FDI itu sendiri menjadi variabel yang paling berperan. Namun, pada periode ke-20 terjadi perubahan urutan peran

dalam menjelaskan variabilitas FDI yaitu variabel yang paling berperan pada periode ini adalah nilai tukar dengan nilai sebesar 29.414. Diikuti dengan variabel FDI itu sendiri dengan 27.661 persen, tenaga kerja dengan 26.042, dan pertumbuhan ekonomi dengan 12.423 persen.

Hingga pada periode ke-20 variabel infrastruktur tetap menjadi variabel yang mempunyai peran paling kecil dalam menjelaskan variabilitas cadangan devisa yaitu sebesar 0.791 persen. Hal ini menunjukkan bahwa variabel FDI itu sendiri memilikki peran yang kuat dalam menjelaskan variabilitas FDI di Malaysia, terlihat selama tiga periode menjadi variabel yang paling berperan, meskipun pada akhir periode posisi tersebut diambil alih oleh variabel nilai tukar.

3) Analisis FEDV Foreign Direct Investment (FDI) di Negara Thailand

Dari hasil analisis FEDV ini akan menunjukkan variabilitas dari Foreign Direct Investment (FDI) di Negara Thailand. Dengan melihat variance decomposition akan diketahui komposisi peran dari variabel FDI itu sendiri, pertumbuhan ekonomi, nilai tukar, tenaga kerja, dan infrastruktur. Adapun hasil analisis FEDV untuk negara Thailand periode 1988-2009 dapat dilihat pada tabel berikut ini :

Tabel 4.15. Hasil Analisis FEDV FDI di Thailand 1988-2009

Variance Decomposition : LnFDI

Periode

LnFDI

EGROW LnEXCHR LnLABOR LnINFRA

Sumber : Hasil Pengolahan Data Eviews 6 Berdasarkan hasil analisis Variance Decomposition pada tabel diatas dapat menunjukkan variabilitas FDI di Thailand. Dimana, pada periode pertama variabel Sumber : Hasil Pengolahan Data Eviews 6 Berdasarkan hasil analisis Variance Decomposition pada tabel diatas dapat menunjukkan variabilitas FDI di Thailand. Dimana, pada periode pertama variabel

FDI itu sendiri yang paling berperan dalam menjelaskan variabilitas FDI di Thailand yaitu sebesar 100 persen. Pada periode ke-5 terjadi perubahan yang sangat signifikan peran variabel-variabel dalam menjelaskan variabilitas FDI di Thailand, namun variabel FDI sendiri masih berperan kuat dalam menjelaskan variabilitas FDI sebesar 73.805. Diikuti dengan variabel pertumbuhan ekonomi dengan 15.066 persen, tenaga kerja dengan 5.627 persen, dan variabel infrastruktur dengan 3.136 persen. Sedangkan pada periode ini nilai tukar menjadi variabel yang mempunyai peran paling kecil dalam menjelaskan variabilitas FDI yaitu sebesar 2.366 persen.

Sampai akhir periode FDI itu sendiri tetap menjadi variabel yang paling berperan, meskipun terjadi perubahan urutan pada variabel lainnya dalam menjelaskan variabilitas FDI. Hal ini menunjukkan bahwa dalam jangka waktu panjang variabel FDI sendiri memilikki peran yang kuat dalam menjelaskan variabilitas FDI di Thailand dibandingkan dengan variabel-variabel lainnya.

4) Analisis FEDV Foreign Direct Investment (FDI) di Negara Singapura

Dari hasil analisis FEDV ini akan menunjukkan variabilitas dari Foreign Direct Investment (FDI) di Negara Singapura. Dengan melihat variance decomposition akan diketahui komposisi dari variabel FDI itu sendiri, pertumbuhan ekonomi, nilai tukar, tenaga kerja, dan infrastruktur. Adapun hasil analisis FEDV untuk negara Singapura periode 1988-2009 dapat dilihat pada tabel berikut ini :

Tabel 4.16. Hasil Analisis FEDV FDI di Singapura 1988-2009

Variance Decomposition : LnFDI

Periode

LnFDI

EGROW LnEXCHR LnLABOR LnINFRA

Sumber : Hasil Pengolahan Data Eviews 6 Sumber : Hasil Pengolahan Data Eviews 6

Berdasarkan hasil analisis Variance Decomposition pada tabel diatas dapat menunjukkan variabilitas FDI di Singapura. Dimana, pada periode pertama variabel FDI itu sendiri yang paling berperan dalam menjelaskan variabilitas FDI di Singapura yaitu sebesar 100 persen. Pada periode ke-5 terjadi perubahan yang sangat signifikan peran variabel-variabel dalam menjelaskan variabilitas FDI di Indonesia, namun variabel FDI sendiri masih berperan kuat dalam menjelaskan variabilitas FDI sebesar 78.445. Diikuti dengan variabel pertumbuhan ekonomi dengan 16.615 persen, tenaga kerja dengan 2.065 persen, dan variabel infrastruktur dengan 1.910 persen. Sedangkan pada periode ini nilai tukar menjadi variabel yang mempunyai peran paling kecil dalam menjelaskan variabilitas FDI yaitu sebesar 0.876 persen.

Sampai akhir periode variabel FDI itu sendiri tetap menjadi variabel yang paling berperan dalam menjelaskan variabilitas FDI di Singapura, meskipun terjadi perubahan urutan pada variabel lainnya dalam menjelaskan variabilitas FDI. Hal ini menunjukkan bahwa dalam jangka waktu panjang variabel FDI sendiri memilikki peran yang kuat dalam menjelaskan variabilitas FDI di Singapura dibandingkan dengan variabel-variabel lainnya.

5) Analisis FEDV Foreign Direct Investment (FDI) di Negara Filipina

Dari hasil analisis FEDV ini kita akan melihat variabilitas dari Foreign Direct Investment (FDI) di Negara Filipina. Dengan melihat variance decomposition

akan diketahui komposisi dari variabel FDI itu sendiri, pertumbuhan ekonomi, nilai tukar, tenaga kerja, dan infrastruktur. Adapun hasil analisis FEDV untuk negara Filipina periode 1988-2009 dapat dilihat pada tabel berikut ini : akan diketahui komposisi dari variabel FDI itu sendiri, pertumbuhan ekonomi, nilai tukar, tenaga kerja, dan infrastruktur. Adapun hasil analisis FEDV untuk negara Filipina periode 1988-2009 dapat dilihat pada tabel berikut ini :

Tabel 4.17. Hasil Analisis FEDV FDI di Filipina 1988-2009 Variance Decomposition : LnFDI

Periode

LnFDI

EGROW LnEXCHR LnLABOR LnINFRA

Sumber : Hasil Pengolahan Data Eviews 6 Berdasarkan hasil analisis Variance Decomposition pada tabel diatas dapat

menunjukkan variabilitas FDI di Filipina. Dimana, pada periode pertama FDI itu sendiri yang paling berperan dalam variabilitas FDI di Filipina yaitu sebesar 100 persen. Pada periode ke-5 terjadi perubahan yang sangat signifikan peran variabel- variabel dalam menjelaskan variabilitas FDI di Filipina, variabel Infrastruktur berperan kuat dalam menjelaskan variabilitas FDI sebesar 65.100. Diikuti dengan variabel FDI itu sendiri dengan 24.177 persen, nilai tukar dengan 4.134 persen, dan variabel pertumbuhan ekonomi dengan 3.467 persen. Sedangkan pada periode ini tenaga kerja menjadi variabel yang mempunyai peran paling kecil dalam menjelaskan variabilitas FDI yaitu sebesar 3.123 persen.

Pada periode selanjutnya terjadi perubahan komposisi peran namun tidak terlalu signifikan. Sampai akhir periode variabel infrastruktur menjadi variabel yang paling berperan, meskipun terjadi perubahan urutan pada variabel lainnya dalam menjelaskan variabilitas FDI. Hal ini menunjukkan bahwa dalam jangka waktu panjang variabel Infrastruktur memilikki peran yang kuat dalam menjelaskan variabilitas FDI di Filipina dibandingkan dengan variabel-variabel lainnya.

6) Analisis FEDV Foreign Direct Investment (FDI) di Negara China

Dari hasil analisis FEDV ini akan menunjukkan variabilitas dari Foreign Direct Investment (FDI) di Negara China. Dengan melihat variance decomposition Dari hasil analisis FEDV ini akan menunjukkan variabilitas dari Foreign Direct Investment (FDI) di Negara China. Dengan melihat variance decomposition

akan diketahui komposisi dari variabel FDI itu sendiri, pertumbuhan ekonomi, nilai tukar, tenaga kerja, dan infrastruktur. Adapun hasil analisis FEDV untuk negara China periode 1988-2009 dapat dilihat pada tabel berikut ini : Tabel 4.18. Hasil Analisis FEDV FDI di China 1988-2009

Variance Decomposition : LnFDI

Periode

LnFDI

EGROW LnEXCHR LnLABOR LnINFRA

Sumber : Hasil Pengolahan Data Eviews 6 Berdasarkan hasil analisis Variance Decomposition pada tabel diatas dapat

menunjukkan variabilitas FDI di China. Dimana, pada periode pertama FDI itu sendiri yang paling berperan dalam variabilitas FDI di China yaitu sebesar 100 persen. Pada periode ke-5 terjadi perubahan yang sangat signifikan peran variabel- variabel dalam menjelaskan variabilitas FDI di China, variabel pertumbuhan ekonomi berperan kuat dalam menjelaskan variabilitas FDI sebesar 55.355. Diikuti dengan variabel FDI itu sendiri dengan 33.545 persen, nilai tukar dengan 6.567 persen, dan variabel infrastruktur dengan 3.451 persen.

Sedangkan pada periode tersebut tenaga kerja menjadi variabel yang mempunyai peran paling kecil dalam menjelaskan variabilitas FDI yaitu sebesar 1.082 persen. Hingga akhir periode variabel pertumbuhan ekonomi menjadi variabel yang paling berperan, meskipun terjadi perubahan urutan pada variabel lainnya dalam menjelaskan variabilitas FDI. Hal ini menunjukkan bahwa dalam jangka waktu panjang variabel pertumbuhan ekonomi memilikki peran yang kuat dalam menjelaskan variabilitas FDI di China dibandingkan dengan variabel-variabel lainnya.

perpustakaan.uns.ac.id digilib.uns.ac.id

4.2.2.5. Pembahasan Hasil Penelitian

Dari hasil analisis dengan model VAR tersebut dapat digunakan untuk menjawab hipotesis yang telah dibuat oleh penulis. Hipotesis yang dimaksud adalah adanya pola perbandingan yang hampir sama dari faktor ekonomi makro (pertumbuhan ekonomi, nilai tukar) dan karakteristik negara (tenaga kerja, infrastruktur) sebagai determinan FDI di masing-masing ASEAN 5 dan China. Adapun pembahasan lebih lanjut dapat dijelaskan sebagai berikut :

1) Perbandingan Pola Hasil Estimasi Model VAR di Asean 5 dan China

Salah satu tujuan utama dalam penelitian ini adalah untuk melihat perbandingan faktor fundamental ekonomi makro dan karakteristik negara sebagai determinan FDI di masing-masing negara ASEAN 5 dan China. Dengan menggunakan estimasi model VAR dapat diketahui pola perbandingan kedua faktor dari masing-masing negara. Dalam penelitian ini faktor fundamental ekonomi makro terdiri atas pertumbuhan ekonomi dan nilai tukar.

Berdasarkan hasil analisis ditemukan bahwa variabel pertumbuhan ekonomi mempunyai pengaruh yang positif dan signifikan secara statistik terhadap FDI, khususnya di negara Filipina dan China. Hasil ini sesuai dengan penelitian Kusumastuti (2008); CMCG (2003) yang menyatakan bahwa pertumbuhan ekonomi sebagai indikator kondisi pasar yang potensial (market potential) memilikki pengaruh yang postif dan signifikan terhadap masuknya FDI ke suatu negara. Hubungan yang positif antara pertumbuhan ekonomi dan FDI juga terjadi di Indonesia, Thailand, Malaysia, dan Singapura, namun tidak signifikan secara statistik.

Selanjutnya adalah variabel nilai tukar yang menunjukkan pengaruh yang positif dan signifikan khususnya di negara Filipina dan China. Seperti yang pernah Selanjutnya adalah variabel nilai tukar yang menunjukkan pengaruh yang positif dan signifikan khususnya di negara Filipina dan China. Seperti yang pernah

dikemukan oleh Chowdury dan Mark (2008) bahwa dampak pergerakan nilai tukar akan berdampak positif terhadap aliran FDI yang masuk. Hubungan yang positif nilai tukar dengan FDI juga terjadi di negara Malaysia dan Singapura, namun tidak signifikan. Sedangkan hubungan yang berlawanan terjadi di Indonesia dan Thailand yaitu nilai tukar berpengaruh negatif terhadap FDI, meskipun tidak signifikan secara statistik. Menurut Klein dan Rosengen (1992) menjelaskan bahwa hubungan nilai tukar juga bisa berdampak negatif terhadap FDI karena terjadinya apresiasi mata uang domestik akan berdampak pada penurunan FDI inflows akibat tuntutan upah tenaga kerja yang menjadi tinggi.

Untuk faktor karakteristik negara dalam penelitian ini terdiri atas ketersediaan tenaga kerja dan infrastruktur. Adapun dari hasil estimasi model VAR yang dilakukan menunjukkan bahwa variabel tenaga kerja berpengaruh positif dan signifikan terhadap FDI di negara Indonesia dan Malaysia. Hal tersebut sesuai dengan hasil penelitian yang dilakukan oleh Pourshahabi (2011) dalam penelitiannya menyatakan bahwa semakin tinggi tingkat sumber daya manusia akan berasosiasi positif terhadap keuntungan yang didapatkan dari kegiatan investasi termasuk FDI.

Berdasarkan hasil estimasi model yang dilakukan juga dapat dijelaskan bahwa, variabel infrastruktur memilikki pengaruh yang positif dan signifikan terhadap aliran FDI di negara Singapura. Hubungan yang positif juga terjadi di negara Thailand, China, dan Malaysia, namun pengaruh yang disebabkan tidak signifikan secara statistik. Penelitian ini mendukung Dermiham dan Masca (2008) dalam penelitiannya menemukan bahwa variabel infrastruktur dengan menggunakan telephone mainlines sebagai indikator, diperoleh hasil yaitu variabel infrastruktur Berdasarkan hasil estimasi model yang dilakukan juga dapat dijelaskan bahwa, variabel infrastruktur memilikki pengaruh yang positif dan signifikan terhadap aliran FDI di negara Singapura. Hubungan yang positif juga terjadi di negara Thailand, China, dan Malaysia, namun pengaruh yang disebabkan tidak signifikan secara statistik. Penelitian ini mendukung Dermiham dan Masca (2008) dalam penelitiannya menemukan bahwa variabel infrastruktur dengan menggunakan telephone mainlines sebagai indikator, diperoleh hasil yaitu variabel infrastruktur

berpengaruh positif dan signifikan secara statistik terhadap FDI yang masuk ke dalam negara berkembang.

Meskipun demikian, juga terjadi hubungan yang negatif dan signifikan dari infrastruktur terhadap FDI di Indonesia dan Filipina. Mengingat kedua negara tersebut memang mempunyai permasalahan dalam pengembangan serta penyediaan infrastruktur dalam negeri. Peringkat infrastruktur dari kedua negara tersebut juga lebih rendah jika dibandingkan dengan keempat negara sebelumnya. Sehingga dengan kurang bagusnya infrastruktur tersebut berdampak pada keputusan para investor untuk menanamkan modalnya. Dengan kata lain investor tidak mau terbebani dengan peningkatan biaya distribusi akibat buruknya infrastruktur yang ada.

2) Perbandingan Pola Hasil Analisis IRF di Asean 5 dan China

Seperti yang telah dijelaskan sebelumnya bahwa model VAR memilikki perilaku yang dinamis. Untuk melihat perilaku yang dinamis tersebut dapat dilihat dari respon setiap variabel terhadap shock atau goncangan dari variabel itu sendiri maupun variabel endogen lainnya. Respon dari perubahan masing-masing variabel dengan adanya goncangan diukur dengan 1 standar deviasi atau yang lebih dikenal dengan analisis IRF. Pada dasarnya dalam analisis IRF ini akan dapat diketahui respon positif atau negatif dari suatu variabel terhadap variabel lainnya. Dalam jangka pendek respon yang muncul biasanya cukup signifikan, sedangkan respon dalam jangka panjang cenderung konsisten dan terus mengecil.

Dalam penelitian ini analisis akan difokuskan kepada respon variabel FDI terhadap goncangan atau shock dari variabel FDI itu sendiri, faktor fundamental ekonomi makro dan karakteristik negara. Faktor fundamental ekonomi terdir atas Dalam penelitian ini analisis akan difokuskan kepada respon variabel FDI terhadap goncangan atau shock dari variabel FDI itu sendiri, faktor fundamental ekonomi makro dan karakteristik negara. Faktor fundamental ekonomi terdir atas

pertumbuhan ekonomi dan nilai tukar, untuk faktor karakteristik negara terdiri atas tenaga kerja serta infrastruktur. Berdasarkan hasil analisis IRF yang dilakukan, apabila dilihat dari penyebab respon terkuat bahwa negara Indonesia, Malaysia, Thailand, Singapura, dan China memilikki pola respon hampir sama. Respon FDI yang paling kuat dari kelima negara tersebut disebabkan dari goncangan variabel FDI itu sendiri. Hal tersebut bisa diartikan dalam melakukan investasi FDI investor asing mempertimbangkan kinerja FDI itu sendiri dari tahun ke tahun sebagai bahan pertimbangan paling utama diantara variabel lainnya.

Hasil yang berbeda terjadi di negara Filipina yaitu respon FDI yang paling kuat justru disebabkan oleh guncangan variabel infrastruktur. Kondisi ini menunjukkan bahwa ketersediaan infrastruktur di negara tersebut masih menjadi sorotan utama para investor dalam pengambilan keputusan investasi FDI. Mengingat peringkat infrastruktur Filipina sendiri juga tidak begitu bagus untuk masalah penyediaan infrastruktur dalam negeri, jika dibandingkan dengan negara-negara sebelumnya.

Selanjutanya dilihat dari perbandingan faktor fundamental ekonomi makro dan karakteristik negara, ada beberapa negara yang memilikki pola hampir sama. Dari hasil analisis menunjukkan pola yang hampir sama terjadi di negara Indonesia, Malaysia, Thailand, Singapura, dan China. Dimana respon FDI akibat guncangan yang ditimbulkan oleh faktor fundamental ekonomi makro lebih kuat dan dominan diabndingkan dengan faktor karakteristik negara. Kondisi tersebut cukup beralasan karena memasukki beberapa dekade terakhir ini banyak investor yang melakukan FDI dengan mengakuisisi maupun kerja sama merger dengan perusahaan domestik yang ada. Mengingat untuk membuka perusahaan baru di negara tujuan FDI juga Selanjutanya dilihat dari perbandingan faktor fundamental ekonomi makro dan karakteristik negara, ada beberapa negara yang memilikki pola hampir sama. Dari hasil analisis menunjukkan pola yang hampir sama terjadi di negara Indonesia, Malaysia, Thailand, Singapura, dan China. Dimana respon FDI akibat guncangan yang ditimbulkan oleh faktor fundamental ekonomi makro lebih kuat dan dominan diabndingkan dengan faktor karakteristik negara. Kondisi tersebut cukup beralasan karena memasukki beberapa dekade terakhir ini banyak investor yang melakukan FDI dengan mengakuisisi maupun kerja sama merger dengan perusahaan domestik yang ada. Mengingat untuk membuka perusahaan baru di negara tujuan FDI juga

tidak mudah, karena membutuhkan proses ddan biaya yang tidak sedikit. Untuk melakukan akuisisi maupun merger sudah pasti faktor ekonomi makro sangat berpengaruh pada potensi keuntungan yang akan diterima di masa yang akan datang.

Dari perilaku guncangan yang ditimbulkan oleh variabel endogen terhadap FDI. Terdapat dua negara yang memilikki kemiripan pola yaitu Indonesia dan Filipina. Di kedua negara tersebut respon FDI akibat guncangan variabel endogen senantiasi berfluktuasi dari periode awal hingga akhir. Sehingga bisa dilihat rata-rata terjadi lebih dari tiga kali keseimbangan yang dihasilkan di kedua negara tersebut. Sedangkan di negara-negara lainnya seperti Malaysia, Thailand, Singapura, dan China pola perilaku respon FDI dari periode awal memang ditemukan juga berfluktuasi. Namun demikian, memasukki periode tahun ke-8 respon tersebut cenderung menjadi permanen hingga mencapai akhir periode baik respon positif maupun negatif.

3) Perbandingan Pola Hasil Analisis FEDV di Asean 5 dan China

Dengan melihat hasil analisis FEDV yang sudah dilakukan akan diketahui peran atau kontribusi variabel-variabel endogen terhadap variabilitas variabel FDI di masing-masing negara. Adapun hasil analisis FEDV di Asean 5 dan China diketahui ada beberapa negara yang memilikki pola komposisi peran yang hampir sama yaitu Indonesia, Malaysia, Singapura, dan Thailand. Komposisi peran variabel endogen dalam menjelaskan variabilitas FDI didominasi oleh peran variabel FDI itu sendiri. Mengingat dari hasil analisis dari ketiga negara tersebut variabel FDI itu sendiri beperan paling kuat dari periode awal hingga periode akhir penelitian.

Hasil yang berbeda terjadi di negara Filipina yaitu variabel infrastruktur memilikki peran atau kontribusi yang paling besar dalam menjelaskan variabilitas Hasil yang berbeda terjadi di negara Filipina yaitu variabel infrastruktur memilikki peran atau kontribusi yang paling besar dalam menjelaskan variabilitas

FDI yang masuk ke dalam negera tersebut. Sedangkan di negara China variabel yang berperan paling besar dalam menjelaskan variabilitas FDI adalah pertumbuhan ekonomi.

Selanjutanya dengan hasil analisis FEDV juga dapat ditemukan pola perilaku yang sama di negara Indonesia, Malaysia, Thailand, dan China. Pola perilaku faktor fundamental ekonomi makro dan karakteristik negara dari keempat negara tersebut memilikki peran yang sama kuatnya dalam menjelaskan variabilitas FDI. Sedangkan di negara Singapura menunjukkan pola perilaku dimana faktor fundamental ekonomi makro mempunyai peran yang lebih kuat dibandingkan karakteristik negara. Mengingat bentuk investasi di negara tersebut sebagian besar berorientasi pada investasi padat modal. Sehingga sudah bisa dipastikan bahwa kondisi ekonomi makro memilikki peranan penting terhadap keputusan investor. Hasil yang berbeda terjadi di Filipina yaitu peranan faktor karakteristik negara lebih kuat dibandingkan faktor ekonomi makro.

perpustakaan.uns.ac.id digilib.uns.ac.id

Bagian ini merupakan rangkuman dari hasil analisis yang telah dilakukan pada beberapa bab sebelumnya dan sebagai jawaban atas permasalahan serta tujuan yang ingin dicapai dalam penelitian ini. Berdasarkan atas hasil pengujian dan temuan empiris dari analisis data yang telah dilakukan, diperoleh kesimpulan dari penelitian tentang determinan FDI di negara ASEAN 5 (Indonesia, Malaysia, Singapura, Thailand, Filipina) dan China periode 1988-2009 ini adalah sebagai berikut :

1. Berdasarkan hasil analisis data dengan menggunakan model data panel dengan pendekatan Fixed Effect Method (FEM) GLS menunjukkan bahwa faktor fundamental dan karakteristik negara sama baiknya dalam menjelaskan pengaruhnya terhadap FDI di ASEAN 5 dan China. Adapun secara lebih lengkap hasil estimasi model yang sudah dilakukan dapat dijelaskan sebagai berikut :

a) Variabel pertumbuhan ekonomi mempunyai pengaruh yang positif dan signifikan secara statistik pada derajat kepercayaan 5%. Adanya kenaikan tingkat pertumbuhan ekonomi akan menyebabkan terjadinya kenaikan aliran FDI yang masuk ke negara ASEAN 5 dan China.

b) Variabel nilai tukar mempunyai pengaruh yang negatif dan signifikan secara statistik pada derajat kepercayaan 5%. Adanya nilai mata uang yang terdepresiasi akan menyebabkan terjadinya penurunan aliran FDI yang masuk ke negara ASEAN 5 dan China. Terjadinya depresiasi mata uang di ASEAN b) Variabel nilai tukar mempunyai pengaruh yang negatif dan signifikan secara statistik pada derajat kepercayaan 5%. Adanya nilai mata uang yang terdepresiasi akan menyebabkan terjadinya penurunan aliran FDI yang masuk ke negara ASEAN 5 dan China. Terjadinya depresiasi mata uang di ASEAN

merupakan dampak dari krisis ekonomi yang berimbas pada kondisi perekonomian, sosial, dan politik di ASEAN menjadi tidak kondusif. Meskipun depresiasi ini dipandang menguntungkan bagi investasi asing, namun investor asing sendiri tidak mau mengambil resiko akibat kondisi perekonomian yang tidak stabil.

c) Variabel tenaga kerja mempunyai pengaruh yang positif dan signifikan secara statistik pada derajat kepercayaan 5%. Adanya kenaikan tingkat jumlah tenaga kerja akan menyebabkan terjadinya kenaikan aliran FDI yang masuk ke negara ASEAN 5 dan China.

d) Variabel infrastruktur mempunyai pengaruh yang positif dan signifikan secara statistik pada derajat kepercayaan 5%. Adanya kenaikan tingkat ketersediaan infrastruktur akan menyebabkan terjadinya kenaikan aliran FDI yang masuk ke negara ASEAN 5 dan China.

2. Dari hasil estimasi model VAR diketahui bahwa variabel pertumbuhan ekonomi mempunyai pengaruh yang positif dan signifikan secara statistik terhadap FDI khususnya di negara Filipina dan China, variabel nilai tukar yang menunjukkan pengaruh yang positif dan signifikan khususnya di negara Filipina dan China, bahwa variabel tenaga kerja berpengaruh positif dan signifikan terhadap FDI di negara Indonesia dan Malaysia, dan yang terakhir variabel infrastruktur memilikki pengaruh yang positif terhadap aliran FDI di negara Singapura. Meskipun demikian, juga terjadi hubungan yang negatif dan signifikan dari infrastruktur terhadap FDI di Indonesia dan Filipina.

3. Hasil analisis Impulse Respon Function (IRF) terhadap FDI di menunjukkan pola yang hampir sama di beberapa negara ASEAN 5 dan China. Pola yang hampir 3. Hasil analisis Impulse Respon Function (IRF) terhadap FDI di menunjukkan pola yang hampir sama di beberapa negara ASEAN 5 dan China. Pola yang hampir

sama ditemukan di negara Indonesia, Malaysia, Thailand, Singapura, dan China. Dimana respon FDI akibat guncangan yang ditimbulkan oleh faktor fundamental ekonomi makro lebih kuat dan dominan dibandingkan dengan faktor karakteristik negara. Sedangkan di negara Filipina yaitu respon FDI yang paling kuat justru disebabkan oleh guncangan variabel infrastruktur. Namun demikian, secara keseluruhan respon FDI yang paling kuat dari keenam negara tersebut disebabkan dari goncangan variabel FDI itu sendiri.

4. Hasil analisis Forecast Error Decomposition of Variance (FEDV) terhadap FDI di negara ASEAN 5 dan China periode 1988-2009 ditemukan pola perilaku yang sama di negara Indonesia, Malaysia, Thailand, dan China. Pola perilaku faktor fundamental ekonomi makro dan karakteristik negara dari keempat negara tersebut memilikki peran yang sama kuatnya dalam menjelaskan variabilitas FDI. Hasil yang berbeda hanya terjadi di negara Singapura yaitu faktor fundamental ekonomi makro mempunyai peran yang lebih kuat dibandingkan karakteristik negara dalam menjelaskan variabilitas FDI.

2.12. Saran

Berdasarkan kesimpulan yang telah dijelaskan diatas, maka penulis memberikan beberapa saran yang berkaitan dengan penelitian ini. Adapun saran tersebut adalah sebagai berikut:

1. Untuk tetap mempertahankan aliran FDI yang berkelanjutan, maka pemerintah dan stakeholders sebagai pengambil kebijakan perlu memperhatikan perkembangan FDI itu sendiri. Mengingat variabel tersebut merupakan faktor penting yang menjadi pertimbangan investor asing. Catatn yang baik tentang 1. Untuk tetap mempertahankan aliran FDI yang berkelanjutan, maka pemerintah dan stakeholders sebagai pengambil kebijakan perlu memperhatikan perkembangan FDI itu sendiri. Mengingat variabel tersebut merupakan faktor penting yang menjadi pertimbangan investor asing. Catatn yang baik tentang

perkembangan variabel FDI dalam suatu negara menjadi prioritas utama dalam pengambilan keputusan investor untuk menanamkan modalnya. Dari pihak pemerintah juga diharapkan harus selektif dalam memilih mitra kerja, khususnya yang terkait dengan FDI. Penyerapan manfaat FDI terhadap perekonomian dalam negeri juga harus menjadi kajian yang harus mendapat perhatian lebih untuk menghindari dampak yang tidak diinginkan dari investasi FDI yang telah disetujui.

2. Pemerintah sebagai pembuat kebijakan harus mampu mendorong pertumbuhan ekonomi agar terus tumbuh dan berupaya untuk menjaga kestabilan pertumbuhan ekonomi tersebut, mengingat pertumbuhan ekonomi sebagai salah satu variabel ekonomi makro yang menjadi pertimbangan penting investor asing dalam menanamkan modalnya. Kestabilan nilai tukar mata uang juga perlu dijaga volatilitasnya, karena kestabilan nilai tukar merupakan indikator kepastian tingkat pengembalian investasi yang akan diterima oleh investor.

3. Variabel infrastruktur dan tenaga kerja sebagai kekuatan spesifik yang dimilikki negara juga patut mendapatkan perhatian lebih dari pemerintah beserta stakeholders yang terlibat didalamnya. Kondisi ketersediaan infrastruktur yang baik akan menjadi daya tarik tersendiri bagi investor asing, kemudian perlunya peningkatan kualitas tenaga kerja menjadi sangat penting dengan adanya tuntutan pasar tenaga kerja yang menuntut penyediaan tenaga kerja yang memilikki skill memadai. Sehingga investasi SDM dalam bentuk peningkatan skill sampai dengan tingkat pendidikan sudah harus menjadi agenda utama pemerintah saat ini.

4. Besarnya FDI yang masuk ke dalam negeri juga bisa berdampak negatif jika pemerintah tidak pandai dalam mengontrol kegiatan perusahaan asing yang masuk 4. Besarnya FDI yang masuk ke dalam negeri juga bisa berdampak negatif jika pemerintah tidak pandai dalam mengontrol kegiatan perusahaan asing yang masuk

di dalam negeri. Pemerintah juga harus bisa memperhitungkan cost-benefit yang akan diterima dari investasi FDI ini dengan tidak melupakan keberadaan perusahaan domestik sendiri. Diharapkan jangan sampai terjadi penurunan daya saing perusahaan domestik akibat adanya FDI ini.

5. Pada penelitian ini variabel determinan FDI yang digunakan dalam melakukan analisis terbatas pada beberapa variabel saja, diharapkan untuk penelitian selanjutnya dapat menggunakan variabel-variabel determinan FDI lainnya yang memilikki cakupan data yang lebih luas dan bervariasi dalam menjelaskan aliran FDI.

Hasil dan Analisis Kuantitatif

2.10. Hasil dan Analisis Kuantitatif

2.10.1.1. Hasil Estimasi Data Panel

2.10.1.2. Hasil Uji Pemilihan Model

2.10.1.3. Pendekatan Metode Fixed Effect Method (FEM) dengan General Least Square

2.10.1.4. Hasil Uji Statistik Model

2.10.1.5. Pembahasan Hasil Penelitian

1) Pengaruh Pertumbuhan Ekonomi (EGROW) terhadap FDI

2) Pengaruh Nilai Tukar (EXCHR) terhadap FDI

3) Pengaruh Tenaga Kerja (LABOR) terhadap FDI

4) Pengaruh Infrastruktur (INFRA) terhadap FDI

4.2.2.1. Penentuan Lag Optimal

4.2.2.2. Hasil Estimasi Vector Autoregression (VAR)

1) Hasil Estimasi VAR di Negara Indonesia

Gambar 4.1. Hubungan Kausalitas VAR di Indonesia

2) Hasil Estimasi VAR di Negara Malaysia

Gambar 4.2. Hubungan Kausalitas VAR di Malaysia

3) Hasil Estimasi VAR di Negara Thailand

Gambar 4.3. Hubungan Kausalitas VAR di Thailand

4) Hasil Estimasi VAR di Negara Singapura

Gambar 4.4. Hubungan Kausalitas VAR di Singapura

5) Hasil Estimasi VAR di Negara Filipina

Gambar 4.5. Hubungan Kausalitas VAR di Filipina

6) Hasil Estimasi VAR di Negara China

Gambar 4.6. Hubungan Kausalitas VAR di China

4.2.2.3. Analisis Impulse Respon Function (IRF)

1) Analisis IRF Foreign Direct Investment (FDI) di Negara Indonesia

Gambar. 4.7. Hasil Analisis IRF FDI di Indonesia

2) Analisis IRF Foreign Direct Investment (FDI) di Negara Malaysia

Gambar. 4.8. Hasil Analisis IRF FDI di Malaysia

3) Analisis IRF Foreign Direct Investment (FDI) di Negara Thailand

Gambar. 4.9. Hasil Analisis IRF FDI di Thailand

4) Analisis IRF Foreign Direct Investment (FDI) di Negara Singapura

Gambar. 4.10. Hasil Analisis IRF FDI di Singapura

5) Analisis IRF Foreign Direct Investment (FDI) di Negara Filipina

Gambar. 4.11. Hasil Analisis IRF FDI di Filipina

6) Analisis IRF Foreign Direct Investment (FDI) di Negara China

Gambar. 4.12. Hasil Analisis IRF FDI di China Gambar. 4.12. Hasil Analisis IRF FDI di China

4.2.2.4. Analisis Forecast Error Decomposition of Variance (FEDV)

1) Analisis FEDV Foreign Direct Investment (FDI) di Negara Indonesia

2) Analisis FEDV Foreign Direct Investment (FDI) di Negara Malaysia

3) Analisis FEDV Foreign Direct Investment (FDI) di Negara Thailand

Tabel 4.15. Hasil Analisis FEDV FDI di Thailand 1988-2009

4) Analisis FEDV Foreign Direct Investment (FDI) di Negara Singapura

Tabel 4.16. Hasil Analisis FEDV FDI di Singapura 1988-2009

5) Analisis FEDV Foreign Direct Investment (FDI) di Negara Filipina

6) Analisis FEDV Foreign Direct Investment (FDI) di Negara China

4.2.2.5. Pembahasan Hasil Penelitian

1) Perbandingan Pola Hasil Estimasi Model VAR di Asean 5 dan China

2) Perbandingan Pola Hasil Analisis IRF di Asean 5 dan China

3) Perbandingan Pola Hasil Analisis FEDV di Asean 5 dan China

Parts

Dokumen yang terkait

GERAKAN LITERASI SEKOLAH DALAM MENUMBUHKAN MINATBACA PADA PEMBELAJARAN DI SEKOLAH DASAR NEGERI MEMPAWAH HILIR

PENERAPAN PENDIDIKAN KARAKTER DALAM PEMBELAJARAN TEMATIK DI SEKOLAH DASAR PONTIANAK BARAT

KOMPONEN STRUKTUR BAJA CONCRETE-FILLED STEEL TUBE (CFT) SEBAGAI INOVASI ALTERNATIF STRUKTUR KUDA-KUDA UNTUK BANGUNAN GEDUNG

NOVEL BUMI CINTA KARYA HABIBURRAHMAN EL SHIRAZY (TINJAUAN PSIKOLOGI SASTRA DAN NILAI RELIGIUS)

ANALISIS NILAI TAMBAH PADA INDUSTRI KERIPIK SALAK DI KABUPATEN SLEMAN

PENILAIAN KINERJA KEUANGAN PDAM KOTA SALATIGA BERDASARKAN KEPMENDAGRI NOMOR 47 TAHUN 1999 PERIODE 2006-2010

EKSISTENSI KESENIAN DOLALAK SEBAGAI KEBUDAYAAN DAERAH DI DESA MLARAN KECAMATAN GEBANG KABUPATEN PURWOREJO

FOTOGRAFI FASHION SEBAGAI BAGIAN DARI PROMOSI HOSANNA MODA

BUDIDAYA PURWOCENG (Pimpinelle alpine Molk) DI PT.INDMIRA YOGYAKARTA

STRATEGI KOMUNIKASI PEMASARAN ”TELKOMSEL FLASH DAN BLACKBERRY INTERNET SERVICE”

Dokumen yang Anda mencari sudah siap untuk unduhkan