37
setiap prosedur tepat waktu tanpa penundaan. Prosedur yang dapat diselesaikan secara paralel diukur secara simultan. Waktu tunggu antar
prosedur - misalnya, selama pembongkaran kargo - termasuk dalam waktu yang diukur. Sumber data berasal dari Doing Business
– World Bank 2010. 8.
Waktu impor. Waktu dicatat dalam hari kalender. Perhitungan waktu untuk
suatu prosedur impor dimulai dari saat awal pengurusan dokumen impor sampai selesai barang diterima di tempat tujuan. Jika prosedur dapat
dipercepat dengan biaya tambahan, prosedur resmi tercepat yang dipilih. Diasumsikan bahwa baik eksportir maupun importir berkomitmen untuk
menyelesaikan setiap prosedur dengan tepat waktu tanpa penundaan. Prosedur yang dapat diselesaikan secara paralel diukur secara simultan. Waktu tunggu
antar prosedur – misalnya selama pembongkaran kargo, termasuk dalam
waktu yang ukur. Sumber data berasal dari Doing Business – World Bank
2010. 9.
Pengguna internet per 100 orang : Pengguna internet adalah orang-orang yang melakukan akses ke jaringan internet di seluruh dunia. Sumber data
berasal dari World Development Indicators 2010. 10.
Ekspor barang teknologi informasi komunikasi dari total ekspor. Barang
teknologi informasi komunikasi yang dimaksud adalah alat telekomunikasi, audio dan video, komputer dan peralatan terkait; komponen elektronik, dan
barang teknologi komunikasi informasi lainnya kecuali software. Sumber data berasal dari World Development Indicators 2010.
11. Impor barang teknologi informasi komunikasi dari total impor.
Barang impor teknologi informasi komunikasi yang dimaksud adalah peralatan
telekomunikasi, audio dan video, komputer dan peralatan terkait; komponen elektronik, dan barang teknologi komunikasi informasi lainnya. Kecuali
software.
3.2 Analisis Deskriptif
Analisis ini digunakan untuk menggambarkan kondisi terkini keadaan masing-masing negara dalam penelitian. Indikator yang dibahas adalah indikator
terkait yang digunakan dalam penelitian ini. Analisis deskriptif juga menyajikan
38
pola data yang diteliti. Hasil analisis deskriptif secara rinci terdapat dalam bab IV Gambaran Umum.
3.3 Panel Data Statis
Metode panel data statis digunakan untuk menganalisis pengaruh infrastruktur transportasi dan teknologi informasi komunikasi terhadap nilai tukar
perdagangan. Baltagi 2005 mengungkapkan bahwa penggunaan data panel memberikan banyak keuntungan, antara lain:
1. Mampu mengontrol heterogenitas individu. Dengan metode ini estimasi
yang dilakukan dapat secara eksplisit memasukkan unsur heterogenitas individu.
2. Dengan mengkombinasikan data time series dan cross section, data panel
dapat memberikan data yang informatif, mengurangi kolinearitas antar peubah, meningkatkan derajat kebebasan dan lebih efisien.
3. Lebih baik untuk studi dynamics of adjustment. Karena berkaitan dengan
observasi cross section yang berulang, maka data panel lebih baik dalam mempelajari perubahan dinamis.
4. Lebih baik dalam mengidentifikasi dan mengukur efek yang secara
sederhana tidak dapat diatasi dalam data cross section saja atau data time series saja.
Kendati demikian, analisis data panel data juga memiliki keterbatasan di antaranya adalah:
1. Masalah dalam desain survei panel, pengumpulan dan manajemen data.
Masalah yang umum dihadapi diantaranya: cakupan coverage, nonresponse, kemampuan daya ingat responden recall, frekuensi dan
waktu wawancara. 2.
Distorsi kesalahan pengamatan measurement errors. Measurement errors umumnya terjadi karena respon yang tidak sesuai.
3. Masalah selektivitas selectivity yang mencakup hal-hal berikut:
a. Self-selectivity. Permasalahan ini muncul karena data yang
dikumpulkan untuk suatu penelitian tidak sepenuhnya dapat menangkap fenomena yang ada.
39
b. Nonresponse. Permasalahan ini muncul dalam panel data ketika ada
ketidaklengkapan jawaban yang diberikan oleh responden. c.
Attrition, yaitu jumlah responden yang cenderung berkurang pada survey lanjutan yang biasanya terjadi karena responden pindah,
meninggal dunia atau biaya menemukan responden yang terlalu tinggi.
4. Cross-section dependence. Sebagai contoh, apabila macro panel dengan
unit analisis negara atau wilayah dengan deret waktu yang panjang mengabaikan cross-country dependence akan mengakibatkan kesimpulan
yang tidak tepat misleading inference. Secara umum, terdapat dua pendekatan dalam metode data panel, yaitu Fixed Effect Model FEM dan
Random Effect Model REM. Keduanya dibedakan berdasarkan ada atau tidaknya korelasi antara komponen error dengan peubah bebas
.
Misalkan:
it i
it it
y X
……………………………1 Pada one way, komponen error dispesifikasikan dalam bentuk:
it i
it
u
…………………………………….2 Untuk two way, komponen error dispesifikasi dalam bentuk:
it i
i it
u
………………………………3 Pada pendekatan one way komponen error hanya memasukkan komponen
error yang merupakan efek dari individu
i
. Pada two way telah memasukkan efek dari waktu
t
ke dalam komponen error. u
it
diasumsikan tidak berkorelasi dangan X
it
. Jadi perbedaan antara FEM dan REM
terletak pada ada atau tidaknya korelasi antara
i
dan μ
t
dengan X
it
. Pemilihan model yang digunakan dalam sebuah penelitian perlu
dilakukan berdasarkan pertimbangan statistik. Hal ini ditujukan untuk memperoleh dugaan yang efisien. Diagram pengujian statistik untuk
memilih model yang digunakan dapat diperlihatkan pada gambar 17. Namun demikian, ada pendapat yang mengatakan bahwa penggunaan
pendekatan Pooled Least Square dirasakan kurang sesuai dengan tujuan digunakannya data panel.
40
Sumber : Baltagi, 2005, diolah
Gambar 17. Pengujian Pemilihan Model dalam Pengolahan Data Panel
Statis
Penjelasan Gambar:
1. Chow Test
Chow Test atau beberapa buku menyebutnya pengujian F Statistics adalah pengujian untuk memilih apakah model yang digunakan Pooled Least Square atau
Fixed Effect. Seperti yang kita ketahui, terkadang asumsi bahwa setiap unit cross section memiliki perilaku yang sama cenderung tidak realistis mengingat
dimungkinkan saja setiap unit cross section memiliki perilaku yang berbeda. Dalam pengujian ini dilakukan dengan hipotesa sebagai berikut:
H : Model PLS
Restricted H
1
: Model Fixed Effect Unrestricted.
Dasar penolakan terhadap hipotesa nol adalah dengan menggunakan F-Statistik seperti yang dirumuskan oleh Chow:
1 K
N NT
URSS N
URSS RRSS
CHOW
RANDOM EFFECT
POOLED LEAST
SQUARE LM Test
Chow Test Hausman
Test FIXED
EFFECT
41
dengan: RRSS = Restricted Residual Sum Square
URSS = Unrestricted Residual Sum Square N
= Jumlah data cross section T
= Jumlah data time series K
= Jumlah variabel penjelas, Chow Test ini mengikuti distribusi F-statistik yaitu F
N-1, NT-N-K.
Jika nilai CHOW Statistics F-Stat hasil pengujian lebih besar dari F Tabel, maka cukup bukti
untuk melakukan penolakan terhadap hipotesa nol sehingga model yang digunakan adalah model fixed effect, begitu juga sebaliknya. Pengujian ini disebut
sebagai Chow Test karena kemiripannya dengan Chow Test yang digunakan untuk menguji stabilitas dari parameter stability test.
2. Hausman Test
Hausman Test adalah pengujian statistik sebagai dasar pertimbangan kita dalam memilih apakah menggunakan model fixed effect atau model random effect.
Seperti yang kita ketahui bahwa penggunaan model fixed effect mengandung suatu unsur trade off yaitu hilangnya derajat kebebasan dengan memasukkan
variabel dummy. Namun, penggunaan metode random effect pun harus memperhatikan ketiadaan pelanggaran asumsi dari setiap komponen galat.
Hausman Test dilakukan dengan hipotesa sebagai berikut:
H :
Random Effects Model H
1
: Fixed Effects Model.
Sebagai dasar penolakan Hipotesa nol maka digunakan statistik hausman dan membandingkannya dengan chi square.
Statistik hausman dirumuskan dengan:
b M
M b
m
1 1
~
K X
2
………………………….4 Dimana
adalah vektor untuk statistik variabel fix effect, b adalah vektor statistik variabel random effect,
M
adalah matriks kovarians untuk dugaan FEM dan
1
M
adalah matriks kovarians untuk dugaan REM.
3. LM Test
42
LM Test atau lengkapnya The Breusch – Pagan LM Test digunakan sebagai
pertimbangan statistik dalam memilih model Random Effect versus Pooled Least Square.
H :
PLS H
1
: Random Effect
. Dasar penolakan terhadap H
adalah dengan menggunakan statistik LM yang mengikuti distribusi dari Chi Squre .
Statistik LM dihitung dengan menggunakan residual OLS yang diperoleh dari hasil estimasi model pooled.
Strategi Pengujian
Secara umum, dalam pengujian estimasi model-model data panel diperlukan sebuah strategi. Strategi yang dapat dilakukan adalah dengan menguji:
a RE vs FE Hausman Test,
b PLS vs FE Chow Test.
Kerangka pengambilan keputusan dalam memilih sebuah model yang digunakan adalah sebagai berikut:
Jika b tidak signifikan maka kita menggunakan Pooled Least Square. Jika b signifikan namun a tidak signifikan maka kita menggunakan
Random Effect Model . Jika keduanya signifikan, maka kita menggunakan Fixed Effect Model.
Jika model yang terpilih dalam uji Chow dan uji Hausman tersebut adalah model fixed effect, kita dapat melakukan beberapa uji asumsi penting sebagai berikut:
Uji Homoskedastisitas
Salah satu asumsi yang harus dipenuhi dalam persamaan regresi adalah bahwa taksiran parameter dalam model regresi bersifat BLUE Best Linier
Unbiased Estimate maka var u
i
harus sama dengan σ
2
konstan, atau semua residual atau error mempunyai varian yang sama. Kondisi itu disebut dengan
homoskedastisitas. Sedangkan bila varian tidak konstan atau berubah-ubah disebut dengan heteroskedastisitas. Untuk mendeteksi adanya heteroskedastisitas
dapat menggunakan metode General Least Square Cross section Weights yaitu
43
dengan membandingkan sum square Resid pada Weighted Statistics dengan sum square Resid unweighted Statistics. Jika sum square Resid pada Weighted
Statistics lebih kecil dari sum square Resid unweighted Statistics, maka terjadi heteroskedastisitas.
Uji Autokorelasi
Autokorelasi adalah korelasi yang terjadi antar observasi dalam satu peubah atau korelasi antar error masa yang lalu dengan error masa sekarang. Uji
autokorelasi yang dilakukan tergantung pada jenis data dan sifat model yang digunakan. Autokorelasi dapat memengaruhi efisiensi dari estimatornya. Untuk
mendeteksi adanya korelasi serial adalah dengan melihat nilai Durbin Watson DW. Untuk mengetahui adatidaknya autokorelasi, maka dilakukan dengan
membandingkan DW-statistiknya dengan DW-tabel. Adapun kerangka identifikasi autokorelasi terangkum dalam Tabel 2. Korelasi serial ditemukan jika error dari
periode waktu yang berbeda saling berkorelasi. Hal ini bisa dideteksi dengan melihat pola random error dari hasil regresi.
Nilai DW Hasil
4 – dl DW 4
Terdapat korelasi serial negatif 4
– du DW 4- dl Hasil tidak dapat ditentukan
2 DW 4 – du
Tidak ada korelasi serial Du DW 2
Tidak ada korelasi serial dl DW du
Hasil tidak dapat ditentukan 0 DW dl
Terdapat korelasi serial positif
Sumber: Gujarati, 2004
Metode estimasi yang digunakan pada model analisis regresi data panel statis, didasarkan pada asumsi struktur matriks varians dan covarians residualnya,
yang terdiri dari 3 metode yaitu : 1.
Ordinary least square OLSLSDV, jika struktur matriks varians dan covarians residualnya diasumsikan bersifat homoskedastik dan tidak ada
cross section correlation. 2.
Generalized least square GLS weighted least square WLS : Cross Section Weight, jika struktur matriks varians dan covarians residualnya
diasumsikan bersifat heteroskedastik dan tidak ada cross section correlation.
Tabel 2. Kerangka Identifikasi Autokorelasi
44
3. Feasible generalized least square FGLS Seemingly uncorrelated
regression SUR, jika struktur matriks varians dan covarians residualnya diasumsikan bersifat heteroskedastik dan ada cross section correlation.
3.4 Model Estimasi Nilai Tukar Perdagangan
Model ekonometri yang digunakan merupakan modifikasi dari penelitian Sen et al, 2009. Penelitian Sen menggunakan metode Regresi Pooled yang
terdiri dari beberapa model untuk membedakan kelompok negara maju dan berkembang. Penelitian ini menggunakan regresi panel dan dummy intersept.
Dummy intersept untuk menunjukkan adanya perbedaan antara negara-negara kawasan ASEAN dan kawasan Asia Timur. Kelemahan model ini, merupakan
model satu arah, tidak menggunakan model simultan.
Y
it
= β + β
1
IU
it
+ β
2
ITCeks
it
+ β
3
ICTimp
it
+ β
4
II
it
+ β
5
CE
it
+ β
6
CI
it
+ β
7
TE
it
+ β
8
TI
it
+ β
9
D +
ε
………………………………………………………..5 dengan
Y
it
: Nilai tukar perdagangan negara i tahun ke t, dihitung berdasarkan
formula indeks nilai ekspor dibagi nilai impor dikali seratus net barter terms of trade,
i
: Negara
t
: Tahun
IU :
Pengguna internet internet user per 100 orang ICTeks
ICTimp :
: Ekspor barang teknologi informasi komunikasi total ekspor
Impor barang teknologi informasi komunikasi total impor II
: Indeks kualitas infrastruktur 1 = rendah, 7 = sesuai dengan
standart internasional CE
: Biaya cost ekspor per container USD
CI :
Biaya cost impor per container USD TE
TI :
: Waktu ekspor hari
Waktu impor hari D
i
: Variabel dummy, 0 untuk Negara Asia Timur dan 1 untuk Negara
ASEAN
45
IV. GAMBARAN UMUM
4.1 Nilai Tukar Perdagangan
Selama periode 2006-2009, nilai tukar perdagangan negara-negara ASEAN dan Asia Timur bervariasi. Tabel 3 menyajikan nilai tukar perdagangan
negara-negara ASEAN dan Asia Timur periode 2006-2009 tahun dasar 2000. Secara umum nilai tukar perdagangan tertinggi dialami China, Singapura dan
Malaysia. Nilai tukar perdagangan paling rendah terjadi di Indonesia dan Philipina.
China memiliki nilai tukar perdagangan tertinggi pada periode 2006-2009. Tingginya nilai tukar perdagangan dipengaruhi tingginya nilaivolume ekspor.
China unggul dalam menawarkan harga produk ekspor yang murah dalam kualitas yang masih bisa diterima oleh pasar dunia. Faktor yang menyebabkan China
produktif dalam menghasilkan produk-produk berkualitas yang masih dapat diterima oleh pasar dunia, selain karena aliran modal asing dan teknologi tinggi,
yang justru sangat menarik adalah besarnya peran Usaha Kecil dan Menegah UKM dan bisnis swasta daerah yang disebut sebagai Township and Village
Enterprises TVEs dalam menopang kekuatan ekspornya. Kebijakan ekonomi Hongkong menerapkan perdagangan bebas dengan
pajak yang rendah. Karena keterbatasan sumber daya alam, ekspor Hongkong berupa barang jadi seperti mesin listrik, tekstilgarmen, jam, alas kaki, dll. Hal
tersebut semakin mendukung perekonomian Hongkong karena penyerapan tenaga menjadi lebih baik.
Korea Selatan negara berkembang yang berhasil menjadi negara industri dengan basis dan strategi ekspor. Pembangunan sektor industri dilakukan dengan
penguatan teknologi, sumber daya manusia, pasar dan dukungan negara. Malaysia berhasil meningkatkan ekspornya karena didukung dengan oleh teknologi tinggi,
industri berbasis pengetahuan dan modal intensif.
