hingga mencapai hampir 97 persen dari total ekspor. Dominasi karet alam Indonesia jenis SIR saja menggambarkan rendahnya diversifikasi produk ekspor
karet alam Indonesia. Hal ini tentunya akan sangat menentukan pasar ekspor karet alam jenis spesifikasi teknis tersebut. Tipe produk karet alam ini merupakan
gambaran komposisi karet alam Indonesia berdasarkan jenis mutu. Berdasarkan tingkat kualitas, maka dapat diurutkan dimana RSS Ribbed Smoke Sheet
merupakan jenis karet alam yang paling baik, kemudian jenis SIR. Kualitas karet alam ini biasanya didasarkan pada kandungan air dan kotoran di dalam produk
tersebut. Semakin baik kualitas mutu karet alam berarti semakin rendah kandungan air dan kotoran dalam komoditi karet tersebut. Jenis produk ekspor
karet Indonesia pada tahun 1969 didominasi oleh sit asap atau RSS, tetapi sepuluh tahun kemudian sampai kondisi sekarang didominasi oleh jenis karet spesifikasi
teknisSIR. Penurunan ekspor karet alam Indonesia untuk jenis mutu RSS terkait dengan meningkatnya permintaan industri terhadap jenis karet alam jenis
spesifikasi teknis yang lebih siap pakai. Tabel 9
Jumlah dan Pangsa Ekspor Karet Alam Indonesia berdasarkan Tipe Produk 2003-2010
Sumber: BPS, 2003-2010 Keterangan : Angka dalam kurung .. merupakan pangsa.
Komposisi ekspor karet alam Thailand menurut tipe produknya berbeda kondisi dengan komposisi ekspor karet alam Indonesia. Komposisi ekspor karet
alam Thailand lebih banyak didominasi oleh jenis karet alam sit asap atau RSS, kemudian disusul dengan karet spesifikasi teknis sesuai dengan standar karet
Thailand atau STR Standard Thailand Rubber, dan selanjutnya adalah lateks. Tabel 10 menunjukkan komposisi ekspor karet alam Thailand berdasarkan tipe
produknya. Pada tahun 2003 Thailand mengekspor paling banyak tipe RSS dengan persentase sebesar 44,67 persen, namun tidak mendominasi ekspor karet
alam Thailand. Pada tahun 2003 pangsa karet alam jenis STR tidak berbeda jauh dengan RSS, yaitu sebesar 35,46 persen. Pada tahun 2005 komposisi ekspor karet
alam Thailand berubah, dimana jenis karet tipe STR paling banyak diekspor dengan persentase 42,14 persen. Persentase ekspor tipe RSS di tahun 2005 pun
tidak terlalu berbeda jauh dibanding tipe RSS 34,99 persen. Dari tahun 2005 hingga tahun 2010, pangsa ekspor karet alam Thailand jenis spesifikasi teknis atau
STR adalah yang paling besar, kemudian disusul oleh tipe sit asap atau RSS, dan tipe produk dengan pangsa ekspor terkecil adalah lateks pekat. Komposisi karet
alam Thailand yang tidak didominasi oleh tipe tertentu menunjukkan bahwa diversifikasi ekspor karet alam Thailand baik sehingga tidak terlalu tergantung
pada satu jenis mutu saja. Kondisi ini memungkinkan tidak terganggunya pendapatan atau devisa dari ekspor karet alam saat terjadi fluktuasi harga di suatu
tipe produk karet alam Thailand. Tabel 10 Jumlah dan Pangsa Ekspor Karet Alam Thailand berdasarkan Tipe
Produk 2003-2010
Sumber: http:www.rubberthai.comstatisticengeng_stat.htm diunduh tanggal 18 Juni 2011 Keterangan : Angka dalam kurung .. merupakan pangsa.
V. HASIL DAN PEMBAHASAN
Sebelum memasuki tahapan analisis model VECM, maka sebelumnya dilakukan pengujian-pengujian pra estimasi. Pengujian-pengujian tersebut
meliputi uji akar unit unit root test, pengujian stabilitas VAR dan pengujian lag optimal. Pengujian-pengujian ini penting karena dalam model multivariate time
series kebanyakan data yang digunakan mengandung akar unit sehingga akan
membuat hasil estimasi menjadi semu dan tidak valid Gujarati, 2006.
5.1 Uji Stasioneritas Data
Uji kestasioneran data merupakan tahap yang penting dalam menganalisis data time series untuk melihat ada tidaknya akar unit yang terkandung diantara
variabel sehingga hubungan antar variabel dalam persamaan menjadi valid dan tidak menghasilkan regresi semu spurious regression. Regresi semu adalah
situasi dimana hasil regresi menunjukkan koefisien regresi yang signifikan dalam statistik dan nilai koefisien determinasi yang tinggi namun hubungan antara
variabel didalam model tidak saling berhubungan. Data yang tidak mengandung akar unit atau bersifat stasioner mengandung ragam yang tidak terlalu besar dan
memiliki kecenderungan untuk mendekati nilai rata-ratanya. Sedangkan data yang tidak stasioner atau mengandung akar unit akan menghasilkan regresi semu.
Salah satu metode untuk menguji stasioneritas data adalah dengan uji akar unit unit root test yang pertama kali dikembangkan oleh Dicky-Fuller, yang
kemudian pada akhirnya dikenal dengan Augmented Dicky Fuller Test ADF Test
. Penelitian ini pun menggunakan metode ADF untuk menguji stasioneritas data dengan menggunakan taraf nyata 5 persen. Cara untuk menghilangkan
regresi semu dalam persamaan salah satunya adalah dengan melakukan uji akar unit pada tingkat first difference. Berdasarkan uji tersebut, jika nilai statistik ADF
lebih kecil daripada MacKinnon Critical Value atau probability-nya lebih kecil dari nilai kritis, maka dapat disimpulkan bahwa data tersebut stasioner. Begitu
pula sebaliknya, jika nilai statistik ADF lebih besar daripada MacKinnon Critical Value
atau probabilitynya lebih besar dari nilai kritis maka data tersebut tidak
stasioner. Hasil pengujian stasioneritas data dapat dilihat pada Tabel 11 dan Tabel 12.
Tabel 11 Uji Stasioneritas pada Level No
VARIABEL ADF STATISTIC
HASIL t-statistic
Probability 1 LKAS
-4,789422 0,0014
Stasioner 2 LKJ
-3,781364 0,0245
Stasioner 3 LPAS
-2,838151 0,1901
Tidak Stasioner 4 LPJ
-2,923489 0,1630
Tidak Stasioner 5 LERIAS
-2,791947 0,2063
Tidak Stasioner 6 LERIJ
-2,283797 0,4358
Tidak Stasioner 7 LPINTL
-2,462931 0,3448
Tidak Stasioner 8 LPTHAI
-2,619605 0,2735
Tidak Stasioner 9 LYIAS
-1,627218 0,7697
Tidak Stasioner 10 LYIJ
-1,857092 0,6639
Tidak Stasioner Tabel 11 menunjukkan bahwa hanya variabel volume ekspor karet alam ke
Amerika Serikat LKAS dan volume ekspor karet alam ke Jepang LKJ yang stasioner pada level. Variabel selain variabel volume ekspor tidak stasioner pada
level . Ketidakstasioneran dapat dilihat dari probability semua variabel yang lebih
besar daripada nilai kritis 1 persen, 5 persen dan 10 persen. Karena semua variabel tidak stasioner pada level, maka dilakukan pengujian stasioneritas data
pada first difference untuk menghindari adanya spurious regression. Tabel 12 menunjukkan hasil uji stasioneritas semua variabel pada first difference.
Tabel 12 Uji Stasioneritas pada First Difference
No VARIABEL
ADF STATISTIC HASIL
t-statistic Probability
1 LKAS
-10,31814 0,0000
Stasioner 2
LKJ -10,21592
0,0000 Stasioner
3 LPAS
-5,830538 0,0000
Stasioner 4
LPJ -5,870466
0,0000 Stasioner
5 LERIAS
-6,346187 0,0000
Stasioner 6
LERIJ -6,991506
0,0000 Stasioner
7 LPINTL
-6,631563 0,0000
Stasioner 8
LPTHAI -4,914925
0,0010 Stasioner
9 LYIAS
-3,560432 0,0425
Stasioner 10
LYIJ -7,213083
0,0000 Stasioner
Setelah dilakukan pengujian pada first difference, diperoleh hasil bahwa semua variabel stasioner pada taraf nyata 5 persen dan 10 persen. Nilai
probability lebih kecil daripada nilai kritis 5 persen dan 10 persen sehingga semua
variabel stasioner pada derajat yang sama yaitu derajat integrasi satu. Data yang tidak stasioner seringkali menunjukkan hubungan ketidakseimbangan dalam
jangka pendek, tetapi ada kecenderungan terjadinya hubungan keseimbangan dalam jangka panjang. Untuk mengetahui ada tidaknya hubungan jangka panjang
di dalam variabel perlu dilakukan uji kointegrasi. Oleh karena itu, untuk menganalisis informasi jangka panjang akan digunakan data level sehingga model
VAR akan dikombinasikan dengan model koreksi kesalahan menjadi VECM.
5.2 Penentuan
Lag Optimal
Dampak sebuah kebijakan ekonomi seperti kebijakan moneter dan fiskal biasanya tidak secara langsung berdampak pada aktivitas ekonomi tetapi
memerlukan waktu atau kelambanan lag. Penentuan lag optimal sangat penting dalam analisis menggunakan VAR karena variabel eksogen yang digunakan
dalam persamaan adalah lag dari variabel endogen dan juga variabel eksogen itu sendiri. Pengujian lag optimal ini sangat berguna untuk menghilangkan masalah
autokorelasi dalam sistem VAR, sehingga dengan digunakannya lag optimal diharapkan masalah autokorelasi tidak muncul lagi.
Tabel 13 Hasil Pengujian Lag Optimal
Keterangan : angka yang bertanda menunjukkan posisi lag optimal
