PENGARUH INFLASI TERHADAP IMPOR DAN EKSP

JURNAL BPPK

ISSN 2085-3785 Volume 9 Nomor 2, 2016, halaman 110-242

Jurnal BPPK merupakan publikasi ilmiah yang berisi tulisan yang diangkat dari hasil penelitian, pengembangan, kajian, dan pemikiran di bidang ekonomi dan keuangan negara. Terbit pertama kali tahun 2010 dengan masa terbit sekali setahun kemudian menambah masa terbit pada tahun 2011 diterbitkan dua kali setahun hingga saat ini, pada bulan Juni dan Desember. Artikel yang diterbitkan dalam Jurnal BPPK telah melalui proses evaluasi dan penyuntingan oleh Dewan Redaksi, Mitra Bestari dan Anggota Staf Editorial. Jurnal BPPK terbuka untuk umum, praktisi, peneliti, pegawai, dan pemerhati masalah ekonomi dan keuangan negara.

STAF EDITORIAL

Penanggung Jawab

Kepala Badan Pendidikan dan Pelatihan Keuangan

Ketua Dewan Redaksi

Sekretaris Badan Pendidikan dan Pelatihan Keuangan

Dewan Redaksi

Dr. Roberto Akyuwen, S.T.P., S.E., M.Si. Yoopi Abimanyu, S.E., M.A., Ph.D Dr. Agung Budi Laksono, S.E., M.M.

Mitra Bestari

Dr. Akhmad Makhfatih, M.A.  Prof. Dr. Samsubar Saleh, M.Soc.Sc.

Heru Subiyantoro, Ph.D.  Prof. Ir. Noer Azam Achsani. M.Sc., Ph.D.

Redaktur

Rahmadi Murwanto, Ak., MAcc., M.B.A., Ph.D.

Editor Ahli

Bey Arifianto Widodo

Editor Pelaksana

Nur Etaruni Phesona Elok Brillyananda Toruan Toto Agung Basuki

Sekretariat

Adhitya Wira Witantra  Najjahul Imtihan

Pambudi Gawe  Bangun Canggih Wicara Putra Albert Trisija  Srie Mutmaenah B.W.

ALAMAT SEKRETARIAT JURNAL BPPK: Bagian Organisasi dan Tata Laksana, Sekretariat Badan Pendidikan dan Pelatihan Keuangan Kementerian Keuangan Republik Indonesia Gedung B Soegito Sastromidjojo, Lantai 4, Jl. Purnawarman Nomor 99 Kebayoran Baru, Jakarta Selatan 12110; Telp. (021) 7394666 ext.253, 7204131; Faksimili (021) 7261775, 7244328; webpage: www.bppk.depkeu.go.id; e-mail: jurnalbppk@gmail.com.

JURNAL BPPK

Volume 9, Nomor 2, 2016

DAFTAR ISI

ANALISIS KAPASITAS FISKAL TUJUH DAERAH PROVINSI BARU (ANALYSIS OF 110-122 FISCAL CAPACITY ON NEW SEVEN PROVINCIES) Juli Panglima Saragih

ANALISIS MENGENAI LUBANG-LUBANG KORUPSI DI SEKTOR BEA DAN CUKAI 123-145 Arfin, Arif Nugraha

FENOMENA FLYPAPER EFFECT PADA PENGELUARAN PEMERINTAH DAERAH FUNGSI PENDIDIKAN DI INDONESIA 146-159

Yolanda Wilda Artati & Ribut Nurul Tri Wahyuni

KAJIAN PERHITUNGAN DANA PENSIUN MENGGUNAKAN ACCRUED BENEFIT 160-180 COST Rezzy Eko Caraka

PENGARUH INFLASI TERHADAP IMPOR DAN EKSPOR DI PROVINSI RIAU DAN 180-198 KEPULAUAN RIAU MENGGUNAKAN GENERALIZED SPATIO TIME SERIES

Rezzy Eko Caraka a , Wawan Sugiyarto b , Gustriza Erda c , Erie Sadewo d

PERAN BELANJA PEMERINTAH DAN HUMAN CAPITAL TERHADAP 199-215 PENGANGGURAN DAN KEMISKINAN DI INDONESIA Shofwatun Hasna

PERTUMBUHAN INKLUSIF DI PROVINSI SULAWESI SELATAN 216-242 DAN FAKTOR-FAKTOR YANG MEMENGARUHINYA Azwar

Jurnal BPPK, Volume 9 Nomor 1, 2016, Halaman 180-198

BADAN PENDIDIKAN DAN PELATIHAN KEUANGAN KEMENTERIAN KEUANGAN

JURNAL BPPK

REPUBLIK INDONESIA

PENGARUH INFLASI TERHADAP IMPOR DAN EKSPOR DI PROVINSI RIAU DAN KEPULAUAN RIAU MENGGUNAKAN GENERALIZED SPATIO TIME SERIES

Rezzy Eko Caraka a , Wawan Sugiyarto b , Gustriza Erda c , Erie Sadewo d

a Department of Statistics, Diponegoro University, Semarang, Indonesia . *Email : rezzyekocaraka@gmail.com

INFO ARTIKEL

ABSTRAK

SEJARAH ARTIKEL In order to support the economy in Indonesia, the government takes the role in formulating Diterima Pertama

fiscal policy, monetary or non-monetary. In addition, it is necessary also a deep concern related

1 September 2016 to inflation. This is because when inflation is high, the price of goods and services exports become relatively more expensive and lead to domestic products and services can not compete

Dinyatakan Dapat Dimuat with goods and services from abroad. Exports will also tend to decrease followed by an increase

18 November 2016 in imports from other countries are likely to increase. Province of Riau and Riau Islands border with Malaysia and Singapore. Geographical location adjoining give effect to the value of exports

KATA KUNCI:

and imports Indonesia. Based on the analysis by modeling based on generalized spatio time

Inflation; series it was concluded that in order to control the inflation rate can be done by maintaining Gstar;

adequate supply and distribution of essential commodities, lowering inflation expectations Forecasting;

remained at a high level and perform industrial production to the maximum and do the Economy;

consumption of local products.

Dalam rangka mendukung perekonomian di Indonesia, dibutuhkan peran pemerintah dalam merumuskan kebijakan fiskal, moneter, maupun non monter. Selain itu, diperlukan juga perhatian yang mendalam terkait dengan inflasi. Hal ini disebabkan karena apabila inflasi tinggi maka harga ekspor barang dan jasa menjadi relatif lebih mahal dan menyebabkan produk dan jasa domestik tidak mampu bersaing dengan barang dan jasa dari luar negeri. Ekspor juga akan cenderung menurun diikuti dengan peningkatan impor dari negara lain yang cenderung meningkat. Provinsi Riau dan Provinsi Kepulauan Riau berbatasan langsung dengan negara Malaysia dan Singapura. Letak geografis yang berdampingan ini memberikan pengaruh bagi nilai Ekspor dan Impor Indonesia. Berdasarkan analisis dengan melakukan pemodelan berbasis lokasi (generalized spatio time series) didapatkan kesimpulan bahwa untuk mengendalikan nilai inflasi dapat dilakukan dengan cara menjaga kecukupan pasokan dan kelancaran distribusi kebutuhan bahan pokok, menurunkan ekspektasi inflasi yang masih berada pada level yang tinggi dan melakukan produksi industri dengan maksimal dan melakukan konsumsi produk lokal.

1 PENDAHULUAN

danhanya akan menjadi pasar bagi produk negara

1.1 Latar Belakang

MEA lainnya.

Pertumbuhan ekonomi global yang melambat di Di sisi domesik, perekonomian Indonesia tahun 2015 telah memberikan dampak kepada negara

masih dihadapkan dengan berbagai tantangan di dunia, termasuk di Indonesia. Menurut world bank,

permasalahan struktural domesik yang belum Indonesia termasuk kepada negara yang sedang

menyeluruh. Tantangan berkembang (middle-income country). Salah satu

terselesaikan

secara

tantangan tersebut antara lain tantangan dalam dampak yang begitu terasa adalah pertumbuhan

pencapaian ketahanan pangan, energi, dan air sebagai ekonomi negara-negara berkembang yang lebih

faktor input utama yang diperlukan dalam proses rendah degan diikuti penurunan harga komoditas

transformasi menuju industrialisasi. Misalanya di yang juga lebih rendah. Tantangan utama dari

sektor pangan, jumlah dan kapasitas produksi pangan ekonomi global bersumber dari pertumbuhan

yang semakin terbatas tidak diimbangi oleh ekonomi global dikarenakan berlakunya Masyarakat

produkivitas dan teknologi yang Ekonomi Asean (MEA) yang memberikan peluang

peningkatan

mencukupi. Di sisi lain, permintaan pangan terus sekaligus tantangan bagi Indonesia. Meskipun

meningkat seiring dengan bertambahnya jumlah Indonesia memiliki peluang yang cukup besar sebagai

penduduk dan tingginya ketergantungan terhadap pemasok dalam rantai nilai ASEAN dan global namun

bahan pangan pokok beras akibat minimnya dikhawatirkan akan memberikan dampak negatife

Di sektor energi, apabila produk domesik tidak mampu bersaing

diversiikasi

pangan.

keidakseimbangan antara penawaran dan permintaan keidakseimbangan antara penawaran dan permintaan

menyebabkan ketidakmampuan produksi energi Nilai impor provinsi Riau pada tahun 2015 domesik untuk memenuhi kebutuhan bahan bakar.

tercatat pada pelabuhan Dumai sebesar US$ 640,01 Untuk mempercepat laju pertumbuhan ekonomi, salah

juta atau sebesar 47,80%. Selain itu pelabuhan satu langkah yang dapat dilakukan pemerintah

Perawang sebesar US$ 492,48 juta atau sebesar Indonesia untuk mempercepat laju pertumbuhan

36,72% selain itu pelabuhan Pekanbaru memiliki nilai ekonomi adalah dengan menjaga stabilitas tingkat

impor sebesar US$ 6,17 juta atau 6,84% dan sisanya inflasi.

sebanyak US$ 115,78 juta atau 88,64% melalui Dalam perekonomian suatu daerah, inflasi

pelabuhan lainnya. Nilai impor provinsi Riau menurut menjadi suatu hal penting yang dijadikan tolok ukur

negara asal pada tahun 2015 yang terbesar berasal bagi pertumbuhan ekonomi, faktor pertimbangan

dari negara Tiongkok dengna nilai impor US$ 250,46 investor dalam memilih jenis investasi, serta faktor

juta atau sebesar 18,68%, negara Malaysia sebesar penentu bagi pemerintah dalam merumuskan

US$ 157,25 jutaatau 11,73% dan Kanada sebesar US$ kebijakan fiskal, moneter, maupun non moneter yang

153,44 juta atau sebesar 11,44% akan dijalankan. Secara umum, inflasi dapat

Inflasi dan pertumbuhan ekonomi memiliki mengakibatkan berkurangnya investasi di suatu

hubungan yang saling berkaitan erat. Inflasi yang negara, mendorong kenaikan suku bunga, mendorong

merupakan kecenderungan naiknya harga barang dan penanaman modal yang bersifat spekulatif, kegagalan

jasa yang berlangsung secara terus menerus (sehingga pelaksanaan pembangunan, ketidakstabilan ekonomi,

menyebabkan turunnya nilai mata uang) dapat defisit neraca pembayaran, dan merosotnya tingkat

memberikan dampak positif maupun negatif terhadap kehidupan

pertumbuhan ekonomi. Apabila tingkat inflasi ringan Pemahaman investor akan dampak inflasi pada

(kurang dari 10% pertahun) maka perekonomian tingkat pengembalian atau keuntungan investasi

akan menjadi lebih baik dikarenakan akan terjadinya sangat diperlukan pada saat investor akan memilih

peningkatan pendapatan nasional yang menyebabkan jenis investasi yang akan dilakukan. Hal ini

masyarakat bergairah untuk bekerja, menabung dikarenakan inflasi berpengaruh pada nilai uang yang

bahkan berinvestasi. Namun sebailknya, apabila diinvestasikan oleh investor. Tingkat inflasi yang

terjadi inflasi berat / tidak terkendali (antara 30% tinggi akan meningkatkan risiko proyek-proyek

sampai

100%/tahun),

maka akan terjadi

investasi dalam jangka panjang .

ketidakstabilan ekonomi dan penurunan daya beli Sebagai Provinsi yang berbatasan langsung

dengan peningkatan dengan Negara Singapura dan Malaysia, Provinsi Riau

kemiskinan. Oleh karena itu, inflasi menjadi variabel dan Kepulauan Riau menyumbang nilai Ekonomi yang

penting yang perlu diperhatikan oleh pemerintah besar terhadap Indonesia. Tercatat Selama periode

mengingat dampaknya yang meluas bagi 2015, Berdasarkan data Badan Pusat Statistika (BPS)

perekonomian masyarakat. Pemodelan berbasis ekspor barang yang diukur atas free on board(FOB)

temporal) dilakukan oleh provinsi Kepulauan Riau mencapai 11,948 miliar

lokasi

(spatio

(Wahyuningrum, 2014) dengan menganalisis adanya dolar AS dengan distribusi tertinggi disumbang oleh

efek kenaikan harga BBM dan lebaran pada data komoditi Bahan Bakar Mineral sebesar 28,15 persen.

inflasi di empat kota/kabupaten Jawa Timur dapat Nilai ekspor ini menurun dibandingkan 2014 yang

disimpulkan bahwa model tersebut dapat menangkap bernilai 15,707 miliar dolar AS. Menurut data Badan

fenomena data inflasi dengan baik pada empat Pusat Statistika (BPS) tercatat bahwa Belakang

kota/kabupaten di Jawa Timur. Selain itu (Irawati, Padang, Batam masih menjadi pelabuhan muat utama

2015) melakukan analisis IHK dengan menggunakan ekspor barang dari Kepulauan Riau. Perolehan devisa

Metode GSTAR dan didapat kesimpulan bahwa hasil tertinggi selama 2015 berasal dari Singapura

ramalan yang diperoleh pada bulan tersebut berbeda mencapai 6,394 miliar dolar AS, atau 53,51 persen

cukup signifikan dengan data aktual, dan Caraka pangsanya terhadap keseluruhan ekspor. Pada

pemodelan inflasi dengan perkembangana impor selama periode 2015 nilai

melakukan

pendekatan non-parametric dan parametric dan impor barang ke Provinsi Kepulauan Riau yang

didapat bahwa inflasi secara eksplisit dapat dihitung berdasarkan cost insurance freight (CIF)

dipengaruhi oleh jumlah uang beredar, harga minyak mengalami penurunan menjadi 8,462 miliar dollar AS

mentah dan kurs rupiah terhadap dollar. Kebijakan dari 10,877 miliar dollar AS pada 2014. Pelabuhan

utama Bank Indonesia adalah menciptkan stabilitas bongkar terbesar adalah Batu Ampar di kota Batam.

moneter, dengan tugas utama menjaga nilai inflasi, Perkembangan Ekspor provinsi Riau dari

kebijakan tersebut dilakukan dngan merumuskan tahun 2006 sampai dengan 2015 tercatat cukup baik

inflation targeting framework (ITF), ITF merupakan yaitu dari US $8.694,71 juta pada tahun 2006 naik

kerangka kebijakan moneter yang ditandai dengan signifikan menjadi US$ 14.371,73 juta pada akhir

adanya pengumuman kepada publik mengenai target 2015. Dibandingkan tahun 2014, nilai Ekspor tahun

(atau jangkauan target) tingkat inflasi yang resmi 2015 mengalami penurunan sebesar 16,74. Nilai

untuk satu atau lebih perode waktu, dan dengan Ekspor provinsi Riau terbesar dimuat pada pelabuhan

penegasan yang eksplisit bahwa laju inflasi yang stabil Dumai yaitu sebesar US$ 1.309,11 juta atau 9,11% dan

dan rendah adalah tujuan utama kebijakan moneter dan rendah adalah tujuan utama kebijakan moneter

(berdasarkan the Classification of kebijakan

pengeluaran

Individual Consumption by Purpose-COICOP), yaitu : masyarakat tidak memiliki pedoman dalam membuat

1. Kelompok Bahan Makanan

2. Kelompok Makanan Jadi, Minuman, dan espektasi

ekspektasi inflasi. Pada konteks lokal atau wilayah,

mempengaruhi berbagai variabel ekonomi yang lain

3. Kelompok Perumahan

dan salah satunya adalah nilai ekspor dan impor.

4. Kelompok Sandang

1.2 Rumusan Masalah

5. Kelompok Kesehatan

6. Kelompok Pendidikan dan Olah Raga akan berfokus untuk menguji pengaruh inflasi

Berdasarkan uraian di atas, maka penelitian ini

7. Kelompok Transportasi dan Komunikasi. terhadap kegiatan eskpor dan impor dengan

Inflasi memiliki dampak positif maupun menggunakan model terbaik pengukuran inflasi

negatif terhadap kegiatan ekonomi masyarakat. berbasis lokasi atau generalized spatio time series.

Dampak positif inflasi diantaranya menyebabkan Analisis ini dilakukan untuk mengkaji hasil ramalan

peredaran dan perputaran barang lebih cepat inflasi dengan kondisi ekonomi daerah tersebut

sehingga produksi barang- barang bertambah, dalam hal penenutan kebijakan dalam ekspor dan

kesempatan kerja bertambah karena terjadi tambahan impor pendapatan, potensi, tingkat konsumsi daerah.

investasi yang berarti membuka lapangan kerja

sehingga mengurangi masalah pengangguran. Dampak Berdasarkan permasalahan yang ada, maka

1.3 Tujuan Penelitian

positif tersebut bisa terjadi ketika inflasi terkendali tujuan yang ingin dicapai dalam penelitian ini adalah:

dan diikuti dengan pendapatan nominal masyarakat

1. Mendapatkan model generalized spatio time yang bertambah, sehingga pendapatan riil meningkat. series terbaik pada Kota Batam, Tanjung Pinang,

Sebaliknya, ketika tingkat inflasi tinggi dan Pekanbaru dan Dumai

tidak diikuti dengan penambahan pendapatan

2. Melakukan peramalan inflasi pada Kota Batam, masyarakat maka dampak negatif akan dijumpai. Tanjung Pinang, Pekanbaru dan Dumai

Diantaranya banyak proyek pembangunan macet,

3. Melakukan kajian pengaruh inflasi terhadap menurunnya minat menabung masyarakat akibat ekspor dan impor serta perekonomian pada Kota

turunnya nilai mata uang yang dapat mengancam Batam, Tanjung Pinang, Pekanbaru dan Dumai

perbankan nasional.

2 KERANGKA TEORITIS DAN PENGEMBANGAN

2.5. Definisi Metode Peramalan HIPOTESA

Data Time series yakni jenis data yang

2.4. Inflasi

dikumpulkan menurut urutan waktu dalam suatu Inflasi diartikan sebagai meningkatnya harga-

rentang waktu tertentu. Jika waktu dipandang bersifat harga secara umum dan berkelanjutan. Dalam

diskrit (waktu dapat dimodelkan bersifat kontinu), pengertian ini terdapat dua hal penting, yakni definisi

frekuensi pengumpulan selalu sama (equidistant). kenaikan harga yang terjadi secara terus- menerus (a

Dalam kasus diskrit, frekuensi dapat berupa misalnya persistent upward movement) dan kenaikan harga

detik, menit, jam, hari, minggu, bulan atau tahun. terjadi pada seluruh kelompok barang dan jasa (the

Model yang digunakan adalah model-model Time general price level movement) (Pohan, 2008).

series. Runtun waktu adalah susunan observasi Kenaikan harga dari satu atau dua barang saja tidak

berurut menurut waktu. Suatu runtun waktu y t

dapat disebut inflasi kecuali bila kenaikan itu meluas (atau mengakibatkan kenaikan harga) pada barang

dapat dipandang sebagai suatu realisasi dari proses lainnya. Sedangkan penurunan tingkat harga dari

stokastik (statistik). Jika fkp gabungan dari runtun barang dan jasa disebut dengan deflasi. Deflasi terjadi

waktu yy 1 , 2 ,..., y ,..., y t n tidak dipengaruhi oleh

apabila jumlah uang yang beredar lebih sedikit perubahan waktu maka runtun waktu tersebut daripada jumlah komoditas barang dan jasa yang

disebut stasioner. Jika tidak demikian maka disebut terdapat di pasaran. Perhitungan inflasi dilakukan

runtun waktu nonstasioner. Untuk runtun waktu melalui pendekatan Indeks Harga Konsumen yang

stasioner berlaku:

dikenal sebagai IHK sebagai indikator untuk

1) E (y ) t  (mean proses)

mengukur biaya dari pasar konsumsi barang dan jasa.

2) Cov (y , y ) t t  1   k (Autokovarian pada lag ke-k) kenyataan bahwa stabilitas harga juga merupakan

Hal lain yang berkaitan dengan IHK dan inflasi adalah

Model ARIMA merupakan model kombinasi dari barometer stabilitas pertumbuhan ekonomi riil,

autoregressive (AR) berordo p dan proses moving karena inflasi yang dapat dikendalikan menjamin

average (MA) ber ordo q. Pembeda berordo d peningkatan daya beli masyarakat dari waktu ke

dilakukan jika data deret waktu tidak stasioner dalam waktu.

rata-rata. Pemeriksaan kestasioneran data dapat

dilihat dari Time series Plot, Autocorrelation Function menjelaskan bahwa inflasi yang diukur dengan IHK di

Bank Indonesia 2 dalam website resminya

(ACF) Plot dan Partial Autocorrelation Function Indonesia dikelompokan ke dalam 7 kelompok

(PACF) Plot. Secara statistik, model ARIMA( p, d, q) dapat ditulis sebagai berikut (Wei, 2006).

2 ( http://www.bi.go.id/ ) 2 ( http://www.bi.go.id/ )

memiliki korelasi.

dengan, Data telah dikatakan stasioner jika plot MCCF sedikit atau jarang menampilkan tanda (+) dan (-) dan

hampir semua tanda bersimbol (.).

Jika data mengandung pola musiman s dengan differencing orde D dapat dinotasikan sebagai ARIMA

2.8. Matrix Partial Cross Correlation Function

. Secara umum, model ARIMA

(MPCCF)

dapat ditulis sebagai berikut :

(PACF) diperlukan dalam Time series univariat untuk

menentukan orde dalam model AR. Generalisasi dari dengan,

konsep PACF ke dalam bentuk vektor Time series dilakukan oleh Tiao dan Box (1981) dalam Wei (2006), yang mendefinisikan matriks autoregresi

differencing non musiman

, sebagai dengan orde d koefisien matriks terakhir ketika data diterapkan ke

parsial pada lag s dengan notasi

differencing

musiman

dalam suatu proses Vector Autoregressive (VAR) dari dengan orde D

orde s.

sama dengan

dalam regresi linier

residual dengan mean dan varians

white

noise

multivariat, sehingga persamaan matriks autoregresi

atau

parsial diperoleh (Wei, 2006)

Prosedur Box-Jenkins untuk peramalan model ARIMA adalah dimulai dari tahap identifikasi, estimasi

parameter, cek diagnosa dan peramalan.

Untuk

, maka nilai

dan

adalah

2.6. Pemodelan Berbasis Lokasi sebagai berikut:

Data Time series dalam kenyatannya seringkali memiliki tidak hanya terdiri dari satu variabel namun bisa saja terdiri dari beberapa variabel. Data Time series dengan banyak variabel seringkali disebut dengan multivariate Time series. Sama halnya dengan univariate Time series, stasioneritas data pada model multivariate Time series juga dapat dilihat dari plot MCCF dan MPCCF.

Jika model dari data merupakan vektor AR(p), maka

2.7. Matrix Cross Correlation Function (MCCF)

Jika terdapat sebuah vektor Time series (2.6)

sama halnya dengan persamaan autokorelasi persamaan MCCF adalah sebagai berikut (Wei, 2006).

dengan observasi sebanyak n, yaitu Y 1 ,Y 2 , …, Y n , maka

parsial pada kasus data univariat, persamaan matriks

, juga memiliki sifat cut-off dengan

parsial autoregresi,

adalah korelasi silang sampel untuk

untuk vektor proses AR.

komponen ke-i dan ke-j.

2.9. Generalized Spatio temporal Autoregressive

(GSTAR)

Model GSTAR merupakan suatu model yang Matrik korelasi sampel sangat berguna dalam

lebih fleksibel sebagai generalisasi dari model STAR mengidentifikasi order model moving average (MA).

yang juga merupakan spesifikasi dari model VAR. Box

Perbedaan mendasar anatara model GSTAR dengan memperkenalkan metode meringkas hasil korelasi

dan Tiao (1981)

pengasumsian sampel. Dengan metode ini menggunakan simbol (+),

mengasumsikan (-), dan (.) pada baris ke-i dan kolom ke-j matrik

parameter autoregresi adalah sama untuk setiap korelasi sampel, yaitu:

lokasi, sehingga model STAR hanya dapat digunakan

1. simbol (+) menunjukkan bahwa nilai pada lokasi yang homogen atau sama. Sedangkan, lebih besar dari 2 kali nilai estimasi standard

pada model GSTAR terdapat asumsi yang menyatakan error (SE) artinya bahwa komponen (i,j)

parameter diperbolehkan berbeda untuk setiap lokasi, memiliki korelasi positif,

sehingga model GSTAR digunakan pada lokasi-lokasi

2. simbol ( –) menunjukkan bahwa nilai penelitian yang bersifat heterogen (Borovkova, et al., lebih kecil dari -2 kali nilai estimasi standard

0,+1, error (SE) memiliki arti bahwa komponen (i,j)

2002). Jika diketahui sebuah deret {

+ ,…, +T} merupakan sebuah deret waktu multivariat memiliki korelasi negatif, dan

dari N variabel, maka model GSTAR dari orde

3. simbol (.) menunjukkan bahwa nilai autoregressive (waktu) dan orde spasial , terletak diantara +2 kali nilai estimasi standard

GSTAR (p; ) dalam notasi matriks dapat ditulis sebagai berikut (Borovkova, et al., 2002):

dengan :

= (2.7) merupakan matrik parameter waktu periode musiman s,

dengan :

merupakan matrik =

parameter spasial periode musiman s, parameter waktu,

merupakan matrik

adalah vektor noise ukuran (N x 1) yang =

independen, identik, berdistribusi normal multivariat parameter spasial,

merupakan matrik

dengan mean nol dan matriks varians-kovarians . : vektor noise ukuran (N x 1) yang

Nilai pembobot dipilih sedemikian hingga, independen, identik, berdistribusi normal

dan . multivariat dengan mean nol dan matriks

sampai memenuhi syarat

Misal, pada model GSTAR musiman dengan orde varians-kovarians

musiman 1 dan periode musiman 12 (s = 12) dan orde Nilai pembobot dipilih sedemikian hingga, sampai

spasial 1 adalah sebagai berikut : memenuhi syarat

dan

. Sebagai

contoh, persamaan model GSTAR untuk orde waktu dan orde spasial pada tiga lokasi yang berbeda adalah

MAPE mengukur kesalahan nilai dugaan model yang sebagai berikut:

dinyatakan dalam bentuk rata-rata persentase absolut residual. Formula MAPE dapat ditulis sebagai berikut: (2.8)

dapat ditulis sebagai berikut:

(2.12) dengan m = banyak ramalan yang dilakukan

= data sebenarnya = data hasil ramalan.

Suatu model mempunyai kinerja sangat bagus jika nilai MAPE berada dibawah 10% dan mempunyai kinerja bagus jika nilai MAPE berada diantara 10%- 20%

3. (2.9) Dalam mengidentifikasi orde model GSTAR,

Metodologi Penelitian

Data spasial adalah data yang memuat orde spasial pada umumnya dibatasi pada orde satu

adanya informasi lokasi atau geografis suatu wilayah, karena orde yang lebih tinggi akan sulit untuk

jadi tidak hanya memuat apa yang diukur. Data spasial diinterpretasikan (Wutsqa dan Suhartono, 2010). terdiri atas observasi beberapa fenomena yang Sedangkan untuk orde waktu (autoregressive) dapat memiliki kecenderungan spasial. Data spasial dapat ditentukan dengan menggunakan AIC (Tsay, 2005). berupa data diskret atau data kontinu dan dapat pula Akan tetapi, penentuan orde model berdasarkan nilai memiliki lokasi spasial beraturan (regular) maupun AIC tidak dapat menangkap pola musiman, maka dari tak beraturan (irregular). Data spasial mempunyai itu penentuan orde model juga dapat dilakukan lokasi spasial yang regular jika antar lokasi yang berdasarkan plot MCCF dan MPCCF yang terbentuk saling berdekatan mempunyai posisi beraturan (Wutsqa dan Suhartono, 2010). Apabila data yang dengan jarak yang sama besar, sedangkan lokasi digunakan mengandung pola musiman, maka model spasial irregular jika antar lokasi yang saling GSTAR yang digunakan adalah model GSTAR berdekatan mempunyai posisi yang tidak beraturan musiman. Model umum GSTAR ( ;

dengan jarak yang berbeda. Untuk menganalisis data pola data musiman dalam notasi matriks dapat ditulis

) s untuk

spasial maka digunakan analisis spasial. sebagai berikut:

Gambar 1. Lokasi Penelitian (Peta diambil oleh google earth)

Pada Gambar 1 dapat dilihat bahwa pemodelan inflasi sebaran data, serta nilai maksimum dan minimum berbasis lokasi ini fokus pada Kota Batam, Tanjung

dari data.

Pinang, Pekanbaru dan Dumai dimana 4 kota ini Tabel 1. Statistika Deskriptif adalah memiliki historis ekonomi yang fluktuatif

STATISTIKA DESKRIPTIF

sehingga perlu dilakukan pemodelan berbasis lokasi.

Std,

1. Y 1 (t) = Inflasi di Batam

Min,

Max,

Mean Deviation

2. Y 2 (t) = Inflasi di Tanjung Pinang

3. Y 3 (t) = Inflasi di Pekanbaru

Tanjung Pinang

2,100 0,583 0,678 Data pada penelitian ini diolah dengan

4. Y 4 (t) = Inflasi di Dumai

Pekanbaru

1,910 0,585 0,597 menggunakan Software Microsoft Excel 2013, Minitab

Dumai

16, SAS 9.1.3, Matlab 2010 dan R 3.1.1. Adapun tahapan Berdasarkan Tabel 1 dapat dianalisis bahwa analisis yang dilakukan dalam penelitian ini adalah

Kota Batam mempunyai rata-rata Inflasi yang paling sebagai berikut :

rendah diantara empat kota tersebut yaitu sebesar

1. Menentukan data deret waktu dan lokasi yang 0.522 dan variasi atau tingkat keragaman Inflasi akan digunakan dalam penelitian.

terendah sebesar -0.530. Nilai Inflasi terbesar pada

2. Menentukan orde waktu dari model GSTAR yang Kota Tanjung Pinang sebesar 3.680 . Kecenderungan sesuai berdasarkan hasil identifikasi pada model

Inflasi yang saling berkaitan dapat dilihat dari nilai VAR dengan menggunakan MACF, MPACF.

korelasi antar kota yang sangat tinggi pada Tabel 2. Membentuk model GSTAR dengan langkah-

Tabel 2. Korelasi Lokasi langkah sebagai berikut ini :

Tanjun

a. Menetapkan nilai bobot dengan invers jarak

Pekanbar Bata Duma

Lokasi

pada lag waktu yang sesuai.

mi

Pinang

b. Melakukan penaksiran parameter dari model

Tanjung

GSTAR untuk bobot invers jarak

Pinang

c. Menguji signifikansi parameter model GSTAR

P-Value

d. Menguji residual model GSTAR

Pekanbar

e. Mendapatkan Model GSTAR terbaik serta uji

asumsi residual yang dihasilkan dari model

3. Melakukan peramalan data deret waktu dan

lokasi untuk beberapa periode ke depan.

4. Analisis dan Pembahasan

4.1 Statistika Deskriptif

* Signifikan pada α = 5%

Analisis deskriptif digunakan untuk mengetahui

gambaran umum data Inflasi di 4 kota. Gambaran data Tabel 2 menjelaskan bahwa Inflasi di Kota Tanjung yang dimaksud adalah besarnya nilai rata-rata,

Pinang, Batam, Dumai, dan Pekanbaru untuk waktu Pinang, Batam, Dumai, dan Pekanbaru untuk waktu

series plot. Dalam pembentukan plot ini juga sebesar 5 %. Selain itu keterkaitan antarlokasi sangat

merupakan aspek yang sangat penting dalam tinggi, hal ini terlihat dari nilai korelasi dari data

melakukan pemodelan dan peramalan. Terlihat pada Inflasi pada keempat kota tersebut yang mendekati 1,

Gambar 2 kesamaan pola data Inflasi keempat kota sehingga pemodelan secara multivariat dirasa sesuai

tersebut yang cenderung fluktuatif, naik dan turun untuk diterapkan pada data ini. Berdasarkan Tabel.1

bersamaan yang memungkinkan efek saling berkaitan dapat diketahui bahwa hubungan antara inflasi Dumai

antar keempat kota tersebut.

dengan Pekanbaru sangat besar yakni sebesar 0.905 dan huubngan inflasi terendah adalah Dumai dengan Tanjung Pinang dengan nilai korelasi sebesar 0.628. untuk melihat data historis inflasi dari ke empat lokasi Batam, Tanjung Pinang, Pekanbaru, dan dumai dapat

Time Series Plot of Batam, Tanjung_Pinang, Pekanbaru, Dumai

Variable Batam Tanjung_Pinang

3 Pek anbaru

Gambar 2 Time series Plot Inflasi 4 Lokasi

Kenaikan harga dari satu atau dua barang saja tidak yang terintegrasi baik dari kebijakan fiskal, moneter dapat disebut inflasi kecuali bila kenaikan itu meluas

maupun sektoral.

(atau mengakibatkan kenaikan harga) pada barang

4.2 Pemodelan Berbasis Lokasi

lainnya. Sedangkan penurunan tingkat harga dari Kestasioneritas data secara simultan dapat barang dan jasa disebut dengan deflasi. Deflasi terjadi

dilihat melalui plot MACF. semua lag terdapat nilai apabila jumlah uang yang beredar lebih sedikit

korelasi yang melebihi 2 kali standar error. Hal ini daripada jumlah komoditas barang dan jasa yang

ditunjukkan oleh banyaknya simbol (+) pada MACF terdapat di pasaran.Bank Indonesia menjelaskan

yang berarti secara simultan keempat lokasi memiliki bahwa inflasi dapat dipengaruhi oleh faktor yang

korelasi positif, sehingga dapat dikatakan bahwa data berasal dari sisi penawaran seperti terjadinya banyak

Y 1 (t), Y 2 (t), Y 3 (t) dan Y 4 (t) tidak stasioner dalam mean permintaan tetapi barang/jasa yang ditawarkan

dan perlu dilakukan differencing. Pada gambar MACF sedikit/langka, ataupun yang bersifat kejutan (shocks)

menunjukkan bahwa masih ada beberapa nilai seperti kenaikan harga minyak dunia dan adanya

korelasi pada lag-lag tertentu yang keluar secara gangguan panen atau banjir. Kebijakan moneter Bank

bersama-sama dari ±2 kali batas error dari masing- Indonesia ditujukan untuk mengelola tekanan harga

masing lokasi sehingga data dapat dikatakan sudah yang berasal dari sisi penawaran dan tidak ditujukan

stasioner dalam mean. Setelah data sudah stasioner, untuk merespon kenaikan inflasi yang disebabkan

maka langkah selanjutnya adalah mencari orde waktu oleh faktor yang bersifat kejutan. Faktor kejutan

model GSTAR melalui identifikasi model Vector bersifat sementara dan akan hilang dengan sendirinya

Autoregressive (VAR). Melalui MPACF terlihat bahwa seiring dengan berjalannya waktu. Namun demikian,

lag yang keluar melebihi ± 2 kali standar error karena laju inflasi juga dipengaruhi oleh faktor yang

terdapat pada lag 1, 2, 3, 5 dan 7. Model VAR yang bersifat kejutan maka pencapaian sasaran inflasi

terbentuk dari identifikasi pada tahap ini adalah memerlukan kerjasama dan koordinasi antara

model VAR dengan orde p=1 karena memiliki nilai AIC pemerintah dan BI melalui kebijakan makroekonomi model VAR dengan orde p=1 karena memiliki nilai AIC pemerintah dan BI melalui kebijakan makroekonomi

matriks dari model GSTAR(1 1 ) I(1), model persamaan Tabel 3. Informasi AIC

untuk lokasi ke-i dapat ditulis sebagai Y i  X i βu  i

dengan β  10  11 ,  ' .

Information Criterion for Autoregressive Models

Lag=0 Lag=1 Lag=2 Lag=3 Lag=4 Lag=5 Lag=6

Dalam melakukan pemodelan berbasis lokasi perlu diketahui jarak antara lokasi. Jarak tersebut

-144,5 -121,8 -138,0

-130,3 -137,4

-136,1 -146,1

didapatkan berdasarkan bantuan dari google earth.

Tabel 4. Informasi Jarak Antara Lokasi

Data yang digunakan merupakan data non-musiman

yang sudah di differencing 1, sehingga dapat diprediksi

Pinang

Baru Dumai

bahwa model yang terbentuk adalah VARIMA (1,1,0).

292,57* 300,70* Orde spasial yang digunakan adalah orde spasial 1

0 343* 353* bertetangga. Sedangkan lag waktu yang digunakan

karena masing-masing

0 127* adalah 1 yang ditentukan berdasarkan hasil

identifikasi model VAR. Sehingga model GSTAR yang

127* digunakan dalam data Inflasi di Batam, Pekanbaru,

* Dalam Satuan KM

Tanjung Pinang dan Dumai adalah GSTAR(1 1 ) I(1).

Berdasarkan data jarak antara lokasi tersebut maka sebagai sebuah model linear dan parameter-

Model GSTAR

dapat

direpresentasikan

akan dicari nilai bobot. Pada pemodelan berbasis parameter autoregresif model dapat diestimasi

lokasi terdapat 3 jenis bobot. Antara lain adalah Bobot menggunakan metode kuadrat terkecil atau metode

seragam, pada bobot lokasi ini memberikan nilai least square. Pada tahap identifikasi terbentuk model

bobot yang sama untuk masing-masing lokasi, GSTAR(1 1 )I(1) dengan bobot lokasi yang digunakan

sehingga bobot lokasi ini seringkali digunakan pada meliputi tiga bobot yaitu bobot seragam, invers jarak

data yang lokasinya homogen atau mempunyai jarak dan normalisasi korelasi silang. Penentuan bobot

antar lokasi yang sama. Selain itu adalah bobot invers lokasi ini didasarkan pada keterkaitan antar lokasi

jarak. Nilai dari bobot invers jarak didapatkan dari yang dilihat dari bentuk hubungan yang berbeda.

perhitungan berdasarkan jarak sebenarnya antar Persamaan yang digunakan untuk bobot lokasi pada

lokasi. Lokasi yang berdekatan mendapatkan nilai model GSTAR(1 1 ) I(1) adalah pada persamaan (2.8)

bobot yang lebih besar. Perhitungan bobot dengan metode invers jarak diperoleh dari hasil invers jarak

Y t  1 Φ 11 W Y t  1 et  () 

sebenarnya yang kemudian dinormalisasi. Dan  Yt 1 () 

terakhir adalah bobot normalisasi korelasi silang.  Yt 2 () 

Pada pembobotan dengan metode ini didasarkan pada 

  normalisasi korelasi silang antar lokasi pada lag Yt 3 () 

 ()  waktu yang bersesuaian. Pada penelitian kali ini  Yt 4 

1 dipilih menggunakan bobot invers jarak karena

  10 0 0 0   Yt 1 (  1)  dianggap bahwa jarak lokasi sebenarnya akan  0  2 10 0 0  Yt 2 (  1) 

 memberikan analisis yang lebih akurat. Berikut 0 0 3

merupakan contoh perhitungan bobot invers jarak 

Tabel 5. Contoh Perhitungan Bobot Invers Jarak

Perhitungan bobot

Sehingga didapatkan bobot yang akan digunakan untuk melakukan pemodelan berbasis lokasi dengan menggunakan bobot invers jarak sebagai berikut:

Hasil penaksiran parameter model GSTAR dengan  0, 06

bobot invers jarak adalah sebagai berikut : W ij 

Tabel 6. Penaksiran Parameter Bobot Invers Jarak

Parameter

Nilai Taksiran

t-hitung

P-value

11 * Signifikan pada α = %

Tabel 6 menjelaskan bahwa hanya ada dua parameter Hasil penaksiran parameter model GSTAR dengan yang signifikan, sehingga perlu dilakukan eliminasi

bobot invers jarak mengunakan metode stepwise untuk mereduksi variabel yang tidak signifikan. Maka

adalah sebagai berikut :

dilakukan penaksiran

parameter

menggunakan

metode stepwise.

Tabel 7. Penaksiran Parameter Stepwise

* Signifikan pada α = %

menggunakan parameter yang signifikan yaitu sebagai tersebut dapat dibentuk matriks persamaan dari

Berdasarkan hasil

model GSTAR(1 1 ) I(1) bobot invers jarak dengan  Yt 1 ()  0, 55

0 0,17   Yt 3 (  1)  et 3 () 

Sehingga didapat pemodelan inflasi tersebut sebagai berikut :

 Batam

yt ˆ() 1  yt 1 (  1) 0,55( ( yt 1  1) yt 1 (  2))

 Tanjung Pinang

yt 2 ()  yt 2 (  1) 0, 71( ( yt 2  1) yt 2 (  2))  et 2 ()

 Pekanbaru yt 3 ()  yt 3 (  1) 0,198( ( yt 1  1) yt 1 (  2))  0, 016( ( yt 2  1) yt 2 (  2))  0, 075( ( yt 4  1) yt 4 (  2))  et 3 ()

 Dumai yt 4 ()  yt 4 (  1) 0, 099( ( yt 1  1) yt 1 (  2)) 0, 086( (  yt 2  1) yt 2 (  2)) 0, 035 (  yt 3  1) yt 3 (  2))  et 4 ()

Bobot

Lag

Q h P-value Keputusan

Setelah terbentuk model GSTAR(1 1 ) I(1) berdasarkan

bobot invers jarak maka langkah selanjutnya adalah

H 0 diterima melakukan pengujian asumsi residual pada matriks.

H 0 Berdasarkan residual dari model GSTAR yang diterima

Invers Jarak

menggunakan bobot invers jarak memenuhi asumsi

H 0 diterima white noise residual. Selain itu, secara visual maupun

H 0 diterima dikatakan

uji formal residual dari model GSTAR(1 1 ) I(1)

Kemudian dilakukan uji apakah residual mengikuti normalmultivariat. Berikut pengujian asumsi white noise

distribusi normal multivariate sehingga dilakukan

dan normal multivariat residual model GSTAR(1 1 )I(1).

dengan uji shapiro wilk dikarenakan data ini memiliki jumlah <50. Didapat nilai p_value sebesar 0,08 dan

dapat disimpulkan bahwa model GSTAR(1 1 )I(1) mengikuti distribusi normal multivariate. peramalan

inflasi dapat dilihat pada Gambar3 dan didapat nilai MAPE sebesar 3,77%. Nilai tersebut dapat dihitung dengan menggunakan persamaan (2.1.2) dan dapat disimpulkan bahwa MAPE dibawah 10% yang berarti kinerja peramalan model tersebut sangat bagus.

Tabel 8. Uji Asumsi White Noise

Gambar 3 Peramalan Inflasi Berdasarkan Model Terbaik

4.3 Kajian Studi Ekplisit Ekonomi

kemampuan suatu wilayah untuk menciptakan nilai

tambah pada suatu waktu tertentu. Selama kurun Berikut akan dilakukan kajian ekonomi pada Provinsi

4.3.1 Perekonomian Provinsi Kepulauan Riau

waktu 2010-2014 pendapatan per kapita di Provinsi Kepulauan Riau. Produk Domestik Regional Bruto

Kepulauan Riau cenderung meningkat dan selalu lebih (PDRB) pada tingkat provinsi menggambarkan

tinggi dari PDB perkapita nasional. Dukungan tinggi dari PDB perkapita nasional. Dukungan

lebih jelas dapat dilihat pada Gambar 3. Kepulauan Riau tercatat pada tahun 2015 sebesar

Gambar 3 PDRB Provinsi Riau dan Kepulauan Riau

2. Terikat perjanjian kerangka kerjasama antara

4.3.1.1 Kota Batam

Indonesia dan Singapura dalam pengembangan Inflasi memiliki dampak positif maupun

ekonomi Batam, Bintan, dan Karimun. negatif terhadap kegiatan ekonomi masyarakat.

3. Tim manajemen yang kuat : Dewan Kawasan Dampak positif inflasi diantaranya menyebabkan

dan Perwakilan Eksekutif.

peredaran dan perputaran barang lebih cepat Persyaratan Umum Untuk Import Dan Eksport Barang sehingga produksi barang- barang bertambah,

Dari / Ke Negara Asing Di Zona Perdagangan Bebas kesempatan kerja bertambah karena terjadi tambahan

Batam-Bintan-Karimun :

investasi yang berarti membuka lapangan kerja

1. Proses impor barang dapat dijalankan oleh sehingga mengurangi masalah pengangguran. Dampak

para importir kecuali untuk barang terlarang positif tersebut bisa terjadi ketika inflasi terkendali

seperti senjata, obat –obatan terlarang, dan dan diikuti dengan pendapatan nominal masyarakat

barang – barang sebagaimana di tetapkan oleh yang bertambah, sehingga pendapatan riil meningkat.

pemerintah;

Sebaliknya, ketika tingkat inflasi tinggi dan tidak

Pengusahaan Kawasan diikuti dengan penambahan pendapatan masyarakat

2. Izin

dari Badan

Perdagangan Bebas dan Pelabuhan Bebas, harus maka dampak negatif akan dijumpai. Diantaranya

diperoleh sebelum impor dilakukan; banyak proyek pembangunan macet, menurunnya

3. Impor barang – barang komsumsi hanya minat menabung masyarakat akibat turunnya nilai

dapat dilakukan oleh para importir yang mata uang yang dapat mengancam perbankan

diizinkan oleh Badan Pengusahaan Perdagangan nasional. Batam-Bintan-Karimun sebagai Zona

Bebas dan Pelabuhan Bebas; Perdagangan Bebas dan Pelabuhan Bebas terhitung

4. Barang yang di impor harus sesuai dengan tanggal 1 April 2009, berdasarkan Peraturan Menteri

bidang usaha (jenis kualitas harus disertakan) Keuangan no.45, 46 dan 47.Pulau Batam, Bintan dan

dari importir;

Karimun atau kemudian disebut dengan BBK adalah

5. Semua ekspor barang ke luar negeri dan ke sebuah wilayah di Republik Indonesia yang di

Perdagangan Bebas dan bebaskan dari Bea Masuk, Pajak Penjualan, Pajak

daerah

non

Perdagangan Bebas harus dilaporkan ke Badan Pertambahan Nilai, pajak atas barang mewah, dan Bea

Pengusahaan Batam Bintan Karimun. Cukai. 3 Pendirian Zona Perdagangan Bebas Batam,

Faktor pendukung dan fasilitas – fasilitas yang Bintan dan Karimun :

terdapat di zona perdagangan bebas batam-bintan-

1. Pemerintah Indonesia telah membentuk

karimun :

Batam, Bintan dan Karimun sebagai Pilot Projek

1. Bea Cukai : proses keluar masuk barang yang untuk Zona Perdagangan Bebas di Indonesia.

cepat, tidak ada pajak Ekspor / Impor;

2. Perpajakan : pembebasan pajak pertambahan

nilai, pajak barang mewah, dan pajak penjualan; http://www.penghubungkepri.org/index.php/id/investasi

/14-investasi/29-zona-perdagangan-bebas

3. Pelayanan satu pintu memproses semua mencapai US$83,88 juta mengalami penurunan perizinan;

sekitar 24,58 persen dibanding ekspor pada bulan

4. Prosedur imigrasi yang sederhana; Desember 2015. Ekspor nonmigas Januari 2016

5. Kebijakan ketenagakerjaan yang fleksibel; mencapai US$487,22 juta atau turun sekitar 7,16

6. Transportasi dan fasilitas telekomunikasi persen dibanding Desember 2015. Ekspor nonmigas yang bagus;

dengan nilai terbesar bulan Januari 2016 adalah

7. Sistem keamanan yang baik. golongan barang mesin/peralatan listrik (HS 85) Kawasan Pelabuhan Bebas dan Perdagangan Bebas

senilai US$165,58 juta, atau sekitar 33,99 persen dari (PBPB). Batam mendapatkan prioritas pembangunan

total ekspor nonmigas Kota Batam.Ekspor ke infrastruktur di bidang perkeretaapian, perhubungan

Singapura pada bulan Januari 2016 mencapai nilai darat, perhubungan laut, jalan, telekomunikasi dan

terbesar yaitu US$302,30 juta, dengan kontribusi informatika, sumber data air, sanitasi, pendidikan dan

mencapai 52,93 persen terhadap ekspor Kota Batam. kesehatan. 4 Pertumbuhan ekonomi Kota Batam

Berbanding terbalik dengan nilai ekspor Kota Batam berjalan dengan laju jika dibandingkan bagi kota lain

pada bulan Februari 2016 mencapai US$731,22 juta di provinsi kepulauan riau. Kota Batam menjadi

atau mengalami peningkatan sekitar 28,04 persen strategis. Secara geografis Batam memiliki luas

dibanding ekspor bulan Januari 2016. Begitu pula bila wilayah daratan seluas 715 km², sedangkan luas

dibanding dengan ekspor bulan Februari 2015, ekspor wilayah keseluruhan mencapai 1.575 km² yang lebih

2016 ini juga mengalami tinggi dibandingkan dengan laju pertumbuhan

bulan

Februari

peningkatan yaitu sekitar 3,34 persen. Ekspor Kota ekonomi nasional menjadikan wilayah ini andalan

Batam dengan nilai terbesar selama bulan Februari bagi pemacu pertumbuhan ekonomi secara nasional

2016 melalui Pelabuhan Batu Ampar senilai maupun bagi Provinsi Kepulauan Riau. Sektor

US$347,28 juta dengan konstribusi sekitar 47,49 penggerak ekonomi meliputi sektor komunikasi,

persen dari total ekspor Kota Batam. Selama bulan sektor listrik, air dan gas, sektor perbankan, sektor

komoditi migas industri dan alih kapal, sektor perdagangan dan jasa

juta mengalami penurunan merupakan nadi perekonomian kota batam yang tidak

mencapai US$71,05

sekitar 15,29 persen dibanding ekspor pada bulan hanya merupakan konsumsi masyarakat Batam dan

Januari 2016. Ekspor nonmigas Februari 2016 Indonesia tetapi juga merupakan komoditi ekspor

mencapai US$660,17 juta atau naik sekitar 35,50 untuk

persen dibanding Januari 2016. Ekspor nonmigas perekonomian di Kota dapat meningkatkan lapangan

negara lain.

Keberadaan

kegiatan

dengan nilai terbesar bulan Februari 2016 adalah pekerjaan dan kesejahteraan masyarakat. Pemerintah

golongan barang mesin/peralatan listrik (HS Kota Batam sebagai pelaksana pembangunan Kota

85) senilai US$177,81 juta, atau sekitar 26,93 persen Batam bersama-sama Dewan Perwakilan Rakyat

dari total ekspor nonmigas Kota Batam. Ekspor ke daerah Kota Batam serta keikutsertaan Badan Otorita

Singapura pada bulan Februari 2016 mencapai nilai Batam dalam meneruskan pembangunan, memiliki

terbesar yaitu US$332,12 juta, dengan kontribusi komitmen dalam memajukan pertumbuhan investasi

mencapai 45,42 persen terhadap ekspor Kota Batam. dan ekonomi Kota Batam, hal ini dibuktikan dengan

Industri di Batam terbagi menjadi industri berat dan adanya nota kesepahaman ketiga instansi tersebut,

industri ringan. Industri berat didominasi oleh yang kemudian diharapkan terciptanya pembangunan

industri galangan kapal, industri fabrikasi, industri Kota Batam yang berkesinambungan. Batam, bersama

baja, industri logam dan lainnya. Sedangkan industri dengan Bintan dan Karimun kini telah berstatus

ringan meliputi industri manufacturing, industri sebagai Kawasan Ekonomi Khusus(KEK).

elektronika, industri garment, industri plastik dan lainnya.Selain itu Batam juga dikenal memiliki

Menurut data Badan Pusat Statistika (BPS) 5 produksi galangan kapal terbesar di Indonesia. Nilai ekspor Kota Batam pada bulan Januari 2016 mencapai US$571,10 juta atau mengalami penurunan sekitar 10,21 persen dibanding ekspor bulan Desember 2015. Begitu pula bila dibanding dengan ekspor bulan Januari 2015, ekspor bulan Januari 2016 ini juga mengalami penurunan yaitu sekitar 25,92 persen.Ekspor Kota Batam dengan nilai terbesar selama bulan Januari 2016 melalui Pelabuhan Batu Ampar senilai US$248,81 juta dengan konstribusi sekitar 43,57 persen dari total ekspor Kota Batam. Selama bulan Januari 2016 ekspor komoditi migas

4 Republika http://www.republika.co.id/berita/nasional/daerah/15/04

/01/nm46hz-batam-ditetapkan-jadi-pusat-kegiatan- strategis-nasional)

5 Badan Pusat Statistika

https://batamkota.bps.go.id/Brs/view/id/137

Gambar 4. IMPOR DAN EKSPOR KOTA BATAM

perumahan, listrik, air, gas, dan bahan bakar sebesar Import di kota batam memiliki 16 aspek dan tercatat

3,62 persen; kelompok sandang sebesar 0,93 persen; bahwa pada tahun 2014 sebanyak 3.121.656.683

kelompok kesehatan sebesar 0,30 persen; kelompok berat bersih import di kota Batam dimana golongan

pendidikan, rekreasi dan olahraga sebesar 0,32 barang benda besi dari baja memiliki kontribusi

persen, dan kelompok transport, komunikasi dan jasa terbesar dan disusul oleh bahan bakar mineral dan

keuangan sebesar 7,06 persen.

produk komestik memiliki kontribusi yang sedikit di Laju inflasi tahun kalender (Januari - Batam jika dibandingkan oleh komoditi lain. Barang

Desember) 2014 / laju inflasi 'year on year' di Kota impor yang masuk ke Kota Batam selama tahun 2015

Tanjungpinang (Desember 2014 dibandingkan dengan mencapai senilai US$ 6,80 miliar, yang terdiri dari

Desember 2013) sebesar 7,49 persen. Selain itu pada komoditi migas senilai US$ 88,84 juta dan komoditi

2015 di Kota Tanjungpinang terjadi inflasi sebesar nonmigas senilai US$ 6,71 miliar. Impor Batam selama

0,19 persen. Dari 23 kota IHK di Sumatera, tercatat tahun 2015 mengalami penurunan senilai US$ 1,60

sebanyak 6 kota mengalami inflasi dengan inflasi miliar atau turun sekitar 19,06 persen. Turunnya nilai

tertinggi terjadi di Kota Tanjung Pandan sebesar 1,39 impor selama tahun 2015 disebabkan terjadinya

persen dan inflasi terendah terjadi di Kota Banda Aceh penurunan impor komoditi migas senilai US$ 21,51

sebesar 0,10 persen. Sedangkan 17 kota lainnya juta (atau turun sekitar 19,49 persen) dan impor

mengalami deflasi dengan tertinggi terjadi di Kota komoditi nonmigas senilai US$ 1,58 miliar (atau turun

Padang sebesar 1,98 persen dan deflasi terendah sekitar 19,05 persen). Kinerja ekspor Kota Batam

terjadi di Kota Meulaboh sebesar 0,12 persen. Inflasi tahun 2015menurunan yang cukup signifikan sekitar

di Kota Tanjungpinang disebabkan oleh naiknya 18,90 persen. Pada Ekspor kota Batam memiliki