Sejalan dengan tujuan pengembangan kakao nasional yakni sebagai komoditas ekspor unggulan, baik biji maupun olahan, maka pemerintah mulai mengembangkan industri hilir kakao. Untuk itu, pemerintah menetapkan bea keluar bagi biji kakao hingga 15 persen melalui Peraturan Menteri Keuangan No No 67/PMK.011/2010 yang diberlakukan sejak April 2010. Peraturan ini bertujuan untuk menumbuhkan industri pengolahan kakao di dalam negeri yang akan meningkatkan ekspor produk olahan kakao yang berdaya saing. Hal ini didukung oleh institusi penelitian dan organisasi non pemerintah, yang mempromosikan industri hilir kakao untuk meningkatkan nilai tambah dan sumber pekerjaan dalam negeri. Sejalan dengan tujuan penetapan bea keluar biji
kakao, variabel bea keluar memiliki hubungan negatif terhadap volume perdagangan biji kakao namun sebaliknya pada perdagangan kakao olahan.
Data Panel
Data panel yaitu kombinasi dari data deret waktu (time series data) dan kerat lintang (cross sectional data) atau bisa disebut juga sebagai hasil observasi terhadap sekumpulan objek pada sepanjang kurun waktu tertentu. Latar belakang digunakannya data panel karena adanya kelemahan melalui pendekatan data time series dan cross section. Jika hanya menggunakan data cross section, yang diamati hanya pada satu titik waktu, maka perkembangan ekonomi suatu wilayah antar waktu tidak dapat dilihat. Di sisi lain, penggunaan model time series juga menimbulkan persoalan tersendiri melalui peubah-peubah yang diobservasi secara agregat dari satu unit individu sehingga mungkin memberikan hasil estimasi yang bias (Firdaus 2011).
Dengan menggabungkan data time series dan cross section, panel menyediakan data yang lebih banyak dan informasi yang lebih lengkap serta bervariasi. Dengan demikian akan dihasilkan degress of freedom (derajat bebas) yang lebih besar dan mampu meningkatkan presisi dari estimasi yang dilakukan (Baltagi 2005). Data panel mampu mengakomodasi tingkat heterogenitas individu-individu yang tidak diobservasi namun dapat mempengaruhi hasil dari permodelan (individual heterogeneity). Hal ini tidak dapat dilakukan oleh studi
time series maupun cross section sehingga dapat menyebabkan hasil yang diperoleh melalui kedua studi ini akan menjadi bias. Data panel juga dapat digunakan untuk mempelajari kedinamisan data. Artinya dapat digunakan untuk memperoleh informasi bagaimana kondisi individu-individu pada waktu tertentu dibandingkan pada kondisinya pada waktu yang lainnya. Selain itu data panel dapat mengidentifikasikan dan mengukur efek yang tidak dapat ditangkap oleh data cross section murni maupun data time series murni, memungkinkan untuk membangun dan menguji model yang bersifat lebih rumit, dan dapat meminimalkan bias yang dihasilkan oleh agregasi individu karena unit observasi terlalu banyak.
Terdapat dua pendekatan yang umum diaplikasikan data panel, yaitu fixed effect model (FEM) dan random effect model (REM). Keduanya dibedakan berdasarkan pada asumsi ada atau tidaknya korelasi antara komponen error
dengan peubah bebas. Penggunaan pendekatan pooled least square tidak dibahas karena dirasakan kurang sesuai dengan tujuan digunakannya data panel (Firdaus 2011).
Fixed Effect Model (FEM)
Masalah terbesar dalam pendekatan OLS adalah asumsi intersep dan slope dari persamaan regresi yang dianggap konstan baik antar individu maupun antar waktu yang kurang sesuai dengan tujuan penggunaan data panel. Untuk mengatasi hal tersebut maka dapat digunakan pendekatan fixed effect.
Model fixed effect yaitu model yang dapat digunakan dengan mempertimbangkan bahwa peubah-peubah yang dihilangkan dapat mengakibatkan perubahan dalam intersep-intersep cross section dan time series. Peubah dummy dapat ditambahkan ke dalam model untuk memungkinkan perubahan-perubahan intersep ini, lalu model diduga dengan OLS, yaitu:
Yit = ∑αiDi + βXit + ɛ it
di mana : Yit = peubah terikat
Xit = peubah bebas
α = intersep model yang berubah-ubah antar unit cross section
β = slope
D = peubah dummy
i = individu ke-i; dan t=periode waktu ke-t
ɛ = error
Dari persamaan di atas, telah ditambahkan sebanyak N-1 peubah dummy ke dalam model, sehingga besarnya derajat kebebasan berkurang menjadi NT-N-K.
Random Effect Model (REM)
Keputusan untuk memasukkan peubah dummy ke dalam FEM akan menimbulkan konsekuensi tersendiri yaitu dapat mengurangi banyaknya derajat kebebasan yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. Untuk mengatasi masalah tersebut maka dapat digunakan REM.
Dalam model ini, parameter yang berbeda antar individu maupun antar waktu dimasukkan ke dalam error, karena hal inilah model ini sering juga disebut sebagai error component model. Bentuk REM dapat dijelaskan dengan persamaan berikut:
Yit = α0 + βXit + ɛ it ɛ it = uit + vit + wit
di mana: uit – N(0,δu)2 = error component cross section
vit – N(0,δv)2 = error component time series
wit – N(0,δw)2
Kakao merupakan salah satu komoditas perkebunan unggulan Indonesia, dengan volume produksi ke lima terbesar setelah kelapa sawit, karet, kelapa, dan tebu. Pengusahaan kakao di Indonesia tersebar hampir di setiap provinsi dengan sentra utama perkebunan kakao berada di Provinsi Sulawesi. Areal pertanaman yang luas ini diakibatkan dari peran kakao sebagai sumber pendapatan devisa, terbukti dari prestasi Indonesia sebagai produsen kakao terbesar ketiga di dunia setelah Pantai Gading dan Ghana. Kontribusi produksi biji kakao Indonesia terhadap produksi kakao dunia sebesar 14.6 persen. Indonesia juga menjadi negara eksportir kakao terbesar ke tiga di dunia, yang menunjukkan bahwa Indonesia memiliki peran yang sangat penting bagi pemenuhan kebutuhan kakao dunia. Kebutuhan kakao dunia pun semakin meningkat setiap tahunnya. Hal-hal tersebut merupakan peluang dan potensi bagi Indonesia untuk meningkatkan
= error component combination
Asumsi yang digunakan pada model ini adalah error secara individual tidak saling berkorelasi, begitu pula dengan error kombinasinya. Penggunaan pendekatan REM dapat menghemat derajat kebebasan dan tidak mengurangi jumlahnya seperti pada pendekatan FEM. Hal ini berimplikasi pada parameter hasil estimasi akan menjadi efisien. Semakin efisien maka model semakin baik.
perdagangan kakao Indonesia di pasar internasional sehingga dapat menambah devisa dan mengembangkan perekonomian Indonesia.
Secara keseluruhan, ekspor kakao Indonesia baik biji maupun olahan mengalami peningkatan namun ekspor biji kakao umumnya bermutu rendah dan tidak difermentasi sehingga harganya dikenakan automatic detention. Sedangkan ekspor kakao olahan dalam berbagai bentuk (pasta, butter, dan powder) juga mengalami peningkatan dengan persentase yang berbeda-beda. Perbedaan volume ekspor masing-masing produk dapat terjadi karena ada bentuk produk kakao yang olahan kurang berdaya saing di pasar internasional, mengingat industri hilir kakao di Indonesia yang belum optimal ditambah lagi dengan tingkat persaingan antar negara pengekspor kakao olahan yang menghasilkan kakao dengan kuantitas dan kualitas yang lebih baik. Selain itu, dengan munculnya Malaysia sebagai negara pengekspor kakao olahan yang potensial baru-baru ini, maka volume ekspor kakao Indonesia dapat menurun bahkan pangsa pasar Indonesia pun bisa direbut oleh negara eksportir lain. Untuk itu diperlukan suatu analisis untuk mengetahui daya saing kakao Indonesia di pasar internasional dan analisis perdagangannya dengan mengetahui faktor-faktor apa saja yang mempengaruhi volume ekspor kakao Indonesia.
Analisis awal dilakukan secara deskriptif untuk melihat gambaran umum perdagangan kakao internasional. Berdasarkan analisis tersebut dapat diketahui kondisi perdagangan kakao antar negara dan posisi Indonesia dalam persaingan perdagangan kakao internasional. Setelah itu, dilakukan analisis daya saing untuk mengetahui tingkat keunggulan kakao Indonesia baik biji maupun olahan di pasar internasional melalui analisis Revealed Comparative Advantage (RCA). Kemudian nilai RCA yang diperoleh akan dimanfaatkan untuk melakukan analisis Korelasi Rank Spearman untuk melihat tingkat persaingan antar negara eksportir kakao dunia. Analisis perdagangan dilakukan dengan analisis data panel menggunakan Gravity Model. Melalui model tersebut akan diketahui faktor-faktor apa saja yang mempengaruhi perdagangan (volume ekspor) kakao Indonesia baik biji dan olahannya di pasar internasional. Hasil estimasi gravity model akan menjadi input untuk melakukan perhitungan rasio potensi perdagangan untuk mengetahui potensi perdagangan kakao Indonesia di sepuluh negara tujuan ekspor. Hasil dari setiap analisis yang dilakukan akan disintesa sehingga memperlihatkan keterkaitan yang pada akhirnya akan berguna untuk perumusan rekomendasi kebijakan untuk meningkatkan daya saing dan perdagangan yang efektif. Hasil dari faktor-faktor yang berpengaruh signifikan terhadap perdagangan kakao Indonesia akan menjadi informasi untuk menentukan negara mana saja yang diprioritaskan menjadi mitra dagang utama perdagangan kakao Indonesia, namun demikian keputusan tersebut harus diperkuat lagi dengan mempertimbangkan hasil analisis RCA yaitu apakah kakao Indonesia benar-benar memiliki keunggulan di negara-negara tersebut. Selain itu dipertimbangkan juga hasil dari perhitungan rasio potensi perdagangan yaitu apakah perdagangan kakao Indonesia di negara-negara tersebut selama ini telah melebihi potensi perdagangan yang ada (over trade) atau belum melebihi potensi perdagangan yang ada (under trade). Bagan pemikiran operasional yang akan dilakukan pada penelitian ini dapat dilihat pada Gambar 4.
Gambar 4 Kerangka Pemikiran Operasional
Hipotesis Penelitian
Hipotesis yang digunakan dalam penelitian ini berupa dugaan tanda koefisien variabel-variabel yang mempengaruhi aliran perdagangan kakao Indonesia. Berikut adalah hipotesis penelitian pada aliran perdagangan kakao Indonesia:
1. GDP riil Indonesia memiliki hubungan positif terhadap perdagangan kakao Indonesia
2. GDP riil negara tujuan ekspor memiliki hubungan positif terhadap perdagangan kakao Indonesia
3. Jarak ekonomi memiliki hubungan yang negatif terhadap perdagangan kakao Indonesia
4. Nilai tukar rupiah terhadap mata uang negara tujuan memiliki hubungan positif terhadap perdagangan kakao Indonesia
5. Bea keluar ekspor biji kakao memiliki hubungan negatif terhadap perdagangan biji kakao Indonesia
6. Bea keluar biji kakao memiliki hubungan positif terhadap perdagangan kakao butter dan powder Indonesia.
Tantangan
• Persaingan Penguasaan Pasar • Tingginya Persaingan dengan Negara
Eksportir Lain Potensi
• Indonesia Produsen Kakao Terbesar Ketiga di Dunia
• Tingkat Konsumsi Kakao Indonesia dan Dunia Meningkat
Daya Saing dan Persaingan Kakao Biji dan
Olahan Indonesia di Pasar Internasional Faktor-Faktor yang Mempengaruhi Perdagangan Kakao
Biji dan Olahan Indonesia dan
Posisinya di Pasar Internasional
Kebijakan Mendorong Perdagangan Kakao Biji dan Olahan Indonesia
Analisis RCA dan Korelasi Rank
Spearman
Analisis Data Panel dengan Gravity Model dan Potensi
Perdagangan
- GDP Indonesia - GDP Importir - Jarak
- Nilai tukar rupiah - Bea keluar biji kakao - Nilai ekspor kakao dari Indonesia
- Nilai ekspor total Indonesia - Nilai ekspor kakao dunia - Nilai total ekspor dunia
4 METODE PENELITIAN
Jenis dan Sumber Data
Penelitian ini memerlukan data-data nasional maupun internasional. Data tersebut merupakan data sekunder yang berupa data panel, penggabungan antara data time series dan cross section. Kakao yang menjadi objek penelitian adalah kakao biji (Kode HS 1801), kakao butter (Kode HS 1804), dan kakao powder (Kode HS 1805). Untuk melihat daya saing kakao Indonesia dengan Revealed Comparative Advantage, data yang digunakan adalah data ekspor kakao biji, butter, dan powder pada empat produsen utama kakao lainnya di dunia selama 10 tahun terakhir, yaitu tahun 2003 – 2012. Negara yang menjadi objek penelitian dipilih berdasarkan dari rata-rata volume ekspor tertinggi selama lima tahun terakhir, dapat dilihat pada Tabel 3.
Tabel 3 Negara Produsen Kakao berdasarkan Rata-rata Volume Ekspor Tahun 2007 – 2011 (ton)
Komoditas Negara Volume
Biji Kakao (1801) Pantai Gading 873 729
Ghana 457 458
Indonesia 368 428
Nigeria 319 484
Kamerun 177 448
Kakao Butter (1804) Belanda 207 896
Malaysia 105 911
Perancis 78 682
Pantai Gading 61 405
Indonesia 55 512
Kakao Powder (1805) Belanda 237 113
Malaysia 105 328 Jerman 63 456 Spanyol 47 260 Perancis 46 010 Indonesia 34 024 Sumber: ITC (2012)
Untuk melihat aliran perdagangan kakao Indonesia serta faktor-faktor yang mempengaruhinya, data yang diperlukan dalam penelitian ini sebagai variabel bebas pembangun gravity model adalah (1) GDP riil perkapita negara pengekspor (Indonesia) pada tahun 2000-2012, (2) GDP riil perkapita negara tujuan eskpor kakao Indonesia pada tahun 2000-2012, (3) Jarak ekonomi antara Indonesia dengan negara tujuan ekspor pada tahun 2000-2012, (4) Nilai tukar rupiah terhadap mata uang negara tujuan pada tahun 2000-2012, dan (5) dummy bea keluar biji kakao. Negara tujuan ekspor pada penelitian ini dapat dilihat pada Tabel 4, yaitu sepuluh negara pengimpor terbesar pada tahun 2008 – 2012 untuk kakao Indonesia baik biji maupun olahan. Jenis dan sumber data yang digunakan dalam penelitian ini dapat dilihat pada Lampiran 1.
