INSTITUT PERTANIAN BOGOR
DAFTAR LAMPIRAN
2.1 Tinjauan Pustaka 1 Bawang Merah
2.1.6 Konsep Gravity Model
2.1.6.4 Jarak Antara Pengekspor dengan Pengimpor
Jarak merupakan faktor geografi yang menjadi variabel utama gravity model untuk aliran perdagangan. Jarak, dalam kaitannya dengan perdagangan akan memberikan pengaruh dalam masalah biaya angkut (transportasi) komoditas yang diperdagangkan antarnegara. Hal ini kemudian berdampak pada biaya transaksi dari perdagangan suatu komoditas. Jarak yang digunakan dalam penelitian ini adalah jarak ekonomi. Jarak ekonomi yang digunakan dalam penelitian ini merupakan jarak geografis antar ibukota negara yaitu antar ibukota negara Indonesia dengan negara asal impor yang dikalikan dengan total GDP negara asal impor yang telah dibagi dengan GDP masing-masing negara asal. Adapun rumus yang digunakan adalah sebagai berikut:
Jarak Ekonomi = Jarak Geografis X
Penggunaan jarak ekonomi ini disebabkan jarak geografis antar ibukota negara Indonesia dengan negara asal impor tidak berubah atau konstan. Oleh karena itu, kondisi tersebut tidak dapat digunakan dalam melihat faktor jarak terhadap aliran ekspor jika hanya menggunakan jarak geografis saja, akan tetapi dapat dilihat dari share GDP-nya yang menunjukkan kecenderungan perdagangan diantara kedua negara.
Analisis untuk menjelaskan biaya transportasi dalam memengaruhi perdagangan dapat dilakukan dengan metode analisis keseimbangan parsial. Metode analisis keseimbangan parsial menganalisis biaya dengan satuan absolut (nominal uang), dengan asumsi kurs mata uang dua negara yang melakukan perdagangan selalu konstan, demikian juga indikator ekonomi lainnya kecuali tingkat konsumsi yang ditolerir dapat berubah.
Pada Gambar 2.5 sumbu vertikal mengukur harga komoditas Z dalam satuan dolar yang berlaku dikedua negara. Setiap pergerakan ke sebelah kiri dari pusat sumbu mengukur peningkatan kuantitas komoditi Z untuk negara 1. Sebelum adanya perdagangan internasional, Negara 1 akan berproduksi sebanyak 50Z dan dengan harga sebesar $5. Sedangkan Negara 2 akan memproduksi komoditas Z sebanyak 50 unit dengan harga sebesar $11.
Pz ($) Sz Negara 2 13 Sz 11
Negara 1 9 Impor . Ekspor 7 D . 5 3 D Z Z 100 70 50 30 0 30 50 70 100 Sumber : Salvatore, 1997
Setelah perdagangan internasional berlangsung diantara kedua negara tersebut maka akan menyebabkan ekspor dan impor diantara negara yang bersangkutan. Negara 1 akan mengekspor komoditi Z ke negara 2 ketika harga mulai mengalami kenaikan di negara 1. Kenaikan harga ini mendorong Negara 1 untuk memproduksi komoditi Z dan kemudian kelebihan produksinya akan diekspor ke Negara 2. Di Negara 2 harga dari komoditas Z mulai menurun. Tanpa adanya biaya transportasi maka harga yang berlaku di kedua negara adalah sama yaitu $8 dengan jumlah komoditas Z yang diperdagangkan antarnegara sebanyak 60 unit.
Lain halnya ketika terjadi perdagangan internasional dengan adanya biaya transportasi, misalkan $1 per unit, maka harga di Negara 2 akan melampaui harga di Negara 1 sebesar $1. Pada Gambar 2.5, hal tersebut terjadi apabila harga sebesar $7 di Negara 1 dan harga $9 di Negara 2. Pada harga $7 maka Negara 1 akan meningkatkan produksi domestik pada komoditi Z hingga 70 unit, diantaranya konsumsi domestik 30 unit dan 40 unit sisanya diekspor ke Negara 2. Sedangkan pada saat harga $9 di Negara 2, produksi komoditi Z turun menjadi 30 unit dan tingkat konsumsi domestiknya naik menjadi 70 unit, sisa 40 unit kekurangan diimpor dari negara 1. Oleh karena itu, dengan adanya biaya transportasi maka akan menyebabkan penurunan dalam produksi dan berdampak pada penurunan volume perdagangan.
2.1.7 Panel Data
Data empiris dalam suatu kasus ekonomi terdiri dari berbagai macam tipe, yaitu data berkala (time series), data tampang lintang (cross section), dan data penel yang merupakan gabungan antara data berkala dan data tampang lintang (Setiawan dan Kusrini, 2010). Juanda (2009) menjelaskan ada beberapa keuntungan menggunakan data panel dalam model regresi dibandingkan hanya dengan time series atau hanya data cross section, yaitu:
1. Data panel akan memberikan informasi yang lebih lengkap, lebih beragam kurang berkorelasi antar variabel, derajat bebas lebih besar dan lebih efisien. 2. Studi data panel lebih memuaskan untuk menentukan perubahan dinamis
3. Membantu studi untuk menganalisis perilaku yang lebih kompleks, misalnya fenomena skala ekonomi dan perubahan teknologi.
4. Dapat meminimumkan bias yang dihasilkan oleh agregasi individu atau perusahaan karena unit data lebih banyak.
Menurut Syahrial dalam Yuliastuti (2010), dikenal tiga macam pendekatan dalam analisis model panel data yang terdiri dari:
Pendekatan yang paling sederhana dalam pengolahan data panel adalah dengan menggunakan metode kuadrat terkecil biasa yang diterapkan dalam data yang berbentuk pool . Misalkan terdapat persamaan berikut ini:
Yit = + jit j + it untuk i = 1,2, ...,N dan t = 1,2,...T
Dimana N adalah jumlah unit cross section (individu) dan T adalah jumlah periode waktunya. Dengan mengasumsi komponen error dalam pengolahan kuadrat terkecil biasa, maka proses estimasi secara terpisah dapat dilakukan untuk setiap unit cross section. Untuk periode t = 1, akan diperoleh persamaan regresi cross section sebagai berikut:
Yi1 = + jit j + i1 untuk i = 1,2,...N
yang akan berimplikasi diperolehnya persamaan sebanyak T persamaan yang sama dan begitu pun sebaliknya akan diperoleh persamaan deret waktu (time series) sebanyak N persamaan untuk setiap T observasi. Namun untuk mendapatkan parameter dan yang konstan dan efisien, akan data diperoleh dalam bentuk regresi yang lebih besar dengan melibatkan sebanyak NT observasi. 1) Pendekatan Efek Tetap (Fixed Effect)
Kesulitan terbesar dalam pendekatan metode kuadrat terecil biasa adalah asumsi intersep dan slope dari persamaan regresi yang dianggap konstan baik antar daerah maupun antar waktu yang mungkin tidak beralasan. Generelasi secara umum yang sering dilakukan adalah dengan memasukkan variabel boneka (dummy variabel) untuk mengizinkan terjadinya perbedaan nilai parameter yang berbeda-beda baik lintas unit cross section maupun time series.
Pendekatan dengan memasukkan variabel dummy ini dikenal dengan sebutan model efek tetap (fixed effect) atau Least Square Dummy Variabel atau disebut juga (Covariance Model). Pendekatan tersebut dapat dituliskan dalam persamaan sebagai berikut:
Yit = i + jit j + ∑ t + eit
keterangan:
Yit = variabel terikat diwaktu t untuk unit cross section i i = intersep yang berubah-ubah antar cross section unit j
it = variabel bebas j di waktu t untuk unit i j = parameter untuk variabel ke j
eit = komponen error diwaktu t untuk unit cross section i
2) Pendekatan Efek Acak (Random Effect)
Memasukkan variabel dummy dalam efek tetap dapat menimbulkan konsekuensi (trade off) yaitu akan dapat mengurangi derajat kebebasan (degree of freedom) yang akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. Pendekatan yang dapat digunakan untuk mengatasi hal ini adalah model efek acak (random effect). Dalam model ini, parameter-parameter yang berbeda antar daerah maupun antar waktu dimasukkan kedalam error.
Model efek acak ini dijelaskan dengan persamaan berikut: Yit = + jit j + it
it = ui + vt + wit
dimana:
ui ~ N(0, u2) = komponen cross section error
vt ~ N(0, v2) = komponen time series error
wit ~ N(0, w2) = komponen error kombinasi
Dalam model ini, diasumsikan bahwa error secara individual juga tidak saling berkorelasi begitu juga dengan error kombinasinya. Penggunaan model efek acak ini, dapat menghemat pemakaian derajat kebebasan dan tidak mengurangi jumlahnya seperti yang akan dilakukan pada model efek tetap. Hal ini berimplikasi parameter yang merupakan hasil estimasi akan menjadi semakin efisien. Keputusan penggunaan model efek tetap ataupun efek acak ditentukan dengan menggunakan spesifikasi yang dikembangkan oleh Hausmann. Spesifikasi ini akan memberikan penilaian dengan menggunakan chi square statistic sehingga keputusan pemilihan model akan dilakukan secara statistik.
2.1.8 Penelitian Terdahulu
2.1.8.1 Penelitian Mengenai Model Gravitasi dan Data Panel
Berbagai penelitian terdahulu yang terkait aliran perdagangan dengan menggunakan model gravitasi dan data panel telah banyak dilakukan. Penelitian tersebut dilakukan dengan berbagai jenis data dan jenis komoditas yang berbeda.
Soelaksono (2010) melakukan penelitian mengenai faktor-faktor yang mempengaruhi aliran perdagangan ekspor komoditas perkebunan Indonesia. Terdapat lima jenis komoditas yang diteliti yaitu karet, kelapa sawit, kopi, teh, dan biji kakao. Dari kelima jenis komoditas yang diteliti tersebut, secara umum menunjukkan pola kecenderungan volume ekspor yang berfluktuatif.
Dalam penelitian tersebut, faktor-faktor aliran perdagangan untuk kelima komoditas perkebunan Indonesia diestimasi dengan menggunakan model efek tetap (fixed effect). Dari semua variabel independen yang digunakan, terdapat dua variabel yang memiliki pengaruh untuk seluruh model persamaaan komoditas yaitu jarak dan dummy (adanya krisis global), sehingga secara umum pengaruh besarnya jarak antara pengekspor dengan negara tujuan impor serta adanya krisis global tidak menyebabkan turunnya permintaan ekspor komoditas perkebunan Indonesia karena komoditas tersebut merupakan kebutuhan primer yang harus dipenuhi.
Selain itu variabel-variabel lainnya yang digunakan dalam model memiliki pengaruh yang beragam pada masing-masing komoditas. Komoditas karet dipengaruhi oleh variabel PDB, jarak, nilai tukar, dan adanya krisis global. Komoditas kelapa sawit dipengaruhi oleh variabel populasi, jarak, dan adanya krisis. Komoditas kopi dipengaruhi oleh variabel harga komoditas, populasi, jarak, dan adanya krisis global. Komoditas teh dipengaruhi oleh variabel Produk Domestik Bruto, jarak, nilai tukar, dan adanya krisis global. Komoditas biji kakao dipengaruhi oleh harga komoditas, jarak dan adanya krisis global.
Alam et al. (2009) meneliti tentang aliran impor Bangladesh dengan menggunakan pendekatan model gravitasi. Penelitian tersebut bertujuan untuk menganalisis impor Bangladesh sebagai salah satu faktor yang paling signifikan dalam neraca perdagangan negara tersebut. Data yang digunakan adalah data panel dari tahun 1985 – 2003, dan data cross section yang digunakan adalah
negara-negara mitra dagang terbesar: Cina, Singapura, Jepang, Hongkong, Korea Selatan, Amerika Serikat, dan Malaysia.
Hasil penelitian menunjukkan pengaruh impor terhadap produksi Bangladesh sangat kecil, hal ini disebabkan kebanyakan impor negara ini adalah impor barang konsumsi dan bukan barang modal. Selain itu, populasi Bangladesh memiliki dampak yang signifikan terhadap impor yang artinya Bangladesh tidak mampu memenuhi peningkatan permintaan domestik akan barang konsumsi. Selain itu, hal ini juga menunjukkan PDB negara-negara mitra dagang yang lebih besar bila dibandingkan dengan Bangladesh.
Yuliastuti (2010) melakukan penelitian yang berjudul analisis aliran perdagangan ekspor rumput laut Indonesia periode 1999-2008. Penelitian ini menggunakan data panel, yaitu kombinasi antara data time series selama periode 1999-2008 dan data cross section sepuluh negara tujuan ekspor rumput laut Indonesia yang kemudian dianalisis dengan menggunakan model gravitasi.
Hasil pengolahan regresi data panel menunjukkan bahwa metode yang terbaik dalam estimasi model adalah metode fixed effect. Selain itu, berdasarkan uji t-statistik pada taraf nyata lima persen, diketahui bahwa harga komoditi rumput laut Indonesia di negara tujuan ekspor, populasi penduduk negara importir, GDP riil negara pengimpor berpengaruh signifikan terhadap aliran perdagangan ekspor rumput laut Indonesia. Faktor yang paling mempengaruhi positif adalah populasi penduduk negara tujuan ekspor dan yang negatif adalah jarak ekonomi Indonesia dan negara tujuan ekspor.
2.1.8.2 Penelitian Mengenai Impor
Tresnawan (2006) melakukan penelitian terkait dengan analisis tren dan faktor-faktor yang mempengaruhi permintaan impor kentang di Indonesia. Data sekunder yang diperoleh dari Badan Pusat Statistika Indonesia kemudian dianalisis dengan menggunakan analisis tren dan analisis regresi data panel. Berdasarkan hasil pengolahan data impor kentang periode 2001-2003 dari lima negara pengimpor terbesar ke Indonesia, diperoleh tren impor kentang di Indonesia cenderung fluktuatif. Secara umum didapatkan model tren eksponensial. Penelitian ini juga menyimpulkan faktor-faktor yang mempengaruhi
nilai impor kentang di Indonesia pada taraf satu persen yaitu nilai tukar rupiah, harga impor, Produk Domestik Bruto, dan lag nilai impor bulan sebelumnya.
Jumini (2008) melakukan penelitian dengan judul analisis faktor-faktor yang mempengaruhi permintaan bawang putih impor di Indonesia. Hasil penelitian dengan menggunakan analisis regresi berganda menunjukkan, dari delapan variabel yang di uji, ada empat variabel yang berpengaruh terhadap permintaan bawang putih impor. Keempat variabel tersebut yaitu harga bawang putih lokal (pada taraf nyata lima persen), konsumsi bawang putih lokal (taraf nyata 10 persen), produksi bawang putih dalam negeri (taraf nyata lima persen) dan harga bawang putih impor (taraf nyata 15 persen).
2.1.9 Relevansi dengan Penelitian Sebelumnya
Penelitian sebelumnya membahas tren dan faktor-faktor yang mempengaruhi permintaan kentang di Indonesia dengan menggunakan analisis tren dan analisis regresi data panel. Penelitian ini membahas faktor-faktor yang memengaruhi aliran perdagangan impor bawang merah dan kentang Indonesia dengan menggunakan model gravitasi. Tahun pengamatan dalam penelitian sebelumnya sejak tahun 2001 hingga 2003. Penelitian ini menggunakan sepuluh tahun pengamatan sejak tahun 2001 hingga 2010.
2.2 Kerangka Pemikiran
Peningkatan permintaan impor bawang merah dan kentang Indonesia cenderung mengalami kenaikan sejak tahun 2006 hingga 2010. Peningkatan impor ini akan berdampak pada pengurangan neraca perdagangan Indonesia secara umum. Selain itu, peningkatan impor ini akan memengaruhi produksi dalam negeri karena dampaknya terhadap harga produk domestik.
Impor jika tidak dikendalikan akan menyebabkan turunnya harga bawang merah dan kentang lokal produksi petani Indonesia. Hal ini kemudian akan mengurangi minat produksi petani Indonesia yang akan mengalami kerugian akibat turunnya harga. Selain itu, harga bawang merah dan kentang impor juga masih lebih rendah dibandingkan harga produk lokalnya. Akibatnya, konsumsi produk impor akan lebih tinggi dibandingkan produk domestiknya. Kondisi ini pada akhirnya akan mengurangi daya saing petani Indonesia di pasar nasional.
Gambar 2.6 Kerangka Pemikiran Operasional keterangan: = bagian yang dianalisis
= bagian yang tidak dianalisis
Tingginya Permintaan Impor Bawang Merah dan Kentang
Penurunan Pertumbuhan Ekonomi Indonesia
Penurunan Kesejahteraan Petani
Faktor-faktor yang Mempengaruhi Aliran
Perdagangan Impor Komoditas Sayuran Indonesia: 1. Harga Komoditas di negara asal
2. GDP riil Indonesia dan negara asal impor 3. Populasi Indonesia dan negara asal impor
4. Nilai tukar riil Rupiah terhadap Dollar 5. Jarak Ekonomi Indonesia dengan negara
asal impor
Analisis Regresi Data Panel (Gravity Model)
Rekomendasi Kebijakan dalam Hal Impor Bawang Merah dan Kentang Indonesia
Kecenderungan Volume Impor
Analisis Deskriptif
Tingginya Permintaan Impor Bawang Merah dan Kentang
Penurunan Neraca Perdagangan Hortikultura
2.3 Hipotesis Penelitian
Hipotesis yang digunakan dalam penelitian ini antara lain:
1. Harga komoditas bawang merah dan kentang impor Indonesia di negara- negara asal impor mempunyai pengaruh negatif terhadap aliran perdagangan impor komoditas bawang merah dan kentang Indonesia. 2. GDP riil negara asal impor mempunyai pengaruh positif terhadap aliran
perdagangan impor komoditas bawang merah dan kentang Indonesia. 3. GDP riil negara Indonesia mempunyai pengaruh positif terhadap aliran
perdagangan impor komoditas bawang merah dan kentang Indonesia. 4. Populasi negara Indonesia mempunyai pengaruh positif terhadap aliran
perdagangan impor komoditas bawang merah dan kentang Indonesia. 5. Populasi negara asal impor mempunyai pengaruh positif terhadap aliran
perdagangan impor komoditas bawang merah dan kentang Indonesia 6. Nilai tukar riil mata uang rupiah terhadap dolar Amerika mempunyai
pengaruh positif terhadap aliran perdagangan impor komoditas bawang merah dan kentang Indonesia.
7. Jarak ekonomi antara negara Indonesia dengan negara asal impor mempunyai pengaruh negatif terhadap aliran perdangan impor komoditas bawang merah dan kentang Indonesia.
3.1 Jenis dan Sumber Data
Penelitian ini menggunakan data sekunder. Data yang diamati merupakan data gabungan time series dan cross section atau panel data. Tahun pengamatan sebanyak sepuluh tahun, mulai dari tahun 2001 hingga 2010. Adapun pemilihan komoditas yang diteliti yaitu bawang merah dan kentang karena kedua komoditas ini memiliki neraca impor tertinggi pada tahun 2010.
Jumlah negara yang menjadi asal impor yang diamati pada penelitian ini disesuaikan dengan keberlanjutan impor yang terjadi selama periode pengamatan. Adapun negara-negara yang menjadi asal impor berdasarkan masing-masing komoditas yang menjadi objek penelitian ini, tertera pada tabel dibawah ini: Tabel 3.1 Negara – negara Asal Impor Komoditas Bawang Merah dan
Kentang Indonesia Tahun 2001-2010
No Komoditas Negara Asal Impor Jumlah
1 Bawang Merah (HS 070310)
Thailand, India, Vietnam, Malaysia, China,
Philipines, Netherlands, USA, dan Australia 9 2 Kentang
(HS 070190)
Australia, China, USA , dan Singapore 4
Sumber: UNComtrade, 2012.
Data yang dibutuhkan dalam penelitian ini meliputi: volume impor komoditas yang diteliti berdasarkan negara asal, GDP riil dengan tahun dasar 2000 masing-masing negara, harga komoditas di masing-masing negara asal impor, nilai tukar riil rupiah terhadap dolar Amerika Serikat, jarak antara negara Indonesia dengan negara asal impor, indeks harga konsumen Indonesia, dan indeks harga konsumen Amerika Serikat. Data tersebut diperoleh dari: Badan Pusat Statistik, Kementerian Pertanian, Kementerian Perdagangan, United Nation Commodity Trade (UN Comtrade), United Nation Conference on Trade and Development (UNCTAD), Bank Dunia (World Development Indikator), dan penelusuran situs-situs yang terkait dengan penelitian.
Tabel 3.2 Data dan Sumber Data yang Digunakan dalam Penelitian
No Data yang Digunakan Sumber
1 Nilai dan volume impor komoditas bawang merah dan kentang Indonesia tahun 2001-2010
UN Comtrade (comtrade.un.org) 2 Populasi Indonesia dan negara asal impor
komoditas bawang merah dan kentang tahun 2001-2010
World Development Indicator (www.worldbank.org) 3 GDP riil Indonesia dan negara asal impor
komoditas bawang merah dan kentang tahun 2001-2010
World Develoment Indicator (www.worldbank.org) 4 Nilai tukar riil rupiah terhadap dollar
Amerika tahun 2001-2010
www.unctadstat.unctad.org 5 Jarak geografis antara Indonesia dan
negara asal impor komoditas bawang merah dan kentang
www.timeanddate.com
3.2 Metode Analisis Data
Penelitian ini menggunakan metode analisis deskriptif dan kuantitatif. Analisis deskriptif digunakan untuk menjelaskan informasi-informasi yang terkandung dalam data hasil analisis dan kecenderungan volume impor komoditas bawang merah dan kentang Indonesia. Analisis kuantitatif digunakan untuk melakukan analisis terhadap faktor-faktor yang memengaruhi aliran perdagangan impor komoditas bawang merah dan kentang. Analisis kuantitatif menggunakan analisis regresi data panel model gravitasi (gravity model). Data sekunder diolah dengan menggunakan program komputer Microsoft Excel dan Eviews 6 yang kemudian hasil outputnya diinterpretasikan.
3.3 Perumusan Model
Faktor-faktor yang digunakan untuk menganalisis aliran perdagangan komoditas bawang merah dan kentang Indonesia antara lain: Produk Domestik Bruto Riil Indonesia, Produk Domestik Bruto Riil negara asal impor, populasi Indonesia, harga komoditas sayuran di negara asal impor dan nilai tukar riil rupiah terhadap dolar Amerika.
Bentuk umum persamaan regresi model gravitasi (gravity model) yang digunakan untuk masing-masing komoditas adalah:
ln Yjt = 0 + 1 ln GDPjt + 2 ln GDPit + 3 ln Popit + 4 ln Popjt + 5 lnPM
+ 6 lnJEijt + 7 lnERijt + it
Tanda dugaan parameter pada variabel bebas bebas yang diharapkan adalah:
1>0; 2>0; 3>0; 4>0; 5<0; 6<0; dan 7>0
keterangan:
j = unit cross section (negara) t = time series (waktu)
Yjt = Volume impor komoditas dari negara asal j pada tahun t (kilogram) GDPjt = GDPriil negara asal impor pada tahun t (US$)
GDPit = GDP riil negara Indonesia pada tahun t (US$)
Popit = Populasi penduduk Indonesia pada tahun t (orang)
Popjt = Populasi penduduk negara J pada tahun t (orang)
Pj = Harga komoditas di negara asal impor (US$/kg)
JEijt = Jarak ekonomi antara Indonesia dengan negara asal impor (kilometer)
ERijt = Nilai tukar rupiah terhadap dolar Amerika Serikat (Rp/US$) it = Random error
3.4 Defenisi Operasional
Untuk memahami secara jelas variabel-variabel yang dituliskan dalam persamaan di atas, maka defenisi operasional variabel-variabel tersebut adalah: 1. Negara j adalah negara pengekspor atau negara asal impor komoditas bawang
merah dan kentang Indonesia.
2. Volume impor komoditas bawang merah dan kentang Indonesia adalah total impor dari negara asal selama jangka waktu satu tahun terhitung sejak tahun 2001 hingga tahun 2010, dinyatakan dalam satuan kilogram.
3. Nilai GDP riil Indonesia adalah Produk Domestik Bruto riil yang dihasilkan oleh Indonesia dalam satu tahun terhitung sejak tahun terhitung 2001 hingga 2010, dinyatakan dalam dolar Amerika Serikat
4. Nilai GDP riil negara j atau nilai GDP negara asal impor adalah Produk Domestik Bruto riil yang dihasilkan perekonomian negara tersebut dalam satu tahun terhitung sejak tahun 2001-2010, dinyatakan dalam dolar Amerika Serikat.
5. Populasi penduduk negara Indonesia adalah total jumlah penduduk di Indonesia dalam satu tahun terhitung sejak tahun 2001 hingga 2010, dinyatakan dalam satuan orang.
6. Populasi penduduk negara pengekspor adalah total jumlah penduduk di Indonesia dalam satu tahun terhitung sejak tahun2001 hingga 2010, dinyatakan dalam satuan orang.
7. Harga impor merupakan harga yang digunakan dalam transaksi perdagangan internasional. Harga impor dinyatakan dalam satuan dolar Amerika perkilogram.
Pjt =
8. Jarak antara negara Indonesia dengan negara asal impor dihitung berdasarkan jarak antar ibukota Indonesia dengan negara asal impor dan dinyatakan dalam kilometer. Jarak ekonomi kemudian diperoleh berdasarkan rumus:
JEindjt =
9.Nilai tukar mata uang negara Indonesia terhadap dolar Amerika Serikat, dinyatakan Rp/US$. Hal ini dikarenakan nilai impor yang diperoleh dari UN Comtrade dalam satuan US$. Rumus yang digunakan untuk mendapatan nilai tukar Rupiah terhadap US$ Amerika adalah:
(
Riil)t =
X(Indeks harga konsumen USA)t
3.5 Pengujian Kesesuaian Model
Pada analisis model dengan menggunakan data panel, dikenal tiga macam pendekatan yang terdiri dari Pendekatan Kuadrat Terkecil (Pooled Least Squared), Pendekatan Efek Tetap (Fixed Effect Model), dan Pendekatan Efek Acak (Random Effect). Pemilihan model terbaik yang digunakan untuk pengolahan data panel menggunakan beberapa pengujian. Pengujian yang dilakukan antara lain:
3.5.1 Uji Chow (Chow Test)
Uji Chow digunakan untuk memilih kedua model diantara Pooled Least Squared dan Fixed Effect Model. Asumsi bahwa setiap unit cross section memiliki
perilaku yang sama cenderung tidak realistis mengingat dimungkinkannya setiap unit cross section memiliki perilaku yang berbeda menjadi dasar uji chow ini.
Adapun hipotesis yang digunakan dalam pengujian ini sebagai berikut: H0 : Model Pooled Least Squared
H1 : Model Fixed Effect
Dasar penolakan terhadap hipotesis nol tersebut adalah dengan menggunakan Fstatistik seperti berikut:
CHOW :
keterangan:
RRSS : Restricted Residual Sum square (Sum Squared Residual PLS) URSS : Unrestricted Residual Sum Square (Sum Squared Residual Fixed)