Hipotesis
Hipotesis penelitian ini berupa dugaan signifikansi dan tanda dari variabel-variabel yang memengaruhi ekspor TPT Indonesia ke sejumlah negara di kawasan Amerika Latin. Berikut adalah hipotesis penelitian yang digunakan dalam penelitian ini.
1. GDP per kapita negara pengimpor diduga signifikan memengaruhi nilai ekspor TPT dan memiliki hubungan yang positif
2. Populasi negara pengimpor diduga signifikan memengaruhi nilai ekspor TPT dan memiliki hubungan yang positif
3. Nilai tukar riil efektif negara pengimpor diduga signifikan memengaruhi nilai ekspor TPT dan memiliki hubungan yang negatif
4. Tarif impor negara pengimpor diduga signifikan memengaruhi nilai ekspor TPT dan memiliki hubungan yang negatif
5. Jarak ekonomi diduga signifikan memengaruhi nilai ekspor TPT dan memiliki hubungan yang negatif
6. TPT Indonesia diduga memiliki dayasaing yang kuat di Amerika Latin
Ekspor TPT Indonesia Ke Amerika Latin
Faktor-Faktor yang Memengaruhi Ekspor TPT Indonesia Ke Amerika Latin Dayasaing dan dinamika TPT Indonesia
di Amerika Latin
Rekomendasi Kebijakan untuk Meningkatkan kinerja Ekspor Produk Tekstil Indonesia ke Amerika Latin
13
METODE PENELITIAN
Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari United Nations Conferences on Trade and Development, TRADEMAP, World Integrated Trade Solution, dan CEPII selama periode tahun 2009 sampai 2013. Rincian terkait jenis dan sumber data dapat dilihat pada Tabel 1.
Tabel 1 Jenis dan Sumber Data
Jenis Data Definisi Satuan Sumber Data
Nilai Ekspor TPT HS 6109
Besar nilai ekspor TPT per tahun
US$ TRADEMAP
GDP per kapita GDP per kapita negara pengimpor US$ United Nations Conferences on Trade and Development Populasi Populasi negara
pengimpor Jiwa United Nations Conferences on Trade and Developement Nilai Tukar Nilai Tukar Riil Efektif
negara importir terhadap US$
Per US$ United Nations Conferences on Trade and development Tarif Impor Tarif Impor negara
importir Persentase (%) World Integrated Trade Solution Jarak Geografis Jarak geografis antara
Indonesia dengan negara tujuan ekspor
Km CEPII
Metode Analisis
Revealed Comparative Advantage (RCA)
Metode RCA digunakan untuk mengetahui dayasaing yang dimiliki TPT Indonesia di pasar Amerika Latin. Rumus RCA yang digunakan sama dengan yang dinyatakan oleh Ballasa yaitu seperti pada persamaan 1.
14 RCA = t i t i W W X X ... (1) Dengan ; i
X = Nilai ekspor TPT Indonesia ke Amerika Latin (US$)
t
X = Nilai total ekspor Indonesia ke Amerika Latin (US$)
i
W= Nilai ekspor TPT dunia ke Amerika Latin (US$)
t
W= Nilai total ekspor dunia ke Amerika Latin (US$)
Terdapat dua kemungkinan hasil yang dapat diperoleh dalam metode RCA, yaitu seperti di bawah ini.
1. Nilai RCA yang diperoleh bernilai lebih dari satu (RCA>1). Hal tersebut berarti Indonesia memiliki keunggulan komparatif di atas rata-rata dunia sehingga TPT Indonesia memiliki dayasaing yang kuat.
2. Nilai RCA yang diperoleh kurang dari satu (RCA<1), yang berarti bahwa Indonesia memiliki keunggulan komparatif di bawah rata-rata dunia sehingga TPT Indonesia memiliki dayasaing yang lemah.
Export Product Dynamics (EPD)
Pendekatan Export Product Dynamic (EPD) digunakan untuk mengidentifikasi dinamika TPT Indonesia di pasar Amerika Latin. Kedinamisan ini secara spesifik mengidentifikasi tingkat pertumbuhan ekspor TPT Indonesia. Pertumbuhan dari TPT Indonesia secara berkelanjutan dalam jangka panjang menandakan bahwa TPT menjadi sumber penting pendapatan ekspor Indonesia.
Terdapat empat kategori posisi dari produk TPT pada suatu pasar. Keempat kategori tersebut adalah Rising Star, Lost Opportunity, Falling Star, dan Retreat. Rising Star merupakan posisi tertinggi atau dapat dikatakan sebagai posisi pasar yang paling ideal. Lost Opportunity merupakan kondisi pasar dengan penurunan pangsa pasar ekspor yang tidak diharapkan, sehingga kehilangan kesempatan pangsa ekspor produk TPT yang dihasilkan dalam perdagangan Internasional. Falling Star merupakan kondisi dimana terjadi peningkatan pangsa pasar ekspor, namun tidak diikuti oleh peningkatan permintaan terhadap produk TPT. Retreat merupakan kondisi dimana produk TPT Indonesia tidak diinginkan lagi oleh pangsa pasar, sehingga terjadi pangsa ekspor dan permintaan produk yang negatif.
15
Gambar 5 Matriks Posisi Dayasaing
Sumbu X : Pertumbuhan pangsa pasar ekspor TPT Indonesia di Amerika Latin
∑ = 1(
�
� � � % − �� �− � %)
� − ... (2)
Sumbu Y : Pertumbuhan pangsa produk TPT di Amerika Latin
∑ = 1(
�
� � � % − �� �− � %)
� − ... (3)
Dimana
Xi = Nilai ekspor TPT Indonesia ke Amerika Latin (US$) Xt = Nilai total ekspor Indonesia ke Amerika Latin (US$) Wi = Nilai ekspor TPT dunia ke Amerika Latin (US$) Wt = Nilai ekspor total dunia ke Amerika Latin (US$) t = Jumlah tahun analisis yang digunakan
Porter’s Diamond Model
Menurut Porter (1990), dayasaing dapat diidentifikasikan dengan produktifitas, yakni tingkat output yang dihasilkan untuk setiap input yang digunakan. Adapun faktor-faktor utama yang menentukan dayasaing suatu komoditas adalah: (1) kondisi faktor; (2) kondisi permintaan; (3) industri terkait dan penunjang; (4) strategi, struktur, dan persaingan perusahaan. Terdapat dua hal yang menentukan interaksi antara keempat faktor tersebut, yaitu kesempatan dan kebijakan pemerintah. Faktor-faktor tersebut secara bersama membentuk sistem dalam peningkatan keunggulan dayasaing yang disebut Porter’s Diamond Theory.
Lost
Opportunity Rising Star
16
Gambar 6 Porter’s Diamond Model
Hasil analisis faktor utama penentu yang diperoleh selanjutnya ditetapkan faktor yang menjadi keunggulan dan faktor yang menjadi kelemahan bagi dayasaing TPT Indonesia. Faktor yang menjadi keunggulan dalam menentukan dayasaing dilambangkan dengan (+) sedangkan faktor yang menjadi kelemahan disimbolkan dengan (-). Hasil keseluruhan interaksi antar faktor yang saling mendukung sangat menentukan perkembangan yang dapat menjadi competitive advantage produk manufaktur.
Gravity Model
Gravity Model adalah model yang digunakan untuk menganalisis faktor-faktor ekonomi yang memengaruhi perdagangan antara dua negara. Model yang dibentuk berdasarkan hukum gravitasi Newton ini diaplikasikan untuk menganalisis terjadinya aliran perdagangan antar negara. Perumusan model ini didapat dari perumusan umum gravitasi Newton dalam bidang fisika yang
menyatakan bahwa “interaksi antar dua variabel adalah sebanding dengan massanya dan berbanding terbalik dengan jarak antara objek”.
Berdasarkan persamaan tersebut, model gravitasi mengasumsikan bahwa hubungan perdagangan antarnegara sangat terpengaruh oleh jarak antarnegara yang melakukan perdagangan tersebut. Hal ini mengindikasikan bahwa jarak merupakan hal penting dalam menganalisis faktor-faktor yang memengaruhi hubungan perdagangan antarnegara. Gravity model pada penelitian ini seperti pada persamaan 4.
LnNEit = α0 + α1LnGDPCTit + α2LnPopit + α3LnNTit + α4Tarifit + α5LnJEit + eit ... (4)
Dimana :
NEit = Nilai ekspor TPT Indonesia ke negara i pada tahun t (US$) GDPCTit = GDP per kapita negara tujuan ekspor pada tahun t (US$) Popit = Populasi negara tujuan ekspor pada tahun t (orang) NTit = Nilai tukar riil negara importir pada tahun t (per US$) Tarifit = Tarif impor negara importir (%)
JEit = Jarak ekonomi Indonesia ke negara i pada tahun t (Km)
α0 = Intersep α1–α5 = Koefisien eit = Error term Ln = Logaritma natural Kebijakan Pemerintah Strategi, Struktur, dan Persaingan Industri Terkait dan Penunjang
Kondisi Faktor Kondisi
Permintaan Kesempatan
17 Jarak ekonomi diperoleh dengan menggunakan rumus pada persamaan 6.
�� � = �� � � ∑ � � � � � � � � � � � � � … 6
Definisi Operasional
Definisi operasional dari masing-masing variabel dalam penelitian dijelaskan seperti dibawah ini.
1. Nilai ekspor TPT merupakan nilai ekspor TPT Indonesia ke delapan negara Amerika Latin berdasarkan HS 4 digit dengan kode 6109 (kaos, singlet, kaos kutang lainnya, rajutan atau kaitan) dalam periode tahun 2009 sampai 2013. Data nilai ekspor diubah dalam bentuk logaritma natural (ln).
2. Nilai GDP per kapita delapan negara di Amerika Latin dengan satuan US$ dalam periode tahun 2009 sampai 2013. Data GDP per kapita delapan negara Amerika Latin diubah dalam bentuk logaritma natural (ln).
3. Populasi delapan negara di Amerika Latin dengan satuan juta jiwa dalam periode tahun 2009 sampai 2013. Data populasi delapan negara di Amerika Latin diubah dalam bentuk logaritma natural (ln).
4. Nilai tukar riil efektif delapan negara di Amerika Latin terhadap US$ dalam periode tahun 2009 sampai 2013. Data nilai tukar riil delapan negara di Amerika Latin diubah dalam bentuk logaritma natural (ln).
5. Tarif impor negara importir dalam persen (%) selama periode tahun 2009 sampai 2013.
6. Jarak ekonomi antara Indonesia dengan negara tujuan ekspor dengan satuan kilometer. Data jarak ekonomi diubah dalam bentuk logaritma natural (ln).
Pengujian Asumsi Model
Tiga asumsi yang harus diuji dalam model analisis regresi yaitu heteroskedastisitas, multikolinieritas, autokorelasi, dan normalitas.
Uji Heteroskedastisitas
Heteroskedastisitas adalah salah satu penyimpangan pada asumsi klasik statistika. Heteroskedastisitas terjadi jika ragam sisaan tidak konstan. Masalah ini sering terjadi jika ada penggunaan data cross section dalam estimasi model, namun dapat terjadi juga dalam data time series. Salah satu cara mengatasi masalah ini yaitu dengan metode Generalized Least Square (GLS) yang merupakan metode kuadrat terkecil yang terboboti, dimana model ditransformasikan dengan memberikan bobot pada data asli (Juanda 2009).
Uji Multikolinieritas
Multikolinieritas menyebabkan R-Squared tinggi, tetapi sedikit koefisiennya yang nyata bahkan hubungan dapat terbalik. Cara mendeteksinya dengan Spearman’s Rho Correlation, apabila angka korelasi lebih kecil dari 0,8 maka dapat dikatakan terbebas dari masalah multikolinieritas.
18
Uji Autokorelasi
Uji ini dilakukan dengan cara membandingkan Durbin Watson (DW) hasil estimasi dengan DW tabel. Jika nilai DW berada pada area non-autokorelasi mendekati dua maka dapat disimpulkan bahwa model tersebut bebas dari masalah autokorelasi.
Uji Normalitas
Uji ini dilakukan untuk mengidentifikasi error term apakah terdistribusi secara normal atau tidak. Cara mendeteksi uji normalitas ini yaitu dengan melihat nilai probabilitas yang dihasilkan. Nilai probabilitas yang lebih dari taraf nyata (5%) dapat dinyatakan bahwa model tersebut menyebar secara normal.
19
HASIL DAN PEMBAHASAN
Gambaran Umum Industri TPT Indonesia
Industri TPT termasuk dalam industri pengolahan dan merupakan salah satu industri perintis serta tulang punggung manufaktur Indonesia. Industri TPT juga termasuk dalam industri yang bersifat padat karya sehingga industri ini dapat menyerap tenaga kerja yang besar. Rata-rata setiap pertumbuhan satu persen, industri TPT akan menyerap sekitar 10 000 tenaga kerja. Data pada Gambar 7 yang bersumber dari Asosiasi Pertekstilan Indonesia (API) menunjukkan bahwa pada tahun 2010 industri pengolahan menyerap 12.8 persen tenaga kerja Indonesia atau sekitar 13 850 594 orang. Data tersebut juga menunjukkan bahwa dari 12.8 persen tersebut, jumlah tenaga kerja yang bekerja pada sektor industri TPT mencapai 10.13 persen atau sekitar 1 403 065 orang. Terjadi penurunan proporsi penyerapan tenaga kerja industri TPT di tahun 2010, pada tahun 2009 proporsi penyerapan tenaga kerja industri TPT terhadap total tenaga kerja industri pengolahan yaitu 10.60 persen.
Sumber : Asosiasi Pertekstilan Indonesia, 2010
Gambar 7 Presentase Tenaga Kerja Sektoral Indonesia Tahun 2010 (orang)
Industri TPT yang merupakan salah satu jenis industri yang bersifat padat karya pada dasarnya membutuhkan tenaga kerja yang cukup besar. Berdasarkan Gambar 8, terlihat bahwa perkembangan jumlah tenaga kerja yang diserap oleh sektor TPT mengalami peningkatan dari tahun ke tahun. Tren penyerapan tenaga kerja yang semakin meningkat pada industri TPT selama periode tahun 2006 sampai dengan 2010 menunjukkan bahwa industri TPT memiliki peran penting dalam menekan angka pengangguran. Tingginya tingkat penyerapan tenaga kerja tersebut menjadi indikasi bahwa industri TPT dapat dijadikan pemerintah sebagai salah satu cara untuk menekan tingginya angka pengangguran yang terjadi di Indonesia (Asmara et al, 2012).
1.60% 14.70% 38.30% 12.80% 1.20% 0.20% 5.20% 20.80% 0.00% 5.00% 10.00% 15.00% 20.00% 25.00% 30.00% 35.00% 40.00% 45.00%
Finance, Insurance, Rental, Buildings, Land, and Business Servicess
Community Service, Social, and Individual Agriculture, Forestry, Hunting, and Fishing Manufacturing Industry Mining, and Quarrying Electricity, Gas, and Water Building Wholesale, Retail, Restaurants, and Hotels
Textile & Clothing Industry 10.13% (1 403 065 worker)
20
Sumber : Badan Pusat Statistik (BPS)
Gambar 8 Tren Penyerapan Tenaga Kerja pada Industri TPT Periode Tahun 2006 sampai 2010
Penyerapan tenaga kerja pada industri TPT jika dilihat berdasarkan masing-masing subsektor terjadi fluktuasi setiap tahunnya namun tidak signifikan. Berdasarkan Gambar 9, terlihat bahwa subsektor industri TPT yang menyerap tenaga kerja terbesar adalah garment. Subsektor kedua yang menyerap tenaga kerja terbesar Fabric, yang diikuti selanjutnya oleh other textile, yarn, dan fiber. Subsektor garment merupakan subsektor pada industri TPT yang mengalami peningkatan secara signifikan selama periode tahun 2006 sampai dengan 2010.
Sumber : Badan Pusat Statistik (BPS)
Gambar 9 Tren Penyerapan Tenaga Kerja pada Subsektor Industri TPT Indonesia Periode Tahun 2006 sampai 2010
1050000 1100000 1150000 1200000 1250000 1300000 1350000 1400000 1450000 2006 2007 2008 2009 2010 0 100000 200000 300000 400000 500000 600000 2006 2007 2008 2009 2010
21 Analisis Dayasaing Komparatif dan Dinamika TPT Indonesia Dayasaing komparatif TPT Indonesia di Amerika Latin dapat diketahui dengan menggunakan metode RCA. TPT yang di ekspor Indonesia dapat dikategorikan memiliki keunggulan komparatif di atas rata-rata dunia atau memiliki dayasaing kuat jika nilai RCA lebih dari satu, sedangkan nilai RCA yang kurang dari satu menandakan bahwa TPT yang di ekspor Indonesia memiliki keunggulan komparatif di bawah rata-rata dunia atau memiliki dayasaing lemah. Hasil analisis RCA pada Tabel 2 menunjukkan bahwa TPT Indonesia memiliki keunggulan komparatif di atas rata-rata dunia atau memiliki dayasaing komparatif kuat di semua negara tujuan ekspor yang dianalisis. Hal ini dapat dilihat berdasarkan nilai rata-rata RCA yang bernilai lebih dari satu. Nilai rata-rata-rata-rata RCA yang lebih dari satu sudah cukup menggambarkan bahwa dayasaing TPT Indonesia kuat, meskipun pada tahun-tahun tertentu untuk beberapa negara terdapat nilai RCA yang kurang dari satu seperti pada Kolombia, Peru, Uruguay, dan Venezuela. Panama merupakan negara yang memiliki nilai rata-rata RCA tertinggi, namun selama empat tahun terakhir mengalami penurunan nilai RCA. Nilai rata-rata RCA terkecil adalah Kolombia, meskipun Kolombia memiliki nilai rata-rata RCA terkecil tetapi nilai RCA per tahun selama empat tahun terakhir mengalami peningkatan di Kolombia.
Tabel 2 Nilai RCA Tekstil dan Produk Tekstil Indonesia ke Amerika Latin Negara 2009 2010 2011 2012 2013 Rata - Rata
Brazil 1.07 1.34 1.35 1.51 1.39 1.33 Argentina 1.16 1.30 1.09 2.17 1.87 1.52 Colombia 0.95 0.04 0.06 0.12 4.09 1.05 Paraguay 1.16 2.05 1.25 2.79 2.34 1.92 Peru 1.99 1.43 0.81 2.00 1.71 1.59 Uruguay 1.63 1.44 1.18 0.96 0.63 1.17 Panama 4.70 5.53 5.09 4.47 3.54 4.67 Venezuela 0.89 3.20 0.59 3.23 3.13 2.21 Rata-Rata 1.69 2.04 1.43 2.15 2.34 1.93
Hasil analisis EPD pada Tabel 3 menunjukkan bahwa TPT Indonesia di Amerika Latin memiliki posisi pasar lost opportunity, falling star, dan rising star. Posisi pasar lost opportunity dari TPT Indonesia berada di Uruguay. Posisi lost opportunity ini mengindikasikan bahwa TPT Indonesia mengalami penurunan pangsa pasar ekspor pada pasar yang dinamis, artinya Indonesia kehilangan kesempatan dalam mengoptimalkan pasar yang dinamis untuk mendapatkan keuntungan. Posisi pasar falling star dari TPT Indonesia berada di Brazil. Posisi falling star ini menandakan bahwa terjadi pertumbuhan pangsa ekspor TPT Indonesia yang positif di negara tersebut, namun permintaan ekspor TPT di negara tersebut mengalami penurunan. Posisi pasar rising star dari TPT Indonesia berada di Argentina, Kolombia, Paraguay, Peru, Panama, dan Venezuela. Posisi rising star ini menandakan bahwa terjadi pertumbuhan pangsa pasar ekspor TPT Indonesia di negara tersebut dan terjadi pertumbuhan permintaan ekspor TPT di negara tersebut.
22
Berdasarkan penjelasan posisi pasar tersebut, maka pemerintah harus lebih memfokuskan ekspor TPT Indonesia ke Uruguay karena TPT Indonesia di negara tersebut menempati posisi lost opportunity. Pemerintah yang lebih memfokuskan pada pasar Uruguay diharapkan dapat mengoptimalkan keuntungan dari pasar Uruguay yang dinamis, sehingga kesempatan untuk memperoleh keuntungan dari pasar dinamis tersebut tidak hilang.
Tabel 3 Hasil EPD Produk Tekstil Indonesia ke Amerika Latin Negara Sumbu X Sumbu Y Posisi Pasar
Brazil 0.02 -0.04 Falling Star
Argentina 0.22 0.03 Rising Star
Kolombia 22.28 0.56 Rising Star
Paraguay 0.46 0.43 Rising Star
Peru 0.36 0.26 Rising Star
Uruguay -0.19 0.00 Lost Opportunity
Panama 0.63 0.76 Rising Star
Venezuela 3.78 0.99 Rising Star
Analisis Faktor-Faktor yang Memengaruhi Ekspor TPT Indonesia ke Amerika Latin
Pemilihan Model Terbaik
Analisis faktor-faktor yang memengaruhi ekspor TPT Indonesia ke Amerika Latin menggunakan model data panel. Pemilihan model terbaik untuk penelitian dilakukan dengan berdasarkan hasil uji Chow dan uji Hausman. Berdasarkan hasil uji Chow (Lampiran 4) terlihat bahwa nilai probabilitas lebih kecil dari taraf nyata lima persen, hal ini menandakan bahwa cukup bukti untuk menolak H0 sehingga Fixed Effect Model (FEM) merupakan model terbaik. Berdasarkan hasil uji Hausman (Lampiran 5) terlihat bahwa nilai probabilitas lebih kecil dari taraf nyata lima persen, hal ini menandakan bahwa cukup bukti untuk menolak H0 sehingga model yang terbaik adalah Fixed Effect Model (FEM).
Fixed Effect Model (FEM) merupakan model terbaik sehingga model ini digunakan dalam menganalisis faktor-faktor yang memengaruhi ekspor TPT Indonesia ke Amerika Latin. Uji kriteria statistik atau uji hipotesis juga dilakukan untuk memperoleh model terbaik. Uji yang dilakukan antara lain uji F dan uji t. Uji F bertujuan untuk melihat pengaruh variabel independen terhadap variabel dependennya secara keseluruhan. Uji F dapat dilihat dari besarnya probabilitas F statistics, pada Tabel 4 menunjukkan bahwa nilai probabilitas F statistics adalah sebesar 0.00 lebih kecil dari taraf nyata lima persen, sehingga dapat disimpulkan bahwa variabel independen secara keseluruhan berpengaruh signifikan terhadap variabel dependen.
Uji t bertujuan untuk mengetahui variabel independen secara individu berpengaruh signifikan atau tidak berpengaruh signifikan terhadap variabel dependen. Berdasarkan Tabel 4, terlihat bahwa nilai tukar tidak berpengaruh secara
23 signifikan terhadap nilai ekspor TPT Indonesia ke Amerika Latin. Variabel tarif impor dan GDP per kapita negara tujuan signifikan pada taraf nyata sepuluh persen, sedangkan variabel yang signifikan pada taraf nyata lima persen adalah populasi negara tujuan, dan jarak ekonomi.
Tabel 4 Hasil Estimasi Gravity Model Ekspor TPT Indonesia ke Amerika Latin
Variable Coefficient Std. Error t-Statistic Prob.
LNGDPCT 2.475209 1.495106 1.655541 0.1094* LNPOP 37.47880 8.232787 4.552383 0.0001** LNNT 0.117877 1.253619 0.094030 0.9258 TARIF -0.074362 0.037963 -1.958824 0.0605* LNJE -2.931301 1.269975 -2.308157 0.0289** C -614.8362 133.4789 -4.606242 0.0001** Effects Specification Cross-section fixed (dummy variables)
Weighted Statistics
R-squared 0.948519 Mean dependent var 26.38074
Adjusted R-squared 0.925639 S.D. dependent var 15.68629
S.E. of regression 0.874412 Sum squared resid 20.64410
F-statistic 41.45564 Durbin-watson stat 2.175138
Prob(F-statistic) 0.000000
Catatan : *) Signifikan pada taraf nyata 10% **) Signifikan pada taraf nyata 5%
Uji asumsi klasik pertama adalah melakukan uji heteroskedastisitas dengan melihat hasil Standardized Residual Graph. Hasil estimasi model menunjukkan bahwa grafik standar residual berfluktuatif secara teratur seperti grafik detak jantung (Lampiran 7), sehingga dapat disimpulkan bahwa tidak terjadi masalah heteroskedastisitas dalam model nilai ekspor TPT Indonesia ke Amerika Latin.
Kedua adalah melakukan uji multikolinearitas dengan melihat matriks korelasi antar variabel (Lampiran 8). Berdasarkan matriks tersebut, terlihat bahwa nilai korelasi parsial antar peubah bebas lebih kecil dari 0.8 (Spearman’s Rho Correlation) sehingga model terbebas dari masalah multikolinearitas. Ketiga adalah melakukan uji normalitas dengan c melihat nilai Jarque-Bera dan nilai probabilitas pada histogram normality test. Hasil pengujian menunjukkan bahwa nilai Jarque– Bera lebih besar dari α (0.83 > 0.05) dan nilai probabilitas yang juga lebih besar dari α (0.66 > 0.05) sehingga dapat disimpulkan bahwa model sudah memiliki error terms yang menyebar dengan normal.
Keempat adalah melakukan uji autokorelasi dengan cara melihat nilai statistik Durbin-Watson. Pada model nilai ekspor TPT Indonesia diperoleh nilai statistik Durbin-Watson sebesar 2.18. Nilai tersebut mendekati 2.00 sehingga dapat dikatakan bahwa model tidak mengalami pelanggaran autokorelasi.
24
Interpretasi Model
GDP per Kapita Negara Tujuan
Berdasarkan hasil estimasi terlihat bahwa nilai probabilitas dari variabel ini
mendekati taraf nyata 10 persen (0.11 ≈ 0.10) sehingga GDP per kapita negara
tujuan dianggap signifikan memengaruhi nilai ekspor TPT Indonesia ke negara tersebut, sedangkan koefisien dari GDP per kapita negara tujuan bertanda positif yaitu 2.475209 yang berarti kenaikan GDP per kapita negara tujuan sebesar 1 persen akan menyebabkan kenaikan nilai ekspor TPT Indonesia ke negara tersebut sebesar 2.48 persen. Hal ini sudah sesuai dengan hipotesis awal dan serupa dengan penelitian Ningsih (2013) dalam penelitian yang berjudul “Analisis Dayasaing dan
Faktor-Faktor yang Memengaruhi Permintaan Minyak Atsiri Indonesia di Negara
Tujuan Ekspor”.
Populasi
Hasil estimasi dari variabel populasi negara tujuan ekspor menunjukkan bahwa probabilitas dari variabel ini lebih kecil dari taraf nyata lima persen (0.00 < 0.05) yang berarti bahwa populasi negara tujuan ekspor signifikan memengaruhi nilai ekspor TPT Indonesia ke negara tersebut, sedangkan koefisien dari populasi negara tujuan ekspor memiliki tanda positif yaitu 37.47880 yang berarti bahwa kenaikan populasi negara tujuan ekspor sebesar 1 persen akan menyebabkan kenaikan nilai ekspor TPT Indonesia ke negara tersebut sebesar 37.48 persen. Hal ini sudah sesuai dengan hipotesis awal dan serupa dengan penelitian Dilanchiev (2012) dalam jurnal “Empirical Analysis of Georgian Trade Pattern: Gravity Model”.
Nilai Tukar
Berdasarkan hasil etimasi model terlihat bahwa variabel nilai tukar riil efektif tidak signifikan memengaruhi nilai ekspor TPT Indonesia ke negara tujuan ekspor karena probabilitas dari variabel ini lebih besar dari taraf nyata sepuluh persen (0.9258 > 0.1000). Variabel nilai tukar riil efektif tidak signifikan memengaruhi nilai ekspor dapat disebabkan oleh adanya penetapan nilai tukar oleh eksportir TPT Indonesia. Hal lain yang dapat menjadi penyebab adalah kebutuhan negara tujuan ekspor besar terhadap TPT Indonesia yang dilihat dari peningkatan nilai ekspor TPT Indonesia ke negara tujuan ekspor dari tahun 2009 sampai 2013. Tidak signifikannya variabel nilai tukar serupa dengan penelitian Ningsih (2013) yang
berjudul “Analisis Dayasaing dan Faktor-Faktor yang Memengaruhi Permintaan Minyak Atsiri Indonesia”.
Tarif
Berdasarkan hasil estimasi model terlihat bahwa nilai probabilitas dari variabel tarif impor negara tujuan ekspor lebih kecil dari taraf nyata sepuluh persen (0.06 < 0.10), sehingga dapat dikatakan bahwa variabel ini signifikan memengaruhi nilai ekspor TPT Indonesia ke negara tujuan ekspor yang berada di kawasan Amerika Latin. Koefisien dari variabel ini bertanda negatif yaitu -0.074362 yang berarti bahwa ketika terjadi kenaikan tarif impor di negara tujuan ekspor sebesar 1