Jenis data yang digunakan pada penelitian ini adalah data sekunder berupa data panel yaitu gabungan data deret lintang (cross section) dan data deret waktu (time series). Data cross section yang digunakan yaitu negara anggota AIFTA dengan data time series dari tahun 2005 sampai 2014. Data sekunder tersebut diperoleh dari UN Comtrade, World Bank, dan UNCTAD. Adapun data sekunder yang digunakan antara lain nilai dan volume ekspor Indonesia, nilai dan volume impor Indonesia, produk domestik bruto, nilai tukar nominal, indeks harga konsumen, serta jarak ekonomi.
Metode Analisis dan Pengolahan Data
Metode analisis yang digunakan pada penelitian ini adalah metode kuantitatif dan deskriptif. Metode kuantitatif digunakan untuk menganalisis kinerja perdagangan Indonesia di pasar AIFTA, tingkat integrasi perdagangan antara Indonesia dan negara AIFTA lainnya, pengaruh implementasi AIFTA, serta tingkat keberhasilan perdagangan Indonesia di pasar AIFTA. Sedangkan metode deskriptif digunakan untuk menjelaskan secara lebih rinci informasi-informasi yang terkandung dalam data hasil analisis. Adapun pengolahan data yang dilakukan menggunakan software Microsoft Excel 2010 dan Eviews 6.
Revealed Comparative Advantage
Metode Revealed Comparative Advantage (RCA) dapat digunakan untuk mengukur keunggulan komparatif suatu komoditas di suatu negara. RCA merupakan indeks yang menunjukkan daya saing suatu negara terhadap internasional secara kuantitatif. Pada penelitian ini, metode RCA digunakan untuk mengidentifikasi kinerja perdagangan Indonesia di pasar AIFTA melalui perhitungan daya saing komoditas unggulan. Metode ini didasarkan pada suatu konsep bahwa perdagangan antar wilayah sebenarnya menunjukkan keunggulan komparatif yang dimiliki suatu negara. Rumus dari nilai RCA sebagai berikut:
��� = � �
Keterangan :
Xi = Nilai ekspor komoditas i Indonesia ke AIFTA tahun ke-t (US$)
Xt = Nilai ekspor total Indonesia ke AIFTA tahun ke-t (US$)
Wi = Nilai ekspor komoditas i dunia ke AIFTA tahun ke-t (US$)
Indeks RCA dengan nilai yang sama dengan atau lebih dari 1 (RCA ≥ 1) mengindikasikan bahwa negara tersebut memiliki daya saing yang kuat pada suatu komoditi tertentu dibandingkan rata-rata dunia. Sebaliknya, jika nilai indeks kurang dari 1 (RCA < 1) maka negara tersebut tidak memiliki daya saing yang kuat pada suatu komoditi tertentu dibandingkan rata-rata dunia.
Export Product Dynamic
Metode Export Product Dynamic (EPD) dapat digunakan untuk memberikan gambaran yang baik mengenai daya saing suatu negara karena dapat mengukur posisi pasar dari komoditas suatu negara untuk tujuan pasar tertentu serta mampu membandingkan kinerja ekspor di antara negara-negara pesaing. Pada penelitian ini, metode EPD digunakan untuk mengidentifikasi kinerja perdagangan Indonesia di pasar AIFTA melalui perhitungan daya saing serta posisi pasar komoditas unggulan.
Tabel 3 Matriks posisi daya saing EPD Share of Country’s Export
in World Trade
Share of Product in World Trade Rising (Dynamic) Falling (Stagnant) Rising (Competitive) Falling (Non-competitive) Rising Star Lost Opportunity Falling Star Retreat Sumber: Esterhuizen (2006)
Pada metode EPD terdapat matriks yang menunjukkan kedinamisan komoditas suatu negara tertentu. Matriks tersebut terdiri atas daya tarik pasar yang dihitung berdasarkan pertumbuhan dari permintaan suatu produk untuk tujuan pasar tertentu dan informasi kekuatan bisnis yang dihitung berdasarkan pertumbuhan dari market share sebuah negara pada tujuan pasar tertentu. Matriks posisi daya saing EPD dapat dilihat pada Tabel 3.
Untuk mempermudah melihat posisi daya saing komoditas suatu negara, Tabel 3 dapat dikonversikan menjadi Gambar 10. Sumbu X pada kuadran ini menggambarkan peningkatan pangsa pasar ekspor suatu negara di perdagangan dunia atau disebut juga kekuatan bisnis, sedangkan sumbu Y pada kuadran ini menggambarkan peningkatan pangsa pasar komoditas di perdagangan dunia atau disebut juga daya tarik pasar.
Sumber: Esterhuizen (2006)
Gambar 10 Matriks Export Product Dynamic (EPD) X Y Retreat Rising Star Falling Star Lost Opportunity
Posisi pasar yang paling ideal atau yang paling diinginkan adalah Rising Star karena mempunyai pangsa pasar tertinggi pada produknya sekaligus pangsa pasar ekspor negara tersebut. Hal ini menunjukkan bahwa negara tersebut memliki pangsa pasar ekspor yang baik pada produk mereka yang tumbuh secara pesat. Selanjutnya posisi pasar Falling Star menunjukkan terjadinya peningkatan pangsa pasar ekspor pada produk yang stagnant. Posisi pasar Lost Opportunity menunjukkan terjadinya penurunan pangsa pasar ekspor pada produk yang dinamis. Sedangkan posisi pasar yang paling tidak disukai adalah Retreat karena memiliki pangsa pasar terendah baik pada produknya maupun ekspor negara tersebut.
Untuk menentukan kekuatan bisnis serta daya tarik pasar suatu komoditas sehingga dapat menentukan posisi daya saingnya, secara matematis metode EPD dirumuskan sebagai berikut :
Rumus sumbu x : Pertumbuhan pangsa pasar ekspor negara
∑ = � % −∑ = − � %
�
Rumus sumbu y : Pertumbuhan pangsa pasar produk
∑ �
� � % −
= ∑ = �� − � %
�
Dimana :
Xij = Nilai ekspor komoditas i Indonesia ke AIFTA tahun ke-t (US$)
Xt = Nilai ekspor total Indonesia ke AIFTA tahun ke-t (US$)
Wij = Nilai ekspor komoditas i dunia ke AIFTA tahun ke-t (US$)
Wt = Nilai ekspor total dunia ke AIFTA tahun ke-t (US$)
t = Tahun ke-t T = Jumlah tahun Intra Industry Trade Index
Intra Industry Trade (IIT) Index dapat digunakan untuk menganalisis tingkat integrasi dalam suatu kawasan, dimana integrasi tinggi menunjukkan kedekatan perdagangan di antara negara-negara di kawasan tersebut. Pada penelitian ini, Indeks IIT digunakan untuk menganalisis tingkat integrasi Indonesia dengan negara anggota AIFTA lainnya. Indeks IIT yang umum digunakan adalah Grubel-Lloyd Index dengan rumus sebagai berikut :
��� = ∑ +� − ∑ | −�|∑ +� � atau − ∑ | −�|
∑ +� �
Keterangan :
X = Nilai ekspor Indonesia ke AIFTA tahun ke-t (US$) M = Nilai impor Indonesia dari AIFTA tahun ke-t (US$)
Indkes IIT berada pada ukuran nilai antara 0 dan 100. Indeks IIT yang mendekati 0 menunjukkan aliran perdagangan bersifat inter-industri yang berarti
perdagangan negara tersebut hanya melibatkan satu pihak saja (ekspor atau impor saja). Sebaliknya, Indeks IIT yang mendekati 100 menunjukkan aliran perdagangan bersifat intra-industri yang berarti jumlah yang diekspor sama dengan jumlah yang diimpor untuk suatu produk di negara tersebut. Klasifikasi Indeks IIT secara lebih jelas dapat dilihat di Tabel 4.
Tabel 4 Klasifikasi Indeks IIT
Nilai Indeks IIT Klasifikasi
# 0 >0 – 24.99 25 – 49.99 50 – 74.99 75 – 99.99
Tidak terdapat aliran perdagangan
Tidak ada integrasi (perdagangan satu arah) Integrasi lemah
Integrasi sedang Integrasi kuat
Integrasi sangat kuat Sumber : Austria (2004)
Fungsi Permintaan Ekspor
Fungsi permintaan ekspor digunakan untuk menentukan faktor yang memengaruhi permintaan ekspor suatu negara. Teori tentang fungsi permintaan ekspor dikemukakan oleh Batiz dan Batiz (1994) yang berpendapat bahwa permintaan ekspor terutama dipengaruhi oleh harga riil dan pendapatan riil negara tujuan. Fungsi tersebut dapat dirumuskan dengan :
X X (q,Yd)
Dimana :
X = kuantitas permintaan ekspor negara tujuan
q = harga relatif (rasio harga barang di negara tujuan terhadap negara asal) Yd = pendapatan negara tujuan
Fungsi permintaan ekspor diestimasi dengan menggunakan metode panel data. Metode panel data merupakan metode yang digunakan untuk mengolah data panel, yaitu data cross section yang diobservasi berulang kali pada unit individu yang sama pada waktu yang berbeda. Menurut Verbeek (2004) dalam Firdaus (2011b), terdapat dua keuntungan penggunaan model data panel dibandingkan data cross section atau time series saja, yaitu :
1. Dengan mengkombinasikan data cross section dan data time series membuat jumlah observasi menjadi lebih besar. Dengan menggunakan data panel marginal effect dari peubah penjelas dilihat dari dua dimensi (individu dan waktu) sehingga parameter yang diestimasi akan lebih akurat dibandingkan dengan model lain.
2. Dapat mengidentifikasi dan mengukur efek lebih baik. Dengan menggunakan data panel heterogenitas individu dapat terkontrol. Data panel juga lebih baik dalam mempelajari perubahan dinamis (dynamics of adjustment).
Model regresi panel data umumnya terdiri dari tiga macam model, yaitu Pooled Least Square, Fixed Effect Model, dan Random Effect Model. Dalam pengolahan data panel terdapat beberapa kriteria pembobotan, yaitu no weighting,
Cross Section Weight, dan Seemingly Uncorrelated Regression (SUR). Metode ini mampu mengoreksi heteroskedastisitas serta autokorelasi antar unit cross section. Metode analisis panel data terdiri dari perumusan model, pemilihan model estimasi, uji kriteria, dan analisis hasil estimasi.
Untuk menganalisis pengaruh implementasi AIFTA terhadap perdagangan Indonesia digunakan variabel-variabel yang berpengaruh antara lain PDB riil per kapita, nilai tukar riil terhadap negara tujuan, harga ekspor, dan jarak ekonomi. Adapun implementasi AIFTA dijadikan sebagai dummy dalam model. Sehingga model awal yang digunakan dapat dirumuskan sebagai berikut :
EXit= β0+ β1GDPit+ β2RERit+ β3Pit+ β4DISTit+ β5FTAit+ εit
Dimana :
EXit = Nilai ekspor riil komoditas Indonesia ke negara i pada periode t
(US$)
GDPit = PDB per kapita riilnegara i pada periode t (US$)
RERit = Nilai tukar riil mata uang Indonesia terhadap mata uang negara
i pada periode t (Rp/LCU)
Pit = Harga ekspor komoditas Indonesia terhadap negara i pada periode t
(US$)
DISTit = Jarak ekonomi Indonesia ke negara i pada periode t (km)
FTAit = Variabel dummy implementasi AIFTA yang diberlakukan mulai
tahun 2010, nilai 1 diberikan untuk tahun setelah perjanjian diberlakukan dan nilai 0 diberikan untuk tahun sebelum perjanjian diberlakukan
it = error pada periode t
i = cross section 10 negara anggota AIFTA mitra dagang Indonesia t = time series tahun 2005 sampai 2014
Estimasi model akan ditransformasikan ke dalam bentuk ln (logaritma natural) agar dapat terhindar dari model yang bias. Sehingga model yang digunakan dapat dirumuskan sebagai berikut :
LN_EXit = β0 + β1LN_GDPit + β2LN_RERit + β3LN_Pit + β4LN_DISTit +
β5LN_FTAit + εit
Dimana :
LN_EXit = Nilai ekspor riil komoditas Indonesia ke negara i pada periode t
(%)
LN_GDPit = PDB per kapita riilnegara i pada periode t (%)
LN_RERit = Nilai tukar riil mata uang Indonesia terhadap mata uang negara i
pada periode t (%)
LN_Pit = Harga ekspor komoditas Indonesia terhadap negara i pada periode t
(%)
LN_DISTit = Jarak ekonomi Indonesia ke negara i pada periode t (%)
FTAit = Variabel dummy implementasi AIFTA yang diberlakukan mulai
diberlakukan dan nilai 0 diberikan untuk tahun sebelum perjanjian diberlakukan
it = error pada periode t
i = cross section 10 negara anggota AIFTA mitra dagang Indonesia t = time series tahun 2005 sampai 2014
Analisis dengan menggunakan model panel data dapat dilakukan dengan tiga macam pendekatan, yaitu :
1. Pendekatan Kuadrat Terkecil (Pooled Least Square)
Pooled Least Square (PLS) merupakan pendekatan model data panel yang paling sederhana, dimana pada metode ini model hanya mengkombinasikan semua data cross section dan time series lalu dilakukan pendugaan (pooling). Model ini tidak memperhatikan dimensi waktu maupun individu, sehingga dapat diasumsikan bahwa perilaku individu tidak berbeda untuk berbagai kurun waktu. Persamaan regresinya dapat dituliskan sebagai berikut :
Yit= β0+ β1Xit +uit Dimana : Yit = Variabel terikat Xit = Variabel bebas β0 = Intersep β1 = Slope uit = Error i = Individu ke-i t = Waktu ke-t
Model ini mengasumsikan bahwa nilai intersep masing-masing variabel adalah sama, selain itu juga mengasumsikan bahwa slope koefisien identik untuk semua unit cross section. Kelemahan pada pendekatan ini yaitu dugaan parameter β akan bias, hal ini disebabkan PLS tidak dapat membedakan observasi yang berbeda pada periode yang sama, atau tidak dapat membedakan observasi yang sama pada periode yang berbeda (Firdaus 2011b).
2. Pendekatan Efek Tetap (Fixed Effect Model)
Fixed Effect Model (FEM) merupakan pendekatan pada panel data yang mengatasi masalah pada PLS yaitu asumsi bahwa intersep dan slope dari persamaan regresi dianggap konstan baik antar individu maupun antar waktu.FEM digunakan dengan mempertimbangkan bahwa variabel- variabel yang dihilangkan dapat mengakibatkan perubahan dalam intersep- intersep cross section dan time series. Untuk memungkinkan perubahan intersep tersebut, maka ditambahkan variabel dummy ke dalam model yang selanjutnya akan diduga dengan model OLS (Ordinary Least Square) sehingga pendekatan ini dikenal pula dengan sebutan Least Square Dummy Variable (LSDV). Persamaan regresinya dapat ditulis sebagai berikut :
Yit= βXit +∑ �ni= iDt + it
Dimana :
Yit = Variabel terikat
αi = Intersep model yang berubah-ubah antar unit cross section
Xit = Variabel bebas
Dt = Peubah dummy
it = Error
i = Individu ke-i t = Waktu ke-t
Kelebihan model ini yaitu dapat menghasilkan dugaan parameter β yang tidak bias dan efisien. Tetapi model ini memiliki kelemahan yaitu jika jumlah unit observasinya besar maka terlihat cumbersome (Firdaus 2011b).
3. Pendekatan Efek Acak (Random Effect Model)
Random Effect Model (REM) merupakan pendekatan pada panel data yang mengatasi masalah pada FEM yaitu berkurangnya jumlah derajat bebas akibat memasukkan variabel dummy ke dalam model. Model ini disebut juga error component model karena pada model ini parameter yang berbeda antar individu maupun antar waktu dimasukkan ke dalam error. Persamaan regresi model ini dapat ditulis sebagai berikut :
Yit = α0+ βXit + it it = uit + Vit + Wit
Dimana :
uit~ N (0, u2) = Komponen cross section error
Vit ~ N (0, v2) = Komponen time series error
Wit ~ N (0, w2) = Komponen combinations error
Model ini mengasumsikan bahwa efek individu dan regresor tidak saling berkorelasi. Berbeda dengan FEM, pendekatan REM tidak mengurangi jumlah derajat bebas sehingga parameter hasil estimasi yang diperoleh semakin efisien dan model yang didapatkan akan semakin baik. Pemilihan model terbaik untuk analisis panel data dilakukan melalui beberapa pengujian, yaitu :
1. Pemilihan Model a. Chow Test
Chow test atau biasa disebut dengan uji statistik F merupakan pengujian statistik yang bertujuan memilih FEM atau PLS. Hipotesis dari uji ini yaitu :
H0 : Pooled Least Square
H1 : Fixed Effect Model
Uji dilakukan pada hasil estimasi FEM, jika p-value lebih kecil dari taraf nyata yang digunakan maka cukup bukti untuk melakukan
penolakan H0.Sehingga model yang digunakan adalah FEM, begitu
pula sebaliknya. b. Hausman Test
Hausman test merupakan uji untuk mengetahui mana yang lebih baik antara FEM dan REM. Hipotesis dari uji ini yaitu :
H0 : Random Effect Model
H1 : Fixed Effect Model
Uji dilakukan pada hasil estimasi REM, jika nilai statistik Chi-square hasil pengujian lebih besar dari Chi-square tabel maka cukup bukti untuk melakukan penolakan pada H0 sehingga pendekatan yang
digunakan adalah FEM, begitu pula sebaliknya. c. LM Test (The Breusch-Pagan LM Test)
LM Test digunakan untuk menguji mana yang lebih baik antara REM dan PLS. Hipotesis dari uji ini yaitu :
H0 : Pooled Least Square
H1 : Random Effect Model
Dasar penolakan H0 yaitu jika nilai LM hasil perhitungan lebih besar
dari Chi-square tabel maka cukup bukti untuk melakukan penolakan pada H0 sehingga model yang digunakan adalah REM, begitu pula
sebaliknya. 2. Uji Kesesuaian Model
a. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah error term mendekati distribusi normal atau tidak. Uji normalitas dilakukan menggunakan tes Jarque Bera, jika nilai probabilitasnya lebih besar dibandingkan dengan taraf nyata yang digunakan maka error term dalam model sudah menyebar normal.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mendeteksi ada atau tidaknya penyimpangan asumsi heteroskedastisitas yaitu adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Ada beberapa metode pengujian yang bisa digunakan diantaranya adalah Uji Park, Uji Glesjer, melihat pola grafik regresi, dan uji koefisien korelasi Spearman.
c. Uji Multikolinearitas
Uji Multikolinearitas digunakan untuk mendeteksi ada atau tidaknya penyimpangan asumsi multikolinearitas yaitu adanya hubungan linier antar variabel bebas. Suatu model dapat diindikasikan mengandung multikolinearitas apabila nilai R2 tinggi tetapi banyak variabel yang tidak signifikan. Untuk mengatasi multikolinearitas dapat dilakukan dengan cara menghilangkan variabel yang terdapat multikolinearitas, mentransformasikan data, dan menambahkan data atau variabel. d. Uji Autokorelasi
Uji Autokorelasi digunakan untuk mendeteksi ada atau tidaknya penyimpangan asumsi autokorelasi yaitu adanya korelasi antar residual untuk semua pengamatan. Autokorelasi dapat diketahui
dengan menggunakan uji Durbin Watson (DW test) dengan membandingkan DW statistik dengan DW tabel.
e. Uji Kriteria Ekonomi
Dalam suatu model hasil pengolahan akan dianalisis apakah telah memenuhi kriteria ekonomi dan dugaan hipotesis yang ada. Uji kriteria ekonomi dilakukan dengan melihat kesesuaian tanda dan besaran dari setiap koefisien dugaan yang telah diperoleh. Uji ini mensyaratkan tanda dan besaran yang terdapat pada koefisien dugaan sesuai dengan kriteria ekonomi yang ada.
Trade Projection Approach
Perhitungan koefisien estimasi dari fungsi permintaan ekspor telah diterapkan di beberapa penelitian mengenai perdagangan bebas. Menurut Pastore et al. (2009), estimasi parameter ini diperkirakan menjadi acuan untuk membandingkan potensi integrasi perjanjian perdagangan bebas. Estimasi tingkat keberhasilan integrasi perdagangan terhadap aliran perdagangan Indonesia di pasar AIFTA dapat dianalisis menggunakan trade projection approach. Analisis ini dihitung berdasarkan rasio perdagangan aktual dan perdagangan potensial. Perdagangan aktual merupakan jumlah perdagangan yang sebenarnya terjadi antara negara anggota AIFTA, sedangkan perdagangan potensial merupakan jumlah perdagangan yang mungkin terjadi jika negara anggota AIFTA dapat mencapai integrasi perdagangan. Persamaan yang digunakan berdasarkan Salim dan Kabir (2010) adalah sebagai berikut :
Integration success = � �� ���
� ��� ���
Jika rasio keberhasilan lebih dari 1 maka integrasi perdagangan dapat dikatakan mencapai keberhasilan, sebaliknya jika rasio keberhasilan kurang dari 1 maka integrasi perdagangan dikatakan belum mencapai keberhasilan terhadap perubahan aliran perdagangan.