Data yang digunakan dalam penelitian ini adalah data sekunder deret waktu (time series) beberapa tahun terakhir yaitu dari tahun 2004 sampai 2012. Jenis data yang digunakan ini meliputi data nilai total ekspor jasa penerbangan (penumpang) Indonesia, data nilai total ekspor jasa penerbangan (penumpang) Indonesia, data nilai total ekspor jasa penerbangan seluruh dunia dan data nilai total ekspor jasa dunia. Selanjutnya, juga terdapat data-data laporan keuangan beberapa maskapai penerbangan sepeti Garuda Indonesia, Malaysia Airlines, Singapore Airlines, Phillipines Airlines dan Thai Airlines. Untuk analisis permintaan industri jasa penerbangan digunakan data pertumbuhan populasi, PDB
17 riil, pertumbuhan pengeluaran RT, inflasi, jumlah armada, pertumbuhan ekspor, nilai tukar dan dummu krisis dari tahun 1981 sampai tahun 2012.
Data-data di atas diperoleh dari Kementrian Perhubungan Republik Indonesia, Badan Pusat Statistik, Bank Indonesia, ASEAN, Trademap, World Bank, International Air Transport Association (IATA), Garuda Indonesia, Malaysia Airlines, Singapore Airlines, Phillipines Airlines, dan Thai Airlines serta studi-studi literatur yang didapat dari buku dan jurnal yang berkaitan dengan penerbangan (air transport).
Tabel 5 Jenis data dan sumber data
No Jenis Data Sumber Data
1 2 3 4 5 6 7 8 9 10 11
Nilai ekspor jasa penerbangan nasional (US dollar) Nilai ekspor jasa nasional (US dollar)
Nilai ekspor jasa penerbangan dunia (US dollar) Nilai ekspor jasa dunia (US dollar)
Permintaan jasa penerbangan nasional (orang) Produk domestik bruto riil Indonesia (US dollar) Populasi Indonesia (orang)
Jumlah armada maskapai penerbangan nasional (unit) Inflasi (persen)
Konsumsi rumah tangga (US dollar) Harga avtur dalam negeri (rupiah/liter)
BI BI Trademap Trademap Kemenhub Worldbank BPS BPS BPS Worldbank Kemen. ESDM Metode Analisis Data
Analisis daya saing yang digunakan dalam penelitian ini terdiri dari analisis kuantitatif dan analisis kualitatif. Analisis kuantitatif dipakai untuk menjelaskan kekuatan daya saing komoditi yang dilakukan menggunakan RCA (Revealed Comparative Advantage). Lalu, analisis kualitatif dipakai untuk menjelaskan pengkajian potensi, kendala, dan peluang serta menganalisis faktor-faktor yang memengaruhi daya saing industri penerbangan dalam negeri yang akan dilakukan dengan menggunakan teori berlian Porter (Porter’s Diamond Theory).
Selanjutnya, analisis yang digunakan untuk mengetahui faktor-faktor yang memengaruhi permintaan jasa penerbangan nasional dilakukan dengan analisis regresi linier berganda.
Analisis Daya Saing Revealed Comparative Advantage (RCA)
Salah satu metode yang dapat digunakan untuk mengukur keunggulan komparatif di suatu negara ataupun wilayah adalah dengan menggunakan metode RCA atau Revealed Comparative Advantage. Konsep yang mendasari metode RCA ini yaitu perdagangan antar wilayah sebenarnya menunjukan atau memcerminkan keunggulan komparatif yang dimiliki oleh suatu wilayah. Variabel yang diukur dalam metode ini adalah kinerja ekspor suatu produk/jasa terhadap total ekspor suatu wilayah yang kemudian dibandingkan dengan pangsa nilai produk dalam perdagangan dunia.
RCA dijelaskan bahwa jika pangsa ekspor industri penerbangan di dalam total ekspor jasa dari suatu wilayah lebih besar dibandingkan pangsa pasar ekspor
18
jasa industri penerbangan di dalam total ekspor jasa dunia. Apabila nilai RCA lebih dari satu maka negara tersebut memiliki keunggulan komparatif (di atas rata-rata dunia) untuk industri jasa penerbangan. Sebaliknya jika nilai RCA lebih kecil dari satu, maka keunggulan komparatif negara tersebut di bidang industri jasa penerbangan rendah atau berdaya saing lemah.
Analisis keunggulan komparatif RCA pertama kali digunakan oleh seorang peneliti bernama Bale Balassa pada tahun 1965 yang meneliti mengenai pengaruh liberalisasi perdagangan luar negeri terhadap keunggulan komparatif hasil industri Amerika Serikat, Jepang, dan negara-negara Uni Eropa serta pada tahun 1997 untuk negara yang sama ditambah Kanada dan Swedia. Awalnya Balassa menggunakan dua konsep pemikiran yakni berdasarkan rasio impor dan ekspor, dan yang kedua berdasarkan prestasi ekspor relatif. Kemudian ia meninggalkan konsep pertama karena impor lebih peka terhadap tingkat perlindungan tarif. Balassa kemudian mengevaluasi prestasi ekspor masing-masing komoditi di negara-negara tertentu dengan membandingkan bagian relatif ekspor suatu negara dalam ekspor dunia untuk masing-masing komoditi dengan menggunakan RCA (Revealed Comparative Advantage).
Kinerja ekspor industri jasa penerbangan Indonesia terhadap total ekspor Indonesia ke pasar dunia selanjutnya dibandingkan dengan pangsa nilai ekspor jasa penerbangan dunia terhadap nilai total ekspor jasa dunia, menggunakan rumus RCA yakni:
RCAt = Keterangan:
RCAt : Keungulan Komparatif (daya saing) Indonesia tahun ke t Ft : Nilai ekspor industri jasa penerbangan Indonesia tahun
ke t (juta dollar Amerika)
St : Nilai total ekspor jasa Indonesia pada tahun ke t (juta dollar Amerika)
WFt : Nilai ekspor industri jasa penerbangan dunia tahun ke t (miliar dollar Amerika)
WSt : Nilai total ekspor jasa dunia tahun ke t (miliar dollar Amerika)
t : 2004, 2005,..., 2011, 2012
Jika RCA>1 maka negara tersebut lebih berspesialisasi produksi di kelompok komoditi bersangkutan. Negara tersebut memiliki keunggulan komparatif pada komoditi tersebut. Semakin besar nilai RCA, maka akan semakin kuat keunggulan komparatif yang dimilikinya. Jika RCA<1 maka sebaliknya wilayah tersebut tidak memiliki keunggulan komparatif pada komoditi tersebut.
Indeks RCA merupakan perbandingan antara nilai RCA tahun sekarang dengan nilai RCA tahun sebelumnya. Rumus indeks RCA adalah sebagai berikut:
Indeks RCAt =
19 Keterangan:
Indeks RCAt : Kinerja ekspor industri jasa penerbangan Indonesia periode ke t
RCAt : Nilai RCA tahun sekarang RCAt-1 : Nilai RCA tahun sebelumnya
Nilai indeks RCA berkisar dari angka nol sampai tidak hingga. Nilai indeks RCA yang sama dengan satu berarti tidak terjadi kenaikan RCA atau dengan kata lain kinerja ekspor industri jasa penerbangan di pasar internasional tahun sekarang sama dengan tahun sebelumnya. Nilai indeks RCA lebih kecil dari satu berarti terjadi penurunan RCA atau terjadi penurunan kinerja ekspor dimna ekspor industri jasa penerbangan di pasar internasional tahun sekarang lebih kecil dari tahun sebelumnya. Terakhir nilai indeks RCA yang lebih besar dari satu berarti terjadi peningkatan kinerja ekspor industri jasa penerbangan dimana ekspor industri jasa penerbangan di pasar internasional tahun sekarang lebih besar dari tahun sebelumnya
Analisis Daya Saing Porter’s Diamond Theory
Untuk mengukur keunggulan kompetitif suatu jenis komoditi, maka dianalisis menggunakan Porter’s Diamond Theory, metode teori Berlian Porter ini merupakan metode kualitatif yang menganalisis tiap komponen dalam teori berlian. Komponen – komponen tersebut antara lain:
a. Factor Condition (FC), yaitu keadaan faktor-faktor produksi dalam suatu industri seperti tenaga kerja dan infrastruktur.
b. Demand Condition (DC), yaitu keadaan permintaan atas barang dan jasa dalam negara.
c. Related and Supporting Industries (RSI), yaitu keadaan para penyalur dan industri lainnya yang saling mendukung dan berhubungan.
d. Firm Strategy, Structure and Rivalry (FSRS), yaitu strategi yang dianut perusahaan ada umumnya, struktur industri dan keadaan kompetisi dalam suatu industri domestik.
Selain dari empat komponen di atas, ada dua komponen lain yang berhubungan dengan teori berlian ini yaitu faktor pemerintah dan kesempatan. Keempat faktor utama dan dua faktor pendukung ini saling berinteraksi. Berdasarkan hasil analisis komponen penentu daya saing kita dapat menentukan komponen yang menjadi keunggulan dan kelemahan daya saing industri jasa penerbangan nasional. Keunggulan setiap faktor dalam komponen-komponen yang ada dalam teori Berlian Porter akan dilambangkan dengan positif (+), sedangkan kelemahan dalam masing-masing faktor tersebut dilambangkan dengan negatif (-). Hasil dari keseluruhan interaksi dari setiap komponen dan faktor pendukung daya saing ini sangat menentukan perkembangan yang dapat menjadi
competitive advantage (keunggulan kompetitif) dari industri jasa penerbangan nasional.
Secara umum, hubungan atau interaksi masing–masing komponen Porter’s
20
Sumber: Porter (1990)
Gambar 4 Porter’s Diamond Theory
Metode Regeresi Linier Berganda
Metode regresi linier berganda ini digunakan untuk melakukan analisis pada faktor-faktor yang memengaruhi permintaan terhadap jasa angkutan udara nasional dengan metode Ordinary Least Square (OLS) atau metode kuadrat terkecil biasa dengan asumsi-asumsi tertentu. Menurut Koutsoyianis (1977), terdapat beberapa kelebihan metode Ordinary Least Square (OLS) seperti berikut: 1. Hasil estimasi parameter yang diperoleh dengan metode OLS memiliki
beberapa kondisi optimal (BLUE).
2. Tata cara pengolahan data dengan metode Ordinary Least Square (OLS) relatif lebih mudah daripada metode ekonometrika lainnya, serta tidak membutuhkan data yang terlalu banyak.
3. Metode Ordinary Least Square (OLS) telah banyak digunakan dalam penelitian ekonomi dengan berbagai macam hubungan antar variabel dengan hasil yang memuaskan.
4. Mekanisme pengolahan data dengan metode OLS lebih mudah dipahami. 5. Metode OLS juga merupakan bagian dari kebanyakan metode ekonometrika
yang lain meskipun dengan penyesuaian di beberapa bagian.
Menurut Nachrowi et al (2003) beberapa sifat penduga yang utama agar metode OLS dapat digunakan adalah tidak bias, efisien dan varian minimum. Berdasarkan teori Gauss-Markov, asumsi-asumsi atau persyaratan yang melandasi estimasi koefisien regresi dengan metode OLS adalah sebagai berikut:
1. E(ui) = 0 atau E(ui) atau E(Yi) = β 1 + β2Xi
ui menyatakan variabel-variabel lain yang memengaruhi Yi akan tetapi tidak terwakili di dalam model.
2. Tidak ada korelasi antara ui dan uj {cov (ui , uj )= 0}; i≠j
3. Homoskedastisitas: yaitu besarnya varian ui sama atau car (ui) = σ2
untuk setiap i.
4. Kovarian antara ui dan Xi nol. {cov (ui,Xi ) )= 0}. Asumsi tersebut sama artinya bahwa tidak ada korelasi antara ui,Xi.
5. Model regresi dispesifikasikan secara benar. Hal – hal yang perlu diperhatikan adalah:
21 a. Model harus berpijak pada landasan teori.
b. Perhatikan variabel-variabel yang diperlukan. c. Bagaimana bentuk fungsinya.
Sifat yang dimiliki oleh estimator pada model regresi OLS dengan memenuhi asumsi-asumsi di atas adalah best linier unbiased estimator (BLUE). Ragam minimum (efisien) dan konsisten serta berasal dari model yang linier. Selain itu, nilai estimasi dari contoh akan mendekati nilai populasi.
Menurut Putong (2010) permintaan adalah banyaknya jumlah barang atau jasa yang diminta pada suatu pasar tertentu pada tingkat pendapatan tertentu dan dalam periode. Terdapat beberapa faktor yang dapat memengaruhi permintaan dari seseorang individu atau masyarakat terhadap suatu barang atau jasa yaitu: harga barang atau jasa, tingkat pendapatan/pendapatan rata-rata, jumlah penduduk/jumlah populasi, selera atau gengsi, ramalan/estimasi di masa yang akan datang, harga barang atau jasa lain/substitusi, distribusi, dan lainnya.
Hukum permintaan menjelaskan sifat hubungan antara permintaan suatu barang dengan tingkat harganya. Hukum permintaan merupakan suatu hipotesis yang menyatakan bahwa semakin rendah harga suatu barang maka semakin banyak permintaan terhadapnya. Sebaliknya, semakin tinggi harga suatu barang maka semakin sedikit permintaan terhadapnya.
Perloff (2008) menyatakan bahwa kurva permintaan akan bergerak naik seiring dengan meningkatnya pendapatan individu atau masyarakat. Dengan perubahan pendapatan dan harga dianggap konstan, dapat terlihat perubahan kuantitas permintaan karena peningkatan pendapatan. Kurva Engel menyimpulkan hubungan antara permintaan dan tingkat pendapatan dengan kondisi harga konstan. Efek pendapatan terhadap permintaan bisa positif dan negatif. Ketika barang dan jasa bersifat normal, maka efek pendapatan akan berdampak positif. Ketika barang dan jasa bersifat inferior, maka efek pendapatan berdampak negatif.
Sukirno (2008) menyatakan bahwa pertumbuhan penduduk tidak dengan sendirinya menyebabkan pertambahan permintaan. Tetapi biasanya pertambahan penduduk diikuti oleh perkembangan dalam kesempatan kerja. Dengan demikian lebih banyak orang yang menerima pendapatan dan ini menambah daya beli dalam masyarakat. Pertambahan daya beli akan menambah permintaan.
Dalam penelitian ini untuk menganalisis faktor-faktor yang memengaruhi permintaan terhadap industri jasa angkutan udara nasional, yang diperoleh dari penelitian dan jurnal sebelumnya, dapat dilihat dari pertumbuhan populasi, PDB, pengeluaran rumah tangga, inflasi, jumlah armada pesawat dalam negeri, nilai tukar, pertumbuhan ekspor, dan krisis.
Secara matematis faktor-faktor yang memengaruhi permintaan terhadap industri jasa angkutan udara nasional dapat ditulis sebagai berikut :
Dt = α0 + α1PDBt+ α2POPULASIt + α3ARMADAt - α4HARGA_AVTURt
–
α5INFLASIt + α6KONSUMSI_RTt - α7DUMMY98t + elt
Yang kemudian untuk menyamakan variabel yang digunakan di dalam persamaan, persamaan di atas diubah ke dalam bentuk double log menjadi :
22
Dt = α0 + α1LnPDBt+ α2LnPOPULASIt + α3LnARMADAt –
α4LnHARGA_AVTURt - α5INFLASIt + α6LnKONSUMSI_RTt – α7LnDUMMY98t + elt
Keterangan:
LnDt = jumlah permintaan terhadap jasa penerbangan nasional (orang)
LnPDB t = produk domestik bruto riil (dollar Amerika) LnPOPULASIt = pertumbuhan populasi (persen)
LnARMADA t = jumlah armada (unit)
LnHARGA_AVTUR t = harga avtur dalam negeri (rupiah/liter) INFLASI t = inflasi (%)
LnKONSUMSI_RT t = pengeluaran riil rumah angga (dollar Amerika)
DUMMY98t = dummy krisis El t = error / galat
Pengujian Parameter Persamaan Regresi
Untuk mendapatkan model yang baik, maka diperlukan untuk melakukan pengujia-pengujian sebagai berikut:
Uji Koefisien Determinan (R2)
Koefisien determinasi digunakan untuk mengukur seberapa besar total variasi variabel dependan yang mampu dijelaskan oleh model. R2 menunjukan besarnya pengaruh semua variabel independen terhadap dependen. Nilai R2 akan semakin besar sesuai dengan bertambahnya variabel yang dimasukan ke dalam model.
R-square = Keterangan:
RSS: Jumlah Kuadrat Terkecil TSS: Jumlah Kuadrat Total
Nilai koefisien determinasi yang digunakan adalah 0 < R2 < 1. Jika R2 = 1 berarti 100 persen keragaaman dalam variabel dependan dapat dijelaskan oleh variabel-variabel independennya. Sedangkan jika R2 = 0 berarti tidak satupun variabel-variabel independen yang dapat menjelaskan variabel dependennya. Selain nilai R2 terdapat juga nilai adjusted R2. Nilai ini digunakan untuk membandingkan 2 model dimana semakin besar nilai R2-adj maka semakin baik model tersebut. R2-adj dapat digunakan untuk membandingkan dua model karena nilai R2-adj sudah mengalami koreksi terhadap derajat bebas model sehingga dua model yang berbeda derajat bebasnya dapat dibandingkan secara adil.
23 Uji F dilakukan untuk mengetahui apakah semua variabel independen dalam model secara bersamaan berpengaruh terhadap variabel dependen. Pengujian ini dilakukan dengan menggunakan distribusi F dengan membandingkan antara nilai kritis F dengan nilai F-hitung yang terdapat dalam analisis.
Perumusan hipotesis:
H0: β1 = β2 = β3 = βk = 0, variabel independen secara simultan tidak berpengaruh signifikan terhadap variable dependen.
H1: β1 ≠ β2 ≠ β3 ≠ βk ≠ 0, variabel independen secara simultan berpengaruh signifikan terhadap variable dependen.
Uji statistik F dapat dihitung dengan formula: F hitung = R2/(k-1)
(1-R2/(n-k) Keterangan:
R2 : Jumlah kuadrat regresi (1 - R2) : Jumlah kuadrat sisa n : Jumlah pengamatan k : Jumlah parameter Kriteria uji:
Probability F-statistic < taraf nyata (α), maka tolak H0 dan simpulkan minimal ada variabel independen yang memengaruhi variabel dependen.
Probability F-statistic > taraf nyata (α), maka terima H0 dan simpulkan tidak ada variabel independen yang memengaruhi variabel dependen.
Uji t-statistik
Pengujian ini dilakukan untuk mengetahui tingkat signifikan variabel bebas atau untuk menguji secara statistik apakah regresi dari masing – masing variabel independen yang dipakai secara terpisah berpengaruh nyata atau tidak terhadap variabel dependen.
Hipotesis:
H0: βk = 0 (variabel independen k tidak memengaruhi variabel dependen) H1: βk ≠ 0 (variabel independen k memengaruhi variabel dependen)
Kriteria uji:
Probability t-statistic < (a), maka tolak H0 dan simpulkan variabel independen k berpengaruh secara signifikan terhadap variabel dependen.
Probability t-statistic > (a), maka terima H0 dan simpulkan variabel independen k tidak berpengaruh secara signifikan terhadap variabel dependen.
Uji Asumsi Klasik
Terdapat tiga asumsi yang harus diuji dalam analisis regresi, yaitu multikolinieritas, heteroskdastisitas dan autokorelasi. Selain itu ada uji normalitas untuk mengetahui apakah error term menyebar normal atau tidak.
24
Uji normalitas digunakan untuk melihat error term. Uji normalitas ini disebut Jarque-Bera Test (J-B) yang pengujiannya dilakukan pada error term
yang harus terdistribusi secara normal. Kriteria uji yang digunakan adalah: Hipotesis:
H0: error term terdistribusi normal H1: error term tidak terdistribusi normal Kriteria uji:
Jika nilai probabilitas > taraf nyata (α) maka terima H0 dan kesimpulannya
error term terdistribusi normal.
Jika nilai probabilitas < taraf nyata (α) maka tolak H0 dan kesimpulannya
error term tidakterdistribusi normal. Uji Multikolinearitas
Asumsi klasik yang harus dipenuhi dalam suatu model adalah tidak adanya gejala multikoliearitas di dalam model regresi. Multikoliniearitas adalah adanya korelasi yang kuat antar sesama variabel bebas (eksogen). Jika korelasinya kurang dari 0.8 (rule of tumbs 0.8) maka dapat disimpulkan bahwa tidak ada multikolinieritas. Tetapi jika nilai koefisien korelasinya lebih besar dari 0.8 maka dapat disimpulkan bahwa terdapat multikolinieritas dalam model. Uji Klein juga menambahkan bahwa jika nilai korelasi lebih kecil dari nilai R2, maka tidak terdapat multikolinieritas dalam model. Jika di dalam suatu model terdapat multikolinieritas yang sempurna maka akibatnya adalah akan diperoleh nilai R2 yang tinggi tetapi tidak ada koefisien variabel dugaan yang signfikan.
Uji Autokorelasi
Uji autokorelasi dilakukan untuk mendeteksi apakah terdapat hubungan diantara galat dalam persamaan regresi yang diperoleh. Uji yang digunakan dalam melihat adanya autokorelasi adalah dengan menggunakan uji Durbin Watson Statistic (D-W). Jika nilai statistik D-W berada pada kisaran angka dua, maka itu menunjukan bahwa tidak terdapatnya autokorelasi, dan begitu juga sebaliknya. Jika semakin jauh dari angka dua, maka akan terjadi peluang autokorelasi positif maupun negatif. Karena uji D-W memiliki kelemahan, maka dilakukan pengujian lain seperti uji Lagrange Multiplier Test. Kriteria uji yang digunakan untuk mendeteksi autokorelasi dengan uji Lagrange Multiplier, yaitu:
1. Jika nilai probabilitas pada Obs*R-Square > taraf nyata (α) yang digunakan, maka model persamaan yang digunakan tidak mengandung autokorelasi. 2. Jika nilai probabilitas pada Obs*R-Square < taraf nyata (α) yang digunakan,
maka model persamaan yang digunakan mengandung autokorelasi. Uji Heteroskedastisitas
Heteroskedastisitas terjadi ketika ragam galat tidak konstan. Gejala heteroskdastisitas yang terjadi pada model akan menunjukan bahwa model tersebut tidak memenuhi syarat. Suatu model dikatakan baik apabila memiliki ragam galat yang konstan. Untuk mengetahui gejala heteroskedastisitas, maka perlu dilakukan uji Breush-Pagan pada aplikasi E-views 6:
Hipotesis:
25 H1: Heteroskedastisitas
Kriteria Uji:
Jika p-value > taraf nyata (α) sebesar 5 persen maka terima H0 yang artinya ragam residual pada model homogen atau tidak ada heteroskedastisitas pada model.
Jika p-value < taraf nyata (α) sebesar 5 persen maka tolak H0 yang artinya ragam residual pada model heterogen atau ada heteroskedastisitas pada model.