Bab II Tinjauan Pustaka dan Metodologi Penelitian
2.4 Metodologi Penelitian
Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari ASEAN, Eurostat, World Trade Organization (WTO), Trademap, WDI-Worldbank, dan Word Economic Forum (WEF) dan CEPII. Klasifikasi komoditas adalah berdasarkan BEC. BEC merupakan statistik perdagangan internasional yang mengklasifikasikan komoditas yang terdiri makanan (food) (BEC 1), industrial supplies (BEC 2), capital
equipment (BEC 4), transport equipment and parts and accessories thereof (BEC 5), dan consumer goods (BEC 6). Basis dari BEC adalah SITC (Standad International Trade
Classification). Lingkup penelitian ini meliputi keseluruhan kategori berdasarkan BEC kecuali kode BEC-3 Fuels and Lubricants. Data untuk menganalisis kinerja perdagangan diperoleh dari WITS, sedangkan variabel non ekonomi seperti indeks controll of
corruption, government effectiveness, politicall stability and absence of violence/terrorism, reguatory quality, dan rule of law diperoleh dari WDI (Worldwide
Governance Indicator).
2.4.2 METODE ANALISIS
Untuk menjawab pertanyaan penelitian di atas, kami menggunakan dua metode, yaitu: 1. Analisis Deskriptif
Analisis pendahuluan mengenai latar belakang dan gambaran ekonomi makro ASEAN, Uni Eropa, NAFTA, dan MERCOSUR dilakukan secara deskriptif dengan membandingkan beberapa variabel utama seperti: size ekonomi (GDP rill dan GDP per kapita), neraca perdagangan, serta investasi.
2. Indeks Perdagangan
Indeks perdagangan (RCA dan TII ) pada analisis ini digunakan untuk menganalisis fenomena perdagangan intra ASEAN. Dengan demikian diharapkan dapat diketahui kinerja produk-produk yang diperdagangkan antar negara ASEAN.
A. RCA (Revealed Comparative Advantage)
Puska KPI, BPPP, Kementerian Perdagangan 26
k k wj k wj k k ij k ij X X X X RCA / / ... ... 2.1Dimana X menunjukkan ekspor, k menyatakan klasifikasi komoditi, i menyatakan negara pengeskpor, j negara tujuan ekspor, dan w menyatakan dunia. Perlu dicatat bahwa negara mitra j dapat berupa bentuk ekonomi lainnya untuk menghitung RCA bilateral atau untuk menghitung RCA dalam lingkup regional maupun global. Nilai RCA antara 1 dan batas tak hingga menyatakan bahwa suatu produk dari negara i memiliki daya saing di negara j. Sedangkan nilai RCA kurang dari satu sampai batas nol menyatakan bahwa suatu produk tidak memiliki daya saing di negara j. Karena kisaran indeks tersebut tidak bisa dibandingkan antara dua sisi (antara indeks yang lebih dari satu dan kurang dari satu), maka indeks RCA dimodifikasi sedemikian sehingga indeks tersebut simetris pada batas nilai satu dengan menggunakan formula berikut ini:
1 1 RCA RCA RSCA ... 2.2
Dengan formula tersebut nilai indeks RCA yang lebih dari satu akan memiliki indeks RSCA bernilai positif, sedangkan RCA yang bernilai kurang dari satu akan memiliki indeks RSCA negatif.
B. TII (Trade Intensity Index)
Formula untuk menghitung Trade Intensity Index adalah sebagai berikut:
k ww k iw k wj k ij X X X X TII 2.3
Dimana X menunjukkan ekspor, k menunjukkan kelompok komoditas ekspor, i menunjukkan negara ekspor, j menunjukkan negara impor, dan w mengacu pada dunia. Indeks intensitas perdagangan berkisar dari nilai nol hingga tak terhingga. Nilai yang lebih besar dari satu menyimpulkan bahwa terdapat perdagangan yang intens antara Negara pengekspor dan negara mitra jika dibandingkan dengan perdagangan mereka dengan seluruh dunia.
Puska KPI, BPPP, Kementerian Perdagangan 27 3. Gravity Model
Analisis gravity model pada analisis ini menggunakan rujukan konstruksi persamaan pada penelitian Salim dan Kabir (2008) dimana untuk mengestimasi faktor-faktor yang mempengaruhi aliran perdagangan intra regional ASEAN dan Uni Eropa menggunakan persamaan sebagai berikut:
Dimana :
= Total Perdagangan bilateral (ekspor + impor)
ijt GDP ln = GDP eksportir it GDP ln = GDP importir
LnDist = Jarak antara kedua negara
CU = Dummy Currency Union
CLB = Dummy Common Land Border atau perbatasan
CL = Dummy Common Language
eit = Error
Dalam penelitian ini ukuran ekonomi pada persamaan impor jasa transportasi laut dan udara diproksi dengan PDB importir dan eksportir. Tingginya PDB negara importir mengindikasikan tingginya tingkat permintaan untuk jasa transportasi laut dan udara (yang diproduksi oleh domestik maupun impor), sedangkan tingginya PDB negara eksportir secara positif berhubungan dengan kemampuan untuk mengekspor lebih banyak jasa.
Jarak yang digunakan adalah jarak geografi. Jarak antara negara eksportir dan importir memiliki dampak negatif pada perdagangan barang, namun berdasarkan review dari literatur terdahulu hasil empiris untuk kasus sektor jasa bersifat ambigu (Walsh, 2006; Callaghan dan Uprasen, 2008). Beberapa penelitian menunjukkan sektor jasa relatif sedikit dipengaruhi oleh jarak daripada barang manufaktur maupun pertanian karena karakteristiknya yang intangible.
Sedangkan variabel jarak, continent, comlang_off (common languages off yaitu jika bahasa nasional digunakan oleh 20 persen populasi dari Negara tersebut), dan comlang_etno (common languages etnic yaitu jika satu bahasa digunakan sedikitnya 9 persen dari populasi) diperoleh dari CEPII’s distance database (http://www.cepii.fr/anglaisgraph/bdd/distance.htm).
it ij
jt it
it
ijt GDPy GDP dist CU CLB e
x 1ln 2 ln 3ln 4 5
ln
ijt
Y
Puska KPI, BPPP, Kementerian Perdagangan 28 Pengolahan data gravity model dilakukan dengan regresi data panel menggunakan bantuan software Microsoft Office Excel, STATA dan Eviews . Data panel menggunakan kombinasi data cross section dan time series. Implikasi yang diperoleh dari kombinasi tersebut adalah model data panel lebih efisien karena jumlah observasi lebih banyak. Disamping itu, penggunaan model data panel dapat mengurangi efek bias. Menurut Baltagi (2005), terdapat beberapa keunggulan dari data panel, yaitu: (1) mampu mengontrol heterogenitas individu, (2) memberikan lebih banyak informasi dan variasi, (3) mengurangi kolinearitas antar variable, (4) meningkatkan degree of
freedom sehingga lebih efisien, (5) lebih baik untuk study of dynamic adjustments, (6)
mampu mengidentifikasi dan mengukur efek yang secara sederhana tidak dapat diperoleh dari data cross section dan time series murni, dan (7) dapat menguji dan membangun model perilaku yang lebih kompleks. Namun demikian, analisis data panel memiliki beberapa keterbatasan yaitu: (1) disain dari survey panel, pengumpulan serta manajemen data, (2) gangguan dalam kesalahan pengamatan (measurement errors) karena respon yang tidak sesuai, (3) selektivitas yang meliputi self selectivity.
Dalam analisis data panel terdapat tiga macam pendekatan, yaitu Pooled Least
Square (PLS), Fixed Effect Model (FEM) dan Random Effect Model (REM). Masing-masing
analisis data panel diuraikan sebagai berikut: (1) Pooled Least Square Model merupakan metode estimasi model regresi data panel yang paling sederhana dengan asumsi
intercept dan koefisien slope yang konstan antarwaktu dan cross section (Common Effect). Pada dasarnya, PLS merupakan metode yang meminimumkan jumlah error
kuadrat sama seperti OLS, tetapi data yang digunakan bukan data time series saja atau
cross section saja melainkan data panel yang diterapkan dalam bentuk pooled. Model
yang digunakan yaitu yit αi + Xitβ + uit ; di mana αi bersifat konstan untuk semua observasi, atau αi = α.
Kelemahan PLS adalah dugaan parameter β akan bias karena tidak dapat membedakan observasi yang berbeda pada periode yang sama serta tidak dapat membedakan observasi yang sama pada periode yang berbeda, (2) Fixed Effect Model muncul ketika antara efek individu dan peubah penjelas memiliki korelasi dengan Xit
atau memiliki pola yang sifatnya tidak acak. Asumsi ini membuat komponen error dari efek individu dan waktu dapat menjadi bagian dari intersep, yaitu: Untuk one way komponen error: yit αi + λi + Xitβ + uit; sedangkan Untuk two way komponen error: yit
Puska KPI, BPPP, Kementerian Perdagangan 29
αi + λi + µt + Xitβ + uit, dan terakhir (3) Random Effect Model muncul ketika antara efek
individu dan regresor tidak ada korelasi. Asumsi ini membuat komponen error dari efek individu dan waktu dimasukkan ke dalam error. Untuk one way error component: yit αi
+ Xitβ + uit + λi; sedangkan untuk two way error component: yit αi + Xitβ + uit + λi + µt
Pemilihan metode estimasi untuk menentukan model pendekatan terbaik dalam pengolahan data panel dapat dilakukan melalui Uji Chow, Uji Hausman, dan Uji LM. Uji Chow atau Uji F-statistic adalah pengujian untuk memilih apakah model yang digunakan menggunakan model PLS atau FEM. Sedangkan Uji Hausman adalah pengujian statistik sebagai dasar pertimbangan dalam memilih untuk menggunakan FEM atau REM. Terakhir uji LM (Breusch-Pagan) adalah pengujian statistik sebagai dasar pertimbangan dalam memilih model PLS atau REM.
Jika model yang dipilih berdasarkan uji Hausman adalah REM maka estimasi dari model diasumsikan best linear unbiased estimator (BLUE) dan tidak perlu dilakukan pengujian terhadap 3 asumsi utama model BLUE (non multicolinearity, homokedasticity, dan non autocorrelation). Hal ini dikarenakan 2 alasan yaitu: (1) sifat data panel adalah bebas dari gejala multikolinearitas, dan (2) REM adalah model generalized least square (GLS) sehingga apabila estimasi menggunakan GLS secara otomatis akan terbebas dari gejala autokorelasi, dan bahkan terbebas dari gejala heterokedastisitas yang disebabkan variasi sisaannya yang konstan (Gujarati, 2004).
Puska KPI, BPPP, Kementerian Perdagangan 30
