4. Nilai Tukar
3.1.3. Model Regresi Panel Data
Istilah lain dari data panel adalah pooled data (penggabungan data time series dancross section),micro panel data (kombinasi studi atas dasar waktu dari berbagai variabel atau kelompok subyek),event history analysis (studi perubahan suatu subjek dengan syarat waktu), ataucohort analysis (studi jalur perkembangan karir dari sekelompok manajer). Keuntungan menggunakan data panel dalam model regresi dibandingkan hanya dengan datatime series atau hanya data cross section (Juanda 2007), 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 dibandingkan dengan studi berulang daricross section.
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.
Regresi data panel berbeda dengan regresi time series atau regresi cross section karena dalam regresi data panel setiap variabel mengandung subscript gandait. Rumus umum untuk regresi data panel sebagai berikut :
Yit = + xit + uit , i = 1,2, … , N ;t = 1,2, … , T
Dimana i menunjukkan rumah tangga, individu, perusahaan, negara dan sebagainya, sedangkan t menunjukkan waktu. Dimensi cross section ditandai olehi dan dimensi waktu ditandai oleht. adalah intersep, adalah slope dan xit merupakan explanatory variable pada pengamatan it. Menurut Abilava (2006) dalam Kartikasari (2008) dalam analisis model data panel dikenal tiga macam teknik estimasi, yakni pendekatan kuadrat terkecil (pooled least square), pendekatan efek tetap (fixed effect), dan pendekatan efek acak (random effect).
Teknik pendekatan paling sederhana dalam pengolahan data panel adalah dengan menggunakan metode kuadrat terkecil biasa yang diterapkan dalam data
gabungan antara cross section dan time series (pooled). Dalam pendekatan dengan metodepooled least square diasumsikan bahwa data gabungan yang ada, menunjukkan kondisi yang sesungguhnya. Hasil analisis regresi dianggap berlaku pada semua objek di semua waktu. Metode ini sering disebut dengan common effect. Kelemahan asumsi ini adalah ketidaksesuaian model dengan keadaan yang sesungguhnya. Kondisi setiap objek adalah berbeda satu sama lain, bahkan satu objek pada suatu waktu akan sangat berbeda dengan kondisi objek tersebut pada waktu yang lain. Oleh karena itu diperlukan suatu model yang dapat menunjukkan perbedaan konstan antar objek, meskipun dengan koefisien regresor yang sama.
Metodefixed effect dapat memperbaiki kelemahan yang ada pada metode common effect. Regresi fixed effect digunakan untuk menghilangkan variabel yang berbeda antara kasus masing-masing negara namun konstan sepanjang waktu. Variabel yang diubah adalah bersifat konstan sepanjang waktu namun berbeda tiap kasusnya. Untuk membedakan satu objek dengan objek yang lainnya, digunakan variabel semu (dummy). Oleh karena itu, model ini sering juga disebut denganLeast Square Dummy Variable atau disingkat LSDV.
Selain dengan metode fixed effect, regresi data panel dapat dilakukan dengan pendekatan metode random effect. Random effect digunakan untuk mengatasi kelemahan metode fixed effect yang menggunakan variabel semu, sehingga model mengalami ketidakpastian. Tanpa menggunakan variabel semu, metode random effect menggunakan residual yang diduga memiliki hubungan antar waktu dan antar objek. Namun untuk menganalisis dengan metoderandom effect ini ada satu syarat, yaitu objek data silang (cross section) harus lebih besar daripada banyaknya koefisien.
Menurut Abilava (2006) dalam Kartikasari (2008) keuntungan penggunaan data panel dalamgravity modeladalah :
1. Dapat mengidentifikasi karakteristik antar individu (daerah) yang melakukan perdagangan pada dimensi waktu yang berbeda.
2. Dapat diperoleh hasil estimasi yang lebih baik daripada dengan teknik OLS datatime series ataucross section saja.
20 3. Terjadi peningkatan derajat bebas dan mengurangi hubungan kolinear
antar variabel bebas.
4. Mengurangi masalah yang timbul dari penghilangan variabel yang relevan. 3.2. Kerangka Pemikiran Operasional
Buah-buahan saat ini sudah menjadi komoditas perdagangan yang tanpa batas. Namun, pangsa pasar buah-buahan Indonesia di pasaran internasional masih sangat kecil (Sunarjono 2005). Jenis buah-buahan yang diekspor dari Indonesia diantaranya pisang dan mangga. Terdapat berbagai kendala dalam mengekspor pisang dan mangga Indonesia ke pasar internasional. Kendala-kendala tersebut disebabkan oleh beberapa faktor. Untuk mengetahui apa saja faktor-faktor tersebut, maka dibutuhkan suatu gambaran umum tentang keadaan agribisnis pisang dan mangga Indonesia.
Potensi ekonomi negara tujuan dapat dilihat dari tiga indikator ekonominya, yaitu pendapatan per kapita, populasi dan nilai tukar terhadap dollar Amerika, sehingga diketahui negara mana yang memiliki potensi ekonomi terbesar. Dari informasi potensi ekonomi negara tujuan, dapat diprediksi negara tujuan ekspor yang memiliki potensi pasar yang terbesar untuk produk komoditi Indonesia. Oleh karena itu, penawaran ekspor komoditi Indonesia dapat diperluas, tidak hanya terpusat pada negara tujuan utama ekspor. Untuk itu perlu dilakukan penerobosan pasar alternatif terutama negara Eropa dan negara Timur Tengah lainnya.
Permintaan ekspor akan produk pisang dan mangga di berbagai negara menyebabkan terjadinya aliran perdagangan produk dari Indonesia sebagai negara pengekspor ke berbagai negara tujuan sebagai negara pengimpor. Untuk menganalisis aliran perdagangan ekspor pisang dan mangga ke berbagai negara tujuan ekspor digunakan persamaan yang menyertakan berbagai faktor gravity yang dinamakangravity model. Gravity model diterapkan terhadap faktor-faktor ekonomi dan non ekonomi untuk melihat hubungan dan pengaruhnya terhadap aliran perdagangan produk pisang dan mangga ke negara tujuan ekspor.
Variabel ekonomi yang digunakan untuk menggambarkan aliran perdagangan dalam penelitian ini adalah jumlah penduduk (populasi) negara tujuan ekspor, pendapatan per kapita negara tujuan, nilai tukar negara tujuan
terhadap dollar Amerika, harga komoditi di negara tujuan dan volume ekspor produk ke negara tujuan satu tahun sebelumnya. Sedangkan faktor non ekonomi adalah jarak antar kedua negara.
Untuk mengetahui variabel apa saja yang mempengaruhi aliran perdagangan pisang dan mangga Indonesia, maka perlu dilakukan analisis terhadap variabel yang diduga mempengaruhi aliran perdagangan pisang dan mangga. Pendugaan dilakukan dengan menggunakan persamaan regresi panel data yang menyertakan faktor gravity dalam bentuk persamaan logritma natural. Hasil estimasi yang dipilih adalah persamaan regresi yang memiliki R2 tertinggi dan memenuhi pengujian model dan uji hipotesis.
Secara umum, dalam penelitian ini akan mengkaji gambaran umum agribisnis pisang dn mangga Indonesia, potensi ekonomi negara-negara tujuan ekspor pisang dan mangga dilihat dari indikator ekonominya, dan menganalisis faktor-faktor (variabel) yang mempengaruhi aliran perdagangan pisang dan mangga ke berbagai negara tujuan ekspor, sehingga diharapkan hasilnya dapat digunakan sebagai upaya untuk meningkatkan volume dan pangsa pasar pisang dan mangga Indonesia. Bagan kerangka pemikiran operasional dapat dilihat pada Gambar 2.
22 Gambar 2. Kerangka Pemikiran Operasional
Ekspor Pisang dan Mangga sangat Fluktuatif, Kendala Internal dan Ekstenal, Potensi Ekspor
Gambaran Umum Agribisnis Pisang dan Mangga Indonesia Analisis Aliran Perdagangan Negara Tujuan Ekspor (Titik Konsumsi) Gravity Model 1. Pendapatan per kapita 2. Populasi 3. Jarak 4. Nilai tukar 5. Harga 6. Lag ekspor Potensi Ekonomi Negara Tujuan Ekspor