Simpulan
Berdasarkan pembahasan bab sebelumnya, GDP per kapita Indonesia, GDP per kapita ASEAN+6 dan jarak merupakan variabel yang konstan berpengaruh signifikan terhadap total perdagangan bilateral. GDP per kapita Indonesia, GDP per kapita ASEAN+6 berpengaruh positif sementara jarak ekonomi berpengaruh negatif. Pengaruh dari port efficiency terhadap perdagangan bilateral Indonesia dengan negara-negara ASEAN+6 ialah signifikan positif. Hal ini dapat terlihat dari hasil analisis QPI dan LPI yang merupakan indikator proksi dari port efficiency. Maka dapat ditarik kesimpulan bahwa QPI (Quality of Port Infrastructure) dan Connectivity merupakan variabel yang signifikan mempengaruhi
port efficiency secara positif. LPI memberikan pengaruh yang signifikan positif pula, namun ketika LPI diestimasi dalam dimensi penyusunnya tidak semua komponen LPI signifikan. Logistik dan Tracking trace merupakan komponen LPI yang tidak signifikan,
Infrastructure, Timeliness serta Customs merupakan variabel-variabel yang signifikan memberikan pengaruh positif terhadap port efficiency. Sedangkan International Shipment
signifikan memberikan pengaruh negatif terhadap perdagangan bilateral. Sehingga variabel-variabel port efficiency yang mempengaruhi perdagangan bilateral Indonesia-ASEAN+6 ialah QPI, Connectivity, Infrastructure, Customs, International Shipment dan Timeliness
Saran
Berdasarkan hasil dari analisis yang dilakukan dalam penelitian ini, adapun saran yang dapat disampaikan ialah:
1. Kualitas pelabuhan Indonesia yang masih kalah jauh dengan Singapura dan Malaysia menuntuk pembangunan pelabuhan berkapasitas besar dengan standar pelayanan internasional, terutama di daerah-daerah strategis seperti Medan, Surabaya dan Makassar. Untuk dapat merealisasikan pembangunan tersebut pemerintah diharapkan membuka diri untuk masuknya investasi asing dalam pengelolaan pelabuhan di Indonesia. Hal ini tidak saja mempercepat proses pembangunan, tapi juga mendorong terciptanya transfer of knowledge dan teknlogi. 2. Selama ini biaya untuk jasa penggunaan pelabuhan Indonesia masih relatif mahal
jika dibandingkan dengan negara mitra dagang Indonesia lainnya, hal ini diakibatkan lamanya proses bongkar muat di pelabuhan Indonesia karena fasilitas pelabuhan yang buruk. Oleh karenanya pemerintah perlu menerapkan kebijakan untuk mendorong otoritas pelabuhan untuk mempercepat kegiatan bongkar muat.
36
3. Kondisi dermaga di pelabuhan Indonesia tidak memungkinkan banyak jumlah kapal untuk berlabuh secara bersamaan, akibatnya waktu tunggu untuk merapat di pelabuhan membengkakkan biaya transportasi yang harus ditanggung. Revitalisasi fasilitas pelabuhan berupa perluasan pergudangan, penambahan jumlah dramaga dan perbaikan kembali dermaga-dermaga yang kurang layak dapat memperpendek antrian kapal-kapal besar.
4. Pengurusan kepabeanan Indonesia masihlah berbasis manual, paper-based sehinnga membutuhkan biaya per transaksi yang lebih mahal. Mengikuti langkah Australia dalam penerapan modernisasi proses kepengurusan kepabeanan berupa paperless customs administration dirasa perlu bagi Indonesia. selain menghemat biaya per transaksi hal inipun dapat mengefisiensikan proses custom clearance di Indonesia. 5. Meningkatkan connectivity dengan negara-negara di kawasan ASEAN+6 adalah
keharusan demi menjaga dan meningkatkan hubungan antar negara. Peningkatan
connectivity dapat dicapai dengan memperkuat tiga pilar connectivity, yakni
physical connectivity yang dapat meningkatkan kinerja rantai pasokan, menghubungkan dan mengintegrasikan logistik, transportasi, energi dan infrastruktur telekomunikasi. Pilar kedua yakni institutional connectivity yang dapat memajukan kerja sama dalam hal peraturan dan prosedural serta mempererat ekonomi. Pilar terakhir ialah people-to-people connectivity yang bisa meningkatkan interkasi mobilitas dan kerjasama individual.
6. Penelitian selanjutnya diharapkan dapat menggunakan series yang lebih panjang agar dapat diestimasi dampak port efficiency dan GDP terhadap perdagangan yang lebih baik. Dapat pula melakukan analisis serupa dengan melihat moda transportasi lainnya, misalnya udara.
37
DAFTAR PUSTAKA
Achmad. 2011. Pengaruh Port Efficiency Dalam Perdagangan Bilateral
Indonesia-Uni Eropa Pendekatan Model Gravitasi.[skripsi]. Yogyakarta (ID): UGM. Alejandro, L, Amjadi A dan A. Yeats. 2010. Are Estimation Techniques Neutral to
Estimate Gravity Equation? An Application to The Impact of EMU on Thrid Countries Exports. Washington D.C.: U.S. International Trade Commission.
[BPS], 2012. Statistik Indonesia. Jakarta (ID): BPS
[ASEAN]. 2010. ASEAN Statisical yearbook 2010. Jakarta: ASEAN Secretariat. [ASEAN]. 2012. ASEAN Statisical Leaftet 2012. Jakarta: ASEAN Secretariat. [ATDAG]. 2013. Data [Internet]. Diakses melalui http://www.kemendag.go.id
[BPS], 2012. Buletin Statistik Perdagangan Luar Negeri Impor, Berbagai Edisi. Jakarta (ID): BPS.
[BPS], 2012. Bongkar Muat Barang Antar Pulau dan Luar Negeri di Pelabuhan Indonesia.
tersedia dari: http://www.bps.go.id/ statistik_bongkar_ muat_antar_pulau _dan_luar _negeri pelabuhan
Bennathan. 1979. Port Pricing Investment Policy for Developing Countries. New York. Oxford University Press.
Bustami. 2008. Buku Menuju Asean Economic Community 2015. Buku di akses dalam www.ditjenkpi.kemendag.go.id.
Clark, X, D Dollar and A Micco, 2001. Maritime Transport Cost and Port Efficiency. Journal of Development Economics 75, 417-450.
Clark, X, D Dollar and A Micco. 2004. Port Efficiency, Maritime Transportation Cost, and Bilateral
Trade.Journal of Development Economics
[DJPEN]. 2012. Statistik Perdagangan Luar Negeri Indonesia. Diakses melalui http://www.djpen.kemndag.go.id
Dollar, D. 2001. Trade, Growth and Poverty, World Bank Working Paper Series No. 2615, The World Bank, Washington, DC.
Enders, W. 1948. Applied Econotric Time Series.Second Edition. John Willey & Sons, Inc.
Ferdinand, 2000. Kontribusi Armada Transportasi Laur Nasional dalam Menunjang Pertumbuhan Ekonomi Nasional. Warta Penelitian, Departemen Perhubungan, Jakarta.
Fitzsimons, E, V Hogan, and P Neary. 1999. Expaining the Volume of North-South Trade in Ireland: A Gravity Model Approach. Economic and Social Review. 30(4): 381-401 Gujarati, N. 2003. Basic Econometrics. Fourth Edition. New York: McGraw Hill.
Head, 2003. Gravity for Beginners. Mimeo: University of Columbia.
Hummels, D. 2001, Time as a Trade Barrier, Working Paper, Purdue University, West Lafayette, Indiana.
Hummels, D. 2007. Transportation Cost and International Trade in The Second Era of Globalization. Journal of Economics Perspective.21: 131-154.
[International PSA]. 2013. News Release 2013. Diakses melalui http://www.internationalpsa.com /psanews/pdf/nr140108.pdf
38
[ITPC BUSAN]. 2013. Data [Internet]. Diakses melalui http://www.itpc.or.kr/
[Kemendag RI]. 2012. Perkembangan Ekspor dan Impor Indonesia dengan ASEAN+6.
Diakses melalui http://www.kemendag. go.id/statistik_ perkembangan_ekspor _impor_indonesia
[Kemenperin RI]. Daya Saing Logistik Rendah [Internet]. Diakses melalui http://www.kemenperin.go.id/artikel/8799/Daya-Saing-Logistik-Rendah
Krugman, R, dan Obstfeld. 2009. International Economics: Theory and Policy. New York: Addison-Wesley.
Kuncoro, 2007. Indonesia, Pemain atau Penonton AEC? Harian Seputar Indonesia.
Limao, N., Venables, A. J, 2001. Infrastructure, Geographical Disadvantage and Transport Cost. The World Bank Economic Review 15 (3), 451-479.
Mankiw, N. 2000. Macroeconomics, Fourth Edition. New York: Work Publisher.Inc.
Martinez-Zarzoso, dan Suarez-Burguet, C. 2004. How Important are Transport Costs for Internatonal Trade? An Empirical Study for Spanish Exporting Sectors. International Association of Maritime Economists – IAME Annual Conference 2004 Proceedings, Volume I, Dokuz Eylul Publications, 597-608.
Nordas, 2009. Infrastructure and Trade.World Trade Organization.
Octaviani R. Novianti T. 2009. Teori Perdagangan Internasional dan Aplikasinya di Indonesia Bagian I. Bogor (ID): Departemen Ilmu Ekonomi IPB.
[OECD]. 2002. Business Benefits of Trade Facilitation, TD/TC/WP(2001) 21/Final, OECD, Paris.
Panggabean, G. 2013. Ekonomi Biaya Tinggi pada Sektor Logistik di Pelabuhan Belawan Medan. Jakarta: KPPU.
Sanchez, R.J. , J. Hoffmann, A. Micco, G.V. Pizzolitto, M. Sgut, dan G. Wilmsmeier.2003. Port Efficiency and International rade: Port Efficiency as a
determinant of Maritime Transport Cost. Journal of Maritime Economics and Logistics 5, 199-218.
Tongzon, J. dan Trujillo, L. 2005. Port Privatization, Efficiency and Competitiveness: Some Empirical Evidence From Container Ports (terminal). Journal of
Development Economics
[UNCTAD]. 2012. Review of Maritime Transport 20.UNCTAD: Geneva.
Wilson, J.S, Bagai and C. Fink (2003), Reducing Trading Cost in a New Era of Security, chapter 5 in Global Economic Prospects 2004- Realizing tha Development Promise od the Doha Agenda, The world Bank, Washington, DC.
[World Bank]. 2012. World Development Indicators. Diakses melalui http://data.worldbank.org/data-catalog/world-development-indikators [World Bank]. 2012. Data [internet]. Diakses melalui
http://data.worldbank.org/indikator/
[WEF]. 2014. The Global Competitiveness Report 2013-2014. Klaus Schwab. [internet]. Diakses melalui http://www.weforum.org/reports/global-competitiveness-report-2013-2014
[WEO]. 2013. World Economic Outlook 2013. Diakses melalui http://world-economic-outlook.findthedata.org/
39
Lampiran 1 Hasil Uji Ekonometrika Hasil Uji Chow Model 1
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 1137.59441 (11.57) 0.0000
Hasil Uji Hausmann Model 1
Correlated Random Effects - Hausman Test Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 0.000000 3 1.0000
* Cross-section test variance is invalid. Hausman statistic set to zero.
Hasil Uji Chow Model 2
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 756.975140 (11.59) 0.0000
Hasil Uji Hausmann Model 2
Correlated Random Effects - Hausman Test Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 0.133893 1 0.7144
Cross-section random effects test comparisons:
40
QPI 0.520116 0.543528 0.004094 0.7144
Hasil Uji Chow Model 3
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 604.845747 (11.20) 0.0000
Hasil Uji Hausmann Model 3
Correlated Random Effects - Hausman Test Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 0.000000 4
1.000 0 * Cross-section test variance is invalid. Hausman statistic set to zero.
** WARNING: robust standard errors may not be consistent with assumptions of Hausman test variance calculation.
41
Lampiran 2 Hasil Estimasi Model Hasil Estimasi FEM Model 1 Dependent Variable: LNXM
Method: Panel EGLS (Cross-section weights) Date: 04/18/14 Time: 08:34
Sample: 2007 2012 Periods included: 6
Cross-sections included: 12
Total panel (balanced) observations: 72
Linear estimation after one-step weighting matrix
White cross-section standard errors & covariance (d.f. corrected)
Variable Coefficient Std. Error t-Statistic Prob.
LNGDPJ 0.695716 0.259535 2.680628 0.0096
LNGDPI 0.918627 0.097352 9.436183 0.0000
DISTEK -0.344769 0.164670 -2.093701 0.0407
C 2.253957 1.832141 1.230232 0.2237
Effects Specification Cross-section fixed (dummy variables) (Lanjutan Lampiran 3.)
Weighted Statistics
R-squared 0.997216 Mean dependent var 24.68421
Adjusted R-squared 0.996533 S.D. dependent var 12.52172 S.E. of regression 0.220988 Sum squared resid 2.783642 F-statistic 1458.561 Durbin-Watson stat 1.710232 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.987651 Mean dependent var 12.07345
42
Hasil Estimasi FEM Model 2 Dependent Variable: LNXM
Method: Panel EGLS (Cross-section weights) Date: 04/18/14 Time: 18:31
Sample: 2007 2012 Periods included: 6
Cross-sections included: 12
Total panel (balanced) observations: 72
Linear estimation after one-step weighting matrix
White cross-section standard errors & covariance (d.f. corrected) WARNING: estimated coefficient covariance matrix is of reduced rank
Variable Coefficient Std. Error t-Statistic Prob.
LNGDPJ 0.979920 0.033558 29.20052 0.0000 LNGDPI 0.954882 0.111312 8.578437 0.0000 DISTEK -4.162871 0.130518 -31.89490 0.0000 QPI 0.620396 0.041894 14.80852 0.0000 CONNECTIVITY 0.005481 0.001535 -3.569590 0.0007 C -1.018961 0.922116 -1.105025 0.2732 Weighted Statistics
R-squared 0.866285 Mean dependent var 24.21145 Adjusted R-squared 0.856155 S.D. dependent var 18.78272 S.E. of regression 1.057855 Sum squared resid 73.85771 F-statistic 85.51759 Durbin-Watson stat 0.270045 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.486766 Mean dependent var 12.07345 Sum squared resid 121.3858 Durbin-Watson stat 0.059148
43
Hasil Estimasi Model 3
Dependent Variable: LNXM
Method: Panel EGLS (Cross-section weights) Date: 04/18/14 Time: 10:48
Sample: 2007 2009 Periods included: 3 Cross-sections included: 12
Total panel (balanced) observations: 36
Linear estimation after one-step weighting matrix
White cross-section standard errors & covariance (d.f. corrected) WARNING: estimated coefficient covariance matrix is of reduced rank
Variable Coefficient Std. Error t-Statistic Prob.
LNGDPJ 0.760715 0.009135 83.27214 0.0000 LNGDPI 1.009569 0.056667 17.81567 0.0000 DISTEK -4.058057 0.387868 -10.46247 0.0000 CUSTOMS 0.618917 0.282888 2.187851 0.0379 INFRASTRUCTRE 0.433590 0.220058 1.970346 0.0495 LOGISTIK 0.662351 0.486683 1.360950 0.9752 PRICED SHIPMENTS -0.224279 0.353890 -0.633752 0.0318 TIMELINESS 1.114980 0.768578 1.450705 0.0488 TRACKINGTRACE 1.050639 0.185837 -5.653552 0.8789 C -2.807947 0.781914 -3.591118 0.0013 Weighted Statistics
R-squared 0.967388 Mean dependent var 28.17401
Adjusted R-squared 0.956099 S.D. dependent var 23.00269 S.E. of regression 1.154117 Sum squared resid 34.63165
F-statistic 85.69449 Durbin-Watson stat 1.620679
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.442135 Mean dependent var 12.12080
44
Lampiran 3 Hasil Uji Klasik
Hasil Uji Normalitas Model 1
Hasil Uji Heteroskedastisitas Model 1
Hasil Uji Normalitas Model 2
0 2 4 6 8 10 -0.4 -0.2 -0.0 0.2 0.4
Series: Standardized Residuals Sample 2007 2012 Observations 72 Mean 2.58e-17 Median -0.020817 Maximum 0.448518 Minimum -0.391644 Std. Dev. 0.198006 Skewness 0.023962 Kurtosis 2.461571 Jarque-Bera 0.876609 Probability 0.645129 -2 -1 0 1 2 3 10 20 30 40 50 60 70 Standardized Residuals 0 2 4 6 8 10 12 -2 -1 0 1 2 3
Series: Standardized Residuals Sample 2007 2012 Observations 72 Mean -0.054754 Median 0.248609 Maximum 2.928937 Minimum -2.347170 Std. Dev. 1.179295 Skewness -0.115550 Kurtosis 2.142368 Jarque-Bera 2.366819 Probability 0.306233
45
Hasil Uji Heteroskedastisitas Model 2
Hasil Uji Normalitas Model 3
Hasil Uji Heteroskedastisitas Model 3
-2 -1 0 1 2 3 10 20 30 40 50 60 70
Standardiz ed Res iduals
0 1 2 3 4 5 6 7 8 -2 -1 0 1 2
Series: Standardized Residuals Sample 2007 2009 Observations 36 Mean -0.150561 Median -0.158059 Maximum 1.927154 Minimum -2.231430 Std. Dev. 0.982934 Skewness -0.296466 Kurtosis 2.341808 Jarque-Bera 1.177176 Probability 0.555110 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 5 10 15 20 25 30 35
46