35
III. METODE PENELITIAN
3.1
Sumber Data dan Definisi Operasional Sumber data pada penelitian ini berasal dari COMTRADE (Commodity
Trade Statistics Database), WDI (World Development Indicator), GCR (Global Competitiveness Report), dan DB-WB (Doing Business – World Bank) dengan frekuensi tahunan. Periode data yang digunakan dalam penelitian antara tahun 2006 sampai dengan 2009. Penelitian ini menggunakan panel data statis dengan meneliti negara-negara ASEAN dan Asia Timur. Negara-negara ASEAN diwakili oleh Indonesia, Malaysia, Philipina, Thailand, Singapura dan Vietnam. Sedangkan negara-negara Asia Timur diwakili oleh China, Jepang, Hongkong dan Korea Selatan. Pengukuran setiap variabel yang terlibat dalam analisis, akan dibahas definisi operasional. Definisi operasional adalah aspek yang memberikan informasi tentang bagaimana cara mengukur suatu variabel. Definisi operasional dari masing-masing variabel yang digunakan dalam penelitian ini adalah: 1. Nilai tukar perdagangan neto (net barter terms of trade): dihitung berdasarkan formula indeks nilai ekspor dibagi indeks nilai impor. Tahun dasar 2000. Sumber data berasal dari World Development Indicators (2010). 2. Indeks nilai ekspor : nilai ekspor untuk low- dan middle-income economies dari series indeks nilai UNCTAD dan untuk untuk high-income economies dari data nilai ekspor di bagi deflator harga perdagangan IMF. Tahun dasar 2000. Sumber data berasal dari World Development Indicators (2010). 3. Indeks nilai impor : nilai impor untuk low- dan middle-income economies dari series indeks nilai UNCTAD dan untuk high-income economies dari data nilai impor di bagi deflator harga perdagangan IMF.
Tahun dasar 2000.
Sumber data berasal dari World Development Indicators (2010). 4. Indeks kualitas infrastruktur (skor 1 sampai dengan 7). Indeks mengukur persepsi pelaku bisnis tentang infrastruktur umum di negara masing-masing. Untuk
menghitung
skor
infrastruktur
suatu
negara,
variabel
yang
dipertimbangkan meliputi panjang jalan kereta api, kualitas jalan, dan jalur air bernavigasi di setiap negara. Ukuran yang dipakai disesuaikan dengan jumlah
36
penduduk masing-masing negara. Dipertimbangkan juga jumlah dan kualitas bandara (transportsai udara), pelabuhan, kendaraan bermotor, telepon, penyedia layanan Internet, dan ponsel per kapita. Sumber data berasal dari Global Competitiveness Report (2010). 5. Biaya ekspor per kontainer (USD). Biaya ini diukur dengan biaya yang dikenakan pada sebuah kontainer 20 feet dalam dolar Amerika Serikat. Termasuk semua biaya yang terkait dengan penyelesaian prosedur ekspor barang. Dalam hal ini termasuk biaya untuk dokumen, biaya administratif untuk kepabeanan dan pengawasan teknis, biaya bea pialang, biaya penanganan terminal dan transportasi darat. Biaya tidak termasuk tarif atau pajak perdagangan. Hanya biaya resmi yang dicatat. Asumsi tentang barang yang diperdagangkan : a. Pengiriman produk yang diperdagangkan di kargo-kering, 20-feet, beban kontainer penuh. b. Produk tidak berbahaya juga tidak termasuk barang-barang militer; Tidak memerlukan pendinginan atau lingkungan khusus lainnya; tidak memerlukan standar keamanan khusus phytosanitary atau lingkungan lainnya sesuai standar internasional. Sumber data berasal dari Doing Business – World Bank (2010). 6. Biaya impor per kontainer (USD). Biaya ini diukur dengan biaya yang dikenakan pada sebuah kontainer 20 feet dalam dolar AS. Termasuk biaya yang terkait dengan penyelesaian prosedur impor barang. Dalam hal ini termasuk biaya untuk dokumen, biaya administratif untuk kepabeanan dan pengawasan teknis, biaya bea pialang, biaya terminal penanganan dan transportasi darat. Biaya tidak termasuk tarif atau pajak perdagangan. Hanya biaya resmi dicatat. Sumber data berasal dari Doing Business – World Bank (2010). 7. Waktu ekspor. Waktu dicatat dalam hari kalender. Perhitungan waktu untuk suatu prosedur dimulai dari awal (pengurusan dokumen ekspor) sampai selesai (barang diterima di tempat tujuan). Jika suatu prosedur dapat dipercepat dengan biaya tambahan, prosedur resmi tercepat yang dipilih. Diasumsikan bahwa baik eksportir maupun importir berkomitmen untuk menyelesaikan
37
setiap prosedur tepat waktu tanpa penundaan. Prosedur yang dapat diselesaikan secara paralel diukur secara simultan. Waktu tunggu antar prosedur - misalnya, selama pembongkaran kargo - termasuk dalam waktu yang diukur. Sumber data berasal dari Doing Business – World Bank (2010). 8. Waktu impor. Waktu dicatat dalam hari kalender. Perhitungan waktu untuk suatu prosedur impor dimulai dari saat awal (pengurusan dokumen impor) sampai selesai (barang diterima di tempat tujuan). Jika prosedur dapat dipercepat dengan biaya tambahan, prosedur resmi tercepat yang dipilih. Diasumsikan bahwa baik eksportir maupun importir berkomitmen untuk menyelesaikan setiap prosedur dengan tepat waktu tanpa penundaan. Prosedur yang dapat diselesaikan secara paralel diukur secara simultan. Waktu tunggu antar prosedur – misalnya selama pembongkaran kargo, termasuk dalam waktu yang ukur. Sumber data berasal dari Doing Business – World Bank (2010). 9. Pengguna internet (per 100 orang) : Pengguna internet adalah orang-orang yang melakukan akses ke jaringan internet di seluruh dunia. Sumber data berasal dari World Development Indicators (2010). 10. Ekspor barang teknologi informasi komunikasi (% dari total ekspor). Barang teknologi informasi komunikasi yang dimaksud adalah alat telekomunikasi, audio dan video, komputer dan peralatan terkait; komponen elektronik, dan barang teknologi komunikasi informasi lainnya kecuali software. Sumber data berasal dari World Development Indicators (2010). 11. Impor barang teknologi informasi komunikasi (% dari total impor). Barang impor teknologi informasi komunikasi yang dimaksud adalah peralatan telekomunikasi, audio dan video, komputer dan peralatan terkait; komponen elektronik, dan barang teknologi komunikasi informasi lainnya. Kecuali software.
3.2
Analisis Deskriptif Analisis ini digunakan untuk menggambarkan kondisi terkini keadaan
masing-masing negara dalam penelitian. Indikator yang dibahas adalah indikator terkait yang digunakan dalam penelitian ini. Analisis deskriptif juga menyajikan
38
pola data yang diteliti. Hasil analisis deskriptif secara rinci terdapat dalam bab IV Gambaran Umum.
3.3
Panel Data Statis Metode panel data statis digunakan untuk menganalisis pengaruh
infrastruktur transportasi dan teknologi informasi komunikasi terhadap nilai tukar perdagangan. Baltagi (2005) mengungkapkan bahwa penggunaan data panel memberikan banyak keuntungan, antara lain: 1. Mampu mengontrol heterogenitas individu. Dengan metode ini estimasi yang dilakukan dapat secara eksplisit memasukkan unsur heterogenitas individu. 2. Dengan mengkombinasikan data time series dan cross section, data panel dapat memberikan data yang informatif, mengurangi kolinearitas antar peubah, meningkatkan derajat kebebasan dan lebih efisien. 3. Lebih baik untuk studi dynamics of adjustment. Karena berkaitan dengan observasi cross section yang berulang, maka data panel lebih baik dalam mempelajari perubahan dinamis. 4. Lebih baik dalam mengidentifikasi dan mengukur efek yang secara sederhana tidak dapat diatasi dalam data cross section saja atau data time series saja. Kendati demikian, analisis data panel data juga memiliki keterbatasan di antaranya adalah: 1. Masalah dalam desain survei panel, pengumpulan dan manajemen data. Masalah yang umum dihadapi diantaranya: cakupan (coverage), nonresponse, kemampuan daya ingat responden (recall), frekuensi dan waktu wawancara. 2. Distorsi kesalahan pengamatan (measurement errors). Measurement errors umumnya terjadi karena respon yang tidak sesuai. 3. Masalah selektivitas (selectivity) yang mencakup hal-hal berikut: a. Self-selectivity. Permasalahan ini muncul karena data yang dikumpulkan untuk suatu penelitian tidak sepenuhnya dapat menangkap fenomena yang ada.
39
b. Nonresponse. Permasalahan ini muncul dalam panel data ketika ada ketidaklengkapan jawaban yang diberikan oleh responden. c. Attrition, yaitu jumlah responden yang cenderung berkurang pada survey lanjutan yang biasanya terjadi karena responden pindah, meninggal dunia atau biaya menemukan responden yang terlalu tinggi. 4. Cross-section dependence. Sebagai contoh, apabila macro panel dengan unit analisis negara atau wilayah dengan deret waktu yang panjang mengabaikan cross-country dependence akan mengakibatkan kesimpulan yang tidak tepat (misleading inference). Secara umum, terdapat dua pendekatan dalam metode data panel, yaitu Fixed Effect Model (FEM) dan Random Effect Model (REM). Keduanya dibedakan berdasarkan ada atau tidaknya korelasi antara komponen error dengan peubah bebas. Misalkan: yit i X it it
……………………………(1)
Pada one way, komponen error dispesifikasikan dalam bentuk: it i uit …………………………………….(2)
Untuk two way, komponen error dispesifikasi dalam bentuk: it i i uit ………………………………(3)
Pada pendekatan one way komponen error hanya memasukkan komponen error yang merupakan efek dari individu (λi). Pada two way telah memasukkan efek dari waktu (μt) ke dalam komponen error. uit diasumsikan tidak berkorelasi dangan Xit. Jadi perbedaan antara FEM dan REM terletak pada ada atau tidaknya korelasi antara λi dan μt dengan Xit. Pemilihan model yang digunakan dalam sebuah penelitian perlu dilakukan berdasarkan pertimbangan statistik. Hal ini ditujukan untuk memperoleh dugaan yang efisien. Diagram pengujian statistik untuk memilih model yang digunakan dapat diperlihatkan pada gambar 17. Namun demikian, ada pendapat yang mengatakan bahwa penggunaan pendekatan Pooled Least Square dirasakan kurang sesuai dengan tujuan digunakannya data panel.
40
FIXED EFFECT Hausman Test
Chow Test
RANDOM EFFECT LM Test
POOLED LEAST SQUARE Sumber : Baltagi, 2005, diolah
Gambar 17.
Pengujian Pemilihan Model dalam Pengolahan Data Panel Statis
Penjelasan Gambar: 1. Chow Test Chow Test atau beberapa buku menyebutnya pengujian F Statistics adalah pengujian untuk memilih apakah model yang digunakan Pooled Least Square atau Fixed Effect. Seperti yang kita ketahui, terkadang asumsi bahwa setiap unit cross section memiliki perilaku yang sama cenderung tidak realistis mengingat dimungkinkan saja setiap unit cross section memiliki perilaku yang berbeda. Dalam pengujian ini dilakukan dengan hipotesa sebagai berikut: H0: Model PLS (Restricted) H1: Model Fixed Effect (Unrestricted). Dasar penolakan terhadap hipotesa nol adalah dengan menggunakan F-Statistik seperti yang dirumuskan oleh Chow: CHOW
( RRSS URSS ) /( N 1) URSS /( NT N K )
41
dengan: RRSS = Restricted Residual Sum Square URSS = Unrestricted Residual Sum Square N
= Jumlah data cross section
T
= Jumlah data time series
K
= Jumlah variabel penjelas,
Chow Test ini mengikuti distribusi F-statistik yaitu FN-1, NT-N-K. Jika nilai CHOW Statistics (F-Stat) hasil pengujian lebih besar dari F Tabel, maka cukup bukti untuk melakukan penolakan terhadap hipotesa nol sehingga model yang digunakan adalah model fixed effect, begitu juga sebaliknya. Pengujian ini disebut sebagai Chow Test karena kemiripannya dengan Chow Test yang digunakan untuk menguji stabilitas dari parameter (stability test). 2. Hausman Test Hausman Test adalah pengujian statistik sebagai dasar pertimbangan kita dalam memilih apakah menggunakan model fixed effect atau model random effect. Seperti yang kita ketahui bahwa penggunaan model fixed effect mengandung suatu unsur trade off yaitu hilangnya derajat kebebasan dengan memasukkan variabel dummy. Namun, penggunaan metode random effect pun harus memperhatikan ketiadaan pelanggaran asumsi dari setiap komponen galat. Hausman Test dilakukan dengan hipotesa sebagai berikut: H0: Random Effects Model H1: Fixed Effects Model. Sebagai dasar penolakan Hipotesa nol maka digunakan statistik hausman dan membandingkannya dengan chi square. Statistik hausman dirumuskan dengan: m b M 0 M 1 '
1
b
~ X 2 K ………………………….(4)
Dimana adalah vektor untuk statistik variabel fix effect, b adalah vektor statistik variabel random effect, ( M 0 ) adalah matriks kovarians untuk dugaan FEM dan ( M 1 ) adalah matriks kovarians untuk dugaan REM.
3. LM Test
42
LM Test atau lengkapnya The Breusch – Pagan LM Test digunakan sebagai pertimbangan statistik dalam memilih model Random Effect versus Pooled Least Square. H0: PLS H1: Random Effect. Dasar penolakan terhadap H0 adalah dengan menggunakan statistik LM yang mengikuti distribusi dari Chi Squre . Statistik LM dihitung dengan menggunakan residual OLS yang diperoleh dari hasil estimasi model pooled.
Strategi Pengujian Secara umum, dalam pengujian estimasi model-model data panel diperlukan sebuah strategi. Strategi yang dapat dilakukan adalah dengan menguji: a) RE vs FE (Hausman Test), b) PLS vs FE (Chow Test). Kerangka pengambilan keputusan dalam memilih sebuah model yang digunakan adalah sebagai berikut:
Jika (b) tidak signifikan maka kita menggunakan Pooled Least Square.
Jika (b) signifikan namun (a) tidak signifikan maka kita menggunakan Random Effect Model .
Jika keduanya signifikan, maka kita menggunakan Fixed Effect Model. Jika model yang terpilih dalam uji Chow dan uji Hausman tersebut adalah model fixed effect, kita dapat melakukan beberapa uji asumsi penting sebagai berikut:
Uji Homoskedastisitas Salah satu asumsi yang harus dipenuhi dalam persamaan regresi adalah bahwa taksiran parameter dalam model regresi bersifat BLUE (Best Linier Unbiased Estimate) maka var (ui) harus sama dengan σ2 (konstan), atau semua residual atau error mempunyai varian yang sama. Kondisi itu disebut dengan homoskedastisitas. Sedangkan bila varian tidak konstan atau berubah-ubah disebut dengan heteroskedastisitas. Untuk mendeteksi adanya heteroskedastisitas dapat menggunakan metode General Least Square (Cross section Weights) yaitu
43
dengan membandingkan sum square Resid pada Weighted Statistics dengan sum square Resid unweighted Statistics. Jika sum square Resid pada Weighted Statistics lebih kecil dari sum square Resid unweighted Statistics, maka terjadi heteroskedastisitas.
Uji Autokorelasi Autokorelasi adalah korelasi yang terjadi antar observasi dalam satu peubah atau korelasi antar error masa yang lalu dengan error masa sekarang. Uji autokorelasi yang dilakukan tergantung pada jenis data dan sifat model yang digunakan. Autokorelasi dapat memengaruhi efisiensi dari estimatornya. Untuk mendeteksi adanya korelasi serial adalah dengan melihat nilai Durbin Watson (DW). Untuk mengetahui ada/tidaknya autokorelasi, maka dilakukan dengan membandingkan DW-statistiknya dengan DW-tabel. Adapun kerangka identifikasi autokorelasi terangkum dalam Tabel 2. Korelasi serial ditemukan jika error dari periode waktu yang berbeda saling berkorelasi. Hal ini bisa dideteksi dengan melihat pola random error dari hasil regresi. Tabel 2.
Kerangka Identifikasi Autokorelasi Nilai DW Hasil 4 – dl < DW < 4 Terdapat korelasi serial negatif 4 – du < DW < 4- dl Hasil tidak dapat ditentukan 2 < DW < 4 – du Tidak ada korelasi serial Du < DW < 2 Tidak ada korelasi serial dl < DW < du Hasil tidak dapat ditentukan 0 < DW < dl Terdapat korelasi serial positif
Sumber: Gujarati, 2004
Metode estimasi yang digunakan pada model analisis regresi data panel statis, didasarkan pada asumsi struktur matriks varians dan covarians residualnya, yang terdiri dari 3 metode yaitu : 1.
Ordinary least square (OLS/LSDV), jika struktur matriks varians dan covarians residualnya diasumsikan bersifat homoskedastik dan tidak ada cross section correlation.
2.
Generalized least square (GLS) / weighted least square (WLS) : Cross Section Weight, jika struktur matriks varians dan covarians residualnya diasumsikan bersifat heteroskedastik dan tidak ada cross section correlation.
44
3.
Feasible generalized least square (FGLS) / Seemingly uncorrelated regression (SUR), jika struktur matriks varians dan covarians residualnya diasumsikan bersifat heteroskedastik dan ada cross section correlation.
3.4
Model Estimasi Nilai Tukar Perdagangan Model ekonometri yang digunakan merupakan modifikasi dari penelitian
Sen et al, (2009). Penelitian Sen menggunakan metode Regresi Pooled yang terdiri dari beberapa model untuk membedakan kelompok negara maju dan berkembang.
Penelitian ini menggunakan regresi panel dan dummy intersept.
Dummy intersept untuk menunjukkan adanya perbedaan antara negara-negara kawasan ASEAN dan kawasan Asia Timur. Kelemahan model ini, merupakan model satu arah, tidak menggunakan model simultan. Yit = β0 + β1IUit + β2ITCeksit + β3ICTimpit + β4IIit + β5CEit + β6CIit + β7TEit + β8TIit + β9D + ε ………………………………………………………..(5) dengan Yit
:
Nilai tukar perdagangan negara i tahun ke t, dihitung berdasarkan formula indeks nilai ekspor dibagi nilai impor dikali seratus (net barter terms of trade, %)
i
:
Negara
t
:
Tahun
IU
:
Pengguna internet / internet user (per 100 orang)
ICTeks
:
Ekspor barang teknologi informasi komunikasi (% total ekspor)
ICTimp :
Impor barang teknologi informasi komunikasi (% total impor)
II
Indeks kualitas infrastruktur (1 = rendah, 7 = sesuai dengan
:
standart internasional) CE
:
Biaya (cost) ekspor per container (USD)
CI
:
Biaya (cost) impor per container (USD)
TE
:
Waktu ekspor (hari)
TI
:
Waktu impor (hari)
Di
:
Variabel dummy, 0 untuk Negara Asia Timur dan 1 untuk Negara ASEAN
