IV. METODOLOGI PENELITIAN 4.1.
Rancangan Model Model yang sering digunakan untuk menganalisis efek integrasi ekonomi
terhadap dampak kreasi dan dampak diversi perdagangan adalah Model gravity. Model ini pertama diperkenalkan oleh Tinbergen (1962) yang menganalisis arus perdagangan di negara-negara Eropa dan yang terakhir diperkenalkan oleh Anderson (1979), Bergstrand (1985) dan Sanso et al. (1993) yang telah dibangun dan lebih terkenal sebagai dasar teoritis. Model gravity mengaplikasikan hukum gravitasi dari Newton, yang menyatakan bahwa atraksi atau gaya tarik gravitasi dari dua objek adalah proporsional dari masses mereka dan berbanding terbalik terhadap jarak (Km2) mereka. Model umum gravity dituliskan: ………………………………………………………………….…(2)
dimana:
Mi dan Mj
: atraksi gravitasi : massa dari dua objek, : jarak antara dua negara i dan j.
Model gravity telah digunakan dalam penelitian ekonomi dengan memperkuat dasar teori ekonominya. Karena itu, akhir-akhir ini banyak peneliti yang mendukung teori gravity dengan memberi penjelasan kaitan dasar teori ekonomi untuk model ini. Linneman (1966) adalah penulis pertama yang memberi dasar teori ekonomi untuk model gravity, dia menunjukkan bahwa persamaan gravity dapat diturunkan dari model keseimbangan parsial.
Bergstrand (1985) yang awalnya mengkritik model ini karena tidak mampu menjelaskan bentuk fungsional multiplikatif dari persamaan gravitiy. Bergstrand mengatakan bahwa model gravity mungkin mis-spesifikasi karena mengabaikan variabel harga. Tetapi selanjutnya Bergstrand menggunakan dasar mikroekonomi dalam rangka menjelaskan model gravity. Dia menjelaskan bahwa penawaran perdagangan negara adalah diturunkan dari maksimisasi
keuntungan
perusahaan
dan
permintaan
perdagangan
diturunkan dengan memaksimisasi fungsi utilitas CES dengan kendala anggaran. Karena itu, diperoleh persamaan gravity menggunakan pasar keseimbangan. Melalui beberapa riset melengkapi model gravity dengan kerangka model Heckscher-Ohlin (H-O) dengan menggunakan asumsi kompetisi monopolistik yang menekankan adanya diferensiasi produk pada perusahaan daripada diferensiasi produk pada negara. Ekonom lain mencoba untuk menurunkan model gravity dari teori perdagangan internasional dengan menggembangkan model Ricardian dan menunjukkan persamaan gravity dapat diperoleh dari kerangka Ricardian tetapi dasar parameter teknologinya diidentifikasi. Sementara Deardoff (1995) membuktikan bahwa model gravity dapat muncul dari dua kasus yang ekstrim model H-O dengan dan tanpa hambatan perdagangan. Model gravity sangat ekstrim dan secara empiris sangat sukses dan telah digunakan di berbagai negara dalam menjelaskan pola perdagangan antara negara. Anderson pada tahun 1979 menurunkan persamaan gravitasi dengan menggunakan asumsi diferensiasi produk dengan preferensi Cobb-Douglas dan CES (constant elasticity substitution). Model Gravity dilandasi oleh teori
Heckscher-Ohlin (model H-O) maupun teori imperfect substitute yang dibuktikan oleh Deardoff (1998). Dengan asumsi bahwa preferensi konsumen adalah identik dan homotetik, misal x i adalah vektor produksi negara i dan c i adalah vektor konsumsi negara i pada ekuilibrium perdagangan bebas dan vektor harga dunia p. Pendapatan negara i adalah Y i = p.x i = p c i dengan asumsi bahwa perdagangan dalam keadaan ekuilibrium. Dengan menggunakan asumsi spesialisasi tidak sempurna, berbagai riset kemudian menguatkan hasil penelitian Deardoff (1998) dengan berbagai pendekatan teoritis dan menggunakan metodologi yang berbeda (Haveman dan Hummel, 2001; Evenett dan Keller, 1998; Feenstra et al., 1998). Jika nilai ekspor dari negara j ke negara i adalah T ij , dengan preferensi identik dan homotetik, semua negara memiliki fraksi pendapatan yang dibelanjakan β k untuk produk k sehingga konsumsi negara i untuk produk k adalah:
bila fraksi kontribusi negara j terhadap produksi dunia
pembelian negara i dari negara j untuk produk k adalah:
bila
, adalah jumlah produksi dunia untuk produk k dengan fraksi
pendapatan yang dikeluarkan oleh setiap negara identik, fraksi itu juga akan setara dengan pangsa dari produk k dalam pendapatan dunia, maka nilai total impor i dari j adalah:
Yw :
,
dengan demikian, pada preferensi yang identik, homotetik dapat diturunkan persamaan gravity yang lebih sederhana daripada model gravity standar, yaitu:
dengan notasi konstanta proporsi, yaitu
dan D ij adalah jarak dari j ke i
Dari hasil penurunan model gravity maka model dasar gravity adalah sebagai berikut:
dimana: X ij Yi Hi Ni D ij ōi A
: total ekspor negara i ke negara j : GDP negara i, : ukuran geografis negara i : penduduk negara i : jarak antara negara i dengan negara j : rata-rata jarak negara i dengan pasar ekspor di negara lain : konstanta dan ß,µ>0 dan γ,α,δ <0.
Model gravity sudah mulai dipergunakan untuk melihat efek terhadap pertumbuhan ekonomi dan variabel investasi. Aplikasi dari model gravity tersebut dapat digunakan untuk melihat kinerja integrasi ekonomi ASEAN, baik dilihat dari perdagangan, pertumbuhan ekonomi maupun nilai tukar.
4.2. Hipotesis Penelitian Hipotesis yang dirumuskan dalam penelitian ini adalah:
1. Integrasi ekonomi berpengaruh secara positif dan signifikan terhadap perdagangan dan investasi pada kawasan integrasi ekonomi ASEAN dan negara anggotanya. Semakin tinggi derajat integrasi ekonomi akan semakin besar pengaruhnya terhadap peningkatan perdagangan dan investasi kawasan ASEAN dan negara anggotanya. 2. Variabel makroekonomi terpilih yang dianalisis memberi pengaruh bervariasi terhadap kegiatan aliran perdagangan dan investasi FDI pada kawasan integrasi ASEAN dan negara anggotanya. 3. Integrasi ekonomi seperti APEC, NAFTA, Uni Eropa, Cina dan India memengaruhi besarnya aliran perdagangan dan investasi FDI pada kawasan ASEAN dan negara anggotanya. Hal tersebut dipengaruhi oleh luasnya cakupan integrasi ekonomi, serta perbedaan dalam hal kebijakan investasi dan perdagangan setiap negara. 4.3.
Model Persamaan Perdagangan Dengan menginternalisasikan beberapa variabel ekonomi makro yang
secara teoritis memengaruhi perdagangan, seperti tingkat tarif baik negara i maupun negara j, nilai tukar negara i dan negara j, GDP negara i dan negara j, investasi negara i dan negara j, keterbukaan ekonomi dan integrasi ekonomi baik negara i maupun negara j, yang mengacu pada teori open economy baik yang dikembangkan Mundell Fleming maupun ekspansinya, maka spesifikasi model perdagangan ASEAN yang akan dirumuskan model: a. Indeks Integrasi Perdagangan (TII) dan Keterbukaan ekonomi: ……………………………………………..(12) dimana:
: : : : : :
ekspor negara i ke negara j pada tahun t impor negara i ke negara j pada tahun t total ekspor negara i pada tahun t total impor negara i pada tahun t total ekspor negara j pada tahun t total impor negara j pada tahun t
b. Keterbukaan ekonomi: = Average
…………………………………………(13)
dimana: : derajat keterbukaan dari negara i relatif terhadap negara j : ekspor negara i ke negara j pada tahun t : ekspor negara j ke negara i pada tahun t : GDP pada harga konstan untuk periode ke-t Mengacu pada rumusan tersebut, maka model aliran perdagangan ASEAN dirumuskan:
+
+
…(14)
dimana:
t i,j
GDP
: intersep : parameter masing-masing variabel yang akan diuji secara statistik dan ekonometrik : (1,....., T) mulai tahun 1982 sampai dengan 2006 : (1,...., N) perdagangan bilateral ASEAN dengan negara mitra : Volume perdagangan bilateral dari negara i ke negara j pada tahun t dan impor bilateral negara i ke negara j untuk negara ASEAN atau volume ekspor impor bilateral negara ASEAN, yang nilainya dalam mata uang US$. Nilai ini diperoleh dari jumlah volume ekspor dan impor dikalikan dengan harga (US$) : GDP negara eksportir i pada tahun t yang dinilai dengan mata uang US$ dalam nilai nominal. Secara teori, GDP negara eksportir dapat meningkatkan perdagangan yang
GDP j
:
:
:
:
:
:
:
menggambarkan peningkatan output sehingga dapat meningkatkan ekspor. Apabila terjadi peningkatan output tetapi tidak terjadi peningkatan ekspor, berarti produk yang dihasilkan masih memenuhi pasar dalam negeri atau terjadi substitusi impor. Variabel ini diharapkan berpengaruh positif GDP negara importir i pada tahun t yang dinilai dengan mata uang US$ dalam nilai nominal. Secara teori GDP negara importir terjadi hubungan positif karena adanya peningkatan daya beli masyarakat negara importir. Semakin tinggi pendapatan negara importir maka permintaan akan barangbarang importir semakin besar. GDP importir diharapkan berpengaruh positif Jumlah penduduk negara eksportir i pada tahun t. Besarnya populasi menggambarkan besarnya tenaga kerja yang tersedia dalam perekonomian. Kalau tenaga kerja berkualitas dan memiliki produktivitas yang tinggi maka peningkatan populasi dapat meningkatkan output dan selanjutnya dapat meningkatkan ekspor. Tetapi kalau populasinya tidak produktif maka peningkatan populasi akan meningkatkan konsumsi dalam negeri sehingga ekspor menurun. Variabel jumlah penduduk ini diharapkan positif Jumlah penduduk negara importir i pada tahun t. Besarnya populasi negara importir menggambarkan besarnya potensi pasar dan tenaga kerja pada negara tersebut. Semakin besar populasi negara importir, maka semakin besar permintaan barang impor negara tersebut, sehingga variabel tersebut diharapkan memiliki pengaruh positif Nilai investasi negara eksportir i pada tahun t dalam nilai US$. Secara teoritis peningkatan investasi akan meningkatkan produksi yang kemudian akan meningkatkan ekspor. Kenaikan investasi berbanding lurus dengan peningkatan perdagangan sehingga variabel ini diharapkan akan memiliki pengaruh positif Nilai tukar negara eksportir i terhadap US$. Secara teoritis hubungan nilai tukar (exchange rate) terhadap ekspor adalah positif, dimana jika terjadi depresiasi pada nilai tukar maka ekspor akan meningkat karena harga barang di luar negeri terasa mahal (sisi supply) dan pihak luar negeri merasa lebih murah barang dari dalam negeri (sisi permintaan). Variabel ini diharapkan akan memiliki pengaruh positif Nilai tukar negara importir j terhadap US$. Secara teoritis hubungan nilai tukar (exchange rate) negara importir j terhadap ekspor negara eksportir i adalah negatif, dimana jika terjadi apresiasi pada nilai tukar negara importir j maka ekspor negara i akan meningkat karena permintaan barang impor akan meningkat (sisi permintaan). Variabel ini diharapkan akan memiliki pengaruh positif Tingkat tarif rata-rata impor pada negara i dari dan keluar j. Secara teoritis hubungan tingkat tarif dengan ekspor adalah
ASEAN ij
APEC ij
Dist ij
4.4.
negatif, apabila tingkat tarif ekspor tinggi maka harga produk ekspor menjadi mahal dan daya saing rendah sehingga volume ekspor turun, demikian sebaliknya. Variabel ini diharapkan memiliki pengaruh negatif : Dummy integrasi ekonomi dengan mengambil nilai 1 perdagangan sesama anggota integrasi/FTA ASEAN dan mengambil nilai 0 yang lainnya. Secara teoritis, integrasi ekonomi dalam satu kawasan dapat meningkatkan investasi dan perdagangan, karena pengurangan hambatan perdagangan dan hambatan investasi. Semakin terintegrasi perekonomian maka semakin besar volume perdagangan dan investasi, baik sesama negara anggota maupun dengan negara bukan anggota. Variabel ini diharapkan bernilai positif : Dummy integrasi ekonomi dengan mengambil nilai 1 perdagangan sesama anggota APEC dan mengambil nilai 0 yang lainnya. Secara teoritis, integrasi ekonomi dalam satu kawasan dapat meningkatkan investasi dan perdagangan karena adanya pengurangan hambatan perdagangan dan hambatan investasi. Dengan demikian variabel ini diharapkan bernilai positif : Jarak antara ibukota negara eksportir (i) dengan negara importir (j) dalam kilometer. Jarak merupakan proxy dari besarnya biaya transportasi dalam transaksi barang dan jasa. Semakin besar biaya perdagangan antara dua negara maka daya saingnya semakin rendah. Variabel ini diharapkan bernilai negatif
Persamaan Investasi Persamaan investasi yang dibangun adalah menggunakan model gravity,
yang menggambarkan perilaku investasi bilateral dari suatu negara ke negara lainnya. Model gravity yang digunakan untuk menjelaskan variasi observasi dan aliran FDI mulai dibangun pada tahun 1960 yang pada awalnya untuk menjelaskan aliran perdagangan dari negara i ke negara j. Model dasar tersebut dikembangkan oleh Deardoff (1995) untuk diaplikasikan ke dalam FDI dengan model: ………………….……………………………….(15)
adalah volume FDI flow aktual dari investor i ke penerima FDI j. Persamaan ini merupakan kondisi ekuilibrium dalam longrun. Jadi, dalam
longrung
harapan sama dengan
aktual, namun dalam kenyataannya
terdapat negara yang menerima FDI lebih kecil dari yang diharapkan dan bahkan menerima lebih besar dari yang diharapkan. Dalam model ini terdapat konstanta dimana jika salah satu GDP suatu negara menuju nilai nol maka aliran FDI kedua negara tersebut juga nol, disini nilai
menjadi konstanta proporsional.
Dalam mengaplikasikan model tersebut dalam konstanta proporsional juga dimasukan besaran populasi dari kedua negara sehingga konstanta proporsional menjadi A dikalikan (POPixPOPj)/(POPixPOPj) dimana
menjadi konstanta A.
Dengan demikian diasumsikan bahwa semakin besar populasi akan menarik FDI lebih besar sejumlah: ………………...(16) dimana FDI sejalan dengan peningkatan GDPi dan GDPj dan GDP menjadi fungsi perkapita
sehingga dapat ditulis kembali: …………………..(17)
dengan demikian jika dilogkan kita dapat model untuk persamaan empiris: ………..(18) Dengan memasukkan variabel integrasi perekonomian yaitu size ASEAN dengan rumusan: SIZE = Penjumlahan GDP 5 negara ASEAN SIZEi = relative size GDP dari negara ( i ) Keterbukaan perekonomian dihitung dengan rumus:
OPENij = Average
………………………………………….(19)
Mengacu pada model tersebut, maka spesifikasi model FDI yang dibangun adalah:
………………………….…………….…(20) dimana :
t i,j
: Intersep : Parameter masing-masing variabel yang akan diuji secara statistik dan ekonometrik : (1,....., T) mulai tahun 1982 sampai dengan 2006 : 1,...., N) FDI bilateral antara Penerima FDI seperti ASEAN5, NAFTA, EU 15, Cina, Korea Selatan, India yang bersumber dari negara Multi National Cooperation (MNC) yang terdiri dari Amerika Serikat, Jepang, Inggris, Jerman, Perancis, Belanda, Swiss dan Australia sebagai investor yang merupakan sumber FDI terbesar : Nilai investasi bilateral dari negara i ke negara j pada tahun t dalam nilai US$. Nilai investasi yang dimaksud adalah jumlah capital inflow di negara investor (i) ke negara penerima FDI j dalam bentuk investasi langsung. Secara teoritis peningkatan investasi dipengaruhi oleh berberapa faktor seperti ukuran perekonomian, derajat integrasi ekonomi, GDP, perdagangan, populasi, suku bunga, jarak dan kesepakatan kerjasama ekonomi : Nilai perdagangan bilateral dari negara i ke negara j pada tahun t, yang nilainya dalam mata uang US$. Nilai ini diperoleh dari jumlah volume ekspor/impor dikalikan dengan harga (US$). Secara teori nilai perdagangan yang tinggi akan meningkatkan FDI. Variabel ini diharapkan berpengaruh secara positif : GDP negara i pada tahun t yang dinilai dengan mata uang US$ dalam nilai nominal. Secara teori peningkatan dalam GDP suatu negara berpengaruh pada peningkatan FDI. Semakin tinggi GDP atau size ekonomi, akan terjadi peningkatan FDI. Variabel ini diharapkan berpengaruh positif : GDP negara i pada tahun t yang dinilai dengan mata uang US$ dalam nilai nominal. Secara teori peningkatan dalam GDP suatu negara dapat mendorong peningkatan FDI, baik untuk penambahan kapasitas produksi maupun untuk investasi baru yang didorong oleh peningkatan permintaan. Semakin tinggi size suatu negara maka semakin tinggi capital
APEC
ASEAN
EU
CINA
inflow dalam bentuk FDI. Variabel ini diharapkan berpengaruh positif : Jumlah penduduk negara eksportir i pada tahun t. Besarnya populasi menggambarkan besarnya tenaga kerja dan luasnya pasar yang tersedia dalam perekonomian. Peningkatan dalam populasi suatu negara akan meningkatkan konsumsi dalam negeri, sehingga jumlah capital outflow menurun karena lebih banyak diserap untuk kebutuhan dalam negeri. Variabel jumlah penduduk diharapkan berpengaruh negatif : Jumlah penduduk negara eksportir j pada tahun t. Besarnya populasi menggambarkan besarnya tenaga kerja dan luasnya pasar yang tersedia dalam perekonomian. Peningkatan populasi akan meningkatkan konsumsi yang akan meningkatkan produksi dan selanjutnya FDI. Variabel ini diharapkan berpengaruh positif : Dummy integrasi ekonomi dengan nilai 1 FDI ke anggota integrasi APEC dan 0 yang lainnya, terjadinya kerjasama dalam suatu kawasan akan mengurangi risiko investasi dan mengurangi hambatan investasi sehingga FDI akan meningkat dengan adanya integrasi ekonomi. Integrasi ekonomi mendorong investor melakukan investasi pada kawasan integrasi ekonomi, agar output yang dihasilkan bebas dari tarif. Secara teori integrasi ekonomi akan meningkatkan FDI. Variabel ini diharapkan berpengaruh secara positif : Dummy integrasi ekonomi dengan nilai 1 FDI ke anggota integrasi ASEAN dan 0 yang lainnya, terjadinya kerjasama dalam suatu kawasan integrasi akan mengurangi risiko investasi dan hambatan investasi sehingga FDI akan meningkat. Integrasi ekonomi mendorong investor melakukan investasi pada kawasan integrasi ekonomi, agar output yang dihasilkan bebas dari tarif. Secara teori integrasi ekonomi akan meningkatkan FDI. Variabel ini diharapkan berpengaruh positif : Dummy integrasi ekonomi dengan nilai 1 FDI ke anggota integrasi NAFTA dan 0 yang lainnya, terjadinya kerjasama dalam suatu kawasan akan mengurangi risiko investasi dan hambatan investasi sehingga FDI akan meningkat dengan adanya integrasi ekonomi yang lebih luas. Variabel ini diharapkan berpengaruh positif : Dummy Cina dengan nilai 1 FDI ke Cina dan 0 yang lainnya. Peningkatan investasi ke Cina akan mengurangi FDI ke kawasan lainnya. Faktor price di negara ini relatif lebih rendah dibanding daerah lainnya. Integrasi ekonomi mendorong investor untuk melakukan investasi pada kawasan integrasi ekonomi agar output yang dihasilkan bebas dari tarif. Secara teori integrasi ekonomi akan meningkatkan FDI. Variabel ini diharapkan memiliki pengaruh yang positif
: Tingkat bunga negara i pada tahun t dalam tingkat bunga riil. Secara teori, tingkat bunga dalam negeri yang tinggi akan mendorong capital inflow dan sebaliknya penurunan tingkat bunga dalam negeri akan terjadi capital outflow. Variabel ini diharapkan memberikan pengaruh yang positif : Tingkat bunga luar negeri (negara i) pada tahun t dalam tingkat bunga riil. Secara teori, tingkat bunga luar negeri yang tinggi akan mendorong capital outflow dan sebaliknya penurunan tingkat bunga luar negeri akan terjadi capital inflow. Variabel ini diharapkan memberi pengaruh negatif : Jarak antara ibukota negara (i) dengan negara (j)
4.5.
Populasi dan Sampel Populasi yang dipilih dalam penelitian ini dapat dipetakan dalam dua
kelompok yang terdiri atas model perdagangan dan model investasi. Model perdagangan dan investasi menggunakan populasi semua negara mitra dagang negara-negara ASEAN (Indonesia, Malaysia, Filipina, Singapura, Thailand). Hal tersebut diambil karena keterbatasan data dari beberapa negara ASEAN lainnya. Penelitian ini hanya mengambil 5 negara ASEAN yang memberikan share terbesar perdagangan di ASEAN. Mitra dagang di luar kawasan sebanyak 14 negara sehingga secara keseluruhan sampel sebanyak 19 negara. Keempat belas negara tersebut adalah Amerika Serikat, Perancis, Jerman, Italia, Belanda, Spanyol, Inggris, Jepang, Cina, Hongkong, Korea, India, Australia dan Newzeland. Negara-negara tersebut merupakan mitra perdagangan dan investasi negara ASEAN yang paling dominan. Periode waktu yang akan diteliti sebanyak 25 tahun (1982-2006). 4.6.
Jenis Sumber Data Data dan informasi yang digunakan sebagai objek studi dalam penelitian
ini adalah data sekunder yang berasal dari berbagai sumber resmi seperti pemerintah, lembaga internasional dan laporan hasil penelitian baik yang
dipublikasikan maupun yang tidak. Karenanya data yang diperoleh telah mengalami pengolahan sesuai dengan tujuan penelitian. Adapun jenis data sekunder time series dan cross-section yang digabung menjadi data panel. Beberapa data yang dibutuhkan dalam penelitian ini adalah: 1.
Data volume ekspor dan impor masing-masing negara ASEAN ke berbagai negara tujuan dalam satuan ton dan data nilai ekspor dan impor masingmasing negara ASEAN ke berbagai negara tujuan dalam satuan US Dolar yang diperoleh dari United Nations Comodity Trade Division (UN COMTRADE), International Monetary Fund (IMF), Direction of Trade Statistics (DOTS) dan International Financial Statistic (IFS) mulai tahun 1982 sampai dengan tahun 2006. 8 Data ekspor yang diperoleh menurut rincian komoditi ekspor dan menurut rincian negara tujuan serta berdasarkan SITC (Standard International Trade Clasification).
2.
Data nilai FDI (outward) negara-negara Investor (Amerika Serikat, Jerman, Perancis, Inggris, Belanda, Swiss dan Jepang) yang mengalir ke negaranegara anggota integrasi ekonomi ASEAN, EU, NAFTA, dan negara-negara lainnya seperti Cina, Jepang, Korea, India, Australia, Jepang yang memiliki daya tarik investasi dalam satuan US Dolar yang diperoleh dari OECD Statistic, mulai tahun 1982 sampai dengan tahun 2006. 9
3.
Data GDP negara-negara yang masuk dalam penelitian ini (GDP series 2007b) dan data GDP ini dikonversi dalam Dolar dengan nilai pasar exchange rate (series ag) diperoleh dari IMF dan IFS serta CD-ROM datab
8
Website ; www.ifs.com, www.uncomtrade.com, www.imf.org, www.sectretariat_ASEAN.org, www.dots.com, 9 Website ; www.ifs.com, www.uncomtrade.com, www.imf.org, www.sectretariat_ASEAN.org, www.dots.com,
base dan bersumber dari World Development Index (WDI) dari Bank Dunia. Nilai GDP yang dipakai dalam penelitian ini adalah nilai GDP riil setiap negara yang diobservasi. 4.
Data jumlah penduduk negara-negara yang masuk dalam penelitian ini (population series 2007) diperoleh dari IMF dan IFS.
5.
Data jarak (distance) antara negara eksportir (negara ASEAN) dengan mitra dagangnya (jarak antara ibukota negara) dalam satuan kilometer diperoleh dari US Naval Oceanographic 0ffice serta http://www.indo.com/distance. Data jarak yang diperoleh ini merupakan proksi dari biaya transportasi dalam perdagangan internasional.
6.
Data daftar tingkat tarif rata-rata masing-masing dari ke negara-negara yang masuk dalam penelitian ini diperoleh dari sekretariat WTO dan DOTS serta sekretariat ASEAN.
7.
Data Exchange Rate diperoleh dari International Financial Statistic (IFS) IMF terakhir pada tahun 2007.
8.
Data tingkat bunga (interest rate) 19 negara yang diteliti diperoleh dari IFS tahun 1982–2006.
4.7.
Metode Pengolahan Data Metode pengolahan data dimulai dengan mengumpulkan data sesuai
kebutuhan penelitian dalam model gravity dengan menggunakan persamaan, untuk melihat pengaruh integrasi ekonomi terhadap perdagangan dan investasi. Langkah berikutnya dilakukan cross cek data dari berbagai sumber dan menetapkan satu sumber data yang konsisten, dan disusun dalam tabel kombinasi
variasi cross section sesuai periode waktu yang akan dianalisis. Selanjutnya, dilakukan penyusunan menurut matriks time series dan kemudian dimasukan dalam matriks cross section. Penelitian ini akan menggunakan observasi sesuai dengan data cross section antara lima negara ASEAN (Indonesia, Singapura, Thailand, Filipina dan Malaysia), dengan mitra dagang dan investasinya masing sebanyak 14 negara secara bilateral dan selama 26 tahun (1982-2006). Data tahun 1993-2006 merupakan proses dimulainya penurunan tarif di ASEAN. Data akan diolah atau diestimasi dengan menggunakan software ekonometri yaitu E-Views versi 5.1 dan Stata 10 dengan teknik pengolahan data panel kemudian dianalisis. 4.8.
Teknik Estimasi Regresi Majemuk Analisis regresi membahas hubungan antara variabel independen dengan
variabel dependen atau hubungan antara variabel penjelas dengan variabel yang dijelaskan. Sebagai induk dari analisis regresi, ekonometri berusaha untuk menangkap perilaku hubungan antar hubungan variabel ekonomi. Metode pendugaan yang sering digunakan dalam analisis regresi adalah Ordinary Least Squares (OLS) Method yang dikemukakan oleh Carl Friedrick Gauss. Andai sebuah model berbentuk: ……………………………………………………..(21) Sebelum model ini dapat diestimasi dengan menggunakan metode OLS untuk mendapatkan nilai-nilai koefisien yang menjelaskan hubungan antar variabel, data yang digunakan harus terlebih dahulu diuji apakah data tersebut melanggar asumsi-asumsi dasar seperti multicolinearity (kolinearitas jamak),
autocorrelation (autokorelasi), dan heterokedasticity (heterokedastisitas). Model OLS mengandung beberapa asumsi yang harus dipenuhi terlebih dahulu, yaitu: 1. Hubungan antara variabel terikat Y dan sejumlah variabel bebas X1 dan X2 merupakan hubungan linier. 2. X1 dan X2 bukan variabel stokastik, berarti nilai-nilai telah ditetapkan dan tidak ada hubungan linier yang persis antar variabel bebas. 3. Error memiliki expected value (nilai harapan) nol, E(ε) = 0 4. Error dari observasi-observasi yang berbeda independen secara statistik, E(εiεj) = 0, untuk semua i ≠ j 5. Error memiliki varians yang konstan untuk semua observasi E(ε2) = σ2 Jika semua asumsi tersebut dipenuhi maka berdasarkan teorema GaussMarkov dikatakan bahwa estimasi yang didapatkan merupakan penaksir linier yang tidak bias dan terbaik, atau disebut Best Linier Unbiased Estimation (BLUE), dalam arti memiliki varians minimum. Parameter-parameter yang telah diestimasi dengan metode di atas kemudian akan diuji untuk melihat apakah suatu hipotesa bisa diterima atau tidak. Cara pengujian yang dapat dilakukan untuk menentukan baik atau buruknya model adalah dengan uji nilai t jika secara parsial, dan uji F jika secara simultan dan adjusted R2. 4.9. Penyimpangan Asumsi Klasik dan Pemecahannya Dalam rangka menghasilkan model yang efisien, feasible, dan konsisten, maka perlu pendeteksian terhadap pelanggaran asumsi model yaitu gangguan antar waktu (time-related distrubance), gangguan antar individu (cross sectional distrubance) dan gangguan akibat keduanya. Pengestimasian terhadap model
tersebut hasilnya diharapkan memperoleh konstanta intercept yang berbeda-beda untuk masing-masing negara ASEAN di masing-masing tahun. Agar model yang digunakan dalam model ini feasible dan efektif, maka kita perlu melihat pelanggaran asumsi dasar yaitu: 4.9.1. Kolinearitas Jamak Kolinearitas jamak adalah adanya hubungan linier yang signifikan antara beberapa atau semua variabel independen dalam model regresi. Kolinearitas jamak muncul jika di antara variabel independen memiliki korelasi yang tinggi sehingga kita sulit memisahkan efek satu variabel independen terhadap variabel dependen dari efek variabel independen yang lain. 1. Varians dan galat baku untuk koefisien regresi menjadi tinggi sehingga nilai t hitung menjadi lebih kecil dan sebagai akibatnya kita cenderung tidak dapat menolak hipotesa nol karena besarnya galat baku dugaan. Dengan t hitung yang mengecil menyebabkan signifikansi dari t menjadi turun. 2. Nilai koefisien regresi bukan nilai yang sebenarnya. Ada koefisien yang overestimates dan ada koefisien yang underestimates. Pelanggaran ini menjadi masalah jika tujuan melakukan regresi adalah untuk menafsirkan koefisien regresi. Indikasi adanya kolinearitas jamak: 1. Jika ditemukan nilai R2 yang tinggi dan nilai statistik F yang signifikan tetapi sebagian besar nilai statistik t tidak signifikan. 2. Korelasi sederhana yang relatif tinggi (0.8 atau lebih) antara satu atau lebih pasang variabel independen. Jika koefisien korelasi kurang dari 0.8 berarti masalah tidak terlalu serius, belum terjadi kolinearitas berganda. Jika koefisien korelasi lebih 0.9 berarti kolinearitas berganda merupakan masalah serius.
3. Regresi bantuan (Auxilary Regression), dengan cara meregresi masing-masing peubah bebas pada peubah bebas lainnya. Apabila nilai yang diperoleh R2-nya tinggi maka ada indikasi kebergantungan linier yang hampir pasti di antara kolom-kolom X. Pemecahan masalah kolinearitas jamak: (1) Mengurangi variabel independen dalam model, (2) Mengubah bentuk model, dan (3) Menambah data atau memilih sampel baru yang sesuai. 4.9.2. Heteroskedastisitas Heteroskedastisitas terjadi jika error dalam persamaan regresi memiliki varians yang tidak konstan. Heteroskedastis tidak menyebabkan penduga parameter menjadi bias, tetapi menyebabkan penduga tersebut tidak efisien sehingga dapat menganggu pengujian hipotesis. Heteroskedastisitas biasanya muncul pada data cross section dan tidak terjadi pada data time series (deret waktu) karena perubahan dalam variabel dependen dan perubahan-perubahan dalam satu atau lebih variabel independen kemungkinan adalah sama besar. Efek dari heteroskedastisitas adalah pendugaan kuadrat terkecil membobot lebih berat pada observasi yang memiliki varians galat lebih besar dibanding pada observasi yang memiliki varians galat lebih kecil. Hal ini terjadi karena jumlah residual kuadrat dari galat yang memiliki varians yang lebih besar kemungkinan adalah lebih besar dari pada jumlah residual kuadrat dari galat yang mempunyai varians yang lebih kecil. Karena pembobotan implisit ini, penduga-penduga parameter kuadrat terkecil biasa adalah tidak bias dan konsisten, tapi tidak efisien, yaitu varians dugaannya bukanlah varians minimum. Selain itu, varians dugaan
dari parameter-parameter dugaan adalah penduga-penduga yang bias dari varians yang sebenarnya. Untuk menguji ada tidaknya heteroskedastisitas dalam penelitian ini dapat digunakan Uji Breusch-Pagan dengan tahapan: Model sederhana:
, setelah melakukan estimasi dengan model di
atas kita memperoleh Least Squares residual εi. Selanjutnya kita hitung dimana
,
. Kemudian kita estimasi residual yang telah dinormalisasi
dengan variabel X (semua variabel independen) sesuai model di atas, yaitu: ............................................................................................(22) Dari hasil estimasi tersebut diperoleh R2 dan Error Sum of Squares (ESS) yang nantinya akan digunakan untuk memperoleh nilai Regression Sum of Squares (RSS). Dimana RSS = ESS/(1-R2). Selanjutnya distribusi Chi-square. Jika
1
2
1
2
RSS mengikuti
RSS < nilai kritis dari Chi-square, kita terima Ho
yang menyatakan homokedastis (Pindyck, 1997) Pemecahan masalah heteroskedastisitas adalah Weighted Least Square, yaitu membobotkan setiap variabel dengan varians yang tidak konstan. Tujuannya membuat varians jadi konstan. Selain itu, juga dapat dilakukan dengan mentransformasi model dalam bentuk logaritma natural. 4.9.3. Autokorelasi/Korelasi Serial Salah satu asumsi dasar dari penerapan metode regresi dengan kuadrat terkecil adalah tidak adanya korelasi antar gangguan. Adanya masalah autokorelasi ini akan menghasilkan hasil estimasi koefisien yang konsisten dan tidak bias tetapi dengan varians yang besar, atau dengan perkataan lain hasil tidak efisien. Korelasi serial terjadi jika galat-galat dari observasi yang berbeda
berkorelasi, dengan kata lain terjadi korelasi galat antar waktu. Jika galat-galat dari periode-periode waktu yang berbeda (biasanya berdekatan) berkorelasi, dikatakan bahwa galat itu berkorelasi serial. Korelasi serial biasanya terjadi pada data time series. Cara yang paling sering digunakan untuk mendeteksi adanya autokorelasi adalah Uji Durbin Watson (DW), meliputi perhitungan uji statistik yang didasarkan pada residual-residual dari prosedur regresi kuadrat terkecil biasa. Statistiknya didefinisikan sebagai:
.........................................................................................(23)
atau
…………………………………………………………...…(24) Dimana ρ adalah koefisien autokorelasi derajat pertama dari sampel yang
nilainya 0 – 1. Jika ρ = 0, maka d = 2, dan jika ρ = +1, maka terjadi autokorelasi sempurna sehingga diharapkan d berada disekitar 2. Uji DW ini hanya dapat digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya intersep dalam model regresi dan tidak ada variabel lag di antara variabel penjelas. Hipotesis yang akan diuji adalah: Ho : ρ = 0 (tidak ada autokorelasi) H1 : ρ > 0 (ada autokorelasi) Keputusan ada tidaknya autokorelasi adalah dengan melihat selang kepercayaan yang didapat dari hasil pengujian yang mencakup lima daerah yaitu : 1. Bila nilai kurang dari DW1 terjadi korelasi serial positif . 2. Bila nilai antara DW1 dan DWu tidak dapat ditentukan apakah ada atau tidak korelasi serial.
3. Bila nilai antara DW1 dan 4 – Dwu maka bebas korelasi serial. 4. Bila nilai antara 4 – DW1 dan 4 – Dwu maka tidak dapat ditentukan apakah ada korelasi serial. 5. Bila lebih dari 4 – DW1 Korelasi serial negatif. Sementara koreksi terhadap korelasi serial dalam penelitian ini akan digunakan adalah Prosedur Hidreth-Lu. Prosedur ini menspesifikasikan nilainilai untuk ρ, yaitu nilai-nilai ruang yang mengakomodasi taksiran-taksiran nilai ρ, yaitu: ...........................................................................................(25)
Kemudian model awal ditransformasi dengan rumus: .............................................(26) Jadi, semua observasi ditransformasi. Untuk menghindari kehilangan observasi awal kita trransformasi dengan
dan
setelah itu
diestimasi dengan panel data. Hasilnya DW meningkat dan tidak ada autokorelasi (Gujarati, 1995) 4.10.
Proses Estimasi dengan Model Regresi Data Panel Spesifikasi model perdagangan dan investasi menunjukkan bahwa data
yang dibutuhkan adalah data perdagangan dan investasi bilateral negara ASEAN dan antar tahun sekaligus. Dalam ekonometri proses penyatuan data antar waktu (time series) dan data antar individu (cross-section) disebut dengan pooling. Sedangkan data yang dihasilkan disebut dengan pooled data atau data panel. Beberapa keuntungan penggunaan data panel adalah: (1) memungkinkan jumlah data yang meningkat, dan (2) memasukan informasi yang berkaitan dengan baik
cross section maupun time series yang dapat mengurangi masalah yang muncul apabila ada variabel yang dihilangkan. Permasalahannya adalah bagaimana menspesifikasi suatu model statistik yang mampu menangkap perilaku individu selama jangka waktu tertentu untuk memperoleh estimasi parameter. Data panel adalah suatu set observasi yang terdiri dari beberapa individu pada periode tertentu. Observasi tersebut merupakan pasangan yit dengan xitj, dimana i merupakan individu, t menunjukkan waktu dan j menunjukkan variabel bebas. Spesifikasi model regresi data panel adalah: …………………..(27) Pada data panel yang dikatakan seimbang (balanced) maka jumlah observasi menjadi n x T. Namun, apabila data panel tidak seimbang (unbalanced), maka jumlah observasi menjadi
t pda saat n = 1 dan T cukup besar, maka
data bersifat time series. Sebaliknya, pada saat T = 1 dan n cukup besar maka data bersifat cross section. Data panel mengacu pada kasus dimana T > 1 dan n > 1. Adapun untuk melakukan estimasi data panel, observasi tersebut harus dikelompokan terlebih dahulu baik itu berdasarkan kerat lintang (stacked data by cross section) maupun berdasarkan waktu (stacked data by date). Selain harus memenuhi asumsi klasik seperti non-autokorelasi, homokedastis, dan nonmultikolinearitas, terdapat beberapa asumsi tambahan untuk model regresi data panel. Asumsi tersebut adalah: (1) tidak adanya hubungan antar individu i; (2) αi dan εit bersifat independen; dan (3) εit tidak berkorelasi dengan xit. Jika semua asumsi tersebut terpenuhi maka asumsi metode OLS dapat digunakan untuk panel data yang disebut dengan pooled estimation. Kesulitan yang dihadapi dengan menggunakan pooled estimation adalah bahwa asumsi
intersep dan slope yang konstan mungkin tidak masuk akal. Sebagai alternatif terdapat beberapa metode yang dapat dilakukan antara lain: fixed effects dan random effects. Model estimasi dengan menggunakan fixed effects memasukan unsur dummy variable yang memungkinkan intersep bervariasi antara cross section maupun antar unit waktu yang disebut pula dengan metode Least Squares Dummy Variable (LSDV). Sedangkan pada penggunaan random effects, variasi pada intersep dapat memecahkan komponen error menjadi cross section error, time series error dan combination error. Estimasi parameter bisa didapat baik dengan menggunakan Generalized Least Squares (GLS) maupun dengan menggunakan Maximum Likelihood Estimation (MLE). 4.10.1 Metode Pemilihan Estimasi dengan Fixed Effects atau Random Effects Beberapa hal yang perlu diperhatikan ketika membuat pilihan antara fixed effects dan random effects. Pertama perlu diperhatikan berapa jumlah N dan T. Ketika T → ∞ dan N memiliki nilai tertentu maka parameter yang dihasilkan oleh fixed effects dan random effects akan sama. Untuk kasus tersebut parameter yang dihasilkan oleh fixed effects konsisten dan efisien, walaupun asumsi random effects berlaku. Untuk T yang besar dan N yang kecil maka kemungkinan perbedaan hasil estimasi antara fixed effect dan random effects tidak akan jauh berbeda sehingga pilihan akan jatuh pada penggunaan fixed effect yang tentunya perhitungannya jauh lebih mudah ketimbang random effects. Namun, apabila N yang besar dan T yang kecil maka parameter yang dihasilkan akan jauh berbeda dan isu lain akan muncul. Jika asumsi random effects berlaku dan fixed effects tetap digunakan maka parameter yang dihasilkan tetap konsisten akan tetapi tidak
lagi efisien. Oleh karena itu, harus dilakukan uji lebih lanjut guna mengetahui yang manakah yang harus digunakan. Cara
yang
paling
mudah
dilakukan
untuk
membedakan
antara
penggunaaan fixed effects dan random effects terletak pada data yang digunakan. Bila data merupakan random sample dari suatu populasi dan yang diteliti adalah populasi maka random effects lebih cocok untuk digunakan. Sebaliknya, bila data terdiri dari populasi dan yang diteliti adalah pada tingkat individu (cross sectional units) maka sebaiknya digunakan fixed effects. Unsur lain dari pemilihan antara penggunaan fixed effects dan random effects terletak pada asumsi (3). Apabila asumsi (3) dilanggar, yaitu terdapat hubungan antara εit dengan xit, maka disarankan untuk menggunakan fixed effects. Sebaliknya, jika benar bahwa tidak terdapat hubungan antara εit dengan xit,, maka disarankan untuk menggunakan random effects untuk estimasi. Hal ini disebabkan karena jika εit dan xit berkorelasi maka hasil estimasi dengan penggunaan random effects akan bias, sedangkan dengan penggunaan fixed effects tidak bias (Judge, 1988). Pemilihan antara random effects dan fixed effects dapat juga ditentukan dengan melakukan Hausman Test. Uji tersebut didefenisikan: ……………………………………...(28) ………………..…….(29) Adapun variabel
didapat melalui matriks kovarians dari parameter estimasi
dengan fixed effects dan matriks kovarians dari parameter estimasi dengan radom effects tanpa konstanta. Hasil dari uji Hausman dibandingkan dengan χ2 pada derajat kebebasan n-K. Jika hipotesis nol diterima, tidak terdapat korelasi antara
individual effects dengan variabel bebas, maka yang harus digunakan adalah random effects. Pendekatan random effects menentukan nilai α dan β didasarkan pada asumsi bahwa intersep α terdistribusi random antar unit µi. Dengan kata lain slope memiliki nilai yang tetap, tetapi intersep bervariasi untuk setiap individu. Persamaan umum untuk model ini adalah: dimana komponen µi adalah karakteristik random dari observasi unit ke-i dan tetap sepanjang waktu (Greene, 2000)
