ANALISIS DETERMINAN EKSPOR KAKAO INDONESIA DENGAN ...

ANALISIS DETERMINAN EKSPOR KAKAO INDONESIA

DENGAN PENDEKATAN GRAVITY MODEL

TESIS

Oleh

Sry Adelina

177039029/MAG

PROGRAM STUDI MAGISTER AGRIBISNIS

FAKULTAS PERTANIAN

UNIVERSITAS SUMATERA UTARA

M E D A N

2 0 2 0

Universitas Sumatera Utara



TESIS

Tesis Sebagai Salah Satu Syarat untuk Dapat Memperoleh Gelar Magister

Pertanian pada Program Studi Magister Agribisnis

Fakultas Pertanian Universitas Sumatera Utara

Oleh

Sry Adelina

177039029/MAG

PROGRAM STUDI MAGISTER AGRIBISNIS

FAKULTAS PERTANIAN

UNIVERSITAS SUMATERA UTARA MEDAN

2020


Judul : Analisis Determinan Ekspor Kakao Indonesia

dengan Pendekatan Gravity Model

Nama : Sry Adelina

NIM : 177039029

Program Studi : Magister Agribisnis

Menyetujui

Komisi Pembimbing

(Dr. Rulianda Purnomo Wibowo, SP, M.Ec) (Dr. Ir. Hasman Hasyim, M.Si)

Ketua Anggota

Ketua Program Studi, Dekan

(Dr. Ir. Rahmanta, M.Si) (Dr. Ir. Hasanuddin, M.S)


LEMBAR PERNYATAAN

Dengan ini saya menyatakan bahwa Tesis yang berjudul:



Adalah benar hasil karya saya sendiri dan belum pernah dipublikasikan oleh

siapapun sebelumnya. Sumber-sumber data dan informasi yang digunakan telah

dinyatakan secara benar dan jelas.

Medan, September 2020

yang membuat pernyataan,

Sry Adelina

NIM. 177039029/MAG

Materai 6000


Telah diuji dan dinyatakan LULUS di depan Tim Penguji pada hari Jumat

tanggal 04 September 2020

Tim Penguji

Ketua : Dr. Rulianda Purnomo Wibowo, SP, M.Ec

Anggota : 1. Dr. Ir. Hasman Hasyim, M.Si

2. Dr. Ir. Tavi Supriana, MS

3. Sri Fajar Ayu, S.P, MM, DBA


Dipersembahkan kepada :

Suami, Anak, dan Seluruh Keluarga


i

Analysis of the Export Determinants of Indonesian Cocoa with a

Gravity Model Approach

Analisis Determinan Ekspor Kakao Indonesia dengan Pendekatan

Gravity Model

Sry Adelina

Magister Agribisnis Universitas Sumatera Utara

Abstract

SRY ADELINA . Analysis of the Export Determinants of Indonesian Cocoa with a

Gravity Model Approach, under the supervisions of Dr. Rulianda Purnomo

Wibowo , SP, M.Ec (chair) and Dr. Ir. Bgd . H. Hasman Hasyim Mdl , M.Sc

(member).

Cocoa is an important commodity exports because it can provide foreign

exchange and significant to the Indonesian economy. There is a difference in the

cocoa export value earned by Indonesia based on export destinations.

Objective research in this study were to identify the main destination countries for

Indonesian cocoa exports and analyze the determinant factors that affect the value

of Indonesian cocoa exports to the main destination countries. The data used in

this study were the panel data from 2009 to 2018 with the crosssection of the main

cocoa export destination countries which is nine countries that have the largest

value of Indonesian cocoa.

The analysis research used was a descriptive analysis and gravity model

approach with fixed effect model technique using Eviews 10 soft-ware program.

The results of descriptive research showed that the main export cocoa Indonesia

from the biggest to the smallest were Malaysia, United States of America, China,

Singapore , Germany , the Netherlands , Australia, India and Brazil. The Results

of the analysis showed that variable GDP shows had positive and significant

influence, real exchange rate, distance and eksport tax of cocoa beans had

negative and significant influence, while the variable of the world oil price and

population of export destination countries did not show any significant influence.

Keywords: Indonesia’s Cocoa Export, Gravity Model, Distance, Gross Domestic

Product, Real Exchange Rate, world oil price and eksport tax of cocoa

beans


ii

ABSTRAK

SRY ADELINA. Analisis Determinan Ekspor Kakao Indonesia dengan

Pendekatan Gravity Model (Di bawah bimbingan Dr. Rulianda Purnomo Wibowo,

SP, M.Ec sebagai ketua dan Dr. Ir. Bgd. H. Hasman Hasyim Mdl, M.Si, sebagai

anggota).

Kakao merupakan komoditas ekspor yang penting karena dapat memberikan

devisa dan kontribusi yang sangat berarti bagi perekonomian Indonesia. Ada

perbedaan nilai ekspor kakao yang diperoleh Indonesia berdasarkan negara tujuan

ekspor.

Tujuan penelitian ini adalah mengidentifikasi negara tujuan utama ekspor kakao

Indonesia dan menganalisis faktor-faktor determinan yang mempengaruhi nilai

ekspor kakao Indonesia ke negara tujuan ekspor utama. Data yang digunakan

yaitu data panel mulai tahun 2009-2018 dengan cross section negara utama tujuan

ekspor kakao Indonesia yaitu sembilan negara yang memiliki nilai total ekspor

kakao Indonesia terbesar.

Metode penelitian yang digunakan adalah menggunakan analisis deskriptif dan

pendekatan gravity model dengan teknik fixed effect model dengan menggunakan

perangkat lunak Eviews 10.

Hasil penelitian deskriptif menunjukkan bahwa negara tujuan utama ekspor kakao

Indonesia dari yang paling besar hingga yang paling kecil berturut-turut adalah

negara Malaysia, Amerika Serikat, China, Singapura, Jerman, Belanda, Australia,

India dan Brazil. Hasil estimasi menunjukkan bahwa PDB menunjukkan pengaruh

yang positif dan signifikan, variabel nilai tukar riil, jarak dan kebijakan bea keluar

ekspor biji kakao menunjukkan pengaruh yang negatif dan signifikan, sedangkan

variabel harga minyak dunia dan populasi negara tujuan ekspor kakao tidak

menunjukkan pengaruh yang signifikan terhadap nilai ekspor kakao Indonesia

pada kurun waktu tahun 2009-2018.

Kata kunci: Ekspor Kakao Indonesia, Gravity Model, Jarak, Produk Domestik

Bruto, Nilai Tukar Riil, Harga Minyak Dunia, Kebijakan Bea Keluar

Ekspor Kakao


iii

RIWAYAT HIDUP

SRY ADELINA, lahir di Deli Tua, pada tanggal 03 Juni 1987 dari Bapak Agen

Perangin-angin dan Ibu Ponimi. Penulis merupakan anak kedua dari empat

bersaudara.

Pendidikan formal yang pernah ditempuh penulis adalah sebagai berikut:

1. Tahun 1993 masuk Sekolah Dasar Negeri 104215 Sudirejo, tamat tahun

1999.

2. Tahun 1999 masuk Sekolah Menengah Pertama Negeri 1 Deli Tua,

tamat tahun 2002.

3. Tahun 2002 masuk Sekolah Menengah Umum Negeri 13 Medan, tamat

tahun 2005.

4. Tahun 2005 diterima di Departemen Sosial Ekonomi Pertanian di

Universitas Sumatera Utara Medan tamat tahun 2010.

5. Tahun 2017 melanjutkan pendidikan S2 di Program Studi Magister

Agribisnis Universitas Sumatera Utara.


iv

KATA PENGANTAR

Puji dan syukur penulis ucapkan kepada Allah SWT, yang telah

melimpahkan karuniaNya sehingga penulis dapat menyelesaikan penelitian dan

penulisan tesis ini yang berjudul “Analisis Determinan Ekspor Kakao

Indonesia Dengan Pendekatan Gravity Model”.

Dalam penyusunan tesis ini, penulis sudah berusaha mencurahkan seluruh

daya dan kemampuan penulis untuk menyusun tesis ini agar lebih baik dan

sempurna. Namun penulis menyadari sepenuhnya akan kelemahan dan

kekurangan dari penyusunan tesis ini baik dalam isi maupun penyajiannya. Oleh

karena itu penulis mengharapkan saran dan kritik yang membangun dari semua

pihak, sehingga penyusunan tesis ini dapat bermanfaat sebagai sumber ilmu

pengetahuan dan referensi bagi para peneliti lainnya.

Selama mengikuti pendidikan dan penyelesaian penyusunan tesis ini,

penulis banyak mendapat bantuan dan dukungan dari berbagai pihak berupa

materi maupun dorongan moril baik secara langsung maupun tidak langsung. Oleh

karena itu pada kesempatan ini penulis menyampaikan ucapan terima kasih dan

penghargaan kepada :

1. Bapak Prof. Dr. Runtung Sitepu, SH, M.Hum Rektor Universitas Sumatera

Utara Medan.

2. Bapak Dr. Ir. Hasanuddin, MS, selaku Dekan Fakultas Pertanian

Universitas Sumatera Utara.

3. Dr. Ir. Rahmanta, M.Si, Ketua Program Studi Magister Agribisnis,



v

4. Bapak Dr. Rulianda Purnomo Wibowo, SP, M.Ec selaku Ketua Komisi

Pembimbing yang telah banyak memberikan waktu dan pemikiran serta

bimbingan kepada penulis sehingga dapat diselesaikannya penyusunan tesis.

5. Bapak Dr. Ir. Bgd. H. Hasman Hasyim Mdl, M.Si, selaku Anggota Komisi

Pembimbing yang telah banyak memberikan waktu dan pemikiran serta

bimbingan kepada penulis sehingga dapat diselesaikannya penyusunan tesis.

6. Dr. Ir. Tavi Supriana, MS Sc selaku penguji yang telah banyak memberikan

arahan dan petunjuk demi tercapainya kesempurnaan tesis.

7. Sri Fajar Ayu, SP, MM, DBA Sekretaris Program Studi Magister Agribisnis

Universitas Sumatera Utara, dan selaku penguji yang telah banyak

memberikan arahan dan petunjuk demi tercapainya kesempurnaan tesis.

8. Bapak dan ibu Dosen Program Studi Magister Agribisnis Universitas

Sumatera Utara, yang telah banyak memberikan teori konsep ilmu dengan

penuh kesabaran dan keikhlasan semoga Allah Yang Maha Kuasa

membalasnya.

9. Seluruh staf administrasi dan pegawai program studi Magister Agribisnis di

Universitas Sumatera Utara.

10. Kepada instansi terkait yang telah membantu menyediakan segala informasi

yang dibutuhkan dalam penelitian.

11. Kepada orang tua yang kucintai Bapanda Agen Perangin-angin dan

ibunda Ponimi, Abangda Evan Hamdani, Adinda Muklis Aditia, A. Md/isteri

dan Yuli Ragelia, S. Pd, M. Pd. dan Suami tercinta Alion Saragih, S.Pd, serta

anak yang kusayangi Arrayyan Kynan Arion Saragih. Atas segala

keikhlasannya dalam dukungan yang senantiasa mendoakan dan memberikan


vi

dorongan semangat, perhatian dalam mengikuti pendidikan sampai dapat

diselesaikannya penyusunan tesis ini pada Program studi Magister Agribisnis

di Universitas Sumatera Utara.

12. Kepada rekan dekat dan juga teman-teman mahasiswa Magister Agribisnis

Sumatera Utara Candra Ritonga, Safrizal, Nurhidayati, dan lain-lain yang

tidak dapat disebutkan namanya satu persatu yang telah banyak memberikan

semangat dan motivasi kepada penulis.

Akhirnya penulis mendoakan kiranya Allah SWT menerima seluruh amal

dan ibadah mereka dengan membalas budi baik mereka dengan pahala berlipat

ganda, semoga segala usaha dan niat baik yang telah kita lakukan mendapat Ridho

Allah SWT. Akhir kata, penulis berharap semoga tesis ini bermanfaat.

Medan, September 2020

P e n u l i s


vii

DAFTAR ISI

Hal

ABSTRACT ............................................................................................................. i

ABSTRAK ............................................................................................................. ii

RIWAYAT HIDUP .............................................................................................. iii

KATA PENGANTAR .......................................................................................... iv

DAFTAR ISI ........................................................................................................ vii

DAFTAR TABEL ................................................................................................ ix

DAFTAR GAMBAR .............................................................................................. x

DAFTAR LAMPIRAN ........................................................................................ xi

I. PENDAHULUAN ............................................................................................ 1

1.1. Latar Belakang ........................................................................................... 1

1.2. Identifikasi Masalah ................................................................................... 8

1.3. Tujuan Penelitian ....................................................................................... 8

1.4. Kegunaan Penelitian .................................................................................. 8

II. TINJAUAN PUSTAKA ................................................................................... 9

2.1.Determinan Ekspor....................................................................................... 9

2.1.1. Gross Domestic Product (GDP) atau Produk Domestik Bruto

(PDB) ............................................................................................... 9

2.1.2. Populasi .......................................................................................... 11

2.1.3. Jarak (Distance) ............................................................................. 11

2.1.4. Nilai Tukar Riil (Real Effective Exchange Rate) ........................... 12

2.1.5. Harga Minyak Dunia ...................................................................... 13

2.1.6. Kebijakan Bea Keluar Ekspor Biji Kakao ..................................... 15

2.2. Landasan Teori .......................................................................................... 17

2.2.1. Pengertian Model Gravitasi (Gravity Model) ................................. 17

2.2.2. Variabel dalam Model Gravitasi (Gravity Model) ......................... 19

2.3. Penelitian Terdahulu ................................................................................. 22

2.4. Kerangka Pemikiran .................................................................................. 26

2.5. Hipotesis Penelitian ................................................................................... 28

III. METODE PENELITIAN ................................................................................ 29

3.1. Metode Pemilihan Lokasi ......................................................................... 29

3.2. Metode Penentuan Sampel ........................................................................ 29

3.3. Metode Pengumpulan Data ....................................................................... 29


viii

3.4. Metode Analisis Data ................................................................................ 30

3.4.1. Untuk Membuktikan Hipotesis 1 ..................................................... 30

3.4.2. Untuk Membuktikan Hipotesis 2 ..................................................... 30

3.4.2.1. Model Penelitian ................................................................ 30

3.4.2.2. Analisis Regresi Data Panel (Regression of Pooled Data) 32

3.4.2.3. Pemilihan Model ................................................................ 36

3.4.2.4. Pengujian Asumsi dan Kesesuaian Mode ......................... 38

3.4.2.5. Pengujian Statistik ……….…………...……………… .... 41

3.5. Defenisi dan Batasan Operasional ........................................................... 44

IV. HASIL DAN PEMBAHASAN .................................................................... 46

4.1. Gambaran Umum Ekspor Kakao Indonesia ............................................. 46

4.2. Hasil Uji Hipotesis 1 ................................................................................ 46

4.3. Hasil Uji Hipotesis 2 ................................................................................ 48

4.3.1. Hasil Estimasi Analisis Determinan Ekspor Kakao Indonesia

dengan Pendekatan Gravity Model .............................................. 48

4.3.1.1. Pengujian Asumsi dan Kesesuaian Model ........................... 49

4.3.1.2. Pengujian Statistik................................................................ 51

4.4. Faktor-faktor Determinan Nilai Ekspor Kakao Indonesia ke Berbagai

Negara Tujuan Ekspor ............................................................................ 54

4.4.1. Produk Domestik Bruto (PDB) ..................................................... 55

4.4.2. Jumlah Populasi Negara Tujuan Ekspor Karet Indonesia (POPj) . 57

4.4.3. Jarak Antara Indonesia dengan Negara Tujuan Ekspor Karet

Indonesia (DIST) ........................................................................... 59

4.4.4. Nilai Tukar Riil Negara Importir (Real Effective Exchange

Rate/REER) ................................................................................. 62

4.4.5. Harga Minyak Dunia (PTO) ......................................................... 64

4.4.6. Kebijakan Bea Keluar Ekspor Biji Kakao (D1) ............................ 67

V. KESIMPULAN DAN SARAN ....................................................................... 69

5.1. Kesimpulan ............................................................................................... 69

5.2. Saran .......................................................................................................... 69

DAFTAR PUSTAKA ............................................................................................ 71

DAFTAR LAMPIRAN .......................................................................................... 75


ix

DAFTAR TABEL

No. Judul Hal

1. Beberapa Negara Dengan Produksi Biji Kakao Terbesar Dunia ...................... 2

2. Peringkat Negara-negara Pengekspor Kakao Terbesar Dunia Dari Tahun

2001-2015 (000 US$) ...................................................................................... 2

3. Nilai Ekspor Kakao Indonesia Berdasarkan Produk (000 000 US$) ................ 5

4. Besaran Harga Referensi dan Tarif Bea Keluar atas Ekspor Biji Kakao

Indonesia Berdasarkan PMK No. 67/PMK.011/2010 ..................................... 16

5. Penelitian Terdahulu ....................................................................................... 22

6. Variabel dan Sumber Data Penelitian .................................................. 30

7. Statistik Deskriptif Nilai Ekspor Kakao Indonesia ......................................... 47

8. Uji Chow dengan menggunakan softwere Eviews 10 ................................. 48

9. Uji Wald pada Daterminasi Kakao Indonesia dengan Pendekatan Gravity

Model ............................................................................................................. 50

10. Hasil Estimasi Faktor-faktor Determinan Ekspor Kakao Indonesia dengan

Pendekatan Gravity Model .............................................................................. 51

11. Hasil Uji Hipotesis Individual (Uji-t) ............................................................. 52

12. Perkembangan PDB per kapita Negara Tujuan Utama dan Nilai Ekspor

Kakao Indonesia Tahun 2009-2018 ................................................................ 56

13. Perkembangan Populasi Negara Tujuan Utama dan Nilai Ekspor Kakao

Indonesia ....................................................................................................... 58

14. Statistik Deskriptif Jarak (Biaya Transportasi) Negara Tujuan Ekspor

Kakao Indonesia Tahun 2009 – 2018 ............................................................. 60

15. Perkembangan Nilai Tukar Riil Negara Tujuan Utama dan Nilai Ekspor

Kakao Indonesia Tahun 2009-2018 ................................................................ 63

16. Perkembangan Harga Minyak Dunia Tahun 2009-2018 ................................ 65

17. Pemberlakuan Kebijakan Bea Keluar Biji Kakao Indonesia .......................... 67


x

DAFTAR GAMBAR

No Judul Hal

1. Nilai Ekspor dan Impor Kakao Indonesia dari tahun 2009 sampai

dengan tahun 2018 (Ribu US $) ........................................................................ 3

2. Nilai Ekspor Kakao Indonesia Berdasarkan Produk (Juta US$) ....................... 5

3. Kerangka Pemikiran Analisis Determinan Ekspor Kakao Indonesia

dengan Pendekatan Gravity Model .................................................................. 27

4. Perkembangan Nilai PDB Negara Indonesia Tahun 2009-2018

(Milyar US $) .................................................................................................... 55

5. Nilai Tukar Riil (REER) Negara Tujuan Ekspor Kakao Indonesia

Tahun 2009 – 2018 ........................................................................................... 62


xi

DAFTAR LAMPIRAN

No Judul Hal

1. Nilai Masing-masing Variabel Penelitian .............................................................. 75

2. Hasil Estimasi Variabel Penelitian dengan Eviews, Metode Pooled Least

Square ..................................................................................................................... 78

3. Hasil Estimasi Variabel Penelitian dengan Eviews, Fixed Effect Model ................ 79

4. Hasil Estimasi Variabel Penelitian dengan Eviews, Random Effect Model ............ 80

5. Uji Chow pada Variabel Penelitian ........................................................................ 81

6. Uji Hausman pada Variabel Penelitian ................................................................... 82

7. Uji Wald pada Variabel Penelitian ......................................................................... 83

8. Coefficent Covariance Matrix / Korelasi Antar Variabel (Uji Klein) .................... 83

9. Histogram – Normality Test ................................................................................... 84


1

I. PENDAHULUAN

1.1. Latar Belakang

Kakao (Theobrema cacao L.) merupakan salah satu komoditas ekspor dari

subsektor pertanian yang merupakan komoditas unggulan nasional yang

peranannya cukup penting bagi perekonomian nasional dan memberikan

sumbangan devisa ketiga terbesar setelah kelapa sawit dan karet. Kakao umumnya

tumbuh di Afrika Barat, Amerika Selatan, Tengah dan Asia. Negara produsen

kakao terbesar di dunia adalah Pantai Gading, Ghana, Ekuador, Indonesia,

Nigeria, Brazil dan Kamerun. Namun saat ini produksi kakao telah menyebar ke

kawasan Asia Pasific dimana negara seperti Indonesia telah menunjukkan tingkat

perkembangan produksi yang cukup tinggi. Dewan Kakao Indonesia (Dekaindo)

juga menyatakan bahwa Indonesia pada tahun 2013 mendapat pengakuan dan

sudah resmi bergabung dengan organisasi kakao internasional atau ICCO (The

International Cocoa Organization) Lubis (2017).

Tanaman Kakao merupakan salah satu komoditas perkebunan yang

ternyata sangat cocok dengan iklim dan jenis tanah Indonesia, sehingga Indonesia

dapat menghasilkan dan memproduksi kakao. Kakao juga turut berperan dalam

mendorong pengembangan wilayah dan pengembangan agroindustri. Selain itu

komoditas kakao juga menjadi penyedia lapangan pekerjaan karena mampu

menyerap tenaga kerja yang cukup besar. Budaya Indonesia yang tidak

mengkonsumsi kakao dengan jumlah banyak dan industri pengolahan biji kakao

yang kurang mendukung menjadikan komoditi kakao lebih banyak di ekspor dari

pada dijual di pasar domestik (Puspita, Hidayat et al, 2015).


2

No Negara Produksi (Ton)

2008 2009 2010 2011 2012 2013 Rerata

1 Pantai

Gading

1.382.441

1.223.153

1.301.347

1.559.441

1.650.000

1.448.992

1.427.562

2 Indonesia 803.594 809.583 837.918 712.231 740.513 777.500 780.223

3 Ghana 680.781 710.638 632.037 700.020 879.348 835.466 739.715

4 Nigeria 367.020 363.510 399.200 391.000 383.000 367.000 378.455

5 Kamerun 229.203 235.500 264.077 239.000 256.000 275.000 249.797

6 Brazil 202.030 218.487 235.389 248.524 253.211 256.186 235.638

Tabel 1.1. Beberapa Negara Dengan Produksi Biji Kakao Terbesar Dunia

Sumber : Food and Agriculture Organization (FAO), diolah Pusdatin, 2016

Dilihat dari Tabel 1.1. menunjukkan bahwa negara Indonesia berada

di peringkat ke-2 sebagai produsen kakao terbesar dunia dalam kurun waktu

2008-2013. Dalam hal ini produksi kakao Indonesia di pasar internasional

dapat memproduksi kakao cukup banyak dengan rata-rata sebesar 780.223 ton.

Tabel 1.2. Peringkat Negara-negara Pengekspor Kakao Terbesar Dunia

Dari Tahun 2001-2015 (000 US$)

Tahun 2001-2008

Rank Negara

Nilai

Tahun 2009-2015

Negara Nilai

Tahun 2001-2015

Negara Nilai

1 Belanda 2.464.173 Jerman 4.984.088 Belanda 3.567.108

2 Jerman 2.165.230 Belanda 4.827.604 Jerman 3.480.697

3 Pantai Gading 2.143.474 Pantai Gading 3.995.044 Pantai Gading 3.007.540

4 Belgia 1.895.046 Belgia 3.040.862 Belgia 2.429.760

5 Perancis 1.410.136 Perancis 2.205.927 Perancis 1.781.505

6 Ghana 864.435 Amerika 1.684.851 Amerika 1.240.717

7 Amerika 852.099 Italia 1.589.612 Ghana 1.164.503

8 Indonesia 747.694 Ghana 1.584.598 Italia 1.128.940

9 Italia 725.853 Indonesia 1.308.514 Indonesia 1.009.410

10 Kanada 704.815 Malaysia 1.242.655 Kanada 874.072

Sumber : Center, 2015


3

1413535

1643726

1345429

10535331151494

12445301307771

1239581

11207651245520

119321164607 175549

177022204730

469005

293780350372

640337

706786

0

200000

400000

600000

800000

1000000

1200000

1400000

1600000

1800000

2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Nilai EksporKakao (000US$)

Nilai Impor(000 US$)

Berdasarkan Tabel 1.2. perkembangan ekspor kakao di pasar internasional

pada tahun 2001-2015 ditempati negara Belanda sebagai negara terbesar dalam

hal nilai ekspor kakao di pasar internasional. Dan diikuti dengan negara Jerman

dan Pantai Gading. Sedangkan perkembangan ekspor kakao Indonesia di pasar

internasional masih berada dalam posisi 10 besar. Indonesia berada pada posisi

ke-9 sebagai negara pengekspor kakao terbesar di dunia. Hal ini Indonesia sudah

cukup baik dalam ekspor kakao di pasar internasional.

Dapat dilihat antara Tabel 1.1. dengan Tabel 1.2. untuk negara produsen

kakao terbesar dunia, negara Indonesia berada pada peringkat ke-2 setelah negara

Pantai Gading. Sementara itu, untuk negara pengekspor kakao dengan nilai

terbesar dunia. negara Indonesia berada pada peringkat ke-9. Hal ini dapat terjadi

karena negara Indonesia masih banyak ekspor kakao dalam bentuk bahan mentah

atau dalam bentuk biji kakao jika dibandingkan dengan kakao olahan.

Berdasarkan data yang diperoleh dari ITS (2019) bahwa nilai ekspor dan

impor kakao Indonesia dari tahun 2009 sampai dengan tahun 2018 secara umum

terus mengalami fluktuasi. Fluktuasi tersebut dapat dilihat pada Gambar 1.1.

Sumber : International Trade Center (ITC), 2019

Gambar 1.1. Nilai Ekspor dan Impor Kakao Indonesia dari tahun 2009

sampai dengan tahun 2018 (Ribu US $).

Tahun


4

Berdasarkan Gambar 1.1. dapat dilihat bahwa nilai ekspor kakao Indonesia

dari tahun 2009 sampai dengan 2010 menunjukkan peningkatan. Namun pada

tahun 2010 sampai dengan tahun 2012 mengalami penurunan dan kembali

mengalami peningkatan dari tahun 2012 ke tahun 2015, pada tahun 2016 dan

2017 juga mengalami penurunan kemudian pada tahun 2018 mengalami

peningkatan kembali. Adanya Fluktuasi nilai ekspor kakao dapat diakibatkan oleh

banyak faktor yang diantaranya terjadi karena adanya krisis global yang dapat

mengakibatkan penurunan pendapatan nasional dari sisi ekspor dan mengganggu

kinerja ekspor Indonesia. Namun, seiring dengan berjalannya waktu pertumbuhan

ekspor semakin lama semakin meningkat paska terjadinya penurunan

pertumbuhan ekspor yang cukup tajam pada tahun 2010 (Andelisa, 2011).

Sedangkan nilai impor kakao Indonesia terus mengalami peningkatan dari

tahun 2009 hingga tahun 2018. Hal ini menandakan bahwa permintaan akan

produk kakao dalam negeri mengalami peningkatan selama kurun waktu 10 tahun

terakhir sedangkan nilai ekspor menandakan permintaan luar negeri untuk kakao

mengalami fluktuasi. Adanya peningkatan permintaan Indonesia untuk impor

terjadi karena peningkatan pengolahan industri dalam negeri sebagai akibat

naiknya daya beli masyarakat dan besarnya minat industri kecil pada bisnis coklat.

Meskipun demikian nilai ekspor kakao Indonesia masih lebih tinggi dibandingkan

impor kakao (Andelisa, 2011).

Kakao dari Indonesia di ekspor ke berbagai negara tujuan seperti negara

Amerika Serikat, Benua Eropa, dan wilayah Asia dalam berbagai produk. Nilai

ekspor kakao Indonesia berdasarkan produknya dapat di lihat pada Tabel 1.3 dan

Gambar 1.2.


5

0.0

200.0

400.0

600.0

800.0

1000.0

1200.0

1400.0

1600.0

1800.0

2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

18

1801

1802

1803

1804

1805

1806

Tabel 1.3. Nilai Ekspor Kakao Indonesia Berdasarkan Produk (000 000 US$)

Produk HS Nilai (dalam Juta USD )

Code 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Total Kakao 18 1,413.4 1,643.6 1,345.3 1,053.4 1,151.5 1,244.5 1,307.8 1,239.6 1,120.8 1,245.5

Biji Kakao 1801 1,087.5 1,190.7 614.5 384.8 446.1 196.5 115.0 84.0 53.5 72.4

Kulit Kakao 1802 0.7 0.7 2.6 3.5 3.8 4.2 3.3 2.4 2.7 1.9

Pasta Kakao 1803 20.3 66.1 214.3 208.7 186.4 233.7 302.4 244.9 189.9 156.6

Lemak/Minyak

Kakao 1804 230.1 236.8 304.6 236.1 356.8 660.8 726.3 697.9 681.1 824.0

Tepung Kakao 1805 45.2 103.2 158.0 165.2 110.4 104.2 124.3 163.9 152.2 146.1 Coklat dan

Makanan

Mengandung

Kakao

1806 29.7 46.1 51.3 55.1 48.0 45.1 36.6 46.7 41.4 44.5



Gambar 1.2. Nilai Ekspor Kakao Indonesia Berdasarkan Produk (Juta

US$)

Berdasarkan Tabel 1.3 dan Gambar 1.2 dapat di lihat ekspor biji kakao

pada tahun 2011 mengalami penurunan yang cukup besar dibandingkan dengan

ekspor biji kakao di tahun 2010. Penurunan ekspor ini dikarenakan mulai

diberlakukannya bea keluar ekspor biji kakao oleh pemerintah. Pemberlakuan bea

keluar ini bertujuan agar ekspor biji kakao tidak dilakukan lagi atau setidaknya

mengalami pengurangan. Dengan adanya bea keluar ini, harga jual di pasaran

akan menjadi lebih mahal dari sebelumnya namun masih pada kualitas yang sama.


6

Hal ini tentu saja akan memukul daya saing biji kakao Indonesia. Kalangan

industri pun akan terdorong untuk tidak lagi menjual biji kakao, namun akan

berfokus pada peningkatan nilai tambah produk agar tidak merugi. Hal ini dapat

terlihat pada Gambar 1.2, dimana secara perlahan nilai ekspor untuk produk

olahan kakao seperti kakao pasta, kakao butter, dan kakao powder mulai

mengalami peningkatan dibandingkan sebelum adanya kebijakan bea keluar.

Perusahaan industri hasil olahan kakao di Indonesia diantaranya Adm Cocoa, PT

(komoditi biji coklat kering di Makassar, Sulawesi Selatan), Aneka Kreasi Pangan

(komoditi kembang gula coklat di Bandung, Jawa Barat), Antara Saudara, CV

(pengolahan kopi biji dan coklat biji di lampung), Anugerah Mulia, CV (coklat

batangan di Yogyakarta), Wintranaco Indotama, PT (biji coklat di Sumatera

Utara), Pederal Food Internusa, PT (coklat olahan di Tangerang, Banten) dan

lainnya (Puspita, Hidayat et al, 2015).

Berdasarkan nilai ekspor dari tahun 2009 sampai dengan tahun 2018 ke

berbagai negara tujuan ekspor dapat dilihat adanya beberapa masalah yaitu

fluktuasi nilai ekspor yang diperoleh Indonesia.

Ada beberapa cara yang dapat dilakukan untuk menganalisis faktor-faktor

perdagangan antara dua negara diantaranya adalah melalui pendekatan Gravity

model. Model ini dapat digunakan untuk menduga variabel-variabel yang

berpengaruh pada perdagangan pada wilayah yang berbeda, terutama variabel-

variabel Produk Domestik Bruto (PDB), Jarak antar negara, serta populasi pada

negara asal dan negara tujuan. Keunggulan model gravitasi dibandingkan dengan

model perdagangan lainnya karena model yang disajikan lebih empiris. Tidak

seperti model lainnya, rangka kerja model ini memprediksi dimana negara-negara


7

akan menjadi spesialis secara penuh dibandingkan memproduksi bermacam-

macam komoditas (Sitorus, 2009).

Feenstra et al (1998) dalam Yuniarti (2007) menyatakan penggunaan

Gravity model didasarkan pada hukum gravitasi Newton, yang menyatakan

bahwa gaya gravitasi antara dua benda secara langsung dipengaruhi secara

proporsional oleh massa dari kedua benda dan sebaliknya secara proporsional

dipengaruhi oleh kuadrat jarak antara keduanya. Dalam konteks perdagangan

model ini menyatakan, bahwa intensitas perdagangan antara negara-negara akan

berhubungan positif dengan pendapatan nasional masing-masing negara dan

berhubungan terbalik dengan jarak di antara keduanya (Puspita, Hidayat et al,

2015).

Aliran ekspor kakao Indonesia ke negara-negara mitra tergantung pada

Produk Domestik Bruto (PDB) negara tujuan ekspor, jarak Indonesia dengan

berbagai negara mitra, dan jumlah populasi negara-negara tujuan ekspor. Selain

itu juga terletak pada nilai tukar mata uang yang berlaku pada saat itu (Tarigan,

2005). Peningkatan ekspor kakao Indonesia baik dari tahun ke tahun menunjukkan

bahwa potensi pasar kakao masih tinggi di pasar internasional. Hal ini dapat

dimanfaatkan oleh negara Indonesia untuk meningkatkan ekspor kakao Indonesia

sehingga perlu diketahui faktor-faktor determinan yang mendorong ekspor kakao

Indonesia di pasar internasional.

Berdasarkan latar belakang maka penelitian ini akan melihat faktor-faktor

determinan yang berpengaruh terhadap fluktuasi nilai ekspor kakao Indonesia

pada tahun 2009 sampai dengan tahun 2018 baik pada peningkatan nilai ekspor

maupun penurunan nilai ekspor kakao Indonesia ke negara tujuan ekspor.


8

1.2. Identifikasi Masalah

Berdasarkan uraian dari latar belakang maka dirumuskan beberapa

permasalahan sebagai berikut :

1. Negara apa saja yang menjadi tujuan utama ekspor kakao Indonesia ?

2. Faktor-faktor determinan apa saja yang mempengaruhi nilai ekspor kakao

Indonesia ke negara tujuan ekspor utama pada periode tahun 2009-2018 ?

1.3. Tujuan Penelitian

Tujuan dari penelitian ini adalah:

1. Mengidentifikasi negara tujuan utama ekspor kakao Indonesia

2. Menganalisis faktor-faktor determinan yang mempengaruhi nilai ekspor

kakao Indonesia ke negara tujuan ekspor utama pada periode tahun 2009-

2018

1.4. Kegunaan Penelitian

Penelitian dalam hal ini dapat berguna antara lain sebagai berikut:

1. Sebagai instrumen untuk memahami faktor-faktor yang mempengaruhi nilai

ekspor kakao Indonesia.

2. Sebagai referensi pengambilan kebijakan oleh pihak-pihak yang

mengemban tugas untuk meningkatkan nilai ekspor kakao Indonesia.

3. Sebagai referensi bagi pihak-pihak yang melakukan penelitian dan studi

yang terkait mengenai penelitian ini.


9

II. TINJAUAN PUSTAKA

2.1. Determinan Ekspor

Perdagangan internasional adalah perdagangan lintas negara yang

mencakup ekspor dan impor (Tambunan, 2001). Ekspor adalah kegiatan

mengeluarkan barang dari daerah, sedangkan impor adalah kegiatan memasukkan

barang ke dalam daerah. Perdagangan internasional terjadi ketika suatu negara

mengalami kelebihan penawaran, sedangkan negara lain mengalami kelebihan

permintaan (Salvatore, 2013).

Pada dasarnya, setiap negara di dunia melakukan perdagangan

internasional untuk dua alasan khusus. Pertama, karena setiap negara memiliki

perbedaan satu sama lain. Kedua, untuk mencapai skala ekonomis dalam

berproduksi. Jika setiap negara hanya menghasilkan sejumlah barang tertentu atau

melakukan spesialisasi, negara-negara tersebut dapat menghasilkan barang-barang

tersebut dengan skala yang lebih besar dan akan lebih efisien dibandingkan jika

negara tersebut mencoba untuk memproduksi berbagai jenis barang (Krugman dan

Obstfeld, 2002). Bagi banyak negara termasuk Indonesia, perdagangan

internasional khususnya ekspor berperan sebagai motor penggerak perekonomian

nasional. Ekspor dapat menghasilkan devisa, selanjutnya dapat digunakan untuk

membiayai impor dan pembangunan sektor-sektor ekonomi didalam negeri

(Tambunan, 2001). Determinan perdagangan bilateral antara lain :

2.1.1. Gross Domestic Product (GDP) atau Produk Domestik Bruto (PDB)

Gross Domestic Product (GDP) adalah ukuran kapasitas untuk

memproduksi komoditi ekspor negara tersebut. GDP merupakan pendapatan total


10

nasional pada output barang dan jasa. Lipsey menyatakan bahwa GDP merupakan

nilai dari total produksi barang dan jasa suatu negra yang dinyatakan sebagai

produksi nasioanal dan nilai total produksi tersebut juga menjadi pendapatan total

negara yang bersangkutan atau dengan kata lain produk nasional sama dengan

pendapatan nasional. Produk atau pendapatan nasional ini juga dapat diukur dalam

bentuk pendapatan nasional bruto PNB atau PDB. GDP sering dianggap sebgai

cerminan kinerja ekonomi dan sebagai perekonomian total dari setiap orang di

dalam perekonomian (Mankiw. 2000).

GDP menunjukkan besarnya kemampuan perekonomian suatu negara

dimana semakin besar GDP yang dihasilkan oleh suatu negara semakin besar pula

kemampuan negara tersebut untuk melakukan perdagangan. Bagi negara importir.

semakin besar GDP maka akan meningkatkan impor komoditi negara tersebut.

Peningkatan GDP merupakan peningkatan pendapatan masyarakatnya.

Peningkatan pendapatan akan meningkatkan permintaan terhadap suatu komoditi

yang pada akhirnya akan meningkatkan impor komoditi tersebut. Sehingga

besarnya GDP yang dimiliki negara importir akan mempengaruhi besarnya

volume perdagangan. GDP mewakili ukuran ekonomi negara eksportir dan

importir.

Ukuran negara eksportir akan menentukan jumlah produksi komoditi

ekspor (product capacity) dan ukuran negara importir menentukan jumlah

produksi komoditi ekspor yang dapat dijual oleh negara eksportir (absortive

capacity). Ukuran ekonomi adalah kemampuan potensial negara untuk melakukan

perdaganagna luar negeri yaitu kemampuan kedua negra unutuk menjual atau

membeli komoditi ekspor.semakin besar ukuran ekonomi negara eksportir maka


11

semakin besar pula kemampuan untuk melakukan produksi komoditi ekspor.

Begitu pula negara importir. semakin besar ukuran ekonomi negara importir

maka semakin besar pula kemampuan untuk melakukan impor (Mankiw. 2000).

2.1.2. Populasi

Pada negara eksportir peningkatan populasi pada sisi permintaan akan

meningkatkan permintaan domestik maka terjadi penurunan penawaran ekspor

dari negara tersebut. Apabila pertambahan populasi negara eksportir terjadi pada

sisi penawaran maka hal ini berdampak pada pertambahan tenaga kerja untuk

produksi komoditas ekspor negara tersebut. Kenaikan populasi sisi penawaran

akan meningkatkan penawaran ekspor negara eksportir. Pertambahan populasi

pada negara importir dapat berada pada sisi penawaran maupun permintaan.

Pada sisi penawaran pertambahan populasi akan meningkatkan produksi

dalam negeri dalam hal kuantitas maupun diversifikasi produk negara importir.

Kondisi ini akan mengakibatkan penurunan permintaan komoditi ekspor oleh

negara importir (Sitorus, 2009). Pertambahan populasi pada sisi permintaan akan

meningkatkan permintaan komoditi ekspor dari negara importir maka jumlah

komoditi yang diperdagangkan antar kedua negara semakin besar. Populasi besar

memungkinkan skala ekonomi yang dapat meningkatkan produksi komoditi

ekspor sehingga diharapkan populasi dapat berpengaruh positif (Mankiw, 2007).

2.1.3. Jarak (Distance)

Jarak adalah indikasi dari biaya transportasi yang dihadapi oleh suatu

negara dalam melakukan ekspor. Biaya transportasi adalah suatu faktor

penghambat perdagangan internasional. Jarak meningkatkan biaya transaksi


12

pertukaran barang dan jasa internasional. Semakin jauh terpisah suatu negara

dengan yang lain semakin besar pula biaya trasnportasi pada perdagangan di

antara keduanya. Dengan adanya biaya trasnportasi. keuntungan yang diterima

oleh suatu negara dari perdagangan internasional semakin kecil. Maka perlu

mempertimbangkan jarak kedua negara sebagai determinan penting untuk pola

perdagangan geografis (Mankiw, 2000). Jarak merupakan proksi dari biaya

transportasi yang dihadapi oleh suatu negara dalam melakukan perdagangan

internasional. Berkaitan dengan perdagangan bilateral antar negara, apabila jarak

antar negara semakin dekat maka biaya transportasi dalam perdagangan dapat

semakin berkurang sehingga ekspor akan semakin meningkat. Sedangkan

sebaliknya, apabila jarak antar negara semakin jauh maka biaya transportasi yang

dikeluarkan akan semakin besar sehingga akan menurunkan ekspor suatu negara

Dalam penelitian ini menggunakan jarak ekonomi yaitu jarak yang dilihat

dari jarak geografis antara negara pengekspor dan pengimpor dengan

mempertimbangkan GDP nominal negara tujuan ekspor utama dengan satuan km

dan diubah ke dalam bentuk logaritma natural (ln). Hal ini bertujuan agar variabel

jarak menjadi dinamis terhadap perubahan waktu sehingga menghindari adanya

matriks singular yang diakibatkan oleh nilai yang konstan dari jarak geografis

negara eksportir dan negara tujuan ekspor tiap tahunnya.. Perhitungan jarak

ekonomi berdasarkan (Li, Song, & Zhao, 2008) Jarak ekonomiIndonesia −

f adalah perkalian dari jarak geografis dengan ∑1

n

GDPf

GDPf

. Dimana F merupakan

negara tujuan ekspor utama.


13

2.1.4. Nilai Tukar Riil (Real Effective Exchange Rate)

Para ekonom membedakan kurs menjadi dua : kurs nominal dan kurs riil.

Kurs nominal (nominal exchange rate) adalah harga relatif dari mata uang dua

negara sedangkan kurs riil (real exchange rate) adalah suatu harga relatif dari

barang-barang yang diperdagangkan oleh dua negara yang biasa disebut terms of

trade. Nilai tukar riil kedua negara dihitung dari nilai tukar nominal dan harga di

kedua negara. Jika nilai tukar riil tinggi maka harga barang-barang luar negeri

relatif murah dan barang-barang domestik mahal. Jika nilai tukar riil rendah maka

sebaliknya harga barang- barang domestik relatif lebih murah sedangkan harga

barang-barang luar negeri mahal. Perhitungan nilai tukar menurut (Mankiw, 2000)

Nilai tukar riil adalah hasil kali dari nilai tukar nominal dengan harga barang

domestik/harga barang luar negeri.

2.1.5. Harga Minyak Dunia

Harga dapat didefinisikan sebagai suatu nilai pertukaran yang ditetapkan

oleh penjual dan pembeli untuk memperoleh suatu produk. Harga minyak dunia

adalah harga yang terbentuk karena permintaan dan penawaran komoditas minyak

dunia. Minyak mentah dunia diukur dari harga spot pasar minyak dunia, pada

umumnya yang menjadi standar adalah West Texas Intermediate (WTI) atau

Brent. Minyak mentah yang diperdagangkan di WTI adalah minyak mentah yang

berkualitas tinggi. Minyak tersebut berjenis light-weight dan memiliki kadar

belerang yang rendah. Minyak jenis ini sangat cocok untuk dijadikan patokan bagi

perdagangan minyak di dunia. Harga minyak mentah di WTI pada umumnya lebih

tinggi lima sampai enam dolar daripada harga minyak OPEC dan lebih tinggi satu

hingga dua dolar dibanding harga minyak Brent. Jadi rata-rata harga minyak dunia


14

di WTI selama periode tahun 2009 hingga 2018 adalah sebesar US $ 72,95 per

barrel.

Kebutuhan energi suatu negara erat kaitannya dengan jumlah penduduk

dan tingkat perkembangan terutama perkembangan industri. Kebutuhan energi

dunia saat ini masih sangat tergantung pada bahan bakar fosil terutama minyak

bumi, hal ini menyebabkan harga minyak dunia menjadi sangat penting dalam

sektor perdagangan, mengingat persebaran cadangan minyak yang tidak merata di

dunia. Cadangan minyak dunia hanya dimiliki oleh beberapa negara seperti Saudi

Arabia, Irak, Iran dan beberapa negara lain. Diantara persediaan negara tersebut

lebihh dari 25% dimiliki oleh Saudi Arabia. Banyak negara yang masih

bergantung pada negara lain dalam pemenuhan suplai minyak tersebut. Oleh

karena itu, sangat mungkin bagi negara penghasil minyak dunia untuk

mendominasi harga minyak di pasar. Sehingga di butuhkan suatu mekanisme

untuk menentukan harga minyak di pasar dunia agar kebijakan yang diambil

menguntungkan semua pihak.

Harga minyak dunia dipengaruhi oleh tiga faktor. Faktor pertama adalah

faktor fundamental, yang terdiri atas permintaan minyak, pasokan minyak, stok

minyak, kapasitas produksi cadangan dunia, dan kemampuan kilang dunia. Kedua

adalah faktor non fundamental, yang terdiri dari geopolitik, kebijakan pemerintah,

cuaca, bencana alam, pemogokan, kerusakan instalasi rantai produksi, pelemahan

nilai dollar, dan spekulasi. Yang ketiga adalah pengaruh dari kebijakan pasokan

OPEC (Nizar, 2012).

Dampak dari kenaikan harga minyak dunia akan mendorong tingkat inflasi

dan kegiatan ekonomi. Untuk Indonesia akan merasakan harga barang impor


15

mengalami kenaikan. Dampak terhadap APBN bisa dari sisi penerimaan dan

pengeluaran. Untuk penerimaan, akan terjadi kenaikan penerimaan negara dari

sektor Minyak dan Gas (Migas). Sedangkan dari sisi pengeluaran, akan terjadi

kenaikan subsidi BBM, karena harga minyak yang diimpor menjadi lebih mahal.

Harga minyak yang tinggi dapat menyebabkan kemunduran ekonomi di negara-

negara pengimpor minyak dan ekonomi global secara keseluruhan.

Minyak Dunia merupakan magnet energi dunia yang mampu

mempengaruhi harga komoditas lain, seperti harga minyak kelapa sawit mentah

(CPO), batubara, karet, kakao dan harga Gas. Komoditi ini adalah andalan ekspor

Indonesia, sehingga jika harga minyak dunia naik, akan meningkatkan penerimaan

pada pos bea keluar karena ada peningkatan ekspor.

2.1.6. Kebijakan Bea Keluar Ekspor Biji Kakao

Bea Ekspor adalah bea yang dikenakan pada barang yang diangkut oleh

transportasi keluar dari suatu daerah kepabeaan. Penetapan barang ekspor yang

dikenakan barang ekspor dilakukan oleh Menteri setelah mendapatkan

pertimbangan dan/atau usul menteri yang bertugas di bidang perdagangan dan

atau menteri/kepala lembaga pemerintahan non departemen/kepala badan teknis

terkait. Berdasarkan peraturan pemerintah Nomor 55 Tahun 2008 tentang

Pengenaan Bea Keluar Terhadap Barang Ekspor, bea ekspor dikenakan dengan

tujuan untuk menjamin terpenuhinya kebutuhan dalam negeri, melindungi

kelestarian sumber daya alam, mengantisipasi kenaikan harga yang cukup drastis

dari komoditi ekpor tertentu di pasaran internasional, dan menjaga stabilitas harga

komoditi tertentu di dalam negeri.


16

Pada 1 April 2010, pemerintah menerapkan kebijakan bea keluar secara

progresif terhadap ekspor biji kakao melalui Peraturan Menteri Keuangan (PMK)

No. 67/PMK.011/2010 tentang Penetapan Barang Ekspor yang Dikenakan Bea

Keluar dan Tarif Bea Keluar.

Kebijakan bea keluar menetapkan bahwa besaran tarif bea keluar (BK) dan

harga patokan ekspor biji kakao ditentukan berdasarkan harga referensi biji kakao.

Harga referensi yang dimaksud adalah harga rata-rata internasional yang

berpedoman pada harga rata-rata cost insurance freight (CIF) terminal NewYork.

Besaran harga referensi berikut harga patokan ekspor (HPE) ditetapkan setiap

bulan oleh Menteri Perdagangan. Sedangkan kebijakan bea keluar dan tariff bea

keluar untuk ekspor biji kakao ditetapkan oleh menteri keuangan setiap tahunnya,

diantaranya PMK Nomor 213/PMK.011/2011, PMK No. 75/PMK.011/2012,

PMK No. 128/PMK.011/2013, PMK No. 140/PMK.010/2016, PMK No.

13/PMK.010/2017 dan PMK No. 164/PMK.010/2018.

Adapun penetapan besaran tarif BK atas ekspor Biji Kakao mengikuti

besaran tarif referensi (harga rata-rata internasional komoditi tertentu untuk

penetapan tarif Bea Keluar) sebagaimana tercantum dalam Tabel 2.1.

Tabel 2.1. Besaran Harga Referensi dan Tarif Bea Keluar atas Ekspor Biji

Kakao Indonesia Berdasarkan PMK No. 67/PMK.011/2010

No.

Uraian

Pos Tarif

Tarif Bea Keluar (%)

≤ US$

2.000/Ton

US$ 2.001/Ton≤Harga

Referensi≤US$

2.750/Ton

US$ 2.751/Ton≤Harga

Referensi≤US$

3.500/Ton

≥ US$

3.501

1. Kakao 1801.00.00.00 0 5 10 15

Sumber: Peraturan Menteri Keuangan (PMK) Republik Indonesia Nomor 67/PMK.011/2010 tentang Penetapan Barang Ekspor yang Dikenakan Bea Keluar dan Tarif Bea Keluar.


17

2.2. Landasan Teori

2.2.1. Pengertian Model Gravitasi (Gravity Model)

Model gravitasi (gravity model) menurut Fitzsimons dan Hogan (1991)

adalah model yang digunakan untuk menganalisis efek integrasi ekonomi terhadap

perdagangan dan merupakan salah satu analisis yang dapat digunakan untuk

mengestimasi berapa besarnya nilai barang yang keluar dan masuk di suatu

wilayah. Model ini pertama kali dipakai untuk aliran perdagangan internasional

oleh timbergen pada tahun 1962 yang selanjutnya di ikuti oleh banyak peneliti.

Model ini kemudian di estimasi untuk banyak negara, periode waktu dan tingkat

disagregasi.

Model gravitasi perdagangan menyajikan sebuah analisis yang lebih

empiris dari pola perdagangan dibanding model yang lebih teoritis lainnya. Model

gravitasi pada bentuk dasarnya, menerka perdagangan berdasarkan jarak antar

negara dan interaksi antar negara dalam ukuran ekonominya. Model ini meniru

hukum gravitasi Newton yang juga memperhitungkan jarak dan ukuran fisik di

antara dua benda. Model ini telah terbukti menjadi kuat secara empiris oleh

analisis ekonometri. Beberapa penelitian yang dijalankan menambahkan variabel

estimasi kedalam persamaan dasar model gravity yang mana variabel tersebut

dianggap mempengaruhi aliran perdagangan antar negara. Beberapa persamaan

yang sering di masukan dalam persamaan dasar gravity tersebut adalah faktor

geograpi, populasi penduduk, persamaan bahasa, hubungan sejarah, nilai tukar

dan peraturan perdagangan. Faktor lain seperti tingkat pendapatan, hubungan

diplomatik, dan kebijakan perdagangan juga dimasukkan dalam versi lebih besar


18

dari model ini (Frankel et al. 1997). Kesuluruhan variabel ini dapat dimasukkan

kedalam model sebagai variabel control.

Dalam konteks perdagangan model ini menyatakan bahwa intensitas

perdagangan antara negara-negara akan berhubungan secara positif dengan

pendapatan nasional masing-masing negara, dan berhubungan terbalik dengan

jarak diantara keduanya. Dengan kata lain menurut Feenstra et al (1998) gravity

model dapat menjelaskan aliran perdagangan internasional dengan baik, yang

mana aliran perdagangan bilateral merupakan fungsi log-linier dari pendapatan

dan jarak. Menurut Alonso (1987) dalam Fitzsimons dan Hogan (1991).

ditemukan hubungan yang kuat dengan menggunakan fungsi gravity dengan

mengganti massa dengan populasi dan kekuatan gravitasi dengan beberapa ukuran

interaksi antara dua lokasi. Setelah itu persamaan gravitasi banyak digunakan

untuk isu-isu dalam ekonomi regional dan lokasi. dengan memperoleh kesuksesan

secara empiris.

Model persamaan Gravitasi telah digunakan secara luas pada berbagai

sektor-sektor seperti migrasi. Foreign Direct Investment. dan banyak lagi terkait

perdagangan internasional serta menjadi alat yang dapat diandalkan untuk

menganalisis fenomena perdagangan bebas. Persamaan dasar dari model gravitasi

(Tij) adalah hasil kali dari A, 𝑌𝑖𝑎 dan

𝑌𝑗𝑏

𝐷𝑖𝑗𝑐⁄ dimana Tij adalah nilai perdagangan

antara negara i dan negara j. Yi adalah PDB negara i. Yj adalah PDB negara j. Dij

dan adalah jarak diantara kedua negara. Model persamaan Gravitasi ini dikutip

dari teori Krugman dan Obstfeld (2002). Mereka juga mengemukakan bahwa latar

belakang penamaan Gravitasi pada model ini merupakan analogi dari teori

gravitasi Newton: layaknya gaya tarik gravitasi diantara dua obyek bersifat


19

proporsional terhadap massa dan makin berkurang dengan adanya jarak.

Perdagangan antar dua negara. hal lain dianggap sama, bersifat proporsional

terhadap PDB dan berkurang seiring dengan bertambahnya jarak.

Menurut Bergstrand (1985) dalam Retnowati (2007), pada umumnya

bentuk standar dalam bentuk logaritma yang dapat digunakan dalam gravity

model (Ln Xij) yaitu hasil pertambahan dari

𝛽𝑜, 𝛽1 𝑙𝑛 𝑌𝑖, 𝛽2 𝑙𝑛 𝑌𝑗, 𝛽3 𝑙𝑛 𝑁𝑗, 𝛽4 𝑙𝑛 𝐷𝑖𝑗, 𝛽5𝑙𝑛 𝑃𝑖𝑗, 𝑑𝑎𝑛 𝑈𝑖𝑗 dimana Xij merupakan

komoditi aliran perdagangan bilateral dari negara i ke negara j, Yi. Yj adalah

PDB negara i dan j, Ni. Nj adalah populasi negara i dan j, Dij adalah jarak antara

negara i dan j, Pij adalah Dummy. uij adalah standar error, dan β merupakan

koefisien.

Model di atas menggambar pola normal atau sistematik dari perdagangan

dunia yang digambarkan oleh logaritma natural dari volume perdagangan seperti

Yi. Yj. Ni. Nj . Dij sedangkan variabel dummy integrasi ekonomi diperkenalkan

untuk menjelaskan deviasi dari pola perdagangan. Tarigan (2005) dalam Sitorus

(2009), variabel jarak bilateral dipakai untuk setiap aliran perdagangan bilateral

2.2.2. Variabel dalam Model Gravitasi (Gravity Model)

Tarigan (2005) dalam sitorus (2009) pada gravity model aliran

perdagangan bilateral di tentukan oleh tiga kelompok variabel yaitu (1) variabel-

variabel yang mewakili total permintaan potensial negara pengimpor (2) variabel-

variabel indikator total penawaran potensial negara pengekspor (3) variabel-

variabel pendukung atau penghambat aliran perdagangan antar negara pengekspor

dan negara pengimpor.


20

Tinbergen (1962) memberikan usulan bahwa kurang lebih bentuk

fungsional yang sama dapat diterapkan untuk arus perdagangan internasional.

Gravity model dengan menggunakan pendekatan data panel diasumsikan

dipengaruhi oleh variabel-variabel yang telah ditetapkan seperti PDB, exchange

rate, populasi, jarak ekonomi, serta harga ekspor setiap komoditas (Telaumbanua,

2013)

Terdapat banyak pengaplikasian secara empiris dari penggunaan graviti

model ini. Perbedaan tujuan penelitan dan faktor-faktor yang mempengaruhi

sebuah perdagangan mengakibatkan banyaknya variasi dari persamaan model ini.

Hal ini dikarenakan model graviti menitikberatkan kepada konsep perdagangan

bilateral yang dimana dalam sebuah model dapat memasukkan faktor-faktor yang

berlandaskan hubungan kedua negara yang menjalankan perdagangan liberal

tersebut. Model gravity dari aliran perdagangan sering digunakan untuk mengukur

perdagangan bilateral antar negara sebagai variabel terikatnya, sedangkan untuk

variabel tidak terikatnya di kelompokkan menjadi kedalam dua kelompok yang

berbeda yaitu faktor yang mewakili permintaan dan penawaran perdagangan dari

perdagangan antar negara dan faktor yang dapat membatasi aliran perdagangan

antar kedua negara tersebut (Kien 2009).

Hadi (2009) pada gravity model didasarkan pada peramalan potensi

perdagangan melalui variabel jarak. populasi dan produk domestik bruto maupun

netto dari negara tersebut. Argumen yang melatarbelakangi pemakaian gravity

model, bahwa negara yang lebih besar dan kaya akan lebih banyak melakukan

perdagangan luar negeri bila dibandingkan dengan negara yang lebih kecil dan

miskin dimana jarak yang semakin jauh dianggap bukan sebagai hambatan.

Gravity model berkaitan dengan long-range equilibrium aliran perdagangan dan


21

sebagai model ideal untuk membandingkan perdagangan dari dua daerah atau dari

dua sistem ekonomi yang berbeda.

Variabel indikator dari total permintaan potensial negara pengimpor dapat

digambarkan dengan PDB negara importir dan populasinya sedangkan untuk

indikator penawaran potensial dari negara pengekspor dapat digunakan PDB

negara pengekspor. Selain itu, pendapatan per kapita pun dapat digunakan sebagai

pengganti variabel PDB. Pendapatan per kapita adalah ukuran berapa banyak

perolehan pendapatan setiap individu dalam perekonomian. Pengertian lain

mengenai pendapatan per kapita adalah jumlah yang tersedia bagi rumah tangga

atau perusahaan untuk melakuan pengeluaran. Dengan demikian tingkat konsumsi

atau kemampuan daya beli suatu negara atas suatu komoditi dapat diukur dari

pendapatan per kapita penduduknya. Jika pendapatan per kapita suatu negara

dinilai cukup tinggi, maka dapat dikatakan suatu negara tersebut merupakan pasar

potensial bagi pemasaran suatu komoditi ataupun produk tertentu. Beberapa

variabel tambahan sebagai penghambat dalam aliran ekspor adalah adanya

variabel jarak antar dua negara (Andelisa, 2011).


22

2.3. Penelitian Terdahulu

Tabel 2.2. Penelitian Terdahulu

N

o

Nama

Peneliti

Judul

Penelitian

Perumusan

Masalah

Variabel

Pengamatan

Metode

Analisis

Kesimpulan

1.

Yuniarti

(2007)

Analisis

Determinan

Perdagangan

Bilateral

Indonesia

dengan

Pendekatan

Gravity

Model

Performa

perdagangan

Indonesia

yang membaik

mendorong

untuk

dilakukan

pengkajian

mengenai

determinan

perdagangan

bilateral

Indonesia

dengan mitra

dagangnya.

Adapun

determinan

yang

dimasukkan

ke dalam

model

meliputi

Produk

Domestik

Bruto (PDB),

jarak,

populasi,

kesamaan

ukuran

perekonomia

n, perbedaan

relative

faktor

endowment,

dan

keanggotaan

dalam area

perdagangan

bebas.

Alat analisis

dengan

menggunakan

panel data

Berdasarkan hasil estimasi

penelitian tersebut diperoleh

uji signifikansi model yang

menyatakan bahwa

konstanta tidak sama untuk

semua unit tetapi slopenya

sama. Hal tersebut

dibuktikan melalui F-Test

dengan hasil perhitungan F

hitung sebesar 12.03325

lebih besar dari F-tabel

(19.119) dengan α = 5%

sebesar 1.69 yang berarti

model metode Fixed Effect

Model (FEM) lebih tepat

dibandingkan metode

Random Effect Model

(REM) karena jumlah data

cross section lebih besar

dari data time series dengan

pengambilan sampel yang

tidak acak.

Berkaitan dengan tanda

koefisien, semua hasil

estimasi konsisten dengan

teori mengenai Gravity

Model. Pendapatan nasional

(PDB) dari negara eksportir

(Yi) dan importir (Yj)

mempunyai hubungan

positif dengan perdagangan

bilateral. variabel jarak

sebagai proksi bagi biaya

produksi berpengaruh

negatif terhadap

perdagangan bilateral.

variabel kesamaan ukuran

perekonomian (endowment)

tidak berpengaruh terhadap

perdagangan bilateral

dengan kekonsistenan teori

H-O dengan fenomena

perdagangan intraindustri.

Variabel populasi mitra

dagang mempunyai

pengaruh yang positif

terhadap perdagangan

bilateral dan keanggotaan

dalam area perdagangan

bebas tidak berpengaruh

terhadap perdagangan

bilateral.


23

Lanjutan Tabel 2.2. Penelitian Terdahulu

N

o

Nama

Peneliti

Judul

Penelitian

Perumusan

Masalah

Variabel

Pengamatan

Metode

Analisis

Kesimpulan

2.

Sitorus

(2009)

Peningkatan

ekspor CPO

dan Kakao

di bawah

Pengaruh

Liberalisasi

Perdagangan

(Suatu

Pendekatan

Model

Gravitasi)

Dengan

adanya

liberalisasi

perdagangan

pada komoditi

pertanian yang

tertuang jelas

dalam

perjanjian

Agreement of

Agriculture

(AoA)

membuat

ekspor CPO

dan kakao

juga

mengalami

perubahan

GDP negara

pengimpor,

GDP negara

pengekspor,

populasi

negara

pengimpor

dan

pengeksspor,

nilai tukar

dan jarak.

Alat analisis

dengan

menggunakan

panel data

Adapun variabel yang

berpengaruh positif dan

signifikan terhadap ekspor

kakao dari negara importir

ke negara tujuan ekspor

adalah variabel populasi

negara pengimpor (POPi).

populasi negara pengekspor

(POPj) sedangkan variabel

PDB negara pengimpor

memiliki pengaruh negatif

dan tidak signifikan, dan

PDB negara pengekspor,

nilai tukar (ER) juga jarak

memiliki pengaruh negatif

dan signifikan sedangkan

variabel yang signifikan

pada ekspor CPO adalah

variabel PDB negara

pengekspor dan pengimpor,

populasi negara pengekspor

dan pengimpor serta jarak.

Sedangkan variabel nilai

tukar tidak berpengaruh

nyata.

3. Hadi

(2009)

Analisis

faktor faktor

yang

mempengar

uhi aliran

perdagangan

pisang dan

mangga

Indonesia

dengan

metode

deskriptif

dan

kuantitatif

Negara-negara

tujuan ekspor

komoditi

pisang dan

mangga

Indonesia

memiliki

lokasi dan

karakteristik

yang berbeda-

beda baik

dalam hal

populasi,

ukuran

ekonomi

maupun jarak

satu sama

lainnya.

Variasi

karakteristik

ini akan

mempengaruhi

perdagangan

antara

Indonesia

dengan negara

tujuan.

Pendapatan

per kapita

negara

tujuan,

populasi,

jarak antar

negara, nilai

tukar, harga

ekspor

komoditi di

negara tujuan

ekspor, dan

ekspor

komoditi ke

negara tujuan

satu tahun

sebelumnya.

Metode

deskriptif dan

metode

kuantitatif

menggunakan

data panel

Metode deskriptif

menjelaskan potensi

ekonomi negara tujuan pada

masa yang akan datang dari

perdagangan pisang dan

manga, sedangkan metode

kuantitatif menjelaskan

faktor-faktor yang

mempengaruhi aliran

perdagangan kedua

komoditas menggunakan

Gravity Model dengan

variabel-variabel

penariknya antara lain

pendapatan per kapita

negara tujuan, populasi,

jarak antar negara, nilai

tukar, harga ekspor

komoditi di negara tujuan

ekspor, dan ekspor

komoditi ke negara tujuan

satu tahun sebelumnya.

Hasil analisis aliran

perdagangan pisang

Indonesia, diperoleh

R2 sebesar 93,73 persen

sedangkan hasil analisis

aliran perdagangan mangga

Indonesia, diperoleh R2

sebesar 89,4 persen.


24


N

o

Nama

Peneliti

Judul

Penelitian

Perumusan

Masalah

Variabel

Pengamatan

Metode

Analisis

Kesimpulan

4. Ekanaya

ke, et al

(2010)

Trade

Blocks and

Gravity

Model: A

Study of

Economic

Integration

Among

Asian

Developing

Countries

Pekerjaan

teoritis pada

perjanjian

perdagangan

preferensia

(RTA) selalu

menyoroti

bahwa

sementara

ketentuan

perdagangan

barang

dagangan

RTA dapat

meningkatkan

perdagangan

di antara

negara-negara

anggota, itu

adalah dengan

mengorbankan

perdagangan

di antara non-

anggota. Oleh

karena itu,

apakah

menguntungka

n negara untuk

bergabung

dengan RTA

tergantung

pada struktur

biaya di

negara-negara

mitra,

dibandingkan

dengan

struktur biaya

di non-

anggota.

PDB riil

importir dan

eksportir,

Populasi

importir dan

eksportir,

jarak, dan

Koefisien

dummy

perjanjian

perdagangan

bilateral

Alat analisis

dengan

menggunakan

panel data

Hasilnya penelitian

menjelaskan pola

perdagangan Asia, yang

mendukung model teoritis

yaitu PDB riil importir dan

eksportir berpengaruh

positif terhadap


Populasi importir dan

eksportir berpengaruh

negatif terhadap


Konsisten dengan penelitian

lain yang menggunakan

model gravitasi, jarak adalah

ditemukan negatif dan

secara statistik berkorelasi

signifikan dengan ekspor

Asia. Koefisien dummy

perjanjian perdagangan

bilateral secara statistik

tidak signifikan dan

memiliki tanda negatif

dalam keempat kasus. Tiga

dari empat variabel dummy

untuk keanggotaan dalam

perdagangan regional

perjanjian, yaitu ASEAN,

BA, dan SAARC, memiliki

tanda-tanda positif yang

diharapkan dan semuanya

signifikan secara statistik.

Singkatnya, semua koefisien

variabel dummy regional

sebagian besar positif dan

signifikan, menunjukkan

bahwa perjanjian

perdagangan multilateral

cenderung meningkatkan

lebih banyak perdagangan

dari perjanjian perdagangan

bilateral.

5. Soraya

(2013)

Analisis

Determinan

Ekspor

Karet

Indonesia

dengan

pendekatan

Gravity

Model

Kesenjangan

nilai ekspor

yang diperoleh

Indonesia pada

tahun 2001

hingga tahun

2007, nilai

ekspor karet

Indonesia

selalu

mengalami

peningkataan.

Namun pada

tahun 2008,

nilai ekspor

karet Indonesia

turun.

variabel PDB

negara tujuan

ekspor dan

variabel PDB

negara

Indonesia,

kebijakan

IRCO, dan

populasi

negara tujuan

ekspor

Model Pooled

Least Square

atau PLS

dengan teknik

Random Effect

Model (REM).

Hasil penelitian tersebut

menunjukkan variabel nilai

tukar riil dan jarak

menunjukkan pengaruh

yang negatif dan signifikan,

variabel PDB negara tujuan

ekspor menunjukkan

pengaruh yang positif dan

signifikan sedangkan

variabel PDB negara

Indonesia, kebijakan IRCO,

dan populasi negara tujuan

ekspor karet tidak

menunjukkan pengaruh

yang signifikan.


25


No Nama

Peneliti

Judul

Penelitian

Perumusan

Masalah

Variabel

Pengamatan

Metode

Analisis

Kesimpulan

6. Khaliqi

(2017)

Dampak

Kebijakan

Non-Tariff

Measures

Terhadap

Ekspor

Udang

Indonesia

Udang

Indonesia juga

merupakan

salah satu

komoditas

pada sub-

sektor

perikanan

yang memiliki

nilai jual yang

cukup tinggi

dibandingkan

dengan produk

perikanan

lainnya. Nilai

ekspor udang

Indonesia

yang

diprediksi

akan

mengalami

peningkatan

seiring dengan

berjalannya

waktu ini

dapat

terhambat

akibat

penerapan

kebijakan-

kebijakan

perdagangan

internasional

yang terus

berubah

menuju ke

perdagangan

liberal.

Data

kebijakan

NTM, PDB

negara

eksportir,

PDB negara

importer,

nilai tukar,

jarak, serta

penerapan

kebijakan

SPS dan TBT

yang

diberlakukan

oleh negara

importir

Analisis

deskriptif,

Pendekataan

inventory dan

Analisis data

panel Gravity

Model

Penelitian menyajikan

gambaran mengenai

perdagangan udang

Indonesia dan implementasi

kebijakan NTM. Penelitian

ini menggunakan analisis

panel data serta inventory

approach. Inventory

approach digunakan untuk

mengubah data kebijakan

NTM yang bersifat kualitatif

menjadi kuantitatif. Faktor-

faktor yang mempengaruhi

ekspor udang Indonesia di

estimasi menggunakan

gravity model.

Hasil empiris menunjukkan

PDB negara eksportir serta

nilai tukar memiliki

pengaruh negatif terhadap

ekspor udang Indonesia,

PDB negara importir dan

biaya perdagangan memiliki

pengaruh positif terhadap

ekspor udang Indonesia.,

sedangkan penerapan

kebijakan SPS dan TBT

yang diberlakukan oleh

negara importir dianggap

tidak mempengaruhi ekspor

udang Indonesia di pasar

internasional.

Kinerja trend perdagangan

udang Indonesia

menunjukkan trend yang

positif. Indonesia memiliki

market share sebesar 6

persen di pasar

internasional. Pertumbuhan

ekspor udang Indonesia

terbesar terjadi pada tahun

2011 yaitu sebesar 20.75

persen. Negara tujuan

ekspor udang Indonesia

terbesar adalah menuju ke

Amerika Serikat serta

Jepang.


26

2.4. Kerangka Pemikiran

Kakao merupakan komoditas perkebunan yang sangat penting peranannya

bagi masyarakat dengan pengolahan perkebunan kakao yang baik, maka tanaman

kakao akan dapat bermanfaat untuk membuka berbagai lapangan kerja sehingga

dapat dijadiikan sebagai sumber mata pecaharian rakyat. Selain itu. kakao juga

merupakan sumber devisa negara. Namun, nilai ekspor kakao Indonesia ke

berbagai negara tujuan ekspor dari tahun 2009 - 2018 terus mengalami fluktuasi.

Pada tahun 2011 dan 2015 nilai ekspor kakao mengalami penurunan, setelah itu

nilai ekspor kakao kembali naik pada tahun 2013 dan tahun 2018.

Kakao Indonesia di ekspor ke berbagai belahan dunia. Adanya perbedaan

nilai dan volume ekspor ke berbagai negara dapat disebabkan oleh berbagai faktor

determinan seperti nilai PDB Indonesia, nilai PDB negara importir, jumlah

populasi, dan adanya perbedaan jarak dan nilai tukar riil.

Penentuan kemana prioritas utama dan faktor apa yang memengaruhi nilai

ekspor kakao perlu untuk diteliti. Adapun pengaruh jarak dalam penelitian adalah

negatif karena semakin jauh jarak maka biaya yang semakin tinggi, sehingga akan

mengurangi keuntungan bila dilakukan kegiatan ekspor maupun impor dari negara

tersebut, begitu juga pada variabel nilai tukar riil dan harga minyak dunia. Pada

variabel PDB Indonesia dan PDB negara tujuan juga memiliki pengaruh yang

positif dan signifikan karena PDB menunjukkan kemampuan suatu negara untuk

memproduksi barang dan jasa, sehingga bila dilakukan kegiatan ekspor ke negara

yang memiliki PDB yang tinggi maka dapat meningkatkan nilai ekspor kakao

Indonesia.


27

Variabel selanjutnya adalah kebijakan bea keluar, dimana kebijakan bea

keluar ekspor biji kakao mampu meningkatkan kemampuan industri pengolahan

dalam menyerap produksi biji kakao domestik. Kebijakan tersebut juga mampu

meningkatkan pangsa volume dan nilai ekspor kakao olahan, untuk lebih jelas

maka dapat dilihat alur kerangka pemikiran pada penelitian ada pada Gambar 2.1.

Keterangan:

berpengaruh signifikan

(+) berpengaruh positif

(-) berpengaruh negatif

Gambar 2.1. Kerangka Pemikiran Analisis Determinan Ekspor Kakao

Indonesia dengan Pendekatan Gravity Model

Nilai PDB (+)

Harga Minyak Dunia (-)

Jumlah Populasi Negara Importir (+)

Jarak (-)

Nilai Tukar Riil Negara Importir (-)

Nilai Ekspor Kakao

Indonesia

Kebijakan Bea Keluar Ekspor (+)


28

2.5. Hipotesis Penelitian

Berdasarkan kajian teori dan penelitian terdahulu maka disimpulkan

hipotesis penelitian sebagai berikut :

1. Terdapat beberapa negara tujuan utama ekspor kakao Indonesia.

2. Produk Domestik Bruto (PDB), populasi negara tujuan dan kebijakan bea

keluar ekspor berpengaruh positif dan signifikan terhadap nilai ekspor kakao

Indonesia sedangkan nilai tukar riil negara importir, harga minyak dunia

dan jarak Indonesia dengan negara tujuan berpengaruh negatif dan

signifikan terhadap nilai ekspor kakao Indonesia.


29

III. METODE PENELITIAN

3.1. Metode Pemilihan Lokasi

Penelitian yang dilakukan meliputi perancangan penelitian, perumusan

masalah, pengumpulan data dari berbagai instansi terkait. pengolahan data,

analisis data, interpretasi data, dan penarikan kesimpulan. Penelitian ini dilakukan

di Indonesia dengan menggunakan data nasional dan internasional. Pemilihan

lokasi ini dilakukan secara sengaja (purposive) sesuai dengan tujuan penelitian.

3.2. Metode Penentuan Sampel

Metode penentuan sampel dalam penelitian ini adalah secara purposive

(sengaja). Sampel ditentukan berdasarkan pada nilai ekspor kakao Indonesia

terbesar ke negara tujuan dari tahun 2009 sampai dengan tahun 2018 dan menurut

sarwoko (2005) metode analisis data panel harus memenuhi persyaratan yaitu

jumlah cross section harus lebih besar daripada jumlah variabel penelitian.

Berdasarkan data International Trade Center negara tujuan utama ekspor kakao

Indonesia yang dipilih adalah sembilan negara yang memiliki nilai total ekspor

kakao Indonesia terbesar dari 152 negara tujuan ekspor kakao Indonesia.

3.3. Metode Pengumpulan Data

Penelitian ini menggunakan data panel, yaitu gabungan data runtut waktu

(time series) dan data cross section dari tahun 2009-2018 yang diolah

menggunakan software Eviews 10. Data perdagangan yang akan diteliti adalah

komoditas kakao dan olahannya dengan kode HS 2 digit yaitu 18 digunakan untuk

melihat komoditas kakao dan olahannya yang menjadi andalan Indonesia. Data


30

diperoleh dari berbagai sumber. Adapun sumber data penelitian dapat dilihat pada

Tabel 3.2.

Tabel 3.2. Variabel dan Sumber Data Penelitian

Variabel Sumber Data

Nilai ekspor kakao Indonesia

Produk domestik bruto/ GDP

Jarak geografis

Populasi

Nilai tukar riil

Harga Minyak Dunia

International Trade Center (ITC)

World Bank

http://indonesia.distanceworld.com/dc

World Bank

Federal Reserve Economic Data

Organization of the Petroleum Exporting

Countries (OPEC)

3.4. Metode Analisis Data

3.4.1. Untuk Membuktikan Hipotesis 1

Untuk mengidentifikasi negara-negara tujuan utama ekspor kakao

Indonesia dalam penelitian ini menggunakan analisis deskriptif. Berdasarkan

statistik deskriptif nilai ekspor kakao Indonesia dari periode tahun 2009 hingga

tahun 2018 akan di ranking sehingga diperoleh negara-negara tujuan utama ekspor

kakao Indonesia.

3.4.2. Untuk Membuktikan Hipotesis 2

3.4.2.1. Model Penelitian

Penelitian ini akan menganalisis faktor-faktor determinan yang

mempengaruhi nilai ekspor kakao Indonesia ke negara tujuan utama dan

menganalisis nilai dan signifikansi pengaruh variabel bebas Produk Domestik

Bruto (PDB), populasi negara tujuan ekspor kakao Indonesia, jarak, nilai tukar riil

negara tujuan ekspor kakao Indonesia, dan kebijakan bea keluar ekspor.

Persamaan dasar dari model gravitasi adalah:

Tij = A x 𝑌𝑖𝑎 x

𝑌𝑗𝑏

𝐷𝑖𝑗𝑐⁄ ………………………………………………………..(3.1)



31

Tij adalah nilai perdagangan antara negara i dan negara j. Yi adalah PDB

negara i. Yj adalah PDB negara j. Dij dan adalah jarak diantara kedua negara.

Model persamaan Gravitasi ini dikutip dari teori Krugman dan Obstfeld (2002).

Berdasarkan Supriana (2011) adapun model yang akan digunakan dalam

penelitian ini adalah:

Ln EXPV𝑡𝑖

= βo + β1In (PDBt𝑖 x PDB

tj) + β2 ln POP

tj + β3 ln DIST

tj

+ β4ln PTO t

+ β5 lnREER tj + β6 D1 + µ … … … … … . (3.2)

dimana :

β0 = konstanta

β0 ,…, β6 = parameter masing-masing variabel

t = (1,…,t ); tahun 2009-2018

j = (1,…,N); negara tujuan utama ekspor kakao Indonesia

I = Indonesia

EXPV𝑡𝑖 = nilai ekspor kakao Indonesia ke negara-j pada tahun-t (US $)

PDBt𝑖 = nilai PDB Indonesia pada tahun-t (US $)

PDBtj = nilai PDB negara importir-j terhadap tahun-t (US $)

POPtj = jumlah penduduk negara importir-j pada tahun-t (jiwa)

DISTtj = jarak ekonomi antara ibukota indonesia dan ibukota negara

importir-j pada tahun-t (km)

PTO t

= Harga Minyak Dunia pada tahun-t (US$/bbl)

REER tj = nilai tukar riil negara importir-j pada tahun-t


32

D1 = Dummy variabel kebijakan perdagangan kakao kebijakan bea

keluar ekspor

1 = Tahun-tahun setelah pemberlakuan kebijakan bea keluar ekspor

0 = Tahun-tahun sebelum pemberlakuan kebijakan bea keluar ekspor

µ = error term

3.4.2.2. Analisis Regresi Data Panel (Regression of Pooled Data)

Metode yang digunakan untuk menganalisis faktor-faktor yang

mempengaruhi volume ekspor kakao Indonesia ke negara tujuan utama dilakukan

dengan model regresi panel data (pooled data) dengan tiga macam pendekatan

yaitu pendektan kuadrat terkecil (pooled least square), pendekatan efek tetap

(fixed effect model), dan pendekatan efek acak (random effect model). (Manurung

dan Saragih, 2005).

- Model Pooled Least Square

Pendekatan pertama adalah pendekatan kuadrat terkecil, pada metode ini

penggunaan data panel dengan mengumpulkan semua data cross section dan time

series lalu melakukan pendugaan (pooling). Disetiap observasi (setiap periode)

terdapat regresi sehingga datanya berdimensi tunggal. Dari data panel akan

diketahui N adalah jumlah unit cross-section dan T adalah jumlah periode waktu.

Dengan melakukan pooling seluruh observasi sebanyak N.T, maka

dapat ditulis fungsi dari model kuadrat terkecil, misalnya yaitu :

Yit = α + Xit βj + εit ……………………………. (3.3)

untuk i,j = 1, 2, …, N dan t = 1, 2,…,T

dimana :


33

Yit = variabel endogen,

it = variabel eksogen,

α = intersep,

β = slope,

i = individu ke-i,

t = periode tahun ke-t,

ε = error/simpangan,

N = jumlah unit cross section,

T = jumlah periode waktunya.

Pendekatan yang paling sederhana untuk mengestimasi persamaan

tersebut adalah mengabaikan dimensi cross-section dan time-series dari data

panel dan mengestimasi data dengan metode kuadrat terkecil biasa (OLS) yang

diterapkan dalam data yang berbentuk pool.

Pada metode ini, model mengasumsikan bahwa nilai intersep

masing- masing variabel adalah sama, kemudian model ini juga mengasumsikan

bahwa slope koefisien dari dua variabel adalah identik untuk semua unit cross-

section. Ini merupakan asumsi yang sangat ketat, sehingga walaupun metode

PLS (pooled least square) menawarkan kemudahan, namun model

mungkin mendistorsi gambaran yang sebenarnya dari hubungan antara Y dan X

antar unit cross-section.

- Model Efek Tetap (Fixed Effect Model)

Model efek tetap adalah model yang didapatkan dengan

mempertimbangkan bahwa peubah-peubah yang dihilangkan dapat

mengakibatkan perubahan dalam intersep-intersep cross section dan time series.


34

Peubah dummy dapat ditambahkan ke dalam model untuk memungkinkan

perubahan-perubahan intersep ini lalu model diduga dengan Ordinary Least

Square (OLS), yaitu :

Yit = αiDi + βXit + εit ……………..………….. (3.4)

dimana :

Yit = variabel endogen,

it = variabel eksogen,

α = intersep,

D = variabel dummy,

β = slope,

i = individu ke-i,

t = periode tahun ke-t,

ε = error/simpangan.

- Model Efek Random (Random Effect Model)

Penambahan variabel dummy dalam efek tetap akan dapat

menimbulkan konsekuensi yaitu akan mengurangi banyaknya degree of

freedom yang pada akhirnya akan mengurangi efisiensi dari parameter yang

diestimasi. Maka untuk mengatasinya, dapat menggunakan model efek acak.

Dalam model ini, parameter yang berbeda antar individu maupun antar waktu

dimasukkan ke dalam error. Bentuk model efek acak dapat dijelaskan dengan

persamaan berikut :

Yit = α + Xit βj + εit ……………………………………………...(3.5)

εit = uit + vit + wit …………………………………………... (3.6)

dimana :


35

uit ~ N(0, δu2) = komponen cross section error,

vit ~ N(0, δv2) = komponen time series error,

wit ~ N(0, δw2) = komponen combination error.

Dapat pula mengasumsikan bahwa error secara individual juga tidak

saling berkorelasi begitu juga dengan error kombinasinya.

Penggunaan model efek acak dapat menghemat pemakaian derajat

kebebasan dan tidak mengurangi jumlahnya seperti yang dilakukan pada model

efek tetap. Hal ini berimplikasi parameter yang merupakan hasil estimasi akan

menjadi efisien.

Dalam pengolahan data panel, terdapat pilihan untuk menggunakan

kriteria pembobotan yang berbeda-beda, yakni:

1. No Weighting : semua observasi diberi bobot yang sama.

2. Cross Section Weight : Generalized Least Square (GLS) dengan

menggunakan estimasi varians residual cross section. Digunakan apabila

ada asumsi bahwa terdapat cross section heteroskedasticity.

3. SUR : GLS menggunakan estimasi residual covariance matrix cross

section. Metode ini mengoreksi baik heteroskedastisitas maupun

autokorelasi antar unit cross section.

Menurut sarwoko (2005) model random effect digunakan untuk

mengatasi kelemahan model fixed effect yang menggunakan variabel dummy.

Metode analisis data panel dengan model random effect harus memenuhi

persyaratan yaitu jumlah cross section harus lebih besar daripada jumlah variabel

penelitian.

3.4.2.3. Pemilihan Model


36

Pemilihan model yang akan digunakan dalam satu penelitian perlu

dipertimbangkan secara statistik. Hal ini ditujukan untuk memperoleh dugaan

yang efisien. Ada tiga pengujian untuk menentukan model yang akan digunakan

dalam pengolahan data panel yaitu Chow Test, Hausman Test dan LM Test

(Gujarati, 2007).

- Chow Test

Chow Test adalah pengujian untuk memilih apakah model yang

digunakan adalah Pooled Least Square atau Fixed Effect. Sebagaimana

diketahui, bahwa terkadang asumsi bahwa setiap unit cross section memiliki

perilaku yang sama cenderung tidak realistis mengingat dimungkinkan setiap

unit cross section memiliki perilaku yang berbeda. Dalam pengujian ini

dilakukan hipotesa sebagai berikut :

H0 : Model Pooled Least Square

H1 : Model Fixed Effect

Dasar penolakan terhadap H0 adalah dengan menggunakan F-statistik seperti

yang dirumuskan oleh Chow :

CHOW = ……………………………(3.7)

dimana :

ESS1 = Residual Sum Square hasil pendugaan model PLS,

ESS2 = Residual Sum Square hasil pendugaan model Fixed Effect,

N = Jumlah data cross section,

T = Jumlah data time series,

K = Jumlah variabel penjelas.

Statistik Chow Test mengikuti distribusi F-statistik dengan derajat bebas


37

jika nilai CHOW statistik (F-stat) hasil pengujian lebih besar dari F-tabel, maka

cukup bukti untuk melakukan penolakan terhadap H0 sehingga model yang

digunakan adalah model fixed effect dan begitu juga sebaliknya.

- Uji Haussman (Haussman Test)

Pengujian ini dilakukan untuk menentukan apakah model fixed effect atau

random effect yang dipilih. Pengujian ini dilakukan dengan hipotesa sebagai

berikut:

H0: Model Random Effect

H1: Model Fixed Effect

Dasar penolakan H0 adalah dengan menggunakan pertimbangan statistik

Chi Square. Jika Chi Square statistik > Chi Square table maka H0 ditolak (model

yang digunakan adalah Fixed Effect), dan sebaliknya (Manurung dan Saragih,

2005).

Menurut Manurung dan Saragih (2005) dalam tulisannya meyebutkan ada

empat pertimbangan pokok untuk memilih FEM dan REM, yaitu:

1. Jika jumlah time series (T) besar dan jumlah cross section (N) kecil

maka nilai taksiran parameter berbeda kecil, sehingga pilihan

didasarkan pada kemudahan perhitungan, yaitu FEM.

2. Bila N besar dan T kecil penaksiran dengan FEM dan REM

menghasilkan perbedaan yang signifikan. Pada REM diketahui

bahwa α0i = α0 + εi, di mana εi adalah komponen acak cross section,

pada FEM diperlakukan α0 adalah tetap atau tidak acak. Bila

diyakini bahwa individu atau cross section tidak acak maka

FEM lebih tepat, sebaliknya jika cross section acak maka REM

lebih tepat.


38

3. Jika komponen error εi individu berkorelasi maka penaksir REM

adalah bias dan penaksir FEM tidak bias.

4. Jika N besar dan T kecil serta asumsi REM dipenuhi maka penaksir

REM lebih efisien dari penaksir FEM.

Apabila pada model efek tetap, perbedaan individu dan atau antarwaktu

dicerminkan melalui intercept, maka pada model efek random, perbedaan tersebut

diakomodasi lewat error. Teknik ini juga memperhitungkan bahwa error mungkin

berkorelasi sepanjang time series dan cross section.

- LM Test (Lagrange Multiplier Test)

LM Test atau The Breusch – Pagan LM Test digunakan sebagai

pertimbangan statistik dalam memilih model Random Effect Model versus

Pooled Least Square. Pengujian hipotesisnya:

H0 : PLS

H1 : Random Effect Model

Dasar penolakan H0 dengan mengguanakan statistik LM yang mengikuti

distribusi Chi-Square.

3.4.2.4. Pengujian Asumsi dan Kesesuaian Model

Pengujian asumsi dilakukan agar model yang dihasilkan merupakan model

yang efisien, konsisten, serta tidak dilakukan pelanggaran terhadap asumsi-asumsi

mendasar seperti normalitas, multikolinieritas, heteroskedastisitas, dan

autokorelasi. Jika terjadi pelanggaran terhadap asumsi-asumsi tersebut maka

model menjadi tidak valid (Gujarati, 1997).

- Uji Normalitas

Salah satu pengujian yang dilakukan dalam persamaan regresi untuk menguji


39

apakah nilai-nilai dari Y berdistribusi normal pada tiap nilai dari X adalah uji

normalitas. Pengujian normalitas dapat dilakukan dengan metode yang digunakan

untuk menguji kenormalan data adalah metode Kolmogorov Smirnov.

Hipotesis :

H0 : Sebaran Normal

H1 : Sebaran Tidak Normal

Uji Statistik

Dn = max (Fe – F0)

Dimana :

Dn = Nilai Kolmogorov Smirnov hitung

Fe = Frekuensi harapan

F0 = Frekuensi observasi

Kriteria uji

KShitung > KStabel atau Pvalue < 5%, maka tolak H0

KShitung < KStabel atau Pvalue > 5%, maka tolak H1

- Uji Autokorelasi

Uji Autokorelasi digunakan untuk menguji apakah dalam sebuah model

regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t

dengan kesalahan pada periode t-1 (sebelumnya). Asumsi dalam autokorelasi

adalah:

E(r ui uj) = o atau Con (uiuj) = 0 (i tidak sama dengan j)…………………...(3.8)

Untuk menguji Autokorelasi dapat dilihat dari nilai Durbin Waston (DW),

yaitu jika nilai DW terletak antara du dan (4 – dw) atau du ≤ DW ≤ (4 – dw)

berarti bebas dari Autokorelasi, sebaliknya jika nilai DW < dL atau DW > (4 –


40

dw) berarti terdapat Autokorelasi. Nilai dL dan dU dapat dilihat pada tabel

Durbin Watson, yaitu nilai dL ; dU ; α ; n ; (k – 1) dimana n adalah jumlah

sampel, k adalah jumlah variabel, dan α adalah taraf signifikan (Sarwoko, 2005).

Konsekuensi dari terjadinya autokorelasi menurut Sarwoko (2005) adalah

sebagai berikut Autokorelasi murni tidak menyebabkan bias kofisien-koefisien

estimasi.

1) Autorelasi akan meningkatkan varian pada distribusi b.

2) Autokorelasi menyebabkan OLS menaksir terlalu rendah terhadap Standar

Error Koefisien.

- Uji Multikolinearitas

Multikolinearitas terjadi apabila pada regresi berganda tidak terjadi hubungan

antar variabel bebas atau terjadi karena adanya korelasi yang nyata antar peubah

bebas. Pelanggaran asumsi ini akan menyebabkan kesulitan untuk menduga yang

diinginkan. Untuk mendeteksi ada tidaknya multikolinearitas adalah dengan

memperhatikan hasil probabilitas t-statistik hasil regresi (Gujarati, 1997). Jika

banyak koefisien parameter yang diduga menunjukkan hasil yang tidak signifikan

maka hal ini mengindikasikan adanya multikolinearitas. Salah satu cara yang

paling mudah untuk mengatasi pelanggaran ini adalah dengan menghilangkan

salah satu variabel yang tidak signifikan tersebut. Hal ini sering tidak dilakukan

karena dapat menyebabkan bias parameter yang spesifikasi pada model.

Kemudian cara lain adalah dengan mencari variabel instrumental yang berkorelasi

dengan variabel terikat namun tidak berkorelasi dengan variabel bebas lainnya.

Namun hal ini agak sulit dilakukan mengingat tidak adanya informasi tentang tipe

variabel tersebut.

Ada beberapa cara untuk mendeteksi ada tidaknya multikolinear. Salah satu


41

caranya menurut Gujarati (2007) yaitu melalui correlation matric, dimana batas

terjadinya korelasi antar sesama variabel bebas adalah tidak lebih dari | 0.80 |.

Selain itu ada cara lain menurut Gujarati (2007) untuk mendeteksi ada tidaknya

multikolinearitas yaitu dengan menggunakan Uji Klein. Menurut Uji Klein,

apabila terjadi nilai korelasi yang lebih tinggi dari | 0.80 |, multikolinearitas dapat

diabaikan selama nilai korelasi tersebut tidak melebihi Adjusted R-squared-nya.

3.4.2.5. Pengujian Statistik

Pengujian statistik berfungsi untuk mengetahui model dalam penelitian

yang digunakan apakah sudah cukup baik atau belum dalam menjelaskan

keragaman yang terdapat pada suatu permasalahan, terdapat beberapa kriteria

pengujian statistik yaitu uji F, uji t, dan koefisien determinasi yang disesuaikan

(R-Squared).

- F-statistic (Pengujian Hipotesis Serempak)

Uji F adalah suatu cara menguji hipotesis nol yang melibatkan lebih dari

satu koefisien. Untuk menunjukkan bahwa kecocokan secara keseluruhan pada

persamaan hasil estimasi adalah signifikan, maka kita harus dapat menolak

hipotesis nol ini menggunakan uji F.

Keputusan menggunakan uji F adalah menolak hipotesis nol apabila nilai

F hasil hitung estimasi persamaan lebih besar daripada nilai kritis F atau “menolak

Ho jika F > Ft dan Tidak Menolak H0 jika F < Ft.

Pengujian dilakukan dengan membandingkan nilai signifikansi dengan

nilai α yang ditetapkan (0,05) atau 5%. Jika signifikansi < 0,05 maka Ho ditolak,

yang berarti variabel independen bersama-sama mempengaruhi variabel

dependen. Jika signifikansi > 0,05 atau 5% maka Ho diterima yang berarti


42

variabel independen bersama-sama tidak mempengaruhi variabel dependen.

- Uji t-statistic (Pengujian Hipotesis Individual)

Uji t adalah uji yang biasa digunakan oleh para ahli ekonometrika untuk

menguji hipotesis tentang koefisien slope regresi secara individual. Uji-t mudah

digunakan karena menjelaskan perbedaan-perbedaan unit-unit pengukuran

variabel dan deviasi standar dari koefisien yang diestimasi.

Untuk menetukan atau menolak atau tidak menolak sebuah hipotesis nol

berdasarkan perhitungan nilai-t, digunakan nilai kritis-t. Menurut Sarwoko (2005)

nilai kritis-t adalah nilai yang membedakan daerah penerimaan dari daerah

penolakan. Nilai kritis-t dapat dilihat dari table-t. Aturan keputusan uji-t adalah

sebagai berikut “Menolak H0 jika th > tt dan jika tanda yang dimiliki oleh

koefisien seperti dinyatakan dalam hipotesis alternatif. Tidak menolak jika

sebaliknya”.

Bentuk uji hipotesis satu sisi (one sided atau one-tailed test) dengan

hipotesis : Ho : µ1 ≥ µ2 , H1 : µ1 < µ2, bentuk uji hipotesis dua sisi (two sided atau

two-tailed test) dengan hipotesis : Ho : µ1 = µ2 , H1 : µ1 ≠ µ2. Dalam pengujian

hipotesis, kriteria menolak atau tidak menolak Ho berdasarkan P-Value yaitu jika

P-Value < α, maka Ho ditolak, jika P-Value ≥ α, maka Ho tidak dapat ditolak.

Untuk mengetahui apakah variabel independen berpengaruh signifikan

terhadap variabel dependen dalam penelitian ini dilakukan dengan melihat nilai

signifikasi (probabilitas) masing-masing variabel independen dengan pengambilan

keputusan sebagai berikut :

1) Jika nilai signifikasi pada variabel bebas > 0.05, maka Ho diterima,

artinya secara individual variabel bebas tidak mempengaruhi


43

variabel terikat.

2) Jika nilai signifikasi pada variabel bebas < 0.05, maka Ho ditolak,

artinya secara individual variabel bebas mempengaruhi variabel

terikat.

- R-Squared (R2)

Kesesuaian model dihitung dengan nilai koefisien determinasi (R2) yang

bertujuan untuk mengukur keragaman variabel dependen yang dapat diterangkan

oleh variabel independen. Koefisien determinasi adalah ukuran variasi total pada

peubah tak bebas yang dapat dijelaskan oleh hubungannya dengan peubah

bebas. Koefisien determinasi juga disebut sebagai R2. Batas nilai r antara -1

dan 1, tanda minus terjadi kalau ©xiyi memberikan nilai minus. Nilai terkecil

(minimum) r2

adalah nol (0) terjadi kalau ©ei2

= ©yi2, yaitu kalau garis regresi

=Y dan explained variation nol.

Untuk menghitung koefisien determinasi digunakan rumus sebagai

berikut:

R2 =𝑆𝑆𝑅

𝑇𝑆𝑆… … … … … … … … … … … … … … … … … … … … … … … … … … . … (3.9)

SSE (Sum of Square Error) menunjukkan jumlah total kuadrat peubah tak

bebas yang tidak dijelaskan oleh garis regresi kuadrat terkecil. Sedangkan SSR

(Sum of Square Regression) merupakan jumlah total kuadrat yang dapat

dijelaskan oleh garis regresi sedangkan TSS (Total Sum of Square) merupakan

jumlah SSE dan SSR (Sarwoko, 2005).

3.5. Defenisi dan Batasan Operasional

Untuk keseragaman persepsi, dalam penulisan ini ditetapkan batasan-


44

batasan operasional sebagai berikut:

1. Nilai ekspor kakao Indonesia adalah nilai ekspor kakao dalam berbagai

bentuk olahan dengan Harmonized System (HS) code 18 dari Indonesia ke

negara tujuan ekspor dari tahun 2009-2018, yang dinyatakan dalam juta US

$.

2. Produk Domestik Bruto (PDB) Indonesia adalah PDB per kapita Indonesia

yang merupakan keseluruhan nilai tambah bruto dari kegiatan

perekonomian Indonesia dan diukur menggunakan harga berlaku, dari tahun

2009-2018, yang dinyatakan dalam US $.

3. Produk Domestik Bruto (PDB) negara tujuan ekspor kakao Indonesia

adalah nilai produk domestik bruto per kapita negara tujuan ekspor

berdasarkan harga berlaku, masing-masing dari tahun 2009-2018, yang

dinyatakan dalam US $.

4. Populasi negara importir adalah jumlah penduduk importir segala usia dari

tahun 2009-2018, yang dinyatakan dalam jiwa.

5. Jarak merupakan proksi bagi biaya transportasi. Dalam penelitian ini

menggunakan jarak ekonomi yaitu jarak yang dilihat dari jarak geografis

antara ibukota Indonesia dengan ibukota negara tujuan ekspor kakao

dengan mempertimbangkan GDP/PDB nominal negara tujuan ekspor utama

dengan satuan km dari tahun 2009 -2018.

6. Nilai tukar riil negara importir adalah nilai tukar riil mata uang negara

importir kakao Indonesia, yang dihitung berdasarkan harga domestik dan

harga luar negeri berbagai dari tahun 2009-2018.

7. Harga minyak mentah dunia diukur dari harga spot pasar minyak dunia.


45

Penelitian ini menggunakan harga minyak Amerika yaitu West Texas

Intermediate (WTI) atau light-sweet dari tahun 2009-2018 yang dinyatakan

dalam US $ per bbl (barrel).

8. Kebijakan Bea Keluar adalah kebijakan yang dilakukan oleh pemerintah

untuk menghambat ekspor biji kakao dan meningkatkan ekspor kakao olahan.

Penelitian ini memakai variabel dummy untuk kebijakan bea keluar ekspor

biji kakao, yakni bernilai 0 sebelum Pemerintah Indonesia mengeluarkan

kebijakan bea keluar dan bernilai 1 sesudah Pemerintah Indonesia

mengeluarkan kebijakan bea keluar.

IV. HASIL DAN PEMBAHASAN

4.1. Gambaran Umum Ekspor Kakao Indonesia


46

Kakao (Theobrema cacao L.) merupakan salah satu komoditas perkebunan

yang peranannya cukup penting bagi perekonomian nasional, khususnya sebagai

penyedia lapangan kerja, sumber pendapatan dan devisa negara. Disamping itu

kakao juga berperan dalam mendorong pengembangan wilayah dan

pengembangan agroindustri. Pada tahun 2002, perkebunan kakao telah

menyediakan lapangan kerja dan sumber pendapatan bagi sekitar 900 ribu kepala

keluarga petani yang sebagian besar berada di Kawasan Timur Indonesia (KTI)

serta memberikan sumbangan devisa terbesar ke tiga sub sektor perkebunan

setelah karet dan kelapa sawit dengan nilai sebesar US $ 701 juta. Dari segi

kualitas, kakao Indonesia tidak kalah dengan kakao dunia dimana bila dilakukan

fermentasi dengan baik dapat mencapai cita rasa setara dengan kakao yang berasal

dari Ghana dan kakao Indonesia mempunyai kelebihan yaitu tidak mudah

meleleh. Sejalan dengan keunggulan tersebut, peluang pasar kakao Indonesia

cukup terbuka baik ekspor maupun kebutuhan dalam negeri (Pusdatin, 2016).

Dengan kata lain, potensi untuk menggunakan industri kakao sebagai salah satu

pendorong pertumbuhan dan distribusi pendapatan cukup terbuka.

4.2. Hasil Uji Hipotesis 1

Nilai ekspor kakao Indonesia ke negara tujuan berbeda pada masing-masing

negara. Negara tujuan ekspor kakao Indonesia pada penelitian ini adalah

Malaysia, Amerika Serikat, China, Singapura, Jerman, Belanda, Australia, India,

dan Brazil yang dinyatakan dalam US $ mulai dari Tahun 2009 sampai dengan

Tahun 2018. Statistik deskriptif nilai ekspor kakao Indonesia dari tahun 2009-

2018 dapat dilihat pada Tabel 4.1.

Tabel 4.1. Statistik Deskriptif Nilai Ekspor Kakao Indonesia


47

Negara Nilai Ekspor (US $)

Standar

Deviasi Mean Median Maximum Minimum

Malaysia 130.653.824 343.100.400 299.003.000 568.332.000 187.310.000

Amerika Serikat 81.626.497 265.187.600 260.675.500 372.475.000 145.578.000

China 22.573.408 69.797.200 69.840.500 111.400.000 25.962.000

Singapura 56.918.334 69.711.500 61.533.500 158.997.000 5.364.000

Jerman 34.222.629 65.551.400 57.275.500 114.680.000 25.938.000

Belanda 28.546.931 41.853.500 35.046.500 107.271.000 10.383.000

Australia 12.383.732 41.122.000 41.674.500 63.444.000 24.685.000

India 17.292.898 35.505.200 35.561.500 67.462.000 8.022.000

Brazil 34.531.346 35.063.600 17.821.500 105.477.000 9.756.000 Sumber : International Trade Center (ITC), 2019 (diolah)

Berdasarkan Tabel 4.1. Malaysia merupakan negara tujuan ekspor kakao

Indonesia yang rata-rata (mean) jumlah nilai ekspornya tertinggi dan negara yang

rata-rata jumlah nilai ekspor terendah yaitu negara Brazil. Sedangkan, Amerika

Serikat menjadi negara tujuan ekspor kakao Indonesia yang memiliki jumlah nilai

ekspor yang relatif paling stabil. Hal ini terlihat dari nilai standar deviasi yang

cukup kecil serta nilai mean, median, maximum, dan minimumnya yang tidak

terlalu berfluktuasi dibandingkan kedelapan negara lainnya. Dari Tabel 4.1 juga

dapat dilihat nilai ekspor kakao Indonesia mulai dari yang paling besar hingga

yang paling kecil berturut-turut adalah negara Malaysia, Amerika Serikat, China,

Singapura, Jerman, Belanda, Australia, India dan Brazil. Hal ini berarti bahwa

tingkat intensitas perdagangan kakao Indonesia ke negara tujuan ekspor mulai dari

yang paling tinggi hingga yang paling rendah adalah negara Malaysia, Amerika

Serikat, China, Singapura, Jerman, Belanda, Australia, India dan Brazil.

4.3. Hasil Uji Hipotesis 2

4.3.1. Hasil Estimasi Analisis Determinan Ekspor Kakao Indonesia dengan

Pendekatan Gravity Model


48

Analsis pengaruh variabel Produk Domestik Bruto, jarak Indonesia dengan

negara tujuan (DIST), populasi negara tujuan ekspor (POPj), nilai tukar riil

(REER), harga minyak dunia (PTO) serta kebijakan bea keluar ekspor biji kakao

(D1) terhadap nilai ekspor kakao Indonesia ke negara tujuan (EXPV) maka

dilakukan analisis data terhadap variabel-variabel tersebut yaitu dengan

menggunakan data runtut waktu (time series) dan data silang tempat (cross section

data). Gabungan kedua jenis data ini menjadi data panel (pooling data).

Pengolahan data menggunakan softwere Eviews 10 dan metode panel

data sebagaimana yang telah diuraikan pada metode penelitiaan. Proses estimasi

metode panel data dalam penelitian ini dilakukan dengan tiga model yaitu Pooled

Least Square Model, Fixed Effect Model, dan Random Effect Model. Dalam

menentukan model yang terbaik dilakukan beberapa pengujian diantaranya uji

Chow dan uji Haussman. Dalam penelitian ini ditemukan uji Chow sebagai model

yang terbaik diantara hasil estimasi terpilih ketika data diolah dengan

menggunakan program E-Views 10.

Tabel 4.2. Uji Chow dengan menggunakan softwere Eviews 10

Effects Test Statistic d.f. Prob.

Cross-section F

Cross-section Chi-square

18.335889

97.540099

(8,75)

8

0.0000

0.0000 Sumber : Lampiran 5

Berdasarkan hasil estimasi uji Chow dengan metode redundant fixed effect

test menunjukkan nilai probabilitas 0,0000 sehingga dapat diketahui dari nilai

probability lebih kecil dari taraf 0,05. Dengan demikian, dapat disimpulkan bahwa

penelitian ini menggunakan model Fixed Effect Model (FEM).

4.3.1.1. Pengujian Asumsi dan Kesesuaian Model

Dalam permasalahan analisis regeresi linier termasuk didalamnya adalah


49

regresi panel data, pengujian asumsi perlu dilakukan. Adapun uji asumsi yang

digunakan dalam penelitian ini adalah uji normalitas, uji autokorelasi, dan

multikolinearitas.

- Uji Normalitas

Gravity model aliran perdagangan kakao Indonesia yang disusun dalam

penelitian ini telah memenuhi uji asumsi normalitas. Hal ini ditunjukkan oleh

hasil pengujian Jarque Bera (Lampiran 9). Pada taraf nyata sepuluh persen

diperoleh p-value sebesar 0,911469. Nilai yang diperoleh tersebut lebih besar

dari taraf nyata sepuluh persen atau 0,1 sehingga dapat disimpulkan bahwa

asumsi normalitas sudah terpenuhi.

- Autokorelasi

Pengujian autokorelasi pada hasil estimasi analisis perdagangan kakao

pada penelitian ini dilakukan dengan menggunakan uji satatistik Durbin-Watson,

hasil statistik pada uji Durbin-Watson setelah dilakukan perbaikan model yaitu

1,868 (Lampiran 3) sedangkan nilai du dan dl dengan n (jumlah observasi) = 90, t

(jumlah cross section) = 9 dan k (jumlah variabel independen = 6, menghasilkan

nilai du = 1,80, dl =1,52 dan 4 - dw =2,13. Sehingga berdasarkan hal tersebut

dapat disimpulkan bahwa kriteria daerah keputusan yang tepat untuk perhitungan

tersebut adalah du(1,80) < dw(1,868) < 4-dw(2,13) yang berarti bahwa terima

H0 atau tidak terdapat autokorelasi positif atau autokorelasi negatif pada taraf

signifikansi lima persen.

- Multikolinearitas

Multikolinearitas artinya antarvariabel independen yang terdapat dalam

model regresi memiliki hubungan linear yang sempurna atau mendekati


50

sempurna (koefisien korelasinya tinggi atau bahkan). Model regresi yang baik

seharusnya tidak terjadi korelasi sempurna atau mendekati sempurna diantara

variabel bebasnya.

Untuk mengetahui ada tidaknya multikolinieritas yang sempurna antar

variabel independen pada model dapat dilihat dari nilai korelasi antar variabel

independen pada model yang dibangun. Berdasarkan Lampiran 8 (Uji Klein),

model dapat dinyatakan terbebas dari multikolinearitas karena seluruh koefisien

korelasi antar variabel tidak ada yang melebihi koefisien determinasi (R-square)

0,891255. Hal ini juga didukung oleh uji statistik t, F, dan p-value yang

signifikan. Berdasarkan uji statistik-t dengan taraf lima persen, terdapat empat

variabel bebas pada model tersebut yang dinyatakan memiliki pengaruh

signifikan yaitu variabel PDB, jarak Indonesia terhadap negara tujuan, nilai tukar

riil negara tujuan ekspor dan kebijakan. Dengan demikian, secara umum seluruh

variabel yang digunakan di dalam model regresi tersebut sudah memenuhi

asumsi multikolinieritas.

Uji Wald dilakukan untuk mengetahui apakah persamaan model regresi

yang telah dihasilkan dapat dipertanggungjawabkan atau tidak maka dilakukan

uji wald. Adapun hasil uji Wald dapat dilihat pada Tabel 4.3.

Tabel 4.3. Uji Wald pada Daterminasi Kakao Indonesia dengan Pendekatan

Gravity Model

Test Statistic Value Df Probability

F-statistic 87352642 (7, 75) 0.0000

Chi-square 6.11E+08 7 0.0000

Sumber : Lampiran 7

Dari Tabel 4.3. diatas diketahui nilai probability yaitu 0,00 yang lebih

kecil dari 0,05. Hal ini menunjukkan bahwa model regresi yang telah diperoleh


51

tidak terdapat gangguan dan interpretasi yang diperoleh dari persamaan regresi

yang telah terbentuk dapat dipertanggung jawabkan.

4.3.1.2. Pengujian Statistik

Kriteria pengujian adalah bentuk pembuatan keputusan dalam menerima

atau menolak hipotesis nol (H0) dengan cara membandingkan nilai α tabel

distribusinya (nilai kritis) dengan nilai uji statistiknya, sesuai dengan bentuk

pengujiannya.

Tabel 4.4. Hasil Estimasi Faktor-faktor Determinan Ekspor Kakao Indonesia

dengan Pendekatan Gravity Model

No. Variabel Koefisien Signifikansi

Konstanta (C) 240.5403 0.0143

1 PDB 0.247444 0.0033

2 Populasi Negara Tujuan Ekspor (POPJ) 10.53837 0.6737

3 Jarak (DIST) -0.947483 0.0136

4 Harga Minyak Dunia (PTO) -0.636813 0.0009

5 Nilai Tukar Riil (REER) -0.608357 0.6601

6 Kebijakan (D1) -0.495539 0.0584

R-squared 0.891255

Adjusted R-squared 0.833622

S.E. of regression 0.649050

F-statistic 11.99418

Prob(F-statistic) 0.000000

Sumber : Lampiran 3

- Pengujian Hipotesis Serempak (Uji F)

Berdasarkan Tabel 4.4. dengan menggunakan uji–F dengan tingkat

siginifikansi 95 persen (α = 5%) serta derajat bebas (df1 = k-1), df2 = n-k, dimana

n adalah jumlah observasi (90) sedangkan k adalah jumlah variabel bebas (6),

selanjutnya dengan membandingan antara nilai F hitung dan F tabel atau dengan

membandingkan antara F hitung dengan P-value. Ternyata F-hitung lebih besar

dari F.Tabel (11,99>2,32) sedangkan bila dibandingkan antara probabilitas F


52

statistik dengan taraf nyata 0,05 maka nilai probability F statistik lebih kecil dari

pada taraf signifikansi 0,05 (0,000 < 0,05). Dengan demikian, dapat disimpulkan

bahwa secara simultan variabel populasi negara tujuan ekspor kakao Indonesia

(POPj), nilai tukar riil negara importir (REER), jarak (DIST), PDB, harga minyak

dunia (PTO) dan variabel kebijakan bea keluar ekspor biji kakao (D1)

berpengaruh signifikan terhadap nilai ekspor kakao Indonesia.

- Pengujian Hipotesis Individual (Uji-t)

Uji–t adalah statistik uji yang diigunakan untuk mengukur signifikan

parameter secara individual dan disebut juga sebagai uji signifikansi secara parsial

karena melihat signifikansi masing-masing variabel yang terdapat di dalam model.

Pada persamaan regresi faktor-faktor yang mempengaruhi nilai ekspor kakao

Indonesia ditunjukkan bahwa variabel independen yakni kebijakan, jarak nilai

tukar riil dan PDB memiliki nilai probabilitas lebih kecil daripada taraf nyata

0,05% kecuali pada variabel harga minyak dunia dan jumlah populasi negara

tujuan ekspor. Hasil analisis variabel secara parsial dapat dilihat pada Tabel 4.5.

Tabel 4.5. Hasil Uji Hipotesis Individual (Uji-t)

Variabel Koefisien t-Statistic Prob.

PDB 0.247444 0.422791 0.0033*

Populasi Negara Tujuan Ekspor (POPJ) 10.53837 3.034010 0.6737

Jarak (DIST) -0.947483 -0.822126 0.0136*

Harga Minyak Dunia (PTO) -0.636813 -0.441466 0.0009*

Nilai Tukar Riil (REER) -0.608357 -3.472390 0.6601

Kebijakan (D1) -0.495539 -1.921708 0.0584*

Sumber : Lampiran 4, T-tabel :1,66342; *siginifikan pada taraf kepercayaan 5%

Dengan menggunakan uji-t dengan tingkat signifikansi 95% (α=5%)

diperoleh nilai tabel sebesar 1,66342. Hal ini menunjukkan bahwa berdasarkan

perbandingan antara t-statistik dengan t-tabel atau dengan melihat nilai

probability.


53

Berdasarkan Tabel 4.5. dapat diketahui bahwa variabel PDB berpengaruh

signifikan dan positif terhadap variabel nilai ekspor kakao Indonesia. Hal ini

menunjukkan bahwa setiap bertambahnya PDB akan mempengaruhi naiknya nilai

ekspor kakao Indonesia ke negara tujuan ekspor.

Pada variabel populasi negara tujuan ekspor tidak berpengaruh signifikan

dan negatif terhadap variabel nilai ekspor kakao Indonesia. Hal ini menunjukkan

bahwa variabel jumlah populasi negara tujuan tidak berpengaruh signifikan

terhadap nilai ekspor kakao Indonesia ke negara Malaysia, Amerika Serikat,

China, Singapura, Jerman, Belanda, Australia, India dan Brazil.

Selanjutnya, adalah pada variabel jarak antara negara Indonesia dengan

negara tujuan ekspor (Malaysia, Amerika Serikat, China, Singapura, Jerman,

Belanda, Australia, India dan Brazil) berpengaruh signifikan dan negatif terhadap

variabel nilai ekspor kakao Indonesia. Hal ini menunjukkan bahwa semakin jauh

jarak yang dituju maka akan menurunkan nilai ekspor kakao Indonesia ke negara

Malaysia, Amerika Serikat, China, Singapura, Jerman, Belanda, Australia, India

dan Brazil.

Selanjutnya, pada variabel harga minyak dunia tidak berpengaruh

signifikan dan negatif terhadap variabel nilai ekspor kakao Indonesia. Hal ini

menunjukkan bahwa harga minyak dunia tidak berpengaruh signifikan terhadap

nilai ekspor kakao Indonesia ke negara Malaysia, Amerika Serikat, China,

Singapura, Jerman, Belanda, Australia, India dan Brazil.

Pada variabel nilai tukar riil negara importir berpengaruh signifikan dan

negatif terhadap variabel nilai ekspor kakao Indonesia. Hal ini menunjukkan

bahwa setiap kenaikan nilai tukar cenderung akan menurunkan nilai ekspor kakao


54

Indonesia ke negara Malaysia, Amerika Serikat, China, Singapura, Jerman,

Belanda, Australia, India dan Brazil.

Selanjutnya, Pada variabel kebijakan antara negara Indonesia dengan

negara tujuan ekspor berpengaruh signifikan terhadap variabel nilai ekspor kakao

Indonesia. Hal ini menunjukkan bahwa variabel kebijakan berpengaruh signifikan

dan negatif terhadap nilai ekspor kakao Indonesia ke negara Malaysia, Amerika

Serikat, China, Singapura, Jerman, Belanda, Australia, India dan Brazil.

- Koefisien Determinasi (R2)

Pada persamaan regresi untuk variabel nilai ekspor kakao Indonesia ke

negara Malaysia, Amerika Serikat, China, Singapura, Jerman, Belanda, Australia,

India dan Brazil didapatkan nilai R-squared sebesar 0.891255. Nilai ini

menunjukkan bahwa 89,12 persen perubahan variabel dependen (variabel nilai

ekspor kakao Indonesia) dapat dijelaskan oleh variabel independen (populasi

negara tujuan ekspor, nilai tukar riil, jarak, PDB, PTO dan kebijakan), sedangkan

sisanya yaitu 10,88 persen dijelaskan oleh faktor lain diluar model.

4.4. Faktor-faktor Determinan Nilai Ekspor Kakao Indonesia ke Berbagai

Negara Tujuan Ekspor

Penelitian ini menjelaskan tentang variabel-variabel yang mempengaruhi

nilai ekspor kakao Indonesia ke negara tujuan ekspor (Malaysia, Amerika Serikat,

China, Singapura, Jerman, Belanda, Australia, India dan Brazil). Variabel-

variabel yang dimaksud adalah populasi negara tujuan ekspor (POPj), Produk

Domestik Bruto Indonesia (PDB), jarak Indonesia dengan negara tujuan (DIST),

nilai tukar riil (REER), harga minyak dunia (PTO) serta kebijakan bea keluar

ekspor biji kakao (D1).


55

4.4.1. Produk Domestik Bruto (PDB)

Produk Domestik Bruto (PDB) suatu negara adalah ukuran kapasitas untuk

memproduksi komoditas ekspor negara tersebut Salvatore (1997). Semakin besar

kapasitas produksi suatu negara maka akan menentukan perkembangan ekonomi

suatu negara. Jika pesentase pertumbuhan PDB negara tersebut positif

menunjukkan bahwa keadaan kapasitas untuk memproduksi komoditi ekspor

sedang mengalami peningkatan. PDB menyatakan berapa banyak uang yang

mengalir mengelilingi aliran sirkuler perekonomian suatu negara per unit waktu

atau juga nilai pasar semua barang dan jasa akhir yang diproduksi dalam

perekonomian selama kurun waktu tertentu.

Dalam penelitian ini PDB merupakan PDB negara Indonesia dan PDB

negara tujuan ekspor dimana untuk mendapatkan hasil variabel PDB dari

logaritma natural PDBi dikali PDBj. Nilai dan perkembangan PDB per kapita

Indonesia dapat dilihat pada Gambar 4.1.

Sumber : The World Bank, 2019

Gambar 4.1. Perkembangan Nilai PDB Negara Indonesia Tahun 2009-

2018 (Milyar US $)

Berdasarkan Gambar 4.1. rata-rata PDB per kapita Indonesia dari tahun

2009 sampai dengan tahun 2018 adalah sebesar US $ 875,9 milyar dengan

2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Indonesia 2,261.3,122.3,643.3,694.3,623.3,491.3,331.3,562.3,836.3,893.

% Pertumbuhan 28% 14% 1% -2% -4% -5% 6% 7% 1%

-1,000.00

0.00

1,000.00

2,000.00

3,000.00

4,000.00

5,000.00

PD

B P

er

Kap

ita

Ne

gara

In

do

ne

sia

(Mily

ar U

S $

)


56

pertumbuhan rata-rata dari tahun 2009 sampai dengan tahun 2018 adalah 7 persen.

Persentase pertumbuhan PDB per kapita Indonesia tertinggi terjadi pada tahun

2010 yaitu sebesar 28 persen sedangkan Persentase pertumbuhan PDB per kapita

Indonesia terendah terjadi pada tahun 2015. Perkembangan PDB per kapita negara

tujuan ekspor dapat dilihat pada Tabel 4.6.

Tabel 4.6. Perkembangan PDB per kapita Negara Tujuan Utama dan Nilai

Ekspor Kakao Indonesia Tahun 2009-2018

Negara PDB per kapita negara tujuana (US$)

Laju

PDB

Laju Nilai

Ekspor b

Standar

Deviasi Mean

Median Maximum Minimum

(%/

Tahun)

(%/

Tahun)

Malaysia 1220.79 10,067 10,259 11,319 7,293 4% -15%

Amerika

Serikat 5110.80 54,247 54,070 62,641 47,100 3% -5%

China 1880.60 6,966 7,351 9,771 3,832 9% 4%

Singapura 7095.78 54,738 56,185 64,582 38,927 5% -60%

Jerman 2696.67 44,578 44,373 48,196 41,395 1% -13%

Belanda 3068.87 50,547 51,567 54,159 45,175 0% 2%

Australia 8091.22 57,415 57,027 68,150 42,772 2% 2%

India 279.20 1,572 1,516 2,016 1,102 6% 16%

Brazil 1821.85 10,624 10,584 13,246 8,598 -1% -79% Sumber : a. The World Bank, b. International Trade Center (ITC), 2019 (diolah)

Berdasarkan Tabel 4.6. telihat bahwa pertumbuhan nilai ekspor cenderung

meningkat ke negara-negara tujuan ekspor yang memiliki pertumbuhan PDB per

kapita yang relatif besar. Pada Tabel 4.6. terlihat bahwa negara yang memiliki

pertumbuhan GDP per kapita terendah yakni Brazil memiliki pertumbuhan nilai

ekspor yang negatif.

Hipotesis pada penelitian ini menyatakan bahwa variabel PDB menujukkan

pengaruh positif dan signifikan terhadap nilai ekspor kakao. Hal ini sesuai dengan

hasil penelitian, bahwa variabel nilai PDB menunjukkan pengaruh yang signifikan

terhadap nilai ekspor kakao Indonesia yang berarti bahwa besar kecilnya nilai


57

PDB Indonesia menentukan terhadap nilai ekspor kakao Indonesia dengan

menggunakan taraf nyata 5 persen. PDB menunjukkan pengaruh yang positif.

Koefisien PDB eksportir pada model ini adalah sebesar 0.2474 (Lampiran 3).

Interpretasi dari koefisien tersebut adalah setiap terjadi kenaikan PDB Indonesia

sebanyak 1 persen maka secara relatif akan meningkatkan nilai ekspor kakao

Indonesia sebesar 0.2474 persen.

Hal ini selaras dengan teori yang dikemukakan oleh Mankiw (2007) yang

mana mengungkapkan bahwasanya PDB nasional merupakan penjumlahan dari

konsumsi, investasi, pengeluaran pemerintah dan ekspor-impor. PDB per kapita

juga menggambarkan tingkat kesejahteraan serta kemampuan ekonomi rata-rata

setiap penduduk di negara tersebut. Penelitian ini juga sesuai dengan Lipsey et al.

(1995) yang menyatakan bahwa kenaikan pendapatan akan menaikkan pula

permintaan terhadap suatu barang atau jasa dan sebaliknya. Hal ini juga sesuai

dengan hasil penelitian yang dilakukan oleh Yuniarti (2007), Hadi (2009),

Ekanayake, et al (2010), Soraya (2013) dan Khaliqi (2017).

4.4.2. Jumlah Populasi Negara Tujuan Ekspor Kakao Indonesia (POPj)

Populasi negara tujuan menggambarkan besaran permintaan terhadap ekspor

kakao dari Indonesia ke negara tujuan. Pertambahan populasi akan meningkatkan

permintaan komoditi ekspor dari negara importir yang dapat membuat nilai dan

jumlah komoditi yang akan diperdagangkan antar kedua negara semakin besar.

Hal ini dapat terjadi akibat permintaan yang meningkat terhadap kebutuhan bahan

baku kakao untuk diolah menjadi berbagai produk untuk kebutuhan penduduk itu

sendiri, maupun diolah kembali menjadi bentuk lain. Statistik deskriptif populasi

negara tujuan utama ekspor kakao Indonesia dapat dilihat pada Tabel 4.7


58

Tabel 4.7. Perkembangan Populasi Negara Tujuan Utama dan Nilai Ekspor

Kakao Indonesia

Negara

Populasi a (Ribu Jiwa) Laju

Populasi

Laju

Nilai

Eksporb

Standar

Deviasi

Mean Median Maximum Minimum (%/ (%/

Tahun) Tahun)

Malaysia 1.258,9 29.658,7 29.667,7 31.528,5 27.735 1.41% -15%

Amerika

Serikat 6.876,9 317.212,5 317.222,1 327.167,4 306.771,5 0.64% -5%

China 20.837,8 1.361.445 1.360.825 1.392.730 1.331.260 0.45% 4%

Singapura 234,3 5.382,3 5.434,4 5.638,7 4.987.6 1.22% -60%

Jerman 941,8 81.562,8 81.731,8 82.927,9 80.274,9 0.12% -13%

Belanda 225,4 16.859,6 16.834,7 17.231 16.530,4 0.41% 2%

Australia 1.111,4 23.300,2 23.301,9 24.992,4 21.691,7 1.41% 2%

India 45.221,9 1.287.046,7 1.288.225,2 1.352.617,3 1.217.726,2 1.04% 16%

Brazil 5.241,5 201.813,9 201.899,8 209.469,3 193.886,5 0.77% -79%

Sumber : a. The World Bank, b. International Trade Center (ITC), 2019 (diolah)

Berdasarkan Tabel 4.7. dapat diketahui bahwa jumlah populasi dua negara

terbesar adalah negara Cina dan India dengan jumlah populasi rata-rata (mean)

penduduk sebesar 1.361 juta jiwa dan 1.287 juta jiwa, dengan persentase

pertumbuhan nilai ekspornya yang juga tertinggi di antara yang lainnya yakni

India mencapai 4% per tahun dan China 16% per tahun, sedangkan yang terendah

adalah negara Singapura dengan jumlah rata-rata (mean) penduduk pada sebesar

5,38 juta jiwa dan laju nilai ekspor sebesar -60 % per tahun.

Hipotesis pada penelitian ini menyatakan bahwa variabel jumlah populasi

negara tujuan menunjukkan pengaruh positif dan signifikan terhadap nilai ekspor

kakao Indonesia, namun pada penelitian ini variabel populasi negara tujuan

ekspor kakao Indonesia menunjukkan pengaruh yang tidak signifikan terhadap

nilai ekspor kakao Indonesia. Hal ini menunjukkan bahwa besar kecilnya jumlah

populasi negara tujuan ekspor kakao Indonesia tidak berpengaruh terhadap nilai

ekspor kakao Indonesia. Jumlah populasi negara yang besar di suatu negara tidak


59

menunjukkan pengaruh yang signifikan terhadap nilai ekspor kakao Indonesia.

Hal ini dapat disebabkan karena populasi negara tujuan ekspor (Malaysia,

Amerika Serikat, China, Singapura, Jerman, Belanda, Australia, India dan Brazil)

lebih meningkatkan kinerja ekspor daripada nilai impor untuk meningkatkan

pertumbuhan ekonomi dalam negerinya masing-masing. Hal ini sesuai dengan

literatur Mankiw (2007) yang menyatakan bahwa jika tingkat pertumbuhan suatu

negara dapat meningkatkan kinerja ekspornya, maka pertumbuhan populasi akan

membawa dampak positif bagi pertumbuhan ekonomi.

Kakao yang diekspor ke negara Malaysia, Amerika Serikat, China,

Singapura, Jerman, Belanda, Australia, India dan Brazil tidak langsung

dikonsumsi oleh masyarakat yang ada di negara-negara tersebut dan kakao yang

diekspor tidak digunakan secara intensif oleh masyarakat. Hal ini juga dapat

menyebabkan jumlah populasi negara tujuan ekspor kakao yang tidak

menunjukkan pengaruh yang signifikan. Hal ini sesuai dengan pernyataan

Yuniarti (2007) yang menyatakan bahwa suatu negara akan mengekspor

komoditi yang digunakan secara intensif untuk memenuhi faktor produksi dalam

negeri. Namun, bertentangan dengan penelitian sitorus (2009), ekanayake, et al

(2010), dan Soraya (2013) yang menyatakan variabel populasi memiliki

pengaruh yang signifikan.

4.4.3. Jarak Antara Indonesia dengan Negara Tujuan Ekspor Kakao

Indonesia (DIST)

Jarak akan mempengaruhi perdagangan bilateral antar dua negara atau

beberapa negara dalam bentuk penurunan perdagangan. Semakin jauh jarak yang

harus ditempuh akan semakin memperbesar biaya transportasi yang harus

dikeluarkan sehingga semakin rendah volume ekspor produknya (semakin rendah


60

aliran perdagangan). Pada dasarnya jarak antar negara relatif konstan sehingga

pada penelitian ini kedinamisan pengaruh variabel jarak akan diwakilkan oleh

biaya transportasi. Sebagai bentuk penyederhanaan, biaya transportasi yang

dipergunakan merupakan hasil dari perkalian antara jarak geografis antar negara

dengan GDP/PDB nominal negara eksportir. Hasil dari perkalian tersebut dibagi

kembali dengan GDP/PDB nominal pada tahun tersebut.

Tabel 4.8. Statistik Deskriptif Jarak (Biaya Transportasi) Negara Tujuan

Ekspor Kakao Indonesia Tahun 2009 - 2018

Negara

Jarak

Jarak Ekonomi b (Km)

Nilai Impor

Kakao

Geografis a

(Km) Standar

Deviasi Mean Median Max Min

Indonesiac

(juta US $)

Malaysia 1.438 2.636,93 14.719 14.068 21.283 12.148 343,1

Amerika

Serikat

14.969 17.492,88 151.504 150.510 178.598 125.917 265,18

China 2.578 9.605,54 28.137 24.574 48.100 18.033 69,79

Singapura 1.148 2.378,63 11.826 11.038 17.499 9.330 69.71

Jerman 11.010 6.457,89 110.445 110.660 118.372 100.147 65,55

Belanda 11.335 6.772,90 113.701 112.636 126.165 105.765 41,85

Australia 3.457 6.147,50 35.375 33.684 49.872 29.357 41,12

India 4.484 10.157,38 46.712 46.917 67.957 33.448 35,51

Brazil 17.729 29.878,18 181.628 178.312 227.664 145.066 35,06

Sumber : a. http://indonesia.distanceworld.com/dc, b. The World Bank (diolah)

c. International Trade Center (ITC), 2019 (diolah)

Dari Tabel 4.8. dapat diketahui bahwa negara Malaysia dengan nilai

ekspor kakao Indonesia tertinggi yaitu sebesar 343,1 juta US $ dengan jarak

geografis 1.438 km dan rata-rata (mean) jarak ekonomi 14.719 km, sedangkan

negara Brazil merupakan negara terjauh sebagai penerima ekspor kakao Indonesia

dibandingkan delapan negara lainnya yaitu dengan jarak geografis 17.729 km

dengan rata-rata (mean) jarak ekonomi 181.628 km memiliki nilai ekspor kakao

yang terendah pula yaitu sebesar 35,06 Juta US $.



61

Hipotesis pada penelitian ini menyatakan bahwa variabel jarak

berpengaruh negatif dan signifikan terhadap determinan ekspor kakao Indonesia.

Hal ini sesuai dengan hasil penelitian yang menunjukkan bahwa variabel jarak

berpengaruh negatif dan signifikan terhadap nilai ekspor kakao Indonesia. Jarak

yang semakin jauh akan cenderung dapat menurunkan nilai ekspor kakao

Indonesia. Berdasarkan hasil estimasi pada penelitian ini variabel jarak memiliki

koefisien parameter yang besarnya -0.9474 (Lampiran 3). Nilai elastisitas tersebut

memiliki arti bahwa jika jarak semakin jauh dengan peningkatan sebesar 1 persen

maka akan menyebabkan penurunan nilai ekspor kakao Indonesia sebesar 0.9474

persen.

Jarak yang berpengaruh negatif dan signifikan dapat disebabkan oleh

karena jarak merupakan bagian dari biaya transportasi yang dapat menimbulkan

efek negatif terhadap perdaganagan bilateral yang pada akhirnya dapat

menurunkan nilai ekspor kakao Indonesia. Hal ini sesuai dengan pernyataan

Yuniarti (2007) yang menyatakan bahwa variabel jarak merupakan proksi bagi

biaya transportasi yang dapat menyebabkan pengaruh negatif terhadap


Jarak yang menunjukkan pengaruh yang negatif dan signifikan

menunjukkan bahwa variabel jarak dapat menurunkan nilai ekspor kakao

Indonesia. Hal ini dapat disebabkan oleh karena meningkatnya biaya yang

diperlukan dalam kegiatan ekspor seperti waktu yang semakin panjang, resiko

kerusakan barang yang semakin tinggi, dan biaya akibat trransportasi. Hasil

penelitian ini sejalan dengan penelitian yang dilakukan oleh sitorus (2009),

Ekanayake, et al (2010) dan Soraya (2013) yang menyimpulkan bahwa variabel

jarak menunjukkan pengaruh yang negatif terhadap nilai ekspor Indonesia. Hasil

penelitian ini juga sejalan dengan penelitian Khaliqi (2017) dimana Amerika


62

Serikat, China, dan Singapura menunjukkan pengaruh yang positif terhadap nilai

ekspor.

4.4.4. Nilai Tukar Riil Negara Importir (Real Effective Exchange

Rate/REER)

Nilai tukar riil suatu negara berbanding terbalik dengan jumlah ekspor dan

berbanding lurus dengan jumlah impor negara tersebut. Nilai tukar riil suatu

negara tinggi (apresiasi) maka harga barang-barang domestik negara tersebut

menjadi relatif lebih mahal dibandingkan dengan barang-barang luar negeri,

sehingga negara tersebut akan meningkatkan jumlah ekspornya sebaliknya jika

nilai tukar riil suatu negara rendah (depresiasi) maka harga barang-barang luar

negeri relatif lebih mahal, sedangkan harga barang-barang domestik menjadi lebih

mahal sehingga negara tersebut akan meningkatkan jumlah impornya

(Mankiw, 2007). Nilai tukar riil negara tujuan ekspor kakao Indonesia dapat

dilihat pada Gambar 4.2.

Sumber : Federal Reserve Economic Data of St. Louis, 2019

Gambar 4.2. Nilai Tukar Riil (REER) Negara Tujuan Ekspor Kakao

Indonesia Tahun 2009 – 2018

0

20

40

60

80

100

120

140

2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Nila

i Tu

kar

Riil

Ne

gara

Tu

juan

Eks

po

r K

akao

Ind

on

esi

a

MalaysiaAmerikaChinaSingapuraJermanBelandaAustraliaIndiaBrazil


63

Gambar 4.2. menunjukkan fluktuasi nilai tukar riil negara Malaysia, Amerika

Serikat, Cina, Singapura, Jerman, Belanda, Australia, India dan Brazil dari Tahun

2009 sampai dengan Tahun 2018. Nilai tukar riil tertinggi adalah nilai tukar riil

negara Cina sebesar 122.55 pada Tahun 2018 sedangkan nilai tukar riil yang

terendah yaitu Brazil sebesar 77,23

Tabel 4.9. Perkembangan Nilai Tukar Riil Negara Tujuan Utama dan Nilai

Ekspor Kakao Indonesia Tahun 2009-2018

Negara

REER negara tujuan a Laju REER Laju Nilai

Ekspor b

Standar

Deviasi

Mean Me

dian

Max Min (%/

Tahun)

(%/

Tahun)

Malaysia 5.61 95 97 100 86 -0.71% -14.85%

Amerika

Serikat 8.01 105 102 115 95 0.74% -4.89%

China 10.67 114 117 129 100 1.86% 4.24%

Singapura 5.22 107 109 112 97 1.03% -59.74%

Jerman 3.43 98 98 106 93 -0.85% -12.99%

Belanda 2.51 99 99 105 96 -0.58% 2.18%

Australia 7.79 97 96 108 88 -0.02% 1.85%

India 4.91 96 98 103 89 0.82% 15.51%

Brazil 9.70 88 89 105 75 -1.74% -79.24%

Sumber : a. Federal Reserve Economic Data of St. Louis, b. International Trade Center

(ITC), 2019 (diolah)

Tabel 4.9. menunjukan bahwa negara yang memiliki rata-rata apresiasi

terhadap nilai tukar riil tertinggi selama tahun 2009 hingga tahun 2018 adalah

China yaitu sebesar 1,86 persen sedangkan persentase pertumbuhan nilai ekspor

yang tertinggi yakni India mencapai 15,51% per tahun, sedangkan yang memiliki

nilai tukar riil (REER) terendah adalah negara Brazil yaitu sebesar -1,74% dengan

persentase pertumbuhan nilai ekspor yang juga terendah sebesar -79,24%.

Hipotesis pada penelitian ini menyatakan bahwa variabel nilai tukar riil

negara importir berpengaruh negatif dan signifikan terhadap determinan ekspor

kakao Indonesia. Hal ini sesuai dengan hasil penelitian ini bahwa variabel nilai

tukar menunjukkan pengaruh negatif dan signifikan. Berdasarkan hasil estimasi


64

pada penelitian ini variabel nilai tukar riil negara importir memiliki elastisitas

sebesar -0.6368. Nilai elastisitas tersebut memiliki arti bahwa jika nilai tukar riil

negara importir naik sebesar 1 persen maka akan menyebabkan penurunan nilai

ekspor kakao Indonesia sebesar 0,6368 persen (Lampiran 3).

Nilai tukar riil yang negatif menunjukkan bahwa harga barang-barang di

Indonesia menjadi lebih murah bila dibandingkan dengan barang-barang diluar

negeri sehingga hal ini dapat meningkatkan permintaan terhadap barang-barang

yang ada di Indonesia terutama terhadap kakao Indonesia. Hal ini sesuai dengan

literatur Mankiw (2007) yang menyatakan bahwa jika kurs riil rendah maka harga

barang-barang luar negeri menjadi relatif lebih mahal, dan harga barang-barang

domestik menjadi lebih murah. Hasil penelitian ini selaras dengan penelitian yang

dilakukan oleh Hadi (2009) tentang analisis faktor-faktor yang mempengaruhi

aliran perdagangan pisang dan mangga Indonesia ke berbagai negara tujuan, dan

penelitian yang dilakukan oleh sitorus (2009) dan Soraya (2013) yang

meyimpulkan bahwa nilai tukar riil menunjukkan pengaruh negatif dan signifikan.

4.4.5. Harga Minyak Dunia (PTO)

Dalam perspektif ekonomi, kenaikan harga minyak mentah dunia akan

mempengaruhi permintaan (demand) dan penawaran (supply). Permintaan dari

masyarakat akan berkurang karena harga barang dan jasa yang ditawarkan

mengalami kenaikan. Begitu juga dengan penawaran, akan berkurang akibat

permintaan dari masyarakat menurun. Harga barang-barang dan jasa-jasa menjadi

melonjak akibat dari naiknya biaya produksi dari barang dan jasa. Ini adalah

imbas dari kenaikan harga minyak mentah dunia. Harga minyak yang tinggi dapat


65

menyebabkan kemunduran ekonomi di negara-negara pengimpor minyak dan

ekonomi global secara keseluruhan.

Tabel. 4.10. Perkembangan Harga Minyak Dunia Tahun 2009-2018

Tahun

Harga

Minyak

Duniaa

(US$/bbl)

Nilai Eksporb (juta US$)

Malaysia

Amerika

Serikat China Singapura Jerman Belanda Australia India Brazil

2009 61.88 457 372 26 142 26 31 33 8 105

2010 79.42 568 360 62 159 58 29 34 19 91

2011 94.99 474 198 111 109 35 23 25 31 13

2012 94.1 274 146 83 104 57 10 25 27 41

2013 97.96 433 153 50 82 57 18 40 23 14

2014 93.26 298 257 64 41 114 39 50 40 10

2015 48.73 300 264 81 24 108 49 63 44 19

2016 43.27 246 253 68 25 115 42 44 46 26

2017 50.82 194 l.l;o 303 71 5 34 70 43 49 16

2018 65.16 187 345 81 5 51 107 54 67 15

Rata-rata 72.95 343 265 69.7 69.6 65.5 41.8 41.1 35.4 35

Sumber : a. Organization of the Petroleum Exporting Countries (OPEC), 2019

b. International Trade Center (ITC), 2019 (diolah)

Berdasarkan Gambar 4.10. dapat dilihat bahwa harga minyak dunia berada

pada harga tertinggi pada tahun 2013 sebesar US $ 97,96 per barrel dan harga

terendah pada tahun 2016 yaitu sebesar US $ 43,27 per barrel. Rata-rata harga

minyak dunia selama periode tahun 2009 hingga 2018 adalah sebesar US $ 72,95

per barrel.

Hipotesis pada penelitian ini menyatakan bahwa variabel harga minyak

dunia berpengaruh negatif dan signifikan terhadap determinan ekspor kakao

Indonesia. Namun, pada penelitian ini variabel harga minyak dunia menunjukkan

pengaruh yang tidak signifikan terhadap nilai ekspor kakao Indonesia. Hal ini

menunjukkan bahwa besar kecilnya harga minyak dunia tidak berpengaruh

terhadap nilai ekspor kakao Indonesia. Meningkatnya harga minyak dunia tidak

menunjukkan pengaruh yang signifikan terhadap nilai ekspor kakao Indonesia.

Variabel harga minyak dunia juga memiliki pengaruh yang negatif terhadap


66

ekspor kakao Indonesia terlihat dari nilai koefisien parameter yang besarnya -

0.6083 (Lampiran 3). Hal ini menunjukkan bahwa apabila terjadi peningkatan

harga minyak dunia sebesar satu persen maka akan terjadi penurunan besarnya

nilai ekspor kakao Indonesia sebesar 0. 6083 persen dari jumlah sebelumnya.

Harga minyak dunia merupakan salah satu indikator bagi ekspor kakao

Indonesia ke negara tujuan. Hal ini sesuai dengan pernyataan Nizar (2012) yang

menyatakan meningkatnya harga minyak dunia dapat diartikan sebagai

peningkatan biaya produksi yang berarti harga produk dalam negeri semakin

mahal, harga jual barang impor meningkat dimana daya beli menurun. Bahkan

dalam kasus yang lebih lanjut nilai tukar rupiah terhadap dolar AS melemah dan

laju inflasi tinggi sehingga hal ini dapat memperlambat laju ekspor kakao

Indonesia ke negara tujuan.

Harga minyak dunia yang tidak menunjukkan pengaruh yang signifikan

dapat disebabkan oleh karena berbagai pihak yang terlibat dalam kegiatan ekspor

kakao tetap mengusahakan berbagai sumber daya yang ada untuk memaksimalkan

nilai ekspor kakao ke berbagai negara tujuan sehingga walaupun harga minyak

dunia sedang naik atau turun, Indonesia tetap mampu untuk melakukan kegiatan

produksinya. Keunggulan kakao Indonesia adalah memiliki melting point cocoa

butter yang tinggi, serta tidak mengandung pestisida dibanding biji kakao dari

Ghana maupun Pantai Gading (Pusdatin, 2016). Oleh karena itu, walaupun harga

minyak dunia meningkat di pasar internasional negara Indonesia tetap akan

melakukan perdagangan sesuai dengan kebutuhan produk kakao negara importir

tersebut. Di sisi lainnya fluktuasi harga minyak dunia pada tahun 2009 hingga

tahun 2018 kenaikan dan penurunan harga minyak dunia tidak terlalu berfluktuatif

tajam sehingga tidak berpengaruh terhadap nilai ekspor kakao Indonesia ke negara

tujuan ekpor. Seperti tidak adanya masa embargo atau kenaikan harga minyak


67

dunia yang drastis tinggi, tidak adanya krisis minyak dunia pada tahun 2009

hingga tahun 2018.

4.4.6. Kebijakan Bea Keluar Ekspor Biji Kakao (D1)

Kebijakan Bea Keluar (BK) atas ekspor Biji Kakao di Indonesia

dilatarbelakangi oleh usulan Menteri Perindustrian melalui surat Menteri

Perindustrian Nomor 05/M-IND/1/2010 tanggal 4 Januari 2010 serta dalam

rangka menjamin ketersediaan bahan baku serta peningkatan nilai tambah dan

daya saing industri pengolahan Kakao dalam negeri. Kebijakan bea keluar atas

ekspor Biji Kakao tersebut ditetapkan melalui Peraturan Menteri Keuangan

(PMK) Republik Indonesia Nomor 67/PMK.011/2010 tentang Penetapan Barang

Ekspor yang Dikenakan Bea Keluar dan Tarif Bea Keluar dan mulai diberlakukan

sejak tanggal 1 April 2010.

Penelitian ini akan menggunakan variabel boneka (dummy variable) untuk

menganalisis pengaruh nilai ekspor kakao yang diperoleh Indonesia sebelum dan

sesudah pemberlakuan bea keluar ekspor biji kakao. Adapun gambaran nilai

ekspor kakao yang diperoleh Indonesia sebelum dan sesudah pemberlakuan bea

keluar ekspor biji kakao tersebut dapat dilihat pada Tabel 4.11.

Tabel 4.11. Pemberlakuan Kebijakan Bea Keluar Biji Kakao Indonesia

Tahun Pemberlakuan

Bea Keluara

Nilai Eksporb (juta US$)

Malaysia

Amerika

Serikat China Singapura Jerman Belanda Australia India Brazil

2009 Belum Berlaku 457 372 26 142 26 31 33 8 105

2010 Sudah Berlaku 568 360 62 159 58 29 34 19 91

2011 Sudah Berlaku 474 198 111 109 35 23 25 31 13

2012 Sudah Berlaku 274 146 83 104 57 10 25 27 41

2013 Sudah Berlaku 433 153 50 82 57 18 40 23 14

2014 Sudah Berlaku 298 257 64 41 114 39 50 40 10

2015 Sudah Berlaku 300 264 81 24 108 49 63 44 19

2016 Sudah Berlaku 246 253 68 25 115 42 44 46 26

2017 Sudah Berlaku 194 303 71 5 34 70 43 49 16

2018 Sudah Berlaku 187 345 81 5 51 107 54 67 15

Sumber : a. www.jdih.kemenkeu.go.id

b. International Trade Center (ITC), 2019 (diolah)


http://www.jdih.kemenkeu.go.id/

68

Hipotesis pada penelitian ini menyatakan bahwa variabel kebijakan bea

keluar kakao menunjukkan pengaruh yang positif dan signifikan terhadap nilai

ekspor kakao Indonesia. Berdasarkan hasil penelitian menunjukkan bahwa

variabel kebijakan bea keluar kakao menunjukkan pengaruh yang signifikan dan

negatif terhadap nilai ekpor kakao Indonesia. Hasil estimasi dari penelitian

variabel kebijakan bea keluar kakao memiliki nilai elastisitas sebesar -0.9471,

nilai tersebut memiliki arti bahwa jika kebijakan bea keluar telah berlaku maka

akan menyebabkan penurunan nilai ekspor kakao sebesar 0,9471 persen.

Sejak diberlakukannya bea keluar (BK) tahun 2010 hingga tahun 2018,

ekspor kakao mengalami penurunan yang cukup signifikan terutama produk biji

kakao. Hal ini mengindikasikan bahwa penerapan kebijakan Bea Keluar (BK) biji

kakao berdampak positif terhadap upaya pengembangan industri hilir pengolahan

kakao di dalam negeri. Meskipun jumlah industri pengolahan kakao mengalami

peningkatan, pengenaan Bea Keluar (BK) ekspor kakao belum mampu

meningkatkan kapasitas pengolahan, sehingga nilai ekspor kakao Indonesia

mengalami penurunan. Sementara itu, industri kakao dalam negeri tidak mampu

tumbuh karena kekurangan bahan baku. Untuk menutupi kekurangan para pelaku

dalam industri kakao, terpaksa harus mengimpor kakao dari luar negeri. Ini

terlihat dari Gambar 1.1. bahwa terjadi peningkatan nilai impor yang signifikan

dari tahun 2010 hingga 2018.

Pengenaan kebijakan Bea Keluar BK terhadap ekspor kakao cukup efektif,

namun, kebijakan ini ternyata belum mampu mendorong industri pengolahan

kakao untuk beroperasi secara penuh. Diduga penyebabnya adalah rendahnya

kualitas biji kakao yang dihasilkan Indonesia. Untuk itu kebijakan pengenaan BK

atas biji kakao agar lebih efektif dalam mengembangkan industri pengolahan

kakao dalam negeri.


69

V. KESIMPULAN DAN SARAN

5.1. Kesimpulan

Kesimpulan dari penelitian ini adalah sebagai berikut:

1. Negara tujuan utama ekspor kakao Indonesia adalah negara Malaysia,

Amerika Serikat, China, Singapura, Jerman, Belanda, Australia, India dan

Brazil.

2. Faktor-faktor determinan yang dipilih dalam model penelitian mampu

menjelaskan aliran perdagangan ekspor kakao Indonesia ke negara-negara

tujuannya sebesar 89,12 persen. Sisanya sebesar 10,88 persen dijelaskan

oleh faktor lainnya yang tidak terdapat dalam model atau error. Melalui

pendekatan model fixed effect diketahui bahwa Produk Domestik Bruto

menunjukkan pengaruh yang positif dan signifikan sedangkan variabel nilai

tukar riil, jarak dan kebijakan bea keluar ekspor biji kakao menunjukkan

pengaruh yang negatif dan signifikan dan variabel harga minyak dunia dan

populasi negara tujuan ekspor kakao tidak menunjukkan pengaruh yang

signifikan terhadap nilai ekspor kakao Indonesia pada kurun waktu tahun

2009-2018.

5.2. Saran

Saran dari penelitian ini adalah sebagai berikut:

1. Bagi objek penelitian dalam menyusun strategi ekspor komoditas kakao ke

negara tujuan ekspor perlu mempertimbangkan:


70

a. Faktor PDB, negara pengekspor kakao harus lebih giat memasarkan

produk kakao di negara yang memiliki pendapatan per kapita yang besar

untuk dijadikan negara tujuan ekspornya. Selain itu, perlu melihat tren

pertumbuhan GDP per kapita pada negara-negara tujuannya karena tidak

semua negara tujuan memiliki kecenderungan GDP per kapita yang

meningkat setiap tahunnya.

b. Nilai tukar riil negara importir, negara pengekspor kakao sebaiknya

melihat tren pertumbuhan nilai tukar riil.

c. Jarak dengan negara tujuan, negara pengekspor sebaiknya meminimalisir

biaya yang diperlukan dalam kegiatan ekspor seperti waktu yang semakin

panjang, resiko kerusakan barang yang semakin tinggi, dan biaya akibat

trransportasi.

d. Variabel kebijakan bea keluar ekspor biji kakao, kepada pemerintah

sebaiknya memanfaatkan pendapatan dari bea keluar kakao untuk

perbaikan dan peningkatan di sentra penghasil biji kakao, penyediaan bibit

yang lebih berkualitas, dan penyuluhan kepada petani kakao serta

memberikan insentif atau bantuan modal terutama bagi perusahaan kecil

yang berorientasi ekspor untuk mencapai skala ekonomis dan penurunan

biaya produksi. Sehingga, kebijakan pengenaan bea keluar atas biji kakao

lebih efektif dalam mengembangkan industri pengolahan kakao dalam

negeri.

2. Kepada peneliti selanjutnya dapat meneliti komoditi yang menjadi impor

utama dalam negeri (Indonesia) dengan gravity model sehingga dapat

melihat faktor-faktor yang mempengaruhi impor Indonesia.


71

DAFTAR PUSTAKA

Andelisa, N., 2011. Analisis Daya Saing Aliran Ekspor Produk Crude

Coconut Oil (CCO) Indonesia. Skripsi. Departemen Ilmu Ekonomi.

Fakultas Ilmu Ekonomi dan Manajemen. IPB. Bogor.

Bergstrand, J.H. 1985. The Gravity Equation in International Trade. Some

Microeconomic Foundation and Emprical Evidence. The Review of

Economic and Statistic. Vol 67. No.3

Center, I. T. (2015). 2001-2015. International Trade Center.

Ekanayake, E.M, Amit Mukherjee, Bala Veeramacheneni. 2010. Trade Blocks

and Gravity Model: A Study of Economic Integration Among Asian

Developing Countries. Journal of Economic Integration. 25(4), December

2010; 627-643

Federal Reserve Economic Data of St. Louis. 2019. Economic Research, Federal

Reserve Bank of St. Louis : Real Broad Effective Exchange Rate. Diakses

Oktober 2019 dari https://fred.stlouisfed.org

Feenstra, Robert C. et al. (1998) Understanding The Home Market Effect and

The Gravity Equation: The role of Differentiating Goods.

http://www.nber.org/papers/w6804

Fitzsimons, Emla, Vincent Hogan, J. Peter Neary (1991). Explaining The Volume

North-South Trade in Ireland: Gravity Model. The Economica and Social

Riview. Vol. 30. No. 4. Oktober

Frankel JA, Stein E, Wei S-J. 1997. Regional trading blocs in the world

economic system: Peterson Institute

Gujarati, Damodar. 1997. Ekonometrika Dasar. Alih Bahasa Sumarno Zain.

Erlangga : Jakarta.

Gujarati, Damodar. 2007. Ekonometrika Dasar. Alih Bahasa Sumarno Zain.

Erlangga : Jakarta.

Hadi, I. 2009. Analisis Faktor-Faktor yang Mempengaruhi Aliran

Perdagangan Pisang dan Mangga Indonesia ke Negara Tujuan.

Departemen Agribisnis. Skripsi. Departemen Ilmu Ekonomi.

Fakultas Ilmu Ekonomi dan Manajemen. IPB. Bogor.

www.jdih.kemenkeu.go.id


https://fred.stlouisfed.org/

http://www.nber.org/papers/w6804

http://www.jdih.kemenkeu.go.id/

72

Indonesia Jarak. 2019. Jarak Antar Negara. Diakses September 2019 dari


International Trade Center (ITC). 2019. International trade statistics. Diakses

Oktober 2019 dari http://www.intracen.org/itc/market-info-tools/trade-

statistics/

Khaliqi, M. 2017. Dampak Kebijakan Non-Tariff Measures Terhadap Ekspor

Udang Indonesia. Tesis. Sekolah Pascasarjana. Institut Pertanian Bogor.

Bogor.

Kien NT. 2009. Gravity model by panel data approach: an empirical application

with implications for the ASEAN free trade area. ASEAN Economic

Bulletin.

Krugman, P.R dan Obstfeld, M. 2002. Ekonomi Internasional: Teori dan

Kebijakan. Jakarta: PT Raja Grafindo Persada.

Li, K., Song, L., & Zhao, X. 2008. Component Trade and China’s Global

Economic Integration. Unu-Wider, No.2008/10, 26 pages.

http://ovidsp.ovid.com/ovidweb.cgi?T=JS&CSC=Y&NEWS=N&PAGE=

fullt ext&D=econ&AN=1035295

Lipsey RG, Steiner PO, Purvis D. 1995. Pengantar Mikroekonomi. Jilid kesatu.

Edisi Kesepuluh. Jakarta: Binarupa Aksara.

Lubis, N.A.R.. 2017. Analisis Faktor yang Mempengaruhi Ekspor Kakao

Indonesia ke Singapura (Tahun 2001 – 2015). Jurnal. Jurusan Ilmu

Ekonomi. Fakultas Ekonomi. Universitas Islam Indonesia.

Mankiw, N.G. 2000. Macroeconomics. Worth Publisher. New York.

_______ 2007. Makroekonomi. Edisi Keenam. Liza, F dan Nurmawan, I

[Penerjemah].Gelora Aksara Pratama:Jakarta.

Manurung, J. J, A. H. Manurung, dan F. D. Saragih, 2005, Ekonometrika:

Teori dan Aplikasi. Jakarta: Elex Media Komputindo.

Nizar, M.A., 2012. Dampak Fluktuasi Harga Minyak Dunia Terhadap

Perekonomian Indonesia, Buletin Ilmiah Litbang Perdagangan, Vol.6

No.2, Desember.

Organization of the Petroleum Exporting Countries (OPEC). 2019. Market

Indicators 2009 - 2018. Diakses Oktober 2019 dari

https://www.opec.org/opec_web/en/data_graphs/1993.htm

Pusat Data dan Sistem Informasi Pertanian. 2016. Outlook Kakao. Kementerian

Pertanian



http://www.intracen.org/itc/market-info-tools/trade-statistics/

http://www.intracen.org/itc/market-info-tools/trade-statistics/

http://ovidsp.ovid.com/ovidweb.cgi

https://www.opec.org/opec_web/en/data_graphs/1993.htm

73

Puspita, R., Kadarisman Hidayat, Edy Yulianto. 2015. Pengaruh Produksi Kakao

Domestik, Harga Kakao Internasiona, Dan Nilai Tukar Terhadap Ekspor

Kakao Indonesia Ke Amerika Serikat (Studi pada Ekspor Kakao Periode

Tahun 2010-2013). Jurnal Administrasi Bisnis 27.

Retnowati, J.D. 2007. Analisis Faktor-Faktor Determinan Perdagangan Intra-

Industri Komoditas Information and Communivcation Technology (ICT)

Antar Negara-Negara ASEAN-5. Skripsi Departemen Ilmu Ekonomi.

Fakultas Ekonomi dan Manjemen. Institut Pertanian Bogor.

Salvatore, D. (2013). International Economics, [11th Edition]. New Jersey:

Wiley.

Sarwoko, 2005. Dasar-dasar Ekonometrika. Yogyakarta: Penerbit ANDI

Sitorus, M. 2009. Peningkatan Ekspor CPO dan Kakao di bawah pengaruh

liberalisasi Perdagangan (Suatu Pendekatan Model Gravitasi). Skripsi.

Departemen Ilmu Ekonomi. Fakultas Ilmu Ekonomi dan Manajemen.

IPB. Bogor.

Soraya, B. 2013. Analisis Determinan Ekspor Karet Indonesia dengan

Pendekatan Gravity Model. Tesis. Program Studi Magister Agribisnis.

Fakultas Pertanian. Universitas Sumatera Utara. Medan

Supriana, T. 2011. Indonesia Trade Under China Free Trade Area. Economic

Journal of Emerging Markets. August 3(2) 139-151

Tambunan, T. (2001). Perdagangan Internasional dan Neraca Pembayaran:

Teori dan Temuan Empiris. Jakarta: Pustaka LP3ES.

Tarigan, R. 2005. Perencanaan Pengembangan Wilayah Edisi Revisi. Bumi

Aksara. Jakarta.

Telaumbanua E. 2013. Analisis Determinan Ekspor Provinsi Sumatera Utara:

Pendekatan Gravity Model [DIsertasi]. Medan: UNIMED

The World Bank. 2019. Data Bank, World Depelopment Indicators : GDP

(Current US$). Diakses Oktober 2019 dari

https://databank.worldbank.org/indicator/NY.GDP.MKTP.CD/1ff4a498/P

opular-Indicators

______________ 2019. Data Bank, World Depelopment Indicators : Population

(Total). Diakses Oktober 2019 dari

https://databank.worldbank.org/indicator/SP.POP.TOTL/1ff4a498/Popular

-Indicators

Tinbergen J. 1962. Shaping the World Economy The Twentieth Century Fund.

New York.


https://databank.worldbank.org/indicator/NY.GDP.MKTP.CD/1ff4a498/Popular-Indicators

https://databank.worldbank.org/indicator/NY.GDP.MKTP.CD/1ff4a498/Popular-Indicators

https://databank.worldbank.org/indicator/SP.POP.TOTL/1ff4a498/Popular-Indicators

https://databank.worldbank.org/indicator/SP.POP.TOTL/1ff4a498/Popular-Indicators

74

Yuniarti, 2007. Analisis Determinan Perdagangan Bilateral Indonesia

Pendekatan Gravity Model. Fakultas Ekonomi. Universitas Ahmad

Dahlan. Jurnal Ekonomi Pembangunan.


75

Lampiran 1. Nilai Masing-masing Variabel Penelitian

Negara Tahun PDBi PDBj POPj REER DIST PTO EXPV D1

Malaysia 2009 2,261.20 7,292.50 27,735,040 94.98 21282.7 61.88 457,291,000 0 2010 3,122.40 9,040.60 28,208,035 100.00 16879.63 79.42 568,332,000 1 2011 3,643.00 10,399.40 28,650,955 99.81 14447.25 94.99 473,889,000 1 2012 3,694.30 10,817.40 29,068,159 99.57 13689.55 94.1 273,842,000 1 2013 3,623.90 10,970.10 29,468,872 99.68 13315.47 97.96 432,718,000 1 2014 3,491.60 11,319.10 29,866,559 99.28 12733.13 93.26 297,823,000 1 2015 3,331.70 9,799.40 30,270,962 91.17 14511.33 48.73 300,183,000 1 2016 3,562.80 9,671.00 30,684,804 87.71 14505.6 43.27 245,949,000 1 2017 3,836.90 10,117.60 31,105,028 86.15 13678.07 50.82 193,667,000 1 2018 3,893.60 11,239.00 31,528,585 89.71 12147.89 65.16 187,310,000 1

Amerika

Serikat

2009 2,261.20 47,100.00 306,771,529 104.70 178598.2 61.88 372,475,000 0

2010 3,122.40 48,466.80 309,326,085 100.00 172128.1 79.42 359,903,000 1 2011 3,643.00 49,883.10 311,580,009 95.06 166031.2 94.99 197,765,000 1 2012 3,694.30 51,603.50 313,874,218 97.29 159322.8 94.1 145,578,000 1 2013 3,623.90 53,106.90 316,057,727 97.58 153743 97.96 153,025,000 1 2014 3,491.60 55,033.00 318,386,421 99.84 147277.2 93.26 257,052,000 1 2015 3,331.70 56,803.50 320,742,673 110.70 141638.4 48.73 264,299,000 1 2016 3,562.80 57,904.20 323,071,342 115.28 137944.5 43.27 253,423,000 1 2017 3,836.90 59,927.90 325,147,121 114.91 132435.3 50.82 303,124,000 1 2018 3,893.60 62,641.00 327,167,434 113.71 125916.9 65.16 345,232,000 1

China 2009 2,261.20 3,832.20 1,331,260,000 100.83 48099.87 61.88 25,962,000 0 2010 3,122.40 4,550.50 1,337,705,000 100.00 40312.89 79.42 61,819,000 1 2011 3,643.00 5,618.10 1,344,130,000 102.58 32495.69 94.99 111,400,000 1 2012 3,694.30 6,316.90 1,350,695,000 108.72 28760.5 94.1 83,233,000 1 2013 3,623.90 7,050.60 1,357,380,000 115.72 25640.63 97.96 49,584,000 1 2014 3,491.60 7,651.40 1,364,270,000 118.45 23508.22 93.26 64,465,000 1 2015 3,331.70 8,033.40 1,371,220,000 129.48 22276.82 48.73 80,568,000 1 2016 3,562.80 8,078.80 1,378,665,000 124.64 22032 43.27 68,240,000 1 2017 3,836.90 8,759.00 1,386,395,000 120.98 20207.63 50.82 71,441,000 1 2018 3,893.60 9,770.80 1,392,730,000 122.55 18032.66 65.16 81,260,000 1


76

Lampiran 1. Lanjutan


Singapura 2009 2,261.20 38,927.20 4,987,573 96.74 17498.96 61.88 142,234,000 0 2010 3,122.40 47,237.00 5,076,732 100.00 14167.35 79.42 158,997,000 1 2011 3,643.00 53,890.40 5,183,688 105.37 12161.98 94.99 108,665,000 1 2012 3,694.30 55,546.50 5,312,437 110.38 11513.42 94.1 103,546,000 1 2013 3,623.90 56,967.40 5,399,162 112.50 11045.92 97.96 82,064,000 1 2014 3,491.60 57,562.50 5,469,724 112.36 10790.7 93.26 41,003,000 1 2015 3,331.70 55,646.60 5,535,002 110.16 11030.58 48.73 24,414,000 1 2016 3,562.80 56,724.20 5,607,283 109.61 10681.55 43.27 25,365,000 1 2017 3,836.90 60,297.80 5,612,253 108.24 10039.59 50.82 5,463,000 1

2018 3,893.60 64,581.90 5,638,676 107.57 9329.677 65.16 5,364,000 1

Jerman 2009 2,261.20 41,732.70 81,902,307 105.58 117104.4 61.88 25,938,000 0 2010 3,122.40 41,785.60 81,776,930 100.00 117135.6 79.42 58,397,000 1 2011 3,643.00 46,810.30 80,274,983 98.97 106518.3 94.99 34,686,000 1 2012 3,694.30 44,065.20 80,425,823 95.56 112941.7 94.1 57,297,000 1 2013 3,623.90 46,530.90 80,645,605 97.69 106665.4 97.96 57,254,000 1 2014 3,491.60 48,142.80 80,982,500 98.53 102665.2 93.26 114,121,000 1 2015 3,331.70 41,394.70 81,686,611 93.42 118372.5 48.73 108,363,000 1 2016 3,562.80 42,443.50 82,348,669 94.79 114519.3 43.27 114,680,000 1 2017 3,836.90 44,681.10 82,657,002 95.56 108378.4 50.82 33,666,000 1

2018 3,893.60 48,195.60 82,927,922 97.43 100147 65.16 51,112,000 1

Belanda 2009 2,261.20 52,514.00 16,530,388 104.67 111222.4 61.88 30,627,000 0 2010 3,122.40 50,950.00 16,615,394 100.00 114050.1 79.42 28,964,000 1 2011 3,643.00 54,159.30 16,693,074 99.38 106792.5 94.99 22,905,000 1 2012 3,694.30 50,073.00 16,754,962 96.65 115081 94.1 10,383,000 1 2013 3,623.90 52,184.10 16,804,432 99.66 110100.4 97.96 17,766,000 1 2014 3,491.60 52,830.20 16,865,008 100.34 108363.2 93.26 39,466,000 1 2015 3,331.70 45,175.20 16,939,923 96.00 126165 48.73 49,068,000 1 2016 3,562.80 46,007.90 17,030,314 96.90 123224.2 43.27 42,392,000 1 2017 3,836.90 48,555.00 17,131,296 97.51 116244.7 50.82 69,693,000 1 2018 3,893.60 53,024.10 17,231,017 99.09 105764.7 65.16 107,271,000 1


77

Lampiran 1. Lanjutan


Australia 2009 2,261.20 42,772.40 21,691,700 87.55 49872.33 61.88 32,920,000 0 2010 3,122.40 52,022.10 22,031,750 100.00 40371.92 79.42 34,382,000 1 2011 3,643.00 62,517.80 22,340,024 106.88 33130.57 94.99 24,685,000 1 2012 3,694.30 68,012.10 22,733,465 108.46 29927.08 94.1 25,241,000 1 2013 3,623.90 68,150.10 23,128,129 102.92 29356.85 97.96 39,854,000 1 2014 3,491.60 62,510.80 23,475,686 98.15 31531.39 93.26 49,945,000 1 2015 3,331.70 56,748.40 23,815,995 89.20 34236.86 48.73 63,444,000 1 2016 3,562.80 50,020.00 24,190,907 90.12 38240.27 43.27 43,671,000 1 2017 3,836.90 54,093.60 24,601,860 93.12 34769.83 50.82 43,495,000 1

2018 3,893.60 57,305.30 24,992,369 89.14 32308.31 65.16 53,583,000 1

India 2009 2,261.20 1,102.00 1,217,726,215 89.59 67957.16 61.88 8,022,000 0 2010 3,122.40 1,357.60 1,234,281,170 100.00 54422.28 79.42 18,660,000 1 2011 3,643.00 1,458.10 1,250,288,729 100.06 50021.02 94.99 31,116,000 1 2012 3,694.30 1,443.90 1,265,782,790 93.75 49895.45 94.1 27,097,000 1 2013 3,623.90 1,449.60 1,280,846,129 89.36 49113.87 97.96 23,409,000 1 2014 3,491.60 1,573.90 1,295,604,184 90.74 44720.5 93.26 40,007,000 1 2015 3,331.70 1,605.60 1,310,152,403 97.53 43350.13 48.73 43,716,000 1 2016 3,562.80 1,729.30 1,324,509,589 98.73 39813.8 43.27 46,094,000 1 2017 3,836.90 1,981.50 1,338,658,835 103.11 34378.53 50.82 49,469,000 1

2018 3,893.60 2,015.60 1,352,617,328 98.58 33448.28 65.16 67,462,000 1

Brazil 2009 2,261.20 8,597.90 193,886,508 87.94 227664.4 61.88 105,477,000 0 2010 3,122.40 11,286.20 195,713,635 100.00 171816.7 79.42 90,622,000 1 2011 3,643.00 13,245.60 197,514,534 104.71 145065.7 94.99 12,541,000 1 2012 3,694.30 12,370.00 199,287,296 94.70 153952.1 94.1 41,146,000 1 2013 3,623.90 12,300.30 201,035,903 90.22 153477.9 97.96 14,379,000 1 2014 3,491.60 12,112.60 202,763,735 89.31 154528.5 93.26 9,756,000 1 2015 3,331.70 8,814.00 204,471,769 74.62 210586 48.73 19,392,000 1 2016 3,562.80 8,712.90 206,163,058 79.27 211282.2 43.27 25,671,000 1 2017 3,836.90 9,880.90 207,833,831 86.35 184808.1 50.82 16,251,000 1

2018 3,893.60 8,920.80 209,469,333 77.23 203101.6 65.16 15,401,000 1


78

Lampiran 2. Hasil Estimasi Variabel Penelitian dengan Eviews, Metode

Pooled Least Square

Dependent Variable: EXPV?

Method: Pooled Least Squares

Date: 09/12/20 Time: 03:39

Sample: 2009 2018

Included observations: 10

Cross-sections included: 9

Total pool (balanced) observations: 90

White cross-section standard errors & covariance (d.f. corrected) Variable Coefficient Std. Error t-Statistic Prob. PDB? 0.506662 0.117825 4.300118 0.0000

POPJ? -0.183354 0.053576 -3.422332 0.0010

DIST? -0.428898 0.165941 -2.584639 0.0115

REER? -0.476747 0.883542 -0.539586 0.5909

PTO? 0.094669 0.185718 0.509747 0.6116

D1? -0.538193 0.153150 -3.514149 0.0007 R-squared 0.075776 Mean dependent var 17.94084

Adjusted R-squared 0.020763 S.D. dependent var 1.072294

S.E. of regression 1.061103 Akaike info criterion 3.020836

Sum squared resid 94.57899 Schwarz criterion 3.187490

Log likelihood -129.9376 Hannan-Quinn criter. 3.088041

Durbin-Watson stat 0.304052


79

Lampiran 3. Hasil Estimasi Variabel Penelitian dengan Eviews, Fixed Effect

Model


Method: Pooled Least Squares

Date: 09/09/20 Time: 20:57

Sample: 2009 2018




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. C 240.5403 95.94897 2.506961 0.0143

PDB? 0.247444 0.585265 0.422791 0.0033

POPJ? 10.53837 3.473412 3.034010 0.6737

DIST? -0.947483 1.152478 -0.822126 0.0136

REER? -0.636813 1.442494 -0.441466 0.0009

PTO? -0.608357 0.175198 -3.472390 0.6601

D1? -0.495539 0.257864 -1.921708 0.0584

Fixed Effects (Cross)

_MALAYSIA—C -12.19261

_USA—C 15.83160

_CHINA—C 28.10345

_SINGAPORE—C -32.35692

_GERMAN—C -0.677316

_NETHERLAND—C -18.13484

_AUSTRALIA—C -15.62252

_INDIA—C 26.77010

_BRAZIL—C 8.279061 Effects Specification Cross-section fixed (dummy variables) R-squared 0.891255 Mean dependent var 17.94084





F-statistic 11.99418 Durbin-Watson stat 1.868518



80

Lampiran 4. Hasil Estimasi Variabel Penelitian dengan Eviews, Random

Effect Model


Method: Pooled EGLS (Cross-section random effects)

Date: 09/09/20 Time: 20:57

Sample: 2009 2018




Swamy and Arora estimator of component variances

White cross-section standard errors & covariance (d.f. corrected) Variable Coefficient Std. Error t-Statistic Prob. C 25.12142 14.10783 1.780672 0.0786

PDB? -0.326310 0.164418 -1.984638 0.0505

POPJ? 0.115300 0.264508 0.435903 0.6640

DIST? 0.216033 0.346729 0.623060 0.5350

REER? 1.492101 1.173699 1.271281 0.2072

PTO? -0.140089 0.097972 -1.429882 0.1565

D1? 0.304488 0.111939 2.720129 0.0079

Random Effects (Cross)

_MALAYSIA--C 1.481856

_USA--C 1.633911

_CHINA--C 0.207022

_SINGAPORE--C -0.443430

_GERMAN--C 0.032077

_NETHERLAND--C -0.779641

_AUSTRALIA--C -0.256458

_INDIA--C -0.863472

_BRAZIL--C -1.011864 Effects Specification

S.D. Rho Cross-section random 1.130738 0.7522

Idiosyncratic random 0.649050 0.2478 Weighted Statistics R-squared 0.021411 Mean dependent var 3.204201

Adjusted R-squared -0.049331 S.D. dependent var 0.646519

S.E. of regression 0.662274 Sum squared resid 36.40436


Prob(F-statistic) 0.933872 Unweighted Statistics R-squared -0.117749 Mean dependent var 17.94084

Sum squared resid 114.3831 Durbin-Watson stat 0.198864


81

Lampiran 5. Uji Chow pada Variabel Penelitian

Redundant Fixed Effects Tests

Pool: UJI

Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 18.335889 (8,75) 0.0000

Cross-section Chi-square 97.540099 8 0.0000

Cross-section fixed effects test equation:


Method: Panel Least Squares

Date: 09/09/20 Time: 21:02

Sample: 2009 2018





PDB? 0.420396 0.106051 3.964077 0.0002

POPJ? -0.144176 0.050932 -2.830723 0.0058

DIST? -0.429388 0.174040 -2.467178 0.0157

REER? -1.089621 1.059799 -1.028139 0.3069

PTO? 0.014294 0.175039 0.081661 0.9351

D1? -0.456140 0.142870 -3.192693 0.0020 R-squared 0.087401 Mean dependent var 17.94084








82

Lampiran 6. Uji Hausman pada Variabel Penelitian

Correlated Random Effects - Hausman Test

Pool: UJI

Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 0.000000 6 1.0000 * 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.

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob. PDB? -0.247444 -0.326310 0.315502 0.8883

POPJ? -10.538366 0.115300 11.994628 0.0021

DIST? -0.947483 0.216033 1.207985 0.2898

REER? -0.636813 1.492101 0.703220 0.0111

PTO? -0.608357 -0.140089 0.021096 0.0013

D1? 0.495539 0.304488 0.053963 0.4108

Cross-section random effects test equation:


Method: Panel Least Squares

Date: 09/09/20 Time: 21:00

Sample: 2009 2018





PDB? -0.247444 0.585265 -0.422791 0.6737

POPJ? -10.53837 3.473412 -3.034010 0.0033

DIST? -0.947483 1.152478 -0.822126 0.4136

REER? -0.636813 1.442494 -0.441466 0.6601

PTO? -0.608357 0.175198 -3.472390 0.0009

D1? 0.495539 0.257864 1.921708 0.0584 Effects Specification Cross-section fixed (dummy variables) R-squared 0.691255 Mean dependent var 17.94084








83

Lampiran 7. Uji Wald pada Variabel Penelitian

Wald Test:

Pool: UJI Test Statistic Value df Probability F-statistic 87352642 (7, 75) 0.0000

Chi-square 6.11E+08 7 0.0000

Null Hypothesis: C(1)=0, C(2)=0, C(3)=0, C(4)=0, C(5)=0,

C(6)=0, C(7)=0

Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(1) 240.5403 95.94897

C(2) -10.53837 3.473412

C(3) -0.247444 0.585265

C(4) -0.947483 1.152478

C(5) -0.636813 1.442494

C(6) -0.608357 0.175198

C(7) 0.495539 0.257864

Restrictions are linear in coefficients.

Lampiran 8. Coefficent Covariance Matrix / Korelasi Antar Variabel (Uji

Klein)

C PDB? POP? DIST? REER? PTO? D1?

C 2.20653864 -0.03039017 -0.00155554 -

0.04306611 -

0.00350150 -0.00311415 0.01148793

PDB?

-

0.03039017 0.00042880 0.00002494 0.00057685

-

0.00004669 0.00004018

-

0.00016880

POP?

-0.00155554 0.00002494 0.00000630 0.00002622

-0.00005032 0.00000238

-0.00001116

DIST?

-

0.04306611 0.00057685 0.00002622 0.00088282 0.00017916 0.00005895

-

0.00020326

REER?

-0.00350150 -0.00004669 -0.00005032 0.00017916 0.00106986 0.00002070 0.00006539

PTO?

-

0.00311415 0.00004018 0.00000238 0.00005895 0.00002070 0.00002725

-

0.00001119

D1? 0.01148793 -0.00016880 -0.00001116 -

0.00020326 0.00006539 -0.00001119 0.00007322


84

Lampiran 9. Histogram – Normality Test

0

2

4

6

8

10

12

14

16

-3 -2 -1 0 1 2

Series: Standardized Residuals

Sample 2009 2018

Observations 90

Mean -6.91e-16

Median -0.121196

Maximum 2.501951

Minimum -2.850671

Std. Dev. 1.024363

Skewness 0.086865

Kurtosis 3.138768

Jarque-Bera 0.185396

Probability 0.911469


ANALISIS DETERMINAN EKSPOR KAKAO INDONESIA DENGAN ...

Documents

Transcript of ANALISIS DETERMINAN EKSPOR KAKAO INDONESIA DENGAN ...