ANALISIS DETERMINAN EKSPOR KAKAO INDONESIA DENGAN ...
Transcript of 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
ANALISIS DETERMINAN EKSPOR KAKAO INDONESIA
DENGAN PENDEKATAN GRAVITY MODEL
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
Universitas Sumatera Utara
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)
Universitas Sumatera Utara
LEMBAR PERNYATAAN
Dengan ini saya menyatakan bahwa Tesis yang berjudul:
ANALISIS DETERMINAN EKSPOR KAKAO INDONESIA
DENGAN PENDEKATAN GRAVITY MODEL
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
Dipersembahkan kepada :
Suami, Anak, dan Seluruh Keluarga
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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.
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,
Universitas Sumatera Utara
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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).
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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 $).
Tahun
Universitas Sumatera Utara
4
Berdasarkan Gambar 1.1. dapat dilihat bahwa nilai ekspor kakao Indonesia
dari tahun 2009 sampai dengan 2010 menunjukkan peningkatan. Namun pada
tahun 2010 sampai dengan tahun 2012 mengalami penurunan dan kembali
mengalami peningkatan dari tahun 2012 ke tahun 2015, pada tahun 2016 dan
2017 juga mengalami penurunan kemudian pada tahun 2018 mengalami
peningkatan kembali. Adanya Fluktuasi nilai ekspor kakao dapat diakibatkan oleh
banyak faktor yang diantaranya terjadi karena adanya krisis global yang dapat
mengakibatkan penurunan pendapatan nasional dari sisi ekspor dan mengganggu
kinerja ekspor Indonesia. Namun, seiring dengan berjalannya waktu pertumbuhan
ekspor semakin lama semakin meningkat paska terjadinya penurunan
pertumbuhan ekspor yang cukup tajam pada tahun 2010 (Andelisa, 2011).
Sedangkan nilai impor kakao Indonesia terus mengalami peningkatan dari
tahun 2009 hingga tahun 2018. Hal ini menandakan bahwa permintaan akan
produk kakao dalam negeri mengalami peningkatan selama kurun waktu 10 tahun
terakhir sedangkan nilai ekspor menandakan permintaan luar negeri untuk kakao
mengalami fluktuasi. Adanya peningkatan permintaan Indonesia untuk impor
terjadi karena peningkatan pengolahan industri dalam negeri sebagai akibat
naiknya daya beli masyarakat dan besarnya minat industri kecil pada bisnis coklat.
Meskipun demikian nilai ekspor kakao Indonesia masih lebih tinggi dibandingkan
impor kakao (Andelisa, 2011).
Kakao dari Indonesia di ekspor ke berbagai negara tujuan seperti negara
Amerika Serikat, Benua Eropa, dan wilayah Asia dalam berbagai produk. Nilai
ekspor kakao Indonesia berdasarkan produknya dapat di lihat pada Tabel 1.3 dan
Gambar 1.2.
Universitas Sumatera Utara
5
0.0
200.0
400.0
600.0
800.0
1000.0
1200.0
1400.0
1600.0
1800.0
2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
18
1801
1802
1803
1804
1805
1806
Tabel 1.3. Nilai Ekspor Kakao Indonesia Berdasarkan Produk (000 000 US$)
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
Sumber : International Trade Center (ITC), 2019
Sumber : International Trade Center (ITC), 2019
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.
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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).
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
24
Lanjutan Tabel 2.2. Penelitian Terdahulu
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
perdagangan bilateral.
Populasi importir dan
eksportir berpengaruh
negatif terhadap
perdagangan bilateral.
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.
Universitas Sumatera Utara
25
Lanjutan Tabel 2.2. Penelitian Terdahulu
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.
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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 (+)
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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)
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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 :
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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 :
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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 –
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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-
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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).
Universitas Sumatera Utara
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 $
)
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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 $.
Universitas Sumatera Utara
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
perdagangan bilateral.
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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)
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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:
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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
Universitas Sumatera Utara
72
Indonesia Jarak. 2019. Jarak Antar Negara. Diakses September 2019 dari
http://indonesia.distanceworld.com/dc
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
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
74
Yuniarti, 2007. Analisis Determinan Perdagangan Bilateral Indonesia
Pendekatan Gravity Model. Fakultas Ekonomi. Universitas Ahmad
Dahlan. Jurnal Ekonomi Pembangunan.
Universitas Sumatera Utara
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
Universitas Sumatera Utara
76
Lampiran 1. Lanjutan
Negara Tahun PDBi PDBj POPj REER DIST PTO EXPV D1
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
Universitas Sumatera Utara
77
Lampiran 1. Lanjutan
Negara Tahun PDBi PDBj POPj REER DIST PTO EXPV D1
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
79
Lampiran 3. Hasil Estimasi Variabel Penelitian dengan Eviews, Fixed Effect
Model
Dependent Variable: EXPV?
Method: Pooled Least Squares
Date: 09/09/20 Time: 20:57
Sample: 2009 2018
Included observations: 10
Cross-sections included: 9
Total pool (balanced) observations: 90
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
Adjusted R-squared 0.833622 S.D. dependent var 1.072294
S.E. of regression 0.649050 Akaike info criterion 2.124399
Sum squared resid 31.59499 Schwarz criterion 2.541034
Log likelihood -80.59796 Hannan-Quinn criter. 2.292411
F-statistic 11.99418 Durbin-Watson stat 1.868518
Prob(F-statistic) 0.000000
Universitas Sumatera Utara
80
Lampiran 4. Hasil Estimasi Variabel Penelitian dengan Eviews, Random
Effect Model
Dependent Variable: EXPV?
Method: Pooled EGLS (Cross-section random effects)
Date: 09/09/20 Time: 20:57
Sample: 2009 2018
Included observations: 10
Cross-sections included: 9
Total pool (balanced) observations: 90
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
F-statistic 0.302661 Durbin-Watson stat 0.624834
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
Universitas Sumatera Utara
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:
Dependent Variable: EXPV?
Method: Panel Least Squares
Date: 09/09/20 Time: 21:02
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. C 7.181292 2.798754 2.565889 0.0121
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
Adjusted R-squared 0.021430 S.D. dependent var 1.072294
S.E. of regression 1.060742 Akaike info criterion 3.030400
Sum squared resid 93.38935 Schwarz criterion 3.224830
Log likelihood -129.3680 Hannan-Quinn criter. 3.108806
F-statistic 1.324845 Durbin-Watson stat 0.292053
Prob(F-statistic) 0.255350
Universitas Sumatera Utara
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:
Dependent Variable: EXPV?
Method: Panel Least Squares
Date: 09/09/20 Time: 21:00
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. C 240.5403 95.94897 2.506961 0.0143
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
Adjusted R-squared 0.633622 S.D. dependent var 1.072294
S.E. of regression 0.649050 Akaike info criterion 2.124399
Sum squared resid 31.59499 Schwarz criterion 2.541034
Log likelihood -80.59796 Hannan-Quinn criter. 2.292411
F-statistic 11.99418 Durbin-Watson stat 0.715518
Prob(F-statistic) 0.000000
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara