Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
ANALISIS PERDAGANGAN INDONESIA-CHINA PERIODE 2005Q1-2018Q4:
DAMPAK PERGERAKAN YUAN DAN USD.
TUGAS AKHIR
Diajukan Kepada
Fakultas Ekonomika dan Bisnis
Program Studi Ekonomi Pembangunan
Untuk Memperoleh Gelar Sarjana Ekonomi
Oleh:
JAMES SAMUEL
222015035
FAKULTAS EKONOMIKA DAN BISNIS
UNIVERSITAS KRISTEN SATYA WACANA
SALATIGA
2019
viii
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Tuhan Yesus Kristus yang telah
melimpahkan berkat dan rahmat-Nya, sehingga penulis dapat menyelesaikan karya tulis
ilmiah yang berjudul “Analisis Perdagangan Indonesia-China Periode 2005Q1-2018Q4:
Dampak Pergerakan Yuan dan USD”. Karya tulis ilmiah ini merupakan suntingan dari
dokumen tugas akhir penulis, yang telah disesuaikan format penulisannya sesuai
ketentuan Call For Papers Lembaga Pembiayaan Ekspor Indonesia (LPEI) 2019.
Karya tulis ilmiah ini secara rinci mengevaluasi pemenuhan kondisi Marshall-
Lerner dan mengidentifikasi fenomena J-Curve atas dasar pergerakan Rupiah/USD dan
Rupiah/Yuan pada perdagangan bilateral non-migas Indonesia-China sejak 2005Q1-
2018Q4. Guna membantu Pemerintah Indonesia dalam membentuk strategi yang tepat,
untuk menciptakan dan menjaga kestabilan neraca perdagangan, dan mengurangi defisit
neraca perdagangan terkhususnya antara Indonesia-China. Penulisan akan dibagi ke
dalam lima bagian yang meliputi pendahuluan, kajian pustaka, metode penelitian, hasil
penelitian serta pembahasan, dan yang terakhir ialah bagian penutup berupa kesimpulan
dan saran.
Penulis menyadari bahwa terlepas dari semua itu masih terdapat kekurangan
dalam penulisan ini. Oleh karena itu, dengan segala kerendahan hati dan dengan tangan
terbuka penulis menerima segala kritik dan saran pembaca untuk dapat
menyempurnakan karya tulis ilmiah ini sehingga menjadi lebih baik.
Melalui karya tulis ilmiah ini, penulis berharap agar karya tulis ilmiah ini
memberikan manfaat bagi para pembaca baik masyarakat maupun pengambil kebijakan
agar terlibat dalam cara yang positif untuk mengatasi permasalahan yang ada.
Salatiga, 18 Agustus 2019
James Samuel
ix
DAFTAR ISI
HALAMAN PENGESAHAN .......................................................................................... ii
PERNYATAAN KEASLIAN TUGAS AKHIR ............................................................. iii
PERNYATAAN TIDAK PLAGIAT .............................................................................. iv
PERNYATAAN PERSETUJUAN AKSES ..................................................................... v
PENJELASAN KARYA TULIS TIDAK DIUNGGAH ................................................. vi
LETTER OF ACCEPTANCE .......................................................................................... vii
KATA PENGANTAR ................................................................................................... viii
DAFTAR ISI ................................................................................................................... ix
DAFTAR TABEL ........................................................................................................... xi
DAFTAR GRAFIK ........................................................................................................ xii
ABSTRAK .................................................................................................................... xiii
BAB I. PENDAHULUAN ............................................................................................... 1
1.1. Latar Belakang ....................................................................................................... 1
1.2 Tujuan Penelitian .................................................................................................... 4
1.3 Manfaat Penelitian .................................................................................................. 4
BAB II. KAJIAN PUSTAKA .......................................................................................... 4
2.1 Perdagangan Internasional dan Small Open Economy ........................................... 4
2.2 Kondisi Marshall Lerner dan Fenomena J-Curve ................................................... 5
2.3 Penelitian Terdahulu tentang Kondisi Marshall-Lerner dan Fenomena J-Curve ... 7
BAB III. METODE PENELITIAN .................................................................................. 9
3.1 Model ...................................................................................................................... 9
3.2 Jenis dan Sumber Data .......................................................................................... 10
3.3 Pengukuran Variabel ............................................................................................. 10
3.4 Teknik Analisis ..................................................................................................... 11
BAB IV. HASIL DAN PEMBAHASAN ....................................................................... 11
4.1 Hasil Uji Stasioneritas .......................................................................................... 11
4.2 Hasil Uji Panjang Lag Optimum .......................................................................... 12
4.3 Hasil Uji Kointegrasi ............................................................................................ 12
4.4 Estimasi Model VECM ......................................................................................... 13
x
4.5 Hasil Uji Diagnostik ............................................................................................. 13
4.6 Hasil Estimasi dan Interpretasi VECM ................................................................. 14
4.7 Hasil Impuls Response Function ........................................................................... 15
4.8 Hasil Variance Decomposition ............................................................................. 17
BAB V. KESIMPULAN DAN SARAN ........................................................................ 19
5.1 Kesimpulan ........................................................................................................... 19
5.2 Saran ..................................................................................................................... 20
DAFTAR PUSTAKA ..................................................................................................... 21
LAMPIRAN 1 ................................................................................................................ 23
LAMPIRAN 2 ................................................................................................................ 24
LAMPIRAN 3 ................................................................................................................ 25
CURRICULUM VITAE .................................................................................................. 30
xi
DAFTAR TABEL
Tabel 1.a. Rata-Rata Nilai Ekspor dan Impor Indonesia 2013-2018 ............................................ 1
Tabel 1.b. Share Komposisi Valuta Asing pada Ekpor dan Impor Indonesia 2018 ...................... 1
Tabel 4.a. Hasil Uji Augmented Dickey Fuller ........................................................................... 11
Tabel 4.b. VAR Lag Order Selection Criteria ............................................................................ 12
Tabel 4.c. Hasil Uji Kointegrasi Johansen .................................................................................. 12
Tabel 4.d. Vector Error Correction Model Test .......................................................................... 14
Tabel 4.e. VEC Granger Causality Test ...................................................................................... 15
Tabel 4.f. Variance Decomposition of LNTB Skenario 1 ............................................................ 18
Tabel 4.g. Variance Decomposition of LNTB Skenario 2 ........................................................... 18
Tabel 4.h. Ringkasan Pengujian Residual ................................................................................... 23
Tabel 4.i. Komoditas Barang Impor Perdagangan Indonesia - China, dalam USD, HS 2-digit. 24
Tabel 4.j. Komoditas Barang Ekspor dan Impor Perdagangan Indonesia - China, dalam USD, Hs
2-Digit ......................................................................................................................................... 25
xii
DAFTAR GRAFIK
Grafik 1.a. Komposisi Mata Uang Dunia dari Cadangan Devisa Resmi Dunia ............................ 2
Grafik 2.a. Efek Kebijakan Fiskal dan Moneter Amerika Serikat terhadap USD ......................... 5
Grafik 4.a. Impuls Response Function Test ................................................................................. 17
Grafik 4.b. Pengujian Stabilitas Model dengan CUSUM ........................................................... 23
xiii
ANALISIS PERDAGANGAN INDONESIA-CHINA PERIODE 2005Q1-2018Q4:
DAMPAK PERGERAKAN YUAN DAN USD.
James Samuel (222015035)
Email : [email protected]
ABSTRAK
China saat ini adalah mitra dagang utama Indonesia, dikarenakan nilai rata-rata
ekspor dan impor Indonesia-China tahun 2013-2018 menempati urutan pertama. Selaku
negara small open economy, kebijakkan fiskal dan moneter AS tentu akan berpengaruh
langsung ke kestabilan perdagangan internasional Indonesia, tidak terkecuali dengan
perdagangan Indonesia-China. Penelitian ini bertujuan untuk mengevaluasi pemenuhan
kondisi Marshall-Lerner dan fenomena J-Curve atas dasar pergerakan Rupiah/USD dan
Rupiah/Yuan pada perdagangan bilateral Indonesia-China sejak 2005Q1-2018Q4, guna
membantu Indonesia dalam membentuk strategi yang tepat, untuk menciptakan dan
menjaga kestabilan neraca perdagangan Indonesia-China. Penelitian ini menggunakan
alat analisis Vector Error Correction Model. Hasil penelitian menunjukkan bahwa
pergerakan Rupiah/USD dan Rupiah/Yuan secara riil pada perdagangan Indonesia-
China riil, terdapat pemenuhan kondisi Marshall-Lerner dan fenomena J-Curve. Fakta
lain yang didapat adalah 1) kebijakan fiskal dan moneter AS akan sangat mempengaruhi
kesetabilian neraca perdagangan Indonesia-China melalui USD, 2) neraca perdagangan
Indonesia-China tidak cepat stabil ketika menerima goncangan dari Rupiah/USD
dibandingkan Rupiah/Yuan, 3) perkembangan Rupiah/Yuan lebih dapat menjelaskan
keadaan perdagangan Indonesia – China, dan 4) impor Indonesia dari China adalah
komoditas penunjang produksi domestik. Sehingga penelitian ini meyarankan
pemerintah Indonesia untuk 1) menetapkan Yuan sebagai mata uang perdagangan
Indonesia-China, 2) memonitoring kebijakan fiskal dan moneter China, 3) kebijakan
subtitusi impor dengan produksi domestik, dan 4) peningkatan kualitas produk serta
nilai tambah produk domestik.
Kata kunci: Marshall - Lerner, J-Curve, Perdagangan Indonesia - China, VECM.
1
BAB I. PENDAHULUAN
1.1. Latar Belakang
Neraca perdagangan erat hubungannya dengan current account (CA), kondisi
defisit neraca perdagangan akan menyebabkan current account deficit (CAD), artinya
impor lebih besar dibandingkan ekspor (Manki et al., 2013). Dilansir CNBC Indonesia
(2019) pada periode april 2019 Indonesia mengalami CAD yang paling dalam
sepanjang sejarah Indonesia. CAD menandakan banyak uang dari sektor riil yang keluar
ke luar negeri, padahal CA merupakan fondasi penting untuk stabilitas nilai tukar. CAD
juga merupakan kebocoran dalam circular flow yang berdampak terhadap melemahnya
kinerja sektor riil dan bila tidak ditahan atau diminimalisir maka, kedepannya
pertumbuhan ekonomi akan cenderung melemah (Mankiw et al., 2013).
Banyak cara untuk mengatasi defisit neraca perdagangan, dan yang paling
mendasar adalah dengan mengurangi volume impor, atau minimal menjaga stabilitas
neraca perdagangan agar tidak memperparah kondisi defisit. Saat ini Republik Rakyat
Tiongkok (RRT), awam dikenal China, merupakan mitra dagang utama Indonesia. Hal
ini dapat dilihat pada Tabel 1.a, yang menunjukkan bahwa rata-rata nilai ekspor dan
impor Indonesia terhadap China menempati urutan pertama, dan tercatat defisit. Hal
tersebut menunjukan perekonomian Indonesia memiliki hubungan kuat dengan
perekonomian China. Maka dari itu menjaga stabilitas neraca perdagangan Indonesia-
China dan upaya menurunkan volume impor dari China merupakan langkah awal untuk
memperkuat sektor riil Indonesia. Disisi lain menurut data Tabel 1.b menunjukkan saat
ini Indonesia cenderung menggunakan dollar Amerika Serikat (USD) dalam
bertransaksi diperdagangan internasional. Hal ini wajar melihat proporsi USD sebagai
mata uang acuan utama perdagangan dunia, sehingga kebutuhan USD menjadi penting
dalam hal melunasi hutang negara dan menjaga kestabilan nilai Rupiah atas USD, lihat
Grafik 1.a.
Tabel 1.a. Rata-Rata Nilai Ekspor dan Impor Indonesia 2013-2018
Rata-Rata Nilai 2013-2018 (ribu USD)
Negara Tujuan Ekspor Impor
1 Republik Rakyat Tiongkok 1.553.204 2.738.205
2 Amerika Serikat 1.341.231 672.811
3 Jepang 1.218.191 1.326.256
4 India 1.032.139 292.598
5 Singapura 760.113 813.219
Sumber : SEKI Bank Indonesia, diolah
Tabel 1.b. Share Komposisi Valuta Asing pada Ekpor dan Impor Indonesia 2018
No Valuta Ekspor Valuta Impor
1 Dolar Amerika Serikat 94,21% Dolar Amerika Serikat 89,23%
2
2 Rupiah Indonesia 1,39% Euro 4,60%
3 Euro 1,03% Yen Jepang 3,79%
6 Yuan Renminbi China 0,36% Yuan Renminbi China 0,90%
Sumber : SEKI Bank Indonesia, diolah
Dampak dari dominasi USD sebagai mata uang perdagangan internasional
Indonesia, terkhususnya dengan China, ialah akan cenderung rentan terhadap kebijakan
moneter dan fiskal Amerika Serikat (AS). Dilansir dari CNN Indonesia (2018a)
Gubernur The Fed yaitu Jerome Powell menyebutkan tujuan menaikkan suku bunga
acuan sebesar 25 basis poin atas dasar normalisasi moneter ditengah pertumbuhan
ekonomi AS. Boediono (2014) menjelaskan bahwa suku bunga merupakan harga dari
uang, dimana dalam kasus normalisasi tersebut tentu berimbas kepada kenaikan nilai
USD terhadap beberapa mata uang, tidak terkecuali Rupiah yang terdepresiasi menjadi
Rp 14.920 per USD (CNN Indonesia, 2018b). Hal ini tentu akan berdampak kepada
nilai neraca perdagangan Indonesia, yang akan memperbesar gap defisit neraca
perdagangan Indonesia-China dalam jangka pendek. Berdasarkan penelitian Husman
(2007) dan KrzyĪanowski (2017) menjelaskan, bahwa dalam jangka pendek perubahan
nilai tukar akan memperburuk nilai neraca perdagangan, hal ini dikarenakan dalam
jangka pendek ekspor dan impor cenderung tidak elastis atau kaku.
Grafik 1.a. Komposisi Mata Uang Dunia dari Cadangan Devisa Resmi Dunia
Sumber : COFER International Financial Statistics (IFS), diolah
Pada Desember 2015 International Monetary Fund (IMF) resmi mengakui Yuan
sebagai mata uang internasional, dilansir VOA Indonesia (2015) hal tersebut tidak lepas
dari besarnya pengaruh ekonomi China terhadap dunia, dimana pada tahun 2015 China
adalah ekonomi terbesar kedua setelah AS. Dalam berita tersebut juga menjelaskan
pandangan para ekonom bahwa keputusan tersebut dapat mendorong pemerintah China
untuk melonggarkan intervensi terhadap Yuan, serta merupakan alternatif untuk
menjaga stabilitas perdagangan China terhadap mitranya dari fluktuasi USD.
Berdasarkan data World Bank, pada tahun 2017 nilai PDB China menempati urutan
kedua terbesar di dunia setelah AS dan menariknya baik nilai ekspor atupun impor,
China menempati urutan pertama terbesar di dunia. Fakta ini tidak hanya memperkuat
status China sebagai kekuatan ekonomi terbesar di dunia setelah AS, namun juga turut
menunjukkan eksistensinya sebagai negara yang berpengaruh terhadap perekonomian
dunia. Jadi bukan hal yang mengejutkan jika IMF menetapkan Yuan menjadi mata uang
62,78 62,40 61,93 61,68
0%
50%
100%
2018Q1 2018Q2 2018Q3 2018Q4
Unallocated Reserves
Mata Uang Lainnya
Euro
Dollar Amerika Serikat
3
internasional pada tahun 2015. Berdasarkan fakta diatas, tidak menutup kemungkinan
bahwa dikemudian hari cepat atau lambat posisi USD sebagai acuan mulai digantikan
dengan Yuan.
Pembahasan nilai tukar merupakan hal yang sangat penting dalam perdagangan
internasional. Nilai tukar merupakan nilai pembanding mata uang suatu negara terhadap
negara lainnya yang menjadi penghubung perdagangan internasional (Mankiw et al.,
2013). Mankiw et al (2013) dalam bukunya menjelaskan bahwa depresiasi nilai tukar
akan meningkatkan neraca perdagangan. Davidson (2009), Husman (2007), dan
KrzyĪanowski (2017) juga menjelaskan bahwa dalam jangka panjang depresiasi akan
meningkatkan neraca perdagangan namun, dalam jangka pendek depresiasi justru akan
memperburuk neraca perdagangan kemudian secara bertahap akan memperbaiki neraca
perdagangan. Hubungan jangka panjang nilai tukar terhadap neraca perdagangan ini
dikenal dengan teori pemenuhan kondisi Marshall-Lerner, dan hubungan jangka pendek
dikenal dengan teori fenomena J-Curve (Davidson, 2009; Husman, 2007;
KrzyĪanowski, 2017).
Bebrapa pembuktian empirik terkait hubungan nilai tukar dan neraca
perdagangan juga telah dilakukan oleh beberapa peneliti, dan menunjukan bahwa tidak
semua khasus perdagangan bilateral atau secara agregat memenuhi kondisi Marshall-
Lerner dan fenomena J-Curve (Adiningsih et al., 2013; Bahmani-Oskooee dan
Kantipong, 2001; Chowdhury dan Younus, 2015; Eita, 2013; Ginting, 2013; Hooy dan
Chan, 2008; Husman, 2007; Ng et al., 2009; Onafowora, 2003; Zuhroh dan Kaluge,
2007). Perbedaan tersebut dikarenakan setiap negara memiliki pola ekonomi dan politik
masing-masing, sehingga interaksi satu negara dengan yang lain akan membentuk pola
hubungan yang beragam. Fokus pada penelitian yang dilakukan di Indonesia, Husman
(2007), Zuhroh dan Kaluge (2007) secara agregat menjelaskan adanya kondisi
Marshall-Lerner dan fenomena J-Curve antara nilai tukar dan neraca perdagangan
Indonesia. Namun peneliti setelahnya, Ginting (2013) menemukan bahwa secara
agregat hubungan nilai tukar dan neraca perdagangan Indonesia baik jangka panjang
atau pendek memiliki hubungan signifikan negatif.
Secara parsial di Indonesia menurut Husman (2007) kondisi Marshall-Lerner
ditemukan pada hubungan bilateral Indonesia dengan AS, Jepang, Korea Selatan,
China, Taiwan dan Jerman, namun untuk fenomena J-Curve hanya ada pada hubunga
bilateral Indonesia dengan Jepang, Korea Selatan dan Jerman. Sedangkan sebelumnya
Onafowora (2003) menemukan adanya kondisi Marshall-Lerner dan fenomena J-Curve
pada hubunga bilateral Indonesia dengan AS dan Jepang. Pada penelitian setelahnya
yaitu, Adiningsih et al., (2013) menemukan adanya kondisi Marshall-Lerner dan
fenomena J-Curve pada hubungan bilateral Indonesia dengan China dan Jepang. Hal ini
memperkuat adanya kesamaan temuan namun, ada juga perbedaan temuan. Perbedaan
yang ada bisa dikarenakan perbedaan periode penelitian, misalnya pada penelitian
Husman (2007) menyebutkan bahwa China menempati urutan ke lima sebagi mitra
4
utama Indonesia, namun menurut data terbaru pada Tabel 1.a menunjukkan saat ini
China menempati urutan pertama sebagai mitra utama Indonesia. Kemudian pergerakan
nilai tukar yang berfluktuasi menyesuaikan keadaan ekonomi dan politik juga menjadi
faktor hasil yang didapat berbeda pada setiap penelitian, ditambah adanya kebijakan
IMF yang mengesahkan Yuan sebagai mata uang internasional dan besarnya pangsa
pasar China saat ini juga akan mempengaruhi pemenuhan Kondisi Marshall-Lerner dan
keberadaan fenomena J-Curve di dunia terutama terhadap hubungan bilatera China
dengan negara mitranya.
Dapat disimpulkan bahwa pergerakan nilai tukar selalu berfluktuasi
menyesuaikan kodisi ekonomi dan politik yang terjadi sesuai ruang dan waktunya,
sehingga perbedaan hasil temuan sangat mungkin terjadi. Maka dari itu pengkajian
terhadap kondisi Marshall-Lerner dan keberadaan fenomena J-Curver perlu untuk terus
diperbaharui, terutama terkait hubungan bilateral Indonesia-China. Melihat hal ini
Indonesia patut memperhitungkan dan mempertimbangkan penggantian Yuan sebagai
valuta asing terkhususnya untuk perdagangan bilateral Indonesia-China. Tidak hanya
karena besarnya perekonomian, dan luasnya pangsa pasar China, tetapi lebih dari itu, ini
merupakan upaya menjaga stabilisasi perdagangan Indonesia-China dari kemungkinan
intervensi kebijakan AS. Melihat adanya hubungan antara nilai tukar dengan neraca
perdagangan, maka perlu untuk ditelaah lebih lanjut dengan komparasi antara
perkembangan Yuan dan USD terhadap perkembangan neraca perdagangan Indonesia-
China, baik dalam jangka panjang maupun jangka pendek. Hal itu dilakukan guna
memperkuat keyakinan dalam penetapan acuan matau uang perdagangan Indonesia-
China
1.2 Tujuan Penelitian
Penelitian ini bertujuan untuk mengevaluasi pemenuhan kondisi Marshall-
Lerner dan mengidentifikasi fenomena J-Curve atas dasar pergerakan Rupiah/USD dan
Rupiah/Yuan pada perdagangan bilateral non-migas Indonesia-China sejak 2005Q1 –
2018Q4.
1.3 Manfaat Penelitian
Hasil penelitian diharapkan dapat berkontribusi dalam memberikan pembuktian
ada atau tidaknya pemenuhan kondisi Marshall-Lerner dan fenomena J-Curve dalam
perdagangan bilateral Indonesia-China guna membantu Indonesia dalam membentuk
strategi yang tepat, untuk menciptakan dan menjaga kestabilan neraca perdagangan,
terkhususnya antara Indonesia-China.
BAB II. KAJIAN PUSTAKA
2.1 Perdagangan Internasional dan Small Open Economy
Tujuan adanya perdagangan internasional tidak lain karena faktor gain from
trade, yang didapat melalui pemenuhuan kebutuhan penunjang ekonomi dan perluasan
pangsa pasar (Mankiw et al., 2013). Perdagangan internasional merupakan bagian dari
5
keputusan open economy, dimana setiap negara dapat berinteraksi baik negara
berkembang ataupun maju. Open economy dibagi menjadi dua jenis kelompok negara
yang berinteraksi yaitu large open economy dan small open economy, dimana
pembentukan kebijakan fiskal ataupun moneter large open economy akan berpengaruh
terhadap neraca perdagangan small open economy namun tidak sebaliknya (Mankiw et
al., 2013). Saat ini Indonesia tergolong dalam small open economy, sedangkan AS dan
China tengah menjadi ekonomi yang berpengaruh di dunia seperti yang sudah
dijelaskan pada latar belakang.
Berdasarkan latar belakang yang ada, China adalah mitra utama Indonesia,
namun pengaruh AS dinilai cukup besar mempengaruhi hubungan bilateral Indonesia-
China. Grafik 2.a menjelaskan bahwa kebijakan fiskal atau moneter akan
mempengaruhi nilai tukar, pada contoh yang dibawakan adalah ketika adanya kebijakan
fiskal ekspansif AS akan berdampak terhadap pertumbuhan ekonomi AS maka, otoritas
Moneter AS (The Fed) merespon pertumbuhan ekonomi tersebut dengan meningkatkan
suku bunga The Fed yang memberikan efek terapresiasinya nilai tukar riil USD
terhadap mata uang lainnya, tidak terkecuali Rupiah.
Grafik 2.a. Efek Kebijakan Fiskal dan Moneter Amerika Serikat terhadap USD
2.2 Kondisi Marshall Lerner dan Fenomena J-Curve
Kondisi Marshall-Lerner pada dasarnya hanya melihat dari sisi permintaan
ekspor dan impor, yang berasumsi bahwa sisi pernawaran ekspor impor bersifat elastis
Sumber: (Mankiw et al., 2013)
6
sempurna. Sehingga permintaan akan selalu terpenuhi dan fluktuasi volume
perdagangan tidak mempengaruhi harga, sehingga harga besifat konstan dalam analisis
ini. Dengan demikian permintaan dipengaruhi harga relatif luar negeri dan dalam
negeri, yang diwakili nilai tukar riil (Husman, 2007; KrzyĪanowski, 2017). Berangkat
dari asumsi harga bersifat konstan, Husman (2007) dalam tulisannya menurunkan
rumus persamaan neraca perdagangan yang didiferensiasikan menjadi:
Dimana NX merupakan Net Exports (Neraca Perdagangan), Ɛ merupakan Real
Exchange Rate (Nilai Tukar Riil), M merupakan Import (Impor), x merupakan Export
Elasticity (Elastisitas Ekspor), dan m merupakan Import Elasticity (Elastisitas Impor).
Persamaan diatas dikenal sebagai kondisi Marshall-Lerner, ketika terjadi devaluasi atau
depresiasi nilai tukar riil akan memperbaiki keseimbangan perdagangan, dNX/dƐ>0,
jika jumlah absolut dari elastisitas permintaan ekspor dan impor jangka panjang lebih
besar daripada satu (Davidson, 2009; Husman, 2007).
Kondisi Marshall-Lerner sejalan dengan apa yang dijelaskan Mankiw et al.,
(2013) terkait hubungan antara nilai tukar riil dan neraca perdagangan. Dalam Mankiw
et al., (2013) penurunan rumus persamaan pendapatan nasional perekonomian terbuka
akan mendapatkan persamaan neraca perdagangan sebagai berikut :
NX(Ɛ) = S - I (r*)
Dimana NX merupakan Net Exports (Neraca Perdagangan), Ɛ merupakan Real
Exchange Rate (Nilai Tukar Riil), S merupakan Savings (Tabungan), I merupakan
Investation (Investasi), dan r* merupakan Foreign Interest Rate (Suku Bunga Luar
Negeri). Nilai tukar riil (indirect effect) akan bergerak berlawanan arah terhadap nilai
NX dan (S-I), menyesuaikan pergerakan nilai (S-I) untuk menyeimbangkan nilai NX.
Contoh kasus yang dibahas pada Grafik 2.a ketika efek kebijakan fiskal dan moneter
menyebabkan suku bunga luar negeri naik, maka akan menurunkan insvestasi namun
tabungan tidak berubah, sehingga S>I yang meningkatkan nilai dari (S-I). Ketika nilai
(S-I) meningkat maka Ɛ akan menyesuaikan dengan bergerak turun (depresiasi) guna
meningkatkan nilai NX. Kembali pada persamaan Kondisi Marshall-Lerner diatas,
menjelaskan bahwa perubahan nilai tukar riil akan menyebabkan dua perubahan,
pertama perubahan nilai atau perubahan tingkat keuntunganan kompetitif dan yang
kedua adalah perubahan volume.
Kondisi depresiasi atau devaluasi nilai tukar riil akan menyebabkan ekspor
menjadi lebih murah atau produk domestik lebih kompetitif ketika diukur dengan mata
uang mitra dagang. Hal ini akan menurunkan nilai ekspor dalam mata uang mitra
dagang sehingga, perubahan nilai tukar riil akan memperburuk nilai neraca perdagangan
domestik. Namun disisi lain peningkatan keuntunganan kompetitif atas produk
7
domestik akan meningkatkan volume permintaan dari luar negeri karena ekspor menjadi
lebih murah dan sebaliknya volume impor akan menurun karena produk luar negeri
menjadi tidak kompetitif, jadi perubahan nilai tukar riil yang terdepresiasi atau
didevaluasi akan berpengaruh positif terhadap neraca perdagangan domestik (Husman,
2007; KrzyĪanowski, 2017).
Husman (2007) dan KrzyĪanowski (2017) dalam tulisannya menjelaskan bahwa
dalam jangka pendek perubahan nilai tukar riil akan memperburuk nilai neraca
perdagangan, hal ini dikarenakan dalam jangka pendek elastisitas ekspor dan impor
cenderung kaku. Fenomena jangka pendek ini yang disebut fenomena J-Curve,
Kemudian dalam jangka menengah atau panjang akan ada peningkatan volume ekspor
yang berangsur memperbaiki neraca perdagangan. Intinya kondisi Marshall-Lerner
adalah konsep elastisitas ekspor dan impor yang dapat menjelaskan dampak nilai tukar
riil terhadap neraca perdagangan dalam jangka pendek dan jangka panjang, yang mana
melengkapi analisis persamaan neraca perdagangan perekonomian terbuka yang
dijelaskan dalam (Mankiw et al., 2013).
2.3 Penelitian Terdahulu tentang Kondisi Marshall-Lerner dan Fenomena J-Curve
Eita (2013) menggunakan Vector Error Correction Model (VECM) untuk
meneliti pemenuhan kondisi Marshall-Lerner untuk Namibia. Menunjukkan bahwa,
dalam jangka panjang apresiasi nilai tukar riil akan menurunkan ekspor, peningkatan
pendapatan luar negeri menyebabkan peningkatan ekspor. Pada persamaan kedua yaitu
impor, hasil studi Eita menunjukkan bahwa apresiasi nilai tukar riil menyebabkan impor
menurun dan peningkatan pendapatan dalam negeri akan meningkatkan impor. Dari
kedua persamaan tersebut Eita mendapatkan bahwa jumlah absolut elastisitas ekspor
dan impor terhadap nilai tukar riil lebih dari satu, sehingga dalam kasus penelitiannya
ditemukan pemenuhan kondisi Marshall-Lerner, namun tidak lebih lanjut mengkaji
keberadaan fenomena J-Curve.
Bahmani-Oskooee dan Kantipong (2001) menggunakan ARDL untuk melihat
hubungan jangka panjang dan jangka pendek antara nilai tukar riil terhadap neraca
perdagangan Thailand dan kelima mitra utamanya. Menemukan bahwa hanya kepada
Jepang dan AS devaluasi Bhat akan memperbaiki neraca perdagangan bilateral Thailand
dengan kedua negara tersebut. Kemudian juga ditemui fenomena J-Curve terhadap
kedua mitra tersebut, yang artinya devaluasi akan memperburuk neraca perdagangan
Thailand dan akan membaik secara bertahap pada jangka panjang. Fakta lain ditemukan
dalam penelitian meraka adalah elastisitas neraca perdagangan (dNX/dƐ) menunjukkan
bahwa perdagangan Thailand dengan AS lebih elastis (3,52) dibandingkan elastisitas
Jepang hanya (0,65).
Onafowora (2003) menggunakan VECM untuk melihat efek jangka pendek dan
jangka panjang perubahan nilai tukar riil terhadap neraca perdagangan ketiga negara
ASEAN yaitu Indonesia, Malaysia, dan Thailand dalam perdagangan bilateral AS dan
8
Jepang. Menemukan bahwa terdapat pemenuhan kondisi Marshall-Lerner untuk
Indonesia dan Malaysia dalam perdagangan bilateral mereka baik ke AS dan Jepang
sedangkan untuk Thailand hanya kepada perdagangan bilateralnya ke Jepang. Namun
fenomena J-Curve hanya ditemukan pada kasus negara Indonesia dan Malaysia
terhadap kedua mitra dangannya, untuk Thailand ditemukan fenomena S-Curve
(kebalikan dari J-Curve)
Hooy dan Chan (2008) menggunakan GARCH dan Vector Autoregresive (VAR)
untuk melihat dampak Yuan/Ringgit pada neraca perdagangan bilateral China dan
Malaysia periode 1990M1 – 2008M1. Menemukan bahwa nilai tukar riil memainkan
peran dalam perdagangan bilateral China – Malaysia, dan dalam jangka panjang adanya
pemenuhan kondisi Marshall-Lerner. Namun tidak menenemukan fenomena J-Curve.
Ng et al., (2009) menggunakan VECM untuk mengidentifikasi hubungan antara
nilai tukar riil dan neraca perdagangan di Malaysia dari tahun 1955-2006. Menemukan
adanya dampak nilai tukar terhadap neraca perdagangan. Kemudian variabel penting
lainnya yang menentukan neraca perdagangan seperti pendapatan domestik
menunjukkan hubungan positif jangka panjang terhadap neraca perdagangan, dan
pendapatan asing menunjukkan hubungan negatif jangka panjang. Studi ini juga
menyimpulkan relevansi kondisi Marshall-Lerner namun tidak ditemukannya fenomena
J-Curve di Malaysia.
Chowdhury dan Younus (2015) menggunakan VECM untuk melihat apakah
depresiasi nilai tukar riil berpengaruh terhadap ekspor, impor, dan neraca perdagangan
Bangladesh. Menemukan bahwa nilai tukar riil memiliki dampak signifikan pada
ekspor, impor, dan neraca perdagangan Bangladesh pada jangka panjang. Namun dalam
jangka pendek tidak ditemukan fenomena J-Curve pada neraca perdagangan, ini
kemungkinan dikarenakan peningkatan volume ekspor pasca adanya keuntunganan
kopetitif justru turut diikuti peningkatan impor produk penunjang produksi Bangladesh.
Husman (2007) menggunakan VECM untuk menganalisis kondisi Marshall-
Lerner dan fenomena J-Curve di Indonesia. Menunjukkan bahwa secara agregat adanya
kondisi Marshall-Lerner, namun berdasarkan uji secara parsial, kondisi Marshall-Lerner
tidak terpenuhi pada kasus Singapura, dan Inggris karena permintaan ekspor yang tidak
elastis karena ekspor Indonesia ke kedua negara sebagian besar merupakan barang
konsumsi. Sedangkan untuk fenomena J-Curve hanya ditemui pada kasus Jepang,
Korea Selatan, dan Jerman. Fakta lain dari penelitian ini ialah elastisitas menunjukkan
bahwa 1% depresiasi rupiah hanya meningkatkan ekspor-impor 0,37%, angka kecil ini
mengindikasikan nilai tukar riil memiliki peran kecil terhadap performa neraca
perdagangan.
Zuhroh dan Kaluge (2007) menggunakan VAR untuk melihat dampak
pertumbuhan nilai tukar riil terhadap pertumbuhan neraca perdagangan Indonesia
periode 1983Q1-2005Q4. Menemukan adanya respon positif depresiasi terhadap neraca
9
perdagangan Indonesia, dan terdapat fenomena J-Curve. Namun berdasarkan
dekomposisi variasi, kejutan pertumbuhan nilai tukar riil rata-rata hanya 2,7% dalam
menjelaskan variasi dari pertumbuhan neraca perdagangan.
Adiningsih et al., (2013) menggunakan VECM untuk menganalisis efek nilai
tukar riil terhadap neraca perdagangan bilateral Indonesia dengan tiga mitra dagang
utamanya, yaitu: AS, China, dan Jepang, baik dalam jangka pendek maupun jangka
panjang pada neraca perdagangan bilateral Indonesia untuk periode 1996Q1 hingga
2011Q4 (RER = Rupiah/Mata Uang setiap mitra). Menemukan kondisi Marshall-Lerner
dan fenomena J-Curve hanya terlihat pada neraca perdagangan bilateral Indonesia
dengan China dan Jepang. Fakta lain menunjukkan untuk model Indonesia-China dan
Indonesia – Jepang, guncangan terhadap nilai tukar bukan merupakan faktor utama yang
memiliki peran penting dalam menentukan variasi neraca perdagangan bilateral.
Ginting (2013) menggunakan Error Correction Model (ECM) untuk
menganalisis pengaruh nilai tukar Rupiah terhadap kinerja ekspor Indonesia
menggunakan data tahun 2005Q1-2012Q3. Menemukan nilai tukar dalam jangka
panjang dan jangka pendek memiliki pengaruh yang negatif dan signifikan terhadap
ekspor Indonesia.
BAB III. METODE PENELITIAN
3.1 Model
Pada umumnya neraca perdagangan diukur dengan melihat selisih ekspor dan
impor. Namun pada penelitian ini akan mengunakan rasio ekspor yang dibandingkan
impor untuk mengukur neraca perdagangan, yang mana pengukuran neraca
perdagangan model perbandingan rasio diambil dari model penelitian terdahulu yang
juga mengunakan rasio seperti, (Adiningsih et al., 2013; Bahmani-Oskooee dan
Kantipong, 2001; Chowdhury dan Younus, 2015; Eita, 2013; Ginting, 2013; Hooy dan
Chan, 2008; Husman, 2007; Ng et al., 2009; Onafowora, 2003). Keuntunganan
penggunaan model rasio perbandingan yaitu pertama rasio neraca perdagangan dapat
memberikan gambaran baik secara riil ataupun nominal (Bahmani-Oskooee dan Brooks,
1999), kedua model dalam rasio tidak sensitif terhadap satuan unit (Bahmani-Oskooee
dan Alse, 1994), dan yang terakhir tidak adanya kekhawatiran tentang apakah nilai
ekspor lebih tinggi atau lebih rendah dari nilai impor (Guechari, 2012). Rumusan
persamaan neraca perdagangan dapat dimodelkan sebagai berikut:
(1)
Dimana TB merupakan Neraca perdagangan riil, X merupakan Volume ekspor, P
merupakan Harga domestik, P* merupakan Harge luar negeri, S merupakan Nilai tukar
nominal (direct effect), M merupakan Volume impor, t merupakan Waktu. Persamaan
(1) apabila diubah kedalam nilai log, maka persamaan (1) akan menjadi,
(2)
10
Dalam Persamaan (2) RER merupakan simbol dari nilai tukar riil. Permintaan ekspor
dan impor dalam jangka panjang di rumuskan dalam persamaan berikut:
(3)
(4)
Dimana Y merupakan pendapatan domestik, dan Y* merupakan pendapatan mitra
dagang. Apabila persamaan (3) dan (4) disubtitusikan kedalam persamaan (2), akan
menghasilkan persamaan neraca perdagangan jangka panjang sebagai berikut,
(5)
Terdapat penyerderhanaan dalam persamaan (5) yaitu α = αx – αm , dan = ( x + m –
1) yang mana merupakan koefisien RER yang menggambarkan kondisi Marshall-
Lerner. Koefisien Y dapat menjadi positif apabila kenaikan Y disebabkan oleh
meningkatnya kegiatan produksi barang subtitusi impor. Penyerderhanaan persamaan
(5) dapat dituliskan kembali sebagai berikut,
(6)
Permodelan neraca perdagangan pada persamaan (6) merupakan permodelan yang sama
seperti pada penelitian terdahulu, dan semua variabel dioprasikan dalam keadaan nilai
log. Karena fokus penelitian ini pada perdagangan bilateral Indonesia-China, maka Y*
= pendapatan riil China (YC), dan Y = pendapatan riil Indonesia (YI). Sehingga
permodelan (6) dapat ditulis kembali sebagai berikut,
(7)
3.2 Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh
dari World Bank, Bank Indonesia, dan Badan Pusat Statistika Indonesia. Jenis data yang
digunakan merupakan data runtut waktu pada hubungan perdagangan bilateral non-
migas Indonesia-China periode 2005Q1-2018Q4. Dilansir dari LIPI Press (2013)
menyebutkan bahwa meski Indonesia dan China sudah menjalin hubungan ekonomi
sejak tahun 1990, tetapi titik terang dimulai sejak tahun 2005 dengan ditandatanganinya
Deklarasi Kemitraan Strategis, yang mencakup kerjasama di bidang politik, keamanan,
pembangunan dan ekonomi. Pasca penandatanganan Deklarasi, hubungan antara
Indonesia-China bertumbuh sangat pesat, atas dasar ini penetapan awal periode
penelitian dimulai 2005Q1-2018Q4.
3.3 Pengukuran Variabel
Variabel Neraca Perdangan Riil Indonesian-China (TB) merupakan
perbandingan antara ekspor dan impor non-migas Indonesia-China dalam USD, dimana
indikator yang mempengaruhi ialah, ekspor dan impor Indonesia-China non-migas
dalam USD, Indeks Harga Perdagangan Besar Impor dan Ekspor. Kemudian Variabel
11
Pendapatan Riil China (YC) merupakan nilai keseluruhan barang dan jasa yang
diproduksi di China pada periode waktu tertentu, dimana indikatornya adalah Produk
Domestik Bruto (PDB) China dengan harga pasar konstan 2010 USD yang telah
disesuikan. Variabel Pendapatan Riil Indonesia (YI) merupakan nilai keseluruhan
barang dan jasa yang diproduksi di Indonesia pada periode waktu tertentu, dimana
indikatornya adalah PDB Indonesia dengan harga pasar konstan 2010 USD yang telah
disesuikan.
Variabel Nilai Tukar Riil Rupiah/USD (RER1) merupakan tingkat dimana
seseorang dapat memperdagangkan barang dan jasa dari suatu negara untuk barang dan
jasa negara lain, dimana indikator yang mempengaruhi ialah nilai tukar Rupiah/USD
dalam rata-rata periode, PDB Deflator China, dan PDB Deflator Indonesia. Dan yang
terakhir variabel Nilai Tukar Riil Rupiah/Yuan (RER2) memiliki definisi yang sama,
dan indikator yang mempengaruhi adalah nilai tukar Rupiah/USD dalam rata-rata
periode, Yuan/USD dalam rata-rata periode, PDB Deflator China, dan PDB Deflator
Indonesia.
3.4 Teknik Analisis
Penelitian ini menganalisis data runtun waktu antara Neraca Perdagangan Riil
Indonesia-China, Pendapatan Riil China, Pendapatan Riil Indonesia, Nilai Tukar Riil
(Rupiah/USD) untuk skenario 1, dan Nilai Tukar Riil (Rupiah/Yuan) untuk skenario 2
pada periode 2005Q1 – 2018Q4. Data dalam penelitian ini akan dianalisis
menggunakan aplikasi EViews 10 dengan menggunakan alat analisis Vector Error
Correction Model (VECM) untuk mengetahui hubungan jangka panjang dan jangka
pendek variabel bebas terhadap variabel terikat. Aplikasi analisis VECM diawali
dengan empat tahap standar prosedur. Tahap pertama adalah pengujian akar unit untuk
melihat stasioneritas setiap variabel, kemudian tahap kedua merupakan pemilihan
panjang lag optimum berdasarkan Akaike Information Criteria (AIC), kemudian tahap
ketiga adalah pengujian kointegrasi dengan metode Kointegrasi Johansen, dan yang
keempat adalah uji diagnostik untuk melihat baik atau tidaknya model VECM yang
meliputi uji asumsi klasik dan uji CUSUM (EViews User’s Guide, 2019; Johnston dan
DiNardo, 1997; Rosadi, 2012; Sumodiningrat, 2012; Winarno, 2015). Lebih lanjut,
analisis tambahan dari sistem VAR yang digunakan untuk memperkuat analisis temuan
pada model VECM adalah VEC Granger Causality, Impulse Response Function (IRF),
dan Variance Decomposition (VD).
BAB IV. HASIL DAN PEMBAHASAN
4.1 Hasil Uji Stasioneritas
Tabel 4.a. Hasil Uji Augmented Dickey Fuller
Variabel Derajat Integrasi Level Derajat Integrasi First Difference
Probability Informasi Probability Informasi
lnTB 0.0804 Tidak Stasioner 0.0000 Stasioner
12
lnYC 0.5207 Tidak Stasioner 0.0000 Stasioner
lnYI 0.9841 Tidak Stasioner 0.0000 Stasioner
lnRER1 0.3125 Tidak Stasioner 0.0000 Stasioner
lnRER2 0.1457 Tidak Stasioner 0.0001 Stasioner
Sumber: temuan penelitian
Tabel 4.a menunjukkan bahwa seluruh variabel tidak stasioner pada derajat
integrasi Level. Maka dari itu seluruh variabel diuji kembali pada derajat integrasi first
difference dan menunjukkan hasil yang stasioner, atau tidak terdapat akar unit pada
seluruh variabel penelitian, hal ini menunjukkan adanya kemungkinan seluruh variabel
memiliki hubungan kointegrasi, sehingga layak untuk dilanjutkan ke tahap selanjutnya.
4.2 Hasil Uji Panjang Lag Optimum
Tabel 4.b. VAR Lag Order Selection Criteria
Skenario 1 Skenario 2
LR 5 5
FPE 5 5
AIC 5 5
SC 1 1
HQ 5 5
Sumber: temuan penelitian
Tabel 4.b menunjukkan hampir seluruh kriteria informasi menetapkan lag 5
sebagai lag optimum baik untuk skenario 1 dan skenario 2, kecuali SC, maka lag 5
merupakan lag optimum dalam pengujian panjang lag VAR. Berbeda dengan VAR,
VECM merupakan pengujian keseluruhan variabel pada derajat integrasi first
difference, sehingga lag optimum pada analisis VECM adalah lag optimum VAR
dikurang 1 atau dalam kasus ini adalah 5 – 1 = 4.
4.3 Hasil Uji Kointegrasi
Tabel 4.c. Hasil Uji Kointegrasi Johansen
Ho: Number of
Cointegration Equation Eigenvalue
Max - Eigen
Statistic
Critical
Value
(0.05)
Prob.**
Skenario 1 None* 0.610114 48.03697 27.58434 0.0000
At Most 1 0.320967 19.74134 21.13162 0.0773
Skenario 2 None* 0.635435 51.46153 27.58434 0.0000
At Most 1 0.335790 20.86703 21.13162 0.0544
Sumber: temuan penelitian
Hasil uji kointegrasi Johansen menunjukkan baik pada skenario 1 atau skenario
2 nilai max-eigen statistik pada r = 1 (At Most 1) lebih besar dari critical value (0.05),
13
yang berarti menunjukkan terdapat satu persamaan kointegrasi terhadap seluruh variabel
penelitian baik di skenario 1 dan skenario 2. Hal ini menunjukkan seluruh variabel baik
dalam skenario 1 dan skenario 2 akan cenderung saling menyesuaikan guna mencapai
keseimbangan jangka panjang. Dengan demikin penelitian pada skenario 1 dan skenario
2 dapat dilanjutkan kedalam analisis VECM.
4.4 Estimasi Model VECM
Berikut persamaan model VECM skenario 1 dan skenario 2 yang didapat dari
sistem VECM di EViews 10,
Model VECM Skenario 1 :
Model VECM Skenario 2:
Sebelum lanjut pada tahap interpretasi hasil estimasi VECM dan analisis
lanjutan VECM skenario 1 dan skenario 2. Permodelan VECM disetiap skenario perlu
dilakukan uji diagnostik guna memverifikasi dan mengkonfirmasi validitas dan efisiensi
model.
4.5 Hasil Uji Diagnostik
Tabel 4.h pada lampiran 1, menunjukkan bahwa model VECM skenario 1 dan
skenario 2, lolos uji asumsi klasik, atau dapat dikatakan model VECM kedua skenario
adalah model yang baik. Grafik 4.b pada lampiran 1, menunjukkan bahwa grafik
CUSUM Skenario 1 dan Skenario 2 berada dalam batasan garis kritis 0.05, sehingga
dapat dikatakan model VECM skenario 1 dan skenario 2 adalah model yang stabil.
14
4.6 Hasil Estimasi dan Interpretasi VECM
Tabel 4.d. Vector Error Correction Model Test
Standard errors in () & t-statistics in []
Skenario 1 Skenario 2
Cointegration Equation: Cointegration Equation:
lnTB(-1) 1.000000 lnTB(-1) 1.000000
lnYC(-1)
9.212187
lnYC(-1)
2.063626
(0.79524) (0.91705)
[ 11.5842] [ 2.25028]
lnYI(-1)
-14.234330
lnYI(-1)
-3.561152
(1.22459) (1.44717)
[-11.6237] [-2.46076]
lnRER1(-1)
2.689714
lnRER2(-1)
3.257781
(0.16398) (0.32440)
[ 16.4030] [ 10.0423]
C 17.754140 C -9.101647
Error Correction: D(lnTB) Error Correction: D(lnTB)
CointEq1 (C1)
-1.528665
CointEq1 (C1)
-0.814633
(0.31228) (0.17097)
[-4.89523] [-4.76479]
Prob(F-statistic) 0.000147 Prob(F-statistic) 0.000202
R-squared 0.691831 R-squared 0.684379
Durbin-Watson 1.898049 Durbin-Watson 2.061297
Sumber: temuan penelitian
Berdasarkan hasil estimasi VECM menunjukkan terdapat pemenuhan kondisi
Marshall-Lerner dalam kasus penelitian skenario 1 dan skenario 2, hal ini didasari
beberapa hal yaitu,
1. Nilai koefisien Error Correction Term (ECT) atau C(1) yang bernilai negatif
signifikan yang berarti terdapat hubungan kausalitas jangka panjang dalam
persamaan kointegrasi disetiap kasus penelitian, dan ketika terjadi deviasi
dalam model maka akan dikoreksi kembali ke keseimbangan.
2. Dalam persamaan jangka panjang, nilai koefiseien antara nilai tukar riil
terhadap neraca perdagangan riil adalah positif signifikan, dimana sesuai
dengan yang diampaikan (Davidson, 2009; Husman, 2007; KrzyĪanowski,
2017; Mankiw et al., 2013).
15
Pemenuhan kondisi Marshall-Lerner pada hubungan perdagangan Indonesia-China
dalam penelitian ini sejalan dengan penelitian terdahulu (Adiningsih et al., 2013;
Husman, 2007).
Meski sama-sama signifikan positif dalam persamaan jangka panjang, koefisien
nilai tukar riil Rupiah/USD terhadap neraca perdagangan riil Indonesia-China adalah
sebesar 2.68 dan untuk koefisien nilai tukar riil Rupiah/Yuan terhadap neraca
perdagangan riil Indonesia-China adalah sebesar 3.25. Hal tersebut menunjukkan bahwa
perubahan dari Yuan memiliki pengaruh lebih besar dibandingkan USD terhadap neraca
perdagangan Indonesia-China, sehingga pengunaan Yuan patut dipertimbangkan.
Dalam persamaan model VECM di setiap skenario, yang dibahas pada sub Bab 4.4,
menghasilkan persamaan yang menunjukkan hubungan jangka pendek setiap variabel
endogen terhadap neraca perdagangan Indonesia-China pada lag yang berbeda. Untuk
melihat hubungan kausalitas jangka pendek secara simultan setiap variabel endogen
terhadap variabel target (tanpa melihat lag) adalah dengan analisis VEC Granger
Causality, hasil analisis pada Tabel 4.e menunjukkan bahwa pada skenario 1 variabel
pendapatan riil China, pendapatan riil Indonesia dan nilai tukar riil Rupiah/USD
memiliki hubungan kausalitas dalam jangka pendek, sedangkan pada skenario 2 hanya
variabel pendapatan riil Indonesia dan nilai tukar riil Rupiah/Yuan yang memiliki
hubungan kausalitas jangka pendek terhadap neraca perdagangan riil Indonesia - China.
Kembali ke Tabel 4.d dapat disimpulkan model pada skenario 1 dan 2 cocok dalam
pengujian, hal ini didasarkan nilai F-Statistic yang signifikan, nilai Durbin-Watson
dikisaran 2.00, dan R-squared (R2) sebesar 0.691831 untuk skenario 1 dan 0.684379
untuk skenario 2 yang berarti kurang lebih 68% variasi neraca perdagangan riil dapat
dijelaskan oleh variabel bebasnya dikedua skenario sedangkan sisanya dijelaskan oleh
variabel lain di luar model.
Tabel 4.e. VEC Granger Causality Test
Skenario 1 Skenario 2
Dependent variable: D(lnTB)
Excluded Prob. Excluded Prob.
D(lnYC) 0.0000 D(lnYC) 0.2988
D(lnYI) 0.0000 D(lnYI) 0.0000
D(lnRER1) 0.0006 D(lnRER2) 0.0143
All 0.0000 All 0.0000
Sumber: temuan penelitian
4.7 Hasil Impuls Response Function
Adanya penyesuaian kointegrasi dari jangka pendek ke jangka panjang, dan temuan
kasualitas jangka pendek antara nilai tukar riil terhadap neraca perdagangan riil
Indonesia-China pada skenario 1 dan skenario 2 menandakan adanya indikasi fenomena
16
J-Curve. Untuk melihat keberadaan fenomena J-Curve dapat digunakan analisis IRF,
dan berdasarkan hasil analisis IRF pada Grafik 4.a menunjukkan adanya fenomena J-
Curve pada kedua skenario penelitian. Kedua skenario menunjukkan respon dari neraca
perdagangan riil Indonesia-China yang sama yaitu depresiasi akan memperburuk di
periode awal dan memperbaiki di periode selanjutnya secara bertahap. kondisi J-Curve
dalam perdagangan Indonesia-China juga ditemukan dalam penelitian (Adiningsih et
al., 2013). Perbedaan pada skenario 1 dan skenario 2 ialah,
1. Skenario 1 memiliki respon yang lebih sensitif dibanding skenario 2, hal ini
terlihat dari bentuk grafik yang lebih curam ketika memperburuk neraca
pedagangan (periode 0-4), dan ketika memperbaiki (periode 4-10). Ini sejalan
dengan temuan nilai koefisien ECT skenario 1 yang lebih besar dari skenario 2.
Kesimpulannya pada skenario 1, nilai tukar riil Rupiah/USD, memiliki
pengaruh yang sensitif terhadap neraca perdagangan riil Indonesia - China.
2. Dalam skenario 1 depresiasi nilai tukar riil lebih memperbaiki neraca
perdagangan Indonesia-China dalam jangka panjangn dibandingkan pada
skenario 2. Namun secara keseluruhan depresiasi tidak banyak memperbaiki
neraca perdagangan hal ini dikarenakan peningkatan ekspor Indonesia ke China
turut diiringi peningkatan impor atau dalam kata lain impor Indonesia dari
China merupakan barang – barang penunjang produksi seperti yang ditunjukkan
pada Tabel 4.i pada lampiran 2, yang mana hal ini juga ditemukan dalam
penelitian Husman (2007) di Indonesia, dan Chowdhury dan Younus (2015) di
Bangladesh.
3. Skenario 2 menunjukkan bahwa dalam menanggapi goncangan nilai tukar riil,
neraca perdagangan riil Indonesia-China lebih cepat kembali satabil yaitu pada
periode ke-40 dibandingkan pada skenario 1 yang baru mencapai kesetabilan di
periode ke-47.
Dari analisis tersebut kita dapat lihat bahwa, pergerakan nilai tukar riil
Rupiah/USD begitu sensitif direspon oleh neraca perdagangan riil Indonesia-China,
atas dasar konsep small open economy, pengaruh kebijakan fiskal atau moneter AS
akan sangat mempengaruhi secara langsung keseimbangan neraca perdagangan riil
Indonesia-China. Kemudian lamanya penyesuaian neraca perdagangan riil
Indonesia-China atas goncangan nilai tukar riil Rupiah/USD dibanding
Rupiah/Yuan, akan memperparah kestabilan neraca perdagangan riil Indonesia-
China. Kemudian tingginya impor Indonesia dari China merupakan bahan baku
penunjang produksi dalam negeri, hal ini yang menyebabkan depresiasi dalam
jangka panjang tidak terlalu meningkatkan neraca perdagangan riil Indonesia-
China.
17
Grafik 4.a. Impuls Response Function Test
-.10
-.08
-.06
-.04
-.02
.00
5 10 15 20 25 30 35 40 45 50
Response of LNTB to LNRER1 Innovation
using Cholesky (d.f. adjusted) Factors
-.12
-.10
-.08
-.06
-.04
-.02
.00
5 10 15 20 25 30 35 40 45 50
Response of LNTB to LNRER2 Innovation
using Cholesky (d.f. adjusted) Factors
Sumber: temuan penelitian
4.8 Hasil Variance Decomposition
Setelah kita mengetahui adanya pemenuhan kondisi Marshall-Lerner dan fenomena
J-Curve dalan perdagangan Indonesia-China, selanjutnya adalah melihat seberapa besar
dampak guncangan variabel endogen terhadap fluktuasi neraca perdagangan riil
Indonesia-China, maka dari itu dilakukan analisis Variance Decomposition. Hasil
analisis pada Tabel 4.f dan 4.g menunjukkan, bahwa fultuasi neraca perdagangan
Indonesia-China, baik pada skenario 1 dan skenario 2, paling dominan dijelaskan oleh
guncangannya sendiri dari kuartal ke-1 – 2. Kemudian masuk kuartal ke-4 dominasi
guncangan neraca perdagangan Indonesia-China mulai menurun dan ketiga variabel
endogen lainnya mulai meningkat terutama untuk nilai tukar riil di kedua skenario.
Skenario 1
Skenario 2
18
Apabila diambil nilai rata – rata prosentase pengaruh, selama periode peramalan, dari
setiap variabel endogen sebagai berikut,
Skenario 1: neraca perdagangan riil Indonesia-China 50.89%, pendapatan riil
China 11.49%, pendapatan riil Indonesia 13.22%, dan nilai tukar riil
Rupiah/USD 24.39%.
Skenario 2: neraca perdagangan riil Indonesia-China 41.32%, pendapatan riil
China 8.40%, pendapatan riil Indonesia 14.52%, dan nilai tukar riil
Rupiah/Yuan 35.75%
Dari sini dapat diambil kesimpulan bahwa, variabel yang paling dominan dalam
menjelaskan fluktuasi neraca perdagangan riil Indonesia-China selain dirinya sendiri
adalah nilai tukar riil, pendapatan riil Indonesia dan yang terakhir pendapatan riil China.
Tabel 4.f. Variance Decomposition of LNTB Skenario 1 Period S.E. LNTB LNYC LNYI LNRER1
1 0.109962 100.0000 0.000000 0.000000 0.000000
2 0.118730 91.03558 5.688779 1.837421 1.438219
3 0.136616 73.14236 13.78855 1.671370 11.39772
4 0.177517 43.34893 17.23765 5.802704 33.61072
5 0.215335 34.89071 18.43021 12.56761 34.11147
6 0.246337 31.24025 15.59067 20.49257 32.67651
7 0.273047 30.43256 12.98554 22.99504 33.58686
8 0.294330 33.05512 11.22970 22.57905 33.13613
9 0.312869 36.46424 10.13161 21.39722 32.00693
10 0.326358 35.35471 9.839762 22.83379 31.97174
Cholesky Ordering: LNTB LNYC LNYI LNRER1
Sumber: temuan penelitian
Tabel 4.g. Variance Decomposition of LNTB Skenario 2
Period S.E. LNTB LNYC LNYI LNRER2
1 0.111284 100.0000 0.000000 0.000000 0.000000
2 0.126825 85.29170 5.573727 7.819584 1.314991
3 0.153043 58.69475 11.61772 17.59824 12.08929
4 0.191672 37.60632 14.51814 11.92421 35.95133
5 0.224188 29.23899 12.81449 14.64352 43.30301
6 0.246768 24.77137 10.58077 18.09702 46.55084
7 0.271923 20.71250 8.721931 19.14029 51.42528
8 0.294767 18.92353 7.433259 19.45296 54.19025
9 0.313278 19.42753 6.615047 18.49496 55.46246
10 0.328199 18.54435 6.132004 18.05045 57.27319
Cholesky Ordering: LNTB LNYC LNYI LNRER2
Sumber: temuan penelitian
19
Kemudian antara USD dan Yuan, Yuan dinilai lebih dapat menjelaskan keadaan
fluktuasi neraca perdagangan riil Indonesia-China dibandingkan USD. Sehingga otoritas
moneter dan fiskal Indonesia perlu untuk memonitoring pegerakan Yuan. Kemudian
apabila Yuan menjadi valuta asing perdagangan Indonesia-China seutuhnya, maka
kedepannya dapat memberikan gambaran atau kondisi riil yang terjadi dalam analisis
perdagangan Indonesia-China. Hal tersebut juga dapat memperkecil kemungkinan
intervensi negara lain terhadap kestabilan neraca perdagangan riil Indonesia-China.
Dari analisis Variance Decomposition juga menunjukkan bahwa variabel
pendapatan riil Indonesia juga menjadi varibel selanjutnya yang penting diperhatikan
setelah nilai tukar riil. Terkait hal tersebut dilihat dari koefisien jangka panjangannya
terhadap neraca perdagangan riil Indonesia-China baik dalam skenario 1 dan skenario 2
adalah signifikan negatif, hal ini berarti peningkatan pendapatan riil Indonesia akan
meningkatkan impor dari China yang mana menandakan produksi dalam negeri
Indonesia juga masih ditunjang oleh produk impor. Hal tersebut jelas pada Tabel 4.i
pada lampiran 2, yang menunjukkan bahwa sebagian besar impor Indonesia adalah
bahan penunjang kegiatan produksi. Bahkan menurut data Tabel 4.j pada Lampiran 3,
menunjukan bahwa dari 96 komoditas ekspor impor non-migas anata Indonesia dengan
China, Indonesia mengalami devisit di 71 komoditas, hal ini menunjukan bahwa
Indonesia perlu untuk meningkatkan kualitas atau nilai tambah terhadap produk
domestiknya, dan lebih menggiatkan program subtitusi impor dengan produksi
domestik.
BAB V. KESIMPULAN DAN SARAN
5.1 Kesimpulan
Hasil analisis dalam penelitian ini memberikan beberapa temuan penting sebagai
berikut:
1. Terdapat pemenuhan kondisi Marshall-Lerner di dalam perdagangan bilateral
Indonesia-China, baik pada skenario 1 dan skenario 2.
2. Terdapat fenomena J-Curve dalam perdagangan bilateral Indonesia-China, baik
pada skenario 1 dan skenario 2.
3. Pergerakan neraca perdagangan riil Indonesia-China lebih sensitif terhadap
pergerakan USD dibandingkan Yuan, sehingga perkembangan kebijakan moneter
dan fiskal AS secara langsung dapat mengintervensi keseimbangan dan kesetabilan
neraca perdagangan riil Indonesia-China.
4. Lamanya penyesuaian neraca perdagangan riil Indonesia-China atas goncangan nilai
tukar riil Rupiah/USD dibanding Rupiah/Yuan, menyebabkan pengunaan USD akan
tambah memperparah ketidak stabilan neraca perdagangan riil Indonesia-China.
5. Nilai tukar riil dalam Rupiah/Yuan lebih dapat menjelaskan kondisi neraca
perdagangan riil Indonesia-China dibanding dalam Rupiah/USD. Sehingga
20
penggunaan Yuan sebagai mata uang perdagangan bilateral Indonesia-China dirasa
dapat memberikan dampak langsung terhadap neraca perdagangan Indonesia-China.
6. Dalam persamaan jangka panjang pendapatan riil Indonesia berpengaruh negatif
terhadap neraca perdagangan riil Indonesia-China, menunjukkan bahwa orientasi
impor Indonesia saat ini adalah barang-barang penunjang kegiatan produksi
domestik, yang jelas pada Tabel 4.i pada lampiran 2, dan kemudian fakta bahwa
indonesia mengalami devisit pada 71 komdoditas dari 96 ekspor impor non-migas
Indonesia-China, yang jelas pada Tabel 4.j pada Lampiran 3. Dua hal ini merupakan
alasan bahwa depresiasi nilai tukar riil tidak terlalu meningkatkan neraca
perdagangan riil Indonesia-China. Sehinga kebijakan subtitusi impor dengan produk
domestik perlu untuk diseriuskan lagi dan Indonesia juga perlu untuk meningkatkan
kualitas atau nilai tambah terhadap produk domestiknya.
5.2 Saran
Penelitian ini menyarankan pemerintah Indonesia untuk menggunakan Yuan
sebagai mata uang perdagangan bilateral Indonesia-China. Hal ini didasari atas usaha
penciptaan kestabilan neraca perdagangan, yang dimulai dari penciptaan lingkungan
arus perdagangan bilateral Indonesia-China yang independen atau tidak terpengaruh
oleh kebijakan fiskal dan moneter negara lain. Kemudian otoritas moneter juga perlu
untuk selalu memonitoring kebijakan fiskal dan moneter China yang dapat berdampak
langsung terhadap pergerakan Yuan, yang berpengaruh terhadap fluktuasi Rupiah/Yuan.
Penelitian ini turut meyakini bahwa penggunaan Rupiah/Yuan sebagai mata uang
perdagangan bilateral Indonesia-China akan memberikan dampak langsung terkait
situasi perdagangan bilateral tersebut, karena perkembangan Yuan dan Rupiah itu
sendiri yang dapat menjelaskan fluktuasi perdagangan Indonesia-China. Selain
penetapan Yuan sebagai mata uang perdagangan Indonesia-China, dan memonitoring
kebijakan fiskal dan moneter China, kebijakan subtitusi impor dengan produksi
domestik dan peningkatan kualitas produk serta nilai tambah produk domestik perlu
untuk digiatkan atau ditingkatkan kembali. Dengan demikian tidak hanya terciptanya
stabilitas perdagangan Indonesia-China yang independen, tetapi juga akan menahan atau
menurunkan volume impor, serta juga dapat meningkatkan permintaan produk domestik
di luar negeri.
21
DAFTAR PUSTAKA
Adiningsih, H., Siregar, H., & Hasanah, H. (2013). Does the J-Curve phenomenon exist in the
Indonesia’s bilateral trade balances with major trading countries. ASEAN Journal of
Economics, Management and Accounting, 1(1), 13–22. Diambil dari
https://fem.ipb.ac.id/miicema/e-journal/v1n1/2.pdf
Bahmani-Oskooee, M., & Alse, J. (1994). Short-run versus long-run effects of devaluation:
Error-correction modeling and cointegration. Eastern Economic Journal.
Bahmani-Oskooee, M., & Brooks, T. J. (1999). Bilateral J-Curve between U.S. and her trading
partners. Weltwirtschaftliches Archiv, 135(1), 156–165.
https://doi.org/10.1007/bf02708163
Bahmani-Oskooee, M., & Kantipong, T. (2001). Bilateral J-Curve between Thailand and her
trading partners. Journal of Economic Development. https://doi.org/10.1007/BF02708163
Boediono. (2014). Ekonomi Moneter (5 ed.). Yogyakarta: BPFE-YOGYAKARTA.
Chowdhury, M., & Younus, S. (2015). Real Exchange Rate and its Impact on Export, Import
and Trade Balance: Is There any J Curve Effect in Bangladesh?
CNBC Indonesia. (2019). Jangan Cuek, Ini Dampak Defisit Neraca Dagang Buat Anda!
Diambil 18 Agustus 2019, dari cnbcindonesia.com website:
https://www.cnbcindonesia.com/market/20190515201001-17-72784/jangan-cuek-ini-
dampak-defisit-neraca-dagang-buat-anda
CNN Indonesia. (2018a). The Fed Kembali Naikkan Suku Bunga Acuan 25 Bps. Diambil 7
Agustus 2019, dari www.cnnindonesia.com website:
https://www.cnnindonesia.com/ekonomi/20180927012039-532-333544/the-fed-kembali-
naikkan-suku-bunga-acuan-25-bps?
CNN Indonesia. (2018b). The Fed Naikkan Suku Bunga, Rupiah Meradang jadi Rp14.920.
Diambil 15 Agustus 2019, dari www.cnnindonesia.com website:
https://www.cnnindonesia.com/ekonomi/20180927091508-78-333577/the-fed-naikkan-
suku-bunga-rupiah-meradang-jadi-rp14920
Davidson, P. (2009). The Keynes Solution: The Path to Global Economic Prosperity. In Review
of Social Economy.
Eita, J. H. (2013). Estimation Of The Marshall-Lerner Condition For Namibia. International
Business & Economics Research Journal (IBER). https://doi.org/10.19030/iber.v12i5.7826
EViews User’s Guide. (2019). User’s Guide. Diambil dari http://www.eviews.com website:
http://www.eviews.com/help/helpintro.html#page/content%2Fpreface.html%23
Ginting, M. (2013). PENGARUH NILAI TUKAR TERHADAP EKSPOR INDONESIA The
Influence of Exchange Rate on Indonesia’s Exports. In Buletin Ilmiah Litbang
Perdagangan.
22
Guechari, Y. (2012). An Empirical Study on the Effects of Real Effective Exchange Rate on
Algeria’s Trade Balance. International Journal of Financial Research.
https://doi.org/10.5430/ijfr.v3n4p102
Hooy, C. W., & Chan, T.-H. (2008). The Impact of Yuan/Ringgit on Bilateral Trade Balance of
China and Malaysia. MPRA Paper. Diambil dari https://mpra.ub.uni-
muenchen.de/id/eprint/11306
Husman, J. A. (2007). PENGARUH NILAI TUKAR RIIL TERHADAP NERACA
PERDAGANGAN BILATERAL INDONESIA: Kondisi Marshall-Lernerdan Fenomena J-
curve. Buletin Ekonomi Moneter dan Perbankan. https://doi.org/10.21098/bemp.v8i3.141
Johnston, J., & DiNardo, J. (1997). Econometric Methods (Internatio; L. Stton & C. Berkowitz,
Ed.). McGraw-Hill.
KrzyĪanowski, J. T. (2017). The Standard Model of Trade and the Marshall – Lerner Condition.
Scientific Journal Warsaw University of Life Sciences – SGGW, 17(Problems of World
Agriculture), 193–198. https://doi.org/10.22630
LIPI Press. (2013). Hubungan Indonesia-Cina Dalam Dinamika Politik, Pertahanan-
Keamanan, dan Ekonomi di Asia Tenggara (L. Chri, Ed.). LIPI Pusat Penelitian Politik.
Mankiw, N. G., Quah, E., & Wilson, P. (2013). Principles of Economics: An Asian Edition (2
ed.). Cengage Learning Asia.
Ng, Y.-L., Har, W.-M., & Tan, G.-M. (2009). Real Exchange Rate and Trade Balance
Relationship: An Empirical Study on Malaysia. International Journal of Business and
Management. https://doi.org/10.5539/ijbm.v3n8p130
Onafowora, O. (2003). Exchange rate and trade balance in east asia: Is there a J-curve?
Economics Bulletin.
Rosadi, D. (2012). Ekonometrika & Analisis Runtun Waktu Terapan Dengan EView (F. Sigit,
Ed.). Yogyakarta: ANDI Yogyakarta.
Sumodiningrat, G. (2012). Ekonometrika Pengantar (2 ed.). Yogyakarta: BPFE-
YOGYAKARTA.
VOA Indonesia. (2015). IMF Akui Yuan Sebagai Mata Uang Internasional. Diambil 7 Agustus
2019, dari www.voaindonesia.com website: https://www.voaindonesia.com/a/imf-akui-
yuan-sebagai-mata-uang-internasional/3082318.html
Winarno, W. W. (2015). Analisis Ekonometrika dan Statistika dengan EViews (4 ed.).
Yogyakarta: UPP STIM YKPN.
Zuhroh, I., & Kaluge, D. (2007). DAMPAK PERTUMBUHAN NILAI TUKAR RIIL
TERHADAP PERTUMBUHAN NERACA PERDAGANGAN INDONESIA (SUATU
APLIKASI MODEL VECTOR AUTOREGRESSIVE, VAR). Journal of Indonesian
Applied Economics. https://doi.org/10.21776/ub.jiae.2007.001.01.3
23
LAMPIRAN 1
Tabel 4.h. Ringkasan Pengujian Residual
Uji Asumsi Klasik Skenario 1 Skenario 2
Autokorelasi Nirautokorelasi Nirautokorelasi
Heterokedastisitas Homoskedastisitas Homoskedastisitas
Normalitas Terdistibusi normal Terdistibusi normal
Multikolinieritas Tidak ada multikolinieritas Tidak ada multikolinieritas
Sumber: temuan penelitian
Grafik 4.b. Pengujian Stabilitas Model dengan CUSUM
-20
-15
-10
-5
0
5
10
15
20
2010 2011 2012 2013 2014 2015 2016 2017 2018
CUSUM 5% Significance
-20
-15
-10
-5
0
5
10
15
20
2010 2011 2012 2013 2014 2015 2016 2017 2018
CUSUM 5% Significance
Sumber: temuan penelitian
Skenario 1
Skenario 2
24
LAMPIRAN 2
Tabel 4.i. Komoditas Barang Impor Perdagangan Indonesia - China, dalam USD,
HS 2-digit.
HS
Code Komoditas yang memiliki nilai impor lebih dari rata - rata
Nilai Rata-rata
Tahun 2013-
2017
84 Reaktor nuklir, ketel, mesin dan peralatan mekanis; bagiannya 7.275.963.852
85
Mesin dan peralatan listrik serta bagiannya; perekam dan reproduksi suara;
perekam dan reproduksi gambar dan suara televisi, bagian-bagian dan aksesori
dari barang-barang tersebut
6.840.299.307
72 Iron and steel 1.855.608.798
29 Bahan kimia organik 1.121.135.955
39 Plastik dan barang-barangnya 1.101.211.884
73 Barang dari besi atau baja 1.011.016.013
54 Filamen buatan manusia; strip dan sejenisnya dari bahan tekstil buatan 619.770.845
28 Bahan kimia anorganik; senyawa organik dan anorganik dari logam mulia; logam
tanah jarang, unsur radioaktif dan isotop 572.940.799
87 Kendaraan; selain kereta api atau trem, dan bagian serta aksesorinya 558.024.698
52 Katun 513.183.143
31 Pupuk 480.746.925
7 Sayuran dan akar serta umbi tertentu; bisa dimakan 478.475.328
38 Produk kimia n.e.c. 464.237.777
76 Aluminium dan barang-barangnya 456.715.263
55 Serat stapel buatan manusia 453.154.165
94
Mebel; tempat tidur, kasur, penopang kasur, bantal, dan perabotan boneka
sejenis; lampu dan alat kelengkapan penerangan, n.e.c .; tanda-tanda menyala,
plat nama diterangi dan sejenisnya; bangunan prefabrikasi
420.106.521
60 Kain; rajutan atau kaitan 408.165.080
32 Ekstrak penyamakan atau pencelupan; tanin dan turunannya; pewarna, pigmen
dan bahan pewarna lainnya; cat, pernis; dempul, master lainnya; tinta 404.852.772
8 Buah dan kacang-kacangan, dapat dimakan; kulit buah jeruk atau melon 372.204.416
90 Instrumen dan aparatus optik, fotografi, sinematografi, pengukur, pemeriksaan,
medis atau bedah; bagian dan aksesori 365.290.936
Rata - rata keseluruhan 322.929.015
Sumber: ASEAN statistics, diolah.
25
LAMPIRAN 3
Apabila Net Exports komoditas Indonesia – China mengalami defisit maka indikator akan memberikan nilai 1. Didalam Tabel L total
indikator yang bernilai 1 ada sebanyak 71 yang menunjukan bahwa terdapat 71 komoditas dengan defisit Net Exports.
Tabel 4.j. Komoditas Barang Ekspor dan Impor Perdagangan Indonesia - China, dalam USD, Hs 2-Digit
Commodity Average Value of 2013-2017
Indicator Export Import Net Exports
[00] TOTAL (All Products) 19.018.572.143 31.290.396.395 (12.271.824.252) 1 [15] Animal or vegetable fats and oils and their cleavage products; prepared animal
fats; animal or vegetable waxes 2.823.102.447 9.880.900 2.813.221.547 0
[26] Ores, slag and ash 1.217.187.352 6.598.125 1.210.589.228 0 [47] Pulp of wood or other fibrous cellulosic material; recovered (waste and scrap)
paper or paperboard 1.190.453.648 6.018.140 1.184.435.508 0
[40] Rubber and articles thereof 926.993.523 240.425.331 686.568.193 0
[38] Chemical products n.e.c. 848.759.442 464.237.777 384.521.665 0
[44] Wood and articles of wood; wood charcoal 805.429.035 72.202.749 733.226.286 0
[72] Iron and steel 664.451.969 1.855.608.798 (1.191.156.830) 1
[29] Organic chemicals 568.094.934 1.121.135.955 (553.041.021) 1 [85] Electrical machinery and equipment and parts thereof; sound recorders and
reproducers; television image and sound recorders and reproducers, parts and
accessories of such articles 347.003.486 6.840.299.307 (6.493.295.820) 1
[74] Copper and articles thereof 333.159.452 186.456.590 146.702.862 0
26
[64] Footwear; gaiters and the like; parts of such articles 309.649.290 230.315.556 79.333.734 0
[52] Cotton 305.821.071 513.183.143 (207.362.071) 1
[39] Plastics and articles thereof 277.775.666 1.101.211.884 (823.436.218) 1
[03] Fish and crustaceans, molluscs and other aquatic invertebrates 260.495.221 62.414.860 198.080.361 0
[48] Paper and paperboard; articles of paper pulp, of paper or paperboard 189.018.182 240.182.919 (51.164.736) 1
[19] Preparations of cereals, flour, starch or milk; pastrycooks' products 144.611.996 21.333.070 123.278.926 0 [28] Inorganic chemicals; organic and inorganic compounds of precious metals; of rare
earth metals, of radio-active elements and of isotopes 138.293.745 572.940.799 (434.647.054) 1 [12] Oil seeds and oleaginous fruits; miscellaneous grains, seeds and fruit, industrial or
medicinal plants; straw and fodder 135.171.546 33.030.883 102.140.662 0
[84] Nuclear reactors, boilers, machinery and mechanical appliances; parts thereof 127.304.876 7.275.963.852 (7.148.658.976) 1
[34] Soap, organic surface-active agents; washing, lubricating, polishing or scouring
preparations; artificial or prepared waxes, candles and similar articles, modelling pastes,
dental waxes and dental preparations with a basis of plaster 102.506.938 64.176.127 38.330.811 0
[55] Man-made staple fibres 90.223.292 453.154.165 (362.930.873) 1
[62] Apparel and clothing accessories; not knitted or crocheted 89.214.424 103.314.054 (14.099.630) 1
[61] Apparel and clothing accessories; knitted or crocheted 79.721.247 97.947.440 (18.226.194) 1
[92] Musical instruments; parts and accessories of such articles 68.913.821 61.161.630 7.752.191 0
[18] Cocoa and cocoa preparations 66.859.898 9.593.281 57.266.617 0 [87] Vehicles; other than railway or tramway rolling stock, and parts and accessories
thereof 65.164.474 558.024.698 (492.860.224) 1
[23] Food industries, residues and wastes thereof; prepared animal fodder 53.975.368 99.948.052 (45.972.684) 1
[08] Fruit and nuts, edible; peel of citrus fruit or melons 52.063.534 372.204.416 (320.140.882) 1
[09] Coffee, tea, mate and spices 41.512.978 9.381.626 32.131.351 0
[32] Tanning or dyeing extracts; tannins and their derivatives; dyes, pigments and other
colouring matter; paints, varnishes; putty, other mastics; inks 33.182.330 404.852.772 (371.670.443) 1
27
[94] Furniture; bedding, mattresses, mattress supports, cushions and similar stuffed
furnishings; lamps and lighting fittings, n.e.c.; illuminated signs, illuminated name-
plates and the like; prefabricated buildings 32.539.824 420.106.521 (387.566.697) 1
[54] Man-made filaments; strip and the like of man-made textile materials 31.222.844 619.770.845 (588.548.000) 1 [04] Dairy produce; birds' eggs; natural honey; edible products of animal origin, not
elsewhere specified or included 31.124.254 381.703 30.742.551 0
[73] Iron or steel articles 27.973.182 1.011.016.013 (983.042.831) 1 [90] Optical, photographic, cinematographic, measuring, checking, medical or surgical
instruments and apparatus; parts and accessories 27.412.610 365.290.936 (337.878.326) 1
[63] Textiles, made up articles; sets; worn clothing and worn textile articles; rags 24.654.429 39.907.901 (15.253.472) 1
[21] Miscellaneous edible preparations 22.643.381 127.447.151 (104.803.769) 1
[41] Raw hides and skins (other than furskins) and leather 22.481.249 49.330.762 (26.849.512) 1
[80] Tin; articles thereof 18.081.884 1.568.038 16.513.846 0
[07] Vegetables and certain roots and tubers; edible 16.320.575 478.475.328 (462.154.753) 1
[33] Essential oils and resinoids; perfumery, cosmetic or toilet preparations 14.107.962 138.487.789 (124.379.828) 1
[95] Toys, games and sports requisites; parts and accessories thereof 13.536.737 141.628.421 (128.091.683) 1
[25] Salt; sulphur; earths, stone; plastering materials, lime and cement 13.446.262 113.808.592 (100.362.330) 1 [56] Wadding, felt and nonwovens, special yarns; twine, cordage, ropes and cables and
articles thereof 13.350.233 150.286.872 (136.936.639) 1
[96] Miscellaneous manufactured articles 12.914.594 196.176.470 (183.261.876) 1
[76] Aluminium and articles thereof 11.085.005 456.715.263 (445.630.258) 1 [59] Textile fabrics; impregnated, coated, covered or laminated; textile articles of a kind
suitable for industrial use 10.131.242 219.176.043 (209.044.801) 1
[53] Vegetable textile fibres; paper yarn and woven fabrics of paper yarn 8.898.939 7.079.249 1.819.690 0 [42] Articles of leather; saddlery and harness; travel goods, handbags and similar
containers; articles of animal gut (other than silk-worm gut) 8.351.146 156.720.324 (148.369.178) 1
[69] Ceramic products 6.511.346 268.444.699 (261.933.353) 1
[13] Lac; gums, resins and other vegetable saps and extracts 5.932.034 25.161.160 (19.229.126) 1
[68] Stone, plaster, cement, asbestos, mica or similar materials; articles thereof 5.852.530 111.646.627 (105.794.097) 1
28
[05] Animal originated products; not elsewhere specified or included 5.689.216 20.083.740 (14.394.524) 1
[71] Natural, cultured pearls; precious, semi-precious stones; precious metals, metals
clad with precious metal, and articles thereof; imitation jewellery; coin 5.464.093 15.902.290 (10.438.197) 1
[20] Preparations of vegetables, fruit, nuts or other parts of plants 5.357.808 43.022.361 (37.664.552) 1
[70] Glass and glassware 4.871.528 190.150.850 (185.279.322) 1
[24] Tobacco and manufactured tobacco substitutes 4.754.717 250.217.632 (245.462.915) 1 [16] Meat, fish or crustaceans, molluscs or other aquatic invertebrates; preparations
thereof 4.324.135 2.734.574 1.589.561 0 [82] Tools, implements, cutlery, spoons and forks, of base metal; parts thereof, of base
metal 3.689.873 133.904.648 (130.214.775) 1
[22] Beverages, spirits and vinegar 3.253.397 493.914 2.759.483 0 [14] Vegetable plaiting materials; vegetable products not elsewhere specified or
included 3.210.228 456.421 2.753.806 0
[60] Fabrics; knitted or crocheted 3.104.908 408.165.080 (405.060.172) 1
[17] Sugars and sugar confectionery 2.819.666 131.322.520 (128.502.854) 1
[89] Ships, boats and floating structures 2.757.052 271.303.324 (268.546.271) 1
[30] Pharmaceutical products 2.462.453 33.770.588 (31.308.135) 1
[11] Products of the milling industry; malt, starches, inulin, wheat gluten 2.264.183 29.797.346 (27.533.163) 1
[83] Metal; miscellaneous products of base metal 2.131.995 262.038.955 (259.906.960) 1
[79] Zinc and articles thereof 1.983.505 7.611.194 (5.627.689) 1 [67] Feathers and down, prepared; and articles made of feather or of down; artificial
flowers; articles of human hair 1.464.568 15.576.093 (14.111.524) 1
[31] Fertilizers 1.176.540 480.746.925 (479.570.385) 1
[78] Lead and articles thereof 1.125.737 16.141.123 (15.015.385) 1 [46] Manufactures of straw, esparto or other plaiting materials; basketware and
wickerwork 1.008.409 812.275 196.134 0
[02] Meat and edible meat offal 1.003.594 10.282 993.312 0
[99] Other products 982.462 2.987.152 (2.004.690) 1 [06] Trees and other plants, live; bulbs, roots and the like; cut flowers and ornamental
foliage 840.103 370.416 469.686 0
29
[35] Albuminoidal substances; modified starches; glues; enzymes 794.940 74.715.821 (73.920.880) 1
[01] Animals; live 772.582 68.082 704.501 0
[91] Clocks and watches and parts thereof 721.940 34.141.367 (33.419.426) 1
[88] Aircraft, spacecraft and parts thereof 669.297 5.649.327 (4.980.030) 1
[81] Metals; n.e.c., cermets and articles thereof 657.255 26.938.353 (26.281.098) 1 [49] Printed books, newspapers, pictures and other products of the printing industry;
manuscripts, typescripts and plans 631.350 13.570.822 (12.939.472) 1
[57] Carpets and other textile floor coverings 601.514 18.094.076 (17.492.561) 1 [58] Fabrics; special woven fabrics, tufted textile fabrics, lace, tapestries, trimmings,
embroidery 461.385 77.976.742 (77.515.357) 1
[65] Headgear and parts thereof 313.962 10.470.314 (10.156.352) 1
[37] Photographic or cinematographic goods 275.549 24.448.955 (24.173.406) 1
[51] Wool, fine or coarse animal hair; horsehair yarn and woven fabric 217.374 79.362.882 (79.145.508) 1
[75] Nickel and articles thereof 201.875 5.179.375 (4.977.499) 1
[97] Works of art; collectors' pieces and antiques 150.897 634.451 (483.554) 1
[86] Railway, tramway locomotives, rolling-stock and parts thereof; railway or tramway
track fixtures and fittings and parts thereof; mechanical (including electro-mechanical)
traffic signalling equipment of all kinds 98.059 41.072.133 (40.974.074) 1
[50] Silk 56.526 1.452.219 (1.395.693) 1
[43] Furskins and artificial fur; manufactures thereof 24.711 3.490.797 (3.466.087) 1 [66] Umbrellas, sun umbrellas, walking-sticks, seat sticks, whips, riding crops; and parts
thereof 9.173 15.221.416 (15.212.243) 1
[45] Cork and articles of cork 1.054 1.332.527 (1.331.474) 1
[10] Cereals 868 6.583.332 (6.582.465) 1
[93] Arms and ammunition; parts and accessories thereof 155 28.713.889 (28.713.734) 1 [36] Explosives; pyrotechnic products; matches; pyrophoric alloys; certain combustible
preparations 76 28.623.241 (28.623.165) 1
Sumber: ASEAN statistics, diolah 71
30
CURRICULUM VITAE
DATA PRIBADI
Nama : James Samuel
Tempat,Tanggal Lahir: Denpasar, 20 Febuari 1996
Jenis Kelamin : Laki – laki
Agama : Kristen Protestan
Alamat di Salatiga : Perumahan Puri Salatiga No.23, Kalimangka, Salatiga
No HP : 0813-2686-1530
Alamat email : [email protected]
PENDIDIKAN
SD TARAKANITA 4 PLUIT (2005 – 2010)
SMP TARAKANITA 2 PLUIT (2010 – 2012)
SMA TARAKANITA 2 PLUIT (2012 – 2014)
UNIVERSITAS KRISTEN SATYA WACANA 2015 – sekarang
PENGALAMAN AKADEMIK
1. Finalis Call For Paper, Analisis Pengaruh PP No.78 Tahun 2015 Terhadap Perubahan Upah
dan PerubahanProduktivitas, Studi Kasus Jawa Tengah 2015, di Universitas Kristen Satya
Wacana, Tahun 2018
2. Juara 1 Debat Mahasiswa, Dilema Mata Uang Virtual, di Universitas Ahmad Dahlan
Yogyakarta, Tahun 2018
3. Juara Harapan 2 Call for Paper, Eksistensi Go-Food Dalam Mendukung Pertumbuhan
Umkm Yang Inklusif Di Era Revolusi Industri 4.0 (Studi Kasus : Kecamatan Sidorejo, Kota
Salatiga Tahun 2019), di Universitas Kristen Satya Wacana, Tahun 2019
4. 5th Runner Up, Bussiner Case: Optimalisasi Marketing MakutaPOP Berbasis Revolusi
Industri 4.0, di Universitas Katolik Soegijapranata Semarang, Tahun 2019
DATA KEMAMPUAN
Microsoft Office.
Eviews.
Lancar Bahasa Indonesia dan Bahasa Inggris