LAPORAN AKHIR KAJIAN PENYUSUNAN TARGET EKSPOR …bppp.kemendag.go.id/media_content/2017/08/Kajian_PenyususnanTarget... · Di sisi lain, impor barang konsumsi diproyeksi tumbuh rata-rata

LAPORAN AKHIR

KAJIAN PENYUSUNAN TARGET EKSPOR IMPOR INDONESIA 2015-2019

PUSAT KEBIJAKAN PERDAGANGAN LUAR NEGERI BADAN PENGKAJIAN DAN PENGEMBANGAN KEBIJAKAN PERDAGANGAN

KEMENTERIAN PERDAGANGAN 2014

ii Puska Daglu, BP2KP, Kementerian Perdagangan

KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa yang

telah memberikan limpahan rahmat dan karunia-Nya, sehingga seluruh

kegiatan kajian “Penyusunan Target Ekspor Impor Indonesia 2015-2019”

dapat dilaksanakan dengan baik hingga dituangkan dalam bentuk laporan

akhir.

Kajian ini merupakan bagian dari tugas dan fungsi Pusat Kebijakan

Perdagangan Luar Negeri sebagai unit pelaksanaan kajian dan

pengembangan kebijakan perdagangan luar negeri di lingkungan

Kementerian Perdagangan Republik Indonesia. Kajian dimaksud tidak

terlepas dari bagian upaya untuk mendukung penyusunan target ekspor

impor Indonesia untuk Rencana Pembangunan Jangka Menengah

Nasional (RPJMN) maupaun Rencana Strategis Kementerian

Perdagangan periode 2015-2019.

Akhirnya, kami berharap semoga hasil akhir kajian ini bermanfaat

bagi berbagai pihak yang membutuhkan, meskipun kami menyadari masih

banyak langkah-langkah penyempurnaan yang perlu dilakukan. Oleh

karena itu, kami sangat terbuka terhadap saran dan kritik dalam rangka

penyempurnaan laporan ini. Selanjutnya kami sampaikan apresiasi dan

terima kasih yang tulus kepada berbagai pihak yang telah membantu

dalam kegiatan kajian ini.

Jakarta, Desember 2014

Pusat Kebijakan Perdagangan Luar Negeri

iii Puska Daglu, BP2KP, Kementerian Perdagangan

ABSTRAK

KAJIAN PENYUSUNAN TARGET EKSPOR IMPOR INDONESIA 2015-2019

Kajian ini bertujuan untuk (1) Menganalisis determinan yang mempengaruhi ekspor dan impor Indonesia; (2) Menyusun proyeksi ekspor dan impor nasional periode 2015-2019; (3) Menyusun proyeksi ekspor berdasarkan sektor (migas dan nonmigas) dan kelompok komoditi (primer dan manufaktur) periode 2015-2019; dan (4) Menyusun proyeksi impor berdasarkan sektor dan kelompok barang (bahan baku, barang modal dan barang konsumsi) periode 2015-2019. Metode yang digunakan dalam kajian antara lain OLS untuk mencari determinan ekspor dan impor, VAR untuk memproyeksi ekspor dan impor barang secara total dan menurut sektor migas dan non-migas, serta exponential smoothing Holt Winters seasonal beserta ARIMA untuk memproyeksi ekspor berdasarkan kategori komoditi dan impor beradasarkan kategori barang. Hasil OLS menunjukkan bahwa variabel GDP per kapita negara mitra utama, impor total, nilai tukar, harga minyak dunia dan suku bunga kredit merupakan determinan ekspor barang total Indonesia. Sementara itu, variabel GDP per kapita Indonesia, ekspor total, nilai tukar, dan harga minyak dunia merupakan determinan impor barang total Indonesia. Hasil VAR menunjukkan rata-rata pertumbuhan ekspor nasional pada 2015-2019 sebesar 5 persen dengan pertumbuhan ekspor migas rata-rata 1,3 persen dan ekspor non migas sebesar 5,7 persen. Selain itu, rata-rata pertumbuhan impor nasional pada 2015-2019 sebesar 4,7 persen dengan impor migas sebesar 5,4 persen dan impor non migas sebesar 4,5 persen. Lebih lanjut hasil uji statistik akurasi proyeksi menunjukkan metode exponential smoothing Holt Winters Additive (HWA) dan Multiplicative (HWM) lebih baik daripada ARIMA/SARIMA. Hasil anailisis HWA dan HWM menunjukkan bahwa rata-rata ekspor pertanian tumbuh sebesar 3,56; ekspor industri tumbuh rata-rata 4,17 persen dan ekspor pertambangan tumbuh rata-rata 5,59 persen pada periode 2015-2019. Di sisi lain, impor barang konsumsi diproyeksi tumbuh rata-rata sebesar 5,2 persen, impor bahan baku tumbuh rata-rata 5,15 persen dan impor barang modal tumbuh rata-rata 5,82 persen dalam kurun waktu 2015-2019. Kata kunci: proyeksi, ekspor, impor, OLS, VAR, exponential smoothing, ARIMA

ABSTRACT

STUDY OF FORMULATING TARGET FOR INDONESIAN EXPORT IMPORT 2015-2019

This study aims to (1) analyze the determinants that affect the exports and imports of Indonesia; (2) develop a national export and import projections period 2015-2019; (3) construct projections of exports by sector (oil and non-oil) and commodity groups (primary and manufacturing) period 2015-2019; and (4) provide projections of imports by sector and category of goods (raw

iv Puska Daglu, BP2KP, Kementerian Perdagangan

materials, capital goods and consumer goods) period 2015-2019. The methods used in the study include OLS to find the determinant of export and import, VAR to project exports and imports of goods in total and by sector (oil and non-oil) as well as exponential smoothing holt winters and their seasonal ARIMA to project exports and imports by categories of goods. The OLS results indicate that the variables of main partner country's GDP per capita, total imports, exchange rate, oil prices, and lending rates are the main determinants of Indonesia's total merchandise exports. Meanwhile, the variables of Indonesia’s GDP per capita, total exports, exchange rate, and world oil prices statistically influence to Indonesia's total imports. The VAR results showed that national export growth in 2015-2019 is 5 percent consisting of oil and gas export growth of 1.3 percent and non-oil exports of 5.7 percent in average. In addition, the national import in 2015-2019 is projected to grow by 4.7 percent; oil imports grow by 5.4 percent; and non-oil imports grow by 4.5 percent. Further statistical result shows the accuracy of the projected exponential smoothing method of Holt Winters additive (HWA) and multiplicative (HWM) is better than ARIMA/SARIMA. The projection using HWA and HWM shows that the agricultural exports grow by 3.56 percent on average; industrial exports grow by 4.17 percent on average; and mining exports grow 5.59 percent on average during 2015-2019. On the other hand, imports of consumer goods is projected to grow on average by 5.2 percent; imports of raw materials grow on average by 5.15 per cent; and imports of capital goods grow by 5.82 percent on average during 2015-2019.

Keywords: projection, export, import, OLS, VAR, exponential smoothing, ARIMA

v Puska Daglu, BP2KP, Kementerian Perdagangan

DAFTAR ISI KATA PENGANTAR ...................................................................................... ii ABSTRAK ..................................................................................................... iii DAFTAR ISI .................................................................................................... v

DAFTAR TABEL ......................................................................................... viii DAFTAR GAMBAR ........................................................................................ x

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

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

1.2 Pertanyaan Penelitian ........................................................................ 7

1.3 Tujuan Penelitian ............................................................................... 7

1.4 Output dan Manfaat Penelitian ........................................................... 8

1.4.1 Output Penelitian ................................................................................ 8

1.4.2 Manfaat Penelitian.............................................................................. 8

1.5 Ruang Lingkup Penelitian .................................................................. 8

BAB II. TINJAUAN PUSTAKA ..................................................................... 10

2.1 Teori Perdagangan Internasional ..................................................... 10

2.2 Ekspor dan Impor ............................................................................. 13

2.2.1 Teori Penawaran Ekspor .................................................................. 14

2.2.2 Teori Permintaan Ekspor .................................................................. 15

2.2.3 Teori Permintaan Impor .................................................................... 15

2.3 Instrumen Kebijakan Perdagangan Internasional: Pengembangan Ekspor dan Pengendalian Impor ............................ 18

2.3.1 Promosi Ekspor ................................................................................ 19

2.3.2 Diversifikasi Ekspor .......................................................................... 20

2.3.3 Tarif .................................................................................................. 22

2.3.4 Hambatan Non Tarif (Non-Tariff Barrier) .......................................... 22

2.4 Proyeksi Ekspor dan Impor .............................................................. 25

2.5 Penelitian Terdahulu ........................................................................ 26

BAB III. METODE PENELITIAN ................................................................... 31

3.1 Kerangka Kerja Konseptual .............................................................. 31

3.2 Pendekatan Penelitian ..................................................................... 32

3.3 Data dan Teknik Pengumpulan Data ............................................... 32

vi Puska Daglu, BP2KP, Kementerian Perdagangan

3.4 Teknik Analisis ................................................................................. 33

3.4.1 Regresi Linear Berganda (Ordinary Least Square) .......................... 34

3.4.2 Vector AutoRegressive (VAR) .......................................................... 35

3.4.3 Metode Peramalan Exponential Smoothing ..................................... 40

3.4.4 Box Jenkins (ARIMA) ....................................................................... 42

BAB IV. KINERJA EKSPOR DAN IMPOR INDONESIA .............................. 45

4.1 Kinerja Ekspor Indonesia ................................................................. 45

4.1.1 Kinerja Ekspor Sektor Migas ............................................................ 46

4.1.2 Kinerja Ekspor Non Migas ................................................................ 48

4.2 Kinerja Impor Indonesia ................................................................... 51

4.2.1 Perkembangan Impor dan Jenis Produk Impor Indoensia ................ 51

4.2.2 Kinerja Impor Menurut Golongan Penggunaan Barang.................... 54

BAB V. HASIL DAN PEMBAHASAN ........................................................... 59

5.1 Analisis Determinan Ekspor dan Impor Indonesia ............................ 59

5.1.1 Analisis Determinan Ekspor Barang Menggunakan Metode OLS .................................................................................................. 60

5.1.2 Analisis Determinan Impor Menggunakan Metode OLS................... 64

5.2 Proyeksi Ekspor dan Impor Indonesia: Analisis Vector Autoregressive (VAR) ....................................................................... 67

5.2.1 Proyeksi Ekspor Indonesia ............................................................... 68

5.2.2 Proyeksi Impor Indonesia ................................................................. 69

5.3 Proyeksi Ekspor dan Impor Menurut Sektor dan Kategori Barang .............................................................................................. 70

5.3.1 Proyeksi Ekspor dan Impor menggunakan Metode Exponential Smoothing ................................................................... 72

5.3.2 Proyeksi Ekspor dan Impor menggunakan Metode Box-Jenkins ............................................................................................. 73

5.3.3 Proyeksi Ekspor dan Impor dengan Model Terbaik .......................... 76

5.4 Proyeksi Nilai dan Pertumbuhan Ekspor dan Impor Indonesia 2015-2019....................................................................... 78

5.5 Penyusunan Target Ekspor Impor Negara Lain (Studi Kasus Filipina) ............................................................................................. 80

BAB VI. PENUTUP ....................................................................................... 86

6.1 Kesimpulan ...................................................................................... 86

vii Puska Daglu, BP2KP, Kementerian Perdagangan

6.2 Saran ................................................................................................ 88

DAFTAR PUSTAKA ...................................................................................... xi LAMPIRAN ................................................................................................... xv

viii Puska Daglu, BP2KP, Kementerian Perdagangan

DAFTAR TABEL

Tabel 1.1 Perkembangan Neraca Perdagangan Indonesia (USD

Miliar) ........................................................................................... 4

Tabel 1.2 Neraca Perdagangan Indonesia Dengan Mitra Dagang

Utama (USD Miliar) ...................................................................... 5

Tabel 4.1 Perkembangan Pangsa dan Petumbuhan Ekspor

Indonesia ................................................................................... 46

Tabel 4.2 Perkembangan Ekspor Migas Indonesia (Juta Dollar) ............... 47

Tabel 4.3 Struktur Ekspor Migas Indonesia (Persen) ................................ 48

Tabel 4.4 Perkembangan Ekspor Non Migas Indonesia (Juta USD) ......... 50

Tabel 4.5 Struktur Ekspor Non Migas Indonesia (Persen) ......................... 50

Tabel 4.6. Pertumbuhan Impor Indonesia Berdasarkan Sektor .................. 51

Tabel 4.7 Pengelompokan Jenis Barang Berdasarkan Kelompok

BEC Tahun 2011-2013 (Juta USD) ............................................ 53

Tabel 5.1 Rangkuman Hasil Estimasi OLS Model Persamaan

Umum Ekspor ............................................................................ 62

Tabel 5.2 Rangkuman Hasil Estimasi OLS Model Persamaan

Umum Impor .............................................................................. 66

Tabel 5.3 Proyeksi Ekspor Migas dan Non Migas 2015-2019 ................... 69

Tabel 5.4 Proyeksi Impor Migas dan Non Migas Indonesia 2015-

2019 ........................................................................................... 70

Tabel 5.5 Tingkat Akurasi Proyeksi Ekspor Menggunakan Metode

Exponential Smoothing .............................................................. 72

Tabel 5.6 Tingkat Akurasi Proyeksi Impor Menggunakan Metode

Exponential Smoothing .............................................................. 73


Box-Jenkins (ARIMA/SARIMA) .................................................. 75

Tabel 5.8 Tingkat Akurasi Proyeksi Impor Menggunakan Metode

Box-Jenkins (ARIMA/SARIMA) .................................................. 76

Tabel 5.9 Uji Tingkat Akurasi Model Proyeksi Ekspor ............................... 77

Tabel 5.10 Uji Tingkat Akurasi Model Proyeksi Impor ................................. 78

ix Puska Daglu, BP2KP, Kementerian Perdagangan

Tabel 5.11 Proyeksi Nilai dan Pertumbuhan Ekspor Barang

Indonesia 2015-2019 ................................................................. 79

Tabel 5.12 Proyeksi Nilai dan Pertumbuhan Impor Barang

Indonesia 2015-2019 ................................................................. 80

x Puska Daglu, BP2KP, Kementerian Perdagangan

DAFTAR GAMBAR

Gambar 2.1. Keseimbangan dalam Perdagangan Internasional .................. 12

Gambar 3.1. Kerangka Kerja Konseptual Penelitian ..................................... 32

Gambar 4.1. Impor Indonesia pada Jenis Barang Bahan Baku

Penolong .................................................................................. 55

Gambar 4.2. Impor Indonesia pada Jenis Barang Modal .............................. 56

Gambar 4.3. Impor Indonesia pada Jenis Barang Konsumsi ........................ 57

Gambar 4.4. Persentase Nilai Impor Indonesia Menurut

Penggolongan Barang ............................................................. 58

Gambar 5.1. Alur Penyusunan Target Ekspor dan Pembangunan

Ekonomi Filipina ...................................................................... 82

1 Puska Daglu, BP2KP, Kementerian Perdagangan

BAB I

PENDAHULUAN

1.1 Latar Belakang Sasaran pembangunan perdagangan luar negeri yang ingin dicapai

dalam Rencana Pembangunan Jangka Menengah Nasional (RPJMN)

2010-2014 adalah tumbuhnya ekspor non minyak dan gas (migas)

sebesar 7,0-8,0 persen pada 2010, dan kemudian secara bertahap

meningkat menjadi sebesar 14,5-16,5 persen pada 2014. Harapan

meningkatnya pertumbuhan ekspor non migas bisa dilakukan mengingat

semakin besarnya jumlah permintaan dunia terhadap produk non migas

ditambah dengan berbagai upaya untuk memperbaiki iklim investasi di

dalam negeri, serta perbaikan infrastruktur yang diharapkan dapat

meningkatkan kinerja ekspor non migas. Selain itu, perluasan komoditas

non migas secara masif dilakukan oleh pemerintah dan swasta yang

diharapkan mampu meningkatkan kuantitas dan kualitas serta

keberagaman produk ekspor non migas.

Target ekspor Indonesia semula diproyeksi tumbuh 13 persen pada

2012 sehingga mencapai USD 230 Miliar. Penetapan target ekspor

tersebut didasari oleh kondisi kinerja ekspor Indonesia selama beberapa

tahun terakhir dan asumsi pertumbuhan ekonomi dunia pada 2012.

Namun, target yang telah disusun tersebut seakan kurang bermakna

akibat melambatnya pertumbuhan ekonomi dunia yang dipicu dari krisis

Eropa dan belum pulihnya ekonomi Amerika Serikat, berdampak pada

pertumbuhan ekonomi negara-negara lain termasuk negara berkembang

seperti China, India, Brazil dan emerging market lainnya. Kondisi tersebut

menyebabkan turunnya harga komoditas dunia yang berimplikasi pada

melambatnya kinerja ekspor Indonesia.

Krisis yang terjadi di Amerika Serikat dan Uni Eropa memberikan

dampak yang signifikan terhadap kinerja perdagangan Indonesia. Ekspor


Indonesia pada 2012 mencapai USD 190,0 miliar atau turun 6,6 persen

(yoy), terdiri dari ekspor migas USD 37,0 miliar (turun 10,9 persen) dan

non migas USD 153,1 miliar (turun 5,5 persen). Pada tahun selanjutnya di

2013, kondisi perekonomian dunia belum memperlihatkan dukungan

perbaikan kinerja ekspor Indonesia. Realisasi ekspor Indonesia periode

Januari-Desember 2013 mencapai USD 182,5 miliar atau menurun

sebesar 3,9 persen (yoy) dari tahun lalu. Penurunan ini terjadi karena

ekspor migas yang mengalami penurunan signifikan sebesar 11,75 persen

atau hanya menjadi USD 32,63 miliar, sementara ekspor non migas juga

mulai mengalami penurunan sebesar 2,03 persen, menjadi USD 149,9

miliar. Pencapaian kinerja ekspor tersebut tentu saja sulit untuk

mendukung tercapainya target RPJMN 2010-2014. Hal ini harus menjadi

bahan pertimbangan dan pelajaran dalam rangka menyusun rencana

pembangunan jangka menengah selanjutnya yaitu RPJMN periode 2015-

2019. Sehingga target yang ditentukan tidak hanya dapat dicapai namun

juga mampu merefleksikan kondisi perkembangan perekonomian dunia

yang sebenarnya.

Di sisi lain, sampai pada 2013 kinerja impor Indonesia masih

didominasi oleh impor non migas dengan pangsa rata-rata 76,75 persen

dari total impor. Namun, pada tahun 2013 peningkatan impor justru lebih

banyak pada impor migas dengan pertumbuhan 6,35 persen dibandingkan

dengan pertumbuhan impor non migas yang justru turun sebesar 5,2

persen. Kondisi ini dimungkinkan tetap berlanjut pada 2014, dimana

pertumbuhan impor migas lebih besar daripada pertumbuhan impor non

migas. Selain itu, tingginya pertumbuhan total impor tahun-tahun

sebelumnya dapat memberikan gambaran bahwa pada 2013 dimana telah

terjadi krisis global, maka impor Indonesia sangat terkena dampak dengan

penurunan sebesar 2,64 persen. Hal ini tidak pernah terjadi pada tahun-

tahun sebelumnya.

Realisasi impor tahun 2013 yang turun 2,64 persen menjadi

sebesar USD 186,63 miliar merupakan salah satu akibat dari melemahnya

permintaan dunia yang disebabkan krisis di Uni Eropa dan belum stabilnya


perekonomian di Amerika Serikat. Kebutuhan impor khususnya barang

modal menjadi turun yang berakibat pada melemahnya kinerja ekspor. Di

sisi lain, perkembangan investasi terus mengalami peningkatan, serta

jumlah penduduk yang berkembang pesat akan mempengaruhi

permintaan impor Indonesia, terutama pada sektor migas. Meski selama

periode Januari-Juli 2013 total impor Indonesia turun 0,9 persen (yoy)

menjadi USD 111,8 miliar dan impor non migas sebesar juga turun 3,4

persen (yoy) menjadi USD 85,6 miliar, tetapi impor migas terus naik

mencapai 8,5 persen (yoy) atau sebesar USD 26,2 miliar. Kenaikan impor

migas tersebut diakibatkan oleh meningkatnya permintaan minyak mentah

yang mencapai 30,7 persen.

Turunnya kemampuan ekspor yang disertai dengan pertumbuhan

impor yang pesat akan menempatkan neraca perdagangan Indonesia

pada posisi yang mengkhawatirkan. Hal tersebut merupakan kombinasi

keadaan yang tidak menguntungkan bagi fondasi perekonomian nasional.

Menurunnya kinerja ekspor Indonesia akan berdampak pada produksi dan

output industri dalam negeri yang selanjutnya akan berdampak pada

penyerapan tenaga kerja. Satu pesan yang dapat dilihat berdasarkan

realita adalah urgensi untuk mengakselerasi industri manufaktur Indonesia

mengingat sektor ini berkontribusi dominan terhadap total pembentukan

nilai ekspor Indonesia dalam aspek nilai nominal.

Defisit neraca perdagangan yang terjadi pada 2012-2013 semakin

menambah kekhawatiran akan hilangnya tradisi surplus perdagangan

Indonesia. Berdasarkan Tabel 1.1, defisit neraca perdagangan di tahun

2013 mencapai empat kali lipat dari total defisit pada 2012 yaitu sebesar

USD 4,07 miliar Apabila dilihat pada neraca perdagangan bulanan di

tahun 2013, neraca perdagangan Indonesia hampir selalu mengalami

defisit, kecuali pada bulan Maret, Agustus, Oktober hingga Desember.

Lebih lanjut, defisit terbesar pada 2013 terjadi pada bulan Juli yang

mencapai –U$S2,3 miliar. Sementara surplus hanya terjadi pada Maret

dan Agustus serta Oktober hingga Desember dengan nilai yang relatif

kecil yakni hanya mencapai kurang dari sebesar USD 2 miliar.


Dorongan impor migas yang relatif besar membuat surplus yang

terjadi pada sektor non migas menjadi tidak berarti. Namun capaian buruk

pada kinerja sektor migas tampaknya akan terjadi pula pada sektor non

migas. Hal ini terlihat dari semakin kecilnya surplus neraca perdagangan

pada sektor non migas. Pada tahun 2012, neraca perdagangan non migas

langsung menipis menjadi hanya surplus USD 3,9 miliar. Meskipun

terdapat sedikit perbaikan pada 2013, dimana neraca perdagangan non

migas mencapai USD 8,5 miliar, namun hal ini tidak mampu membuat

neraca perdagangan total juga ikut surplus, karena besarnya defisit pada

neraca perdagangan migas.

Harapan yang lebih baik kembali muncul pada paruh pertama tahun

2014. Meskipun neraca perdagangan masih mengalami defisit, namun

relatif lebih rendah dari 2013. Hingga Juli 2014, defisit yang terjadi

sebesar USD 1 miliar. Defisit tersebut lagi-lagi disebabkan oleh tingginya

impor migas yang menyebabkan neraca perdagangan migas Indonesia

defisit sebesar USD 7,71 miliar. Kebijakan pengendalian konsumsi pada

sektor migas (khususnya Bahan Bakar Minyak/BBM) di Indonesia sangat

diperlukan untuk membantu menyelamatkan kinerja neraca perdagangan

Indonesia agar segera keluar dari jeratan defisit.

Tabel 1.1 Perkembangan Neraca Perdagangan Indonesia (USD Miliar)

Uraian 2000 2005 2010 2011 2012 2013 Jan-Jul* Perub. (%)

2014/2013 2013 2014

Ekspor 62,12 85,66 157,78 203,49 190,02 182,55 106,15 103,01 -2,97

Migas 14,36 19,23 28,04 41,47 36,97 32,63 18,61 18,23 -2,04

Nonmigas 47,76 66,43 129,73 162,01 153,04 149,91 87,54 84,77 -3,17

Impor 33,51 57,70 135,66 177,43 191,68 186,62 111,82 104,00 -6,99

Migas 6,02 17,46 27,41 40,70 42,56 45,26 26,24 25,95 -1,12

Nonmigas 27,49 40,24 108,25 136,73 149,12 141,36 85,58 78,05 -8,79

Neraca 28,61 27,96 22,11 26,06 -1,66 -4,07 -5,67 -1,00 82,27

Migas 8,35 1,77 626,9 775,5 -5,58 -12,63 -7,63 -7,71 -1,13

Nonmigas 20,26 26,19 21,48 25,28 3,91 8,55 1,96 6,71 242,09

Sumber: BPS (2014), diolah


Hilangnya tradisi surplus neraca perdagangan Indonesia ini terjadi

bukan tanpa sebab. Tanda-tanda ke arah defisit sudah mulai terlihat

utamanya setelah Indonesia turut serta dalam perjanjian-perjanjian

perdagangan internasional dan gencar melakukan kesepakatan kerjasama

ekonomi internasional maupun Free Trade Area (FTA) baik secara

regional, bilateral dan multilateral. Pada saat kran perdagangan semakin

terbuka bebas akibat kesepakatan berbagai FTA tersebut yang terjadi

adalah tren ekspor Indonesia tumbuh relatif lebih rendah dibandingkan

dengan pertumbuhan impor. Satu persatu neraca perdagangan Indonesia

dengan negara mitra dagang utama mengalami defisit. Sejak tahun 2012,

defisit neraca perdagangan nyaris terjadi dengan sejumlah negara mitra

dagang utama. Surplus yang diperoleh salah satunya hanya dengan

Inggris, AS dan India saja (Tabel 1.2).

Harapan akan terjadinya perbaikan pada neraca perdagangan

mulai terlihat hingga pertengahan 2014. Sampai dengan Juli 2014,

meskipun neraca perdagangan non migas Indonesia dengan 13 negara

mitra dagang utama mengalami defisit, namun untuk neraca perdagangan

Indonesia dengan negara lainnya tercatat menuai hasil positif. Seperti

yang ditunjukkan pada Tabel 1.2, terlihat bahwa neraca perdagangan

dengan negara lainnya mencapai surplus USD 11,46 miliar. Hal ini

mengakibatkan neraca perdagangan non migas Indonesia secara total

masih mengalami surplus sebesar USD 6,64 miliar.

Tabel 1.2 Neraca Perdagangan Indonesia Dengan Mitra Dagang Utama (USD Miliar)

Mitra Dagang 2012 Jan-Jul 2014 Ekspor Impor Ket. Ekspor Impor Ket.

1 Singapura 10,55 10,64 Defisit 6 ,07 6,03 Surplus 2 Malaysia 8,47 11,29 Defisit 3,6 3,4 Surplus 3 Thailand 5,49 6,32 Defisit 2,9 5,6 Defisit 4 Jerman 3,07 4,18 Defisit 1,6 2,3 Defisit 5 Perancis 1,13 1,89 Defisit 0,6 0,78 Defisit 6 Inggris 1,69 1,36 Surplus 0,9 0,53 Surplus 7 China 20,86 28,96 Defisit 10,1 17,3 Defisit


Mitra Dagang 2012 Jan-Jul 2014 Ekspor Impor Ket. Ekspor Impor Ket.

8 Jepang 17,23 22,72 Defisit 8,2 9,9 Defisit 9 Amerika

Serikat 14,59 11,46 Surplus 9,2 4,9 Surplus

10 India 12,44 4,02 Surplus 6,7 2,2 Surplus 11 Australia 3,36 5,08 Defisit 2,3 3,05 Defisit 12 Korea

Selatan 6,68 8,3 Defisit 3,2 4,5 Defisit

13 Taiwan 4,09 4,2 Defisit 2,3 2,1 Surplus Total 13 Negara Tujuan

109,7 120,5 Defisit 58,1 62,9 Defisit

Negara Lainnya

43,36 28,67 26,6 15,14

Total Ekspor & Impor Nonmigas

153,1 149,1 Surplus 84,7 78,06 Surplus


Defisit neraca perdangangan yang berkelanjutan dengan beberapa

negara mitra dagang utama Indonesia harus segera diakhiri. Ke depan

Indonesia harus mampu mencapai surplus dengan negara mitra terutama

yang relatif tidak memiliki keunggulan komparatif dibanding Indonesia.

Indonesia sebagai negara yang kaya sumber daya alam, memiliki

keunggulan mutlak pada berbagai komoditas strategis, diantaranya kelapa

sawit, karet, rotan, kakao dan rumput laut. Namun pada kenyatannya

justru mengalami defisit neraca perdagangan dengan negara mitra

dagang yang relatif tidak memiliki keunggulan komparatif. Ironisnya lagi,

salah satu yang berkontribusi terhadap defisit neraca perdagangan adalah

besarnya impor komoditas pangan. Komoditas yang harusnya berpeluang

dijadikan produk bernilai tambah tinggi sehingga dapat mendorong ekspor

justru tidak optimal dalam menghasilkan devisa. Selain belum kuatnya

daya saing produk agroindustri dan manufaktur Indonesia, kondisi

eksternal seperti ketidakpastian ekonomi global juga tidak menguntungkan

bagi kondisi perekonomian Indonesia melalui sektor perdagangan


internasional. Kondisi di atas, tentu berlawanan dengan apa yang telah

dicanangkan dalam RPJMN 2010-2014. Oleh sebab itu, kajian yang

bertujuan melakukan penyusunan target ekspor dan impor menjadi

kegiatan yang penting dan strategis di tahun 2014.

Perkembangan faktor-faktor eksternal dan internal ke depan yang

semakin dinamis harus menjadi bahan pertimbangan dan pelajaran dalam

rangka menyusun rencana pembangunan jangka menengah selanjutnya,

yaitu RPJMN periode 2015-2019. Dalam hal ini, Kementerian

Perdagangan dituntut berperan aktif dalam proses teknokratik penyusunan

RPJMN maupun dokumen turunannya (Renstra K/L, RKP), terutama

terkait dengan penentuan target ekspor dan impor. Penentuan target

perdagangan luar negeri akan mempunyai kontribusi terhadap pencapaian

target pertumbuhan ekonomi Indonesia periode 2015-2019.

1.2 Pertanyaan Penelitian Kajian ini berusaha menjawab beberapa pertanyaan penelitian

sebagai berikut:

1. Faktor-faktor apakah yang menjadi determinan dalam

mempengaruhi ekspor dan impor Indonesia?

2. Berapakah proyeksi pertumbuhan ekspor dan impor total

Indonesia untuk periode 2015-2019?

3. Berapakah proyeksi pertumbuhan ekspor berdasarkan sektor

(migas dan non migas) dan kelompok komoditi (primer dan

manufaktur) untuk periode 2015-2019?

4. Berapakah proyeksi pertumbuhan impor berdasarkan sektor

(migas dan non migas) dan kelompok barang (bahan

baku/penolong, barang modal dan barang konsumsi) untuk

periode 2015-2019?

1.3 Tujuan Penelitian Tujuan kajian ini adalah sebagai berikut:

1. Menganalisis determinan yang mempengaruhi ekspor dan

impor Indonesia;


2. Menyusun proyeksi ekspor dan impor nasional periode 2015-

2019;

3. Menyusun proyeksi ekspor berdasarkan sektor (migas dan non

migas) dan kelompok komoditi (pertanian, industri, dan

pertambangan) periode 2015-2019;

4. Menyusun proyeksi impor berdasarkan sektor dan kelompok

barang (bahan baku/penolong, barang modal dan barang

konsumsi) periode 2015-2019.

1.4 Output dan Manfaat Penelitian

1.4.1 Output Penelitian Adapun output dari kajian ini berupa laporan tentang bahan

rekomendasi dalam rangka penyusunan target ekspor impor

Indonesia untuk RPJMN maupun Rencana Strategis Kementerian

Perdagangan periode 2015-2019.

1.4.2 Manfaat Penelitian Kajian ini diharapkan dapat digunakan sebagai bahan pertimbangan

bagi para pemangku kepentingan, terutama pemerintah, dalam

menetapkan target ekspor dan impor Indonesia untuk RPJMN

maupaun Rencana Strategis Kementerian Perdagangan periode

2015-2019. Selain itu, hasil kajian ini diharapkan dapat bermanfaat

bagi stakeholder untuk meneropong trend perkembangan ekspor

dan impor lima tahun ke depan,

1.5 Ruang Lingkup Penelitian Adapun ruang lingkup kegiatan yang akan dilakukan adalah

sebagai berikut:

1) Aspek Ekonomi

Penelitian ini difokuskan pada analisis faktor-faktor ekonomi

yang mempengaruhi kinerja ekspor dan impor Indonesia.


2) Aspek Produk

i. Dari aspek produk pada penelitian ini akan dikaji berdasarkan

sektor (migas dan non migas) dan kelompok komoditi

(pertanian, industri, dan pertambangan).

ii. Produk impor yang dikaji adalah berdasarkan sektor (migas

dan nonmigas) serta kelompok barang (bahan

baku/penolong, barang modal dan barang konsumsi).


BAB II

TINJAUAN PUSTAKA

2.1 Teori Perdagangan Internasional Perdagangan antarnegara atau perdagangan internasional sudah

ada sejak dahulu namun dalam jumlah dan ruang lingkup yang terbatas,

dimana pemenuhan kebutuhan yang tidak dapat diproduksi di dalam

negeri oleh masing-masing negara yang terlibat dalam perdagangan

tersebut dipenuhi dengan cara barter. Pada awalnya perdagangan

internasional merupakan pertukaran atau perdagangan tenaga kerja

dengan barang dan jasa lainnya, yang selanjutnya diikuti dengan

perdagangan barang dan jasa sekarang dengan kompensasi barang dan

jasa di kemudian hari. Akhirnya berkembang hingga pertukaran antar

negara dengan aset-aset yang mengandung risiko, seperti saham, valuta

asing yang saling menguntungkan kedua belah pihak bahkan semua

negara yang terkait di dalamnya. Hal tersebut memungkinkan setiap

negara melakukan diversifikasi atau penganekaragaman kegiatan

perdagangan yang dapat meningkatkan pendapatan mereka melalui

perluasan komoditi ekspor dan memperbesar penerimaan devisa.

Seiring dengan pertambahan jumlah penduduk dan meningkatnya

taraf kehidupan yang bersamaan dengan kemajuan teknologi informasi

menyebabkan peningkatan kebutuhan masyarakat. Hal tersebut pada

akhirnya berdampak pada pentingnya peran perdagangan internasional.

Pada saat ini, tidak ada satu negara pun yang berada dalam kondisi

autarki, yaitu negara yang terisolasi, tanpa mempunyai hubungan ekonomi

dengan negara lain.

Terdapat beberapa hal yang mendorong terjadinya perdagangan

internasional diantaranya dikarenakan perbedaan permintaan dan

penawaran antar Negara. Perbedaan ini terjadi karena: (a) tidak semua

negara memiliki dan mampu menghasilkan komoditi yang


diperdagangkan, karena faktor-faktor alam negara tersebut tidak

mendukung, seperti letak geografis dan kandungan buminya dan (b)

perbedaan pada kemampuan suatu negara dalam menyerap komoditi

tertentu pada tingkat yang lebih efisien (Salvatore, 1997).

Menurut teori Heckscher–Ohlin terdapat perbedaan opportunity

cost suatu produk antar satu negara dengan negara lain yang disebabkan

karena adanya perbedaan jumlah atau proporsi yang dimiliki masing-

masing Negara. Negara-negara yang memiliki faktor produksi relatif

banyak dan murah dalam produksinya akan melakukan spesialisasi

produksi dan mengekspor barangnya. Keadaan sebaliknya, masing-

masing negara akan mengimpor barang tertentu apabila negara tersebut

memiliki faktor produksi yang relatif langka dan mahal dalam produksinya

(Hady dalam Octrianto, 2006).

Perdagangan internasional antar dua negara yang terjadi akibat

dari perbedaan permintaan dan penawaran dapat dilihat pada Gambar 2.1

yang mengambarkan perdagangan antara Negara P dan Negara Q, DP

dan SP adalah kurva permintaan dan penawaran untuk Negara P.

Sedangkan DQ dan SQ adalah kurva permintaan dan penawaran untuk

Negara Q.

Pada kondisi dimana kedua negara tidak dalam perdagangan,

produksi dan konsumsi Negara P untuk suatu komoditi (misalnya tekstil)

berada pada keseimbangan di titik A berdasarkan harga relatif sebesar P1.

Pada Negara Q produksi dan konsumsinya terjadi pada titik

keseimbangan A’ dengan tingkat harga P3. Kondisi ini dengan asumsi

bahwa harga domestik di Negara P lebih rendah dibandingkan dengan

harga di Negara Q ( P1<P3).


Gambar 2.1 Keseimbangan dalam Perdagangan Internasional

Sumber: Salvatore (1997) Apabila kondisi harga di atas P1, maka Negara P akan memasok

atau memproduksi komoditi tekstil lebih banyak daripada tingkat

permintaan (konsumsi) domestik sehingga akan menyebabkan kelebihan

penawaran (excess supply) di negara P. Kelebihan produksi itu

selanjutnya akan diekspor ke Negara Q. Di lain pihak jika harga yang

berlaku lebih kecil dari P3, maka Negara Q akan mengalami peningkatan

permintaan (karena konsumen akan meminta lebih banyak pada tingkat

harga yang relatif murah), sehingga tingkat permintaannya lebih tinggi

daripada produksi domestiknya. Hal ini akan mendorong Negara Q untuk

mengimpor kekurangan kebutuhannya atas komoditi tekstil tersebut dari

negara yang mengalami kelebihan produksi komoditi tekstil yaitu Negara

P.

Berdasarkan harga relatif P1, kuantitas komoditi tekstil yang

ditawarkan akan sama dengan kuantitas yang diminta. Pada saat

berlangsungnya perdagangan internasional antara Negara P dan Q tingkat

harga berada di titik P2 dan mengambil asumsi bahwa tidak ada biaya

transportasi dalam proses perdagangan tersebut, maka Negara P akan

mengekspor hasil kelebihan produksinya yang ditunjukkan oleh garis BE.

Sementara itu, karena tingkat harga yang berlaku di pasar internasional

lebih rendah dibandingkan dengan tingkat harga domestik Negara Q,

maka Negara Q akan mengimpor kekurangan produksinya sebesar garis


B’E’. Hubungan penawaran dan permintaan kedua negara tersebut pada

tingkat harga P2 akan menyebabkan terjadinya keseimbangan

internasional di titik E* (Panel B). Kurva S dan D pada panel B

menunjukkan tingkat penawaran dan permintaan yang terjadi dalam

perdagangan internasional. Pada tingkat keseimbangan, kuantitas ekspor

yang ditawarkan oleh Negara P sama dengan kuantitas yang diminta oleh

Negara Q (BE = B’E’).

Dari teori-teori perdagangan tersebut, dapat diambil kesimpulan

bahwa perdagangan internasional menawarkan suatu keuntungan bagi

negara-negara yang terlibat. Keuntungan-keuntungan dari perdagangan

internasional adalah: tercipta persaingan di pasar internasional yang

mendorong efisiensi dunia, spesialisasi dalam menghasilkan barang dan

jasa secara murah, baik dari segi bahan maupun cara berproduksi,

kenaikan pendapatan, cadangan devisa, transfer modal, dan

bertambahnya kesempatan kerja. Terdapat beberapa faktor yang menjadi

pendorong semua negara di dunia untuk melakukan perdagangan luar

negeri dan yang terpenting diantaranya adalah (Sukirno, 2004): (1)

Memperoleh barang yang tidak dapat dihasilkan di dalam negeri; (2)

Mengimpor teknologi yang lebih modern dari negara lain; (3) Memperluas

pasar produk-produk dalam negeri; dan (4) Memperoleh keuntungan dari

spesialisasi. Keuntungan-keuntungan perdagangan tersebut mendorong

seluruh negara di dunia untuk mengaplikasikan perdagangan internasional

yang menekan biaya ekonomi serendah mungkin. Hal inilah yang

kemudian menjadi latar belakang tumbuhnya semangat liberalisasi bagi

negara-negara seluruh dunia yang tergabung dalam World Trade

Organization (WTO).

2.2 Ekspor dan Impor Ekspor merupakan penjualan barang yang dihasilkan oleh suatu

negara ke negara lain. Suatu negara dapat mengekspor suatu barang

atau jasa yang dihasilkannya ke negara-negara lain yang tidak dapat

menghasilkan sendiri barang-barang yang dihasilkan oleh negara


pengekspor tersebut. Dalam perdagangan internasional khususnya ekspor

mempunyai peranan penting, yakni sebagai motor penggerak

perekonomian nasional. Sebab ekspor dapat menghasilkan devisa, yang

selanjutnya dapat digunakan untuk membiayai impor dan menstimulus

pembangunan sektor-sektor di dalam negeri.

Impor merupakan pembelian barang yang dilakukan oleh suatu

negara kepada negara lain yang menghasilkan barang tersebut, Impor

dapat terjadi karena suatu negara tidak bisa menghasilkan barang-barang

modal dan berbagai jenis barang untuk keperluan pengembangan

berbagai jenis industri negaranya. Jika impor lebih besar daripada ekspor,

maka cadangan devisa akan berkurang atau neraca perdagangan akan

defisit.

2.2.1 Teori Penawaran Ekspor Penawaran suatu komoditi merupakan jumlah komoditi yang

ditawarkan oleh produsen kepada konsumen dalam suatu pasar pada

tingkat harga dan waktu tertentu. Beberapa faktor yang mempengaruhi

penawaran suatu komoditi adalah harga komoditi yang bersangkutan,

harga faktor produksi, tingkat teknologi, pajak dan subsidi (Lipsey et all,

1995).

Penawaran suatu komoditi selain untuk memenuhi permintaan

dalam negeri juga dimaksudkan untuk memenuhi permintaan masyarakat

luar negeri. Penawaran ekspor suatu komoditi dari suatu negara

merupakan selisih antara penawaran domestik dengan permintaan

domestik. Di lain pihak, negara lain membutuhkan komoditi tersebut

sebagai akibat dari kelebihan permintaan di negara tersebut, Berdasarkan

uraian tersebut maka teori penawaran ekspor bertujuan untuk menentukan

faktor-faktor yang mempengaruhi penawaran ekspor suatu negara.

Secara sistematis dapat dirumuskan sebagai berikut:

SXt = Qt – Ct + St-1 (2.1)

Dimana: SXt = Jumlah ekspor komoditi periode waktu t

Qt = Jumlah produksi domestik periode waktu t


Ct = Jumlah konsumsi domestik periode waktu t

St-1 = Stok periode waktu sebelumnya (t-1)

Dari Persamaan 2.1 dapat terlihat bahwa faktor-faktor yang

mempengaruhi penawaran ekspor pada dasarnya terdiri dari faktor-faktor

yang mempengaruhi produksi, konsumsi, dan stok.

2.2.2 Teori Permintaan Ekspor Permintaan ekspor suatu komoditi merupakan hubungan yang

menyeluruh antara kuantitas komoditi yang akan dibeli konsumen selama

periode tertentu pada suatu tingkat harga. Permintaan pasar suatu

komoditi merupakan penjumlahan secara horizontal dari permintaan-

permintaan individu suatu komoditi (Lipsey et all, 1995).

Dilihat dari segi permintaan, kegiatan ekspor diasumsikan sebagai

fungsi permintaan pasar internasional terhadap suatu komoditi yang

dihasilkan oleh suatu Negara. Permintan ekspor adalah permintaan pasar

internasional/negara tertentu terhadap suatu komoditi. Teori permintaan

ekspor bertujuan untuk menentukan faktor-faktor yang mempengaruhi

permintaan ekspor suatu negara.

Sebagai sebuah permintaan, ekspor suatu negara (PXt)

dipengaruhi oleh beberapa faktor, diantaranya harga domestik negara

tujuan ekspor (HDIt), harga impor negara tujuan (HIt), pendapatan

perkapita penduduk negara tujuan ekspor (YPIt) dan selera masyarakat

negara tujuan (CPIt). Secara keseluruhan fungsi permintaan ekspor suatu

komoditi dapat dirumuskan sebagai berikut:

PXt = f (HDIt; HIt; YPIt; CPIt) (2,2)

2.2.3 Teori Permintaan Impor Kegiatan mendatangkan barang maupun jasa dari luar negeri dapat

dipandang sebagai suatu fungsi permintaan. Oleh karena itu, Indonesia

yang melakukan impor baik terhadap barang-barang maupun jasa-jasa

yang dihasilkan oleh negara lain, pada dasarnya juga telah melakukan

suatu permintaan terhadap barang dan jasa tersebut. Seperti diketahui, di


dalam suatu teori permintaan terdapat variabel-variabel yang

mempengaruhi impor sebagai fungsi permintaan akan dijelaskan secara

singkat berikut ini: 1. Harga

Teori ekonomi mengatakan bahwa sesuai hukum permintaan, kurva

permintaan mempunyai kemiringan negatif yang dijelaskan sebagai

berikut: “When the price of a commodity is raised (and other things are

held constant), buyer tend to buy less of the commodity, Similarly, when

the price is lowered, other things equal, quantity demanded increased”

(Samuelson,1983). Hal ini menunjukkan bahwa jumlah permintaan sangat

tergantung pada harga barang tersebut. Dengan kata lain harga barang

akan menentukan jumlah permintaan terhadap suatu barang.

2. Tingkat Pendapatan

Penekanan kurva permintaan biasanya selalu diletakkan pada

keterkaitan antara jumlah dan harga dengan syarat ceteris paribus.

Namun demikian, sesungguhnya masih banyak faktor lain di luar harga

yang turut mempengaruhi permintaan akan suatu barang tersebut,

Beberapa ahli-ahli ekonomi seperti Paul A. Samuelson dan William D.

Nordhaus, mengatakan bahwa permintaan akan suatu barang juga

dipengaruhi oleh “…,,average level of income, the size of the population,

the prices and availability of related goods, individual tasted…,,”

(Samuelson, 1983). Selanjutnya juga dinyatakan bahwa “the average

income of consumers is a key determinated of demand, As people’s

income rise, they tend to buy more of almost everything…” (Samuelson,

1983). Dalam analisis selanjutnya, faktor-faktor seperti besarnya pasar

yang tercermin dari banyaknya penduduk, tersedianya barang substitusi

dan cita rasa yang sifatnya sangat subyektif bagi setiap individu akan

ditiadakan dan diperlakukan sebagai variabel pengganggu. Ahli ekonomi

lainnya, Lindert dan Kindleberger (dalam Samuelson, 1983), juga

menyatakan adanya hubungan antara permintaan dengan tingkat

pendapatan nasional suatu bangsa, khususnya permintaan akan barang

dan jasa dari luar negeri atau impor.


3. Nilai Tukar Mata Uang Asing

Seperti telah diketahui bahwa dalam kegiatan perdagangan yang

dilakukan antar negara di seluruh dunia (perdagangan internasional),

meliputi ekspor dan impor, alat pembayaran merupakan instrumen yang

penting. Dalam lingkup perdagangan domestik yang tidak melakukan

hubungan dagang dengan luar negeri, digunakan mata uang negara itu

sendiri sebagai alat pembayarannya. Sedangkan dalam perdagangan

internasional yang melibatkan dua negara yang berbeda mengharuskan

suatu alat pembayaran berupa mata uang yang dapat diterima oleh kedua

negara baik negara yang mengekspor maupun negara yang mengimpor

barang dan jasa tersebut.

Mata uang setiap negara mempunyai harga yang dinyatakan dalam

mata uang negara lainnya, Ini disebut sebagai kurs atau nilai tukar atau

exchange rate (Lindert dan Kindleberger, 1982). Hingga saat ini salah satu

mata uang yang bersifat internasional dalam arti bahwa mata uang

tersebut diakui oleh seluruh negara di dunia sebagai alat pembayaran

adalah mata uang dolar Amerika Serikat (USD). USD sebagai mata uang

internasional, atau sering disebut sebagai hard currency, mempunyai

suatu nilai yang diukur dengan mata uang masing-masing negara yang

bersangkutan, yaitu negara-negara pengekspor dan pengimpor. Nilai

inilah yang disebut sebagai nilai tukar mata uang dolar terhadap mata

uang masing-masing negara.

Indonesia sebagai negara yang melakukan ekspor maupun impor

atas barang dan jasa dari negara lain juga melakukan pembayaran

ataupun penerimaan pembayaran dengan menggunakan mata uang

internasional tersebut. Khusus dalam bidang impor, Lindert dan

Kindleberger dalam buku International Economics menyatakan bahwa

“Importing goods and services correspondingly tends to cause the home

currency to be sold in order to buy foreign currency” (Lindert dan

Kindleberger, 1982). Penjualan mata uang negara yang mengimpor,

dalam hal ini Indonesia dilakukan karena alat pembayaran yang diterima

negara lain, yaitu negara pengekspor adalah USD sehingga Rupiah


sebagai mata uang Indonesia harus ditukar atau dibelikan valuta asing

berupa dollar. Perubahan kurs mata uang USD terhadap Rupiah

mengakibatkan tingkat harga relatif impor suatu barang per unit

mengalami perubahan.

4. Selera (Taste)

Selera atau pola preferensi konsumen pada umumnya berubah dari

waktu ke waktu. Naiknya intensitas keinginan seseorang terhadap suatu

barang tertentu pada umumnya berakibat naiknya jumlah permintaan

terhadap barang tersebut. Begitu pula sebaliknya, turunnya selera

konsumen terhadap suatu barang akan berakibat turunnya jumlah

permintaan.

5. Harga barang-barang lain yang sejenis (subtusi) dan barang

pelengkap (komplementer)

Barang-barang konsumen pada umumnya mempunyai kaitan

penggunaan antara satu dengan yang lain. Kaitan penggunaan antar

kedua barang konsumsi pada dasarnya dapat dibedakan menjadi dua

macam yaitu saling mengganti (substitute relation) dan saling melengkapi

(complementarity relation). Dua barang dikatakan mempunyai hubungan

yang saling mengganti adalah apabila naiknya harga salah satu barang

mengakibatkan naiknya jumlah permintaan terhadap barang yang lain.

Sedangkan untuk hubungan yang saling melengkapi adalah apabila

naiknya harga salah satu barang mengakibatkan turunnya jumlah

permintaan terhadap barang yang lain.

2.3 Instrumen Kebijakan Perdagangan Internasional: Pengembangan Ekspor dan Pengendalian Impor

Perbedaan komparatif dan kompetitif antar negara yang mendasari

perdagangan internasional mengharuskan sebuah negara untuk

mengamankan kepentingan nasionalnya. Hampir semua negara di dunia

membuat hambatan perdagangan terutama impor agar arus barang yang

masuk dapat terkontrol. Di samping itu, perbedaan keunggulan komparatif

dan kompetitif juga menjadi dasar sebuah negara untuk meningkatkan


ekspor dengan menetapkan kebijakan-kebijakan yang mendukung pelaku

domestik. Beberapa instrumen kebijakan dalam perdagangan

internasional baik impor maupun ekspor, seperti hambatan tarif dan non-

tarif serta promosi dan diversifikasi ekspor akan dijelaskan dalam

beberapa subbab berikut.

2.3.1 Promosi Ekspor Strategi ekspor merupakan salah satu faktor yang berkontribusi

terhadap pertumbuhan ekonomi suatu negara dan terdapat korelasi yang

kuat antara strategi ekspor dan pertumbuhan ekonomi suatu negara

(Krueger, 1983). Cara sebuah negara menyusun strategi ekspornya

bergantung kepada aspek budaya, hukum, dan lingkungan politik serta

pembangunan ekonomi negara yang bersangkutan (Seringhaus dan

Rosson,1990). Selain itu, juga harus diindikasikan beberapa nuansa

antara promosi ekspor tradisional (traditional export) dan produk-produk

ekspor baru (new export products). Ekspor tradisional hanya akan

berpengaruh terhadap pertumbuhan ekspor (export growth), sementara

produk-produk ekspor baru yang salah satunya adalah diversifikasi ekspor

(baik diversifikasi geografis maupun diversikasi produk) yang sangat

penting bagi pengembangan ekspor (export development).

Secara umum, promosi ekspor adalah bagian yang paling penting

dalam kebijakan perdagangan di banyak negara. Promosi ekspor memiliki

makna melakukan kebijakan perdagangan aktif. Dalam beberapa dekade

terakhir, strategi promosi ekspor dilakukan di negara-negara berkembang

dan di negara-negara yang mengalami masa transisi. Kebijakan promosi

ekspor dalam konteks sebagai sebuah rule adalah suatu fase dari

kebijakan perdagangan dalam kondisi sosial, ekonomi, dan politik tertentu.

Dewasa ini program-program promosi ekspor menyediakan pelayanan

yang komprehensif dan canggih terhadap komunitas bisnis.

Isu mengenai peran dari program-program dalam strategi promosi

ekspor mendapat perhatian yang luar biasa dari dua perspektif cabang

pemikiran ekonomi yang saling bertentangan. Satu pihak memandang


bahwa program promosi ekspor sebagai subsidi akan mendistorsi

perdagangan bebas. Distorsi tersebut diasumsikan akan mendorong

misalokasi sumberdaya dan akan mengakibatkan turunnya kesejahteraan

global (Bhagwati, 1990 serta Bhagwati, Ramaswami dan Srinivasan,

1969).

2.3.2 Diversifikasi Ekspor Diversifikasi ekspor pada intinya adalah usaha penganekaragaman

produk atau perluasan pasar ekspor. Salah satu definisi diversifikasi

ekspor menurut Ali, Alwang, dan Siegel (1991) adalah ketika terjadi

perubahan dalam bauran komposisi produk ekspor yang tersedia di suatu

negara atau tujuan ekspor atau ketika terjadi penyebaran produksi di

banyak sektor (Berthelemy dan Chauvin, 2000). Bagi banyak negara

berkembang, dan sebagai bagian dari pertumbuhan ekonomi yang

didorong oleh ekspor, diversifikasi ekspor dipandang sebagai kemajuan

dari ekspor yang bersifat tradisional kepada ekspor yang bersifat non-

tradisional. Dengan membangun basis ekspor yang lebih luas, diversifikasi

ekspor dapat mengurangi instabilitas penerimaan ekspor, meningkatkan

penerimaan ekspor, meningkatkan nilai tambah, dan meningkatkan

pertumbuhan ekonomi melalui berbagai saluran. Kesemua hal tersebut

termasuk meningkatnya kapabilitas teknologi melalui pelatihan teknis dan

keilmuan serta proses learning by doing, serta fasilitasi keterkaitan ke

depan dan ke belakang (forward and backward linkages) di dalam output.

Dari beberapa aktivitas tersebut, kemudian menjadi input dari aktivitas-

aktivitas yang lain, peningkatan kecanggihan pasar, skala-skala ekonomi

dan eksternalitas, dan substitusi komoditas yang mengalami trend harga

positif untuk komoditas-komoditas yang mengalami trend penurunan

harga.

Di dalam literatur perdagangan, diversifikasi ekspor dapat memiliki

beberapa dimensi dan dapat dianalisis pada level-level yang berbeda. Ada

dua bentuk diversifikasi ekspor yang dikenal yakni diversifikasi ekspor

horisontal dan diversifikasi ekspor vertikal. Diverfisikasi horisontal terjadi di


dalam sektor yang sama (primer, sekunder atau tersier) dan melibatkan

penyesuaian di dalam bauran ekspor suatu negara dengan menambahkan

produk-produk baru pada keranjang ekspor yang ada di dalam sektor yang

sama, dengan harapan untuk memitigasi risiko ekonomi (untuk

menghindari instabilitas atau penurunan harga internasional) dan risiko-

risiko politik.

Sementara itu, diversifikasi vertikal pada pemrosesan barang-

barang manufaktur domestik, dapat diartikan sebagai suatu pergeseran

dari sektor primer ke sektor sekunder atau sektor tersier. Diversifikasi

vertikal ini ditujukan untuk meningkatkan nilai guna produk-produk yang

sudah ada dengan melakukan aktivitas untuk meningkatkan nilai tambah

seperti pemrosesan, pemasaran atau jasa-jasa lainnya. Diversifikasi

vertikal dapat memperluas peluang-peluang pasar dan membantu

peningkatan pertumbuhan dan stabilitas ekonomi karena barang-barang

yang diolah memiliki harga yang lebih bagus dibandingkan dengan bahan-

bahan mentah. Selain kedua diversifikasi tersebut, diversifikasi diagonal

juga sering dirujuk dalam berbagai literatur. Diversifikasi ini melibatkan

pergeseran dari input-input yang diimpor ke dalam sektor sekunder dan

sektor tersier.

Persyaratan-persyaratan untuk berhasilnya diversifikasi horisontal,

vertikal atau diagonal sangat bervariasi dan bergantung kepada

kemampuan (skills) dan investasi modal, teknologi, dan kompetensi-

kompetensi manajerial serta kemampuan dalam hal pemasaran,

Pertumbuhan ekspor dalam jangka panjang yang berkelanjutan

memerlukan diversifikasi horisontal (misalnya dengan penambahan

produk-produk baru dari produk-produk yang sudah ada) dan diversifikasi

vertikal (misalnya bergerak dari komoditas berbasis bahan mentah kepada

produk-produk manufaktur yang memiliki nilai tambah yang lebih tinggi).

Hal ini dapat dicapai baik dengan penyesuaian pangsa komoditas-

komoditas dalam bauran ekspor yang sudah ada atau dengan

penambahan produk-produk baru ke dalam bauran ekspor.


2.3.3 Tarif Tarif merupakan pengenaan pajak atau custom duties terhadap

barang-barang yang melewati batas suatu negara. Dilihat dari aspek asal

komoditi (barang/produk), ada dua macam tarif yaitu (Salvatore,1997):

1. Tarif impor, adalah pajak yang dikenakan untuk setiap komoditi

yang diimpor dari negara lain.

2. Tarif ekspor, adalah pajak untuk suatu komoditi yang diekspor.

Sementara bila ditinjau dari mekanisme perhitungannya, ada tiga jenis

tarif, yaitu:

1. Tarif ad valorem adalah pajak yang dikenakan berdasarkan angka

persentase tertentu dari nilai barang-barang yang diimpor.

2. Tarif spesifik dikenakan sebagai beban tetap per unit barang yang

diimpor.

3. Tarif campuran adalah gabungan antara tarif ad valorem dengan

tarif spesifik.

Tarif merupakan bentuk kebijakan perdagangan yang paling tua

dan secara tradisional telah digunakan sebagai sumber penerimaan

pemerintah sejak lama. Maksud utama pengenaan tarif biasanya tidak

semata-mata untuk memperoleh pendapatan pemerintah, melainkan juga

sebagi alat untuk melindungi sektor-sektor tertentu di dalam negeri dan

tekanan persaingan produk impor. Namun, peranan tarif kini telah

menurun dalam era modern sekarang ini. Hal ini disebabkan pemerintah

dari berbagai negara lebih suka dan terbiasa melindungi industri-industri

domestik mereka dengan memberlakukan berbagai macam dan bentuk

hambatan non-tarif seperti kuota impor ataupun kuota ekspor (Krugman

dan Obstfeld, 2003).

2.3.4 Hambatan Non Tarif (Non-Tariff Barrier) Salah satu bentuk hambatan impor bukan tarif adalah kuota. Kuota

adalah pembatasan secara langsung jumlah fisik terhadap barang yang

masuk (kuota impor) dan keluar (kuota ekspor). Pemberlakuan kuota

impor memberikan dampak-dampak terhadap konsumsi dan produksi

seperti yang ditimbulkan oleh penerapan tarif impor yang setara.


Penyesuaian terhadap setiap pergeseran dalam kurva permintaan atau

kurva penawaran sehubungan dengan adanya kuota impor akan terjadi

pada kuantitas domestik. Sedangkan jika yang diberlakukan adalah tarif

impor, maka penyesuaian tersebut akan terjadi pada harga komoditas

impor. Secara umum, kuota impor itu lebih menghambat daripada tarif

impor yang setara. Kuota impor biasanya dikenakan terhadap bahan

mentah sebagai barang perdagangan penting serta di bawah suatu

pengawasan badan internasional.

Lebih lanjut Krugman dan Obstfeld (2004) menyatakan bahwa

perbedaan dampak yang ditimbulkan oleh kuota dibandingkan dengan tarif

terletak pada pendapatan negara. Dengan menerapkan kuota, pemerintah

tidak memperoleh pendapatan secara langsung. Jika pemerintah memilih

untuk memberlakukan kuota, bukannya tarif, untuk membatasi impor maka

besarnya pendapatan yang akan diperoleh dengan mengenakan tarif

masih dapat diperoleh dengan cara memungutnya dari siapa saja yang

menerima lisensi impor. Pemegang lisensi dapat mengimpor suatu produk

yang dikenai kuota dan menjualnya di dalam negeri dengan harga yang

lebih tinggi. Dalam menghitung biaya dan manfaat dari pembatasan impor,

masalah utamanya adalah menentukan siapa yang memperoleh

keuntungan (rents). Jika hak menjual di pasaran dalam negeri diberikan

kepada pemerintah negara pengekspor, maka alih keuntungan ke luar

negeri menyebabkan biaya pengenaan kuota menjadi jauh lebih besar

daripada biaya atau kerugian yang ditimbulkan oleh instrumen tarif.

Berbagai macam restriksi atau hambatan non-tarif telah

menggantikan peranan tarif di masa sebelumnya, ini merupakan ancaman

bagi kelangsungan dan perkembangan perdagangan internasional yang

bebas. Penggunaan hambatan perdagangan ini pada intinya bertentangan

dengan semangat pasar bebas (liberalisasi) yang diusung WTO.

Penggunaan kebijakan non-tarif (NTMs) oleh negara-negara di

dunia meningkat tajam seiring dengan banyaknya kerja sama ekonomi di

bidang liberalisasi tarif. NTMs didefinisikan sebagai langkah-langkah

kebijakan yang memiliki efek membatasi perdagangan tanpa melanggar


hukum perdagangan internasional sedangkan hambatan non-tarif (NTBs)

didefinisikan sebagai instrumen kebijakan yang melanggar hukum

perdagangan internasional (www.oecd.org). NTMs dapat mencakup

persyaratan dokumentasi dan biaya kepabeanan serta pengaturan

kebijakan seperti penerapan standar. Sedangkan klasifikasi kebijakan

non-tarif menurut OECD adalah mencakup: para-tariff measures, price

control measures, finance measures, automatic licensing measures,

quantity control measures, monopolistic measures, technical measures,

dan miscellaneous measures.

Penerapan kebijakan non-tarif diizinkan menurut hukum

perdagangan internasioanal dengan catatan ditujukan untuk melindungi

kesehatan, keamanan, keselamatan, sanitasi, nutrisi, keagamaan, atau

untuk melindungi sumber daya alam yang tidak dapat diperbaharui dan

tidak menciptakan unnecessary barriers. Apabila NTMs yang diterapkan

tidak berdasarkan scientific basis serta melanggar hukum perdagangan

internasional, sebagai contoh hanya untuk memberikan manfaat pada

produsen domestik, tidak berdasar pada prinsip-prinsip standar dan

diimplementasikan secara diskriminatif maka NTMs tersebut dikategorikan

menjadi NTBs. Dengan kata lain hambatan non-tarif adalah kebijakan non-

tarif yang menyebabkan unfair impediments pada perdagangan, Jenis-

jenis hambatan non-tarif antara lain mencakup kuota impor, label, sanitary

& phutosanitary (SPS), hambatan teknis, larangan impor, dan

perlindungan hak kekayaan intelektual.

Kebijakan non-tarif digunakan oleh negara-negara dengan tujuan

untuk mencapai effectiveness, consistency, predictability dan trade

defense. Namun pada kenyataannya seringkali NTMs disalahgunakan

oleh suatu negara yang bertujuan untuk melindungi ekonomi suatu negara

khususnya perusahaan-perusahaan tertentu yang tidak efisien dan

kompetitif. NTMs dapat diterapkan oleh suatu negara sepanjang sifat

kebijakan tersebut tidak diskriminatif serta informasi mengenai kebijakan

dimaksud dapat diakses dengan mudah dan sesuai dengan standar

global.


2.4 Proyeksi Ekspor dan Impor Penyusunan target ekspor dan impor dalam kajian ini tidak lepas

dari metode proyeksi (forecasting). Metode proyeksi mencakup analisis

data deret waktu dengan satu ragam variabel (univariate) maupun dengan

bebeberapa variabel yang bersifat kausal (multivariate). Dalam penelitian

empiris pendekatan univariate lazim dipakai karena kesederhanaan

metode dan mampu menghasilkan akurasi yang tinggi.

Pada umumnya, langkah awal sebelum memilih suatu model

analisis yang dianggap sesuai adalah melakukan eksplorasi data.

Eksplorasi data melalui analisis statistik deskriptif serta grafik yang

berguna untuk mengidentifikasi perilaku data. Karakteristik teramati antara

lain mencakup empat komponen pertanyaan yaitu: (i) ada atau tidaknya

trend, (ii) apakah terdapat pola musiman, (iii) apakah terdapat siklus

tertentu, (iv) bagaimana perilaku irregular term data tersebut. Selain itu,

terdapat beberapa syarat yang diperlukan dalam metode proyeksi,

diantaranya: (i) ketersediaan informasi yang lalu, (ii) kuantifikasi informasi

masa lalu, (iii) asumsi pola dalam data historis berlaku untuk periode yang

akan datang. Beberapa metode analisis univariate yang sering digunakan

dalam penelitian empiris diantaranya metode pemulusan (smoothing),

Box-Jenkins (Autoregressive Integrated Moving Average/ARIMA),

Autoregressive Conditional Heteroskedasticity (ARCH), dan Generalized

Autoregressive Conditional Heteroskedasticity (GARCH).

Mengingat bahwa tujuan dari peramalan adalah untuk memperoleh

hasil ramalan yang akurat maka kriteria yang dipergunakan untuk memilih

model yang dianggap terbaik adalah akurasi. Meski demikian,

pertimbangan lain yang umumnya digunakan dalam penerapan metode

peramalan yakni kesederhanaan. Maknanya adalah jika dari beberapa

pendekatan diperoleh tingkat akurasi peramalan yang kurang lebih sama

maka seyogyanya pilihan diarahkan pada pendekatan yang lebih

sederhana, yakni metode yang relatif lebih mudah teknik komputasinya,

estimasi parameter yang lebih sedikit, dan ketersediaan data yang lebih

mudah.


Selain metode univariate, kajian ini juga mencoba untuk

menggunakan metode multivariate untuk menghasilkan proyeksi ekspor

dan impor Indonesia dalam jangka waktu 2015-2019. Pada model

multivariate, substansi permasalahan terletak pada hubungan kausal antar

variabel. Untuk itu, diperlukan ketersediaan data beberapa variabel yang

mempunyai hubungan kausal atau saling mempengaruhi. Variabel yang

akan dibuat proyeksi diperlakukan sebagai dependent variable,

sedangkan variabel-variabel yang dihipotesakan mempengaruhi perilaku

dependent variable tersebut adalah independent variable.

Metode proyeksi multivariate yang banyak digunakan adalah

dengan menggunakan metode ekonometrik sistem persamaan tunggal

seperti Ordinary Least Square (OLS) maupun Vector Autoregressive

(VAR). Proyeksi dilakukan berdasarkan hasil pendugaan koefisien

parameter yang tercakup dalam model tersebut. Jika dibandingkan

dengan model univariate, kelebihan model multivariate adalah

ketersediaan informasi mengenai faktor-faktor yang mempengaruhi

perilaku variabel yang akan diproyeksi. Sedangkan dari sisi kelemahan,

terutama terkait dengan kebutuhan data yang lebih banyak dan

melibatkan langkah-langkah penyesuaian dalam pembentukan model,

serta tingkat akurasi peramalan yang umumnya lebih rendah daripada

peramalan dengan menggunakan pendekatan univariate (Surachman dkk,

2009).

2.5 Penelitian Terdahulu Pada kajian ini, baik variabel maupun metode yang digunakan

merupakan sintesa dari beberapa penelitian yang telah dilakukan

sebelumnya sebagai berikut:

1. Penelitian Siddique (1997) yang berujudul Estimation of an Import

Demand Function for Indonesia: 1971-93. Penelitian ini bertujuan

untuk mengestimasi fungsi permintaan agregrat impor Indonesia

serta implikasi dari impor. Penelitian ini mengestimasi GDP riil dan

harga relatif impor dalam bentuk log linear dengan menggunakan


metode OLS sebagai pendekatan yang paling tepat untuk

menjelaskan fungsi permintaan impor. Hasil penelitian tersebut

menunjukkan bahwa pendapatan dan harga merupakan determinan

penting dalam permintaan impor. Elastisitas pendapatan dan harga

menunjukkan nilai yang signifikan. Permintaan impor Indonesia,

dalam penelitian tersebut elastis terhadap pendapatan dan inelastis

terhadap harga impor.

2. Penelitian Aydin, Çiplak, dan Yücel (2004) dengan judul Export

Supply and Import Demand Models for the Turkish Economy.

Tujuan penelitian ini adalah untuk mengestimasi variabel ekspor,

impor, GDP riil, nilai tukar riil, harga ekspor, unit labor costs dengan

menggunakan dua metode penelitian yakni Single Equation Models

dan Vector Auto Regressions (VAR) Analysis. Hasil penelitian

dengan menggunakan Single Equation Model menunjukkan bahwa

impor dapat dijelaskan oleh nilai tukar riil dan pendapatan nasional

sedangkan ekspor ditentukan oleh unit labor costs, harga ekspor,

dan pendapatan nasional. Nilai elastisitas pendapatan nasional

terhadap impor lebih tinggi daripada nilai elastisitas pendapatan

ansional terhadap ekspor. Selain itu, hasil penelitian dengan

menggunakan model VAR juga menunjukkan hasil yang sama

dengan yang dihasilkan oleh single equation model. Hasil analisa

VAR menunjukkan nilai tukar hanya signifikan dalam

mempengaruhi impor. Dengan demikian, nilai tukar, sebagai

determinan neraca perdagangan, berdampak terhadap defisit

neraca perdagangan melalui impor, bukan ekspor. Depresiasi nilai

tukar tidak menyebabkan naiknya ekspor namun memperkecil

impor sehingga memperkecil defisit neraca perdagangan.

3. Penelitian Khan (2011) yang berjudul Identifying an Appropriate

Forecasting Model for Forecasting Total Import of Bangladesh.

Penelitian ini bertujuan untuk membandingkan dan mencari model

proyeksi yang paling tepat dengan error paling minimum dalam

memproyeksi impor di Bangladesh. Model proyeksi yang digunakan


adalah metode seasonal Holts’ Winter, seasonal ARIMA, dan VAR.

Variabel yang digunakan dalam penelitian tersebut adalah total

impor total, total ekspor, selisih aset luar negeri (net foreign asset),

kredit dalam negeri, nilai tukar, tingkat inflasi. Dari hasil

membandingkan di antara 3 model, maka model VAR memberikan

nilai error peramalan yang kecil dari semua aspek penilaian error

yang terdiri dari Mean Error (ME), Mean Squared Error (MSE),

Mean Percentage Error (MPE), dan Mean Absolute Percentage

Error (MAPE)) sehingga model VAR merupakan model yang paling

tepat untuk peramalan impor Bangladesh.

4. Penelitian Chani, Pervais, dan Chaudary (2011) dengan judul

Determination of Import Demand in Pakistan: The Role of

Expenditure Componen. Penelitian ini bertujuan untuk melihat

pengaruh komponen pengeluaran terhadap impor di Pakistan.

Teknik yang digunakan untuk mengestimasi jangka panjang adalah

Johansen Cointegration sedangkan dalam jangka pendek

digunakan Vector Error Correction Model (VECM). Dalam penelitian

ini, variabel yang digunakan sebagai variabel penjelas dalam fungsi

permintaan impor adalah komponen dari GDP seperti pengeluaran

konsumsi, investasi, dan ekspor. Selain itu juga digunakan variabel

rasio harga impor terhadap harga domestik. Hasil penelitian

tersebut menunjukkan bahwa dalam jangka panjang dan jangka

pendek, semua komponen pengeluaran (pengeluaran konsumsi,

investasi, dan ekspor) secara signifikan dan positif berpengaruh

terhadap permintaan impor di Pakistan. Hal ini mengindikasikan

bahwa pertumbuhan ekonomi akan mendorong peningkatan

permintaan impor di Pakistan sesuai teori Keynes. Namun,

pengaruh harga relatif impor negatif dan tidak signifikan, baik dalam

jangka panjang maupun dalam jangka pendek. Hal ini

mencerminkan bahwa kebijakan substitusi impor yang diadopsi

oleh Pakistan sejak tahun 1950 tidak berhasil mencapai target

dalam memproduksi substitusi impor.


5. Penelitian Kementerian Perdagangan Republik Indonesia (2011)

tentang Penetapan Target Pertumbuhan Ekspor Non Migas

sebagai salah satu indikator kinerja utama Kementerian

Perdagangan. Pada kajian tersebut, dalam menetapkan target

pertumbuhan ekspor non migas digunakan model ekonomterika

dengan menggunakan data time series 1980-2010. Hasil penelitian

menunjukkan bahwa ekspor non migas dipengaruhi secara

signifikan oleh pertumbuhan ekonomi dunia dan pola ekspor di

tahun-tahun sebelumnya. Sementara itu, nilai tukar tidak

berpengaruh signifikan terhadap kinerja ekspor. Selain menetapkan

target ekspor, kajian ini juga bertujuan untuk menetapkan target

jumlah tenaga kerja yang tercipta di sektor industri pengolahan

akibat ekspor non migas dan target kebutuhan investasi

(Pembentukan Modal Tetap Bruto/PMTB) tahunan untuk periode

tahun 2011-2014. Dengan menggunakan model Input-Output,

diperoleh hasil penelitian bahwa penyerapan tenaga kerja secara

keseluruhan akibat adanya pencapaian ekspor non migas

Indonesia selama periode tahun 2011-2014 adalah selalu di atas

nilai 3 persen per tahun, atau sekitar 4 juta tenaga kerja yang dapat

diserap per tahunnya.

6. Penelitian Rahmaddi dan Ichisashi (2012) dengan judul How Do

Foreign and Domestic Demand Affect Exports Performance? An

Econometric Investigation of Indonesia’s Exports. Penelitian ini

bertujuan untuk menganalisis permintaan domestik dan

internasional terhadap ekspor Indonesia dalam model permintaan

dan penawaran. Metode Two Stage Least Square (2SLS)

digunakan untuk meneliti variabel kuantitas ekspor (Nilai ekspor

riil), indeks harga ekspor (rasio nilai ekspor riil (konstan) terhadap

nilai ekspor nominal (current), tren GDP riil dunia, siklus GDP riil

dunia, harga domestik (whole sale price index), tren output riil

(trend linier pada log output riil), deviasi tren pendapatan, dan

variabel boneka (dummy variable) yakni gejolak ekspor tahun 1999


(exports shock), gejolak harga minyak (oil price shocks), liberalisasi

perdagangan, dan krisis ekonomi Asia. Hasil penelitian

menunjukkan bahwa harga relatif dan pendapatan dunia memiliki

pengaruh yang signifikan terhadap permintaan ekspor Indonesia.

Dalam jangka panjang, nilai elastitisatas harga relatif ekspor

sebesar 1,88 menunjukkan bahwa permintaan ekspor Indonesia

cukup sensitif terhadap harga. Hal ini juga menunjukkan bahwa

ekspor Indonesia telah bergeser dari komoditi primer ke produk-

produk manufaktur. Sementara itu elastisitas trend pendapatan juga

memiliki nilai yang sangat tinggi yakni sebesar 2,62. Hal ini

menunjukkan bahwa permintaan ekspor Indonesia sangat responsif

terhadap perubahan pendapatan.


BAB III

METODE PENELITIAN

3.1 Kerangka Kerja Konseptual Dari tinjauan pustaka pada Bab II dapat dirangkum bahwa kinerja

ekspor dan impor Indonesia dipengaruhi oleh berbagai faktor. Kinerja

ekspor agregat dapat dipengaruhi oleh pendapatan (GDP) dunia, nilai

tukar riil, harga internasional, dan populasi dunia. Sementara itu, kinerja

impor agregat dapat dipengaruhi oleh pendapatan domestik, nilai tukar riil;

jumlah penduduk nasional, harga produk impor, inflasi, Foreign Direct

Investment (FDI), dan cadangan devisa. Berbagai variabel penjelas ini

yang nantinya digunakan untuk memproyeksikan pertumbuhan nilai

ekspor dan impor agregat menggunakan model VAR. Setelah itu,

diproyeksikan pertumbuhan nilai ekspor berdasarkan sektor migas dan

non migas, maupun kelompok komoditi ekspor primer dan manufaktur

menggunakan model ARIMA. Demikian pula nilai impor sektoral

berdasarkan bahan baku/penolong, barang modal, dan konsumsi

diproyeksikan menggunakan metode exponential smoothing dan model

ARIMA. Hasil pemodelan ekspor dan impor sektoral akan diselaraskan

dengan hasil pemodelan ekspor dan impor agregat untuk memperoleh

nilai proyeksi yang masuk akal. Hasil proyeksi ekspor dan impor kemudian

akan dimintakan pendapat dari para ahli (expert judgement) melalui FGD.

Hasil akhir yang ingin diperoleh tentu saja rekomendasi target ekspor dan

impor, Adapun kerangka kerja konseptual penelitian dapat dilihat pada

Gambar 3.1.


Gambar 3.1 Kerangka Kerja Konseptual Penelitian

3.2 Pendekatan Penelitian Penelitian ini mengutamakan pendekatan kualitatif untuk menyusun

proyeksi ekspor dan impor melalui pemodelan ekonometrik. Selain itu,

digunakan pula pendekatan kualitatif (expert judgement) yang melibatkan

dan menggunakan informasi dari berbagai stakeholder melalui FGD dan

diskusi terbatas. Hal ini dilakukan untuk melengkapi hasil dari analisis data

sekunder yang diperoleh dari instansi terkait seperi BPS. Kementerian

Perdagangan, Kementerian Perindustrian, dan Bank Indonesia. Kombinasi

kedua pendekatan ini dimaksudkan agar target ekspor impor jangka

menengah menjadi lebih komprehensif dan diharapkan dapat

menghasilkan besaran target ekspor impor yang masuk akan dan jikapun

meleset, diharapkan tidak akan jauh dari target yang ditetapkan.

3.3 Data dan Teknik Pengumpulan Data Data yang digunakan dalam penelitian ini terdiri dari data primer

dan data sekunder. Data primer dikumpulkan melalui teknik wawancara

AGREGAT SEKTOR/KOMODITI

EKSPORPendapatan dunia; Nilaitukar riil; Hargainternasional; Populasidunia

IMPORPendapatan domestik; Nilaitukar riil; Jumlah pendudukdomestik; Harga impor; Inflasi; Investasi; CadanganDevisa;

Non-migas

Produk Primer

Produk Manufaktur

Bahan Baku/Penolong

Barang Modal

Barang Konsumsi

ProyeksiEKSPOR

ProyeksiIMPOR

• data kuartalan• Model VAR, Model OLS

• data bulanan, kuartalan• Model ARIMA, Model VARFGD

Migas


dengan stakeholder terkait maupun dengan melakukan Focus Group

Discussion (FGD). Hal ini dimaksudkan agar respon yang didapat dari

para stakeholder dan ahli menjadi lebih beragam. Selain itu, data

sekunder diperoleh dari Badan Pusat Statistik, Kementerian Perdagangan,

Bank Indonesia, IMF, serta sumber-sumber lain yang berasal dari

beberapa penerbitan dana studi-studi yang relevan dengan penelitian ini.

3.4 Teknik Analisis Penyusunan target ekspor dan impor untuk mendukung RPJM

2015-2019 tidak terlepas dari metode peramalan (proyeksi), baik secara

kuantitatif maupun kualitatif. Metode peramalan kuantitatif dilakukan

menggunakan data yang dikumpulkan dari waktu ke waktu. Asumsi yang

digunakan adalah bahwa perubahan nilai variabel mengikuti pola yang

terjadi pada periode yang lalu (historical pattern) dan memiliki hubungan

antar variabel yang diamati. Kelemahan dari teknik peramalan ini adalah

bahwa jika perubahan nilai variabel yang akan diramal tidak mengikuti

pola masa lalu (asumsi yang digunakan tidak terpenuhi), maka akan

menghasilkan ramalan yang bias.

Untuk membuat ramalan nilai variabel yang perubahannya tidak

mengikuti pola historis dapat dilakukan dengan teknik peramalan kualitatif

(qualitative forecasting/judgement methods). Peramalan nilai variabel

dengan teknik ini sangat dipengaruhi oleh tingkat intuisi, pengalaman,

pengetahuan, dan lain-lain faktor yang dimilki oleh pembuat ramalan

(forecasting). Namun demikian, peramalan dapat pula menggunakan

kombinasi keduanya. Peramalan kuantitatif didasarkan pada pengamatan

terhadap pola masa lalu. Untuk membuat ramalan di masa mendatang

diperlukan pula judgement berdasarkan intuisi dan perasaan yang

membuat ramalan. Oleh karena itu, kedua metode berfungsi saling

melengkapi (Wardhani dan Algifari, 2007).

Berkaitan dengan kajian penyusunan target ekspor dan impor

2015-2019 ini, akan digunakan metode peramalan baik secara kuantitatif

maupun kualitatif. Peramalan dengan metode kuantitatif dengan


menggunakan teknik analis Vector Autoregressive (VAR) atau

Autoregresive Integrated Moving Average (ARIMA). Justifikasi nilai target

ekspor dan impor yang akan direkomendasikan mempertimbangkan hasil

analisis VAR, ARIMA, maupun analisis trend. Kombinasi beragam metode

ini diharapkan dapat memberikan hasil berupa target ekspor dan impor

yang lebih masuk akal dan komprehensif untuk mendukung RPJM 2015-

2019.

3.4.1 Regresi Linear Berganda (Ordinary Least Square) Metode ekonometrika yang digunakan dalam kajian ini salah

satunya adalah regresi linear berganda (Ordinary Least Square/OLS). Inti

metode OLS adalah mengestimasi suatu garis regresi dengan jalan

meminimalkan jumlah dari kuadrat kesalahan setiap observasi terhadap

garis tersebut. Tujuan utama metode OLS adalah mengestimasi fungsi

regresi populasi berdasarkan fungsi regresi sampel (Kuncoro, 2011).

Selanjutnya, OLS digunakan untuk menganalisis determinan yang

mempengaruhi ekspor dan impor Indonesia. Persamaan dalam model

OLS ini terbagi menjadi persamaan ekspor dan persamaan impor. Bentuk

umum persamaan ekspor dapat dituliskan sebagai berikut:

Fungsi Agregat Ekspor

Xt = α0 + β1GDPt + β2INFt + β3REERt + β4IMP_BBPt + β5P_BBMt + β6POPt

+ εt (3.1)

dimana:

X = Nilai Ekspor

GDP = Produk Domestik Bruto Dunia

INF = Inflasi Dunia

REER = Nilai Tukar Rupiah terhadap USD

IMP_BBP = Impor Bahan Baku

P_BBM = Harga Minyak Dunia

POP = Populasi Dunia

ε = galat

t = periode pada waktu t


Sementara, bentuk umum dari persamaan impor dapat dituliskan

sebagai berikut:

Fungsi Agregat Impor

Mt = α0 + β1GDP_KPTt + β2Ct + β3It + β4Pt + β5EXt + εt (3.2)

dimana:

Mt = Nilai Impor

GDP_KPT = Produk Domestik Bruto per Kapita

C = Total Pengeluaran Konsumsi Akhir

I = Pengeluaran Investasi (PMTB)

P = Harga Barang Impor

Ex = Nilai tukar Rupiah terhadap USD

εt = galat

t = periode pada waktu t

3.4.2 Vector AutoRegressive (VAR) Penggunaan pendekatan struktural atas pemodelan persamaan

simultan biasanya menerapkan teori ekonomi di dalam usahanya untuk

mendeskripsikan hubungan antar variabel yang ingin diuji. Akan tetapi

sering ditemukan bahwa teori ekonomi saja ternyata tidak cukup kaya

dalam menyediakan spesifikasi yang ketat dan tepat atas hubungan

dinamis antar variabel. Terkadang proses estimasi dan inferensi bahkan

menjadi lebih rumit karena keberadaan variabel endogen di kedua sisi

persamaan (endogenitas di sisi dependen dan independen). Model VAR

ciptaan Sims (1980) kemudian muncul sebagai jalan keluar atas

permasalahan ini melalui pendekatan non strukturalnya.

VAR merupakan suatu sistem persamaan yang memperlihatkan

setiap peubah sebagi fungsi linier dari konstanta dan nilai lag dari peubah

itu sendiri sebagi nilai lag dari peubah lain yang ada dalam sistem yang

mengasumsikan bahwa semua variabel yang terdapat dalam model

bersifat endogen (ditentukan di dalam model). Oleh karena itu, metode

VAR disebut sebagai model yang a-teoritis (tidak berlandaskan teori).

Metode ini digunakan karena sering kita jumpai keadaan dimana teori


ekonomi saja ternyata tidak mampu menangkap (tidak cukup kaya

menyediakan spesifikasi) secara tepat dan lengkap hubungan dinamis

antar variabel. Atau dengan kata lain, model VAR tidak banyak

bergantung pada teori, melainkan perlu menentukan variabel yang saling

berinteraksi, serta banyaknya variabel jeda yang perlu diikutsertakan

dalam model tersebut (Nachrowi dan Usman, 2006: 289).

Kelebihan metode VAR dibanding metode ekonometrik lainnya

menurut Gujarati (2004) dan Enders (2004) adalah:

1. Metode VAR bebas dari berbagai batasan teori ekonomi yang

sering ada, seperti variabel endogen dan eksogen palsu;

2. VAR mengembangkan model secara bersamaan dalam sistem

multivarian yang kompleks, sehingga dapat menangkap semua

hubungan antar variabel dalam persamaan;

3. Tes VAR multivarian dapat menghindari parameter yang bias

karena menyampingkan variabel yang relevan;

4. Tes VAR dapat mendeteksi semua hubungan antar variabel dalam

sistem persamaan dengan memperlakukan semua variabel.

endogen;

5. Metode VAR adalah metode sederhana, dimana tidak perlu

menentukan mana variabel yang endogen dan mana yang

eksogen. Semua variabel pada model VAR dapat dianggap

sebagai variabel endogen

6. Estimasi VAR sederhana, karena metode umum OLS dapat

digunakan pada masing‐masing persamaan secara terpisah; dan

7. Prediksi estimasi yang diperoleh, lebih baik dalam berbagai kasus

dibandingkan dengan model simulataneous‐equation yang lebih

rumit.

Sekalipun banyak kelebihan, model VAR tetap memiliki sisi lemah

yang diringkas oleh Nachrowi dan Usman (2006: 291) diantaranya,

1. Model VAR lebih bersifat a-teoritik karena tidak memanfaatkan

informasi atau teori terdahulu, sehingga tidak struktural;


2. Mengingat tujuan utama model VAR untuk peramalan, maka

model VAR kurang cocok untuk analisis kebijakan yang bersifat

jangka panjang;

3. Pemilihan banyaknya lag yang digunakan sering menimbulkan

permasalahan;

4. Semua variabel dalam VAR harus stasioner, jika tidak maka harus

ditransformasi;

5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak

mudah.

Secara garis besar terdapat empat hal yang ingin diperoleh dari

pembentukan sebuah sistem persamaan, antara lain: deskripsi data,

peramalan, inferensi structural dan analisis kebijakan. VAR menyediakan

alat analisa bagi keempat hal tersebut melalui empat macam

penggunaannya, yaitu: Forecasting, ekstrapolasi nilai saat ini dan masa

depan seluruh variabel dengan memanfaatkan seluruh informasi masa

lalu variabel; Impulse Response Function (IRF), melacak respon saat ini

dan masa depan setiap variabel akibat perubahan atau shock suatu

variabel tertentu; Forecast Error Decomposition of Variance (FEDVs),

prediksi kontribusi persentase varians setiap variabel terhadap perubahan

suatu variabel tertentu; Granger Causality Test, mengetahui hubungan

sebab-akibat antar variabel.

Dalam kajian ini, model VAR akan digunakan untuk menyusun

sistem peramalan dari data deret waktu yang saling terkait dan untuk

menganalisis efek (impact) dinamis dari keberadaan faktor acak yang

menggangu sistem tersebut. Suatu sistem persamaan yang

memperlihatkan setiap peubah sebagai fungsi linear dari konstanta dan

nilai beda kala (lag) peubah tersebut serta lag peubah lain dalam sistem,

atau dengan kata lain VAR meliputi nilai lag semua peubah respon dalam

model. Penggunaan VAR seringkali digunakan untuk memodelkan

pergerakan peubah-peubah ekonomi.

Bentuk Umum model VAR adalah sebagai berikut:

(3.3) ttt vAYAY ++= −10


Persamaan tersebut disebut Vector Autoregresive berordo 1 yang

lazim ditulis VAR(1). Jika peubah sebanyak M, dengan observasi

sebanyak T dan ordo p, maka model VAR (p) dapat ditulis sebagai berikut:

(3.4)

A0 adalah vektor berukuran M x 1 dan matriks A1 (i = 1, 2, , , p) masing-

masing berukuran M x M, Banyaknya parameter model yang harus

diestimasi dari suatu model VAR (p) adalah M + M2p = M (1 + Mp). Data

dalam model VAR haruslah data yang stasioner.

Bentuk-bentuk Model VAR:

1. Unrestricted VAR terdapat dua bentuk:

• VAR in level. Jika data tidak stasioner pada level, harus

distasionerkan dulu sebelum menggunakan model VAR.

• VAR in difference. Jika data tidak stasioner dalam level dan tidak

memiliki hubungan kointegrasi, estimasi VAR dilakukan pada data

difference.

2. Restricted VAR atau disebut Vector Error Correction Model (VECM)

merupakan bentuk VAR yang terestriksi. Restriksi diberikan karena

data tidak stasioner namun terkointegrasi.

3. Struktural VAR (S-VAR). Bentuk VAR direstriksi berdasarkan

hubungan teoritis yang kuat dan skema ordering hubungan terhadap

peubah-peubah yang digunakan. S-VAR dikenal sebagai VAR yg

teoritis (theoritical VAR).

Dalam pemodelan VAR terdapat dua hal utama yang perlu

dispesifikasikan (Pyndick dan Rubinfield, 1998) yaitu:

1. Variabel endogen (dan eksogen) yang diyakini berinteraksi dalam

suatu sistem dimasukkan dalam pemodelan;

2. Jumlah lag optimum yang diperlukan untuk menangkap pengaruh-

pengaruh yang dimiliki masing-masing variabel terhadap variabel

lainnya.

Sebagai ilustrasi, model VAR ekspor dengan ordo 1 dinotasikan dalam

bentuk matrik berikut:

tptttt vApYYAYAAY +++++= −−− ...22110


⎣⎢⎢⎢⎡𝐸𝑋𝑃𝑡𝐺𝐷𝑃𝑊𝑡𝑅𝐸𝐸𝑅𝑡𝑃𝑊𝑡

𝑃𝑂𝑃𝑊𝑡⎦⎥⎥⎥⎤

=

⎣⎢⎢⎢⎡𝛼1𝛼2𝛼3𝛼4𝛼5⎦⎥⎥⎥⎤

+

⎣⎢⎢⎢⎡𝛽11 𝛽12 𝛽13 𝛽14 𝛽15𝛽21 𝛽22 𝛽23 𝛽24 𝛽25𝛽31 𝛽32 𝛽33 𝛽34 𝛽35𝛽41 𝛽42 𝛽43 𝛽44 𝛽45𝛽51 𝛽52 𝛽53 𝛽54 𝛽55⎦

⎥⎥⎥⎤

⎣⎢⎢⎢⎡𝐸𝑋𝑃𝑡−1𝐺𝐷𝑃𝑊𝑡−1𝑅𝐸𝐸𝑅𝑡−1𝑃𝑊𝑡−1

𝑃𝑂𝑃𝑊𝑡−1⎦⎥⎥⎥⎤

+

⎣⎢⎢⎢⎡𝜀1𝜀2𝜀3𝜀4𝜀5⎦⎥⎥⎥⎤ (3.5)

dimana:

EXP = Nilai ekspor

GDPW = Produk Domestik Bruto dunia

REER = Nilai tukar Rupiah terhadap USD

PW = Harga komoditas internasional

POPW = Populasi dunia

t = periode ke-t

εt = galat

Sementara itu, ilustrasi model VAR impor dengan ordo 1 dinotasikan

dalam bentuk matrik berikut:

⎣⎢⎢⎢⎢⎢⎡𝐼𝑀𝑃𝑡𝐺𝐷𝑃𝐼𝑡𝑅𝐸𝐸𝑅𝑡𝑃𝑂𝑃𝐼𝑡𝐼𝑁𝐹𝑡𝐼𝑁𝑉𝑡𝑅𝐸𝑆𝑡 ⎦

⎥⎥⎥⎥⎥⎤

=

⎣⎢⎢⎢⎢⎢⎡𝛼1𝛼2𝛼3𝛼4𝛼5𝛼6𝛼7⎦⎥⎥⎥⎥⎥⎤

+

⎣⎢⎢⎢⎢⎢⎡𝛽11 𝛽12 𝛽13 𝛽14 𝛽15 𝛽16 𝛽17𝛽21 𝛽22 𝛽23 𝛽24 𝛽25 𝛽26 𝛽27𝛽31 𝛽32 𝛽33 𝛽34 𝛽35 𝛽36 𝛽37𝛽41 𝛽42 𝛽43 𝛽44 𝛽45 𝛽46 𝛽47𝛽51 𝛽11 𝛽31 𝛽54 𝛽55 𝛽56 𝛽57𝛽61 𝛽62 𝛽63 𝛽64 𝛽65 𝛽66 𝛽67𝛽71 𝛽72 𝛽73 𝛽74 𝛽75 𝛽76 𝛽77⎦

⎥⎥⎥⎥⎥⎤

⎣⎢⎢⎢⎢⎢⎡𝐼𝑀𝑃𝑡−1𝐺𝐷𝑃𝐼𝑡−1𝑅𝐸𝐸𝑅𝑡−1𝑃𝑂𝑃𝐼𝑡−1𝐼𝑁𝐹𝑡−1𝐼𝑁𝑉𝑡−1𝑅𝐸𝑆𝑡−1 ⎦

⎥⎥⎥⎥⎥⎤

+

⎣⎢⎢⎢⎢⎢⎡𝜀1𝜀2𝜀3𝜀4𝜀5𝜀6𝜀7⎦⎥⎥⎥⎥⎥⎤

(3.6)

dimana:

IMP = Nilai impor

GDPI = Produk Domestik Bruto Indonesia

REER = Nilai tukar Rupiah terhadap USD

POPI = Populasi domestik

INF = Inflasi

INV = Investasi

RES = Cadangan devisa

t = periode ke-t

εt = galat


3.4.3 Metode Peramalan Exponential Smoothing Metode exponential smoothing merupakan suatu prosedur yang

secara terus menerus memperbaiki peramalan dengan merata-rata

(menghaluskan) nilai masa lalu dari suatu data runtut waktu dengan cara

beruntun (exponential). Metode ini seringkali digunakan untuk keperluan

analisis peramalan data runtut waktu. Dengan teknik ini, data dihaluskan

(smoothed) dengan cara dihapus komponen irregular-nya. Dalam teknik

prediksi model exponential smoothing, prediksi satu satuan ke depan t+1

diketahui sampai data masa lalu Xt dan dilakukan dengan menggunakan

rata-rata terbobot dari data di masa lampau (Rosadi, 2012).

Terdapat empat model dari metode exponential smoothing yang

mengakomodasi asumsi mengenai trend dan musiman:

1) Simple (tunggal); model ini mengasumsikan bahwa seri

pengamatan tidak memiliki trend dan variasi musiman

2) Holt; model ini mengasumsikan bahwa seri pengamatan memiliki

trend linier namun tidak memiliki variasi musiman

3) Winters; model ini mengasumsikan bahwa seri pengamatan

memiliki trend linier dan variasi musiman

4) Custom; model ini memungkinan untuk melakukan penetapan

komponen trend dan variasi musiman.

Selain itu, dalam analisis expoenential smoothing ini terdapat tiga

parameter yang perlu ditetapkan, tergantung dari komponen trend dan

variasi musiman:

1) Alpha(α) merupakan parameter yang mengontrol pembobotan

relatif pada pengamatan yang baru dilakukan. Jika alpha bernilai 1

maka hanya pengamatan terbaru yang digunakan secara eksklusif.

Sebaliknya bila alpha bernilai 0 maka pengamatan yang lalu

dihitung dengan bobot sepadan dengan yang terbaru. Parameter

alpha digunakan pada semua model.

2) Beta (β) merupakan parameter yang mengontrol pembobotan relatif

pada pengamatan yang baru dilakukan untuk mengestimasi

kemunculan trend seri. Nilai beta berkisar dari 0 sampai 1. Nilai


semakin besar menujukkan pemberian bobot yang semakin besar

pada pengamatan terbaru. Parameter beta digunakan pada model

yang memiliki komponen trend linier atau eksponensial dengan

tidak memiliki variasi musiman.

3) Gamma (γ) merupakan parameter yang mengontrol pembobotan

relatif pada pengamatan yang baru dilakukan untuk mengestimasi

kemunculan variasi musiman. Nilai gamma berkisar dari 0 sampai

1. Nilai semakin besar menunjukkan pemberian bobot yang

semakin besar pada pengamatan terbaru. Parameter gamma

digunakan pada model yang memiliki variasi musiman

Ketika terdapat komponen trend dalam data, maka dapat

digunakan metode exponential smoothing Holt dengan dua parameter.

Paramater alpha (α) sebagai parameter dalam penghalusan “level” atau

rata-rata dari data. Sedangkan parameter kedua, beta (β) merupakan

parameter untuk penghalusan trend. Lebih lanjut, metode Holt sendiri

memberikan fleksibilitas dalam menseleksi komponen trend. Metode Holt

secara matematis ditulis pada tiga persamaan berikut:

• Pemulusan total: ))(1( 11 −− +−+= tttt TSXS αα (3.7)

• Pemulusan trend: 11 )1()( −− −+−= tttt TSST ββ (3.8)

• Peramalan metode Holt: mTSF ttmt +=+ (3.9)

dimana:

St = nilai pemulusan tunggal

Xt = data sebenarnya pada waktu ke-t

Tt = pemulusan trend

Ft+m = nilai peramalan

α,β = konstanta pemulusan untuk estimasi trend (0 < β 1)

m = periode masa datang

Pada penelitian ini metode exponential smoothing Holt digunakan

dengan asumsi bahwa pada data ekspor dan impor terdapat komponen

trend. Di samping itu juga diasumsikan tidak terdapat komponen musiman


di dalam data. Teknik analisis exponential smoothing Holt ditujukan untuk

memproyeksikan nilai ekspor sektoral, baik migas maupun non migas

serta proyeksi nilai impor menurut kategori ekonomi (BEC)

3.4.4 Box Jenkins (ARIMA) Teknik analisis peramalan yang lain adalah metode Box-Jenkins

atau biasa disebut dengan Autoregresive Integrated Moving Average

(ARIMA). ARIMA dapat diartikan sebagai gabungan dua model, yaitu

model Autoregresi (AR) dan Moving Average (MA). Model ini tidak

mempunyai suatu variabel yang berbeda sebagai variabel bebas, tetapi

menggunakan informasi dalam series yang sama dalam membentuk

model, sehingga pada akhirnya sangat bermanfaat untuk peramalan

(Nachrowi dan Usman, 2006).

Model ARIMA umumnya dituliskan dengan notasi ARIMA (p,d,q),

dimana p adalah derajat proses AR, d adalah orde pembeda (diferensi),

dan q adalah derajat proses MA. Nilai pembeda (diferensi) pada model

ARIMA disebabkan aspek-aspek AR dan MA hanya dapat diterapkan

pada data time series yang stasioner. Pada dasarnya, metode ini

menggunakan pendekatan iteratif dengan empat tahapan dalam

menentukan model yang cocok. Tahapan-tahapan tersebut dimulai dari

identifikasi, estimasi, tes diagnostik, dan terakhir peramalan. Secara

umum, ramalan yang diperoleh dengan menggunakan model ARIMA lebih

reliabel bila dibandingkan dengan ramalan yang menggunakan model

ekonometri biasa (Nachrowi dan Usman, 2006). Ramalan dari model

ARIMA inilah yang akan digunakan untuk mengestimasi target ekspor dan

impor Indonesia pada jangka waktu 2015-2019.

Klasifikasi ARIMA Pada umumnya, Model Box–Jenkins (ARIMA) dibagi ke dalam 3

kelompok, yaitu:

a. Autoregressive dengan ordo p [AR (p)] atau model ARIMA (p,0,0)

dinyatakan sebagai berikut :

Xt = μ + θ1Xt-1 + θ2Xt-2 + ,,, + θpXt-p + et [0] (3.10)


Di mana:

μ = suatu konstanta

θp = parameter autoregresif ke – p

et = nilai kesalahan pada saat t

b. Moving Average Model (MA)

Bentuk umum model moving average ordo q [MA (q)] atau ARIMA

(0,0,q) dinyatakan sebagai berikut :

Xt = μ + et – θ1et-1 – θ2et-2 - ,,, – θqet-k (3.11)

Di mana :

μ = suatu konstanta

θ1 sampai θq = parameter-parameter moving average

et-k = nilai kesalahan pada saat t – k

c. Model campuran

1) Model umum untuk campuran proses AR (1) murni dan MA(1)

murni, misal ARIMA (1,0,1) dinyatakan sebagai berikut :

Xt = μ + θ1Xt-1 + et – θ1et-1 (3.12)

atau

(1 - θ1B)Xt = μ + (1 - θ1B)et (3.13)

AR (1) MA(1)

2) Apabila nonstasioneritas ditambahkan pada campuran proses

ARIMA, maka model umum ARIMA (p,d,q) terpenuhi.

Persamaan untuk kasus sederhana ARIMA (1,1,1) adalah

sebagai berikut :

(1 – B) (1 – θ1B) Xt = μ + (1 – θ1B) et (3.14)

AR(1) MA(1)

Proses ARIMA Model ARIMA terdiri dari tiga langkah dasar yaitu:

a) Tahap identifikasi


Proses identifikasi dari model musiman tergantung pada alat-alat

statistik berupa autokorelasi dan parsial autokorelasi, serta

pengetahuan terhadap sistem (atau proses) yang dipelajari.

b) Tahap penaksiran dan pengujian

1) Penaksiran parameter

i) Dengan cara mencoba-coba (trial and error), menguji beberapa

nilai yang berbeda dan memilih satu nilai tersebut (atau

sekumpulan nilai, apabila terdapat lebih dari satu parameter

yang akan ditaksir) yang meminimumkan jumlah kuadrat nilai

sisa (sum of squared residual).

ii) Perbaikan secara iteratif, memilih taksiran awal dan kemudian

membiarkan program komputer memperhalus penaksiran

tersebut secara iteratif.

2) Pengujian parameter model

i) Pengujian masing-masing parameter model secara parsial (t-

test)

ii) Pengujian model secara keseluruhan (Overall F test)

Model dikatakan baik jika nilai error bersifat random,

artinya sudah tidak mempunyai pola tertentu lagi. Untuk melihat

kerandoman nilai error dilakukan pengujian terhadap nilai

koefisien autokorelasi dari error, dengan menggunakan salah

satu dari dua statistik berikut:

a) Uji Q Box dan Pierce

b) Uji Ljung-Box

c. Penerapan

Selanjutnya model ARIMA dapat digunakan untuk melakukan

penyususan target jika model yang diperoleh telah memadai.


BAB IV

KINERJA EKSPOR DAN IMPOR INDONESIA

4.1 Kinerja Ekspor Indonesia Indonesia sebagai negara berkembang telah menjadikan instrumen

ekspor sebagai komponen pendorong pendapatan nasional. Tidak hanya

itu, komponen ekspor bagi Indonesia juga telah memperluas kesempatan

kerja, peningkatan penerimaan devisa dan pengembangan teknologi.

Sejak dua dekade terakhir, ekspor Indonesia cenderung tumbuh positif

dengan rata-rata 9,65 persen (1991-2013). Namun, gejolak ekonomi

domestik dan eksternal pada tahun 1998-1999 dan 2012-2013 turut

menggoncang kinerja ekspor Indonesia sehingga mengalami

pertumbuhan yang negatif.

Jika melihat perkembangannya ekspor selama dua dekade, terlihat

bahwa telah terjadi perubahan struktur secara sektoral, dimana peranan

ekspor migas semakin mengecil sementara peranan ekspor non migas

semakin besar. Pada tahun 1990, peranan ekspor migas masih di atas 40

persen, namun pada tahun 2013, peranan ekspor sektor migas hanya

sebesar 18 persen (Tabel 4.1). Semakin besarnya kontribusi ekspor sektor

non migas sejalan dengan pembangunan sektor industri yang

berkembang selama dua dekade terakhir. Lebih dari 70 persen ekspor non

migas didominasi oleh ekspor hasil industri. Namun ekspor hasil industri

yang masih berkembang belum merupakan hasil industri yang berbasis

teknologi tinggi, sehingga nilai tambah yang diperoleh pun belum optimal.

Pertumbuhan ekspor Indonesia baik migas maupun non migas

secara umum juga mengalami peningkatan yang impresif. Rata-rata total

ekspor Indonesia selama 1991-2013 mencapai 9,65 persen. Rata-rata

pertumbuhan ekspor non migas lebih baik di banding dengan rata-rata

ekspor migas. Selama 1991-2013, rata-rata ekspor sektor migas hanya

mencapai 7,11 persen. Sementara ekspor sektor non migas mencapai


11,33 persen. Meskipun sempat mengalami penurunan yang signifikan

pada 1999, namun pertumbuhan ekspor kembali mencatatkan hasil

tertinggi tepatnya pada 2010 yaitu sebesar 35,42 persen.

Tabel 4.1 Perkembangan Pangsa dan Petumbuhan Ekspor Indonesia

Tahun Pangsa Pertumbuhan

Migas Non Migas Migas Non

Migas Total

1991 0,37 0,63 -1,59 24,95 13,50

1995 0,23 0,77 7,95 15,13 13,39

2000 0,23 0,77 46,71 22,85 27,66

2006 0,21 0,79 10,28 19,81 17,67

2007 0,19 0,81 4,14 15,61 13,20

2008 0,21 0,79 31,86 17,26 20,09

2009 0,16 0,84 -34,70 -9,64 -14,97

2010 0,18 0,82 47,43 33,08 35,42

2011 0,20 0,80 47,92 24,88 28,98

2012 0,19 0,81 -10,85 -5,54 -6,62

2013 0,18 0,82 -11,75 -2,04 -3,93


4.1.1 Kinerja Ekspor Sektor Migas Apabila dilihat secara lebih rinci, ekspor sektor migas Indoensia

dibedakan atas beberapa komoditi, yaitu minyak mentah, hasil minyak dan

gas. Selama 2007-2013 total ekspor migas tumbuh dengan rata-rata

sebesar 11,65 persen. Berdasarkan Tabel 4.2, pertumbuhan terbesar

terjadi pada tahun 2010 yaitu sebesar 47,43 persen dengan nilai ekspor

mencapai USD 28,04 miliar. Sementara penurunan ekspor migas terbesar

terjadi di 2009, di mana ekspor migas Indonesia turun sebesar 34,70

persen (USD 19,02 miliar).

Jika dilihat berdasarkan komoditas, maka gas memiliki peran yang

signifikan terhadap peningkatan ekspor migas. Tercatat bahwa selama

tujuh tahun terakhir (2007-2013) gas mencatat rata-rata pertumbuhan


ekspor sebesar 16,35 persen, dimana pertumbuhan terbesar terjadi pada

2011 yakni mencapai 67,32 persen. Nilai ekspor gas terbesar juga terjadi

pada 2011 yakni sebesar 22,87 miliar dollar. Namun pada 2012 hingga

2013 ekspor gas terus mengalami penurunan yang semakin besar.

Di sisi lain, ekspor minyak mentah Indonesia tumbuh dengan

besaran yang tidak signifikan. Rata-rata selama tujuh tahun terakhir hanya

mencapai 5,91 persen. Pertumbuhan terbesar terjadi pada 2010 yaitu

mencapai 33,02 persen, namun nilai ekspor tersbesar terjadi pada 2011

yang mencapai USD 13,82 miliar. Pada 2012 dan 2013 nilai ekspor

minyak mentah juga terus mengalami penurunan yang semakin besar

(Tabel 4.2).

Ekspor komoditas hasil minyak mengalami pertumbuhan yang

relatif lebih besar dari pada minyak mentah. Rata-rata pertumbuhan

ekspor hasil minyak selama 2007-2013 tercatat mencapai 12,20 persen,

dimana pertumbuhan terbesar terjadi pada 2010 yang mencapai 75,36

persen. Namun, jika ditinjau dari sisi nilai, ekspor hasil minyak masih jauh

lebih rendah dari nilai ekspor minyak mentah dan gas. Hal ini

menunjukkan bahwa proses hilirisasi komoditas minyak mentah belum

terjadi secara optimal, sehingga menyebabkan rendahnya nilai tambah

pada produk ini. Infrastruktur dan sarana pengolahan minyak mentah

mutlak diperlukan untuk menciptakan produk yang bernilai tambah tinggi.

Tabel 4.2 Perkembangan Ekspor Migas Indonesia (Juta Dollar) Komoditas 2007 2008 2009 2010 2011 2012 2013

Minyak Mentah 9,226,04 12,418,74 7,820,26 10,402,87 13,828,68 12,293,41 10,204,71

Perubahan (%) 34,61 -37,03 33,02 32,93 -11,10 -16,99

Hasil Minyak 2,878,75 3,547,00 2,262,33 3,967,28 4,776,85 4,163,37 4,299,13

Perubahan (%) 23,21 -36,22 75,36 20,41 -12,84 3,26

Gas 9,983,78 13,160,53 8,935,71 13,669,45 22,871,50 20,520,48 18,129,19

Perubahan (%) 31,82 -32,10 52,98 67,32 -10,28 -11,65

Total MIGAS 22,088,57 29,126,27 19,018,30 28,039,60 41,477,04 36,977,26 32,633,03

Perubahan (%)

31,86 -34,70 47,43 47,92 -10,85 -11,75



Dilihat dari struktur ekspor pada sektor migas, menunjukkan bahwa

gas merupakan komoditas yang dijadikan andalan ekspor pada sektor ini.

Berdasarkan Tabel 4.3, selama 2007-2013 gas memberikan sumbangan

terhadap total ekspor migas dengan rata-rata sebesar 50,33 persen.

Kontribusi yang besar tersebut terus mengalami trend yang meningkat

selama 2007-2013. Puncaknya pada tahun 2013, gas memberikan

sumbangan terhadap total ekspor migas sebesar 55,55 persen.

Lebih lanjut, komoditas minyak mentah memberikan kontribusi rata-

rata sebesar 37,21 persen terhadap total ekspor migas. Namun kontribusi

ekspor yang diberikan oleh komoditas minyak mentah tersebut terlihat

mengalami kecenderungan yang menurun sepanjang 2007-2013 (Tabel

4,3). Jika pada 2007 minyak mentah memberikan kontribusi ekspor

sebesar 41,77 persen, maka pada 2013 komoditas ini hanya memberikan

sumbangan sebesar 31,27 persen terhadap total ekspor migas.

Di sisi lain, komoditas yang memiliki nilai tambah (hasil minyak)

hanya memberikan kontribusi yang relatif kecil dibandingkan dengan

komoditas migas lainnya. Rata-rata kontribusi yang diberikan oleh

komoditas hasil minyak selama 2007-2013 hanya sebesar 12,46 persen.

Kontribusi ekspor hasil minyak tersebut tidak menunjukkan dinamika

perkembangan yang signifikan dikarenakan kecenderungan yang konstan

selama tujuh tahun terakhir.

Tabel 4.3 Struktur Ekspor Migas Indonesia (Persen)

Komoditas 2007 2008 2009 2010 2011 2012 2013 Rata-rata

Minyak Mentah

41,77 42,64 41,12 37,10 33,34 33,25 31,27 37,21

Hasil Minyak 13,03 12,18 11,90 14,15 11,52 11,26 13,17 12,46

Gas 45,20 45,18 46,98 48,75 55,14 55,49 55,55 50,33


4.1.2 Kinerja Ekspor Non Migas Ekspor non migas Indonesia pada 2013 tercatat sebesar USD

149,92 miliar, meningkat 62,9 persen dari tahun 2007 yang kala itu masih


sebesar USD 92,01 miliar (Tabel 4.4). Rata-rata perumbuhan ekspor non

migas selama tujuh tahun terakhir (2007-2013) tercatat mencapai 9,67

persen. Di antara berbagai sub sektor pada non migas tersebut, ekspor

tambang mengalami pertumbuhan paling besar yaitu dengan rata-rata

selama tujuh tahun terakhir sebesar 18,80 persen, kemudian diikuti oleh

sub sektor non migas lainnya sebesar 12,56 persen. Sementara rata-rata

pertumbuhan ekspor sub sektor pertanian dan industri hanya mencapai

masing-masing sebesar 8,14 persen dan 8,20 persen.

Berdasarkan nilai ekspor, sub sektor industri merupakan

penyumbang terbesar ekspor non migas. Pada tahun 2013 ekspor industri

tercatat mencapai USD 113,03 miliar. Namun dalam dua tahun terakhir

(2012-2013), ekspor industri selalu mengalami penurunan. Demikian pula

halnya pada sub sektor tambang yang juga mengalami penurunan ekspor

selama dua tahun berturut-turut. Namun lain halnya dengan sub sektor

pertanian yang justru selalu mengalami peningkatan khususnya dalam

dua terakhir. Ini menunjukkan bahwa Indonesia memiliki keunggulan

komparatif yang hanya berdasarkan sumber daya alam. Namun hal ini

sangat rentan karena daya dukung sumber daya alam akan sulit

dipertahankan. Selain itu, nilai tambah yang relatif rendah pada komoditas

sumber daya alam juga akan sulit diandalkan jika hanya untuk menggenjot

ekspor.

Melemahnya ekspor pada sub sektor industri, tambang dan non

migas lainnya turut menyebabkan semakin menipisnya surplus neraca

perdagangan non migas. Jika hal ini terjadi secara berkelanjutan, maka

dikhawatirkan neraca perdagangan non migas akan semakin menipis

bahkan mencapai defisit. Maka perlu disusun suatu target pertumbuhan

ekspor dan impor yang disertai upaya-upaya dalam hal strategi

mengembangkan ekspor dan upaya-upaya untuk mengendalikan impor.


Tabel 4.4 Perkembangan Ekspor Non Migas Indonesia (Juta USD) Sub Sektor 2007 2008 2009 2010 2011 2012 2013

Pertanian 3,657,78 4,584,58 4,352,75 5,001,90 5,165,79 5,569,22 5,712,98

Perubahan (%) 25,34 -5,06 14,91 3,28 7,81 2,58

Industri 76,460,83 88,393,50 73,435,84 98,015,08 122,188,7 116,125,1 113,029,9

Perubahan (%) 15,61 -16,92 33,47 24,66 -4,96 -2,67

Tambang 11,884,90 14,906,17 19,692,34 26,712,58 34,652,03 31,329,94 31,159,53

Perubahan (%) 25,42 32,11 35,65 29,72 -9,59 -0,54

Non Migas Lainnya

8,81 9,91 10,80 9,95 13,04 18,71 16,31

Perubahan (%) 12,56 8,91 -7,85 31,05 43,49 -12,79

Total Non Migas

92,012,32

107,894,15

97,491,73

129,739,50

162,019,58

153,043,00

149,918,76

Perubahan (%) 17,26 -9,64 33,08 24,88 -5,54 -2,04


Berdasarkan struktur ekspor sektor non migas terlihat bahwa sub

sektor industri merupakan kontributor terbesar dalam total ekspor non

migas. Berdasarkan Tabel 4.5 terlihat bahwa rata-rata kontribusi ekspor

yang diberikan oleh industri mencapai 77,51 persen. Namun juka dilihat

dinamika perkembangannya, sebenarnya telah terjadi penurunan

kontrisusi yang berlangsung secara terus-menerus setidaknya selama

tujuh tahun terakhir. Pada 2007 pangsa ekspor industri masih mencapai

83,10 persen, namun menurun menjadi 75,39 persen pada 2013. Hal ini

tentunya menimbulkan kekhawatiran tersendiri karena menunjukkan

pelemahan pada daya saing sub sektor industri.

Tabel 4.5 Struktur Ekspor Non Migas Indonesia (Persen)

Sub Sektor 2007 2008 2009 2010 2011 2012 2013 Rata-rata Pertanian 3,98 4,25 4,46 3,86 3,19 3,64 3,81 3,88 Industri 83,10 81,93 75,33 75,55 75,42 75,88 75,39 77,51 Tambang 12,92 13,82 20,20 20,59 21,39 20,47 20,78 18,59 Non Migas Lainnya 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01



4.2 Kinerja Impor Indonesia

4.2.1 Perkembangan Impor dan Jenis Produk Impor Indoensia Sebagai salah satu negara berpenduduk terbanyak di dunia (nomor

empat terbesar). Indonesia melakukan impor untuk memenuhi kebutuhan

ekonominya. Perkembangan impor Indonesia cukup berfluktuatif pada

setiap tahunnya. Hal ini tergantung dari kebutuhan nasional untuk

menggerakkan roda perekonomiannya, seperti untuk konsumsi ataupun

produksi.

Dilihat berdasarkan klasifikasi sektor yang di impor, dapat

dibedakan menjadi migas dan non migas. Pada Tabel 4.6 terlihat bahwa

mulai awal 1990 hingga saat ini, telah terjadi fluktuasi dalam

perkembangan impor baik di sektor migas maupun non migas. Indonesia

pernah mengalami penurunan impor (migas dan non migas) yang sangat

signifikan yaitu pada 1998, dimana impor migas pada saat itu turun 32,37

persen dan non migas turun 34,62 persen. Penurunan yang signifikan

tersebut terjadi akibat krisis ekonomi yang melanda Indonesia sehingga

menyebabkan penurunan daya beli masyarakat secara luas. Selain itu,

penurunan yang cukup besar juga terjadi pada 2009. Pada saat itu

penurunan impor lebih dikarenakan faktor gejolak ekonomi eksternal yang

berujung pada penurunan permintaan produk-produk asal Indonesia.

Produk-produk Indonesia tersebut pada umumnya berbahan baku impor,

apabila permintaan produk tersebut menurun, maka akan menurunkan

tingkat produksi di domestik yang berimbas pada menurunnya permintaan

bahan baku impor.

Tabel 4.6 Pertumbuhan Impor Indonesia Berdasarkan Sektor

Tahun Migas Non

Migas Tahun Migas Non

Migas 1991 19,99 18,32 2003 16,63 0,71 1992 -9,02 6,84 2004 54,15 39,51 1993 2,25 3,97 2005 48,80 15,67 1994 12,89 12,91 2006 8,62 4,62 1995 22,95 27,36 2007 15,66 24,79 1996 23,52 4,28 2008 39,30 87,75 1997 9,14 -4,01 2009 -37,88 -21,08


1998 -32,37 -34,62 2010 44,42 39,05 1999 38,72 -17,67 2011 48,48 26,31 2000 63,52 35,30 2012 4,58 9,06 2001 -9,10 -7,29 2013 6,35 -5,21 2002 19,26 -2,85 2014* -1,12 -8,79


Keterangan: *) Hingga Juli 2014

Apabila dilihat berdasarkan jenis produk yang diimpor oleh

Indonesia, maka dapat dilihat dari kontribusi jenis-jenis barang yang

diimpor terhadap impor nasional. Berdasarkan kelompok Board Economic

Category (BEC), maka kelompok barang dapat dibedakan atas tiga

kategori yaitu barang konsumsi, bahan baku/penolong dan barang modal.

Dari ketiga kelompok barang tersebut, maka barang konsumsi dapat

dikategorikan kembali menjadi 9 kelompok barang berdasarkan kode BEC

3 digit. Kesembilan kelompok barang tersebut yaitu Makanan dan

Minuman (Belum Diolah) Untuk Rumah Tangga, Makanan dan Minuman

(Olahan) Untuk Rumah Tangga, Bahan Bakar dan Pelumas (Olahan),

Mobil Penumpang, Alat Angkutan Bukan Untuk Industri, Barang Konsumsi

Tahan Lama, Barang Konsumsi Setengah Tahan Lama, Barang Konsumsi

Tidak Tahan Lama, dan Barang Yang Tidak Diklasifikasikan. Seperti

ditunjukkan pada Tabel 4.7, maka dari kesembilan kelompok barang

konsumsi tersebut, kontribusi terbesar impor selama tiga tahun terakhir

ada pada Makanan dan Minuman (Olahan) Untuk Rumah Tangga. Hal ini

ditunjukkan dari nilai impor rata-rata Makanan dan Minuman (Olahan)

Untuk Rumah Tangga yang mencapai USD 2,89 miliar. Kontribusi terbesar

kedua ada pada Barang Konsumsi Setengah Tahan Lama dan yang

ketiga pada Barang Konsumsi Tidak Tahan Lama. Hal ini menunjukkan

bahwa impor barang-barang konsumsi didominasi oleh barang-barang

yang langsung dan cepat (tidak tahan lama) dikonsumsi oleh masyarakat.

Sedangkan untuk kelompok bahan baku/penolong, sembilan

kelompok barang dapat diklasifikasikan menjadi: Makanan dan Minuman

(Belum diolah) Untuk Industri, Makanan dan Minuman (Olahan) Untuk

Industri, Bahan Baku (Belum Diolah) Untuk Industri, Bahan Baku (Olahan)


Untuk Industri, Bahan Bakar dan Pelumas (Belum Diolah), Bahan Bakar

Motor, Bahan Bakar dan Pelumas (Olahan), Suku Cadang dan

Perlengkapan Barang Modal, dan Suku Cadang dan Perlengkapan Alat

Angkutan. Kontribusi terbesar pada kelompok barang ini diberikan oleh

Bahan Baku (Olahan) Untuk Industri dengan rata-rata nilai impornya

selama periode 2011-2013 mencapai USD 55,55 miliar (lihat Tabel 4.7).

Sedangkan posisi kedua dan ketiga lebih didominasi produk Suku Cadang

dan Perlengkapan Barang Modal dan Bahan Bakar dan Pelumas

(Olahan). Dari kontribusi terbesar ini menunjukkan bahwa impor barang

lebih banyak merupakan barang-barang antara yang sudah jadi (bukan

bahan mentah) dan siap untuk diproses/dirakit kembali di Indonesia.

Tabel 4.7 Pengelompokan Jenis Barang Berdasarkan Kelompok BEC Tahun 2011-2013 (Juta USD)

Kode BEC Uraian Kelompok 2011 2012 2013

Rata-rata

1 Barang Konsumsi 13,393 13,409 11,960 12,920 112 1 Makanan dan Minuman

(Belum Diolah) Untuk Rumah Tangga

1,848 1,541 1,262 1,550

122 2 Makanan dan Minuman (Olahan) Untuk Rumah Tangga

3,626 2,837 2,197 2,887

329 3 Bahan Bakar dan Pelumas (Olahan)

1,626 1,435 1,200 1,420

519 4 Mobil Penumpang 1,029 1,515 1,147 1,230 522 5 Alat Angkutan Bukan Untuk

Industri 287 350 364 334

610 6 Barang Konsumsi Tahan Lama

1,288 1,585 1,488 1,454

620 7 Barang Konsumsi Setengah Tahan Lama

1,774 1,954 1,994 1,907

630 8 Barang Konsumsi Tidak Tahan Lama

1,699 1,926 1,999 1,875

700 9 Barang Yang Tidak Diklasifikasikan

216 264 310 264

2 Bahan Baku/Penolong 130,934 140,126 130,111 133,724 111 1 Makanan dan Minuman

(Belum diolah) Untuk Industri 4,187 4,101 3,964 4,084

121 2 Makanan dan Minuman (Olahan) Untuk Industri

3,330 3,349 3,400 3,360


Kode BEC Uraian Kelompok 2011 2012 2013

Rata-rata

210 3 Bahan Baku (Belum Diolah) Untuk Industri

6,813 5,640 5,809 6,087

220 4 Bahan Baku (Olahan) Untuk Industri

53,410 59,437 53,804 55,550

310 5 Bahan Bakar dan Pelumas (Belum Diolah)

11,173 10,853 12,569 11,532

321 6 Bahan Bakar Motor 11,962 14,062 13,588 13,204 322 7 Bahan Bakar dan Pelumas

(Olahan) 15,771 15,836 13,282 14,963

420 8 Suku Cadang dan Perlengkapan Barang Modal

16,938 18,126 15,514 16,859

530 9 Suku Cadang dan Perlengkapan Alat Angkutan

7,350 8,722 8,181 8,084

3 Barang Modal 33,108 38,155 29,102 33,455 410 1 Barang Modal Kecuali Alat

Angkutan 23,660 26,659 23,990 24,770

510 2 Mobil Penumpang 1,029 1,515 1,147 1,230 521 3 Alat Angkutan Untuk Industri 8,419 9,980 3,965 7,455


Pada katagori barang modal, pengklaisifikasian berdasarkan 3 digit

BEC membagi produk-produknya dalam Barang Modal Kecuali Alat

Angkutan, Mobil Penumpang, dan Alat Angkutan Untuk Industri. Seperti

ditunjukkan pada Tabel 4.7, kontribusi impor terbesar adalah untuk

membeli Barang Modal Kecuali Alat Angkutan, diikuti Alat Angkutan Untuk

Industri dan terakhir oleh Mobil Penumpang. Hal ini menunjukkan bahwa

impor terbesar untuk kategori barang modal bukan untuk membeli alat

angkutan (transportasi). Untuk lebih rincinya, apa saja yang termasuk

dalam Barang Modal Kecuali Alat Angkutan, maka data ditelusuri kembali

berdasarkan pengklasifikasian yang lebih spesifik.

4.2.2 Kinerja Impor Menurut Golongan Penggunaan Barang Berdasarkan klasifikasi struktur BEC produk impor, maka impor

Indonesia dibedakan atas bahan baku/penolong, barang modal dan

barang konsumsi. Pada jenis barang bahan baku/penolong, dominasi

impor lebih banyak dilakukan untuk memenuhi kebutuhan makanan dan

minuman (bahan mentah) untuk keperluan industri. Besarnya dari tahun


2004 hingga 2012 terus meningkat, namun mengalami sedikit penurunan

pada tahun 2013. Rata-rata impor bahan kebutuhan makanan dan

minuman (belum diolah) untuk keperluan industri selama periode 2004-

2013 mencapai USD 2,96 miliar per tahun. Selanjutnya impor terbesar

kedua dan ketiga untuk jenis bahan baku/penolong adalah suku cadang

dan perlengkapan barang modal dan bahan bakar dan pelumas (olahan)

yang mencapai rata-rata USD 894,7 juta dan USD 828,6 juta per tahun.


Gambar 4.1 Impor Indonesia pada Jenis Barang Bahan Baku Penolong

Sedangkan untuk jenis impor barang modal, sebagian besar impor

Indonesia digunakan untuk mengimpor barang modal kecuali alat

angkutan. Selama periode 2004-2013 impor barang jenis ini pun

cenderung terus meningkat nilainya. Rata-rata nilai impor barang modal

tersebut adalah USD 1,26 miliar per tahun. Jenis impor barang modal

lainnya adalah digunakan untuk membeli alat angkutan untuk industri dan

-

1.000,0

2.000,0

3.000,0

4.000,0

5.000,0

6.000,0

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 Rata-rata

Makanan dan Minuman (Belum diolah) Untuk Industri Makanan dan Minuman (Olahan) Untuk Industri Bahan Baku (Belum Diolah) Untuk Industri Bahan Baku (Olahan) Untuk Industri Bahan Bakar dan Pelumas (Belum Diolah) Bahan Bakar Motor Bahan Bakar dan Pelumas (Olahan) Suku Cadang dan Perlengkapan Barang Modal Suku Cadang dan Perlengkapan Alat Angkutan


mobil penumpang. Nilai rata-rata kedua jenis barang tersebut adalah USD

411,5 juta dan USD 58,0 juta per tahun.


Gambar 4.2 Impor Indonesia pada Jenis Barang Modal

Pada jenis barang konsumsi, produk-produk makanan dan

minuman (olahan) untuk rumah tangga lebih mendominasi impor barang

konsumsi. Meski kecenderungannya dari tahun 2012 mengalami

penurunan, namun rata-rata nilai impornya masih cukup tinggi, mencapai

USD 164,8 juta per tahun selama periode 2004-2013. Barang konsumsi

untuk konsumsi tidak tahan lama merupakan jenis barang impor terbesar

kedua yang mencapai rata-rata USD 101,7 juta per tahun. Pemenuhan

konsumsi untuk bahan bakar dan pelumas (olahan) lebih menempati

impor urutan ketiga untuk barang-barang konsumsi.

-

500,0

1.000,0

1.500,0

2.000,0

2.500,0

Barang Modal Kecuali Alat Angkutan Mobil Penumpang Alat Angkutan Untuk Industri



Gambar 4.3 Impor Indonesia pada Jenis Barang Konsumsi

Hingga Mei 2014, total impor Indonesia mencapai sebesar USD

14,76 miliar. Impor bahan baku/penolong memberikan peranan terbesar,

yaitu 76,85 persen dengan nilai USD 11,34 miliar, diikuti oleh impor

barang modal sebesar 16,07 persen (USD 2,37 miliar), dan impor barang

konsumsi sebesar 7,08 persen (USD 1,04 miliar). Jika dibandingkan

periode yang sama tahun sebelumnya, maka selama Januari–Mei 2014

nilai impor barang konsumsi, bahan baku/penolong, dan barang modal

mengalami penurunan masing-masing USD 59,4 juta (1,14 persen), USD

3,52 miliar (5,84 persen), dan sebesar USD 951,2 juta (7,20 persen).

Dibanding April 2014, volume impor Indonesia Mei 2014 turun 6,41

persen (834,2 ribu ton). Hal ini disebabkan oleh adanya penurunan

volume non migas sebesar 9,55 persen (862,3 ribu ton) meskipun volume

impor migas sedikit meningkat, yaitu 0,71 persen (28,1 ribu ton).

Peningkatan volume impor migas terutama disebabkan oleh naiknya

volume impor minyak mentah sebesar 19,06 persen (244,9 ribu ton).

-

50,0

100,0

150,0

200,0

250,0

300,0

350,0 Makanan dan Minuman (Belum Diolah) Untuk Rumah Tangga Makanan dan Minuman (Olahan) Untuk Rumah Tangga Bahan Bakar dan Pelumas (Olahan)

Mobil Penumpang

Alat Angkutan Bukan Untuk Industri

Barang Konsumsi Tahan Lama

Barang Konsumsi Setengah Tahan Lama

Barang Konsumsi Tidak Tahan Lama


Sebaliknya volume impor hasil minyak dan gas turun masing-masing

sebesar 7,29 persen (173,2 ribu ton) dan 13,76 persen (43,6 ribu ton).

Sementara itu volume impor Januari–Mei 2014 meningkat tipis

sebesar 0,31 persen dibanding periode yang sama tahun sebelumnya.

Peningkatan ini dipicu oleh naiknya volume impor non migas sebesar 1,19

persen (461,9 ribu ton), meskipun volume impor migas turun 1,42 persen

(282,8 ribu ton).

Rata-rata harga agregat barang impor Indonesia secara total Mei

2014 mengalami penurunan 3,01 persen terhadap April 2014. Penurunan

tersebut disebabkan oleh turunnya harga impor migas dan non migas

masing-masing sebesar 0,32 persen dan 2,76 persen. Demikian halnya

jika dibandingkan dengan Mei 2013, maka rata-rata harga agregat barang

impor Indonesia turun 8,24 persen.


Gambar 4.4 Persentase Nilai Impor Indonesia Menurut Penggolongan Barang


BAB V

HASIL DAN PEMBAHASAN

5.1 Analisis Determinan Ekspor dan Impor Indonesia Tujuan akhir pada kajian ini adalah menetapkan besaran target

pertumbuhan ekspor dan impor baik dalam sisi sektoral maupun kelompok

barang. Dalam menganalisis target ekspor dan impor, kajian ini

menggunakan beberapa alat analisis. Namun, sebelum membahas

besaran target ekspor dan impor dari berbagai macam alat analisis,

pembahasan pada bagian ini ingin menganalisis faktor-faktor atau

determinan yang memengaruhi ekspor barang. Mengetahui determinan

ekspor merupakan hal penting sebelum membuat proyeksi khususnya

proyeksi dalam kerangka model multivariate.

Metode yang digunakan dalam mencari determinan ekspor dan

impor barang tersebut adalah Ordinary Least Square (OLS) atau regresi

linier berganda. Seperti yang telah diketahui bahwa dalam analisis OLS

terdapat uji asumsi klasik yang harus dilakukan untuk menguji apakah

model yang digunakan sesuai dengan kaidah Best Linear Unbiased

Estimator (BLUE). Oleh karena itu, untuk mempersingkat isi laporan

sesuai dengan tujuannya, model yang akan ditampilkan pada laporan ini

adalah model yang telah melewati uji asumsi klasik khususnya untuk

masalah heteroskedastisitas dan autokorelasi.

Masalah heteroskedastisitas dideteksi menggunakan uji White. Jika

terdapat terdapat heteroskedastisitas maka diatasi menggunakan metode

White atau juga dikenal dengan varian heteroskedastisitas terkoreksi.

Heteroskedastisitas seringkali muncul pada model yang mengandung data

cross-section. Oleh sebab itu, model pada kajian ini kemungkinan besar

memiliki masalah autokorelasi karena data yang terkandung adalah time

series. Autokorelasi dapat dideteksi menggunakan uji Durbin Watson

(DW) dan apabila terdapat masalah maka dapat diatasi dengan metode

diferensiasi tingkat pertama (AR1) (Winarno,2011). Selanjutnya, dengan


menggunakan metode pengkoreksian masalah asumsi klasik yang telah

disebutkan, maka model dianggap telah sesuai dengan kaidah BLUE.

5.1.1 Analisis Determinan Ekspor Barang Menggunakan Metode OLS Model persamaan linier berganda ekspor barang yang akan diuji

pada dasarnya mengikuti model-model determinan ekspor yang sering

digunakan dalam literatur. Untuk menguji apakah model tersebut sesuai

dengan kondisi Indonesia maka dilakukan konfirmasi kepada para pakar

melalui Focus Group Discussion (FGD). Hasilnya terdapat beberapa

usulan untuk menggunakan berbagai macam variabel. Namun, secara

umum model persamaan linier berganda yang digunakan untuk

mengestimasi determinan total ekspor barang dengan mempertimbangkan

kemudahan mendapatkan data dan ketertabatasn waktu adalah sebagai

berikut:

logXTt = α0 + β1logGDPW_CPTt + β2logMTt + β3logEXt + β4logOILPt + β5LEN_Rt + β6AR(1)+ εt (5.1)

Dimana:

XT = Total Ekspor Barang (juta USD)

GDPW_CPT = Gross Domestic Bruto per kapita dari 10 negara tujuan

ekspor tertinggi (juta USD)

MT = Total Impor Barang (juta USD)

EX = Nilai Tukar (Rp/USD)

OILP = Harga Rata-rata Minyak Dunia (USD/barrel)

LEN_R = Suku Bunga Kredit (persentase)

AR = Autoregressive

Log = logaritma

t = periode

α, β = konstanta

ε = error term


Hasil estimasi persamaan linier berganda untuk model persamaan

umum ekspor di atas menggunakan software EViews 6.0 adalah sebagai

berikut:

LOG(XT) = -1.53429703755 + 0.75019813077*LOG(GDPW_CPT) +

0.414012585761*LOG(MT) - 0.287713434688*LOG(EX) +

0.162382901175*LOG(OILP) + 0.0295972697817*LEND_R +

[AR(1)=0.489694092776]

Secara ringkas untuk memudahkan interpretasi dan menganalisis

hasil model di atas dapat dilihat pada tabel 5.1. Lebih lanjut, sebelum

memasuki pembahasan, model regresi linear berganda yang digunakan

dalam kajian ini perlu dilihat kelayakan model (goodness of fit). Dalam

analisis OLS hal yang perlu menjadi perhatian adalah kelayakan model

yang dilihat dari beberapa uji sebagai berikut:

A. Uji Koefisien Determinasi

Koefisien determinasi digunakan untuk menguji goodness-fit dari

model regresi yang dapat dilihat dari nilai R-square. Berdasarkan hasil

estimasi model, didapatkan bahwa nilai R-square sebesar 0.989049 atau

sebesar 99 persen. Hal itu menunjukkan bahwa determinan ekspor barang

di Indonesia dapat dijelaskan oleh kelima variabel yang telah dijelaskan

sebelumnya.

B. Uji Signifikansi Parameter Individual (Uji Statistik t)

Uji statistik t dimaksudkan untuk melihat pengaruh masing-masing

variabel independen terhadap variabel dependen. Hasil dari uji statistik

dapat dengan mudah dilihat dari nilai probability (p-value) dengan nilai

kritis yang diterima baik 0,001 (1 persen); 0,05 (5 persen); maupun 0,10

(10 persen). Estimasi model Persamaan 5.1 memperlihatkan bahwa

semua variabel independen secara parsial berpengaruh terhadap variabel

dependennya.

C. Uji Signifikansi Parameter Simultan (Uji statistik F)


Uji statistik F dimaksudkan untuk melihat pengaruh secara

bersama-sama (simultan) variabel independen terhadap variabel

dependen. Hasil uji statistik F yang dilihat dari nilai probabilitas (p-value)

sebesar 0,00 pada estimasi model persamaan umum ekspor menunjukkan

bahwa semua variabel independen secara simultan berpengaruh terhadap

variabel dependen.

Tabel 5.1 Rangkuman Hasil Estimasi OLS Model Persamaan Umum

Ekspor

Variabel Koefisien t-Statistic Prob.

C -1.534297 -0.595181 0.5545

LOG(GDPW_CPT) 0.750198 3.292199 0.0019*

LOG(MT) 0.414013 5.923621 0.0000*

LOG(EX) -0.287713 -2.036773 0.0472**

LOG(OILP) 0.162383 2.424681 0.0191**

LEND_R 0.029597 2.402865 0.0202**

AR(1) 0.489694 3.700362 0.0006*

R-squared Adj R-Squared

0.989049 0.987680

F-statistic Prob F-stat

722.5301 0.000000*

Sumber: data dimodifikasi dari hasil EViews 6.0

Keterangan: * signifikan pada α 1%; ** signifikan pada α 5%; *** signifikan pada α 10

Berdasarkan rangkuman estimasi pada Tabel 5.1 di atas dapat

dilihat bahwa seluruh variabel independen mempengaruhi variabel

dependen. Variabel yang paling berpengaruh terhadap ekspor jika dilihat

dari koefisien maupun probabilitas adalah GDP per kapita. Koefisien

elastisitas GDP per kapita sebesar 0,75 (tertinggi diantara variabel lain)

memiliki arti bahwa setiap kenaikan 1 persen GDP per kapita di negara

tujuan utama, eskpor barang Indonesia dapat tumbuh 0,75 persen. Hasil


itu menggambarkan betapa ekspor barang Indonesia sangat ditentukan

oleh kondisi ekonomi dan daya beli masyarakat di sepuluh negara tujuan

ekspor. Sepuluh negara tujuan tersebut adalah China, Jepang, Amerika

Serikat, India, Singapura, Malaysia, Korea Selatan, Thailand, Belanda,

dan Taiwan.

Variabel lain yang berpengaruh cukup kuat adalah impor barang

total. Hasil estimasi menunjukkan bahwa setiap kenaikan 1 persen impor

barang, maka ekspor akan meningkat sebesar 0,41 persen. Hal itu dapat

terjadi dikarenakan impor barang paling tinggi di Indonesia adalah bahan

baku/penolong untuk industri. Asumsi yang digunakan adalah jika impor

bahan baku tersebut selanjutnya akan digunakan untuk produksi yang

berorientasi ekspor, maka ekspor barang Indonesia akan semakin

meningkat.

Selanjutnya, variabel yang mempengaruhi ekspor adalah nilai tukar

(Rp/USD). Berdasarkan hasil regresi linear berganda, dapat dilihat bahwa

apabila terjadi peningkatan nilai tukar Rupiah terhadap Dollar atau dengan

kata lain rupiah mengalami apresiasi sebesar 1 persen, maka hal tersebut

justru akan menurunkan nilai ekspor Indonesia sebesar 0,28 persen.

Apabila rupiah menguat, maka harga barang Indonesia di luar negeri

menjadi relatif lebih mahal (meningkat), sehingga menurunkan daya saing

produk Indonesia di pasar internasional. Sebaliknya, apabila rupiah

mengalami depresiasi (melemah terhadap dollar), maka harga produk

Indonesia di luar negeri menjadi relatif lebih murah dan harga barang

impor menjadi relatif lebih mahal.

Selain itu, variabel harga minyak dunia dan suku bunga kredit juga

berpengaruh terhadap ekspor barang Indonesia. Jika harga minyak dunia

naik 1 persen, ekspor barang akan ikut terkerek sebesar 0,16 persen. Di

sisi lain, suku bunga kredit menunjukkan koefisien yang sangat kecil

terhadap ekspor barang Indonesia. Suku bunga kredit yang

mencerminkan daya saing (Hasil FGD, 2014) hanya memiliki koefisien

sebesar 0,03 yang berarti setiap kenaikan 1 persen suku bunga kredit

maka ekspor hanya tumbuh sebesar 0,03 persen. Jika ditinjau lebih jauh,


suku bunga kredit yang diasumsikan sebagai bagian dari pembiayaan

ekspor seharusnya memiliki efek negatif. Artinya, ketika bunga pinjaman

semakin tinggi, maka biaya produksi akan semakin meningkat yang pada

akhirnya mengurangi nilai ekspor.

Argumentasi tersebut memang secara umum telah diterima, namun

terdapat kemungkinan argumentasi yang lain di mana ketika suku bunga

pinjaman meningkat maka nilai ekspor juga tetap meningkat. Asumsi yang

digunakan adalah, kinerja ekspor sangat dipengaruhi oleh permintaan dari

negara tujuan ekspor (yang dikonfirmasi oleh signifikansi variabel PDB

negara tujuan ekspor terhadap nilai ekspor) sehingga kenaikan suku

bunga pinjaman tidak akan terlalu berdampak pada pengurangan ekspor

(terkonfirmasi bahwa elastisitas suku bunga kredit terhadap ekspor sangat

kecil sebesar 0.03). Terakhir, variabel AR(1) menunjukkan bahwa masalah

autokorelasi pada model telah teratasi dan menandakan bahwa ekspor

barang dipengaruhi lag satu waktu periode (satu kuartal) sebelumnya.

5.1.2 Analisis Determinan Impor Menggunakan Metode OLS Selain menganalisis determinan yang memengaruhi ekspor

Indonesia, kajian ini juga menganalisis determinan impor. Model

determinan impor barang yang digunakan juga diperoleh dari literatur-

literatur umum tentang kajian determinan impor yang selanjutnya

dikonfimasi melalui FGD dengan para pakar. Secara umum model

persamaan linier berganda yang digunakan untuk mengestimasi

determinan total impor barang dengan mempertimbangkan ketersediaan

data dan keterbatasan waktu adalah sebagai berikut:

logMTt = α0 + β1logGDPIND_CPT + β2logXTt + β3logEXt + β4logOILPt + β5AR(1)+ εt (5.2)

Dimana:

MT = Total Impor Barang (juta USD)

GDPIND_CPT = GDP per kapita Indonesia (miliar Rp)

XT = Total Ekspor Barang (juta USD)

EX = Nilai Tukar (Rp/USD)


OILP = Harga Rata-rata Minyak Dunia (USD/barrel)

AR = Autoregressive

Log = logaritma

t = periode

α, β = konstanta

ε = error term

Berdasarkan data-data yang digunakan tersebut maka diperoleh

hasil estimasi persamaan linier berganda untuk model persamaan umum

impor di atas menggunakan software EViews 6.0 adalah sebagai berikut:

LOG(MT) = -5.42682050244 + 0.313581386078*LOG(GDPIND_CPT) +

0.771925229021*LOG(XT) + 0.436579195808*LOG(EX) +

0.269290458722*LOG(OILP) + [AR(1)=0.671618455809]

Secara ringkas untuk memudahkan interpretasi dan menganalisis

hasil model impor barang di atas dapat dilihat pada Tabel 5.2. Lebih lanjut,

sebelum memasuki pembahasan, model regresi linier berganda yang

digunakan dalam kajian ini perlu dilihat kelayakan model (goodness of fit).

Dalam analisis OLS hal yang perlu menjadi perhatian adalah kelayakan

model yang dilihat dari beberapa uji sebagai berikut:

A. Uji Koefisien Determinasi

Koefisien determinasi digunakan untuk menguji goodness-fit dari

model regresi yang dapat dilihat dari nilai R-square. Berdasarkan hasil

estimasi model, didapatkan bahwa nilai R-square sebesar 0.987675.

Artinya, sebesar 98 persen model sudah dapat terjelaskan oleh variabel

yang digunakan sedangkan 2 persen sisanya dijelaskan oleh varibael lain.

B. Uji Signifikansi Parameter Individual (Uji Statistik t)

Uji statistik t dimaksudkan untuk melihat pengaruh masing-masing

variabel independen terhadap variabel dependen. Hasil dari uji statistik

dapat dengan mudah dilihat dari nilai probabilitas (p-value) dengan nilai

kritis yang diterima baik 0,001 (1 persen); 0,05 (5 persen); maupun 0,10

(10 persen). Estimasi model determinan impor diatas menunjukkan bahwa


semua variabel independen berpengaruh secara parsial terhadap variabel

dependen dengan masing-masing p-value yang digunakan.

C. Uji Signifikansi Parameter Simultan (Uji statistik F)

Uji statistik F dimaksudkan untuk melihat pengaruh secara

bersama-sama (simultan) variabel independen terhadap variabel

dependen. Hasil uji statistik F dapat dilihat dari nilai probabilitas (p-value)

sebesar 0,00. Pada estimasi model persamaan umum impor menunjukkan

bahwa semua variabel independen secara simultan berpengaruh terhadap

variabel dependen.

Tabel 5.2 Rangkuman Hasil Estimasi OLS Model Persamaan Umum Impor

Variabel Koefisien t-Statistic Prob.

C -5.426821 -2.143417 0.0371

LOG(GDPIND_CPT) 0.313581 2.343743 0.0232**

LOG(XT) 0.771925 4.033466 0.0002*

LOG(EX) 0.436579 1.756657 0.0852***

LOG(OILP) 0.269290 2.442543 0.0182**

AR(1) 0.671618 5.614916 0.0000*

R-squared Adj R-Squared

0.987675 0.986417

F-statistic Prob F-stat

785.3245 0.00000*

Sumber: data dimodifikasi dari hasil EViews 6.0

Keterangan: * signifikan pada α 1%; ** signifikan pada α 5%; *** signifikan pada α 10

Berdasarkan rangkuman estimasi pada Tabel 5.2 dapat dilihat

bahwa seluruh variabel independen mempengaruhi variabel dependen.

Koefisien elastisitas variabel GDP per kapita sebesar 0,31 menjelaskan

bahwa ketika GDP per kapita penduduk Indonesia naik 1 persen, impor

barang total akan naik sebesar 0,31 persen. Hal itu menggambarkan


kondisi ekonomi dan tingkat kesejahteraan masyarakat berpengaruh pada

tingginya impor di dalam negeri.

Variabel lain yang berpengaruh paling kuat adalah ekspor barang

total. Hasil regresi menunjukkan bahwa setiap kenaikan 1 persen ekspor

barang, maka impor akan meningkat sebesar 0,77 persen. Hal itu

menunjukkan bahwa semakin besar nilai ekspor, maka kebutuhan impor

khususnya terhadap bahan baku dan penolong semakin besar. Hasil

tersebut juga memperlihatkan kesesuian dengan hasil OLS model ekspor

sebelumnya dimana antara variabel ekspor dan impor memang terdapat

hubungan yang kuat.

Selanjutnya, variabel nilai tukar juga merupakan salah satu variabel

paling berpengaruh terhadap nilai impor barang total. Koefisien nilai tukar

sebesar 0,43 menunjukkan bahwa ketika nilai tukar meningkat 1 persen,

nilai impor barang akan melonjak sebesar 0,43 persen. Nilai tukar Rupiah

terhadap Dollar yang mengalami peningkatan (apresiasi), mendorong

produsen maupun konsumen domestik untuk mengimpor barang. Hal ini

terjadi karena harga barang impor menjadi relatif lebih murah.

Variabel selanjutnya, harga minyak dunia juga menunjukkan

pengaruh terhadap impor barang Indonesia. Ketika harga minyak dunia

naik 1 persen, nilai impor barang akan ikut meningkat sebesar 0,26

persen. Kondisi itu diakibatkan masih tingginya impor minyak, terutama

untuk kebutuhan bahan bakar domestik (BBM), yang sering menjadi

penyebab defisit neraca perdagangan. Terakhir, variabel AR(1)

menunjukkan bahwa masalah autokorelasi pada model telah teratasi dan

menandakan bahwa impor barang dipengaruhi lag satu waktu periode

(satu kuartal) sebelumnya.

5.2 Proyeksi Ekspor dan Impor Indonesia: Analisis Vector Autoregressive (VAR)

VAR dalam kajian ini digunakan untuk membuat proyeksi ekspor

dan impor Indonesia tahun 2015 -2019. VAR lazim digunakan untuk

memproyeksikan sistem variabel-variabel runtut waktu dan untuk

menganalisis dampak dinamis dari faktor gangguan yang terdapat dalam


sistem variabel tersebut. Dalam analisis ini VAR mempertimbangkan

beberapa variabel endogen secara bersama-sama dalam suatu model.

Dalam analisis VAR masing-masing variabel selain diterangkan oleh

nilainya di masa lampau, juga dipengaruhi oleh nilai masa lalu dari semua

variabel endogen lainnya dalam model yang diamati.

5.2.1 Proyeksi Ekspor Indonesia Hasil estimasi proyeksi ekspor Indonesia dengan menggunakan

metode VAR ditunjukkan pada Tabel 5.3. Hasil analisis OLS pada

pembahasan sebelumnya sangat penting sebagai bahan acuan dalam

memproyeksi ekspor dan impor dengan menggunakan VAR. Seperti yang

telah diketahui, VAR merupakan model yang terdiri dari banyak variabel

atau juga bisa disebut multivariate. Suatu variabel dalam perkembangan di

masa yang akan datang sangat dipengaruhi oleh berbagai variabel

lainnya.

Berdasarkan hasil analisis determinan ekspor pada model regresi

linear berganda, PBD negara tujuan utama ekspor Indonesia merupakan

variabel yang paling memengaruhi tingkat ekspor. Oleh sebab itu, dalam

analisis proyeksi ekspor hingga 2019, variabel PDB negara-negara mitra

dijadikan variabel eksogen di dalam model. Selain PDB negera-negara

mitra juga terdapat beberapa variabel yang turut dimasukkan ke dalam

model dan ditempatkan sebagai variabel endogen. Variabel PDB tersebut

diproyeksi untuk mendapatkan besaran perubahan ekspor pada masa

yang akan datang.

Berdasarkan hasil proyeksi, terlihat bahwa pada hingga akhir 2014

ini, ekspor non migas diperkirakan akan menurun (yoy) sebesar 0,69

persen. Demikian pula pada ekspor migas yang juga akan menurun

sebesar 0,83 persen. Sehingga ekspor total pada tahun 2014 ini

diperkirakan akan menurun 0,72 persen.

Selanjutnya, pada tahun 2015 hingga 2019, pertumbuhan ekspor

migas dan non migas diperkirakan akan kembali kondusif, terlihat dari

hasil proyeksi yang menunjukkan peningkatan pada setiap tahunnya.


Rata-rata pertumbuhan ekspor non migas selama 2015 hingga 2019

diperkirakan akan mencapai 5,76 persen. Sementara rata-rata

pertumbuhan ekspor migas diperkirakan akan mencapai 1,34 persen.

Sehingga rata-rata pertumbuhan total ekspor selama 2015 hingga 2019

diperkirakan akan mencapai 5,03 persen. Puncak pertumbuhan tertinggi

pada ekspor non migas diperkirakan akan terjadi pada 2019, dimana

pertumbuhan yang terjadi diperkirakan sebesar 6,75 persen. Sementara,

puncak pertumbuhan ekspor tertinggi pada sektor migas terjadi pada

tahun 2018, dimana pertumbuhan ekspor yang terjadi diperkirakan

sebesar 1,94 persen.

Tabel 5.3 Proyeksi Ekspor Migas dan Non Migas 2015-2019

Tahun

Migas Non Migas Total*

Nilai (miliar USD)

Pert (%)

Nilai (miliar USD)

Pert (%)

Nilai (miliar USD)

Pert (%)

2013 32,63 149,92 182,55

2014 32,36 -0,83 148,88 -0,69 181,25 -0,72

2015 32,45 0,26 157,67 5,90 190,12 4,90

2016 32,84 1,21 166,84 5,81 199,68 5,03

2017 33,29 1,38 175,42 5,15 208,72 4,53

2018 33,94 1,94 184,53 5,19 218,47 4,67

2019 34,59 1,93 196,99 6,75 231,59 6,00 Rata-rata

(2015-2019) 1,35 5,76 5,03

Sumber: Estimasi proyeksi pada EViews 6.0

5.2.2 Proyeksi Impor Indonesia Metodel analisis VAR juga digunakan untuk menganalisis proyeksi

pertumbuhan impor. Berdasarkan hasil proyeksi, diperkirakan bahwa

hingga akhir 2014 ini. Impor non migas mengalami penurunan sebesar

3,31 persen, sementara impor migas akan meningkat sebesar 0,15

persen. Sehingga hingga akhir 2014, impor total Indonesia diperkirakan

akan menurun sebesar 2,47 persen.


Lebih lanjut, rata-rata pertumbuhan impor sektor non migas selama

2015-2019 diperkirakan akan mencapai 4,54 persen. Sementara impor

migas diperkirakan akan tumbuh lebih tingga, dimana rata-rata mencapai

5,43 persen. Sehingga rata-rata total impor Indonesia untuk periode 2015-

2019 diperkirakan akan mencapai 4,7 persen, dimana impor migas akan

selalu mengalami pertumbuhan yang lebih tinggi daripada impor non

migas.

Puncak pertumbuhan tertinggi pada impor non migas diperkirakan

akan terjadi pada 2016, dimana pertumbuhan yang terjadi diperkirakan

sebesar 5,030 persen. Sementara, puncak pertumbuhan impor tertinggi

pada sektor migas juga terjadi pada tahun 2018, dimana pertumbuhan

impor yang terjadi diperkirakan sebesar 5,73 persen.

Tabel 5.4 Proyeksi Impor Migas dan Non Migas Indonesia 2015-2019

Tahun

Migas Non Migas Total

Nilai (miliar USD)

Pert (%)

Nilai (miliar USD

Pert (%)

Nilai (miliar USD)

Pert (%)

2013 45,27 - 141,36 186,63 - 2014 45,34 0,15 136,68 -3,31 182,02 2,47 2015 47,56 4,91 141,22 3,32 188,79 3,72 2016 50,17 5,49 148,33 5,03 198,50 5,14 2017 52,90 5,44 155,76 5,01 208,66 5,12 2018 55,93 5,73 162,89 4,58 218,83 4,87 2019 59,06 5,59 170,62 4,74 229,68 4,96

Rata-rata (2015-2019)

5,43 4,54 4,76

Sumber: Estimasi proyeksi pada EViews 6.0

5.3 Proyeksi Ekspor dan Impor Menurut Sektor dan Kategori Barang

Ekspor dan impor merupakan instrumen dalam necara

perdagangan yang memegang peranan penting sebagai indikator

pertumbuhan ekonomi suatu negara. Di era globalisasi dan pemberlakuan

perdagangan bebas saat ini, kinerja ekpor untuk meningkatkan


pendapatan negara (GDP) menjadi sangat penting untuk terus didorong.

Di lain sisi, arus impor perlu diwaspadai karena dapat menambah beban

neraca perdagangan jika tidak dikendalikan dengan baik terutama oleh

pemerintah. Mendorong kinerja ekspor, khususnya ekspor non migas

adalah suatu keniscayaan bagi Indonesia mengingat sumber daya dan

pasar tujuan ekspor masih sangat potensial. Selain itu, perlu adanya

pengendalian impor baik barang migas maupun non migas yang pada

dasarnya hanya bersifat konsumtif dan kurang bernilai tambah. Oleh

karena itu, diperlukan adanya sebuah penetapan target ekspor dan impor

barang Indonesia dalam kurun waktu lima tahun ke depan.

Penetapan target yang dimaksud dalam penelitian ini

menggunakan metode proyeksi yang didasarkan pada analisis deret

waktu (time series). Seperti yang telah dijelaskan dalam bagian metode

penelitian maka metode yang akan digunakan untuk memproyeksi adalah

analisis univariate dan analisis kausal. Metode univariate yang digunakan

beberapa diantaranya adalah exponential smoothing dan Box-Jenkins.

Sedangkan untuk proyeksi menggunakan metode kausal digunakan

metode Vector Autoregressive (VAR). Sampel dan ruang lingkup metode

yang telah disebutkan di atas tidak sama satu lain. Metode univariate

untuk exponential smoothing dan Box-Jenkins menggunakan data bulanan

denga maksud mendapat trend dan varians data yang lebih beragam.

Ruang lingkup analisis metode univariate adalah proyeksi ekspor

berdasarkan sektor (migas dan non-migas) dan kelompok komoditi

(pertanian, industri, dan pertambangan) serta impor berdasarkan sektor

(migas dan non migas) dan kelompok barang (konsumsi, bahan

baku/penolong, dan modal). Di sisi lain, metode kausal yaitu VAR

digunakan data kuartalan dan khusus untuk memproyeksi ekspor dan

impor berdasarkan sektor (migas dan non-migas) dikarenakan mayoritas

data variabel eksogen adalah kuartalan.

Analisis proyeksi berkaitan erat dengan keakuratan dari metode

yang digunakan. Keakuratan metode dan data proyeksi yang dihasilkan

digunakan uji statistik diantaranya adalah Root Mean Square Error


(RMSE) dan Mean Absolute Percentage Error (MAPE). Lebih lanjut,

sesuai dengan tujuan penelitian makan hasil akhir dari proyeksi adalah

data nilai dalam kurun waktu dan laju pertumbuhan. Pada kajian ini

sepenuhnya digunakan alat bantu software Microsoft Excel 2010 dan

EViews 6.0.

5.3.1 Proyeksi Ekspor dan Impor menggunakan Metode Exponential Smoothing Pada umumnya metode proyeksi exponential smoothing memiliki

lima macam metode yang seringkali digunakan dalam penelitian. Lima

macam metode tersebut adalah Single Smoothing (SS), Double

Smoothing (DS), Holt-Winter Non Seasonal (HW), Holt-Winters Additive

Seasonal (HWA), dan Holt-Winters Multilicative Seasonal (HWM). Kelima

jenis metode exponential smoothing tersebut selanjutnya akan diuji tingkat

akurasi menggunakan uji Root Mean Square Error (RMSE) berdasarkan

data in sample. Metode yang terbaik memberikan nilai RMSE yang

cenderung lebih kecil.

Pada pengujian RMSE untuk proyeksi ekspor didapatkan bahwa

masing-masing sektor dan kelompok komoditi memiliki karakteristik

masing-masing. Secara umum data ekspor menurut sektor dan kelompok

komoditi tidak terlalu dapat menunjukkan adanya faktor musiman. Meski

demikian, hasil exponential smoothing menujukkan bahwa metode yang

berkaitan dengan pengaruh musiman yaitu HWA dan HWM merupakan

metode yang cenderung lebih akurat dibanding metode non-musiman

seperti SS, DS dam bahkan HW. Tabel 5.5 menunjukkan bahwa metode

Holt Winters Multiplicative (HWM) cocok untuk diaplikasikan pada proyeksi

ekspor migas dan ekspor komoditi pertanian. Di lain sisi, metode Holt

Winters Additive (HWA) cocok untuk diaplikasikan pada proyeksi ekspor

non migas, komoditi industri dan pertambangan.


Exponential Smoothing

No Ekspor RMSE


SS DS HW HWA HWM

1 Migas 246,61 263,47 246,03 221,02 213,97

2 Non Migas 665,66 678,13 651,23 585,43 594,69

3 Pertanian 48,75 49,37 48,50 39,67 39,54

4 Industri 553,28 562,78 544,39 505,55 517,47

5 Pertambangan 229,69 235,25 226,18 201,96 208,67

Sumber: Hasil Olahan EViews 6.0

Sama halnya dengan ekspor, data impor menurut sektor dan

kelompok barang secara agregat tidak terlalu menampakkan adanya

faktor musiman. Namun demikian, uji statistik RMSE menunjukkan bahwa

metode proyeksi dengan mengikutsertakan komponen musiman lebih baik

dibanding non-musiman. Tabel 5.6 memperlihatkan metode Holt Winters

Additive (HWA) cocok untuk diterapkan pada proyeksi impor kecuali impor

bahan baku yang lebih cocok menggunakan metode Holt Winters

Multiplicative (HWM).

Tabel 5.6 Tingkat Akurasi Proyeksi Impor Menggunakan Metode Exponential Smoothing

No Impor RMSE

SS DS HW HWA HWM

1 Migas 300,12 325,57 297,04 285,77 296,79

2 Non Migas 763,46 788,95 755,71 717,60 726,84

3 Konsumsi 84,93 87,79 83,80 80,50 84,01

4 Bahan Baku 725,17 765,32 716,82 678,00 674,07

5 Modal 233,22 235,18 231,70 215,05 217,90


5.3.2 Proyeksi Ekspor dan Impor menggunakan Metode Box-Jenkins Metode Box-Jenkins (ARIMA) merupakan metode yang seringkali

digunakan dalam kajian peramalan selain metode exponential smoothing.

Seperti yang telah dijelaskan pada bagian metode penelitian bahwa dalam


menentukan model proyeksi ARIMA diperlukan beberapa tahapan yaitu

identifikasi model, estimasi model dan uji diagnostik residual. Tahap

identifikasi dilakukan dengan mengecek stasioneritas data dan kemudian

menguji plot ACF dan PACF untuk menentukan model yang sesuai

apakah Autoregressive (AR), Moving Average (MA), maupun kombinasi

ARMA. Pada tahap estimasi, dicari model terbaik berdasarkan uji

signifikansi t. Pada tahap uji diagnostik residual, model yang lolos untuk

proyeksi adalah model dengan residual white noise (acak). Secara

ringkas, model yang digunakan dalam penelitian ini telah melalui

prosedur-prosedur di atas dan lolos uji residual. Sebagaimana diketahui

bahwa fokus penelitian ini lebih ke proyeksi, maka pengujian di tiap

prosedur tidak ditampilkan secara khusus melainkan fokus pada tingkat

akurasi proyeksi.

Secara umum metode Box-Jenkins terbagi menjadi dua kategori

model yaitu model ARIMA yang tidak memperhitungkan faktor musiman

dan model ARIMA yang memperhitungkan faktor musiman atau dikenal

Seasonal ARIMA (SARIMA). Untuk mendapatkan hasil yang lebih

komprehensif maka kedua model tersebut digunakan dalam penelitian ini.

Selanjutnya untuk mengukut tingkat akurasi proyeksi digunakan uji

statistik Root Mean Square Error (RMSE), Mean Absolut Error (MAE), dan

Mean Absolut Percentage Error (MAPE) yang langsung ditampilkan oleh

software EViews 6.0. Di samping itu, disertakan pula banyaknya

parameter yang digunakan dalam estimasi model sebagai indikator

kesederhanaan model.

Hasil uji tingkat akurasi menunjukkan bahwa model SARIMA lebih

tepat digunakan untuk memproyeksi ekspor dibanding model ARIMA non-

musiman. Statistik RMSE maupun MAPE menunjukkan bahwa error

model SARIMA lebih kecil dibandingkan dengan error ARIMA non-

musiman. Pengaruh musiman di sini dilihat dari karakteristik data yang

digunakan yaitu data bulanan sehingga dapat dilihat bahwa semua model

SARIMA dipengaruhi oleh Seasonal Moving Average (SMA) 12. Artinya,

ekspor setiap bulan dalam setiap tahun membentuk pola yang berbeda


dari bulan-bulan sebelumnya. Hal itu dikarenakan kinerja ekspor sangat

dipengaruhi oleh kondisi perekonmian global, terutama negara tujuan

ekspor dan sulit untuk diprediksi pola musimannya. Tabel 5.7 dengan

ringkas menampilkan parameter dan uji akurasi model ARIMA non

musiman dan SARIMA.

Tabel 5.7 Tingkat Akurasi Proyeksi Ekspor Menggunakan Metode Box-Jenkins (ARIMA/SARIMA)

No Ekspor Model

ARIMA/SARIMA Parameter RMSE MAE MAPE

1 Migas

ARIMA (11,1,11) 3 772,166 647,876 37,623

ARIMA (0,1,8) SMA(12) 2 487,511 361,321 20,621

2 Non Migas

ARIMA (12,1,2) 4 2.180,994 1.765,978 23,824

ARIMA (0,1,1) SMA(12) 2 1470,097 1109,024 14,196

3 Pertanian

ARIMA (12,1,1) 2 157,933 119,861 30,872

ARIMA (1,1,2) SMA(12) 3 51,409 44,058 16,025

4 Industri

ARIMA (12,1,0) 2 3.925,143 3.061,305 39,877

ARIMA (2,1,1) SMA(12) 3 2.190,879 1.656,829 21,827

5 Pertambangan

ARIMA (11,1,0) 3 1.317,851 964,578 61,236

ARIMA (6,1,6) SMA(12) 4 445,526 307,225 23,162


Hasil yang tidak jauh berbeda ditunjukkan oleh uji tingkat akurasi

pada metode Box-Jenkins untuk proyeksi impor (Tabel 5.8). Statistik

RMSE dan MAPE menunjukkan bahwa model Seasonal ARIMA lebih baik

dibandingkan model ARIMA non-musiman. Karakteristik pengaruh

musiman impor dapat diakibatkan data yang digunakan dalam estimasi


adalah data bulanan. Pengaruh musiman impor mengandung arti bahwa

pola impor bulanan selalu berbeda setiap tahunnya. Hal itu disebabkan

kinerja impor barang bergantung pada kondisi domestik dan

perekonomian global.

Tabel 5.8 Tingkat Akurasi Proyeksi Impor Menggunakan Metode Box-Jenkins (ARIMA/SARIMA)

No Impor Model

ARIMA/SARIMA Parameter RMSE MAE MAPE

1 Migas

ARIMA (1,1,1) 2 1.806,933 1.383,157 61,788

ARIMA (12,1,1) SMA(12) 3 751,166 581,522 28,14

2 Non Migas

ARIMA (12,1,0) 2 5.017,276 3.611,449 46,848

ARIMA (0,1,2) SMA(12) 3 1.582,819 1.430,816 38,328

3 Konsumsi

ARIMA (1,1,0) 1 557,049 417,293 61,241

ARIMA (1,1,0) SMA (12) 2 235,321 169,767 26,722

4 Bahan Baku

ARIMA (1,1,0) 1 5.439,474 4.116,393 55,198

ARIMA (0,1,2) SMA(12) 3 1.824,524 1.337,946 20,459

5 Modal

ARIMA (2,1,1) 2 1.479,442 1089,762 63,216

ARIMA (0,1,1) SMA(12) 2 1.120,486 794,359 45,057


5.3.3 Proyeksi Ekspor dan Impor dengan Model Terbaik Berdasarkan metode yang telah dipaparkan pada bagian

sebelumnya maka perlu dilihat metode manakah yang paling baik untuk

dapat memproyeksikan ekspor dan impor Indonesia berdasarkan sektor

migas dan non migas serta kelompok komoditi dan kelompok barang.

Metode terbaik adalah metode yang menghasilkan error terkecil dilihat dari


nilai statistik Root Mean Square Erros (RMSE) serta Mean Absolute

Percentage Error (MAPE) dari data in sample. Tabel 5.9 berikut

memberikan hasil rekapitulasi uji RMSE dan MAPE proyeksi ekspor untuk

metode exponential smoothing Holt dan metode Box-Jenkins. Hasil

menunjukkan bahwa metode yang paling baik dalam memproyeksi ekspor

Indonesia adalah metode exponential smoothing.

Tabel 5.9 Uji Tingkat Akurasi Model Proyeksi Ekspor

Unit Exponential Smoothing ARIMA Model Terbaik Model RMSE MAPE Model RMSE MAPE

Migas HWM 213,975 0,077 ARIMA (0,1,8) SMA (12)

487,511 20,621 HWM

Non Migas HWA 585,434 0,059 ARIMA (0,1,1) SMA(12)

1.470,097 14,196 HWA

Pertanian HWM 39,545 0,094 ARIMA (1,1,2) SMA(12)

51,409 16,025 HWM

Industri HWA 505,551 0,062 ARIMA (2,1,1) SMA(12)

2.190,879 21,827 HWA

Pertambangan HWA 201,966 0,199 ARIMA (6,1,6) SMA(12)

445,526 23,162 HWA


Tidak jauh berbeda dengan ekspor, pada proyeksi impor metode

exponential smoothing dianggap paling baik untuk digunakan karena

menghasilkan error yang kecil tercermin dari stastistik RMSE dan MPE.

Tabel 5.10 menampilkan rangkuman uji akurasi proyeksi untuk impor.

Secara keseluruhan dapat disimpulkan bahwa proyeksi ekspor dan impor

barang Indonesia dipengaruhi oleh trend dan faktor musiman yang tidak

menentu. Hal itu dikarenakan kondisi perdagangan internasional yang

sangat berkaitan dengan perekonomian global serta isu geopolitik. Oleh

sebab itu, proyeksi ekspor dan impor Indonesia lebih baik menggunakan

trend dan karakteristik data musiman itu sendiri karena telah dibuktikan

dengan uji statistik MAPE exponential smoothing yang di bawah 50

persen.


Tabel 5.10 Uji Tingkat Akurasi Model Proyeksi Impor

Unit Exponential Smoothing ARIMA Model Terbaik Model RMSE MAPE Model RMSE MAPE

Migas HWA 285,77 0,144 ARIMA (12,1,1) SMA(12) 751,17

28,14

HWA

Non Migas HWA 717,605 0,095 ARIMA (0,1,2) SMA(12)

1.582,82

38,328 HWA

Konsumsi HWA 80,509 0,127 ARIMA (1,1,0) SMA (12)

235,32

26,722 HWA

Bahan Baku HWM

674,075

0,080 ARIMA (0,1,2) SMA(12)

1.824,52

20,459 HWM

Modal HWA

215,053

0,145 ARIMA (0,1,1) SMA(12)

1.120,49

45,057 HWA


5.4 Proyeksi Nilai dan Pertumbuhan Ekspor dan Impor Indonesia 2015-2019 Berdasarkan uji tingkat akurasi yang telah dilakukan diperoleh

bahwa metode exponential smoothing dengan masing-masing model

musiman (HWA dan HWM) merupakan model terbaik untuk digunakan

sebagai proyeksi nilai ekspor dan impor barang Indonesia dalam kurun

waktu 2015-2019. Di samping nilai, perlu juga dilihat pertumbuhan setiap

tahun dan rata-rata pertumbuhan ekspor maupun impor dalam rentang

waktu tersebut.

Tabel 5.11 menunjukkan bahwa secara umum nilai ekspor

berdasarkan sektor dan kelompok komoditi dalam kurun waktu 2015-2019

diproyeksikan meningkat. Meski begitu, jika dilihat pertumbuhan ekspor

maka cenderung menurun. Pertumbuhan rata-rata ekspor migas dalam

kurun waktu tersebut adalah 3,4 persen dan ekspor non migas rata-rata

4,44 persen. Selanjutnya, ekspor pertanian diproyeksi tumbuh rata-rata

sebesar 3,56 persen, ekspor industri tumbuh rata-rata sebesar 4,17

persen, dan ekspor pertambangan tumbuh rata-rata 5,59 persen.


Tabel 5.11 Proyeksi Nilai dan Pertumbuhan Ekspor Barang Indonesia 2015-2019

Ekspor Keterangan Proyeksi Pertumbuhan

rata-rata 2015-2019 2015 2016 2017 2018 2019

Migas Nilai

(miliar USD) 40,00 41,41 42,81 44,22 45,62 3,40 Pertumbuhan

(%) 3,64 3,51 3,39 3,28 3,18

NonMigas Nilai


(%) 4,85 4,63 4,42 4,24 4,06

Pertanian Nilai


(%) 3,82 3,68 3,55 3,43 3,32

Industri Nilai


(%) 4,53 4,33 4,15 3,99 3,83

Pertambangan Nilai


(%) 6,25 5,88 5,55 5,26 5,00


Di sisi lain, Tabel 5.12 menunjukkan bahwa secara umum proyeksi

nilai impor berdasarkan sektor dan kelompok barang dalam kurun waktu

2015-2019 juga memperlihatkan adanya peningkatan serta pertumbuhan

yang semakin melambat. Meski begitu, laju pertumbuhan impor lebih

tinggi dibandingkan pertumbuhan ekspor. Hal itu tentu menjadi sinyal

darurat apabila skema proyeksi univariat yang berasumsikan bussines as

ussual ini tidak segera ditindak lanjuti oleh pemerintah. Statisik

menunjukkan bahwa pertumbuhan rata-rata ekspor migas dalam kurun

waktu 2015-2019 adalah 5,2 persen dan ekspor non migas rata-rata 5,53

persen. Selanjutnya impor barang konsumsi diproyeksi tumbuh rata-rata

sebesar 5,39 persen, impor bahan baku tumbuh rata-rata sebesar 5,15

persen, dan impor barang modal tumbuh rata-rata 5,82 persen.


Tabel 5.12 Proyeksi Nilai dan Pertumbuhan Impor Barang Indonesia 2015-2019

Ekspor Keterangan Proyeksi Pertumbuhan

rata-rata 2015-2019 2015 2016 2017 2018 2019

Migas Nilai

(miliarUSD) 55,37 58,39 61,41 64,42 67,44 5,20 Pertumbuhan

(%) 5,77 5,45 5,17 4,92 4,69

NonMigas Nilai

(miliarUSD) 150,52 159,28 168,04 176,80 185,56 5,53 Pertumbuhan

(%) 6,18 5,82 5,50 5,21 4,95

Barang Konsumsi

Nilai (miliarUSD) 15,12 15,98 16,83 17,69 18,55

5,39 Pertumbuhan (%) 6,00 5,66 5,36 5,08 4,84

Bahan Baku

Nilai (miliarUSD) 159,74 168,36 176,99 185,62 194,25

5,15 Pertumbuhan (%) 5,71 5,40 5,12 4,87 4,65

Barang Modal

Nilai (miliarUSD) 33,41 35,46 37,51 39,56 41,61

5,82 Pertumbuhan (%) 6,54 6,14 5,78 5,47 5,18


5.5 Penyusunan Target Ekspor Impor Negara Lain (Studi Kasus Filipina)

Dalam rangka mencapai hasil penelitian yang lebih baik terkait

penyusunan target ekspor dan impor, tim peneliti melakukan survei ke

negara tetangga yaitu Filipina. Pada kesempatan tersebut dilakukan

diskusi dengan beberapa lembaga pemerintah serta lembaga penelitian

untuk memotret bagaimana gambaran studi penyusunan target ekspor

dan impor di negara tersebut. Berdasarkan pemaparan National Economic

and Development Authority (NEDA), penyusunan target ekspor di Filipina

dilakukan oleh otoritas khusus yang bernama Export Development Council

(EDC) dengan beranggotakan pemerintah dan pihak swasta. EDC

kemudian menyusun Rencana Pengembangan Ekspor Filipina (Philipine

Export Development Plan-PEDP) dengan periode 2014-2016. Hasilnya,

ekspor barang Filipinan ditargetkan tumbuh sebesar 10 persen atau


senilai (US$90 miliar) di tahun 2016. Dalam PEDP dirinci secara detil

target dan strategi berdasarkan produk dan pasar ekspor utama (prioritas).

PEDP nantinya menjadi bagian dari (input) rencana pembangunan Filipina

yang disebut sebagai Philippine Development Plan (PDP) 2011-2016.

PDP disusun oleh Development & Budget Coordination Committee

(DBCC) yang beranggotakan institusi pemerintah. PDP merupakan

dokumen perencanaan jangka menengah (6 tahun) dan di-update pada

pertengahan periode (3 tahun). Pada tahun 2014 ini tengah dilakukan

update PDP dengan menekankan pada aspek pembangunan spasial.

Dalam hal ini, dirumuskan pula target di tingkat regional. Target

pertumbuhan ekonomi regional disusun berdasarkan hasil proyeksi

menggunakan factor production function dengan variabel seperti jumlah

tenaga kerja, jumlah lapangan pekerjaan, GDP regional, dan kapital.

Penyusunan target ekspor dilakukan oleh EDC, sedangkan penetapannya

dilakukan oleh DBCC. Angka proyeksi ekspor dari EDC menjadi masukan

bagi BSP untuk memproyeksikan neraca pembayaran (BOP). Dalam hal

ini BSP juga memproyeksikan nilai ekspor barang sebagai bagian dari

komponen BOP serta mengestimasi nilai tukar, harga minyak, dan inflasi.

Hasil estimasi BSP kemudian dijadikan referensi bagi NEDA untuk

memproyeksikan GDP. Selanjutnya, berdasarkan proyeksi NEDA, DBM

akan melakukan proyeksi penerimaan negara sedangkan DOF akan

melakukan proyeksi pengeluaran negara. Secara sederhana, alur

penyusunan target pembangunan ekonomi dapat diilustrasikan sebagai

berikut:


Gambar 5.1 Alur Penyusunan Target Ekspor dan Pembangunan

Ekonomi Filipina

Sumber: Hasil Survei Tim (2014)

Selanjutnya, Philipine Institute for Development Studies (PDIS)

menyatakan bahwa proses penyusunan target ekspor didasarkan pada

mekanisme konsultasi antara pemerintah dan swasta (bisnis). Dalam hal

ini Departement of Trade and Industry (DTI) memiliki target yang

dikonsultasikan ke dunia usaha. Dalam menetapkan target ekspor perlu

memperhatikan pasar atau negara tujuan utama ekspor serta faktor

eksternal yang diperkirakan berpengaruh. Di samping itu, sektor internal

juga perlu diperhatikan seperti kondisi industri, kebijakan perdagangan,

infrastruktur, serta tingkat suku bunga. Cara sederhana untuk menyusun

target ekspor dalam nilai atau tingkat pertumbuhan adalah dengan

memperhatikan kinerja historis selama 3-5 tahun terakhir, termasuk kinerja

ekspor masing-masing sektor/industri. Informasi dan penelitian empiris

pada level perusahaan/industri (yang melakukan ekspor) juga dapat

bermanfaat dalam penyusunan target ekspor. Informasi tersebut antara

Export Development Council (EDC)

• DTI (ketua) • NEDA • PilExport

Development & Budget Coordination Committee (DBCC)

• BSP : proyeksi BOP

• NEDA: proyeksi GDP

• DBM: proyeksi penerimaan

• DOF: proyeksi pengeluaran

proyeksi ekspor

Keterangan: DTI : Department of Trade and Industry BSP : Bangko Sentral ng Pilipinas NEDA : National Economic and Development Authority DOF : Department of Finance PilExport: Philippine Exporters Confederation, Inc. BOP : Balance of Payment DBM : Department of Budget and Management GDP : Gross Domestic Product


lain mengenai daya saing perusahaan, tingkat produktivitas, sumber daya

manusia, dan biaya logistik.

Berkaitan dengan hal tersebut, pada dasarnya model statistik dapat

digunakan sebagai panduan dalam penyusunan target, namun angka

proyeksi yang dihasilkan dari model tersebut harus disesuaikan dengan

beragam skenario seperti business as usual maupun kebijakan pro-aktif

atau ekspansif dengan dukungan kebijakan dan rencana program kerja

pemerintah. Secara umum, untuk menentukan target suatu indikator perlu

diperhatikan aspek-aspek berikut:

1. Aspek teknis (model statistik) dan asumsi yang digunakan;

2. Supervisi dari staf/peneliti senior (sense of logic);

3. Justifikasi ahli mengenai variabel-variabel yang diperkirakan

berpengaruh signifikan namun tidak dapat dimasukkan dalam

model (wisdom).

Meski para teknokrat dan tenaga ahli menyusun target indikator ekonomi

dengan kaidah-kaidah keilmuan, namun pada akhirnya penetapan target

berada di tangan Menteri dan bersifat politis (political decision)

Terakhir, Asian Development Bank (ADB) mengemukakan bahwa

mereka tidak memiliki model khusus mengenai ekspor dan impor. ADB

memiliki Global Projection Model (GPM) yang berbasis pada model

keseimbangan stokastik dinamis (Dynamic Stochastic General

Equilibrium-DSGE) untuk memproyeksikan pertumbuhan ekonomi dunia,

inflasi, maupun variabel makroekonomi lainnya. Meski demikian, proyeksi

yang dilakukan maksimal sampai dua tahun ke depan. Selain

menggunakan model GPM, ADB juga memperhatikan masukan dari

country economist (perwakilan ADB di suatu negara) dalam rangka

menentukan angka proyeksi pada suatu negara. Country economist

tersebut pada umumnya juga melihat angka proyeksi yang telah disusun

pemerintah dan bukan semata-mata menggunakan model sendiri.

Menurut ADB, penetapan target ekspor seharusnya diarahkan pada

kondisi tertentu yang ingin dicapai, misalnya perubahan struktur ekspor

atau bauran produk ekspor (diversifikasi) dan bukan pada penetapan


angka pertumbuhan atau nilai ekspor. Hal tersebut dikarenakan

banyaknya faktor-faktor yang sulit untuk diprediksi (unpredictable) di masa

mendatang. Selain itu, sebaiknya peramalan atau proyeksi ekspor tidak

dilakukan untuk rentang waktu yang panjang, cukup memproyeksikan 1-2

tahun ke depan saja. Penetapan angka target kurang bermakna dan tidak

fokus pada tujuan yang ingin dicapai. Selain itu, dalam membangun model

ekspor maupun impor harus konsisten dengan model makroekonomi.

Perkiraan pertumbuhan ekspor harus sejalan dengan perkiraan

pertumbuhan ekonomi domestik maupun global. Hal yang penting lagi

adalah perlunya memperhatikan kondisi buyer atau mitra dagang tujuan

ekspor. Untuk Indonesia, apa yang sedang dan diperkirakan terjadi di

mitra dagang utama seperti AS dan Eropa menjadi sangat relevan untuk

dicermati.

Beberapa kesimpulan yang dapat dijadikan pertimbangan

penyusunan target ekspor impor Indonesia berdasarkan pengalaman

Filipina seperti yang telah diulas adalah sebagai berikut:

1) Penyusunan target ekspor maupun impor dikoordinasikan oleh

otoritas khusus yang terdiri dari pihak pemerintah maupun swasta.

2) Dalam menetapkan target ekspor perlu memperhatikan pasar atau

negara tujuan utama ekspor serta faktor eksternal yang

diperkirakan berpengaruh.

3) Pada dasarnya model statistik dapat digunakan sebagai panduan

dalam penyusunan target, namun angka proyeksi yang dihasilkan

dari model tersebut harus disesuaikan dengan beragam skenario

seperti business as usual maupun kebijakan pro-aktif atau

ekspansif dengan dukungan kebijakan dan rencana program kerja

pemerintah.

4) Secara umum, untuk menentukan target suatu indikator perlu

diperhatikan aspek-aspek berikut: aspek teknis (model statistik) dan

asumsi yang digunakan; supervisi dari staf/peneliti senior (sense of

logic); serta justifikasi ahli mengenai variabel-variabel yang


diperkirakan berpengaruh signifikan namun tidak dapat dimasukkan

dalam model (wisdom).

5) Penetapan target ekspor seharusnya diarahkan pada kondisi

tertentu yang ingin dicapai, misalnya perubahan struktur ekspor

atau bauran produk ekspor (diversifikasi) dan bukan pada

penetapan angka pertumbuhan atau nilai ekspor. Selain itu,

peramalan atau proyeksi ekspor sebaiknya tidak dilakukan untuk

rentang waktu yang panjang, cukup memproyeksikan satu atau dua

tahun ke depan saja.


BAB VI

PENUTUP

6.1 Kesimpulan Berdasarkan hasil OLS, diketahui bahwa determinan ekspor dan

impor barang Indonesia dipengaruhi oleh beberapa variabel eksternal

(exogenous variable). Ekspor total Indonesia terutama sangat dipengaruhi

oleh GDP per kapita negara-negara mitra dagang utama Indonesia

(traditional market). PDB negara mitra tersebut menunjukkan seberapa

kuat permintaan dunia dalam memengaruhi ekspor Indonesia. Ekspor

barang Indonesia juga dipengaruhi oleh impor barang dengan asumsi jika

impor bahan baku tersebut selanjutnya akan digunakan untuk produksi

yang berorientasi ekspor, maka ekspor barang Indonesia akan semakin

meningkat. Selanjutnya, nilai tukar Rupiah terhadap Dollar AS juga

berpengaruh terhadap ekspor. Apabila rupiah menguat, maka harga

barang Indonesia di luar negeri menjadi relatif lebih mahal (meningkat),

sehingga menurunkan daya saing produk Indonesia di pasar internasional.

Lebih lanjut, variabel harga minyak dunia dan suku bunga kredit juga

menunjukkan adanya pengaruh terhadap ekspor barang Indonesia.

Di sisi lain, berdasarkan analisis determinan impor menunjukkan

bahwa variabel GDP per kapita Indonesia berpengaruh terhadap impor.

Hal itu menggambarkan kondisi ekonomi dan tingkat kesejahteraan

masyarakat berpengaruh pada tingginya impor di dalam negeri. Ekspor

barang secara total juga menujukkan pengaruh positif signifikan terhadap

impor. Semakin besar nilai ekspor, maka kebutuhan impor khususnya

terhadap bahan baku dan penolong semakin besar. Sama halnya dengan

model ekspor, variabel nilai tukar juga memiliki pengaruh terhadap impor.

Nilai tukar Rupiah terhadap US Dollar yang mengalami peningkatan

(apresiasi), mendorong produsen maupun konsumen domestik untuk

mengimpor barang lebih banyak. Terakhir, harga minyak dunia


berpengaruh terhadap impor Indonesia karena tingginya impor minyak

dalam rangka pemenuhan kebutuhan bahan bakar domestik.

Sejalan dengan hasil analisis determinan ekspor, proyeksi ekspor

Indonesia yang dilakukan dengan pedekatan VAR menunjukkan bahwa

pertumbuhan ekspor Indonesia ke depan juga masih dipengaruhi oleh

PDB negara-negara mitra utama. Rata-rata pertumbuhan ekspor

Indonesia pada 2015-2019 sebesar 5,03 persen per tahun akan tecapai

apabila diasumsikan pertumbuhan ekonomi negara-negara mitra dagang

utama tersebut tumbuh dengan kisaran 1,5 persen - 2,0 persen.

Selebihnya pertumbuhan ekspor migas dan non migas pada 2015-2019

diperkirakan akan kondusif dan mengalami peningkatan. Rata-rata

pertumbuhan ekspor non migas selama 2015 hingga 2019 diperkirakan

akan mencapai 5,76 persen per tahun. Sementara rata-rata pertumbuhan

ekspor migas diperkirakan akan mencapai 1,34 persen per tahun.

Sementara itu, dalam proyeksi impor menggunakan pendekatan

VAR juga digunakan variabel yang paling berpengaruh dalam analisis

determinan impor sebelumnya yaitu investasi. Rata-rata pertumbuhan

impor Indonesia untuk periode 2015-2019 diperkirakan mencapai 4,7

persen per tahun apabila diasumsikan investasi yang masuk ke Indonesia

mencapai 5 persen. Impor migas diperkirakan akan tumbuh lebih tinggi

mencapai rata-rata 5,43 persen per tahun sedangkan impor non migas

diperkirakan akan tumbuh rata-rata mencapai 4,54 persen per tahun

dalam kurun 2015-2019. Hal itu menunjukkan bahwa ketergantungan

impor migas masih akan berlanjut dalam lima tahun ke depan.

Lebih lanjut, analisis univariate yang tepat dalam memproyeksi

ekspor berdasarkan kelompok komoditi dan impor berdasarkan kelompok

barang adalah menggunakan pendekatan exponential smoothing holt-

winters baik additive (HWA) maupun multiplicative (HWM). Hasil uji

keakuratan proyeksi root mean square error (RMSE) dan mean absolute

percentage error (MAPE) menunjukkan bahwa pendekatan HWA dan

HWM memberikan tingkat akurasi yang lebih baik ketimbang pendekatan

ARIMA/SARIMA. Analisis HWA dan HWM menunjukkan bahwa baik


pertumbuhan ekspor maupun impor diproyeksikan tumbuh melambat

dalam kurun waktu 2015-2019. Hal itu disebabkan dalam analisis

univariate cenderung mengikuti trend data ke bawah sehingga wajar

apabila pertumbuhan ekspor berdasarkan komoditi dan impor berdasarkan

kategori barang cenderung semakin rendah.

Hasil analisis HWA dan HWM menunjukkan bahwa rata-rata ekspor

pertanian dalam kurun waktu 2015-2019 hanya tumbuh sebesar 3,56

persen per tahun. Selain itu, ekspor industri tumbuh rata-rata 4,17 persen

per tahun dan ekspor tambang diproyeksikan meningkat cukup tinggi

sebesar 5,59 persen per tahun. Di sisi lain, impor barang konsumsi

diproyeksi tumbuh rata-rata sebesar 5,2 persen per tahun dalam kurun

waktu 2015-2019. Selanjutnya impor bahan baku tumbuh rata-rata 5,15

persen per tahun dan impor barang modal tumbuh rata-rata 5,82 persen

per tahun. Hasil tersebut menunjukkan bahwa laju pertumbuhan impor

lebih tinggi dibandingkan pertumbuhan ekspor. Hal itu tentu menjadi sinyal

darurat apabila skema proyeksi univariate yang berasumsikan bussines as

ussual ini tidak segera ditindak lanjuti oleh pemerintah.

6.2 Saran Ekspor dan impor Indonesia sangat dipengaruhi oleh berbagai

faktor. Terkait dengan ekspor, variabel yang memiliki pengaruh kuat

terhadap tingkat ekspor Indonesia selama ini ditentukan oleh faktor

eksogen yang menandakan bahwa ekspor Indonesia masih bergantung

pada kondisi permintaan dunia, terutama pada mitra dagarng utama. Oleh

karena itu, intensifikasi perdagangan ke negara tujuan ekspor utama perlu

terus ditingkatkan baik melalui kegiatan promosi maupun secara proaktif

menanggulangi isu-isu perdagangan yang berpotensi negatif terhadap

kinerja ekspor Indonesia. Selain itu, ekspor Indonesia ke depan juga harus

didorong oleh perbaikan sisi penawaran, misalnya dengan memperkuat

daya saing produk dan diversifikasi produk serta memperluas pasar

ekspor.


Dari sisi metode, penyusunan target ekspor dan impor

menggunakan model statistik dapat digunakan sebagai panduan dalam

penyusunan target, namun angka proyeksi yang dihasilkan dari model

tersebut harus disesuaikan dengan beragam skenario seperti business as

usual maupun kebijakan pro-aktif atau ekspansif dengan dukungan

kebijakan dan rencana program kerja pemerintah.

Secara umum, untuk menentukan target suatu indikator perlu

diperhatikan aspek-aspek seperti aspek teknis (model statistik) dan

asumsi yang digunakan, supervisi dari staf/peneliti senior (sense of logic),

serta justifikasi ahli mengenai variabel-variabel yang diperkirakan

berpengaruh signifikan namun tidak dapat dimasukkan dalam model

(wisdom). Selain itu, ada baiknya apabila penyusunan target ekspor

maupun impor dikoordinasikan oleh otoritas khusus yang terdiri dari pihak

pemerintah maupun swasta.

xi Puska Daglu, BP2KP, Kementerian Perdagangan

DAFTAR PUSTAKA

Ali, Ridwan; Alwang, Jeffrey; dan Siegel, Paul B. (1991). Is Export

Diversification The Best Way to Achieve Export Growth and

Stability? A Look at Three African Countries. World Bank Working

Papers No. 729, 1991.

Aydin, M. Faruk; Çiplak, Uğur; dan Yücel, M. Eray. (June 2004). Export

Supply and Import Demand Models for the Turkish Economy.

Research Departement Working Paper No:04/09. The Central Bank

of The Republic of Turkey.

Berthelemy, J.C. dan Chauvin, S. (2000). Structural Changes In Asia And

Growth Prospects After The Crisis. CEPII Working Papers No. 00-

09, 2000.

Bhagwati, Jagdish, V.K Ramaswami, dan T.N Srinivasan. (1969).

Domestic Distortions, Tariffs, and the Theory of Optimum Subsidy:

Some Further Results. Journal of Political Economy Vol 77, No 6

(November-December), pages 1005-1010.

Bhagwati, Jagdish. (1990). Export-Promotion Trade Strategy: Issues and

Evidence," in Export Promotion Strategies: Theory and Evidence

from Developing Countries. England: Harvester Wheat Sheaf.

Chani, Muhammad Irfan; Pervaiz, Zahid; dan Chaudhary, Amatul R..

(2011). Determination of Import Demand in Pakistan: The Role of

Expenditure Components. Theoritical and Applied Economics

Volume XVIII, No. 8(561), pp 93-110.

Enders, W. (2004). Applied Econometric Time Series (Second edition).

Wiley.

xii Puska Daglu, BP2KP, Kementerian Perdagangan

Gujarati, Damodar N. (2004). Basic Econometric (Fourth edition). The

McGraw-Hill Companies.

Kementerian Perdagangan Republik Indonesia. (2011). Penetapan Target

Pertumbuhan Ekspor Non Migas Sebagai Salah Satu Indikator

Kinerja Utama. Jakarta: Kementerian Perdagangan Republik

Indonesia.

Khan,Tanvir. (June 2011). Identifying an Appropriate Forecasting Model

for Forecasting Total Import of Bangladesh. International Journal of

Trade, Economics, and Finance, Vol.2, No.3.

Krueger, Anne O. (1983). Trade and Employment in Developing Countries.

Chicago: University of Chicago Press.

Krugman, Paul R. dan Obstfeld, Maurice. (2003). “International

Economics: Theory and Policy”. Pearson Education Internasional.

Kuncoro, Mudrajad. (2011). Metode Kuantitatif: Teori dan Aplikasi Untuk

Bisnis dan Ekonomi. STIE-YKPN. Yogyakarta.

Lindert, Peter H. dan Kindleberger, Charles P. (1982). International

Economics (International ed). Homewood.

Lipsey, dkk. (1995). Pengantar Mikroekonomi. Jilid 2. Jaka Wasana dan

Kirbrandoko [Penerjemah] Binarupa Aksara, Jakarta.

Nachrowi, Djalal Nachrowi dan Usman, Hardius. (2006). Pendekatan

Populer dan Praktis Ekonometrika untuk Analisis Ekonomi dan

Keuangan. Lembaga Penerbit Fakultas Ekonomi Universitas

Indonesia. Jakarta.

Octrianto, Dimas. (2006). Dampak Liberalisasi Perdagangan Cina-ASEAN

dan Faktor-faktor yang Mempengaruhi Ekspor Sayuran Penting

Indonesia ke Malaysia [Skripsi]. Fakultas Pertanian, Institut

Pertanian Bogor, Bogor.

xiii Puska Daglu, BP2KP, Kementerian Perdagangan

Pindyck, Robert S. dan Rubinfeld, Dabiel L. (1998). Econometric Models

and Economic Forecasts (Fourth edition). Irwin/McGraw-Hill.

Rahmaddi, Rudi dan Ichihashi, Masaru. (January 2012). How Do Foreign

and Domestic Demand Affect Exports Performance? An

Econometric Investigation of Indonesia’s Exports. Modern

Economy,2012, 3, 32-42.

Rosadi, Dedi. (2012). Ekonometrika dan Analisis Runtut Waktu Terapan

dengan Eviews. Penerbit Andi. Yogyakarta.

Salvatore, D. (1997). Ekonomi Internasional. Haris Munandar

[Penerjemah]. Jakarta (ID): Erlangga.

Samuelson, Paul A. (1983). Economics. Singapore: MC.Graw - Hill

Publishing Company.

Seringhaus, F. H. Rolf, and Rosson, Philip J. (1990). Government export

promotion: A global perspective. Routledge (London and New

York).

Siddique, M.A.B. (1997). Estimation of an Import Demand Function for

Indonesia: 1971-93. International Congress on Modelling and

Simulation 97, Perth, 3, pp. 1361-1366.

Sukirno, S. (2000), Pengantar Teori Makroekonomi, PT. Raja Grafindo

Persada, Jakarta.

Surachman, Hamdani dkk. (2009). Kajian Pengembangan Model Proyeksi

Jangka Pendek Pasar Komoditas Pangan Pokok. Pusat Penelitian

dan Pengembangan Perdagangan Dalam Negeri, Badan Penelitian

dan Pengembangan Perdagangan Kementerian Perdagangan.

Wardhani, Shita Lusi dan Algifari. (2007).Teknik Proyeksi Untuk Bisnis dan

Ekonomi. BPFE. Yogyakarta.

xiv Puska Daglu, BP2KP, Kementerian Perdagangan

Winarno, Wing Wahyu. (2011). Analisis Ekonometrika dan Statistika

dengan Eviews. UPP STIM YKPN. Yogyakarta.

xv Puska Daglu, BP2KP, Kementerian Perdagangan

LAMPIRAN

1. Uji Heteroskedastisitas menggunakan Uji White untuk Ekspor

Heteroskedasticity Test: White F-statistic 1.178285 Prob. F(27,27) 0.3365

Obs*R-squared 29.75078 Prob. Chi-Square(27) 0.3255

Scaled explained SS 28.17606 Prob. Chi-Square(27) 0.4019

2. Uji Autokorelasi menggunakan Uji Durbin Watson untuk Ekspor

Dependent Variable: LOG(XT) Method: Least Squares Date: 27/10/14 Time: 08:53 Sample: 2000Q1 2013Q4 Included observations: 56 Variable Coefficient Std. Error t-Statistic Prob. C -0.201306 2.210501 -0.091068 0.9278 LOG(GDPW_CPT) 0.645158 0.188037 3.431016 0.0012 LOG(MT) 0.469939 0.051633 9.101504 0.0000 LOG(EX) -0.339228 0.099536 -3.408078 0.0013 LOG(OILP) 0.133927 0.055180 2.427102 0.0189 LEND_R 0.028390 0.007998 3.549630 0.0009 R-squared 0.985919 Mean dependent var 10.15371 Adjusted R-squared 0.984511 S.D. dependent var 0.463455 S.E. of regression 0.057679 Akaike info criterion -2.766884 Sum squared resid 0.166344 Schwarz criterion -2.549882 Log likelihood 83.47275 Hannan-Quinn criter. -2.682753 F-statistic 700.1827 Durbin-Watson stat 1.040851 Prob(F-statistic) 0.000000

3. Hasil Estimasi OLS Ekspor Total

Dependent Variable: LOG(XT) Method: Least Squares Date: 27/10/14 Time: 08:54 Sample (adjusted): 2000Q2 2013Q4 Included observations: 55 after adjustments

xvi Puska Daglu, BP2KP, Kementerian Perdagangan

Convergence achieved after 9 iterations Variable Coefficient Std. Error t-Statistic Prob. C -1.534297 2.577867 -0.595181 0.5545 LOG(GDPW_CPT) 0.750198 0.227871 3.292199 0.0019 LOG(MT) 0.414013 0.069892 5.923621 0.0000 LOG(EX) -0.287713 0.141259 -2.036773 0.0472 LOG(OILP) 0.162383 0.066971 2.424681 0.0191 LEND_R 0.029597 0.012317 2.402865 0.0202 AR(1) 0.489694 0.132337 3.700362 0.0006 R-squared 0.989049 Mean dependent var 10.16456 Adjusted R-squared 0.987680 S.D. dependent var 0.460487 S.E. of regression 0.051112 Akaike info criterion -2.991197 Sum squared resid 0.125395 Schwarz criterion -2.735718 Log likelihood 89.25791 Hannan-Quinn criter. -2.892401 F-statistic 722.5301 Durbin-Watson stat 1.749385 Prob(F-statistic) 0.000000 Inverted AR Roots .49

4. Uji Heteroskedastisitas menggunakan Uji White untuk Impor

Heteroskedasticity Test: White F-statistic 0.597139 Prob. F(20,34) 0.8875 Obs*R-squared 14.29720 Prob. Chi-Square(20) 0.8151 Scaled explained SS 10.74049 Prob. Chi-Square(20) 0.9527

5. Uji Autokorelasi menggunakan Uji Durbin Watson untuk Impor

Dependent Variable: LOG(MT)

Method: Least Squares

Date: 27/10/14 Time: 08:58 Sample: 2000Q1 2013Q4 Included observations: 56 Variable Coefficient Std. Error t-Statistic Prob.

xvii Puska Daglu, BP2KP, Kementerian Perdagangan

C -8.739375 1.874194 -4.663004 0.0000 LOG(GDPIND_CPT) 0.232641 0.112952 2.059648 0.0446 LOG(EX) 0.619072 0.169076 3.661510 0.0006 LOG(XT) 1.052541 0.184202 5.714065 0.0000 LOG(OILP) 0.118653 0.094947 1.249677 0.2171 R-squared 0.979975 Mean dependent var 9.815450 Adjusted R-squared 0.978405 S.D. dependent var 0.692621

S.E. of regression 0.101783 Akaike info criterion -1.646898

Sum squared resid 0.528351 Schwarz criterion -1.466063

Log likelihood 51.11315 Hannan-Quinn criter. -1.576789

F-statistic 623.9595 Durbin-Watson stat 0.771786

Prob(F-statistic) 0.000000

6. Hasil Estimasi OLS Model Ekspor Total Dependent Variable: LOG(MT) Method: Least Squares Date: 27/10/14 Time: 12:10 Sample (adjusted): 2000Q2 2013Q4 Included observations: 55 after adjustments Convergence achieved after 26 iterations Variable Coefficient Std. Error t-Statistic Prob. C -5.426821 2.531855 -2.143417 0.0371 LOG(GDPIND_CPT) 0.313581 0.133795 2.343743 0.0232 LOG(XT) 0.771925 0.191380 4.033466 0.0002 LOG(EX) 0.436579 0.248528 1.756657 0.0852 LOG(OILP) 0.269290 0.110250 2.442543 0.0182 AR(1) 0.671618 0.119613 5.614916 0.0000 R-squared 0.987675 Mean dependent var 9.834131 Adjusted R-squared 0.986417 S.D. dependent var 0.684618 S.E. of regression 0.079789 Akaike info criterion -2.116195 Sum squared resid 0.311948 Schwarz criterion -1.897213 Log likelihood 64.19535 Hannan-Quinn criter. -2.031513 F-statistic 785.3245 Durbin-Watson stat 1.759504 Prob(F-statistic) 0.000000 Inverted AR Roots .67

7. Hasil Estimasi VAR Ekspor Migas Vector Error Correction Estimates Date: 10/17/14 Time: 02:37 Sample (adjusted): 2000Q4 2014Q2 Included observations: 55 after adjustments Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq: CointEq1

xviii Puska Daglu, BP2KP, Kementerian Perdagangan

EXP_MIG(-1) 1.000000

GDP_W(-1) 3.441680 (2.46875) [ 1.39410]

EX_RATE(-1) 3.507486 (1.85383) [ 1.89202]

INVEST(-1) 0.151511 (0.04647) [ 3.26045]

IMP_NONMIG(-1) -2.852467 (0.62915) [-4.53382]

OIL_P(-1) -270.6684 (144.476) [-1.87345]

POP(-1) -244.4656 (99.4230) [-2.45884]

C 642558.6

Error Correction: D(EXP_MIG) D(GDP_W) D(EX_RATE) D(INVEST) D(IMP_NONMI

G) D(OIL_P) D(POP) CointEq1 0.071067 0.006971 -0.036753 -1.286228 0.038850 0.000846 4.57E-05 (0.02175) (0.00312) (0.01198) (0.44116) (0.04905) (0.00019) (1.6E-05) [ 3.26787] [ 2.23680] [-3.06726] [-2.91557] [ 0.79206] [ 4.51338] [ 2.82452]

D(EXP_MIG(-1)) -0.519254 0.107662 0.006508 0.561175 0.196968 -0.000732 0.000131 (0.19199) (0.02751) (0.10579) (3.89471) (0.43303) (0.00166) (0.00014) [-2.70454] [ 3.91318] [ 0.06152] [ 0.14409] [ 0.45486] [-0.44202] [ 0.91929]

D(EXP_MIG(-2)) -0.218664 0.045695 -0.096667 -1.528170 0.380828 0.003035 3.34E-05 (0.21167) (0.03033) (0.11663) (4.29384) (0.47741) (0.00183) (0.00016) [-1.03305] [ 1.50650] [-0.82886] [-0.35590] [ 0.79770] [ 1.66271] [ 0.21227]

D(GDP_W(-1)) 1.072790 0.412412 0.116162 34.71325 1.069171 0.000917 -0.000842 (1.09887) (0.15747) (0.60546) (22.2913) (2.47844) (0.00948) (0.00082) [ 0.97626] [ 2.61902] [ 0.19186] [ 1.55725] [ 0.43139] [ 0.09673] [-1.03095]

D(GDP_W(-2)) 0.071080 0.337707 -0.452264 -32.60255 1.545125 0.005900 0.000397 (0.95344) (0.13663) (0.52533) (19.3411) (2.15043) (0.00822) (0.00071) [ 0.07455] [ 2.47174] [-0.86091] [-1.68566] [ 0.71852] [ 0.71756] [ 0.56063]

D(EX_RATE(-1)) 0.329913 -0.063020 -0.178707 -6.014993 -0.233582 0.005863 0.000469 (0.26693) (0.03825) (0.14707) (5.41486) (0.60205) (0.00230) (0.00020) [ 1.23595] [-1.64753] [-1.21507] [-1.11083] [-0.38798] [ 2.54679] [ 2.36270]

D(EX_RATE(-2)) 0.162215 -0.021743 -0.116843 -1.615246 0.277062 0.003853 0.000584 (0.30662) (0.04394) (0.16894) (6.21999) (0.69156) (0.00264) (0.00023) [ 0.52904] [-0.49485] [-0.69161] [-0.25969] [ 0.40063] [ 1.45721] [ 2.56262]

xix Puska Daglu, BP2KP, Kementerian Perdagangan

D(INVEST(-1)) -0.009960 0.001781 0.010803 -0.087936 -0.016970 -0.000187 3.64E-06

(0.00921) (0.00132) (0.00507) (0.18674) (0.02076) (7.9E-05) (6.8E-06) [-1.08198] [ 1.35039] [ 2.12981] [-0.47091] [-0.81733] [-2.35489] [ 0.53205]

D(INVEST(-2)) 0.000613 0.002695 -0.001489 -0.703172 0.021494 -6.13E-06 7.87E-06 (0.00935) (0.00134) (0.00515) (0.18965) (0.02109) (8.1E-05) (7.0E-06) [ 0.06561] [ 2.01172] [-0.28906] [-3.70769] [ 1.01933] [-0.07604] [ 1.13280]

D(IMP_NONMIG(-1)) 0.278890 -0.003785 -0.159735 -2.596019 -0.140243 0.005602 6.50E-05 (0.12392) (0.01776) (0.06828) (2.51376) (0.27949) (0.00107) (9.2E-05) [ 2.25061] [-0.21318] [-2.33951] [-1.03273] [-0.50178] [ 5.24170] [ 0.70511]

D(IMP_NONMIG(-2)) 0.158598 -0.017216 -0.026777 3.907959 -0.069255 0.001248 -2.44E-05 (0.10717) (0.01536) (0.05905) (2.17399) (0.24171) (0.00092) (8.0E-05) [ 1.47989] [-1.12101] [-0.45347] [ 1.79759] [-0.28652] [ 1.34996] [-0.30592]

D(OIL_P(-1)) 60.89906 3.402239 -9.562242 -108.8786 127.8861 0.181757 0.003204 (16.1356) (2.31223) (8.89051) (327.322) (36.3930) (0.13915) (0.01200) [ 3.77420] [ 1.47141] [-1.07556] [-0.33263] [ 3.51403] [ 1.30618] [ 0.26707]

D(OIL_P(-2)) -9.157912 -5.823993 24.03253 -876.2356 -40.48452 -0.784781 0.040464 (19.8833) (2.84927) (10.9554) (403.346) (44.8456) (0.17147) (0.01478) [-0.46058] [-2.04403] [ 2.19366] [-2.17242] [-0.90275] [-4.57676] [ 2.73740]

D(POP(-1)) -384.7393 61.37395 247.1013 -1032.245 -295.7590 -6.503002 0.044888 (256.681) (36.7823) (141.428) (5206.95) (578.929) (2.21358) (0.19082) [-1.49890] [ 1.66857] [ 1.74719] [-0.19824] [-0.51087] [-2.93777] [ 0.23523]

D(POP(-2)) -447.1125 -109.6250 319.9668 3832.691 -90.04129 -6.430774 -0.129220 (346.025) (49.5853) (190.655) (7019.34) (780.438) (2.98407) (0.25724) [-1.29214] [-2.21084] [ 1.67825] [ 0.54602] [-0.11537] [-2.15503] [-0.50232]

C 5337.016 383.3042 -3802.233 2480.137 2233.682 88.15808 7.418006 (2953.74) (423.270) (1627.47) (59918.6) (6661.98) (25.4727) (2.19589) [ 1.80687] [ 0.90558] [-2.33629] [ 0.04139] [ 0.33529] [ 3.46089] [ 3.37813] R-squared 0.523854 0.847912 0.482394 0.517569 0.552297 0.687614 0.586518

Adj. R-squared 0.340721 0.789416 0.283315 0.332019 0.380103 0.567465 0.427486 Sum sq. resids 26396885 542054.6 8013710. 1.09E+10 1.34E+08 1963.163 14.58914 S.E. equation 822.7048 117.8933 453.2987 16689.11 1855.561 7.094894 0.611621 F-statistic 2.860508 14.49534 2.423126 2.789372 3.207421 5.723027 3.688056 Log likelihood -437.7808 -330.9258 -404.9982 -603.3260 -482.5147 -176.3535 -41.54758 Akaike AIC 16.50112 12.61548 15.30903 22.52095 18.12781 6.994674 2.092639 Schwarz SC 17.08507 13.19944 15.89298 23.10490 18.71176 7.578626 2.676591 Mean dependent 67.86927 345.3420 54.07855 11614.14 539.1418 1.381273 6.997336 S.D. dependent 1013.233 256.9075 535.4517 20419.77 2356.761 10.78786 0.808331

Determinant resid covariance (dof adj.) 5.96E+30

Determinant resid covariance 5.37E+29 Log likelihood -2428.849 Akaike information criterion 92.64904 Schwarz criterion 96.99218

8. Hasil Estimasi VAR Ekspor Non Migas Vector Autoregression Estimates Date: 10/17/14 Time: 01:59 Sample (adjusted): 2000Q3 2014Q2

xx Puska Daglu, BP2KP, Kementerian Perdagangan

Included observations: 56 after adjustments Standard errors in ( ) & t-statistics in [ ]

EXP_NONMIG EX_RATE INVEST IMP_NONMIG OIL_P POP EXP_NONMIG(-1) 0.479125 -0.053353 -4.601574 -0.069370 -0.001258 0.000102 (0.18560) (0.05385) (2.23674) (0.20478) (0.00085) (7.6E-05) [ 2.58146] [-0.99074] [-2.05727] [-0.33875] [-1.47333] [ 1.33553]

EXP_NONMIG(-2) 0.440326 -0.058577 2.995311 0.185583 0.001832 -0.000172 (0.19913) (0.05778) (2.39972) (0.21970) (0.00092) (8.2E-05) [ 2.21129] [-1.01387] [ 1.24819] [ 0.84471] [ 1.99971] [-2.10242]

EX_RATE(-1) 0.029433 0.549755 -10.85376 -0.411571 0.007646 0.000494 (0.53973) (0.15660) (6.50444) (0.59550) (0.00248) (0.00022) [ 0.05453] [ 3.51053] [-1.66867] [-0.69114] [ 3.07857] [ 2.22196]

EX_RATE(-2) -0.081566 0.043522 10.72641 0.351640 -0.001456 -0.000452 (0.56675) (0.16444) (6.82999) (0.62530) (0.00261) (0.00023) [-0.14392] [ 0.26467] [ 1.57049] [ 0.56235] [-0.55816] [-1.93941]

INVEST(-1) 0.025315 0.007711 0.797684 0.000694 -3.99E-05 1.13E-05 (0.01695) (0.00492) (0.20424) (0.01870) (7.8E-05) (7.0E-06) [ 1.49373] [ 1.56816] [ 3.90560] [ 0.03712] [-0.51161] [ 1.62648]

INVEST(-2) -0.024707 -0.004147 -0.122332 0.008728 -5.98E-05 3.46E-06 (0.01583) (0.00459) (0.19074) (0.01746) (7.3E-05) (6.5E-06) [-1.56103] [-0.90310] [-0.64137] [ 0.49985] [-0.82115] [ 0.53145]

IMP_NONMIG(-1) -0.104164 -0.037662 2.174298 0.433018 0.001775 -0.000138 (0.15494) (0.04496) (1.86727) (0.17095) (0.00071) (6.4E-05) [-0.67227] [-0.83774] [ 1.16442] [ 2.53296] [ 2.48882] [-2.15774]

IMP_NONMIG(-2) -0.083937 0.049503 1.687185 0.035257 -0.002621 -6.46E-05 (0.16443) (0.04771) (1.98161) (0.18142) (0.00076) (6.8E-05) [-0.51046] [ 1.03760] [ 0.85142] [ 0.19434] [-3.46373] [-0.95474]

OIL_P(-1) 87.75186 1.817670 133.5418 120.4055 0.726580 0.009981 (30.8786) (8.95932) (372.125) (34.0689) (0.14210) (0.01271) [ 2.84183] [ 0.20288] [ 0.35886] [ 3.53418] [ 5.11320] [ 0.78521]

OIL_P(-2) -137.8500 27.68841 -408.4643 -107.9506 -0.527946 0.024373 (32.4947) (9.42824) (391.602) (35.8520) (0.14954) (0.01338) [-4.24223] [ 2.93675] [-1.04306] [-3.01101] [-3.53055] [ 1.82197]

POP(-1) -116.9777 210.7645 234.2665 -76.43984 -3.821968 1.080749 (412.551) (119.700) (4971.75) (455.175) (1.89850) (0.16983) [-0.28355] [ 1.76077] [ 0.04712] [-0.16794] [-2.01315] [ 6.36354]

POP(-2) 109.4069 -215.0860 -276.8157 30.31641 3.531363 -0.104900 (399.609) (115.945) (4815.78) (440.895) (1.83894) (0.16451) [ 0.27379] [-1.85507] [-0.05748] [ 0.06876] [ 1.92032] [-0.63766]

C 12361.70 14869.74 -30374.90 114530.9 618.6278 73.79673 (73453.1) (21312.2) (885200.) (81042.1) (338.021) (30.2383) [ 0.16829] [ 0.69771] [-0.03431] [ 1.41323] [ 1.83015] [ 2.44050]

GDP_W 0.772678 0.005037 9.861436 1.190807 0.012231 0.000171 (0.84706) (0.24577) (10.2081) (0.93457) (0.00390) (0.00035)

xxi Puska Daglu, BP2KP, Kementerian Perdagangan

[ 0.91219] [ 0.02050] [ 0.96604] [ 1.27417] [ 3.13777] [ 0.49095] R-squared 0.984794 0.801933 0.995421 0.985097 0.963388 0.999976

Adj. R-squared 0.980087 0.740626 0.994004 0.980484 0.952056 0.999969 Sum sq. resids 95813751 8066092. 1.39E+10 1.17E+08 2029.057 16.23768 S.E. equation 1510.391 438.2349 18202.07 1666.440 6.950603 0.621781 F-statistic 209.2308 13.08070 702.3443 213.5503 85.01342 136731.2 Log likelihood -481.3324 -412.0397 -620.7257 -486.8384 -179.9798 -44.79607 Akaike AIC 17.69044 15.21571 22.66878 17.88709 6.927852 2.099860 Schwarz SC 18.19678 15.72204 23.17511 18.39342 7.434190 2.606198 Mean dependent 23709.37 9520.086 334022.8 18694.63 65.95911 3080.672 S.D. dependent 10703.35 860.4861 235062.2 11928.64 31.74358 111.7806



9. Hasil Estimasi VAR Impor Migas Vector Error Correction Estimates Date: 04/22/14 Time: 11:24 Sample (adjusted): 2004Q4 2013Q4 Included observations: 37 after adjustments Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq: CointEq1 IMPMIG(-1) 1.000000

GDP(-1) 1236.745 (499.872) [ 2.47412]

I(-1) -3946.557 (1645.59) [-2.39827]

OILP(-1) -735784.3 (271335.) [-2.71172]

C -1.15E+08 Error Correction: D(IMPMIG) D(GDP) D(I) D(OILP) CointEq1 0.014872 -0.000189 1.83E-05 2.18E-07 (0.01285) (7.8E-05) (3.4E-05) (1.3E-07) [ 1.15704] [-2.42911] [ 0.53379] [ 1.70635]

D(IMPMIG(-1)) -0.737590 0.002074 -0.000458 -1.15E-06 (0.32119) (0.00194) (0.00086) (3.2E-06) [-2.29641] [ 1.06676] [-0.53552] [-0.35944]

D(IMPMIG(-2)) -0.422313 0.000931 0.000537 9.92E-08 (0.34669) (0.00210) (0.00092) (3.5E-06) [-1.21813] [ 0.44374] [ 0.58168] [ 0.02875]

xxii Puska Daglu, BP2KP, Kementerian Perdagangan

D(GDP(-1)) -34.68397 -0.489218 0.297692 -0.000753 (25.8397) (0.15643) (0.06885) (0.00026) [-1.34227] [-3.12731] [ 4.32364] [-2.92537]

D(GDP(-2)) -58.99590 -0.127772 0.079623 -0.000759 (34.2425) (0.20730) (0.09124) (0.00034) [-1.72289] [-0.61635] [ 0.87266] [-2.22689]

D(I(-1)) 146.6353 -0.969251 -0.496595 0.002066 (78.6718) (0.47628) (0.20963) (0.00078) [ 1.86389] [-2.03504] [-2.36894] [ 2.63709]

D(I(-2)) 33.13838 -1.891041 -0.304168 0.000223 (48.8009) (0.29544) (0.13003) (0.00049) [ 0.67905] [-6.40072] [-2.33914] [ 0.45872]

D(OILP(-1)) 100531.9 26.71881 85.67742 0.516563 (30524.3) (184.795) (81.3346) (0.30396) [ 3.29351] [ 0.14459] [ 1.05339] [ 1.69947]

D(OILP(-2)) 9693.004 -203.5779 -17.05335 -0.328975 (35343.9) (213.972) (94.1768) (0.35195) [ 0.27425] [-0.95142] [-0.18108] [-0.93473]

C 584729.8 18890.77 1152.326 7.940313 (339212.) (2053.60) (903.859) (3.37781) [ 1.72379] [ 9.19888] [ 1.27490] [ 2.35073] R-squared 0.474214 0.761017 0.732173 0.450489

Adj. R-squared 0.298952 0.681356 0.642897 0.267319 Sum sq. resids 3.38E+13 1.24E+09 2.40E+08 3355.845 S.E. equation 1119578. 6777.950 2983.213 11.14857 F-statistic 2.705746 9.553180 8.201263 2.459403 Log likelihood -562.0248 -373.0646 -342.6997 -135.8902 Akaike AIC 30.92026 20.70620 19.06485 7.885959 Schwarz SC 31.35565 21.14158 19.50023 8.321342 Mean dependent 227815.7 7460.838 2369.324 1.729459 S.D. dependent 1337152. 12007.30 4992.151 13.02452



10. Hasil Estimasi VAR Impor Non Migas Vector Autoregression Estimates Date: 6/22/14 Time: 17:04 Sample (adjusted): 2004Q3 2013Q4 Included observations: 38 after adjustments Standard errors in ( ) & t-statistics in [ ]

IMPNONMIG GDP I IMPNONMIG(-1) 1.015750 0.002289 0.000337 (0.18862) (0.00074) (0.00020) [ 5.38524] [ 3.10469] [ 1.72293]

xxiii Puska Daglu, BP2KP, Kementerian Perdagangan

IMPNONMIG(-2) -0.244025 -0.001519 0.000139 (0.21242) (0.00083) (0.00022) [-1.14877] [-1.82919] [ 0.62851]

GDP(-1) 66.94228 0.739664 0.362744 (38.2740) (0.14958) (0.03975) [ 1.74903] [ 4.94508] [ 9.12593]

GDP(-2) -0.966930 0.673699 -0.097149 (68.9865) (0.26960) (0.07164) [-0.01402] [ 2.49888] [-1.35599]

I(-1) -354.9445 -2.289257 -0.078417 (181.842) (0.71064) (0.18885) [-1.95194] [-3.22139] [-0.41524]

I(-2) 224.9135 0.716508 0.025181 (131.770) (0.51496) (0.13685) [ 1.70686] [ 1.39138] [ 0.18401]

C -13011881 -26625.87 -18190.43 (8386092) (32773.1) (8709.21) [-1.55160] [-0.81243] [-2.08864] R-squared 0.952689 0.989248 0.991943

Adj. R-squared 0.943532 0.987167 0.990384 Sum sq. resids 2.00E+14 3.05E+09 2.15E+08 S.E. equation 2537651. 9917.204 2635.427 F-statistic 104.0403 475.3654 636.1144 Log likelihood -610.4278 -399.7283 -349.3697 Akaike AIC 32.49620 21.40675 18.75630 Schwarz SC 32.79786 21.70841 19.05796 Mean dependent 22782095 548262.6 129779.7 S.D. dependent 10679028 87543.76 26875.09



11. Hasil Exponential Smoothing Holt Winters Multiplicative Seasonal Ekspor Migas

Date: 27/10/14 Time: 14:02 Sample: 2000M01 2013M12 Included observations: 168 Method: Holt-Winters Multiplicative Seasonal Original Series: EKS_MIGAS Forecast Series: EKS_MISM Parameters: Alpha 0.9400 Beta 0.0000 Gamma 0.0000 Sum of Squared Residuals 7691983. Root Mean Squared Error 213.9757

xxiv Puska Daglu, BP2KP, Kementerian Perdagangan

12. Hasil Exponential Smoothing Holt Winters Additive Seasonal Ekspor Non-Migas

Date: 27/10/14 Time: 14:05 Sample: 2000M01 2013M12 Included observations: 168 Method: Holt-Winters Additive Seasonal Original Series: EKS_NONMIGAS Forecast Series: EKS_NOSM Parameters: Alpha 0.5600 Beta 0.0000 Gamma 0.0000 Sum of Squared Residuals 57579093 Root Mean Squared Error 585.4338 13. Hasil Exponential Smoothing Holt Winters Multiplicative Seasonal

Ekspor Pertanian Date: 27/10/14 Time: 13:29 Sample: 2000M01 2013M12 Included observations: 168 Method: Holt-Winters Multiplicative Seasonal Original Series: EKS_AGRI Forecast Series: EKS_AGSM Parameters: Alpha 0.2200 Beta 0.0000 Gamma 0.0000 Sum of Squared Residuals 262721.4 Root Mean Squared Error 39.54513

14. Hasil Exponential Smoothing Holt Winters Additive Seasonal Ekspor Industri

Date: 27/10/14 Time: 14:06 Sample: 2000M01 2013M12 Included observations: 168 Method: Holt-Winters Additive Seasonal Original Series: EKS_INDUSTRI Forecast Series: EKS_INSM Parameters: Alpha 0.5000 Beta 0.0000 Gamma 0.0000 Sum of Squared Residuals 42937754 Root Mean Squared Error 505.5511

xxv Puska Daglu, BP2KP, Kementerian Perdagangan

15. Hasil Exponential Smoothing Holt Winters Additive Seasonal Ekspor Pertambangan

Date: 27/10/14 Time: 14:07 Sample: 2000M01 2013M12 Included observations: 168 Method: Holt-Winters Additive Seasonal Original Series: EKS_MINING Forecast Series: EKS_MISM Parameters: Alpha 0.5200 Beta 0.0000 Gamma 0.0000 Sum of Squared Residuals 6852739. Root Mean Squared Error 201.9656 16. Hasil Exponential Smoothing Holt Winters Additive Seasonal

Impor Migas Date: 27/10/14 Time: 14:08 Sample: 2000M01 2013M12 Included observations: 168 Method: Holt-Winters Additive Seasonal Original Series: IMP_MIGAS Forecast Series: IMP_MISM Parameters: Alpha 0.8000 Beta 0.0000 Gamma 0.0000 Sum of Squared Residuals 13719635 Root Mean Squared Error 285.7700

17. Hasil Exponential Smoothing Holt Winters Additive Seasonal Impor Non-Migas

Date: 27/10/14 Time: 14:08 Sample: 2000M01 2013M12 Included observations: 168 Method: Holt-Winters Additive Seasonal Original Series: IMP_NONMIGAS Forecast Series: IMP_NOSM Parameters: Alpha 0.5800 Beta 0.0000 Gamma 0.0000 Sum of Squared Residuals 86512848 Root Mean Squared Error 717.6053

xxvi Puska Daglu, BP2KP, Kementerian Perdagangan

18. Hasil Exponential Smoothing Holt Winters Additive Seasonal Impor Barang Konsumsi

Date: 27/10/14 Time: 14:09 Sample: 2000M01 2013M12 Included observations: 168 Method: Holt-Winters Additive Seasonal Original Series: IMP_KONSUMSI Forecast Series: IMP_KOSM Parameters: Alpha 0.5000 Beta 0.0000 Gamma 0.0000 Sum of Squared Residuals 1088915. Root Mean Squared Error 80.50862

19. Hasil Exponential Smoothing Holt Winters Multiplicative Seasonal Impor Barang Bahan Baku

Date: 27/10/14 Time: 14:10 Sample: 2000M01 2013M12 Included observations: 168 Method: Holt-Winters Multiplicative Seasonal Original Series: IMP_BHNBAKU Forecast Series: IMP_BHSM Parameters: Alpha 0.7300 Beta 0.0000 Gamma 0.0000 Sum of Squared Residuals 76335357 Root Mean Squared Error 674.0750 20. Hasil Exponential Smoothing Holt Winters Additive Seasonal

Impor Barang Modal Date: 27/10/14 Time: 14:10 Sample: 2000M01 2013M12 Included observations: 168 Method: Holt-Winters Additive Seasonal Original Series: IMP_MODAL Forecast Series: IMP_MOSM

Parameters: Alpha 0.4200 Beta 0.0000 Gamma 0.0000

Sum of Squared Residuals 7769621. Root Mean Squared Error 215.0529

xxvii Puska Daglu, BP2KP, Kementerian Perdagangan

21. Hasil Model SARIMA Ekspor Migas

Dependent Variable: D(DLOG(EKS_MIGAS,0,12)) Method: Least Squares Date: 07/10/14 Time: 12:13 Sample (adjusted): 2001M02 2013M12 Included observations: 155 after adjustments Convergence achieved after 8 iterations MA Backcast: 1999M06 2001M01

Variable Coefficient Std. Error t-Statistic Prob. MA(8) -0.244243 0.079261 -3.081486 0.0024

SMA(12) -0.908175 0.023199 -39.14670 0.0000 R-squared 0.553637 Mean dependent var 0.000504

Adjusted R-squared 0.550720 S.D. dependent var 0.156197 S.E. of regression 0.104696 Akaike info criterion -1.662685 Sum squared resid 1.677083 Schwarz criterion -1.623415 Log likelihood 130.8581 Hannan-Quinn criter. -1.646735 Durbin-Watson stat 2.101709

Inverted MA Roots .99 .86+.50i .86-.50i .84 .59+.59i .59-.59i .50+.86i .50-.86i .00+.99i -.00-.99i -.00+.84i -.00-.84i -.50+.86i -.50-.86i -.59-.59i -.59-.59i -.84 -.86+.50i -.86-.50i -.99

22. Hasil Model SARIMA Ekspor Non Migas

Dependent Variable: D(DLOG(EKS_NONMIGAS,0,12)) Method: Least Squares Date: 07/10/14 Time: 12:45 Sample (adjusted): 2001M02 2013M12 Included observations: 155 after adjustments Convergence achieved after 9 iterations MA Backcast: 2000M01 2001M01


SMA(12) -0.891143 0.022362 -39.85029 0.0000 R-squared 0.470961 Mean dependent var -0.000230


Inverted MA Roots .99 .86+.50i .86-.50i .50-.86i .50+.86i .38 .00-.99i -.00+.99i -.50-.86i -.50+.86i -.86+.50i -.86-.50i -.99

xxviii Puska Daglu, BP2KP, Kementerian Perdagangan

23. Hasil Model SARIMA Ekspor Pertanian

Dependent Variable: D(DLOG(EKS_AGRI,0,12)) Method: Least Squares Date: 07/10/14 Time: 13:21 Sample (adjusted): 2001M03 2013M12 Included observations: 154 after adjustments Convergence achieved after 10 iterations MA Backcast: 2000M01 2001M02

Variable Coefficient Std. Error t-Statistic Prob. AR(1) -0.768051 0.064974 -11.82098 0.0000

MA(2) -0.486011 0.088621 -5.484177 0.0000 SMA(12) -0.913816 0.019075 -47.90617 0.0000

R-squared 0.616274 Mean dependent var -0.000323


Inverted AR Roots -.77

Inverted MA Roots .99 .86-.50i .86+.50i .70 .50-.86i .50+.86i .00+.99i -.00-.99i -.50+.86i -.50-.86i -.70 -.86+.50i -.86-.50i -.99

24. Hasil Model SARIMA Ekspor Industri

Dependent Variable: D(DLOG(EKS_INDUSTRI,0,12)) Method: Least Squares Date: 07/10/14 Time: 14:28 Sample (adjusted): 2001M04 2013M12 Included observations: 153 after adjustments Convergence achieved after 8 iterations MA Backcast: 2000M03 2001M03

Variable Coefficient Std. Error t-Statistic Prob. AR(2) 0.252692 0.088868 2.843455 0.0051

MA(1) -0.527676 0.078180 -6.749501 0.0000 SMA(12) -0.893885 0.022553 -39.63557 0.0000

R-squared 0.521676 Mean dependent var 0.000716


Inverted AR Roots .50 -.50

xxix Puska Daglu, BP2KP, Kementerian Perdagangan

Inverted MA Roots .99 .86-.50i .86+.50i .53 .50-.86i .50+.86i .00+.99i -.00-.99i -.50+.86i -.50-.86i -.86+.50i -.86-.50i -.99

25. Hasil Model SARIMA Ekspor Pertambangan

Dependent Variable: D(DLOG(EKS_MINING,0,12)) Method: Least Squares Date: 07/10/14 Time: 16:48 Sample (adjusted): 2001M08 2013M12 Included observations: 149 after adjustments Convergence achieved after 14 iterations MA Backcast: 2000M02 2001M07

Variable Coefficient Std. Error t-Statistic Prob. AR(6) 0.460831 0.044579 10.33729 0.0000

MA(1) -0.635830 0.047957 -13.25835 0.0000 MA(6) -0.357108 0.046513 -7.677541 0.0000

SMA(12) -0.940561 0.019036 -49.41057 0.0000 R-squared 0.578566 Mean dependent var -0.000866


Inverted AR Roots .88 .44-.76i .44+.76i -.44-.76i -.44+.76i -.88

Inverted MA Roots 1.00 .99 .86-.50i .86+.50i .53-.69i .53+.69i .50+.86i .50-.86i .00+.99i -.00-.99i -.33-.71i -.33+.71i -.50+.86i -.50-.86i -.76 -.86+.50i -.86-.50i -.99

26. Hasil Model SARIMA Impor Migas

Dependent Variable: D(DLOG(IMP_MIGAS,0,12)) Method: Least Squares Date: 07/10/14 Time: 17:06 Sample (adjusted): 2002M02 2013M12 Included observations: 143 after adjustments Convergence achieved after 8 iterations MA Backcast: 2001M01 2002M01

Variable Coefficient Std. Error t-Statistic Prob. AR(12) -0.156677 0.077229 -2.028731 0.0444

MA(1) -0.244220 0.082470 -2.961320 0.0036 SMA(12) -0.937054 0.017042 -54.98361 0.0000

xxx Puska Daglu, BP2KP, Kementerian Perdagangan

R-squared 0.600991 Mean dependent var -0.002963 Adjusted R-squared 0.595291 S.D. dependent var 0.249262 S.E. of regression 0.158573 Akaike info criterion -0.824451 Sum squared resid 3.520343 Schwarz criterion -0.762293 Log likelihood 61.94825 Hannan-Quinn criter. -0.799193 Durbin-Watson stat 1.995278

Inverted AR Roots .83+.22i .83-.22i .61+.61i .61-.61i .22+.83i .22-.83i -.22-.83i -.22+.83i -.61+.61i -.61-.61i -.83+.22i -.83-.22i

Inverted MA Roots .99 .86+.50i .86-.50i .50+.86i .50-.86i .24 .00+.99i -.00-.99i -.50+.86i -.50-.86i -.86-.50i -.86+.50i -.99

27. Hasil Model SARIMA Impor Non Migas

Dependent Variable: D(DLOG(IMP_NONMIGAS,0,12)) Method: Least Squares Date: 07/10/14 Time: 17:39 Sample (adjusted): 2001M02 2013M12 Included observations: 155 after adjustments Convergence achieved after 9 iterations MA Backcast: 1999M12 2001M01


MA(2) 0.185513 0.080244 2.311877 0.0221 SMA(12) -0.900902 0.022443 -40.14252 0.0000



Inverted MA Roots .99 .86+.50i .86-.50i .50+.86i .50-.86i .21+.38i .21-.38i -.00-.99i -.00+.99i -.50-.86i -.50+.86i -.86+.50i -.86-.50i -.99

28. Hasil Model SARIMA Impor Konsumsi Dependent Variable: D(DLOG(IMP_KONSUMSI,0,12)) Method: Least Squares Date: 07/10/14 Time: 18:07 Sample (adjusted): 2001M03 2013M12 Included observations: 154 after adjustments Convergence achieved after 8 iterations MA Backcast: 2000M03 2001M02

Variable Coefficient Std. Error t-Statistic Prob.

xxxi Puska Daglu, BP2KP, Kementerian Perdagangan

AR(1) -0.356099 0.073022 -4.876615 0.0000

MA(12) -0.907929 0.017419 -52.12424 0.0000 R-squared 0.505049 Mean dependent var -0.000664


Inverted AR Roots -.36

Inverted MA Roots .99 .86+.50i .86-.50i .50+.86i .50-.86i .00+.99i -.00-.99i -.50+.86i -.50-.86i -.86-.50i -.86+.50i -.99

29. Hasil Model SARIMA Impor Bahan Baku Dependent Variable: D(DLOG(IMP_BHNBAKU,0,12)) Method: Least Squares Date: 07/10/14 Time: 20:13 Sample (adjusted): 2001M02 2013M12 Included observations: 155 after adjustments Convergence achieved after 10 iterations MA Backcast: 1999M12 2001M01


MA(2) 0.170663 0.078944 2.161832 0.0322 SMA(12) -0.920887 0.018176 -50.66596 0.0000



Inverted MA Roots .99 .86-.50i .86+.50i .50-.86i .50+.86i .15+.39i .15-.39i .00+.99i -.00-.99i -.50+.86i -.50-.86i -.86+.50i -.86-.50i -.99

30. Hasil Model SARIMA Impor Modal Dependent Variable: D(DLOG(IMP_MODAL,0,12)) Method: Least Squares Date: 07/10/14 Time: 20:30 Sample (adjusted): 2001M02 2013M12 Included observations: 155 after adjustments Convergence achieved after 10 iterations MA Backcast: 2000M01 2001M01

Variable Coefficient Std. Error t-Statistic Prob.

xxxii Puska Daglu, BP2KP, Kementerian Perdagangan

MA(1) -0.558773 0.067462 -8.282815 0.0000 SMA(12) -0.914365 0.021757 -42.02657 0.0000



Inverted MA Roots .99 .86+.50i .86-.50i .56 .50+.86i .50-.86i .00+.99i -.00-.99i -.50+.86i -.50-.86i -.86+.50i -.86-.50i -.99

Documents

LAPORAN AKHIR KAJIAN PENYUSUNAN TARGET EKSPOR …bppp.kemendag.go.id/media_content/2017/08/Kajian_PenyususnanTarget... · Di sisi lain, impor barang konsumsi diproyeksi tumbuh rata-rata