Kelas 3SE3
Octavia Rizky Prasetyo (11.6839)
BAB I
PENDAHULUAN
1.1 Latar Belakang
China merupakan negara dengan pertumbuhan ekonomi yang sangat pesat. Menurut
Berger dan Martin (2011), dalam tiga dekade sejak reformasi ekonomi yang diberlakukan
pada akhir 1970-an, China telah mengalami periode yang luar biasa yaitu pertumbuhan
ekonomi yang secara konsisten kokoh/kuat, dengan Gross Domestic Product (GDP) riil
meningkat 23 kali lipat sejak tahun 1977. Konsumsi rumah tangga turun dari 50% GDP pada
awal tahun 1980-an menjadi sekitar 35% pada pertengahan 2000-an bersamaan dengan
investasi yang melonjak dan ekonomi yang menjadi lebih berorientasi ekspor.
Pertumbuhan ekonomi China terus berlanjut. Pada tahun 2010 China mengalahkan
Jepang untuk menjadi ekonomi terbesar kedua di dunia setelah Amerika Serikat. China
menjadi negara dengan pertumbuhan ekonomi tercepat untuk kuartal abad terakhir dengan
rata-rata tingkat pertumbuhan GDP tahunan diatas 10%. (Lu, 2009)
Berdasarkan teori ekonomi, perdagangan (ekspor dan impor) merupakan salah satu kunci
dari pertumbuhan ekonomi suatu negara, disamping konsumsi, investasi, dan pengeluaran
pemerintah. Tidak terkecuali untuk China. Pesatnya pertumbuhan ekonomi China, tentunya
tidak lepas dari aktivitas perdagangan. Menurut ekonom klasik ortodoks dan juga pandangan
liberal modern, perdagangan merupakan mesin dari pertumbuhan ekonomi. Selama beberapa
dekade terakhir, ekspor China terus mengalami kemajuan pesat. Pada tahun 2000, ekspor
China masih sepertiga dari Amerika Serikat dan sekitar setengah dari Jepang dan Jerman. 1
Namun, pada tahun 2009, China telah menjadi eksportir terbesar di dunia.
Disisi lain, tingginya ekspor China menyebabkan ketergantungan China terhadap ekspor
dalam
meningkatkan
pertumbuhan.
Ketergantungan
menjadi
bermasalah
ketika
perekonomian pasar utama yang menjadi tujuan ekspor China melambat. Dalam beberapa
kuartal terakhir, pasar utama China seperti Amerika Serikat dan Eropa mengalami
perlambatan ekonomi sehingga menyebabkan ekspor China menurun. Menurut laporan
kantor bea dan cukai China, total ekspor pada Maret 2014 secara tak terduga turun sebesar
6,6% dibanding dengan periode yang sama tahun sebelumnya.
Naik turunnya ekspor China ditentukan oleh berbagai faktor. Begitu banyak penelitian
telah dilakukan untuk mengetahui variabel-variabel apa saja yang memberikan andil dalam
1 Ekspor dan GDP China diukur dalam USD pada nilai tukar pasar.
pertumbuhan ekspor. Majeed dan Ahmad (2006) melakukan penelitian mengenai pengaruh
GDP, pertumbuhan GDP, dan nilai tukar riil terhadap ekspor. Kemudian, Anagaw dan
Demissie meneliti faktor-faktor yang menentukan kinerja ekspor di Ethiopia dengan
menggunakan variabel nilai tukar efektif riil, keterbukaan, GDP riil negara asal,
pembangunan infrastruktur dan private credit sebagai rasio GDP. Boug dan Fagereng (2007)
meneliti volatilitas nilai tukar dihubungkan dengan kinerja ekspor. Fukuda dan Kon (2010)
meneliti dampak dari cadangan devisa terhadap makroekonomi, salah satunya rasio ekspor
terhadap Gross National Income (GNI). Selanjutnya, Alessandria, Pratap, dan Yue
mempelajari dinamika ekspor di pasar negara berkembang setelah devaluasi besar dan
pengaruh suku bunga terhadap ekspor. Umaru, Saidu, dan Musa (2013) mempelajari
hubungan antara nilai tukar dan ekspor dengan menggunakan tiga model dalam
penelitiannya, yaitu OLS, Granger Causality, dan teknik ARCH dan GARCH..
Berdasarkan uraian di atas, peneliti tertarik untuk meneliti bagaimana pengaruh
cadangan devisa, kurs, tingkat pertumbuhan GDP, tingkat suku bunga, dan jumlah uang
beredar terhadap ekspor di China baik dalam jangka panjang maupun jangka pendek.
Peneliti mengambil judul penelitian Fator-faktor Penentu Pertumbuhan Ekspor China:
Pendekatan Error Correction Mechanism (ECM)
1.2 Tujuan Penelitian
Tujuan
penelitian
ini
yaitu
untuk
mengetahui
faktor-faktor
yang
signifikan
BAB II
KAJIAN LITERATUR
2.1 Kajian Teori
Ekspor
Menurut Todaro dan Smith (2004) ekspor merupakan nilai semua barang dan jasa-jasa
bukan faktor produksi yang dijual ke negara-negara lain; termasuk pula di antaranya barangbarang dagangan, ongkos pengapalan, asuransi, pariwisata, dan jasa-jasa nonfaktor lainnya.
Nilai jasa faktor produksi (seperti dana investasi yang diterima dan upah pekerja yang
dikirim dari luar negeri) tidak termasuk dalam kategori ekspor.
Cadangan devisa
International Monetary Fund (IMF) mendefinisikan cadangan devisa sebagai aset-aset
eksternal yang tersedia untuk dan dikendalikan oleh otoritas moneter guna pendanaan
langsung ketidakseimbangan neraca pembayaran, untuk secara tidak langsung mengatur
besarnya ketidakseimbangan tersebut melalui intervensi di pasar valuta untuk mempengaruhi
nilai tukar mata uang, dan/atau untuk tujuan lainnya.
Gross Domestic Product (GDP)
GDP merupakan indikator yang mengukur jumlah output final barang dan jasa yang
dihasilkan oleh perekonomian suatu negara, dalam wilayah negara tersebut, baik oleh
penduduknya (warga negara) sendiri maupun bukan penduduk (misalnya, perusahaan asing),
tanpa memandang apakah produksi output tersebut nantinya akan dialokasikan ke pasar
domestik atau luar negeri. (Todaro, Michael P. dan Stephen C. Smith; 2004)
Nilai tukar/kurs
Kurs adalah harga nilai tukar mata uang suatu negara yang diukur terhadap mata uang
negara lain. Nilai kurs bisa tetap (menghindari kenaikan dan penurunan yang diakibatkan
perubahan permintaan dan penawaran mata uang tersebut) atau fleksibel (bebas mengambang
menurut perubahan permintaan dan penawaran mata uang tersebut). Mata uang utama di
dunia sekarang ini adalah fleksibel (mengambang), tetapi negara-negara kadang-kadang
mengintervensi untuk mencoba mengatur nilai tukar.
Suku bunga
Suku bunga merupakan suatu jumlah yang harus dibayarkan oleh peminjam kepada
pemberi utang per tahunnya, selain atau yang merupakan selisih dari jumlah yang dipinjam,
yakni pokok pinjaman. (Todaro, Michael P. dan Stephen C. Smith; 2004)
Jumlah uang beredar
variabel nilai tukar, suku bunga, dan ekspor. Mereka menemukan bahwa suku bunga secara
negatif berhubungan dengan ekspor. Dengan kata lain, seiring dengan meningkatnya suku
bunga akan terjadi penurunan ekspor, dengan asumsi nilai tukar konstan.
Mereka menemukan bahwa ekspor cenderung tumbuh secara bertahap setelah devaluasi
dan suku bunga yang tinggi cenderung menekan ekspor. Sementara itu, penelitian Boug dan
Fagereng (2007) yang berjudul Exchange Rate Volatility and Export Performance: A
cointegrated VAR Approach, tidak menemukan bukti yang menunjukkan bahwa kinerja
ekspor secara signifikan dipengaruhi oleh ketidakpastian nilai tukar.
Fukuda dan Kon (2010) mempelajari dampak dari cadangan devisa terhadap
makroekonomi. Mereka menemukan bahwa cadangan devisa berkorelasi secara positif
dengan rasio ekspor terhadap GNI (Gross National Income).
Umaru, Saidu, dan Musa (2013) menggunakan tiga model dalam penelitiannya, yaitu
OLS, Granger Causality, dan teknik ARCH dan GARCH. Ditemukan adanya kausalitas
antara ekspor dan nilai tukar dimana nilai tukar sebagai penentu ekspor. Selanjutnya, ARCH
dan GARCH menunjukkan bahwa nilai tukar mengalami volatilitas sementara ekspor tidak.
Diteliti lebih lanjut, dilihat dari hasil regresi menunjukkan bahwa nilai tukar berdampak
positif pada ekspor.
BAB III
METODOLOGI
3.1 Data
Data yang digunakan dalam penelitian ini bersumber dari International Financial
Statistics (IFS). Adapun variabel yang digunakan ialah ekspor, nilai tukar (kurs) yuan
terhadap dolar, tingkat suku bunga domestik, tingkat pertumbuhan GDP (Gross Domestic
Product), jumlah uang beredar (m2) dan cadangan devisa. Data yang digunakan berupa data
kuartalan dari tahun 1999 kuartal II sampai dengan 2013 kuartal III. Pengolahan data
menggunakan bantuan software Eviews 6.
3.2 Spesifikasi Model
Dalam penelitian ini, variabel-variabel yang dikaji adalah variabel ekspor sebagai
variabel dependen dan sisanya sebagai variabel independen. Variabel-variabel ini akan
diestimasi dengan menggunakan Error Correction Mechanism (ECM).
ECM merupakan analisis data time series yang digunakan untuk variabel-variabel yang
memilki ketergantungan yang sering disebut dengan kointegrasi. Metode ECM digunakan
menyeimbangkan hubungan ekonomi jangka pendek variabel-variabel yang telah memiliki
keseimbangan/hubungan ekonomi jangka panjang.
Menurut Enders (2004) terdapat beberapa karakteristik penting mengenai kointegrasi
beberapa variabel, yaitu:
1. Kointegrasi mengacu pada kombinasi linier dari variabel-variabel nonstasioner.
2. Semua variabel yang terkait harus dalam orde integrasi yang sama.
3. Jika xt memiliki n komponen, maka ada sebanyak n-1 kombinasi linier yang mungkin
terjadi n-1 vektor kointegrasi yang mungkin.
4. Kebanyakan kajian kointegrasi fokus pada variabel dengan I(d=1) atau difference
pertama karena jarang sekali variabel-variabel dalam ekonomi yang terintegrasi pada
orde d>1.
Tahap-tahap penerapan ECM, sebagai berikut:
1. Pengecekan stasioneritas
Pada tahap ini dicek stasioneritas dari seluruh variabel yang akan dimasukkan dalam
model. Seluruh variabel tidak boleh ada yang stasioner pada tingkat level dan harus
stasioner pada difference yang sama. Jika tidak memenuhi syarat ini, maka ECM tidak
dapat digunakan.
2. Estimasi persamaan jangka panjang
Persamaan jangka panjang pada ECM adalah persamaan regresi biasa dengan variabel y
dan x, yang tidak stasioner pada level. Kemudian, error (e) pada persamaan regresi
jangka panjang inilah yang menentukan adanya kointegrasi atau tidak pada variabel y
dan x tersebut. Apabila e stasioner pada level, maka y dan x saling berkointegrasi.
Persamaan jangka panjang ini sering disebut sebagai persamaaan keseimbangan dan
hanya dapat digunakan apabila residual/error (e)-nya stasioner pada level.
y t =0 + 1 xt + e t
Persamaan jangka panjang:
Residual
e t= yt + 0+ 1 x t
y t = 0+ 1 x t + e t1 +v t
Dimana,
y t : variabel y yang di-difference-kan pada orde pertama
xt
Koefisien pada persamaan di atas yang juga sering disebut sebagai speed of adjustment.
Speed of adjustment merupakan kecepatan residual/error (e) pada periode sebelumnya
untuk mengoreksi perubahan variabel y menuju keseimbangan pada periode selanjutnya.
Koefisien harus signifikan dan negatif. Syarat ini harus terpenuhi agar ECM relevan.
Berikut persamaan jangka pendek yang diajukan dalam penelitian ini:
LX t = 0+ 1 LCADEV t + 2 RGDPt + 3 KURS t + 4 Rt + 5 LMS t + e t1 +v t
Dimana,
LX t
LCADEV t
pertama
RGDPt
KURS t
Rt
LMS t
pertama
e t1
vt
BAB IV
HASIL DAN PEMBAHASAN
4.1 Pengecekan Stasioneritas
Metode ECM mensyaratkan seluruh variabel yang digunakan tidak ada yang stasioner
pada level. Oleh karena itu, tahap pertama yang dilakukan dalam penelitian ini adalah
menguji stasioneritas seluruh variabel. Pengujian stasioneritas data yang dilakukan terhadap
seluruh variabel dalam model penelitian yang diajukan didasarkan pada Augmented Dickey
Fuller test, yang perhitungannya menggunakan bantuan software Eviews 6. Berikut hasil uji
stasioneritas seluruh variabel yang akan dimasukkan dalam model pada tingkat level.
Tabel 1. Hasil Uji Stasioneritas Seluruh Variabel
pada Tingkat Level dan First Difference
Serie
s
Probabilitas
1st
Level Differe
nce
KURS
0.964
3
0.0140
LCAD
EV
0.611
0
0.0030
LMS
0.992
1
0.0000
LX
0.642
8
0.0053
0.109
3
0.0000
RGDP
0.139
7
0.0001
Dapat dilihat dari tabel 1, probabilitas untuk seluruh variabel pada tingkat level lebih dari
0,05. Hal ini menandakan bahwa seluruh variabel tidak stasioner pada level sehingga
langkah selanjutnya yang peneliti lakukan adalah uji stasioneritas pada first difference. Pada
first difference, probabilitas untuk seluruh variabel bernilai kurang dari 0,05. Artinya bahwa
seluruh variabel stasioner pada difference yang sama yaitu difference pertama sehingga
penerapan model ECM dapat dilanjutkan.
4.2 Estimasi Persamaan Jangka Panjang
Pada tahap ini, dibuat persamaan regresi dengan ekspor sebagai variabel terikat dan
sisanya sebagai variabel bebas. Berikut hasil estimasi koefisien-koefisien setiap variabel
bebas yang diperoleh.
Tabel 2. Hasil Estimasi Persamaan Jangka Panjang
Dependent Variable: LX
Method: Least Squares
Date: 07/14/14 Time: 15:18
Sample: 1999Q2 2013Q3
Included observations: 58
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
KURS
LCADEV
LMS
R
RGDP
-3.638414
0.284433
0.550561
0.512762
0.136210
0.322308
0.883209
0.040076
0.056587
0.112501
0.019225
0.048001
-4.119537
7.097295
9.729500
4.557826
7.084909
6.714612
0.0001
0.0000
0.0000
0.0000
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.992679
0.991975
0.070907
0.261444
74.35889
1410.132
0.000000
12.17912
0.791518
-2.357203
-2.144054
-2.274177
1.382924
Dari tabel 2, dapat dilihat bahwa nilai F-statistic lebih kecil dari 0,05. Hal ini
menandakan bahwa seluruh variabel bebas secara bersama-sama berpengaruh terhadap
ekspor secara signifikan. Kemudian jika dilihat nilai signifikansi masing-masing variabel,
seluruhnya dibawah 0,05 menandakan bahwa masing-masing variabel bebas signifikan di
persamaan jangka panjang.
4.3 Pengecekan Kointegrasi
Keadaan kointegrasi dalam model ECM dapat dilihat pada stasioneritas residualnya. Hal
ini kemudian mengharuskan variabel-variabel tidak ada yang stasioner pada level (sudah
terpenuhi pada langkah pertama) dan residual/error (e) persamaan regresi variabel-variabel
tersebut stasioner pada level. Pada tahap ini, peneliti akan menampilkan hasil uji
t-Statistic
Prob.*
-6.140778
-3.560019
-2.917650
-2.596689
0.0000
Output pada tabel 3 memberikan informasi bahwa residual stasioner pada level,
menandakan bahwa LX, LCADEV, RGDP, KURS, R, dan LMS saling terkointegrasi.
4.4 Estimasi Persamaan Jangka Pendek
Pada tahap ini, kembali dibuat persamaan regresi menggunakan variabel-variabel
sebelumnya yang sudah distasionerkan ditambah dengan variabel residual (yang diperoleh
dari persamaan jangka panjang) kuartal sebelumnya. Berikut hasil estimasi persamaan
jangka pendek yang diperoleh dengan bantuan software Eviews.
Tabel 4. Hasil Estimasi Persamaan Jangka Pendek
Dependent Variable: DLX
Method: Least Squares
Date: 07/14/14 Time: 15:20
Sample (adjusted): 1999Q3 2013Q3
Included observations: 57 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
DKURS
DLCADEV
DLMS
DR
DRGDP
RES(-1)
0.103297
0.200048
0.323202
-1.761810
0.064386
0.271919
-0.644379
0.020828
0.107884
0.183053
0.415005
0.022139
0.019031
0.098699
4.959595
1.854293
1.765626
-4.245275
2.908223
14.28839
-6.528721
0.0000
0.0696
0.0836
0.0001
0.0054
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.865663
0.849542
0.047421
0.112439
96.62988
53.69949
0.000000
0.044021
0.122255
-3.144908
-2.894007
-3.047399
1.919248
Dari tabel 4 dapat dilihat bahwa nilai probabilitas F-statistic berada dibawah 0,05.
Kemudian, nilai koefisien dari speed of adjustment-nya, yaitu koefisien dari res(-1), negatif
dan signifikan, sehingga syarat terakhir agar ECM-nya sah terpenuhi. Disamping itu,
diperoleh juga informasi bahwa dalam jangka pendek, variabel-variabel yang berpengaruh
secara signifikan terhadap ekspor hanyalah tingkat uang beredar, tingkat suku bunga
domestik, dan tingkat pertumbuhan GDP.
4.5 Pengecekan Asumsi
Agar hasil empirik di atas dapat diterima secara ekonometrik, maka diperlukan syarat
BLUE (Best, Linear, Unbiased, Estimator) dari metode kuarat terkecil (OLS). Pengujian
yang dilakukan dalam model antara lain uji autokorelasi, heteroskedastisitas, normalitas, dan
multikolinearitas.
4.5.1
Uji Autokorelasi
Tabel 5. Hasil Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared
1.602525
3.567769
Prob. F(2,48)
Prob. Chi-Square(2)
0.2120
0.1680
Dari tabel 5, dapat diperoleh informasi bahwa residual tidak mengalami gangguan
autokorelasi dari nilai probabilitas Ch-Square yang lebih dari 0,05.
4.5.2 Uji Heteroskedastisitas
Tabel 6. Hasil Uji White untuk Heteroskedastisitas
Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS
1.462988
32.86886
23.37072
Prob. F(27,29)
Prob. Chi-Square(27)
Prob. Chi-Square(27)
0.1584
0.2014
0.6649
Dari tabel 6, nilai probabilitas Chi-Square (untuk Obs*R-squared) lebih dari 0,05
sehingga dapat disimpulkan bahwa residual tidak mengalami gangguan heteroskedastisitas.
4.5.3
Uji Normalitas
Gambar 1. Histogram dan Uji Normalitas untuk Residual
10
Series: Residuals
Sample 1999Q3 2013Q3
Observations 57
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
9.01e-18
0.000836
0.099804
-0.106360
0.044809
0.202508
2.848107
Jarque-Bera
Probability
0.444383
0.800762
0
-0.10
-0.05
-0.00
0.05
0.10
Dari gambar 1, dapat diketahui nilai probabilitas Jarque-Bera sebesar 0,800762. Nilai ini
lebih besar dari alpha 0,05 sehingga asumsi normalitas residual terpenuhi.
4.5.4
Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan
adanya korelasi antar variabel independen. Model yang baik adalah model yang tidak terjadi
korelasi antar variabel independennya. Dalam penelitian ini, untuk menguji masalah
multikolinearitas, peneliti melihat matriks korelasi dari variabel bebas, jika terjadi koefisien
korelasi lebih dari 0,80 maka terdapat multikolinearitas. Berikut peneliti sajikan hasil output
yang diperoleh.
Tabel 7. Koefisien Korelasi Antarvariabel yang Digunakan dalam Model
DKURS
DLCADEV
DLMS
DLX
DR
DRGDP
DKURS
DLCADEV
DLMS
DLX
DR
DRGDP
1.000000
-0.172542
0.100261
-0.020046
-0.292991
0.003685
-0.172542
1.000000
0.004451
0.076670
0.254175
-0.083689
0.100261
0.004451
1.000000
-0.473387
-0.045910
-0.207483
-0.020046
0.076670
-0.473387
1.000000
0.222170
0.764535
-0.292991
0.254175
-0.045910
0.222170
1.000000
-0.018419
0.003685
-0.083689
-0.207483
0.764535
-0.018419
1.000000
Dari tabel 7, dapat dilihat bahwa tidak ada nilai korelasi yang lebih dari 0,80 sehingga
dapat disimpulkan bahwa tidak terdapat multikolinearitas.
4.6 Interpretasi
Berdasarkan hasil studi empirik menunjukkan bahwa model ECM dalam penelitian ini
lolos dalam berbagai uji asumsi klasik, hal ini menunjukkan bahwa model empirik dianggap
memiliki kemampuan yang baik dalam menjelaskan hubungan antarvariabel dalam model.
Sehingga, peneliti melanjutkan tahap berikutnya yaitu interpretasi 2 persamaan yang menjadi
inti dari digunakan metode ini. Dari sinilah pengaruh variabel-variabel bebas terhadap
variabel terikat yang ingin kita teliti, dapat dijelaskan.
Berdasarkan output persamaan jangka panjang, didapatkan:
kurang banyak maupun adanya kondisi atau kejadian tertentu pada perekonomian di China
selama periode sampel.
Selanjutnya, berdasarkan nilai speed of adjustment, ada sebesar 64% ketidakseimbangan
pada pengaruh jangka pendek cadangan devisa, tingkat pertumbuhan GDP, nilai tukar
CNY/USD, tingkat suku bunga domestik, dan tingkat jumlah uang beredar terhadap
pertumbuhan ekspor, yang terkoreksi setiap periodenya.
Kemudian, dilihat dari nilai R2 sebesar 0,8657 menandakan bahwa besarnya variasi dari
tingkat pertumbuhan ekspor yang dapat dijelaskan oleh seluruh variabel independen yang
ada dalam model secara bersama-sama iaalah sebesar 86,57 %, sisanya dijelaskan oleh
variabel lain diluar model. Variabel lain yang ada diluar model bisa seperti derajat
keterbukaan, inflasi, pembangunan infrastruktur, dan lainnya
BAB V
KESIMPULAN DAN SARAN
Berdasarkan penelitian yang telah dilakukan mengenai faktor-faktor penentu ekspor di
China dengan menggunakan pendekatan Error Correction Mechanism (ECM) diperoleh
bahwa dalam jangka panjang, seluruh variabel indenden yang digunakan dalam model
penelitian ini, yaitu tingkat cadangan devisa, tingkat pertumbuhan GDP, nilai tukar Yuan
CNY/USD, suku bunga domestik, dan tingkat jumlah uang beredar, berpengaruh secara
signifikan terhadap ekspor. Sedangkan, dalam jangka pendek, hanya variabel tingkat
perubahan jumlah uang yang beredar, perubahan suku bunga domestik, dan tingkat
pertumbuhan GDP yang berpengaruh secara signifikan terhadap pertumbuhan ekspor.
Adapun saran yang dapat peneliti berikan untuk penelitian selanjutnya yaitu untuk
menambah jumlah sampel jika ingin mempelajari kembali faktor-faktor yang menentukan
pertumbuhan ekspor dikarenakan dalam penelitian ini ada ketidaksesuaian tanda koefisien
dengan teori dan bukti empiris yang ada (tanda koefisien yang dimaksud yaitu koefisien
variabel tingkat suku bunga domestik dan jumlah uang beredar). Disamping itu, perlu juga
diperhatikan jika terdapat kejadian ataupun kondisi tertentu pada periode yang bersangkutan
yang dapat menyebabkan ketidaksesuaian tersebut.
BAB VI
DAFTAR PUSTAKA
Baltagi, Badi H. 2011. Econometrics (5th ed). New York: Springer.
Berger, Brett dan Robert F.Martin. 2011. The Growth of Chinese Exports: An Examination of
the Detailed Trade Data. Board of Governors of the Federal Reserve System,
International Finance Discussion Papers, Number 1033.
Enders, Walter. 2004. Applied Econometrics Time Series (2rd ed). New York: Wiley.
Gujarati, Damodar N. 2004. Basic Econometrics, (4th ed). The McGrawHill Companies.
Greene, Wlliam H. 2003. Econometric Analysis (5th ed). New York: Prentice Hall.
Lubis, Adrian D. Analisis Faktor Yang Mempengaruhi Kinerja Ekspor Indonesia. Pusat
Penelitian dan Pengembangan Perdagangan Luar Negeri, Kementrian Perdagangan, Jl.
Ridwan Rais No. 5, Jakarta.
Majeed, M.Tariq dan Eatzaz Ahmad, 2006. Determinants of Exports in Developing
Countries. The Pakistan Development Review 45 : 4 Part II, pp. 12651276.
Todaro, Michael P. dan Stephen C. Smith. 2004. Pembangunan Ekonomi di Dunia Ketiga
(Edisi Kedelapan). Jakarta: Erlangga.
Anagaw, B. Kassa dan Wondaferahu M. Demissie. Determinants of Export Performance in
Ethiopia: VAR Model Analysis. Volume no. 2, issue no. 5, ISSN 2277 1166.
Fukuda, Shinichi dan Yoshifumi Kon, 2010. Macroeconomic Impacts of Foreign Exchange
Reserve Accumulation: Theory and International Evidence. ADBI Working Paper Series,
No. 197, Asian Development Bank Institute.
Kangning, Xu dkk. Determinants of Exporting Behavior of Chinese Industrial Firms: An
Empirical Test on Heterogeneous Theory.
Alessandria, George dkk. Export Dynamics in Large Devaluations. Federal Reserve Bank of
Philadelphia, Hunter College & Graduate Center City University of New York, Federal
Reserve Board of Governors.
Boug, Pal dan Andreas Fagereng. 2007. Exchange rate volatility and export performance: A
cointegrated VAR approach. Discussion Papers No. 522, Statistics Norway, Research
Department.
Umaru, Aminu dkk. 2013. An Empirical Analysis of Exchange Rate Volatility on Export
Trade In a Developing Economy. Journal of Emerging Trends in Economics and
Management Sciences (JETEMS) 4(1): 42-53 Scholarlink Research Institute Journals,
2013 (ISSN: 2141-7024).