ANALISIS HUBUNGAN EKSPOR DAN PRODUK DOMESTIK

BRUTO (PDB) CHINA PERIODE TAHUN 1990:Q1 2011:Q4

(Untuk Memenuhi Tugas UTS Ekonometrika II)

Oleh :

Faradha Raissa Terranova (041211133072)

Ekonometrika II Kelas A (No Presensi : 80)

PROGRAM STUDI EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS AIRLANGGA
SURABAYA
2014

ANALISIS HUBUNGAN EKSPOR DAN PRODUK DOMESTIK

BRUTO (PDB) CHINA PERIODE TAHUN 1990:Q1 2011:Q4
Oleh : Faradha Raissa Terranova

A. PENDAHULUAN
Negara

China

merupakan

negara

yang

menganut

model

perekonomian terbuka. Ekspor dan impor adalah imbas dari model

perekonomian tersebut. Bahkan China masuk kedalam salah satu Negara
pengekspor terbesar di dunia. Kinerja ekspor yang dianggap sebagai
factor yang sangat berpengaruh terhadap peningkatan pertumbuhan
ekonomi harus terus dioptimalkan guna meningkatkan pendapatan devisa
dan menciptakan surplus neraca perdagangan nasional.
Jika kita perhatikan trend PDB dari 1990 - 2011, maka terlihat PDB
China cenderung meningkat setiap tahunnya, namun sempat mengalami
penurunan

pada

tahun

2009.

Sedangkan,

ekspor

pun

cenderung

meningkat, tetapi jika kita perhatikan pada tahun 2009 ekspor china juga
sempat mengalami penurunan.

Gambar 1. Perkembangan PDB dan Ekspor di China

2000
1500
1000
500

GDP
Ekspor

Sumber : Data IFS, diolah

Dengan fenomena ekonomi yang telah dijelaskan sebelumnya, tujuan penulisan

ini untuk menginvestigasi apakah ekspor menyebabkan pertumbuhan ekonomi, atau

pertumbuhan ekonomi menyebabkan ekspor atau bahkan pertumbuhan ekonomi dan

ekspor saling menyebabkan dengan menggunakan model yang dikembangkan oleh
Athanasia S. Kalaitzi (2013) dalam penelitiannya yang berjudul : Exports
and Economic Growth in the United Arab Emirates (1980-2010).
B. LANDASAN TEORI
Produk Domestik Bruto (PDB) adalah nilai pasar semua barang
dan jasa yang diproduksi oleh suatu negara pada periode tertentu. PDB
merupakan salah satu metode untuk menghitung pendapatan nasional.
PDB dapat dihitung dengan memakai dua pendekatan, yaitu
pendekatan pengeluaran dan pendekatan pendapatan. Rumus umum
untuk PDB dengan pendekatan pengeluaran adalah:
PDB = konsumsi + investasi + pengeluaran pemerintah + (ekspor
- impor)
Di mana konsumsi adalah pengeluaran yang dilakukan oleh rumah
tangga, investasi oleh sektor usaha, pengeluaran pemerintah oleh
pemerintah, dan ekspor dan impor melibatkan sektor luar negeri.
C. METODE PENELITIAN
1. Teknik Pengumpulan Data
Data yang digunakan dalam penelitan ini merupakan data

sekunder yang bersifat kuantitatif. Dalam penelitian ini data yang

digunakan adalah bersifat runtut waktu (time series) berupa data
ekspor barang dan jasa, dan PDB

triwulanan (quarterly) Negara

China mulai tahun 1990:Q1 s.d. 2011:Q4 yang berasal dari

International Financial Statistics (IFS).
2. Metode Pengolahan Data
Tahapan yang dilakukan penulis untuk mengolah data adalah :
a. Stasioneritas Data
Stasioneritas sangat diperlukan dalam analisis time series
agar tidak terjadi spurious pada analisis. Dalam pengujian
penulis memakai uji Unit Root Augmented Dickey Fuller.
Uji unit root ini mengikuti model
DYt = 0 + Yt-1 + tDYt-1 + t

b. Kointegrasi
Uji Kointegrasi

merupakan

salah

satu

metode

untuk

mengindikasikan kemungkinan adanya hubungan keseimbangan

jangka panjang antara variabel-variabel ekonomi seperti yang
disyaratkan oleh teori ekonomi. Dalam pengujian ini penulis
menggunakan uji kointegrasi dengan model Johansen Cointegration
Test.
Uji Kointegrasi ini mengikuti model
Yt = + 1 1t + 2 2t + t , Kemudian

t = Yt ( + 1 2t + 2 2t )
c. Penentuan Lag optimal
Salah satu tahapan yang krusial di dalam estimasi VAR adalah
masalah penentuan kelambanan atau penentuan lag optimum.
Dalam penentuan lag optimum terdapat beberapa kriteria yang
seringkali digunakan, namun dalam penelitian ini akan digunakan
Akaike

Information

Criterion

(AIC)

dan

Schwartz

Information

Criterion (SIC) dengan tetap mempertimbangkan adjusted R2 sistem

VAR.

Panjang

kelambanan

optimal

terjadi

jika

nilai

Akaike

Information Criterion (AIC) dan Schwartz Information Criterion (SIC)

bernilai absolut paling kecil dan nilai adjusted R 2 paling tinggi.
d. Uji Kausalitas Granger
Uji kausalitas granger atau Granger cause test merupakan teknik
analisis mencari hubungan kausalitas antar variabel yang diteliti.
Hubungan tersebut dibuat dalam bentuk hipotesis dimana (H0)
adalah tidak terdapat hubungan antar varibel, sedangkan (H1)
menyatakan adanya hubungan antar variabel.
Uji kausalitas granger ini mengikuti model

t = i Xt-i + jYt-j +u1t

Xt = i Xt-i + i t-j + u2t
Dimana Y adalah GDP, dan X adalah ekspor
e. Estimasi Vector Autoregression (VAR)
Alat analisis yang biasa digunakan
permasalahan

penelitian

secara

untuk

kuantitatif

menjawab

adalah

Vector

Autoregression (VAR). Model VAR digunakan untuk menjelaskan

perilaku dinamis antar variabel yang diamati dan saling mempunyai
keterkaitan

dan

akan

diuraikan

lebih

lanjut

melalui

fungsi

propertinya

yaitu

fungsi

Impulse

Response

dan

Variance

Decomposition. VAR terdiri dari dua model alternatif yaitu :

- Unrestricted VAR model (UnVAR) digunakan jika terdapat
sifat stationary dalam data time series pada nilai level
atau data time series setiap variabel berintegrasi pada
order 0, I[0].
-

Vector Error Correction Model (VECM) digunakan jika

data time series dari setiap variabel stabil pada nilai first
difference atau berintegrasi pada order 1, I[1] dan
seluruh variabel berkointegrasi pada order 1, CI[1,1],

Model yang digunakan untuk analisis ini adalah

Yt = 10+ 11Yt-1+ 12Yt-2+..+ 11Xt-1+ 12Xt-2+....+t

Xt = 20+ 21Xt-1+ 22Xt-2+..+ 21Yt-1+ 22Yt-2+....+ t

Uji dalam VAR :

Analisis

Fungsi

Impulse

Respon

berguna

untuk

menggambarkan tingkat laju dari shock variabel yang

satu terhadap variabel lainnya pada satu rentang periode
tertentu,

sehingga

dapat

dilihat

lamanya

pengaruh

sampai pengaruhnya hilang.

Analisis

The

Variance

Decomposition

perkiraan error variance suatu variabel.

D. HASIL ESTIMASI DAN PEMBAHASAN

a. Uji stasioner
Tabel 1.a. Tes unit root pada tingkat level

Variable

t-Statistic

Probability

menyusun

PDB

-1.156988

0.6896

EKSPOR

1.174981

0.9978

Tabel 1.b. Tes unir root pada tingkat 1st-Difference

Variable
PDB

t-Statistic
-4.054963

EKSPOR

Probability
0.0019

-5.475735
0.0000
Pada hasil estimasi uji unit root diatas, dengan memperhatikan
probability kedua variable, dapat disimpulkan bahwa kedua data
stasioner pada tingkat 1st-Difference. Karena probability kedua variable
pada tingkat 1st-Difference < 0.05.

b. Uji Kointegrasi
Tabel 2. Ringkasan Hasil Uji Kointegrasi (Johansen Test)

Nilai TraceStatistik

0.05
Critical
Value

(None) 88.42392

15.49471

(At Most 1)

3.841466

29.46564
Pada hasil uji kointegrasi diatas didapat hasil bahwa terdapat
keseimbangan jangka panjang antara ekspor dan PDB di China. Hal ini
dapat dilihat dari nilai trace statistic baik none maupun at most 1 lebih
besar dari critical value nya.
c. Uji Lag Optimal
Tabel 3. Hasil Uji Lag Optimal

Pada hasil uji lag optimal diatas, dapat disimpulkan bahwa pada lag
optimal terdapat pada lag 6. Hal ini dapat dilihat dari banyaknya * pada
lag ke 6

d. Uji Kausalitas Granger

Tabel 4. Hasil Uji Kausalitas Granger

H0 : GDP tidak mempengaruhi EKSPOR, H1 : GDP mempengaruhi

EKSPOR
Pada = 5% ;

4.5-05 < 0.05

Kesimpulannya GDP mempengaruhi EKSPOR

H0

EKSPOR

tidak

mempengaruhi

mempengaruhi GDP
Pada = 5% ;

0.0097 < 0.05

GDP,

H1

EKSPOR

Kesimpulannya EKSPOR mempengaruhi GDP

Dari kedua hasil hipotesis diatas, dapat disimpulkan bahwa GDP dan
EKSPOR memiliki hubungan 2 arah.

e. Estimasi VAR
Karena data ini stasioner pada tingkat 1st-Difference, dan kedua
variable

terkointegrasi,

maka

pada

analisis

selanjutnya

penulis

menggunakan VAR model Error Correction Model (VECM).

(Hasil Estimasi VECM lihat di lampiran)

Impulse Respone

Pada kuadran kanan atas, menunjukan variabel Ekspor dalam

merespon adanya shock/perubahan variabel GDP. Pada awal
periode, adanya shock pada GDP direspon negatif oleh Ekspor
hingga periode kedua. Setelah perioder kedua mulai bergerak
fluktuatif naik hingga periode ke 10.

 Pada kuadran kiri bawah, menunjukan variabel GDP dalam

merespon adanya shock/perubahan variabel Ekspor. Pada awal
periode, adanya shock pada FDI direspon negatif oleh GDP
hingga periode kedua. Setelah perioder kedua mulai bergerak
fluktuatif hingga periode ke 10.

The Variance Decomposition

Tabel 5. Ringkasan Variance Decomposition

Variance
Decomposition
GDP

EKSPOR

years

S.E.

GDP

8.399987

100.0000

0.000000

10.83167

86.65565

13.34435

10

12.15121

79.06221

20.93779

27.85239

36.35485

63.64515

31.50328

40.73791

59.26209

10

36.95530

53.71945

46.28055

Pada tabel diatas dapat dilihat bahwa

Pada tahun pertama, GDP ditentukan oleh dirinya sendiri
sebesar 100%
Pada tahun ke-5, GDP ditentukan oleh dirinya sendiri
sebesar 86.65% dan ditentukan oleh EKSPOR sebesar
13.34%
Pada tahun ke-10, GDP ditentukan oleh dirinya sendiri
sebesar 79.06% dan ditentukan oleh EKSPOR sebesar
20.93%

Pada tahun pertama, EKSPOR ditentukan oleh dirinya

sendiri sebesar 63.64% dan ditentukan oleh GDP sebesar
36.35%

EKSPOR

Pada tahun ke-5, EKSPOR ditentukan oleh dirinya sendiri

sebesar 59.26% dan ditentukan oleh GDP sebesar 40.73%
Pada tahun ke-10, EKSPOR ditentukan oleh dirinya sendiri
sebesar

46.28%

dan

ditentukan

oleh

GDP

sebesar

53.719%

E. KESIMPULAN
1. Variabel ekspor dan PDB selama periode waktu 1990:Q1-2011:Q4
dihasilkan data yang stasioner pada tingkat 1st-Difference dan terjadi
keseimbangan jangka panjang di China. Hal ini dibuktikan pada uji akar
unit dan uji kointegrasi yang telah dilakukan.
2. Terdapat hubungan kausalitas dua arah antara ekspor dan PDB di
China, dari tingkat pendapatan nasional ke tingkat ekspor selama
periode penelitian (Tahun 1990:Q1-2011:Q4).
3. Dengan demikian mendukung hipotesis bahwa pertumbuhan ekonomi
dalam negeri merupakan penggerak bagi ekspor (internally generated
export), dan ekspor pun juga menjadi penggerak dari pertumbuhan
ekonomi. Hal ini dikarenakan syarat utama dalam melakukan ekspor
adalah menciptakan iklim yang dapat membawa terjadinya proses
pertumbuhan ekonomi dalam negeri yang berkesinambungan.
F. DAFTAR PUSTAKA

Gujarati, D.N. (2003). Basic Econometrics, 4th Edition. New York: Mc. GrawHills International.
Kalaitzi, A.S., (2013). Exports and Economic Growth in the United Arab
Emirates (1980-2010), Manchester Metropolitan University Business
School. Manchester.

Mofrad, M.A., 2012. The Relationship Between GDP, EXPORT and INVESTMENT:
Case Study Iran, Business Intelligence Journal, Vol.5 No.2
Mankiw, G.N. (2003). Macroeconomics 5thEdition. New York: Worth Publishers.

Rahmadi, Rudy dan Masaru Ichihashi. 2009. Exports and Economic Growth
in Indonesia: A Causality Approach Based on Multi-Variate Error
Correction Model. Jepang: Hiroshima University.
Ramos, F. R. (2000), Exports, imports, and economic growth in Portugal:
evidencefrom causality and cointegration analysis, Economic Modelling,
Vol.18, pp. 613-623.

Shahnoushi,

Naser

dan

Mohammad

Bakhshoodeh.

2008.

Causality

Between Non Oil Exports and GDP Growths in Iran. Ferdowsi

University: Iran.

LAMPIRAN
1. Data Ekspor dan GDP China tahun 1990:Q1 2011:Q4

Tahun
1990
Q1
1990
Q2
1990
Q3
1990
Q4
1991
Q1
1991
Q2
1991
Q3
1991
Q4
1992
Q1
1992
Q2
1992
Q3
1992
Q4
1993
Q1
1993
Q2
1993
Q3
1993
Q4
1994
Q1
1994
Q2
1994
Q3
1994
Q4
1995
Q1
1995
Q2
1995
Q3
1995
Q4
1996
Q1
1996
Q2
1996
Q3
1996
Q4
1997
Q1
1997
Q2
1997
Q3

Ekspo
r
GDP
162.9
133.5 1999
7
9 Q4
189.5
2000
9
143.4 Q1
206.3
158.8 2000
4
9 Q2
223.4
163.0 2000
8
8 Q3
190.7
152.1 2000
6
5 Q4
225.4
164.1 2001
1
8 Q1
248.0
183.8 2001
7
4 Q2
262.7
190.1 2001
5
6 Q3
231.7
180.0 2001
6
7 Q4
274.2
192.5 2002
9
4 Q1
296.6
213.4 2002
3
9 Q2
308.1
218.9 2002
9
8 Q3
271.6
209.2 2002
9
4 Q4
308.1
222.2 2003
1
9 Q1
339.2
245.3 2003
7
4 Q2
336.7
251.1 2003
5
2 Q3
297.2
240.6 2003
1
1 Q4
341.9
253.6 2004
7
7 Q1
380.5
273.3 2004
4
1 Q2
384.5
279.8 2004
8
8 Q3
350.6
258.3 2004
2
8 Q4
394.8
271.1 2005
2
2 Q1
434.4
2005
6
288.5 Q2
417.8
297.7 2005
7
4 Q3
374.7
2005
2
278.2 Q4
412.2
296.5 2006
4
3 Q1
454.8
318.2 2006
8
4 Q2
441.4
336.5 2006
6
2 Q3
386.0
312.6 2006
5
2 Q4
429.8
337.8 2007
7
3 Q1
464.6
2007
4
356.7 Q2

450.5
411.5
1
455.9
3
515.6
5
504.6
1
424.0
1
440.5
4
483.9
7
453.2
6
402.5
6
454.9
6
528.5
2
523.9
2
469.3
5
490.1
4
566.4
2
585.5
9

336.1
7
315.3
6
320.1
338.0
7
344.1
2
314.5
6
317.7
8
331.2
2
335.6
7
302.9
8
310.9
4
328.7
6
334.6
3
299.5

2009
Q3
2009
Q4
2010
Q1
2010
Q2
2010
Q3
2010
Q4
2011
Q1
2011
Q2
2011
Q3
2011
Q4
2011
Q1
2011
Q2
2011
Q3
2011
Q4

833.6
7
902.3
9
830.6
9
958.7
5
1058.
27
1038.
29
1017.
55
1049.
64
1141.
25
1141.
29
1017.
55
1049.
64
1141.
25
1141.
29

412.3
2
441.9
9
414.0
2
404.4
4
448.8
6
474.3
3
451.6
4
446.8
7
490.2
8
502.1
5
451.6
4
446.8
7
490.2
8
502.1
5
287.67
317.75
329.84

532.8
595.7
5
661.2
9
666.7
7
592.4
3
667.9
8
746.0
7
740.6
5
668.7
9

308.14

716.8
816.1
4
830.6
9
739.8
9
804.0
3

350.59

310.69
327.65
345.44
321.33
331.49
356.46
373.31
349.05

375.41
400.31
373.69
378.22

2. Hasil e-views7 Uji Stasioner

Tingkat Level

Tingk
at
1st-

Difference

3. Hasil e-views7 Uji Kointegrasi

4. Hasil e-views7 Lag Optimal

5. Hasil eviews-7 Uji Kausalitas Granger

6. Hasil eviews-7 Estimasi VECM

7. Hasil eviews-7 Impulse Respone

8. Hasil eviews-7 Variance Decomposition