Pendugaan Proporsi Komponen Nilai Cost, Insurance, Freight (CIF) Impor Indonesia dengan Model Logit Fraksional Peubah Ganda
Abstract
International Merchandise Trade Statistics (IMTS) sebagai pedoman baku
bagi negara-negara dalam melakukan pencatatan kegiatan perdagangan barang
internasional memberikan rekomendasi terkait pencatatan nilai statistik impor.
Dua diantara rekomendasi tersebut adalah negara-negara yang mencatat dalam
nilai Cost, Insurance, Freight (CIF) didorong untuk mengompilasi data Free on
Board (FOB) dan memisahkan data asuransi serta biaya angkut. Rekomendasi
tersebut akan mudah dilakukan jika data FOB, asuransi, dan biaya angkut yang
merupakan komponen CIF terisi lengkap dalam dokumen impor. Karena
tingginya tingkat ketidaklengkapan informasi mengenai rincian CIF dalam
dokumen impor, maka dibutuhkan suatu metode tambahan untuk memperoleh
dekomposisi nilai CIF. Tujuan penelitian ini adalah memodelkan dan memperoleh
nilai dugaan untuk proporsi FOB, asuransi, dan biaya angkut.
Penelitian ini menggunakan data sekunder, yaitu data dari dokumen
Pemberitahuan Impor Barang (PIB) BC 2.0 softcopy periode Januari-Desember
2016. Data difilter hanya yang berisi rincian nilai CIF lengkap dan hanya berisi
satu jenis barang. Data sebanyak 45 403 amatan dibagi menjadi data latih (40 862
amatan) untuk menyusun model dan data uji (4 541 amatan) untuk validasi model.
Data uji dipilih secara acak sederhana dari set data lengkap dan sisanya yang tidak
terpilih menjadi data latih.
Telah banyak studi mengenai pemodelan data proporsi, salah satunya adalah
model logit fraksional (MLF). MLF sangat fleksibel karena merupakan metode
parametrik kuasi sehingga tidak mensyaratkan asumsi sebaran tertentu. Fokus
penelitian ini adalah proporsi FOB, asuransi, dan biaya angkut. Tiga peubah
respon tersebut akan dimodelkan dengan MLF peubah ganda dengan peubah
penjelas moda transportasi, status transit pengangkutan, kelompok kode HS dua
digit, kelompok negara pemasok barang, dan kelompok berat bersih barang.
Pemodelan dilakukan dengan dua alternatif, yaitu memodelkan tiga peubah
(proporsi FOB, asuransi, dan biaya angkut) dan dua peubah (proporsi FOB dan
biaya angkut). Model dengan dua peubah respon mengasumsikan proporsi
asuransi adalah tetap sebesar 4.74 persen untuk semua transaksi impor barang.
MLF dengan metode kemungkinan kuasi, fungsi kemungkinan yang dibangun
menggunakan pendekatan Bernoulli. Untuk data peubah ganda, fungsi
kemungkinan kuasi bersamanya merupakan perkalian dari fungsi kemungkinan
kuasi dari masing-masing peubah respon. Pendugaan parameter model diperoleh
dengan memaksimumkan fungsi log kemungkinan kuasi bersama.
Sebanyak dua puluh dua kombinasi peubah penjelas dicobakan pada
masing-masing model tiga dan dua peubah respon. Ukuran akurasi Root Mean
Square Error Of Prediction (RMSEP) digunakan sebagai indikator dalam
memilih model terbaik. RMSEP diperoleh dengan menerapkan model pada data
uji.
Hasil pemodelan menunjukkan MLF dengan tiga peubah respon lebih akurat
dalam menduga proporsi komponen CIF. Berdasarkan nilai RMSEP dari MLF
tiga peubah respon, kombinasi peubah penjelas yang memberikan ukuran akurasi
prediksi terbaik adalah moda transportasi, status transit pengangkutan, kelompok
kode HS dua digit, dan kelompok negara pemasok barang. RMSEP dari model
tersebut adalah 0.1722 untuk proporsi FOB, 0.0162 untu proporsi asuransi, dan
0.1713 untuk proporsi biaya angkut. Nilai RMSEP tersebut secara rata-rata
merupakan yang paling kecil dibandingkan dengan MLF dua peubah respon dan
pendekatan BPS.
Hasil pendugaan proporsi komponen CIF dari netode ini belum
mengakomodir bahwa penjumlahan ketiga proporsi adalah satu. Beberapa peubah
penjelas yang digunakan dalam penelitian ini tidak rinci dalam
pengkategoriannya. Oleh karena itu, penelitian selanjutnya disarankan untuk
menggunakan metode lain yang menjamin penjumlahan ketiga penduga proporsi
sama dengan satu dan menggunakan kategori yang lebih rinci untuk jenis barang,
negara pemasok, dan kelompok berat bersih barang.