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.