determinants of indonesia’s residence traveling …

JIET (Jurnal Ilmu Ekonomi Terapan) Vol. 6 No. 1 (2021): 158-170

DETERMINANTS OF INDONESIA’S RESIDENCE TRAVELING ABROAD

Akhmad Tantowi1*

1Statistisi Ahli Madya, BPS Provinsi Kalimantan Tengah

ABSTRACTThis study aims to identify the economic factors that influence the Indonesian population to travel abroad. The acquaintance of factors for Indonesia’s residence to travel abraod is vital as this is one of the sources of foreign exchange leakage. In this study, the ARDL approach will be used with time series data for the period 1992-2019. Several factors such as changes in income, availability of flights and relative prices of tourism, in particular the relative prices of Malaysian tourism will be estimated and tested. Malaysian tourism prices are a compari-son due to an increase in Indonesian tourists to Malaysia. This article considers two dummy variables which represented the economic crisis in 1997-1998 and the global financial crisis in 2008. A significant finding of this study is that the income variable with the elasticity more than one, which shows the luxury nature of tourism travel. Moreover, the relative price of tourism also affects Indonesians to travel abroad in the long-run and short-run. In this study also sows the fact tah the economic crisis of 1997-1998 led to a decrease in Indonesians traveling abroad.

Keyword: Outbound tourist, ARDL, Bound test, CointegrationJEL Classification: C22, C51, Z32

ABSTRAKPenelitian ini bertujuan untuk mengidentifikasi faktor ekonomi yang mempengaruhi pen-duduk Indonesia melakukan perjalanan wisata ke luar negeri. Informasi tekait faktor-faktor yang mempengaruhi perilaku penduduk Indonesia melakukan perjalanan ke luar negeri san-gat penting. Hal ini dikarenakan perilaku dalam melakukan perjalan ke luar negeri menjadi salah satu sumber kebocoran devisa. Penelitian ini mengunakan pendekatan ARDL dengan data runtun waktu periode 1992-2019. Beberapa faktor seperti perubahan pendapatan, ketersediaan penerbangan dan harga relatif pariwisata, khususnya harga relatif pariwisata Malaysia akan diestimasi dan diuji. Harga pariwisata Malaysia menjadi pembanding dikare-nakan terjadinya peningkatan wisatawan Indonesia ke Malaysia. Selain itu, Dua variabel dummy juga digunakan untuk merepresentasikan krisis ekonomi tahun 1997-1998 dan krisis keuangan global tahun 2008. Salah satu temuan penting dari penelitian ini adalah signifikansi dari variable pendapatan dengan elastisitas lebih dari satu, yang menunjukkan luxury nature dari perjalanan pariwisata. Harga relatif pariwisata juga mempengaruhi penduduk Indone-sia melakukan perjalanan ke luar negeri pada jangka panjang maupun jangka pendek. Krisis ekonomi tahun 1997-1998 menyebabkan penurunan orang Indonesia melakukan perjalanan ke luar negeri.

Keyword: Wisatawan nasional, ARDL, Bound test, KointegrasiJEL Classification: C22, C51, Z32

RIWAYAT ARTIKELTanggal Masuk: 26 Maret 2021Tanggal Diterima:22 Juni 2021Tersedia Online:25 Juni 2021

*Korespondensi:Akhmad Tantowi E-mail: [email protected]

JIET (Jurnal Ilmu Ekonomi Terapan) p-ISSN: 2541-1470; e-ISSN: 2528-1879DOI: 10.20473/jiet.v6i1.26101Open access under a Creative Commons Attribution-ShareAlike 4.0 International

(CC BY-SA)

https://creativecommons.org/licenses/by-sa/4.0/

159

Tantowi, Akhmad Determinants of Indonesia’s Residence Traveling Abroad

Pendahuluan

Pariwisata telah menjadi sektor yang penting dan strategis dalam pembangunan na-sional pada beberapa dekade terakhir. Selain sebagai sumber devisa, pariwisata juga dapat menciptakan lapangan pekerjaan dan memperluas kesempatan berusaha. Berdasar data Ner-aca Satelit Pariwisata Nasional (Nesparnas), pada tahun 2017 kontribusi pariwisata terhadap produk domestik bruto (PDB) mencapai 4,02 persen dan 10,52 persen terhadap penciptaan lapangan kerja (BPS, 2018). Pemerintah telah menetapkan pariwisata sebagai sektor unggulan (leading sector) dalam pembangunan nasional. Diharapkan pariwisata dapat menjadi akseler-ator pertumbuhan perekonomian dan menjadi pendorong (buster) bagi sektor-sektor lainnya.

Pembangunan pariwisata di Indonesia selama ini lebih fokus pada bagaimana mening-katkan jumlah kunjungan wisatawan mancanegara (wisman) untuk mendatangkan devisa maupun wisatawan nusantara (wisnus). Begitu juga studi-studi terkait permintaan pariwisata lebih banyak membahas kunjungan wisman. Diantaranya Nahar et al. (2019), Kusumah (2018), Mariyono (2017), Pratomo (2009), Tantowi (2009), dan Sarwoko (1998). Perjalanan wisatawan Indonesia ke luar negeri atau wisatawan nasional (wisnas) kurang mendapat perhatian. Pene-litian terkait wisnas juga masih sangat terbatas, diantaranya Dewi et al. (2017) dan Lumaksono et al. (2012). Padahal perjalanan wisnas merupakan salah satu sumber kebocoran devisa.

Data Bank Indonesia (BI) menunjukkan bahwa jumlah devisa yang ke luar negeri akibat perjalanan wisnas cenderung naik dari tahun ke tahun. Ini seiring meningkatan jumlah per-jalanan wisnas setiap tahun (lihat Gambar 1). Negara tujuan utama perjalanan wisnas adalah Malaysia, Singapura, dan Saudi Arabia. Lebih dari sepertiga perjalanan wisnas (35,46 persen) berkunjung ke Malaysia. Sementara rata-rata pengeluaran dan lama bepergian per kunjungan dari perjalanan wisnas mencapai US$927,69 dan 5,48 hari (BPS, 2020).

Gambar 1: Jumlah Penduduk Indonesia yang Melakukan Perjalanan ke Luar Negeri dan Total Uang yang Dibelanjakan, 2010–2019

Sumber: BPS dan BI (beberapa tahun)

Terus meningkatnya devisa yang ke luar negeri akibat perjalanan wisnas akan meng-gerus devisa yang diperoleh dari kedatangan wisman. Untuk itu, perlu upaya untuk mengu-rangi kebocoran devisa tersebut. Mengetahui faktor-faktor yang mempengaruhi penduduk Indonesia melakukan perjalanan ke luar negeri sangat penting dalam upaya mengurangi ke-

160

JIET (Jurnal Ilmu Ekonomi Terapan) Vol. 6, No. 1 (2021): 158-170

bocoran tersebut. Selain mengurangi kebocoran juga untuk mengembangkan pariwisata di dalam negeri agar dapat bersaing dengan pariwisata negara lain.

Banyak faktor yang mempengaruhi perjalanan wisata, baik faktor ekonomi, demogra-fi, geografi, keamanan, dan lain-lain. Dalam penelitian ini akan fokus untuk mengidentifikasi variabel-variabel ekonomi yang mempengaruhi penduduk Indonesia melakukan perjalanan ke luar negeri pada periode 1992-2019. Model auto regressive distributed lag (ARDL) yang disarankan Pesaran et al. (2001) akan digunakan untuk menganalisis hubungan dan pengaruh variabel-variabel tersebut terhadap jumlah orang Indonesia yang melakukan perjalanan ke luar negeri. Keunggulan model ARDL antara lain tidak bias dan efisien untuk penelitian dengan sampel yang relatif sedikit, serta dapat diperoleh estimasi jangka panjang dan jangka pendek secara bersamaan.

Telaah Literatur

Wisatawan Nasional

Mengacu ke International Recommendation for Tourism Statistics (IRTS) 2008, BPS (2018) mendefinisikan wisatawan nasional (wisnas) atau outbound tourist sebagai penduduk Indonesia yang melakukan perjalanan ke negara lain bukan untuk bekerja pada penduduk negara yang dikunjungi dan tinggal tidak lebih dari 12 bulan dengan maksud kunjungan antara lain: (a) berlibur, (b) bisnis, (c) kesehatan, (d) pendidikan, (e) misi/pertemuan/kongres, (f) me-ngunjungi teman/keluarga, (g) keagamaan, (h) olahraga, dan (i) lainnya.

Model Permintaan Pariwisata

Song dan Witt (2000) dalam Proença dan Soukiazis (2005) mendefinisikan permintaan pariwisata sebagai sejumlah produk yang dikonsumsi wisatawan selama periode dan kondisi tertentu yang dikontrol oleh faktor-faktor penjelas yang digunakan dalam fungsi permintaan.

Berdasarkan teori ekonomi, fungsi permintaan pariwisata sebagaimana permintaan barang dan jasa lainnya tergantung pada besarnya anggaran (budget) yang tersedia untuk dikeluarkan dan preferensi pariwisata terhadap barang dan jasa lainnya. Para ahli ekonomi juga menyatakan bahwa permintaan pariwisata juga tergantung pendapatan dan harga pari-wisata. Kondisi non ekonomi seperti masalah psikologi, lingkungan sosial juga mempengaruhi permintaan pariwisata (Sinclair and Stabler, 1997).

Dilihat dari metode analisis yang digunakan, sebagian besar studi yang dipublikasikan mengenai fungsi permintaan pariwisata menggunakan analisis ekonometrik. Studi-studi itu antara lain Nahar et al. (2019), Kusumah (2018), Mariyono (2017), Lumaksono et al. (2012), Pratomo (2009), Tantowi (2009), Ouerfelli (2008), dan Salleh et al. (2008). Hasil studi-studi tersebut menunjukkan pentingnya penggunaan model ekonometrik dalam mengidentifikasi faktor-faktor yang mempengaruhi permintaan pariwisata kemudian dihitung pula nilai elastis-itas dan melakukan peramalan.

Autoregressive Distributed Lag (ARDL)

Banyak metode ekonometrik yang digunakan dalam menyusun fungsi permintaan pariwisata. Satu diantaranya adalah autoregressive distributed lag (ARDL) yang disarankan Pesaran et al. (2001). Model ARDL merupakan penggabungan antara model autoregressive (AR) dengan distributed lag (DL). Menurut Gujarati (2003), AR merupakan model yang meng-gunakan satu atau lebih data masa lampau dari variabel dependen diantara variabel penjelas. Sementara itu, DL adalah model regresi yang melibatkan data pada waktu sekarang dan masa lampau (lagged) sebagai variabel penjelas.

161


Menurut Pesaran et al. (2001), ARDL tidak memerlukan pengujian dalam hal dera-jat integrasi dari masing–masing variabel, sehingga dapat menghilangkan ketidakpastian. Pendekatan ARDL dapat diterapkann dengan mengabaikan variabel–variabel tersebut terin-tegrasi pada derajat nol, I(0), atau satu, I(1). Keunggulan model ARDL adalah tidak bias dan efisien untuk penelitian dengan sampel yang relatif sedikit. Selain itu, dengan menggunakan ARDL juga dapat diperoleh estimasi jangka panjang dan jangka pendek secara bersamaan.

Faktor-faktor yang Menentukan Permintaan Pariwisata

Banyak faktor yang mempengaruhi permintaan pariwisata. Lim (1997, 1999), Li et al. (2005), dan Song et al. (2012) meringkas variabel-variabel yang digunakan dalam analisis per-mintaan pariwisata sejak tahun 1960an. Variabel tidak bebas (dependent variable) yang paling banyak digunakan adalah jumlah kedatangan wisatawan, diikuti pengeluaran atau penerimaan dari wisatawan. Selain itu, sebagian besar penelitian tentang fungsi permintaan pariwisata lebih terfokus pada faktor-faktor ekonomi yang mempengaruhi fungsi tersebut secara domi-nan. Dari 100 studi tentang fungsi permintaan pariwisata yang diteliti, Lim (1997) menemukan variabel yang paling banyak digunakan sebagai variabel bebas (independent variable) adalah pendapatan, harga, dan biaya transportasi.

Cunha (2001) dalam Proença dan Soukiazis (2005) mengelompokkan faktor-faktor yang potensial yang dapat berpengaruh dalam memutuskan suatu perjalanan sebagai berikut:

a. Faktor sosio-ekonomi, seperti tingkat pendapatan, harga relatif antara tempat asal dan tujuan, demografi, urbanisasi, dan lamanya waktu liburan.

b. Faktor teknis yang berkaitan dengan semakin mudahnya komunikasi dan transportasi.

c. Faktor psikologi dan budaya yang menggambarkan preferensi pribadi dan gaya hidup ses-eorang.

d. Faktor lainnya terkait kejadian-kejadian yang tidak diharapkan, seperti ketidakstabilan politik, masalah iklim, bencana alam, atau wabah penyakit.

Prideaux et al. (2003) menyarankan memasukkan variabel lain seperti situasi politik, ekonomi, sosial, dan budaya, dalam model permintaan pariwisata untuk meningkatkan teknik peramalan.

Metode Penelitian

Pemilihan Variabel dan Sumber Data

Berlandaskan studi-studi tentang permintaan pariwisata yang telah diuraikan, maka penelitian ini akan menggunakan variabel-variabel sebagai berikut:

a. Jumlah orang Indonesia yang melakukan perjalanan ke luar negeri (WISNAS) sebagai vari-abel terikat (dependent variable).

b. Produk domestik bruto (PDB) purchasing power parity per kapita akan digunakan sebagai proxy rata-rata pendapatan penduduk Indonesia.

c. Harga pariwisata negara-negara tujuan utama wisnas terhadap Indonesia. Dalam hal ini akan diwakili harga pariwisata Malaysia (PMYS) sebagai negara tujuan utama perjalanan wisnas. Selain itu, beberapa tahun terakhir terjadi peningkatan wisawatawan Indonesia yang menjadikan Malasyasia menjadi tujuan wisata. Variabel PMYS diperoleh dengan den-gan rumus:

PMYS IHK INA KURSIKH MYS

tt t

t

#= (1)

162


dimana IHK_MYS=indeks harga konsumen Malaysia, IHK_INA=indeks harga konsumen In-donesia, dan KURS=nilai tukar Ringgit Malaysia terhadap Rupiah.

d. Jumlah keberangkatan penerbangan internasional (FLIGHT) akan digunakan sebagai pendekatan ketersediaan transportasi.

e. Dua variabel dummy yang merepresentasikan krisis ekonomi tahun 1997-1998, dan krisis keuangan global tahun 2008.

Data yang digunakan merupakan data runtun waktu pada periode tahun 1992-2019 yang berasal dari laporan maupun publikasi dari berbagai lembaga atau instansi. Data wisnas dan jumlah penerbangan diperoleh dari BPS. PDB purchasing power parity, Indeks harga kon-sumen Indonesia dan Malaysia, serta nilai tukar mata uang Indonesia dan Malaysia terhadap dolar Amerika Serikat diperoleh dan diolah dari World Economic Outlook (WEO) edisi Okto-ber 2020 di website IMF. Sementara untuk pengolahan data menggunakan bantuan software Eviews 6 dan Microfit 5.0.

Spesifikasi Model

Model double log akan digunakan untuk mengestimasi fungsi jumlah orang Indonesia yang melakukan perjalanan wisata ke luar negeri. Pemilihan model double log didasarkan karena kemudahan analisis. Model yang diajukan adalah:

ln ln ln lnWISNAS PDB PMYS FLIGHT D D ut t t t t0 1 2 3 9798 2008b b b b= + + + + + +

Kointegrasi

Untuk menguji adanya kointegrasi antar variabel dalam model yang dibuat, peneli-tian ini akan menggunakan model ARDL bounds test yang diajukan oleh Pesaran et al. (2001). Pemilihan model ini dikarenakan beberapa alasan: (1) hasil estimasi koefisien jangka panjang untuk variabel-variabel yang terintegrasi pada ordo 1 atau 0 adalah konsisten (Paseran et al. 2001); (2) tehnik ini secara umum menghasilkan nilai estimasi yang unbiased dan t statistics yang valid meskipun regressornya adalah endogenous; dan (3) jumlah sampel dalam pene-litian ini yang relatif kecil (28 observasi) menjadikan pendekatan ini lebih baik dibandingkan menggunakan prosedur Johansen yang membutuhkan sampel yang besar untuk mendapat-kan hasil yang konsisten.

Untuk menggunakan prosedur bound test, maka persamaan (2) dimodifikasi menjadi ARDL-error correction model sebagai berikut:

ln ln ln ln

ln ln ln

ln ln

WISNAS WISNAS PDB PMYS

FLIGHT WISNAS PDB

PMYS FLIGHT D D

t jj

p

t j jj

p

t j jj

p

t j

jj

p

t j t t

t t t

01

1

0

2

0

3

0

4

1 1 2 1

3 1 4 1 5 9798 6 2008

b b d {

c n n

n n n n f

D D D D

D

= + + +

+ + +

+ + + + +

=-

=-

=-

=- - -

- -

/ / /

/

Langkah pertama dari pendekatan ARDL adalah mengestimasi persamaan (3) dengan metode kuadrat terkecil sederhana (ordinary least square, OLS). Langkah berikutnya adalah melacak adanya hubungan kointegrasi dengan restriksi semua koefisien estimasi dari semua lag level variabelnya sama dengan nol. Jadi, hipotesis nolnya adalah H0: μ1=μ2=μ3=μ4= 0, dan hipotesis alternatifnya adalah HA: μ1 ≠ 0, μ2 ≠ 0, μ3 ≠ 0, dan μ4 ≠ 0, yang asimtotik dengan non

(2)

(3)

163


standar distribusi F. Batas nilai kritis untuk uji kointegrasi apabila variabel-variabel bebasnya I(d) adalah 0 ≤ d ≤ 1. Batas bawahnya menganggap seluruh variabel bebasnya I(0), sedangkan batas atasnya menganggap seluruh variabel bebasnya I(1). Jika nilai F hitung lebih besar dari batas atas, maka H0 ditolak, artinya ada kointegrasi. Jika nilai F hitung lebih kecil dari batas bawah, maka H0 tidak dapat di tolak, artinya tidak ada kointegrasi. Sementara itu, jika nilai F hitung berada pada selang batas bawah dan atas, maka tidak dapat diputuskan apakah ada hubungan kointegrasi atau tidak. Setelah diketahui adanya hubungan jangka panjang antar variabel dalam model, maka model long-run dan short-run dapat dibangun berdasar informasi kriteria seperti kriteria Schwartz Bayesian atau Akaike information.

Pengujian kointegrasi dengan pendekatan ARDL tidak mensyaratkan uji akar unit untuk variabel-variabel yang digunakan dalam model sebagaimana yang disyaratkan pada pendeka-tan lain seperti teknik Johansen (Pesaran et al., 2001) namun, jika ordo integrasi beberapa variabel lebih dari satu, seperti I(2), maka nilai kritis yang dibuat Pesaran et al. (2001) menjadi tidak valid. Oleh karena itu, dalam tulisan akan dilakukan uji akar unit sebelum dilakukan es-timasi model untuk meyakinkan ketepatan metode yang digunakan. Untuk menguji ada atau tidaknya akar unit variabel-variabel yang digunakan dalam model pada penelitian ini, akan digunakan uji Augmented Dickey Fuller (ADF) dan Philips-Perron (PP).

Hasil dan Pembahasan

Uji Akar Unit

Meskipun pengujian kointegrasi dengan pendekatan ARDL tidak mensyaratkan uji akar, tetapi uji akar unit diperlukan untuk meyakinkan ketepatan metode yang digunakan. Hasil uji akar unit pada Tabel 1 menunjukkan bahwa dengan uji ADF maupun PP pada level signifikan 5%, semua variabel terintegrasi pada ordo 1, meskipun untuk variable LnPMYS yang hasilnya berbeda antara uji ADF dan PP. Dengan hasil bahwa semua variabel I(1), maka model ARDL dapat digunakan pada penelitian ini.

Tabel 1. Uji Akar Unit dengan ADF dan PP (dengan konstanta tanpa trend)

VariableLevel 1st Diff

KetADF PP ADF PP

LnWISNASLnPDBLnPMYSLnFLIGHT

-1.463276-0.250035-2.907779*-0.386136

-2.054211-0.527364-2.321017-0.215869

-4.295872***-3.466969**-2.281364-6.261675***

-4.273525***-3.590061**-5.246802***-6.327154***

I(1)I(1)I(1)I(1)

Keterangan: ***, ** dan * menunjukkan signifikan pada level 1%, 5%, dan 10%.. Nilai kritis berdasar nilai hasilpenghitungan McKinonn (1991). Untuk menghitung test ini digunakan software Eviews 6.Sumber: data diolah

Hubungan Jangka Panjang

Hasil estimasi untuk persamaan (1) menggunakan data tahunan pada periode 1992–2019. Namun, sebelum menguji adanya hubungan jangka panjang antar variabel, maka lang-kah penting yang harus dilakukan adalah memilih lag optimal dari model ARDL. Pemilihan lag pada penelitian ini berdasarkan unrestricted vector autoregression (VAR) pada first-difference. Untuk data tahunan, Pesaran dan Shin (1997) menyarankan panjang lag maksimal yang diper-gunakan adalah 2 lag. Tabel 2 menunjukkan bahwa semua kriteria pemilihan lag memilih lag 1 sebagai lag yang optimal untuk dipergunakan dalam estimasi terhadap persamaan umum ARDL.

164


Tabel 2. Hasil Pemilihan Panjang Lag Optimal

Lag LogL LR FPE AIC SC HQ0 11.88646 NA 6.41e-06 -0.606651 -0.413097 -0.5509141 138.5073 204.5414* 1.32e-09* -9.115946* -8.148180* -8.837265*2 149.4987 14.37343 2.14e-09 -8.730673 -6.988693 -8.229046

* indicates lag order selected by the criterionLR: sequential modified LR test statistic (each test at 5% level)FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion Sumber: data diolah

Hasil uji untuk mengetahui adanya hubungan jangka panjang dengan bound test dapat dilihat pada Tabel 3. Pada Tabel 3 dapat dilihat bahwa nilai F hitungnya lebih besar dari pada batas atas nilai kritis dari Pesaran et al. (2001) pada level 5 persen sehingga hipotesis bahwa tidak ada kointegrasi antar variabel ditolak. Dengan kata lain, ada hubungan jangka panjang antar variabel dalam model yang digunakan dalam penelitian ini.

Tabel 3. Hasil ARDL Bound Test

F-hitungNilai kritis pada level 5%

Batas bawah Batas atas

23,4038 3,9830 5,4686

Keterangan: Untuk menghitung test ini digunakan software Microfit 5.Sumber: data diolah

Setelah menguji dan terbukti adanya hubungan jangka panjang diantara variabel yang digunakan, maka tahapan selanjutnya adalah melakukan estimasi koefisien jangka panjang dan dinamika jangka pendek menggunakan model ARDL yang terpilih. Menggunakan panjang lag maksimal 1, metode ARDL melakukan estimasi terhadap (1+1)3 = 8 model regresi dalam menentukan panjang lag yang optimal untuk masing-masing variabel. Dengan bantuan soft-ware Microfit 5, berdasarkan kriteria Shwarz Bayesian Criterion (SBC) terpilih spesifikasi mod-el ARDL (1,0,1,0) seperti yang terlihat pada Tabel 5.

Tabel 5. Hasil Estimasi ARDL (1,0,1,0)Variabel dependen: LnWISNAS

Variabel independen Koefisien Standard Error T-Ratio

LnWISNAS(-1)*** 0,40490 0,08272 4,8950LnPDB** 0,59611 0,23540 2,5323

LnPMYS** -0,13324 0,05938 -2,2437

LnPMYS(-1)* -0,13099 0,06764 -1,9366LnFLIGHT -0,11240 0,14601 -0,7698D9798 *** -0,24494 0,05794 -4,2274D2008 *** -0,14029 0,04716 -2,9747KONSTANTA *** 3,16440 0,43257 7,3154R2 = 0,99693 Adj R2 = 0,99586

Keterangan: ***, ** dan * menunjukkan signifikan pada level 1%, 5%, dan 10%.. Untuk menghitung test ini digunakan software Microfit 5Sumber: data diolah

165


Sebelum melakukan estimasi model ARDL, beberapa uji diagnosis harus dilakukan agar model ARDL yang diestimasi terhindar dari pelangggaran asumsi-asumsi dasar ekonometri. Terdapat empat jenis uji diagnosis yaitu diagnosis korelasi serial (serial correlation), spesifikasi fungsi (specification form), normalitas (normality), dan heteroskedastisitas (heteroscedastici-ty). Apabila model telah terhindar dari masalah asumsi ekonometri, maka analisis dan kesim-pulan dari hasil regresi dapat dilakukan.

Hasil uji LM menunjukkan bahwa semua menunjukkan tidak signifikan pada level 5 persen (lihat Tabel 6). Ini menunjukkan tidak ada masalah terkait asumsi auto korelasi, kenor-malan, spesifikasi, dan hetroskedastisitas dalam model yang diajukan.

Tabel 6. Diagnosa Asumsi Dasar Ekonometri

Uji Statistik LM version F version

Korelasi serial 0,14642 [0,702] 0,099881 [0,755]

Spesifikasi fungsi 0,39329 [0,531] 0,270670 [0,609]

Normalitas 0,56970 [0,752] NA

Heteroskedastisitas 0,56037 [0,454] 0,53097 [0,473]

Keterangan: ***, ** dan * menunjukkan signifikan pada level 1%, 5%, dan 10%.. Angka dlam kurung menunjukkan nilai probabilitas. Untuk menghitung test ini digunakan software Microfit 5Sumber: data diolah

Dari model yang dihasilkan maka nilai elastisitas jangka panjang dari setiap variabel dapat dilihat pada Tabel 7. Penjelasan untuk setiap variabel adalah sebagai berikut:

Pendapatan

Menurut Suwena dan Widyatmaja (2010) dalam Dewi et al. (2017), salah satu fak-tor yang mempengaruhi perjalanan wisata adalah gaya hidup (lifestyle) yang meliputi: (1) pendapatan dan pekerjaan; (2) hak cuti kerja; (3) pendidikan dan mobilitas; dan (4) ras dan jenis kelamin. Hasil estimasi menunjukkan koefisien variabel pendapatan (PDB) mempunyai tanda sesuai harapan (positif), dan signifikan pada tingkat keyakinan 1%. Nilai koefisien 1,0017 menunjukkan bahwa peningkatan PDB sebesar 1% ceteris paribus, dalam jangka panjang akan meningkatkan laju orang Indonesia yang bepergian ke luar negeri sebesar 1,0017%. Nilai elas-tisitas yang lebih dari 1 menunjukkan bahwa perjalanan penduduk Indonesia ke luar negeri sensitif terhadap pendapatan. Hasil ini mengkonfirmasi hipotesis luxury nature dari perjala-nan pariwisata.

Hasil ini sesuai dengan berbagai penelitian terdahulu yang menyatakan bahwa pendapatan bersifat elastis atau sangat sensitif terhadap permintaan pariwisata. Hasil yang dilakukan Lumaksono et al. (2012), misalnya, menyimpulkan bahwa perjalanan wisnas dipen-garuhi secara positif oleh PDB per kapita sebagai pendekatan pendapatan penduduk Indone-sia. Selain itu, hasil ini juga dapat menjelaskan penyebab tingginya pertumbuhan penduduk Indonesia yang melakukan perjalanan ke luar negeri dalam dua dekade terakhir. Dengan ra-ta-rata pertumbuhan ekonomi nasional per tahun sekitar 5%-6%, maka pertumbuhan wisnas mencapai rata-rata 12,35% per tahun pada periode 1992-2019.

Harga Pariwisata Malaysia

Harga pariwisata merupakan indikator penting bagi penyedia barang dan jasa pariwisa-ta karena terkait langsung terhadap permintaan wisatawan. Apabila harga relatif pariwisata bersifat elastis (>1), permintaan wisatawan akan meningkat signifikan dengan turunnya harga. Sebaliknya jika inelastis (<1), penjualan akan relatif tetap jika harga diturunkan.

166


Perubahan harga relatif pariwisata Malaysia terhadap Indonesia menggambarkan pe-rubahan harga di Indonesia dengan harga di Malaysia. Koefisien variabel harga pariwisata Ma-laysia (PMYS) mempunyai tanda negatif dan signifikan pada tingkat keyakinan 1%. Nilai koe-fisien yang 0,4440 menunjukkan bahwa perjalanan penduduk Indonesia ke luar negeri dalam jangka panjang tidak terlalu sensitif (inelastic) terhadap perubahan harga relatif pariwisata Malaysia. Hasil ini sejalan dengan penelitian Lumaksono et al. (2012), dengan pendekatan harga pariwisata nilai tukar rupiah terhadap dollar Amerika Serikat, menyimpulkan bahwa perjalanan wisnas dipengaruhi secara negatif oleh harga pariwisata di negara tujuan.

Hasil berbeda untuk wisatawan Malaysia yang berkunjung ke Indonesia. Penelitian yang dilakukan Pratomo (2009) menyimpulkan wisatawan asal Malaysia sangat sensitif terha-dap harga pariwisata Indonesia. Ini tentu menjadi perhatian para pelaku pariwisata di Indone-sia ketika akan meningkatkan daya saing dengan negara tetangga, terutama Malaysia.

Data Travel & Tourism Competitiveness Report 2019 menunjukkan nilai price compet-itiveness Malaysia adalah nomor dua di Kawasan ASEAN, setelah Brunei Darussalam. Hal ini menunjukan bahwa faktor harga menjadi salah satu penyebab kenaikan perjalanan wisnas ke Malaysia setiap tahun. Fakta ini sangat penting bagi pemangku kepentingan pariwisata di In-donesia bahwa harga menjadi salah satu penentu penduduk Indonesia melakukan perjalanan ke luar negeri.

Hasil penelitian Dewi et al. (2017) di Bali juga menemukan bahwa faktor penarik atau faktor ekstrinsik lebih besar pengaruhnya dibanding nilai faktor pendorong atau motivasi ses-eorang melakukan perjalanan ke luar negeri. Hal ini menunjukkan daya tarik destinasi wisata di luar negeri (pull factor) dengan berbagai kelebihannya, termasuk harga, lebih dominan dar-ipada faktor internal seseorang dalam memutuskan perjalanan ke luar negeri.

Biaya Transportasi

Koefisien variabel transportasi yang diwakili dengan jumlah penerbangan ke luar neg-eri (FLIGHT) tidak signifikan pada tingkat keyakinan 5%. Ini artinya dalam jangka panjang ter-sedianya penerbangan ke luar negeri tidak mempengaruhi pertumbuhan orang Indonesia yang melakukan perjalanan ke luar negeri. Hal ini kemungkinan terjadi karena bagi penduduk Indonesia jumlah penerbangan yang ada sudah over supply. Data BPS menunjukkan rata-rata pertumbuhan jumlah penerbangan ke luar negeri satu dekade terakhir mencapai sekitar 7% persen per tahun. Hal lain adalah munculnya banyak low cost carrier (LCC) yang menawar-kan biaya transportasi yang murah dengan pemesanan dapat dilakukan jauh sebelum perjala-nan dilaksanakan. Selain itu, transportasi udara bukan satu-satunya moda transportasi untuk melakukan perjalanan ke luar negeri. Wisnas ke Singapura sebagian besar menggunakan ang-kutan air. Untuk daerah yang berbatasan darat langsung, angkutan darat seperti bus menjadi angkutan utama.

Promosi paket perjalanan wisata ke luar negeri yang relatif lebih murah dari paket wisata dalam negeri juga turut menjadi alasan wisatawan memilih liburan di luar negeri dan menggunakan jasa travel agent.

Krisis Ekonomi 1997-1998 dan Krisis Keuangan Global 2008

Dari dua dummy variabel yang digunakan hanya krisis ekonomi yang terjadi pada ta-hun 1997-1998 yang berpengaruh secara signifikan terhadap perjalanan penduduk Indonesia ke luar negeri. Sementara krisis keuangan global yang terjadi pada akhir tahun 2008 tidak ber-pengaruh secara signifikan. Menurut Prideaux et al. (2003) krisis ekonomi yang dimulai tahun

167


1997 menyebabkan perekonomian Indonesia pada titik terendah yang diikuti ketidakstabilan politik dan pada akhirnya berdampak pada menurunnya arus wisatawan di Indonesia, baik yang datang atau yang pergi. Hasil ini juga sejalan dengan penelitian yang dilakukan Lumakso-no et al. (2012) yang menyimpulkan krisis ekonomi yang melanda Indonesia tahun 1997-1998 berpengaruh negatif terhadap perjalanan penduduk Indonesia ke luar negeri.

Krisis keuangan global yang terjadi di akhir 2008 hingga 2009 tidak terlalu mempen-garuhi perekonomian Indonesia. Perekonomian Indonesia yang sebagian besar masih ber-tumpu pada konsumsi rumah tangga masih tumbuh positif. Berdasar data BPS, pada tahun 2009 perekonomian Indonesia masih tumbuh sebesar 4,6 persen. Hal ini tidak mempengaruhi penduduk Indonesia melakukan perjalanan ke luar negeri.

Tabel 7. Hasil Estimasi Jangka Panjang ARDL (1,0,1,0)

Variabel Koefisien Standard Error T-ratioLnPDB ***

LnPMYS ***

LnFLIGHT

D9798 ***

D2008 ***

KONSTANTA ***

1,00170

-0,44400

-0,18888

-0,41159

-0,23574

5,31750

0,324090

0,041198

0,239230

0,107840

0,081161

0,827840

3,0908

-10,7772

-0,7895

-3,8167

-2,9045

6,4233Keterangan: ***, ** dan * menunjukkan signifikan pada level 1%, 5%, dan 10%. Untuk menghitung test ini digunakan software Microfit 5Sumber: data diolah

Hubungan Jangka Pendek

Hasil estimasi dinamika jangka pendek dapat dilihat pada Tabel 8, dimana koefisien error correction (-0,59510) secara statistik signifikan pada tingkat 1% dengan tanda negatif. Hal ini mendukung adanya hubungan jangka pendek diantara variabel yang digunakan dalam model. Koefisien error correction sebesar -0,59510 menunjukkan kecepatan proses penye-suaian apabila terjadi gangguan/goncangan terhadap keseimbangan. Sekitar 59,51% ketidak-seimbangan yang terjadi pada periode sebelumnya akan kembali pada titik keseimbangan pada periode saat ini.

Tabel 8. Hasil Estimasi Jangka Pendek ARDL (1,0,1,0)

Variabel Koefisien Standard Error T-Ratio

ΔLnPDB **

ΔLnPMYS **

ΔLnFLIGHT

ΔD9798 ***

ΔD2008 ***

Ecm (-1) ***

0,59611

-0,13324

-0,11240

-0,24494

-0,14029

-0,59510

0,235400

0,059383

0,146010

0,057941

0,047159

0,082716

2,5323

-2,2437

-0,7698

-4,2274

-2,9747

-7,1945Keterangan: ***, ** dan * menunjukkan signifikan pada level 1%, 5%, dan 10%. Untuk menghitung test inidigu-nakan software Microfit 5Sumber: data diolah

168


Sementara koefisien ΔLnPDB mempunyai tanda positif dan signifikan, menunjukkan bahwa perubahan pendapatan akan langsung direspon peningkatan penduduk Indonesia yang bepergian ke luar negeri. Koefisien ΔLnPMYS mempunyai tanda negatif dan signifikan, menunjukkan bahwa perubahan harga pariwisata Malaysia akan langsung direspon peruba-han penduduk Indonesia yang bepergian ke luar negeri tersebut. Sementara koefisien ΔLn-FLIGHT yang tidak siknifikan menunjukkan bahwa perubahan pada jangka pendek variabel jumlah penerbangan tidak serta merta berdampak pada perubahan jumlah wisnas tetapi me-merlukan waktu.

Stabilitas Model

Langkah terakhir adalah menguji stabilitas parameter jangka panjang dan jang-ka pendek dari persamaan yang diperoleh. Cumulative sum (CUSUM) dan cumulative sum squares (CUSUMSQ) digunakan untuk melakukan uji ini (Pesaran & Shin, 1997). Uji CUSUM mengidentifikasi perubahan sistematis pada koefisien regresi, CUSUMSQ mendeteksi peruba-han mendadak dari konstanta koefisien regresi.

Pengujian stabilitas menggunakan CUSUM dan CUSUMSQ dari model yang diajukan seperti terlihat pada Gambar 2 dan 3. Gambar tersebut menunjukkan nilai statistik CUSUM dan CUSUMSQ berada diantara nilai kritis signifikansi 5%. Hal ini mengindikasikan bahwa koe-fisien hasil regresi bersifat stabil.

-10

-5

0

5

10

1992 1999 2006 2013 2019

The straight lines represent critical bounds at 5% significance level

Plot of Cumulative Sum of Recursive Residuals

Gambar 2. Hasil Cumulative Sum (CUSUM) of Recursive Residuals

-0.5

0.0

0.5

1.0

1.5

1992 1999 2006 2013 2019

The straight lines represent critical bounds at 5% significance level

Plot of Cumulative Sum of Squares of Recursive Residuals

Gambar 3. Hasil cumulative sum of squares (CUSUMSQ) of Recursive Residuals

169


Simpulan

Hasil pengujian ARDL Bounds test menunjukkan adanya hubungan jangka panjang antara jumlah penduduk Indonesia yang melakukan perjalanan ke luar negeri dengan varia-bel-variabel tingkat pendapatan, harga relatif pariwisata Malaysia, dan jumlah penerbangan ke luar negeri. Hasil penelitian ini juga menunjukkan bahwa krisis ekonomi yang dimulai pada tahun 1997-1998 menekan jumlah penduduk Indonesia melakukan perjalanan ke luar negeri.

Pada jangka panjang, perkembangan penduduk Indonesia melakukan perjalanan ke luar negeri dipengaruhi secara signifikan oleh tingkat pendapatan dan harga pariwisata negara tujuan utama (Malaysia). Perkembangan penduduk Indonesia melakukan perjalanan ke luar negeri sangat sensitif terhadap perubahan pendapatan yang ditunjukkan dengan nilai elas-tisitas yang lebih dari satu yaitu 1,0017. Angka elastisitas yang lebih besar dari satu ini juga mengkonfirmasi hipotesis luxury nature dari perjalanan wisata. Namun, jumlah penduduk In-donesia yang melakukan perjalanan ke luar negeri tidak sensitif terhadap harga pariwisata Malaysia. Begitu juga pada jangka pendek variabel pendapatan dan harga relatif pariwisata Malaysia berpengaruh secara signifikan terhadap jumlah penduduk Indonesia melakukan per-jalanan ke luar negeri. Apabila terjadi gangguan/goncangan terhadap keseimbangan, maka sekitar 59,51% ketidakseimbangan yang terjadi pada periode sebelumnya akan kembali pada titik keseimbangan pada periode saat ini.

Penelitian ini fokus pada faktor makro yang mempengaruhi perjalanan penduduk In-donesia ke luar negeri. Untuk penelitian selanjutnya, didorong untuk mengeksplorasi faktor atau variabel lain yang dapat berpengaruh terhadap perjalanan penduduk Indonesia ke luar negeri, seperti jarak ke negara tujuan, harga pariwisata negara tujuan lainnya, dan harga tiket angkutan.

Daftar Pustaka

Badan Pusat Statistik. (beberapa tahun). Jumlah Penduduk Indonesia Melakukan Perjalanan ke Luar Negeri. Jakarta: Badan Pusat Statistik (tidak diterbitkan).

__________________. (Beberapa tahun). Statistik Transportasi. Jakarta: Badan Pusat Statistik.

__________________. 2020. Laporan Survei Wisatawan Nasional (Outbound) Tahun 2019. Jakarta: Badan Pusat Statistik.

__________________. 2018. Neraca Satelit Pariwisata Nasional 2017. Jakarta: Badan Pusat Statistik.

Bank Indonesia. (beberapa tahun). Laporan Neraca Pembayaran Indonesia. Jakarta: Bank In-donesia.

Dewi, N. W. A. P., Mahendra, M. S. and Wiranatha, A. S. 2017. Faktor Pendorong dan Penarik Orang Bali Berwisata ke Luar Negeri. JUMPA, 3 (2), 207-222.

Gujarati, D. N. 2003. Basic Econometrics, 4th Edition. New York: McGraw-Hill.

International Monetary Fund. 2021. World Economic Outlook Database, October 2020 edi-tion. Diunduh tanggal 4 Maret 2021. https://www.imf.org/en/Publications/WEO/weo-database/2020/October

Kusumah, A. H. G. 2018. Tourism Demand Modeling: Price and Income Elasticity. Journal of Indonesian Tourism, Hospitality and Recreation, 1 (1), 49-57.

Li, G., Song, H., and Witt, S. F. 2005. Recent Developments in Econometric Modeling and Fore-

https://www.imf.org/en/Publications/WEO/weo-database/2020/October

https://www.imf.org/en/Publications/WEO/weo-database/2020/October

170


casting. Journal of Travel Research, 44, 82-99.

Lim, C. 1997. Review of International Tourism Demand Models. Annals of Tourism Research, 24, 835-849.

Lim, C. 1999. A Meta Analysis Review of International Tourism Demand. Journal of Travel Re-search, 37, 273-284.

Lumaksono, A., Priyarsono, D. S., Kuntjoro, Heriawan, R. 2012. Dampak Ekonomi Pariwisata Internasional pada Perekonomian Indonesia. Forum Pascasarjana, 35 (1), 53-68.

Mariyono, J. 2017. Determinants of Demand for Foreign Tourism in Indonesia. Jurnal Ekonomi Pembangunan, 18 (1), 82-92.

Nahar, F. H., Adha, M. A., Azizurrohman, M., Ulfi, I., and Karimah, H. 2019. International Tour-ism Demand in Indonesia: Gravity Model Approach. Journal of Economics and Policy, 12 (2), 298-317.

Ouerfelli, C. 2008. Co-integration Analysis of Quarterly European Tourism Demand in Tunisia. Tourism Management, 29 (1), 127-137.

Pesaran, M. H., Shin, Y., and Smith, R. J. 2001. Bounds Testing Approaches to the Analysis of Level Reationships. Journal of Applied Econometrics, 16, 289-326.

Pesaran, M. H. and Shin, Y. 1997. An Autoregressive Distributed Lag Modelling Approach to Cointegration Analysis. The paper was a revised version of a paper presented at the Symposium at the Centennial of Ragnar Frisch, The Norwegian Academy of Science and Letters, Oslo, March 3-5, 1995.

Pratomo, D. S. 2009. Permintaan Pariwisata Indonesia: Studi Kasus Wisatawan Malaysia. Jour-nal of Indonesian Applied Economics, 3 (2), 200-209.

Prideaux, B., Laws, E., and Faulkner, B. 2003. Events in Indonesia: Exploring the Limits to For-mal Tourism Trends Forecasting Methods in Complex Crisis Situations. Tourism Man-agement, 24 (4), 511-520.

Proença, S. A. and Soukiazis, E. 2005. Demand for Tourism in Portugal: A panel Data Approach. Faculdade de Economia da Universidade de Coimbra, Discussion Paper No. 29, Feb-ruary 2005.

Salleh, N. H. M., Hook, L. S., Ramachandran, S., Shuib, A., and Noor, Z. M. 2008. Asian Tour-ism Demand for Malaysia: A Bound Test Approach. Contemporary Management Re-search, 4 (4), 351-368.

Sarwoko. 1998. Pemilihan Bentuk Fungsi dengan Menggunakan Transformasi Variabel Menurut Box-Cox: Studi Permintaan Pariwisata Indonesia Tahun 1985–1995. Jurnal Ekonomi dan Bisnis Indonesia, 13 (3), 101-115.

Sinclair, M. T. and Stabler, M. 1997. The Economics of Tourism. London: Routledge.

Song, H., Dwyer, L., Li, G., and Cao, Z. 2012. Tourism Economics Research: A Review and As-sessment. Annals of Tourism Research, 39 (3), 1653-1682.

Tantowi, A. 2009. Determinants of Tourism Demand in Indonesia: A Panel Data Analysis. Tesis pada Magister Ekonomika Pembangunan, Universitas Gadjah Mada, Yogyakarta, (ti-dak diterbitkan).

World Economic Forum. 2019. The Travel & Tourism Competitiveness Report 2019. Genewa.

determinants of indonesia’s residence traveling …

Documents