Geoekonomi (2): seberapa terpapar Indonesia?

29 Juni 2026·

Krisna Gupta

· 6 menit untuk membaca

Post ini lanjutan dari post sebelumnya di mana saya mencoba ngeliat posisi Indonesia di tengah dunia yang makin geoekonomis. Kalau di post itu kita ngobrol konsepnya dan ngeplot indeks GPR-nya Caldara & Iacoviello buat Indonesia, kali ini kita bikin sedikit lebih konkret: di mana sih sebenernya posisi Indonesia kalau benar-benar diukur?

Ada dua hal yang mau saya tunjukin. Pertama, GPR tertimbang perdagangan — seberapa besar Indonesia berdagang dengan negara-negara yang lagi tinggi risiko geopolitiknya. Kedua, GeoV dan GeoC — di mana kita berdiri kalau yang dipertimbangkan adalah jarak ideal-point, yaitu seberapa mirip pola voting kita dengan mitra dagang di Majelis Umum PBB.

1. GPR tertimbang mitra dagang

Idenya sederhana. GPR global naik-turun buat semua orang, tapi yang relevan buat kita adalah risiko geopolitik dari negara-negara yang justru jadi mitra dagang Indonesia. Jadi kita timbang GPR spesifik tiap negara¹ dengan pangsa perdagangan Indonesia ke negara itu, lalu dijumlahkan. Makin tinggi angkanya, makin banyak perdagangan kita nyangkut di negara yang lagi panas-panasnya secara geopolitik.

import pandas as pd
import matplotlib.pyplot as plt
import fig_den as den

# --- DEN house style + dark mode (latar hitam), sama seperti post sebelumnya ---
den.style()
BG, FG, GRID = "#000000", "#E8E8E8", "#3A3A3A"
plt.rcParams.update({
    "figure.facecolor": BG, "axes.facecolor": BG, "savefig.facecolor": BG,
    "text.color": FG, "axes.labelcolor": FG, "axes.titlecolor": FG,
    "xtick.color": FG, "ytick.color": FG, "axes.edgecolor": FG,
    "grid.color": GRID,
})
RED, GOLD, TAN = den.RED, den.GOLD, den.TAN
GLOBAL = "#9AA0A6"

# --- Data: GPR tertimbang mitra dagang Indonesia (Caldara & Iacoviello 2022 x UN Comtrade) ---
gpr = pd.read_csv("gpr_partner_weighted.csv")

fig, ax = den.subplots(figsize=(10, 6))
ax2 = ax.twinx()
ax2.grid(False)
ax2.set_facecolor("none")

# GPR global di sumbu kanan (di belakang)
l0, = ax2.plot(gpr.year, gpr.gpr_global, color=GLOBAL, lw=1.6, ls="--",
               label="GPR global (skala kanan)", zorder=1)
l1, = ax.plot(gpr.year, gpr.gpr_total_wt, color=RED, lw=2.8, marker="o", ms=4,
              label="Tertimbang total perdagangan", zorder=4)
l2, = ax.plot(gpr.year, gpr.gpr_export_wt, color=GOLD, lw=2.0, marker="s", ms=3,
              label="Tertimbang ekspor", zorder=3)
l3, = ax.plot(gpr.year, gpr.gpr_import_wt, color=TAN, lw=2.0, marker="^", ms=3,
              label="Tertimbang impor", zorder=3)

ymax = ax.get_ylim()[1]
for yr, lab in [(2014, "Krimea"), (2020, "COVID-19"), (2022, "Rusia–Ukraina")]:
    ax.axvline(yr, color=GRID, ls=":", lw=1, alpha=0.9, zorder=0)
    ax.text(yr, ymax, lab, rotation=90, va="top", ha="right",
            fontsize=8, color=FG, alpha=0.7)

ax.set_ylabel("GPR mitra, tertimbang perdagangan")
ax2.set_ylabel("GPR global", color=GLOBAL)
ax2.tick_params(axis="y", colors=GLOBAL)
ax2.spines["right"].set_visible(True)
ax2.spines["right"].set_color(GLOBAL)
ax.set_zorder(ax2.get_zorder() + 1)
ax.patch.set_visible(False)
ax.margins(x=0.01)

den.label(ax, title="Risiko geopolitik yang “diimpor” Indonesia lewat mitra dagangnya",
          xlabel="Tahun")
ax.legend([l1, l2, l3, l0], [h.get_label() for h in (l1, l2, l3, l0)],
          loc="upper left", frameon=False, fontsize=9)
fig.text(0.02, -0.02,
         "Sumber: Caldara & Iacoviello (2022); bobot = pangsa perdagangan Indonesia (UN Comtrade). "
         "Cakupan mitra ber-GPRC ≈ 79% total perdagangan; Singapura tidak tercakup.",
         fontsize=8, color=FG, alpha=0.7)
plt.show()

Grafik di atas: sumbu horizontal tahun (2000–2024), sumbu kiri GPR mitra tertimbang perdagangan Indonesia (versi total, ekspor, dan impor), sumbu kanan GPR global sebagai pembanding. Garis titik-titik menandai episode krisis.

Tiga hal menarik. Satu, risiko geopolitik yang “diimpor” Indonesia lewat mitra dagangnya kira-kira berlipat dua dari titik terendahnya sekitar 2012–13 (~0,33) ke puncak 2022 (~0,87), dan masih tinggi di 2024 (~0,70). Dua, deret tertimbang Indonesia nggak cuma ngikutin GPR global — di 2017–2019 dia malah menyimpang ke atas relatif tren global. Artinya, kenaikan paparan ini bukan semata karena dunia lagi ribut, tapi karena komposisi mitra dagang kita bergeser ke negara yang risikonya lebih tinggi (terutama Tiongkok, dan untuk komoditas tertentu, Rusia). Tiga, deret tertimbang ekspor konsisten berada di atas impor — sisi ekspor kita lebih terpapar ke mitra berisiko.

2. GeoV dan GeoC: jarak ideal-point

GPR ngukur “panas”-nya mitra. Tapi ada cara lain ngeliat posisi kita: seberapa jauh mitra kita secara politik. Aiyar & Ohnsorge² memakai jarak ideal-point dari pola voting di PBB³ buat bikin dua indeks. GeoV (vulnerability) adalah rata-rata tertimbang jarak ideal-point mitra kita — makin tinggi, makin terpapar ke mitra yang jauh secara politik; inilah “posisi” Indonesia dalam ruang ideal-point. GeoC (connectedness) adalah simpangan bakunya — makin tinggi, makin luas rentang ideologi mitra kita, ciri khas negara “penghubung” yang dagang dengan kedua kubu.

# --- Data: GeoV & GeoC Indonesia per jenis transaksi (Aiyar & Ohnsorge 2024) ---
geo = pd.read_csv("indonesia_geo_vc.csv").sort_values("year")

TXN = {"exports":      ("Ekspor", GOLD),
       "fdi_in_stock": ("FDI (liabilities)", RED),
       "pfi_in_stock": ("Portofolio (liabilities)", TAN),
       "banks":        ("Bank/BIS (liabilities)", GLOBAL)}

fig, (axV, axC) = den.subplots(1, 2, figsize=(13, 5.5))
for ax in (axV, axC):
    ax.set_facecolor(BG)
    ax.axvline(2016, color=GRID, ls=":", lw=1, alpha=0.9)

for t, (lab, col) in TXN.items():
    sV = geo.dropna(subset=[f"GeoV_{t}"])
    axV.plot(sV.year, sV[f"GeoV_{t}"], marker="o", ms=3, lw=2.3, color=col, label=lab)
    sC = geo.dropna(subset=[f"GeoC_{t}"])
    axC.plot(sC.year, sC[f"GeoC_{t}"], marker="o", ms=3, lw=2.3, color=col, label=lab)

# tandai 2016 di pojok atas tiap panel (setelah data diplot agar posisinya pas)
for ax in (axV, axC):
    ax.annotate("2016", xy=(2016, 1), xycoords=("data", "axes fraction"),
                xytext=(3, -3), textcoords="offset points",
                va="top", ha="left", fontsize=8, color=FG, alpha=0.6)

den.label(axV, title="GeoV — keterpaparan ke mitra yang jauh (posisi ideal-point)",
          xlabel="Tahun", ylabel="GeoV")
den.label(axC, title="GeoC — keluasan spektrum mitra (ciri connector)",
          xlabel="Tahun", ylabel="GeoC")
axV.legend(frameon=False, fontsize=8, loc="upper right")

fig.text(0.02, -0.02,
         "Sumber: Aiyar & Ohnsorge (2024), NCAER WP 173. GeoV = rata-rata tertimbang jarak ideal-point suara PBB; "
         "GeoC = simpangan bakunya. Garis titik-titik = 2016 (awal fragmentasi).",
         fontsize=8, color=FG, alpha=0.7)
fig.tight_layout()
plt.show()

Dua panel di atas: sumbu horizontal tahun, sumbu vertikal nilai indeks, dipecah per jenis transaksi (ekspor, FDI, portofolio, dan pinjaman bank). Garis titik-titik = 2016, kira-kira saat fragmentasi mulai kelihatan.

Hasilnya bikin agak mikir. GeoV ekspor Indonesia justru turun, dari 1,62 (2002) ke 1,33 (2016) lalu 0,75 (2023). Sekilas kayak kabar baik: ekspor kita makin ke mitra yang secara politik lebih dekat dengan Jakarta. Tapi lihat GeoC-nya — ikut turun juga (~1,05 ke ~0,88). Rentang ideologi mitra dagang kita menyempit. Jadi turunnya GeoV bukan tanda diversifikasi yang sehat, melainkan konsentrasi ke segelintir mitra besar (lagi-lagi, Tiongkok).

Gabungkan ketiganya dan polanya konsisten: GPR tertimbang naik, GeoV turun, GeoC turun. Indonesia makin mengonsentrasikan dagangnya ke mitra yang lebih selaras secara politik tapi membawa risiko geopolitik intrinsik yang lebih tinggi, sambil mengikis keluasan portofolio yang justru jadi modal kita sebagai negara penghubung.

Ini yang menurut saya perlu kita pantau terus. Di dunia yang makin multipolar, perdagangan bukan lagi soal efisiensi ekonomi semata — siapa mitra dagang kita sekarang punya bobot strategis. Tradisi politik bebas-aktif sebenarnya bikin Indonesia kandidat alami sebagai connector, tapi peran itu cuma bernilai kalau kita jaga keluasan mitra dan nggak keseret masuk orbit satu blok saja. Datanya, sejauh ini, justru menunjukkan arah yang sebaliknya. Apa boleh buat — seperti saya bilang di post sebelumnya, mempelajari ini jadi tanggung jawab tersendiri.

Caldara, Dario, and Matteo Iacoviello. 2022. “Measuring Geopolitical Risk.” American Economic Review 112 (4): 1194–1225. Versi negara-spesifik (GPRC) mencakup 44 negara; karena Singapura tidak termasuk, bobot dinormalkan ulang pada mitra tercakup (~79% total perdagangan). ↩︎
Aiyar, Shekhar, and Franziska Ohnsorge. 2024. “Geoeconomic Fragmentation and ‘Connector’ Countries.” MPRA Working Paper 121726 / NCAER Working Paper 173. ↩︎
Bailey, Michael A., Anton Strezhnev, and Erik Voeten. 2017. “Estimating Dynamic State Preferences from United Nations Voting Data.” Journal of Conflict Resolution 61 (2): 430–456. ↩︎

Terakhir diperbaharui 29 Juni 2026

Perdagangan Industri AS Tiongkok Geoeconomics

Penulis

Krisna Gupta

Tenaga Ahli Madya

Nama saya Krisna, sering dipanggil juga Imed. Saya adalah Tenaga Ahli Madya di Dewan Ekonomi Nasional. Riset saya tentang dampak kebijakan perdagangan dan investasi terhadap pertumbuhan sektor manufaktur di Indonesia. Saya menggunakan metode persamaan linear struktural seperti GTAP, tapi juga menggunakan berbagai teknik ekonometrika seperti gravity models.

Saya saat ini mengajar Program Sarjana Ilmu Ekonomi Universitas Indonesia. Saya juga adalah mitra senior di Center for Indonesian Policy Studies. Saya cukup aktif berkontribusi menulis di media massa seperti Kompas, Jakarta Post, dan East Asia Forum.

Geoeconomics dan posisi Indonesia di kancah dunia 21 Juni 2026 →