ANALISIS EKSPOR, KURS DAN TINGKAT SUKU BUNGA TERHADAP NILAI PENDAPATAN DOMESTIK BRUTO INDONESIA TAHUN 1970 - 2013 (Suatu Pendekatan Model VECM) Oleh : Prasetyo Ardi Nugroho Mahasiswa Ilmu Ekonomi Universitas Muhammadiyah Yogyakarta Dosen Pembimbing : Agus Tri Basuki, SE., M.Si Abstrak Metode Penelitian ini menggunakan analisa deskriptif melalui studi kepustakaan yang didukung oleh analisa kuantitatif yaitu dengan menggunakan model ekonometrika, yaitu VECM (Vector Error Correction Model). Perangkat lunak yang digunakan dalam penelitian ini adalah program Eviews 7.2. Penelitian ini bertujuan untuk mengetahui hubungan keterkaitan antara ekspor, kurs dan tingkat suku bunga terhadap Pendapatan Domestik Bruto (PDB) lewat uji kausalitas granger. Selanjutnya dibentuk model empiris VECM, untuk mengetahui pengaruh variabel independen terhadap variabel dependen dalam jangka pendek maupun jangka panjang. Dalam penelitian ini didaptkan bahwa terdapat keterkaitan antara Ekspor dan PDB. Selain itu, didapatkan hubungan dua arah antara PDB dengan Kurs, serta hubungan antara tingkat bunga dan kurs. Hubungan antara tingkat bunga dengan PDB bersifat negatif. Kenaikan suku bunga dikhawatirkan oleh para kreditur dan tingkat penjualan perumahan yang semakin menurun karena membuat pajak pinjaman modal dan kredit perumahan semakin meningkat, tanpa didukung dalam kelancaran produksi dan bisnis yang menunjang, akan berimbas pada kredit macet. Apabila terjadi secara luas, kredit macet akan berdampak pada perekonomian yang selanjutnya akan merembet pada Pendapatan Domestik Bruto (PDB).
Kata Kunci: Ekspor, Kurs, Tingkat Suku Bunga, Pendapatan Domestik Bruto, VECM.
1
LATAR BELAKANG Pertumbuhan ekonomi merupakan indikator makroekonomi yang menjadi sasaran utama untuk dicapai pemerintah. Bila tercipta pertumbuhan ekonomi, mengindikasikan berbagai sisi kegiatan ekonomi mengalami peningkatan sehingga dicapai tingkat produksi dan aktivitas yang lebih tinggi. Jika terjadi pertumbuhan ekonomi optimal, berarti aktivitas perekonomian akan meningkat yang ditandai dengan kenaikan pemanfaatan sumber daya dan dana yang tersedia. Pertumbuhan ini merupakan cirri optimalisasi bagi fungsi kesejahteraan masyarakat (Wijono, 2005). Pada kurun waktu lima tahun terakhir, secara historis pertumbuhan ekonomi Indonesia melambat. Pada 2011 pertumbuhan ekonomi menjadi 6,46 persen merupakan pertumbuhan ekonomi tertinggi selama 10 tahun terkahir. Pertumbuhan turun menjadi 6,3 persen pada 2012 karena salah satu faktor penyebab adanya guncangan pada perekonomian dunia pada 2011. Pertumbuhan itu masih lebih tinggi dari pada pertumbuhan ekonomi dunia (3,3 persen) dan pertumbuhan eknomi Negaranegara berkembang yang mencapai 5,3 persen. Seterusnya pertumbuhan ekonokmi turun menjadi 5,73 persen dan 5,07 persen pada 2013 dan 2014. Sementara kinerja pertumbuhan ekonomi pada 2015 hanya berkisar 4,7 persen. Variabel-variabel ekonomi seringkali memiliki keterkaitan antara satu dengan yang lain. Perubahan atau guncangan terhadap satu variabel ekonomi akan berakibat pula terhadap perubahan variabel lainnya. Hubungan tersebut seringkali pula tidak merupakan hubungan searah saja, akan tetapi merupakan hubungan timbal balik (Supriana, (2004), Halwani, (2002), Edwar (2006), Achsani and Fauzi (2010). Keterkaitan antara variabel-variabel ekonomi, mengisyaratkan bahwa pemerintah harus jeli dalam mengatur dan mengamati perubahan varibel-variabel ekonomi untuk menjunjang pertumbuhan dan perkembangan ekonomi. Ketika pertumbuhan ekonomi meningkat, harapanya kesejahteraan masyarakat juga terus meningkat dan dibarengi dengan pemerataan pendapatan serta pembangunan. Salah satu variabel ekonomi yang terus diupayakan agar berada dalam kondisi stabil adalah kurs (nilai tukar) rupiah. Kestabilan nilai tukar dirasakan amat penting karena akan dapat berkaitan dengan variabel makroekonomi lainnya. Ketika nilai tukar mengalami perubahan, baik menguat (apresiasi) atau melemah (apresiasi), maka kondisi ini secara teoritis akan dapat berdampak pada variabel ekonomi lainnya seperti impor, ekspor, inflasi dan lain sebagainya (Tambunan, 2012). Dalam perkembangannya saat ini, nilai tukar rupiah (kurs) mengalami gejolak yang cukup dinamis. Saat ini nilai tukar rupiah terhadap dolar Amerika Serikat
2
sekitar mendekati angka Rp.14.000 (empat belas ribu rupiah) per US$ 1. Sebagian ekonom berpendapat bahwa nilai tukar rupiah yang demikian bisa dimanfaatkan untuk mendorong ekspor, sementara sebagian lagi melihat bahwa keterpurukan nilai rupiah tersebut bisa berdampak kurang baik, karena dapat menambah membebani kinerja impor. Depresiasi nilai rupiah tersebut dapat berdampak negatif terhadap ekspor. Salah satu alasannya adalah bahwa depresiasi rupiah akan berimbas pada kenaikan biaya produksi bahan ekspor yang menggunakan komponen impor sebagai bagian dari input produksi. Disamping itu jika kondisi itu terus terjadi, cadangan devisa akan tergerus dan dapat menyebabkan pertumbuhan dan pembangunaan ekonomi terhambat. Jika nilai tukar rupiah terus terdepresiasi, kondisi ini dapat pula berpengaruh terhadap PDB. Berdasarkan survey literature, reatif banyak penelitian (Bakhromov (2011), Genc and Artar (2014), Choudhri and Hakura (2012),yang menunjukkan bahwa nilai tukar berkaitan langsung dengan ekspor,dan impor. Namun demikian, belum banyak penelitian yang melihat keterkaitan antara nilai tukar dengan PDB.Padahal nilai tukar juga akan berpengaruh terhadap PDB (Haryadi, 2014). Pada penelitian kali ini, kan melihat hubungan antara varibel-variabel ekonomi terhadap Pendapatan Domestik Bruto (PDB). Selain itu juga dapat mengetahui arah kausalitas antara varibel- variabel ekonomi (eskpor, kurs dan bunga). Penilian akan menggunkan data dalam rentang waktu 43 tahun untuk mengetahui dampak-dampak serta hubunngan antara varibel-variabel makroekonomi. TINJAUAN PUSTAKA Secara teoritis, nilai tukar dipengaruhi oleh empat faktor yakni suku bunga, tingkat inflasi, jumlah uang beredar, dan neraca pembayaran. Achsani and Fauzi, (2010) menyebutkan bahwa tiga faktor pertama yakni suku bunga, tingkat inflasi, dan jumlah uang beredar merupakan faktor-faktor yang sangat penting sebagai determinan nilai tukar. Dilain pihak neraca pembayaran merupakan faktor yang cukup kompleks mengingat cukup banyak faktor lain yang mempengaruhinya (Noor, 2011) Hubungan antara nilai tukar dan ekspor pernah diteliti oleh Mousafi dan Leelavathi (2013). Hasil penelitiannya menunjukkan bahwa tidak ada hubungan yang signifikan antara nilai tukar dan ekspor, baik dalam hubungan searah maupun hubungan timbal balik.
3
Dalam teori ekonomi makro (macroeconomic theory), hubungan antara ekspor dengan tingkat pertumbuhan ekonomi atau pendapatan nasional merupakan suatu persamaan identitas karena ekspor merupakan bagian dari tingkat pendapatan nasional (Oiconita, 2006). Penelitian yang dilakukan oleh Aliman dan A. Budi Purnomo (2001) mengenai kausalitas antara ekspor dan pertumbuhan ekonomi adalah terjadi kausalitas satu arah, dari tingkat pendapatan nasional riil ke tingkat ekspor riil selama periode penelitian. Dengan demikian mendukung hipotesis bahwa pertumbuhan ekonomi dalam negeri merupakan penggerak bagi ekspor (internally generated export). Hasil penelitian yang dilakukan oleh Badikenita (2008) dengan judul analisis kausalitas antara ekspor dan pertumbuhan ekonomi di negara ASEAN tahun 19602002, memberikan kesimpulan bahwa di negara Indonesia dan Malaysia terjadi pertumbuhan ekonomi mempengaruhi ekspor, sedangkan di negara Thailand dan Philipina terjadi ekspor yang mempengaruhi pertumbuhan ekonomi. Sementara itu, di negara Singapura tidak terdapat kausalitas antara ekspor dan pertumbuhan ekonomi. METODE PENELITIAN Metode penelitian yang digunakan dalam penyusunan Tugas Akhir ini adalah metode analisa deskriptif melalui studi kepustakaan yang didukung oleh analisa kuantitatif yaitu dengan menggunakan model ekonometrika, yaitu VECM (Vector Error Correction Model). Perangkat lunak yang digunakan dalam penelitian ini adalah program Eviews 7.2. Sebagian besar studi empiris terkini yang mengkaji transmisi kebijakan moneter menggunakan VAR dan VECM (Fung, 2002; Warjio dan Agung, 2002 dalam Amaluddin, 2005). Hal ini terkait dengan dua hal, yaitu : a
b
Keunggulan model VAR dan VECM yang hanya menuntut sedikit landasan teori (atheoritic) karena data menspesifikasikan struktur dinamis model. (Pindyck dan Rubinfeld, 1998; Warjio dan Agung, 2002; dan Julaihah dan Insukindro, 2004 dalam Amaluddin, 2005). Ketidakjelasan mekanisme transmisi moneter yang oleh para ekonom seringkali dianggap sebagai “black box”. (Bernanke dan Gertler, 1995 dan Wijoyo Agung, 2002 dalam Amaluddin, 2005)
4
a. Uji Stasioneritas Data Data ekonomi time series pada umumnya bersifat stokastik (memiliki trend yang tidak stasioner/data tersebut memiliki akar unit). Jika data memiliki akar unit, maka nilainya akan cenderung berfluktuasi tidak di sekitar nilai rata-ratanya sehingga menyulitkan dalam mengestimasi suatu model. (Rusydiana, 2009). Uji Akar Unit merupakan salah satu konsep yang akhir-akhir ini makin popular dipakai untuk menguji kestasioneran data time series. Uji ini dikembangkan oleh Dickey dan Fuller, dengan menggunakan Augmented Dickey Fuller Test (ADF). Uji stasioneritas yang akan digunakan adalah uji ADF (Augmented Dickey Fuller) dengan menggunakan taraf nyata 5%. b. Uji Panjang Lag Optimal Estimasi VAR sangat peka terhadap panjang lag yang digunakan. Penentuan jumlah lag (ordo) yang akan digunakan dalam model VAR dapat ditentukan berdasarkan kriteria Akaike Information Criterion (AIC), Schwarz Information Criterion (SC) ataupun Hannan Quinnon (HQ). Selain itu pengujian panjang lag optimal sangat berguna untuk menghilangkan masalah autokorelasi dalam sistem VAR, sehingga dengan digunakannya lag optimal diharapkan tidak lagi muncul masalah autokorelasi. (Nugroho, 2009). c. Uji Stabilitas Model VAR Stabilitas VAR perlu diuji terlebih dahulu sebelum melakukan analisis lebih jauh, karena jika hasil estimasi VAR yang akan dikombinasikan dengan model koreksi kesalahan tidak stabil, maka Impulse Response Function dan Variance Decomposition menjadi tidak valid (Setiawan, 2007 dalam Rusydiana, 2009). d. Uji Kointegrasi Jika fenomena stasioneritas berada pada tingkat first difference atau I(1), maka perlu dilakukan pengujian untuk melihat kemungkinan terjadinya kointegrasi. Konsep kointegrasi pada dasarnya untuk melihat keseimbangan jangka panjang di antara variabel-variabel yang diobservasi. Terkadang suatu data yang secara individu tidak stasioner, namun ketika dihubungkan secara linier data tersebut menjadi stasioner. Hal ini yang kemudian disebut bahwa data tersebut terkointegrasi. (Rusydiana, 2009) Metode yang dapat digunakan dalam menguji keberadaan kointegrasi ini adalah metode Johansen Cointegration.
5
e. Analisis Kausalitas Granger Uji kausalitas dilakukan untuk mengetahui apakah suatu variabel endogen dapat diperlakukan sebagai variabel eksogen. Hal ini bermula dari ketidaktahuan keterpengaruhan antar variabel. Jika ada dua variabel y dan z, maka apakah y menyebabkan z atau z menyebabkan y atau berlaku keduanya atau tidak ada hubungan keduanya. Variabel y menyebabkan variabel z artinya berapa banyak nilai z pada periode sekarang dapat dijelaskan oleh nilai z pada periode sebelumnya dan nilai y pada periode sebelumnya. f. Model Empiris VAR/VECM Setelah diketahui adanya kointegrasi maka proses uji selanjutnya dilakukan dengan menggunakan metode error correction. Jika ada perbedaan derajat integrasi antarvariabel uji, pengujian dilakukan secara bersamaan (jointly) antara persamaan jangka panjang dengan persamaan error correction, setelah diketahui bahwa dalam variabel terjadi kointegrasi. Perbedaan derajat integrasi untuk variabel yang terkointegrasi disebut Lee dan Granger (Hasanah, 2007 dalam Rusydiana, 2009) sebagai multicointegration. Namun jika tidak ditemui fenomena kointegrasi, maka pengujian dilanjutkan dengan menggunakan variabel first difference. (Rusydiana, 2009) VECM merupakan bentuk VAR yang terestriksi karena keberadaan bentuk data yang tidak stasioner namun terkointegrasi. VECM sering disebut sebagai desain VAR bagi series nonstasioner yang memiliki hubungan kointegrasi. Spesifikasi VECM merestriksi hubungan jangka panjang variabel-variabel endogen agar konvergen ke dalam hubungan kointegrasinya, namun tetap membiarkan keberadaan dinamisasi jangka pendek. (Departemen Keuangan,2008). g. Analisis Impuls Response Function Analisis IRF adalah metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap guncangan (shock) variabel tertentu. IRF juga digunakan untuk melihat guncangan dari satu variabel lain dan berapa lama pengaruh tersebut terjadi. (Nugroho, 2009) Melalui IRF, respon sebuah perubaha independen sebesar satu standar deviasi dapat ditinjau. IRF menelusuri dampak gangguan sebesar satu standar kesalahan (standard error) sebagai inovasi pada sesuatu variabel endogen terhadap variabel endogen yang lain. Suatu inovasi pada satu variabel, secara langsung akan berdampak
6
pada variabel yang bersangkutan, kemudian dilanjutkan ke semua variabel endogen yang lain melalui struktur dinamik dari VAR. (Nugroho, 2009) h. Analisis Variance Decomposition Forecast Error Variance Decomposition (FEVD) atau dekomposisi ragam kesalahan peramalan menguraikan inovasi pada suatu variabel terhadap komponenkomponen variabel yang lain dalam VAR. Informasi yang disampaikan dalam FEVD adalah proporsi pergerakan secara berurutan yang diakibatkan oleh guncangan sendiri dan variabel lain. (Nugroho, 2009) ANALISIS DAN PEMBAHASAN a. Hasil Uji Stasioneritas Data Dalam pengujian menggunakan software eviews, panduan yang diambil adalah jika nilai ADF lebih besar dari nilai kritis, maka menerima Ho yang berarti terdapat akar unit dan tidak stasioner sebaliknya jika nilai ADF lebih kecil dari nilai kritis (5%), maka menolak Ho yang berarti tidak ada akar unit dan stasioner. Tabel 1. Uji Stasionieritas Uji Akar Unit Level 1st Difference ADF Prob ADF Prob 4.322025 1.0000 -3.391648 0.0169 PDB 0.762529 0.9922 -7.800228 0.0000 EKSPOR 0.251544 0.9728 -5.666969 0.0000 KURS -2.621350 0.0966 -6.741858 0.0000 BUNGA Sumber : Hasil Olahan Eviews 7.2 Variabel
Dari hasil uji stasioneritas berdasarkan uji Dickey-Fuller diperoleh data yang belum stasioner pada data level atau integrasi derajal nol, I (0), maka syarat stasioneritas model ekonomi runtut waktu dapat diperoleh dengan cara differencing data, yaitu mengurangi data tersebut dengan data periode sebelumnya. Dengan demikian melalui differencing pertama (first difference) diperoleh data selisih atau deltanya (∆). Setelah mengetahui bahwa data tidak stasioner pada tingkat level, maka langkah selanjutnya adalah melakukan uji akar pada tingkat 1st Difference. Dan dari hasil uji akar unit maka seluruh variabel lolos uji akar unit pada tingkat 1st Difference atau stasioner pada 1st Difference.
7
b. Hasil Uji Panjang Lag Optimal Tabel 2. Uji Panjang Lag VAR Lag Order Selection Criteria Endogenous variables: D(PDB) D(EKSPOR) D(KURS) D(BUNGA) Exogenous variables: C Date: 01/04/16 Time: 21:44 Sample: 1970 2013 Included observations: 40 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3
-2174.267 -2137.942 -2118.867 -2107.853
NA 63.56785 29.56676* 14.86805
2.35e+42 8.54e+41 7.52e+41* 1.03e+42
108.9133 107.8971 107.7433* 107.9927
109.0822 108.7415* 109.2633 110.1882
108.9744 108.2024* 108.2929 108.7865
* indicates lag order selected by the criterion LR: 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 : Hasil Olahan Eviews 7.2 Terdapat 5 (lima) kretiria yang menjadi pertimbangan untuk menentukan panjang lag yakni LR model (LR), Final prediction error (FPE), Akaike Information Criterion (AIC), Swachrz information criterion (SC), dan Hannan-Quinn information Criterion (HQ). Penentuan lag yang dipilih ditentukan berdasarkan lag yang paling banyak memiliki tanda bintang. Jika uji panjang lag menunjukkan bahwa sebagian besar tanda bintang berada pada lag yang sama, maka panjang lag berada pada lag tersebut. Berdasarkan uji panjang lag pada Tabel 2 (VAR Order Selection Lag creteria), maka panjang lag maksimum adalah 2 mengingat tanda bintang berada pada lag 2, baik untuk kriteria LR (sequential modified LR test statistic (each test at 5% level), Final Predition Error (FPE), maupun Schwarz information criterion (SC). Dua kriteria yang berbeda yakni 3 masing –masing adalah AIC d an HQ merekomendasikan bahwa optimum lag berada pada lag 3. Berdasarkan hasil uji panjang lag secara keseluruhan, maka karena sebagian besar kriteria menunjukkan optimum lag adalah 2, maka dalam penelitian ini lag yang digunakan adalah 2.
8
c. Hasil Uji Stabilitas Model VAR Untuk menguji stabil atau tidaknya estimasi VAR yang telah dibentuk maka dilakukan pengecekan kondisi VAR Stability berupa roots of characteristic polynominal. Suatu sistem VAR dikatakan stabil apabila seluruh roots-nya memiliki modulus lebih kecil dari satu (Gudjarati, 2003 dalam Rusydiana, 2009). Berikut ini hasil uji stabilitas VAR yang dapat dilihat pada Tabel 3. Tabel 3. Uji Stabilitas VAR Roots of Characteristic Polynomial Endogenous variables: D(PDB) D(EKSPOR) D(KURS) D(BUNGA) Exogenous variables: C Lag specification: 1 2 Date: 01/04/16 Time: 21:46 Root -0.263708 - 0.723177i -0.263708 + 0.723177i 0.680994 0.502295 - 0.411340i 0.502295 + 0.411340i -0.353802 - 0.282058i -0.353802 + 0.282058i 0.336029
Modulus 0.769758 0.769758 0.680994 0.649231 0.649231 0.452474 0.452474 0.336029
No root lies outside the unit circle. VAR satisfies the stability condition.
Sumber : Hasil Olahan Eviews 7.2 Berdasarkan hasil uji stabilitas model VAR, model VAR yang dibentuk sudah stabil pada lag optimalnya, yaitu lag 1. Jadi, estimasi VAR yang akan digunakan untuk analisis IRF dan VD stabil dan valid. d. Hasil Uji Kointegrasi Dalam uji Johansen, penentuan kointegrasi dilihat dari nilai trace statistic dan max eigen statistic setelah didahului dengan mencari panjang lag yang akan diketahui. Nilai trace statistic dan max eigen statistic yang melebihi nilai kritisnya mengindikasikan bahwa terdapat kointegrasi dalam model yang digunakan.
9
Tabel 4. Uji Kointegrasi Johansen Date: 01/04/16 Time: 21:47 Sample (adjusted): 1974 2013 Included observations: 40 after adjustments Trend assumption: Linear deterministic trend Series: D(PDB) D(EKSPOR) D(KURS) D(BUNGA) Lags interval (in first differences): 1 to 2 Unrestricted Cointegration Rank Test (Trace) Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
0.05 Critical Value
Prob.**
None * At most 1 At most 2 At most 3
0.518698 0.379479 0.199227 0.034103
58.61326 29.36286 10.27504 1.387931
47.85613 29.79707 15.49471 3.841466
0.0036 0.0560 0.2602 0.2388
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
0.05 Critical Value
Prob.**
None * At most 1 At most 2 At most 3
0.518698 0.379479 0.199227 0.034103
29.25040 19.08782 8.887110 1.387931
27.58434 21.13162 14.26460 3.841466
0.0303 0.0943 0.2957 0.2388
Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
Sumber : Hasil Olahan Eviews 7.2 Berdasarkan table diatas dapat dilihat bahwa nilai trace statistic dan maximum eigenvalue pada r = 0 lebih besar dari critical value dengan tingkat signifikansi 1% dan 5%. Hal ini berarti hipotesis nol yang menyatakan bahwa tidak ada kointegrasi ditolak dan hipotesis alternativ yang menyatakan bahwa ada kointegrasi diterima. Berdasarkan analisis ekonometrik diatas dapat dilihat bahwa diantara kelima variabel dalam penelitian ini, terdapat dua kointegrasi pada tingkat signifikansi 1% dan 5%. Dengan demikian, dari uji kointegrasi mengindikasikan bahwa diantara pergerakan PDB EKSPOR KURS dan BUNGA memiliki hubungan stabilitas atau keseimbangan dan kesamaan pergerakan dalam jangka panjang. Dengan kalimat lain, dalam setiap
10
periode jangka pendek, seluruh variabel cenderung saling menyesuaikan untuk mencapai ekuilibrium jangka panjangnya. e. Hasil Analisis Kausalitas Granger Uji Kausalitas Granger antarvariabel penelitian dimaksudkan untuk mengetahui dan membuktikan arah hubungan jangka pendek antarvariabel (Wisarjono, 2007:244 dalam Natsir) dan (Hirawan, 2007 dalam Natsir, 2008). Dalam pengujian Kausalitas Granger, jika nilai probabilitas kurang dari lima persen, artinya variabel tersebut mempunyai hubungan kausalitas. Tabel 5. Uji Kausalitas Granger Pairwise Granger Causality Tests Date: 01/04/16 Time: 21:49 Sample: 1970 2013 Lags: 2 Null Hypothesis:
Obs
F-Statistic
Prob.
EKSPOR does not Granger Cause PDB PDB does not Granger Cause EKSPOR
42
0.75880 3.42775
0.4754 0.0431
KURS does not Granger Cause PDB PDB does not Granger Cause KURS
42
5.20312 4.23594
0.0102 0.0221
BUNGA does not Granger Cause PDB PDB does not Granger Cause BUNGA
42
0.43008 3.21546
0.6537 0.0516
KURS does not Granger Cause EKSPOR EKSPOR does not Granger Cause KURS
42
0.41457 2.09613
0.6637 0.1373
BUNGA does not Granger Cause EKSPOR EKSPOR does not Granger Cause BUNGA
42
0.16485 0.22685
0.8486 0.7981
BUNGA does not Granger Cause KURS KURS does not Granger Cause BUNGA
42
3.13437 5.06085
0.0553 0.0114
Sumber : Hasil Olahan Eviews 7.2 Dari hasil yang diperoleh diatas, diketahui bahwa yang memiliki hubungan kausalitas adalah yang memiliki nilai probabilitas yang lebih kecil dari pada alpha 0,05 sehingga nanti Ho akan ditolak yang berarti suatu variabel akan mempengaruhi variabel lain. Dari pengujian granger diatas, kita mengetahui hubungan timbal balik atau kausalitas senagai berikut : Variabel PDB secara statistik tidak signifikan mempengaruhi EKSPOR dan sementaa variabel EKSPOR secara statistik signifikan mempengaruhi variabel PDB
11
yang dibuktikan dengan nilai probabilitasnya (Prob) kurang dari 0,05 yaitu 0.0431. Sehingga disimpulkan bahwaterjadi kausalitas searah antara variabel PDB dan EKSPOR. Variabel PDB secara statistik signifikan mempengaruhi KURS (Prob= 0.0102) sehingga kita menolak hipotesis nol, sedangkan KURS secara statistik signifikan mempengaruhi PDB (Prob =0.0221) sehingga kita menolak hipoesis nol. Dengan demikian, dapat disimpulkan bahwa terjadi kausalitas dua arah antara variabel PDB dan KURS. Variabel BUNGA secara statistik signifikan mempengaruhi KURS (Prob =0.0114) sehingga kita menolak hipotesis nol sedangkan KURS secara statistic tidak signifikan mempengaruhi BUNGA (Prob=0.0553) sehingga kita menerima hipotesis nol. Dengan demikian, disimpulkan bahwa terjadi kausalitas searah antara variabel BUNGA dan KURS. f. Model Empiris VECM Setelah didapati hubungan kointegrasi pada variabel penelitian, maka tahap selanjutnya adalah membentuk model VECM. VECM menunjukkan hubungan jangka pendek dan jangka panjang. Dalam jangka pendek, variabel-variabel dalam penelitian akan cenderung beradaptasi dengan variabel lainnya membentuk keseimbangan jangka panjang. Tabel 6. Model VECM Vector Error Correction Estimates Date: 01/04/16 Time: 21:52 Sample (adjusted): 1973 2013 Included observations: 41 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
PDB(-1)
1.000000
EKSPOR(-1)
0.019805 (0.00719) [ 2.75602]
KURS(-1)
-188442.9 (37407.7) [-5.03755]
BUNGA(-1)
-5145612. (8023402) [-0.64133]
12
C
-1.06E+09
Error Correction:
D(PDB)
D(EKSPOR)
D(KURS)
D(BUNGA)
CointEq1
0.096963 (0.03530) [ 2.74718]
7.619442 (4.68623) [ 1.62592]
8.40E-07 (5.9E-07) [ 1.41814]
-2.41E-09 (3.3E-09) [-0.72368]
D(PDB(-1))
-0.381658 (0.31375) [-1.21644]
-76.00094 (41.6570) [-1.82444]
2.92E-06 (5.3E-06) [ 0.55469]
8.25E-08 (3.0E-08) [ 2.78623]
D(PDB(-2))
-0.032717 (0.32103) [-0.10191]
16.56690 (42.6234) [ 0.38868]
-5.78E-06 (5.4E-06) [-1.07322]
-2.79E-08 (3.0E-08) [-0.92062]
D(EKSPOR(-1))
-0.000944 (0.00163) [-0.57844]
-0.430518 (0.21678) [-1.98593]
-1.62E-08 (2.7E-08) [-0.59118]
-4.59E-11 (1.5E-10) [-0.29751]
D(EKSPOR(-2))
-0.001227 (0.00152) [-0.80825]
-0.049327 (0.20164) [-0.24463]
-2.48E-08 (2.5E-08) [-0.97209]
-8.80E-11 (1.4E-10) [-0.61395]
D(KURS(-1))
-30148.64 (10764.4) [-2.80077]
-118529.2 (1429204) [-0.08293]
0.488448 (0.18070) [ 2.70316]
0.002645 (0.00102) [ 2.60290]
D(KURS(-2))
8314.159 (10538.9) [ 0.78890]
-717234.7 (1399256) [-0.51258]
-0.144847 (0.17691) [-0.81876]
-0.001259 (0.00100) [-1.26503]
D(BUNGA(-1))
-2297706. (2437799) [-0.94253]
-4.66E+08 (3.2E+08) [-1.44013]
-40.97098 (40.9217) [-1.00120]
0.346728 (0.23016) [ 1.50646]
D(BUNGA(-2))
-4425319. (2211321) [-2.00121]
-85428833 (2.9E+08) [-0.29097]
81.45134 (37.1200) [ 2.19427]
-0.113800 (0.20878) [-0.54508]
C
91815071 (2.8E+07) [ 3.31078]
6.70E+09 (3.7E+09) [ 1.82090]
446.0772 (465.521) [ 0.95823]
-3.443530 (2.61829) [-1.31518]
0.518688 0.378952 6.36E+16 45297858 3.711919 -775.2246 38.30364 38.72158 61029550 57479781
0.206321 -0.024102 1.12E+21 6.01E+09 0.895400 -975.6582 48.08089 48.49883 2.23E+09 5.94E+09
0.517558 0.377494 17923749 760.3851 3.695161 -324.4318 16.31375 16.73169 287.1707 963.7445
0.456122 0.298222 567.0021 4.276726 2.888676 -112.0257 5.952473 6.370417 -0.207805 5.105186
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
13
Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood Akaike information criterion Schwarz criterion
1.55E+41 5.08E+40 -2154.133 107.2260 109.0650
Sumber : Hasil Olahan Eviews 7.2 Tabel 7. Faktor-faktor yang Mempengaruhi Perubahan Nilai PDB Pada Jangka Pendek Variabel CointEq1 D(PDB(-1)) D(PDB(-2)) D(EKSPOR(-1)) D(EKSPOR(-2)) D(KURS(-1)) D(KURS(-2)) D(BUNGA(-1)) D(BUNGA(-2)) C
Koefisien 0.096963 -0.381658 -0.032717 -0.000944 -0.001227 -30148.64 8314.159 -2297706. -4425319. 91815071
T statistik [ 2.74718] [-1.21644] [-0.10191] [-0.57844] [-0.80825] [-2.80077] [ 0.78890] [-0.94253] [-2.00121] [ 3.31078]
Berdasarkan hasil yang disajikan pada tabel, pada jangka pendek terdapat empat variabel signifikan pada taraf nyata lima persen. Variabel yang signifikan pada taraf lima persen adalah Kurs pada lag 1 dan Bunga pada lag 2. Hasil estimasi jangka pendek menunjukkan bahwa variabel Kurs pada lag ke 1 berpengaruh positif, pada taraf nyata lima persen sebesar -3.01. Artinya jika terjadi kenaikan Kurs sebesar 1 persen pada satu tahun sebelumnya, maka akan menurunkan PDB sebesar 3.01 pada tahun sekarang. Sementara itu, Kurs pada lag ke 1 berpengaruh positif, pada taraf nyata lima persen sebesar -4.4. Artinya jika terjadi kenaikan pendapatan Bunga pada 2 tahun sebelumnya maka akan menurunkan PDB sebesar 4.4 persen pada tahun sekarang. Tabel 8. Faktor-faktor yang Mempengaruhi Perubahan Nilai PDB Pada Jangka Panjang Variabel EKSPOR(-1) KURS(-1) BUNGA(-1)
Koefisien 0.019805 -188442.9 -5145612.
T statistik [ 2.75602] [-5.03755] [-0.64133]
14
Pada jangka panjang, variabel Ekspor dan kurs signifikan pada taraf nyata lima persen yang mempengaruhi PDB. variabel Ekspor mempunyai pengaruh positif terhadap PDB yaitu sebesar 0.019805. Artinya jika terjadi kenaikan Ekspor maka akan menyebabkan PDB naik sebesar 0.019805 persen. Variabel KURS mempunyai pengaruh negatif terhadap PDB yaitu sebesar -18.8. Artinya jika terjadi kenaikan KURS maka akan menyebabkan PDB turun sebesar -18.8 persen. g. Hasil Analisis Impuls Response Function (IRF) Impulse Response Function (IRF) dapat memberikan gambaran respon dari suatu variabel di masa yang akan datang terhadap gangguan atau kejutan (shock) variabel lain. Dengan demikian, lama pengaruh dari shock suatu variabel terhadap variabel lain sampai pengaruhnya hilang atau kembali ke titik keseimbangan dapat dilihat atau diketahui. Hasil uji IRF ini memperlihatkan seberapa cepat waktu yang dibutuhkan suatu variabel merespon perubahan variabel lainnya.
Panel 1 : Pada gambar ini diuraikan mengenai analisis hubungan antara PDB terhadap shock variabel Ekspor. Bahwa variabel PDB baru mulai merespon perubahan/shock yang terjadi pada pada periode pertama. PDB merespon Shock dari Ekspor berjalan relatif stabil sampai pada lag ke 2 meskipun trend cenderung positif. PDB mulai mengalami peningkatan mulai pada lag ke 3 dan relatif konstan/permanen pada periode selanjutnya.
15
Panel 2: Pada gambar ini menunjukkan bahwa respon PDB terhadap Kurs adalah negatif. variabel PDB baru mulai merespon perubahan/shock yang terjadi pada pada periode pertama. Respon ini semakin melebar seiring dengan bertambhanya waktu dan relatif konstan/permanen pada periode selanjutnya. Respon ini disebabkan karen pengaruh yang negative antara kurs dengan PDB. Hal itu disebabkan karena semakin tinggi kurs(depresiasi) akan semakin memberat kenerja impor, karena alokasi cadangan devisa semakin banyak yang digunkan untuk membiayai impor, sehingga PDB mengalami penurunan. h. Hasil Analisis VD Setelah menganalisis perilaku dinamis melalui impulse response, selanjutnya akan dilihat karakteristik model melalui variance decomposition. Pada bagian ini dianalisis bagaimana varian dari suatu variabel ditentukan oleh peran dari variabel lainnya maupun peran dari dirinya sendiri. Variance decomposition digunakan untuk menyusun forecast error variance suatu variabel, yaitu seberapa besar perbedaan antara variance sebelum dan sesudah shock, baik shock yang berasal dari diri sendiri maupun shock dari variabel lain untuk melihat pengaruh relatif variabel-variabel penelitian terhadap variabel lainnya. Prosedur variance decomposition yaitu dengan mengukur persentase kejutan-kejutan atas masing-masing variabel.
16
Tabel 9. Variance Decompotision Variance Decomposition of PDB: Period S.E. PDB 1 2 3 4 5 6 7 8 9 10
45297858 84281514 1.19E+08 1.55E+08 1.91E+08 2.25E+08 2.58E+08 2.91E+08 3.23E+08 3.54E+08
100.0000 90.12341 83.63823 80.87632 78.02929 75.74850 74.11677 72.87579 71.77717 70.80088
Variance Decomposition of EKSPOR: Period S.E. PDB 1 2 3 4 5 6 7 8 9 10
6.01E+09 7.72E+09 9.49E+09 1.12E+10 1.27E+10 1.42E+10 1.57E+10 1.73E+10 1.88E+10 2.03E+10
0.544787 1.944772 1.438119 1.235443 1.116888 1.484972 1.639718 2.091424 2.744858 3.254736
Variance Decomposition of KURS: Period S.E. PDB 1 2 3 4 5 6 7 8 9 10
760.3851 1148.466 1374.158 1615.657 1732.442 1758.116 1788.658 1860.971 1972.830 2119.229
45.85068 30.36681 40.10353 46.55176 44.38468 43.73304 42.37946 39.43634 36.94276 34.70634
Variance Decomposition of BUNGA: Period S.E. PDB 1 2 3 4
4.276726 6.303495 7.127233 8.055370
57.30871 39.98951 31.60737 26.29610
EKSPOR
KURS
BUNGA
0.000000 0.032747 0.100232 1.642898 2.800110 3.538489 4.391533 5.034263 5.493738 5.930022
0.000000 9.059414 13.90978 14.00799 14.65030 15.44846 15.85319 16.15761 16.53546 16.88289
0.000000 0.784429 2.351757 3.472799 4.520299 5.264556 5.638499 5.932337 6.193631 6.386206
EKSPOR
KURS
BUNGA
99.45521 94.24312 93.67594 93.99913 93.56466 91.37390 89.60864 88.30147 86.55937 84.90067
0.000000 0.760292 1.548382 2.123846 2.651642 4.123907 5.499220 6.147666 6.926358 7.792544
0.000000 3.051813 3.337564 2.641580 2.666812 3.017225 3.252419 3.459443 3.769414 4.052051
EKSPOR
KURS
BUNGA
3.056602 4.799184 4.077747 3.749144 5.510751 6.980800 9.926994 16.25614 22.29281 27.24416
51.09272 63.72585 55.00600 48.23135 48.24306 47.47855 45.87122 42.38893 38.16301 34.46430
0.000000 1.108151 0.812727 1.467745 1.861501 1.807607 1.822319 1.918585 2.601419 3.585201
EKSPOR
KURS
BUNGA
3.109534 4.902794 9.242592 14.38143
0.630437 4.056181 3.173282 5.460730
38.95132 51.05151 55.97676 53.86173
17
5 6 7 8 9 10
8.696989 9.102396 9.514835 9.921037 10.26361 10.59260
23.83380 21.77826 19.93215 18.38474 17.18153 16.24364
14.20453 13.70997 14.04231 13.75439 13.17579 12.79680
5.362345 5.352524 6.831578 8.106811 8.760989 9.914242
56.59932 59.15925 59.19396 59.75406 60.88169 61.04531
Cholesky Ordering: PDB EKSPOR KURS BUNGA
Sumber: Hasil Olahan Eviews 7.2 Pada periode pertama forecast error variance PDB ditentukan oleh variabel PDB itu sendiri. Varibel lainnya tidak begitu signifikan mempengaruhi. Sampai pada periode 10, kontribusi variabel lain dalam menyusun PDB sebesar 5.9 persen dari Ekspor, 16.8 persen dari Kurs dan 6.3 persen dari Bunga. Pada periode pertama forecast error variance Ekspor ditentukan oleh 0.54 persen dari PDB dan 99.45 persen dari Ekspor itu sendiri. Sampai pada periode 10, kontribusi dalam menyusun Ekspor sebesar 3.25 persen dari PDB, 84.9 persen dari Ekspor, 7.79 dari Kurs dan 4.0 persen dari Bunga. Sementara itu pada periode pertama forecast error variance Kurs ditentukan oleh 45.85 persen PDB, 3.05 persen Ekspor dan 51.09 dari Kurs itu sendiri. Selanjutya pada periode pertama forecast error variance Bunga, komposisinya ditentukan oleh 57.30 persen PDB, 3.10 persen Ekspor, 0.63 persen Kurs dan 38.95 persen dari Bunga itu sendiri.
KESIMPULAN DAN SARAN Kesimpulan Setelah melakukan analisis dan pembahasan terhadap hasil penelitian sebagaimana diuraikan dalam babbab sebelumnya, maka dapat diambil kesimpulan sebagai berikut: 1. Terdapat keterkaitan antara Ekspor dan PDB. Dalam teori ekonomi makro (macroeconomic theory), hubungan antara ekspor dengan tingkat pertumbuhan ekonomi atau pendapatan nasional (PDB) merupakan suatu persamaan identitas karena ekspor merupakan bagian dari tingkat pendapatan nasional. 2. Terdapat hubungan dua arah antara PDB dengan Kurs. Ketika nilai tukar (Kurs) mengalami perubahan, baik menguat (apresiasi) atau melemah (apresiasi), maka kondisi ini secara teoritis akan dapat berdampak pada variabel ekonomi lainnya seperti impor, ekspor, inflasi dan lain sebagainya. Sementara itu, hubungan yang terjadi antara kurs dan PDB dalam jangka 18
panjang akan berhubungan negatif. Hal itu disebabkan karena apabila kurs mengalami peningkatan (Depresiasi) dalam jangka panjang akan memperberat cadangan devisa Negara yang digunakan untuk membiayai impor. Terlebih pada Negara berkembang yang masih mengandalkan input bahan baku impor. Sehinga secara tidak langsung akan berdampak pada pendapatan domestik bruto. 3. Terdapat hubungan antara tingkat bunga dan kurs. Tingkat bunga menentukan nilai tambah mata uang suatu negara. Semakin tinggi suku bunga suatu mata uang, akan semakin tinggi pula permintaan akan mata uang negara tersebut. Tingkat bunga diatur oleh bank sentral, dan jika dalam jangka panjang bank sentral selalu menaikkan suku bunga maka trend nilai tukar mata uang negara tersebut terhadap negara lain akan cenderung naik. 4. Terdapat hubungan yang negatif antara tingkat bunga dengan PDB. Seyogyanya kedua variabel tersebut berhubungan positif. Kenaikan suku bunga yang dilakukan oleh bank Sentral, maka akan direspon oleh para pelaku pasar dan para penanam modal untuk memanfaatkan moment tersebut guna meningkatkan produksi dan menanamkan investasinya. Seiring dengan itu, akan berdampak juga pada jumlah produksi yang bertambah dan tenaga kerja yang juga akan semakin bertambah. Akibatnya ekspor bertambah dan jumlah pengangguran menurun, sehingga devisa yang masuk ke negara tersebut semakin menguatkan dollar terhadap mata uang lain. Kesemuanya akan berdampak pada peningkatan PDB. Tetapi dari penelitian yang dilakukan penulis, terdapat hubungan negatif antar tingkat bunga dan PDB. Jika dikaji secara mendalam, peristiwa itu bisa terjadi lewat jalur sektor keuangan. Kenaikan suku bunga sangatlah dikhawatirkan oleh para kreditur dan tingkat penjualan perumahan yang semakin menurun karena membuat pajak pinjaman modal dan kredit perumahan semakin meningkat, tanpa didukung dalam kelancaran produksi dan bisnis yang menunjang, akan berimbas pada kredit macet. Apabila terjadi secara luas, kredit macet akan berdampak pada perekonomian yang selanjutnya akan merembet pada pendapatan domestik bruto (PDB). Saran 1. Sebaiknya penelitian berikutnya menggunakan variabel lain yang mempengaruhi Pendapatan Domestik Bruto. 2. Memberbanyak objek yang menjadi kajian penelitian, tidak hanya lingkup nasional, harapnya penelitian berikutnya dapat mengakat kajian ekonomi daerah, agar dapat mengetahui perkembangan dan faktor-faktor yang mempengaruhi Pendapatan Domestik Regional Bruto. 19
3. Penelitian berikutnya sebaiknya menggunkan data panel beberapa Negara atau daerah guna dapat membandingkan faktor-fakor yang mempengaruhi kontribusi terhadap perubahan Pendapatan Domestik Bruto atau Pendapatan Domestik Regional Bruto.
20
DAFTAR PUSTAKA
Agus Tri Basuki dan Nano Prawoto, 2016, Analisis Regresi dalam Penelitian ekonomi dan Bisnis (dilengkapi Aplikasi SPSS dan Eviews), Cetakan pertama, edisi pertama, PT Rajawali Pers, Jakarta. Achsani, N.A., and Fauzi, A.J. 2010.The Relationship between Inflation and Real Exchange Rate: Comparative Study between ASEAN+3, The EU and North America. European Journal of Economics Financ e and Administrative Sciences, 19: 69-76. Aliman, dan A. Budi Purnomo. 2001. Kausalitas Antara Ekspor dan Pertumbuhan Ekonomi. Jurnal Ekonomi dan Bisnis Indonesia, Vol. 16, No. 2, pp. 122-137. Amaluddin, Friady. 2005. Efektivitas Transmisi Kebijakan Moneter antara Bank Syariah dan Bank Konvensional. Skripsi pada Program Pascasarjana Fakultas Ekonomi Universitas Indonesia. Universitas Indonesia. Badikenita. 2004. Analisis Kausalitas Antara Ekspor Dan Pertumbuhan Ekonomi Di Negara – Negara Asean. Tesis Dipublikasikan. Ekonomi Pembangunan. Universitas Sumatera Utara. Bakhromov, N. 2011.The Exchange Rate Volatility and the Trade Balance: Case of Uzbekistan,.Jouurnal of Applied Economics and Business Research. Vol.3 (1).pp.149- 161. Choudhri and Hakura, 2012.The Exchange Rates Pass Trough to Import and Export Prices: The Role of Nominal Rigidities and Currency Choice. IMF Working Paper.pp.1-34. Departemen Keuangan RI. 2008. Analisis Hubungan Kointegrasi dan Kausalitas serta Hubungan Dinamis antara Aliran Modal Asing, Perubahan Nilai Tukar dan Pergerakan IHSG di Pasar Modal Indonesia. Jakarta : Badan Pengawas Pasar Modal dan Lembaga Keuangan Departemen Keuangan RI. Edwar,M.S. 2006. Public opinion regarding Economics and Cultural Globalization: Evidence from a Cross National Survey. Review of International Political Economy, 13 (4). Pp.587-608 Halwani, R.H. Ekonomi Internasional dan globalisasi ekonomi. Ghalia Indonesia: Jakarta.
21
Hariyadi. Respon Ekspor Terhadap Nilai Tukar, Pdbdan Impor Indonesia : Suatu Pendekatan Vector Error Correction Model. Jurnal Paradigma Ekonomika. Vol.9, No.2, Oktober 2014. Mousavi, S and Leelavathi D.S. 2013.Agriculture Export and Exchange Rates in India: The Gralnger C ausality Approach. International Journal of Scientific and Research Publications, Vol 3(2), February 2013. Natsir, M. 2008. Analisis Empiris Efektivitas Mekanisme Transmisi Kebijakan Moneter di Indonesia melalui Jalur Nilai Tukar Periode 1990:2-2007:1. Unhalu Kendari. Noor, Z.Z. 2011.Pengaruh Inflasi, Suku Bunga, dan Jumlah Uang Beredar terhadap Nilai Tukar. Trikonomika. Vol.10(2). Pp. 139- 147, Desember. Nugroho, Ris Yuwono Yudo. 2009. Analisis Faktor-faktor Penentu Pembiayaan Perbankan Syariah di Indonesia : Aplikasi Model Vector Error Correction. Tesis. Institut Pertanian Bogor. Rusydiana, Aam Slamet. (2009). Mekanisme Transmisi Syariah pada Sistem Moneter Ganda di Indonesia. Bank Indonesia: Buletin Ekonomi Moneter dan Perbankan, April 2009. p.345-368. Supriana, T. 2004. Dampak Guncangan Struktual Terhadap Fluktuasi Ekonomimakro Indonesia: Suatu Kajian Business Cycle Dari Sisi Permintaan. Tambunan, T. 2012. Trade respon to economic shocks in Indonesia. Journal of Business Management and Economics, Vol 8 (3) August. Oiconita, Naomi. 2006. Analisis Ekspor dan Output Nasional Di Indonesia : Periode 1980-2004, Kajian Tentang Kausalitas dan Kointegrasi. Tesis Dipublikasikan, Ilmu Ekonomi, Universitas Indonesia. Wijono, W.W. 2005. Mengungkap sumber-sumber pertumbuhan ekonomi Indonesia dalam lima tahun terakhir. Jurnal manajemen dan fiskal, 5(2), Jakarta.
22
