ANALISIS FAKTOR EKONOMI YANG MEMPENGARUHI LAJU INFLASI NEGARA ANGGOTA ASEAN DENGAN REGRESI DATA PANEL
ANITA KUMALA SARI
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010
ABSTRAK ANITA KUMALA SARI. Analisis Faktor Ekonomi yang Mempengaruhi Laju Inflasi Negara Anggota ASEAN dengan Regresi Data Panel. Dibimbing oleh YENNI ANGRAINI dan PIKA SILVIANTI. Model regresi data panel adalah model regresi dengan menggunakan data panel yang merupakan gabungan data cross section dan data time series. Untuk menduga model regresi data panel terdapat tiga pendekatan, yaitu pooled least square, fixed effect model, dan random effect model. Parameter pada pendekatan pooled least square diduga dengan metode Ordinary Least Square (OLS). Pada pendekatan fixed effect model, parameter diduga dengan metode OLS melalui penambahan peubah dummy. Pada pendekatan random effect model, parameter diduga dengan metode Generalized Least Square (GLS). Penelitian ini bertujuan untuk menduga model regresi data panel pada data persentase laju inflasi negara anggota ASEAN tahun 2000-2008 untuk mengetahui faktor ekonomi yang mempengaruhi laju inflasi. Hasil analisis data panel menunjukkan bahwa model regresi data panel yang sesuai untuk data tersebut adalah fixed effect model dengan pembobotan (cross section weight) dan white heteroscedasticity. Model regresi data panel tersebut menunjukkan bahwa Indeks Harga Konsumen dan pertumbuhan jumlah uang yang beredar berpengaruh nyata terhadap laju inflasi negara anggota ASEAN. Kata kunci: inflasi, regresi data panel, fixed effect model, random effect model
ABSTRACT ANITA KUMALA SARI. Analysis of Economic Factors that Affecting Inflation Rate in ASEAN Member Countries with Panel Data Regression. Supervised by YENNI ANGRAINI and PIKA SILVIANTI. Panel data regression model is the regression model using panel data which is a combination of cross section data and time series data. To estimate the panel data regression model, there are 3 approaches, those are pooled least square, fixed effect model, and random effect model. Parameters on pooled least square approach be estimated by Ordinary Least Square (OLS) method. On fixed effect model approach, parameters be estimated by OLS with the addition of dummy variable. Parameters on random effect model be estimated by Generalized Least Square (GLS). This research aims to estimate the panel data regression model to the data rate of inflation percentage of ASEAN member countries in 2000-2008 to know the economic factors that affect the inflation rate. The results of panel data analysis shows that the appropriate panel data regression model for these data is the fixed effect model with weighting (cross section weights) and white heteroscedasticity. This model indicates that the Consumer Price Index and money growth significantly affected the inflation rate of the ASEAN member countries. Key words: inflation, panel data regression, fixed effect model, random effect model
ANALISIS FAKTOR EKONOMI YANG MEMPENGARUHI LAJU INFLASI NEGARA ANGGOTA ASEAN DENGAN REGRESI DATA PANEL
ANITA KUMALA SARI
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010
Judul : Analisis Faktor Ekonomi yang Mempengaruhi Laju Inflasi Negara Anggota ASEAN dengan Regresi Data Panel Nama : Anita Kumala Sari NRP : G14063504
Menyetujui :
Pembimbing I,
Pembimbing II,
Yenni Angraini, S.Si, M.Si NIP. 197805112007012001
Pika Silvianti, S.Si, M.Si
Mengetahui : Ketua Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Dr. Ir. Hari Wijayanto, M.Si NIP. 196504211990021001
Tanggal Lulus :
KATA PENGANTAR Puji syukur penulis panjatkan kehadirat Allah SWT atas segala berkah dan rahmat-Nya sehingga penulis dapat menyelesaikan karya ilmiah ini. Karya ilmiah ini berjudul ” Analisis Faktor Ekonomi yang Mempengaruhi Laju Inflasi Negara Anggota ASEAN dengan Regresi Data Panel”. Karya ilmiah ini penulis susun sebagai salah satu syarat untuk mendapatkan gelar Sarjana Statistika pada Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Penulis menyampaikan terimakasih kepada Ibu Yenni Angraini, S.Si, M.Si dan Ibu Pika Silvianti, S.Si, M.Si selaku dosen pembimbing yang telah memberikan bimbingan, masukan dan arahan selama penulisan karya ilmiah ini serta kepada Ibu Ir. Indahwati, M.Si selaku dosen penguji atas semua kritik dan saran yang membangun. Disamping itu, penulis juga mengucapkan terimakasih kepada seluruh dosen dan staf pengajar Departemen Statistika yang telah memberikan ilmu dan wawasan selama penulis menuntut ilmu di Departemen Statistika serta seluruh staf Departemen Statistika yang telah banyak membantu penulis. Ungkapan terimakasih juga disampaikan kepada papa (alm), bapak, mama, adik, dan seluruh keluarga yang telah memberikan doa, kasih sayang serta dorongan yang tulus baik moril maupun materil, serta kepada teman-teman Statistika Angkatan 43 dan seluruh teman IPB atas kebersamaannya dalam menuntut ilmu di kampus IPB tercinta ini. Semoga karya ilmiah ini dapat memberikan manfaat.
Bogor, Desember 2010
Anita Kumala Sari
RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 10 Mei 1988 dari pasangan Bapak Wardi (Alm) dan Ibu Suwartini. Penulis merupakan anak pertama dari dua bersaudara. Tahun 2000 penulis lulus dari SD Negeri Kasreman 2 Ngawi, kemudian melanjutkan studi di SLTP Negeri 2 Ngawi hingga tahun 2003. Selanjutnya, penulis menyelesaikan pendidikannya di SMA Negeri 2 Ngawi dan lulus pada tahun 2006. Pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor melalui jalur SPMB (Seleksi Penerimaan Mahasiswa Baru). Setelah satu tahun menjalani perkuliahan di TPB (Tingkat Persiapan Bersama), pada tahun 2007 penulis diterima sebagai mahasiswa Departemen Statistika, FMIPA IPB dengan mayor Statistika dan minor Matematika Keuangan dan Aktuaria. Selama mengikuti perkuliahan, penulis berkesempatan menjadi Asisten Dosen Mata Kuliah Metode Statistika pada tahun ajaran 2008/2009. Penulis juga aktif dalam organisasi kemahasiswaan Himpunan Profesi Gamma Sigma Beta (GSB), yaitu sebagai kepala Biro Kesekretariatan dan Administrasi serta aktif di Unit Kegiatan Mahasiswa Tim Paduan Suara IPB Agria Swara. Selain itu, penulis juga aktif dalam kegiatan kepanitiaan seperti Statistika Ria 2008, Welcome Ceremony Statistics (WCS) 2009. Pada Februari – April 2010, penulis melaksanakan kegiatan praktik lapang di Direktorat Administrasi dan Pendidikan Rektorat IPB.
DAFTAR ISI Halaman DAFTAR GAMBAR ................................................................................................................ vii DAFTAR TABEL ..................................................................................................................... vii DAFTAR LAMPIRAN ............................................................................................................. vii PENDAHULUAN ..................................................................................................................... Latar Belakang ..................................................................................................................... Tujuan ..................................................................................................................................
1 1 1
TINJAUAN PUSTAKA ............................................................................................................ Model Umum Data Panel .................................................................................................... Fixed Effect Model ................................................................................................................ Random Effect Model .......................................................................................................... Uji Kausalitas Granger ........................................................................................................ Uji Chow ............................................................................................................................... Uji Hausman .......................................................................................................................... Pengujian Asumsi ..................................................................................................................
1 1 2 2 3 3 3 4
METODOLOGI ........................................................................................................................ Data ..................................................................................................................................... Metode ...................................................................................................................................
4 4 5
HASIL DAN PEMBAHASAN ................................................................................................. Eksplorasi Data .................................................................................................................... Uji Kausalitas Granger ........................................................................................................ Analisis Data Panel ................................................................................................................ Uji Spesifikasi Model ................................................................................................... Uji Pelanggaran Asumsi ............................................................................................... Evaluasi Model dan Interpretasi Koefisien ...........................................................................
5 5 6 7 7 8 9
SIMPULAN DAN SARAN ........................................................................................................ Simpulan .............................................................................................................................. Saran ....................................................................................................................................
11 11 11
DAFTAR PUSTAKA ...............................................................................................................
11
LAMPIRAN ..............................................................................................................................
12
vii
DAFTAR GAMBAR Halaman 1 Pergerakan laju inflasi kelompok ASEAN-5 ......................................................................... 5 2 Pergerakan laju inflasi kelompok ASEAN-BCLMV ............................................................. 6
DAFTAR TABEL Halaman Struktur data panel untuk satu peubah penjelas ..................................................................... 1 Kaidah keputusan identifikasi autokorelasi ........................................................................... 4 Arah hubungan antar peubah.................................................................................................. 6 Hasil uji Kausalitas Granger .................................................................................................. 6 Perhitungan statistik uji Chow ............................................................................................... 7 Hasil uji Hausman ................................................................................................................. 7 Hasil pendugaan model fixed effect ...................................................................................... 8 Hasil pendugaan model fixed effect dengan pembobotan (cross section weight) dan white heteroscedasticity ......................................................................................................... 8 9 Hasil uji Chow untuk model fixed effect dengan pembobotan (cross section weight) dan white heteroscedasticity ......................................................................................................... 9 10 Hasil uji Hausman untuk model fixed effect dengan pembobotan (cross section weight) dan white heteroscedasticity .................................................................................................. 9 11 Pengaruh cross section .......................................................................................................... 9 12 Koefisien regresi model fixed effect dengan pembobotan (cross section weight) dan white heteroscedasticity ........................................................................................................ 10 1 2 3 4 5 6 7 8
DAFTAR LAMPIRAN Halaman Diagram alir analisis data panel ........................................................................................... 13 Grafik pergerakan laju inflasi dan IHK negara anggota ASEAN ......................................... 14 Grafik pergerakan laju inflasi dan money growth negara anggota ASEAN ........................ 15 Grafik pergerakan laju inflasi dan economics growth negara anggota ASEAN .................... 17 Matriks korelasi antar peubah laju inflasi (Y), IHK (X1), money growth (X2), dan economics growth (X3) ................................................................................................... 19 6 Hasil uji Kausalitas Granger .................................................................................................. 20 7 Hasil pendugaan pooled least square ..................................................................................... 21 8 Hasil pendugaan fixed effect model ........................................................................................ 21 9 Hasil uji Chow........................................................................................................................ 22 10 Hasil pendugaan random effect model ................................................................................... 22 11 Hasil uji Hausman ................................................................................................................. 22 12 Hasil pendugaan fixed effect dengan pembobotan (cross section weight) dan white heteroscedasticity ......................................................................................................... 23 1 2 3 4 5
1
PENDAHULUAN Latar Belakang Inflasi adalah kecenderungan dari hargaharga untuk naik secara umum dan terusmenerus. Kenaikan harga dari satu atau dua barang saja tidak dapat dikatakan inflasi, kecuali bila kenaikan tersebut meluas atau mengakibatkan kenaikan sebagian besar barang-barang (Boediono 1998). Salah satu penyakit ekonomi yang sulit dihindari adalah inflasi yang tinggi. Inflasi yang tinggi begitu penting untuk diperhatikan mengingat dampaknya dapat menimbulkan masalah di berbagai bidang terutama bagi perekonomian yaitu dapat menimbulkan ketidakstabilan perekonomian. Oleh karena itu inflasi sering menjadi target kebijakan pemerintah. Krisis keuangan yang melanda negaranegara ASEAN sejak tahun 1997 sangat berpengaruh terhadap pertumbuhan ekonomi dan laju inflasi di kawasan ini. Adanya pasar bebas ASEAN-China yang diberlakukan sejak 1 Januari 2010, diduga akan menekan laju inflasi dalam jangka panjang (Ichsan 2010). Hal ini dikarenakan barang impor berharga murah terserap dalam jumlah yang besar sehingga menekan inflasi. Pada situasi seperti ini akan diikuti oleh gangguan struktural lainnya seperti perubahan harga suatu produk barang atau jasa yang berperan dalam pencapaian Indeks Harga Konsumen (IHK). Beberapa studi empiris memperlihatkan bahwa berbagai peubah berpengaruh cukup signifikan terhadap inflasi. Studi Delis (2006), diacu dalam KBI (2008) mengemukakan bahwa jumlah uang beredar dan defisit anggaran pemerintah bersama peubah-peubah gangguan struktural yang direpresentasikan oleh pertumbuhan ekonomi, indeks harga pangan, indeks harga ekspor, indeks harga impor, dan indeks harga produk industri berpengaruh signifikan terhadap inflasi. Sasana (2004) mengemukakan bahwa jumlah uang beredar mempunyai hubungan yang positif dan mempengaruhi secara signifikan terhadap tingkat inflasi di Indonesia baik dalam jangka panjang maupun dalam jangka pendek. Peran harga produk pangan dalam pencapaian IHK menyebabkan guncangan pada penawarannya sehingga berdampak luas terhadap inflasi (Alamsyah et al. 2001). Dalam melakukan suatu pengamatan terhadap perilaku ekonomi seperti negaranegara ASEAN di atas, tidak cukup hanya melakukan pengamatan terhadap unit-unit tersebut pada waktu yang bersamaan saja, tetapi juga mengamati perilaku unit tersebut
pada berbagai periode waktu. Untuk itu diperlukan data yang merupakan data gabungan antara data cross section dan time series. Gabungan data cross section dan time series disebut juga data panel. Tujuan Tujuan dari penelitian ini adalah menganalisis beberapa faktor ekonomi yang mempengaruhi laju inflasi dengan menggunakan model regresi data panel.
TINJAUAN PUSTAKA Model Umum Data Panel Dalam model regresi data panel, data yang digunakan adalah data gabungan dari data cross section dan data time series. Data cross section adalah data yang dikumpulkan dalam satu waktu terhadap banyak individu, sedangkan data time series merupakan data yang dikumpulkan dari waktu ke waktu terhadap suatu individu. Unit cross section ini diamati secara berulang selama beberapa waktu. Jika setiap unit cross section memiliki jumlah pengamatan time series yang sama, maka disebut data panel seimbang (balance panel data). Sebaliknya, jika setiap unit cross section memiliki jumlah pengamatan time series yang berbeda, maka disebut data panel tidak seimbang (unbalance panel data). Tabel 1 menunjukkan struktur data panel untuk satu peubah penjelas (Pornchaiwiseskul 2004). Tabel 1 Struktur data panel untuk satu peubah penjelas i t Yit Xit 1 1 Y11 X11 . . . . . . . . . . . . 1 T Y1T X1T 2 1 Y21 X21 . . . . . . . . . . . . 2 T Y2T X2T . . . . . . . . . . . . . . . . N 1 YN1 XN1 . . . . . . . . . . . . N T YNT XNT
2
Model regresi data panel secara umum dapat dinyatakan sebagai berikut : [1] i = 1,2,3, …, N ; t = 1,2,3,…, T dengan i merupakan unit cross section atau individu dan t merupakan waktu. α adalah suatu nilai yang bersifat skalar dapat bernilai konstan sepanjang waktu t atau bahkan berbeda-beda untuk setiap unit cross section ke-i, β adalah vektor berukuran K×1, yit adalah respon cross section ke-i untuk periode waktu ke-t dan Xit adalah pengamatan cross section ke-i untuk periode waktu ke-t pada peubah penjelas ke-K (Baltagi 2005). Komponen galat satu arah dari model regresi pada persamaan [1] dapat didefinisikan sebagai berikut:
Pendugaan parameter pada fixed effect model diduga dengan menggunakan penduga within, dapat dijelaskan sebagai berikut: Pada persamaan regresi sederhana, [5] persamaan [5] ini dirata-ratakan untuk keseluruhan waktu maka diperoleh persamaan [6] kemudian dengan mengurangkan persamaan [5] dengan persamaan [6] (within transformation) didapatkan persamaan [7] kemudian persamaan [5] dirata-ratakan untuk keseluruhan pengamatan sehingga diperoleh
[2]
[8]
dimana µi merupakan pengaruh khusus dari unobserved variable (peubah yang sulit diamati/diukur) dan vit merupakan galat. Dalam bentuk vektor, persamaan [1] dapat dituliskan seperti (Baltagi 2005)
dengan menggunakan sebagai batasan. Batasan ini digunakan untuk menghindari multikolinieritas sempurna (Baltagi 2005). Model diatas diduga dengan menggunakan pendekatan metode kuadrat terkecil (Ordinary didapatkan dengan Least Square/OLS). meregresikan persamaan [7]. Fixed effect model ini juga dikenal sebagai Least Square Dummy Variable (LSDV), karena nilai pengamatan pada koefisien peubah µi berupa peubah dummy yang mengizinkan terjadinya perbedaan nilai parameter yang berbeda-beda baik pada unit cross section maupun time series (Baltagi 2005). Keputusan penggunaan fixed effect model atau pooled least square berdasarkan signifikansi uji Chow.
[3] dimana y adalah vektor berukuran NT×1, X adalah matriks berukuran NT×K, `=(α`,β`), Z=(iNT,X) dan iNT adalah vektor satuan berdimensi NT. Persamaan [2] dalam bentuk vektor dinyatakan sebagai berikut [4] dimana u`=(u11,…, u1T, u21,…, u2T,…, uN1,…, uNT), dengan IN adalah matriks identitas berdimensi N, iT adalah vektor satuan merupakan kronecker berdimensi T dan product. adalah matriks seleksi dari satuan dan nol atau matriks sederhana individual dummy yang dapat dimasukkan dalam regresi untuk menduga jika asumsi parameternya tetap (Baltagi 2005). Fixed Effect Model Pada fixed effect model, individu yang digunakan (N) biasanya merupakan individu agregat atau jika kita hanya fokus terhadap N individu saja. Asumsi : (1) µ diasumsikan tetap sehingga dapat diduga, (2) vit menyebar Normal (0, ) bebas stokastik identik, (3) E(Xit,vit)=0, Xit saling bebas dengan vit untuk setiap i dan t (Baltagi 2005).
Random Effect Model Pada random effect model, individu yang digunakan biasanya merupakan individu yang dipilih secara acak dari populasi yang besar. Pada fixed effect model dengan penambahan peubah dummy ke dalam model akan mengurangi banyaknya derajat bebas (degree of fredom) sehingga mengurangi efisiensi dari parameter yang diduga. Oleh karena itu dikenal satu pendekatan lagi untuk model data panel ini yaitu random effect model. Pada model ini parameter-parameter yang berbeda antar daerah dimasukkan kedalam galat. Asumsi : (1) µi menyebar bebas stokastik identik Normal (0, ), vit menyebar bsi Normal (0, ), (2) E(Xit,µi)=0 dan E(Xit,vit)=0, Xit saling bebas dengan µi dan vit untuk setiap i dan t (Baltagi 2005).
3
Dengan menggunakan pendekatan random effect model ini, maka dapat menghemat pemakaian derajat kebebasan dan tidak mengurangi jumlahnya seperti pada fixed effect model. Pendugaan yang konsisten didapatkan dengan menggunakan Ordinary Least Square, akan tetapi hal ini membuat komponen galat vit mengalami korelasi serial dan galat baku berbias. Oleh karena itu pendugaan dengan Generalize Least Square lebih baik digunakan pada model ini. Random effect model diperoleh dengan mengaplikasikan OLS setelah data ditransformasi seperti dibawah ini (Baltagi 2005)
data panel (pooled least square) diuraikan sebagai berikut:
yang
[11]
[12] Hipotesis yang digunakan adalah sebagai berikut: H0 : β1 = β2 = …= βp = 0 H1 : minimal ada satu j sehingga βj ≠ 0 Statistik uji:
[9] [13] dimana
[10]
Pada umumnya nilai θ akan berada diantara 0 dan 1. Jika θ=1 maka hasil pendugaan dari random effect model akan sama dengan pendugaan yang dihasilkan fixed effect model. Jika θ=0 maka penduga random effect akan sama dengan penduga pooled least square. Jika E(Xit,µi) = 0, akan meningkatkan efisiensi penduga. Tetapi, jika E(Xit,µi) ≠ 0 maka hasil dari penduga random effect akan berbias. Derajat kebiasannya tergantung dari besarnya θ. Jika maka θ akan mendekati 1 sehingga bias dari penduga random effect akan kecil (Baltagi 2005). Uji Kausalitas Granger Konsep dasar uji Kausalitas Granger yaitu menguji hubungan di antara dua peubah tanpa melakukan pendugaan terhadap model. Misalkan terdapat dua peubah X dan Y, jika dikatakan peubah X mempengaruhi peubah Y berarti nilai-nilai Y pada periode sekarang dapat dijelaskan oleh nilai-nilai Y periode sebelumnya dan nilai-nilai X pada periode sebelumnya, sehingga peubah X mengandung informasi yang bermanfaat untuk membantu memprediksi peubah Y (Granger 1969). Hubungan kausalitas dibagi menjadi dua kategori yaitu hubungan kausalitas satu arah dan hubungan kausalitas dua arah. Hubungan kausalitas satu arah jika X mempengaruhi Y, tetapi Y tidak mempengaruhi X atau sebaliknya. Hubungan kausalitas dua arah atau disebut juga hubungan timbal balik jika X mempengaruhi Y dan Y mempengaruhi X. Dengan panjang lag optimal p maka prinsip kerja uji Kausalitas Granger pada data panel didasarkan atas regresi model umum
dengan RSS0 merupakan sum square residual yang diperoleh dari persamaan [12] dan RSS1 merupakan sum square residual yang diperoleh dari persamaan [11]. Hipotesis nol pada persamaan [11] menyatakan peubah X tidak mempengaruhi peubah Y, tolak H0 jika Fhitung > Fp,T-2p-1. Uji Chow Uji Chow digunakan untuk menguji signifikansi antara model pooled least square dengan fixed effect model. Pengujian hipotesis adalah sebagai berikut H0 : µ1= µ2 =…= µN-1= 0 H1 : minimal ada satu i sehingga µi ≠ 0 Statistik uji: [14] dengan RRSS (Restricted Residual Sums of Square) diperoleh dari sum square residual hasil pendugaan model pooled least square dan URSS (Unrestricted Residual Sums of Square) didapat dari sum square residual hasil pendugaan fixed effect model (Baltagi 2005). Hipotesis nol menyatakan model yang lebih sesuai digunakan adalah pooled least square, tolak H0 jika > . Uji Hausman Uji Hausman adalah uji yang digunakan untuk menguji apakah model data panel yang lebih sesuai dibangun merupakan random effect model atau fixed effect model. Secara hipotesis bahwa pada suatu populasi, jika individu diambil secara acak sebagai contoh maka dugaan model data panel adalah random
4
effect model, namun bila individu yang digunakan merupakan keseluruhan individu dari populasi tersebut maka cenderung pada model fixed effect model. Untuk lebih tepatnya menjawab pertanyaan apakah random effect model ataukah fixed effect model yang sesuai adalah dengan membuat asumsi mengenai korelasi antara komponen galat dan peubah penjelasnya. Jika diasumsikan tidak terdapat korelasi antara galat dengan peubah penjelas maka model yang sesuai adalah random effect model begitu juga sebaliknya (Gujarati 2004). Baltagi (2005) mengungkapkan hipotesis yang digunakan pada Uji Hausman adalah sebagai berikut : H0 : H1 : Statistik uji: [15] dengan ; = vektor koefisisen peubah penjelas dari random effect model = vektor koefisisen peubah penjelas dari fixed effect model Hipotesis nol menyatakan random effet model lebih sesuai digunakan. Keputusan tolak H0 jika (k = dimensi vektor β) atau nilai-p < α. Pengujian Asumsi Heteroskedastisitas Pada umumnya heteroskedastisitas di peroleh pada data cross section. Untuk mendeteksi adanya heteroskedastisitas pada suatu model dapat dengan melihat nilai sum square residual pada weighted statistics dan sum square residual pada unweighted statistics pada model yang sudah diboboti (cross section weight). Jika nilai sum square residual pada weighted statistics lebih kecil dari sum square residual pada unweighted statistics, maka diindikasikan terjadi masalah heteroskedastisitas (Mailendra 2009). Untuk mengatasi adanya pelanggaran asumsi ini digunakan model yang telah diboboti (cross section weight) dan white heteroscedasticity. Autokorelasi Untuk mendeteksi adanya autokorelasi ini dapat dilakukan uji-d Durbin Watson dengan membandingkan nilai statistik uji-d dari model dengan statistik uji-d Durbin Watson pada tabel.
Statistik uji yang digunakan yaitu : [16] dengan merupakan galat tahun ke-t, adalah galat satu tahun sebelumnya , t waktu, dan n pengamatan. Nilai d ini yang akan dibandingkan dengan nilai d Durbin Watson pada tabel (dL dan dU). dL merupakan batas bawah nilai d Durbin Watson pada tabel dan dU merupakan batas atas nilai d Durbin Watson pada tabel. Gujarati (2004) mengemukakan kaidah keputusan ada tidaknya autokorelasi seperti yang dijelaskan pada Tabel 2. Tabel 2 Kaidah korelasi Hipotesis nol Tidak terdapat autokorelasi positif Tidak terdapat autokorelasi positif Tidak terdapat autokorelasi negatif Tidak terdapat autokorelasi negatif Tidak terdapat autokorelasi positif maupun negatif
keputusan identifikasi autoJika
Keputusan
0
Tolak H0
dL < d
Tidak ada keputusan
4-dL < d < 4
Tolak H0
4-dU < d <4-dL
Tidak ada keputusan
dU < d < 4dU
Tidak Tolak H0
METODOLOGI Data Data yang digunakan dalam penelitian ini adalah data sekunder keadaan makro ekonomi yang bersumber pada ―ASEAN Statistical Yearbook 2008‖ yang dipublikasikan melalui website http://www.aseansec.org [20 Januari 2010]. Dalam penelitian ini data panel yang digunakan adalah data time series dari tahun 2000 sampai tahun 2008 dan data cross section dari sepuluh negara anggota ASEAN,
5
Metode Langkah-langkah yang dilakukan dalam penelitian ini adalah sebagai berikut: 1. Melakukan eksplorasi data 2. Melakukan uji Kausalitas Granger 3. Melakukan analisis data panel dengan tahapan : a) Pemodelan pooled least square, parameter diduga dengan metode Ordinary Least Square (OLS) b) Pemodelan fixed effect model, parameter diduga dengan metode OLS melalui penambahan peubah dummy atau Least Square Dummy Variable (LSDV) c) Melakukan signifikansi model pooled least square atau fixed effect model dengan menggunakan uji Chow, jika terima H0 maka model pooled least square digunakan dan dilanjutkan ke langkah (f). Jika H0 ditolak maka lanjut ke langkah (d) d) Pemodelan random effect model, parameter diduga dengan metode Generalize Least Square (GLS) e) Melakukan signifikansi random effect model atau fixed effect model dengan menggunakan uji Hausman. Jika H0 diterima maka random effect model digunakan. Jika tolak H0 maka fixed effect model digunakan dan lanjut ke langkah (f) f) Melakukan uji asumsi autokorelasi dan heteroskedastisitas serta mengatasinya jika terdapat pelanggaran asumsi. Diagram alir untuk tahapan-tahapan analisis data panel di atas dapat dilihat pada Lampiran 1. 4. Evaluasi dan interpretasi model
HASIL DAN PEMBAHASAN Eksplorasi Data Eksplorasi data ini dilakukan untuk memberikan gambaran dan informasi yang berguna dari data tanpa mengambil kesimpulan secara umum. Bentuk eksplorasi data pada penelitian ini adalah dengan membuat grafik pergerakan peubah respon laju inflasi (Y) dengan peubah-peubah penjelasnya (X1, X2, X3) untuk masingmasing negara anggota ASEAN. Gambar 1 menunjukkan pergerakan laju inflasi dalam persen negara anggota ASEAN yang tergabung dalam kelompok ASEAN-5. ASEAN-5 ini merupakan negara pemrakarsa ASEAN. Di antara kelima negara ini pergerakan laju inflasi negara Singapura merupakan pergerakan yang paling stabil. Thailand juga memiliki pergerakan laju inflasi yang cukup stabil hanya saja masih lebih tinggi dibandingkan Singapura. Pada tahun 2005, Malaysia mengalami laju inflasi bernilai negatif atau sering disebut dengan deflasi yaitu sebesar 5.5%. Pada kelompok ASEAN-5 ini, Indonesia adalah negara yang memiliki pergerakan laju inflasi yang paling tinggi 70 60 50
Laju Inflasi
yaitu Brunei Darussalam, Kamboja, Indonesia, Laos, Malaysia, Myanmar, Filipina, Singapura, Thailand dan Viet Nam. Oleh karena itu, jumlah pengamatan yang digunakan dalam penelitian ini sebanyak 90. Peubah yang diamati sebagai peubah respon Y adalah laju inflasi, sedangkan peubah lainnya digunakan sebagai peubah penjelas, yaitu Indeks Harga Konsumen (IHK) rata-rata per negara dalam persen sebagai X1, pertumbuhan jumlah uang yang beredar (money growth) per negara dalam persen sebagai X2 dan laju pertumbuhan ekonomi (economic growth) per negara dalam persen sebagai X3.
40 30 20 10 0 -10 2000 2001 2002 2003 2004 2005 2006 2007 2008 Tahun Indonesia
Malaysia
Singapura
Thailand
Filipina
Gambar 1 Pergerakan laju inflasi kelompok ASEAN-5 Gambar 2 menunjukkan pergerakan laju inflasi dalam persen negara anggota ASEAN lainnya yaitu Brunei Darussalam, Kamboja, Laos, Myanmar dan Vietnam atau sering disebut dengan kelompok ASEAN-BCLMV. .
6
dimana semua negara ASEAN memiliki koefisien korelasi positif untuk peubah laju inflasi (Y) dengan IHK (X1). Untuk hasil lengkap mengenai arah hubungan peubahpeubah ini dapat dilihat pada Lampiran 5.
70 60
Laju Inflasi
50 40
Tabel 3 Arah hubungan antar peubah
30 20
Negara
10 0 -10 2000 2001 2002 2003 2004 2005 2006 2007 2008 Tahun
Peubah
X1
X2
X3
B. Darussalam
Y
+
+
-
Kamboja
Y
+
+
+
Indonesia
Y
+
-
-
Laos
Y
+
+
-
Malaysia
Y
+
+
-
Brunei Darussalam
Kamboja
Myanmar
Y
+
-
-
Laos
Myanmar
Filipina
Y
+
+
-
Singapura
Y
+
+
-
Thailand
Y
+
-
-
Viet Nam
Y
+
-
-
Viet Nam
Gambar 2 Pergerakan laju inflasi kelompok ASEAN-BCLMV
Sumber : Lampiran 5
Pergerakan laju inflasi kelompok ASEANBCLMV ini lebih fluktuatif jika dibandingkan dengan kelompok ASEAN-5. Dalam kelompok ASEAN-BCLMV negara yang memiliki pergerakan laju inflasi yang cukup stabil adalah Brunei Darussalam meski pada tahun 2002 negara ini mengalami deflasi sebesar 2.3%. Dibandingkan dengan seluruh negara anggota ASEAN, Myanmar adalah negara yang memiliki pergerakan laju inflasi paling tidak stabil. Negara ini mengalami laju inflasi paling tinggi pada tahun 2002 sebesar 57.1%. Pada tahun 2008, seluruh negara anggota ASEAN kecuali Myanmar mengalami kenaikan laju inflasi dari tahun sebelumnya. Hal ini dikarenakan pada tahun 2008 terjadi krisis keuangan dunia atau krisis global 2008. Krisis global 2008 ini berbeda dengan krisis keuangan tahun 1997 yang berdampak lokal. Dampak krisis global ini meluas ke Eropa kemudian merambat ke belahan Asia, terutama negara-negara berkembang seperti Malaysia, Thailand, Indonesia, China bahkan negara maju seperti Jepang dan Singapura. Laju inflasi terdorong untuk naik akibat terjadi kenaikan harga komoditas global terutama minyak mentah dan bahan pangan yang relatif tinggi. Lampiran 2 menunjukkan bahwa pada tahun 2000 hingga 2008 laju inflasi dengan nilai Indeks Harga Konsumen negara-negara ASEAN mempunyai kecenderungan untuk berhubungan positif. Hubungan positif dua peubah ini juga ditunjukkan oleh Tabel 3
Untuk hubungan peubah pertumbuhan jumlah uang yang beredar (X2) dengan laju inflasi disajikan pada Lampiran 3. Secara umum dua peubah ini juga memiliki kecenderungan hubungan yang positif. Namun pada Tabel 3 terdapat negara-negara yang memiliki koefisien korelasi bertanda negatif yaitu Indonesia, Myanmar, Thailand dan Vietnam. Hubungan negatif laju inflasi dengan jumlah uang yang beredar seperti ini biasanya terjadi untuk hubungan jangka panjang. Berbeda dengan peubah IHK dan pertumbuhan jumlah uang yang beredar, hubungan peubah pertumbuhan ekonomi (X3) dengan laju inflasi negara anggota ASEAN ini cenderung memiliki hubungan negatif seperti yang digambarkan pada Lampiran 4. Tabel 3 juga menunjukkan bahwa diantara sepuluh negara anggota ASEAN hanya negara Kamboja saja yang memiliki koefisien korelasi bertanda positif untuk hubungan kedua peubah ini. Uji Kausalitas Granger Pengujian ini bertujuan untuk mengetahui hubungan sebab akibat di antara dua peubah yang diuji. Pengujian ini dilakukan terhadap ketiga peubah yang terkait dengan pemodelan laju inflasi penelitian ini. Hasil uji Kausalitas Granger pada data panel penelitian ini dapat dilihat pada Tabel 4. Kriteria penolakan hipotesis nol di atas adalah dengan menggunakan kriteria nilai-p < taraf nyata (α=0.05). Nilai-p dari tiap-tiap
7
hubungan antar peubah dapat dilihat pada Lampiran 6.
pendugaan, maka didapatkan perhitungan uji Chow sebagai berikut :
Tabel 4 Hasil uji Kausalitas Granger Panjang lag H0 2 lag 4 lag tolak H0 tolak H0 X1 Y tolak H0 tidak tolak H0 Y X1 tolak H0 tolak H0 X2 Y tidak tolak H0 tidak tolak H0 Y X2 tolak H0 tidak tolak H0 X3 Y tidak tolak H0 tidak tolak H0 Y X3
Tabel 5 Perhitungan statistik uji Chow RRSS 4697.334 URSS 3533.023 N 10 T 9 K 3 F0 2.819493 F-tabel 2.6747
Keterangan :
= tidak mempengaruhi
Hipotesis nol pada baris pertama adalah IHK (X1) tidak mempengaruhi laju inflasi (Y). Berdasarkan hasil diatas menunjukkan bahwa terdapat hubungan kausalitas dua arah antara peubah laju inflasi dengan IHK pada dua lag. Dengan kata lain bahwa IHK mempengaruhi laju inflasi dan laju inflasi juga mempengaruhi IHK. Untuk hubungan antara peubah pertumbuhan jumlah uang yang beredar (X2) dengan laju inflasi pada dua lag hanya mempunyai hubungan kausalitas satu arah yaitu pertumbuhan jumlah uang yang beredar mempengaruhi laju inflasi tetapi tidak berlaku sebaliknya. Demikian pula untuk hubungan kausalitas satu arah pada dua lag antara peubah laju pertumbuhan ekonomi (X3) dan laju inflasi dimana laju pertumbuhan ekonomi mempengaruhi laju inflasi. Pada empat lag, terdapat hubungan kausalitas satu arah antara laju inflasi dengan IHK dan antara laju inflasi dengan pertumbuhan jumlah uang yang beredar. Hal ini menunjukkan bahwa IHK dan pertumbuhan jumlah uang yang beredar mempengaruhi laju inflasi. Sedangkan antara laju inflasi dengan laju pertumbuhan ekonomi terlihat bahwa laju pertumbuhan ekonomi tidak mempengaruhi laju inflasi dan sebaliknya. Analisis Data Panel Uji Spesifikasi Model Untuk menguji kesesuaian atau kebaikan model dari tiga metode pada teknik pendugaan data panel digunakan uji Chow dan uji Hausman. a. Uji Chow Pengujian ini dilakukan untuk memilih model apakah yang akan digunakan model pooled least square (PLS) atau fixed effect fixed effect model/least square dummy variable (LSDV). Berdasarkan hasil
Dari hasil perhitungan uji Chow pada Tabel 5 menunjukkan bahwa nilai F0 lebih besar dari nilai F-tabel pada taraf nyata (α=0.01) maka hipotesis nol ditolak. Selain dengan membandingkan nilai F0 dan Ftabel, kriteria penolakan H0 juga dapat dilihat dari nilai-p (p-value). Jika nilai-p lebih kecil dari taraf nyata (α) maka tolak H0. Pada Lampiran 9 dapat dilihat hasil uji Chow keluaran Eviews 6 nilai-p sebesar 0.0064 lebih kecil dari taraf nyata (α=0.01), maka hipotesis nol ditolak, sehingga sudah cukup bukti untuk menyatakan bahwa model sementara yang lebih sesuai digunakan adalah fixed effect model. b. Uji Hausman Uji Hausman digunakan untuk memilih model yang sesuai antara fixed effect model dengan random effect model. Hipotesis nol yang digunakan pada uji ini adalah random effect model lebih sesuai digunakan dengan hipotesis alternatif fixed effect model lebih sesuai digunakan. Berdasarkan hasil uji Hausman keluaran Eviews 6 pada Lampiran 11, diperoleh hasil sebagai berikut : Tabel 6 Hasil uji Hausman db chi-square hitung chi-square tabel nilai-p
3 12.833794 11.3449 0.0050
Tabel 6 menunjukkan nilai-p sebesar 0.0050 lebih kecil dari taraf nyata (α=0.01) dan chi-square hitung lebih besar dari chisquare tabel maka hipotesis nol ditolak. Sehingga sudah cukup bukti untuk menyatakan bahwa model yang lebih sesuai digunakan adalah fixed effect model.
8
Hal di atas merupakan pemilihan model secara uji statistika. Selain itu terdapat beberapa dasar pertimbangan untuk memilih model apakah fixed effect model atau random effect model. Menurut Judge et al. (1985) apabila N lebih besar dari T dan diyakini bahwa unit cross section yang dipilih dalam penelitian diambil secara acak maka random effect model yang digunakan. Sebaliknya, apabila unit cross section yang dipilih dalam penelitian tidak diambil secara acak maka menggunakan fixed effect model. Dalam penelitian ini jumlah unit cross section (N) sebanyak 10 dan jumlah time series (T) sebanyak 9, sehingga memenuhi syarat N lebih besar dari T dan unit cross section yang dipilih tidak diambil secara acak karena seluruh negara anggota ASEAN dijadikan unit cross section. Oleh karena itu, dalam penelitian ini digunakan pendekatan fixed effect model. Pemilihan fixed effect model ini dimaksudkan untuk memberikan keleluasaan dalam melihat keragaman tiap unit cross section dalam penelitian. Dengan fixed effect model, intersep antar unit cross section dapat bervariasi dan perbedaan nilai konstanta ini diasumsikan sebagai perbedaan antar unit cross section. Tabel 7
Hasil pendugaan model fixed effect Peubah Koefisien C 8.163441 X1 0.010964 X2 -0.025774 X3 -0.508520 R-squared 0.527225 Adjusted R-squared 0.453546 S.E. of Regression 6.773729 Sum square residual 3533.023 Durbin-Watson stat 1.451008
Sumber: Lampiran 8
Model regresi sementara laju inflasi negara ASEAN yang digunakan adalah fixed effect. Hasil pendugaannya dapat dilihat pada Tabel 7. Berdasarkan hasil regresi tersebut diketahui model ini memiliki nilai R-square sebesar 52.72%. Nilai koefisien peubah money growth (X2) pada model ini bernilai negatif, hal ini tidak sesuai dengan eksplorasi data pada awal pembahasan. Ketidaksesuaian ini
mungkin disebabkan adanya pelanggaran asumsi pada model ini. Uji Pelanggaran Asumsi a. Heteroskedastisitas Homoskedastisitas adalah salah satu asumsi yang harus dipenuhi dalam model regresi. Kondisi ini tercapai bila galat memiliki keragaman yang konstan. Sebaliknya, jika galat pada model regresi memiliki keragaman yang tidak konstan maka terjadi pelanggaran asumsi yang disebut heteroskedastisitas. Untuk mengetahui adanya masalah heteroskedastisitas ini dengan membandingkan nilai antara sum square residual pada weighted statistics dengan nilai sum square residual pada unweighted statistics pada model yang telah diboboti. Jika nilai sum square residual pada weighted statistics lebih kecil dari sum square residual pada unweighted statistics, maka diindikasikan terjadi masalah heteroskedastisitas. Pelanggaran asumsi heteroskedastisitas ini wajib dicurigai mengingat data yang digunakan merupakan data cross section. Untuk dapat mengidentifikasi adanya heteroskedastisitas ini maka dilakukan pembobotan pada model fixed effect yang telah diperoleh. Tabel 8 menunjukkan hasil pendugaan model fixed effect yang telah diboboti. Tabel 8
Hasil pendugaan model fixed effect dengan pembobotan (cross section weight) dan white heteroscedasticity Peubah Koefisien C -0.227800 X1 0.048897 X2 0.034201 X3 -0.203591 weighted statistics R-squared 0.636947 Adjusted R-squared 0.580368 S.E. of Regression 6.087909 F-statistik 11.25753 p-value (F-statistik) 0.000000 Sum square residual 2853.823 Durbin-Watson stat 1.707618 unweighted statistics Sum square residual 4222.608 Durbin-Watson stat 1.228372
Sumber: Lampiran 12
9
Setelah dilakukan pembobotan pada model fixed effect pada penelitian ini, nilai sum square residual pada weighted statistics (2853.823) lebih kecil dari sum square residual pada unweighted statistics (4222.608), sehingga diindikasikan terjadi pelanggaran asumsi heteroskedastisitas. Untuk mengatasi masalah ini dapat dilakukan dengan menduga model menggunakan metode pembobotan atau Generalize Least Square dan white heteroscedasticity, sehingga model yang digunakan sekarang adalah model fixed effect dengan pembobotan (cross section weight) dan white heteroscedasticity. Setelah masalah ini diatasi terbukti terjadi peningkatan Adjusted R-squared yang cukup signifikan yaitu dari 45.35% menjadi 58.04%. b. Autokorelasi Autokorelasi terjadi jika galat dari periode waktu (time series) yang berbeda saling berkorelasi. Masalah autokorelasi ini dapat mempengaruhi efisiensi dari penduganya. Dari hasil pendugaan model laju inflasi dalam penelitian ini diperoleh nilai statistik Durbin Watson (d) sebesar 1.707618. Dengan jumlah pengamatan 90 dan peubah penjelas di luar konstanta sebanyak 3 pada tingkat signifikansi 0.01 didapatkan nilai dL 1.452 dan dU 1.587. Nilai statistik Durbin Watson (d) berada pada dU (1.587) < d (1.707618) < 4-dU (2.413). Hal ini membuktikan bahwa pada taraf nyata (α=0.01) dapat dinyatakan bahwa tidak terdapat korelasi serial atau tidak terjadi masalah autokorelasi. Model fixed effect dengan pembobotan (cross section weight) dan white heteroscedasticity ini belum dilakukan signifikansi model baik terhadap model pooled least square maupun terhadap random effect model. Oleh karena itu dilakukan kembali uji Chow dan uji Hausman. Tabel 9 menyajikan hasil pengujian uji Chow keluaran Eviews 6 untuk model fixed effect dengan pembobotan (cross section weight) dan white heteroscedasticity. Tabel 9 Uji Chow untuk model fixed effect dengan pembobotan (cross section weight) dan white heteroscedasticity Effect test
Statistics
d.f
p-value
Cross-section F
6.772906
9,77
0.0000
Pada Tabel 9 diperoleh nilai F-hitung sebesar 6.772906 dengan nilai-p sebesar 0.00 < taraf nyata (α=0.01). Hal ini menunjukkan bahwa
model fixed effect dengan pembobotan (cross section weight) dan white heteroscedasticity lebih sesuai digunakan. Tabel 10
Uji Hausman untuk model fixed effect dengan pembobotan dan white heteroscedasticity
Test Summary Cross-section random
Statisctic
d.f
12.833794
3
p-value 0.0050
Untuk menentukan model fixed effect dengan pembobotan (cross section weight) dan white heteroscedasticity atau random effect model yang lebih sesuai digunakan dapat dilihat dari hasil uji Hausman pada Tabel 10. Pada hasil uji Hausman diperoleh nilai chi-square hitung sebesar 12.833794 dengan nilai-p 0.005 < taraf nyata (α=0.01). Hal ini menunjukkan bahwa model fixed effect dengan pembobotan (cross section weight) dan white heteroscedasticity lebih sesuai digunakan. Evaluasi Model dan Interpretasi Koefisien Berdasarkan hasil analisis data panel, diperoleh model regresi yang sesuai untuk laju inflasi negara anggota ASEAN tahun 2000 hingga 2008 adalah fixed effect model dengan pembobotan (cross section weight) dan white heteroscedasticity sebagai berikut: Yit = (-0.2278 + µi) + 0.048897X1it + 0.034201X2it – 0.203591X3it + vit Model di atas memiliki nilai konstanta yang berbeda-beda akibat adanya pengaruh cross section (µi) yang nilainya dapat dilihat pada Tabel 11. Tabel 11 Pengaruh cross section Negara Brunei Darussalam Kamboja Indonesia Laos Malaysia Myanmar Filipina Singapura Thailand Viet Nam
Pengaruh -4.002235 -1.07496 4.813212 3.651812 -2.621658 1.809307 0.297066 -2.26542 -1.537779 0.930655
Kesesuaian model dapat digambarkan dengan melihat koefisien determinasi, hasil uji-F dan hasil uji-t. Koefisien determinasi menggambarkan seberapa besar keragaman dari peubah respon dapat dijelaskan oleh
10
peubah penjelasnya. Semakin tinggi nilai Rsquared maka kemampuan peubah penjelas untuk menggambarkan peubah responnya semakin baik. Berdasarkan pada Tabel 8, hasil pendugaan model menunjukkan nilai koefisien determinasi (R-squared) sebesar 0.636947. Hal ini berarti bahwa 63.69 persen keragaman laju inflasi negara-negara ASEAN dapat dijelaskan oleh peubah penjelas model tersebut, sedangkan sisanya dijelaskan oleh peubah lain di luar model. Uji-F digunakan untuk melakukan uji hipotesis koefisien (slope) regresi secara bersamaan. Nilai-p hasil uji-F model ini sebesar 0.000000 lebih kecil dari taraf nyata (α=0.05) yang berarti bahwa minimal ada satu peubah penjelas dalam model yang berpengaruh nyata terhadap laju inflasi negara anggota ASEAN. Uji signifikansi individu dengan menggunakan uji-t dengan taraf nyata 0.05 dan derajat bebas 78 (NT-N+1-K), maka diperoleh titik kritis sebesar 1.994. Nilai ini dibandingkan dengan nilai mutlak t-Statistik masing-masing peubah penjelas dalam model. Apabila nilai mulak t-Statistik lebih besar dari titik kritis dan nilai-p < taraf nyata (α) maka peubah penjelas tersebut berpengaruh nyata terhadap peubah respon. Berdasarkan pada Tabel 12, dalam penelitian ini peubah penjelas yang secara statistik berpengaruh nyata terhadap laju inflasi pada taraf nyata (α=0.05) adalah Indeks Harga Konsumen dan pertumbuhan jumlah uang yang beredar. Tabel 12
Peubah C X1 X2 X3
Koefisien regresi model fixed effect dengan pembobotan dan white heteroscedasticity Koefisien t-Statistik Nilai-p -0.2278 -0.11301 0.9103 0.048897 3.561824 0.0006 0.034201 2.353435 0.0212 -0.20359 -1.40189 0.1650
Indeks Harga Konsumen (IHK) adalah nomor indeks yang mengukur harga rata-rata dari barang dan jasa yang dikonsumsi oleh rumah tangga. IHK sering digunakan untuk mengukur tingkat inflasi suatu negara (http://id.wikipedian.org/wiki/indeks_harga_k onsumen [27 Mei 2010]). Peubah Indeks Harga Konsumen dalam penelitian ini mempengaruhi laju inflasi negara-negara ASEAN secara signifikan pada taraf nyata (α=0.05) dan berhubungan positif. Koefisien regresi peubah Indeks Harga Konsumen sebesar 0.048897. Nilai koefisien ini berarti
rata-rata laju inflasi negara-negara ASEAN akan meningkat sebesar 4.8 persen seiring dengan peningkatan IHK sebesar 1 satuan nomor indeks dengan asumsi ceteris paribus. Hubungan yang positif mengindikasikan bahwa sejalan dengan peningkatan harga ratarata barang yang dibeli oleh konsumen menyebabkan peningkatan persentasi laju inflasi negara-negara ASEAN. Peubah yang akan dibahas setelah peubah IHK adalah pertumbuhan jumlah uang yang beredar. Jumlah uang yang beredar dalam masyarakat ditentukan oleh kebijakan pemerintah. Pemerintah menentukan berapa banyak uang yang dicetak dan melalui kebijakan moneter mengontrol uang yang beredar. Disisi lain, masyarakat membutuhkan uang pula untuk membeli barang dan jasa. Banyaknya uang yang dibutuhkan oleh masyarakat ditentukan oleh suatu faktor utama yaitu harga-harga barang dan jasa yang berlaku. Hal ini berarti permintaan uang ditentukan oleh tingkat harga umum yang berlaku dalam masyarkat. Permintaan dan penawaran uang inilah yang akan menyebabkan perubahan jumlah uang yang beredar. Pertambahan uang ini yang disebut dengan Money Growth. Dalam penelitian ini pertumbuhan jumlah uang yang beredar dihitung berdasarkan data jumlah uang yang beredar dalam artian luas (M2) yaitu jumlah total M1 (uang kartal dan uang giral) dan uang kuasi (deposito berjangka & tabungan, valuta asing serta giro valuta asing milik penduduk). Peubah pertumbuhan jumlah uang yang beredar ini berpengaruh nyata pada taraf nyata (α=0.05) terhadap laju inflasi negara-negara ASEAN. Koefisien regresi peubah pertumbuhan jumlah uang yang beredar sebesar 0.034201 artinya rata-rata kenaikan laju inflasi negara-negara ASEAN sebesar 3.4 persen setiap kenaikan 1 persen pertumbuhan jumlah uang yang beredar di tiap-tiap negara dengan asumsi ceteris paribus. Pertumbuhan ekonomi dapat diartikan sebagai proses perubahan kondisi perekonomian suatu negara secara berkesinambungan menuju keadaan yang lebih baik selama periode tertentu. Adanya keterbatasan data dalam buku ASEAN Statistical Yearbook ini maka digunakan peubah laju pertumbuhan ekonomi untuk mewakili salah satu peubah yang sering digunakan dalam mengukur laju inflasi yaitu Produk Domestik Bruto (Salvatore dan Diulio 2003). Pada penelitian ini peubah laju pertumbuhan ekonomi tidak berpengaruh signifikan terhadap laju inflasi.
11
Keunggulan pendekatan dengan fixed effect model dalam menduga data panel adalah dapat mengakomodasi heterogenitas unit-unit pengamatan yang digunakan. Heterogenitas unit pengamatan dapat dilihat pada pengaruh cross section. Tabel 11 menginformasikan mengenai adanya pengaruh yang berbedabeda dari tiap-tiap negara anggota ASEAN yang dijadikan sebagai individu dalam pendugaan model data panel ini. Nilai-nilai tersebut mempengaruhi heterogenitas konstanta intersep unit-unit cross section yang digunakan. Konstanta intersep dalam suatu hasil regresi menggambarkan komponen peubah respon yang tidak dapat diterangkan oleh masing-masing peubah bebas yang digunakan dalam model. Nilai tersebut menunjukkan jika semua peubah yang digunakan tidak berpengaruh nyata, maka nilai intersep menunjukkan nilai laju inflasi sesungguhnya.
SIMPULAN DAN SARAN Simpulan Model regresi data panel yang sesuai untuk data persentase laju inflasi negaranegara ASEAN tahun 2000-2008 adalah fixed effect model dengan pembobotan (cross section weight) dan white heteroscedasticity. Model ini mempunyai nilai R-squared sebesar 63.69%. Pada taraf nyata (α=0.05) faktor ekonomi yang secara statistik signifikan mempengaruhi laju inflasi negara-negara ASEAN adalah Indeks Harga Konsumen dan pertumbuhan jumlah uang yang beredar. Saran Pada penelitian ini terdapat keterbatasan masalah yang dikaji adalah model regresi dengan komponen eror satu arah. Untuk penelitian selanjutnya dapat dikaji dengan menggunakan model regresi dengan komponen eror dua arah. Selain itu dapat dianalisis faktor-faktor ekonomi lainnya seperti suku bunga bank, nilai tukar riil/nominal, dan lain-lain.
DAFTAR PUSTAKA Alamsyah H, Joseph C, Agung J, Zulverdy D. 2001. Toward Implementation of Inflation Targeting in Indonesia. Bulletin of Indonesian Economics Studies 37:309324.
Baltagi BH. 2005. Econometrics Analysis of Panel Data. Ed ke-3. England: John Wiley & Sons Ltd. Boediono. 1998. Sinopsis Pengantar Ilmu Ekonomi. Volume ke-5. Ekonomi Moneter. Yogyakarta: BPFE. Granger CWJ. 1969. Investigating causal relations by econometric models and cross-spectral methods. Econometrica 37: 424—438 Gujarati DN. 2004. Basic Econometrics. Ed ke-4. Singapore: The McGraw-Hill Companies, Inc. Ichsan F. 2010. Pasar Bebas ASEAN Tekan Inflasi. http://bataviase.co.id/detailberita10531335.html [19 Januari 2010]. Judge GG, Hill RC, Griffith WE, Lutkepohl H, Lee TC. 1985. Introduction to the theory and practice of econometrics. NewYork. [KBI] Kantor Bank Indonesia. 2008. Kajian Ekonomi Regional Provinsi Jambi. http://www.bi.go.id [30 Mei 2010]. Mailendra F. 2009. Analisis Dampak Pemekaran Wilayah dan Faktor-faktor yang Mempengaruhi Pembangunan Manusia di Propinsi Jawa Barat [skripsi]. Bogor: Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Muchlisoh S. 2008. Model Regresi Data Panel Dengan Korelasi Eror Spasial: Pengaruh Pertumbuhan Ekonomi dan Inflasi terhadap Kemiskinan di Indonesia [tesis]. Surabaya: Program Magister, Institut Teknologi Sepuluh Nopember. Pornchaiwiseskul P. 2004. Panel Data Regression Model. Bangkok: Faculty of Economics Chulalongkorn University. Salvatore D, Diulio EA. 2003. Principles of Economics. Bartley WA, editor. USA: The McGraw-Hill Companies,Inc. Sasana H. 2004. Analisis Faktor-faktor yang Mempengaruhi Inflasi di Indonesia dan Filipina. Jurnal Bisnis dan Ekonomi 11:207-220.
LAMPIRAN
13
Lampiran 1 Diagram alir analisis data panel
Pemodelan pooled least square
Pemodelan fixed effect model
Uji Chow
Tolak H0
Terima H0
fixed effect model
Pooled least square
Pemodelan random effect model
Terima H0 Uji Hausman
Tolak H0
random effect model
Pengujian Asumsi
fixed effect model
14
Lampiran 2 Grafik pergerakan laju inflasi dan IHK negara anggota ASEAN Brunei Darussalam
Laos
3
107
25
200
106 2
105 104
1
180 20
160 140
15
103 0
102
120 10
100
101 -1
100 99
-2
80 5
60 40
0
98 -3 2000 2001 2002 2003 2004 2005 2006 2007 2008 Laju Inflasi
97
20 -5 2000 2001 2002 2003 2004 2005 2006 2007 2008
IHK
Laju Inflasi
Kamboja
0
IHK
Malaysia
7
180
8
114
6
160
6
112
5
140
4
4
120
3
100
2
80
1
60
0
40
-4
-1
20
-6
96
-2
0
-8 2000 2001 2002 2003 2004 2005 2006 2007 2008
94
2000 2001 2002 2003 2004 2005 2006 2007 2008 Laju Inflasi
110 108
2
106
0
104
-2
102 100 98
IHK
Laju Inflasi
Indonesia
IHK
Myanmar
18
160
60
16
140
50
14
120
12
100
10
1000 900 800
40
700
30
600
80
8
60
6 4
40
2
20
0
0 2000 2001 2002 2003 2004 2005 2006 2007 2008 Laju Inflasi
IHK
500 20
400
10
300 200
0
100
-10 2000 2001 2002 2003 2004 2005 2006 2007 2008 Laju Inflasi
IHK
0
15
Lampiran 2 Grafik pergerakan laju inflasi dan IHK negara anggota ASEAN (lanjutan) Filipina
Thailand
10
180
9
160
8
140
7
120
6
100
5
80
4
60
3 2
40
1
20
0 2000 2001 2002 2003 2004 2005 2006 2007 2008
0
Laju Inflasi
6
140
5
120 100
4
80 3 60 2
40
1
20
0 2000 2001 2002 2003 2004 2005 2006 2007 2008
0
IHK
Laju Inflasi
Singapura
IHK
Viet Nam
7
115
6 110
5
25
180 160
20
140
15
4
120
105
3
100
10
80
100
2
5
1
95
0 -1 2000 2001 2002 2003 2004 2005 2006 2007 2008 Laju Inflasi
90
60 40
0
20
-5
0 2000 2001 2002 2003 2004 2005 2006 2007 2008
IHK
Laju Inflasi
IHK
Lampiran 3 Grafik pergerakan laju inflasi dan money growth negara anggota ASEAN Brunei Darussalam 3 2 1 0 -1 -2 -3 2000 2001 2002 2003 2004 2005 2006 2007 2008 Laju Inflasi
Money Growth
Kamboja 30
7
25
6
70
20
5
15
4
10
3
40
5
2
30
0
1
-5
0
-10
-1
-15
-2 2000 2001 2002 2003 2004 2005 2006 2007 2008
60 50
20 10
Laju Inflasi
Money Growth
0
16
Lampiran 3 Grafik pergerakan laju inflasi dan money growth negara anggota ASEAN (lanjutan) Indonesia
Malaysia
18
20
8
14
16
18
6
16
12
14
14
12 10 8 6
4
12
2
10
0
8
-2
6
10 8 6 4
-4
4
4
2
2
-6
2
0 2000 2001 2002 2003 2004 2005 2006 2007 2008
0
-8 2000 2001 2002 2003 2004 2005 2006 2007 2008
0
Laju Inflasi
Money Growth
Laju Inflasi
Laos
Money Growth
Myanmar
25
50 45
20
40
15 10
60
50 45
50
40
35
40
35
30
30
30
25
5
25
20
20
20
15
10
15
10
0 -5 2000 2001 2002 2003 2004 2005 2006 2007 2008 Laju Inflasi
0
10
0
5
5
-10 2000 2001 2002 2003 2004 2005 2006 2007 2008
Money Growth
Laju Inflasi
Filipina
Money Growth
Singapura
10
25
9
7
25
6
8
20
7 6
15
5
20
5 15
4 3
4
10
3 2
5
10
2
5
1 0
0
1 0 2000 2001 2002 2003 2004 2005 2006 2007 2008 Laju Inflasi
0
Money Growth
0
-1 2000 2001 2002 2003 2004 2005 2006 2007 2008 Laju Inflasi
Money Growth
-5
17
Lampiran 3 Grafik pergerakan laju inflasi dan money growth negara anggota ASEAN (lanjutan) Thailand
Viet Nam
6
35
25
5
30
20
25
4
50 45 40 35
15
30
20 3
10
25
15 2
10
1
5
0 2000 2001 2002 2003 2004 2005 2006 2007 2008
0
Laju Inflasi
20 5
15 10
0
5 -5 2000 2001 2002 2003 2004 2005 2006 2007 2008
Money Growth
Laju Inflasi
0
Money Growth
Lampiran 4 Grafik pergerakan laju inflasi dan laju pertumbuhan ekonomi negara anggota ASEAN Brunei Darussalam 3 2
Indonesia 5
18
4.5
16
4
14
3.5
1
3 0
2.5 2
-1
1.5
-2 -3 2000 2001 2002 2003 2004 2005 2006 2007 2008 Laju Inflasi
7 6 5
12 10
4
8
3
6
2
1
4
0.5
2
0
0 2000 2001 2002 2003 2004 2005 2006 2007 2008
Economics Growth
1
Laju Inflasi
Kamboja
Economics Growth
Laos
7
16
6
14
5
12
4
10
3
8
2
6
1 0
4
-1
2
-2 2000 2001 2002 2003 2004 2005 2006 2007 2008
0
Laju Inflasi
0
Economics Growth
25
9 8
20
7
15
6 5
10
4
5
3 2
0
1
-5 2000 2001 2002 2003 2004 2005 2006 2007 2008 Laju Inflasi
Economics Growth
0
18
Lampiran 4 Grafik pergerakan laju inflasi dan laju pertumbuhan ekonomi negara anggota ASEAN (lanjutan) Malaysia
Singapura
8
10
7
12
6
9
6
10
5
8 6
8
4
7
2
6
4
0
5
3
4
-2
4
2
2
1
0
0
-2
3
-4
2
-6
1
-8 2000 2001 2002 2003 2004 2005 2006 2007 2008
0
Laju Inflasi
-1 2000 2001 2002 2003 2004 2005 2006 2007 2008
Economics Growth
Laju Inflasi
Myanmar
Economics Growth
Thailand
60
16
50
14
6
8 7
5
12
40
10
30
8 20
6
10
6 4
5
3
4 3
2
4
0
2
-10 2000 2001 2002 2003 2004 2005 2006 2007 2008 Laju Inflasi
0
2 1
1
0 2000 2001 2002 2003 2004 2005 2006 2007 2008
Economics Growth
Laju Inflasi
Filipina
0
Economics Growth
Viet Nam
10
8
9
7
8
25
9 8
20
7
6
7 6
5
5
4
4
3
3
15
6 5
10
4
5
3
2
2 1
1
0 2000 2001 2002 2003 2004 2005 2006 2007 2008
0
Laju Inflasi
-4
Economics Growth
2
0
1
-5 2000 2001 2002 2003 2004 2005 2006 2007 2008 Laju Inflasi
Economics Growth
0
19
Lampiran 5 Matriks korelasi antar peubah laju inflasi (Y), IHK (X1), money growth (X2), dan economics growth (X3) Negara Brunei Darussalam
Kamboja
Indonesia
Laos
Malaysia
Myanmar
Filipina
Singapura
Thailand
Viet Nam
Peubah
Y
X1
X2
X3
Y
1
0.758
0.54
-0.63
X1
0.758
1
0.512
-0.491
X2
0.54
0.512
1
-0.53
X3
-0.63
-0.491
-0.53
1
Y
1
0.785
0.14
0.118
X1
0.785
1
-0.119
-0.082
X2
0.14
-0.119
1
0.132
X3
0.118
-0.082
0.132
1
Y
1
0.257
-0.016
-0.013
X1
0.257
1
0.448
0.692
X2
-0.016
0.448
1
0.622
X3
-0.013
0.692
0.622
1
Y
1
0.157
0.243
-0.558
X1
0.157
1
-0.735
0.009
X2
0.243
-0.735
1
-0.283
X3
-0.558
0.009
-0.283
1
Y
1
0.688
0.249
-0.024
X1
0.688
1
0.619
-0.032
X2
0.249
0.619
1
0.361
X3
-0.024
-0.032
0.361
1
Y
1
0.182
-0.328
-0.429
X1
0.182
1
-0.389
-0.642
X2
-0.328
-0.389
1
0.607
X3
-0.429
-0.642
0.607
1
Y
1
0.482
0.508
-0.297
X1
0.482
1
0.77
0.234
X2
0.508
0.77
1
0.1
X3
-0.297
0.234
0.1
1
Y
1
0.913
0.363
-0.189
X1
0.913
1
0.59
-0.121
X2
0.363
0.59
1
0.034
X3
-0.189
-0.121
0.034
1
Y
1
0.796
-0.057
-0.273
X1
0.796
1
-0.081
-0.279
X2
-0.057
-0.081
1
0.547
X3
-0.273
-0.279
0.547
1
Y
1
0.457
-0.475
-0.081
X1
0.457
1
-0.218
0.306
X2
-0.475
-0.218
1
0.666
X3
-0.081
0.306
0.666
1
20
Lampiran 6 Hasil uji Kausalitas Granger PEUBAH IHK (X1) DAN LAJU INFLASI (Y) Lags: 2 Hipotesis Nol X1 tidak mempengaruhi Y
Obs
F-Statistik
Nilai-p
70
13.6108
1.00E-05
21.8776
5.00E-08
Obs
F-Statistik
Nilai-p
50
6.00314
0.0007
1.61728
0.1882
Y tidak mempengaruhi X1 Lags: 4 Hipotesis Nol X1 tidak mempengaruhi Y X1 tidak mempengaruhi Y
PEUBAH MONEY GROWTH (X2) DAN LAJU INFLASI (Y) Lags: 2 Hipotesis Nol X2 tidak mempengaruhi Y
Obs
F-Statistik
70
8.58706
0.0005
2.79288
0.0686
Y tidak mempengaruhi X2
Nilai-p
Lags: 4 Hipotesis Nol X2 tidak mempengaruhi Y
Obs
F-Statistik
50
2.85620
0.0354
0.38329
0.8193
Y tidak mempengaruhi X2
Nilai-p
PEUBAH ECONOMICS GROWTH (X3) DAN LAJU INFLASI (Y) Lags: 2 Hipotesis Nol X3 tidak mempengaruhi Y
Obs
F-Statistik
70
3.38560
0.0399
0.48473
0.6181
Y tidak mempengaruhi X3
Nilai-p
Lags: 4 Hipotesis Nol X3 tidak mempengaruhi Y Y tidak mempengaruhi X3
Obs
F-Statistik
Nilai-p
50
0.57037
0.6856
0.29326
0.8807
21
Lampiran 7 Hasil pendugaan pooled least square Dependent Variable: Y Sample: 2000 2008 Periods included: 9 Cross-sections included: 10 Total panel (balanced) observations: 90 Variable
Coefficient
Std. Error
t-Statistic
C X1 X2 X3
-0.570093 0.040064 0.103408 -0.114949
2.013544 0.006293 0.066341 0.311250
-0.283129 6.366037 1.558737 -0.369313
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.371422 0.349495 7.390546 4697.334 -305.6768 16.93891 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
p-value 0.7778 0.0000 0.1227 0.7128 6.408889 9.163283 6.881707 6.992809 6.926510 1.170001
Lampiran 8 Hasil pendugaan fixed effect Dependent Variable: Y Sample: 2000 2008 Periods included: 9 Cross-sections included: 10 Total panel (balanced) observations: 90 Variable
Coefficient
Std. Error
t-Statistic
C X1 X2 X3
8.163441 0.010964 -0.025774 -0.508520
3.089272 0.009820 0.074140 0.345473
2.642513 1.116489 -0.347641 -1.471953
p-value 0.0100 0.2677 0.7291 0.1451
Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.527225 0.453546 6.773729 3533.023 -292.8589 7.155691 0.000000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
6.408889 9.163283 6.796865 7.157949 6.942475 1.451008
22
Lampiran 9 Hasil uji Chow
Effects Test
Statistic
Cross-section F
2.819493
d.f.
p-value
(9,77)
0.0064
Lampiran 10 Hasil pendugaan random effect model Dependent Variable: Y Sample: 2000 2008 Periods included: 9 Cross-sections included: 10 Total panel (balanced) observations: 90 Variable
Coefficient
Std. Error
t-Statistic
C X1 X2 X3
0.640030 0.035656 0.082739 -0.152081
2.173599 0.006627 0.064017 0.300991
0.294456 5.380130 1.292456 -0.505266
p-value 0.7691 0.0000 0.1997 0.6147
Effects Specification S.D. Cross-section random Idiosyncratic random
Rho
1.881227 6.773729
0.0716 0.9284
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.261613 0.235855 7.150526 10.15670 0.000009
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
4.923835 8.179941 4397.181 1.226198
Unweighted Statistics R-squared Sum squared resid
0.365438 4742.051
Mean dependent var Durbin-Watson stat
6.408889 1.137022
Lampiran 11 Hasil uji Hausman Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
p-value
12.833794
3
0.0050
23
Lampiran 12 Hasil pendugaan fixed effect dengan pembobotan (cross section weight) dan white heteroscedasticity Dependent Variable: Y Sample: 2000 2008 Periods included: 9 Cross-sections included: 10 Total panel (balanced) observations: 90 Variable
Coefficient
Std. Error
t-Statistic
C X1 X2 X3
-0.227800 0.048897 0.034201 -0.203591
2.015799 0.013728 0.014533 0.145226
-0.113007 3.561824 2.353435 -1.401887
p-value 0.9103 0.0006 0.0212 0.1650
Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.636947 0.580368 6.087909 11.25753 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
8.563650 7.868763 2853.823 1.707618
Unweighted Statistics R-squared Sum squared resid
0.434948 4222.608
Mean dependent var Durbin-Watson stat
6.408889 1.228372
