ANALISIS FENOMENA TWIN DEFICIT PADA NEGARA-NEGARA ASEAN

ANALISIS FENOMENA TWIN DEFICIT PADA NEGARA-NEGARA ASEAN

OLEH MARISSA MALAHAYATI H14070052

DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2011

RINGKASAN MARISSA MALAHAYATI. Analisis Fenomena Twin Deficit pada NegaraNegara ASEAN (dibimbing oleh LUKYTAWATI ANGGRAENI) Pemerintah suatu negara seringkali menghadapi masalah defisit, baik defisit fiskal maupun defisit transaksi berjalan (current account deficit). Defisit fiskal seringkali terjadi saat pemerintah meningkatkan pelayanan publik kepada rakyatnya atau untuk meningkatkan pembangunan perekonomian sehingga pemerintah dapat bertindak dengan cara meningkatkan pengeluaran pemerintah (government expenditure) atau` menurunkan tingkat pajak (taxes). Defisit perdagangan (current account deficit) terjadi apabila penerimaan pemerintah dari ekspor lebih kecil dibandingkan pengeluaran pemerintah untuk impor, hal ini seringkali terjadi apabila produk domestik kurang memiliki daya saing dibandingkan produk lain di pasar internasional atau karena kurs domestik yang terapresiasi sehingga menurunkan daya saing produk domestik di pasar internasional (Fleegler, 2006). Beberapa penelitian menyatakan bahwa defisit fiskal dan defisit neraca perdagangan saling berkaitan satu sama lain, keterkaitan antara kedua defisit ini dikenal sebagai twin deficit atau defisit kembar. Secara teoritis, bila terjadi kebijakan fiskal yang ekspansioner (terjadi defisit fiskal) maka nilai tukar riil mata uang domestik akan terapresiasi sehingga daya saing perdagangan akan menurun dan memperburuk defisit neraca perdagangan (current account deficit) (Salvatore, 2007). Penelitian ini menganalisis hubungan antara anggaran pemerintah dan transaksi berjalan (current account) pada beberapa negara ASEAN serta hubungan antara nilai tukar terhadap anggaran pemerintah dan transaksi berjalan . Pada penelitian ini, diambil sampel beberapa negara ASEAN yang berpendapatan tinggi (high income country) yaitu Brunei dan Singapura, berpendapatan menengah (middle income country) yaitu Indonesia dan Malaysia serta berpendapatan rendah (low income country) yaitu Laos dan Myanmar. Dengan menggunakan data-data current account, anggaran pemerintah, dan nilai tukar dari seluruh negara ASEAN. Penelitian ini menggunakan metode VAR/VECM yang dianalisis dengan uji Granger Causality untuk mengetahui hubungan antara satu variabel dengan variabel lainnya serta analisis VAR/VECM dengan menggunakan analisis Impulse Response Function (IRF) dan Forecast Error Variance Decomposisition (FEVD) untuk mengkonfirmasi hasil uji kausalitas Granger. Berdasarkan penelitian yang telah dilakukan maka dapat disimpulkan bahwa Twin Deficit tidak terjadi pada negara high income (Brunei dan Singapura), middle income (Malaysia) dan Low Income (Laos, Myanmar, dan Kamboja). Pada Brunei, Singapura, dan Malaysia twin deficit tidak terjadi dikarenakan negara tersebut dapat menutupi defisit mereka dengan menggunakan surplus yang didapat pada periode-periode sebelumnya. Sedangkan pada negara low income tidak terjadinya twin deficit adalah dikarenakan kebijakan fiskal yang ada tidak cukup mampu mempengaruhi variabel makroekonomi yang ada. Selain itu, negara-negara yang tidak mengalami twin deficit cenderung merupakan negara yang menggunakan rezim nilai tukar fixed exchange rate. Sedangkan hubungan twin deficit dengan pola hubungan defisit anggaran pemerintah menyebabkan defisit current account terjadi di negara Indonesia, Filipina, Thailand, dan

Kamboja. Hubungan anggaran pemerintah mempengaruhi nilai tukar terjadi pada Vietnam, current account mempengaruhi nilai tukar pada Laos dan Vienam, nilai tukar mempengaruhi anggaran pemerintah pada Malaysia, Thailand, Laos, dan Vietnam, serta nilai tukar mempengaruhi current account pada negara Malaysia dan Thailand. Pada negara middle income yang mengalami twin deficit, diperlukan sinkronisasi antara kebijakan fiskal dan moneter, sedangkan pada negara low income stabilitas kondisi sosial politik dalam negeri juga diperlukan untuk mewujudkan stabilitas perekonomian. Pada negara high income, walaupun tidak mengalami twin deficit, diversifikasi ekonomi perlu dilakukan agar negara-negara ini tidak terlalalu bergantung kepada perdagangan internasional karena berdasarkan penelitian ini pada negara high income, current account member pengaruh yang besar kepada anggaran pemerintah.

Twin Deficit Phenomenon Analysis in ASEAN Countries Abstract This paper examines the twin deficits hypothesis in ASEAN Countries. All ASEAN countries in this paper are classified into three categories based on World Bank criteria: 1) High Income Countries (Brunei Darussalam and Singapore), 2) Middle Income Countries (Indonesia, Malaysia, Philippine, and Thailand), and 3) Low Income Countries (Cambodia, Lao, Myanmar, and Vietnam). The analysis is based on VAR/VECM method. The major findings of this paper are: 1) Twin deficit relationships are detected in Indonesia, Philippine, Thailand, and Cambodia with budget deficit cause current account deficit, 2) There are no twin deficit in high income countries but there is a strong indication indicate current account influence government budget in these two countries. In Malaysia there is no twin deficit because of good synchronization between fiscal & monetary policy. In Low Income Countries such as Lao, Myanmar, and Vietnam, twin deficit non happen because unstable social political condition and weak fiscal policy, 3) causality exist from exchange rate to government budget and current account in Malaysia and Thailand, 4). In Vietnam, exchange rate is depend on current account and government budget, but in Lao exchange rate only depend on current account. Keyword: ASEAN, current account, government budget, exchange rate, VAR/VECM

ANALISIS FENOMENA TWIN DEFICIT PADA NEGARA-NEGARA ASEAN

OLEH: MARISSA MALAHAYATI H14070052

Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi

DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2011

Judul Skripsi

:

Nama NIM

: :

Analisis Fenomena Twin Deficit pada NegaraNegara ASEAN Marissa Malahayati H14070052

Menyetujui, Dosen Pembimbing

Dr.Lukytawati Anggraeni, M.Si NIP. 19771213 200501 2 002

Mengetahui, Ketua Departemen Ilmu Ekonomi

Dr. Ir. Dedi Budiman Hakim, M. Ec NIP. 19641022 198903 1 003

Tanggal Kelulusan

:

PERNYATAAN DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI ADALAH BENAR-BENAR HASIL KARYA SAYA SENDIRI YANG BELUM PERNAH DIGUNAKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.

Bogor,

Juli 2011

Marissa Malahayati H14070052

RIWAYAT HIDUP

Penulis bernama lengkap Marissa Malahayati. Lahir pada tanggal 31 Maret 1990 di Jakarta. Penulis merupakan anak pertama dari dua bersaudara dari pasangan bapak Ir. Abdul Rozaq (Alm) dan ibu Ir. Andira Munir. Penulis mengawali pendidikan di SD Negeri 1 Leuwiliang, Bogor pada tahun 1995 sampai tahun 2001 lalu melanjutkan ke jenjang pendidikan SMP di SMP Negeri 1 Bogor, pada tahun 2001 sampai tahun 2004. Kemudian pada tahun 2004 sampai tahun 2007 penulis meneruskan pendidikan di SMAN 1 Bogor. Pada tahun 2007 penulis melanjutkan studinya di Institut Pertanian Bogor (IPB) dengan jurusan Ilmu Ekonomi dan Studi Pembangunan melalui jalur Undangan Seleksi Masuk IPB (USMI). Selama kuliah penulis memperoleh beberapa prestasi. Salah satu prestasi akademis yang pernah diraih adalah menjadi peringkat 1 Mahasiswa Berprestasi Fakultas Ekonomi dan Manajemen tahun 2010. Penulis juga merupakan Asisten Praktikum Ekonomi Umum, Makroekonomi 1, dan Mikroekonomi 1. Selama menyelesaikan akademiknya, penulis mengikuti berbagai kepanitiaan dan aktif di organisasi. Organisasi yang pernah diikutinya antara lain, Koran Kampus IPB sebagai web designer dan layouter pada tahun 2008 dan 2009, Badan Eksekutif Mahasiswa Fakultas Ekonomi dan Manajemen (BEM FEM) kabinet Sahabat Ksatria tahun 2009 menjabat sebagai Sekertaris Departemen Ekonomi dan Badan Eksekutif Mahasiswa Keluarga Mahasiswa IPB (BEM KM IPB) pada tahun 2010 sebagai staff Kementerian Pendidikan.

i

KATA PENGANTAR Puji syukur mari kita panjatkan Kehadirat Allah SWT karena telah melimpahkan segala

rahmat dan hidayah-Nya,

sehingga

penulis dapat

menyelesaikan skripsi yang berjudul “Analisis Fenomena Twin Deficit pada Negara-Negara ASEAN”. Skripsi ini merupakan salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ekonomi dan Manajemen, Institut Pertanian Bogor. Penulisan skripsi ini bertujuan untuk mengenai keberadaan twin deficit di kawasan Asia Tenggara serta faktor-faktor apa yang menyebabkannya. Pada kesempatan ini, penulis ingin menyampaikan terimakasih yang tidak terhingga kepada : 1.

Mama tersayang, Ir Andira Munir dan Ayah, Ir Abdul Rozaq (alm.) dan adikku Muflih Rizqi Prakoso, atas seluruh dukungan dan doa yang senantiasa diberikan kepada penulis. Serta keluarga besar atas segala bantuan yang telah diberikan selama penulis melakukan studinya.

2.

Dr. Lukytawati, M.Si, selaku dosen pembimbing skripsi. Terimakasih atas waktu dan bimbingan yang telah diluangkan serta dukungan kepada penulis untuk menyelesaikan skripsi serta atas segala saran dan kritik mengenai penulisan karya tulis yang baik.

3.

Bapak Alla Asmara M.Si selaku dosen penguji utama dan Bapak Irfan Syauqi Beik, Ph.D selaku dosen penguji dari komisi pendidikan yang telah memberikan banyak saran dan masukan yang sangat bermanfaat dalam penyempurnaan tulisan ini.

4.

Segenap dosen di Departemen Ilmu Ekonomi FEM IPB atas segala ilmu yang telah diberikan kepada penulis selama ini.

5.

Segenap Tata Usaha Departemen Ilmu Ekonomi yang membantu segala proses administrasi.

6.

Teman-teman satu bimbingan, Gustyanita Pratiwi, Fitria Panduwinata, dan Dame Siregar.

7.

Sahabat-sahabat penulis, Solihin, Sri Retno Wahyu N, dan Fanny Aprilta, dan seluruh teman-teman Ilmu Ekonomi 44 lainnya atas segala dukungan yang telah diberikan.

ii

Besar harapan penulis, Skripsi ini dapat bermanfaat bagi pembacanya terutama untuk penelitian-penelitian mengenai twin deficit selanjutnya.

Bogor,

Juli 2011

Marissa Malahayati H14070052

iii

DAFTAR ISI Halaman KATA PENGANTAR ....................................................................................... i DAFTAR ISI ................................................................................................... iii DAFTAR TABEL ........................................................................................... vi DAFTAR GAMBAR ...................................................................................... vii DAFTAR LAMPIRAN .................................................................................... ix I.

PENDAHULUAN .................................................................................. 1 1.1. Latar Belakang ............................................................................... 1 1.2. Perumusan Masalah ....................................................................... 4 1.3. Tujuan Penelitian ........................................................................... 4 1.4. Ruang Lingkup Penelitian .............................................................. 5

II.

TINJAUAN PUSTAKA ......................................................................... 6 2.1. Pendapatan Nasional ...................................................................... 6 2.2. Current Account dan Current Account Deficit ................................ 9 2.3. Anggaran Pemerintah dan defisit Anggaran Pemerintah ............... 10 2.4. Hubungan current account deficit dan defisit Anggaran Pemerintah ................................................................................... 12 2.5. Hubungan Antara Nilai Tukar Terhadap Anggaran Pemerintah dan Transaksi Berjalan............................................... 14 2.6. Penelitian Terdahulu .................................................................... 15 2.6.1. Twin Deficit di Negara Maju ................................... 15 2.6.2. Twin Deficit di Negara Berkembang ....................... 16 2.7. Kerangka Pemikiran ..................................................................... 19

III.

METODOLOGI PENELITIAN ............................................................ 21 3.1. Jenis dan Sumber Data ................................................................. 21 3.2. Metode Analisis ........................................................................... 23 3.2.1. Vector Autoregressive (VAR) ........................................... 24 3.2.2. Vector Error Correction Model (VECM).......................... 27 3.2.3. Pengujian Praestimasi ....................................................... 27 3.2.3.1. Uji Stasioneritas ......................................... 27 3.2.3.2. Pemilihan Panjang Lag Optimal ................. 28 3.2.3.3. Uji Kointegrasi...........................................29

iv

3.2.3.4. Analisis VAR/VECM ................................30 3.2.3.4.1. Uji Kausalitas ............................30 3.2.3.4.2. Impuls Response Funtion (IRF) ........................................30 3.2.3.4.3. Variance Decomposisition .........31 IV.

GAMBARAN UMUM ANGGARAN PEMERINTAH, CURRENT ACCOUNT, DAN NILAI TUKAR NEGARA-NEGARA ASEAN .......32 4.1. Gambaran Umum Anggaran Pemerintah (Government Budget) di Negara-Negara ASEAN ...........................................................32 4.2. Gambaran Umum Transaksi Berjalan (Current Account) di Negara-Negara ASEAN ...............................................................36 4.3. Gambaran Umum Nilai Tukar (Exchange Rate) di Negara-Negara ASEAN ............................................................... 39

V.

HASIL DAN PEMBAHASAN ............................................................. 42 5.1. Uji Kestasioneritasan Data ........................................................... 42 5.2. Uji Kointegrasi Johansen ............................................................. 43 5.3. Penetapan Lag Optimal ................................................................ 44 5.4. Hasil Uji Kausalitas ..................................................................... 45 5.5. Simulasi Impulse Response Function (IRF) ................................. 50 5.5.1. Analisis Impulse Response Function (IRF) Guncangan Anggaran Pemerintah (BD) terhadap Current Account (CA) dan nilai tukar (ER) ....................................................... 50 5.5.2. Analisis Impulse Response Function (IRF) Guncangan Current Account (CA) terhadap Anggaran Pemerintah (BD) dan nilai tukar (ER) ..... 56 5.5.3. Analisis Impulse Response Function (IRF) Guncangan Nilai Tukar (ER) terhadap current account (CA) dan Anggaran Pemerintah (BD) .................................................... 61 5.6. Hasil Simulasi Forecast Error Variance Decomposisition ............ 64 5.6.1. Hasil Simulasi Forecast Error Variance Decomposisition pada Variabel Anggaran Pemerintah ............................................ 65 5.6.2. Hasil Simulasi Forecast Error Variance Decomposisition Current Account .......................... 66 5.6.3. Hasil Simulasi Forecast Error Variance Decomposisition Variabel Nilai Tukar .................... 67

v

5.7. Twin Deficit di Kawasan ASEAN ........................................... 68 5.8.Hubungan Nilai Tukar (ER) terhadap Anggaran Pemerintah (BD) dan Current Account (CA) ............................ 74 VI.

KESIMPULAN DAN SARAN ............................................................. 78 6.1. Kesimpulan .................................................................................. 78 6.2. Saran ............................................................................................ 79

DAFTAR PUSTAKA ..................................................................................... 81 LAMPIRAN ................................................................................................... 86

vi

DAFTAR TABEL Nomor Halaman 1.1.Kondisi Current account pada Negara-Negara Anggota ASEAN Periode tahun 2005-2010 ............................................................................2 1.2.Kondisi Government Budget pada Negara-Negara Anggota ASEAN Periode tahun 2005-2010...........................................................................3 3.1. Daftar Variabel yang Digunakan dalam Penelitian...................................22 4.1. Rezim Nilai Tukar yang digunakan Negara-Negara ASEAN ................... 40 5.1. Hasil Uji Stasioneritas ............................................................................. 42 5.2 Hasil Uji Kointegrasi................................................................................ 44 5.3. Model VAR yang terbentuk ....................................................................44 5.4. Hasil Uji Bivariate Granger Causality .................................................... 45 5.5. Hasil Uji Granger Causality/ Block Exogeneity Wald Test ...................... 47 5.6. Ringkasan Hasil Uji Kausalitas ............................................................... 49 5.7. Hasil FEVD dari BD ............................................................................... 65 5.8. Ringkasan Hasil FEVD dari CA .............................................................. 66 5.9. Ringkasan Hasil FEVD dari ER .............................................................. 68 5.10. Ringkasan Hubungan Twin Deficit ........................................................ 69

vii

DAFTAR GAMBAR Nomor

Halaman

2.1 Kurva Investasi ........................................................................................... 8 2.2 Hubungan antara Tingkat Inflasi dengan Penerimaan Pemerintah .............. 10 2.3.Kerangka Pemikiran .................................................................................. 20 3.1 Tahapan Analisis VAR/VECM. ................................................................ 24 4.1 Pertumbuhan Anggaran Pemerintah pada ASEAN High Income Countries periode 1991-2010 .................................................................... 32 4.2 Pertumbuhan Anggaran Pemerintah pada ASEAN Middle Income Countries periode 1991-2010 .................................................................... 34 4.3 Pertumbuhan Anggaran Pemerintah pada ASEAN Low Income Countries periode 1991-2010 .................................................................... 35 4.4 Pertumbuhan Current Account pada ASEAN High Income .......................... Countries periode 1991-2010 .................................................................... 36 4.5 Pertumbuhan Current Account pada ASEAN Middle Income Countries periode 1991-2010 .................................................................... 37 4.6. Pertumbuhan Current Account pada ASEAN Low Income Countries periode 1991-2010 .................................................................... 38 5.1. Respon CA dan ER terhadap Guncangan BD Pada ASEAN High Income Countries ...................................................................................... 51 5.2 Respon CA dan ER terhadap Guncangan BD Pada ASEAN Middle Income Countries ...................................................................................... 52 5.3 Respon CA dan ER terhadap Guncangan BD Pada ASEAN Low Income Countries ...................................................................................... 55 5.4 Respon BD dan ER terhadap Guncangan CA Pada ASEAN High Income Countries ..................................................................................... 57 5.5 Respon BD dan ER terhadap Guncangan CA Pada ASEAN Middle Income Countries ...................................................................................... 58 5.6 Tingkat Suku Bunga Pada Negara-Negara Middle Income di ASEAN..................................................................................................... 59 5.7 Respon BD dan ER terhadap Guncangan CA Pada ASEAN Low

viii

Income Countries ...................................................................................... 61 5.8 Respon BD dan CA terhadap Guncangan ER Pada ASEAN High Income Countries..................................................................................... 62 5.9 . Respon BD dan CA terhadap Guncangan ER Pada ASEAN Middle Income Countries.................................................................................... 63 5.10 Respon BD dan CA terhadap Guncangan ER Pada ASEAN Low Income Countries.................................................................................... 64 5.11 Pengeluaran Operasional Pemerintah Singapura periode tahun 2009-2010 .............................................................................................. 71

ix

DAFTAR LAMPIRAN Nomor

Halaman

1.

Penelitian Terdahulu .............................................................................. 87

2.

Uji Lag Optimum ................................................................................... 89

3.

Uji Stabilitas VAR ................................................................................. 94

4.

Uji Kointegrasi ....................................................................................... 97

5.

Hasil Simulasi FEVD ........................................................................... 109

6.

Perbandingan Pertumbuhan GDP dan Suku Bunga pada Negara-Negara Middle Income di ASEAN ........................................... 140

7.

Perbandingan Pertumbuhan GDP dan Konsumsi pada Negara-Negara Low Income di ASEA .................................................. 140

I.

PENDAHULUAN

1.1. Latar Belakang Masalah Pemerintah suatu negara seringkali menghadapi masalah defisit, baik defisit fiskal maupun defisit transaksi berjalan (current account deficit). Defisit fiskal seringkali terjadi saat pemerintah meningkatkan pelayanan publik kepada rakyatnya atau untuk meningkatkan pembangunan perekonomian sehingga pemerintah dapat bertindak dengan cara meningkatkan pengeluaran pemerintah (government expenditure) atau menurunkan tingkat pajak (taxes). Defisit perdagangan (current account deficit) terjadi apabila penerimaan pemerintah dari ekspor lebih kecil dibandingkan pengeluaran pemerintah untuk impor, hal ini seringkali terjadi apabila produk domestik kurang memiliki daya saing dibandingkan produk lain di pasar internasional atau karena kurs domestik yang terapresiasi sehingga menurunkan daya saing produk domestik di pasar internasional (Fleegler, 2006). Defisit fiskal dan defisit neraca perdagangan (current account deficit) dianggap dapat mengganggu kestabilan kondisi perekonomian suatu negara dalam jangka panjang (Edwards, 2001). Beberapa penelitian menyatakan bahwa defisit fiskal dan defisit neraca perdagangan saling berkaitan satu sama lain, keterkaitan antara kedua defisit ini dikenal sebagai twin deficit atau defisit kembar. Secara teoritis, bila terjadi kebijakan fiskal yang ekspansioner (terjadi defisit fiskal) maka nilai tukar riil mata uang domestik akan terapresiasi sehingga daya saing perdagangan akan menurun dan memperburuk defisit neraca perdagangan (current account deficit) (Salvatore, 2007). Hubungan antara defisit anggaran pemerintah dan transaksi berjalan belum dapat dipastikan secara pasti, penelitian mengenai twin deficit terus dilakukan untuk melakukan prediksi yang lebih baik mengenai dampak suatu defisit terhadap defisit lainnya sehingga mudah untuk menentukan kebijakan selanjutnya (Vyshnyak, 2000).

Oleh karena itu, pola hubungan antara defisit anggaran

pemerintah dan defisit transaksi berjalan berbeda-beda antara suatu negara dengan negara lainnya walau berada dalam satu regional wilayah yang sama, hal ini dipengaruhi

oleh

kondisi

perekonomian

negara

yang

bersangkutan.

2

Tabel 1.1.Kondisi Current account pada Negara-Negara Anggota ASEAN Periode tahun 2005-2010 *) Negara 2005 2006 2007 2008 2009 2010 Brunei Darussalam 52,73 56,43 51,07 54,34 40,23 42,79 Filipina -3,82 -0.645 -2,45 -6,21 -5,16 -4,33 Laos 0.097 2,98 2,43 0.025 2,58 0.891 Indonesia -18,05 -11,16 -15,89 -18,53 -17,57 -10,21 Kamboja 15,00 16,44 15,92 17,48 16,50 11,82 Malaysia 0.444 1,03 0.112 -0.694 -0.454 -0.856 Myanmar 2,01 4,55 4,94 2,18 5,81 4,49 Singapura 21,11 24,82 27,34 14,58 19,04 22,21 Thailand -4,33 11,18 6,35 0.791 8,29 4,64 Vietnam -1,06 -0.269 -9,83 -11,95 -6,56 -3,79 Sumber: IMF (2011) Ket: *) Sebagai persentase dari GDP Tabel 1.1 menggambarkan kondisi current account pada negara-negara ASEAN. Kondisi current account dari setiap negara berbeda-beda, bergantung kepada kebijakan yang diambil oleh negara yang bersangkutan. Sebagai contoh, saat terjadi krisis suprime mortgage di Amerika pada tahun 2007, current account negara-negara ASEAN cenderung mengalami penurunan. Hal ini dikarenakan pada periode tahun tersebut daya beli internasional mengalami penurunan, sehingga penerimaan dari ekspor bagi negara-negara ASEAN yang banyak bermitra dagang dengan Amerika dan Eropa mengalami penurunan current account.

3

Tabel 1.2. Kondisi Government Budget pada Negara-Negara Anggota ASEAN Periode tahun 2005-2010 *) Negara 2005 2006 2007 2008 2009 2010 Brunei Darussalam 21,1 21,5 21,9 27,9 3,93 8,02 Filipina -0,7 -0,2 -0,5 -0,1 -3,35 -1,48 Laos -0,5 -0,9 -1,3 -0,1 -2,3 -0,59 Indonesia -4,5 -3,1 -2,6 -2,2 -3,3 -3,99 Kamboja -3,6 -3,3 -3,2 -4,8 -7,0 -5,06 Malaysia -3,3 -4,3 -3,8 -3,4 -3,7 -4,44 Myanmar -2,7 -1,1 -0,2 -0,9 -3,9 -3,67 Singapura 6,5 6,3 11,4 7,6 1,7 5,25 Thailand 0,1 -0,3 -1,3 -0,6 -4,1 -2,69 Vietnam -1,1 1,3 -1,0 -1,9 -7,7 -6,41 Sumber: IMF (2011) *) Sebagai persentase dari GDP

Tabel 1.2 menggambarkan kondisi defisit/surplus anggaran pemerintah untuk negara-negara ASEAN. Selama periode tahun 2005-2010 mayoritas negaranegara di ASEAN mengalami defisit anggaran pemerintah. Hanya Brunei Darussalam dan Singapura yang cenderung tidak mengalami defisit selama periode tersebut. Brunei yang perekonomiannya ditopang oleh penjualan minyak bumi terus mengalami surplus walaupun mulai pada tahun 2009 surplus anggaran mulai menurun dikarenakan terjadi penurunan harga minyak dunia pada tahun tersebut 1 . Selain itu, pertumbuhan anggaran pemerintah Singapura mengalami penurunan pada tahun 2009 karena banyak mengeluarkan stimulus fiskal untuk meningkatkan investasi di negaranya, pemerintah singapura berhasil memperbaiki kebijakan fiskalnya sehingga negara ini kembali mengalami surplus pada tahun 20102.

1

Berdasarkan artikel berjudul Penurunan Harga Minyak 2009 "Tergerus" Konsumsi Tinggi BBM dari http://www.antaranews.com/view/?i=1218527015&c=EKB&s= [12 Agustus 2008] 2 Berdasarkan artikel Budget 2010: Singapore sets smaller budget deficit dari http://www.asiaone.com/Business/News/My+Money/Story/A1Story20100222-200250.html [22 Februari 2010]

4

1.2. Rumusan Masalah Terdapat empat kemungkinan pola hubungan antara defisit transaksi berjalan dan defisit anggaran pemerintah, yaitu: 1) Defisit transaksi berjalan (current account deficit) menyebabkan terjadinya defisit anggaran pemerintah (budget deficit), 2) Defisit anggaran pemerintah (budget deficit) menyebabkan terjadinya defisit transaksi berjalan (current account deficit), 3) Terdapat hubungan dua arah antara kedua defisit tersebut, atau 4) tidak terdapat hubungan antara kedua defisit tersebut. Beberapa kajian mengenai twin deficit menemukan hasil yang berbeda terkait hubungan antara

defisit fiskal dan defisit current account. Hal ini

bergantung kepada periode waktu yang diambil untuk penelitian serta variabelvariabel yang digunakan. Terkait kasus twin deficit di kawasan ASEAN, belum terdapat kajian yang mendalam dan mencakup seluruh negara di Asia Tenggara. Oleh karena itulah, pada penelitian kali ini,penulis melakukan kajian mengenai fenomena twin deficit di seluruh negara di Asia Tenggara yang tergabung dalam ASEAN. Berdasarkan penjelasan di atas, maka permasalahan yang akan di bahas dalam penelitian ini adalah: 1. Bagaimana dinamika pola defisit anggaran pemerintah dan defisit transaksi berjalan pada negara-negara anggota ASEAN? 2. Bagaimana dampak defisit anggaran pemerintah terhadap transaksi berjalan, dan nilai tukar di negara-negara ASEAN?

1.3. Tujuan Penelitian Berdasarkan latar belakang dan perumusah masalah, maka tujuan penelitian ini adalah: 1. Mengetahui dinamika pola defisit anggaran pemerintah dan defisit transaksi berjalan pada negara-negara anggota ASEAN. 2. Mengetahui dampak defisit anggaran pemerintah terhadap transaksi berjalan, dan nilai tukar di negara-negara ASEAN.

5

1.4. Ruang Lingkup Penelitian Ruang lingkup penelitian ini dibatasi hanya mengenai fenomena twin deficit untuk sepuluh negara yang menjadi anggota ASEAN yaitu: Brunei Darussalam, Kamboja, Indonesia, Laos, Malaysia, Myanmar, Filipina, Singapura, Thailand, dan Vietnam yang dikelompokkan menjadi tiga kelompok berdasarkan klasifikasi yang dikeluarkan oleh World Bank yaitu: 1. High Income Countries: Brunei Darussaalam dan Singapura 2. Middle Income Countries: Indonesia, Malaysia, Filipina, dan Thailand. 3. Low Income Countries: Kamboja, Laos, Myanmar, dan Vietnam. Selain itu variabel-variabel yang digunakan adalan anggaran pemerintah (BD), current account (CA), dan nilai tukar.

6

II. TINJAUAN PUSTAKA

2.1. Pendapatan Nasional Konsep pendapatan nasional pertama kali diperkenalkan oleh Kuznetz, menurut Lipsey dan Steiner (1995) perhitungan pendapatan nasional dapat dilakukan dengan menggunakan tiga pendekatan, yaitu 1.) Pendekatan Nilai Tambah (Added Value Approach); Pendapatan nasional dihitung dengan cara menjumlah nilai tambah dari setiap proses produksi suatu produk.. 2.) Metode Pendapatan

(Income

Approach);

Pendapatan

penjumlahan dari seluruh penerimaan

nasional

merupakan

hasil

yang diterima pemilik faktor produksi

selama satu periode. Penerimaan tersebut antara lain: sewa (rent), upah (wage), suku bunga (interest), dan keuntungan (profit). 3.) Metode Pengeluaran (Expenditure Approach/ Keynessian Total Expenditure Model); Pendapatan nasional dihitung dengan cara menjumlahkan seluruh pengeluaran yang dilakukan oleh keempat sektor dalam perekonomian yaitu sektor konsumen, sektor perusahaan, sektor pemerintah dan sektor perdagangan luar negeri. Dari ketiga

model pendekatan tersebut, pendekatan pengeluaran

merupakan model yang paling sering dipakai untuk mengukur tingkat pendapatan nasional suatu negara. Hal ini dikarenakan data-data yang terkait dengan pengeluaran lebih mudah dikumpulkan dibandingkan data yang terkait dengan pendapatan serta sulitnya untuk menghitung nilai tambah dari seluruh komoditas yang ada di suatu negara. Berdasarkan model pengeluaran total

Keynessian (Keynessian Total

Expenditure Model) faktor-faktor yang merupakan komponen pendapatan nasional adalah : 1) Konsumsi, 2) Investasi, 3) Belanja Pemerintah (Government Purchase), dan 4) ekspor bersih. Keempat faktor tersebut mempengaruhi permintaan agregat (aggregate demand) dan memiliki dampak untuk tingkat harga dan tingkat pendapatan nasional. Dibawah ini merupakan penjelasan mengenai masing-masing komponen pendapatan nasional berdasarkan Mankiw (2002).

7

a.

Konsumsi Konsumsi adalah seluruh produk, baik barang maupun jasa, yang dibeli

oleh rumah tangga di suatu negara. Konsumsi juga merupakan komponen paling besar yang menentukan pendapatan nasional. Secara matematis, fungsi konsumsi dapat dituliskan sebagai berikut: C= C0+ MPCYd

........................................................ (2.1)

dimana: C= Konsumsi C0= Konsumsi autonomus MPC= Marginal Prospensity to Consume Yd= Disposible Income Disposible Income (Yd) adalah pendapatan yang siap dibelanjakan oleh masyarakat. Secara matematis Disposible Income dapat dituliskan sebagai berikut Yd= Y-Tx+Tr

........................................................ (2.2)

dimana: Yd= Disposible Income Y= Pendapatan Nasional Tx= Tingkat Pajak Tr= Transfer Payment Dengan

menyatukan

C= C0+ MPC(Y-Tx+Tr)

Persamaan

(2.1)

dan

(2.2)

maka

didapatkan :

........................................................ (2.3)

b. Investasi Investasi adalah pengeluaran yang dilakukan oleh perusahaan untuk membeli barang-barang modal untuk menjalankan produksi. Investasi terdiri dari barang-barang yang dibeli untuk kebutuhan di masa yang akan datang. Investasi dibagi menjadi tiga kategori yaitua: business fixed investment, residential fixed investment, dan inventory investment.

Business fixed investment dilakukan

dengan cara membeli pabrik atau peralatan yang dilakukan oleh perusahaan. . Residential investment dilakukan oleh pemilik tanah dengan cara membeli perumahan, sedangkan Inventory investment dilakukan oleh perusahaan dengan cara membeli barang-barang cadangan untuk investasi (Mankiw, 2002).

8

Fungsi investasi berbanding terbalik terhadap tingkat suku bunga riil, hal ini dikarenakan saat suku bunga adalah biaya untuk meminjam, semakin tinggi tingkat suku bunga, maka semakin sedikit proyek investasi yang menguntungkan. Hal ini digambarkan oleh kurva fungsi investasi yang memiliki slope negatif. r

f(I) I

Sumber: Mankiw, 2002 Gambar 2.1. Kurva Investasi

Fungsi investasi merupakan fungsi yang kurang stabil bila dibandingkan dengan fungsi konsumsi (Rohlf, 2010). Ketidakstabilan investasi disebabkan antara lain karena: a. Suku bunga yang senantiasa berubah setiap waktu. b. Ekspektasi bisnis yang cenderung berubah-ubah. c. Keputusan investor untuk menunda melakukan investasi. d. Kesempatan untuk berinvestasi tidak terjadi setiap saat.

c.

Belanja Pemerintah (G) Belanja pemerintah adalah seluruh barang dan jasa yang dibeli oleh

pemerintah pusat maupun daerah. Pengeluaran yang termasuk sebagai belanja pemerintah diantaranya adalah belanja militer dan pembangunan fasilitas publik untuk masyarakat. Transfer Payment (Tr) tidak termasuk kedalam komponen

9

belanja pemerintah dikarenakan Tr hanya mengalokasikan ulang pendapatan dan tidak terdapat pertukan barang dan jasa dalam penyaluran Tr.

d. Ekspor Bersih (NX) Ekspor Bersih

atau neraca perdagangan adalah selisih antara volume

ekspor dan volume impor yang dilakukan oleh suatu negara. Jika nilai expor lebih besar dibandingkan nilai impor, maka dikatakan negara mengalami surplus perdagangan, sebaliknya jika nilai impor lebih besar dibandingkan nilai ekspor maka negara mengalami defisit perdagangan. Keempat komponen di atas membentuk persamaan pengeluaran agregat (AE) sehingga dapat dituliskan sebagai berikut: AE= C+I+G+NX

.................................................... (2.4)

AE=(C0+MPCYd) +I+G+NX

.................................................... (2.5)

AE= (C0+ MPC(Y-Tx+Tr)) + I+ G+ NX.................................................... (2.6) Karena keseimbangan pendapatan nasional dapat tercapai apabila pendapatan nasional sama dengan pengeluaran agregat sehingga dapat dituliskan : Y=AE= C + I + G + NX

.................................................... (2.7)

Sehingga secara ringkas dapat dituliskan sebagai Y= C + I + G + NX

2.2. Current account dan Current Acount Deficit Current account adalah neraca dalam transaksi ekonomi nasional yang mencatat transaksi barang dan jasa, pembayaran bunga hutang, dan pengiriman uang dari suatu negara. Secara matematis, current account dituliskan sebagai berikut: CA = X – M + Net

................................................... (2.8)

Dimana: CA= Current account X= Ekspor M=Impor Net= Pendapatan dan transfer bersih dari luar negeri

10

Untuk menyederhanakan persamaan, pendapatan dan transfer dari luar negeri diasumsikan tidak memiliki pengaruh yang besar terhadap current account . Sehingga persamaan dapat ditulis ulang menjadi: CA= X-M

.................................................. (2.9)

Berdasarkan Persamaan (2.9), current account merupakan selisih antara ekspor dan impor suatu negara. Jika nilai ekspor melebihi nilai impor maka current account dinyatakan mengalami surplus (current account surplus), sebaliknya jika nilai impor melebihi nilai ekspor maka current account dinyatakan mengalami defisit (current account deficit).

2.3 Anggaran Pemerintah dan Defisit Anggaran Pemerintah Anggaran pemerintah (Government Budget) adalah selisih antara penerimaan pemerintah yang berasal dari pajak dengan pengeluaran pemerintah. Jika penerimaan pemerintah lebih besar dibandingkan pengeluarannya maka pemerintah mengalami surplus anggaran (budget surplus), sebaliknya jika pengeluaran pemerintah lebih besar dibandingkan penerimaannya, maka pemerintah mengalami defisit anggaran (budget deficit). Defisit anggaran pemerintah (budget deficit) dapat dibiayai melalui empat sumber, antara lain: 1) Mengambil cadangan mata uang asing , 2) Melalui pinjaman domestik dengan cara menjual surat berharga kepada masyarakat, 2) Melalui pinjaman luar negeri, 3) Melakukan pencetakan uang, atau perpaduan antara ketiga sumber tersebut (Fischer dan Easterly, 1990). Seluruh sumber permbiayaan defisit anggaran pemerintah tersebut memiliki risiko masing-masing. Membiayai defisit anggaran pemerintah melalui pinjaman domestik akan menyebabkan suku bunga riil domestik meningkat sehingga investasi domestik akan turun. Sumber pembiayaan defisit dengan menggunakan cadangan mata uang asing atau melalui sumber pinjaman luar negeri dapat menyebabkan kurs domestik terapresiasi sehingga daya saing produk domestik menurun dan menyebabkan ekspor domestik menurun. Hal ini berakibat pada menurunnya netto expor sehingga berdampak pada menurunnya cadangan mata uang asing di dalam negeri dan pelunasan hutang yang tidak berkesinambungan (unsustainable external indebtedness). Pembiayaan defisit

11

dengan mencetak uang akan mengakibatkan meningkatnya tingkat inflasi. Menurut Kiguel dan Laviatan (1990), dalam jangka pendek pencetakan uang dapat meningkatkan pendapatan pemerintah melalui pajak inflasi (seigniorage), akan tetapi pada jangka panjang inflasi menurunkan pendapatan pemerintah dikarenakan kepercayaan dan permintaan terhadap mata uang domestik akan menurun.

Sumber: Fischer dan Easterly (1990) Gambar 2.2. Hubungan antara Tingkat Inflasi dengan Penerimaan Pemerintah

Gambar 2.1 menjelaskan hubungan antara tingkat inflasi dan penerimaan pemerintah. Tingginya tingkat inflasi yang disebabkan oleh pencetakan uang untuk membiayai defisit anggaran akan menyebabkan defisit pemerintah semakin tinggi pada jangka panjang karena penerimaan pemerintah menurun seiring dengan peningkatan inflasi.

12

2.4. Hubungan Antara Current account Deficit dan Defisit Anggaran Pemerintah Hubungan antara current account dan budget deficit dapat diturunkan dari persamaan pendapatan nasional. Persamaan pendapatan nasional dapat dituliskan sebagai berikut: Y = C + I + G+ (X – M)

........................................................ (2.10)

Dimana: Y= Pendapatan Nasional C= Konsumsi I= Investasi Swasta G= Pengeluaran Pemerintah X= Ekpor M= Impor Selain itu, persamaan lain yang merumuskan pendapatan nasional adalah: Y=C+S+T

........................................................ (2.11)

Dimana : Y= Pendapatan Nasional C= Konsumsi S= Tabungan Swasta Domestik T=Pajak Persamaan

(2.10)

dan

(2.11)

dapat

disusun

kembali

sehingga :

C + I + G+ (X – M) = C+S+T

........................................................ (2.12)

X-M= C+S+T-C-I-G

........................................................ (2.13)

X-M= S+T-I-G

........................................................ (2.14)

X-M= (S-I) + (T-G)

........................................................ (2.15)

Persamaan (2.15) lebih sering disebut sebagai hubungan twin deficit. Persamaan tersebut menyatakan defisit yang terjadi pada current account (X< M) akan diikuti oleh budget deficit pemerintah (T< G). Hubungan twin deficit ini hanya berlaku apabila gap antara investasi sektor swasta dan tabungan (S-I) diasumsikan tetap (Hossain dan Chowdhury,2001).

13

Terdapat empat kemungkinan terkait dengan hubungan defisit anggaran pemerintah dengan defisit current account yaitu:

1. Tidak terdapat hubungan antara defisit anggaran pemerintah dan defisit current account. Sesuai dengan persamaan (2.6), hubungan anggaran pemerintah dan current account dirumuskan sebagai X-M= (S-I) + (T-G). Hubungan twin deficit tidak terjadi apabila saat pemerintah melakukan kebijakan fiskal ekspansif dengan meningkatkan belanja pemerintah (G) sehingga defisit anggaran pemerintah meningkat, masyarakat menyadari bahwa kenaikan G akan mengakibatkan peningkatan pajak (T) di masa yang akan datang sehingga mereka menabung lebih banyak pada masa kini sehingga tidak menyebabkan terjadinya defisit current account (Barro, 1989) atau dengan kata lain Selain itu, twin deficit juga tidak akan terjadi pada negara dengan tingkat tabungan yang yang tinggi. Fenomena Twin deficit juga tidak akan terjadi apabila institusi fiskal di suatu negara tanggap dalam merespon setiap surplus/ defisit fiskal dan membuat kebijakan yang sesuai dengan kondisi neraca fiskal negara mereka masing-masing. Kebijakan fiskal yang tidak responsif akan menyebabkan defisit fiskal mempengaruhi tingkat suku bunga dan akan berdampak pada nilai

tukar.

Perubahan nilai tukar inilah yang rentan menyebabkan defisit neraca perdagangan(Artana, et.al, 2003). Sesuai dengan yang dinyatakan oleh Corsetti dan Müller (2006), suatu negara akan lebih rentan mengalami twin deficit apabila negara tersebut memiliki tingkat keterbukaan (degree of openness) yang tinggi dan terus menerus melakukan kebijakan fiskal ekspansif tanpa menyesuaikan dengan kondisi perekonomian yang ada.

2. Defisit anggaran pemerintah mengakibatkan defisit current account Berdasarkan model Mundell-Fleming, pada rezim nilai tukar fixed exchange

rate,

keberadaan

defisit

anggaran

pemerintah

mengakibatkan

peningkatan pendapatan riil dan tingkat harga dan memperburuk keseimbangan current account. Pada rezim nilai tukar flexible exchange rate, peningkatan pengeluaran pemerintah akan menggeser kurva IS ke kanan atas dan

14

meningkatkan

tingkat

suku

bunga.

Peningkatan

suku

bunga

tersebut

mengakibatkan terjadinya arus modal masuk (capital inflow) dan membuat kurs nominal terapresiasi sehingga membuat daya saing produk domestik di pasar internasional menurun sehingga memperburuk defisit current account (Ardiyanto, 2006).

3. Defisit Current account Menyebabkan Defisit Anggaran Pemerintah Terjadi

pada

negara

yang

bergantung

kepada

perdagangan

Internasionalnya atau tengah melakukan ekspansi pasar sehingga pemerintah negara yang bersangkutan merasa neraca perdagangan sangat penting dan sangat diperlukan suntikan dana dari pemerintah untuk menutupi defisit current account yang dialami oleh negara yang bersangkutan (Chang dan Hsu, 2009).

4. Hubungan Dua Arah (Bidirectional) antara Defisit Current account dan Defisit Anggaran Pemerintah Hubungan terakhir adalah hubungan dua arah antara Defisit Current account dan Defisit Anggaran Pemerintah, sehingga defisit Current account dapat menyebabkan defisit anggaran pemerintah begitu pula sebaliknya.

2.5. Hubungan Antara Nilai Tukar Terhadap Anggaran Pemerintah dan Transaksi Berjalan Anggaran pemerintah dapat memiliki hubungan positif atau negatif dengan Nilai tukar (exchange rate). Pada umumnya hubungan antara nilai tukar dan anggaran pemerintah adalah negatif. Hal ini terjadi apabila pemerintah menjalankan kebijakan fiskal ekspansif dan menyebabkan turunnya anggaran pemerintah sehingga meningkatkan konsumsi lalu meningkatkan pengeluaran agregat. Peningkatan pengeluaran agregat menyebabkan peningkatan suku bunga. Peningkatan suku bunga menyebabkan terjadinya capital inflow dan diikuti oleh terapresiasinya nilai tukar karena terjadi peningkatan permintaan terhadap mata uang domestik (Gulcan dan Bilman, 2005 ). Hubungan positif antara anggaran pemerintah dan nilai tukar juga dapat dijelaskan secara teoritis bahwa jika pemerintah mengeluarkan kebijakan untuk meningkatkan anggaran pemerintah (menurunkan defisit anggaran) terdapat

15

kemungkinan secara tidak langsung terjadi peningkatan permintaan uang oleh sektor swasta. Kenaikan permintaan uang ini dapat disebabkan oleh salah satu dari tiga hal ini terjadi: 1) Ekspektasi inflasi yang lebih rendah, 3) Ekspektasi premi risiko nilai tukar yang lebih rendah, atau 3) Ekspektasi mengenai tingkat pengembalian (ROR) yang lebih besar dari surat berharga domestik. Ketiga hal tersebut dapat menyebabkan permintaan terhadap surat berharga domestik meningkat sehingga nilai tukar akan meningkat (Hakkio, 1996). Beberapa penelitian, walau masih diperdebatkan, menyatakan bahwa nilai tukar juga dapat berpengaruh terhadap anggaran pemerintah. Hal ini terkait dengan pembayaran hutang luar negeri. Jika nilai tukar menguat (terapresiasi), hutang luar negeri yang dibayarkan menjadi cenderung lebih kecil sehingga akan mengurangi defisit anggaran pemerintah. Sedangkan jika nilai tukar melemah, suatu negara cenderung harus membayar hutang luar negeri mereka dengan nilai yang lebih tinggi sehingga akan memperburuk neraca anggaran pemerintah. Sehingga dapat disimpulkan nilai tukar memiliki keterkaitan positif dengan anggaran pemerintah. Secara teoritis, nilai tukar memiliki hubungan negatif dengan neraca perdagangan. Jika nilai tukar meningkat (terapresiasi), maka harga barang domestik menjadi kurang kompetitif di pasar internasional sehingga ekspor akan berkurang dan menyebabkan current account akan berkurang, begitu pula sebaliknya.

2.6 Penelitian Terdahulu 2.6.1. Twin deficit di Negara Maju Corsetti dan Müller (2005) meneliti mengenai twin deficit untuk negara maju dengan mengambil contoh kawasan Amerika Serikat, Kanada, Australia, dan Inggris dengan menggunakan metode Vector Autoregression (VAR) dengan menggunakan data kuartalan dari tahun 1980:1 hingga 2000:4. Hasil penelitian tersebut menyatakan bahwa twin deficit paling terlihat di wilayah Amerika Serikat karena ditemukan defisit current account di negara ini mengakibatkan defisit anggaran pemerintah. Hal ini dikarenakan pemerintah Amerika Serikat

16

menggunakan penerimaan fiskal mereka untuk menutupi defisit neraca perdagangan. Ganchev (2002) dengan menggunakan data bulanan tahun 2000:M1 hingga 2010:M4 didapatkan twin deficit tidak terlihat pada kasus negara Bulgaria dikarenakan di negara ini terdapat kebijakan surplus fiskal yang didapatkan pemerintah digunakan untuk mengurangi defisit current account dan untuk membayar hutang-hutang negara. Selain pemerintah mengusahakan kebijakan fiskal sebisa mungkin tidak digunakan untuk menggantikan kebijakan moneter. Karlinger (1999) meneliti mengenai hipotesis twin deficit di Austria dengan menggunakan Granger causality tests, cointegration tests dan Vector Error Correction Model (VECM) dengan data dari tahun 1976:1 hingga 1996:4 dan menyimpulkan bahwa di Austria, ekspansi kebijakan fiskal berkorelasi negatif terhadap transaksi berjalan (current account) walaupun mekanismenya tidak secara langsung Afonso dan Rault (2009) menggunakan data panel dengan range data dari tahun 1970 hingga tahun 2007 untuk meneliti mengenai twin deficit di negaranegara uni eropa dan OECD dan menyimpulkan bahwa hubungan antara budget deficit dan current account deficit ada namun tidak terlalu kuat dikarenakan banyak faktor lain yang cukup kuat mempengaruhi current account seperti kebijakan moneter negara yang bersangkutan dan likuiditas di pasar modal internasional. Dengan menggunakan metode yang sama, Bartolini dan Lahiri (2006) meneliti mengenai twin deficit untuk negara-negara OECD dan Amerika Serikat dengan menggunakan data tahunan dari tahun 1972-1998. Terdapat tiga kesimpulan besar dari penelitian tersebut yaitu 1) peningkatan defisit fiskal diikuiti oleh peningkatan konsumsi masyarakat , 2) investasi tidak menunjukan memiliki hubungan yang sitematis dengan defisit fiskal, dan 3) di Amerika, defisit fiskal menyebabkan terjadinya defisit transaksi berjalan.

2.6.2. Twin deficit di Negara Berkembang Kulkarni (1997), meneliti mengenai twin deficit di negara berkembang dengan mengambil sample tiga negara berkembang: India, Pakistan, dan Meksiko pada periode tahun 1998 hingga 2009. Metode yang digunakan adalah metode

17

Granger causality test dan VAR. Hasil penelitian menunjukkan bahwa ketiga negara tersebut menunjukkan hasil yang berbeda terkait hubungan antara defisit anggaran pemerintah dan defisit current account. Hasil penelitian di Mexico menunjukkan tidak terdapat hubungan antara defisit anggaran dengan defisit current account. Hasil penelitian di India menunjukan bahwa defisit anggaran pemerintah mengakibatkan defisit current account, sebaliknya di Pakistan defisit current account yang mempengaruhi defisit anggaran pemerintah. Lau dan Haw (2003) melakukan penelitian mengenai mekanisme twin deficit di Malaysia dan Thailand dengan menggunakan metode error correction model (ECM) dan vector error correction model (VECM) dengan menggunakan data periode tahun 1976-2000. Berdasarkan penelitian mereka ditemukan bahwa di Thailand defisit anggaran pemerintah menyebabkan defisit current account sedangkan di Malaysia terjadi hubungan bikausalitas antara defisit anggaran pemerintah dan defisit current account. Selain itu, secara keseluruhan defisit anggaran mempengaruhi tingkat suku bunga, nilai tukar, dan current account. Berdasarkan penelitian yang dilakukan oleh Baharumshah et. al (2004) dengan menggunakan data dari tahun 1976-2000 dan metode VAR, defisit anggaran pemerintah mengakibatkan defisit current account di Thailand, sedangkan di Indonesia budget deficit yang mendorong terjadinya current account deficit. Hubungan timbal balik antara defisit anggaran dan defisit current account terjadi di Malaysia dan Filipina.

Selain itu ditemukan pula hubungan antara

defisit anggaran dan defisit current account hanya terjadi pada jangka panjang. Penelitian mengenai hubungan defisit anggaran dan defisit current account juga dilakukan oleh Pahlavani dan Saleh (2009) dengan menggunakan data anggaran pemerintah dan transaksi berjalan di

Thailand pada periode tahun

1970-2005. Berdasarkan hasil penelitian tersebut ditemukan terjadi hubungan dua arah antara defisit anggaran dan defisit current account. Hasil ini diperkirakan dikarenakan sejak terkena krisis di awal tahun 1980, perekonomian Thailand ditopang oleh hutang luar negeri. Berdasarkan penelitian Ardiyanto (2006) mengenai analisis defisit current account dan defisit fiskal di Indonesia dengan menggunakan metode VAR dan periode data dari tahun 1981-2004 menemukan bahwa di Indonesia defisit current

18

account di Indonesia menyebabkan defisit fiskal. Hal ini dikarenakan pemerintah Indonesia pada saat itu terlalu berfokus defisit perdagangan internasional. Pemerintah

mengeluarkan

kebijakan-kebijakan

perkembangan industri manufaktur dalam

yang

ditujukan

untuk

negeri termasuk memberikan

keringanan pajak pada industri ini. Hal ini menyebabkan defisit neraca perdagangan diikuti oleh defisit anggaran pemerintah karena pemerintah mengurangi penerimaan pajak dari industri. Seluruh penelitian terdahulu yang menjadi referensi pada penelitian ini, baik yang terkait dengan negara maju maupun berkembang, diringkas Lampiran 1. Pada penelitian kali ini, akan diteliti fenomena twin deficit dari seluruh negara di ASEAN. Selain itu diteliti pula pengaruh variabel nilai tukar terhadap anggaran pemerintah dan transaksi berjalan (current account).

19

2.7. Kerangka Pemikiran Negara-negara ASEAN seringkali menghadapi masalah defisit anggaran pemerintah ( budget deficit) dari sisi fiskal dan defisit transaksi berjalan (cureent account deficit) dari sisi perdagangan internasional. Kedua defisit tersebut diduga terkait satu sama lain sehingga menimbulkan fenomena yang disebut defisit kembar (twin deficit). Keberadaan twin deficit di suatu negara, dikhawatirkan akan mengganggu kestabilan variabel-variabel makro ekonomi di negara yang bersangkutan. Pada penelitian kali ini dikaji

mengenai hubungan antara variabel

anggaran pemerintah dan neraca perdagangan yang merupakan indikasi terjadinya twin deficit di suatu negara, setelah itu dicari faktor-faktor apa saja yang menyebabkan terjadinya/ tidak terjadinya twin deficit di suatu negara. Penulis juga meneliti mengenai dampak keberadaan twin deficit terhadap nilai tukar (exchange rate). Setelah kajian dilakukan, maka akan ditarik kesimpulan mengenai keberadaan dan hubungan twin deficit di ASEAN dan kaitannya terhadap nilai tukar. Berdasarkan kondisi yang ada, maka akan ditarik rekomendasi kebijakan yang sebaiknya dilakukan oleh pemerintah untuk menghadapi fenomena twin deficit.

20

Negara ASEAN

Perdagangan International

Fiskal

Defisit Anggaran Pemerintah (Budget Deficit)

Nilai Tukar

Defisit Transaksi Berjalan (Current account Deficit)

Tidak Terjadi Twin Deficit

Terjadi Twin Deficit

Penyebab

Kesimpulan

Rekomendasi Kebijakan

Gambar 2.3. Kerangka Pemikiran

21

III. METODE PENELITIAN

3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang merupakan data deret waktu (time series) untuk setiap negara. Negara-negara yang

akan diteliti dalam penelitian ini adalah negara-negara yang termasuk

wilayah Association of South East Asia (ASEAN) yang mencakup wilayah Indonesia, Malaysia, Singapura, Brunei Darussalam, Filiphina, Thailand, Kamboja, Laos, Myanmar, dan Vietnam. Pada penelitian kali ini, negara-negara di ASEAN dikelompokan menjadi tiga kelompok besar berdasarkan kategori pendapatan yang dikeluarkan oleh World Bank, kategori tersebut adalah sebagai berikut: a. High Income Countries

: Brunei Darussalam dan Singapura.

b. Middle Income Countries

: Indonesia, Malaysia, Filipina, dan Thailand

c. Low Income Countries

: Kamboja, Laos, Myanmar, dan Vietnam

Variabel-variabel yang digunakan pada penelitian ini anatara lain: 1) Anggaran Pemerintah (BD), 2) Current Account (CA), 3) Nilai Tukar (ER), dan 4) GDP konstan (Y). Variabel Y digunakan untuk meriilkan data BD, CA, dan ER pada model-model negara yang masih menggunakan satuan national currency. Dikarenakan terdapat perbedaan ketersediaan data antara satu negara dengan negara lainnya, maka terdapat perbedaan periode penelitian yang digunakan. Data-data yang digunakan dalam penelitian ini adalah sebagai berikut:

22

Tabel 3.1. Daftar Variabel yang Digunakan dalam Penelitian Negara

Brunei Darussalam Singapura

Indonesia Malaysia Thailand

Filipina

Kamboja

Laos

Variabel yang Periode digunakan High Income Countries BD (National Annual 1980-2010 Currency) CA (National Currency) ER (end of period) Y (sebagai pembagi dengan tahun dasar tahun 2005) Middle Income Countries BD (National Annual 1980-2010 Currency) CA (National Currency) ER (end of period) Y (sebagai pembagi dengan tahun dasar tahun 2005) BD (National Kuartalan 1990:1-2010:4 Currency) (Data pada tahun 1990:1CA (National 2007:4 merupakan hasil Currency) interpolasi data tahunan ER (end of period) dengan menggunakan Y (sebagai pembagi metode cubic match last) dengan tahun dasar tahun 2005) Low Income Countries BD (National Kuartalan 1994:1- 2010:4 Currency) CA (National Currency) ER (end of period) Y (sebagai pembagi dengan tahun dasar tahun 2005) BD (National Kuartalan 1994:1-2010:4 Currency) (Data kuartalan GDP CA (National constant merupakan hasil Currency) interpolasi data tahunan ER (end of period) dengan menggunakan Y (sebagai pembagi metode cubic match last) dengan tahun dasar tahun 2005)

Sumber

International Financial Statistic (IFS), IMF

International Financial Statistic (IFS), IMF

World Economic Outlook, Juni 2011, IMF

Annual Report Cambodia Development Research Institute

International Financial Statistic (IFS), IMF

23

Myanmar

Vietnam

BD (Percentage of Kuartalan 1990:1-2010:4 GDP) (Data kuartalan BD dan CA (Percentage of CA merupakan hasil GDP) interpolasi data tahunan ER (end of period) dengan menggunakan metode cubic match last) BD (National Kuartalan 1990:1-2010:4 Currency) (Data kuartalan BD, CA, CA (National dan Y merupakan hasil Currency) interpolasi data tahunan ER (end of period) dengan menggunakan Y (sebagai pembagi metode cubic match last) dengan tahun dasar tahun 2005)

World Economic Outlook Juni 2011, IMF

World Economic Outlook Juni 2011, IMF

Penelitian dilakukan untuk meneliti hubungan jangan panjang dan hubungan timbal balik antara defisit transaksi berjalan terhadap defisit anggaran pemerintah dan investasi di wilayah ASEAN.

Penelitian dilakukan dengan

menggunakan metode Vertor Auto Regressive/ Vector Error Correction Model (VECM) yang digunakan untuk menilai perilaku jangka panjang antar variabel dan hubungan timbal balik antar variabel-variabel tersebut. Variabel yang akan diteliti hubungannya adalah: defisit current account, defisit fiskal, dan nilai tukar.

3.2 Metode Analisis Penelitian ini dilakukan untuk mengetahui hubungan jangka panjang antara current account dan keseimbangan fiskal serta investasi di negara-negara ASEAN. Analisis kuantitatif yang digunakan adalah metode VAR/VECM, tahapan-tahapan yang perlu dilakukan dalam melakukan analisis data dengan menggunakan VAR/VECM diringkas dalam Gambar 3.1. Pada penelitian ini, pengolahan data dilakukan dengan menggunakan Microsoft Office Excel 2007 dan E-Views 6.

24

Sumber: Nugrahaeni, 2011

Gambar 3.1. Tahapan Analisis VAR/VECM 3.2.1. Vector Auto Regressive (VAR) Model Vector Auto Regressive (VAR) dikembangkan oleh Sims (1980). Model ini berguna untuk menentukan tingkat eksogenitas suatu variabel-variabel ekonomi yang saling berkaitan dalam suatu sistem ekonomi. Spesifikasi model dalam VAR mencakup pemilihan variabel dan banyaknya selang yang digunakan dalam model. Variabel yang digunakan dalam VAR dipilih berdasarkan terori ekonomi yang relevan. Pemilihan selang optimal dilakukan dengan menggunakan berbagai kriteria seperti Akaike Information Criteria (AIC) atau Schwarz Criteria (SC) (Arsana, 2010). Metode VAR merupakan model yang menyerupai model persamaan simultan, pada model VAR seluruh variabel endogen diestimasi bersamaan akan tetapi setiap variabel endogen dijelaskan oleh lag-nya atau nilai dan nilai lag dari variabel endogen lainnya dalam model. Pada umumnya tidak terdapat variabel eksogen dalam model ini (Gujarati, 2006 ) Model VAR secara matematis dapat dituliskan sebagai berikut (Pasaribu, 2003):

k

Z t   A iZ t i  BX t   t i 1

25

·

Dengan: Zt = vektor dari variabel-variabel endogen sebanyak m Xt = vektor dari variabel-variabel eksogen sebanyak d termasuk di dalamnya konstanta (intercept). A1, ... , Ap, dan B = matriks-matriks koefisien yang akan diestimasi t= vektor dari residual-residual yang secara kontemporer berkorelasi tetapi tidak berkorelasi dengan nilai-nilai lag mereka sendiri dan juga tidak berkorelasi dengan seluruh variabel yang ada dalam sisi kanan persamaan di atas. Misalkan terdapat dua persamaan bivariat: Yt= b 10-b12zt+γ11yt-1+ γ12Zt-1+Ɛ yt

........................................................ (3.1)

Zt= b20-b 21zt+γ21 yt-1+ γ22Zt-1+Ɛzt

........................................................ (3.2)

Dimana diasumsikan bahwa: 1. Yt dan Zt stasioner 2. Ɛ yt dan Ɛzt adalah white noise3disturbance dengan standar deviasi masingmasing σ y dan σz. 3. {Ɛyt} dan {Ɛzt ) tidak berkorelasi. Persamaan (3.1) dan Persamaan (3.2) bukan merupakan reduce form selama Yt memiliki efek kontemporer terhadap zt dan sebaliknya Zt memiliki efek kontemporer terhadap Yt. Sehingga persamaan-persamaan tersebut dapat diubah ke dalam bentuk matriks: 1 21

12 1

=

10 + ɣ11 ɣ21 20

ɣ12 ɣ22

Ɛ −1 + Ɛ −1

Atau Βxt= Γ0+ Γ1Xt-1+Ɛt Dimana 1 21 ɣ11 Γ1= ɣ21 B=

3

12 , = , Γ0= 1 ɣ12 Ɛ , Ɛ = ɣ22 Ɛ

10 20

White noise adalah residual yang memiliki rata-rata 0, varians yang konstan, dan non otokorelasi serial.

26

Perkalian matrik-matrik tersebut terhadap B-1 dapat menghasilkan model VAR dalam bentuk standar yaitu: Xt= A0+A1Xt-1+et

(3.3)

Dimana: Ao= B-1Γ0 A1= B-1Γ1 et= B-1Ɛt Untuk mempermudah dalam pemberian notasi, maka persamaan 3.3 dapat ditulis ulang menjadi: yt= a10-a11 yt-1+a12zt-1+ e1t

(3.4a)

zt= a20-b21 yt-1+ a22zt-1+ e2t

(3.4b)

Menurut Djalal (2006), beberapa keunggulan dari VAR antara lain: 1. Model VAR sederhana dan tidak perlu membedakan variabel endogen dan eksogen karena seluruh variabel pada model VAR dianggap sebagai variabel endogen. 2. Cara estimasi VAR mudah yaitu dengan menggunakan Ordinary Least Square (OLS) pada setiap persamaan secara terpisah. 3. Peramalan menggunakan VAR lebih baik dibandingkan menggunakan persamaan simultan yang lebih kompleks dalam beberapa hal. Sedangkan beberapa kelemahan model VAR adalah: 1. Model Var lebih bersifat ateoritik karena tidak memanfaatkan informasi atau teori terdahulu. 2. Tidak mempermasalahkan perbedaan variabel eksogen dan variabel endogen sehingga menyebabkan implikasi kebijakan yang kuran tepat. 3. Seluruh variabel VAR harus stasioner, jika tidak stasioner maka harus distasionerkan terlebih dahulu. Model VAR pada penelitian kali ini adalah : BD= ∑

ɑ

+∑

+

+∑

+Ɣ

+Ɛt

CA=∑

ɑ

+∑

+

+∑

+Ɣ

+Ɛt

ER=∑

ɑ

+∑

+

+∑

+Ɣ

+Ɛ t

27

Dengan: BD=Anggaran Pemerintah CA=Current Account ER= Nilai Tukar Ɛt= error term

3.2.2.Vector Error Correction Model (VECM) Dengan model VAR, seluruh variabel harus memenuhi syarat stasioneritas, jika syarat itu terpenuhi, maka model tersebut hanya dapat melihat isu jangka pendek. Untuk memperoleh isu jangka panjang dan jangka pendek, pendekatan alternatifnya adalah model VECM (Vector Error Correction Model) (Ilham dan Siregar, 2010) Menurut Ward dan Siregar (2000), rumus umum model VECM adalah: Γi∆Yt − 1 + µ0 + µtt + ɑβ′ yt − 1 + Ɛ t

∆yt=∑ Dimana:

∆Yt =Yt-Yt-1 Γi

= matriks koefisien regresi

µ1

= vektor koefisien regresi

β’

= vektor kointegrasi

(k-1) = ordo VECM µ0

= vektor intersep

a

= matrik loading

yt

= variabel in level

Ɛt

= vektor sisaan Hasil pendugaan VECM digunakan untuk memperoleh informasi dalam

jangka pendek dan jangka panjang dengan tingkat perubahan tertentu dengan analisis Impulse Response Function dan Variance Decomposition.

3.2.3. Uji Praestimasi 3.2.3.1. Uji stasioneritas Data deret waktu (time series) dikatakan stasioner apabila secara stokastik data menunjukkan pola yang konstan dari waktu ke waktu. Pengujian stasioneritas

28

data pada data time series diperlukan karena apabila pada data time series langsung dilakukan analisis tanpa diuji stasioneritasnya maka akan menghasilkan hasil yang spurious karena dalam variabel tersebut sering mengandung unit root (Verbeek, 2000). Data bersifat stasioner pada nilai tengahnya apabila data tersebut berfluktuasi di sekitar suatu nilai tengah yang tetap dari waktu ke waktu. Uji akar unit dapat dilakukan dengan menggunakan Augmented Dicky Fuller (ADF) Test . Pada tes ini, jika nilai ADF statistik lebih kecil daripada MacKinnon Critical Value maka dapat disimpulkan bahwa series tersebut stasioner. Jika diketahui data tersebut tidak stasioner, maka dapat dilakukan differences non stasioner process. Misalkan terdapat data deret waktu tunggal Yt: Yt= a0+a1Zt-1+A2Zt-2+…+ apZt-p+ɛt Maka model pendiferensiannya dapat dituliskan sebagai: ∆Yt= a0+ɣZt-1+A2Zt-2+…+ apZt-p+ɛt Hipotesis yang diuji adalah: H0: ɣ=0 (data bersifat tidak stasioner) H1: ɣ<0 (data bersifat stasioner) Nilai ɣ diduga melalui metode kuadrat terkecil dan menggunakan uji-t untuk pengujiannya. Jika nilai thit< nilai kritis dalam tabel Dickey Fuller, maka keputusan yang diambil adalah tolak H0 yang berarti data bersifat stasioner.

3.2.3.2. Pemilihan Panjang Lag Optimal Dalam VAR penentuan lag optimal sangat penting karena penentuan lag optimal berguna untuk menghilangkan masalah autokorelasi dalam sebuah sistem VAR. Penentuan lag optimal juga berguna untuk menunjukkan berapa lama reaksi suatu variabel terhadap variabel lainnya (Gustiani, et.al, 2010). Untuk menetapkan besarnya lag yang optimal (lag length criteria) dapat dilakukan dengan menggunakan beberapa kriteria antara lain: Akaike Information Criteria (AIC), Schwarz Information Criterion (SIC), Hannan Quinn Information Criterion (HQ), dan Likelihood Ratio (LR). Besarnya lag yang optimal ditentukan oleh lag yang memiliki nilai kriteria terkecil diantara keempat kriteria tersebut. Jika terdapat kandidat lag yang berbeda-beda dari tiap kriteria, maka dapat

29

digunakan salah satu kriteria (umumnya AIC dan SIC)

atau dengan

membandingkan nilai Adjusted R2 dari setiap kriteria. Selang optimal akan dipilih dari sistem VAR dengan selang tertentu yang menghasilkan nilai Adjusted R2 terbesar pada variabel-variabel penting dalam sistem. Selain itu, stabilitas sistem VAR pun perlu diperhatikan dalam penentuan lag. Stabilitas VAR dapat dilihat dari nilai inverse roots karakteristik AR polinomialnya. Hal ini dapat dilihat dari nilai modulus di tabel AR roots-nya, jika seluruh nilai AR roots-nya di bawah satu, maka sistem tersebut stabil.

3.2.2.3. Uji Kointegrasi Uji Kointegrasi bertujuan untuk memastikan apakah variabel yang digunakan dan telah sistem persamaan mempunyai hubungan jangka panjang (Ilham dan Siregar, 2007). Kointegrasi adalah suatu hubungan jangka panjangn antara variabel-variabel yang meski secara individual tidak stasioner tetapi kombinasi linier antara variabel tersebut dapat menjadi stasioner (Thomas, 1997). Adanya hubungan kointegrasi dalam sebuah sistem persamaan menandakan bahwa

dalam

sistem

tersebut

terdapat

error

correction

model

yang

mengambarkan adanya dinamisasi dalam jangka pendek secara konsisten dengan hubungan jangka panjangnya (Verbeek, 2002). Beberapa cara untuk melakukan uji kointegrasi antara lain: Eangle Granger Cointegration Test, Johansen Cointegration Test, dan Cointegrating Regression Durbin Watson (CRDW). Kointegrasi dapat dilihat dari rank kointegrasi. Rank kointegrasi (r) adalah jumlah dari seluruh hubungan kontegrasi (Johansen, 1995). Nilai r dapat diuji dengan uji Johansen. Hipotesis yang diuji adalah: H0: rank ≤r H1: rank>r Jika rank kointegrasi labih besar dari nol, maka terdapat kointegrasi sehingga model yang digunakan adalah Vector Error Corecction Model (VECM). Jika rank kointegrasi sama dengan nol, maka model yang digunakan adalah model VAR dengan pedifferensian sampai lag ke-d.

30

3.2.4. Analisis Model VAR/VECM VAR menyediakan alat analisa bagi keempat hal tersebut melalui empat macam penggunaannya, seperti Forecasting untuk ekstrapolasi nilai saat ini dan masa depan seluruh variabel dengan memanfaatkan seluruh informasi masa lalu variabel, Impulse Response Functions (IRF) untuk melacak respon saat ini dan masa depan setiap variabel akibat perubahan atau shock suatu variabel tertentu, Forecast Error Decomposition of Variance (FEDVs) untuk memprediksi kontribusi persentase varians setiap variabel terhadap perubahan suatu variabel tertentu, dan Granger Causality Test yang digunakan untuk mengetahui hubungan sebab akibat antar variabel. 3.2.4.1. Uji Kausalitas Pada umumnya, uji kausalitas satu variabel dengan variabel lainnya adalah dengan menggunakan uji kausalitas bivariat Granger (Bivariate Granger Causality). Uji kausalitas bivariat Granger dilakukan untuk melihat hubungan sebab

akibat di antara variabel-variabel yang digunakan dalam analisis.

Hubungan kausalitas antara satu variabel dengan variabel lainnya dapat diketahui dengan membandingkan probabilitas dengan nilai kritis yang digunakan dimana hipotesis nol adalah tidak terdapat

hubungan kausalitas dan hipotesis

alternatifnya adalah terdapat hubungan kausalitas. Selain itu pula uji kausalitas pada VAR/VECM juga dapat menggunakan uji Block Exogeneity Wald Test.

3.2.4.2. Impuls Response Function (IRF) Impulse response function (IRF) menunjukkan arah hubungan dan besarnya pengaruh suatu variabel endogen terhadap berbagai variabel endogen lainnya yang ada dalam suatu sistem dinamis VAR. IRF dapat digunakan untuk meneliti pengaruh satu standar deviasi kejutan dari satu inovasi terhadap nilai variabel endogen saat ini atau untuk waktu yang akan datang (Arianto, et. al, 2010). Hasil IRF sensitif terhadap pengurutan (ordering) variabel yang digunakan dalam perhitungan. Pengurutan variabel yang didasarkan faktorisasi cholesky dapat dilakukan dengan menempatkan secara variabel yang memiliki nilai prediksi terhadap variabel lainnya. Peletakan variabel dilakukan berdasarkan nilai

31

matriks korelasi yaitu dari yang memiliki korelasi yang paling tinggi hingga yang paling rendah.

3.2.4.3. Variance Decomposition (VDC) Variance Decomposition atau Cholesky Decomposition memisahkan varian yang ada dalam variabel endogen menjadi komponen- komponen kejutan pada berbagai variabel endogen lainnya dalam struktur dinamis VAR. VDC digunakan untuk menyusun perkiraan error variance suatu variabel, yaitu seberapa besar perbedaan antara variance sebelum dan sesudah diberi kejutan, baik kejutan yang berasal dari variabel itu sendiri maupun kejutan dari variabel lainnya. Oleh karena itu, VDC digunakan untuk mengkaji pengaruh relatif suatu variabel terhadap variabel lainnya (Arianto, et. al, 2010).

32

IV. GAMBARAN UMUM ANGGARAN PEMERINTAH, CURRENT ACCOUNT, DAN NILAI TUKAR NEGARA-NEGARA ASEAN

Negara-negara ASEAN pada pembahasan mengenai gambaran umum anggaran pemerintah (BD), current account (CA), dan nilai tukar (ER) pada penelitian ini diklasifikasikan menjadi tiga kelompok besar berdasarkan kriteria yang dikeluarkan oleh World Bank yaitu: 1) High Income Countries (Brunei Darussalam dan Singapura), 2) Middle Income Countries (Indonesia, Malaysia, Filipina, dan Thailand), dan 3) Low Income Countries (Kamboja, Laos, Myanmar, dan Vietnam).

4.1. Gambaran Umum Anggaran Pemerintah (Government Budget) di Negara-Negara ASEAN a. High Income Countries Gambar 4.1 menunjukkan bahwa pada negara High Income di ASEAN (Brunei dan Singapura) terjadi pertumbuhan negatif anggaran pemerintah secara

Brunei Darussalam

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

1999

1998

1997

1996

1995

1994

1993

1992

20 15 10 5 0 -5 -10 -15 -20 -25 -30

1991

bersamaan pada tahun 1996, 2001, dan 2009.

Singapura

Sumber: IMF World Economic Outlook, 2011 (diolah)

Gambar 4.1. Pertumbuhan Anggaran pemerintah pada ASEAN High Income Countries periode 1991-2010 Pada tahun 1996, pemerintah Brunei mengeluarkan The Sevent Development Plan. Kebijakan pemerintah ini dilakukan sebagai upaya peningkatan pembangunan sumber daya manusia (SDM). Kebijakan ini

33

menyebabkan pengeluaran pemerintah meningkat karena digunakan untuk mendanai dan meningkatkan industri-industri pertanian dan peningkatan kesejahteraan sosial (World Market Research Centre, 2003). Pada tahun 2001, untuk memperbaiki dan mempertahankan kondisi negara karena adanya krisis finansial tahun 1998, pemerintah Brunei kembali mengeluarkan kebijakan fiskal ekspansif yang sebagian besar digunakan untuk membiayai investasi pada infrastuktur publik 4 (2002). Pada tahun 2009, Brunei Darussalam memperbesar pengeluaran pemerintah selain untuk menghadapi krisis ekonomi juga untuk mengurangi ketergantungan perekonomian negara kepada perdagangan minyak. Pemerintah Brunei melakukan insentif fiskal di dalam negeri dengan cara meningkatkan belanja pemerintah untuk memberdayakan sektor UMKM dan menurunkan tingkat pajak pendapatan perusahaan5. Hal yang hampir serupa dilakukan oleh pemerintah Singapura yang meningkatkan pengeluaran pemerintah mereka untuk upaya peningkatan kesejahteraan masyarakatnya, salah satu perogram yang dilakukan adalah memberi insentif kepada rumah tangga dengan pendapatan rendah di Singapura. Pada tahun yang sama, pemerintah Singapura juga melakukan penurunan tingkat pajak corporate tax untuk mendorong investasi dan pertumbuhan ekonomi di dalam negeri (Singapore Ministry of Finance, 1996). Sama seperti Brunei, pada tahun 2001 dan 2009, pemerintah Singapura mengeluarkan kebijakan fiskal ekspansif dengan cara menurunkan pajak perusahaan untuk menarik investasi dan menolong perusahaan-perusahaan yang terkena dampak krisis6.

b. Middle Income Countries Pada umumnya ASEAN mengalami defisit anggaran pemerintah pada tahun 1998 dan pada tahun 2009. Pada tahun 1998, seluruh negara di ASEAN, kecuali Brunei, mengalami pertumbuhan anggaran pemerintah yang negatif bahkan ada yang mengalami defisit fiskal. Hal ini dikarenakan pada tahun 1998 Asia dilanda krisis finansial yang bermula dari krisis yang terjadi di Thailand dan 4

Brunei Economic Buletin Volume 1, Juli 2002. Dikeluarkan oleh Brunei Economic Development Board 5 http://www.export.by/en/?act=news&mode=view&id=7759 [17 Maret 2009] 6 Berdasarkan artikel Singapore:Fiscal Policy dari http://www.roubini.com/briefings/94029.php

34

merambat ke negara-negara lainnya di ASEAN (Yanuarita, 2006). Terjadinya krisis mengakibatkan beberapa negara yang terkena dampak krisis mengalami kontraksi ekonomi, sehingga pemerintahnya mengambil kebijakan fiskal yang ekspansioner untuk dijadikan sebagai stimulus untuk menghadapi krisis finansial yang terjadi. 10.000 8.000 6.000 4.000 2.000 -2.000 -4.000

1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

0.000

-6.000 -8.000 Indonesia

Malaysia

Filipina

Thailand

Sumber: IMF World Economic Outlook, 2011 (diolah)

Gambar 4.2. Pertumbuhan Anggaran pemerintah pada ASEAN Middle Income Countries periode 1991-2010

Selain sebagai upaya pemulihan ekonomi karena krisis, Malaysia pada tahun 2009 melakukan peningkatan pengeluaran pemerintah yang juga ditujukan untuk

usaha

perbaikan

dan

pengembangan

infrastruktur.

Pembangunan

infrastruktur tersebut dilakukan oleh Malaysia sebagai upaya untuk menurunkan biaya dalam menjalankan usaha di Malaysia 7.

7

http://ww2.publicbank.com.my/cnt_review38.html [economic review oktober 2002]

35

c. Low Income Countries 8.000 6.000 4.000 2.000 -2.000 -4.000

1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

0.000

-6.000 -8.000 -10.000 Cambodia

Laos

Myanmar

Vietnam

Sumber: IMF World Economic Outlook, 2011 (diolah)

Gambar 4.3. Pertumbuhan Anggaran pemerintah pada ASEAN Low Income Countries periode 1991-2010 Pada tahun 2003, peningkatan defisit anggaran pemerintah pada beberapa negara ASEAN, seperti Laos dan Myanmar disebabkan karena negara-negara ini mengadakan kebijakan ekspansi kredit, yaitu dengan memberikan pinjaman kepada sektor publik Pada Vietnam, peningkatan defisit anggaran disebabkan pemerintah mengeluarkan banyak dana untuk upaya pemulihan ekonomi setelah krisis 1998. Sedangkan pada Kamboja lebih dikarenakan pemerintah memiliki program untuk mengurangi tingkat kemiskinan di dalam negeri (Htwe, 2005). Meningkatkan defisit anggaran di Kamboja pada tahun 2003 juga disebabkan tingkat pajak yang rendah serta masih rendahnya koordinasi, pelaksanaan, dan transparansi alokasi belanja pemerintah. Sejak tahun 1997 Kamboja mengalami dua krisis sekaligus yaitu krisis politik internal dan krisis Asia, kedua krisis tersebut mengganggu stabilitas ekonomi karena pemerintah Kamboja sulit untuk menentukan kebijakan fiskal yang tepat Akan tetapi dihadapi persoalan untuk mengurangi tingkat kemiskinan yang tinggi di dalam negeri (Sophal dan Sovannairth.1999 ).

36

4. 2. Gambaran Umum Transaksi Berjalan (Current Account) di NegaraNegara ASEAN a. High Income Countries 20 15 10 5 2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

1999

1998

1997

1996

1995

1994

1993

-10

1992

-5

1991

0

-15 -20 -25 -30 Brunei Darussalam

Singapura

Sumber: IMF World Economic Outlook, 2011 (diolah)

Gambar 4.4. Pertumbuhan Current Account pada ASEAN High Income Countries periode 1991-2010

Berdasarkan Gambar 4.4, Brunei mengalami pertumbuhan current account yang negatif pada tahun 1992, 1995, 1998, 2002, 2007, dan 2009. Pertumbuhan negatif current account di Brunei mayoritas disebabkan oleh fluktuasi harga minyak dunia pada tahun-tahun tersebut. Sebagai salah satu negara penghasil minyak bumi terbesar, ekspor utama Brunei adalah minyak bumi, sehingga bila terjadi penurunan harga minyak, maka current account Brunei akan mengalami pertumbuhan negatif . Pada tahun 1998, pertumbuhan negatif current account di Brunei lebih dikarenakan menurunnya konsumsi minyak global karena pada saat tersebut terjadi krisis finansial (Case, 2007). Pertumbuhan negatif current account pada tahun 1999 dan 2000 disebabkan oleh menurunnya daya beli mitra dagang Singapura di Asia dikarenakan terjadi krisis finansial. Sedangkan Pertumbuhan negatif current account pada tahun 2004 dan 2008 disebabkan mulai terjadinya resesi di Amerika

37

Serikat, sedangkan pada periode tersebut Amerika merupakan salah satu mitra dagang terbesar Singapura8.

b. Middle Income Countries 25 20 15 10 5

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

1999

1998

1997

1996

1995

1994

1993

1992

-5

1991

0

-10 Indonesia

Malaysia

Filipina

Thailand

Sumber: IMF World Economic Outlook, 2011 (diolah)

Gambar 4.5. Pertumbuhan Current Account pada ASEAN Middle Income Countries periode 1991-2010

Berdasarkan Gambar 4.5, pada tahun 1998, saat krisis terjadi semua negara kategori middle income di ASEAN, mengalami peningkatan neraca transaksi berjalan. Hal ini dikarenakan saat krisis terjadi nilai tukar terdepresiasi, sehingga membuat harga produk domestik menjadi lebih kompetitif di pasar internasional.

Pada gambar juga terlihat, pada periode tahun 90-an, keempat

negara ini cenderung mengalami penurunan pertumbuhan current account Kondisi yang serupa terjadi di Indonesia, Malaysia, dan Thailand. Ketiga negara tersebut mengalami defisit current account sepanjang tahun 1990-an dikarenakan melakukan impor barang modal dalam jumlah besar untuk mendukung kebutuhan investasi di dalam negeri9.

8

Ministry of Trade. 2008. Singapore’s Trade and Investment Trade. Economic Survey of Singapore 2008 9 Annual Report Monetary Authority of Singapore 1997

38

Pada tahun 2008, seluruh negara ASEAN middle income (kecuali Malaysia), mengalami pertumbuhan negatif current account. Hal ini dikarenakan menurunnya daya beli global karena krisis.

c. Low Income Countries 15 10 5

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

1999

1998

1997

1996

1995

1994

1993

1992

-5

1991

0

-10 -15 Kamboja

Laos

Myanmar

Vietnam

Sumber: IMF World Economic Outlook, 2011 (diolah)

Gambar 4.6. Pertumbuhan Current Account pada ASEAN Low Income Countries periode 1991-2010

Gambar 4.3, menunjukkan pertumbuhan current account pada ASEAN Low Income Countries periode 1991-2010. Berakhirnya konflik di Kamboja pada tahun 1997 10 juga membawa pengaruh positif pada neraca transaksi berjalan. Current account Kamboja mengalami pertumbuhan positif yang pesat pada tahun 1997, akan tetapi dikarenakan pada saat yang sama Asia dilanda krisis finansial, current account Kamboja langsung mengalami pertumbuhan negatif secara drastis pada tahun 1998 (Gambar 4.6). Kondisi defisit current account berkepanjangan juga terjadi di Myanmar dikarenakan rendahnya tingkat tabungan dan investasi sedangkan permintaan terhadap barang konsumsi domestik sangat tinggi sehingga Myanmar banyak mengimpor barang-barang konsumsi. Peningkatan current account di Myanmar 10

Berdasarkan artikel Cambodia July 1997: Shock and Aftermath diakses pada http://www.hrw.org/ja/news/2007/07/27/cambodia-july-1997-shock-and-aftermath

39

pada tahun 1999 dan 2000 dikarenakan Myanmar mendapatkan banyak bantuan dari Asia11. Neraca transaksi berjalan negara-negara ASEAN low income memburuk pada tahun 2007, hal ini dikarenakan dunia kembali dilanda krisis. Krisis yang melanda dunia ini berdampak pada menurunnya daya beli global. Penurunan daya beli global inilah yang berdampak pada penurunan penerimaan dari ekspor sehingga benyak menyebabkan terjadi penurunan penerimaan transaksi berjalan bahkan menyebabkan defisit 12. Penurunan pertumbuhan current account pertama kali terlihat pada tahun 2006 di Vietnam. Vietnam menjadi salah satu negara pertama di ASEAN yang mengalami penurunan neraca current account yang cukup tinggi dikarenakan mitra dagang utama Vietnam adalam Amerika Serikat sehingga saat Amerika mengalami krisis dan daya belinya menurun, Vietnam langsung mengalami dampaknya terhadap neraca perdagangannya (Hummels et al, 2001).

4.3. Gambaran Umum Nilai Tukar (Exchange Rate) di Negara-Negara ASEAN Rezim nilai tukar yang digunakan oleh negara-negara di ASEAN berbedabeda, namun pada umumnya adalah managed floating exchange rate atau nilai tukar mengambang terkendali. Nilai tukar mengambang terkendali berarti nilai tukar dibiarkan mengambang akan tetapi

fluktuasi nilai tukar dikontrol

sedemikian rupa sehingga masih pada range yang masih dapat ditolerir oleh perekonomian. Rezim nilai tukar yang pernah dianut oleh negara-negara ASEAN terangkum pada Tabel 4.1. Brunei merupakan negara yang menerapkan rezim nilai tukar fixed exchange rate dengan berpatokan kepada nilai tukar Dollar Singapura. Hal ini dikarenakan dollar singapura dinilai merupakan mata uang yang paling stabil dibandingkan mata uang negara lainnya di ASEAN. Singapura sendiri sejak tahun 1987 menerapkan rezim managed floating hingga sekarang. Kontrol otoritas

11

http://www.historycentral.com/nationbynation/Burma/Economy.html :www.bi.go.id/NR/rdonlyres/3A2CEB8B-D7E9-4FB3-B7A557426EC60C10/18210/BOX3RingkasanPenelitianDampakKrisisGlobalTerhadapPerumbuhanEko nomi.pdf 12

40

moneter Singapura terhadap kestabilan nilai tukar cukup ketat karena sangat memperhitungkan kenyamanan pelaku-pelaku ekonomi Singapura. Hal ini dikarenakan Singapura ingin mempertahankan iklim bisnis di dalam negeri.

Tabel 4.1. Rezim Nilai Tukar yang digunakan Negara-Negara ASEAN Negara

Periode

Klasifikasi Ketat Longgar Brunei 1980-sekarang Pegged terhadap Dollar Ketat Singapura Singapura 1973-1987 Crawling Peg (Basket Menengah Currency) 1987-sekarang Managed Floating Menengah Indonesia 1978-1997 Managed Floating Menengah 1997-sekarang Free Floating Mengambang Malaysia 1978-1990 crawling peg (USD) Menengah 1991-1997 Managed Floating Menengah 1998-2005 Fixed Exchange Rate Ketat 2005-sekarang Managed Floating Menengah Filipina 1980-1982 Crawling Peg (USD) Menengah 1982-1984 Managed Floating Menengah 1984-sekarang Free Floating Ketat Thailand 1978-1981 Fixed Exchange Rate Ketat (USD) 1981-1982 Managed Floating Menengah 1982-1984 Crawling peg (USD) Menengah 1984-1997 Crawling peg (Currency Menengah Basket) 1997-sekarang Free Floating Mengambang Kamboja 1990-sekarang Managed Floating Menengah Laos 1990-sekarang Crawling peg Menengah Myanmar 1990-sekarang Managed Menengah Floating(terhadap SDR) Vietnam 1990-sekarang Crawling peg (currency Menengah basket) Sumber : Darussalam, 2010 , Frankel et.al, 2002, dan IMF Annual Report on Exchange Arrangements and Exchange Restrictions Laos dan Kamboja mengalami masa transisi ekonomi yang sangat panjang. Negara-negara ini menerapkan rezim flexible exchange rate pada tahun 1998 dengan tujuan memenuhi kebutuhan sistem pasar yang mreka adopsi. Pada saat yang sama, terjadi mobilitas modal internasional ke negara-negara ini sehingga mempertinggi tingkat dolarisasi di negara-negara ini (Ok, et.al, 2010). Indonesia,

41

Filipina, Singapura, Thailand, dan Vietnam memutuskan untuk menggunakan rezim flexible exchange rate karena rezim ini tidak memberikan tekanan yang terlalu besar bagi cadangan devisa negara namun tidak memberikan fluktuasi yang terlalu besar bagi perekonomian karena fluktuasi nilai tukar terkontrol. Myanmar menggunakan sistem nilai tukar berganda (multiple exchange rate regimes). Nilai tukar di negara ini terdiri dari nilai tukar resmi (official exchange rate) dan nilai tukar informal paralel (informal parallel market exchange rate). Nilai tukar resmi yang digunakan oleh sektor publik dan hubungan-hubungan eksternal antara negara ini dengan negara lainnya. Nilai tukar resmi dipatok sebesar 8.50847 Kyats/ SDR dengan margin yang diperbolehkan sebesar +/-2 persen. Nilai tukar informal digunakan oleh sektor swasta, nilai tukar ini didasarkan pada Foreign Exchange Certificates (FEC) yang dikeluarkan oleh otoritas moneter Myanmar. Nilai Tukar informal dipatok sebesar 1,100 kyat per FEC. Nilai tukar informal ini hanya dapat digunakan secara domestik oleh masyarakat Myanmar sebagai pengganti Dollar Amerika. Pematokan nilai tukar ini diberlakukan sejak tahun 1977 (Hori dan Wong, 2008). Malaysia juga melakukan beberapa kali perubahan dalam rezim nilai tukarnya. Pada tahun 1990 hingga 1997, Malaysia menerapkan rezim nilai tukar yang mengambang. Namun, mulai pada tahun 1995-1996 Malaysia mulai memperketat rezim nilai tukarnya sehingga menjadi tightly managed floating exchange rate. Saat krisis ekonomi terjadi pada tahun 1998, Malaysia menyadari banyaknya capital outflow dan ketidakpastian ekonomi yang terjadi sehingga mulai periode tahun 1998 hingga 2005 Malaysia menerapkan rezim fixed exchange rate. Baru setelah kondisi perekonomian mulai kembali pulih, Malaysia menerapkan kembali rezim managaed floating exchange rate (Umezaki, 2006).

42

V. HASIL DAN PEMBAHASAN 5.1. Uji Kestasioneran Data Uji stasioneritas data dilakukan untuk memastikan ada tidaknya akar unit padavariabel-variabel yang akan diteliti. Berdasarkan hasil pengujian Augmented Dickey Fuller (ADF), seluruh variabel dari seluruh negara memiliki akar unit pada tingkat level sehingga untuk menghilangkan akar unit tersebut dilakukan kembali pengujian stasioneritas pada first difference dan didapatkan bahwa

variabel-

variabel yang sebelum belum stasioner telah stasioner pada First Difference dengan selang kepercayaan 5 persen.

Tabel 5.1. Hasil Uji Stasioneritas Variabel BRUNEI BD CA ER SINGAPURA BD CA ER INDONESIA BD CA ER MALAYSIA BD CA ER FILIPINA BD CA ER THAILAND BD CA ER KAMBOJA BD CA ER

Level ADF statistic t-statistic

First Difference ADF statistic t-statistic

-0.503131 -1.859927 -2.718044

-2.647120 -4.296729 -4.296729

-8.414020*** -2.647120 -6.887568*** -4.29672 -4.424897*** -4.296729

-2.652307 -3.478632 -1.665143

-3.670170 -4.296729 -6.770540

-6.770540*** -7.198304*** -4.202611***

-3.679322 -4.309824 -3.679322

-1.424732 -2.274517 -1.035208

-3.679322 -3.670170 -3.670170

-10.13346*** -5.843394*** -5.164340***

-3.679322 -3.689194 -3.679322

-1.157787 -2.593263 -1.787241

-4.296729 -4.296729 -4.296729

-6.371178*** -5.473032*** -4.558295***

-4.309824 -4.309824 -4.309824

-0.917737 0.528132 -0.456747

-2.597025 -2.595745 -2.597939

-3.153714*** -7.433246*** -2.547697**

-2.597025 -2.595745 -1.945456

-2.523183 -2.910918 -1.694825

-2.647120 -4.296729 -4.296729

-3.473314*** -5.906017*** -5.474970***

-2.647120 -4.309824 -4.309824

-4.967840*** -7.242069 -0.224834

-3.538362 -3.531592 -3.533204

-5.688287*** 5.191478*** -6.041532***

-3.538362 -3.540198 -3.533204

43

LAOS BD -1.257535 -3.534868 -10.98778 -3.534868 CA -3.123905 -3.533204 -4.186249 -3.533204 ER -1.576953 -3.531592 -10.34072 -3.533204 MYANMAR BD -0.544269 -3.522887 -4.343984 -3.522887 CA -1.125203 -2.598907 -2.922351 -2.598907 ER -1.005858 -2.594563 -7.308143 -2.594946 VIETNAM BD -2.167215 -3.476275 -3.886793 -3.476275 CA 0.695065 -2.598907 -4.035745 -2.598907 ER -4.289028*** -4.094550 -11.99930 -4.081666 Keterangan: ***: Signifikan pada taraf nyata 1 persen, **: Signifikan pada taraf nyata 5 persen. 5.2. Uji Kointegrasi Johansen Uji kointegrasi dilakukan untuk mengetahui informasi mengenai keberadaan hubungan jangka panjang antar variabel. Persyaratan yang perlu dipenuhi dalam proses kointegrasi adalah seluruh variabel harus telah stasioner pada derajat yang sama. Pada penelitian ini, seluruh variabel untuk seluruh negara telah stasioner pada derajat satu I(1), sehingga uji kointegrasi dapat dilakukan. Apabila terdapat kointegrasi model yang diuji, maka analisis selanjutnya dilakukan dengan menggunakan metode VECM, jika tidak terdapat kointegrasi maka analisis dilanjutkan dengan menggunakan metode VAR. Uji kointegrasi pada penelitian

ini menggunakan uji Johansen

Cointegration Test. Lag yang digunakan dalam menguji kointegrasi untuk setiap negara menggunakan lag-lag yang telah dipilih sebelumnya. Suatu model dinyatakan memiliki kointegrasi apabila nilai Trace Statistic>Critical Value. Pada penelitian ini digunakan nilai kritis 5 persen. Hasil uji kointegrasi untuk setiap negara diringkas dalam Tabel 5.3. Berdasarkan hasil uji kointegrasi didapatkan bahwa tidak terdapat kointegrasi pada model negara Singapura, Filipina, dan Myanmar, sedangkan pada model negara lainnya terdapat kointegrasi. Pada negara-negara yang terkointegrasi maka model yang digunakan adalah model VECM sedangkan pada negara-negara yang tidak terkointegrasi, model yang digunakan adalah VAR first difference.

44

Tabel 5.3. Hasil Uji Kointegrasi Negara Rank Kointegrasi Brunei Darussalam 1(satu) Singapura 0 (nol) Indonesia 1(satu) Malaysia 1(satu) Filipina 0 (nol) Thailand 1(satu) Laos 2(dua) Kamboja 1 (satu) Myanmar 0 (nol) Vietnam 1 (dua) Sumber: Lampiran 4

Kesimpulan terkointegrasi Tidak terkointegrasi terkointegrasi terkointegrasi Tidak terkointegrasi terkointegrasi terkointegrasi terkointegrasi Tidak terkointegrasi terkointegrasi

5.3. Penetapan Lag Optimal Penetapan lag optimal dilakukan karena dalam metode VAR lag optimal dari variabel endogen merupakan variabel independen yang digunakan dalam model. Pada penelitian ini, penetapan lag optimum dipilih dengan menggunakan kriteria SC (Schwartz Information Criteria) minimum. Ringkasan mengenai hasil penetapan lag optimum ini dapat dilihat pada Tabel 5.2.

Tabel 5.2. Model VAR yang Terbentuk Negara Model VAR Brunei Darussalam VECM (1) Rank-1 Singapura VAR (1) 1 st difference Indonesia VECM(1) Rank-1 Malaysia VECM (2) Rank-1 Filipina VAR (3) 1 st difference Thailand VECM (2) Rank-1 Kamboja VECM (2) Rank-2 Laos VECM (6) Rank-1 Myanmar VAR (4) 1 st difference Vietnam VECM (4) Rank-1 Sumber: Lampiran 2 dan 3 Berdasarkan hasil uji lag optimum didapatkan bahwa seluruh variabel dari seluruh negara, kecuali Vietnam, memiliki lag optimum satu. Sedangkan untuk negara Vietnam, lag optimum yang dipilih adalah lag kedua.

45

5.4. Hasil Uji Kausalitas Berdasarkan hasil uji Bivariate Granger Causality, CA mempengaruhi BD pada negara Brunei dan BD mempengaruhi CA pada negara Brunei, Filipina, dan Kamboja. Sehingga berdasarkan uji Bivariate Granger Causality terdapat indikasi hubungan bikausalitas antara BD dan CA pada negara Brunei (BD↔CA) sedangkan defisit anggaran pemerintah akan mengakibatkan defisit current account pada negara Filipina dan Kamboja (BDCA). Pada negara Brunei, Indonesia,dan Malaysia nilai tukar mempengaruhi anggaran pemerintah (ERBD), sedangkan pada negara Indonesia, Malaysia, Thailand, dan Kamboja nilai tukar mempengaruhi current account (ERCA). Nilai tukar dipengaruhi oleh anggaran pemerintah di Myanmar (BDER) dan dipengaruhi oleh nilai current account di Laos (CAER).

Tabel 5.4. Hasil Uji Bivariate Granger Causality Variabel Dependen Variabel Independen Brunei Singapura Indonesia Malaysia Filipina Thailand Kamboja Laos Myanmar Vietnam Variabel Dependen Variabel Independen Brunei Singapura Indonesia Malaysia Filipina Thailand Kamboja Laos Myanmar Vietnam Variabel Dependen Variabel Independen

BD

BD 0.0151** 0.6058 0.0913 0.8808 0.0133** 0.0701 0.0344** 0.2328 0.1972 0.4426 BD

BD CA 0.0039*** 0.0658 0.3734 0.0576 0.6158 0.9626 0.0597 0.6066 0.7606 0.9147 CA CA

ER CA

ER 0.0089*** 0.1094 0.0084*** 0.0146*** 0.2245 0.1851 0.3300 0.6019 0.7156 0.6680 ER 0.0712 0.1740 4.E-05*** 0.0003*** 0.1398 0.0068*** 0.0925 9.E-06*** 0.9402 0.1916 ER

46

Brunei 0.4364 0.8056 Singapura 0.8377 0.4219 Indonesia 0.4099 0.2511 Malaysia 0.9185 0.3330 Filipina 0.3146 0.1668 Thailand 0.9924 0.7942 Kamboja 0.6748 0.9874 Laos 0.9567 1.E-10*** Myanmar 0.0196** 0.8166 Vietnam 0.0547 0.8731 Keterangan: ***: Signifikan pada taraf nyata 1 persen, **: Signifikan pada taraf nyata 5 persen. Uji kausalitas granger/ Block Exogenity Test merupakan bentuk general dari Granger Causality Test dalam konteks multivariate. Berdasarkan hasil uji Block Exogeneity Test dengan menggunakan taraf nyata 5 persen, didapatkan bahwa Pada negara Singapura, CA mempengaruhi BD secara signifikan sehingga diperkirakan apabila terjadi defisit current account akan menyebabkan terjadinya defisit anggaran pemerintah (CABD).Pada negara Indonesia, Filipina, Thailand, dan Kamboja terdapat hubungan yang signifikan antara anggaran pemerintah terhadap CA sehingga jika terjadi defisit anggaran pemerintah dapat menyebabkan terjadinya defisit current account (BDCA). Pada negara Vietnam, anggaran pemerintah dipengaruhi secara signifikan oleh nilai tukar (ERBD), sedangkan pada negara Myanmar current account dipengaruhi oleh nilai tukar (ERBD). Pada negara Malaysia ditemukan bahwa baik anggaran pemerintah maupun current account dipengaruhi oleh nilai tukar (ER BD dan ERCA). Nilai tukar pada negara Indonesia dan Laos dipengaruhi current account (CA ER). Nilai tukar pada negara Myanmar dipengaruhi oleh anggaran pemerintah (BDER) sedangkan pada Indonesia dan Laos dipengaruhi current account (CAER). Pada negara Vietnam, anggaran pemerintah dan Current account secara bersama-sama mempengaruhi nilai tukar (BDER dan CA ER).

47

Tabel 5.5. Hasil Uji Granger Causality/ Block Exogeneity Wald Test Variabel Dependen BD Variabel Independen BD CA ER Brunei 0.7890 0.7110 Singapura 0.0380** 0.0661 Indonesia 0.5764 0.2780 Malaysia 0.1156 0.0002*** Filipina 0.6479 0.2406 Thailand 0.7923 0.7328 Kamboja 0.6038 0.5844 Laos 0.1290 0.2036 Myanmar 0.6938 0.6511 Vietnam 0.9460 0.0403** Variabel Dependen CA Variabel Independen BD CA ER Brunei 0.2980 0.4081 Singapura 0.3574 0.1138 Indonesia 0.0021*** 0.6731 Malaysia 0.2719 0.0000*** Filipina 0.0537 0.0038*** Thailand 0.1334 0.0000*** Kamboja 0.7167 0.0007*** Laos 0.7609 0.0000*** Myanmar 0.1062 0.6648 Vietnam 0.8524 0.9666 Variabel Dependen ER Variabel Independen BD CA ER Brunei 0.9051 0.7933 Singapura 0.9562 0.4381 Indonesia 0.1775 0.0449** Malaysia 0.8144 0.4391 Filipina 0.2790 0.1454 Thailand 0.9630 0.7925 Kamboja 0.8633 0.8048 Laos 0.9771 0.0000*** Myanmar 0.0012*** 0.1455 Vietnam 0.2447 0.9952 Keterangan: ***: Signifikan pada taraf nyata 1 persen, **: Signifikan pada taraf nyata 5 persen. Hasil kedua uji statistik di atas dapat dilihat pada Tabel 5.6. Berdasarkan tabel tersebut tidak terdapat hubungan twin deficit pada negara Malaysia, Laos, Myanmar, dan Vietnam. Hal ini dikarenakan kedua uji statistik tidak menunjukkan keberadaan hubungan antara variabel BD dan CA pada ketiga

48

negara ini. Nilai tukar tidak dipengaruhi oleh baik variabel BD maupun variabel CA pada negara Brunei, Singapura, Malaysia, Filipina, Thailand, dan Kamboja karena tidak terlihat hubungan kausalitas antara variabel BD dan CA terhadap variabel ER. Sedangkan variabel BD dan CA tidak dipengaruhi oleh variabel ER pada Singapura, Filipina, Kamboja, dan Myanmar. Hubungan twin deficit diindikasikan kuat terjadi pada Filipina dan Kamboja dengan pola hubungan defisit anggaran pemerintah menyebabkan defisit current account (BDCA). Nilai Tukar diindikasikan kuat dipengaruhi oleh anggaran pemerintah di Myanmar (BDER) dan current account di Laos (CAER). Nilai tukar merupakan variabel yang mempengaruhi anggaran pemerintah dan current account di Malaysia (ER BD dan ERCA) dan di Laos nilai tukar diindikasikan secara kuat mempengaruhi current account. Indikasi ini diambil karena kedua hasil uji kausalitas menunukkan pola kausalitas yang sama. Hubungan lainnya yang terlihat adalah: a. Terdeteksi pada

Bivariate Granger Causality Test namun tidak pada

Block Exogeneity Test : 

Brunei Darussalam

: BD↔CA, ERBD



Indonesia

: ER BD, ERCA



Thailand

: ERCA

b. Terdeteksi pada

Block Exogeneity Test namun tidak pada Bivariate

Granger Causality: 

Indonesia

: BDCA, CAER



Thailand

: BD CA



Vietnam

: BD↔ER, CAER

Seluruh hubungan tersebut akan dikonfirmasi serta diperkuat dengan melakukan uji Impulse Response Function dan Forecast Error Variance Decomposisition.

49

Tabel 5.6. Ringkasan Hasil Uji Kausalitas Negara Bivariate Granger Causality Test BDCA CABD Brunei V V Singapura Indonesia Malaysia Filipina V Thailand Kamboja V Laos Myanmar Vietnam BDER CAER Brunei Singapura Indonesia Malaysia Filipina Thailand Kamboja Laos V Myanmar V Vietnam ERBD ERCA Brunei V Singapura Indonesia V V Malaysia V V Filipina Thailand V Kamboja Laos V Myanmar Vietnam

5.5. Simulasi Impulse Response Function (IRF)

Granger Causality Test/ Block Exogeneity Test BDCA CABD V V V V V

BDER

CAER

V

V V V ERBD

V ERCA

V

V

V V

50

5.5.1. Analisis Impulse Response Function (IRF) Guncangan Anggaran Pemerintah (BD) terhadap current account (CA) dan nilai tukar (ER). Secara umum pada seluruh negara, ketika anggaran pemerintah mengalami guncangan, maka pada awal periode nilai current account akan mengalami penurunan. Hal ini menunjukkan dalam jangka waktu tertentu, anggaran pemerintah (BD) mempengaruhi current account (CA). Hal ini sesuai dengan teori bahwa apabila anggaran pemerintah mengalami guncangan (misalnya karena peningkatan defisit fiskal) maka akan menyebabkan menurunnya nilai current account. Selain itu, negara high income (Brunei dan Singapura) lebih cepat dalam menstabilkan guncangan CA yang disebabkan oleh guncangan BD dibandingkan pada negara-negara middle income dan low income. Hal ini dikarenakan, Brunei dan Singapura memiliki akumulasi surplus yang cukup untuk mengurangi guncangan-guncangan yang disebabkan oleh guncangan anggaran pemerintah. Penemuan lainnya terkait dengan respon nilai tukar saat terjadi guncangan BD. Berdasarkan hasil uji IRF terlihat bahwa selain pada negara Myanmar dan Vietnam, respon nilai tukar terhadap guncangan anggaran pemerintah tidak begitu terlihat. Hal ini menunjukkan bahwa guncangan anggaran pemerintah tidak direspon oleh nilai tukar pada negara-negara ASEAN.

a. High Income Countries Berdasarkan hasil simulasi IRF pada negara high income countries di ASEAN (Brunei dan Singapura). Pada negara Brunei, terlihat bahwa ketika anggaran pemerintah mengalami guncangan, terjadi penurunan nilai current account pada periode pertama hingga periode keenam sebesar 0,06 persen lalu meningkat sedikit pada tahun ketiga dan stabil pada periode ketujuh. Sedangkan pada negara Singapura, ketika terjadi guncangan pada anggaran pemerintah, terjadi penurunan current account pada periode kedua (tahun kedua) sebesar 0,02 persen namun langsung meningkat pada periode ketiga (tahun ketiga) dan mulai kembali stabil pada periode keenam. Hal ini mengindikasikan pada kedua negara ini, current account merespon negatif guncangan anggaran pemerintah. Namun pada jangka waktu yang relatif pendek (sekitar 3-4 tahun) current account dapat

51

kembali stabil. Selain itu, respon nilai tukar terhadap guncangan anggaran pemerintah pada kedua negara ini tidak terlalu terlihat.

(a)

(b)

Ket: a. Brunei Darussalam, b. Singapura

Gambar 5.1. Respon CA dan ER terhadap Guncangan BD Pada ASEAN High Income Countries b. Middle Income Countries Berdasarkan hasil simulasi IRF pada negara Middle income countries di ASEAN (Indonesia, Malaysia, Filipina, dan Thailand). Pada Indonesia, terlihat bahwa ketika anggaran pemerintah mengalami guncangan, mulai terjadi penurunan nilai current account pada periode ketiga (tahun ketiga) lalu meningkat pada tahun kelima setelah itu current account akan terus mengalami guncangan namun tidak sebesar pada periode ketiga hingga kelima dan akan kembali stabil pada periode ketigabelas (tahun ketigabelas). Sedangkan pada Malaysia, ketika terjadi guncangan pada anggaran pemerintah, terjadi penurunan current account hingga periode kelima (tahun kelima) sebesar 0,009 persen namun langsung meningkat pada periode keenam (tahun keenam) dan mulai kembali stabil pada periode kesepuluh (tahun kesepuluh). Pada Filipina, ketika terjadi guncangan pada anggaran pemerintah, pada periode pertama hingga kedua (kuartal pertama hingga kedua) terjadi penurunan current acccount sebesar -0,03 persen dan terus berfluktuatif hingga akhirnya mulai stabil pada periode ke 37 (sekitar tahun kesembilan). Pada Thailand, ketika terjadi guncangan pada anggaran pemerintah, pada periode kedua (tahun kedua) hingga periode kelima (tahun kelima) terjadi penurunan current acccount sebesar sekitar -0,02 persen kemudian akan

52

mengalami peningkatan mulai pada periode kelima hingga kedelapan lalu kembali menurun dan stabil mulai pada periode keduapuluh (tahun keduapuluh). Hasil simulasi ini menunjukkan bahwa pada negara middle income countries guncangan anggaran pemerintah direspon negatif oleh current account, namun waktu yang dibutuhkan oleh negara middle income countries untuk kembali menstabilkan guncangan tersebut lebih lama dibandingkan pada high income countries. Temuan lainnya yang diperoleh dengan menggunakan simulasi IRF ini adalah. respon nilai tukar terhadap guncangan anggaran pemerintah pada keempat negara ini tidak terlalu terlihat.

(a)

(c)

(b)

(d)

Ket: a. Indonesia, b. Malaysia, c. Filipina, d. Thailand

Gambar 5.2. Respon CA dan ER terhadap Guncangan BD Pada ASEAN Middle Income Countries Pada

Indonesia, nilai current account dan nilai tukar membutuhkan

waktu yang cukup lama untuk stabil dikarenakan kebijakan fiskal di dalam negeri masih kurang efektif. Berdasarkan hasil penelitian Nizar (2010), hal ini dikarenakan pemerintah Indonesia seringkali melakukan kebijakan ekspansi fiskal dengan meningkatkan belanja negara, akan tetapi pada saat yang bersamaan pemerintah juga melakukan kebijakan fiskal yang contractionary untuk

53

meningkatkan penerimaan negara. Kebijakan fiskal di Indonesia menjadi tidak konsisten dan tidak sesuai dengan kondisi perekonomian. Hal ini mengakibatkan kebijakan fiskal membutuhkan waktu yang cukup lama untuk menstabilkan kondisi perekonomian negara. Pada Filipina, nilai current account dan nilai tukar membutuhkan waktu yang cukup lama untuk stabil selain karena masalah politik dalam negeri yang tidak stabil, juga dikarenakan pemerintah Filipina gagal untuk meningkatkan penerimaan fiskal dari sektor pajak dan tidak dapat meningkatkan belanja pemerintah dikarenakan keterbatasan anggaran pemerintah (Montes,2002). Pada Thailand, nilai current account dan nilai tukar membutuhkan waktu yang cukup lama untuk stabil karena pemerintah Thailand cenderung melakukan kebijakan fiskal yang ekspansioner dengan meningkatkan belanja pemerintah. Akan tetapi, peningkatan belanja pemerintah tersebut digunakan untuk membiayai para politisi

dan membangun berbagai mega proyek di dalam negeri yang

membutuhkan waktu pembangunan cukup lama namun tidak langsung memberikan hasil terhadap perekonomian sehingga hampir serupa dengan apa yang terjadi di Indonesia kebijakan fiskal kebijakan fiskal membutuhkan waktu yang cukup lama untuk menstabilkan kondisi perekonomian negara (Pupphavesa, 2002). Selain faktor-faktor yang telah disebutkan di atas, ketiga negara ini juga memiliki kesamaan yaitu sama-sama membiayai defisit mereka dengan hutang luar negeri dan melakukan pencetakan uang yang akan berakibat kepada meningkatnya tingkat inflasi, serta adanya kebijakan moneter yang tidak sinkron dengan kebijakan fiskal sehingga ketika kebijakan fiskal tidak/kurang efektif, kebijakan moneter di negara yang bersangkutan juga tidak berjalan dengan baik (Tang, Hsiao et al, 2010) Sebagai sesama negara middle income, Malaysia menunjukkan kondisi yang berbeda dibandingkan pada Indonesia, Filipina, dan Thailand karena menunjukan kondisi IRF yang lebih stabil ketika variabel BD diberi guncangan. Hal ini disebabkan ketika terjadi defisit anggaran pemerintah, pemerintah Malaysia berusaha terlebih dahulu menutupi defisit tersebut dengan menggunakan pajak baru kemudian menggunakan hutang luar negeri atau melakukan

54

pencetakan uang. Selain itu, otoritas moneter Malaysia mampu menetapkan kebijakan moneter yang sesuai dengan kondisi perekonomian dalam negeri sehingga bisa menutupi kelemahan dari kebijakan fiskal yang terjadi (Sriyana, 2005). c. Low Income Countries Berdasarkan hasil simulasi IRF pada negara Low income countries di ASEAN (Kamboja, Laos, Myanmar, dan Vietnam). Pada Kamboja, terlihat bahwa ketika anggaran pemerintah mengalami guncangan, terjadi penurunan nilai current account pada periode pertama hingga kelima (kuartal pertama hingga kelima) sebesar sekitar 0,02 persen lalu meningkat pada tahun keenam hingga periode ketigabelas lalu kembali menurun dan kembali stabil pada periode ke-29 (sekitar tahun ketujuh). Sedangkan pada Laos, ketika terjadi guncangan pada anggaran pemerintah, terjadi peningkatan current account hingga periode kelima (kuartal kelima) sebesar 0,02 persen lalu kemudian menurun dan mulai stabil pada periode ke-37 (sekitar tahun kesembilan). Pada Myanmar, ketika terjadi guncangan pada anggaran pemerintah, pada periode pertama hingga delapan (tahun pertama hingga tahun kedua) terjadi penurunan current acccount sebesar 0,007 persen lalu meningkat hingga periode ketigabelas sebesar 0.001112 persen dan terus berfluktuatif hingga akhirnya mulai stabil pada periode ke 61 (sekitar tahun kelimabelas). Temuan lainnya yang diperoleh dengan menggunakan simulasi IRF ini adalah. respon nilai tukar terhadap guncangan anggaran pemerintah pada Kamboja dan Laos, namun pada negara Myanmar, pada periode pertama nilai tukar sempat menurun namun langsung meningkat hingga periode kelima dan kembali menurun hingga mulai stabil pada periode ke-40 (tahun kesepuluh). pada negara Vietnam, pada periode pertama hingga sembilan nilai tukar meningkat lalu setelah itu. Pada Vietnam, ketika terjadi guncangan pada anggaran pemerintah, pada periode kedua hingga kelimabelas terjadi penurunan current acccount sebesar sekitar 0,9 persen kemudian akan mengalami peningkatan mulai pada periode

55

periode kesepuluh hingga ke-21 lalu kembali menurun dan stabil mulai pada periode ke-49 (sekitar tahun keduabelas). Hasil simulasi ini menunjukkan bahwa pada negara low income countries guncangan anggaran pemerintah menyebabkan penurunan current account pada awal-awal periode guncangan (kecuali pada Laos), sama seperti pada negara middle income, namun waktu yang dibutuhkan oleh negara low income countries untuk kembali menstabilkan guncangan tersebut lebih lama dibandingkan pada high income countries.

(a)

(c)

(b)

(d)

Ket: a. Kamboja, b. Laos, c. Myanmar, d. Vietnam

Gambar 5.3. Respon CA dan ER terhadap Guncangan BD Pada ASEAN Low Income Countries Ketika variabel BD mengalami guncangan, respon CA maupun ER untuk stabil membutuhkan waktu yang lebih lama dibandingkan pada negara-negara high income dan middle income dikarenakan adanya ketidakstabilan sosial politik dalam negeri sehingga pemerintah kurang terfokus terhadap kebijakan fiskal maupun kebijakan perdagangan internasionalnya (Setyawan, 2010).

56

5.5.2. Analisis Impulse Response Function (IRF) Guncangan Current Account (CA) terhadap Anggaran Pemerintah (BD) dan nilai tukar (ER)

Secara umum, ketika CA diberi guncangan, pada awal periode terjadi kenaikan anggaran pemerintah (BD) pada negara Brunei Darussalam, Singapura, Indonesia, Kamboja, Laos, dan Vietnam. Kondisi ini tidak sesuai dengan teori current account targetting yang menyatakan bahwa jika terjadi guncangan current account (misalnya jika terjadi defisit current account) maka terjadi penurunan anggaran pemerintah. Hal tersebut menunjukkan pada negara-negara ini defisit current account tidak menyebabkan defisit anggaran pemerintah. Sedangkan pada negara Malaysia, Filipina, Thailand, dan Myanmar, ketika terjadi guncangan pada CA, terjadi penurunan anggaran pemerintah. Hal ini menunjukkan bahwa walau respon BD terhadap guncangan CA pada negara-negara ini tidak terlalu besar, akan tetapi jika terjadi guncangan pada current account maka akan diikuti oleh penurunan pada anggaran pemerintah. Sama halnya dengan apabila terjadi guncangan pada BD, ketika terjadi guncangan pada CA, negara high income (Brunei dan Singapura) lebih cepat dalam menstabilkan guncangan CA yang disebabkan oleh guncangan BD dibandingkan pada negara-negara middle income dan low income. Hal ini dikarenakan, Brunei dan Singapura memiliki akumulasi surplus yang cukup untuk mengurangi guncangan-guncangan yang disebabkan oleh guncangan current account. Temuan lainnya adalah respon nilai tukar ketika terjadi guncangan pada current account, nilai tukar tidak terlalu merespon guncangan tersebut, kecuali pada Kamboja dan Vietnam yang mengalami depresiasi nilai tukar pada awal periode dikarenakan kedua negara ini menerapkan kebijakan devaluasi mata uang untuk meningkatkan ekspor mereka pada awal tahun 90-an. Sedangkan pada negara Filipina dan Myanmar, nilai tukar terapresiasi. Hal ini dikarenakan, pada awal periode 90-an, walau secara formal menggunakan rezim floating exchange rate, pemerintah kedua negara ini masih mengintervensi nilai tukar pada awal periode sehingga nilai tukar dapat menguat (Cavoli, 2010 ).

57

a. High Income Countries Berdasarkan hasil simulasi IRF pada negara high income countries di ASEAN (Brunei dan Singapura). Terlihat pada Brunei Darussalam, ketika current account mengalami guncangan, terjadi penurunan nilai current account dari periode pertama hingga periode kesembilan sebesar sekitar 0,1 persen lalu segera stabil. Sedangkan pada negara Singapura, ketika terjadi guncangan pada current account, terjadi peningkatan anggaran pemerintah mulai dari periode pertama hingga pada periode ketiga (tahun ketiga) sebesar sekitar 0,01 persen dan stabil mulai pada periode kesembilan.Selain itu, respon nilai tukar terhadap guncangan current account pada kedua negara ini tidak terlalu terlihat.

Ket: a. Brunei Darussalam, b. Singapura

Gambar 5.4. Respon BD dan ER terhadap Guncangan CA Pada ASEAN High Income Countries

b. Middle Income Countries Berdasarkan hasil simulasi IRF pada negara Middle income countries di ASEAN (Indonesia, Malaysia, Filipina, dan Thailand). Pada Indonesia, terlihat bahwa ketika current account mengalami guncangan, mulai terjadi penurunan nilai anggaran pemerintah pada periode pertama hingga ketiga sebesar kira-kira 0,00098 persen lalu meningkat pada tahun keempat sebesar 0,00252 persen. setelah itu, anggaran pemerintah akan kembali stabil pada periode ketigabelas (tahun ketigabelas). Sedangkan pada Malaysia, ketika terjadi guncangan pada current account, terjadi penurunan anggaran pemerintah hingga periode kesembilan sebesar 0,007 persen dan kembali stabil pada periode kesebelas (tahun kesebelas).

58

Pada Filipina, guncangan pada current account, akan menyebabkan penurunan terhadap anggaran pemerintah pada periode pertama hingga keempat (tahun pertama) sebesar 0,02 persen lalu meningkat dan kembali menurun pada periode kelima. Nilai anggaran pemerintah terus berfluktuasi hingga akhirnya mulai stabil pada periode ke 26 (sekitar tahun keenam). Pada Thailand, ketika terjadi guncangan pada current account, pada periode pertama hingga kedua current account akan mengalami penurunan sebesar 0,003 persen namun kemudian mengalami peningkatan hingga periode keempat sebesar 0,001 persen. Selanjutnya anggaran pemerintah akan cenderung mengalami penurunan hingga mulai stabil pada periode ke-23 (sekitar tahun kelima). Temuan lainnya yang diperoleh dengan menggunakan simulasi IRF ini adalah. respon nilai tukar terhadap guncangan current account pada keempat negara ini tidak terlalu terlihat kecuali pada Filipina, yaitu saat terjadi guncangan current account pada awal-awal periode, nilai tukar meningkat namun kemudian terus berfluktuasi hingga akhirnya mencapai kondisi stabil pada periode ke-26 (sekitar tahun keenam).

(a)

(c)

(b)

(d)

Ket: a. Indonesia, b. Malaysia, c. Filipina, d. Thailand

Gambar 5.5. Respon BD dan ER terhadap Guncangan CA Pada ASEAN Middle Income Countries

59

Berdasarkan hasil simulasi IRF ditemukan bahwa pada Indonesia, variabel BD dan ER lebih lama mencapai kestabilan dibandingkan dengan pada negara-negara lainnya yang sama-sama termasuk middle income countries di ASEAN. Hal ini dikarenakan Indonesia merupakan salah satu negara middle income di ASEAN yang belum siap menghadapi perdagangan internasional13. Hal ini dapat dilihat pada tingkat suku bunga Indonesia yang lebih tinggi bila dibandingkan dengan negara-negara middle income lainnya di ASEAN (Gambar 5.6). Hal ini menyebabkan dengan adanya perdagangan internasional yang bebas, maka capital inflow akan lebih tinggi terjadi di Indonesia dan menyebabkan nilai tukar di Indonesia menjadi terapresiasi dan menurunkan daya saing produk domestik di pasar internasional. 70.000 60.000

Persen (%)

50.000 INA

40.000

MAL 30.000

FIL

20.000

THA

10.000 0.000 19901992199419961998200020022004200620082010 Sumber: IMF, 2011

Gambar 5.6. Tingkat Suku Bunga Pada Negara-Negara Middle Income di ASEAN

c. Low Income Countries Berdasarkan hasil simulasi IRF pada negara Low income countries di ASEAN (Kamboja, Laos, Myanmar, dan Vietnam). Pada Kamboja dan Laos, terlihat bahwa ketika current account mengalami guncangan, terjadi peningkatan nilai anggaran pemerintah pada periode pertama hingga kelima (kuartal pertama hingga 13

Berdasarkan artikel Indonesia Dinilai Paling tidak Siap Hadapi Pakta Dagang ASEAN-China yang dimuat dalam Media Indonesia 1 Desember 2004

60

kelima) lalu menurun dan mulai stabil sekitar pada periode ke-34 pada Kamboja dan cenderung mengalami peningkatan dan mulai stabil pada periode ke-45. Pada Myanmar, ketika terjadi guncangan pada current account, pada periode pertama hingga delapan (tahun pertama hingga tahun kedua) terjadi penurunan anggaran pemerintah sebesar 0,01907 persen lalu meningkat hingga periode keempatbelas sebesar 0.019461 persen dan terus berfluktuatif hingga akhirnya mulai stabil pada periode ke 61 (sekitar tahun kelimabelas). Pada Vietnam, ketika terjadi guncangan pada current account, pada periode pertama hingga kelima terjadi penurunan anggaran pemerintah sebesar sekitar 0,0099 persen kemudian akan mengalami peningkatan mulai pada periode periode keenam hingga kedelapanbelas sebesar 0,114298 persen lalu terus mengalami guncangan namun lebih kecil dibandingkan pada awal-awal periode dan kembali stabil mulai pada periode ke-49 (sekitar tahun keduabelas). Temuan lainnya yang diperoleh dengan menggunakan simulasi IRF ini adalah. Ketika terjadi guncangan pada current account, nilai tukar pada negara Kamboja pada periode pertama hingga delapan mengalami penurunan sebesar 0,0001 persen kemudian meningkat dan kembali stabil pada periode ke-25 (sekitar tahun ke-6). Pada negara Laos, respon nilai tukar tidak terlalu terlihat. Pada Myanmar dan Vietnam, ketika terjadi guncangan pada current account terjadi peningkatan nilai tukar pada awal periode lalu kemudian mulai stabil pada periode ke 60 (sekitar tahun ke 15) untuk Myanmar dan periode ke- 49 (sekitar tahun ke 12)untuk Vietnam. Sama halnya ketika BD yang mengalami guncangan, ketika variabel CA mengalami guncangan, respon BD maupun ER untuk stabil membutuhkan waktu yang lebih lama dibandingkan pada negara-negara high income dan middle income dikarenakan adanya ketidakstabilan sosial politik dalam negeri sehingga pemerintah kurang terfokus terhadap kebijakan fiskal maupun kebijakan perdagangan internasionalnya.

61

(a)

(c)

(b)

(d)

Ket: a. Kamboja, b. Laos, c. Myanmar, d. Vietnam

Gambar 5.7. Respon BD dan ER terhadap Guncangan CA Pada ASEAN Low Income Countries 5.5.3. Analisis Impulse Response Function (IRF) Guncangan Nilai Tukar (ER) terhadap current account (CA) dan Anggaran Pemerintah (BD) Secara umum, ketika terjadi guncangan pada nilai tukar, kecuali pada Singapura dan Myanmar, ketika terjadi guncangan pada nilai tukar (misalnya karena terjadi depresiasi nilai tukar) maka akan mengakibatkan meningkatnya nilai current account. Hal ini sesuai dengan teori bahwa apabila nilai tukar suatu negara terdepresiasi, maka harga produk domestik menjadi lebih murah di pasar internasional sehingga menyebabkan nilai ekspor meningkat dan meningkatkan current account. Sedangkan pada Singapura tidak terjadinya hubungan ini disebabkan karena Singapura respon negatif CA hanya terjadi pada periode ketiga saja, selanjutnya CA merespon positif guncangan dari nilai tukar. Pada Myanmar, pada awal tahun 1990, otoritas moneter Myanmar masih memiliki pengaruh yang kuat dalam mengintervensi nilai tukar.

62

a. High Income Countries Berdasarkan hasil simulasi IRF pada negara high income countries di ASEAN (Brunei dan Singapura). Terlihat bahwa ketika nilai tukar mengalami guncangan, terjadi peningkatan nilai current account pada Brunei Darussalam. Sedangkan pada negara Singapura, ketika terjadi guncangan pada nilai tukar, terjadi penurunan current account pada periode pertama hingga ketiga namun langsung meningkat dan stabil pada periode kesembilan. Sedangkan anggaran pemerintah pada kedua negara ini mengalami penurunan pada periode pertama hingga ketiga kemudian kembali meningkat dan mulai stabil pada periode kesembilan.

(a)

(b)

Ket: a. Brunei Darussalam, b. Singapura

Gambar 5.8. Respon BD dan CA terhadap Guncangan ER Pada ASEAN High Income Countries

b.

Middle Income Countries Berdasarkan hasil simulasi IRF pada negara Middle income countries di

ASEAN (Indonesia, Malaysia, Filipina, dan Thailand). Pada keempat negara middle income di ASEAN ini, apabila terjadi guncangan pada nilai tukar, maka pada umumnya di awal periode nilai current account meningkat. Sedangkan, anggaran pemerintah pada keempat negara ini terlihat menurun ketika terjadi guncangan pada nilai tukar.

63

(a)

(c)

(b)

(d)

Ket: a. Indonesia, b. Malaysia, c. Filipina, d. Thailand

Gambar 5.9. Respon BD dan CA terhadap Guncangan ER Pada ASEAN Middle Income Countries c. Low Income Countries Pada negara Laos dan Vietnam, current account segera meningkat pada awal periode ketika terjadi guncangan pada nilai tukar. Sedangkan pada Kamboja dan Myanmar, pada awal periode current account sempat menurun terlebih dahulu akan tetapi pada periode selanjutnya mengalami peningkatan. Anggaran pemerintah cenderung mengalami penurunan ketika terjadi guncangan pada nilai tukar, sedangkan pada Laos, pada awal periode sempat mengalami peningkatan namun selanjutnya menurun. Sama halnya dengan Myanmar yang pada awal periode mengalami peningkatan lalu menurun dan terus berfluktuasi hingga mulai stabil pada periode ke-61 (sekitar tahun ke-15).

64

(a)

(b)

(c)

(d)

Ket: a. Kamboja, b. Laos, c. Myanmar, d. Vietnam

Gambar 5.10. Respon BD dan CA terhadap Guncangan ER Pada ASEAN Low Income Countries

5.6. Hasil Simulasi Forecast Error Variance Decomposisition 5.6.1 Hasil Simulasi Forecast Error Variance Decomposisition pada Variabel Anggaran Pemerintah Berdasarkan hasil simulasi FEDV (Tabel 5.7) pada variabel anggaran pemerintah, terlihat bahwa variabel anggaran pemerintah (BD) pada negara Singapura, Indonesia, Thailand, Kamboja, Filipina, Myanmar dan Vietnam didominasi oleh variabel BD itu sendiri yaitu sekitar 78-99 persen. Sedangkan pada Brunei Darussalam, mulai dari periode kelima variabel current account mendominasi variabel anggaran pemerintah (51 persen-90 persen). Current account

mendominasi

anggaran

pemerintah

dikarenakan

Brunei

sangat

menggantungkan perekonomiannya kepada perdagangan minyak bumi, akan tetapi bila melihat hasil uji kausalitas dan hasil uji IRF, guncangan pada CA tidak menyebabkan penurunan anggaran pemerintah dikarenakan Brunei sering mengalami surplus pada periode-periode sebelumnya. Pada Malaysia, mulai pada periode ketiga, variabel nilai tukar mendominasi variabel anggaran pemerintah (51 persen-67 persen). Walau pada uji Kausalitas Granger terdapat hipotesis bahwa nilai tukar mempengaruhi anggaran pemerintah, akan tetapi pada simulasi

65

FEVD pengaruh ER terhadap BD di negara Indonesia sangat kecil yaitu hanya sebesar 1 persen-2 persen. Sedangkan pada Vietnam, sebesar 11 persen-13 persen variabel BD dipengaruhi oleh variabel ER.

Tabel 5.7. Hasil FEVD dari BD

Negara BRU

SIN

INA

MAL

FIL

THA

KAM

LAO

MYA

VIE

1 BD 100 CA 0 ER 0 BD 100 CA 0 ER 0 BD CA ER BD CA ER BD CA ER BD CA ER

100 0 0 100 0 0 100 0 0 100 0 0

BD CA ER BD CA ER BD CA ER BD CA ER

100 0 0 100 0 0 100 0 0 100 0 0

Variance Decomposisition of BD 10 15 20 25 30 35 40 High Income Countries 47.75 21.76 15.00 12.04 10.38 9.33 51.42 76.80 83.30 86.14 87.73 88.75 0.82 1.43 1.70 1.82 1.89 1.93 78.72 78.70 78.70 78.70 78.70 78.70 14.37 14.38 14.38 14.38 14.38 14.38 6.92 6.92 6.92 6.92 6.92 6.92 Middle Income Countries 95.96 96.25 96.41 96.49 96.54 96.57 1.92 1.46 1.26 1.16 1.10 1.06 2.12 2.29 2.33 2.35 2.36 2.37 24.07 12.65 10.07 8.91 8.26 7.84 18.17 23.07 24.07 24.52 24.78 24.94 57.76 64.28 65.87 66.56 66.96 67.22 92.65 91.54 91.07 90.89 90.82 90.80 90.79 90.79 1.84 1.86 1.82 1.81 1.80 1.80 1.80 1.80 5.51 6.60 7.10 7.31 7.38 7.40 7.41 7.41 87.79 85.03 84.30 83.74 83.37 83.13 0.1 0.11 0.1 0.09 0.08 0.08 12.1 14.86 15.61 16.17 16.54 16.79 Low Income Countries 94 92 90 90 89 88 87 86 5 5 5 5 5 5 5 5 1 3 4 5 6 7 8 8 92 65 42 34 30 26 23 21 3 10 15 16 17 17 18 18 6 26 43 50 53 57 59 61 98 96 94 92 92 92 92 92 1 3 5 6 7 7 7 7 0 1 1 1 1 1 1 1 97 93 86 84 85 78 75 76 0 0 1 1 4 9 11 11 3 7 13 15 13 13 14 13

5

66

5.6.2. Hasil Simulasi Forecast Error Variance Decomposisition Current Account Hasil simulasi FEDV variabel current account teringkas pada Tabel 5.8. Pada negara Brunei Darussalam, Singapura, Filipina, Kamboja, Laos, dan Vietnam menununjukkan bahwa variabel current account (CA) didominasi oleh variabel current account itu sendiri (58 persen-98 persen). Pada Indonesia, mulai dari periode kedua variabel CA didominasi oleh variabel BD (54 persen-84 persen). Sedangkan pada Malaysia dan Thailand, variabel ER mendominasi variabel CA (51 persen-58 persen) dan pada Myanmar proporsi pengaruh BD dan CA terhadap variabel CA hampir seimbang (masing-masing sekitar 46 persen-58 persen). Pada Filipina variabel BD memberikan pengaruh sebesar

13 persen

namun merupakan variabel kedua yang memberi pengaruh paling besar terhadap CA setelah variabel CA itu sendiri. Pada Thailand, variabel BD mendominasi variabel CA mulai dari periode ketiga hingga keenam, pada periode-periode selanjutnya pengaruh variabel BD kalah besar dibandingkan variabel ER. Sedangkan pada Kamboja, variabel BD memberikan pengaruh sebesar 25 persen27 persen terhadap current account. Tabel 5.8. Ringkasan Hasil FEVD dari CA

1 5 High Income Countries BRU BD 81 26 CA 19 72 ER 0 2 SIN BD 13.54 17.23 CA 86.46 76.96 ER 0.00 5.81 Middle Income Countries INA BD 38.78 76.23 CA 61.22 18.65 ER 0.00 5.12 MAL BD 0.04 2.45 CA 99.96 43.08 ER 0.00 54.48

Variance Decomposisition of CA 10 15 20 25 30 17 14 13 13 12 80 82 83 84 84 3 3 3 3 4 17.23 17.23 17.23 17.23 17.23 76.97 76.97 76.97 76.97 76.97 5.80 5.80 5.80 5.80 5.80 81.04 12.21 6.75 3.91 39.41 56.68

82.79 83.63 84.13 84.46 10.00 8.93 8.30 7.88 7.21 7.44 7.58 7.67 4.49 4.82 5.02 5.16 37.85 37.00 36.46 36.09 57.66 58.18 58.52 58.74

35

40

67

FIL

BD 0.67 10.14 CA 99.33 80.69 ER 0.00 9.17 THA BD 2.87 31.68 CA 97.13 24.88 ER 0.00 43.44 Low Income Countries KAM BD 11.12 24.66 CA 88.88 74.29 ER 0.00 1.05 LAO BD 2.20 46.98 CA 97.81 42.19 ER 0.00 10.84 MYA BD 0.35 1.34 CA 99.65 95.32 ER 0.00 3.34 VIE BD 0.20 0.07 CA 99.80 99.91 ER 0.00 0.02

12.43 76.94 10.64 21.91 28.90 49.19

13.36 75.83 10.82 18.90 29.27 51.83

13.61 75.52 10.87 16.55 30.04 53.41

13.67 75.44 10.89 15.16 30.38 54.46

13.69 13.69 13.69 75.42 75.41 75.41 10.89 10.90 10.90 14.17 30.66 55.17

27.06 69.86 3.08 65.88 28.32 5.81 5.96 88.49 5.55 1.30 98.64 0.06

28.18 68.31 3.51 60.37 34.86 4.77 12.20 82.36 5.44 5.08 94.80 0.12

27.98 67.65 4.38 58.75 37.74 3.51 15.87 78.90 5.24 3.84 95.87 0.29

27.76 67.00 5.24 58.63 38.49 2.88 17.30 77.56 5.14 3.20 96.13 0.67

27.60 66.42 5.98 58.14 39.42 2.44 17.68 77.20 5.12 2.88 96.49 0.62

27.38 65.85 6.77 58.08 39.80 2.11 17.74 77.13 5.13 2.56 96.89 0.55

27.18 65.29 7.53 57.75 40.38 1.87 17.75 77.11 5.14 2.39 97.11 0.50

5.6.3. Hasil Simulasi Forecast Error Variance Decomposisition Variabel Nilai Tukar Hasil simulasi FEDV variabel nilai tukar pada negara Singapura, Malaysia, Filipina, Kamboja, dan Myanmar menununjukkan bahwa pada umumnya variabel nilai tukar didominasi oleh didominasi oleh variabel nilai tukar itu sendiri

(58 persen-98 persen). Pada Brunei dan Thailand, variabel BD

tampak mendominasi nilai tukar (59 persen-69 persen). Sedangkan pada Indonesia, dominasi antara variabel BD, CA, dan ER terhadap variabel ER hampir seimbang (masing-masing sekitar 30 persen-36 persen). Pada Laos, variabel CA mendominasi ER hanya pada periode kedua dan keempat (55 persen) sedangkan pada periode lainnya variabel CA memberikan pengaruh sebesar 34 persen-40 persen. Pada Vietnam, mulai pada periode kesembilan, variabel CA mendominasi variabel ER (48 persen-84 persen).

68

Tabel 5.9. Ringkasan Hasil FEVD dari ER

1 5 High Income Countries BRU BD 49.45 65.81 CA 3.75 12.55 ER 46.80 21.64 SIN BD 2.77 3.29 CA 0.48 1.56 ER 96.75 95.15 Middle Income Countries INA BD 34.55 36.81 CA 29.24 30.20 ER 36.21 32.99 MAL BD 5.61 4.65 CA 0.04 1.83 ER 94.35 93.52 FIL BD 11.89 12.38 CA 0.00 6.85 ER 88.11 80.77 THA BD 53.26 67.98 CA 1.55 1.39 ER 45.19 30.63 Low Income Countries KAM BD 0.49 0.33 CA 0.04 0.31 ER 99.47 99.36 LAO BD 0.03 2.36 CA 29.45 46.93 ER 70.52 50.71 MYA BD 0.14 12.23 CA 2.18 6.78 ER 97.68 80.99 VIE BD 2.61 2.05 CA 4.69 30.45 ER 92.70 67.50

Variance Decomposisition of ER 10 15 20 25 30

35

40

64.62 19.05 16.33 3.29 1.56 95.15

64.02 21.39 14.59 3.29 1.56 95.15

63.74 22.51 13.75 3.29 1.56 95.15

63.57 23.16 13.27 3.29 1.56 95.15

63.46 23.59 12.95 3.29 1.56 95.15

36.76 31.60 31.64 4.69 1.68 93.63 12.36 7.55 80.09 69.12 1.22 29.66

36.75 31.94 31.31 4.68 1.65 93.67 12.45 7.74 79.80 69.42 1.21 29.37

36.75 32.11 31.14 4.68 1.63 93.69 12.47 7.74 79.79 69.52 1.19 29.29

36.74 32.21 31.05 4.67 1.62 93.70 12.47 7.74 79.79 69.61 1.19 29.21

36.74 32.27 30.99 4.67 1.62 93.71 12.47 12.47 12.47 7.74 7.74 7.74 79.79 79.79 79.79 69.65 1.18 29.17

2.81 0.17 97.02 5.11 39.41 55.48 15.20 7.15 77.65 2.96 51.71 45.33

3.26 0.12 96.61 4.77 37.22 58.01 15.24 7.25 77.51 20.39 59.72 19.89

3.19 0.11 96.70 5.40 36.36 58.24 15.24 7.30 77.46 18.98 68.30 12.72

3.32 0.10 96.59 5.60 35.79 58.61 15.26 7.31 77.43 16.15 72.72 11.13

3.35 0.09 96.57 5.68 35.56 58.76 15.27 7.31 77.42 15.47 74.28 10.25

3.37 0.08 96.55 5.77 35.28 58.94 15.28 7.31 77.41 15.60 75.17 9.23

3.39 0.08 96.53 5.82 35.13 59.06 15.28 7.31 77.41 14.51 76.86 8.63

5.7. Twin Deficit di Kawasan ASEAN Hubungan twin deficit disimpulkan atas uji Kausalitas, simulasi IRF, dan simulai FEVD. Hubungan twin deficit terjadi apabila hubungan antara variabel

69

BD dan CA terdekteksi pada uji kausalitas granger, terdapat respon negatif BD (CA) jika terjadi guncangan pada CA (BD), dan apabila variabel BD (CA) terlihat memberi pengaruh yang besar/ cukup besar terhadap variabel CA(BD). Sesuai dengan kriteria tersebut maka hubungan twin deficit dapat dilihat pada Tabel 5.10. Tabel 5.10. Ringkasan Hubungan Twin Deficit BDCA CABD Indonesia Filipina Thailand Kamboja

CA≠BD Brunei Darussalam Singapura Malaysia Laos Myanmar Vietnam

Twin deficit dengan pola hubungan defisit anggaran pemerintah menyebabkan terjadinya defisit current account terjadi pada negara Indonesia, Filipina, Thailand, dan Kamboja. Hal ini dikarenakan berdasarkan teori, defisit anggaran pemerintah akan menyebabkan naiknya suku bunga yang akan berimplikasi terhadap terjadinya capital inflow dan terapresiasinya nilai tukar domestik sehingga dapat menyebabkan daya saing produk domestik menurun dan mengakibatkan terjadinya defisit current account. Hasil penelitian ini sesuai dengan hasil penelitian Pahlavani dan Saleh (2009) untuk kasus negara Filipina, Lau dan Tang (2009) untuk kasus negara Kamboja, dan Baharumsah, et al (2005) untuk kasus negara Indonesia dan Thailand. Pada negara Brunei Darussalam dan Singapura, sebenarnya terdapat indikasi bahwa current account (CA) mempengaruhi anggaran pemerintah (BD) karena hubungan tersebut terlihat pada uji kausalitas dan proporsi pengaruh CA yang besar terhadap BD saat dilakukan uji FEVD. Akan tetapi pada uji IRF diketahui bahwa saat terjadi guncangan pada CA, BD merespon secara positif, sedangkan sesuai teori twin deficit terjadi apabila BD merespon negatif guncangan terhadap CA. Hal tersebut terjadi karena perdagangan internasional merupakan salah satu faktor yang paling mempengaruhi perekonomian, akan tetapi kedua negara ini memiliki cukup banyak surplus baik surplus CA dan surplus BD sehingga ketika terjadi guncangan pada CA, pemerintah di kedua negara ini masih bisa mengatasi guncangan tersebut dengan menggunakan surplus yang mereka miliki. Dengan demikian disimpulkan bahwa twin deficit dengan pola hubungan defisit

70

current account menyebabkan defisit anggaran pemerintah (CABD) tidak terjadi di Brunei dan Singapura. Twin deficit tidak terjadi pada negara high level income (Brunei Darussalam dan Singapura), middle Income (Malaysia), dan low income (Laos, Myanmar, dan Vietnam). Tidak terjadinya twin deficit pada Brunei, Singapura, dan Malaysia dikarenakan ketiga negara ini dapat menggunakan surplus yang mereka dapatkan pada periode-periode sebelumnya untuk menutupi atau mengurangi defisit pada periode selanjutnya baik pada anggaran pemerintah maupun current account. Selain itu adanya sinkronisasi yang baik antara antara kebijakan fiskal dan moneter serta nilai tukar yang stabil juga merupakan faktorfaktor yang menyebabkan suatu negara tidak mengalami twin deficit.

a. High Income Countries Brunei Darussalam memiliki kebijakan fiskal yang stabil dan merupakan salah satu negara yang memiliki surplus anggaran tertinggi diantara negara-negara ASEAN lainnya14, sehingga surplus tersebut bisa digunakan untuk periode fiskal berikutnya. Hal ini dibuktikan pada saat krisis terjadi pada tahun 2009, pendapatan total pemerintah diperkirakan turun 26 persen lebih rendah dibandingkan pada tahun 2008 karena selain terjadi krisis juga terjadi penurunan harga minyak dunia (IMF, 2009), akan tetapi suplus pendapatan pada tahun sebelumnya membuat pemerintah Brunei mampu mempertahankan anggaran untuk pembangunannya. Pada periode tahun 2009-2010, Brunei mampu mengalokasikan 30,2 persen anggaran pembangunannya untuk sektor jasa sosial (ASEAN Secretariat dan World Bank, 2010). Singapura memanfaatkan surplus pendapatan dari setiap periode siklus bisnis untuk menstabilkan neraca fiskal dan neraca current account-nya. Penerimaan pajak merupakan salah satu sumber utama penerimaan fiskal pemerintah. Penerimaan pajak tersebut digunakan untuk pembangunanpembangunan barang publik yang esensial bagi masyarakat dan pelaku bisnis di negara ini. Selain itu, sebanyak 46 persen dari pengeluaran pemerintah digunakan untuk pembangunan sosial yang dimaksudkan untuk meningkatkan kualitas SDM 14

http://www.globaltimes.tv/asia-business-channel/brunei [September 2010]

71

sedangkan 44 persen pengeluaran pemerintah Singapura ditujukan untuk keamanan dan hubungan eksternal yang dimaksudkan untuk menjaga agar iklim bisnis di Singapura tetap kondusif (Gambar 5.11). Kebijakan pemerintah singapura ini menyebabkan anggaran pemerintah dan current account di negara ini terjaga kestabilannya.

Sumber: Economic Survey of Singapore,2010

Gambar 5.11. Pengeluaran Operasional Pemerintah Singapura periode tahun 2009-2010

b.

Middle Income Countries Malaysia merupakan negara middle income yang tidak mengalami twin deficit.

Hal ini dikarenakan terdapat sinkronisasi yang baik antara otoritas fiskal dan moneter Malaysia. Walaupun Malaysia juga memiliki hutang luar negeri yang cukup besar dan cukup membebani anggaran pemerintah dan menyebabkan defisit anggaran pemerintah, akan tetapi tetapi tidak sampai menyebabkan defisit neraca perdagangan dikarenakan otoritas moneter Malaysia mampu menjaga agar defisit anggaran tersebut tidak sampai terlalu tinggi meningkatkan suku bunga domestik yang kemudian akan berdampak terhadap apresiasi nilai tukar. Pada negara middle income lainnya, tidak terdapat sinkronisasi yang baik antara kebijakan fiskal dan kebijakan moneter. Kebijakan fiskal yang dilakukan oleh Malaysia untuk menstabilkan anggaran pemerintah dilakukan dengan berbagai cara, diantaranya: 1) Menjaga agar defisit anggaran pemerintah maksimum sebesar 6 persen dari GDP, 2)

72

Pinjaman (baik dari domestik maupun luar negeri) dilakukan hanya untuk keperluan pembangunan, 3) Membiayai defisit fiskal dengan menggunakan sumber-sumber domestik dan menjadikan pinjaman luar negeri sebagai pilihan terakhir untuk membiayai defisit. Sebanyak 80 persen pinjaman pemerintah Malaysia berasal dari sumber domestik, 4) Mengontrol pengeluaran untuk program-program sosial (Ministry Of Finance Malaysia, 2006). Dengan kontrol fiskal yang ketat, Malaysia dapat menjaga stabilitas fiskalnya, sehingga apabila terjadi defisit, maka defisit tersebut masih dapat tertutupi oleh surplus fiskal periode-periode sebelumnya. Untuk mengatasi penurunan pada current account, Malaysia memanfaatkan surplus perdagangan pada tahun-tahun sebelumnya. Sejak tahun 1990 hingga tahun 2010, Malaysia terus mengalami surplus perdagangan sehingga Malaysia tidak menghadapi masalah defisit current account yang serius selama periode ini. Berdasarkan penelitian Sriyana (2005), sinkronisasi kebijakan fiskal dan moneter yang baik dapat dilihat dari perbandingan pertumbuhan GDP dan pertumbuhan suku bunga riil (Lampiran 6). Jika pertumbuhan suku bunga lebih tinggi dibandingkan dengan pertumbuhan GDP, maka terdapat indikasi kurang sinkronnya hubungan antara kebijakan fiskal dan moneter, karena otoritas moneter negara yang bersangkutan tidak dapat mempertahankan tingkat suku bunga. Pada Lampiran 6, dapat dilihat bahwa hanya pada negara Malaysia yang secara umum pertumbuhan suku bunganya

lebih rendah dibandingkan

pertumbuhan GDP, dan ketika pertumbuhan suku bunga lebih tinggi dibandingkan pertumbuhan GDP, nilainya tidak terlalu jauh dibandingkan nilai pertumbuhan GDP. Pada Filipina dan Thailand, walau secara umum pertumbuhan suku bunganya lebih rendah dibandingkan pertumbuhan GDP, akan tetapi ketika pertumbuhan suku bunganya lebih tinggi dibandingkan pertumbuhan GDP, nilai pertumbuhan suku bunga tersebut sangat jauh dibandingkan pertumbuhan GDP. Hal ini menandakan otoritas moneter pada kedua negara ini tidak dapat merespon guncangan fiskal yang terjadi pada negara mereka secara konsisten. Ada periode dimana otoritas moneter dapat menanggulangi guncangan fiskal yang terjadi, namun ada kalanya tidak mampu dan langsung memberikan efek yang sangat

73

besar terhadap suku bunga domestik dan akan berefek pada nilai tukar. Hal ini menyebabkan pada kedua negara ini terjadi twin deficit. Pada Indonesia, secara umum pertumbuhan suku bunganya lebih tinggi dibandingkan pertumbuhan GDP. Ini menunjukkan masih kurangnya sinkronisasi antara kebijakan fiskal dan moneter di Indonesia. Kecederungan yang terjadi di Indonesia adalah, pemerintah cenderung melakukan kebijakan moneter yang ekspansioner akan tetapi bank sentral (dalam hal ini Bank Indonesia) cenderung menerapkan kebijakan moneter yang kontraksioner untuk mengurangi tingkat inflasi dengan cara meningkatkan tingkat suku bunga. Hal ini menunjukkan bahwa otoritas fiskal dan moneter di Indonesia cenderung mengejar tujuannya masing-masing, tidak seperti pada Malaysia yang saling melengkapi satu sama lain. Hal ini mengakibatkan pada Indonesia terjadi twin deficit.

c. Low Income Countries Berbeda dengan Brunei, Singapura, dan Malaysia, negara Laos, Myanmar, dan Vietnam sering mengalami defisit pada anggaran pemerintah dan current account sehingga tidak dapat memanfaatkan surplus dari periode sebelumnya. Laos, Myanmar, dan Vietnam merupakan negara-negara di ASEAN yang memiliki pendapatan perkapita yang rendah dan memiliki tingkat kemiskinan yang lebih tinggi dibandingkan pada negara-negara lain di ASEAN, hal ini mengakibatkan apabila pemerintah melakukan kebijakan fiskal expansioner (meningkatkan defisit fiskal) walau secara teoritis konsumsi masyarakat seharusnya meningkat, namun pada negara-negara ini tidak terjadi peningkatan secara signifikan. Tingkat konsumsi yang tidak meningkat secara signifikan

tersebut

mengakibatkan

defisit

anggaran

pemerintah

tidak

memperburuk defisit perdagangan karena nilai impor tidak terlalu dipengaruhi oleh konsumsi domestik15. Hal ini dapat dilihat pada Lampiran 7. Lampiran 7 menggambarkan perbandingan pertumbuhan GDP dengan pertumbuhan konsumsi. Sesuai dengan penelitian Corsetti dan Muller (2006), perbandingan antara pertumbuhan konsumsi dan pertumbuhan GDP dapat 15

Jika konsumsi tinggi dan produksi domestik tidak mampu untuk memenuhi kebutuhan akan konsumsi tersebut, maka suatu negara perlu melakukan impor. Jika ini terjadi maka defisit current account akan meningkat karena terjadi peningkatan impor.

74

menjadi indikator adanya pengaruh kebijakan fiskal terhadap kebijakan perdagangan internasional. Pada Negara Laos dan Myanmar terlihat bahwa pertumbuhan konsumsi pada umumnya lebih rendah daripada pertumbuhan GDP. Hal ini dapat menjadi indikasi bahwa kebijakan fiskal pada negara ini tidak cukup mempengaruhi konsumsi karena daya beli masyarakat yang masih rendah. Rendahnya konsumsi ini menyebabkan kebijakan fiskal yang ekspansioner tidak akan menyebabkan peningkatan impor (memperburuk defisit current account). Hampir sama dengan Laos dan Myanmar, pada Vietnam, pertumbuhan konsumsi sama dengan pertumbuhan GDP. Karena pertumbuhan konsumsi tidak melebihi pertumbuhan GDP, maka pemerintah di negara ini tidak perlu melakukan impor dalam jumlah besar untuk memenuhi kebutuhan konsumsi masyarakat. Pada Kamboja, kondisinya berbeda dibandingkan dengan Laos, Myanmar, dan Vietnam. Pertumbuhan konsumsi di negara ini seringkali lebih tinggi dibandingkan pertumbuhan GDP, sehingga untuk memenuhi kebutuhan konsumsi tersebut, maka pemerintah Kamboja banyak melakukan impor. Kondisi ini yang mengakibatkan terjadinya twin deficit di Kamboja, karena kebijakan fiskal ekspansioner di Kamboja berdampak pada peningkatan impor (memperburuk defisit current account). Penemuan lainnya pada penelitian ini adalah negara-negara ASEAN yang tidak mengalami twin deficit adalah negara-negara yang cenderung menggunakan fixed exchange rate atau tight flexible exchange rate. Sebaliknya, negara yang mengalami twin deficit adalah negara-negara yang cenderung menerapkan flexible exchange rate. Hal ini dikarenakan bila menggunakan flexible exchange rate maka dapat terjadi transmisi dari anggaran pemerintah kepada nilai tukar dan perubahan nilai tukar akan mempengaruhi current account. 5.8 Hubungan Nilai Tukar (ER) terhadap Anggaran Pemerintah (BD) dan Current Account (CA) a. Anggaran Pemerintah mempengaruhi Nilai Tukar Anggaran pemerintah dikatakan mempengaruhi nilai tukar (BDER) jika selain hubungannya terlihat pada uji kausalitas, nilai tukar memberikan respon terhadap guncangan anggaran pemerintah dan variabel anggaran pemerintah

75

memberi pengaruh yang cukup besar terhadap nilai tukar. Berdasarkan kriteria tersebut maka hubungan BDER secara signifikan terbukti terjadi pada negara Vietnam. Berdasarkan hasil penguji FEVD, sejak tahun ke 3 dan seterusnya (periode ke 12 dan seterusnya) sekitar 10 persen-16 persen nilai tukar di Vietnam dipengaruhi oleh anggaran pemerintah dan berdasarkan hasil uji guncangan pada anggaran pemerintah (BD), nilai tukar merespon positif walau terlihat peningkatannya cukup tipis (hanya sekitar 0,001 persen). Hal ini dikarenakan intervensi pemerintah terhadap nilai tukar cukup tinggi, sehingga bila terjadi guncangan pada anggaran pemerintah (misalnya karena peningkatan defisit anggaran pemerintah) maka pemerintah akan meningkatkan nilai tukar (merevaluasi) nilai tukar. Pemerintah Vietnam memiliki hutang luar negeri yang cukup besar (sekitar 31 persen-53 persen dari GDP), pemerintah Vietnam melakukan revaluasi agar beban untuk membayar hutang tidak terlalu besar. Akan tetapi, pengaruh guncangan anggaran pemerintah pada nilai tukar tidak terlalu besar karena kebijakan ini jarang dilakukan oleh pemerintah Vietnam. Pemerintah Vietnam lebih sering melakukan devaluasi mata uangnya dibandingkan merevaluasi mata uang mereka untuk kepentingan perdagangan internasional mereka16. Kebijakan ini yang menyebabkan pengaruh current account terhadap perubahan nilai tukar lebih besar dan dominan dibandingkan pengaruh anggaran pemerintah.

b. Current Account mempengaruhi Nilai Tukar Current account dikatakan mempengaruhi nilai tukar (CAER) jika selain hubungannya terlihat pada uji kausalitas, nilai tukar memberikan respon terhadap guncangan current account dan variabel current account memberi pengaruh yang cukup besar terhadap nilai tukar. Berdasarkan kriteria tersebut maka hubungan CAER secara signifikan terbukti terjadi pada negara Laos dan Vietnam. Berdasarkan hasil uji Variance Decomposisition sebelumnya, variabel current account pada negara Vietnam dan Laos memberikan pengaruh yang 16

Berdasarkan artikel: Vietnam Devalues Dong by 7: risking faster inflation dapat diakses pada http://www.businessweek.com/news/2011-02-11/vietnam-devalues-dong-by-7-risking-fasterinflation.html

76

cukup besar kepada nilai tukar yaitu sekisar 44 persen-59 persen pada Vietnam dan 34 persen-55 persen pada Laos. Selain itu berdasarkan simulasi IRF, ketika terdapat guncangan pada current account, maka nilai tukar akan merespon negatif guncangan terebut (kurs terdepresiasi). Hal ini dikarenakan pada kedua negara ini, untuk memperbaiki neraca perdagangannya yang sering terkena defisit, maka pemerintah di kedua negara ini seringkali melakukan devaluasi mata uang domestik mereka dengan tujuan untuk meningkatkan nilai ekspor mereka. Hal ini menyebabkan ketika terjadi defisit current account maka nilai tukar di kedua negara ini akan melemah.

c. Nilai Tukar mempengaruhi Anggaran Pemerintah Hubungan variabel nilai tukar secara signifikan mempengaruhi BD terjadi pada negara Malaysia, Thailand, Laos, dan Vietnam. Hal ini dikarenakan pada periode waktu pengamatan, Malaysia tengah giat meningkatkan pembangunan di dalam negerinya dan pembiayaan pembangunan itu menggunakan hutang luar negeri sebagai sumber permodalannya, hal serupa terjadi pada Thailand, kedua negera ini memiliki kebijakan untuk melakukan secara berangsur dan rutin hutang-hutang mereka agar tidak terakumulasi semakin tinggi. Karena itulah, ketika nilai tukar terguncang (melemah) maka defisit anggaran akan meningkat (BD menurun) karena mereka harus membayar hutang mereka dalam jumlah yang lebih besar17. Hubungan yang sama terjadi pada low income countries yaitu Laos dan Vietnam. Kedua negara ini merupakan negara dengan pendapatan yang rendah. Selain itu, mereka juga memiliki hutang luar negeri yang cukup tinggi (60,5 persen dari GDP untuk Laos dan 52,8 persen dari GDP untuk Vietnam pada tahun 2010) (IMF, 2011).

d. Nilai Tukar mempengaruhi Current Acount Nilai tukar (ER) dikatakan mempengaruhi current account (ERCA) jika selain hubungannya terlihat pada uji kausalitas, current account memberikan respon terhadap guncangan nilai tukar dan variabel nilai tukar memberi pengaruh 17

Berdasarkan artikel Doing Bussines in Malaysia yang dapat diakses di http://www.referenceforbusiness.com/encyclopedia/Kor-Man/Malaysia-Doing-Business-in.html

77

yang cukup besar terhadap current account. Berdasarkan kriteria tersebut maka hubungan ERCA secara signifikan terbukti terjadi pada negara Malaysia dan Thailand. Pada kedua negara ini, current account akan meningkat apabila terjadi guncangan pada nilai tukar. Hal ini sesuai dengan teori yaitu jika kurs melemah (terdepresiasi) maka daya saing produk domestik akan meningkat dan menyebabkan current account. Pada Malaysia, nilai tukar mempengaruhi BD dan CA, inilah yang mengakibatkan otoritas moneter Malaysia sangat menjaga kestabilan nilai tukar di negara ini karena mempengaruhi baik anggaran pemerintah maupun current account.

78

VI. KESIMPULAN DAN SARAN

6.1. Kesimpulan Berdasarkan penelitian yang telah dilakukan maka dapat disimpulkan bahwa Twin Deficit tidak terjadi pada negara high income (Brunei dan Singapura), middle income (Malaysia) dan Low Income (Laos, Myanmar, dan Kamboja). Pada Brunei, Singapura, dan Malaysia twin deficit tidak terjadi dikarenakan negara tersebut dapat menutupi defisit mereka dengan menggunakan surplus yang didapat pada periode-periode sebelumnya. Sedangkan pada negara low income tidak terjadinya twin deficit adalah dikarenakan kebijakan fiskal yang ada tidak cukup mampu mempengaruhi variabel makroekonomi yang ada.

Sedangkan

hubungan twin deficit dengan pola hubungan defisit anggaran pemerintah menyebabkan defisit current account terjadi di negara Indonesia, Filipina, Thailand, dan Kamboja. Pada negara high income countries, twin deficit tidak terjadi dikarenakan negara-negara ini dapat menggunakan surplus yang mereka dapatkan pada periode siklus bisnis sebelumnya untuk menstabilkan neraca fiskal dan neraca perdagangan mereka. Pada negara middle income countries, hanya pada Malaysia yang tidak terjadi twin deficit, sedangkan pada Indonesia, Filipina, dan Thailand terjadi twin deficit dengan pola hubungan defisit anggaran pemerintah menyebabkan defisit neraca perdagangan. Hal ini dikarenakan terdapat sinkronisasi yang baik antara kebijakan fiskal dan moneter di Malaysia. sedangkan pada Indonesia, Filipina, dan Thailand, tidak terdapat sinkronisasi antara kebijakan fiskal dan kebijakan moneter sehingga kebijakan moneter tidak dapat menutupi kekurangan-kekurangan yang terjadi karena kebijakan fiskal dan menyebabkan twin deficit terjadi. Pada negara Low Income Countries, hanya pada Kamboja terjadi twin deficit dengan pola hubungan defisit anggaran pemerintah menyebabkan defisit neraca perdagangan. Hal ini dikarenakan pada negara Kamboja, kebijakan fiskal yang ekspansif menyebabkan pertumbuhan konsumsi yang lebih tinggi dibandingkan pertumbuhan GDP sehingga pemerintah Kamboja perlu melakukan impor untuk memenuhi konsumsi dalam negeri. Berbeda dengan negara low

79

income lainnya di ASEAN, pertumbuhan konsumsinya tidak lebih tinggi dibandingkan pertumbuhan GDP. Hal ini selain menjadi indikasi bahwa kebijakan fiskal yang ada tidak membawa pengaruh yang signifikan terhadap masyarakat di Laos, Myanmar, dan Vietnam, juga menggambarkan ketika terjadi defisit fiskal maka tidak memperburuk defisit neraca perdagangan karena tingkat konsumsi yang masih rendah. Hubungan anggaran pemerintah mempengaruhi nilai tukar terjadi pada Vietnam, current account mempengaruhi nilai tukar pada Laos dan Vienam, nilai tukar mempengaruhi anggaran pemerintah pada Malaysia, Thailand, Laos, dan Vietnam, serta nilai tukar mempengaruhi current account pada negara Malaysia dan Thailand.

6.2. Saran Pada negara high income countries (Brunei dan Singapura), terdapat indikasi bahwa current account memiliki pengaruh yang besar terhadap anggaran pemerintah. Walaupun tidak terjadi twin deficit pada kedua negara ini, akan tetapi hal ini menunjukkan bahwa jika terjadi guncangan terhadap neraca perdagangan maka dapat mengguncang anggaran pemerintah di kedua negara ini.Oleh karena itu, kebijakan diversifikasi perekonomian seperti yang sedang diusahakan oleh Brunei saat ini perlu dilakukan agar perekonomian kedua negara ini tidak terlalu bergantung kepada perdagangan internasional. Pada negara middle income, untuk Indonesia, Filipina, dan Thailand, perlu ada sinkronisasi fiskal yang baik antara kebijakan fiskal dan moneter seperti yang dilakukan oleh Malaysia sehingga kedua kebijakan ini bisa saling melengkapi satu sama lain. Dengan adanya sinkronisasi fiskal tersebut maka kemungkinan terjadinya twin deficit pada ketiga negara ini dapat diminimalisir. Pada negara low income, diperlukan kestabilan sosial politik karena faktor ini menyebabkan kebijakan fiskal, moneter, dan perdagangan internasional di negara-negara ini menjadi kurang efisien karena pemerintah lebih berfokus untuk menyelesaikan permasalahan sosial politik internal di dalam negeri. Pada Kamboja, yang merupakan negara low income yang mengalami twin deficit, kebijakan yang dapat dilakukan adalah dengan mengiatkan produksi dalam negeri

80

untuk mengimbangi tingkat konsumsi yang tinggi sehingga ketergantungan terhadap impor menjadi tidak terlalu tinggi dan neraca perdagangan tidak semakin memburuk seiring dengan terjadinya defisit anggaran pemerintah. Untuk penelitian selanjutnya, sebaiknya periode yang digunakan lebih panjang dan mencakup variabel-variabel makro lainnya seperti tabungan, investasi, dan hutang luar negeri. Sehingga hubungan twin deficit di negara ASEAN dapat terlihat lebih jelas dan penjelasan mengenai twin deficit dapat lebih komprehensif.

81

DAFTAR PUSTAKA Afonso, António dan Rault, Christopher. 2009. Budgetary and External Imbalances Relationship: A Panel Data Diagnostic. European Central Bank: Cesifo Working Paper. Australia and New Zealand Banking Group Limited. 2006. Cambodia Economic Overview. Australia and New Zealand Banking Group. Ardiyanto, Ferry.2006. Analysis of Current Account Deficits and Fiscal Deficits in Indonesia: A VAR Approach. Jurnal Keuangan Publik Vol. 4, No. 2, September 2006 Arianto, et.al. 2010. Analisis Harga Minyak Sawit, Tinjauan Kointegrasi Harga Minyak Nabati dan Minyak Bumi. Jurnal Manajemen & Agribisnis, Vol. 7 No. 1 Maret 2010. Arsana, I Gede Putra. Modul Pelatihan E-Views: Metode VAR. Depok: Fakultas Ekonomi Universitas Indonesia. Artana, et, al. 2003. A Fiscal Policy Agenda. Insitute for International Economics. Baharumsyah,AZ. 2009. Twin Deficits Hypothesis and Capital Mobility: The ASEAN-5 Perspective. Universitas Kebangsaan Malaysia ______________. 2005. Testing Twin Deficits Hypotesis: Using VAR and Variance Decomposisition. Journal of The Asia Pacific Economy, Volume 11, 331-354 Barro, R. J .1989. The Ricardian Approach to Budget Deficits. Journal of Economic Perspectives. American Economic Association vol. 3(2). 3754 Bartolini, Leonardo dan Lahiri, Amartya. 2006. Twin Deficit: Twenty Years Later. Federal Reserve Bank of Newyork Cavoli, T dan R. S. Rajan. 2007. Inflation Targeting Arrangements in Asia: Exploring the Role of the Exchange Rate. Briefing Notes in Economics Department of Business and Economics, Richmond, and The American International University, London. Chang, J-C dan Hsu, Z. 2009. Causality Relationships between the Twin Deficits in the Regional Economy. Department of Economics, National Chi Nan University China Corsetti, Giancarlo dan Müller, Gernot J. 2006. Twin Deficits: Squaring Theory, Evidence and Common Sense. European Economic Area

82

Case, William. 2007. Brunei in 2006: Not a Bad Year. Asian Survey University of California Ear, Sophal. 2009. Sowing and Sewing Growth: The Political Economy of Rice and Garments in Cambodia. Stanford Center for International Development Edwards, Sebastian. 2001. Does the Current Account Matter?. Cambridge: National Bureau of Economic Research Fischer, Stanley dan Easterly, William. 1990. The Economics of The Government Budget Constraint. World Bank Research Observer Volume 5 Fleegler, Ethan. 2006. The Twin Deficits Revisited: A Cross-Country, Empirical Approach. Durham: Duke University Frankel, Jeffrey A., S.L. Schmukler, dan Luis Serven. 2002. Global Transformation of Interest Rates: Monetary Independence and Currency Regime. NBER Working Paper No 8828. Ghancev, Gancho Todorov . 2010. The Twin Deficit Hypotesis: The Case of Bulgaria. Blagoevgrad : South-West University Gujarati, Damodar. 2006. Dasar-Dasar Ekonometrika.Jakarta: Erlangga Gulcan, Yaprak dan Bilman, Mustafa. 2005. The Effects of Budget Deficit Reduction on Exchange Rate: Evidence from Turkey. Dokuz Eylül University Gustiani, Ebrinda Daisy, Ascarya, dan Effendi, Jaenal. 2010. Analisis Pengaruh Social Values Terhadap Jumlah Permintaan Uang Islam di Indonesia. Buletin Ekonomi Moneter dan Perbankan, April 2010 Hakkio, Craig S. 1996. The Effects of Budget Deficit Reduction on the Exchange Rate. Federal Reserve Bank of Kansas City Hori, Masahiro dan Wong, Yu Ching. 2008. Efficiency Costs of Myanmar’s Multiple Exchange Rate Regime. International Monetary Fund Working Paper Hossain, A dan A. Chowdurry. 1998. Open Economy Macroeconomics Macroeconomics for Developing Countries. Edwar Elgar Publishing Limited. Cheltenham, UK Htwe, Tintin. 2005. Financial Reform: It’s Impacts on Banking Sector in Cambodia, Laos, Myanmar, and Vietnam. Hiroshima University

83

Hummels, David, Isshii, Jun, dan Yi, Kei Mu. 2001. The Nature and Growth of Vertical Specialization in World Trade. Journal of International Economics Ilham, Nyak dan Siregar, Hermanto. 2006. Efektivitas Kebijakan Harga Pangan terhadap Ketahanan Pangan dan Dampaknya pada Stabilitas Ekonomi Makro. MB- IPB IMF. 2011. World Economic Outlook: April 2011. Dapat diakses di http://www.imf.org/external/pubs/ft/weo/2011/01/weodata/weorept.aspx Kementerian Keuangan. 2011. Pembiayaan Anggaran dan Risiko Fiskal. Nota Keuangan dan RAPBN 2011. Kementerian Keuangan Republik Indonesia Kato, Toshiyasu, Sophal, Chan Sophal, dan Piseth, Long Vou. 1998. Regional Integration for Sustainable Development in Cambodia: Challenges and Options. ASEAN-ISIS Conference on Cambodia’s Future in ASEAN, 19-20 Februari 1998 Karlinger, Liliane. 1999. The Twin Deficits Hypothesis in the Austrian Context: Fiscal Policy and the Current Account. Austria: Institute for Advanced Studies, Department of Economics and Finance Kiguel, Miguel A dan Laviatan, Nissan. 1990. The Inflation Stabilization Cycles in Argentina and Brazil. Policy, Reasearch, and External Affairs World Bank Kulkarni, Kishore G dan Erickson, Erick Lee. 1998. Twin Deficit Revisited: Evidence from India,. Pakistan, and Mexico, The Journal of Applied Business Research, 17 (2), 97-103. Modeste, N. C. Lau, Evan and Chan, Tze-Haw. 2003. Transmission Mechanism of Twin Deficits Hypothesis: Evidence From Two Neighboring Countries. Inti Journal Vol. 1 No.3, pp. 159-166 Lau, Evan and Tang, Tuck Cheong. 2009. Twin Deficit in Cambodia: Are There Reasons for Concern? An Empirical Study. Monash University Lipsey, Purvis and Steiner.1995. Economics. Longman Higher Education Mankiw, Gregory. 2002. Macroeconomics fifth edition. Worth Publisher Ministry of Finance Malaysia. 2006. Malaysia’s Fiscal Policy Management. Ministry of Finance Malaysia

84

Montes, Manuef F. 2002. Financing Development: The Political Economy of Fiscal Policy in The Philippines: Ministry of Finance Philippine. Moreno, Ramon. 2006. Experience With Current Account Deficits In Southeast Asia. Bank for International Settlements Chile Mizar, Muhammad Afdi. 2001. Arah Kebijakan Fiskal Pemerintahan Indonesia 2000-2009. Magister Perencanaan dan Kebijakan Publik Nugraheni, Sri Retno Wahyu. 2011. Analisis Daya Tahan Perbankan Syariah terhadap Fluktuasi Ekonomi di Indonesia. Bogor: Fakultas Ekonomi dan Manajemen Departemen Ilmu Ekonomi Institut Pertanian Bogor Ok, Seiha, Kakinaka, Makoto, dan Miyamoto, Hiroaki. 2010. Real Shock or Nominal Shock? Exchange Rate Movements in Cambodia and Lao PDR. The Singapore Economic Review, World Scientific Publishing Co. Pte. Ltd. Vol 55(04) pages 685-703. Pahlavani, Mosayeb dan Saleh, Ali Salman. 2009. Budget Deficits and Current Account Deficits in the Philippines: A Casual Relationship?. American Journal of Applied Sciences 6 (8): 1515-1521. Pasaribu, Syamsul Hidayat. 2003. Eviews untuk Analisis Runtut Waktu (Time Series Analysis). Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Pupphavesa, Wisam. 2002. Globalization and Social Development in Thailand. CAS Discussion Paper No.39. Robert Half Singapore.2010. Singapore finance professionals adopt active and prudent strategies in personal wealth creation. Robert Half Singapore. Rohlf, William. 2010. Introduction to Economic Reasoning 8th edition. Prentice Hall. Salvatore, D. 2007. Twin deficits in the G-7 countries and global structural imbalances. Elsevier Journal of Policy Modeling. Setyawan, H. 2010. Kebijakan Pemerintahan Pol Pot di Kamboja Tahun 19751979. Fakultas Sosial dan Politik Universitas Sebelas Maret Surakarta. Setboonsarng, Suthad. 1998. Asean Economic Co-operation:Adjusting to the Crisis. Association of Southeast Asian Nations.

Sims, Cristopher.1980. Econometrica and Reality. Econometrica Vol 48 No.1 January 1980.

85

Singapore Ministry of Finance. 1996. Singapore Budget 1996. Singapore Ministry of Finance. Sophal, Chan, Toshiyasu, Kato, dkk. 1998. Cambodia: Challenges and Options of Regional Economic Integration. Cambodia Development Research Institute. Sriyana, Jaka. 2005. Ketahanan Fiskal: Studi Kasus Malaysia dan Indonesia. Jurnal Ekonomi Pembangunan Kajian Ekonomi Negara Berkembang Hal.123-132. Tang, Hsiao Chink, Liu, Philip, dan Cheung, Eddie C. 2010. Changing Impact of Fiscal Policy on Selected ASEAN Countries. Asian Development Bank. Thomas, R.L. 1997. Modern Econometrics: An Introduction. Pearson Higher Education Companies. Vyshnyak, Olga. 2002. Twin Deficit Hypotesis: The Case Of Ukraine. Kyiv Mohyla Academy Ukraine. Verbeek, M.2002 . A Guide to Modern Econometrics. John Wiley and Sons Ltd. Umezaki, S., 2006. Monetary and Exchange Rate Policy in Malaysia Before the Asian Crisis.Discussion Paper No 79. Institute of Developing Economies. Ward, B.D dan Siregar, H. 2000. The Role of Aggregate Demand Shocks in Explaining Indonesian Macro-Economic Fluctuation. Commerce Division Discussion Paper No. 86. Lincoln University, Canterbury. World Bank. 2011. Country Page and Key Indicators:Vietnam. World Bank East Asia and Pasific Economic Update 2011, Volume 1. Yanuarita, Rita, Tampubolon, Muslim, dan Utama, Chandra. 2006. Contangion dalam Krisis Keuangan di ASEAN Berasal dari Indonesia dan Thailand (Kasus Data Pasar Modal). Jurnal Universitas Pramita Indonesia.

86

LAMPIRAN

87

LAMPIRAN 1. PENELITIAN TERDAHULU Penulis/ Tahun

Judul Riset

Giancarlo Corsetti dan Gernot J. Müller (2006)

Twin Deficits: Squaring Theory, Evidence and Common Sense

Gancho Todorov Ganchev, PhD (2010) Liliane Karlinger (1999)

António Afonso dan Christophe Rault (2009)

Leonardo Bartolini dan Amartya Lahiri (2006)

Negara yang Diteliti Amerika, Kanada, Amerika Serikat, Kanada, Australia , dan Inggris

Metode yang digunakan

The Twin Deficit Hypotesis:Th e Case of Bulgaria The Twin Deficits Hypothesis in the Austrian Context: Fiscal Policy and the Current Account Budgetary and External Imbalances Relationship: A Panel Data Diagnostic

Bulgaria

VAR/VECM

Government budget dan Current Account

Austria

Granger causality tests, cointegration tests dan VECM

Government budget,curren t account, penawaran uang, suku bunga, CPI , investasi, dan GDP.

Ekspansi kebijakan fiskal berkorelasi negatif terhadap transaksi berjalan walaupun mekanismenya tidak secara langsung

Uni Eropa dan NegaraNegara OECD

Data Panel

Government budget,curren t account, dan real effective exchange rate

Twin Deficits, Twenty Years Later

NegaraNegara OECD

Data panel

Konsumsi, defisit fiskal, defisit current account, belanja pemerintah, hutang luan negeri, pertumbuhan penduduk, C is private consumption, current account

Terdapat hubungan antara budget deficit dan current account deficit namun tidak terlalu kuat dikarenakan banyak faktor lain yang cukup kuat mempengaruhi current account seperti kebijakan moneter negara yang bersangkutan dan likuiditas di pasar modal internasional.  Peningkatan defisit fiskal diikuiti oleh peningkatan konsumsi masyarakat  Investasi tidak menunjukan memiliki hubungan yang sitematis dengan defisit fiskal  Di Amerika, defisit fiskal menyebabkan

Vector Autoregressio n (VAR)

Variabel Yang Digunakan GDP, Budget deficit, current account, inflasi, suku bunga nominal, Terms of trade, Investasi, tabungan rumah tangga

Kesimpulan

 Defisit anggaran pemerintah dan defisit transaksi berjalan memiliki hubungan yang kuat. Pada perekonomian terbuka, ekspansi memperkecil defisit anggaran pemerintah namun memperburuk defisit transaksi berjalan.  Twin Deficit memiliki dampak yang lebih kecil pada negara yang cenderung lebih tertutup. Hipotesis twin deficit tidak terlihat pada kasus negara Bulgaria

88

terjadinya defisit transaksi berjalan. Mexico menunjukkan tidak terdapat hubungan antara defisit anggaran dengan defisit current account. Hasil penelitian di India menunjukan bahwa defisit anggaran pemerintah mengakibatkan defisit current account, sebaliknya di Pakistan defisit current account yang mempengaruhi defisit anggaran pemerintah.

Mexico, India, Pakistan

Granger causality test dan VAR

Budget deficit dan current account

Transmission Mechanism of twin Deficit Hypotesis: Evidence from Two Neighboring Countries

Malaysia dan Filipina

VAR

Budget deficit, current account, exchange rate, suku bunga nominal

Di Thailand defisit anggaran pemerintah menyebabkan defisit current account sedangkan di Malaysia terjadi hubungan bikausalitas antara defisit anggaran pemerintah dan defisit current account. Selain itu, secara keseluruhan defisit anggaran mempengaruhi tingkat suku bunga, nilai tukar, dan current account.

Ahmad Zubaidi Baharumshah , Hamizun Ismail, dan Evan Lau (2009)

Twin Deficits Hypothesis and Capital Mobility: The ASEAN5 Perspective

ASEAN5

VAR/VECM

Budget deficit,current account, dan Investasi

Mosayeb Pahlavani dan Ali Salman Saleh (2009)

Budget Deficits and Current Account Deficits in the Philippines: A Casual Relationship? Analysis of Current Account Deficits and Fiscal Deficits in Indonesia: A VAR Approach

Filipina

VAR

Budget deficit dan current account

Defisit anggaran pemerintah mengakibatkan defisit current account di Thailand, sedangkan di Indonesia budget deficit yang mendorong terjadinya current account deficit. Hubungan timbal balik antara defisit anggaran dan defisit current account terjadi di Malaysia dan Filipina. Terjadi hubungan dua arah antara defisit anggaran dan defisit current account di Filipina.

Indonesia

VAR

Budget deficit, current account, exchange rate, dan suku bunga

Kishore G. Kulkarni dan Erick Lee Erickson (1997)

Twin Deficit Revisited: Evidence From India, Pakistan And Mexico

Evan Lau dan Chan Tze Haw (2003)

Ferry Ardiyanto (2006)

Defisit current account di Indonesia menyebabkan defisit fiskal

89

LAMPIRAN 2. UJI LAG OPTIMUM a. Brunei Darussalam VAR Lag Order Selection Criteria Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Date: 06/19/11 Time: 15:09 Sample: 1980 2010 Included observations: 29 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2

85.09244 145.4485 154.7529

NA 104.0621* 14.11712

6.98e-07 2.03e-08* 2.04e-08

-5.661548 -9.203342 -9.224340*

-5.520104 -8.637565* -8.234229

-5.617249 -9.026148* -8.914250

* 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

Lag 1 2

Adj-R square 0.642018* 0.624989

b. Singapura VAR Lag Order Selection Criteria Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Date: 06/19/11 Time: 16:04 Sample: 1980 2010 Included observations: 29 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2

190.7911 263.7256 268.5373

NA 125.7491* 7.300547

4.76e-10 5.83e-12* 7.96e-12

-12.95111 -17.36038* -17.07154

-12.80967 -16.79461* -16.08143

-12.90681 -17.18319* -16.76145

* 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

c. Indonesia VAR Lag Order Selection Criteria Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Date: 06/19/11 Time: 16:30

90

Sample: 1980 2010 Included observations: 29 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2

352.7891 389.8419 401.7336

NA 63.88415 18.04258*

6.70e-15 9.73e-16 8.16e-16*

-24.12338 -26.05806 -26.25749*

-23.98194 -25.49228* -25.26738

-24.07909 -25.88087 -25.94740*

* 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 Lag 1 2

Adj-R square 0.323497* 0.266540

d. Malaysia VAR Lag Order Selection Criteria Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Date: 06/19/11 Time: 17:04 Sample: 1980 2010 Included observations: 29 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2

434.0269 508.1492 524.6887

NA 127.7971 25.09429*

2.47e-17 2.78e-19 1.69e-19*

-29.72599 -34.21719 -34.73715*

-29.58455 -33.65141 -33.74704*

-29.68169 -34.03999 -34.42706*

* 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

e. Filipina VAR Lag Order Selection Criteria Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Date: 06/19/11 Time: 17:23 Sample: 1991Q1 2010Q4 Included observations: 73 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2 3 4

-59.00534 84.26120 97.22017 123.2227 134.2904

NA 270.8326 23.43266 44.88103 18.19354

0.001097 2.77e-05 2.49e-05 1.57e-05 1.49e-05

1.698776 -1.979759 -2.088224 -2.554046 -2.610696

1.792905 -1.603245 -1.429325 -1.612761* -1.387026

1.736288 -1.829712 -1.825641 -2.178928 -2.123043

91

5 6 7

161.4190 166.9191 172.5698

42.36521* 8.137174 7.895452

9.17e-06* 1.02e-05 1.15e-05

-3.107370* -3.011483 -2.919721

-1.601315 -1.223042 -0.848895

-2.507181* -2.298759 -2.094461

* 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 Adj-R square Lag 3 5

0.945094* 0.961713

f. Thailand VAR Lag Order Selection Criteria Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Date: 06/19/11 Time: 18:33 Sample: 1980 2010 Included observations: 29 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2

216.8624 268.5697 279.4277

NA 89.15045* 16.47427

7.89e-11 4.17e-12 3.76e-12*

-14.74913 -17.69446 -17.82260*

-14.60769 -17.12868* -16.83249

-14.70483 -17.51727* -17.51251

* 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

Adj-R square Lag 1 2

0.677517 0.754100*

g. Kamboja VAR Lag Order Selection Criteria Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Date: 06/19/11 Time: 19:21 Sample: 1994Q1 2010Q4 Included observations: 62 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2 3

365.6702 532.2763 541.4330 546.8991

NA 311.7147 16.24568 9.168970

1.67e-09 1.03e-11 1.03e-11* 1.16e-11

-11.69904 -16.78311 -16.78816* -16.67416

-11.59611 -16.37140* -16.06768 -15.64491

-11.65863 -16.62146* -16.50528 -16.27005

92

4 5 6

551.3471 567.8523 575.3956

7.030673 24.49166* 10.46323

1.36e-11 1.08e-11 1.17e-11

-16.52732 -16.76943 -16.72244

-15.18929 -15.12262 -14.76685

-16.00198 -16.12285 -15.95462

* 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 Adj-R square Lag 1 2 5

0.739295 0.749126* 0.775168

h. Laos VAR Lag Order Selection Criteria Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Date: 06/19/11 Time: 20:36 Sample: 1 68 Included observations: 62 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2 3 4 5 6

741.4044 907.7638 935.0950 969.7380 984.0801 994.1067 1006.458

NA 311.2531 48.49089 58.11072 22.66990 14.87809 17.13192*

9.08e-15 5.67e-17 3.15e-17 1.38e-17 1.18e-17 1.16e-17 1.07e-17*

-23.81950 -28.89561 -29.48694 -30.31413 -30.48646 -30.51957 -30.62766*

-23.71657 -28.48390 -28.76646 -29.28487* -29.14842 -28.87276 -28.67207

-23.77908 -28.73396 -29.20406 -29.91001 -29.96111* -29.87299 -29.85985

* 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 Adj-R square Lag 3 4 6

0.709164 0.706539 0.727959*

i. Myanmar VAR Lag Order Selection Criteria Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Date: 06/21/11 Time: 17:53 Sample: 1991Q1 2010Q4 Included observations: 76 Lag

LogL

LR

FPE

AIC

SC

HQ

0

419.6701

NA

3.47e-09

-10.96500

-10.87300

-10.92823

93

1 2 3 4

833.6629 1022.939 1175.207 1187.181

784.4075 343.6852 264.4656 19.85240*

8.17e-14 7.12e-16 1.65e-17 1.53e-17*

-21.62271 -26.36681 -30.13702 -30.21530*

-21.25470 -25.72279 -29.21700* -29.01927

-21.47563 -26.10943 -29.76934* -29.73731

* 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 Lag 3 4

Adj-R square 0.998751 0.998852*

j. Vietnam VAR Lag Order Selection Criteria Endogenous variables: BD CA ER Exogenous variables: C Date: 06/19/11 Time: 21:41 Sample: 1991Q1 2010Q4 Included observations: 76 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2 3 4

-1081.607 -710.5745 -560.6433 -468.6908 -447.8499

NA 703.0084 272.2435 159.7071 34.55203*

4.99e+08 36380.21 892.7828 100.9287 74.32126*

28.54228 19.01512 15.30640 13.12344 12.81184*

28.63429 19.38313 15.95042 14.04347 14.00787*

28.57905 19.16219 15.56378 13.49113 13.28983*

* 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

LAMPIRAN 3. UJI STABILITAS VAR a. Brunei Darussalam Roots of Characteristic Polynomial Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Lag specification: 1 1 Date: 06/19/11 Time: 15:13

c. Indonesia Roots of Characteristic Polynomial Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Lag specification: 1 1 Date: 06/19/11 Time: 16:35

Root

Modulus

Root

Modulus

0.827731 0.783862 0.460482

0.827731 0.783862 0.460482

0.926932 -0.218183 0.026774

0.926932 0.218183 0.026774

No root lies outside the unit circle. VAR satisfies the stability condition.

No root lies outside the unit circle. VAR satisfies the stability condition.

d. Malaysia Roots of Characteristic Polynomial Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Lag specification: 1 2 Date: 06/19/11 Time: 17:06

b. Singapura Roots of Characteristic Polynomial Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Lag specification: 1 1 Date: 06/19/11 Time: 16:05 Root

Modulus

0.921335 0.508791 0.243447

0.921335 0.508791 0.243447

No root lies outside the unit circle. VAR satisfies the stability condition.

Root 0.983027 0.844080 0.481967 - 0.538905i 0.481967 + 0.538905i -0.391302 0.157131

Modulus 0.983027 0.844080 0.722987 0.722987 0.391302 0.157131

No root lies outside the unit circle. VAR satisfies the stability condition.

94

0.720580 + 0.271285i 0.041789 - 0.456269i 0.041789 + 0.456269i -0.208619

e. Filipina Roots of Characteristic Polynomial Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Lag specification: 1 3 Date: 06/19/11 Time: 17:25 Root 0.993906 - 0.015444i 0.993906 + 0.015444i -0.765256 - 0.054153i -0.765256 + 0.054153i 0.617786 - 0.430397i 0.617786 + 0.430397i -0.100860 - 0.731581i -0.100860 + 0.731581i 0.506831

No root lies outside the unit circle. VAR satisfies the stability condition. Modulus 0.994026 0.994026 0.767170 0.767170 0.752929 0.752929 0.738501 0.738501 0.506831

No root lies outside the unit circle. VAR satisfies the stability condition.

f. Thailand Roots of Characteristic Polynomial Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Lag specification: 1 2 Date: 06/19/11 Time: 18:34 Root 0.895121 0.720580 - 0.271285i

0.769956 0.458179 0.458179 0.208619

g. Kamboja Roots of Characteristic Polynomial Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Lag specification: 1 2 Date: 06/19/11 Time: 19:24 Root 0.998443 0.631609 - 0.283331i 0.631609 + 0.283331i -0.153049 - 0.439891i -0.153049 + 0.439891i 0.195804

Modulus 0.998443 0.692247 0.692247 0.465756 0.465756 0.195804

No root lies outside the unit circle. VAR satisfies the stability condition.

Modulus 0.895121 0.769956

h. Laos Roots of Characteristic Polynomial Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Lag specification: 1 6 Date: 06/19/11 Time: 20:38

95

Root 0.880137 - 0.320630i 0.880137 + 0.320630i 0.934112 - 0.067837i 0.934112 + 0.067837i 0.850615 0.082425 + 0.831548i 0.082425 - 0.831548i -0.488796 - 0.668143i -0.488796 + 0.668143i 0.164644 + 0.806802i 0.164644 - 0.806802i -0.419449 - 0.680046i -0.419449 + 0.680046i 0.571821 + 0.535684i 0.571821 - 0.535684i -0.725840 - 0.170530i -0.725840 + 0.170530i 0.640319

Modulus 0.936721 0.936721 0.936572 0.936572 0.850615 0.835623 0.835623 0.827851 0.827851 0.823430 0.823430 0.799000 0.799000 0.783541 0.783541 0.745603 0.745603 0.640319

No root lies outside the unit circle. VAR satisfies the stability condition.

0.978185 - 0.086659i 0.978185 + 0.086659i 0.811077 - 0.411951i 0.811077 + 0.411951i 0.703841 - 0.550929i 0.703841 + 0.550929i 0.739666 0.646827 -0.081463 - 0.588530i -0.081463 + 0.588530i 0.285841 - 0.117473i 0.285841 + 0.117473i No root lies outside the unit circle. VAR satisfies the stability condition. j. Vietnam Roots of Characteristic Polynomial Endogenous variables: BD_Y CA_Y ER_Y Exogenous variables: C Lag specification: 1 4 Date: 06/21/11 Time: 17:55 Root

i. Myamar Roots of Characteristic Polynomial Endogenous variables: BD CA ER Exogenous variables: C Lag specification: 1 4 Date: 06/19/11 Time: 21:11 Root

Modulus

0.982016 0.982016 0.909697 0.909697 0.893820 0.893820 0.739666 0.646827 0.594141 0.594141 0.309039 0.309039

0.998445 0.749097 - 0.539332i 0.749097 + 0.539332i 0.889183 0.826518 - 0.317665i 0.826518 + 0.317665i 0.632845 - 0.492185i 0.632845 + 0.492185i

Modulus 0.998445 0.923052 0.923052 0.889183 0.885462 0.885462 0.801710 0.801710

96

0.642950 0.566510 - 0.164504i 0.566510 + 0.164504i 0.130777 No root lies outside the unit circle. VAR satisfies the stability condition.

0.642950 0.589911 0.589911 0.130777

LAMPIRAN 4. UJI KOINTEGRASI a. Brunei Darussalam Date: 06/19/11 Time: 15:14 Sample (adjusted): 1982 2010 Included observations: 29 after adjustments Trend assumption: No deterministic trend (restricted constant) Series: BD_Y CA_Y ER_Y Lags interval (in first differences): 1 to 1 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

0.545231 0.148962 0.072681

29.71691 6.865936 2.188280

35.19275 20.26184 9.164546

0.1728 0.9055 0.7400

Trace test indicates no cointegration 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

0.545231 0.148962 0.072681

22.85097 4.677656 2.188280

22.29962 15.89210 9.164546

0.0419 0.9145 0.7400

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

97

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): BD_Y -19.27311 -1.993155 -2.150881

CA_Y 14.35854 5.344998 -0.880234

ER_Y -10.82886 22.05288 15.92304

C 5.545359 -4.899828 -1.219797

Unrestricted Adjustment Coefficients (alpha): D(BD_Y) D(CA_Y) D(ER_Y)

0.056765 0.049353 -0.006634

-0.035218 -0.040213 -0.004520

-0.018116 -0.003907 -0.003281

Log likelihood

151.3200

BD_Y 1.000000

CA_Y 0.000000

0.000000

1.000000

ER_Y 5.034250 (2.55364) 6.003170 (3.39618)

C -1.344084 (0.45932) -1.417923 (0.61086)

Adjustment coefficients (standard error in parentheses) D(BD_Y) -1.023835 0.626816 (0.46323) (0.36629) D(CA_Y) -0.871043 0.493703 (0.41521) (0.32832) D(ER_Y) 0.136861 -0.119411 (0.06730) (0.05321)

b. Singapura 1 Cointegrating Equation(s):

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y C 1.000000 -0.745004 0.561864 -0.287725 (0.04358) (0.27552) (0.05706) Adjustment coefficients (standard error in parentheses) D(BD_Y) -1.094030 (0.48035) D(CA_Y) -0.951195 (0.44114) D(ER_Y) 0.127851 (0.06917)

2 Cointegrating Equation(s):

Log likelihood

Date: 06/19/11 Time: 23:16 Sample (adjusted): 1982 2010 Included observations: 29 after adjustments Trend assumption: No deterministic trend (restricted constant) Series: BD_Y CA_Y ER_Y Lags interval (in first differences): 1 to 1 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

0.463296 0.326932 0.113573

33.02448 14.97751 3.496143

35.19275 20.26184 9.164546

0.0841 0.2276 0.4923

153.6588

Normalized cointegrating coefficients (standard error in parentheses)

Trace test indicates no cointegration at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level

98

**MacKinnon-Haug-Michelis (1999) p-values

(1.27162)

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

0.463296 0.326932 0.113573

18.04697 11.48137 3.496143

22.29962 15.89210 9.164546

0.1769 0.2182 0.4923

Max-eigenvalue test indicates no cointegration at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values

BD_Y -6.532868 12.14192 23.00538

CA_Y -19.35292 26.38000 -18.60512

ER_Y -83.17102 215.7584 -98.39746

C 5.489666 -7.210312 2.507196

Unrestricted Adjustment Coefficients (alpha): D(BD_Y) D(CA_Y) D(ER_Y)

-0.005543 0.013188 -0.000847

1 Cointegrating Equation(s):

-0.014757 -0.018934 -0.000318

-0.009862 0.001914 0.000308

Log likelihood

261.0485

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y C 1.000000 2.962393 12.73116 -0.840315

(0.29924)

Adjustment coefficients (standard error in parentheses) D(BD_Y) 0.036209 (0.05157) D(CA_Y) -0.086158 (0.04765) D(ER_Y) 0.005535 (0.00184)

2 Cointegrating Equation(s):

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):

(8.22309)

Log likelihood

266.7892

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y C 1.000000 0.000000 31.63085 0.084233 (11.4970) (0.22646) 0.000000 1.000000 -6.379870 -0.312095 (4.65576) (0.09171) Adjustment coefficients (standard error in parentheses) D(BD_Y) -0.142969 -0.282024 (0.10095) (0.23955) D(CA_Y) -0.316053 -0.754713 (0.08596) (0.20398) D(ER_Y) 0.001669 0.007997 (0.00378) (0.00896)

c. Indonesia

99

Date: 06/19/11 Time: 16:36 Sample (adjusted): 1982 2010 Included observations: 29 after adjustments Trend assumption: No deterministic trend (restricted constant) Series: BD_Y CA_Y ER_Y Lags interval (in first differences): 1 to 1

BD_Y 175.3575 216.1316 55.57768

CA_Y 165.4515 -78.18834 -16.26187

ER_Y -623.4496 2356.477 -145.2400

C 1.004641 -3.623814 1.246260

Unrestricted Adjustment Coefficients (alpha): Unrestricted Cointegration Rank Test (Trace) Hypothesized No. of CE(s) None * At most 1 At most 2

Eigenvalue

Trace Statistic

0.05 Critical Value

Prob.**

0.746671 0.436894 0.082234

58.96178 19.14291 2.488586

35.19275 20.26184 9.164546

0.0000 0.0707 0.6798

D(BD_Y) D(CA_Y) D(ER_Y)

-0.000857 -0.007443 -4.93E-05

1 Cointegrating Equation(s):

-0.002603 0.004804 -0.000153

-0.002282 0.000832 0.000129

Log likelihood

392.1621

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y C 1.000000 0.943510 -3.555306 0.005729 (0.11995) (1.35043) (0.00231)

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

0.746671 0.436894 0.082234

39.81887 16.65432 2.488586

22.29962 15.89210 9.164546

0.0001 0.0379 0.6798

Max-eigenvalue test indicates 2 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 Cointegrating Coefficients (normalized by b'*S11*b=I):

Adjustment coefficients (standard error in parentheses) D(BD_Y) -0.150232 (0.31190) D(CA_Y) -1.305205 (0.31373) D(ER_Y) -0.008638 (0.01777)

2 Cointegrating Equation(s):

Log likelihood

400.4893

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y C 1.000000 0.000000 6.895791 -0.010532 (0.65837) (0.00161)

100

0.000000

1.000000

-11.07683 (0.80235)

0.017235 (0.00196)

Adjustment coefficients (standard error in parentheses) D(BD_Y) -0.712882 0.061800 (0.47335) (0.31123) D(CA_Y) -0.267011 -1.607053 (0.42007) (0.27619) D(ER_Y) -0.041802 0.003847 (0.02689) (0.01768)

Hypothesized No. of CE(s)

Eigenvalue

Max-Eigen Statistic

0.05 Critical Value

Prob.**

None * At most 1 At most 2

0.547075 0.345209 0.008534

22.17678 11.85629 0.239990

21.13162 14.26460 3.841466

0.0355 0.1162 0.6242

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 Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):

d. Malaysia Date: 06/19/11 Time: 17:07 Sample (adjusted): 1983 2010 Included observations: 28 after adjustments Trend assumption: Linear deterministic trend Series: BD_Y CA_Y ER_Y Lags interval (in first differences): 1 to 2

BD_Y -50.59274 51.00869 51.69553

CA_Y -21.40034 23.86914 0.235079

ER_Y -124613.2 563783.9 118186.3

Unrestricted Adjustment Coefficients (alpha): Unrestricted Cointegration Rank Test (Trace) Hypothesized No. of CE(s) None * At most 1 At most 2

Eigenvalue

Trace Statistic

0.05 Critical Value

Prob.**

0.547075 0.345209 0.008534

34.27306 12.09628 0.239990

29.79707 15.49471 3.841466

0.0143 0.1524 0.6242

D(BD_Y) D(CA_Y) D(ER_Y)

0.008322 0.004657 -3.73E-08

1 Cointegrating Equation(s):

0.001075 -0.011843 -3.07E-07

-4.83E-05 -0.001531 6.09E-08

Log likelihood

510.8676

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

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y 1.000000 0.422992 2463.066 (0.07472) (1455.34)

Unrestricted Cointegration Rank Test (Maximum Eigenvalue)

Adjustment coefficients (standard error in parentheses)

101

D(BD_Y) D(CA_Y) D(ER_Y)

-0.421016 (0.08832) -0.235616 (0.29904) 1.89E-06 (9.5E-06)

2 Cointegrating Equation(s):

Log likelihood

516.7957

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y 1.000000 0.000000 -78367.17 (20532.4) 0.000000 1.000000 191091.5 (46952.8) Adjustment coefficients (standard error in parentheses) D(BD_Y) -0.366204 -0.152437 (0.12422) (0.05543) D(CA_Y) -0.839698 -0.382339 (0.37965) (0.16941) D(ER_Y) -1.38E-05 -6.54E-06 (1.3E-05) (5.6E-06)

Hypothesized No. of CE(s)

Eigenvalue

Trace Statistic

0.05 Critical Value

Prob.**

None At most 1 At most 2

0.212872 0.114280 0.002424

27.59905 9.407341 0.184446

29.79707 15.49471 3.841466

0.0878 0.3290 0.6676

Trace test indicates no cointegration 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

0.212872 0.114280 0.002424

18.19171 9.222895 0.184446

21.13162 14.26460 3.841466

0.1228 0.2681 0.6676

Max-eigenvalue test indicates no cointegration at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):

e. Filipina Date: 06/19/11 Time: 17:28 Sample (adjusted): 1992Q1 2010Q4 Included observations: 76 after adjustments Trend assumption: Linear deterministic trend Series: BD_Y CA_Y ER_Y Lags interval (in first differences): 1 to 3

BD_Y 1.924321 -1.759796 -0.546272

CA_Y 3.334614 0.740146 -0.848404

ER_Y 21.63987 -12.34698 4.976584

Unrestricted Adjustment Coefficients (alpha): Unrestricted Cointegration Rank Test (Trace)

102

D(BD_Y) D(CA_Y) D(ER_Y)

-0.013401 -0.039099 -0.015836

0.051748 0.074575 -0.006939

0.005929 -0.012532 -0.000242

Log likelihood

138.5873

D(ER_Y)

-0.018262 (0.01177)

-0.057943 (0.01542)

f. Thailand 1 Cointegrating Equation(s):

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y 1.000000 1.732879 11.24546 (0.35066) (1.39821) Adjustment coefficients (standard error in parentheses) D(BD_Y) -0.025788 (0.04689) D(CA_Y) -0.075240 (0.08238) D(ER_Y) -0.030474 (0.00884)

2 Cointegrating Equation(s):

Log likelihood

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

0.691565 0.319568 0.218878

50.63226 17.69745 6.916670

42.91525 25.87211 12.51798

0.0071 0.3646 0.3533

143.1988

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y 1.000000 0.000000 7.842157 (1.68870) 0.000000 1.000000 1.963958 (1.13932) Adjustment coefficients (standard error in parentheses) D(BD_Y) -0.116854 -0.006386 (0.06130) (0.08030) D(CA_Y) -0.206477 -0.075185 (0.10899) (0.14277)

Date: 06/19/11 Time: 18:35 Sample (adjusted): 1983 2010 Included observations: 28 after adjustments Trend assumption: Linear deterministic trend (restricted) Series: BD_Y CA_Y ER_Y Lags interval (in first differences): 1 to 2

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

0.691565 0.319568 0.218878

32.93481 10.78078 6.916670

25.82321 19.38704 12.51798

0.0049 0.5361 0.3533

103

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 Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): BD_Y 58.98039 -88.29346 13.12077

CA_Y -6.249754 -36.42519 9.512272

ER_Y 554.4792 -385.1330 -331.2432

@TREND(81) 0.279909 0.032019 -0.141716

Unrestricted Adjustment Coefficients (alpha): D(BD_Y) D(CA_Y) D(ER_Y)

-0.007529 0.039914 -0.000282

1 Cointegrating Equation(s):

-0.002332 0.012512 0.000773

-0.006672 -0.004273 0.000502

Log likelihood

279.6934

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y @TREND(81) 1.000000 -0.105963 9.401076 0.004746 (0.06794) (1.39295) (0.00101) Adjustment coefficients (standard error in parentheses) D(BD_Y) -0.444072 (0.20672) D(CA_Y) 2.354143 (0.47255) D(ER_Y) -0.016637 (0.02305)

2 Cointegrating Equation(s):

Log likelihood

285.0838

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y @TREND(81) 1.000000 0.000000 8.371278 0.003702 (0.83737) (0.00048) 0.000000 1.000000 -9.718443 -0.009852 (3.36266) (0.00192) Adjustment coefficients (standard error in parentheses) D(BD_Y) -0.238152 0.132007 (0.36801) (0.12809) D(CA_Y) 1.249398 -0.705212 (0.79716) (0.27746) D(ER_Y) -0.084854 -0.026380 (0.03722) (0.01296)

g. Kamboja Date: 06/19/11 Time: 19:25 Sample (adjusted): 1994Q4 2010Q4 Included observations: 65 after adjustments Trend assumption: Linear deterministic trend Series: BD_Y CA_Y ER_Y 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 *

0.487329 0.211656

58.99350 15.56558

29.79707 15.49471

0.0000 0.0488

104

At most 2

0.001648

0.107240

3.841466

0.7433 Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y 1.000000 -5.554554 0.861728 (0.73849) (0.29800)

Trace test indicates 2 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

0.487329 0.211656 0.001648

43.42792 15.45834 0.107240

21.13162 14.26460 3.841466

0.0000 0.0322 0.7433

Max-eigenvalue test indicates 2 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 Cointegrating Coefficients (normalized by b'*S11*b=I): BD_Y 8.804546 -96.90834 11.30229

CA_Y -48.90533 9.340082 -1.936390

ER_Y 7.587121 3.290234 17.46225

Unrestricted Adjustment Coefficients (alpha): D(BD_Y) D(CA_Y) D(ER_Y)

-0.000749 0.035237 0.000296

1 Cointegrating Equation(s):

0.003204 0.009321 -0.001127

-4.84E-05 -6.82E-05 -0.000336

Log likelihood

566.4350

Adjustment coefficients (standard error in parentheses) D(BD_Y) -0.006595 (0.00829) D(CA_Y) 0.310249 (0.04836) D(ER_Y) 0.002606 (0.01008)

2 Cointegrating Equation(s):

Log likelihood

574.1642

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y 1.000000 0.000000 -0.049768 (0.04746) 0.000000 1.000000 -0.164099 (0.05044) Adjustment coefficients (standard error in parentheses) D(BD_Y) -0.317135 0.066565 (0.08178) (0.04184) D(CA_Y) -0.593058 -1.636232 (0.52079) (0.26647) D(ER_Y) 0.111870 -0.025006 (0.11044) (0.05651)

h. Laos

105

Date: 06/19/11 Time: 20:39 Sample (adjusted): 8 68 Included observations: 61 after adjustments Trend assumption: Quadratic deterministic trend Series: BD_Y CA_Y ER_Y Lags interval (in first differences): 1 to 6

BD_Y 274.2679 -0.728068 51.31222

CA_Y 15.08377 62.39625 -16.06612

ER_Y 27539.20 7409.148 -4615.956

Unrestricted Adjustment Coefficients (alpha): Unrestricted Cointegration Rank Test (Trace) Hypothesized No. of CE(s) None * At most 1 At most 2

Eigenvalue

Trace Statistic

0.05 Critical Value

Prob.**

0.311337 0.175798 0.035813

36.77157 14.01837 2.224657

35.01090 18.39771 3.841466

0.0321 0.1842 0.1358

D(BD_Y) D(CA_Y) D(ER_Y)

-0.003191 0.003003 -1.63E-06

1 Cointegrating Equation(s):

-0.002401 -0.001818 -1.02E-06

-0.000218 -0.000762 4.72E-06

Log likelihood

994.9894

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y 1.000000 0.054996 100.4099 (0.05584) (10.4344)

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

0.311337 0.175798 0.035813

22.75320 11.79371 2.224657

24.25202 17.14769 3.841466

0.0779 0.2537 0.1358

Max-eigenvalue test indicates no cointegration at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):

Adjustment coefficients (standard error in parentheses) D(BD_Y) -0.875150 (0.32635) D(CA_Y) 0.823747 (0.32149) D(ER_Y) -0.000447 (0.00109)

2 Cointegrating Equation(s):

Log likelihood

1000.886

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y 1.000000 0.000000 93.81918

106

0.000000

1.000000

(6.42366) 119.8382 (38.7762)

Unrestricted Cointegration Rank Test (Maximum Eigenvalue)

Adjustment coefficients (standard error in parentheses) D(BD_Y) -0.873402 -0.197929 (0.30930) (0.07239) D(CA_Y) 0.825070 -0.068126 (0.31167) (0.07295) D(ER_Y) -0.000446 -8.85E-05 (0.00109) (0.00026)

Hypothesized No. of CE(s)

Eigenvalue

Max-Eigen Statistic

0.05 Critical Value

Prob.**

None At most 1 At most 2

0.133612 0.105659 0.040778

10.75672 8.375135 3.122489

22.29962 15.89210 9.164546

0.7718 0.5036 0.5581

Max-eigenvalue test indicates no cointegration at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values

i. Myanmar

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):

Date: 06/19/11 Time: 21:12 Sample (adjusted): 1992Q2 2010Q4 Included observations: 75 after adjustments Trend assumption: No deterministic trend (restricted constant) Series: BD CA ER Lags interval (in first differences): 1 to 4

BD 1.181313 -0.463271 0.442840

CA -0.271703 -1.695236 2.522523

ER -3.966478 4.399823 0.295051

C 25.54805 -27.62940 -0.098831

Unrestricted Adjustment Coefficients (alpha): Unrestricted Cointegration Rank Test (Trace) Hypothesized No. of CE(s) None At most 1 At most 2

Eigenvalue

Trace Statistic

0.05 Critical Value

Prob.**

0.133612 0.105659 0.040778

22.25434 11.49762 3.122489

35.19275 20.26184 9.164546

0.5783 0.4948 0.5581

Trace test indicates no cointegration at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values

D(BD) D(CA) D(ER)

-0.005137 0.004487 0.026327

1 Cointegrating Equation(s):

-0.005452 0.004725 -0.026531

-0.014757 -0.000926 2.90E-05

Log likelihood

341.3938

Normalized cointegrating coefficients (standard error in parentheses) BD CA ER C 1.000000 -0.230001 -3.357686 21.62683 (0.85244) (0.94456) (5.68507)

107

Adjustment coefficients (standard error in parentheses) D(BD) -0.006068 (0.01142) D(CA) 0.005301 (0.00286) D(ER) 0.031100 (0.01585)

2 Cointegrating Equation(s):

Log likelihood

Unrestricted Cointegration Rank Test (Trace)

j. Vietnam Date: 06/21/11 Time: 17:56 Sample (adjusted): 1992Q2 2010Q4 Included observations: 75 after adjustments Trend assumption: Linear deterministic trend (restricted) Series: BD_Y CA_Y ER_Y Lags interval (in first differences): 1 to 4

Eigenvalue

Trace Statistic

0.05 Critical Value

Prob.**

None * At most 1 At most 2

0.384780 0.175101 0.110693

59.66868 23.23547 8.798430

42.91525 25.87211 12.51798

0.0005 0.1028 0.1931

345.5814

Normalized cointegrating coefficients (standard error in parentheses) BD CA ER C 1.000000 0.000000 -3.720765 23.87481 (0.89662) (5.41508) 0.000000 1.000000 -1.578602 9.773804 (0.74239) (4.48362) Adjustment coefficients (standard error in parentheses) D(BD) -0.003542 0.010638 (0.01223) (0.01655) D(CA) 0.003111 -0.009230 (0.00297) (0.00402) D(ER) 0.043391 0.037823 (0.01648) (0.02229)

Hypothesized No. of CE(s)

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

0.384780 0.175101 0.110693

36.43321 14.43704 8.798430

25.82321 19.38704 12.51798

0.0014 0.2261 0.1931

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 Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): BD_Y 48.85175 5.515720 -9.815309

CA_Y -6.575041 -12.70311 -6.626784

ER_Y 132.1544 319.1892 -343.6370

@TREND(91Q2) 0.279840 0.135078 -0.230522

108

Unrestricted Adjustment Coefficients (alpha): D(BD_Y) D(CA_Y) D(ER_Y)

-0.001747 0.000683 4.96E-05

1 Cointegrating Equation(s):

-0.000396 0.001591 -4.40E-05

0.000483 0.000554 4.50E-05

Log likelihood

1183.358

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y @TREND(91Q2) 1.000000 -0.134592 2.705213 0.005728 (0.05106) (1.49931) (0.00075) Adjustment coefficients (standard error in parentheses) D(BD_Y) -0.085363 (0.01757) D(CA_Y) 0.033373 (0.02652) D(ER_Y) 0.002421 (0.00114)

LAMPIRAN 5. HASIL SIMULASI FEVD a. Brunei Darussalam Variance Decomposition of BD_Y: Period 1

S.E. 0.13422

BD_Y 100

CA_Y

ER_Y 0

0

2

0.14325

91.7496

7.04725

1.20311

3

0.16091

77.251

21.79

0.95897

2 Cointegrating Equation(s):

Log likelihood

1190.576

Normalized cointegrating coefficients (standard error in parentheses) BD_Y CA_Y ER_Y @TREND(91Q2) 1.000000 0.000000 -0.718653 0.004564 (2.04541) (0.00106) 0.000000 1.000000 -25.43890 -0.008652 (10.1155) (0.00524) Adjustment coefficients (standard error in parentheses) D(BD_Y) -0.087549 0.016525 (0.01750) (0.00509) D(CA_Y) 0.042150 -0.024705 (0.02474) (0.00720) D(ER_Y) 0.002179 0.000233 (0.00111) (0.00032)

4

0.18451

60.7417

38.4775

0.78077

5

0.21123

47.7586

51.4247

0.81673

6

0.23848

38.5709

60.4836

0.94551

7

0.26484

32.1692

66.7374

1.09347

8

0.28984

27.6217

71.1503

1.22806

9

0.31336

24.288

74.3712

1.34086

10

0.33549

21.7664

76.8005

1.43307

11

0.35638

19.8034

78.6885

1.50808

12

0.37617

18.2366

80.194

1.56948

109

13

0.395

16.959

81.4208

1.62026

4

0.2456

31.815

66.8447

1.34036

14

0.41299

15.8981

82.4392

1.66275

5

0.28636

26.4628

71.7231

1.81415

15

0.43023

15.0035

83.2978

1.69874

6

0.32419

23.0447

74.7926

2.1627

16

0.44682

14.2391

84.0314

1.72956

7

0.35917

20.7436

76.832

2.42446

17

0.46281

13.5784

84.6654

1.75623

8

0.39159

19.1186

78.2599

2.62156

18

0.47826

13.0017

85.2188

1.77952

9

0.42179

17.9202

79.3073

2.77254

19

0.49323

12.494

85.706

1.80004

10

0.45011

17.0055

80.104

2.89051

20

0.50777

12.0436

86.1382

1.81824

11

0.47682

16.2866

80.729

2.98448

21

0.52189

11.6412

86.5243

1.8345

12

0.50214

15.7076

81.2317

3.06075

22

0.53565

11.2797

86.8712

1.84911

13

0.52625

15.2317

81.6446

3.12371

23

0.54906

10.953

87.1847

1.86232

14

0.54932

14.8338

81.9897

3.17647

24

0.56215

10.6565

87.4692

1.8743

15

0.57146

14.4964

82.2824

3.22128

25

0.57494

10.386

87.7288

1.88524

16

0.59277

14.2065

82.5337

3.25979

26

0.58745

10.1383

87.9665

1.89525

17

0.61335

13.9549

82.7519

3.29324

27

0.59971

9.91066

88.1849

1.90445

18

0.63325

13.7344

82.9431

3.32256

28

0.61171

9.70072

88.3864

1.91293

19

0.65255

13.5396

83.112

3.34846

29

0.62349

9.50648

88.5727

1.92079

20

0.6713

13.3662

83.2623

3.3715

30

0.63505

9.32626

88.7457

1.92807

21

0.68954

13.211

83.3969

3.39215

31

0.6464

9.15859

88.9066

1.93485

22

0.7073

13.0711

83.5181

3.41074

23

0.72463

12.9445

83.6279

3.42758

24

0.74156

12.8293

83.7278

3.4429

25

0.75811

12.7241

83.819

3.4569

26

0.7743

12.6275

83.9027

3.46973

Variance Decomposition of CA_Y: Period

S.E.

BD_Y

CA_Y

ER_Y

1

0.12326

80.7765

19.2235

0

27

0.79016

12.5387

83.9798

3.48155

2

0.15801

55.0629

44.8683

0.06887

28

0.80571

12.4566

84.051

3.49246

3

0.20268

40.8919

58.3014

0.80672

29

0.82097

12.3806

84.1169

3.50257

110

30

0.83594

12.3099

84.1781

3.51196

21

0.12263

63.6948

22.6671

13.6381

31

0.85066

12.2442

84.2351

3.52071

22

0.12566

63.6583

22.8091

13.5327

23

0.12861

63.625

22.9382

13.4368

24

0.1315

63.5947

23.0561

13.3492

25

0.13433

63.5668

23.1642

13.269

26

0.1371

63.5412

23.2637

13.1951

Variance Decomposition of ER_Y: Period

S.E.

BD_Y

CA_Y

ER_Y

1

0.01933

49.449

3.74898

46.8021

27

0.13982

63.5176

23.3554

13.127

2

0.03162

63.6304

4.63648

31.7332

28

0.14248

63.4957

23.4404

13.0638

3

0.04019

65.0964

7.45777

27.4458

29

0.14509

63.4754

23.5194

13.0052

4

0.04819

65.8551

10.1594

23.9855

30

0.14766

63.4565

23.5928

12.9507

5

0.05514

65.8122

12.5467

21.6411

31

0.15019

63.4389

23.6614

12.8997

6

0.06146

65.579

14.4931

19.9279

7

0.06724

65.2999

16.0458

18.6543

8

0.07259

65.0369

17.2778

17.6853

9

0.07758

64.8088

18.26

16.9312

10

0.08228

64.6162

19.0517

16.3322

Variance Decomposition of D(BD_Y):

11

0.08672

64.4549

19.698

15.8472

Period

12

0.09095

64.3195

20.2328

15.4477

13

0.095

64.2051

20.6814

15.1135

1

0.041025

100

0

0

14

0.09887

64.1075

21.0622

14.8302

2

0.046719

83.64668

9.250317

7.102998

15

0.1026

64.0236

21.3893

14.5871

3

0.047935

79.94481

13.07948

6.975709

16

0.1062

63.9506

21.6731

14.3763

4

0.048255

78.90687

14.20934

6.883784

17

0.10969

63.8867

21.9215

14.1918

5

0.048324

78.71721

14.36558

6.917214

18

0.11306

63.8303

22.1407

14.029

6

0.048334

78.70502

14.37693

6.918046

19

0.11634

63.7801

22.3357

13.8842

7

0.048336

78.70418

14.37598

6.919837

20

0.11953

63.7352

22.5101

13.7547

8

0.048336

78.70401

14.37617

6.919822

Cholesky Ordering: BD_Y CA_Y ER_Y b. Singapura

S.E.

D(BD_Y)

D(CA_Y)

D(ER_Y)

111

9

0.048336

78.70377

14.37643

6.919806

10

0.048336

78.70369

14.37651

6.919801

1

0.041756

13.53526

86.46474

0

11

0.048336

78.70367

14.37653

6.919801

2

0.045675

15.75958

78.53909

5.701334

12

0.048336

78.70367

14.37653

6.919801

3

0.046115

17.07432

77.21508

5.710601

13

0.048336

78.70367

14.37653

6.919802

4

0.04621

17.22723

76.96226

5.810513

14

0.048336

78.70367

14.37653

6.919802

5

0.046231

17.2348

76.96006

5.805138

15

0.048336

78.70367

14.37653

6.919802

6

0.046238

17.2301

76.96635

5.803541

16

0.048336

78.70367

14.37653

6.919802

7

0.046239

17.22931

76.9669

5.803783

17

0.048336

78.70367

14.37653

6.919802

8

0.04624

17.22947

76.96671

5.803824

18

0.048336

78.70367

14.37653

6.919802

9

0.04624

17.22955

76.96659

5.803862

19

0.048336

78.70367

14.37653

6.919802

10

0.04624

17.22956

76.96657

5.803864

20

0.048336

78.70367

14.37653

6.919802

11

0.04624

17.22957

76.96657

5.803864

21

0.048336

78.70367

14.37653

6.919802

12

0.04624

17.22957

76.96657

5.803864

22

0.048336

78.70367

14.37653

6.919802

13

0.04624

17.22957

76.96657

5.803864

23

0.048336

78.70367

14.37653

6.919802

14

0.04624

17.22957

76.96657

5.803864

24

0.048336

78.70367

14.37653

6.919802

15

0.04624

17.22957

76.96657

5.803864

25

0.048336

78.70367

14.37653

6.919802

16

0.04624

17.22957

76.96657

5.803864

26

0.048336

78.70367

14.37653

6.919802

17

0.04624

17.22957

76.96657

5.803864

27

0.048336

78.70367

14.37653

6.919802

18

0.04624

17.22957

76.96657

5.803864

28

0.048336

78.70367

14.37653

6.919802

19

0.04624

17.22957

76.96657

5.803864

29

0.048336

78.70367

14.37653

6.919802

20

0.04624

17.22957

76.96657

5.803864

30

0.048336

78.70367

14.37653

6.919802

21

0.04624

17.22957

76.96657

5.803864

31

0.048336

78.70367

14.37653

6.919802

22

0.04624

17.22957

76.96657

5.803864

23

0.04624

17.22957

76.96657

5.803864

24

0.04624

17.22957

76.96657

5.803864

25

0.04624

17.22957

76.96657

5.803864

Variance Decomposition of D(CA_Y): Period

S.E.

D(BD_Y)

D(CA_Y)

D(ER_Y)

112

26

0.04624

17.22957

76.96657

5.803864

17

0.001755

3.291757

1.563225

95.14502

27

0.04624

17.22957

76.96657

5.803864

18

0.001755

3.291757

1.563225

95.14502

28

0.04624

17.22957

76.96657

5.803864

19

0.001755

3.291757

1.563225

95.14502

29

0.04624

17.22957

76.96657

5.803864

20

0.001755

3.291757

1.563225

95.14502

30

0.04624

17.22957

76.96657

5.803864

21

0.001755

3.291757

1.563225

95.14502

31

0.04624

17.22957

76.96657

5.803864

22

0.001755

3.291757

1.563225

95.14502

23

0.001755

3.291757

1.563225

95.14502

24

0.001755

3.291757

1.563225

95.14502

25

0.001755

3.291757

1.563225

95.14502

26

0.001755

3.291757

1.563225

95.14502

Variance Decomposition of D(ER_Y): Period

S.E.

D(BD_Y)

D(CA_Y)

D(ER_Y)

1

0.001634

2.767765

0.479722

96.75251

27

0.001755

3.291757

1.563225

95.14502

2

0.001737

3.32164

1.584551

95.09381

28

0.001755

3.291757

1.563225

95.14502

3

0.001753

3.262205

1.559323

95.17847

29

0.001755

3.291757

1.563225

95.14502

4

0.001754

3.292467

1.560867

95.14667

30

0.001755

3.291757

1.563225

95.14502

5

0.001755

3.291408

1.562593

95.146

31

0.001755

3.291757

1.563225

95.14502

6

0.001755

3.291762

1.562895

95.14534

7

0.001755

3.291755

1.56319

95.14505

8

0.001755

3.291751

1.563219

95.14503

9

0.001755

3.291756

1.563225

95.14502

10

0.001755

3.291756

1.563225

95.14502

11

0.001755

3.291757

1.563225

95.14502

Variance Decomposition of BD_Y:

12

0.001755

3.291757

1.563225

95.14502

Period

13

0.001755

3.291757

1.563225

95.14502

14

0.001755

3.291757

1.563225

95.14502

1

0.009578

100

0

0

0.010664

95.9548

1.402151

2.643052

0.01313

96.6827

1.484327

1.832976

Cholesky Ordering: D(BD_Y) D(CA_Y) D(ER_Y)

c. Indonesia

15

0.001755

3.291757

1.563225

95.14502

2

16

0.001755

3.291757

1.563225

95.14502

3

S.E.

BD_Y

CA_Y

ER_Y

113

4

0.014419

95.44598

2.369319

2.184703

30

0.036712

96.57028

1.056676

2.373041

5

0.016129

95.95534

1.923773

2.120888

31

0.037302

96.57554

1.04987

2.374591

6

0.017253

95.93204

1.81805

2.249905

7

0.018576

96.16777

1.642799

2.189428

Variance Decomposition of CA_Y:

8

0.019668

96.11227

1.618879

2.268854

Period

9

0.020779

96.23623

1.501911

2.261856

10

0.02178

96.25482

1.45966

2.285525

1

0.009635

38.77807

61.22193

0

11

0.022778

96.30786

1.401788

2.290348

2

0.011331

54.20403

45.32527

0.470692

12

0.023706

96.33107

1.361954

2.306975

3

0.015366

68.32228

28.74421

2.933514

13

0.024615

96.36928

1.319983

2.310733

4

0.017414

71.96697

23.03155

5.001482

14

0.025483

96.38807

1.291329

2.320601

5

0.01965

76.2288

18.65103

5.120165

15

0.026328

96.413

1.261026

2.325976

6

0.021757

77.24775

17.01513

5.737119

16

0.027142

96.43087

1.236785

2.332343

7

0.023679

78.78663

15.07886

6.134507

17

0.027936

96.44899

1.214202

2.336809

8

0.025338

79.74673

13.85835

6.394918

18

0.028706

96.46345

1.194751

2.341794

9

0.027013

80.51947

12.92765

6.552878

19

0.029457

96.47785

1.176557

2.345591

10

0.028544

81.03598

12.2134

6.75062

20

0.030188

96.48997

1.160633

2.349402

11

0.029999

81.5639

11.56813

6.86797

21

0.030903

96.50146

1.145875

2.352669

12

0.031388

81.93482

11.09007

6.975114

22

0.031601

96.51168

1.13254

2.355779

13

0.032726

82.26722

10.66734

7.065442

23

0.032284

96.52123

1.120242

2.358526

14

0.034001

82.54634

10.30843

7.145229

24

0.032953

96.52987

1.109002

2.361127

15

0.035236

82.79308

9.99829

7.208626

25

0.033609

96.53794

1.098575

2.363482

16

0.036428

82.99952

9.732616

7.26786

26

0.034252

96.54536

1.088958

2.365686

17

0.037582

83.18729

9.494246

7.318468

27

0.034883

96.55227

1.080014

2.367717

18

0.038701

83.35102

9.285435

7.363545

28

0.035504

96.55868

1.071699

2.369619

19

0.03979

83.49779

9.098695

7.403518

29

0.036113

96.56468

1.063933

2.371384

20

0.040849

83.62901

8.931133

7.439852

S.E.

BD_Y

CA_Y

ER_Y

114

21

0.041881

83.74819

8.779554

7.472253

12

0.002435

36.75748

31.76368

31.47884

22

0.042889

83.85568

8.642488

7.501835

13

0.002544

36.75623

31.83681

31.40696

23

0.043873

83.95395

8.517314

7.528738

14

0.002649

36.75193

31.89595

31.35212

24

0.044836

84.04376

8.40286

7.553383

15

0.00275

36.75211

31.94221

31.30568

25

0.045778

84.1263

8.297719

7.575978

16

0.002848

36.75034

31.98608

31.26358

26

0.046702

84.20232

8.200839

7.596844

17

0.002942

36.74912

32.02369

31.2272

27

0.047607

84.27267

8.11122

7.616114

18

0.003033

36.74805

32.05614

31.19581

28

0.048496

84.33787

8.028141

7.633993

19

0.003122

36.74733

32.08531

31.16736

29

0.049369

84.39851

7.95087

7.650615

20

0.003208

36.74636

32.11164

31.14201

30

0.050226

84.45505

7.878836

7.666116

21

0.003292

36.74569

32.13497

31.11934

31

0.051069

84.50789

7.811516

7.680598

22

0.003374

36.74502

32.1562

31.09878

23

0.003454

36.74442

32.17551

31.08006

24

0.003532

36.74386

32.1931

31.06304

25

0.003608

36.74337

32.20921

31.04742

26

0.003683

36.74291

32.22405

31.03305

Variance Decomposition of ER_Y: Period

S.E.

BD_Y

CA_Y

ER_Y

1

0.000546

34.55066

29.23644

36.21289

27

0.003756

36.74248

32.23772

31.0198

2

0.000761

36.39205

23.4393

40.16866

28

0.003828

36.74209

32.25038

31.00753

3

0.001018

37.66616

27.43823

34.89561

29

0.003899

36.74172

32.26213

30.99615

4

0.001269

36.51223

30.39199

33.09578

30

0.003968

36.74138

32.27307

30.98555

5

0.001457

36.80747

30.20255

32.98998

31

0.004036

36.74106

32.28328

30.97566

6

0.001627

36.82781

30.66781

32.50437

7

0.001791

36.77824

31.15308

32.06868

8

0.001937

36.74884

31.30883

31.94232

9

0.002071

36.78289

31.42909

31.78803

10

0.0022

36.75936

31.59824

31.6424

11

0.00232

36.75812

31.68951

31.55237

Cholesky Ordering: BD_Y CA_Y ER_Y d. Malaysia Variance Decomposition of BD_Y: Period

S.E.

BD_Y

CA_Y

ER_Y

115

26

0.072439

8.163869

24.81611

67.02002

1

0.009237

100

0

0

27

0.07393

8.073737

24.85154

67.07472

2

0.014382

57.21459

1.924884

40.86052

28

0.075391

7.990528

24.88425

67.12522

3

0.018293

39.43588

8.567061

51.99706

29

0.076825

7.913471

24.91453

67.17199

4

0.021685

31.18

15.71915

53.10085

30

0.078232

7.84191

24.94266

67.21543

5

0.025719

24.07448

18.16553

57.75999

31

0.079615

7.775277

24.96885

67.25587

6

0.029636

19.40735

20.22439

60.36825

7

0.033083

16.75048

21.61091

61.63861

Variance Decomposition of CA_Y:

8

0.036296

14.90051

22.17853

62.92097

Period

9

0.039224

13.58875

22.67592

63.73533

10

0.041905

12.64917

23.07162

64.27921

1

0.031277

0.035366

99.96463

0

11

0.044434

11.90594

23.33865

64.75541

2

0.048252

0.573876

60.15306

39.27306

12

0.046823

11.30791

23.57622

65.11587

3

0.063364

0.719669

48.22361

51.05672

13

0.049094

10.82178

23.77362

65.4046

4

0.07151

1.719932

46.30166

51.97841

14

0.051269

10.41333

23.93078

65.65589

5

0.07814

2.449501

43.07535

54.47515

15

0.053355

10.06725

24.06774

65.86501

6

0.083542

2.853194

41.7185

55.42831

16

0.055362

9.77127

24.18493

66.0438

7

0.088104

3.25843

41.12305

55.61852

17

0.0573

9.514246

24.28516

66.20059

8

0.092617

3.533753

40.3475

56.11874

18

0.059173

9.28932

24.37373

66.33695

9

0.096988

3.73016

39.82616

56.44368

19

0.060989

9.090933

24.45182

66.45725

10

0.101161

3.913505

39.40853

56.67796

20

0.062753

8.914444

24.52104

66.56452

11

0.105222

4.063085

38.98368

56.95324

21

0.064468

8.756498

24.58317

66.66033

12

0.109129

4.19053

38.64121

57.16827

22

0.066139

8.614332

24.63907

66.7466

13

0.112886

4.306136

38.34638

57.34748

23

0.067769

8.485658

24.68962

66.82472

14

0.116527

4.406135

38.07784

57.51603

24

0.069361

8.368662

24.73562

66.89572

15

0.120054

4.494258

37.84665

57.65909

25

0.070916

8.261824

24.77762

66.96056

16

0.123478

4.57341

37.64104

57.78555

S.E.

BD_Y

CA_Y

ER_Y

116

17

0.126812

4.643909

37.45493

57.90116

8

3.25E-06

4.694237

1.703805

93.60196

18

0.13006

4.707414

37.28835

58.00423

9

3.45E-06

4.692132

1.689732

93.61814

19

0.133229

4.765087

37.13728

58.09763

10

3.63E-06

4.685874

1.679244

93.63488

20

0.136324

4.8175

36.99942

58.18308

11

3.81E-06

4.68402

1.672046

93.64393

21

0.139351

4.865419

36.87365

58.26093

12

3.98E-06

4.682876

1.664308

93.65282

22

0.142313

4.909417

36.7582

58.33238

13

4.15E-06

4.681288

1.65788

93.66083

23

0.145215

4.949916

36.65183

58.39825

14

4.31E-06

4.680431

1.652653

93.66692

24

0.14806

4.987334

36.55361

58.45906

15

4.46E-06

4.679595

1.647891

93.67251

25

0.150851

5.022013

36.46258

58.51541

16

4.60E-06

4.678704

1.64382

93.67748

26

0.153592

5.054234

36.37798

58.56778

17

4.75E-06

4.678007

1.640285

93.68171

27

0.156284

5.084256

36.29917

58.61657

18

4.89E-06

4.677366

1.637096

93.68554

28

0.158931

5.112294

36.22557

58.66214

19

5.02E-06

4.676773

1.634261

93.68897

29

0.161535

5.138539

36.15666

58.7048

20

5.15E-06

4.676262

1.631715

93.69202

30

0.164097

5.163157

36.09204

58.74481

21

5.28E-06

4.675795

1.629402

93.6948

31

0.16662

5.186296

36.03129

58.78241

22

5.40E-06

4.675368

1.627304

93.69733

23

5.53E-06

4.674982

1.62539

93.69963

24

5.64E-06

4.674626

1.623634

93.70174

25

5.76E-06

4.674299

1.622021

93.70368

26

5.88E-06

4.673998

1.620532

93.70547

Variance Decomposition of ER_Y: Period

S.E.

BD_Y

CA_Y

ER_Y

1

9.97E-07

5.612797

0.037097

94.35011

27

5.99E-06

4.673718

1.619153

93.70713

2

1.55E-06

4.262748

2.436976

93.30028

28

6.10E-06

4.673459

1.617873

93.70867

3

1.96E-06

4.549232

2.156231

93.29454

29

6.21E-06

4.673218

1.616682

93.7101

4

2.30E-06

4.557568

1.89507

93.54736

30

6.31E-06

4.672993

1.61557

93.71144

5

2.57E-06

4.64584

1.830876

93.52328

31

6.42E-06

4.672782

1.61453

93.71269

6

2.81E-06

4.703398

1.755855

93.54075

7

3.04E-06

4.695325

1.714965

93.58971

Cholesky Ordering: BD_Y CA_Y ER_Y

117

e. Filipina Variance Decomposition of D(BD_Y): Period

S.E.

D(BD_Y)

D(CA_Y)

D(ER_Y)

1

0.211313

100

0

0

2

0.216209

96.3065

1.263548

2.429948

3

0.236073

94.2233

1.088751

4.687952

4

0.242241

93.57606

1.926717

4.497225

5

0.249613

92.64708

1.841262

5.51166

6

0.254996

92.27715

1.849685

5.873164

7

0.257938

92.11666

1.900495

5.982845

8

0.261172

91.90604

1.867199

6.226761

9

0.263436

91.71054

1.865602

6.423853

10

0.265185

91.54016

1.861667

6.598174

11

0.266577

91.4209

1.850822

6.728274

12

0.267669

91.31709

1.84099

6.841925

13

0.268551

91.21791

1.833931

6.948161

14

0.269226

91.13704

1.828511

7.034449

15

0.269754

91.07478

1.822901

7.102321

16

0.270175

91.02271

1.818136

7.159157

17

0.270508

90.97683

1.814587

7.208582

18

0.270767

90.93952

1.811727

7.248753

19

0.270968

90.91053

1.809275

7.280197

20

0.271128

90.88659

1.807284

7.306125

21

0.271254

90.86638

1.805745

7.327875

22

0.271351

90.85019

1.804529

7.345281

23

0.271427

90.8375

1.803544

7.35896

24

0.271488

90.82717

1.802761

7.370071

25

0.271535

90.81868

1.802151

7.379168

26

0.271571

90.81194

1.801673

7.386383

27

0.2716

90.80665

1.801297

7.392052

28

0.271622

90.80239

1.801001

7.396605

29

0.271639

90.79896

1.80077

7.400272

30

0.271653

90.79625

1.800591

7.403162

31

0.271663

90.79412

1.800451

7.40543

32

0.271672

90.79242

1.800342

7.407235

33

0.271678

90.79107

1.800258

7.408672

34

0.271683

90.79001

1.800192

7.4098

35

0.271687

90.78918

1.800141

7.410683

36

0.27169

90.78852

1.800102

7.411381

37

0.271692

90.788

1.800072

7.411933

38

0.271694

90.78759

1.800048

7.412364

39

0.271695

90.78727

1.80003

7.412701

40

0.271697

90.78702

1.800016

7.412966

41

0.271697

90.78682

1.800005

7.413174

42

0.271698

90.78667

1.799997

7.413336

43

0.271699

90.78655

1.79999

7.413462

44

0.271699

90.78645

1.799985

7.413561

45

0.271699

90.78638

1.799981

7.413639

46

0.271699

90.78632

1.799978

7.413699

47

0.2717

90.78628

1.799976

7.413746

48

0.2717

90.78624

1.799974

7.413782

118

49

0.2717

90.78622

1.799973

7.413811

Variance Decomposition of D(CA_Y): Period

S.E.

D(BD_Y)

D(CA_Y)

D(ER_Y)

23

0.503536

13.65215

75.46539

10.88246

24

0.503587

13.66415

75.45018

10.88567

25

0.503623

13.66938

75.4405

10.89012

26

0.50364

13.67364

75.43529

10.89107

1

0.372719

0.665058

99.33494

0

27

0.503659

13.67874

75.42999

10.89126

2

0.392447

0.599998

98.32149

1.078513

28

0.503677

13.68266

75.42464

10.8927

3

0.433813

3.73114

90.39628

5.872578

29

0.503689

13.68469

75.42109

10.89422

4

0.450574

9.869744

84.03312

6.09714

30

0.503697

13.68636

75.41892

10.89472

5

0.476011

10.1398

80.69348

9.166719

31

0.503703

13.68813

75.41688

10.89499

6

0.478406

10.06101

80.77601

9.162976

32

0.50371

13.68944

75.41498

10.89559

7

0.486215

10.60356

79.21851

10.17793

33

0.503714

13.6902

75.41367

10.89612

8

0.491078

12.30638

77.69886

9.994759

34

0.503717

13.69084

75.41281

10.89636

9

0.496622

12.3992

76.95511

10.64568

35

0.50372

13.69144

75.41204

10.89652

10

0.49711

12.42534

76.93815

10.63651

36

0.503722

13.69189

75.41136

10.89675

11

0.49882

12.7094

76.60042

10.69018

37

0.503724

13.69217

75.41088

10.89695

12

0.500194

13.14899

76.18129

10.66972

38

0.503725

13.69241

75.41054

10.89705

13

0.501539

13.2086

75.96329

10.8281

39

0.503726

13.69262

75.41025

10.89713

14

0.501719

13.24533

75.92605

10.82862

40

0.503727

13.69277

75.41001

10.89722

15

0.502162

13.35802

75.82633

10.81565

41

0.503727

13.69287

75.40984

10.89729

16

0.502599

13.48356

75.6947

10.82175

42

0.503728

13.69296

75.40971

10.89733

17

0.502965

13.51328

75.62056

10.86615

43

0.503728

13.69303

75.4096

10.89737

18

0.50305

13.53497

75.59689

10.86814

44

0.503728

13.69308

75.40952

10.8974

19

0.503189

13.57642

75.56129

10.86228

45

0.503728

13.69312

75.40945

10.89743

20

0.503336

13.61439

75.51732

10.86829

46

0.503729

13.69315

75.4094

10.89744

21

0.503447

13.62732

75.49077

10.88191

47

0.503729

13.69318

75.40937

10.89746

22

0.503487

13.63747

75.47903

10.8835

48

0.503729

13.69319

75.40933

10.89747

119

49

0.503729

13.69321

75.40931

10.89748

22

0.056509

12.4711

7.739118

79.78978

50

0.503729

13.69322

75.40929

10.89749

23

0.056512

12.47244

7.740553

79.78701

24

0.056515

12.47351

7.740287

79.78621

25

0.056517

12.47354

7.739719

79.78674

Variance Decomposition of D(ER_Y): Period

S.E.

D(BD_Y)

D(CA_Y)

D(ER_Y)

26

0.056519

12.47366

7.739669

79.78667

1

0.043238

11.89428

0.000288

88.10544

27

0.056519

12.47408

7.739937

79.78599

2

0.046436

10.38205

0.437681

89.18026

28

0.05652

12.47438

7.739837

79.78579

3

0.048062

10.2987

5.482938

84.21836

29

0.056521

12.47443

7.739691

79.78588

4

0.051062

13.06389

7.284279

79.65184

30

0.056521

12.4745

7.739678

79.78582

5

0.053346

12.38209

6.850424

80.76748

31

0.056522

12.47463

7.739723

79.78565

6

0.054093

12.08047

6.666677

81.25286

32

0.056522

12.47471

7.73969

79.7856

7

0.054594

12.19814

7.549514

80.25234

33

0.056522

12.47474

7.739652

79.78561

8

0.055175

12.51389

7.722523

79.76359

34

0.056522

12.47477

7.739647

79.78558

9

0.055704

12.41745

7.591849

79.9907

35

0.056522

12.47481

7.739653

79.78553

10

0.055885

12.35841

7.5513

80.09029

36

0.056522

12.47484

7.739642

79.78552

11

0.056025

12.39784

7.730133

79.87202

37

0.056522

12.47485

7.739632

79.78552

12

0.056174

12.46866

7.74932

79.78202

38

0.056522

12.47486

7.73963

79.78551

13

0.056301

12.4491

7.715507

79.8354

39

0.056522

12.47488

7.73963

79.78549

14

0.05635

12.43844

7.70769

79.85387

40

0.056522

12.47488

7.739627

79.78549

15

0.056389

12.45158

7.74387

79.80455

41

0.056522

12.47489

7.739624

79.78549

16

0.056429

12.46807

7.744883

79.78705

42

0.056522

12.47489

7.739624

79.78548

17

0.056461

12.46465

7.73615

79.7992

43

0.056522

12.4749

7.739623

79.78548

18

0.056475

12.46319

7.734752

79.80206

44

0.056522

12.4749

7.739622

79.78548

19

0.056486

12.46744

7.742066

79.79049

45

0.056522

12.4749

7.739621

79.78548

20

0.056497

12.47151

7.741596

79.78689

46

0.056522

12.4749

7.739621

79.78548

21

0.056505

12.47109

7.739365

79.78955

47

0.056522

12.4749

7.739621

79.78547

120

48

0.056522

12.47491

7.739621

79.78547

19

0.0876

83.80189

0.089356

16.10876

49

0.056522

12.47491

7.73962

79.78547

20

0.089525

83.7375

0.08778

16.17472

50

0.056522

12.47491

7.73962

79.78547

21

0.091435

83.66958

0.086437

16.24399

22

0.093296

83.5955

0.085336

16.31917

23

0.095095

83.51822

0.084417

16.39737

24

0.096832

83.44315

0.083606

16.47324

25

0.098523

83.37452

0.082832

16.54265

26

0.100182

83.31404

0.082067

16.60389

f. Thailand Variance Decomposition of BD_Y: Period 1

S.E. 0.018546

BD_Y

CA_Y 100

ER_Y 0

0

27

0.10182

83.26112

0.081308

16.65757

0.103444

83.21375

0.080571

16.70568

2

0.033353

94.62393

0.115453

5.260618

28

3

0.045685

92.27091

0.124054

7.605032

29

0.10505

83.1697

0.079875

16.75043

0.106637

83.12736

0.079231

16.7934

0.1082

83.08609

0.078639

16.83528

4

0.053364

90.07801

0.097528

9.824457

30

5

0.05754

87.79397

0.104988

12.10104

31

6

0.059952

86.45032

0.125056

13.42463

7

0.061509

85.58827

0.123929

14.2878

8

0.06301

85.14726

0.123552

14.72919

9

0.064914

85.03071

0.11837

14.85092

10

0.067331

85.02844

0.111219

14.86034

1

0.042395

2.867848

97.13215

0

11

0.070144

85.04312

0.105112

14.85177

2

0.0758

19.34885

42.80168

37.84947

12

0.07301

84.95803

0.10007

14.9419

3

0.104948

41.885

25.38426

32.73075

13

0.075658

84.76489

0.097318

15.1378

4

0.121222

35.87613

25.86742

38.25644

14

0.077999

84.52876

0.096019

15.37522

5

0.131119

31.68068

24.88401

43.43531

0.138371

28.73807

25.61403

45.6479

Variance Decomposition of CA_Y: Period

S.E.

BD_Y

CA_Y

ER_Y

15

0.080067

84.29756

0.095005

15.60744

6

16

0.081974

84.10856

0.094007

15.79743

7

0.145248

26.105

26.71805

47.17695

0.150731

24.30705

27.55066

48.1423

0.156665

22.86945

28.47373

48.65681

17

0.083827

83.97071

0.092643

15.93665

8

18

0.085694

83.87372

0.091024

16.03525

9

121

10

0.163032

21.90595

28.90273

49.19133

1

0.002068

53.26009

1.553055

45.18685

11

0.169751

21.4258

28.99708

49.57712

2

0.002848

59.17617

1.02781

39.79602

12

0.176514

20.89148

29.01832

50.09019

3

0.003427

62.5719

1.640771

35.78733

13

0.182854

20.28728

29.01344

50.69928

4

0.004073

64.85239

1.600305

33.5473

14

0.188718

19.60659

29.10442

51.28899

5

0.004769

67.9799

1.385315

30.63479

15

0.194167

18.90347

29.26613

51.8304

6

0.00538

69.01022

1.353956

29.63583

16

0.199308

18.26657

29.45887

52.27457

7

0.005911

69.36147

1.270921

29.36761

17

0.2043

17.71226

29.65706

52.63068

8

0.006366

69.438

1.232663

29.32934

18

0.209227

17.2516

29.82271

52.92569

9

0.006754

69.23213

1.226184

29.54168

19

0.214133

16.87439

29.94773

53.17788

10

0.007106

69.11958

1.218954

29.66147

20

0.219009

16.54999

30.03833

53.41168

11

0.007439

69.08338

1.223729

29.69289

21

0.223812

16.25379

30.10732

53.63889

12

0.007765

69.12235

1.225151

29.6525

22

0.228507

15.96801

30.17058

53.86141

13

0.008091

69.23041

1.222203

29.54739

23

0.233076

15.6878

30.23604

54.07616

14

0.008413

69.33699

1.217907

29.44511

24

0.237524

15.41742

30.30559

54.27698

15

0.008726

69.42239

1.211198

29.36642

25

0.241869

15.16241

30.37698

54.46061

16

0.009027

69.47485

1.205237

29.31991

26

0.246131

14.92721

30.44588

54.62691

17

0.009314

69.49641

1.200736

29.30285

27

0.250328

14.71292

30.50912

54.77797

18

0.00959

69.50404

1.197557

29.2984

28

0.254468

14.51745

30.56534

54.91721

19

0.009855

69.50846

1.195704

29.29584

29

0.258553

14.33715

30.61511

55.04774

20

0.010113

69.51744

1.19438

29.28818

30

0.26258

14.16817

30.66015

55.17168

21

0.010365

69.53332

1.193151

29.27353

31

0.266545

14.00776

30.70226

55.28998

22

0.010613

69.55341

1.191791

29.2548

23

0.010856

69.57433

1.190213

29.23546

24

0.011095

69.59296

1.188565

29.21847

25

0.011328

69.60782

1.186987

29.2052

26

0.011556

69.6192

1.185581

29.19522

Variance Decomposition of ER_Y: Period

S.E.

BD_Y

CA_Y

ER_Y

122

27

0.01178

69.62822

1.184387

29.18739

15

0.01474

90.45526

5.25825

4.286486

28

0.011998

69.63624

1.183372

29.18039

16

0.014789

90.3969

5.244198

4.358903

29

0.012213

69.64419

1.182478

29.17333

17

0.014827

90.3262

5.239872

4.433924

30

0.012424

69.65243

1.181648

29.16593

18

0.01485

90.23033

5.238176

4.53149

31

0.012632

69.66082

1.180843

29.15834

19

0.014864

90.10532

5.233606

4.661071

20

0.014877

89.95079

5.225056

4.824155

21

0.014893

89.76936

5.21456

5.016076

22

0.014912

89.56771

5.204446

5.227844

23

0.014931

89.35604

5.19552

5.448439

24

0.01495

89.14552

5.187161

5.667316

25

0.014966

88.9451

5.178382

5.876518

26

0.014982

88.75943

5.168685

6.071888

5.158246

6.25315

Cholesky Ordering: BD_Y CA_Y ER_Y

g. Kamboja Variance Decomposition of BD_Y: Period

S.E.

BD_Y

CA_Y

ER_Y

1

0.006836

100

0

0

27

0.014998

88.5886

2

0.009863

96.95172

2.233019

0.815256

28

0.015013

88.42941

5.14757

6.42302

3

0.012087

95.69628

3.361819

0.941902

29

0.015029

88.27713

5.137081

6.585789

4

0.01327

94.25716

4.676045

1.066798

30

0.015044

88.12714

5.126928

6.74593

5

0.013639

93.78586

5.144938

1.069204

31

0.015059

87.97588

5.117048

6.907077

6

0.01367

93.60862

5.319458

1.071922

32

0.015073

87.82118

5.10731

7.071514

7

0.01373

93.48718

5.277602

1.23522

33

0.015087

87.66226

5.097632

7.24011

8

0.013938

93.19138

5.172043

1.636582

34

0.015102

87.49946

5.087993

7.412546

9

0.014218

92.66288

5.143371

2.193749

35

0.015116

87.33391

5.078397

7.587694

10

0.014452

92.01901

5.196668

2.784324

36

0.015131

87.16711

5.06884

7.764047

0.015146

87.00059

5.059297

7.940108

11

0.014585

91.4231

5.264471

3.31243

37

12

0.014638

90.96934

5.304351

3.726307

38

0.01516

86.83557

5.049745

8.114682

0.015175

86.67278

5.040171

8.28705

0.01519

86.51242

5.030586

8.456995

13

0.014662

90.68339

5.30592

4.010691

39

14

0.014693

90.53257

5.283086

4.18434

40

123

41

0.015204

86.35426

5.021011

8.624726

67

0.015577

82.44043

4.785703

12.77387

42

0.015219

86.19781

5.01147

8.79072

68

0.015591

82.29708

4.777099

12.92582

43

0.015233

86.04246

5.001978

8.955561

44

0.015248

85.88767

4.992542

9.119783

Variance Decomposition of CA_Y:

45

0.015262

85.73306

4.983162

9.283778

Period

46

0.015277

85.57841

4.973832

9.447756

47

0.015291

85.42371

4.964548

9.611745

1

0.043532

11.1187

88.8813

0

48

0.015306

85.26905

4.955304

9.775641

2

0.045954

17.25349

82.63594

0.110568

49

0.01532

85.11465

4.946094

9.93926

3

0.046873

17.70739

82.18564

0.106969

50

0.015334

84.96069

4.936916

10.1024

4

0.04829

22.21398

77.4764

0.309618

51

0.015349

84.80736

4.927765

10.26488

5

0.049443

24.66084

74.28632

1.052839

52

0.015363

84.65478

4.918641

10.42658

6

0.050152

26.00991

72.40401

1.586079

53

0.015378

84.503

4.909546

10.58745

7

0.050813

26.646

71.28342

2.070577

54

0.015392

84.35202

4.900481

10.7475

8

0.051178

27.08867

70.40389

2.507435

55

0.015406

84.20178

4.891448

10.90677

9

0.051297

27.0526

70.08105

2.866352

56

0.015421

84.05219

4.882449

11.06536

10

0.05138

27.06192

69.85588

3.082194

57

0.015435

83.90319

4.873485

11.22332

11

0.051517

27.31303

69.48753

3.199439

58

0.015449

83.75471

4.864557

11.38074

12

0.051674

27.64891

69.07518

3.275914

59

0.015463

83.6067

4.855664

11.53764

13

0.05182

27.94117

68.71673

3.342099

60

0.015478

83.45914

4.846806

11.69405

14

0.051926

28.12365

68.45998

3.416376

61

0.015492

83.31206

4.837982

11.84996

15

0.051986

28.17766

68.30943

3.512909

62

0.015506

83.16546

4.82919

12.00535

16

0.052026

28.15244

68.20739

3.640165

63

0.01552

83.01936

4.820431

12.16021

17

0.052069

28.10692

68.09471

3.798371

64

0.015535

82.8738

4.811703

12.3145

18

0.052123

28.0646

67.95466

3.980746

65

0.015549

82.72878

4.803005

12.46821

19

0.052184

28.02324

67.79944

4.177324

66

0.015563

82.58433

4.794339

12.62133

20

0.052245

27.97557

67.64649

4.377941

S.E.

BD_Y

CA_Y

ER_Y

124

21

0.052301

27.92087

67.50547

4.573655

47

0.053497

26.90095

64.52729

8.571756

22

0.052352

27.86629

67.37547

4.75824

48

0.053541

26.86136

64.41918

8.719464

23

0.052401

27.82018

67.25048

4.929341

49

0.053586

26.8221

64.31141

8.86649

24

0.05245

27.78562

67.12623

5.088151

50

0.053631

26.78317

64.20402

9.012808

25

0.052498

27.75958

67.00237

5.238048

51

0.053676

26.74453

64.09702

9.158443

26

0.052546

27.73608

66.88073

5.383186

52

0.053721

26.70612

63.99042

9.303455

27

0.052592

27.70979

66.76278

5.527438

53

0.053765

26.66786

63.88422

9.447918

28

0.052638

27.67804

66.64826

5.673699

54

0.05381

26.62971

63.77839

9.591901

29

0.052682

27.64079

66.53563

5.823574

55

0.053855

26.59161

63.67294

9.735454

30

0.052727

27.59938

66.42322

5.977401

56

0.053899

26.55356

63.56783

9.878607

31

0.052772

27.55538

66.31008

6.13454

57

0.053944

26.51557

63.46307

10.02137

32

0.052817

27.51014

66.19611

6.29375

58

0.053988

26.47765

63.35863

10.16372

33

0.052863

27.46471

66.08171

6.453585

59

0.054032

26.43982

63.25453

10.30565

34

0.052909

27.41992

65.96735

6.61273

60

0.054077

26.40212

63.15075

10.44713

35

0.052955

27.37642

65.85335

6.770234

61

0.054121

26.36456

63.0473

10.58814

36

0.053001

27.33452

65.73985

6.925621

62

0.054166

26.32714

62.94419

10.72867

37

0.053046

27.29419

65.62695

7.078863

63

0.05421

26.28987

62.84141

10.86871

38

0.053092

27.25504

65.51469

7.230276

64

0.054254

26.25275

62.73898

11.00827

39

0.053137

27.21652

65.40311

7.380366

65

0.054298

26.21577

62.63688

11.14735

40

0.053182

27.17813

65.2922

7.529669

66

0.054343

26.17891

62.53512

11.28597

41

0.053227

27.13948

65.18188

7.67864

67

0.054387

26.14218

62.43369

11.42413

42

0.053272

27.10038

65.07204

7.827576

68

0.054431

26.10555

62.3326

11.56185

43

0.053317

27.06083

64.96256

7.976602

44

0.053362

27.02094

64.85337

8.125689

Variance Decomposition of ER_Y:

45

0.053407

26.98088

64.74442

8.274701

Period

46

0.053452

26.94083

64.63572

8.423452

S.E.

BD_Y

CA_Y

ER_Y

125

1

0.009231

0.493485

0.035488

99.47103

27

0.068269

3.337038

0.092065

96.5709

2

0.014671

0.414378

0.028891

99.55673

28

0.069561

3.341231

0.090524

96.56825

3

0.019441

0.237675

0.092187

99.67014

29

0.070831

3.343707

0.089168

96.56712

4

0.023511

0.203806

0.279714

99.51648

30

0.072079

3.345814

0.087944

96.56624

5

0.027061

0.328234

0.314185

99.35758

31

0.073306

3.348467

0.086804

96.56473

6

0.030214

0.647946

0.284447

99.06761

32

0.074512

3.352114

0.085715

96.56217

7

0.033074

1.189063

0.249967

98.56097

33

0.0757

3.3568

0.084658

96.55854

8

0.035699

1.810806

0.220602

97.96859

34

0.076869

3.36228

0.083629

96.55409

9

0.038133

2.374413

0.195112

97.43048

35

0.07802

3.368161

0.08263

96.54921

10

0.040407

2.807122

0.174086

97.01879

36

0.079155

3.374031

0.081669

96.5443

11

0.042549

3.093918

0.157304

96.74878

37

0.080273

3.379553

0.080753

96.53969

12

0.04458

3.248349

0.144194

96.60746

38

0.081376

3.384513

0.079888

96.5356

13

0.046521

3.303129

0.134349

96.56252

39

0.082464

3.388835

0.079076

96.53209

14

0.048388

3.297254

0.127293

96.57545

40

0.083538

3.392557

0.078316

96.52913

15

0.050191

3.263403

0.122544

96.61405

41

0.084598

3.395789

0.077605

96.52661

16

0.051936

3.223889

0.11941

96.6567

42

0.085646

3.398675

0.076936

96.52439

17

0.053628

3.19228

0.117034

96.69069

43

0.08668

3.401356

0.076305

96.52234

18

0.055271

3.175697

0.114751

96.70955

44

0.087703

3.403943

0.075705

96.52035

19

0.056866

3.176091

0.112258

96.71165

45

0.088714

3.406509

0.07513

96.51836

20

0.058417

3.19127

0.109516

96.69921

46

0.089713

3.409082

0.074578

96.51634

21

0.059927

3.216397

0.106611

96.67699

47

0.090701

3.411659

0.074047

96.51429

22

0.061398

3.245779

0.10368

96.65054

48

0.091679

3.414213

0.073535

96.51225

23

0.062834

3.274373

0.100858

96.62477

49

0.092646

3.416711

0.073042

96.51025

24

0.064236

3.298691

0.098245

96.60306

50

0.093604

3.419119

0.072567

96.50831

25

0.065608

3.317083

0.095901

96.58702

26

0.066951

3.329514

0.093845

96.57664

h. Laos

126

Variance Decomposition of BD_Y: Period

S.E.

BD_Y

CA_Y

ER_Y

24

0.023574

30.57026

16.50997

52.91977

25

0.023906

29.76113

16.73916

53.49972

26

0.024259

28.92347

16.9793

54.09723

1

0.009293

100

0

0

27

0.024625

28.10079

17.15597

54.74324

2

0.011175

98.73305

0.217067

1.049887

28

0.024973

27.36936

17.25235

55.37828

3

0.011591

94.76464

1.807473

3.427891

29

0.025312

26.65992

17.35165

55.98843

4

0.011837

93.69842

2.924998

3.376578

30

0.025655

25.95436

17.46774

56.57791

5

0.012731

91.53511

2.60402

5.860871

31

0.025997

25.28177

17.57652

57.14172

6

0.013065

87.05696

2.614839

10.3282

32

0.026335

24.64149

17.68324

57.67526

7

0.013363

83.80883

4.000896

12.19027

33

0.026667

24.03519

17.79318

58.17163

8

0.014093

78.80377

6.515217

14.68101

34

0.026994

23.46244

17.91067

58.62689

9

0.015057

71.50423

8.72112

19.77465

35

0.027323

22.90523

18.03825

59.05652

10

0.015823

64.763

9.718186

25.51881

36

0.027653

22.3718

18.15273

59.47547

11

0.016605

58.96557

11.24436

29.79007

37

0.027975

21.8774

18.24549

59.87711

12

0.017619

53.39325

13.50052

33.10623

38

0.02829

21.40774

18.33118

60.26108

13

0.01849

48.4897

14.95603

36.55427

39

0.028602

20.95686

18.41075

60.63239

14

0.019296

44.8797

15.2596

39.86069

40

0.028908

20.52873

18.48018

60.99109

15

0.019985

42.03015

15.29499

42.67486

41

0.02921

20.11973

18.54363

61.33664

16

0.020547

39.92981

15.3539

44.71629

42

0.029505

19.72919

18.60439

61.66642

17

0.021059

38.04125

15.49876

46.45999

43

0.029795

19.35557

18.66703

61.97741

18

0.021533

36.4132

15.54094

48.04586

44

0.030083

18.99329

18.7344

62.27231

19

0.021913

35.29568

15.45367

49.25065

45

0.03037

18.64336

18.80181

62.55482

20

0.022232

34.2984

15.51859

50.18302

46

0.030654

18.30784

18.86726

62.8249

21

0.022571

33.28549

15.76514

50.94937

47

0.030936

17.98363

18.93265

63.08372

22

0.022907

32.32155

16.03632

51.64213

48

0.031217

17.66979

18.99622

63.33398

23

0.023241

31.42537

16.27692

52.29772

49

0.031496

17.367

19.0557

63.5773

127

50

0.031774

17.0744

19.11085

63.81474

4

0.034333

35.52367

49.78281

14.69352

51

0.032049

16.79205

19.16178

64.04617

5

0.043443

46.97554

42.18886

10.8356

52

0.03232

16.51942

19.20999

64.27059

6

0.052393

54.96734

36.44703

8.58563

53

0.03259

16.25504

19.25687

64.48809

7

0.060052

60.35555

32.55252

7.091934

54

0.032857

15.99906

19.3021

64.69884

8

0.065863

63.62579

29.9864

6.38781

55

0.033122

15.75162

19.34612

64.90227

9

0.069978

65.54088

28.39823

6.06089

56

0.033384

15.51177

19.38996

65.09826

10

0.072929

65.87567

28.31772

5.806604

57

0.033645

15.27918

19.43347

65.28734

11

0.075154

65.42608

28.9962

5.57772

58

0.033904

15.05375

19.47615

65.4701

12

0.077163

64.53804

30.01463

5.447329

59

0.034161

14.83509

19.51764

65.64727

13

0.079215

63.21418

31.49531

5.290514

60

0.034416

14.62309

19.55755

65.81935

14

0.081426

61.73699

33.2053

5.057711

61

0.034669

14.41746

19.59595

65.98659

15

0.083988

60.3738

34.85785

4.768346

62

0.034921

14.21766

19.63295

66.14939

16

0.086867

59.31423

36.22824

4.457535

63

0.03517

14.02356

19.66839

66.30805

17

0.089892

58.73793

37.09452

4.167544

64

0.035418

13.83499

19.70249

66.46252

18

0.092914

58.60976

37.48107

3.909166

65

0.035664

13.65156

19.73568

66.61277

19

0.095808

58.63186

37.67818

3.689967

66

0.035908

13.47303

19.76814

66.75883

20

0.098474

58.75016

37.7425

3.50734

67

0.03615

13.29925

19.79997

66.90078

21

0.100908

58.90311

37.75198

3.344905

68

0.036391

13.12999

19.83121

67.0388

22

0.103096

58.96805

37.82726

3.204689

23

0.105106

58.92564

37.98978

3.084579

24

0.10705

58.80625

38.21442

2.979333

25

0.108993

58.62802

38.48918

2.882799

26

0.110973

58.44998

38.75855

2.791471

Variance Decomposition of CA_Y: Period

S.E.

BD_Y

CA_Y

ER_Y

1

0.009155

2.195004

97.805

0

27

0.113007

58.30763

38.98925

2.703117

2

0.016832

9.683684

87.939

2.377316

28

0.115078

58.19818

39.18662

2.615198

3

0.02442

23.34592

63.17983

13.47425

29

0.117163

58.14246

39.32932

2.528221

128

30

0.119235

58.13875

39.41659

2.444658

56

0.161751

57.40465

41.22971

1.365639

31

0.121249

58.15374

39.47968

2.366574

57

0.163164

57.38978

41.26676

1.343458

32

0.123183

58.16663

39.53847

2.294892

58

0.164563

57.37395

41.30394

1.322106

33

0.125041

58.16424

39.60647

2.229288

59

0.165948

57.35729

41.34119

1.30152

34

0.12683

58.13474

39.69629

2.168967

60

0.167321

57.34016

41.37821

1.28163

35

0.12857

58.08377

39.80318

2.113056

61

0.168685

57.32308

41.41455

1.262369

36

0.130282

58.01691

39.92241

2.060676

62

0.17004

57.30672

41.4496

1.243684

37

0.13198

57.93839

40.05085

2.010763

63

0.171385

57.29145

41.48301

1.225543

38

0.133679

57.86208

40.17541

1.962512

64

0.172722

57.27736

41.51472

1.207923

39

0.135384

57.7983

40.28608

1.915628

65

0.174049

57.26443

41.54476

1.190813

40

0.137088

57.74882

40.38101

1.870166

66

0.175366

57.25243

41.57336

1.174207

41

0.138782

57.71461

40.45904

1.826352

67

0.176673

57.241

41.60091

1.158098

42

0.14046

57.69278

40.5228

1.784411

68

0.177968

57.22984

41.62769

1.142475

43

0.142111

57.67733

40.57816

1.74451

44

0.143732

57.66448

40.62878

1.706747

Variance Decomposition of ER_Y:

45

0.145323

57.64977

40.67912

1.671114

Period

46

0.146885

57.62962

40.73294

1.637441

47

0.148425

57.60468

40.78985

1.605469

1

3.11E-05

0.029623

29.44669

70.52369

48

0.149948

57.57662

40.84845

1.574937

2

5.78E-05

0.144818

55.8112

44.04398

49

0.15146

57.54695

40.90745

1.545602

3

6.42E-05

0.46562

49.03769

50.49669

50

0.152962

57.51819

40.96453

1.517281

4

7.25E-05

1.347262

55.65338

42.99935

51

0.154457

57.49208

41.01807

1.489852

5

8.74E-05

2.355344

46.93167

50.71299

52

0.155942

57.46931

41.06743

1.463261

6

9.98E-05

3.153552

46.13292

50.71353

53

0.157416

57.45025

41.11224

1.437517

7

0.000112

4.035545

43.38983

52.57463

54

0.158877

57.43401

41.15333

1.412656

8

0.000123

4.574377

42.33301

53.09261

55

0.160322

57.41912

41.19218

1.388697

9

0.00013

5.111888

40.30932

54.57879

S.E.

BD_Y

CA_Y

ER_Y

129

10

0.000139

5.109646

39.40869

55.48166

36

0.000277

5.783353

35.24163

58.97501

11

0.000148

4.863595

38.51663

56.61978

37

0.000281

5.789096

35.21033

59.00057

12

0.000155

4.852972

37.77989

57.36714

38

0.000285

5.794542

35.18257

59.02289

13

0.000162

4.857566

37.62019

57.52225

39

0.000289

5.804427

35.15536

59.04021

14

0.000168

4.767381

37.28751

57.9451

40

0.000293

5.815392

35.1285

59.0561

15

0.000175

4.77325

37.21971

58.00704

41

0.000296

5.826982

35.10166

59.07136

16

0.000181

4.847534

37.05212

58.10035

42

0.0003

5.839503

35.0742

59.0863

17

0.000188

4.974746

36.93709

58.08816

43

0.000304

5.850722

35.04713

59.10215

18

0.000193

5.186125

36.67991

58.13396

44

0.000307

5.861231

35.01956

59.11921

19

0.000199

5.322939

36.55326

58.1238

45

0.000311

5.871024

34.99295

59.13603

20

0.000205

5.403373

36.35857

58.23806

46

0.000314

5.878371

34.96891

59.15272

21

0.00021

5.514851

36.17261

58.31254

47

0.000318

5.88432

34.94689

59.16879

22

0.000215

5.585721

36.02221

58.39207

48

0.000321

5.890109

34.92642

59.18347

23

0.00022

5.600076

35.91206

58.48786

49

0.000325

5.895384

34.9076

59.19702

24

0.000225

5.607282

35.83846

58.55425

5.900659

34.88992

59.20943

25

0.000229

5.601804

35.78719

58.611

50 0.000328 i. Myanmar

26

0.000234

5.600951

35.74387

58.65518

27

0.000239

5.620412

35.69427

58.68532

28

0.000243

5.633471

35.66431

58.70222

29

0.000248

5.647759

35.61946

58.73278

30

0.000252

5.679583

35.56279

58.75763

31

0.000257

5.709681

35.49962

58.79069

32

0.000261

5.732098

35.43888

58.82903

33

0.000265

5.751957

35.38052

58.86752

34

0.000269

5.76404

35.3298

58.90616

35

0.000273

5.77327

35.28274

58.94399

Variance Decomposition of D(BD): Period

S.E.

D(BD)

D(CA)

D(ER)

1

0.083752

100

0

0

2

0.180726

99.81922

0.030259

0.150519

3

0.275086

99.73659

0.19441

0.068997

4

0.34137

99.32892

0.54009

0.130992

5

0.372082

98.39911

1.245648

0.355237

6

0.379177

97.15678

2.244592

0.598623

7

0.381368

96.28281

3.029201

0.687987

130

8

0.387066

96.14879

3.183326

0.667884

34

0.415627

92.04355

6.612155

1.344291

9

0.392787

96.19199

3.096477

0.711534

35

0.415776

92.04747

6.609193

1.343341

10

0.395335

95.76441

3.41968

0.815907

36

0.415843

92.04806

6.607452

1.344492

11

0.397159

94.92099

4.215623

0.863384

37

0.41585

92.04543

6.60746

1.347108

12

0.400832

94.23597

4.916311

0.847724

38

0.415885

92.04373

6.608017

1.348256

13

0.404937

94.00184

5.120263

0.877899

39

0.415963

92.04475

6.607454

1.347799

14

0.40719

93.94815

5.067543

0.984304

40

0.416025

92.04608

6.606012

1.347903

15

0.407991

93.71565

5.206104

1.078242

41

0.416041

92.0452

6.605608

1.34919

16

0.409063

93.28252

5.62037

1.097112

42

0.416049

92.0428

6.606987

1.350213

17

0.410617

92.89214

6.016723

1.091141

43

0.416078

92.0412

6.608602

1.350196

18

0.411621

92.69866

6.172022

1.12932

44

0.416114

92.04104

6.608895

1.35007

19

0.411848

92.631

6.172291

1.196708

45

0.416132

92.04091

6.608428

1.35066

20

0.412117

92.54815

6.217381

1.234468

46

0.416135

92.03976

6.608784

1.351455

21

0.412839

92.40812

6.358233

1.23365

47

0.416144

92.03811

6.610192

1.351695

22

0.413533

92.26939

6.493668

1.23694

48

0.416161

92.037

6.611422

1.351581

23

0.413795

92.18749

6.546357

1.266151

49

0.416174

92.03654

6.611692

1.351764

24

0.413893

92.15755

6.54492

1.297529

50

0.416177

92.03614

6.611596

1.352264

25

0.414194

92.14027

6.552549

1.30718

51

0.416179

92.03543

6.611986

1.352588

26

0.414585

92.11119

6.584088

1.304718

52

0.416187

92.03463

6.612789

1.35258

27

0.414786

92.07677

6.612568

1.310666

53

0.416195

92.03408

6.613343

1.352577

28

0.414836

92.05465

6.620297

1.325052

54

0.416198

92.03377

6.613432

1.3528

29

0.414979

92.0503

6.615765

1.333933

55

0.416199

92.03351

6.613432

1.353059

30

0.415241

92.05344

6.612891

1.333665

56

0.416201

92.03322

6.613651

1.353134

31

0.415429

92.0523

6.614382

1.333313

57

0.416206

92.03294

6.613959

1.353105

32

0.415471

92.046

6.615888

1.338115

58

0.416209

92.03273

6.614112

1.353162

33

0.415502

92.04175

6.614912

1.343334

59

0.416209

92.03258

6.614115

1.353304

131

60

0.41621

92.03248

6.614132

1.353392

2

0.045076

0.214954

99.67708

0.107966

61

0.416212

92.03239

6.614217

1.353389

3

0.06904

0.20609

99.14988

0.64403

62

0.416214

92.03232

6.614292

1.353387

4

0.087327

0.480594

97.7703

1.749103

63

0.416215

92.03225

6.614308

1.353443

5

0.098412

1.344574

95.31546

3.339967

64

0.416215

92.03219

6.614304

1.353505

6

0.103424

2.924881

92.29455

4.78057

65

0.416216

92.03216

6.614319

1.35352

7

0.105079

4.550355

89.92453

5.525112

66

0.416217

92.03215

6.614341

1.353511

8

0.105707

5.166767

89.20965

5.623579

67

0.416218

92.03213

6.614346

1.353526

9

0.106564

5.088842

89.36716

5.543993

68

0.416218

92.0321

6.614343

1.353559

10

0.108128

5.962852

88.48652

5.550627

69

0.416218

92.03207

6.61435

1.353577

11

0.110142

8.32812

86.12084

5.551045

70

0.416219

92.03207

6.61436

1.353574

12

0.111761

10.72734

83.79712

5.475537

71

0.41622

92.03206

6.614361

1.353574

13

0.112412

11.75047

82.83461

5.41492

72

0.41622

92.03205

6.614358

1.353589

14

0.112518

11.75555

82.81708

5.427369

73

0.41622

92.03204

6.614361

1.353603

15

0.112993

12.19894

82.36276

5.438292

74

0.41622

92.03202

6.614371

1.353605

16

0.114088

13.60698

81.01823

5.374792

75

0.416221

92.03202

6.614376

1.353603

17

0.115165

15.048

79.66908

5.282918

76

0.416221

92.03202

6.614374

1.353608

18

0.115643

15.65899

79.10116

5.239851

77

0.416221

92.03201

6.614374

1.353616

19

0.115684

15.67605

79.08059

5.243359

78

0.416221

92.032

6.614381

1.35362

20

0.115823

15.86789

78.89528

5.236829

79

0.416221

92.03199

6.614388

1.353619

21

0.11624

16.46477

78.33548

5.199747

80

0.416221

92.03199

6.61439

1.35362

22

0.116669

17.03687

77.7997

5.16343

23

0.116879

17.24461

77.60447

5.150926

24

0.116938

17.23271

77.61764

5.14965

25

0.117023

17.29949

77.55822

5.142282

26

0.117165

17.489

77.37871

5.132289

27

0.117282

17.64033

77.23018

5.129493

Variance Decomposition of D(CA): Period 1

S.E. 0.021464

D(BD) 0.350293

D(CA) 99.64971

D(ER) 0

132

28

0.117341

17.67309

77.19591

5.130991

54

0.117636

17.7912

77.068

5.140802

29

0.117384

17.66051

77.21071

5.128778

55

0.117636

17.79119

77.06791

5.140907

30

0.117437

17.68015

77.19532

5.124529

56

0.117637

17.79218

77.06695

5.140869

31

0.117481

17.72021

77.15441

5.125379

57

0.117638

17.79388

77.06536

5.14076

32

0.1175

17.73923

77.12985

5.130915

58

0.117639

17.7949

77.06436

5.140741

33

0.117512

17.73653

77.12941

5.134053

59

0.117639

17.795

77.0642

5.140802

34

0.117534

17.73556

77.13199

5.132449

60

0.11764

17.79509

77.06409

5.14082

35

0.117559

17.74149

77.12739

5.131121

61

0.11764

17.79566

77.06356

5.140775

36

0.117571

17.74446

77.12181

5.133735

62

0.117641

17.79627

77.06298

5.140751

37

0.117573

17.74373

77.11871

5.137557

63

0.117641

17.79646

77.06275

5.140783

38

0.117579

17.74641

77.11492

5.138677

64

0.117641

17.79645

77.06274

5.140815

39

0.117591

17.75187

77.11041

5.137719

65

0.117641

17.79658

77.06261

5.140805

40

0.117599

17.75379

77.10843

5.137783

66

0.117641

17.79684

77.06237

5.140785

41

0.117602

17.75289

77.10766

5.139452

67

0.117641

17.79698

77.06222

5.140796

42

0.117605

17.75577

77.10352

5.140711

68

0.117641

17.79699

77.06219

5.140823

43

0.117611

17.76303

77.09642

5.140547

69

0.117642

17.79702

77.06215

5.140831

44

0.117616

17.76827

77.09161

5.140117

70

0.117642

17.79713

77.06205

5.14082

45

0.117618

17.76876

77.09076

5.140484

71

0.117642

17.79722

77.06196

5.140818

46

0.117619

17.76931

77.08956

5.141133

72

0.117642

17.79723

77.06194

5.140831

47

0.117623

17.77398

77.08483

5.141192

73

0.117642

17.79724

77.06192

5.140842

48

0.117627

17.77996

77.07921

5.140826

74

0.117642

17.79729

77.06187

5.14084

49

0.11763

17.78268

77.07659

5.140734

75

0.117642

17.79736

77.06181

5.140835

50

0.11763

17.78269

77.07632

5.140991

76

0.117642

17.79738

77.06178

5.140839

51

0.117631

17.78389

77.075

5.141115

77

0.117642

17.79738

77.06178

5.140846

52

0.117633

17.78733

77.07174

5.140932

78

0.117642

17.7974

77.06175

5.140847

53

0.117636

17.79036

77.06889

5.140755

79

0.117642

17.79745

77.06171

5.140844

133

80

0.117642

17.79747

77.06168

5.140844

Variance Decomposition of D(ER): Period

S.E.

D(BD)

D(CA)

D(ER)

22

0.144262

15.24412

7.308236

77.44765

23

0.144267

15.24843

7.308981

77.44259

24

0.144274

15.25579

7.308343

77.43586

25

0.144278

15.26081

7.308151

77.43104

26

0.144279

15.26157

7.308606

77.42982

1

0.119291

0.135899

2.183324

97.68078

27

0.14428

15.26185

7.308964

77.42918

2

0.120035

0.145206

2.728488

97.12631

28

0.144283

15.26502

7.308834

77.42614

3

0.13768

9.98762

5.538023

84.47436

29

0.144287

15.26952

7.30848

77.422

4

0.140075

11.8706

6.514395

81.615

30

0.144289

15.27195

7.308279

77.41977

5

0.140619

12.23029

6.784092

80.98562

31

0.14429

15.27213

7.308265

77.41961

6

0.142163

13.25211

7.132423

79.61547

32

0.14429

15.27265

7.308225

77.41913

7

0.143067

14.14835

7.207294

78.64436

33

0.144292

15.27476

7.308044

77.41719

8

0.143536

14.68339

7.167942

78.14867

34

0.144294

15.27704

7.307853

77.4151

9

0.143898

15.053

7.135894

77.8111

35

0.144295

15.27797

7.307834

77.4142

10

0.144064

15.19999

7.154803

77.64521

36

0.144295

15.27796

7.307973

77.41407

11

0.14413

15.22564

7.199814

77.57454

37

0.144295

15.27828

7.308085

77.41364

12

0.144153

15.22926

7.221106

77.54963

38

0.144296

15.27916

7.308064

77.41278

13

0.144158

15.23199

7.221954

77.54605

39

0.144297

15.27986

7.308001

77.41214

14

0.144168

15.23557

7.226936

77.5375

40

0.144297

15.28002

7.308043

77.41194

15

0.144193

15.24044

7.248614

77.51095

41

0.144297

15.28

7.308193

77.41181

16

0.144222

15.244

7.275895

77.4801

42

0.144297

15.28019

7.308326

77.41149

17

0.14424

15.24393

7.292604

77.46347

43

0.144298

15.28047

7.30836

77.41117

18

0.144246

15.24274

7.296441

77.46082

44

0.144298

15.2806

7.308347

77.41106

19

0.144249

15.24347

7.296231

77.4603

45

0.144298

15.28059

7.308377

77.41103

20

0.144253

15.24474

7.299117

77.45614

46

0.144298

15.28062

7.308461

77.41092

21

0.144257

15.24419

7.304457

77.45136

47

0.144298

15.28071

7.308535

77.41075

134

48

0.144298

15.28077

7.30856

77.41067

19

1.918062

84.49705

0.944866

14.55809

49

0.144298

15.28077

7.308559

77.41067

20

1.955458

84.32124

1.016465

14.6623

50

0.144298

15.28078

7.308571

77.41064

21

1.981786

84.23009

1.174185

14.59572

22

2.004356

84.15603

1.495871

14.3481

23

2.030014

83.95373

2.058373

13.9879

24

2.061634

83.52181

2.881206

13.59699

25

2.096089

82.85231

3.902308

13.24538

26

2.12673

81.98937

5.018119

12.99251

0

27

2.149339

80.99836

6.133649

12.86799

2.165318

79.96173

7.177732

12.86054

j. Vietnam Variance Decomposition of BD: Period 1

S.E. 0.104554

BD

CA 100

ER 0

2

0.31145

99.48337

0.026295

0.490333

28

3

0.609128

99.01824

0.05622

0.925536

29

2.179141

78.95121

8.10437

12.94442

2.193911

77.99207

8.898892

13.10903

4

0.938448

98.19288

0.081518

1.725606

30

5

1.231552

96.97192

0.104731

2.923348

31

2.209857

77.08237

9.572453

13.34518

6

1.442627

95.40397

0.120989

4.475036

32

2.225807

76.24615

10.14007

13.61379

7

1.562067

93.90868

0.127822

5.963503

33

2.240913

75.54598

10.60364

13.85038

8

1.61314

92.93559

0.127298

6.937108

34

2.255556

75.05039

10.95072

13.99889

9

1.627903

92.67523

0.125116

7.19965

35

2.271524

74.80521

11.16336

14.03143

10

1.631194

92.69968

0.128906

7.171413

36

2.290899

74.8159

11.23507

13.94903

11

1.636405

92.31218

0.149094

7.538726

37

2.313849

75.02755

11.18996

13.78249

12

1.647721

91.2063

0.199718

8.593986

38

2.337597

75.33095

11.08286

13.58619

13

1.662716

89.60332

0.295433

10.10125

39

2.358121

75.6162

10.97278

13.41102

14

1.67961

87.9121

0.440414

11.64748

40

2.372927

75.82707

10.89438

13.27854

2.382165

75.96345

10.85173

13.18482

15

1.704454

86.47473

0.611978

12.91329

41

16

1.746154

85.51456

0.762361

13.72308

42

2.387648

76.04353

10.83172

13.12474

2.391305

76.07472

10.82025

13.10503

2.394305

76.05448

10.81053

13.135

17

1.804185

85.00576

0.857023

14.13722

43

18

1.865981

84.72382

0.905603

14.37058

44

135

45

2.396954

75.98279

10.80396

13.21324

71

2.618995

71.3605

15.56107

13.07843

46

2.399191

75.86819

10.80594

13.32587

72

2.626098

71.36108

15.60559

13.03333

47

2.401417

75.72927

10.81875

13.45198

73

2.631966

71.36684

15.6444

12.98876

48

2.404884

75.59322

10.83754

13.56924

74

2.636514

71.36925

15.68252

12.94823

49

2.411031

75.48468

10.85453

13.66079

75

2.639936

71.36428

15.72095

12.91476

50

2.420352

75.41008

10.86821

13.72171

76

2.642527

71.34895

15.75941

12.89164

51

2.432004

75.35595

10.88768

13.75636

77

2.644541

71.32017

15.79839

12.88145

52

2.44454

75.30441

10.92822

13.76738

78

2.646147

71.27563

15.83962

12.88475

53

2.456914

75.24665

11.00408

13.74927

79

2.647506

71.21533

15.88513

12.89954

54

2.468913

75.18131

11.12476

13.69393

80

2.648863

71.14247

15.93579

12.92174

55

2.480918

75.10523

11.29468

13.60009

56

2.49334

75.00884

11.51422

13.47693

Variance Decomposition of CA:

57

2.506092

74.87784

11.78101

13.34114

Period

58

2.518445

74.69738

12.09097

13.21165

59

2.529448

74.45791

12.43774

13.10435

1

0.299464

0.199409

99.80059

0

S.E.

BD

CA

ER

60

2.5386

74.1608

12.81111

13.02809

2

0.893432

0.047729

99.94673

0.005545

61

2.546172

73.81873

13.19683

12.98444

3

1.759907

0.01362

99.97025

0.016134

62

2.55292

73.44954

13.57953

12.97093

4

2.782932

0.034569

99.94979

0.01564

63

2.559545

73.06978

13.94629

12.98393

5

3.821592

0.071724

99.90736

0.020916

64

2.566372

72.694

14.28803

13.01797

6

4.757398

0.12435

99.84601

0.029642

65

2.57339

72.33814

14.59804

13.06382

7

5.524477

0.206355

99.75196

0.04169

66

2.580495

72.02056

14.87019

13.10925

8

6.113802

0.368453

99.57946

0.052082

67

2.587691

71.75903

15.09848

13.14249

9

6.558773

0.695473

99.24627

0.058253

68

2.595139

71.56573

15.27856

13.15572

10

6.912868

1.302026

98.64099

0.056987

69

2.602978

71.4429

15.41041

13.14669

11

7.227981

2.229341

97.71853

0.052128

70

2.611086

71.38081

15.50054

13.11865

12

7.541131

3.344875

96.60047

0.054657

136

13

7.869774

4.343829

95.58334

0.072833

39

13.79806

2.405006

97.08598

0.509014

14

8.215656

4.947413

94.95197

0.100618

40

13.96973

2.391554

97.10941

0.499036

15

8.571181

5.08248

94.79795

0.119567

41

14.14068

2.383629

97.12756

0.488808

16

8.925237

4.891742

94.98945

0.118808

42

14.31035

2.381229

97.14058

0.478189

17

9.266121

4.580565

95.3088

0.110631

43

14.47912

2.385742

97.14691

0.467352

18

9.583915

4.283141

95.59186

0.125

44

14.64783

2.397829

97.14552

0.456649

19

9.872895

4.038266

95.77613

0.185607

45

14.81722

2.415275

97.13833

0.446394

20

10.13302

3.837961

95.87166

0.290382

46

14.98743

2.43232

97.13091

0.43677

21

10.3693

3.668684

95.91765

0.413667

47

15.15808

2.441596

97.13049

0.427918

22

10.58965

3.521703

95.95398

0.524313

48

15.3284

2.437695

97.14224

0.420068

23

10.8029

3.393097

96.00341

0.60349

49

15.49765

2.419547

97.16683

0.41362

24

11.01692

3.284747

96.06643

0.648818

50

15.66523

2.389932

97.20095

0.409119

25

11.23659

3.200104

96.13184

0.668053

51

15.83066

2.353103

97.23983

0.407067

26

11.46222

3.135463

96.1937

0.670836

52

15.99351

2.3127

97.27968

0.407625

27

11.6896

3.078908

96.25659

0.664502

53

16.15341

2.27101

97.31859

0.410398

28

11.91206

3.019027

96.32767

0.653304

54

16.31009

2.229256

97.35622

0.414524

29

12.12335

2.952449

96.40823

0.639318

55

16.46349

2.188246

97.39274

0.419011

30

12.31975

2.88255

96.49378

0.623669

56

16.61372

2.148884

97.42803

0.423084

31

12.50074

2.81375

96.57883

0.607416

57

16.76109

2.112165

97.46151

0.426328

32

12.6687

2.747897

96.66045

0.591654

58

16.90593

2.078679

97.49272

0.428605

33

12.82775

2.684236

96.73865

0.577111

59

17.04841

2.048172

97.52194

0.429886

34

12.98262

2.621433

96.81465

0.563915

60

17.18855

2.019696

97.55019

0.430119

35

13.13766

2.560186

96.88803

0.55178

61

17.32624

1.992219

97.57857

0.429208

36

13.29606

2.50436

96.95527

0.540365

62

17.46131

1.965121

97.60779

0.427086

37

13.45935

2.458926

97.01159

0.529485

63

17.59371

1.938239

97.63795

0.423807

38

13.62724

2.426319

97.05461

0.519073

64

17.7235

1.911628

97.66879

0.419579

137

65

17.85093

1.885341

97.69996

0.414701

7

457.5229

2.587655

41.97205

55.4403

66

17.97643

1.859412

97.73112

0.409465

8

473.9923

2.738252

45.60052

51.66123

67

18.10051

1.83401

97.7619

0.404092

9

488.819

2.597835

48.81952

48.58265

68

18.2237

1.80962

97.79167

0.398712

10

507.0854

2.96366

51.7056

45.33074

69

18.34653

1.787049

97.81955

0.393398

11

537.0535

5.7036

53.81696

40.47944

70

18.46937

1.767157

97.84466

0.388187

12

582.381

10.19616

55.37005

34.43379

71

18.59245

1.750467

97.86644

0.383097

13

643.3468

15.32858

56.39394

28.27748

72

18.71588

1.736987

97.88489

0.378126

14

709.5869

18.70627

57.89944

23.3943

73

18.83968

1.726343

97.90041

0.37325

15

774.7529

20.39206

59.71944

19.8885

74

18.96385

1.718073

97.91349

0.368432

16

832.0841

20.6543

61.88523

17.46047

75

19.08843

1.711827

97.92452

0.363655

17

880.6721

20.34098

63.93829

15.72074

76

19.21346

1.70734

97.93372

0.358938

18

920.4478

19.83601

65.74525

14.41874

77

19.33896

1.704253

97.94141

0.354338

19

953.5296

19.39413

67.16997

13.4359

78

19.46486

1.701919

97.94815

0.349928

20

981.5

18.98371

68.29807

12.71822

79

19.59099

1.699377

97.95484

0.345787

21

1005.852

18.54072

69.25528

12.20399

80

19.71714

1.695555

97.96246

0.341989

22

1027.655

17.96553

70.19017

11.8443

23

1048.33

17.28864

71.13936

11.572

24

1069.611

16.63705

72.01737

11.34558

25

1092.753

16.14703

72.71852

11.13445

Variance Decomposition of ER: Period

S.E.

BD

CA

ER

26

1117.887

15.85541

73.2044

10.94019

1

222.0591

2.612014

4.689159

92.69883

27

1143.836

15.69424

73.54194

10.76382

2

285.7994

2.894202

9.099047

88.00675

28

1169.071

15.59087

73.80752

10.60161

3

330.6353

2.239815

14.15427

83.60592

29

1192.32

15.51309

74.0524

10.4345

4

365.5443

2.512366

22.56894

74.9187

30

1213.074

15.47369

74.27727

10.24905

5

408.3639

2.051244

30.44842

67.50033

31

1231.409

15.48716

74.47055

10.04229

6

437.144

2.539115

37.14865

60.31224

32

1247.773

15.54988

74.62568

9.824447

138

33

1262.585

15.62458

74.76617

9.609254

42

1366.853

14.14306

77.40012

8.45682

34

1276.118

15.65653

74.93512

9.40835

43

1379.11

14.02681

77.61988

8.353309

35

1288.555

15.60059

75.17138

9.228029

44

1392.425

13.97856

77.79018

8.231265

36

1300.159

15.44979

75.48053

9.069677

45

1406.99

13.99985

77.90932

8.090835

37

1311.279

15.23207

75.83545

8.932485

46

1422.699

14.06787

77.99637

7.935756

38

1322.219

14.98685

76.19794

8.815212

47

1439.196

14.14236

78.08617

7.771461

39

1333.149

14.74293

76.54124

8.715824

48

1456.053

14.18513

78.21197

7.602904

40

1344.145

14.51494

76.85604

8.62902

49

1472.947

14.17598

78.39015

7.433869

41

1355.309

14.31132

77.14264

8.546041

50

1489.725

14.11407

78.61806

7.26787

139

LAMPIRAN 6. PERBANDINGAM PERTUMBUHAN GDP DAN SUKU BUNGA PADA NEGARA-NEGARA MIDDLE INCOME DI ASEAN

Sumber: IMF, 2010 Keterangan: a. Indonesia, b. Malaysia, c. Filipina, d. Thailand LAMPIRAN 7. PERBANDINGAM PERTUMBUHAN GDP DAN KONSUMSI PADA NEGARA-NEGARA LOW INCOME DI ASEAN

Sumber: IMF, 2010 Keterangan: a. Kamboja, b. Laos, c. Myanmar, d. Vietnam