ANALISIS KAUSALITAS ANTARA TABUNGAN DAN PERTUMBUHAN EKONOMI DALAM JANGKA PANJANG DAN JANGKA PENDEK PADA 26 PROPINSI DI INDONESIA
OLEH RIANI WIDIARTI H14104082
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2008
RINGKASAN
RIANI WIDIARTI. Analisis Kausalitas Antara Tabungan dan Pertumbuhan Ekonomi dalam Jangka Panjang dan Jangka Pendek pada 26 Propinsi di Indonesia (dibimbing oleh SYAMSUL H. PASARIBU).
Indonesia merupakan salah satu negara yang tergolong sebagai Negara Dunia Ketiga atau sering disebut sebagai negara berkembang. Sebagai salah satu negara berkembang Indonesia memiliki beberapa permasalahan yang sama seperti kebanyakan negara berkembang lainnya. Salah satu masalah yang masih harus dipecahkan oleh pemerintah negara ini adalah kesenjangan dalam kebutuhan investasi dan kemampuan mengakumulasikan modal yang berasal dari dalam negeri. Selain itu Indonesia merupakan negara yang berbentuk kepulauan, daerah-daerah di Indonesia memiliki perbedaan pendapatan satu dengan yang lainnya, hal tersebut tentu berpengaruh pada perbedaan kemampuan suatu daerah dalam mengakumulasi modal. Efektifitas dari tabungan yang dihimpun terhadap investasi di tiap-tiap propinsi juga tidak sama pada tiap propinsi apalagi jika melihat guncangan yang terjadi akibat krisis ekonomi yang melanda Indonesia pada tahun 1997. Dari dua puluh enam propinsi di Indonesia ternyata kebanyakan propinsi di Indonesia memiliki kesenjangan antara kebutuhan investasi dengan kemampuan mengakumulasi modal dari dalam negeri (tabungan domestik), sehingga hal itu bisa menghambat pertumbuhan ekonomi tiap propinsi. Kesenjangan antara kebutuhan investasi dengan kemampuan mengakumulasi modal terbukti dari kebanyakan propinsi tersebut memiliki rata-rata pertumbuhan tabungan yang lebih rendah dari rata-rata pertumbuhan investasinya (BPS, 2006). Tujuan dari penelitian ini adalah melihat adanya hubungan kausalitas antara tabungan dan pertumbuhan ekonomi dalam jangka panjang maupun jangka pendek pada 26 propinsi di Indonesia, serta melihat perbandingan hubungan yang ada dalam jangka panjang dan dalam jangka pendek. Metode yang digunakan untuk melihat adanya hubungan kausalitas antara tabungan dan pertumbuhan ekonomi pada penelitian ini adalah metode Vector Autoregression (VAR) jika data yang digunakan stasioner dan tidak terkointegrasi, atau menggunakan analisis Vector Error Correction Model (VECM), jika data yang digunakan tidak stasioner, namun terkointegrasi. Metode VAR dan VECM tersedia dalam software E-views 4.1. Sementara itu data yang digunakan adalah data PDRB riil, konsumsi masyarakat dan konsumsi pemerintah 26 propinsi di Indonesia dari tahun 1983-2006. Selain itu dalam penelitian ini digunakan juga asumsi tambahan untuk mendapatkan model yang lebih baik. Pengujian asumsi tambahan ini disebut dengan uji Wall Test atau LR Test. Asumsi tambahan yang digunakan yaitu B(1,1)=1, B(1,2)=-1, dimana koefisien dari tabungan sebesar satu dan koefisien dari PDRB minus satu (H0:Savt=1, PDRBt=-1). Dengan demikian tolak H0 atau signifikan apabila probabilitas yang didapatkan dari asumsi tersebut lebih kecil dari probabilitas yang digunakan yaitu sebesar 10 persen. Hasil yang didapat dari penelitian ini diantaranya yaitu dari uji lag optimum dan kestabilan, ternyata ada tiga propinsi yaitu NAD, Riau dan Papua yang datanya tidak
stabil pada lag optimum atau lag berapapun. Oleh karena itu proses estimasi ketiga propinsi tersebut tidak dapat dilanjutkan sampai ke estimasi VAR/VECM. Data tidak stabil berarti data yang digunakan untuk pendugaan model di VAR kurang baik dan tidak robust atau tidak sempurna. Selain itu pada propinsi Jambi, Bali, Kalimantan Barat, Kalimantan Selatan, dan Sulawesi Tengah ternyata secara statistik tidak ada hubungan jangka pendek dari tabungan dengan pertumbuhan ekonomi yang dapat diteliti pada periode waktu penelitian. Hal ini akibat dari transformasi model dari VAR I(1) ke VEC I(0), karena adanya differencing. Dari hasil Wall Test terdapat lima propinsi yaitu Sumatera Barat, Bengkulu, Kalimantan Barat, Kalimantan Selatan, dan Sulawesi Utara yang probabilitasnya di atas 10 persen (tidak signifikan), yaitu asumsi SAVt dan PDRBt 1 dan -1 diterima. Artinya bila PDRB naik satu persen, maka tabungan juga akan naik sebesar satu persen. Sementara itu pada propinsi yang lain dimana asumsi 1 dan -1 ditolak berarti model yang digunakan adalah model awal dari propinsi tersebut. Hampir semua propinsi yang dapat diteliti pada jangka panjang memiliki hubungan yang positif, berarti jika PDRB naik tabungan juga akan meningkat. Dari pengujian kausalitas jangka panjang ternyata ada tiga propinsi yang memiliki hubungan kausalitas mutual atau dua arah, dan ada sepuluh propinsi yang memiliki hubungan kausalitas yang searah. Hasil analisis kausalitas jangka pendek menunjukkan di Sumatera terdapat dua propinsi yang memiliki hubungan kausalitas searah dari tabungan ke PDRB. Di pulau Jawa juga ada dua propinsi yang memiliki hubungan kausalitas searah dari PDRB ke tabungan, yaitu Jawa Tengah dan Jawa Timur. Propinsi Kalimantan Timur dalam jangka pendek sudah menunjukkan hubungan kausalitas yang mutual, sedangkan Kalimantan Timur memiliki hubungan kausalitas searah dari tabungan ke PDRB. Di Sulawesi ada tiga propinsi yang sudah memiliki hubungan kausalitas, sedangkan di NTT ada hubungan kausalitas searah dari tabungan ke PDRB. Terakhir di Maluku dalam jangka pendek juga terdapat hubungan kausalitas dari PDRB ke tabungan. Hubungan kausalitas yang terjadi di tiap propinsi berbeda satu dengan yang lainnya dalam jangka panjang maupun jangka pendek, tetapi dalam jangka panjang semua propinsi memiliki hubungan kausalitas baik searah maupun dua arah. Untuk itu pemerintah daerah seharusnya dapat menaikkan tingkat pendapatan daerahnya dengan cara mengoptimalkan pengolahan sumber daya yang ada. Penurunan tingkat suku bunga pinjaman juga diperlukan agar permintaan dana untuk kegiatan investasi meningkat, sehingga tabungan bisa digunakan secara optimal. Selain itu diperlukan juga perbaikan sarana pendukung di daerah-daerah agar menarik minat masyarakat untuk melakukan investasi di sektor riil yang akan membantu menggerakan perekonomian sehingga dapat meningkatkan pertumbuhan ekonomi.
ANALISIS KAUSALITAS ANTARA TABUNGAN DAN PERTUMBUHAN EKONOMI DALAM JANGKA PANJANG DAN JANGKA PENDEK PADA 26 PROPINSI DI INDONESIA
Oleh RIANI WIDIARTI H14104082
Skripsi Sebagai salah satu syarat untuk memperoleh gelar sarjana ekonomi pada Departemen Ilmu Ekonomi
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2008
INSTITUT PERTANIAN BOGOR FAKULTAS EKONOMI DAN MANAJEMEN DEPARTEMEN ILMU EKONOMI
Dengan ini menyatakan bahwa skripisi yang disusun oleh, Nama Mahasiswa
: Riani Widiarti
NIP
: H14104082
Program Studi
: Ilmu Ekonomi
Judul Skripsi
: Analisis Kausalitas antara Tabungan dan Pertumbuhan Ekonomi dalam Jangka Panjang dan Jangka Pendek pada 26 Propinsi di Indonesia
dapat diterima sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor Menyetujui, Agustus 2008 Dosen Pembimbing
Syamsul H. Pasaribu, M.Si NIP 132310799
Mengetahui, Ketua Departemen Ilmu Ekonomi
Rina Oktaviani, Ph.D NIP 131846872
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
PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
Bogor, Agustus 2008
Riani Widiarti H14104082
PADA
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 5 April 1986 dari pasangan Kamil Sugandi dan Ratih Sunarti. Penulis merupakan anak pertama dari dua bersaudara. Penulis menyelesaikan pendidikan di Sekolah Dasar Negeri Pengadilan 2 Bogor pada tahun 1992 sampai dengan tahun 1998, Sekolah Lanjutan Tingkat Pertama Negeri 5 Bogor pada tahun 1998 sampai dengan tahun 2001 dan melanjutkan pendidikan di Sekolah Menengah Atas Negeri 2 Bogor pada tahun 2001 sampai dengan tahun 2004. Pada tahun 2004 penulis diterima di Institut Pertanian Bogor melalui jalur USMI (Undangan Seleksi Masuk IPB) di Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen. Selama menjalani perkuliahan, penulis berpartisipasi dalam organisasi kemahasiswaan di Departemen Ilmu Ekonomi yaitu Hipotesa, menjadi asisten mata kuliah Ekonomi Umum, menjadi panitia di beberapa kegiatan kampus, dan peserta di beberapa seminar serta pelatihan.
KATA PENGANTAR
Puji syukur penulis ucapkan kepada Allah SWT karena atas berkah dan rahmatnya-Nya penulis dapat menyelesaikan penyusunan skripsi ini. Judul skripsi ini adalah ”Analisis Kausalitas antara Tabungan dan Pertumbuhan Ekonomi dalam Jangka Panjang dan Jangka Pendek pada 26 Propinsi di Indonesia”. Penulis mengucapkan terima kasih kepada kepada Bapak Syamsul H. Pasaribu, M.Si sebagai Pembimbing Skripsi yang telah mencurahkan waktu, pikiran dan tenaga untuk membimbing penulis. Bapak Nunung Nuryartono, Ph.D dan Ibu Henny Reinhard, M.Si sebagai dosen penguji dan Komisi Pendidikan atas kritik dan sarannya yang sangat bermanfaat. Serta seluruh staf pengajar dan karyawan/wati di Departemen Ilmu Ekonomi, FEM IPB. Selanjutnya penulis juga berterima kasih kepada kedua orang tua dan adik penulis Indah Kemala yang dengan ikhlas telah memberikan curahan kasih sayang, inspirasi hidup dan doa yang tulus. Kepada ABCDEF (Agita, Ratih, Dewi, Indri, Fitsol), Fajri, Ucup, Pansus, Andra, Lulu, atas semangat, bantuan, dan dorongannya. Kak Irfan atas ilmu yang sangat berguna. A Ubit atas doa, dukungan dan pelajaran hidup yang penulis dapatkan. Keluarga D-red, miror gang, teman KKP, teman sebimbingan (Akbar, Kak Diah, Wenda). Teman-teman IE 40, 41, 42 yang tidak bisa penulis sebutkan namanya satu persatu. Terakhir kepada semua pihak yang telah membantu dalam penyusunan skripsi ini. Tidak ada satupun yang sempurna, begitu juga skripsi ini masih jauh dari kesempurnaan. Oleh karena itu segala bentuk kritik, masukan dan saran yang membangun diperlukan untuk evaluasi dan perbaikan skripsi ini. Akhirnya, penulis berharap bahwa apa yang telah penulis kerjakan ini dapat memberikan kontribusi kepada berbagai pihak dan menjadi landasan yang baik menuju tahap berikutnya.
Bogor, Agustus 2008
Penulis
DAFTAR ISI
Halaman DAFTAR TABEL.........................................................................................
vii
DAFTAR GAMBAR ....................................................................................
viii
DAFTAR LAMPIRAN.................................................................................
ix
I.
PENDAHULUAN ................................................................................
1
1.1. Latar Belakang ...............................................................................
1
1.2. Perumusan Masalah .......................................................................
4
1.3. Tujuan Penelitian ...........................................................................
5
1.4. Manfaat Penelitian .........................................................................
5
TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN ...............
7
2.1. Teori Tabungan .............................................................................
7
2.2. Peran Tabungan..............................................................................
10
2.3. Kesenjangan Investasi-Tabungan ..................................................
11
2.4. Teknik Perhitungan Tabungan .......................................................
11
2.5. Teori Pertumbuhan.........................................................................
12
2.6. Penelitian Terdahulu ......................................................................
14
2.7. Kerangka Pemikiran.......................................................................
16
2.8. Hipotesis Penelitian........................................................................
17
III. METODE PENELITIAN......................................................................
19
3.1. Jenis dan Sumber Data ...................................................................
19
3.2. Metode Analisis Data.....................................................................
19
3.2.1. Vector Autoregression (VAR) ...........................................
19
3.2.2. Uji Stasioneritas ..................................................................
21
3.2.3. Penetapan Lag Optimal .......................................................
22
3.2.4. Uji Kointegrasi ....................................................................
23
3.2.5. Vector Error Correction Model (VECM) ..........................
23
3.3. Model Penelitian ............................................................................
24
IV. HASIL DAN PEMBAHASAN.............................................................
27
4.1. Unit Root Test (Pengujian Akar-Akat Unit) ..................................
27
4.2. Analisis Kointegrasi .......................................................................
30
II.
vi
4.3. Analisis Hubungan Jangka Panjang ...............................................
32
4.4. Analisis Hubungan Kausalitas Jangka Panjang .............................
36
4.5. Estimasi VAR/VECM....................................................................
37
4.5.1. Sumatera..............................................................................
38
4.5.2. Jawa.....................................................................................
41
4.5.3. Bali ......................................................................................
44
4.5.4. Kalimantan ..........................................................................
44
4.5.5. Sulawesi ..............................................................................
47
4.5.6. Nusa Tenggara ....................................................................
49
4.5.7. Maluku ................................................................................
51
4.6. Perbandingan Hubungan Kausalitas .............................................
51
KESIMPULAN DAN SARAN ............................................................
54
5.1. Kesimpulan ....................................................................................
54
5.2. Saran...............................................................................................
55
DAFTAR PUSTAKA ...................................................................................
56
LAMPIRAN..................................................................................................
58
V.
vii
DAFTAR TABEL
Nomor
Halaman
1.1. Rata-rata Pertumbuhan PDRB, Tabungan, dan Investasi ......................
2
3.1. Deskripsi data dalam Model Penelitian .................................................
25
4.1. Hasil Pengujian Akar Unit Level ...........................................................
28
4.2. Hasil Pengujian Akar Unit First Difference...........................................
29
4.3. Analisis Kointegrasi ...............................................................................
31
4.4. Hasil Estimasi Hubungan jangka Panjang .............................................
34
4.5. Estimasi α-vektor dan Tes Kausalitas Jangka Panjang..........................
37
4.6. Estimasi dari regresi VAR/VECM Pulau Sumatera...............................
39
4.7. Estimasi dari regresi VAR/VECM Pulau Jawa......................................
42
4.8. Estimasi dari regresi VAR/VECM Pulau Bali .......................................
44
4.9. Estimasi dari regresi VAR/VECM Pulau Kalimantan ...........................
45
4.10. Estimasi dari regresi VAR/VECM Pulau Sulawesi ...............................
48
4.11. Estimasi dari regresi VAR/VECM Kepulauan Nusa Tenggara .............
49
4.12. Estimasi dari regresi VAR/VECM Propinsi Maluku .............................
51
viii
DAFTAR GAMBAR
Nomor
Halaman
2.1. Kesenjangan Investasi dan Tabungan ....................................................
11
2.2. Kerangka Pemikiran...............................................................................
17
ix
DAFTAR LAMPIRAN
Nomor
Halaman
1. Hasil Estimasi NAD................................................................................
58
2. Hasil Estimasi Sumatra Utara ................................................................
59
3. Hasil Estimasi Sumatra Barat..................................................................
62
4. Hasil Estimasi Riau .................................................................................
65
5. Hasil Estimasi Jambi ...............................................................................
66
6. Hasil Estimasi Sumatra Selatan ..............................................................
68
7. Hasil Estimasi Bengkulu .........................................................................
71
8. Hasil Estimasi Lampung .........................................................................
74
9. Hasil Estimasi DKI Jakarta .....................................................................
76
10. Hasil Estimasi Jawa Barat.......................................................................
78
11. Hasil Estimasi Jawa Tengah ...................................................................
80
12. Hasil Estimasi DIY .................................................................................
83
13. Hasil Estimasi Jawa Timur .....................................................................
86
14. Hasil Estimasi Bali..................................................................................
88
15. Hasil Estimasi Kalimantan Barat ............................................................
91
16. Hasil Estimasi Kalimantan Tengah.........................................................
94
17. Hasil Estimasi Kalimantan Selatan .........................................................
97
18. Hasil Estimasi Kalimantan Timur...........................................................
100
19. Hasil Estimasi Sulawesi Utara ................................................................
103
20. Hasil Estimasi Sulawesi Tengah .............................................................
106
21. Hasil Estimasi Sulawesi Selatan .............................................................
108
22. Hasil Estimasi Sulawesi Tenggara ..........................................................
111
23. Hasil Estimasi NTB ................................................................................
113
24. Hasil Estimasi NTT.................................................................................
115
25. Hasil Estimasi Maluku ............................................................................
117
26. Hasil Estimasi Papua...............................................................................
120
I. PENDAHULUAN
1.1. Latar Belakang Indonesia merupakan salah satu negara yang tergolong sebagai Negara Dunia Ketiga atau sering disebut sebagai negara berkembang. Sebagai salah satu negara berkembang Indonesia memiliki beberapa permasalahan yang sama seperti kebanyakan negara berkembang lainnya. Salah satu masalah yang masih harus dipecahkan oleh pemerintah negara ini adalah kesenjangan dalam kebutuhan investasi dan kemampuan mengakumulasikan modal yang berasal dari dalam negeri. Cara untuk memenuhi kebutuhan modal yang ada di suatu negara dapat berasal dari dalam negeri maupun dari luar negeri. Pembiayaan dari dalam negeri salah satunya adalah melalui tabungan dalam negeri, sedangkan apabila dana yang ada di dalam negeri atau pendapatan nasional tidak mencukupi maka tambahan tersebut bisa didapat dari luar negeri. Bantuan atau modal yang berasal dari luar negeri biasanya berbentuk hutang, tapi ketergantungan terhadap hutang pada akhirnya merugikan negara. Dapat merugikan negara karena pembayarannya kebanyakan memberatkan akibat beban yang harus diangsur semakin lama akan semakin meningkat yang disebabkan oleh adanya tekanan nilai tukar mata uang maupun oleh adanya tambahan hutang-hutang baru. Jadi pemerintah harus mengoptimalkan dana yang berasal dari dalam negeri. Indonesia memiliki kelebihan yang apabila tidak bisa dimanfaatkan dengan baik kelebihan tersebut justru bisa menjadi salah satu kendala bagi negara ini. Kelebihan yang sekaligus bisa menjadi kendala yang dimiliki Indonesia adalah negara ini merupakan negara yang berbentuk kepulauan. Besarnya pulaupulau tersebut tentu tidak sama dan jarak antar pulau yang ada di Indonesia juga
2
tidak semuanya berdekatan, hal itu menyebabkan karakteristik propinsi di pulau tersebut berbeda satu dengan yang lainnya, baik dari segi kebudayaan, adat istiadat, jumlah dan prilaku penduduk, serta sumberdaya yang ada di daerah tersebut yang bisa diolah dan memberikan pandapatan bagi daerahnya. Perbedaan pendapatan antara satu daerah dengan yang lainnya tentu berpengaruh pada perbedaan kemampuan daerah tersebut dalam mengakumulasi modal. Efektifitas dari tabungan yang dihimpun terhadap investasi di tiap-tiap propinsi juga tidak sama pada tiap propinsi apalagi jika melihat guncangan yang terjadi akibat krisis ekonomi yang melanda Indonesia pada tahun 1997. Tiap daerah atau tiap propinsi tentunya memiliki kerugian yang tidak sama besarnya, pastinya hal tersebut berpengaruh terhadap pemulihan yang harus diusahakan oleh propinsi-propinsi tersebut. Tabel 1.1. Rata-rata Pertumbuhan PDRB, Tabungan, dan Investasi No
Propinsi PDRB 98-06 -1.35
83-06 2.75
Rata-rata Pertumbuhan Tabungan 83-97 98-06 83-06 5.32 -7.08 0.47
83-97 8.90
Investasi 98-06 83-06 13.43 10.67
1
NAD
83-97 5.39
2
Sumatera
7.99
2.99
6.04
11.76
1.22
7.64
8.28
6.73
7.67
6.43
3.28
5.20
7.78
1.99
5.52
6.08
0.14
3.76
Utara 3
Sumatera Barat
4
Riau
3.69
3.46
3.60
3.20
1.33
2.47
8.38
7.11
7.88
5
Jambi
7.58
3.93
6.16
8.82
-7.81
2.31
5.45
-0.21
3.24
6
Sumatera
5.64
3.33
4.73
5.06
1.67
3.73
7.80
2.21
5.61
Selatan 7
Bengkulu
7.53
3.54
5.97
15.33
-0.36
9.19
11.72
2.41
8.08
8
Lampung
8.34
3.21
6.33
27.00
5.07
18.42
13.81
-0.95
8.03
9
DKI Jakarta
7.72
2.00
5.48
11.05
0.90
7.07
9.90
0.92
7.38
10
Jawa Barat
8.02
3.68
6.32
8.74
1.02
5.72
8.70
1.89
6.03
11
Jawa Tengah
7.01
2.59
5.28
11.93
-2.31
6.36
4.32
2.39
3.56
12
DIY
5.82
2.36
4.47
13.81
2.85
9.52
7.36
4.59
6.27
3
Lanjutan No
Propinsi PDRB 98-06 1.97
83-06 4.94
Rata-rata Pertumbuhan Tabungan 83-97 98-06 83-06 8.19 -0.52 4.78
83-97 10.52
Investasi 98-06 83-06 -1.55 5.80
13
Jawa Timur
83-97 6.86
14
Bali
8.23
2.79
6.10
30.26
3.94
19.96
7.41
-0.96
6.46
15
Kalimantan
8.66
2.84
11.49
11.29
2.71
7.93
11.85
2.29
8.11
7.66
2.94
5.81
16.59
0.80
10.41
19.76
0.70
12.30
7.26
4.45
6.16
9.79
2.66
7.00
8.99
-0.47
5.29
5.32
2.59
4.25
4.50
2.40
3.68
11.86
3.03
8.40
6.78
4.21
5.77
9.05
-0.70
5.24
6.65
3.50
5.42
7.21
4.75
6.25
14.70
6.23
11.38
8.09
5.44
7.05
7.06
3.86
5.81
11.12
3.65
8.19
16.88
3.87
10.38
7.73
4.93
6.64
12.30
5.40
9.60
15.66
5.24
11.58
Barat 16
Kalimantan Tengah
17
Kalimantan Selatan
18
Kalimantan Timur
19
Sulawesi Utara
20
Sulawesi Tengah
21
Sulawesi Selatan
22
Sulawesi Tenggara
23
NTB
6.95
6.36
6.72
10.15
16.49
12.63
8.62
4.04
6.83
24
NTT
6.06
3.55
5.08
9.34
-13.9
0.25
8.72
2.29
6.20
25
Maluku
7.28
-1.23
3.95
22.52
-0.80
13.39
16.05
2.85
10.88
26
Papua
7.55
1.71
5.27
8.01
-1.98
4.11
9.23
5.07
7.60
Sumber: BPS diolah Setiap propinsi yang ada hampir semuanya belum bisa mengoptimalkan pembangunan mereka setelah krisis ekonomi yang melanda Indonesia, terbukti dari rata-rata pertumbuhan PDRB di sebagian besar propinsi yang bernilai lebih kecil setelah krisis. Dalam suatu wilayah seharusnya tabungan = investasi, tapi di Indonesia kebanyakan propinsi memiliki rata-rata pertumbuhan tabungan yang lebih rendah dari rata-rata pertumbuhan investasi dari periode 1983-2006. Hal tersebut secara tidak langsung membuktikan bahwa ada kesenjangan antara dana yang ada dengan kebutuhan investasi.
4
1.2. Perumusan Masalah Adanya fakta bahwa rata-rata pertumbuhan tabungan di sebagian besar propinsi di Indonesia yang menurun pada periode setelah krisis, sedangkan besarnya rata-rata pertumbuhan tabungan pada sebagian besar propinsi lebih kecil dari rata-rata pertumbuhan investasinya. Hal itu mengindikasikan bahwa belum optimalnya tingkat tabungan yang ada di tiap propinsi, serta belum optimalnya pemanfaatan tabungan tersebut untuk membiayai investasi di tiap-tiap propinsi di Indonesia. Apakah langkah yang dilakukan pemerintah dalam meningkatkan pembiayaan domestik dengan meningkatkan tabungan pada daerah yang tingkat tabungannya masih rendah merupakan cara yang sudah tepat dalam meningkatkan pertumbuhan ekonominya. Selanjutnya apakah bagi daerah yang rata-rata pertumbuhan tabungannya sudah tinggi, apakah tabungan tersebut memang efektif untuk membiayai pembangunan daerahnya. Pertanyaan itulah yang membuat penulis tertarik untuk melakukan penelitian ini, dimana dalam penelitian ini dibuktikan secara statistik tentang adanya hubungan hubungan timbal balik antara tabungan antar daerah dengan pertumbuhan ekonomi daerah tersebut, serta apakah hubungan tersebut terjadi pada jangka pendek maupun pada jangka panjang. Berdasarkan uraian di atas, maka permasalahan yang akan dibahas dalam penelitian ini adalah: 1. Adakah hubungan kausalitas antara tabungan dengan pertumbuhan ekonomi dalam jangka panjang pada 26 propinsi di Indonesia. 2. Adakah hubungan kausalitas antara tabungan dengan pertumbuhan ekonomi dalam jangka pendek pada 26 propinsi di Indonesia.
5
3. Bagaimanakah perbandingan hubungan kausalitas antara tabungan dan pertumbuhan ekonomi pada 26 propinsi di Indonesia dalam jangka pendek dan jangka panjang.
1.3. Tujuan Penelitian Berdasarkan perumusan masalah di atas, maka tujuan dari penelitian ini adalah: 1. Menganalisis hubungan kausalitas antara tabungan dengan pertumbuhan ekonomi dalam jangka panjang pada 26 propinsi di Indonesia. 2. Menganalisis hubungan kausalitas antara tabungan dengan pertumbuhan ekonomi dalam jangka pendek pada 26 propinsi di Indonesia. 3. Menganalisis perbandingan hubungan kausalitas antara tabungan dan pertumbuhan ekonomi pada 26 propinsi di Indonesia dalam jangka pendek dan jangka panjang.
1.4. Manfaat Penelitian Dari hasil penelitian ini diharapkan dapat memberikan manfaat bagi penulis sendiri juga bagi pihak-pihak lain. 1. Bagi penulis yaitu meningkatkan pengetahuan dan memberikan pemahaman yang semakin mendalam tentang konsep tabungan dan pertumbuhan ekonomi, selain itu penelitian ini juga diharapkan dapat menambah wawasan keilmuan serta
mengetahui
apakah
menabung
merupakan
cara
mengakumulasikan modal untuk menciptakan pembiayaan domestik.
terbaik
6
2. Bagi pemerintah, diharapkan dapat mengetahui apakah kebijakan terbaik yang harus dilakukan untuk mencapai target pertumbuhan ekonominya dan sebagai masukan dalam melaksanakan kebijakan makro ekonomi. 3. Bagi pembaca, diharapkan penelitian ini dapat membuka cakrawala pembaca dan memberikan pengertian tentang arti penting dari menabung. Penelitian ini juga diharapkan dapat bermanfaat sebagai acuan, bahan pertimbangan dan sebagai sumber informasi untuk penelitian selanjutnya.
II. TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN
Penelitian ini pada dasarnya bertujuan untuk melihat lebih jelas bagaimana keterkaitan antara tabungan dengan pertumbuhan ekonomi antar daerah yang akan dibuktikan secara statistik. Oleh sebab itu terlebih dahulu perlu diketahui mengenai teori-teori yang dapat menjelaskan hubungan antara variabel-variabel tersebut.
2.1 Teori Tabungan Dalam Mankiw (2003), pandangan klasik mengatakan bahwa tingkat suku bunga merupakan pembayaran atas imbalan menunda pengeluaran yang digunakan untuk berkonsumsi atau hadiah karena ketersediaan meletakkan uang yang digunakan sebagai investasi. Semakin tinggi suku bunga yang ditawarkan semakin besar keinginan untuk menabung. Menurut pandangan klasik, dalam perekonomian tingkat suku bunga selalu mengalami perubahan. Perubahan-perubahan itu akan menyebabkan seluruh tabungan yang diciptakan sektor rumah tangga akan selalu sama besarnya dengan jumlah investasi yang dilakukan oleh para pengusaha. Hal ini terjadi karena tingkat suku bunga menentukan besarnya tabungan atau investasi yang akan dilakukan dalam perekonomian. Berdasarkan teori tingkat suku bunga menurut pandangan ekonomi klasik, suku bunga merupakan bayaran atas bagian pendapatan yang tidak dikonsumsi, balasan untuk waktu menunggu atau imbalan atas penggunaan dana. Selain pandangan klasik, Keynes dalam Mankiw (2003) mengatakan bahwa besar kecilnya tergantung dari pendapatan atau penghasilan yang
8
diperoleh. Jika tidak terjadi perubahan dalam pendapatan nasional ataupun distribusinya, maka total tabungan tidak akan mengalami perubahan yang berarti. Hal itu berarti bahwa tabungan merupakan hasil dari faktor pendapatan dikurangi faktor pengeluaran. Perubahan pola konsumsi tidak secepat perubahan pola pendapatan maka tabungan tidak meningkat sejalan dengan meningkatnya tingkat pendapatan. Menurut Keynes, seseorang akan meningkatkan konsumsinya bila pendapatannya meningkat. Namun besarnya peningkatan konsumsi ini tidak sebesar peningkatan pendapatan. Secara matematis fungsi konsumsi keynes dapat ditulis sebagai berikut: C = a + bY
(2.1)
dimana a>0, 0
(2.2)
S = Y – (a + bY) S = -a + (1-b)Y S = -a + sY dimana: S = Aggregate saving -a = Autonomous saving s = 1-b = MPS = Marginal Propensity to Save
(2.3)
9
Menurut Schmidt-Hebbel (1992) dan Web-Corsety (1992), pada negara berkembang tabungan dipengaruhi oleh: a. Tingkat disposible income rumah tangga. Tingkat pendapatan dianggap mempunyai hubungan yang positif dengan tabungan karena semakin besar pendapatan seseorang, maka semakin besar jumlah uang yang bisa ditabung b. Tingkat pertumbuhan dari pendapatan disposibel rumah tangga dan tingkat suku bunga riil. Jika dianggap bahwa pendapatan di masa depan akan meningkat, maka konsumsi saat ini akan dinaikkan sehingga tabungan berkurang. Namun jika penambahan pendapatan yang cepat disertai dengan meningkatnya tingkat suku bunga riil tabungan, maka orang akan cenderung menyisihkan pendapatannya untuk ditabung. c. Tingkat inflasi berpengaruh positif apabila masyarakat beranggapan lebih baik menunda konsumsi saat ini dan menyisahkan sebagian pendapatannya untuk ditabung. Namun bila dianggap inflasi yang cukup tinggi akan ada kepastian dari hasil yang akan diperoleh daripada menabung maka lebih baik untuk mengambil tabungan. d. Faktor demografi diasumsikan berpengaruh negatif terhadap tingkat tabungan masyarakat. Semakin besar angka ketergantungan yang terdapat di setiap rumah tangga maka akan semakin besar pula pendapatan yang digunakan untuk memenuhi kebutuhan hidup sehingga tabungan akan diambil untuk memenuhi kebutuhan hidup. e. Money Quasy Money (MQM) digunakan sebagai ukuran kekayaan yang tersedia untuk konsumsi pada periode berikutnya. Asumsi MQM mempunyai hubungan yang negatif dengan tabungan masyarakat.
10
f. Tunjangan kepada rumah tangga merupakan pencerminan dari household transfer. Asumsi mempunyai hubungan yang negatif dengan tabungan masyarakat. Sedangkan tabungan menurut pandangan Way (1973) dipengaruhi tingkat kemauan, kemampuan, serta besarnya kesempatan yang ada. Dalam setiap faktorfaktor tersebut dapat diterangkan lebih lanjut lagi melalui variabel ekonomi dan non ekonomi. Tingkat kemampuan untuk menabung tergantung pada faktor pendapatan, struktur populasi, dan kekayaan. Kemauan untuk menabung dipengaruhi oleh tingkat suku bunga, tingkat inflasi dan tingkat kultural. Sementara kesempatan untuk menabung ditentukan oleh lembaga intermediasi keuangan atau perbankan.
2.2. Peran Tabungan Model Harrod-Domar menunjukkan bahwa tabungan dalam negeri merupakan satu-satunya sumber pembiayaan kebutuhan investasi. Namun di negara-negara
berkembang
seperti
telah
dikatakan
sebelumnya
sumber
pembiayaan kebutuhan investasi juga tergantung pada modal asing baik dalam bentuk pinjaman, bantuan, investasi langsung maupun portofolio. Pada sisi lain, sesuai yang dikemukakan dalam model pertumbuhan ekonomi
Sollow,
untuk
mencapai
tingkat
modal
yang
dijamin
serta
mempertahankan tingkat pertumbuhan ekonomi yang stabil, tingkat tabungan (domestik) harus tinggi guna menyokong tingkat investasi sehingga proses produksi dapat berkesinambungan dan tingkat output dapat meningkat (Mankiw, 2003). Oleh karena itu kesenjangan antara investasi dan tabungan harus diatasi.
11
2.3. Kesenjangan Investasi - Tabungan Teori Two Gap Model menunjukkan adanya defisit terhadap sumber pembiayaan pembangunan karena tabungan lebih kecil daripada kebutuhan investasi (I-S = Resource GAP), dapat dilihat dari gambar 2.1. Saving (S)
Investasi (I) Investasi Swasta
Anggaran Pembangunan
Tabungan Pemerintah
Pinjaman Pemerintah
Pinjaman Swasta
Tabungan Masyarakat
Kesenjangan I-S
Pelunasan pokok pinjaman pemerintah dan swasta
Dana luar negeri pemerintah dan swasta
Gambar 2.1. Kesenjangan Investasi dan Tabungan Sumber : Widodo, 1990
2.4. Teknik Perhitungan Tabungan Cara perhitungan tabungan adalah dengan mengurangi besarnya Tabungan Nasional Bruto (TNB) dengan pendapatan neto terhadap luar negeri dari faktor-
12
fakor produksi. Perhitungan tabungan selain didasarkan atas konsep National Account dapat didasarkan atas konsep dari world bank, yaitu: 1. World Bank Operation Manual TNB = Investasi Domestik Bruto + Transksi berjalan dari Neraca Pembayaran (current account Balance) 2. World Bank Table TNB = Investasi Domestik Bruto + Ekspor Neto dari Barang-
barang
dan jasa + Pendapatan Neto terhadap Luar Negeri dari Faktor Payment + Transfer Neto 3. World Bank Country Program Paper System a. TNB = Produk Domestik Bruto – Konsumsi Akhir + Transfer Neto + Pendapatan Neto terhadap Luar Negeri dari Faktor-faktor Produksi b. TDB = Produk Domestik Bruto – Konsumsi Akhir Keterangan : TDB = Tabungan Domestik Bruto TNB = Tabungan Nasional Bruto Dalam penelitian ini perhitungan yang digunakan untuk menentukan tingkat tabungan menurut World Bank Country Program Paper System. Hal ini untuk mempermudah dalam pencarian data.
2.5. Teori Pertumbuhan Kuznetz dalam Todaro (2000) memberikan pengertian pertumbuhan sebagai tumbuhnya kenaikan supply berbagai benda-benda ekonomi dalam yang
13
lama bagi penduduknya. Kuznetz berpendapat bahwa pertumbuhan itu dimungkinkan
oleh
adanya
perkembangan
teknologi,
lembaga-lembaga
perekonomian dan penyesuaian ideologi yang diminta. Pertumbuhan dinyatakan dengan peningkatan output dan pendapatan riil per kapita memang bukanlah satusatunya sasaran kebijakan ekonomi di negara berkembang. Akan tetapi, kebijakan ekonomi yang bertujuan meningkatkan output diperlukan karena: 1. Pertumbuhan ekonomi dipandang sebagai suatu syarat yang sangat diperlukan untuk perbaikan kesejahteraan masyarakat. 2. Pertumbuhan ekonomi dipandang sebagai persyaratan untuk mencapai tujuantujuan lainnya seperti penyediaan, pendapatan, kekayaan, dan penyediaan sarana atau fasilitas lainnya. Irawan dan Suparmoko (1999) menyatakan bahwa pada umumnya istilah pertumbuhan, perkembangan dan pembangunan sering digunakan secara bergantian, tetapi mempunyai maksud yang sama, terutama dalam pembicaraanpembicaraan mengenai masalah ekonomi. Apabila kedua istilah itu digunakan secara bersama-sama maka akan akan mempunyai pengertian masing-masing yang lebih khusus. Dikatakan terdapat pertumbuhan ekonomi apabila ada lebih banyak output, dan terjadinya perkembangan atau pembangunan ekonomi bila tidak hanya terdapat lebih banyak output, tetapi juga terjadi perubahan-perubahan dalam kelembagaan dan pengetahuan teknik dalam menghasilkan output yang lebih banyak. Pertumbuhan dapat meliputi penggunaan input lebih banyak dan lebih efisien, yaitu adanya kenaikan output per satuan input. Pembangunan atau perkembangan ekonomi menunjukkan perubahan-perubahan dalam struktur output dan alokasi input pada berbagai sektor perekonomian disamping kenaikan
14
output. Pada umumnya perkembangan atau pembangunan selalu disertai dengan pertumbuhan tetapi pertumbuhan pertumbuhan belum tentu disertai dengan pembangunan atau perkembangan. Tetapi pada tingkat-tingkat permulaan, mungkin pembangunan ekonomi selalu disertai oleh pertumbuhan dan sebaliknya.
2.6. Penelitian Terdahulu Penelitian yang berkaitan dengan tabungan domestik, pertumbuhan ekonomi, dan tentang investasi pernah dilakukan oleh beberapa peneliti sebelumnya. Secara umum penelitian akan dijelaskan sebagai berikut Pertama, Andersson (2001) dalam studinya tentang hubungan kausalitas antara tabungan dan pertumbuhan ekonomi. Penelitian ini bertujuan untuk membandingkan antara tiga negara yaitu Swedia, UK, dan USA. Dalam penelitian ini juga digambarkan hubungan kausalitas beberapa negara tersebut dalam jangka pendek dan jangka panjang. Hasil penelitian ini yaitu dalam jangka pendek di UK terdapat hubungan jangka panjang dua arah sedangkan dalam jangka pendek tidak tedapat hubungan kausalitas antara tabungan dengan pertumbuhan ekonomi. Di Swedia dalam jangka panjang terjadi hubungan yang kausalitas searah dari tabungan ke pertumbuhan ekonomi. Dalam jangka pendek di USA terjadi tidak hubungan yang signifikan antara tabungan dengan pertumbuhan ekonomi. Jadi dapat disimpulkan tiap negara memiliki prilaku yang berbeda-beda dengan negara lain tapi kebanyakan negara-negara tersebut masing-masing memiliki prilaku tabungan dan investasi yang serupa dalam jangka panjang dan dalam jangka pendek.
15
Kedua, penelitian yang dilakukan oleh Loayza dan Sankar (2000) tentang prilaku dari Private saving di India, dalam penelitian ini digunakan metode error correction model untuk melihat bagaimana prilaku dari tabungan di India berhubungan dengan tingkat suku bunga riil, pendapatan per kapita, rasio ketergantungan, hutang, tingkat tabungan pemerintah, dan share dari pertanian dalam GDP. Adapun hasil yang didapat dari penelitian ini adalah tabungan di India relatif lebih besar dibanding kebanyakan negara dengan pendapatan perkapita yang sebanding. Selanjutnya tabungan tumbuh seiring tumbuhnya share pertanian dalam GDP, suku bunga riil dan pendapatan masing-masing berhubungan positif dengan tabungan, sementara itu rasio ketergantungan memiliki efek yang negatif terhadap Privat saving. Ketiga, Hardjes dan Ricci (2002) meneliti tentang faktor yang mengendalikan atau meningkatkan tabungan di Afrika, adapun yang diuji dalam penelitian ini adalah kebijakan fiskal, harga komoditas, inflasi, dan juga liberalisasi finansial. Metode yang digunakan dalam penenelitian ini yaitu The Fully Modified Least Squares (FMOLS). Kesimpulan yang didapat dari penelitian ini adalah kebijakan fiskal, harga komoditi, dan liberalisasi finansial merupakan determinan utama dari tabungan selama hampir 20 tahun belakangan. Perubahan harga komoditi juga menciptakan suatu dorongan pada tabungan dan investasi, serta liberalisasi finansial berdampak negatif pada peningkatan tabungan terutama juga pada rumah tangga yang memiliki akses yang besar terhadap kredit dari bank. Keempat, Darmawan (2006) meneliti tentang prilaku tabungan antar daerah di Indonesia dengan mengestimasi pengaruh Pendapatan Domestik
16
Regional Bruto, tingkat suku bunga dan angka beban tanggungan penduduk usia muda dan tua dan laju inflasi terhadap tabungan masyarakat antar daerah di Indonesia. Hasil penelitian dengan menggunakan metode GLS ini yaitu pendapat masyarakat yang dicerminkan oleh Produk Domestik Regional Bruto tetap merupakan determinan pokok dari tabungan masyarakat. Peranan suku bunga juga positif terhadap tabungan tetapi dengan nilai yang rendah. Beban tanggungan usia muda berdampak negatif dan signifikan di berbagai daerah di Indonesia, sementara itu beban tanggungan usia tua justru berdampak positif terhadap tabungan hanya di beberapa daerah saja. Inflasi sebagai cerminan dari ketidakpastian memiliki dampak positif di sebagian daerah dan berdampak negatif di sebagian daerah lainnya.
2.7. Kerangka Pemikiran Kesenjangan antara kebutuhan modal untuk berinvestasi pada sektor riil di daerah-daerah di Indonesia dengan ketersediaan modal di daerah tersebut apabila diatasi dengan meningkatkan tabungan domestik daerah tentu berdampak pada pendapatannya dan pendapatan daerah tersebut kembali berpengaruh pada tingkat tabungan antar daerah melalui hasil dari pelaksanaan investasi. Selanjutnya peningkatan pendapatan daerah berpengaruh pada pertumbuhan masing-masing daerah dan pertumbuhan antar daerah tersebut merupakan alat untuk mencapai target pertumbuhan ekonomi nasional. Penulis meneliti adanya hubungan kausalitas
tabungan
dengan
pertumbuhan
di
berbagai
daerah
dengan
menggunakan metode VAR untuk mengetahui apakah kebijakan peningkatan
17
tabungan tersebut bisa efektif pada daerah-daerah di Indonesia. Kerangka pemikiran penelitian ini dapat dilihat pada gambar 2.2. Kesenjangan antara Kebutuhan Investasi dengan Kemampuan Mengakumulasi Modal (tabungan)
Tujuan:
jangka pendek Pertumbuhan Ekonomi Daerah
Tabungan daerah
per ban din gan jangka panjang Tabungan daerah
Pertumbuhan Ekonomi Daerah
Pengujian dengan Metode VAR
Hasil dan kesimpulan
Gambar 2.2. Kerangka Pemikiran
2.8. Hipotesis Penelitian Hipotesis dari penelitian ini yaitu bahwa pada tiap-tiap daerah pertumbuhan ekonominya dapat meningkatkan akumulasi modal yang berupa
18
tabungan. Selanjutnya peningkatan pada tabungan di tiap-tiap daerah dapat meningkatkan pertumbuhan ekonomi daerah tersebut, karena akumulasi tabungan yang ada dapat digunakan untuk membiayai pembangunan daerah melalui kegiatan investasi. Jadi terdapat hubungan kausalitas pada tiap propinsi dalam jangka panjang. Terjadi perbedaan hubungan kausalitas dalam jangka panjang dengan jangka pendek pada masing-masing propinsi, karena hal tersebut disesuaikan dengan karakteristik, pemerintahan, serta seberapa pesatnya pembangunan yang terjadi di tiap-tiap propinsi.
III. METODE PENELITIAN
3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang merupakan data tahunan dari tahun 1983-2006. Sumber data berasal dari, Bank Indonesia, dan Badan Pusat Statistik. Data-data yang digunakan adalah data Produk Domestik Regional Bruto (PDRB) pada 26 propinsi di Indonesia yang mewakili pertumbuhan ekonomi daerah, konsumsi masyarakat dan konsumsi pemerintah daerah.
3.2. Metode Analisis Data Penelitian ini menggunakan analisis Vector Autoregression (VAR) jika data yang digunakan stasioner dan tidak terkointegrasi, atau menggunakan analisis Vector Error Correction Model (VECM), jika data yang digunakan tidak stasioner, namun terkointegrasi.
3.2.1. Vector Autoregression ( VAR) VAR adalah suatu sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linier dari konstanta dan nilai lag (lampau) dari peubah itu sendiri serta nilai lag dari peubah lain yang ada dalam sistem. Peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem. Pada metode VAR, variabel eksogen dan endogen tidak dapat dibedakan secara apriori. Menurut Sims (1972) hanya variabel endogen yang masuk analisis. Keunggulan metode VAR dibandingkan dengan metode ekonometri konvensional adalah (Laksani dalam Yusuf, 2005):
20
1. Mengembangkan model secara bersamaan di dalam suatu sistem yang kompleks (multivariate), sehingga dapat menangkap hubungan keseluruhan variabel di dalam persamaan tersebut. 2. Uji VAR yang multivariate bisa menghindari parameter yang bias akibat tidak dimasukannya variabel yang relevan. 3. VAR dapat mendeteksi hubungan antar variabel di dalam sistem persamaan, dengan menjadikan seluruh variabel sebagai endogenous. 4. Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan teori ekonomi yang sering muncul, termasuk gejala perbedaan palsu di dalam model ekonometri konvensional, terutama pada persamaan simultan, sehingga menghindari penafsiran yang salah. Selain memiliki kelebihan, metode VAR juga memiliki kelemahan, adapun beberapa kelemahan yang dimiliki model VAR antara lain: 1. Model VAR lebih bersifat ateoritik karena tidak memanfaatkan informasi atau teori terdahulu. Oleh karenanya, model tersebut sering disebut model yang tidak struktural. 2. Mengingat tujuan utama model VAR untuk peramalan, maka model VAR kurang cocok untuk menganalisis kebijakan. 3. Pemilihan banyaknya lag yang digunakan dalam persamaaan juga dapat menimbulkan permasalahan dalam proses estimasi. Hubungan kausalitas antar variabel di dalam sistem persamaan multivariat lebih rumit dibandingkan pada bivariat. Untuk persamaan bivariat misalkan model dengan dua variabel (Y dan Z) yang memiliki hubungan kausalitas sebagai berikut:
21
yt = b10 – b12zt + γ11yt-1 + γ12zt-1 + εyt
(3.1)
zt = b20 − b21yt + γ21yt-1 + γ22zt-1 + εzt
(3.2)
Sistem persamaan diatas dikenal juga dengan struktural VAR atau persamaan primitif. Kedua persamaan tersebut (X dan Z), secara individual dipengaruhi langsung oleh variabel yang lain, dan secara tidak langsung oleh selang nilai setiap variabel di dalam sistem. Atau dalam bentuk persamaan bivariate: yt = a10 + a11yt-1 + a12zt-1 + ε1t
(3.3)
zt = a20 + a21yt-1 + a22zt-1 + ε2t
(3.4)
Sistem inilah yang disebut VAR jenis standar atau reduced form. Sistem tersebut juga mempresentasikan word-moving average. Karena εyt dan εzt white noise, et pun akan memiliki rata-rata 0, varians yang konstan serta non-outokorelasi serial.
3.2.2. Uji Stasioneritas Hal penting yang berkaitan dengan studi atau penelitian yang menggunakan data time series adalah stasioneritas. Data deret waktu dikatakan stasioner jika data menunjukkan pola yang konstan dari waktu ke waktu atau dengan kata lain tidak terdapat pertumbuhan atau penurunan pada data, secara kasarnya data harus horizontal sepanjang sumbu waktu. Engel dan Granger (1987) menyatakan bahwa uji akar unit dipandang sebagai uji stasioneritas, karena pada intinya uji tersebut bertujuan untuk mengamati apakah koefisien tertentu dari model otoregresif yang ditaksir mempunyai nilai atau tidak. Dalam kasus dimana runtun waktu (time series) yang digunakan tidak stasioner, maka kesimpulan yang diperoleh akan menghasilkan pola hubungan regresi yang palsu (spurious regression). Ada beberapa cara untuk
22
melakukan uji akar unit root, namun yang paling banyak adalah dengan Augmented Dicky Fuller (ADF) test . m
ΔYt = β1 + β2T + δYt-1 + α1 ∑ ΔYt-n + εt
(3.5)
t −1
dimana εt adalah white noise dan ΔYt
=
Yt + Yt-1. Pada ADF yang akan diuji
adalah apakah δ = 0, dengan hipotesis alternatif δ < 0, jika t-hitung untuk δ lebih kecil dari nilai ADF, maka hipotesis nol yang mengatakan bahwa data tidak stasioner ditolak pada hipotesis alternatifnya.
3.2.3. Penetapan Lag Optimal Uji lag optimal dilakukan untuk mengetahui berapa jumlah lag yang sesuai untuk model. Penetapan tingkat lag optimal dapat dilakukan dengan menggunakan fungsi kriteria informasi sebagai berikut: (a) Kriteria uji likelihood Ratio (LR); (b) Final Prediction Criterion (FPE); (c) Schwarrz Information Criterion (SIC); dan (d) Hannan_Quinn Criterion. Penentuan lag optimal dalam analisis VAR sangat penting dilakukan karena variabel endogen dari variabel endogen dalam sistem persamaan akan digunakan sebagai variabel eksogen (Enders, 2004). Pengujian panjang lag optimal ini berguna untuk menghilangkan masalah autokorelasi dalam sistem VAR. Dalam penelitian ini digunakan Schwarrz Information Criterion (SIC) untuk menentukan lag optimal. Model VAR diestimasi dengan lag yang berbedabeda kemudian dibandinkan nilai SICnya. Nilai lag yang optimum adalah nilai SIC yang terkecil.
23
3.2.4. Uji Kointegrasi Salah satu asumsi yang harus dipenuhi dalam VAR adalah semua peubah tak bebas bersifat stasioner. Apabila data tidak stasioner, maka perlu dilakukan uji kointegrasi, dimana jika data yang tidak stasioner terkointegrasi, maka kombinasi linier antar variabel-variabel dalam sistem akan bersifat stasioner, sehingga dapat diperoleh sistem persamaan jangka panjang yang stabil (Enders, 1995). Suatu deret waktu dikatakan terintegrasi pada lag ke-d atau I(d) jika data tesebut bersifat stasioner setelah pendiferensian sebanyak d kali. Peubah-peubah tidak stasioner yang terintegrasi pada tingkat yang sama dapat membentuk kombinasi linier yang bersifar stasioner. Komponen dari vektor yt dikatakan terkointegrasi jika ada vektor β = (β1, β2,......,βn) sehingga kombinasi linier βyt bersifat stasioner, dengan syarat ada unsur matrikas β bernilai tidak sama dengan nol. Vektor β dinamakan vektor kointegrasi. Rank kointegrasi (r) dari vektor adalah banyaknya vektor kointegrasi yang saling bebas. Nilai (r) dapat diketahui melalui uji Johansen. Hipotesisnya adalah: H0 = rank ≤ r H1 = rank > r Apabila rank kointegrasi lebih besar dari nol, maka model yang digunakan adalah VECM dan apabila rank kointegrasi sama dengan nol, maka model yang digunakan adalah VAR dengan pendiferensian sampai lag ke d.
3.2.5. Vector Error Correction Model (VECM) VECM merupakan bentuk VAR yang terestriksi. Restriksi tambahan ini harus diberikan karena keberadaan bentuk data yang tidak stasioner namun
24
terkointegrasi. VECM kemudian memanfaatkan informasi restriksi kointegrasi tersebut ke dalam spesifikasinya. Karena itulah VECM sering disebut sebagai desain VAR bagi series non stasioner yang memiliki hubungan kointegrasi. Spesifikasi VECM merestriksi hubungan jangka panjang variabel-variabel endogen agar konvergen ke dalam hubungan kointegrasinya, namun tetap membiarkan keadaan dinamisasi jangka pendek. Istilah Kointegrasi dikenal juga sebagai error, karena deviasi terhadap keseimbangan jangka panjang dikoreksi secara bertahap melalui series parsial penyesuaian jangka pendek. Model VECM disusun apabila rank kointegrasi (r) lebih besar dari nol. model VECM ordo p dan rank kointegrasi r dituliskan sebagai : p −1
Δyt = A0 + πyt-1 + ∑ φ *Δyt-1 + εt
(3.6)
i =1
π = αβ β = vektor kointegrasi berukuran r x 1 α = vector adjustment berukuran r x 1
φ*=
p −1
∑ φ Aj i =1
Pendugaan
perameter
dilakukan
dengan
menggunakan
metode
kemungkinan maksimum. Model VECM dapat dituliskan dalam model VAR dengan menguraikan nilai diferensiasi : Δyt = yt - yt-1
3.3. Model Penelitian Metode analisis yang digunakan untuk melihat hubungan kausalitas tabungan dengan pertumbuhan ekonomi dalam jangka pendek dan jangka panjang
25
dapat dilakukan pengujian ekonometrika dengan menggunakan metode vektor auto regression (VAR). Metode ini dipandang sebagai generalisasi dari metode uji kausalitas granger yang sudah umum digunakan. Dalam penelitian ini digunakan variabel PDRB dan Tabungan. Dengan demikian model penelitian ini adalah :
⎛ SAVt ⎞ ⎛ a0 ⎞ ⎛ a11 a12 ⎞⎛ SAVt ⎞ ⎛ ε1t ⎞ ⎟⎟ + ⎜⎜ ⎟⎟ ⎟⎟ = ⎜⎜ ⎟⎟ + ⎜⎜ ⎜⎜ ⎟⎟⎜⎜ PDRB b a a PDRB t⎠ t ⎠ ⎝ ε 2t ⎠ ⎝ 0 ⎠ ⎝ 21 22 ⎠⎝ ⎝
(3.7)
dimana : SAVt = Tabungan PDRBt = Pertumbuhan Ekonomi Variabel-variabel yang digunakan dalam penelitian ini adalah PDRB dan tabungan. Data dalam penelitian ini dideskripsikan dalam Tabel 3.1. Tabel 3.1. Deskripsi data dalam Model Penelitian Variabel
Deskripsi
PDRB= pendapatan daerah
Pendapatan daerah tahun dasar 2000
Tabungan
Pendapatan daerah dikurangi konsumsi masyarakat tahun dasar 2000
Selain itu dalam penelitian ini digunakan juga asumsi lain untuk mendapatkan model yang lebih baik dari hubungan antara tabungan dan pertumbuhan ekonomi pada propinsi-propinsi di Indonesia Pengujian asumsi tambahan ini disebut dengan uji Wall Test atau LR test. Asumsi tambahan yang digunakan yaitu B(1,1)=1, B(1,2)=-1, dimana koefisien dari tabungan sebesar satu dan koefisien dari PDRB sebagai gambaran dari pertumbuhan ekonomi minus satu (H0: Savt=1, PDRBt=-1). Dengan demikian tolak H0 (signifikan), apabila
26
probabilitas yang didapatkan dari asumsi tersebut lebih kecil dari probabilitas yang digunakan yaitu sebesar 10 persen. Untuk mengetahui hubungan tabungan dan pertumbuhan ekonomi pada 26 propinsi di Indonesia maka dalam penelitian ini analisis akan dilakukan secara bertahap dimana variabel tabungan dan PDRB setiap propinsi dianalisis dengan menggunakan VAR atau VECM. Selain itu perlu dilakukan beberapa pengujian untuk model yang digunakan. Beberapa uji tersebut, yaitu uji heteroskedastisitas, uji normalitas, dan uji ada tidaknya autokorelasi.
IV. HASIL DAN PEMBAHASAN
4.1. Unit Root Test (Pengujian Akar-Akat Unit) Pengujian akar-akar unit dilakukan untuk menganalisis apakah suatu variabel stasioner atau tidak stasioner. Pengujian akar-akar unit ini dilakukan terhadap semua variabel pada 26 propinsi yang dianalisis dalam VAR. Data dinyatakan stasioner jika nilai rata-rata dan varian dari data time series tersebut tidak mengalami perubahan secara sistematik sepanjang waktu, atau sebagian ahli menyatakan rata-rata dan variannya konstan (Nachrowi dan Usman, 2006). Uji kestasioneran data merupakan tahap yang paling penting dalam menganalisis data time series untuk melihat ada tidaknya unit root yang terkandung diantara variabel, sehingga hubungan diantara variabel menjadi valid. Pengujian akar unit variabel dalam model penelitian didasarkan pada augmented Dickey Fuller (ADF) test pada tingkat level dan first different. Data stasioner apabila nilai ADF statistic lebih besar dari McKinnon Critical Value. Penelitian yang menggunakan data yang belum stasioner akan menghasilkan regresi lancung (spurious regression) yaitu regresi yang menggambarkan hubungan antar dua variabel atau lebih yang nampak signifikan secara statistik, tapi kenyataannya tidak atau tidak sebesar yang nampak dari regresi yang dihasilkan tersebut, sehingga dapat mengakibatkan misleading dalam penelitian terhadap suatu venomena ekonomi yang sedang terjadi. Oleh karena itu pengujian akar unit dilakukan pada level kemudian dilanjutkan dengan melakukan uji akar unit pada tingkat first difference. Hasil pengujian aka unit pada tingkat level dapat dilihat pada tabel 4.1 berikut.
28
Tabel 4.1. Hasil Pengujian Akar Unit Level N
Propinsi
O
ADF Statistic
Keterangan
Ln_PDRB
Ln_SAV
Ln_PDRB
Ln_SAV
1
NAD
-1.456726
-0.768993
Tidak Stasioner
Tidak Stasioner
2
Sumatera Utara
-1.116557
-1.512662
Tidak Stasioner
Tidak Stasioner
3
Sumatera Barat
-1.901611
-2.702390
Tidak Stasioner
Tidak Stasioner
4
Riau
-2.680676
-1.956767
Tidak Stasioner
Tidak Stasioner
5
Jambi
-1.168009
-0.559928
Tidak Stasioner
Tidak Stasioner
6
Sumatera Selatan
-2.910570
-4.790969
Tidak Stasioner
Stasioner
7
Bengkulu
-2.008862
-2.096489
Tidak Stasioner
Tidak Stasioner
8
Lampung
-1.481571
-2.509385
Tidak Stasioner
Tidak Stasioner
9
DKI Jakarta
-1.705639
-1.604081
Tidak Stasioner
Tidak Stasioner
10
Jawa Barat
-2.323498
-2.773759
Tidak Stasioner
Tidak Stasioner
11
Jawa Tengah
-2.047979
-1.658902
Tidak Stasioner
Tidak Stasioner
12
DIY
-1.781701
-1.695731
Tidak Stasioner
Tidak Stasioner
13
Jawa Timur
-1.709723
-1.734075
Tidak Stasioner
Tidak Stasioner
14
Bali
-1.520997
-3.409345
Tidak Stasioner
Stasioner
15
Kalimantan Barat
-1.017951
-1.592953
Tidak Stasioner
Tidak Stasioner
16
Kalimantan Tengah
-1.878166
-1.658902
Tidak Stasioner
Tidak Stasioner
17
Kalimantan Selatan
-1.879701
-1.469325
Tidak Stasioner
Tidak Stasioner
18
Kalimantan Timur
-2.279418
-4.166696
Tidak Stasioner
Stasioner
19
Sulawesi Utara
-0.896213
-0.774925
Tidak Stasioner
Tidak Stasioner
20
Sulawesi Tengah
-2.228750
-1.568229
Tidak Stasioner
Tidak Stasioner
21
Sulawesi Selatan
-1.734726
-1.723911
Tidak Stasioner
Tidak Stasioner
22
Sulawesi Tenggara
-1.679896
-2.028958
Tidak Stasioner
Tidak Stasioner
23
NTB
-3.796416
-2.286483
Stasioner
Tidak Stasioner
24
NTT
-0.358382
1.420242
Tidak Stasioner
Tidak Stasioner
25
Maluku
-2.093109
-2.525771
Tidak Stasioner
Tidak Stasioner
26
Papua
-0.358382
-2.445679
Tidak Stasioner
Tidak Stasioner
Selanjutnya pengujian akar unit pada tingkat first difference menunjukkan bahwa ada empat data yang belum stasioner. Hal itu bisa diatasi apabila memenuhi syarat yang selanjutnya yaitu data terkointegrasi, berarti kombinasi linier antara dua variabel data pada propinsi tersebut merupakan time series yang stasioner. Dapat dijelaskan bahwa seluruh variabel yang akan diestimasi dalam
29
penelitian ini telah stasioner pada derajat yang sama, yaitu pada derajat integrasi satu I(1). Pengujian akar unit pada tingkat first difference dapat dilihat pada tabel 4.2 di bawah ini. Tabel 4.2. Hasil Pengujian Akar Unit First Difference N
Propinsi
O
ADF Statistic
Keterangan
Ln_PDRB
Ln_SAV
Ln_PDRB
Ln_SAV
1
NAD
-3.391404
-3.059521
Stasioner
Stasioner
2
Sumatera Utara
-1.741078
-2.216684
Stasioner
Stasioner
3
Sumatera Barat
-2.898465
-2.008924
Stasioner
Tidak Stasioner
4
Riau
-3.573128
-4.656597
Stasioner
Stasioner
5
Jambi
-3.322877
-1.621814
Stasioner
Stasioner
6
Sumatera Selatan
-2.521051
-5.404784
Stasioner
Stasioner
7
Bengkulu
-1.195624
-1.787770
Tidak Stasioner
Stasioner
8
Lampung
-1.789784
-3.967748
Stasioner
Stasioner
9
DKI Jakarta
-2.425527
-2.202045
Stasioner
Stasioner
10
Jawa Barat
-3.038214
-3.904131
Stasioner
Stasioner
11
Jawa Tengah
-2.330236
-3.227751
Stasioner
Stasioner
12
DIY
-2.036147
-2.824140
Stasioner
Stasioner
13
Jawa Timur
-3.168088
-4.358317
Stasioner
Stasioner
14
Bali
-1.247710
-1.842524
Tidak Stasioner
Stasioner
15
Kalimantan Barat
-3.098384
-3.523062
Stasioner
Stasioner
16
Kalimantan Tengah
-2.868843
-3.497955
Stasioner
Stasioner
17
Kalimantan Selatan
-3.321653
-4.688946
Stasioner
Stasioner
18
Kalimantan Timur
-7.153750
-8.579745
Stasioner
Stasioner
19
Sulawesi Utara
-3.149688
-3.278996
Stasioner
Stasioner
20
Sulawesi Tengah
-2.570694
-3.444440
Tidak Stasioner
Stasioner
21
Sulawesi Selatan
-3.134172
-3.089901
Stasioner
Stasioner
22
Sulawesi Tenggara
-3.072520
-5.591698
Stasioner
Stasioner
23
NTB
-2.692860
-3.471112
Stasioner
Stasioner
24
NTT
-3.108921
-3.010656
Stasioner
Stasioner
25
Maluku
-2.159640
-2.616840
Stasioner
Stasioner
26
Papua
-3.108921
-3.951552
Stasioner
Stasioner
30
Pengujian yang dilakukan selanjutnya adalah uji lag optimum dan kestabilan. Dari hasil uji lag optimum yang dilanjutkan dengan uji kestabilan ternyata ada propinsi yang proses estimasinya tidak bisa dilanjutkan sampai pada VAR atau VECM, yaitu dua propinsi di Pulau Sumatera, Propinsi Nanggro Aceh Darussalam dan Riau, serta satu propinsi di bagian timur Indonesia yaitu Papua. Hal tersebut dikarenakan data yang diregresikan tidak stabil pada lag optimum dan pada lag berapapun. Data tidak stabil berarti data yang digunakan untuk pendugaan model di VAR kurang baik dan tidak robust atau tidak sempurna.
4.2. Analisis Kointegrasi Menurut definisi yang diuraikan Engel dan Granger (1987), bahwa kointegrasi mengacu pada sejumlah variabel yang terintegrasi pada derajat yang sama, maka dapat dilakukan uji kointegrasi pada penelitian ini dimana semua variabel terkointegrasi pada derajat I(1). Sebab jika variabel-variabel dalam suatu penelitian terkointegrasi pada derajat yang berbeda, maka dapat dikatakan bahwa variabel-variabel tersebut tidak bisa terkointegrasi. Adanya
hubungan
kointegrasi
dalam
sebuah
sistem
persamaan
mengimplikasikan bahwa dalam sistem tersebut terdapat Error Ccorrection Model yang menggambarkan adanya dinamisasi jangka pendek secara konsisten dengan hubungan jangka panjangnya. Dengan kata lain, dalam ekonometrika variabel yang saling terkointegrasi dikatakan dalam keseimbangan jangka panjang (Nachrowi dan Usman, 2006). Uji kointegrasi dalam penelitian ini menggunakan pendekatan Johansen dengan membandingkan antara trace statistic dengan critical value atau dengan membandingkan maksimum eigenvalue dengan critical
31
value yang digunakan yaitu 10 persen. Jika trace statistic atau maksimum eigenvalue lebih besar dari critical value maka terdapat kointegrasi dalam sistem persamaan tersebut. Tabel 4.3. Analisis Kointegrasi No
Propinsi
Rank=0
Rank=1
Trace-stat
EV-stat
Trace-stat
EV-stat
-
-
-
-
1
NAD
2
Sumatera Utara
16.22*
16.22*
0.00
0.00
3
Sumatera Barat
29.57*
17.28
12.29*
12.29
4
Riau
-
-
-
-
5
Jambi
37.94*
34.54*
3.41
3.41
6
Sumatera Selatan
13.60
13.20
0.40
0.40
7
Bengkulu
78.25*
49.73*
28.52*
28.52*
8
Lampung
17.26
12.59
4.67
4.67
9
DKI Jakarta
14.00
13.55
0.46
0.46
10
Jawa Barat
23.50
16.63
6.87
6.87
11
Jawa Tengah
27.41*
27.22*
0.19
0.19
12
DIY
38.39*
37.71*
0.67
0.67
13
Jawa Timur
22.03
18.22
3.82
3.82
14
Bali
48.44*
38.25*
10.19
10.19
15
Kalimantan Barat
15.92*
13.09
2.83
2.83
16
Kalimantan Tengah
15.92
13.09
2.83
2.83
17
Kalimantan Selatan
28.45*
22.73*
5.71
5.71
18
Kalimantan Timur
16.11
10.55
5.56
5.56
19
Sulawesi Utara
16.64*
16.45*
0.19
0.19
20
Sulawesi Tengah
13.23*
7.57
5.66*
5.66
21
Sulawesi Selatan
38.94*
38.92*
0.03
0.03
22
Sulawesi Tenggara
22.16
14.67
7.49
7.49
23
NTB
19.20
13.94
5.26
5.26
24
NTT
13.99
11.96
2.02
2.02
25
Maluku
30.82*
23.67*
7.15
7.15
26
Papua
-
-
-
-
Ket : Trace-stat dan EV-stat adalah trace statistic dan maximum eigenvalue pada tes kointegrasi. Tanda * menunjukkan tes yang signifikan pada level 5%, atau bisa dikatakan terdapat kointegrasi pada model. (E-views tidak dapat menampilkan hasil tes dengan taraf nyata 10% sehingga digunakan taraf nyata 5% khusus untuk uji kointegrasi Johansen)
32
Dalam uji kointegrasi terdapat lima jenis asumsi deterministic trend setelah dilakukan uji kointegrasi maka masing-masing propinsi dalam penelitian ini memiliki deterministic trend yang berbeda-beda. Perbedaan ini disebabkan karena keadaan data masing-masing propinsi tersebut. Hasil dari analisis kointegrasi menunjukkan bahwa dari dua puluh enam propinsi yang dianalisis terdapat tiga belas propinsi yang terkointegrasi. Satu persamaan kointegrasi pada Propinsi Sumatera Utara, Jambi, Jawa Tengah, Daerah Istimewa Yogyakarta, Bali, Kalimantan Barat, Kalimantan Selatan, Sulawesi Utara, Sulawesi Selatan, dan Maluku. Terdapat dua persamaan kointegrasi pada Propinsi Sumatera Barat, Bengkulu, dan Sulawesi Tengah. Satu atau dua persamaan kointegrasi artinya, secara multivariate pada masing-masing propinsi tersebut terdapat satu atau dua persaman linear jangka panjang yang dikandung dalam model. Sementara itu Propinsi Sumatera Selatan, Lampung, DKI Jakarta, Jawa Barat, Jawa Timur, Kalimantan Tengah, Kalimantan Timur, Sulawesi Tenggara, Nusa Tenggara Barat, dan Nusa Tenggara Timur tidak terkointegrasi. Jadi pada propinsi tersebut tidak terdapat persamaan linear jangka panjang.
4.3. Analisis Hubungan Jangka Panjang Keberadaan variabel yang tidak stasioner meningkatkan kemungkinan adanya hubungan kointegrasi antar variabel yaitu untuk mengetahui ada atau tidaknya hubungan jangka panjang antar variabel tabungan dan pertumbuhan ekonomi pada propinsi-propinsi tersebut. Berdasarkan hasil tes kointegrasi di atas, terdapat tiga belas propinsi yang memiliki hubungan jangka panjang. Hasil estimasi hubungan jangka panjang dapat dilihat pada tabel 4.4.
33
Dalam penelitian ini dipakai juga asumsi tambahan dengan menggunakan uji Wall Test untuk mendapatkan model yang lebih baik dari hubungan antara tabungan dan pertumbuhan ekonomi pada propinsi-propinsi di Indonesia. Sebagai asumsi tambahan yang digunakan dalam penelitian ini yaitu B(1,1)=1, B(1,2)=-1, dimana koefisien dari tabungan sebesar satu dan koefisien dari PDRB sebagai gambaran dari pertumbuhan ekonomi adalah minus satu (H0: SAVt=1, PDRBt=1). Dengan demikian tolak H0 atau signifikan apabila probabilitas yang didapatkan dari uji Wall Test tersebut lebih kecil dari probabilitas yang digunakan yaitu sebesar 10 persen. Dapat terlihat dalam tabel bahwa terdapat lima propinsi yaitu Sumatera Barat, Bengkulu, Kalimantan Barat, Kalimantan Selatan, dan Sulawesi Utara yang probabilitasnya diatas 10 persen (tidak signifikan), yaitu asumsi SAVt dan PDRBt adalah 1 dan -1 diterima. Berarti apabila PDRB naik satu persen, maka tabungan juga akan naik sebesar satu persen. Sementara itu pada propinsi yang lain didapatkan probabilitas dibawah 10 persen (signifikan), yaitu asumsi SAVt dan PDRBt adalah 1 dan -1 ditolak, berarti model jangka panjang yang digunakan adalah model awal dari propinsi-propinsi tersebut. Untuk Propinsi Sumatera Utara jika PDRB naik satu persen maka tabungan naik 0.16 persen, tidak berbeda jauh dengan Propinsi Sulawesi Tengah yang kenaikan tabungannya sebesar 0.85 persen. Pada Propinsi Jawa Tengah jika PDRB naik satu persen, maka tabungan turun 0.44 persen. Di Propinsi DIY dan Sulawesi Selatan masing masing jika PDRB naik satu persen maka tabungan naik 1.70 dan 1.10 persen, sedangkan di Bali naiknya tabungan sebesar 2.69 persen dan
34
di Propinsi Maluku dan Jambi kenaikan tabungan cukup besar yaitu sebesar 5.75 persen dan 4.65 persen. Tabel 4.4. Hasil Estimasi Hubungan jangka Panjang No
Est β
Propinsi
LRs-y
'
1
Sumatera Utara
SAVt 1.0
PDRBt -0.16
trend -
PDRBt 9.08*
2
Sumatera Barat
1.0
-0.42
0.130
0.12
3
Jambi
1.0
-4.65
-0.364
8.24*
4
Sumatera Selatan
-
-
-
-
5
Bengkulu
1.0
-2.06
0.277
0.32
6
Lampung
-
-
-
-
7
DKI Jakarta
-
-
-
-
8
Jawa Barat
-
-
-
-
9
Jawa Tengah
1.0
0.44
-
10.97*
10
DIY
1.0
-1.70
-
3.41*
11
Jawa Timur
-
-
-
-
12
Bali
1.0
-2.69
-0.009
17.49*
13
Kalimantan Barat
1.0
-0.84
-
0.08
14
Kalimantan Tengah
-
-
-
-
15
Kalimantan Selatan
1.0
-1.89
0.198
0.34
16
Kalimantan Timur
-
-
-
-
17
Sulawesi Utara
1.0
-0.62
-
1.83
18
Sulawesi Tengah
1.0
-0.85
-
9.47*
19
Sulawesi Selatan
1.0
-1.10
-
4.66*
20
Sulawesi Tenggara
-
-
-
-
21
NTB
-
-
-
-
22
NTT
-
-
-
-
23
Maluku
1.0
-5.75
-
8.03*
Ket : Est β adalah vektor kointegrasi yang ada pada estimasi VECM, LRs-y menunjukkan asumsi koefisien SAVt dan PDRBt adalah 1 dan -1. Tanda * menunjukkan test yang signifikan pada level 10%. Signifikan berarti asumsi 1 dan -1 di tolak. '
Hubungan negatif pada jangka panjang di Propinsi Jawa Tengah terjadi karena beberapa hal, yaitu Jawa Tengah merupakan propinsi di Pulau Jawa yang yang memiliki PDRB yang paling rendah di bawah rata-rata nasional. Selain itu
35
dana tabungan daerah biasanya disimpan pada Bank Pembangunan Daerah (BPD) tiap propinsi. Karena masih tingginya resiko investasi yang ada di daerah tersebut, BPD biasanya lebih memilih menyimpan dananya dalam bentuk Sertifikat Bank Indonesia (SBI). Itu terbukti dari semakin meningkatnya dana yang disimpan oleh BPD pada SBI pada tiga tahun terakhir ini yaitu Rp.1.815 juta pada tahun 2004, Rp.2.776 juta pada tahun 2005, dan Rp.6.071 juta pada tahun 2006 (BPD Jateng, 2007). Hal tersebut tentu saja membuat hubungan yang negatif antara tabungan dengan pertumbuhan ekonomi. Penyebab lain adanya hubungan yang negatif antara pertumbuhan ekonomi dengan tabungan adalah tabungan di suatu daerah ternyata bukan hanya digunakan untuk daerah itu sendiri, akan tetapi bisa dipakai atau digunakan oleh daerah lain melalui transfer antar bank misalnya. Kenaikan yang terjadi pada tabungan di sebagian besar propinsi di Indonesia dalam jangka waktu yang sangat panjang, sebagai akibat terjadinya pertumbuhan ekonomi menunjukkan bahwa hal tersebut sesuai dengan teori antara tabungan dengan pertumbuhan ekonomi. Hubungan yang positif mengindikasikan bahwa dalam jangka panjang pertumbuhan ekonomi dapat meningkatkan pendapatan daerah melalui pengembalian atau return dari investasi yang berlipat dan kenaikan pendapatan tersebut lebih tinggi dari kebutuhan konsumsi daerah, jadi tabungan dapat ditingkatkan. Adanya hubungan yang tidak sesuai dengan teori pada Propinsi Jawa Tengah disebabkan karena pada jangka panjang biasanya ada lebih banyak faktor lain diluar model yang mempengaruhi hubungan antara tabungan dengan pertumbuhan ekonomi.
36
4.4. Analisis Hubungan Kausalitas Jangka Panjang Untuk mengetahui ada tidaknya hubungan kausalitas dalam jangka panjang, maka hubungan tersebut dapat dilihat dari nilai parameter koreksi kesalahan pada model. Dari dua puluh enam propinsi yang diolah terdapat dua belas propinsi yang memiliki hubungan jangka panjang, karena pada propinsi yang lain sejak tes kointegrasi menunjukkan bahwa data tidak terkointegrasi, maka tidak ada tes untuk mencari hubungan jangka panjangnya maupun hubungan kausalitas jangka panjangnya. Pada Propinsi Sumatera Utara, Kalimantan Barat, dan Sulawesi Selatan tes α-vektor atau tes kausalitas jangka panjang menunjukkan hasil bahwa kedua variabel baik tabungan maupun PDRB signifikan, itu mengindikasikan bahwa ada hubungan kausalitas dua arah antara variabel tersebut. Untuk menentukan signifikan atau tidaknya suatu variabel dapat dilihat dari nilai t-statistik lebih besar dari t-tabel dengan taraf nyata yang digunakan pada penelitian ini yaitu 10 persen. Untuk Propinsi Sumatera Barat hanya terdapat satu variabel yang signifikan yaitu pada PDRB, jadi dalam jangka hanya terdapat hubungan unidirectional yang signifikan atau hubungan satu arah yaitu dari tabungan ke PDRB. Lain halnya dengan Jambi, Bengkulu, Jawa Tengah, Daerah Istimewa Yogyakarta, Bali, Kalimantan Selatan, Sulawesi Utara, dan Sulawesi Tengah dan Maluku tes α-vektor menunjukkan adanya satu variabel yang signifikan yaitu pada tabungan, jadi dalam jangka panjang hanya terdapat hubungan unidirectional yang signifikan atau hubungan satu arah yaitu dari PDRB ke tabungan. Analisis hubungan kausalitas jangka panjang dapat dilihat pada tabel 4.5 di bawah ini.
37
Tabel 4.5. Estimasi α-vektor dan Tes Kausalitas Jangka Panjang No
Propinsi
t-tes
Coeff
-0.09
SAVt Std Error 0.05
-1.89*
-0.03
0.10
Coeff 1
Sumatera
0.03
PDRBt Std Error 0.02
Ket
2.08*
Kausalitas mutual
-0.32
0.20
0.09
2.38*
Kausalitas dari tabungan ke PDRB Kausalitas dari PDRB ke tabungan Kausalitas dari PDRB ke tabungan Kausalitas dari PDRB ke tabungan Kausalitas dari PDRB ke tabungan Kausalitas dari PDRB ke tabungan Kausalitas mutual
t-tes
Utara 2
Sumatera Barat
3
Jambi
-0.42
0.12
-3.42*
-0.05
0.04
-1.21
4
Bengkulu
-0.30
0.21
-1.45*
0.02
0.06
0.38
5
Jawa Tengah
0.16
0.04
3.73*
0.03
0.04
0.83
6
DIY
-0.30
0.17
-1.72*
-0.02
0.06
-0.39
7
Bali
-0.88
0.02
-46.4*
-0.01
0.00
1.03
8
Kalimantan
-0.35
0.11
-3.14*
-0.16
0.06
-2.53*
-0.25
0.18
-1.41*
-0.02
0.06
-0.39
Barat 9
Kalimantan Selatan
10
Sulawesi Utara
-0.25
0.07
-3.39*
-0.01
0.03
-0.42
11
Sulawesi
-0.17
0.06
-3.04*
0.01
0.02
0.53
-0.64
0.11
-5.84*
-0.13
0.08
-1.72*
-0.65
0.19
-3.35*
0.01
0.03
0.39
Tengah 12
Sulawesi
Kausalitas dari PDRB ke tabungan Kausalitas dari PDRB ke tabungan Kausalitas dari PDRB ke tabungan Kausalitas mutual
Selatan 13
Maluku
Kausalitas dari PDRB ke tabungan
Ket : * menandakan test yang signifikan pada level 10%
4.5. Estimasi VAR/VECM Estimasi untuk melihat adanya hubungan kausalitas antar tabungan dengan pertumbuhan ekonomi menggunakan VAR/VECM pada tiap-tiap propinsi. Selain itu telah dilakukan beberapa pengujian asumsi klasik untuk model yang
38
digunakan. Hasil yang diperoleh dari uji tersebut adalah semua propinsi telah terbebas dari asumsi klasik, hal itu dapat dilihat dari pengujian autokorelasi, heteroskedastisitas, dan tes kenormalan data. Semua model terbebas dari masalah autokorelasi, heteroskedastisitas dan semua model dikatakan normal bisa terlihat dari nilai probabilitas yang didapatkan yaitu lebih besar dari taraf nyata yang digunakan dalam penelitian ini yaitu sebesar 10 persen. Seperti pada jangka panjang adanya hubungan kausalitas pada jangka pandek juga dapat dilihat dari perbandingan antara t-statistik dengan t-tabel pada taraf nyata 10 persen. Bila t-statistik lebih besar hal itu menandakan bahwa hasil tes adalah signifikan, berarti variabel tersebut mamiliki hubungan kausalitas. Dalam estimasi VAR/VECM hubungan yang signifikan biasanya menggambarkan pengaruh langsung atau tidak langsung dari variabel yang diestimasi, akan tetapi pada penelitian hubungan kausalitas hal tersebut tidak berlaku. Pengaruh langsung atau tidak langsung tidak berlaku pada hubungan kausalitas dikarenakan hubungan kausalitas adalah hubungan yang apriori teori, jadi variabel yang signifikan hanya menggambarkan adanya hubungan kausalitas atau tidak.
4.5.1. Sumatera Hasil estimasi Pulau Sumatera dapat dilihat pada tabel 4.5. Estimasi VAR di Sumatera dilakukan pada propinsi Sumatera Selatan dan Lampung, sedangkan untuk propinsi Sumatera Utara, Sumatera Barat, Jambi dan Bengkulu dilakukan estimasi VECM. Estimasi VECM dilakukan untuk melihat analisis jangka pendek dan jangka panjang pengaruh variabel tabungan terhadap pertumbuhan ekonomi.
39
Tabel 4.5. Estimasi dari regresi VAR/VECM Pulau Sumatera Regressor Constan ECMt-1 ΔSAVt-1 ΔPDRBt-1 ΔSAVt-2 ΔPDRBt-2 ΔSAVt-3 ΔPDRBt-3 ΔSAVt-4 ΔPDRBt-4
2. Sumatera Utara ΔSAVt ΔPDRBt 0.037* 0.040* [ 1.481] [ 4.803] -0.086* 0.032* [-1.891] [ 2.075] 0.436* 0.564* [ 1.735] [ 6.723] -0.083 -0.413* [-0.175] [-2.609]
3. Sumatera Barat” ΔSAVt ΔPDRBt 0.076* 0.101* [ 3.081] [ 4.766] -0.031 0.200* [-0.317] [ 2.381] 0.974* 0.638* [ 4.883] [ 3.707] 0.413 -0.480* [ 1.208] [-1.629] 0.363* 0.068 [ 2.625] [ 0.568] -2.257* -1.318* [-5.244] [-3.546]
4. Jambi ΔSAVt 0.014 [ 0.588] -0.419* [-3.418]
ΔPDRBt 0.059* [ 7.862] -0.047 [-1.205]
6. Sumatera Selatan ΔSAVt ΔPDRBt 0.080* 0.095* [ 2.075] [ 3.760]
-0.113 0.057 [-0.292] [ 0.226] 0.005 -0.033 [ 0.009] [-0.087] -0.262 0.297* [-0.821] [ 1.432] 0.336 -0.467* [ 0.629] [-1.344] 1.047* 0.746* [ 2.660] [ 2.913] -1.796* -1.047* [-2.837] [-2.543] -0.133 0.120 [-0.462] [ 0.637] -0.085 -0.346 [-0.137] [-0.867] 1.902 (0.7537) 54.25 (0.2484) 6.961 (0.1380)
7. Bengkulu” ΔSAVt ΔPDRBt -0.025 0.110* [-0.136] [ 1.980] -0.297* 0.024* [-1.447] [ 0.383] -0.068 0.031 [-0.134] [-0.200] 1.881 0.115 [ 1.063] [ 0.214] -0.147 0.052 [-0.296] [ 0.346] 0.954 0.091 [ 0.558] [ 0.176] 0.418 0.417* [ 0.815] [ 2.669] -1.143 -1.192* [-0.700] [-2.399] 0.092 0.102 [ 0.190] [ 0.688] -0.670 -0.781* [-0.368] [-1.408] 2.309 (0.6791) 41.70 (0.1423) 5.924 (0.2049)
8. Lampung ΔSAVt ΔPDRBt 0.041 0.037* [ 0.605] [ 2.487]
-0.045 [-0.203] 1.460 [ 1.241]
0.020 [ 0.413] 0.306 [ 1.198]
vec.Far5 3.836 (0.4287) 7.276 (0.1220) 3.988 (0.4077) 1.553 (0.8172) vec.Fhet 43.63 (0.5300) 36.20 (0.3216) 27.67 (0.1497) 26.26 (0.5039) 6.604 (0.1583) 5.009 (0.2863) 6.183 (0.1859) 5.749 (0.2187) vec.χ2norm ket: [ ] merupakan T-statistik, Tanda * mengindikasikan model signifikan pada level 10%. Tiga tes terakhir adalah residual tes vec.Far5 yaitu F tes dari 5th serial korelasi. vec.Fhet adalah tes untuk melihat ada tidaknya heteroskedastisitas, dan vec.χ2norm adalah chi-square tes dalam joint normality dari residual tes, ( ) merupakan probabilitas yang diperoleh.
satu arah karena PDRB tidak secara signifikan mempengaruhi tabungan, akan tetapi memiliki pengaruh negatif dengan koefisien sebesar 0.083, berarti kenaikan PDRB sebesar satu persen akan menurunkan tabungan sebesar 0.083 persen, akan tetapi pada lag pertama tabungan secara positif dan signifikan mempengaruhi PDRB dengan koefisien sebesar 0.564, berarti jika terjadi kenaikan tabungan sebesar satu persen maka akan menaikkan PDRB sebesar 0.564 persen. Di propinsi Sumatera Utara peningkatan PDRB berpengaruh terhadap menurunya tabungan, karena struktur perekonomian masyarakat Indonesia yang masih didominasi oleh sektor konsumsi hal tersebut menjadikan pertambahan PDRB daerah tidak membawa dampak yang besar bagi tingkat tabungan. Selain itu kebutuhan daerah akan perbaikan sarana dan prasarana di daerah juga semakin membuat kebutuhan dana pada daerah tersebut menjadi tinggi dan kadangkala pendapatan yang dimiliki atau didapatkan tidak mencukupi dan harus mengorbankan simpanan dana yang dimilikinya. Hubungan yang sama pada lag pertama juga terjadi di Sumatera Barat. Pada lag pertama terdapat hubungan ketergantungan yang signifikan satu arah atau unidirectional, karena PDRB tidak secara signifikan mempengaruhi tabungan, akan tetapi memiliki pengaruh positif dengan koefisien sebesar 0.413. Berarti setiap kenaikan PDRB sebesar satu persen akan menaikkan tabungan sebesar 0.413 persen, selanjutnya tabungan secara positif dan signifikan mempengaruhi PDRB dengan koefisien sebesar 0.638. Hal tersebut berarti apabila jika terjadi kenaikan tabungan sebesar satu persen maka akan menaikkan PDRB
jangka pendek dikarenakan peningkatan PDRB meningkatkan pendapatan juga, dengan asumsi bahwa peningkatan pendapatan merata pada lapisan masyarakat maka peningkatan pendapatan bisa meningkatkan tabungan. Pada propinsi Sumatera Selatan, Bengkulu dan Lampung tidak terdapat hubungan kausalitas jangka pendek pada lag pertama. Pada ketiga propinsi tersebut perubahan PDRB tidak secara signifikan mempengaruhi tabungan tapi semuanya berpengaruh positif, yang berarti kenaikan PDRB menaikkan tingkat tabungan di daerahdaerah tersebut, tentunya dengan koefisien yang berbeda tiap propinsinya. Selain itu kenaikan tabungan juga memiliki pengaruh yang positif dan tidak signifikan terhadap PDRB. Pengaruh positif tabungan terhadap PDRB karena peningkatan modal atau tabungan digunakan pemerintah daerah untuk mensubsidi perusahaanperusahaan yang ada di daerahnya, sehingga perusahaan tersebut meningkatkan jumlah belanja untuk investasi.
4.5.2. Jawa Pada propinsi DKI Jakarta, Jawa Barat, dan DIY tidak ditemukan adanya hubungan kausalitas jangka pendek. Hubungan jangka pendek PDRB ke tabungan pada lag pertama di propinsi DKI, Jawa Barat, dan DIY berhubungan positif, yang berarti apabila PDRB naik sebesar satu persen maka tabungan akan naik sebesar koefisien dengan koefisien masing-masing 0.198, 0.286, dan 0.515. Hal ini mendukung penjelasan yang terjadi pada beberapa propinsi di Pulau Sumatera, yaitu kenaikan PDRB dapat menaikkan tabungan karena meningkatnya
42
Tabel 4.6. Estimasi dari regresi VAR/VECM Pulau Jawa Regressor
9. DKI Jakarta ΔSAVt ΔPDRBt 0.027 0.035* [ 1.282] [ 2.122]
10. Jawa Barat ΔSAVt ΔPDRBt 0.025 0.049* [ 1.077] [ 2.560]
11. Jawa Tengah 12. DIY 13. Jawa Timur ΔSAVt ΔPDRBt ΔSAVt ΔPDRBt ΔSAVt ΔPDRBt Constan -0.036* 0.049* 0.039 0.030* -0.034 0.030 [-1.446] [ 2.294] [ 0.888] [ 2.321] [-0.686] [ 1.262] ECMt-1 -0.156* -0.030 -0.299* -0.017 [-3.725] [-0.831] [-1.716] [-0.321] 0.368 0.328 0.010 0.016 0.180 0.188 0.234 0.006 -1.013* -0.268 ΔSAVt-1 [ 0.630] [ 0.711] [ 0.037] [ 0.073] [ 0.649] [ 0.781] [ 0.762] [ 0.063] [-1.823] [-1.003] 0.198 -0.142 0.286 0.076 0.816* 0.014 0.515 0.269 2.274* 0.539 ΔPDRBt-1 [ 0.243] [-0.221] [ 0.778] [ 0.249] [ 1.970] [ 0.038] [ 0.471] [ 0.829] [ 1.888] [ 0.930] -0.410* -0.073 ΔSAVt-2 [-2.117] [-0.440] 0.974* -0.149 ΔPDRBt-2 [ 2.308] [-0.407] vec.Far5 5.803 (0.2143) 7.386 (0.1169) 1.474 (0.8311) 7.643 (0.1056) 3.551 (0.4701) vec.Fhet 48.55 (0.5714) 21.21 (0.7762) 33.61 (0.2966) 53.74 (0.1745) 10.96 (0.7555) 2 7.654 (0.1051) 3.450 (0.4855) 5.239 (0.2636) 5.835 (0.2118) 2.324 (0.6763) vec.χ norm ket: [ ] merupakan T-statistik, Tanda * mengindikasikan model signifikan pada level 10%. Tiga tes terakhir adalah residual tes vec.Far5 yaitu F tes dari 5th serial korelasi. vec.Fhet adalah tes untuk melihat ada tidaknya heteroskedastisitas, dan vec.χ2norm adalah chi-square tes dalam joint normality dari residual tes, ( ) merupakan probabilitas yang diperoleh.
43
Demikian juga yang terjadi pada peningkatan tabungan yang bisa meningkatkan PDRB, pengaruhnya juga tidak signifikan pada jangka pendek. Hubungan positif yang terjadi pada jangka pendek bisa diakibatkan oleh ekspor bersih yang tinggi sehingga perputaran uang untuk kegiatan investasi menjadi sangat cepat. Pada Jawa Timur dan Jawa Tengah di lag pertama terjadi hubungan unidirectional atau hubungan kausalitas yang signifikan searah yaitu dari PDRB ke tabungan. Hal itu karena kenaikan tabungan di Jawa Timur dan Jawa Tengah sebagian besar berasal dari kenaikan pendapatan daerahnya. Hubungan yang terjadi juga bersifat positif, hal tersebut karena lebih rendahnya iklim investasi di Jawa Tengah dan Jawa Timur dibandingkan dengan di Jawa Barat dan DKI Jakarta, sehingga kenaikan pendapatan lebih banyak yang ditabung. Hubungan yang didahului dengan impuls oleh tabungan di Jawa Timur bersifat negatif, dimana saat terjadi kenaikan tabungan sebesar satu persen maka pertumbuhan ekonomi akan menurun sebesar 0.268 persen. Hal ini terjadi karena tabungan berbanding terbalik dengan konsumsi, sedangkan konsumsi merupakan komponen dari PDRB, jadi apabila tabungan meningkat dalam jangka pendek, maka terjadi penurunan konsumsi yang berdampak pada penurunan PDRB. Di Jawa Tengah pada lag pertama kenaikan tabungan bisa menaikkan pendapatan daerah karena di Jawa Tengah kenaikan tabungan menyebabkan penurunan konsumsi, tetapi apabila dana tersebut dipinjamkan kepada perusahaan dan perusahaan tersebut menambah belanja investasi lebih banyak dari dana yang diberikan maka PDRB akan meningkat.
44
4.5.3. Bali Dengan menggunakan mekanisme Error Correction Model walaupun terdapat hubungan jangka panjang antara tabungan dengan pertumbuhan ekonomi, ternyata secara statistik tidak ada hubungan jangka pendek dari tabungan dengan pertumbuhan ekonomi yang dapat diteliti pada pulau Bali pada periode waktu penelitian. Hal ini akibat dari transformasi model dari VAR I(1) ke VEC I(0), karena adanya differencing. Tabel 4.7. Estimasi dari regresi VAR/VECM Pulau Bali Regressor
14. Bali ΔSAVt 0.429* [ 14.95] -0.882* [-46.41]
Constan ECMt-1
ΔPDRBt 0.059* [ 8.819] -0.005* [-1.026]
ΔSAVt-1 ΔPDRBt-1 vec.Far5 1.024 (0.9061) vec.Fhet 24.62 (0.2639) 2 7.033 (0.1342) vec.χ norm ket: [ ] merupakan T-statistik, Tanda * mengindikasikan model signifikan pada level 10%. Tiga tes terakhir adalah residual tes vec.Far5 yaitu F tes dari 5th serial korelasi. vec.Fhet adalah tes untuk melihat ada tidaknya heteroskedastisitas, dan vec.χ2norm adalah chi-square tes dalam joint normality dari residual tes, ( ) merupakan probabilitas yang diperoleh.
4.5.4. Kalimantan Di Pulau Kalimantan ada dua propinsi Kalimantan Barat dan Kalimantan Selatan yang secara statistik pada periode waktu penelitian hubungan jangka pendek sudah ditolak. Hal itu karena transformasi dari VAR (1) menjadi VECM(0) akibat adanya differencing. Pada propinsi Kalimantan Tengah terjadi hubungan kausalitas dua arah pada lag pertama, sedangkan pada Propinsi Kalimantan
Timur
hanya
terjadi
hubungan
kausalitas
searah.
45
Tabel 4.8. Estimasi dari regresi VAR/VECM Pulau Kalimantan Regressor Constan ECMt-1 ΔSAVt-1
15. Kalimantan Barat” ΔSAVt ΔPDRBt 0.073* 0.061* [ 5.642] [ 8.095] -0.349* -0.163* [-3.134] [-2.532]
16. Kalimantan Tengah ΔSAVt ΔPDRBt -0.171* 0.011 [-1.405] [ 0.698]
17. Kalimantan Selatan’ ΔSAVt ΔPDRBt 0.063* 0.059* [ 3.138] [ 8.200] -0.247* -0.024 [-1.413] [-0.386]
18. Kalimantan Timur ΔSAVt ΔPDRBt 0.030* 0.025* [ 2.123] [ 2.289]
-0.078 0.059* -0.716* -0.742* [-0.243] [ 1.457] [-1.512] [-2.079] 2.846* 0.189 0.650 1.077* ΔPDRBt-1 [ 1.372] [ 0.721] [ 1.101] [ 2.423] -0.505* -0.008 0.201 0.259 ΔSAVt-2 [-1.473] [-0.191] [ 0.413] [ 0.707] 0.867 0.404* -0.291 -0.372 ΔPDRBt-2 [ 0.538] [ 1.984] [-0.509] [-0.865] -0.561* -0.253* ΔSAVt-3 [-1.551] [-5.533] 2.129* 0.336* ΔPDRBt-3 [ 1.484] [ 1.851] 0.003 -0.065 ΔSAVt-4 [ 0.006] [-1.006] 0.549 0.288* ΔPDRBt-4 [ 0.385] [ 1.597] vec.Far5 4.658 (0.3242) 5.849 (0.2107) 2.998 (0.5581) 5.116 (0.2756) vec.Fhet 25.21 (0.2381) 31.64 (0.7923) 27.47 (0.1556) 34.76 (0.1450) 2.074 (0.7220) 6.462 (0.1672) 2.831 (0.5864) 5.170 (0.2703) vec.χ2norm ket: [ ] merupakan T-statistik, Tanda * mengindikasikan model signifikan pada level 10%. Tiga tes terakhir adalah residual tes vec.Far5 yaitu F tes dari 5th serial korelasi. vec.Fhet adalah tes untuk melihat ada tidaknya heteroskedastisitas, dan vec.χ2norm adalah chi-square tes dalam joint normality dari residual tes, ( ) merupakan probabilitas yang diperoleh.
46
Pengaruh kenaikan PDRB pada Kalimantan Tengah dan Kalimantan Timur berdampak positif pada tabungan, perbedaannya di propinsi Kalimantan Tengah PDRB mempengaruhi tabungan secara signifikan sebesar 2.846. Hal itu berarti kenaikan PDRB sebesar satu persen akan meningkatkan tabungan sebesar 2.846 persen. Pada Propinsi Kalimantan Timur besar koefisiennya yaitu 0.650, yang berarti kenaikan PDRB sebesar satu persen akan menaikkan tabungan sebesar 0.650 persen. Hal tersebut sesuai dengan hasil estimasi sebelumnya peningkatan PDRB akan memberikan pendapatan bagi daerahnya sehingga dapat meningkatkan tabungan daerah tersebut. Kenaikan tabungan pada lag yang pertama di kedua propinsi tersebut memiliki pengaruh yang berbeda terhadap pertumbuhan ekonomi di Propinsi Kalimantan Tengah kenaikan tingkat tabungan berpengaruh positif dan signifikan terhadap PDRB akan tetapi di Propinsi Kalimantan Timur kenaikan tingkat tabungan berpengaruh negatif dan signifikan terhadap PDRB. Peningkatan tabungan yang terjadi yang terjadi pada lag kedua sampai keempat pada Kalimantan Tengah masing-masing memiliki pengaruh yang berbeda-beda terhadap PDRB, dikarenakan adanya faktor-faktor seperti perubahan suku bunga, perubahan iklim investasi pada periode tersebut. Berbeda yang terjadi dengan pengaruh peningkatan PDRB terhadap tabungan yang pada lag kedua sampai keempat semuanya berpengaruh positif yang berarti terjadinya peningkatan pada PDRB akan meningkatkan tabungan.
47
4.5.5. Sulawesi Sulawesi merupakan pulau yang berada di utara Indonesia, pengujian VAR di pulau Sulawesi yang dilakukan pada Propinsi Sulawesi Tenggara hasil estimasinya menunjukkan hubungan kausalitas jangka pendek yang signifikan dua arah yaitu kenaikan PDRB satu persen secara positif dan signifikan menyebabkan kenaikan tabungan sebesar 2.845 persen, karena kenaikan PDRB akan berdampak pada naiknya pendapatan daerah yang dipergunakan untuk konsumsi dan sisanya menjadi tabungan daerah tersebut. Selanjutnya kenaikan tabungan sebesar satu persen menyebabkan penurunan PDRB sebesar 0.186 persen. Apabila tabungan dinaikan tanpa ada kenaikan pendapatan itu berarti konsumsi diturunkan dan konsumsi merupakan komponen dari perhitungan PDRB sehingga PDRB menurun. Hasil ini juga hampir sama dalam jangka pendek seperti pada Sulawesi Selatan, perbedaanya adalah di Sulawesi Selatan hanya terdapat hubungan kausalitas searah yaitu dari PDRB ke tabungan dan ada perbedaan pada lag yang dapat ditampilkan. Perbedaan pengaruh hubungan yang positif atau negatif dari lag kedua sampai ke empat merupakan akibat dari ketidakstabilan keadaan iklim investasi dan kejadian lain yang terjadi di daerah tersebut. Di Sulawesi Tengah ternyata secara statistik tidak ada hubungan jangka pendek dari tabungan dengan pertumbuhan ekonomi yang teramati selama periode waktu yang diteliti. Jadi hubungan kausalitas dalam jangka pendek pada Propinsi Sulawesi Tengah selama periode waktu penelitian ditolak. Hasil estimasi pulau Sulawesi dapat dilihat pada tabel 4.9.
48
Tabel 4.9. Estimasi dari regresi VAR/VECM Pulau Sulawesi Regressor
19. Sulawesi Utara” ΔSAVt ΔPDRBt -0.091* 0.037* [-2.865] [ 2.774] -0.248* -0.013 [-3.392] [-0.416] -0.035 0.046 [-0.205] [ 0.627] 2.578* 0.330* [ 4.448] [ 1.337]
20. Sulawesi Tengah ΔSAVt ΔPDRBt 0.102* 0.060* [ 4.954] [10.06] -0.167* 0.009 [-3.044] [ 0.533]
21.Sulawesi Selatan 22. Sulawesi Tenggara ΔSAVt ΔPDRBt ΔSAVt ΔPDRBt Constan -0.025 0.028 -0.036 0.022* [-0.630] [ 1.017] [-0.664] [ 1.387] ECMt-1 -0.641* -0.131* [-5.840] [-1.723] -0.016 -0.015 -0.830* -0.186* ΔSAVt-1 [-0.090] [-0.127] [-2.795] [-2.150] 1.537* 0.471 2.845* 0.877* ΔPDRBt-1 [ 2.649] [ 1.168] [ 2.743] [ 2.907] 0.095 0.015 ΔSAVt-2 [ 0.569] [ 0.132] 0.079 -0.087 ΔPDRBt-2 [ 0.154] [-0.245] 0.428* 0.211* ΔSAVt-3 [ 2.765] [ 1.963] 0.298 -0.244 ΔPDRBt-3 [ 0.583] [-0.686] -0.302* -0.016 ΔSAVt-4 [-1.792] [-0.140] -0.219 0.117 ΔPDRBt-4 [-0.437] [ 0.337] vec.Far5 2.308 (0.6794) 3.983 (0.4083) 3.689 (0.4498) 0.754 (0.9445) vec.Fhet 28.61 (0.1237) 45.75 (0.4409) 34.53 (0.3947) 20.79 (0.1437) 6.552 (0.1615) 7.219 (0.1248) 5.881 (0.2083) 3.497 (0.4784) vec.χ2norm ket: [ ] merupakan T-statistik, Tanda * mengindikasikan model signifikan pada level 10%. Tiga tes terakhir adalah residual tes vec.Far5 yaitu F tes dari 5th serial korelasi. vec.Fhet adalah tes untuk melihat ada tidaknya heteroskedastisitas, dan vec.χ2norm adalah chi-square tes dalam joint normality dari residual tes, ( ) merupakan probabilitas yang diperoleh.
49
Di Sulawesi Utara dan Sulawesi Selatan terdapat hubungan unidirectional yang positif, yaitu kenaikan PDRB sebesar satu persen akan menaikkan tabungan sebesar 2.578 persen dan 1.537 persen. Kenaikan PDRB meningkatkan pendapatan daerah, jika hal tersebut juga diikuti dengan naiknya suku bunga riil tabungan, kenaikan pendapatan akan diikuti oleh kenaikan tabungan.
4.5.6. Nusa Tenggara Baik di Nusa Tenggara Barat maupun Nusa Tenggara Timur hubungan keterkaitan dalam jangka panjang tidak terdefinisi dalam jangka waktu penelitian. Pada analisis jangka pendek di Nusa Tenggara Timur terjadi hubungan undirectional antara tabungan dengan pertumbuhan ekonomi. Hal ini terlihat dari adanya pengaruh signifikan yang ditimbulkan oleh perubahan tabungan terhadap pertumbuhan ekonomi yang diwakili oleh PDRB dan sebaliknya ada pengaruh dari perubahan pertumbuhan ekonomi terhadap tingkat tabungan akan tetapi tidak signifikan. Tabel 4.10. Estimasi dari regresi VAR/VECM Kepulauan Nusa Tenggara Regressor Constan
23. NTB ΔSAVt 0.165* [ 2.370]
ΔPDRBt 0.070* [ 3.052]
24. NTT” ΔSAVt 0.046 [ 0.298]
ΔPDRBt 0.038* [ 2.996]
ECMt-1 ΔSAVt-1
0.599 0.090 0.396* 0.028* [ 1.231] [ 0.560] [ 1.682] [ 1.438] -1.965 -0.280 -1.288 0.229 ΔPDRBt-1 [-1.304] [-0.562] [-0.476] [ 1.038] vec.Far5 2.700 (0.6093) 4.015 (0.4040) vec.Fhet 24.19 (0.6200) 21.58 (0.1194) 4.051 (0.3992) 2.798 (0.5921) vec.χ2norm ket: [ ] merupakan T-statistik, Tanda * mengindikasikan model signifikan pada level 10%.Tiga tes terakhir adalah residual tes vec.Far5 yaitu F tes dari 5th serial korelasi. vec.Fhet adalah tes untuk melihat ada tidaknya heteroskedastisitas, dan vec.χ2norm adalah chi-square tes dalam joint normality dari residual tes, ( ) merupakan probabilitas yang diperoleh.
50
Di Propinsi Nusa Tenggara Timur pada lag pertama PDRB tidak secara signifikan mempengaruhi tabungan, akan tetapi memiliki pengaruh negatif dengan koefisien sebesar 1.288, yang berarti setiap kenaikan PDRB sebesar satu persen akan menurunkan tabungan sebesar 1.288 persen. Begitu juga yang terjadi pada Propinsi Nusa Tenggara Barat pada lag pertama PDRB tidak secara signifikan mempengaruhi tabungan, akan tetapi memiliki pengaruh negatif dengan koefisien sebesar 1.965, yang berarti setiap kenaikan PDRB sebesar satu persen akan menurunkan tabungan sebesar 1.965 persen. Pengaruh yang negatif dari kenaikan PDRB terhadap tingkat tabungan karena naiknya PDRB membuat pendapatan masyarakat daerah tersebut meningkat, tetapi ada ekspektasi bahwa akan ada kenaikan tingkat inflasi. Adanya ekspektasi ini akan meningkatkan permintaan yang berarti naiknya konsumsi, karena masyarakat cenderung memanfaatkan moment sebelum harga bergerak naik, jadi tabungan akan menurun. Selanjutnya kenaikan tabungan berpengaruh positif terhadap PDRB di kedua Propinsi, di Nusa Tenggara Barat kenaikan tabungan sebesar satu persen menyebabkan PDRB meningkat sebesar 0.090 persen. Di Nusa Tenggara Timur kenaikan tabungan sebesar satu persen menyebabkan peningkatan PDRB sebesar 0.028 persen. Kenaikan tabungan daerah digunakan oleh pemerintah daerahnya untuk mensubsidi perusahaan-perusahaan daerahnya untuk menambah modalnya. Dalam jangka pendek perusahaan tersebut meningkatkan jumlah belanja untuk investasi, sehingga PDRB naik. Hasil estimasi Nusa Tenggara dapat dilihat pada tabel 4.10.
51
4.5.7. Maluku Kenaikan PDRB berdampak positif dan signifikan terhadap tabungan, hal itu berarti apabila ada kenaikan PDRB sebesar satu persen, maka tabungan akan meningkat sebesar 2.379 persen. Sedangkan kenaikan tabungan sebesar satu persen dalam jangka pendek pada Maluku menyebabkan PDRB menurun sebesar 0.012 persen tapi tidak signifikan, berarti ada hubungan kausalitas satu arah dari PDRB ke tabungan pada jangka pendek di Maluku. Hubungan yang negatif akibat adanya kenaikan tabungan terhadap PDRB karena apabila pemerintah daerah memutuskan untuk menaikkan tabungannya maka pemerintah daerah harus menurunkan tingkat belanjanya atau menaikkan tingkat pajak dan kedua komponen tersebut berpangaruh terhadap penurunan PDRB. Tabel 4.11. Estimasi dari regresi VAR/VECM Propinsi Maluku Regressor
25. Maluku ΔSAVt ΔPDRBt Constan -0.092 0.011 [-0.876] [ 0.620] ECMt-1 -0.650 -0.012 [-3.351] [ 0.392] 0.538* -0.018 ΔSAVt-1 [ 2.683] [-0.576] 2.379* 0.686 ΔPDRBt-1 [ 1.428] [-0.576] vec.Far5 3.150 (0.5330) vec.Fhet 47.70 (0.3636) 7.738 (0.1017) vec.χ2norm ket: [ ] merupakan T-statistik, Tanda * mengindikasikan model signifikan pada level 10%. Tiga tes terakhir adalah residual tes vec.Far5 yaitu F tes dari 5th serial korelasi. vec.Fhet adalah tes untuk melihat ada tidaknya heteroskedastisitas, dan vec.χ2norm adalah chi-square tes dalam joint normality dari residual tes, ( ) merupakan probabilitas.
4.6. Perbandingan Hubungan Kausalitas Dari hasil analisis hubungan kausalitas jangka pendek dan jangka panjang, terdapat dua belas propinsi di Indonesia yang memiliki hubungan jangka panjang. Dari hasil penelitian ternyata tidak setiap propinsi yang memiliki hubungan
52
kausalitas yang mutual dalam jangka panjangnya terjadi juga dalam jangka pendeknya. Ada juga beberapa propinsi yang hubungan jangka pendeknya selama periode penelitian tidak dapat didefinisikan atau ditolak akibat adanya transformasi dari VAR I(1) ke VEC I(0). Propinsi-propinsi tersebut adalah Jambi, Bali, Kalimantan Barat, Kalimantan Selatan, dan Sulawesi Tengah. Pada propinsi Daerah Istimewa Yogyakarta yang dalam jangka panjangnya terjadi hubungan yang signifikan dari PDRB ke tabungan, ternyata dalam jangka pendeknya tidak terjadi hubungan kausalitas yang signifikan antar dua variabel. Dalam jangka panjang pada Propinsi Sumatera Utara terdapat hubungan kausalitas yang mutual, sementara itu pada jangka pendeknya hanya terjadi hubungan yang signifikan dari tabungan ke PDRB, hal tersebut juga terjadi pada Propinsi Sulawesi Selatan yang dalam jangka panjang terdapat hubungan kausalitas mutual, akan tetapi dalam jangka pendeknya hanya terjadi hubungan unidirectional dari PDRB ke tabungan. Diantara perbedaan yang terjadi pada hubungan dalam jangka pendek dan jangka panjang pada propinsi-propinsi diatas, ada juga propinsi yang memiliki karakteristik hubungan kausalitas yang sama baik dalam jangka panjangnya juga dalam jangka pendeknya. Diantaranya adalah Propinsi Sumatera Barat dalam jangka pendek dan panjang sama-sama terdapat hubungan yang signifikan dari tabungan ke PDRB. Selanjutnya Propinsi Jawa Tengah dan Propinsi Sulawesi Utara yang dalam jangka panjangnya terdapat hubungan unidirectional dari PDRB ke tabungan begitu juga dalam jangka pendeknya. Tidak samanya hubungan yang terjadi pada jangka panjang dan jangka pendek, serta masih banyaknya propinsi yang tidak memiliki hubungan kausalitas
53
pada jangka pendek, dan masih banyaknya hubungan kausalitas pada jangka pendek yang tidak sesuai dengan teori, penyebabnya adalah hubungan jangka pendek dalam analisis VAR/VECM hanya merupakan hubungan penyesuaian untuk menuju keseimbangan (equilibrium) hubungan jangka panjang. Jadi penyesuaian yang terjadi tidak selalu sama dengan keseimbangan akhirnya.
V. KESIMPULAN DAN SARAN
5.1. Kesimpulan Berdasarkan hasil penelitian, penulis dapat memberikan kesimpulan bahwa prilaku hubungan antara tabungan dan pertumbuhan ekonomi berbeda di setiap propinsi di Indonesia, dalam jangka panjang maupun dalam jangka pendek. Semua propinsi yang dapat diteliti dalam jangka panjang memiliki hubungan kausalitas, baik kausalitas mutual atau kausalitas yang searah (unidirectional). Hal itu tentu saja memberikan suatu jawaban bahwa perubahan pada tingkat tabungan akan memberikan impuls atau dorongan bagi perubahan pada pendapatan masingmasing propinsi, dan sebaliknya perubahan pendapatan daerah dalam jangka panjang akan menyebabkan perubahan tabungan pada daerah tersebut. Dalam estimasi pada jangka pendek ada beberapa propinsi yang sudah memiliki hubungan kausalitas yang mutual, yaitu Kalimantan Tengah dan Sulawesi Tenggara. Hal itu berarti tabungan sangat responsif tehadap perubahan pendapatan daerah, sebaliknya pendapatan daerah sangat cepat merubah tabungan daerah. Sementara itu di Pulau Sumatera ada dua propinsi yang memiliki hubungan searah dari tabungan ke PDRB, begitu pula yang terjadi pada Kalimantan Timur dan Nusa Tenggara Timur. Di pulau Jawa dan Pulau Sulawesi ada dua Propinsi yang dalam jangka pendek sudah memiliki hubungan kausalitas yang searah dari PDRB ke tabungan, yaitu Jawa Tengah, Jawa Timur, Sulawesi Utara, dan Sulawesi Selatan, serta satu propinsi di timur Indonesia yaitu Maluku. Perbandingan hubungan kausalitas yang terjadi dalam jangka pendek dan jangka panjang menunjukkan ada perbedaan hubungan kausalitas yang terjadi di beberapa propinsi. Hal tersebut karena jangka pendek hanya merupakan
55
penyesuaian menuju keseimbangan jangka panjang dan dalam jangka panjang akan lebih banyak faktor lain yang mempengaruhi. Baru adanya hubungan kausalitas pada jangka panjang di banyak propinsi karena dampak dari tabungan terhadap pertumbuhan ekonomi melalui investasi kebanyakan baru bisa dinikmati pada jangka panjang.
5.2. Saran Melihat keterkaitan hubungan antara tabungan dan pertumbuhan ekonomi dalam jangka panjang pada semua propinsi di Indonesia, maka pemerintah daerah seharusnya
dapat
menaikkan
tingkat
pendapatan
daerah
dengan
cara
mengoptimalkan pengolahan sumber daya yang ada. Penurunan tingkat suku bunga pinjaman juga diperlukan agar permintaan dana untuk kegiatan investasi meningkat, sehingga tabungan bisa digunakan secara optimal. Selain itu diperlukan juga perbaikan sarana di daerah-daerah agar menarik minat masyarakat untuk melakukan investasi di sektor riil yang akan membantu menggerakan perekonomian sehingga dapat meningkatkan pertumbuhan ekonomi tiap daerah.
DAFTAR PUSTAKA
Achsien, I. H. 1999. ”Menuju Kapitalisme Religius?”. Buletin Ekonomi dan Perbankan. Bank Indonesia, Jakarta. Anderson, B. 2001. “On the Causality Between Saving and Growth: Long and Short Run Dynamics and Country Heterogenety”. Uppsala University Working Paper. Arsana, I. G. 2005. “Vector Auto Regressive”. Laboratorium Komputansi Ilmu Ekonomi FEUI, Universitas Indonesia, Jakarta. Badan Pusat Statistik.1983-2006. “Produk Domestik Regional Bruto Propinsipropinsi di Indonesia Menurut Penggunaan”, Jakarta. Bank Pembangunan Daerah Jawa Tengah. 2007. “Laporan Keuangan”. http://www.asbanda.com/bpd.php?id=11.htm [11 agustus 2008]. Darmawan, I. 2006. ”Prilaku Tabungan Masyarakat antar Daerah di Indonesia”. Universitas Sanata Dharma Working Paper, Yogyakarta. Dornbusch dan Fisher. 2003. “Macroeconomics”. Mc Graw Hill International Co, Singapore. Enders, W. 1995. “Applied Econometrics Time Series”. John Willey and Sons, Inc, Canada. Engel, R.F. dan C.W.J. Granger. 1987. “Cointegration and Error Correction: Representation, Estimation, and Testing”. Econometrica, 55: 12-16. Harjes, T dan Ricci, L. A. 2002. “What Drives Saving in South [Journal], Post Apartheid South Africa, chapter 4.
Africa?”.
Irawan dan Suparmoko. 1999. “Ekonomika Pembangunan”. Edisi ke-5. BPFE, Yogyakarta. K. Schmidt-Hebbel, S. Webb, dan G. Corsetti.1992. “Household Saving in Developing Countries”. World Bank Economic Review, 6 (3): 529-547. Loayza, N dan Shankar, R. 2000. “Privat Saving In India”. World Bank Economic Review, 14: 3. Mankiw,
N. G. 2003. ”Teori Makroekonomi”. Nurmawan [penerjemah]. Erlangga, Jakarta.
Edisi
Kelima.
Imam
Nachrowi dan Usman. 2006. ”Pendekatan Populer dan Praktis Ekonometrika”. Lembaga Penerbit FEUI, Jakarta.
57
Lipsey. R. G 1995. “Pengantar Makroekonomi”.Bumi Aksara, Jakarta. Sims, C. A. 1972. ”Money, Income and Causality”. American Economic Review, Vol 62. Todaro, M. P. 1989. “Pembangunan Ekonomi di Dunia ketiga”. Edisi Ketiga [terjemahan]. Erlangga, Jakarta. Way, Tun. 1973. “Financial Intermediaries and National Saving in Developing Countries”. Preagers Publishers Inc, New York. Widodo, H. S. T. 1990. “Indikator Ekonomi”. Kanisius, Yogyakarta Yusuf, V. O. 2005. “Analisis Keterkaitan Antara Investasi Pemerintah, Investasi Swasta dan Pendapatan Nasional di Indonesia” [skripsi]. Fakultas Ekonomi dan Manajemen, IPB, Bogor.
LAMPIRAN
58
Lampiran 1. Hasil Estimasi NAD Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_PDRB LN_SAV Exogenous variables: C Date: 06/10/08 Time: 09:17 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
21.23319 53.86115 57.11877 67.41016 78.84921 91.04234
NA 54.95234 4.800714 12.99965 12.04110 10.26790*
0.000453 2.24E-05 2.47E-05 1.33E-05 6.68E-06 3.32E-06*
-2.024547 -5.038015 -4.959871 -5.622123 -6.405180 -7.267615*
-1.925132 -4.739771 -4.462798 -4.926220 -5.510449 -6.174054*
-2.007722 -4.987541 -4.875746 -5.504348 -6.253756 -7.082541*
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_PDRB LN_SAV Exogenous variables: C Lag specification: 1 5 Date: 06/10/08 Time: 09:17 Root -1.570303 1.560860 0.497754 - 1.103974i 0.497754 + 1.103974i -0.320763 - 1.037768i -0.320763 + 1.037768i 0.943502 - 0.221633i 0.943502 + 0.221633i -0.455074 - 0.734682i -0.455074 + 0.734682i
Modulus 1.570303 1.560860 1.210998 1.210998 1.086210 1.086210 0.969183 0.969183 0.864205 0.864205
Warning: At least one root outside the unit circle. VAR does not satisfy the stability condition.
59
Lampiran 2. Hasil Estimasi Sumatra Utara Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/10/08 Time: 09:48 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
14.91461 64.20300 81.34370 86.34364 87.94728 97.93897
NA 83.01202 25.25999* 6.315714 1.688038 8.414053
0.000881 7.53E-06 1.93E-06 1.82E-06 2.56E-06 1.61E-06*
-1.359433 -6.126631 -7.509864 -7.615120 -7.362872 -7.993576*
-1.260018 -5.828387 -7.012790* -6.919218 -6.468140 -6.900015
-1.342608 -6.076157 -7.425739 -7.497346 -7.211447 -7.808502*
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 2 Date: 06/10/08 Time: 09:49 Root
Modulus
0.987503 0.868271 0.415491 -0.347577
0.987503 0.868271 0.415491 0.347577
No root lies outside the unit circle. VAR satisfies the stability condition.
Kointegrasi Date: 06/10/08 Time: 09:50 Sample(adjusted): 1986 2006 Included observations: 21 after adjusting endpoints Trend assumption: Linear deterministic trend Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 2 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None * At most 1
0.538120 8.79E-05
16.22330 0.001846
15.41 3.76
20.04 6.65
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at the 5% level Trace test indicates no cointegration at the 1% level Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None * At most 1
0.538120 8.79E-05
16.22146 0.001846
14.07 3.76
18.63 6.65
60
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at the 5% level Max-eigenvalue test indicates no cointegration at the 1% level Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV 4.529217 -7.516596
LN_PDRB -0.923473 10.64446
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.045498 0.002027
1 Cointegrating Equation(s):
-0.000244 -0.000139 Log likelihood
93.82092
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB 1.000000 -0.203892 (0.24837) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) -0.206070 (0.05791) D(LN_PDRB) 0.009181 (0.01742)
ESTIMASI VECM Vector Error Correction Estimates Date: 06/10/08 Time: 09:51 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
LN_SAV(-1)
1.000000
LN_PDRB(-1)
-0.155966 (0.25356) [-0.61511]
C
-14.05537
Error Correction:
D(LN_SAV)
D(LN_PDRB)
CointEq1
-0.086067 (0.04551) [-1.89122]
0.031542 (0.01520) [ 2.07569]
D(LN_SAV(-1))
0.436255 (0.25134) [ 1.73569]
0.564256 (0.08393) [ 6.72329]
D(LN_PDRB(-1))
-0.082971 (0.47373) [-0.17514]
-0.412749 (0.15818) [-2.60933]
C
0.037174 (0.02511) [ 1.48053]
0.040265 (0.00838) [ 4.80268]
0.489592 0.404524 0.087914
0.757920 0.717573 0.009802
R-squared Adj. R-squared Sum sq. resids
61
S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
0.069886 5.755299 29.53019 -2.320926 -2.122555 0.063812 0.090565
0.023336 18.78516 53.66182 -4.514711 -4.316339 0.057104 0.043910
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
1.66E-06 88.37757 83.96281 -6.723892 -6.227964
62
Lampiran 3. Hasil Estimasi Sumatra Barat Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/10/08 Time: 10:13 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
16.34313 71.65383 87.85434 100.7031 103.9272 109.0961
NA 93.15487 23.87443 16.23001* 3.393774 4.352749
0.000758 3.44E-06 9.70E-07 4.01E-07* 4.77E-07 4.96E-07
-1.509803 -6.910930 -8.195193 -9.126641 -9.044966 -9.168007*
-1.410389 -6.612686 -7.698120 -8.430739* -8.150234 -8.074446
-1.492978 -6.860455 -8.111069 -9.008867* -8.893542 -8.982933
* 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
Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 3 Date: 06/12/08 Time: 11:48 Root
Modulus
0.984930 0.863501 - 0.393982i 0.863501 + 0.393982i 0.100280 - 0.723609i 0.100280 + 0.723609i -0.693054
0.984930 0.949134 0.949134 0.730524 0.730524 0.693054
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/10/08 Time: 10:31 Sample(adjusted): 1987 2006 Included observations: 20 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 3 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None * At most 1 *
0.578433 0.459114
29.56647 12.29094
25.32 12.25
30.45 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 2 cointegrating equation(s) at the 5% level Trace test indicates no cointegration at the 1% level Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
63
None At most 1 *
0.578433 0.459114
17.27553 12.29094
18.96 12.25
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV 36.77564 11.06600
LN_PDRB -132.6551 25.35773
@TREND(84) 4.765861 -1.856497
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
0.016682 0.012114
1 Cointegrating Equation(s):
-0.000218 0.011440 Log likelihood
109.6277
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB @TREND(84) 1.000000 -3.607145 0.129593 (0.43489) (0.02234) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) 0.613476 (0.15123) D(LN_PDRB) 0.445511 (0.21020)
ESTIMASI VECM Vector Error Correction Estimates Date: 06/12/08 Time: 11:43 Sample(adjusted): 1986 2006 Included observations: 21 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegration Restrictions: B(1,1)=1,B(1,2)=-1 Convergence achieved after 4 iterations. Restrictions identify all cointegrating vectors LR test for binding restrictions (rank = 1): Chi-square(1) 0.120609 Probability 0.728375 Cointegrating Eq:
CointEq1
LN_SAV(-1)
1.000000
LN_PDRB(-1)
-1.000000
@TREND(83)
-0.001168 (0.00261) [-0.44803]
C
1.158037
Error Correction:
D(LN_SAV)
D(LN_PDRB)
CointEq1
-0.031384 (0.09901) [-0.31697]
0.203461 (0.08545) [ 2.38114]
D(LN_SAV(-1))
0.974422 (0.19958) [ 4.88246]
0.638407 (0.17223) [ 3.70671]
23.65 16.26
64
D(LN_SAV(-2))
0.362550 (0.13811) [ 2.62512]
0.067705 (0.11918) [ 0.56807]
D(LN_PDRB(-1))
0.412665 (0.34153) [ 1.20827]
-0.480226 (0.29474) [-1.62934]
D(LN_PDRB(-2))
-2.257311 (0.43049) [-5.24354]
-1.317512 (0.37151) [-3.54639]
C
0.075521 (0.02451) [ 3.08072]
0.100835 (0.02116) [ 4.76644]
0.898454 0.864605 0.010738 0.026756 26.54319 49.77611 -4.169153 -3.870718 0.057244 0.072715
0.601461 0.468615 0.007997 0.023090 4.527503 52.87075 -4.463880 -4.165445 0.050554 0.031675
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
1.72E-07 111.0190 103.9530 -8.471719 -7.725631
65
Lampiran 4. Hasil Estimasi Riau Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/10/08 Time: 11:02 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
43.47823 100.4914 105.5155 109.9339 111.1263 120.2858
NA 96.02219* 7.403984 5.581089 1.255134 7.713290
4.35E-05 1.65E-07 1.51E-07* 1.52E-07 2.23E-07 1.53E-07
-4.366130 -9.946464 -10.05427 -10.09831 -9.802766 -10.34587*
-4.266715 -9.648220* -9.557194 -9.402403 -8.908034 -9.252314
-4.349305 -9.895989 -9.970143 -9.980531 -9.651342 -10.16080*
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 1 Date: 06/10/08 Time: 11:02 Root
Modulus
1.032316 0.794855
1.032316 0.794855
Warning: At least one root outside the unit circle. VAR does not satisfy the stability condition.
66
Lampiran 5. Hasil Estimasi Jambi Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: D(LN_SAV) D(LN_PDRB) Exogenous variables: C DV Date: 07/02/08 Time: 19:17 Sample: 1983 2006 Included observations: 22 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1
67.52249 74.87903
NA 12.03798*
1.07E-05 7.91E-06*
-5.774772 -6.079912*
-5.576400 -5.683169*
-5.728041 -5.986451*
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: D(LN_SAV) D(LN_PDRB) Exogenous variables: C DV Lag specification: 1 1 Date: 07/02/08 Time: 19:17 Root
Modulus
-0.525186 -0.038249
0.525186 0.038249
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 07/02/08 Time: 19:22 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LN_SAV LN_PDRB Exogenous series: DV Warning: Critical values assume no exogenous series Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1
0.791908 0.143431
37.94107 3.406053
25.32 12.25
30.45 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1
0.791908 0.143431
34.53502 3.406053
18.96 12.25
23.65 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV -2.139966
LN_PDRB -8.848885
@TREND(84) 0.779127
67
-12.73623
46.23487
-2.550213
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.039957 0.011178
1 Cointegrating Equation(s):
-0.024317 -0.009619 Log likelihood
92.14654
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB @TREND(84) 1.000000 4.135059 -0.364084 (1.00503) (0.06926) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) 0.085507 (0.03498) D(LN_PDRB) -0.023920 (0.01351) ESTIMASI VECM Vector Error Correction Estimates Date: 07/02/08 Time: 19:29 Sample(adjusted): 1984 2006 Included observations: 23 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
LN_SAV(-1)
1.000000
LN_PDRB(-1)
-4.651343 (0.68606) [-6.77979]
@TREND(83)
0.270606 (0.04138) [ 6.53924]
C
55.71493
Error Correction:
D(LN_SAV)
D(LN_PDRB)
CointEq1
-0.419413 (0.12269) [-3.41858]
-0.046847 (0.03887) [-1.20535]
C
0.013942 (0.02373) [ 0.58752]
0.059104 (0.00752) [ 7.86190]
0.357537 0.326943 0.272003 0.113809 11.68669 18.39493 -1.425646 -1.326907 0.013942 0.138724
0.064708 0.020170 0.027297 0.036054 1.452875 44.83376 -3.724675 -3.625937 0.059104 0.036423
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
7.91E-06 71.90990 69.81755 -5.462396 -5.116811
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
68
Lampiran 6. Hasil Estimasi Sumatra Selatan Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/10/08 Time: 14:22 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
40.89308 83.05662 86.16838 93.48783 102.8594 104.8355
NA 71.01227 4.585753 9.245619 9.864792* 1.664116
5.72E-05 1.03E-06 1.16E-06 8.57E-07 5.33E-07* 7.77E-07
-4.094009 -8.111223 -8.017724 -8.367140 -8.932566* -8.719528
-3.994594 -7.812979 -7.520651 -7.671237 -8.037835* -7.625967
-4.077184 -8.060748 -7.933600 -8.249365 -8.781142* -8.534454
* 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
Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 4 Date: 06/10/08 Time: 14:22 Root
Modulus
0.990648 0.560970 - 0.503916i 0.560970 + 0.503916i -0.343795 - 0.664809i -0.343795 + 0.664809i 0.143333 - 0.661929i 0.143333 + 0.661929i -0.360988
0.990648 0.754068 0.754068 0.748443 0.748443 0.677270 0.677270 0.360988
No root lies outside the unit circle. VAR satisfies the stability condition.
Kointegrasi Date: 06/12/08 Time: 13:10 Sample(adjusted): 1988 2006 Included observations: 19 after adjusting endpoints Trend assumption: Quadratic deterministic trend Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 4 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.501040 0.020744
13.60763 0.398290
18.17 3.74
23.46 6.40
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels Hypothesized
Max-Eigen
5 Percent
1 Percent
69
No. of CE(s)
Eigenvalue
Statistic
Critical Value
Critical Value
None At most 1
0.501040 0.020744
13.20934 0.398290
16.87 3.74
21.47 6.40
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV 74.99236 -79.97668
LN_PDRB -23.04718 126.4146
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.016138 -0.001966
1 Cointegrating Equation(s):
-0.002740 -0.002357 Log likelihood
105.5704
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB 1.000000 -0.307327 (0.32772) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) -1.210224 (0.66091) D(LN_PDRB) -0.147465 (0.43694)
ESTIMASI VECM Vector Autoregression Estimates Date: 06/10/08 Time: 14:25 Sample(adjusted): 1988 2006 Included observations: 19 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] D(LN_SAV)
D(LN_PDRB)
D(LN_SAV(-1))
-0.113302 (0.38845) [-0.29168]
0.057135 (0.25269) [ 0.22610]
D(LN_SAV(-2))
-0.261770 (0.31895) [-0.82072]
0.297012 (0.20749) [ 1.43148]
D(LN_SAV(-3))
1.046732 (0.39347) [ 2.66025]
0.745694 (0.25596) [ 2.91329]
D(LN_SAV(-4))
-0.133360 (0.28868) [-0.46196]
0.119694 (0.18779) [ 0.63736]
D(LN_PDRB(-1))
0.005626 (0.58672) [ 0.00959]
-0.033341 (0.38168) [-0.08735]
D(LN_PDRB(-2))
0.336013 (0.53400) [ 0.62924]
-0.466860 (0.34738) [-1.34396]
70
D(LN_PDRB(-3))
-1.795464 (0.63287) [-2.83703]
-1.046782 (0.41170) [-2.54261]
D(LN_PDRB(-4))
-0.084473 (0.61283) [-0.13784]
-0.345754 (0.39866) [-0.86729]
C
0.079604 (0.03837) [ 2.07451]
0.093869 (0.02496) [ 3.76045]
0.670563 0.407013 0.016943 0.041162 2.544353 39.75247 -3.237102 -2.789736 0.026337 0.053453
0.630198 0.334357 0.007170 0.026777 2.130191 47.92200 -4.097053 -3.649687 0.044159 0.032820
Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
6.18E-07 81.89496 -6.725785 -5.831054
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
71
Lampiran 7. Hasil Estimasi Bengkulu Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/10/08 Time: 14:36 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
6.745342 70.90910 79.11426 82.35157 88.09244 97.04656
NA 108.0653 12.09181* 4.089230 6.043029 7.540309
0.002081 3.72E-06 2.43E-06 2.77E-06 2.52E-06 1.76E-06*
-0.499510 -6.832537 -7.275185 -7.194902 -7.378152 -7.899638*
-0.400095 -6.534293 -6.778112 -6.498999 -6.483420 -6.806077*
-0.482685 -6.782062 -7.191061 -7.077127 -7.226728 -7.714564*
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 5 Date: 06/10/08 Time: 14:36 Root
Modulus
0.983669 0.252662 + 0.871674i 0.252662 - 0.871674i 0.699752 - 0.458185i 0.699752 + 0.458185i -0.748390 - 0.243979i -0.748390 + 0.243979i 0.705706 -0.188993 + 0.434433i -0.188993 - 0.434433i
0.983669 0.907554 0.907554 0.836413 0.836413 0.787156 0.787156 0.705706 0.473762 0.473762
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/10/08 Time: 14:37 Sample(adjusted): 1989 2006 Included observations: 18 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 5 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1 **
0.936889 0.794939
78.25146 28.52002
25.32 12.25
30.45 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 2 cointegrating equation(s) at both 5% and 1% levels Hypothesized
Max-Eigen
5 Percent
1 Percent
72
No. of CE(s)
Eigenvalue
Statistic
Critical Value
Critical Value
None ** At most 1 **
0.936889 0.794939
49.73144 28.52002
18.96 12.25
23.65 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 2 cointegrating equation(s) at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV -23.76030 -46.25374
LN_PDRB 161.2804 151.9928
@TREND(84) -6.588517 -5.514770
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.039157 -0.005092
1 Cointegrating Equation(s):
-0.035415 -0.014935 Log likelihood
111.7636
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB @TREND(84) 1.000000 -6.787809 0.277291 (0.33768) (0.01572) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) 0.930389 (0.39771) D(LN_PDRB) 0.120986 (0.16299)
ESTIMASI VECM Vector Error Correction Estimates Date: 06/10/08 Time: 14:45 Sample(adjusted): 1988 2006 Included observations: 19 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegration Restrictions: B(1,1)=1,B(1,2)=-1 Convergence achieved after 2 iterations. Restrictions identify all cointegrating vectors LR test for binding restrictions (rank = 1): Chi-square(1) 0.316102 Probability 0.573960 Cointegrating Eq:
CointEq1
LN_SAV(-1)
1.000000
LN_PDRB(-1)
-1.000000
@TREND(83)
0.019460 (0.00567) [ 3.43205]
C
1.043806
Error Correction:
D(LN_SAV)
D(LN_PDRB)
CointEq1
-0.296509 (0.20491) [-1.44702]
0.023903 (0.06237) [ 0.38327]
D(LN_SAV(-1))
-0.067638 (0.50239) [-0.13463]
-0.030521 (0.15291) [-0.19960]
73
D(LN_SAV(-2))
-0.146477 (0.49487) [-0.29599]
0.052048 (0.15062) [ 0.34556]
D(LN_SAV(-3))
0.418381 (0.51328) [ 0.81510]
0.416967 (0.15622) [ 2.66907]
D(LN_SAV(-4))
0.092394 (0.48554) [ 0.19029]
0.101652 (0.14778) [ 0.68787]
D(LN_PDRB(-1))
1.881116 (1.76918) [ 1.06327]
0.115239 (0.53846) [ 0.21401]
D(LN_PDRB(-2))
0.954263 (1.70891) [ 0.55841]
0.091483 (0.52012) [ 0.17589]
D(LN_PDRB(-3))
-1.143284 (1.63231) [-0.70041]
-1.191971 (0.49681) [-2.39927]
D(LN_PDRB(-4))
-0.669914 (1.82245) [-0.36759]
-0.780719 (0.55468) [-1.40752]
C
-0.024790 (0.18293) [-0.13551]
0.110230 (0.05568) [ 1.97979]
0.740623 0.481247 0.066129 0.085719 2.855397 26.81570 -1.770074 -1.273000 0.053178 0.119013
0.707641 0.415282 0.006126 0.026089 2.420452 49.41719 -4.149178 -3.652105 0.053039 0.034118
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
5.82E-07 96.67467 82.47760 -6.260800 -5.117532
74
Lampiran 8. Hasil Estimasi Lampung Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/10/08 Time: 14:51 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
13.63571 67.04547 68.16349 68.44156 70.71421 73.75024
NA 89.95328* 1.647614 0.351244 2.392270 2.556655
0.001007 5.58E-06* 7.71E-06 1.20E-05 1.57E-05 2.05E-05
-1.224811 -6.425839* -6.122473 -5.730690 -5.548865 -5.447394
-1.125397 -6.127595* -5.625399 -5.034788 -4.654133 -4.353833
-1.207987 -6.375364* -6.038348 -5.612916 -5.397441 -5.262320
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 1 Date: 06/10/08 Time: 14:53 Root
Modulus
0.936972 0.707542
0.936972 0.707542
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/10/08 Time: 14:53 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.435710 0.191404
17.26213 4.674028
25.32 12.25
30.45 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.435710 0.191404
12.58810 4.674028
18.96 12.25
23.65 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
75
LN_SAV 5.478541 5.244761
LN_PDRB -28.70922 -15.42463
@TREND(84) 0.875976 0.359164
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
0.053069 0.021901
1 Cointegrating Equation(s):
-0.056669 1.51E-05 Log likelihood
63.73985
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB @TREND(84) 1.000000 -5.240303 0.159892 (0.64032) (0.03766) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) 0.290742 (0.18455) D(LN_PDRB) 0.119984 (0.03218)
ESTIMASI VAR Vector Autoregression Estimates Date: 06/10/08 Time: 14:55 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] D(LN_SAV)
D(LN_PDRB)
D(LN_SAV(-1))
-0.045199 (0.22309) [-0.20260]
0.020057 (0.04855) [ 0.41309]
D(LN_PDRB(-1))
1.460095 (1.17613) [ 1.24144]
0.306652 (0.25596) [ 1.19802]
C
0.040901 (0.06757) [ 0.60529]
0.036583 (0.01471) [ 2.48759]
0.097461 0.002457 0.511316 0.164047 1.025862 10.16326 -0.651206 -0.502427 0.123627 0.164249
0.158323 0.069725 0.024218 0.035702 1.786988 43.71198 -3.701089 -3.552310 0.058407 0.037016
Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
2.48E-05 54.22053 -4.383684 -4.086127
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
76
Lampiran 9. Hasil Estimasi DKI Jakarta Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/10/08 Time: 15:14 Sample: 1983 2006 Included observations: 23 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1
27.60330 87.68496
NA 104.4898*
0.000370 2.83E-06*
-2.226374 -7.103040*
-2.127635 -6.806824*
-2.201541 -7.028542*
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 1 Date: 06/10/08 Time: 15:13 Root
Modulus
0.989744 0.927015
0.989744 0.927015
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/10/08 Time: 15:15 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Trend assumption: Quadratic deterministic trend Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.459916 0.020501
14.00836 0.455703
18.17 3.74
23.46 6.40
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.459916 0.020501
13.55266 0.455703
16.87 3.74
21.47 6.40
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV -35.19361 28.62463
LN_PDRB 65.34248 -40.74741
77
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.045022 -0.034959
1 Cointegrating Equation(s):
0.000311 0.002259 Log likelihood
97.78964
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB 1.000000 -1.856657 (0.07183) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) 1.584501 (0.41686) D(LN_PDRB) 1.230344 (0.35028)
ESTIMASI VAR Vector Autoregression Estimates Date: 06/10/08 Time: 15:16 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] D(LN_SAV)
D(LN_PDRB)
D(LN_SAV(-1))
0.367688 (0.58361) [ 0.63003]
0.327833 (0.46103) [ 0.71109]
D(LN_PDRB(-1))
0.198032 (0.81559) [ 0.24281]
-0.142136 (0.64429) [-0.22061]
C
0.026928 (0.02100) [ 1.28231]
0.035198 (0.01659) [ 2.12181]
0.263551 0.186030 0.103001 0.073628 3.399738 27.78800 -2.253454 -2.104676 0.061732 0.081609
0.110413 0.016772 0.064277 0.058164 1.179108 32.97485 -2.724986 -2.576208 0.049780 0.058658
Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
1.72E-06 83.60143 -7.054675 -6.757118
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
78
Lampiran 10. Hasil Estimasi Jawa Barat Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/10/08 Time: 21:55 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
18.02063 54.47219 55.58185 60.08751 69.74326 75.46455
NA 61.39210 1.635283 5.691367 10.16394* 4.817928
0.000635 2.10E-05 2.90E-05 2.88E-05 1.74E-05 1.71E-05*
-1.686382 -5.102336 -4.798089 -4.851317 -5.446659 -5.627847*
-1.586968 -4.804092* -4.301016 -4.155415 -4.551927 -4.534286
-1.669558 -5.051861 -4.713965 -4.733543 -5.295235 -5.442773*
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 1 Date: 06/10/08 Time: 21:56 Root
Modulus
0.969450 0.754719
0.969450 0.754719
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/10/08 Time: 21:57 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.530401 0.268095
23.49561 6.866312
25.32 12.25
30.45 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.530401 0.268095
16.62930 6.866312
18.96 12.25
23.65 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
79
LN_SAV 10.84525 -8.062897
LN_PDRB -29.14317 6.233795
@TREND(84) 1.196401 -0.174281
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
0.030461 0.045187
1 Cointegrating Equation(s):
0.032489 0.004452 Log likelihood
70.08088
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB @TREND(84) 1.000000 -2.687183 0.110316 (0.29401) (0.01621) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) 0.330359 (0.17634) D(LN_PDRB) 0.490069 (0.11089)
ESTIMASI VAR Vector Autoregression Estimates Date: 06/10/08 Time: 21:58 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] D(LN_SAV)
D(LN_PDRB)
D(LN_SAV(-1))
0.010078 (0.27184) [ 0.03707]
0.016486 (0.22580) [ 0.07301]
D(LN_PDRB(-1))
0.285603 (0.36731) [ 0.77756]
0.076029 (0.30510) [ 0.24919]
C
0.025017 (0.02322) [ 1.07723]
0.049392 (0.01929) [ 2.56040]
0.063635 -0.034930 0.125106 0.081145 0.645611 25.64933 -2.059030 -1.910251 0.042481 0.079764
0.009692 -0.094551 0.086321 0.067403 0.092978 29.73137 -2.430125 -2.281346 0.054749 0.064426
Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
1.67E-05 58.54096 -4.776451 -4.478894
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
80
Lampiran 11. Hasil Estimasi Jawa Tengah Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/10/08 Time: 22:14 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
10.83025 63.92192 71.96934 85.50589 89.89142 93.36306
NA 89.41755 11.85936 17.09879* 4.616348 2.923488
0.001354 7.75E-06 5.17E-06 1.98E-06* 2.09E-06 2.60E-06
-0.929500 -6.097045 -6.523089 -7.526936 -7.567518* -7.511901
-0.830086 -5.798801 -6.026016 -6.831033* -6.672786 -6.418340
-0.912676 -6.046570 -6.438964 -7.409161 -7.416094* -7.326827
* 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
Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 3 Date: 06/10/08 Time: 22:15 Root
Modulus
0.983827 0.835515 -0.263849 - 0.621400i -0.263849 + 0.621400i 0.362018 - 0.520323i 0.362018 + 0.520323i
0.983827 0.835515 0.675096 0.675096 0.633871 0.633871
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/10/08 Time: 22:18 Sample(adjusted): 1987 2006 Included observations: 20 after adjusting endpoints Trend assumption: Linear deterministic trend Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 3 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1
0.743547 0.009384
27.40477 0.188562
15.41 3.76
20.04 6.65
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None **
0.743547
27.21620
14.07
18.63
81
At most 1
0.009384
0.188562
3.76
6.65
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV 7.544244 -3.805442
LN_PDRB 2.865919 8.072175
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.014946 0.009787
1 Cointegrating Equation(s):
0.003663 0.003069 Log likelihood
95.44331
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB 1.000000 0.379881 (0.19097) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) -0.112756 (0.08454) D(LN_PDRB) 0.073834 (0.07013)
ESTIMASI VECM Vector Error Correction Estimates Date: 06/10/08 Time: 22:21 Sample(adjusted): 1986 2006 Included observations: 21 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
LN_SAV(-1)
1.000000
LN_PDRB(-1)
0.441488 (0.23767) [ 1.85754]
C
-25.40362
Error Correction:
D(LN_SAV)
D(LN_PDRB)
CointEq1
-0.155864 (0.04184) [-3.72518]
-0.030078 (0.03620) [-0.83081]
D(LN_SAV(-1))
0.180009 (0.27758) [ 0.64850]
0.187742 (0.24018) [ 0.78168]
D(LN_SAV(-2))
-0.410827 (0.19404) [-2.11728]
-0.073897 (0.16789) [-0.44015]
D(LN_PDRB(-1))
0.816011 (0.41432) [ 1.96952]
0.013471 (0.35850) [ 0.03758]
D(LN_PDRB(-2))
0.973954 (0.42203)
-0.148776 (0.36517)
82
[ 2.30776]
[-0.40741]
-0.035673 (0.02468) [-1.44556]
0.048985 (0.02135) [ 2.29410]
0.772376 0.696502 0.036897 0.049597 10.17966 36.81570 -2.934829 -2.636394 0.035840 0.090027
0.196419 -0.071442 0.027624 0.042914 0.733288 39.85488 -3.224274 -2.925839 0.045934 0.041459
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
1.01E-06 92.39019 85.32427 -6.792788 -6.096440
C
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
83
Lampiran 12. Hasil Estimasi DIY Lag Optimum Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/10/08 Time: 22:35 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
27.83740 72.48815 78.41247 80.08828 82.71107 86.11428
NA 75.20125* 8.730576 2.116821 2.760831 2.865862
0.000226 3.15E-06 2.62E-06* 3.51E-06 4.45E-06 5.58E-06
-2.719727 -6.998752 -7.201312* -6.956661 -6.811692 -6.748872
-2.620312 -6.700508 -6.704239* -6.260759 -5.916960 -5.655311
-2.702902 -6.948278 -7.117188* -6.838887 -6.660268 -6.563798
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 2 Date: 06/10/08 Time: 22:42 Root
Modulus
0.956687 0.644288 0.286674 - 0.135183i 0.286674 + 0.135183i
0.956687 0.644288 0.316948 0.316948
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/12/08 Time: 14:11 Sample(adjusted): 1986 2006 Included observations: 21 after adjusting endpoints Trend assumption: Linear deterministic trend Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 2 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1
0.834031 0.031586
38.38904 0.674011
15.41 3.76
20.04 6.65
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1
0.834031 0.031586
37.71503 0.674011
14.07 3.76
18.63 6.65
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at both 5% and 1% levels
84
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV 5.035582 -6.036823
LN_PDRB -6.828128 14.43247
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.085923 -0.009603
1 Cointegrating Equation(s):
-0.009265 -0.005789 Log likelihood
84.94531
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB 1.000000 -1.355976 (0.09152) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) -0.432672 (0.08413) D(LN_PDRB) -0.048355 (0.04271)
ESTIMASI VECM Vector Error Correction Estimates Date: 06/10/08 Time: 22:45 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
LN_SAV(-1)
1.000000
LN_PDRB(-1)
-1.695485 (0.26984) [-6.28321]
C
12.59246
Error Correction:
D(LN_SAV)
D(LN_PDRB)
CointEq1
-0.299203 (0.17440) [-1.71560]
-0.016573 (0.05162) [-0.32103]
D(LN_SAV(-1))
0.233581 (0.30643) [ 0.76227]
0.005668 (0.09071) [ 0.06249]
D(LN_PDRB(-1))
0.514801 (1.09374) [ 0.47068]
0.268363 (0.32376) [ 0.82890]
C
0.039118 (0.04404) [ 0.88819]
0.030256 (0.01304) [ 2.32075]
0.206503 0.074253 0.302570 0.129651 1.561461 15.93469 -1.084972
0.080294 -0.072991 0.026512 0.038378 0.523821 42.71660 -3.519691
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC
85
Schwarz SC Mean dependent S.D. dependent
-0.886601 0.081204 0.134751
-3.321320 0.042390 0.037050
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
1.17E-05 66.89951 62.48475 -4.771341 -4.275413
86
Lampiran 13. Hasil Estimasi Jawa Timur Lag Optimum Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/10/08 Time: 23:11 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
13.67128 55.44856 59.92861 63.54309 64.07557 68.44827
NA 70.36173* 6.602183 4.565656 0.560505 3.682271
0.001004 1.89E-05 1.83E-05* 2.00E-05 3.16E-05 3.58E-05
-1.228556 -5.205112 -5.255644* -5.215062 -4.850060 -4.889291
-1.129142 -4.906868* -4.758570 -4.519160 -3.955329 -3.795731
-1.211731 -5.154637 -5.171519* -5.097288 -4.698636 -4.704217
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 1 Date: 06/10/08 Time: 23:11 Root
Modulus
0.971558 0.741895
0.971558 0.741895
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/10/08 Time: 23:12 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.563080 0.159327
22.03427 3.818153
25.32 12.25
30.45 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.563080 0.159327
18.21612 3.818153
18.96 12.25
23.65 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
87
LN_SAV 50.89888 -6.134498
LN_PDRB -107.3802 3.153379
@TREND(84) 3.180275 -0.029735
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.014805 0.010299
1 Cointegrating Equation(s):
0.049620 0.023543 Log likelihood
75.45186
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB @TREND(84) 1.000000 -2.109678 0.062482 (0.04432) (0.00204) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) -0.753548 (1.49956) D(LN_PDRB) 0.524196 (0.71592)
ESTIMASI VAR Vector Autoregression Estimates Date: 06/10/08 Time: 23:12 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] D(LN_SAV)
D(LN_PDRB)
D(LN_SAV(-1))
-1.013235 (0.55556) [-1.82380]
-0.268064 (0.26729) [-1.00290]
D(LN_PDRB(-1))
2.274478 (1.20451) [ 1.88830]
0.538847 (0.57951) [ 0.92983]
C
-0.033568 (0.04895) [-0.68583]
0.029721 (0.02355) [ 1.26212]
0.159679 0.071224 0.348543 0.135441 1.805206 14.37875 -1.034432 -0.885654 0.038449 0.140539
0.050282 -0.049688 0.080678 0.065163 0.502968 30.47495 -2.497723 -2.348944 0.045880 0.063602
Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
1.10E-05 63.11853 -5.192593 -4.895036
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
88
Lampiran 14. Hasil Estimasi Bali Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/10/08 Time: 23:29 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
26.55922 89.98504 93.28101 94.33785 96.09385 98.00632
NA 106.8224* 4.857213 1.334964 1.848417 1.610499
0.000258 4.99E-07* 5.48E-07 7.83E-07 1.09E-06 1.59E-06
-2.585181 -8.840531* -8.766422 -8.456616 -8.220405 -8.000665
-2.485766 -8.542287* -8.269349 -7.760714 -7.325674 -6.907104
-2.568356 -8.790056* -8.682297 -8.338842 -8.068981 -7.815591
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 1 Date: 06/10/08 Time: 23:30 Root
Modulus
0.945504 0.149684
0.945504 0.149684
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/10/08 Time: 23:35 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1
0.824199 0.370725
48.43503 10.19011
25.32 12.25
30.45 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1
0.824199 0.370725
38.24491 10.19011
18.96 12.25
23.65 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at both 5% and 1% levels
89
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV 4.790467 -7.796082
LN_PDRB -5.614746 26.74050
@TREND(84) -0.041802 -0.632083
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.072625 -0.003848
1 Cointegrating Equation(s):
-0.014268 -0.013476 Log likelihood
97.36223
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB @TREND(84) 1.000000 -1.172067 -0.008726 (0.27803) (0.01624) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) -0.347907 (0.04620) D(LN_PDRB) -0.018434 (0.02507)
ESTIMASI VECM Vector Error Correction Estimates Date: 06/10/08 Time: 23:36 Sample(adjusted): 1984 2006 Included observations: 23 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
LN_SAV(-1)
1.000000
LN_PDRB(-1)
-2.690553 (0.25456) [-10.5692]
@TREND(83)
0.049320 (0.01533) [ 3.21768]
C
28.65475
Error Correction:
D(LN_SAV)
D(LN_PDRB)
CointEq1
-0.881774 (0.01900) [-46.4090]
-0.004528 (0.00441) [-1.02572]
C
0.428863 (0.02868) [ 14.9519]
0.058768 (0.00666) [ 8.81927]
0.990344 0.989884 0.397367 0.137558 2153.795 14.03590 -1.046600 -0.947862 0.428863 1.367678
0.047710 0.002363 0.021447 0.031957 1.052101 47.60774 -3.965890 -3.867152 0.058768 0.031995
Determinant Residual Covariance
9.63E-06
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
90
Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
69.65129 67.55894 -5.265995 -4.920410
91
Lampiran 15. Hasil Estimasi Kalimantan Barat Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/10/08 Time: 23:52 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
41.48019 87.25916 90.56719 97.10206 99.16325 102.4333
NA 77.10143* 4.874986 8.254573 2.169674 2.753760
5.37E-05 6.65E-07 7.29E-07 5.86E-07* 7.87E-07 1.00E-06
-4.155810 -8.553596 -8.480757 -8.747585* -8.543500 -8.466667
-4.056395 -8.255352* -7.983683 -8.051683 -7.648768 -7.373106
-4.138985 -8.503121 -8.396632 -8.629811* -8.392076 -8.281593
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 1 Date: 06/10/08 Time: 23:52 Root
Modulus
0.948339 0.712701
0.948339 0.712701
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/10/08 Time: 23:52 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Trend assumption: Linear deterministic trend Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None * At most 1
0.463393 0.148720
17.23708 3.542323
15.41 3.76
20.04 6.65
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at the 5% level Trace test indicates no cointegration at the 1% level Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.463393 0.148720
13.69476 3.542323
14.07 3.76
18.63 6.65
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels
92
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV 13.79550 -15.02589
LN_PDRB -14.03310 19.62499
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.046431 -0.018710
1 Cointegrating Equation(s):
-0.006501 -0.010015 Log likelihood
90.47765
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB 1.000000 -1.017223 (0.05397) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) -0.640542 (0.17146) D(LN_PDRB) -0.258108 (0.10685)
ESTIMASI VECM Vector Error Correction Estimates Date: 06/10/08 Time: 23:58 Sample(adjusted): 1984 2006 Included observations: 23 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegration Restrictions: B(1,1)=1,B(1,2)=-1 Convergence achieved after 24 iterations. Restrictions identify all cointegrating vectors LR test for binding restrictions (rank = 1): Chi-square(1) 0.086574 Probability 0.768579 Cointegrating Eq:
CointEq1
LN_SAV(-1)
1.000000
LN_PDRB(-1)
-1.000000
@TREND(83)
0.005074 (0.00562) [ 0.90214]
C
0.992149
Error Correction:
D(LN_SAV)
D(LN_PDRB)
CointEq1
-0.349043 (0.11137) [-3.13396]
-0.163060 (0.06440) [-2.53215]
C
0.073611 (0.01305) [ 5.64174]
0.061070 (0.00754) [ 8.09511]
0.318662 0.286217 0.082226 0.062574 9.821686 32.15290 -2.621991
0.233906 0.197425 0.027489 0.036180 6.411776 44.75338 -3.717685
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC
93
Schwarz SC Mean dependent S.D. dependent
-2.523253 0.073611 0.074065
Determinant Residual CoEstimasi VARiance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
-3.618947 0.061070 0.040385 1.50E-06 91.05061 88.95826 -7.126805 -6.781220
94
Lampiran 16. Hasil Estimasi Kalimantan Tengah Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/11/08 Time: 08:23 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
4.619196 49.94220 56.80291 67.23955 77.12135 78.29847
NA 76.33348 10.11052 13.18312 10.40189* 0.991260
0.002603 3.38E-05 2.55E-05 1.36E-05 8.01E-06* 1.27E-05
-0.275705 -4.625495 -4.926622 -5.604163 -6.223300* -5.926155
-0.176290 -4.327251 -4.429549 -4.908261 -5.328568* -4.832594
-0.258880 -4.575020 -4.842497 -5.486389 -6.071876* -5.741081
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 4 Date: 06/11/08 Time: 08:24 Root
Modulus
0.980051 0.758841 - 0.419783i 0.758841 + 0.419783i 0.104400 - 0.806635i 0.104400 + 0.806635i -0.693388 - 0.406776i -0.693388 + 0.406776i 0.251153
0.980051 0.867212 0.867212 0.813363 0.813363 0.803899 0.803899 0.251153
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/11/08 Time: 08:28 Sample(adjusted): 1988 2006 Included observations: 19 after adjusting endpoints Trend assumption: Quadratic deterministic trend Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 4 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.497874 0.138307
15.91745 2.828274
18.17 3.74
23.46 6.40
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None
0.497874
13.08917
16.87
21.47
95
At most 1
0.138307
2.828274
3.74
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV -33.20394 15.14460
LN_PDRB 81.88226 -8.654771
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
0.075323 0.005233
1 Cointegrating Equation(s):
0.014079 -0.002736 Log likelihood
82.65635
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB 1.000000 -2.466041 (0.27915) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) -2.501027 (0.99302) D(LN_PDRB) -0.173749 (0.10613)
ESTIMASI VAR Vector Autoregression Estimates Date: 06/11/08 Time: 08:29 Sample(adjusted): 1988 2006 Included observations: 19 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] D(LN_SAV)
D(LN_PDRB)
D(LN_SAV(-1))
-0.077956 (0.32141) [-0.24254]
0.059218 (0.04063) [ 1.45739]
D(LN_SAV(-2))
-0.505256 (0.34292) [-1.47339]
-0.008292 (0.04335) [-0.19127]
D(LN_SAV(-3))
-0.561166 (0.36171) [-1.55144]
-0.252984 (0.04573) [-5.53248]
D(LN_SAV(-4))
0.003256 (0.51327) [ 0.00634]
-0.065306 (0.06489) [-1.00644]
D(LN_PDRB(-1))
2.846204 (2.07488) [ 1.37174]
0.189059 (0.26231) [ 0.72076]
D(LN_PDRB(-2))
0.866727 (1.61115) [ 0.53796]
0.404032 (0.20368) [ 1.98364]
D(LN_PDRB(-3))
2.129095 (1.43491) [ 1.48378]
0.335868 (0.18140) [ 1.85152]
6.40
96
D(LN_PDRB(-4))
0.548833 (1.42520) [ 0.38509]
0.287752 (0.18017) [ 1.59708]
C
-0.170711 (0.12154) [-1.40452]
0.010720 (0.01537) [ 0.69765]
0.448805 0.007850 0.245396 0.156651 1.017802 14.35871 -0.564075 -0.116709 0.076314 0.157270
0.859101 0.746383 0.003922 0.019804 7.621634 53.65345 -4.700363 -4.252997 0.052945 0.039324
Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
8.98E-06 56.47141 -4.049622 -3.154890
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
97
Lampiran 17. Hasil Estimasi Kalimantan Selatan Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/11/08 Time: 08:46 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
13.41431 72.76627 78.04249 79.84028 90.32900 95.18070
NA 99.96119 7.775488 2.270886 11.04076* 4.085643
0.001031 3.06E-06 2.73E-06 3.60E-06 2.00E-06* 2.15E-06
-1.201507 -7.028028 -7.162368 -6.930556 -7.613579 -7.703232*
-1.102092 -6.729785* -6.665295 -6.234653 -6.718848 -6.609671
-1.184682 -6.977554 -7.078243 -6.812781 -7.462155 -7.518158*
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 1 Date: 06/11/08 Time: 08:46 Root
Modulus
0.987707 0.801855
0.987707 0.801855
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/11/08 Time: 08:48 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None * At most 1
0.644194 0.228679
28.44646 5.712324
25.32 12.25
30.45 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at the 5% level Trace test indicates no cointegration at the 1% level Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None * At most 1
0.644194 0.228679
22.73414 5.712324
18.96 12.25
23.65 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at the 5% level Max-eigenvalue test indicates no cointegration at the 1% level
98
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV 10.44820 -13.56343
LN_PDRB -44.50578 25.44469
@TREND(84) 2.073470 -0.777088
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
0.060421 0.023458
1 Cointegrating Equation(s):
0.024574 0.001619 Log likelihood
96.04921
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB @TREND(84) 1.000000 -4.259658 0.198452 (0.35391) (0.02214) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) 0.631289 (0.16806) D(LN_PDRB) 0.245092 (0.04374)
ESTIMASI VECM Vector Error Correction Estimates Date: 06/11/08 Time: 08:59 Sample(adjusted): 1984 2006 Included observations: 23 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegration Restrictions: B(1,1)=1,B(1,2)=-1 Convergence achieved after 3 iterations. Restrictions identify all cointegrating vectors LR test for binding restrictions (rank = 1): Chi-square(1) 0.344387 Probability 0.557308 Cointegrating Eq:
CointEq1
LN_SAV(-1)
1.000000
LN_PDRB(-1)
-1.000000
@TREND(83)
0.003242 (0.00665) [ 0.48760]
C
0.726750
Error Correction:
D(LN_SAV)
D(LN_PDRB)
CointEq1
-0.246817 (0.17466) [-1.41312]
-0.024148 (0.06254) [-0.38610]
C
0.063317 (0.02018) [ 3.13835]
0.059239 (0.00722) [ 8.19994]
0.086834 0.043350 0.196601 0.096757 1.996920 22.12826
0.007049 -0.040235 0.025208 0.034646 0.149076 45.74946
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood
99
Akaike AIC Schwarz SC Mean dependent S.D. dependent
-1.750283 -1.651545 0.063317 0.098925
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
-3.804300 -3.705562 0.059239 0.033970 1.88E-06 88.41426 86.32191 -6.897557 -6.551972
100
Lampiran 18. Hasil Estimasi Kalimantan Timur Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/11/08 Time: 10:24 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
49.00370 96.21629 103.1478 105.2351 109.2568 119.4452
NA 79.51595 10.21481* 2.636658 4.233347 8.579726
2.43E-05 2.59E-07 1.94E-07 2.49E-07 2.72E-07 1.67E-07*
-4.947758 -9.496452 -9.805028 -9.603697 -9.605979 -10.25739*
-4.848343 -9.198208 -9.307955* -8.907795 -8.711248 -9.163832
-4.930933 -9.445977 -9.720904 -9.485923 -9.454555 -10.07232*
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 2 Date: 06/11/08 Time: 10:31 Root
Modulus
0.987295 0.513928 - 0.312683i 0.513928 + 0.312683i -0.241164
0.987295 0.601576 0.601576 0.241164
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/11/08 Time: 10:32 Sample(adjusted): 1986 2006 Included observations: 21 after adjusting endpoints Trend assumption: No deterministic trend (restricted constant) Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 2 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.394935 0.232665
16.11227 5.561465
19.96 9.24
24.60 12.97
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.394935 0.232665
10.55080 5.561465
15.67 9.24
20.20 12.97
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels
101
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV -71.72972 -35.91346
LN_PDRB 57.30968 27.69527
C 248.0647 144.2109
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.003962 -0.009023
1 Cointegrating Equation(s):
0.016448 0.010795 Log likelihood
112.8775
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB C 1.000000 -0.798967 -3.458325 (0.01755) (0.31591) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) 0.284179 (0.61779) D(LN_PDRB) 0.647232 (0.44853)
ESTIMASI VAR Vector Autoregression Estimates Date: 06/11/08 Time: 10:34 Sample(adjusted): 1986 2006 Included observations: 21 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] D(LN_SAV)
D(LN_PDRB)
D(LN_SAV(-1))
-0.716154 (0.47361) [-1.51213]
-0.741743 (0.35681) [-2.07883]
D(LN_SAV(-2))
0.201128 (0.48715) [ 0.41287]
0.259422 (0.36701) [ 0.70686]
D(LN_PDRB(-1))
0.650404 (0.59027) [ 1.10188]
1.077492 (0.44470) [ 2.42296]
D(LN_PDRB(-2))
-0.290608 (0.57103) [-0.50892]
-0.372195 (0.43020) [-0.86516]
C
0.030411 (0.01432) [ 2.12292]
0.024708 (0.01079) [ 2.28942]
0.143303 -0.070872 0.019704 0.035093 0.669093 43.40254 -3.657385 -3.408689 0.028212 0.033912
0.269054 0.086318 0.011184 0.026438 1.472362 49.34926 -4.223739 -3.975043 0.035036 0.027659
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
102
Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
1.58E-07 104.8746 -9.035676 -8.538285
103
Lampiran 19. Hasil Estimasi Sulawesi Utara Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/11/08 Time: 11:17 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
2.299872 66.78909 73.64146 76.89303 79.46598 81.00317
NA 108.6134 10.09822* 4.107254 2.708369 1.294470
0.003322 5.73E-06 4.33E-06* 4.91E-06 6.26E-06 9.55E-06
-0.031565 -6.398852 -6.699101* -6.620319 -6.470103 -6.210860
0.067849 -6.100608 -6.202027* -5.924417 -5.575372 -5.117299
-0.014741 -6.348377 -6.614976* -6.502545 -6.318679 -6.025786
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 2 Date: 06/11/08 Time: 11:18 Root
Modulus
0.979181 0.770617 0.513788 -0.220582
0.979181 0.770617 0.513788 0.220582
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/11/08 Time: 11:18 Sample(adjusted): 1986 2006 Included observations: 21 after adjusting endpoints Trend assumption: Linear deterministic trend Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 2 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None * At most 1
0.543213 0.008842
16.64079 0.186509
15.41 3.76
20.04 6.65
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at the 5% level Trace test indicates no cointegration at the 1% level Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None * At most 1
0.543213 0.008842
16.45428 0.186509
14.07 3.76
18.63 6.65
*(**) denotes rejection of the hypothesis at the 5%(1%) level
104
Max-eigenvalue test indicates 1 cointegrating equation(s) at the 5% level Max-eigenvalue test indicates no cointegration at the 1% level Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV 6.954037 -3.325667
LN_PDRB -4.959605 6.132049
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.049626 -0.002543
1 Cointegrating Equation(s):
-0.001725 -0.002151 Log likelihood
85.50328
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB 1.000000 -0.713198 (0.11550) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) -0.345103 (0.08810) D(LN_PDRB) -0.017683 (0.04129)
ESTIMASI VECM Vector Error Correction Estimates Date: 06/11/08 Time: 11:31 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegration Restrictions: B(1,1)=1,B(1,2)=-1 Convergence achieved after 5 iterations. Restrictions identify all cointegrating vectors LR test for binding restrictions (rank = 1): Chi-square(1) 1.813901 Probability 0.178041 Cointegrating Eq:
CointEq1
LN_SAV(-1)
1.000000
LN_PDRB(-1)
-1.000000
@TREND(83)
0.021190 (0.00830) [ 2.55200]
C
0.821900
Error Correction:
D(LN_SAV)
D(LN_PDRB)
CointEq1
-0.247567 (0.07298) [-3.39227]
-0.012913 (0.03103) [-0.41612]
D(LN_SAV(-1))
-0.035042 (0.17058) [-0.20543]
0.045467 (0.07254) [ 0.62682]
D(LN_PDRB(-1))
2.577585 (0.57947) [ 4.44820]
0.329507 (0.24640) [ 1.33727]
105
C
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
-0.090681 (0.03166) [-2.86464]
0.037343 (0.01346) [ 2.77422]
0.635513 0.574765 0.068761 0.061806 10.46148 32.23318 -2.566653 -2.368281 0.050796 0.094781
0.196303 0.062353 0.012433 0.026282 1.465496 51.04626 -4.276933 -4.078561 0.057622 0.027141
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
2.13E-06 85.63295 81.21819 -6.383472 -5.837951
106
Lampiran 20. Hasil Estimasi Sulawesi Tengah Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/11/08 Time: 11:59 Sample: 1983 2006 Included observations: 23 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1
-6.326283 75.48623
NA 142.2826*
0.007072 8.17E-06*
0.724025 -6.042281*
0.822763 -5.746065*
0.748857 -5.967784*
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 1 Date: 06/11/08 Time: 11:59 Root
Modulus
0.901976 - 0.017550i 0.901976 + 0.017550i
0.902147 0.902147
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/11/08 Time: 12:01 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Trend assumption: No deterministic trend Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None * At most 1 *
0.291120 0.226955
13.23269 5.663183
12.53 3.84
16.31 6.51
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 2 cointegrating equation(s) at the 5% level Trace test indicates no cointegration at the 1% level Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1 *
0.291120 0.226955
7.569505 5.663183
11.44 3.84
15.69 6.51
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV -3.103465
LN_PDRB 2.754868
107
-1.506997
1.505514
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
0.043644 -0.006486
1 Cointegrating Equation(s):
0.032271 0.007437 Log likelihood
77.24108
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB 1.000000 -0.887675 (0.01741) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) -0.135447 (0.06839) D(LN_PDRB) 0.020129 (0.01325)
ESTIMASI VECM Vector Error Correction Estimates Date: 06/11/08 Time: 12:07 Sample(adjusted): 1984 2006 Included observations: 23 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
LN_SAV(-1)
1.000000
LN_PDRB(-1)
-0.844633 (0.27397) [-3.08298]
C
-0.972521
Error Correction:
D(LN_SAV)
D(LN_PDRB)
CointEq1
-0.166471 (0.05469) [-3.04402]
0.008515 (0.01598) [ 0.53288]
C
0.101497 (0.02049) [ 4.95430]
0.060220 (0.00599) [ 10.0605]
0.306154 0.273113 0.202715 0.098250 9.266065 21.77604 -1.719656 -1.620917 0.101497 0.115239
0.013342 -0.033642 0.017305 0.028707 0.283964 50.07500 -4.180435 -4.081697 0.060220 0.028236
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
7.30E-06 72.83516 70.74281 -5.629810 -5.333594
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
108
Lampiran 21. Hasil Estimasi Sulawesi Selatan Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/11/08 Time: 12:45 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
15.67042 70.74637 73.37982 76.99536 85.42805 95.31058
NA 92.75949* 3.880880 4.566998 8.876518 8.322127
0.000813 3.78E-06 4.45E-06 4.86E-06 3.34E-06 2.12E-06*
-1.438992 -6.815407 -6.671560 -6.631091 -7.097690 -7.716903*
-1.339577 -6.517163 -6.174487 -5.935188 -6.202958 -6.623342*
-1.422167 -6.764932 -6.587436 -6.513316 -6.946266 -7.531829*
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 5 Date: 06/11/08 Time: 12:45 Root
Modulus
0.986374 -0.571571 + 0.702864i -0.571571 - 0.702864i 0.326454 - 0.777186i 0.326454 + 0.777186i 0.683468 - 0.388095i 0.683468 + 0.388095i -0.699488 0.549362 0.212844
0.986374 0.905932 0.905932 0.842965 0.842965 0.785968 0.785968 0.699488 0.549362 0.212844
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/11/08 Time: 12:46 Sample(adjusted): 1989 2006 Included observations: 18 after adjusting endpoints Trend assumption: Linear deterministic trend Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 5 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1
0.884927 0.001491
38.94619 0.026857
15.41 3.76
20.04 6.65
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels Hypothesized
Max-Eigen
5 Percent
1 Percent
109
No. of CE(s)
Eigenvalue
Statistic
Critical Value
Critical Value
None ** At most 1
0.884927 0.001491
38.91933 0.026857
14.07 3.76
18.63 6.65
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV 27.52211 -31.72299
LN_PDRB -29.29958 45.12012
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.025549 0.001330
1 Cointegrating Equation(s):
-0.000823 -0.000625 Log likelihood
106.3217
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB 1.000000 -1.064583 (0.03978) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) -0.703161 (0.26103) D(LN_PDRB) 0.036599 (0.18190)
ESTIMASI VECM Vector Error Correction Estimates Date: 06/11/08 Time: 12:46 Sample(adjusted): 1988 2006 Included observations: 19 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
LN_SAV(-1)
1.000000
LN_PDRB(-1)
-1.099288 (0.04652) [-23.6286]
C
3.136468
Error Correction:
D(LN_SAV)
D(LN_PDRB)
CointEq1
-0.641452 (0.10983) [-5.84055]
-0.131421 (0.07627) [-1.72319]
D(LN_SAV(-1))
-0.015494 (0.17280) [-0.08966]
-0.015241 (0.12000) [-0.12701]
D(LN_SAV(-2))
0.094537 (0.16606) [ 0.56929]
0.015259 (0.11532) [ 0.13232]
D(LN_SAV(-3))
0.428017 (0.15481) [ 2.76471]
0.211104 (0.10751) [ 1.96364]
110
D(LN_SAV(-4))
-0.302083 (0.16857) [-1.79207]
-0.016353 (0.11706) [-0.13970]
D(LN_PDRB(-1))
1.537931 (0.58062) [ 2.64877]
0.470855 (0.40319) [ 1.16781]
D(LN_PDRB(-2))
0.078883 (0.51163) [ 0.15418]
-0.087352 (0.35528) [-0.24587]
D(LN_PDRB(-3))
0.297832 (0.51131) [ 0.58249]
-0.243586 (0.35506) [-0.68603]
D(LN_PDRB(-4))
-0.219076 (0.50025) [-0.43794]
0.117186 (0.34738) [ 0.33734]
C
-0.024864 (0.03948) [-0.62982]
0.027877 (0.02741) [ 1.01688]
0.895740 0.791481 0.020069 0.047221 8.591451 38.14394 -2.962520 -2.465447 0.084601 0.103411
0.484828 -0.030345 0.009678 0.032791 0.941097 45.07286 -3.691880 -3.194807 0.056567 0.032305
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
6.75E-07 95.26071 81.06363 -6.217225 -5.123664
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
111
Lampiran 22. Hasil Estimasi Sulawesi Tenggara Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/11/08 Time: 13:29 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
20.24682 68.44749 71.98351 76.60808 80.05600 89.48919
NA 81.18007* 5.210990 5.841551 3.629398 7.943737
0.000502 4.81E-06 5.16E-06 5.06E-06 5.88E-06 3.91E-06*
-1.920718 -6.573420 -6.524580 -6.590324 -6.532211 -7.104125*
-1.821303 -6.275176* -6.027507 -5.894421 -5.637479 -6.010564
-1.903893 -6.522945 -6.440456 -6.472549 -6.380787 -6.919051*
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 1 Date: 06/11/08 Time: 13:30 Root
Modulus
0.975036 0.293826
0.975036 0.293826
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/11/08 Time: 13:30 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.486590 0.288564
22.15731 7.490333
25.32 12.25
30.45 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.486590 0.288564
14.66698 7.490333
18.96 12.25
23.65 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
112
LN_SAV 19.04119 -6.835000
LN_PDRB -35.93320 -0.487430
@TREND(84) 0.573164 0.517833
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.066698 -0.010300
1 Cointegrating Equation(s):
0.013354 0.013250 Log likelihood
81.71613
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB @TREND(84) 1.000000 -1.887130 0.030101 (0.17774) (0.01083) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) -1.270011 (0.32710) D(LN_PDRB) -0.196130 (0.12046) ESTIMASI VAR Vector Autoregression Estimates Date: 06/11/08 Time: 13:31 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] D(LN_SAV)
D(LN_PDRB)
D(LN_SAV(-1))
-0.829669 (0.29684) [-2.79496]
-0.185684 (0.08638) [-2.14966]
D(LN_PDRB(-1))
2.844258 (1.03703) [ 2.74269]
0.877270 (0.30177) [ 2.90713]
C
-0.036002 (0.05422) [-0.66398]
0.021890 (0.01578) [ 1.38741]
0.311981 0.239558 0.214729 0.106309 4.307754 19.70698 -1.518817 -1.370038 0.077271 0.121909
0.308808 0.236051 0.018182 0.030935 4.244373 46.86530 -3.987754 -3.838976 0.062453 0.035393
Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
5.32E-06 71.15736 -5.923397 -5.625840
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
113
Lampiran 23. Hasil Estimasi NTB Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/11/08 Time: 13:39 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
0.531195 51.05255 56.78432 62.52782 62.86800 63.91071
NA 85.08859* 8.446823 7.254952 0.358084 0.878066
0.004002 3.00E-05 2.55E-05 2.23E-05* 3.59E-05 5.77E-05
0.154611 -4.742373 -4.924665 -5.108192* -4.722948 -4.411653
0.254026 -4.444130* -4.427592 -4.412290 -3.828216 -3.318092
0.171436 -4.691899 -4.840541 -4.990418* -4.571524 -4.226579
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 1 Date: 06/11/08 Time: 13:40 Root
Modulus
0.982774 0.738567
0.982774 0.738567
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/11/08 Time: 13:41 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.469451 0.212746
19.20702 5.262487
25.32 12.25
30.45 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.469451 0.212746
13.94453 5.262487
18.96 12.25
23.65 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
114
LN_SAV 0.632152 -7.982234
LN_PDRB -29.53555 21.36642
@TREND(84) 1.936829 -0.573985
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
0.111970 0.038765
1 Cointegrating Equation(s):
0.024803 -0.002825 Log likelihood
65.77431
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB @TREND(84) 1.000000 -46.72225 3.063867 (11.0673) (0.76126) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) 0.070782 (0.01946) D(LN_PDRB) 0.024505 (0.00621)
EASTIMASI VAR Vector Autoregression Estimates Date: 06/11/08 Time: 13:41 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] D(LN_SAV)
D(LN_PDRB)
D(LN_SAV(-1))
0.599346 (0.48706) [ 1.23054]
0.090219 (0.16111) [ 0.55998]
D(LN_PDRB(-1))
-1.964929 (1.50718) [-1.30372]
-0.280392 (0.49855) [-0.56242]
C
0.164871 (0.06958) [ 2.36950]
0.070249 (0.02302) [ 3.05215]
0.083177 -0.013330 0.651158 0.185126 0.861872 7.503858 -0.409442 -0.260663 0.100532 0.183904
0.017244 -0.086204 0.071248 0.061236 0.166695 31.84235 -2.622032 -2.473253 0.061567 0.058756
Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
2.19E-05 55.57677 -4.506979 -4.209422
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
115
Lampiran 24. Hasil Estimasi NTT Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 06/12/08 Time: 16:26 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
-21.32869 41.58948 42.87547 48.79417 50.12731 59.07229
NA 105.9674* 1.895134 7.476252 1.403315 7.532610
0.039959 8.14E-05* 0.000110 9.46E-05 0.000137 9.61E-05
2.455651 -3.746261 -3.460575 -3.662544 -3.381823 -3.902346*
2.555066 -3.448017* -2.963502 -2.966641 -2.487091 -2.808785
2.472476 -3.695787 -3.376451 -3.544769 -3.230398 -3.717272*
* 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 Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 1 Date: 06/12/08 Time: 16:25 Root
Modulus
0.996398 - 0.048985i 0.996398 + 0.048985i
0.997601 0.997601
No root lies outside the unit circle. VAR satisfies the stability condition. Kointegrasi Date: 06/12/08 Time: 16:27 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.419453 0.087974
13.98919 2.025908
25.32 12.25
30.45 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates no cointegration at both 5% and 1% levels Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None At most 1
0.419453 0.087974
11.96328 2.025908
18.96 12.25
23.65 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels
116
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV 2.833159 -0.096393
LN_PDRB -27.89307 14.54062
@TREND(84) 1.467422 -0.650799
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.149847 0.006507
1 Cointegrating Equation(s):
-0.047666 -0.006144 Log likelihood
54.65607
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB @TREND(84) 1.000000 -9.845219 0.517945 (2.24292) (0.12769) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) -0.424540 (0.15930) D(LN_PDRB) 0.018437 (0.01475) ESTIMASI VAR Vector Autoregression Estimates Date: 06/12/08 Time: 16:28 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] D(LN_SAV)
D(LN_PDRB)
D(LN_SAV(-1))
0.395553 (0.23518) [ 1.68192]
0.027646 (0.01922) [ 1.43845]
D(LN_PDRB(-1))
-1.287646 (2.70306) [-0.47637]
0.229336 (0.22090) [ 1.03820]
C
0.046193 (0.15528) [ 0.29748]
0.038020 (0.01269) [ 2.99612]
0.129949 0.038365 1.745885 0.303132 1.418900 -3.345060 0.576824 0.725602 -0.039543 0.309119
0.197632 0.113172 0.011660 0.024772 2.339956 51.75267 -4.432061 -4.283283 0.048163 0.026305
Determinant Residual Covariance Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
5.50E-05 45.44916 -3.586287 -3.288730
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
117
Lampiran 25. Hasil Estimasi Maluku Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 07/17/08 Time: 15:08 Sample: 1983 2006 Included observations: 21 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3
-30.28161 11.73351 22.15142 26.98826
NA 72.02593 15.87491* 6.449111
0.074187 0.001993 0.001098 0.001049*
3.074439 -0.546049 -1.157279 -1.236977*
3.173918 -0.247614 -0.659887* -0.540629
3.096029 -0.481281 -1.049332 -1.085852*
* 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
Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 2 Date: 07/17/08 Time: 15:11 Root
Modulus
0.817832 0.568484 - 0.316611i 0.568484 + 0.316611i 0.559025
0.817832 0.650705 0.650705 0.559025
No root lies outside the unit circle. VAR satisfies the stability condition.
Kointegrasi Date: 07/17/08 Time: 15:13 Sample(adjusted): 1986 2006 Included observations: 21 after adjusting endpoints Trend assumption: Linear deterministic trend (restricted) Series: LN_SAV LN_PDRB Lags interval (in first differences): 1 to 2 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)
Eigenvalue
Trace Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1
0.675968 0.288661
30.81788 7.152720
25.32 12.25
30.45 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels Hypothesized No. of CE(s)
Eigenvalue
Max-Eigen Statistic
5 Percent Critical Value
1 Percent Critical Value
None ** At most 1
0.675968 0.288661
23.66516 7.152720
18.96 12.25
23.65 16.26
*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at both 5% and 1% levels
118
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): LN_SAV 3.155583 -0.595454
LN_PDRB -16.66429 8.802088
@TREND(84) 0.666400 -0.195715
Unrestricted Adjustment Coefficients (alpha): D(LN_SAV) D(LN_PDRB)
-0.355409 -0.004635
1 Cointegrating Equation(s):
-0.099012 -0.033416 Log likelihood
29.00356
Normalized cointegrating coefficients (std.err. in parentheses) LN_SAV LN_PDRB @TREND(84) 1.000000 -5.280891 0.211181 (0.35469) (0.01573) Adjustment coefficients (std.err. in parentheses) D(LN_SAV) -1.121521 (0.25048) D(LN_PDRB) -0.014625 (0.05074)
ESTIMASI VECM Vector Error Correction Estimates Date: 07/17/08 Time: 15:14 Sample(adjusted): 1985 2006 Included observations: 22 after adjusting endpoints Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:
CointEq1
LN_SAV(-1)
1.000000
LN_PDRB(-1)
-5.754402 (0.57819) [-9.95243]
@TREND(83)
0.219450 (0.02434) [ 9.01493]
C
72.56643
Error Correction:
D(LN_SAV)
D(LN_PDRB)
CointEq1
-0.649647 (0.19388) [-3.35069]
0.012169 (0.03106) [ 0.39174]
D(LN_SAV(-1))
0.538428 (0.20065) [ 2.68339]
-0.018529 (0.03215) [-0.57638]
D(LN_PDRB(-1))
2.378883 (1.66545) [ 1.42838]
0.686136 (0.26683) [ 2.57143]
C
-0.092780 (0.10597) [-0.87556]
0.010529 (0.01698) [ 0.62018]
0.668465 0.613209
0.348080 0.239427
R-squared Adj. R-squared
119
Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
3.224575 0.423253 12.09764 -10.09399 1.281272 1.479644 0.004269 0.680553
0.082772 0.067812 3.203587 30.19315 -2.381195 -2.182824 0.034323 0.077756
Determinant Residual Covariance Log Likelihood Log Likelihood (d.f. adjusted) Akaike Information Criteria Schwarz Criteria
0.000532 24.91024 20.49548 -0.863226 -0.317704
120
Lampiran 26. Hasil Estimasi Papua Lag Optimum VAR Lag Order Selection Criteria Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Date: 07/09/08 Time: 09:31 Sample: 1983 2006 Included observations: 19 Lag
LogL
LR
FPE
AIC
SC
HQ
0 1 2 3 4 5
-2.195160 38.56701 51.04056 51.32112 53.23821 56.48564
NA 68.65208 18.38207* 0.354400 2.017986 2.734678
0.005332 0.000112 4.68E-05* 7.25E-05 9.90E-05 0.000126
0.441596 -3.428106 -4.320058* -3.928539 -3.709285 -3.630067
0.541010 -3.129862 -3.822985* -3.232637 -2.814553 -2.536506
0.458421 -3.377632 -4.235934* -3.810765 -3.557861 -3.444993
* 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
Kestabilan Roots of Characteristic Polynomial Endogenous variables: LN_SAV LN_PDRB Exogenous variables: C Lag specification: 1 1 Date: 07/09/08 Time: 09:32 Root
Modulus
1.023105 0.661263
1.023105 0.661263
Warning: At least one root outside the unit circle. VAR does not satisfy the stability condition.
