ANALISIS PENGARUH NERACA PEMBAYARAN TERHADAP NILAI TUKAR RUPIAH OLEH RUDI ARDIANSYAH H

ANALISIS PENGARUH NERACA PEMBAYARAN  TERHADAP NILAI TUKAR RUPIAH 

OLEH  RUDI ARDIANSYAH  H14102109 

DEPARTEMEN ILMU EKONOMI  FAKULTAS EKONOMI DAN MANAJEMEN  INSTITUT PERTANIAN BOGOR  2006

RINGKASAN 

RUDI  ARDIANSYAH.  Analisis  Pengaruh  Neraca  Pembayaran  Terhadap  Nilai  Tukar Rupiah (dibimbing oleh ANNY RATNAWATI).  Indonesia yang menganut sistem ekonomi terbuka kecil, tidak terlepas dari  pengaruh  perkembangan  ekonomi  negara  lain.  Sistem  ekonomi  yang  diterapkan  ini menyebabkan adanya aliran sumberdaya dan dana dari suatu negara ke negara  lain.  Adanya  aliran  sumberdaya  dan  dana  tersebut  akan  dicatat  melalui  suatu  pencatatan  yang  sistemetis  yang  disebut  neraca  pembayaran.  Dengan  neraca  pembayaran dapat dilihat besarnya perubahan penawaran dan permintaan terhadap  valuta  asing,  sehingga  melalui  neraca  pembayaran  dapat  dilakukan  penelitian  bagaimana fluktuasi nilai tukar Rupiah terhadap mata uang asing.  Tujuan dari penelitian ini adalah untuk mengetahui berapa besar pengaruh  jangka  pendek  dan  jangka  panjang  neraca  pembayaran  terhadap  nilai  tukar  Rupiah, menganalisis bagaimana pengaruh guncangan current account dan capital  account  terhadap  nilai  tukar  Rupiah  dan  mengetahui  komponen  apakah  dari  neraca  pembayaran  yang  memberikan  pengaruh  lebih  besar  terhadap  nilai  tukar  Rupiah.  Serta  mengetahui  kontribusi  beberapa  variabel  dalam  model  yang  dapat  mempengaruhi  pergerakan  nilai  tukar  Rupiah.  Metode  analisis  yang  digunakan  dalam  penelitian  ini  adalah  metode  analisis  Vector  Error  Corection  Model  (VECM).  Hasil  estimasi  persamaan  jangka  pendek  menunjukkan  bahwa  ternyata  variabel  yang signifikan mempengaruhi nilai tukar Rupiah hanya capital account  satu  triwulan  yang  lalu,  current  account  satu  triwulan  yang  lalu,  tingkat  suku  bunga dua triwulan yang lalu, dummy krisis pada satu dan dua triwulan yang lalu.  Pertumbuhan current account satu triwulan, capital account satu dan dua triwulan  yang  lalu  menyebabkan  nilai  tukar  Rupiah  mengalami  apresiasi.  Sementara  itu,  pertumbuhan tingkat suku bunga dua triwulan yang lalu dan adanya dummy krisis  satu  dan  dua  triwulan  yang  lalu  menyebabkan  nilai  tukar  Rupiah  mengalami  depresiasi.  Hasil  estimasi  persamaan  jangka  panjang  untuk  nilai  tukar  Rupiah  menunjukkan  bahwa  ternyata  variabel  yang  dapat  mempengaruhi  nilai  tukar  Rupiah  adalah  capital  account,  produk  domestik  bruto,  current  account  dan  dummy  krisis.  Kenaikan  capital  account  dan  produk  domestik  bruto  menyebabkan  nilai  tukar  Rupiah  mengalami  apresiasi.  Sementara  itu,  kenaikan  variabel  current  account  dan  adanya  dummy  krisis  menyebabkan  nilai  tukar  Rupiah mengalami depresiasi.  Hasil  analisis  struktur  dinamis  dengan  menggunakan  Forecast  Error  Variance  Decomposition  (FEVD)  menunjukkan  bahwa  ternyata  variabel  yang  memberikan  kontribusi  besar  terhadap  nilai  tukar  Rupiah  adalah  variabel  nilai  tukar rupiah itu sendiri, dummy  krisis dan tingkat suku bunga. Sedangkan untuk  variabel current account dan capital account hanya memberikan kontribusi  yang  kecil dalam mempengaruhi nilai tukar Rupiah. Sementara itu, dengan berdasarkan  hasil  dari  FEVD  ternyata  variabel  capital  account  mempunyai  kontribusi  yang  lebih  besar  dalam  mempengaruhi  nilai  tukar  Rupiah  jika  dibandingkan  dengan  variabel  current  account  mulai  dari  triwulan  ketiga  sampai  dengan  periode  ke

depan.  Hal  ini  dapat  disimpulkan  bahwa  jika  pemerintah  melakukan  kebijakan  dengan  upaya  meningkatkan  capital  account  dan  current  account  untuk  mempengaruhi pergerakan nilai tukar maka hal tersebut tidak efektif karena hanya  memberikan  kontribusi  yang  kecil  dalam  mempengaruhi  pergerakan  nilai  tukar  Rupiah.  Respon  nilai  tukar  Rupiah  akibat  guncangan  variabel  capital  account  menyebabkan  nilai  tukar  Rupiah mengalami  depresiasi  sebesar  5,08 persen  pada  triwulan  kelima dan  guncangan mulai menghilang  ketika memasuki triwulan  ke­  25.  Sementara  itu,  guncangan  current  account  menyebabkan  nilai  tukar  Rupiah  mengalami  apresiasi  sebesar  2,17  persen  pada  triwulan  pertama  dan  pengaruh  guncangan mulai menghilang ketika memasuki triwulan ke­30.  Saran  yang  dapat  diberikan  dalam  penelitian  ini  yaitu  Bank  Indonesia  sebaiknya  tidak  menggunakan  instrumen  kebijakan  moneter  seperti  halnya  kenaikan  tingkat  suku  bunga  untuk  meningkatkan  kinerja  neraca  pembayaran  khususnya capital account karena peningkatan pada capital account dalam tujuan  memperbaiki  pergerakan nilai  tukar  Rupiah  tidak  efektif  dan  hanya  memberikan  kontribusi  yang  kecil  dalam  mengontrol  pergerakan  nilai  tukar  Rupiah.  Pemerintah  sebaiknya  melakukan  kebijakan  yang  tepat  agar  peningkatan  yang  terjadi  pada  capital  account  maupun  current  account  dapat  mencirikan  adanya  peningkatan  terhadap  penawaran  valuta  asing  yang  masuk  ke  domestik.  Berdasarkan model yang dikembangkan dalam penelitian ini maka untuk menjaga  kestabilan  nilai  tukar  Rupiah  diperlukan  suatu  penanganan  terhadap  nilai  tukar  Rupiah  itu  sendiri  yaitu  dengan  mengurangi  ekspetasi  yang  besar  terhadap  pergerakan  nilai  tukar  Rupiah  dan  mengurangi  aksi  spekulasi  yang  bertujuan  mengambil  keuntungan  terhadap  terdepresiasi  dan  terapresiasinya  nilai  tukar  Rupiah.

ANALISIS PENGARUH NERACA PEMBAYARAN  TERHADAP NILAI TUKAR RUPIAH 

Oleh  RUDI ARDIANSYAH  H14102109 

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

DEPARTEMEN ILMU EKONOMI  FAKULTAS EKONOMI DAN MANAJEMEN  INSTITUT PERTANIAN BOGOR  2006

INSTITUT PERTANIAN BOGOR  FAKULTAS EKONOMI DAN MANAJEMEN  DEPARTEMEN ILMU EKONOMI  Dengan ini menyatakan bahwa skripsi yang disusun oleh:  Nama Mahasiswa 

: Rudi Ardiansyah 

Nomor Registrasi Pokok 

: H14102109 

Departemen 

: Ilmu Ekonomi 

Judul Skripsi 

: Analisis Pengaruh Neraca Pembayaran  Terhadap Nilai Tukar Rupiah 

dapat  diterima  sebagai  syarat  untuk  memperoleh  gelar  Sarjana  Ekonomi  pada  Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian  Bogor 

Menyetujui,  Dosen Pembimbing 

Dr. Ir. Anny Ratnawati, MS.  NIP. 131669947 

Mengetahui,  Ketua Departemen 

Dr. Ir. Rina Oktaviani, MS  NIP 131846872 

Tanggal Kelulusan:

PERNYATAAN 

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

Bogor, Agustus 2006 

Rudi Ardiansyah  H14102109

RIWAYAT HIDUP 

Penulis  bernama  Rudi Ardiansyah,  lahir  pada  tanggal  21  januari  1984 di  Jakarta.  Penulis merupakan  anak  kedua dari  tujuh  bersaudara.  Pada  tahun  1990­  1996  penulis  menyelesaikan  sekolah  dasar  di  SDN  08  Petang  Jakarta  Selatan,  kemudian melanjutkan sekolah SLTPN 145 Menteng Pulo, Jakarta Selatan. Tahun  2002  penulis  lulus  dari  SMUN  37  Asem  baris,  Jakarta  Selatan  dan  diterima  di  Departemen  Ilmu  Ekonomi  IPB  melalui  jalur  Seleksi  Penerimaan  Mahasiswa  Baru (SPMB).  Selama  menjadi  mahasiswa,  penulis  aktif  dibeberapa  organisasi  kemahasiswaan  diantaranya  di  Forum  Mahasiswa  Muslim  dan  Studi  Islam  (FORMASI)  sebagai  anggota  Departemen  Ekonomi  dan  Kewirausahaan  dan  menjadi  pengurus  di  Himpunan  Profesi  dan  Peminat  Ilmu­ilmu  Ekonomi  dan  Studi Pembangunan (HIPOTESA).  Sebagai  syarat  untuk  memperoleh  gelar  Sarjana  Ekonomi  pada  Fakultas  Ekonomi dan Manajemen, Institut Pertanian Bogor, penulis melakukan penelitian  mengenai “Pengaruh Neraca Pembayaran Terhadap Nilai Tukar Rupiah”.

KATA PENGANTAR 

Puji syukur penulis ucapkan kehadirat Allah SWT atas segala rahmat dan  hidayah­Nya  sehingga penulis  dapat  menyelesaikan  penyusunan  skripsi  ini  yang  berjudul  “Analisis  Pengaruh  Neraca  Pembayaran  Terhadap  Nilai  Tukar  Rupiah”. Skripsi  ini  disusun  sebagai  salah  satu  syarat  untuk  memperoleh  gelar  Sarjana Ekonomi di Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.  Secara umum penelitian ini bertujuan untuk menganalisis secara empiris pengaruh  neraca pembayaran terhadap nilai tukar Rupiah.  Penulis  mengucapkan  terima  kasih  yang  sebesar­besarnya  kepada  pihak­  pihak  yang  telah  memberikan  kontribusi  bagi  penyelesaian  skripasi  ini,  antara  lain:  1. 

Dr.  Ir.  Anny  Ratnawati,  MS  selaku  pembimbing  skripsi  yang  telah  memberikan  bimbingan  secara  teknis  maupun  teoritis  dalam  proses  penyusunan skripsi ini sehingga dapat terselesaikan dengan baik. 

2. 

Firdaus, M.Si selaku dosen penguji utama dalam sidang skripsi, yang telah  memberikan  kritik  dan  saran  yang  sangat  berharga  dalam  penyelesaian  skripsi ini. 

3. 

Jaenal  Effendi,  MA  selaku  komisi  pendidikan  dalam  sidang  skripsi  dam  yang telah memberikan banyak masukan bagi penulisan skripsi ini. 

4. 

Adrian  D.  Lubis,  MS  yang  telah  membantu  penulis  dalam  proses  pengolahan data skripsi. 

5. 

Abdul  Rahman  dan  Zakiah  yang  selalu  mencurahkan  kasih  sayang  yang  tak  terhingga  nilainya,  mendukung  serta  mendoakan  ananda  sehingga  ananda mempu menyelesaikan skripsi ini. 

6. 

Rika,  Firman,  Rini,  Ferdi,  Gita  dan  Riska  yang  selalu  memberikan  keceriaan di rumah dan selalu memberikan semangat bagi penulis. 

7. 

Teman­teman  satu  bimbingan:  Ratna,  Lia  dan  Ary  atas  bantuan  dan  diskusi yang menyenangkan dalam penyusunan skripsi ini. 

8. 

Wisma  Sri  crew:  Aprian,  Wahyu,  Asep,  Isal  dan  Dwi  yang  selalu  memberikan dukungan kepada penulis setiap saat.

9. 

Teh Feti Patricia dan de’ Ida karena selalu menjadi sumber inspirasi bagi  penulis  yang  tak  lekang  dari  benak  penulis  sehingga  penulis  selalu  memiliki semangat untuk menjalani segala aktivitas penulis. 

10. 

Last  but  not  the  least,  teman  satu  seperjuangan  penulis  IE  39,  Ade,  Andros, Isma, Jun, Iqbal, Imam, Fikri, Royan, Thamic semoga kita meraih  kesuksesan di masa yang akan datang.  Semoga  skripsi  ini  dapat  menyampaikan  ilmu  yang  memberikan  banyak 

manfaat bagi segala pihak. 

Bogor, Agustus 2006 

Rudi Ardiansyah  H14102109

DAFTAR ISI 

Halaman  KATA PENGANTAR ......................................................................... 

x 

DAFTAR ISI ....................................................................................... 

xi 

DAFTAR TABEL ............................................................................... 

xiv 

DAFTAR GAMBAR........................................................................... 

xv 

DAFTAR LAMPIRAN........................................................................ 

xvi 

I.       PENDAHULUAN ...................................................................... 

1 

1.1.  Latar Belakang .................................................................... 

1 

1.2.  Perumusan Masalah............................................................. 

5 

1.3.  Tujuan Penelitian................................................................. 

10 

1.4.  Manfaat Penelitian............................................................... 

10 

1.5.  Ruang Lingkup Penelitian.................................................... 

11 

TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN ....... 

12 

2.1.  Tinjauan Pustaka ................................................................. 

12 

2.1.1.  Pengertian Neraca Pembayaran .................................. 

12 

2.1.2.  Definisi Nilai Tukar ................................................... 

13 

2.2.  Kerangka Teori.................................................................... 

14 

2.2.1.  Sistem Nilai Tukar Mengambang Penuh .................... 

14 

2.2.2.  Sistem Nilai Tukar Mengambang Terkendali ............. 

15 

2.2.3.  Persamaan Ekspor dan Impor..................................... 

16 

2.2.4.  Proses Penyesuaian Neraca Berjalan  dan Neraca Modal...................................................... 

17 

2.2.5.  Neraca Modal dan Keseimbangan  Neraca Pembayaran ................................................... 

18 

2.2.6.  Investasi Asing Bersih dan Neraca Perdagangan ........ 

19 

2.2.7.  Pasar Barang, Kurva IS dan Pergeseran Kurva IS....... 

21 

2.2.8.  Pasar Uang, Kurva LM dan Pergeseran Kurva LM..... 

22 

2.2.9.  Pengaruh Investasi Asing Bersih dan Ekspor Bersih  terhadap Nilai Tukar .................................................. 

24 

2.2.10. Vector Autoregression (VAR) ................................... 

25 

2.3.  Tinjauan Penelitian Terdahulu ............................................. 

29

II. 

2.4.  Kerangka Pemikiran Operasional......................................... 

31 

2.5.  Definisi Variabel ................................................................. 

33 

2.6.  Hipotesa Penelitian.............................................................. 

33 

III.    METODE PENELITIAN ............................................................ 

35 

3.1.  Lokasi dan Waktu Penelitian ............................................... 

35 

3.2.  Metode Pengumpulan Data.................................................. 

35 

3.3.  Metode Analisis Penelitian .................................................. 

35 

3.3.1.  Model Analisis Penelitian .......................................... 

36 

3.3.2.  Pengujian Akar Unit .................................................. 

37 

3.3.3.  Penetapan Lag Optimal .............................................. 

37 

3.3.4.  Pengujian Rank Kointegrasi ....................................... 

37 

3.3.5.  Impulse Response Function (IRF) .............................. 

38 

3.3.6.  Forecast Error Variance Decomporition (FEVD) ...... 

38 

IV.  PERKEMBANGAN NERACA PEMBAYARAN DAN  NILAI TUKAR RUPIAH............................................................ 

39 

4.1. Perkembangan Neraca Pembayaran Indonesia ...................... 

39 

4.2. Perkembangan Neraca Berjalan (Current Account)............... 

42 

4.3. Perkembangan Neraca Modal (Capital Account)................... 

43 

4.4. Perkembangan Pergerakan Nilai Tukar Rupiah..................... 

45 

HASIL DAN PEMBAHASAN.................................................... 

48 

5.1. Pengujian Akar Unit ............................................................. 

48 

5.2. Pengujian Lag Optimal......................................................... 

49 

5.3. Pengujian Kointegrasi........................................................... 

49 

5.4. Hasil Estimasi untuk Persamaan Jangka Pendek  dan Jangka Panjang .............................................................. 

51 

5.4.1. Hasil Estimasi VECM Jangka Pendek untuk  Nilai Tukar Rupiah .................................................... 

51 

5.4.2. Hasil Estimasi VECM Jangka Panjang untuk  Nilai Tukar Rupiah .................................................... 

53 

5.5. Respon Nilai Tukar Rupiah Akibat Guncangan  Variabel Capital Account dan Current Account .................... 

55 

5.5.1  Respon Nilai Tukar Akibat Akibat  Guncangan Variabel Capital Account....................... 

55 

V. 

5.5.2.  Respon  Nilai Tukar Rupiah Akibat

Guncangan Variabel Current Account...................... 

56 

5.6.  Kontribusi Guncangan Beberapa Variabel dalam Model  terhadap Perubahan Nilai Tukar Rupiah ............................... 

57 

VI     KESIMPULAN DAN SARAN ................................................... 

60 

6.1. Kesimpulan .......................................................................... 

60 

6.2. Saran .................................................................................... 

62 

DAFTAR PUSTAKA .......................................................................... 

63 

LAMPIRAN ........................................................................................ 

65

DAFTAR TABEL 

Nomor  Halaman  5.1.  Hasil Pengujian Akar Unit ................................................... 

48 

5.2.  Hasil Uji Kointegrasi Johansen............................................ 

50 

5.3.  Hasil Estimasi VECM Jangka Pendek untuk  Nilai Tukar Rupiah .............................................................. 

51 

5.4.  Hasil Analisis Forecast Error Variance Decomposition....... 

57

DAFTAR GAMBAR 

Nomor 

Halaman 

1.1.   Perkembangan Neraca Modal ............................................. 

6 

1.2.  Perkembangan Nilai Tukar Rupiah terhadap  Dollar Amerika................................................................... 

7 

2.1.  Peningkatan Permintaan dan Penawaran Valas ................... 

14 

2.2.   Kurva BoP dan Net Capital Outflow................................... 

17 

2.3.   Kurva IS ............................................................................. 

21 

2.4.   Pergeseran Kurva IS ........................................................... 

22 

2.5.  Kurva LM........................................................................... 

23 

2.6.  Pergeseran Kurva LM......................................................... 

24 

2.7.  Pergeseran Kurva (S­I) dan (NX)........................................ 

25 

2.8.   Kerangka Pemikiran Operasional........................................ 

32 

4.1.  Perkembangan Neraca Pembayaran Indonesia .................... 

40 

4.2.  Perkembangan Neraca Berjalan .......................................... 

42 

4.3.  Perkembangan Neraca Modal ............................................. 

43 

4.4.  Perkembangan Pergerakan Nilai Tukar Rupiah terhadap  Dollar Amerika................................................................... 

45 

5.1.  Respon Nilai Tukar Rupiah Akibat  Guncangan Capital Account ............................................... 

55 

5.2.  Respon Nilai Tukar Rupiah Akibat  Guncangan Current Account............................................... 

56

DAFTAR LAMPIRAN 

Nomor 

Halaman 

1.  Data Asli ............................................................................... 

66 

2.  Data Olahan 1........................................................................ 

68 

3.  Data Olahan 2........................................................................ 

70 

4.   Hasil Uji Stasioneritas ........................................................... 

72 

5.   Hasil Uji Lag Optimal ........................................................... 

78 

6.   Hasil Uji Rank Kointegrasi .................................................... 

79 

7.   Hasil Nilai Covariance Matrix............................................... 

80 

8.   Hasil Uji untuk Persamaan Jangka Pendek  dan Jangka Panjang .............................................................. 

81 

9.   Hasil Analisis Impulse Respon Function................................ 

82 

10.  Hasil Analisis Forecast Error Variance Decomposition ........ 

84

I. 

1.1. 

PENDAHULUAN 

Latar Belakang  Kondisi  perekonomian  suatu  negara  dapat  dilihat  baik  dari  sisi  internal 

maupun  eksternal.  Kondisi  internal  antara  lain  tercermin  pada  perkembangan  sektor  riil  (seperti  produksi,  konsumsi,  dan  investasi)  dan  perkembangan  sektor  moneter  (seperti  inflasi,  jumlah  uang  beredar  dan  keseimbangan  nilai  tukar).  Sementara  itu,  kondisi  eksternal  tercermin  pada  perkembangan  neraca  pembayaran.  Perkembangan  neraca pembayaran memiliki  informasi mengenai  keadaan  perekonomian  suatu  negara,  seperti  yang  terlihat  dari  perkembangan  sektor  riil  dan  moneter.  Informasi  dari  neraca  pembayaran  dapat  memberikan  gambaran  berapa besar aliran sumber dana antara suatu negara dengan negara lain sehingga  terlihat  apakah  negara  tersebut  merupakan  pengekspor  barang  dan  modal,  atau  sebaliknya  sebagai  pengimpor  barang  dan  modal.  Neraca  pembayaran  juga  memiliki  informasi  mengenai  permasalahan  hutang  luar  negeri  suatu  negara.  Catatan  dari  neraca  modal  dapat  memberikan  informasi  seberapa  jauh  suatu  negara dapat memenuhi kewajiban hutangnya terhadap negara lain.  Neraca  pembayaran  yang  merupakan  penjumlahan  dari  neraca  berjalan  (current account) dan neraca modal (capital account) terus mengalami perubahan  pada  masa  sebelum  dan  setelah  krisis  ekonomi.  Perubahan  tersebut  terlihat  dari  nilai  dan  arah  kecenderungan  komposisi  neraca  pembayaran  yang  menunjukkan  fenomena yang berbeda.

Hadi  (2003)  menguraikan  bahwa  selama  paruh  pertama  dasawarsa  1990­  an, terjadi peningkatan luar biasa dalam arus modal  yang masuk, terutama modal  swasta.  Pada  akhir  dasawarsa  1980­an,  arus  modal  swasta  bersih  baru  berkisar  US$ 400 juta per tahun. Akan tetapi, arus masuk modal swasta melonjak  hingga  melampaui US$ 5 miliar pada tahun 1993 dan melebihi US$ 10 miliar pada tahun  1995­1996.  Sementara  itu,  arus  masuk  modal  pemerintah  bersih  mengalami  penurunan.  Hal  ini  disebabkan  oleh  meningkatnya  pembayaran  pokok  pinjaman  yang terus meningkat, sementara penerimaan dalam bentuk bantuan pembangunan  melalui  Consultative  Groups  on  Indonesia  (CGI)  tidak  banyak  mengalami  perubahan dan berkisar US$ 5,6 miliar per tahun selama paruh pertama dasawarsa  1990­an. Secara keseluruhan, surplus dalam neraca modal mengalami peningkatan  dari sekitar US$ 6 miliar per tahun pada beberapa tahun pertama dasawarsa 1990­  an menjadi US$ 11 miliar pada tahun 1996, atau 11,6 persen dari produk domestik  bruto (PDB).  Krisis ekonomi yang ditandai oleh keluarnya arus modal (capital outflow)  secara  mendadak  dan  dalam  jumlah  yang  besar  telah  menyebabkan  neraca  transaksi  modal  yang  sebelumnya  selalu  berada dalam  posisi  surplus  mengalami  pergerakan arah menjadi defisit. Defisit terus meningkat dari US$ 3,9 miliar pada  tahun  1998  menjadi  US$  9  miliar  pada  tahun  2001.  Arus  masuk  modal  swasta  bersih  yang  mencapai  US$  11,5  miliar  pada  tahun  1996  berbalik  menjadi  arus  keluar modal swasta bersih sebesar US$ 13,8 miliar pada tahun 1998.  Sementara  itu,  neraca  barang  selalu  berada  dalam  posisi  surplus.  Pada  tahun  1991  surplus  neraca  barang  mencapai  sekitar  US$  5  miliar,  meningkat

menjadi US$ 8,2 pada tahun 1993. Namun, sejak itu mengalami penurunan hingga  US$  6  miliar  pada  tahun  1996.  Selanjutnya,  sejak  1997  neraca  barang  terus  meningkat hingga mencapai US$ 2 miliar pada tahun 2000.  Neraca  jasa­jasa  terus  mengalami  peningkatan  defisit,  pada  tahun  1990  peningkatan  defisit  sebesar  US$  8,2  miliar  dan  meningkat  lagi  menjadi  US$  15  miliar pada tahun 1997. Memasuki tahun 2000, defisit neraca jasa­jasa mencapai  US$ 17 miliar, dan selama dua tahun berikutnya berada di bawah US$ 16 miliar.  Bank  Indonesia  (2005)  memandang  bahwa  perkembangan  neraca  pembayaran  Indonesia  pada paruh  pertama  tahun  2005 mengalami  tekanan  yang  berat  dan  dibutuhkan  pembenahan  yang  bersifat  struktural  untuk  meningkatkan  ekspor  dan  investasi  modal  asing.  Menurunnya  surplus  neraca  berjalan  dan  menurunnya  cadangan  devisa  dalam  jumlah  yang  besar  berarti  menurunnya  penawaran  terhadap  mata  uang  asing  di  pasar  uang,  hal  tersebut  dapat  mengakibatkan melemahnya nilai tukar Rupiah terhadap mata uang asing.  Memasuki  triwulan  ketiga  tahun  2005  kondisi  neraca  pembayaran  Indonesia  masih  mengalami  tekanan,  seiring  dengan  meningkatnya  kegiatan  ekonomi.  Masih  tingginya  permintaan  domestik  telah  mendorong  peningkatan  impor,  khususnya  impor  bahan  baku  dan  barang  modal.  Sementara  itu,  ekspor  masih  tumbuh  terbatas  karena  rendahnya  daya  saing  ditengah  pertumbuhan  ekonomi  global  yang  melambat.  Perkembangan  ini  menyebabkan  kinerja  neraca  berjalan terus mengalami defisit. Pada saat yang sama, kinerja neraca modal juga  belum  menunjukkan  perbaikan  terkait  masih  terbatasnya  realisasi  aliran  modal  masuk  akibat  belum  kondusifnya  perbaikan  iklim  investasi.  Dengan

perkembangan  tersebut,  secara  keseluruhan  neraca  pembayaran  mengalami  peningkatan defisit menjadi sebesar US$ 2,3 miliar atau lebih besar dibandingkan  perkiraan  sebelumnya  sebesar  US$  1,1  miliar.  Perkembangan  tersebut  berimplikasi pada tekanan  fundamental pelemahan  nilai tukar Rupiah  yang terus  berlanjut (Bank Indonesia, 2005).  Diterapkannya  sistem  nilai  tukar  mengambang  penuh  (freely  floating  system)  yang dimulai sejak 14 Agustus 1997 (Suseno, 2004), menyebabkan nilai  tukar  Rupiah  terhadap  mata  uang  asing  (khususnya  US$)  ditentukan  oleh  mekanisme  pasar.  Sejak  masa  itu,  naik­turunnya  nilai  tukar  ditentukan  oleh  kekuatan pasar.  Pergerakan  Rupiah  terhadap  mata  uang  asing  setelah  diberlakukannya  sistem  nilai tukar mengambang penuh terus mengalami  fluktuasi.  Fluktuasi  yang  terjadi  pada  Rupiah  disebabkan  oleh  tingginya  permintaan  terhadap  mata  uang  asing.  Tingginya  permintaan  terhadap  mata  uang  asing  tersebut  terjadi  karena  adanya  kebutuhan  mata  uang  asing  untuk  membiayai  impor,  penarikan  modal  secara  besar­besaran  dari  Indonesia  dan  juga  adanya  aksi  spekulasi  yang  dilakukan oleh pelaku pasar valas untuk mengambil keuntungan dari melemahnya  nilai tukar Rupiah tersebut. Pada tahun 1997, posisi Rupiah terhadap US$ sebesar  Rp  3.035/US$,  keadaan  tersebut  terus  mengalami  tekanan  sehingga  pada  Desember  1997,  posisi  Rupiah  terhadap  Dollar  Amerika  tercatat  sebesar  Rp  4.650/US$.  Pada  bulan  Juli  1998,  Rupiah  sempat  menyentuh  posisi  Rp  14.900/US$  yang  merupakan  nilai  tukar  terlemah  sepanjang  sejarah  nilai  tukar  Rupiah  terhadap  Dollar  Amerika.  Memasuki  tahun  1999  sampai  dengan  tahun

2004  nilai  tukar  Rupiah  terhadap  Dollar  Amerika  terus  mengalami  perbaikan  seiring dengan  kepercayaan  investor untuk menanamkan modalnya di Indonesia.  Pada  tahun  2005,  melambungnya  harga  minyak  dunia  yang  sempat  mencapai  harga  US$  70/barel  memberikan  kontribusi  cukup besar  terhadap  meningkatnya  permintaan  valas  sebagai  konsekuensi  negara  pengimpor  minyak.  Kondisi  ini  menyebabkan  Rupiah  melemah  terhadap  Dollar  Amerika  dan  berada  pada  Rp  9.200/US$ sampai Rp 10.200/US$.  Analisis  mengenai  pergerakan  nilai  tukar  Rupiah  diperlukan  karena  nilai  tukar  mencerminkan  kondisi  perekonomian  suatu  negara.  Fluktuasi  nilai  tukar  yang terlalu tinggi akan mengganggu kegiatan ekonomi baik di sektor riil maupun  moneter.  Mengingat  besarnya  pengaruh  dari  fluktuasi  nilai  tukar  terhadap  perekonomian,  maka  jelas  diperlukan  suatu  manajemen  nilai  tukar  yang  baik  sehingga pergerakan  nilai tukar menjadi stabil, fluktuasinya dapat diprediksi dan  perekonomian  dapat  tetap  berjalan  dengan  baik.  Berangkat  dari  pemikiran  tersebut, maka perlu dilakukan penelitian mengenai pergerakan nilai tukar Rupiah  yang  dilihat  dari  adanya  perubahan  pada  sektor  eksternal,  khususnya  pada  komponen  neraca  pembayaran  yang  mencirikan  adanya  aliran  dana  dan  persediaan permintaaan­penawaran mata uang asing di pasar valas. 

1.2. 

Perumusan Masalah  Neraca  pembayaran  yang  merupakan  penjumlahan  dari  transaksi  berjalan 

(current account) dan neraca modal (capital and financial) dapat mencirikan aliran  dana  dari  dan  ke  luar  negeri.  Adanya  aliran  dana  tersebut  menyebabkan

permintaan  dan  penawaran  terhadap  mata  uang  asing  dan  domestik  turut  mengalami perubahan. Perubahan permintaan dan penawaran terhadap mata uang  asing  dan  domestik  tersebut  berpengaruh  terhadap  nilai  tukar  mata  uang  yang  diperdagangkan.  Jika  permintaan  terhadap  mata  uang  asing  mengalami  peningkatan  karena  adanya  keperluan  transaksi  yang  harus  menggunakan  mata  uang asing, maka hal tersebut dapat menyebabkan nilai tukar mata uang domestik  terhadap mata uang asing mengalami depresiasi, demikian pula sebaliknya.  Neraca  modal  yang  diindikasikan  sebagai  salah  satu  faktor  yang  dapat  mempengaruhi pergerakan nilai tukar Rupiah, mengalami banyak perubahan nilai  dan arahnya  selama masa sebelum dan setelah  krisis ekonomi terjadi. Perubahan  tersebut dapat dilihat dalam Gambar 1.1 di bawah ini.  6000  4000  Juta US$ 

2000  0  ­2000  ­4000 

I  II III IV  I  II  III IV  I  II III IV  I  II III IV  I  II III IV  I  II III IV  I  II III IV  I  II III IV  I  II III IV  I  II III IV  I  II III IV  I  II III IV  I  II III IV  I  II  III IV  I  II III IV  I  II III IV  1990 

1991 

1992 

1993 

1994 

1995 

1996 

1997 

1998 

1999 

2000 

2001 

2002 

2003 

2004 

2005 

­6000  ­8000  Periode (triw ulanan) 

Sumber: Bank Indonesia (1990­2005).  Gambar 1.1. Perkembangan Neraca Modal 

Sebelum krisis ekonomi  yang melanda Indonesia pada pertengahan tahun  1997,  perkembangan  neraca  modal  selalu  berada  dalam  keadaan  surplus  dan  cenderung  bergerak  dalam  keadaan  yang  cukup  stabil.  Surplus  tertinggi  pada  neraca  modal  terjadi  pada  triwulan  keempat  tahun  1995,  pada  waktu  itu  nilai  surplus  mencapai  US$  4075  juta.  Tingginya  surplus  ketika  itu  disinyalir  karena  tingginya arus modal masuk baik berupa investasi jangka pendek maupun investai  yang  berupa  penanaman  modal  asing  secara  langsung.  Tingginya  arus  modal

masuk  terkait  dengan  prospek  perekonomian  Indonesia  yang  menuju  arah  perkembangan  yang  semakin  baik.  Setelah  mencapai  tingkat  surplus  tertinggi,  nilai  surplus  pada  neraca  modal  mengalami  penurunan  yang  cukup  tajam  yaitu  mencapai US$ 1993 juta pada triwulan kedua tahun 1996.  Krisis  ekonomi  yang  mulai  dirasakan  pada  pertengahan  tahun  1997,  mengakibatkan  penurunan  yang  semakin  tajam  pada  neraca  modal.  Tingginya  arus  modal  ke  luar  dari  Indonesia  mengakibatkan  neraca  modal  mengalami  koreksi yang cukup tinggi. Neraca modal mengalami defisit terbesar pada triwulan  pertama  tahun 1998 dengan tingkat  defisit  sebesar  US$  6203  juta.  Setelah  krisis  ekonomi,  pergerakan  neraca  modal  cenderung  berada  pada  tingkat  yang  defisit  dengan pergerakan dari waktu ke waktu menunjukkan pola yang tidak stabil. Hal  tersebut dikarenakan menurunnya minat investor untuk menanamkan modalnya di  Indonesia karena terkait resiko yang tinggi untuk berinvestasi.  Aliran  dana  masuk  dan  keluar  yang  tercatat  pada  neraca  modal  turut  mempunyai  andil dalam mempengaruhi pergerakan Rupiah.  Hal  itu terlihat pada  masa sebelum dan setelah  krisis ekonomi terjadi. Gambar 1.2 terlihat bagaimana 

Rp/US$ 

pergerakan Rupiah pada masa sebelum dan setelah krisis.  16000  14000  12000  10000  8000  6000  4000  2000  0  I IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIV  1990  1991  1992  1993  1994  1995  1996  1997  1998  1999  2000  2001  2002  2003  2004  2005  Periode (triwulanan) 

Sumber: Bank Indonesia (1990­2005)  Gambar 1.2. Perkembangan Nilai Tukar Rupiah terhadap Dollar Amerika

Nilai  tukar  Rupiah  terhadap  Dollar  Amerika  pada  masa  sebelum  krisis  menunjukkan  pola  pergerakan  yang  stabil  walaupun  menunjukkan  tren  yang  terdepresiasi. Pola pergerakan  nilai tukar  yang cukup stabil tersebut dikarenakan  pada  masa  sebelum  krisis  ekonomi  terjadi,  Indonesia  belum  menerapkan  sistem  nilai  tukar  mengambang  bebas, dimana  jika  pemerintah  menerapkan  sistem  nilai  tukar mengambang bebas maka nilai tukar mata uang akan sangat ditentukan oleh  permintaan dan penawaran yang terjadi di pasar valas.  Krisis ekonomi yang melanda Indonesia dan mulai diberlakukannya sistem  nilai  tukar  mengambang  bebas  pada  14  juli  1997  (Suseno,  2004)  menyebabkan  nilai tukar Rupiah terhadap Dollar Amerika cenderung berada dalam tingkat yang  terdepresiasi  dan  menunjukkan  pola  pergerakan  yang  kurang  stabil.  Terdepresiasinya  Rupiah  banyak  disebabkan  oleh  neraca  modal  yang  terus  mengalami  defisit  yang  mencirikan  adanya  arus  keluar  modal  asing,  dimana  terjadinya arus modal keluar itu menyebabkan permintaan terhadap valas semakin  tinggi sehingga menyebabkan Rupiah mengalami depresiasi. Pada awal terjadinya  krisis ekonomi, neraca modal dan keuangan mengalami tingkat defisit yang cukup  tajam  dan  hal  tersebut  memberi  andil  besar  dalam  pergerakan  Rupiah,  dimana  Rupiah pada waktu itu mencapai tingkat depresiasi yang terlemah yaitu sekitar Rp  14900/US$.  Nilai  tukar  yang  tidak  stabil  dan  cenderung  berada  dalam  tingkat  yang  terdepresiasi  akan  membawa  dampak  negatif  dalam  suatu  perekonomian.  Tidak  stabilnya  nilai  tukar  akan  dapat  mendorong  terciptanya  ketidakstabilan  harga,  khususnya  ketidakstabilan  harga  barang­barang  yang  berasal  dari  impor.

Depresiasi nilai tukar yang terlalu besar akan mengakibatkan harga barang impor  menjadi  lebih  mahal  dan  secara  keseluruhan  dapat  meningkatkan  laju  inflasi.  Selanjutnya,  inflasi  yang  terlalu  tinggi  dapat  menurunkan  daya  beli  masyarakat  dan  menurunkan  kegiatan  ekonomi.  Selain  itu,  depresiasi  nilai  tukar  dapat  memberatkan neraca perusahaan yang sumber pembiayaannya berasal dari hutang  luar  negeri.  Depresiasi  akan  mengakibatkan  beban  bunga  dan  pokok  hutang  luar  negeri dalam mata uang domestik menjadi semakin besar.  Nilai  tukar  merupakan  variabel  penting  dari  kondisi  perekonomian  suatu  negara, sehingga memerlukan perhatian agar variabel ini bergerak dalam keadaan  stabil agar dapat menunjang kegiatan perekonomian lainnya. Salah satu hal  yang  dapat mempengaruhi pergerakan nilai tukar adalah adanya aliran dana dari neraca  pembayaran.  Adanya  aliran  dana  dari  neraca  pembayaran  menyebabkan  nilai  tukar rentan terhadap perubahan tersebut.  Berdasarkan uraian di atas, maka dapat dirumuskan permasalahan sebagai  berikut:  1. 

Berapa  besarkah  pengaruh  jangka  pendek  dan  jangka  panjang  variabel  current account dan capital account terhadap Rupiah? 

2. 

Bagaimanakah pengaruh guncangan  variabel current account  dan capital  account  terhadap  Rupiah  dan  komponen  apakah  dari  neraca  pembayaran  yang paling berpengaruh terhadap Rupiah? 

3. 

Berapa  besarkah  kontribusi  beberapa  variabel  dalam  model  yang  dapat  mempengaruhi pergerakan Rupiah?

1.3. 

Tujuan Penelitian  Berkaitan  dengan  permasalahan  yang  telah  dirumuskan,  maka  tujuan 

penelitian ini antara lain:  1. 

Mengetahui  berapa  besar  pengaruh  jangka  pendek  dan  jangka  panjang  variabel current account dan capital account terhadap nilai tukar Rupiah. 

2. 

Menganalisis  bagaimana  pengaruh  guncangan  variabel  current  account  dan  capital  account  terhadap  nilai  tukar  Rupiah  dan  komponen  apakah  dari neraca pembayaran yang paling berpengaruh terhadap perubahan nilai  tukar Rupiah. 

3. 

Mengetahui  kontribusi  beberapa  variabel  dalam  model  yang  dapat  mempengaruhi pergerakan Rupiah. 

1.4. 

Manfaat Penelitian  Penelitian ini diharapkan dapat memberikan manfaat bagi pengembangan 

kemampuan  diri  penulis  dan  dapat  memberikan  manfaat  bagi  pengetahuan  khalayak umumnya, adapun manfaat dari penelitian ini, yaitu:  1. 

Dapat memberikan tingkat pemahaman yang lebih luas dalam hal teori dan  empiris mengenai pengaruh neraca pembayaran terhadap pergerakan nilai  tukar Rupiah. 

2. 

Dapat  digunakan  sebagai  bahan  pertimbangan  bagi  pelaku  bisnis,  khususnya  yang  berkaitan  dengan  perdagangan  internasional  dan  mengenai dimana berinvestasi yang lebih menguntungkan.

3. 

Bagi  pemerintah,  penelitian  ini  dapat  digunakan  sebagai  bahan  pertimbangan  dalam  menjaga  stabilitas  nilai  tukar  dan  mengontrol  keseimbangan neraca pembayaran negara. 

1.5. 

Ruang Lingkup Penelitian  Penelitian  ini  akan  menganalisis  pengaruh  neraca  pembayaran  terhadap 

pergerakan nilai  tukar  Rupiah  dengan  cara  menganalisis  masing­masing  variabel  yaitu current account, capital account, jumlah uang beredar, tingkat suku bunga,  produk  domestik  bruto  dan  nilai  tukar  Rupiah  per  Dollar  Amerika  dalam  mempengaruhi  perubahan  nilai  tukar  Rupiah.  Secara  umum,  ruang  lingkup  penelitian dapat dijelaskan sebagai berikut:  1. 

Menjelaskan bagaimana perkembangan neraca pembayaran dan nilai tukar  Rupiah pada masa periode penelitian. 

2. 

Menjelaskan  berapa  besar  pengaruh  jangka  pendek  dan  jangka  panjang  variabel current account dan capital account terhadap nilai tukar Rupiah. 

3. 

Menjelaskan 

bagaimana 

variabel 

neraca 

pembayaran 

dalam 

mempengaruhi Rupiah.  4. 

Menganalisis  variabel  yang  paling  mempengaruhi  dari  komponen  neraca  pembayaran terhadap pergerakan Rupiah. 

5. 

Menganalisis  kontribusi  beberapa  variabel  dalam  model  yang  dapat  mempengaruhi pergerakan Rupiah. 

6. 

Membuat  saran  kebijakan  berdasarkan  hasil  penelitian  dari  model  yang  digunakan dalam mencapai stabilitas Rupiah.

II. 

2.1. 

TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN 

Tinjauan Pustaka 

2.1.1.  Pengertian Neraca Pembayaran  Menurut  IMF dalam Hadi (2002) neraca pembayaran adalah suatu catatan  yang  disusun  secara  sistematis  tentang  seluruh  transaksi  ekonomi  yang  meliputi  perdagangan  barang  atau  jasa,  transfer  keuangan  dan  moneter  antara  penduduk  (resident) suatu negara dan penduduk luar negeri  (rest of the  world) untuk suatu  periode waktu tertentu.  Batiz  dan  Batiz  (1994)  menyatakan  neraca  pembayaran  merupakan  suatu  catatan  atas  semua  transaksi  antara  penduduk  domestik  dan  warga  negara  asing  untuk  periode  tertentu, biasanya  satu  tahun.  Pencatatan  dilakukan  dengan  sistem  double  entry  book  keeping  yaitu  dengan  menggunakan  debit  dan  kredit.  Dengan  total  debit  dan  kredit  yang  telah  diestimasi  oleh  suatu  negara  maka  akan  dapat  diketahui  apakah  sebuah  negara  berada  dalam  posisi  surplus  ataupun  defisit.  Neraca pembayaran dapat dibagi menjadi dua, yaitu:  1. 

Neraca  berjalan,  merupakan  taksiran  internasional  terhadap  pertukaran  barang  dan  jasa  sebuah  negara.  Saldo  pertukaran  tersebut  (balance  of  trade)  merupakan  perbedaaan  antara  jumlah  ekspor  dan  jumlah  impor  barang  dan  jasa.  Saldo barang  dan  jasa  juga  termasuk  jumlah  bersih  dari  pembayaran bunga dan deviden  yang dibayarkan oleh investor asing dari  investasi asing, demikian juga dengan transaksi  yang dilakukan oleh turis  asing  dan  transaksi­transaksi  lainnya.  Unsur  dari  current  account  juga

termasuk  unilateral  transfer  yang  ada  kaitannya  dengan  hadiah  dari  pemerintah (private gift) dan donasi (grant).  2. 

Neraca  Modal,  mencatat  semua  transaksi  international  yang  melibatkan  berbagai macam instrumen keuangan. Transaksi tersebut dapat terdiri dari  investasi  international,  baik  untuk  jangka  pendek  dan  jangka  panjang  seperti  Foreign  Direct  Investment  dan  pembelian  surat  berharga,  saham  yang  dibeli  oleh  investor  asing  (financial  account),  aset  keuangan  dan  liabilitas. 

2.1.2.  Definisi Nilai Tukar  Krugman  dan  Obstfeld  (1999)  mendefinisikan  nilai  tukar  sebagai  harga  suatu  mata  uang  terhadap  mata  uang  lainnya.  Nilai  tukar  memainkan  peranan  penting  dalam  perdagangan  internasional,  karena  nilai  tukar  memungkinkan  kita  untuk  membandingkan  harga  segenap  barang  dan  jasa  yang  dihasilkan  oleh  berbagai  negara.  Perubahan  nilai  tukar  disebut  sebagai  depresiasi  dan  apresiasi.  Depresiasi  menunjukan  melemahnya  harga  mata  uang  domestik  terhadap  mata  uang asing sedangkan apresiasi adalah sebaliknya.  Sementara  itu,  Mankiw  (2000)  membedakan  antara  dua  nilai  tukar  yaitu  nilai  tukar  nominal  dan  nilai  tukar  riil.  Nilai  tukar  nominal  (nominal  exchange  rate)  adalah  harga  relatif  dari  mata  uang  dua  negara.  Sedangkan  nilai  tukar  riil  adalah harga relatif dari barang­barang kedua negara. Nilai tukar riil menyatakan  tingkat dimana kita bisa memperdagangkan barang dari satu negara untuk barang  dari negara lain.

2.2. 

Kerangka Teori 

2.2.1.  Sistem Nilai Tukar Mengambang Penuh  Keseimbangan  nilai  tukar  pada  sistem  nilai  tukar  mengambang  penuh  ditentukan oleh mekanisme pasar (Batiz dan Batiz, 1994). Dengan demikian, pada  sistem  ini  nilai  mata  uang  akan  dapat  berubah  setiap  saat  tergantung  dari  permintaan dan penawaran mata uang domestik relatif terhadap mata uang asing.  Fungsi  permintaan  dan  penawaran  terhadap  valuta  asing  dapat  diformulasikan sebagai Q $ D =  f (e , D 0 )  dan Q $ S =  f (e , S 0 ) . Pergesaran permintaan  dan penawaran terhadap valuta asing dapat dipengaruhi oleh nilai tukar itu sendiri,  tingkat  pendapatan,  dan  ekspetasi  terhadap  nilai  tukar  dimasa  mendatang.  Sementara itu,  Suseno (2004) mencirikan faktor yang mempengaruhi permintaan  dan  penawaran  terhadap  valuta  asing  diantaranya  yaitu  pembayaran  dan  penerimaan  terhadap  ekspor­impor  barang  dan  jasa,  aliran  modal  masuk  dan  ke  luar,  dan  kegiatan  spekulasi.  Pergeseran  terhadap  permintaan  dan  penawaran  terhadap valuta asing dapat dilihat pada (Gambar 2.1).  e=Rp/US$ 

e=Rp/US$  S0 

S 

E0 

E1  e1 

e0 

E0 

e0 

S1  E1 

e1  D0  Q1  (a) 

Q2 

D1 

D  Q 

Q1  Q2  (b)

Sumber: Batiz dan Batiz (1994)  Gambar 2.1. Peningkatan Permintaan dan Penawaran Valas 

Q 

Permintaan terhadap mata uang asing (Q $ D )  akan meningkat apabila terjadi  peningkatan  pembayaran  barang  impor,  adanya  aliran  modal  ke  luar  negeri  dan  ekspetasi  yang  negatif  terhadap  pelemahan  nilai  tukar  mata  uang  domestik.  Peningkatan tersebut mengakibatkan kurva permintaan bergeser ke kanan atas dari  D0  ke D1  (Gambar 2.1(a)). Keseimbangan nilai tukar sekarang berada di titik E1,  perpotongan  D1  dan  kurva  S.  Harga  Dollar  meningkat  dan  Rupiah  terdepresiasi. 

( ) 

Sementara itu, penawaran terhadap mata uang asing Q $ S  akan meningkat apabila  terjadi peningkatan penerimaan ekspor, adanya aliran modal masuk dan ekspetasi  positif  terhadap  apresiasi  mata  uang  domestik.  Peningkatan  tersebut  mengakibatkan  kurva  penawaran  bergeser  ke  kanan  bawah  dari  dari  S0  ke  S1  (Gambar  2.1(b)).  Keseimbangan  nilai  tukar  menjadi  di  titik  (E2),  perpotongan  kurva D dengan S1. Harga Dollar turun dan Rupiah terapresasi.  2.2.2.  Sistem Nilai Tukar Mengambang Terkendali  Sistem nilai tukar yang mengambang tapi terkendali ini seringkali disebut  sebagai  sistem  nilai  tukar  mengambang  semu  (Krugman  dan  Obstfeld,  1999).  Bank  sentral  seringkali  melakukan  intervensi  ke  pasar  valuta  asing  untuk  mempengaruhi  nilai  tukar.  Jadi,  nilai  tukar  mata  uang  dari  negara  yang  bersangkutan  tidak  dibakukan  sepenuhnya  oleh  bank  sentral  tapi  juga  tidak  mengambang dengan bebas.  Sistem  nilai  tukar  mengambang  terkendali  berbeda  dengan  sistem  mengambang  penuh  karena  sistem  ini  tidak  melarang  bank  sentral  untuk  melakukan  intervensi  di  pasar  valuta  asing.  Tujuan  intervensi  tersebut  adalah  untuk  menstabilkan  pergerakan  nilai  tukar  secara  berkala  atau  setidaknya

mengurangi  volatilitas  pada  tingkat  yang  moderat,  serta  mencegah  pergerakan  nilai  yang  terlalu  besar.  Ketertarikan  pembuat  kebijakan  untuk  menggunakan  sistem  ini  adalah  terdapatnya  kebebasan  untuk  menggunakan  intervensi  atau  kebijakan  lain,  seperti  suku  bunga,  untuk  mencapai  nilai  tukar  yang  diharapkan  sesuai  dengan  kebutuhan  ekonomi  tanpa  harus  kehilangan  kredibilitas.  Karakteristik dari sistem nilai tukar mengambang terkendali diantaranya:  1. 

Bank sentral sebagai otoritas moneter menetapkan  interval tertentu (batas  atas dan batas bawah) agar ada wilayah yang aman bagi nilai nilai tukar. 

2. 

Selama  nilai  tukar  yang  terjadi  masih  berada  dalam  interval  yang  ditetapkan, maka bank sentral tidak perlu melakukan intervensi. 

2.2.3.  Persamaan Ekspor dan Impor  Branson  dan  Litvack  (1981)  mengungkapkan  bahwa  ekspor  ditentukan  oleh  tingkat  harga  domestik  (P)  dan  nilai  tukar (q),  sedangkan  impor ditentukan  oleh tingkat pendapatan domestik (Y), tingkat harga domestik (P) dan nilai tukar  nominal (q).  Fungsi dari ekspor dapat dirumuskan sebagai berikut:  x =  f ( P , q ) ……………………………………………….......... 

(2.1) 

Kenaikan dalam tingkat harga domestik atau penurunan dalam nilai tukar  nominal  (apresiasi)  akan  menyebabkan  harga  barang  domestik  lebih  mahal  dari  harga  barang luar negeri, hal ini akan menimbulkan penurunan dalam ekspor .  Sedangkan fungsi dari impor secara dapat dirumuskan sebagai berikut:  m =  f ( Y , P , q ) ………………………………………….............. 

(2.2)

Kenaikan  pendapatan  domestik,  tingkat  harga  domestik  dan  penurunan  nilai tukar nominal (apresiasi) akan mengakibatkan kenaikan permintaan impor.  2.2.4.  Proses Penyesuaian Neraca Berjalan dan Neraca Modal  Sebuah  peningkatan  dalam  pendapatan  domestik  (Y)  akan  menyebabkan  penurunan  pada  ekspor  bersih,  penurunan  ini  terutama  disebabkan  oleh  peningkatan  impor.  Maka  untuk  mengantisipasi  adanya  penurunan  dalam  net  ekspor diperlukan penurunan net capital outflow (F(r)) melalui peningkatan suku  bunga domestik (r) (Branson dan Litvack, 1981). Dalam bentuk grafik penjelasan  di atas dapat digambarkan sebagai berikut:  r  BoP 

F(r)  Surplus  B<0

r2 

Defisit  B<0 

r1 

F(r)  F(r)1 

F(r)2 

Y1 

Y2 

Y 

Sumber: Branson dan Litvack (1981)  Gambar 2.2. Kurva BoP dan Net Capital Outflow 

Gambar 2.2 dapat menununjukkan adanya hubungan positif antara tingkat  pendapatan (Y) dengan tingkat suku bunga (r) dan juga adanya hubungan negatif  antara  tingkat  suku  bunga  dengan net  capital outflow,  dimana  peningkatan  suku  bunga akan mengakibatkan penurunan dalam net capital outflow. 

Kenaikan  pendapatan  (Y1  ke  Y2)  akan  mendorong  terjadinya  kenaikan  permintaan  impor.  Naiknya  permintaan  impor  selanjutnya  akan  menyebabkan  terjadinya  defisit  neraca  berjalan  karena  permintaan  impor  lebih  tinggi  dari  kenaikan ekspor. Defisit yang terjadi pada neraca berjalan akan berusaha ditutupi  dengan  meningkatkan  surplus  pada  neraca  modal.  Untuk  meningkatkan  surplus  pada neraca modal maka salah satu cara yang dilakukan  yaitu dengan menaikkan  tingkat  suku  bunga  (r1  ke  r2).  Kenaikan  tingkat  suku  bunga  ini  kemudian  akan  menyebabkan  terjadinya  aliran  modal  masuk  ke  dalam  negeri  atau  terjadinya  penurunan pada net capital outflow (F(r1) ke F(r2).  2.2.5.  Neraca Modal dan Keseimbangan Neraca Pembayaran  Aliran  kapital  internasional  dihasilkan  dari  pembelian  dan  penjualan  aset  internasional. Seseorang akan memutuskan memegang asetnya dalam bentuk aset  domestik atau aset asing tergantung pada tingkat suku bunga domestik dan asing.  Maka dalam hal ini perubahan pada tingkat suku bunga akan menghasilkan aliran  kapital  (Branson dan Litvack, 1981).  Net capital outflow (F) merupakan pembelian aset asing bersih oleh pihak  domestik  lebih  kecil  dari  pembelian  pihak  asing  terhadap  aset  domestik  Berdasarkan pernyataan tersebut dapat ditentukan fungsi penurunan tingkat suku  bunga domestik yaitu sebagai berikut:  F =  f (r ); 

F ' < 0 ..................................................................... 

(2.3) 

Persamaan 2.3 menunjukkan bahwa kenaikan tingkat suku bunga domestik  akan mengakibatkan penurunan net capital outflow.

Balance  of  Payment  merupakan  penjumlahan  dari  current  account  dan  capital  account,  oleh  karena  itu  dalam  suatu  persamaan,  Balance  of  Payment  dapat dirumuskan sebagai berikut: BoP = (( f ( P , q ) - f ( Y , P , q )) - f ( r ) ) ..........................................          (2.4)  Persamaan 2.4 diasumsikan BoP dalam keadan  seimbang.  Apabila terjadi  surplus dalam current account maka harus diimbangi dengan defisit pada capital  account atau diimbangi dengan peningkatan pada net capital outflow.  2.2.6.  Investasi Asing Bersih dan Neraca Perdagangan  Suatu  perekonomian  tertutup  mencirikan  bahwa  tabungan  dan  investasi  harus senantiasa sama. Namun dalam sebuah perekonomian terbuka, tabungan dan  investasi  bisa  saja  berlainan.  Atas  dasar  persamaan  mengenai  tabungan  nasional, S = Y  - C - G ,  transaksi  berjalan CA =  NX  dan  bentuk  persamaan  pendapatan  nasional  yaitu  Y = C + I  + G + NX  ,  maka  dengan  memformulasikan  persamaan tabungan nasional dan transaksi berjalan kedalam identitas persamaan  pendapatan  nasional,  didapat  persamaan  investasi  asing  bersih  dan  neraca  pembayaran sebagai berikut:  S - I  = NX  ..................................................................................          (2.5) 

Bentuk  pos  pendapatan  nasional  ini  menunjukkan  bahwa  ekspor  bersih  suatu  perekonomian  harus  selalu  sama  dengan  perbedaan  diantara  tabungan  dan  investasi (Mankiw, 2000).  Pada  bagian  kanan  persamaan  di  atas  ( NX  )  merupakan  ekspor  bersih  barang dan jasa. Nama lain untuk ekspor bersih adalah neraca perdagangan (trade

balance), karena menyatakan bagaimana perdagangan barang dan jasa melenceng  dari tolak ukur kesamaan ekspor dan impor.  Sisi  sebelah  kiri  dari  identitas  itu  adalah  perbedaan  antara  tabungan  domestik  dan  investasi  domestik,  S - I  yang  disebut  investasi  asing  bersih.  Investasi  asing  bersih  sama  dengan  jumlah  penduduk  domestik  yang  memberi  pinjaman  ke  luar  negeri  dikurangi  jumlah  orang  asing  yang  memberi  kita  pinjaman. Jika suatu negara mempunyai investasi asing bersih yang positif, berarti  tabungan negara tersebut melebihi  investasi dan tabungan  yang berlebih tersebut  akan  dipinjamnkan  kepada  pihak  asing.  Jika  suatu  negara  mempunyai  investasi  asing  yang  negatif,  berarti  investasi  negara  tersebut  melebihi  tabungan,  maka  untuk  mengatasi  ini  maka  suatu  negara  akan  meminjam  dana  dari  luar  negeri.  Jadi, investasi asing bersih mencerminkan arus dana internasional untuk mendanai  akumulasi modal.  Identitas  pos  pendapatan  nasional  menunjukkan  bahwa  investasi  asing  bersih selalu sama dengan neraca perdagangan, yaitu:  Investasi Asing Bersih  S - I 

=  = 

Neraca Perdagangan  NX  .....................            (2.6) 

Jika  S - I  dan  NX  adalah  positif,  maka  perekonomian  suatu  negara  dikatakan  memiliki  surplus  perdagangan.  Negara  yang  memiliki  surplus  perdagangan  biasanya  disebut  sebagai  negara  donor  bersih  di  pasar  keuangan  dunia.  Jika  S - I dan NX  adalah  negatif,  negara  tersebut  mengalami  memiliki  defisit perdagangan. Dalam hal ini negara tersebut akan menjadi negara pengutang  bersih  di  pasar  keuangan  dunia.  Namun,  jika  S - I dan NX  adalah  nol,  maka

neraca  perdagangan  berada  dalam  kondisi  seimbang,  karena  nilai  impor  sama  dengan nilai ekspornya.  Identitas  pos  pendapatan  nasional  menunjukkan  bahwa  arus  dana  internasional untuk mendanai akumulasi modal, arus barang dan jasa internasional  adalah  dua  sisi  dari  mata  uang  yang  sama  (Mankiw,  2000).  Disatu  sisi,  jika  tabungan melebihi investasi, tabungan  yang tidak diinvestasikan secara domestik  akan  dipinjamkan  kepada  pihak  asing  yang  membutuhkan.  Pada  sisi  lain,  jika  investasi melebihi tabungan, kelebihan investasi harus didanai dengan meminjam  dari luar negeri.  Hutang  luar negeri  ini memungkinkan mengimpor lebih banyak  barang  dan  jasa  daripada  mengekspornya,  dengan  demikian  maka  akan  mengalami defisit perdagangan.  2.2.7.  Pasar Barang , Kurva IS dan pergeseran kurva IS  Kurva  IS  menyatakan  hubungan  antara  tingkat  bunga  dan  tingkat  pendapatan yang muncul di pasar barang dan jasa (Mankiw, 2000). Kurva IS yang  miring  ke  bawah  (berslope  negatif)  menunjukkan  bahwa  adanya  hubungan  yang  negatif antara tingkat suku bunga dengan pendapatan.  r

E2  r2 

E1 

r1 

IS 

Y2 

Y1 

Sumber: Mankiw (2000)  Gambar 2.3. Kurva IS 

Y 

Dalam Gambar 2.3 dapat dijelaskan bahwa kenaikan dalam tingkat suku  bunga  (r1  ke  r2)  akan  menyebabkan  investasi  yang  direncanakan  mengalami  penurunan. Turunnya investasi ini dikarenakan meningkatnya pengembalian yang  harus  dibayarkan  apabila  para  investor  meminjam  dana  kepada  bank  konvensionel. Apabila investasi mengalami penurunan maka pada akhirnya akan  berdampak  pada  penurunan  tingkat  pendapatan  (Y2  ke  Y1).  Kurva  IS  dapat  bergeser  apabila  ada  perubahan  dalam  kebijakan  fiskal  yaitu  dengan  adanya  kenaikkan atau penurunan Goverment expenditure (G) dan Tax (T). Dalam bentuk  grafik pergeseran tersebut dapat digambarkan sebagai berikut:  r

- 

IS2 

r 

IS1  Y1 

Y2 

Y

Sumber: Mankiw (2000)  Gambar 2.4 Pergeseran Kurva IS 

Gambar  2.4  menunjukkan  bahwa  kenaikan  dalam  pembelian  pemerintah  meningkatkan  pengeluaran  yang  direncanakan  (Y1  ke  Y2).  Untuk  tingkat  suku  bunga  tertentu,  pergeseran  ke  atas  dalam  pengeluaran  yang  direncanakan  akan  menyebabkan kurva IS bergeser ke kanan atas (IS1  ke IS2).  2.2.8.  Pasar Uang, Kurva LM, dan Pergeseran Kurva LM  Kurva  LM  menunjukkan  kombinasi  tingkat  suku  bunga  dan  tingkat  pendapatan  yang  konsisten  dengan  keseimbangan  dalam  pasar  untuk 

keseimbangan  uang  riil.  Kurva  LM  digambarkan  untuk  penawaran  uang  riil  tertentu (Mankiw, 2000).  Keynes  dalam  buku  klasiknya  The  General  Theory  menjabarkan  pandangannya tentang bagaimana tingkat bunga ditentukan dalam jangka pendek.  Penjelasan  itu  disebut  teori  preferensi  likuiditas,  karena  teori  itu  menyatakan  bahwa tingkat suku bunga menyesuaikan untuk menyeimbangkan penawaran dan  permintaan  uang.  Hubungan  antara  tingkat  suku  bunga  dan  tingkat  pendapatan  dapat digambarkan berikut ini.  LM r 

r2  r1 

Y1 

Y2 

Y 

Sumber: Mankiw (2000)  Gambar 2.5. Kurva LM 

Gambar  2.5  dapat  dijelaskan  bahwa  kenaikan  dalam  tingkat  pendapatan  akan menaikkan permintaan akan uang, jika penawaran uang riil tetap maka akan  ada kenaikan tingkat suku bunga (r1  ke r2) untuk mengantisipasi permintaan akan  uang  tersebut.  Kurva  LM  berslope  positif  yang  berarti  adanya  kenaikan  dalam  tingkat pendapatan akan diikuti oleh kenaikan tingkat suku bunga.  Kurva  LM dapat  bergeser  apabila  ada  perubahan  dalam  penawaran  uang  riil  melalui  kebijakan  moneter.  Pergeseran  kurva  LM  dalam bentuk  grafik  dapat  digambarkan sebagai berikut: 

LM2 

r

LM1 

r2  r1 

-

Y 

Y

Sumber: Mankiw (2000)  Gambar 2.6. Pergeseran Kurva LM 

Pada tingkat pendapatan tertentu penurunan dalam penawaran uang (LM1  ke  LM2)  menggeser  kurva  LM  ke  kiri  atas  dan  hal  tersebut  akan berakibat  pada  naiknya  tingkat  suku  bunga  yang  (r1  ke  r2).  Maka  ada  hubungan  negatif  antara  jumlah penawaran uang riil dengan tingkat suku bunga,  ketika terjadi penurunan  dalam penawaran uang riil akan menyebabkan peningkatan tingkat suku bunga.  2.2.9.  Pengaruh Invetasi Asing Bersih dan Ekspor Bersih terhadap Nilai  Tukar  Mankiw  (2000)  mengatakan  bahwa  ada  hubungan  antara  investasi  asing  bersih, ekspor bersih dan nilai tukar. Dalam perekonomian terbuka, dikemukakan  bahwa kenaikan dalam permintaan investasi asing bersih menyebabkan nilai tukar  mata uang domestik terhadap mata uang asing mengalami apresiasi. Hal tersebut  terjadi  karena  adanya  peningkatan  dalam  investasi  yang  masuk  berarti  terjadi  peningkatan permintaan terhadap mata uang domestik. Begitu pula dengan adanya  peningkatan  dalam  ekspor  bersih  akan  mengakibatkan  nilai  tukar  mata  uang  domestik  terhadap  mata  uang  asing  mengalami  apresiasi.  Peningkatan  dalam  ekspor bersih berarti menandai terjadinya peningkatan penawaran valuta asing. 

(S­I)2 

(S­I)1 

q 

(S­I)  q 

q2  q2 

(NX)2 

q1 

q1 

(NX)1  (NX)2 

(NX)1  (NX) 

(NX)1=(NX)2 

(a) 

(NX) 

(b)

Sumber: Mankiw (2000) Gambar 2.7. Pergeseran kurva (S­I) dan (NX) 

Gambar  2.7(a)  menunjukkan  bahwa  peningkatan  investasi  akan  menyebabkan  kurva  (S­I)  bergeser  ke  kiri.  Peningkatan  investasi  berarti  terjadi  peningkatan  permintaan  mata  uang  domestik,  sehingga  nilai  tukar  mata  uang  domestik terhadap mata uang asing mengalami apresiasi.  Gambar 2.7(b) menunjukkan terjadinya peningkatan dalam ekspor bersih.  Peningkatan ekspor bersih akan  menggeser  kurva  ekspor ke  kanan  atas.  Adanya  peningkatan  dalam  ekspor bersih berarti  terjadinya  peningkatan penawaran mata  uang asing, sehingga hal tersebut dapat mengakibatkan terspresiasinya mata uang  domestik terhadap mata uang asing.  2.2.10. Vector Autoregression (VAR)  VAR adalah  suatu sistem persamaan  yang memperlihatkan  setiap peubah  sebagai fungsi linear dari konstanta dan nilai lag (lampau) dari peubah itu sendiri  serta  nilai  lag  dari  peubah  lain  yang  ada  di  dalam  sistem.  Jadi,  peubah  penjelas  dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem. 

VAR  merupakan  pendekatan  yang  berorientasi  pada  data,  jika  pola  dari  data  telah  disimpulkan  maka  data  akan  berbicara  (Subagjo,  2005).  Dengan  demikian,  dari  data  dasar  maupun  data  tersaring,  spesifikasi  model  dapat  dilakukan.  Restriksi­restriksi  persamaan  dalam  struktural  VAR  dilakukan  jika  memang  diperlukan dan  itu  berdasarkan  pada  teori  ekonomi  yang  relevan.  VAR  dapat juga digunakan untuk peramalan dan juga untuk analisis kebijakan.  VAR dengan ordo p dan n buah variabel tak bebas pada waktu ke­t dapat  dimodelkan sebagai berikut:  Yt  = A 0  + A 1 Y t - 1  + A 2 Y t - 2  + ... + A p Y t - p  + e t  ………………….........          (2.7) 

dimana:  Yt 

= Vektor Peubah Tak Bebas, 

A0 

= Vektor Intercept Berukuran n x 1, 

A1 

= Matriks Parameter Berukuran n x n, 

εt 

= Vektor Sisaan. 

Persamaan VAR secara umum menurut Thomas (1997) sebagai berikut: k 

Y t  = å A i Y t -1 + e t  .........................................................................          (2.8)  i =1 

dimana:  Yt 

= Vektor Kolom dari Pengamatan pada Waktu t Semua  Variabel dalam Model, 

At 

= Matriks Parameter, 

k 

= Ordo dari Model VAR.

Asumsi  yang  harus  dipenuhi  dalam  analisis  VAR  adalah  semua  variabel  tak  bebas  bersifat  stasioner,  semua  sisaan  bersifat  white  noise,  yaitu  memiliki  rataan nol, ragam konstan, dan diantara variabel tak bebas tidak ada korelasi.  Salah satu syarat dalam analisis VAR adalah data stasioner. kestasioneran  data  dapat  dilakukan  melalui  pengujian  terhadap  ada  tidaknya  unit  root  dalam  variabel  dengan  melakukan  uji  Augmented  Dickey  Fuller  (ADF).  Berdasarkan  persamaan 2.6 dengan model pendifrensiasian dapat dituliskan sebagai berikut:  DYt  = A 0  + gY t - 1  + A 2 Y t - 2  + ... + A p Y t - p  + e t  ………………............          (2.9) 

hipotesis yang diuji adalah:  H0 

: γ = 0 (data tidak stasioner) 

H1 

: γ < 0 (data stasioner) 

Uji yang dilakukan adalah uji t­statistik, dengan rumus: -

t hit  = 

g s

………………………………………………..............         (2.10)  -

g - 

dimana

g

- 

adalah nilai dugaan γ dan s g adala simpangan baku dari γ. Dengan 

menggunakan  tingkat  signifikansi  5  persen  untuk  nilai  kritis  dari  statistik  ADF,  jika t statistik lebih besar dari statistik ADF (nilai kritis 5 persen) maka keputusan  adalah tolak H0  yang berarti bahwa tidak terdapat unit root (stasioner) begitu pula  sebaliknya.  Kestasioneran  data  penting,  agar  tidak  menimbulkan  spurious  regression akibat adanya unit root.  Pendekatan  yang  dilakukan  untuk  mengamati  persamaan  regresi  yang  spurious  adalah  dengan  menarik  diferensial  atas  variabel  dependen  dan

independent, sehingga diperoleh  variabel  yang  stasioner dengan pendiferensialan  I(n).  Kestasioneran  data  melalui  pendiferensialan  tidaklah  cukup,  yang  berarti  bahwa  model  VAR  biasa  tidak  dapat  digunakan  secara  langsung  karena  mempertimbangkan  terdapat  tidaknya  informasi  jangka  pendek  dan  jangka  panjang  dalam  model.  Sehingga  ada  dua  pilihan  yang  dapat  dillakukan  yaitu  model  VAR  dengan  pendiferensialan  untuk  data  yang  tidak  terkointegrasi  atau  VECM untuk data yang terkointegrasi.  . 

Menurut Pesaran dan Pesaran (1997) model VECM secara umum adalah:  k -1 

DYt  = å GDY t -1  + m 0  + m1 t + ab ' Y t -1  + e t  ………………….......... 

(2.11) 

i =1 

dimana:  ΔYt 

= Yt  – Yt­1, 

(k­1)  = Ordo VECM dari VAR,  Γ 

= Matriks Koefisien Regresi (b1, b2, b3), 

Yt­1 

= Vektor dari Variabel yang Digunakan dalam Analisis, 

μ0 

= Vektor Intercept, 

μ1 

= Vektor Koefisien Regresi, 

α 

= Matriks Loading, 

β’ 

= Vektor Kointegrasi, 

Yt­1 

= Variabel

dalam Level, 

Berdasarkan  persamaan  (2.11),  vektor  kointegrasi  (β’)  sangat  ditekankan  karena  menunjukkan  adanya  kointegrasi  dalam  variabel­variabel  yang  dianalisis.  Vektor tersebut dapat diinterpretasikan dalam bentuk matriks  kointegrasi dengan  komponan  tren  sesuai  dengan  banyaknya  persamaan  jangka  panjang  yang

diperoleh berdasarkan pengujian  kointegrasi. Apabila rank kointegrasi dua (r=2).  Maka terdapat dua vektor kointegrasi yang terbentuk.  Kedua vektor tersebut just identified karena terdapat dua set restriksi untuk  dua  persamaan.  Agar  persamaan  tersebut  dapat  diuji  untuk  diinterpretasikan  secara  ekonomi  maka  dilakukan  over­identifying  restriksi  untuk  memperoleh  model  hubungan  jangka  panjang  yang  terestriksi  sehingga  bermakna  secara  ekonomi,  dan  kemudian  parameter­parameter  diestimasi  dengan  menggunakan  Maximum Likelihood. Hasil estimasi model VECM digunakan untuk memperoleh  informasi  jangka  pendek  dan  jangka  panjang  dengan tingkat  perubahan tertentu.  Tetapi hasil estimasi ini sangat tergantung pada tujuan penelitian dan merupakan  hasil  antara  untuk  memperoleh  residual  yang  akan  digunakan  dalam  innovation  accounting yang meliputi analisis IRF dan FEVD.  Impulse  Response  Function  (IRF)  dapat  dilakukan  untuk  melihat  respon  dinamis setiap variabel yang dianalisis terhadap adanya shock atau guncangan atas  variabel tertentu. Sementara itu, Forecast Error Variance Decompositon (FEVD)  dilakukan  untuk  melihat  berapa  persen  kontribusi  guncangan  masing­masing  variabel terhadap perubahan variabel tertentu. 

2.3. 

Tinjauan Penelitian Terdahulu  Analisis  serta  kajian  mengenai  faktor­faktor  yang  mempengaruhi  nilai 

tukar  telah  banyak  dilakukan.  Berikut  ini  akan  dipaparkan  beberapa  penelitian  terdahulu  mengenai  faktor  apa  saja  yang  mempengaruhi  nilai  tukar,  khususnya

apabila  dilihat  dari  adanya  aliran  keuangan  yang  masuk  dan  ke  luar  dari  suatu  negara dengan memperhitungkan posisi dari neraca pembayaran.  Wibowo  dan  Amir  (2005)  melakukan  penelitian  terhadap  faktor­faktor  yang  mempengaruhi  nilai  tukar  dengan  salah  satu  model  penelitiannya  dengan  memasukkan  variabel  neraca  perdagangan  sebagai  variabel  eksogen  dalam  mempengaruhi  nilai  tukar.  Model  yang  dikembangkan  oleh  Wibowo  dan  Amir  (2005)  merupakan  model  yang  didasarkan  dari  model  penelitian  yang  dilakukan  oleh  Meese  dan  Rogoff  (1983)  yang  telah  membangun  suatu  uji  langsung  yang  sulit  dalam  tiga  tahap.  Pertama,  mereka  merumuskan  suatu  model  yang  menampung  sebagian  besar  hal­hal  yang  dipercayai  oleh  pakar  ekonomi sebagai  sesuatu  yang  menyebabkan  perubahan  nilai  tukar.  Dari  persamaan  gabungan  paritas daya beli: r  = 

P  æç M  ö÷ æ k f  ö æ y f  ö = . ç ÷. ç ÷ ………………………..................  P f  çè M f  ÷ø çè k  ÷ø çè y  ÷ø

(2.11) 

dimana M dan Mf  masing­masing adalah jumlah uang beredar (dalam negeri dan  luar negeri ), P dan Pf  adalah tingkat harga, y dan yf  adalah PDB riil, serta k dan kf  adalah nisbah perilaku yang ditentukan oleh masing­masing persamaan tersebut  Dalam  model  persamaan  yang  dibangun  oleh  Wibowo  dan  Amir  (2005),  nilai  k  dari  persamaan­persamaan  di  atas  dimungkinkan  untuk  tergantung  pada  suku bunga  di  dalam  dan  luar  negeri  (i  dan  if),  tingkat  inflasi di  dalam  dan  luar  negeri (π dan πf), dan neraca perdagangan (TB) di dalam negeri. Dengan demikian  persamaan untuk memperkirakan harga valuta asing (r) menjadi:

æ M  ö æ y  ö ÷. ç ÷. K ( i f  - i , p f  - p , TB ) …………………..............  r  = ç ç M  ÷ ç y  ÷ è f ø è f  ø

(2.12) 

dimana  K  merupakan  nisbah  kf/k.  Berdasarkan  hasil  yang  diteliti ternyata  hanya  varibel  TB  yang  tidak  mempengaruhi  secara  signifikan  sedangkan  variabel  lainnya sukup signifikan dalam mempengaruhi nilai tukar.  Atmadja  (2002)  melakukan  penelitian  dengan  judul  analisa  pergerakan  nilai  tukar  Rupiah  terhadap  Dollar  Amerika  setelah  diterapkannya  kebijakan  sistim nilai tukar mengambang bebas di Indonesia. Dalam penelitiannya, Atmadja  memasukkan  variabel  besarnya  surplus  atau  defisit  neraca  pembayaran  sebagai  salah  satu  variabel  eksogen  dalam  melakukan  penelitian.  Berdasarkan  hasil  penelitiannya  dengan  menggunakan  metode  OLS  ternyata  variabel  surplus  dan  defisitnya neraca pembayaran tidak signifikan mempengaruhi nilai tukar. 

2.4. 

Kerangka Pemikiran Operasional  Suatu  negara  yang  menganut  sistem  perekonomian  terbuka  akan 

mengalami terjadinya integrasi ekonomi dengan negara lain. Terjadinya integrasi  ekonomi akan terlihat dari sisi sektor eksternal. Sisi eksternal merupakan kondisi  dimana  perekonomian  suatu  negara  dipengaruhi  oleh  aktivitas  ekonomi  dari  negara lain. Aktivitas ekonomi tersebut dapat menyebabkan terjadinya aliran dana  dari  dan  ke  luar  negeri.  Untuk  mengidentifikasi  kegiatan  ekonomi  dari  sisi  eksternal  maka  peneliti  menggunakan  neraca  pembayaran  sebagai  indikator  terjadinya hubungan ekonomi dengan negara lain.

Neraca  pembayaran  yang  terdiri  dari  transaksi  berjalan  (current  account)  dan  transaksi  keuangan  dan  modal  (capital  account)  merupakan  indikator  terjadinya  aliran  dana  dari  dan  ke  luar  negeri.  Adanya  aliran  dana  tersebut  akan  mempengaruhi permintaan dan penawaran valuta asing di pasar uang. Oleh karena  itu, diperlukan  suatu analisis  yang  lebih mendalam mengenai adanya aliran dana  tersebut dalam mempengaruhi  nilai tukar mata uang domestik dengan mata uang  asing. Dalam bentuk bagan alir (flow­chart) kerangka penelitian operasional dari  penelitian ini akan terlihat seperti (Gambar  2.8). 

Neraca  Pembayaran 

Tingkat Suku  Bunga 

Jumlah Uang  Beredar 

Capital  Account 

Tingkat  Suku Bunga 

PDB dan Nilai  Tukar 

Current  Account 

Nilai Tukar 

Dummy  Krisis 

Gambar 2.8. Kerangka Pemikiran Operasional 

Keterangan:  Terdiri dari  Mempengaruhi  Batasan Penelitian

PDB 

2.5. 

Definisi Variabel  Variabel­variabel yang digunakan untuk menjelaskan bagaimana pengaruh 

komponen  neraca  pembayaran  mempengaruhi  nilai  tukar  antara  neraca  berjalan  (currrent account) dan neraca modal dan keuangan (capital account).  Variabel  lain  yang  digunakan  dalam  penelitian  ini  yaitu  (M2)  yang  merupakan  jumlah uang beredar dalam arti  luas, tingkat suku bunga (R), produk  domestik  bruto  (PDB)  dan  dummy  krisis  (D).  Untuk  variabel  nilai  tukar  (ER)  peneliti menggunakan nilai tukar nominal Rp/US$ . 

2.6. 

Hipotesa Penelitian  Dari  perumusan  masalah  yang  telah  diuraikan  sebelumnya,  hipotesis 

penelitian dapat dirumuskan sebagai berikut:  1. 

Current  account  berpengaruh  negatif  terhadap  nilai  tukar  Rupiah,  dalam  artian  meningkatnya  current  account  akan  mengakibatkan  nilai  nominal  nilai tukar Rupiah mengalami penurunan (apresiasi). 

2. 

Capital  account  berpengaruh  negatif  terhadap  nilai  tukar  Rupiah,  dalam  artian  meningkatnya  capital  account  akan  mengkibatkan  penawaran  terhadap  mata  uang  asing  akan  bertambah  di  pasar  uang  sehingga  nilai  nominal dari nilai tukar Rupiah mengalami penurunan (apresiasi). 

3. 

Jumlah  uang  beredar  dalam  arti  luas  (M2)  berpengaruh  positif  terhadap  nilai  tukar  Rupiah,  dalam  artian  meningkatnya  M2  akan  mengakibatkan  tingkat  suku  bunga  dalam  negeri  menjadi  turun,  maka  hal  tersebut  akan  mengurangi  investasi  yang  masuk  ke  Indonesia.  Menurunnya  investasi

akan  mengakibatkan penawaran mata  uang  asing  menjadi  menurun  yang  selanjutnya menyebabkan nilai tukar Rupiah mengalami depresiasi.  4. 

Kenaikan  tingkat  suku  bunga  (R)  menyebabkan  nilai  tukar  Rupiah  mengalami apresiasi. 

5. 

Kenaikan PDB berpengaruh menyebabkan nilai tukar terdepresiasi. 

6. 

Dummy krisis menyebabkan nilai tukar terdepresiasi.

III. METODE PENELITIAN 

3.1. 

Lokasi dan Waktu Penelitian  Penelitian ini banyak dilakukan di Jakarta dan Bogor. Waktu penelitian ini 

berlangsung pada bulan Februari hingga bulan Mei 2006. 

3.2. 

Metode Pengumpulan Data  Data  yang  digunakan  dalam  penelitian  ini  adalah  data  sekunder  yang 

merupakan data kuartalan periode 1990:1 sampai dengan 2005:4. Data penelitian  diambil dari Bank Indonesia (BI) dan instansi terkait lainnya. Untuk mencari studi  pustaka maka peneliti melakukan pengumpulan literatur berupa kumpulan materi  kuliah, jurnal, artikel dan buku­buku yang relevan untuk dijadikan sebagai sumber  penelitian. 

3.3. 

Metode Analisis Penelitian  Penelitian  ini  menggunakan  metode  Vektor  Error  Correction  Model 

(VECM). Metode ini mempunyai kelebihan jika dibandingkan dengan metode lain  yang konvensional, seperti Ordinary Least Square (OLS) karena dalam metode ini  didahului  oleh  proses  pengujian  akar  unit  dan  kointegrasi  untuk  meneliti  apakah  variabel yang digunakan dalam sistem persamaan bersifat stasioner atau tidak.  Menurut  Sims  dalam  Thomas  (1997),  variabel  yang  digunakan  dalam  model VECM dipilih  sesuai dengan model ekonomi  yang relevan dan  hubungan

antara  variabel  tidak diperlukan  secara  apriori.  Dengan  kata  lain  semua  variabel  dalam sistem diperlakukan sebagai variabel endogen.  VECM  digunakan  untuk  mendapatkan  hubungan  antara  variabel­variabel  dalam bentuk regresi  kointegrasi. Model ini merupakan sistem persamaan dalam  bentuk  VAR  dari  variabel­variabel  yang  dinyatakan  dalam  koreksi  kesalahan  (error  correction) antara  dinamika  jangka  pendek  dari  variabel­variabel  terhadap  ekuilibrium jangka panjangnya.  3.3.1.  Model Analisis Penelitian  Bentuk  model  analisis  penelitian  dapat  dibuat  dengan  memasukkan  variabel­variabel yang digunakan yaitu sebagai berikut:  é E R t  ù ê M  2  ú t  ú ê ê R t  ú ê ú ê K A t  ú = ê P D B t  ú ê ú ê C A t  ú ê D  ú ë t  û 

é a1 1 ( L ) ê ê a 21 ( L ) ê a31 ( L ) ê ê a 41 ( L ) êa (L) ê 51 ê a 61 ( L ) êa (L) ë 71

a1 2 ( L )

a 1 3  ( L ) 

a 1 4  ( L ) 

a1 5 ( L )

a1 6 ( L )

a 22 ( L )

a 2 3  ( L ) 

a 2 4  ( L ) 

a 25 ( L )

a 26 ( L )

a32 ( L )

a 3 3  ( L ) 

a 3 4  ( L ) 

a35 ( L )

a36 ( L )

a 42 ( L )

a 4 3  ( L ) 

a 4 4  ( L ) 

a 45 ( L )

a 46 ( L )

a52 ( L )

a53 ( L )

a 5 4  ( L ) 

a55 ( L )

a56 ( L )

a62 ( L )

a 63 ( L )

a 6 4  ( L ) 

a 65 ( L )

a 66 ( L )

a 7 2  ( L ) 

a 73 ( L )

a74 ( L )

a 75 ( L )

a 76 ( L )

dimana:  ER 

= Nilai Tukar (Rp/US$) 

M2 

= Jumlah Uang Beredar 

R 

= Tingkat Suku Bunga SBI 1 Bulan 

KA 

= Capital Account 

CA 

= Current Account 

PDB  = Produk Domestik Bruto  D 

= Dummy Krisis 

εit 

= Guncangan Acak 

L 

= Lag

a 1 7  ( L )  ù é E R t  ù é e 1 t  ù ê e  ú a 2 7  ( L ) úú ê M  2 t  ú ê ú ê 2 t  ú ú ê e 3 t  ú a 3 7  ( L ) ú ê R t  úê ú ê ú a 4 7  ( L ) ú ê K A t  ú + ê e 4 t  ú ú ê ú ê a 5 7  ( L )  P D B t  e  ú úê ú ê 5 t  ú a 6 7  ( L ) ú ê C A t  ú ê e 6 t  ú êe ú a 7 7  ( L ) úû  êë D t  úû ë 7  t  û 

Untuk  mendapatkan  tujuan  penelitian  yang  diharapkan,  maka  dalam  menggunakan analisis VECM, dengan melewati tahapan proses berikut ini:  3.3.2.  Pengujian Akar Unit  Pengujian ini bertujuan untuk menganalisis apakah suatu variabel stasioner  atau  tidak.  Jika  stasioner  maka  tidak  ada  akar­akar  unit,  sebaliknya  jika  tidak  stasioner maka terdapat akar­akar unit. Salah satu cara untuk menguji stasioneritas  data adalah dengan menggunakan Augmented Dickey Fuller (ADF) test. Jika nilai  ADF  statistiknya  lebih  kecil  dari  Mc  Kinnon  Critical  Value  maka  dapat  disimpulkan  bahwa  data  tersebut  stasioner.  Solusi  yang  dapat  dilakukan apabila  berdasarkan uji ADF diketahui suatu data time series non­stasioner adalah dengan  melakukan penarikan differensial sampai data menjadi stasioner.  3.3.3.  Penetapan Lag Optimal  Penentuan  lag  optimal  VAR  di  sini  adalah  dengan  menggunakan  uji  Likelihood  Ratio.  Setelah  didapatkan  lag  yang  optimal  maka  dalam  pendekatan  VECM ordo lag tersebut akan dikurangi satu menjadi (k­1) sebagai tahapan untuk  memperoleh  rank  kointegrasi  berdasarkan  pengujian  Johansen  yang  akan  diset  sebagai persamaan kointegrasi jangka panjang.  3.3.4.  Pengujian Rank Kointegrasi  Analisis  rank  kointegrasi  dilakukan  untuk  mengetahui  berapa  sistem  persamaan  yang  dapat  menerangkan  dari  keseluruhan  sistem  yang  ada.  Rank  kointegrasi dilakukan melalui uji Johansen Maximum Likelihood test yaitu dengan  terlebih  dahulu  mengurangi  ordo  VAR  k  menjadi  (k­1),  maka  diperoleh  VECM  (k­1).  Untuk  menentukan  berapa  banyak  rank  yang  terkointegrasi  dalam  jangka

panjang  maka  dalam  uji  Johansen  Maximum  Likelihood  test  terutama  dengan  berdasarkan  maximal  eigenvalue  dan  trace  of  stochastic  matrix.  Apabila  berdasarkan  nilai  ini  menghasilkan  rank  kointegrasi  yang  berbeda  maka  digunakan  asumsi  tambahan  yaitu  berdasarkan selection  criteria  SBC  dan  HQC  yang menunjukkan angka yang terbesar.  3.3.5.  Impulse Response Function (IRF)  Analisis  IRF  digunakan  untuk  melihat  respon  variabel  tertentu  terhadap  guncangan  variabel  tertentu.  Pengaruh  guncangan  dapat  dilihat  mulai  dari  awal  guncangan  terjadi  sampai  pengaruh  guncangan  itu  relatif  stabil  di  masa  mendatang atau sampai mencapai keseimbangan jangka panjangnya.  3.3.6.  Forecast Error Variance Decomposition (FEVD)  Analisis  FEVD  untuk  melihat  berapa  besar  kontribusi  guncangan  suatu  variabel  yang  ditunjukkan  oleh  perubahan  variance  error  terhadap  perubahan  variabel  tertentu.  Dengan  metode  ini  dapat  dilihat  kekuatan  dan  kelemahan  dari  masing­masing variabel dalam mempengaruhi variabel lainnya baik dalam jangka  pendek maupun jangka panjang.

IV. PERKEMBANGAN NERACA PEMBAYARAN DAN NILAI TUKAR  RUPIAH 

4.1. 

Perkembangan Neraca Pembayaran Indonesia  Neraca  pembayaran  yang  merupakan  suatu  catatan  sistematis  mengenai 

transaksi  ekonomi  yang  dilakukan  antara  penduduk  suatu  negara  dengan  penduduk  dari  negara  lain,  telah  banyak  dijadikan  suatu  alat  analisis  dalam  perumusan  kebijakan  ekonomi  makro.  Salah  satu  hal  penting  yang  bisa  diamati  dalam  neraca  pembayaran  adalah  adanya  aliran  dana  yang  mempengaruhi  permintaan dan penawaran valuta asing (Sugiyono, 2002).  Aliran  dana  yang  tercatat  dalam  neraca  pembayaran  dapat  mencirikan  keadaan  ekonomi  suatu  negara.  Aliran  dana  tersebut  dapat  disebabkan  oleh  adanya kegiatan ekspor­impor yang dilakukan antar negara. Dengan adanya suatu  sistem  pencatatan  ini  akan  terlihat  apakah  suatu  negara  termasuk  negara  pengekspor  bersih  atau  pengimpor  bersih.  Selain  dilihat  dari  sisi  ekspor­impor  atau  sisi  perdagangan  internasional,  neraca  pembayaran  juga  dapat  mencirikan  adanya  suatu  aliran  modal  dari  suatu  negara  ke  negara  lainnya.  Dengan  adanya  suatu pencatatan dari sisi modal dapat terlihat apakah negara tersebut mengalami  lebih banyak capital inflow atau capital outflow.  Karakteristik  neraca pembayaran Indonesia mengalami banyak perubahan  pada masa sebelum dan sesudah krisis. Perubahan  itu dapat dilihat dari  sisi  nilai  dan  arah  pergerakan  baik  pada  sisi  neraca  berjalan  maupun  neraca  modal.  Perubahan nilai dan arah pergerakan dari neraca berjalan dan neraca modal dapat  mempengaruhi  kondisi  neraca pembayaran  secara keseluruhan.  Untuk  lebih  jelas

ditampilkan  Gambar  4.1  yang  mencirikan  perkembangan  neraca  pembayaran  Indonesia berdasarkan periode triwulanan.  6000  4000  Juta US$ 

2000  0  ­2000  ­4000 

I  II IIIIV I  II III IV I  II IIIIV I  II III IV I  II III IV I  II IIIIV I  II III IV I  II IIIIV I  II IIIIV I  II III IV I  II IIIIV I  II III IV I  II IIIIV I  II IIIIV I  II III IV I  II IIIIV  1990 

1991 

1992 

1993 

1994 

1995 

1996 

1997 

1998 

1999 

2000 

2001 

2002 

2003 

2004 

2005 

­6000  ­8000  Periode (triwulan) 

Sumber: Bank Indonesia (1990­2005).  Gambar 4.1. Perkembangan Neraca Pembayaran Indonesia 

Pada  masa  sebelum krisis  ekonomi  terjadi,  neraca  pembayaran  Indonesia  pada  umumnya  mencatat  surplus.  Pencatatan  surplus  terbesar  terjadi  pada  tahun  1995  triwulan  keempat,  dimana  dalam  periode  tersebut  surplus  neraca  pembayaran  sebesar  US$  2871  juta.  Surplusnya  neraca  pembayaran  tersebut  merupakan  andil  dari  pencatatan  neraca  modal  yang  cukup besar, dimana  dalam  periode  sebelum  krisis  banyak  dana  investasi  asing  yang  masuk.  Besarnya  dana  investasi  yang  masuk  lebih  disebabkan  ketertarikan  investor  asing  dan  domestik  atas prospek ekonomi Indonesia yang menunjukkan perkembangan dan kemajuan.  Namun  pada  triwulan  kedua  tahun  1996  nilai  dan  arah  pergerakan  neraca  pembayaran  mengalami  pembalikan  arah,  pada  periode  tersebut  neraca  pembayaran mengalami defisit yang cukup signifikan yaitu sebesar US$ 595 juta.  Defisitnya  neraca  pembayaran  ini  dikarenakan  neraca  berjalan  pada  periode  tersebut  mengalami  defisit  yang  cukup  besar  yaitu  US$  2588  juta,  sementara  untuk  neraca  modal  hanya  mampu  menyumbangkan  surplus  sebesar  US$  1993  juta, sehingga hal tersebut memperburuk kinerja neraca pembayaran.

Nilai  dan  arah  pergerakan  neraca  pembayaran  Indonesia  banyak  mengalami  perubahan  setelah  krisis  ekonomi  yang  melanda  Indonesia  pada  pertengahan  tahun  1997.  Pada  awal  terjadinya  krisis,  neraca  pembayaran  Indonesia sempat mencatat defisit  yang cukup besar. Defisit terbesar terjadi pada  triwulan keempat tahun 1997, pada periode tersebut neraca pembayaran mencatat  defisit  sebesar  US$  5644  juta.  Terjadinya  defisit  yang  besar  pada  neraca  pembayaran  lebih  disebabkan  banyaknya  capital  flight  yang  terjadi  akibat  dari  ketidakpercayaan  investor  akan  kemampuan  Indonesia  dalam  bertahan  akibat  terjadinya  krisis  keuangan  yang  berlanjut  ke  krisis  ekonomi.  Capital  flight  tersebut menyebabkan  neraca modal mengalami defisit sebesar  US$ 5442 juta.  Dampak  krisis  ekonomi  yang  melanda  Indonesia  sedikit  mereda  setelah  triwulan  kedua  tahun  1998,  pada  periode  tersebut  neraca  pembayaran  Indonesia  kembali  menunjukkan  perbaikan  dengan  pencatatan  surplus  sebesar  1866  juta  US$.  Surplusnya  neraca  pembayaran  pada  periode  ini  terbantu  dari  sisi  neraca  berjalan  yang  menunjukkan  pencatatan  yang  cukup  besar  karena  semakin  kompetitifnya  komoditi  ekspor  yang  lebih  disebabkan  melemahnya  nilai  tukar  Rupiah  terhadap  mata  uang  asing.  Sementara  itu,  dari  sisi  neraca  modal  juga  sudah  menunjukkan  pencatatan  yang  surplus  akibat  kepercayaan  para  investor  akan  pulihnya  perekonomian  Indonesia.  Setelah  dampak  krisis  keuangan  mulai  mereda, neraca pembayaran Indonesia menunjukkan fluktuasi yang cukup rendah  dengan  menunjukkan  pergerakan  yang  lebih  banyak  mencatat  surplus  neraca  pembayaran.  Pada  triwulan  keempat  tahun  2005  neraca  pembayaran  Indonesia  menunjukkan surplus yang besar yaitu sebesar 3398 juta US$.

4.2. 

Perkembangan Neraca Berjalan  Nilai  dan  arah  pergerakan  neraca  berjalan  mengalami  banyak  perubahan 

pada  masa  sebelum  dan  sesudah  krisis  ekonomi  terjadi.  Pergerakan  neraca  berjalan dapat dilihat pada (Gambar 4.2).  4000  3000  2000  1000  0  ­ 1000  ­ 2000 

I  II III IV I  II  III IV  I  II III IV  I  II III IV  I  II III IV I  II III IV I  II  III IV I  II III IV  I  II III IV  I  II  III IV  I  II III IV I  II III IV I  II III IV I  II III IV  I  II  III IV  I  II III IV  1990 

1991 

1992 

1993 

1994 

1995 

1996 

1997 

1998 

1999 

2000 

2001 

2002 

2003 

2004 

2005 

­ 3000  P e r i o de  ( t r i w ul a n) 

Sumber: Bank Indonesia (1990­2005).  Gambar 4.2. Perkembangan Neraca Berjalan 

Pada  masa  sebelum  krisis  ekonomi  terjadi  pergerakan  neraca  berjalan  cenderung  mencatat  adanya  defisit.  Defisitnya  neraca  berjalan  terkait  tingginya  permintaan  impor  pada  saat  itu.  Meningkatnya  permintaan  impor  terjadi  karena  pada  masa  sebelum  krisis  ekonomi  terjadi,  angka  produk  domestik  bruto  dan  pertumbuhan  ekonomi  mencatat  angka  yang  cukup  tinggi  sehingga  hal  tersebut  mendorong  terjadinya  permintaan  akan  barang  impor.  Sementara  itu,  dari  sisi  ekspor menunjukkan angka yang relatif rendah karena terkait tingginya nilai tukar  rupiah  terhadap  mata  uang  asing  pada  saat  itu,  sehingga  mendorong  kurang  kompetitifnya komoditi domestik dibandingkan dengan komoditi dari negara lain.  Pencatatan defisit neraca berjalan terbesar terjadi pada triwulan kedua tahun 1996  sebesar US$ 2566 juta.  Pergerakan  neraca  berjalan  setelah  kriris  ekonomi  terjadi  cenderung  menunjukkan  adanya  surplus.    Surplusnya  neraca  berjalan  terkait  dengan

diterapkannya  sistem  nilai  tukar  mengambang  ketika  itu.  Setelah  diterapkannya  sistem nilai tukar ini, fluktuasi nilai tukar Rupiah cenderung berada dalam tingkat  yang  terdepresiasi.  Nilai  tukar  yang  terdepresiasi  mengakibatkan  komoditi  domestik  menjadi  lebih  kompetitif  dibandingkan  komoditi  dari  negara  lain,  sehingga  faktor  tersebut  mendorong  terjadinya  peningkatan  ekspor.  Pencatatan  surplus terbesar terjadi pada triwulan ketiga tahun 2004 yaitu US$ 2770 juta. 

4.3. 

Perkembangan Neraca Modal  Sama  halnya  dengan  neraca  berjalan,  neraca  modal  juga  menunjukkan 

pergerakan  yang  berbeda  pada  masa  sebelum  dan  sesudah  krisis  ekonomi.  Pergerakan tersebut dapat dilihat pada Gambar (4.3).  6000 

Juta US$ 

4000  2000  0  ­2000  I IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIVI IIIIIIV  ­4000  1990  1991  1992  1993  1994  1995  1996  1997  1998  1999  2000  2001  2002  2003  2004  2005  ­6000  ­8000  Periode (triwulan) 

Sumber: Bank Indonesia (1990­2005).  Gambar 4.3 Perkembangan Neraca Modal 

Sebelum  terjadinya  krisis  ekonomi,  neraca  modal  pada  umumnya  cenderung mencatat surplus. Surplus neraca modal tertinggi terjadi pada triwulan  keempat  tahun  1995  sebesar  US$  4075  juta.  Surplusnya  neraca  modal  dan  keuangan pada masa sebelum krisis ekonomi terjadi karena tingginya arus modal  masuk  baik  yang  berupa  investasi  jangka  pendek  maupun  investasi  yang  berupa  penanaman  modal  asing  secara  langsung.  Tingginya  arus  modal  yang  masuk  ke

Indonesia  terkait  dengan  prospek  perekonomian  Indonesia  menuju  arah  yang  semakin  baik dan  rendahnya  resiko  untuk  terjadi  kegagalan  bisnis.  Namun  pada  triwulan  kedua  neraca  modal  mengalami  penurunan  defisit  dan  pada  periode  tersebut surplus yang tercatat dalam neraca pembayaran menjadi sekitar US$ 1993  juta.  Setelah  krisis  ekonomi  terjadi,  pergerakan  neraca  modal  ikut  mengalami  imbas akibat terjadinya krisis tersebut. Neraca modal mengalami pembalikan arah  dan  cenderung  mencatat  adanya  defisit.  Defisit  terbesar  terjadi  pada  triwulan  pertama  tahun  1998  yaitu  sebesar  US$  6203 juta.  Defisit  tersebut  terjadi  karena  tingginya  capital  flight  menyusul  adanya  sentimen  negatif  dari  pelaku  ekonomi  akan  bertahannya  perekonomian  Indonesia  akibat  krisis  keuangan  yang  terjadi.  Setelah  triwulan  kedua  tahun  1998  pergerakan  neraca  modal  menunjukkan  pembalikan  arah  dengan  terjadi  surplus  sebesar  US$  1195  juta.  Hal  ini  terjadi  setelah  pemerintah  melakukan  berbagai  kebijakan  untuk  memperbaiki  perekonomian,  sehingga  menumbuhkan  kembali  kepercayaan  para  investor  akan  perkembangan perekonomian Indonesia.  Neraca  modal  kembali  mengalami  keterpurukan  pada  selang  waktu  dari  triwulan  kedua  tahun  1999  sampai  dengan  triwulan  pertama  tahun  2002,  pada  selang  tersebut  neraca  modal  mengalami  tingkat  defisit  yang  cukup  besar.  Pencatatan  defisit  terbesar  pada  selang  tersebut  terjadi  pada  triwulan  pertama  tahun  2001  yaitu  sekitar  US$  3245  juta.  Defisit  besar  yang  terjadi  pada  neraca  modal  terkait  dengan  keengganan  para  investor  untuk  menanamkan  modalnya  karena memanasnya situasi politik pada saat itu.

4.4. 

Perkembangan Pergerakan Nilai Tukar Rupiah  Pergerakan nilai tukar Rupiah memiliki keterkaitan dengan perkembangan 

neraca  modal.  Keterkaitan  antara  neraca  modal  dengan  pergerakan  nilai  tukar  Rupiah  dapat  terlihat  jelas  ketika  krisis  ekonomi  mulai  terjadi  dan  setelah  diterapkannya  sistem  nilai tukar  mengambang  penuh.  Perkembangan pergerakan 

Rp/US$ 

nilai tukar Rupiah dapat dilihat pada (Gambar 4.4).  16000  14000  12000  10000  8000  6000  4000  2000  0  I  II III IV I  II IIIIV I  II IIIIV I  II III IV I  II IIIIV I  II III IV I  II III IV I  II IIIIV I  II III IV I  II III IV I  II IIIIV I  II III IV I  II IIIIV I  II IIIIV I  II III IV I  II IIIIV  1990 

1991 

1992 

1993 

1994 

1995 

1996 

1997 

1998 

1999 

2000 

2001 

2002 

2003 

2004 

2005 

Periode (triwulan) 

Sumber: Bank Indonesia (1990­2005).  Gambar 4.4. Perkembangan Pergerakan Nilai Tukar Rupiah terhadap Dollar Amerika 

Pergerakan  nilai  tukar  Rupiah  pada  waktu  sebelum  terjadinya  krisis  ekonomi  menunjukkan  pergerakan  yang  stabil.  Namun,  setelah  krisis  ekonomi  yang  melanda  Indonesia  baik  itu  pergerakan  pada  nilai  tukar  Rupiah  maupun  neraca  modal  (Gambar  4.4.)  menunjukkan  volatilitas  yang  tinggi.  Pada  awal  terjadinya krisis ekonomi, neraca modal mencatat defisit yang tinggi, hal tersebut  terjadi  karena  menurunnya  kepercayaan  investor  asing  atas  bertahannya  perekonomian  Indonesia  dari  guncangan  krisis,  sehingga  hal  tersebut  menimbulkan capital flight.  Tingginya  capital  flight  yang  terjadi  pada  awal  terjadinya  krisis  menyebabkan  permintaan  terhadap  valuta  asing  turut  mengalami  peningkatan.  Peningkatan terhadap valuta asing ini menyebabkan nilai tukar Rupiah mengalami

depresiasi  yang  cukup  tajam  sehingga  posisi  nilai  tukar  pada  pertengahan  tahun  1998 sempat menyentuh angka Rp 14900/US$ yang merupakan tingkat depresiasi  terbesar  sepanjang  sejarah  setelah  diterapkannya  sistem  nilai  tukar  mengambang  penuh.    Setelah  menyentuh  tingkat  tersebut,  pergerakan  nilai  tukar  mengalami  penguatan,  dimana  pada  triwulan  kedua  tahun  1999  nilai  tukar  Rupiah  terhadap  Dollar  Amerika  berada  pada  Rp  6726/US$.  Terapresiasinya  Rupiah  ini  sejalan  dengan  adanya  peningkatan  surplus  pada  neraca  modal  selama  selang  waktu  triwulan  ketiga tahun 1998 sampai dengan triwulan pertama tahun 1999, dengan  tingkat  surplus  terbesar  terjadi  pada  triwulan  keempat  tahun  1998  yaitu  sebesar  US$ 1532 juta.  Nilai tukar Rupiah  kembali mengalami  kecenderungan  yang terdepresiasi  pada  selang  waktu  dari  triwulan  keempat  tahun  1999  sampai  dengan  triwulan  kedua tahun  2001, depresiasi  terlemah  Rupiah pada  selang  tersebut berada  pada  level  Rp  11440/US$.  Depresiasinya  Rupiah  ini  terjadi  karena  adanya  kecenderungan defisit pada neraca modal yang mencirikan tingginnya arus modal  yang  keluar.  Neraca  modal  cenderung  mengalami  defisit  pada  selang  waktu  triwulan  kedua  tahun  1999  sampai  dengan  triwulan  ketiga  tahun  2001.  Defisit  terbesar  pada  neraca  modal  pada  selang  tersebut  terjadi  pada  triwulan  pertama  tahun 2001 yaitu sebesar US$ 3245 juta.  Melemahnya  nilai  tukar  Rupiah  bukan  hanya  disebabkan  oleh  tingginya  arus  modal  keluar  tetapi  juga  banyak  disebabkan  oleh  meningkatnya  kegiatan  spekulasi terhadap Rupiah. Banyak hal yang dilakukan untuk meredam depresiasi  nilai tukar Rupiah ketika itu, diantaranya untuk mengurangi permintaan terhadap

valuta  asing  pada  tahun  1998  maka  transaksi  forward  jual  Rupiah  antara  bank  dengan  non­resident  dibatasi  maksimal  US$  lima  juta  pernasabah.  Selanjutnya,  pada 12 Januari 2001 kembali dilakukan pembatasan terhadap transaksi derivatif  antara bank dengan non­resident menjadi maksimal US$ tiga juta perhari apabila  transaksi tersebut underlying, apabila bank dapat menunjukkan adanya underlying  transaction maka transaksi tersebut dilakukan pembatasan (Suseno, 2004).  Perdagangan  nilai tukar di pasar  valuta asing antar bank  juga tidak dapat  terlepas dari beberapa norma, faktor teknis, mekanisme aturan perdagangan, yang  tidak  mungkin  dapat  dijelaskan  dari  sudut  pandang  fundamental  ekonomi,  misalnya  buy  high,  sell  low  merupakan  aturan  umum  yang  berlaku  di  pasar.  Ketika  kecenderungan  nilai  tukar  Rupiah  dilihatnya  bergerak  turun  (apresiasi),  pelaku pasar ramai­ramai akan menjual Dollar. Sudah menjadi aturan tidak tertulis  di pasar bahwa pelaku pasar jangan coba­coba melawan tren pasar yang dibentuk  oleh  mayoritas,  bila  tidak  ingin  merugi.  Demikian  pula  beberapa  aturan  seperti  stop loss buying/selling pada dasarnya akan membuat nilai tukar bergerak sangat  cepat dan satu arah.

V. 

5.1. 

HASIL DAN PEMBAHASAN 

Pengujian Akar­Akar Unit  Untuk melihat kestasioneran data yang akan dianalisis maka dilakukan uji 

akar unit. Uji ini dilakukan agar hasil regresi  yang dilakukan tidak menghasilkan  spurious  regression.  Uji  akar  unit  dalam  hal  ini  yaitu  dengan  membandingkan  nilai  statistik  ADF  suatu  variabel  dengan  nilai  kritisnya.  Jika  nilai  mutlak  dari  ADF suatu variabel lebih besar dari nilai mutlak kritisnya maka variabel tersebut  dikatakan  stasioner.  Hasil  pengujian  akar  unit  dapat  dilihat  pada  Tabel  5.1  di  bawah ini.  Tabel 5.1. Hasil Pengujian Akar unit  Variabel 

LER  LM2  R  LKA  LPDB  LCA 

Nilai tes statistic DF atau  Nilai tes statistic DF atau  ADF berdasarkan SBC  ADF berdasarkan SBC  terbesar  terbesar  Level  1 st  Different  ­1,2015(­2,2385) 

­5,6484(­5,6055) 

­2,1045(­0,45051) 

­5,9886(­6,2430) 

­3,0567(­3,0353) 

­6,3875(­6,3300) 

­7,1287(­7,0923) 

­8,7619(­8,6930) 

­0,26089(­1,3487) 

­7,7043(­7,6343) 

­7,8232(­7,7558) 

­7,5265(­7,4587) 

Sumber : Lampiran 4  Keterangan:  Pengujian stasioneritas di set memiliki maksimum lag empat baik di level maupun dalam  first  different.  Nilai  kritis  95  persen  untuk  tes  statistik  Dickey  Fuller  tanpa  trend  dan  dengan trend pada level  yaitu ­2,9109 dan ­3,4862, sedangkan untuk tes statistik Dickey  Fuller tanpa trend dan dengan trend pada first different yaitu ­2,9118 dan ­3,4875. nilai di  luar  tanda  kurung  adalah  tes  statistik  tanpa  trend,  sedangkan  nilai  dalam  tanda  kurung  adalah niai tes statistik dengan trend. SBC = Schwarz Bayesian Criteria.

Hasil  uji  akar­akar  unit  menunjukkan  bahwa  variabel  LER,  LM2  dan  LPDB  tidak  stasioner  pada  level,  maka  uji  akar  unit  dilanjutkan  pada  first  different. Berdasarkan hasil uji akar unit pada tingkat first different menunjukkan  bahwa semua variabel telah stasioner pada tingkat tersebut. 

5.2. 

Pengujian Lag Optimal  Penggunaan  lag  optimal  sangat  penting  dalam  menggunakan  metode 

VECM karena lag dari variabel endogen dalam sistem persamaan akan digunakan  sebagai  variabel  eksogen.  Untuk  melihat  lag  optimal  dalam  penelitian  ini  yaitu  dengan  menggunakan  uji  Likelihood  Ratio  (LR  test).  Uji  statistik  dimulai  dari  nilai­p  (p­value)  tertinggi  hingga  lebih  kecil  dari  nilai  nyatanya.  Ordo  optimal  adalah jumlah lag sebelum tercapai nilai­p pertama kali tidak nyata pada α=0,05.  Berdasarkan hasil pengujian lag dengan menggunakan uji LR, maka diperoleh lag  optimal yaitu 4 (hasil Uji lag Optimal dapat dilihat pada Lampiran 5). 

5.3. 

Pengujian Kointegrasi  Menurut  Enders  (2000)  apabila  ada  kombinasi  linear  antara  variabel  non 

stasioner  yang  terintegrasi  pada  ordo  yang  sama,  maka  kondisi  tersebut  dinamakan  kointegrasi.  Untuk  mengetahui  informasi  jangka  panjang  yang  stabil,  analisis dilakukan dengan menentukan rank kointegrasi untuk mengetahui berapa  sistem  persamaan  yang  dapat  menerangkan  dari  keseluruhan  sistem  yang  ada.  Rank kointegrasi dilakukan melalui uji Johansen Maximum Likelihood test  yaitu  dengan  mengurangi  ordo  VAR  k  menjadi  (k­1),  maka  diperoleh  VECM  (k­1).

Untuk menentukan berapa banyak rank yang terkointegrasi dalam jangka panjang  maka dalam uji Johansen Maximum Likelihood test terutama dengan berdasarkan  maximal eigenvalue dan  trace of stochastic matrix. Apabila berdasarkan nilai ini  menghasilkan  rank  kointegrasi  yang  berbeda  maka  digunakan  asumsi  tambahan  yaitu berdasarkan selection criteria SBC dan HQC yang menunjukkan angka yang  terbesar.  Tabel 5.2. Hasil Uji Kointegrasi Johansen  Uji Likelihood Ratio (LR)  LR­  Nilai  test  Kritis=0.05  r=0  r=1  103,51  49,32  r<=1  r=2  64,77  43,61  r<=2  r=3  41,94  37,86  Berdasarkan maximal eigenvalue of the  r<=3  r=4  27,23  31,79  stochastic matrix  r<=4  r=5  23,09  25,42  r<=5  r=6  6,86  19,22  r<=6  r=7  4,84  12,39  r=0  r>=1  272,24  147,27  r<=1  r>=2  168,73  115,85  r<=2  r>=3  103,96  87,17  Berdasarkan trace of the stochastic matrix  r<=3  r>=4  62,02  63,00  r<=4  r>=5  34,79  42,34  r<=5  r>=6  11,70  25,77  r<=6  r=7  4,84  12,39  r=0  r=1  r=2  r=3  r=4  r=5  r=6  r=7  ­  ­  ­  ­  ­  ­  ­  ­  SBC  137,48  114,51  106,79  106,37  109,20  109,99  114,78  116,47  HQC  ­70,09  ­38,13  ­22,71  ­15,88  ­13,57  ­10,51  ­12,73  ­13,14  Sumber: Lampiran 6  Keterangan: SBC = Scwarz Bayesian Criteria; HQC = Hannan Quinn Criteria  Tipe Pengujian 

H0 

H1 

Berdasarkan pada  maximal eigenvalue maupun trace of stochastic matrix  hipotesis nol pada r<=2 masih dapat ditolak karena nilai LR­test masih lebih besar  jika dibandingkan dengan nilai kritis = 0,05, tetapi hipotesis nol pada r<=3 tidak  dapat  ditolak,  dalam  hal  ini  dapat  diartikan  bahwa  setidaknya  minimal  terdapat  tiga  persamaan  yang  terkointegrasi  dalam  jangka  panjang.  Selanjutnya

berdasarkan selection  criteria  SBC dan  HQC  menunjukkan  angka  yang  terbesar  pada r=3 dan r=5. Berdasarkan hasil tersebut, maka rank yang terpilih adalah r=3  yang berarti bahwa terdapat tiga vektor yang terkointegrasi dalam jangka panjang. 

5.4. 

Hasil Estimasi untuk Persamaan Jangka Pendek dan Jangka Panjang  Permasalahan  pertama  dalam  penelitian  ini  akan  dijawab  melalui  hasil 

estimasi  VECM  yang  dilakukan  melalui  uji  LR  yang  dapat  menunjukkan  persamaan jangka pendek dan jangka panjang.  5.4.1.  Hasil Estimasi VECM Jangka Pendek untuk Nilai Tukar Rupiah  Hasil estimasi VECM untuk jangka pendek dapat dilihat pada (Tabel 5.3).  Tabel 5.3. Hasil Estimasi VECM Jangka Pendek untuk Nilai Tukar Rupiah  Regressor  Intercept  dLER1  dLM21  dR1  dLKA1  dLPDB1  dLCA1  dD1  dLER2  dLM22  dR2  dLKA2  dLPDB2  dLCA2  dD2  ecm (­1)  ecm (­1)  ecm (­1)  Sumber: Lampiran 8 

Coefficient  ­1,5130  ­,40607  0,44546  0,0013963  ­0,065515  ­0,082562  ­0,023980  0,33649  0,13633  ­0,26160  0,0051146  ­0,050250  ­0,092917  ­0,014447  0,46712  ­0,028856  ­0,0084227  ­0,0028954 

Standard Error  3,1669  0,20376  0,038089  0,0036664  0,025858  0,25960  0,010518  0,11653  ­0,17877  0,41082  0,0024396  0,014800  0,18631  0,0077219  0,11584  0,10182  0,078677  0,0021682 

T­Ratio [Prob]  ­0,47777[0,635]  ­1,09929[0,053]  1,1695[0,249]  0,38084[0,705]  ­2,5337[0,015]  ­0,31804[0,752]  ­2,2799[0,028]  2,8876[0,006]  2,76260[0,450]  ­0,63677[0,528]  2,0964[0,042]  ­3,3952[0,001]  ­0,49871[0,621]  ­1,8710[0,068]  4,0326[0,000]  ­0,28340[0,778]  ­0,10705[0,915]  ­1,3354[0,189] 

Berdasarkan tabel di atas, suatu variabel akan diinterpretasikan  jika  nilai  probabilitas  yang  ada  di  dalam  kurung  lebih  kecil  dari  α=0,05.  Berdasarkan  hal

tersebut maka variabel  yang mempengaruhi pergerakan  nilai tukar Rupiah dalam  jangka pendek adalah variabel dLKA1, dCA1, dD1, dR2, dLKA2 dan dD2.  Pertumbuhan  capital  account  pada  satu  triwulan  yang  lalu  (dLKA1)  menyebabkan nilai tukar Rupiah terapresiasi sebesar 0,0655 persen. Hal ini dapat  terjadi  karena  adanya  peningkatan  dalam  neraca  modal  dan  keuangan  (capital  account)  pada  satu  triwulan  sebelumnya  berarti  mencirikan  adanya  peningkatan  penawaran  terhadap  valuta  asing.  Naiknya  penawaran  terhadap  valuta  asing  menyebabkan nilai tukar Rupiah mengalami apresiasi.  Pertumbuhan  current  account  satu  triwulan  yang  lalu  (dLCA1)  menyebabkan  nilai  tukar  Rupiah  terapresiasi  sebesar  0.005  persen.  Terapresiasinya  nilai  tukar  Rupiah  karena  adanya  kenaikan  jumlah  penawaran  valuta asing di pasar valuta asing.  Dummy  krisis  satu  triwulan  yang  lalu  menyebabkan  nilai  tukar  Rupiah  terdepresiasi  sebesar  0,22156 persen.  Dummy  krisis  yang  juga  merupakan  suatu  pertimbangan bagi investor asing dan juga investor domestik untuk menanamkan  modalnya  di  dalam  negeri  menyebabkan  tingkat  penanaman  modal  di  Indonesia  mengalami  penurunan  sehingga  hal  tersebut  menyebabkan  penurunan  dalam  penawaran  valuta  asing.  Turunnya  penawaran  terhadap  valuta  asing  tersebut  menyebabkan nilai tukar Rupiah mengalami depresiasi terhadap mata uang asing.  Kenaikan tingkat  suku bunga dua triwulan  yang  lalu (dR2) menyebabkan  nilai tukar Rupiah mengalami depresiasi sebesar 0,0051persen.  Adanya  kenaikan  tingkat  suku  bunga  selain  dapat  meningkatkan  return  investasi  portofolio,  hal  tersebut  juga  dapat  menurunkan  investasi  pasa  sektor  riil.  Investasi  di  sektor  riil

yang  menurun  dapat  menyebabkan  tingkat  produksi  untuk  menghasilkan  barang  yang dapat diekspor menurun, sehingga hal tersebut dapat mengurangi penawaran  valuta asing di pasar uang dan dapat menyebabkan Rupiah mengalami depresiasi.  Pertumbuhan  capital  account  dua  triwulan  yang  lalu  (dLKA2)  menyebabkan  nilai  tukar  Rupiah  terapresiasi  sebesar  0,0502  persen.  Hal  ini  membuktikan bahwa adanya peningkatan capital account  yang berarti terjadinya  peningkatan  penawaran  terhadap  valuta  asing  dua  triwulan  yang  lalu  masih  memberikan pengaruh terhadap terapresiasinya nilai tukar Rupiah.  Dummy  krisis  dua  triwulan  yang  lalu  masih  berpengaruh  terhadap  terdepresiasinya  nilai  tukar  Rupiah  sebesar  0,27212.  Dummy  krisis  memberikan  pengaruh  yang  negatif  terhadap  ketertarikan  investor  asing  untuk  menanamkan  modalnya  di  Indonesia  sehingga  terjadi  penurunan  terhadap  capital  inflow  dan  menyebabkan nilai tukar terdepresiasi .  5.4.2.  Hasil Estimasi VECM Jangka Panjang untuk Nilai Tukar Rupiah  Berdasarkan  hasil  analisis  VECM  juga  diketahui  bentuk  restriksi  tiga  persamaan  jangka  panjang,  namun  yang  menjadi  bahasan  dalam  penelitian  ini  adalah berapa besar nilai tukar Rupiah dapat dipengaruhi oleh current account dan  capital account, maka hasil persamaan untuk jangka panjang yang didapat adalah:  LER = -0,13594 LKA - 1, 2451LPDB + 0, 053747 LCA + 0,85453 D  + 0, 029870T .........................................................................  (5.1)

Dalam  persamaan  jangka  panjang  untuk  nilai  tukar  Rupiah,  variabel  capital account berpengaruh secara negatif terhadap nilai tukar Rupiah. Kenaikan  capital account  sebesar  satu persen  menyebabkan  nilai  tukar  Rupiah  mengalami  apresiasi  sebesar  0,13594  persen.  Kenaikan  dalam  capital  account  akan 

menyebabkan  penawaran  mata  uang  asing  di  pasar  valuta  asing  mengalami  peningkatan. Peningkatan penawaran mata uang asing tersebut akan menyebabkan  nilai tukar Rupiah mengalami apresiasi.  Variabel produk domestik bruto berpengaruh secara negatif terhadap nilai  tukar  Rupiah.  Kenaikan  produk  domestik  bruto  sebesar  satu  persen  akan  menyebabkan  nilai  tukar  Rupiah  mengalami  apresiasi  sebesar  1,2451  persen.  Kenaikan  produk  domestik  bruto  menyebabkan  nilai  tukar  Rupiah  terapresiasi  dapat  terjadi  karena  kenaikan  tersebut  dapat  mencirikan  keadaan  ekonomi  Indonesia  semakin  baik  dan  menurunnya  tingkat  resiko  terhadap  kegagalan  investasi. Membaiknya perekonomian dan menurunnya resiko terhadap kegagalan  investasi  menyebabkan  adanya  respon  positif  dari  investor  asing  untuk  menanamkan modalnya secara langsung di Indonesia. Adanya aliran modal yang  masuk  tersebut  dapat  menyebabkan  nilai  tukar  Rupiah  mengalami  apresiasi  terhadap mata uang asing.  Kenaikan  current  account  sebesar  satu  persen  menyebabkan  nilai  tukar  Rupiah  mengalami  depresiasi  sebesar  0,20789  persen.  Hal  ini  membuktikan  bahwa  walaupun  terjadi  peningkatan  current  account  belum  tentu  diikuti  oleh  peningkatan  valas  yang  masuk  ke  dalam  negeri  dan  kemungkinan  besar  valas  tersebut banyak tersimpan di bank­bank asing  sehingga tidak mampu menambah  jumlah penawaran dalam valas.  Variabel  dummy  krisis  berpengaruh  positif  terhadap  nilai  tukar  Rupiah.  Adanya  dummy  krisis  menyebabkan  nilai  tukar  Rupiah  mengalami  depresiasi  sebesar 0,85453 persen. Hal ini terjadi karena dummy krisis menyebabkan resiko

kegagalan  investasi  menjadi  meningkat,  sehingga  menyebabkan  tingkat  kepercayaan  investor  untuk  menanamkan  modalnya  di  Indonesia  menjadi  menurun. Menurunnya modal yang masuk ke Indonesia menyebabkan permintaan  terhadap  mata  uang  domestik  menjadi  menurun  dan  dapat  berakibat  pada  nilai  tukar Rupiah yang terdepresiasi. 

5.5. 

Respon Nilai Tukar Rupiah Akibat Guncangan Variabel Capital  Account dan Current Account  Impulse  Response  adalah  respon  sebuah  variabel  dependen  jika 

mendapatkan  guncangan  atau  inovasi  variabel  independen  sebesar  satu  standar  deviasi. Dalam penelitian ini akan dianalisis bagaimana respon nilai tukar Rupiah  terhadap guncangan capital account dan current account.  5.5.1.  Respon  Nilai  Tukar  Rupiah  Akibat  Guncangan  Variabel  Capital  Account  Respon nilai tukar Rupiah akibat guncangan variabel capital account dapat 

Respon Nilai Tukar  Rupiah (x100%) 

dilihat pada (Gambar 5.1 dan Lampiran 9). 

Triwulan

Gambar 5.1. Respon Nilai Tukar Rupiah Akibat Guncangan Capital Account 

Respon  nilai  tukar  Rupiah  akibat  guncangan  capital  account  menyebabkan nilai  tukar  Rupiah  mengalami  depresiasi  sebesar  5,08 persen pada  triwulan  kelima.  Terdepresiasinya  nilai  tukar  Rupiah  pada  periode  sebelumnya 

menyebabkan harga barang luar negeri secara relatif menjadi lebih mahal dan hal  tersebut dapat mendorong terjadinya penurunan impor dan meningkatnya ekspor.  Peningkatan  ekspor  dan  penurunan  impor  selanjutnya  menyebabkan  penawaran  terhadap valuta asing  mengalami peningkatan dan hal tersebut menyebabkan nilai  tukar Rupiah terapresiasi sebesar 3,2 persen pada triwulan kedelapan. Guncangan  capital account mulai mengecil dan menghilang ketika memasuki triwulan ke­25.  5.5.1  Respon  Nilai  Tukar  Rupiah  Akibat  Guncangan  Variabel  Current  Account  Respon  nilai  tukar  Rupiah  akibat  guncangan  variabel  current  account 

Respon Nilai Tukar  Rupiah (x100%) 

dapat dilihat pada (Gambar 5.2. dan Lampiran 9). 

Triwulan

Gambar 5.2. Respon Nilai Tukar Akibat Guncangan Current Account 

Respon  nilai  tukar  Rupiah  akibat  guncangan  current  account  menyebabkan  pergerakan  nilai  tukar  Rupiah  pada  triwulan  pertama  mengalami  apresiasi  sebesar  2,17  persen.  Hal  tersebut  terjadi  karena  peningkatan  pada  current  account  menyebabkan  penawaran  terhadap  valuta  asing  di  pasar  valas  meningkat sehingga Rupiah mengalami apresiasi. Pada triwulan kedua guncangan  current account menyebabkan Rupiah mengalami depresiasi sebesar 1,26 persen.  Terdepresiasinya Rupiah pada triwulan ini merupakan akibat dari terapresiasinya  rupiah periode lalu, dimana terapresiasinya Rupiah menyebabkan ekspor menurun 

dan  impor  meningkat.  Pergerakan  Rupiah  akibat  guncangan  current  account  mulai mengecil dan menghilang ketika memasuki triwulan ke­30. 

5.6. 

Kontribusi Guncangan Beberapa Variabel dalam Model terhadap  Perubahan Nilai Tukar Rupiah  Analisis ini digunakan untuk melihat seberapa besar kontribusi guncangan 

beberapa  variabel  dalam  model  terhadap  nilai  tukar  Rupiah.  Hasil  analisis  ini  tersaji dalam (Tabel 5.3 dan Lampiran 10).  Tabel 5.4. Hasil Analisis Forecast Error Variance Decomposition  Variabel  Horison  Endogen  LER  0  100,00  1  82,73  2  73,63  3  66,95  4  66,67  5  67,54  6  67,69  LER  7  68,52  8  69,06  9  69,51  10  69,72  15  70,44  20  70,62  30  71,00  50  71,34  Sumber: Lampiran 10 

LM2  0,00  0,33  1,52  2,71  3,13  3,16  2,96  2,73  2,67  2,54  2,55  2,69  2,88  2,94  3,01 

Kontribusi Guncangan (%)  R  LKA  LPDB  LCA  0,00  0,00  0,00  0.00  3,74  0,11  1,32  2,54  9,39  0,53  2,32  1,09  11,43  1,21  2,83  0,56  10,94  1,99  3,79  0,70  10,17  2,85  3,82  0,76  10,14  3,28  3,58  0,80  9,91  3,66  3,32  0,82  9,76  3,66  3,12  0,78  9,65  3,72  3,05  0,75  9,48  3,69  3,09  0,70  8,66  3,62  3,07  0,57  8,17  3,51  3,18  0,51  7,77  3,49  3,19  0,45  7,39  3,46  3,20  0,40 

D  0,00  9,22  11,52  14,30  12,79  11,68  11,56  11,03  10,93  10,77  10,75  10,94  11,14  11,15  11,20 

Berdasarkan  analisis  FEVD,  variabel  nilai  tukar  Rupiah  memberikan  kontribusi guncangan terbesar bagi dirinya sendiri pada triwulan pertama sampai  dengan jangka panjang. Kontribusi nilai tukar Rupiah yang besar terhadap dirinya  sendiri  dapat diartikan  bahwa  terdapat ekspetasi  yang  besar  terhadap pergerakan  nilai  tukar  Rupiah  yang  memunculkan  aksi  spekulasi  dari  pelaku  pasar  uang  terhadap  terdepresiasi  dan  terapresiasinya  nilai  tukar  Rupiah  dan  adanya  unsur

intervensi  yang  besar  dari  Bank  Indonesia  untuk  mengurangi  volatilitas  pergerakan nilai tukar Rupiah. Pada triwulan pertama variabel nilai tukar Rupiah  mempengaruhi  dirinya  sendiri  sebesar  82,73  persen.  Variabel  kedua  dan  ketiga  yang  paling  besar  mempengaruhi  nilai  tukar  Rupiah  yaitu  dummy  krisis  dan  tingkat  suku  bunga  dengan  masing­masing  memberikan  pengaruh  sebesar  9,22  persen dan 3,74 persen. Sementara itu, untuk current account dan capital account  pada  triwulan  pertama  masing­masing  hanya  mempengaruhi  sebesar  2,54 persen  dan 0,11 persen.  Rendahnya  kontribusi  guncangan  current  account  dan  capital  account  terhadap  nilai  tukar  Rupiah  terjadi  karena  kedua  komponen  tersebut  hanya  menyumbangkan  sebagian  kecil  bagi  tersedianya  valas  dan  hal  ini  terjadi  pada  waktu tertentu saja. Sementara itu, untuk kegiatan intervensi, ekspetasi,  dan unsur  spekulasi  dapat  terjadi  setiap  saat  dan  dalam  jumlah  besar.  Kegiatan  ekspetasi  yang berlanjut pada aksi spekulasi ini banyak dilakukan oleh kalangan perbankan  yang berusaha mengambil keuntungan dari pergerakan nilai tukar Rupiah.  Kontribusi guncangan capital account terhadap nilai tukar Rupiah semakin  besar pada jangka panjang, sementara current account pengaruhnya semakin kecil  untuk  beberapa  periode  triwulan  ke  depan.  Memasuki  triwulan  ketiga  sampai  dengan  jangka  panjang,  kontribusi  guncangan  capital  account  lebih  besar  jika  dibandingkan  dengan  kontribusi  guncangan  current  account  dengan  perubahan  masing­masing sebesar 1,21 persen dan 0,56 persen pada triwulan ketiga.  Analisis  FEVD  menunjukkan  bahwa  kontribusi  guncangan  tingkat  suku  bunga terhadap nilai tukar Rupiah memberikan pengaruh yang semakin besar dari

triwulan  pertama  sampai  dengan  triwulan  ketiga,  dimana  pada  triwulan  ketiga  tingkat suku bunga memberikan kontribusi guncangan sebesar 11,43 persen. Pada  triwulan  berikutnya  kontribusi  guncangan  tingkat  suku  bunga  semakin  menurun  hingga  sampai  triwulan  ke­50  pengaruh  tersebut  hanya  sebesar  7,39  persen.  Sementara  itu,  guncangan  jumlah  uang  beredar  hanya  memberikan  kontribusi  yang kecil sejak triwulan pertama sampai dengan jangka panjang.  Pada  triwulan  ke­50  variabel  nilai  tukar  masih  dominan  mempengaruhi  dirinya sendiri dengan kontribusi guncangan sebesar 71,34 persen. Sementara itu,  untuk  capital  account  dan  current  account  masing­masing  mempengaruhi  nilai  tukar rupiah sebesar 3,46 persen dan 0,40 persen.  Hasil  yang  kurang  signifikannya  neraca  pembayaran  baik  itu  current  account  maupun  capital  account  dalam  mempengaruhi  pergerakan  nilai  tukar  sejalan  dengan  temuan  yang  dilakukan  oleh  Atmadja  (2002),  yang  menemukan  bahwa  sebenarnya  surplus  dan  defisitnya  neraca  pembayaran  kurang  signifikan  mempengaruhi  nilai  tukar.  Wibowo  dan  Amir  (2005)  juga  menemukan  bahwa  neraca  berjalan  kurang  signifikan  dalam  mempengaruhi  nilai  tukar.  Kecilnya  pengaruh  neraca  pembayaran  ini  membuktikan  bahwa  walaupun  terjadi  peningkatan  maupun  penurunan  pada  neraca  pembayaran  sebenarnya  kurang  mencirikan adanya peningkatan atau penurunan pada penawaran valas.

VI. 

6.1. 

KESIMPULAN DAN SARAN 

Kesimpulan  Berdasarkan  hasil  penelitian  mengenai  analisis  pengaruh  neraca 

pembayaran  (current  account  dan  capital  account)  terhadap  nilai  tukar  Rupiah  maka dapat ditarik beberapa kesimpulan sebagai berikut:  1. 

Hasil  estimasi  persamaan  jangka  pendek  menunjukkan  bahwa  ternyata  variabel  yang  signifikan  mempengaruhi  nilai  tukar  Rupiah  hanya  capital  account  satu  triwulan  yang  lalu,  current account  satu  triwulan  yang  lalu,  tingkat  suku  bunga  dua  triwulan  yang  lalu,  dummy  krisis  pada  satu  dan  dua  triwulan  yang  lalu.  Pertumbuhan  current  account  satu  triwulan,  capital account satu dan dua triwulan  yang lalu menyebabkan  nilai tukar  Rupiah  mengalami  apresiasi.  Sementara  itu,  pertumbuhan  tingkat  suku  bunga  dua  triwulan  yang  lalu  dan  adanya  dummy  krisis  satu  dan  dua  triwulan yang lalu menyebabkan nilai tukar Rupiah mengalami depresiasi. 

2. 

Hasil  estimasi  persamaan  jangka  panjang  untuk  nilai  tukar  Rupiah  menunjukkan  bahwa  ternyata  variabel  yang  dapat  mempengaruhi  nilai  tukar  Rupiah  adalah  capital  account,  produk  domestik  bruto,  current  account dan dummy krisis. Kenaikan capital account dan produk domestik  bruto  menyebabkan  nilai  tukar  Rupiah  mengalami  apresiasi.  Sementara  itu,  kenaikan  variabel  current  account  dan  adanya  dummy  krisis  menyebabkan nilai tukar Rupiah mengalami depresiasi.

3. 

Hasil  analisis  struktur  dinamis  dengan  menggunakan  Forecast  Error  Variance  Decomposition  (FEVD)  menunjukkan  bahwa  ternyata  variabel  yang  memberikan  kontribusi  besar  terhadap  nilai  tukar  Rupiah  adalah  variabel  nilai  tukar  Rupiah  itu  sendiri,  dummy  krisis  dan  tingkat  suku  bunga.  Sedangkan  untuk  variabel  current  account  dan  capital  account  hanya memberikan kontribusi yang kecil dalam mempengaruhi nilai tukar  Rupiah.  Sementara  itu,  dengan  berdasarkan  hasil  dari  FEVD  ternyata  variabel  capital  account  mempunyai  kontribusi  yang  lebih  besar  dalam  mempengaruhi  nilai  tukar  Rupiah  jika  dibandingkan  dengan  variabel  current  account  mulai  dari  triwulan  ketiga  sampai  dengan  periode  ke  depan.  Hal  ini  dapat  disimpulkan  bahwa  jika  pemerintah  melakukan  kebijakan  dengan  upaya  meningkatkan  capital  account  dan  current  account  untuk  mempengaruhi  pergerakan  nilai  tukar  maka  hal  tersebut  tidak  efektif  karena  hanya  memberikan  kontribusi  yang  kecil  dalam  mempengaruhi pergerakan nilai tukar Rupiah. 

4. 

Respon  nilai  tukar  Rupiah  akibat  guncangan  variabel  capital  account  menyebabkan nilai tukar Rupiah mengalami depresiasi sebesar 5,08 persen  pada  triwulan  kelima  dan  guncangan  mulai  menghilang  ketika  memasuki  triwulan  ke­25.  Sementara  itu,  guncangan  current  account  menyebabkan  nilai tukar Rupiah mengalami apresiasi sebesar 2,17 persen pada triwulan  pertama  dan  pengaruh  guncangan  mulai  menghilang  ketika  memasuki  triwulan ke­30.

6.2. 

Saran  Saran yang dapat diberikan berdasarkan hasil penelitian ini adalah sebagai 

berikut:  1. 

Bank  Indonesia  sebaiknya  tidak  menggunakan  instrumen  kebijakan  moneter  seperti  halnya  kenaikan  tingkat suku  bunga  untuk meningkatkan  kinerja neraca pembayaran khususnya capital account karena peningkatan  pada  capital  account  dalam  tujuan  memperbaiki  pergerakan  nilai  tukar  Rupiah  tidak  efektif  dan  hanya  memberikan  kontribusi  yang  kecil  dalam  mengontrol pergerakan nilai tukar Rupiah. 

2. 

Pemerintah  sebaiknya  melakukan  kebijakan  yang  tepat  agar  peningkatan  yang  terjadi  pada  capital  account  maupun  current  account  dapat  mencirikan  adanya  peningkatan  terhadap  penawaran  valuta  asing  yang  masuk ke domestik. 

3. 

Berdasarkan  model  yang  dikembangkan dalam  penelitian  ini  maka  untuk  menjaga  kestabilan  nilai  tukar  Rupiah  diperlukan  suatu  penanganan  terhadap nilai tukar rupiah  itu sendiri  yaitu dengan mengurangi ekspetasi  yang  besar  terhadap  pergerakan  nilai  tukar  Rupiah  dan  mengurangi  aksi  spekulasi  yang  bertujuan  mengambil  keuntungan  terhadap  terdepresiasi  dan terapresiasinya nilai tukar Rupiah. 

4. 

Bagi  penelitian  selanjutnya  diharapkan  dapat  menganalisis  pengaruh  ekspetasi  terhadap  nilai  tukar  dan  faktor­faktor  apa  yang  menyebabkan  timbulnya ekspetasi yang besar terhadap pergerakan nilai tukar.

DAFTAR PUSTAKA 

Amir,  H  dan  T.  Wibowo. 2006.  “Faktor­faktor  yang  Mempengaruhi  Nilai  Tukar  Rupiah”. Kajian Ekonomi dan Keuangan. 9: 17­41  Atmadja,  A.  S.  2002.  “Analisa  Pergerakan  Nilai  Tukar  Rupiah  terhadap  Dollar  Amerika  Setelah  Diterapkannya  Kebijakan  Sistem  Nilai  Tukar  Mengambang Bebas di Indonesia”. Jurnal Akuntansi dan keuangan. 4: 49­  78  Bank  Indonesia.  Statistik  Ekonomi  dan  Keuangan  Indonesia  (SEKI).  Berbagai  Edisi. Jakarta.  .  2005.  Laporan  Kebijakan  Moneter  Triwulan  III  2005.  Bank  Indonesia, Jakarta.  Batiz,  F.  L.  R  dan  L.  A.  R.  Batiz.  1994.  International  Finance  and  Open  Economy, Macroeconomics. Mcmillan Publishing co. New York.  Dewi,  A.  K.  2005.  Pengaruh  Tekanan  Neraca  Pembayaran  dan  Nilai  Tukar  terhadap  Perekonomian  Indonesia  [Skripsi].  Fakultas  Ekonomi  dan  Manajemen, Institut Pertanian Bogor, Bogor.  Enders, W. 2000. Applied Economic Time Series. Second Edition. John Wiley &  Sons, New York.  Hadi,  H.  2001.  Ekonomi  Internasional:  Teori  dan  Kebijakan  Keuangan  Internasional. Ghalia Indonesia. Jakarta.  Hendarsyah, N. 2001. “Perekonomian  yang Syarat Fluktuasi” [Kompas Online].  http://www.kompas.co.id/kompas­cetak/0108/23/ekonomi/kita  14.  htm.  [24 juni 2006].  Johansen,  S.  1995.  Likelihood­Based  Inference  in  Cointegrated  Vector  Autoregressive Models. Oxford University.  Julianti,  D.  F.  2004.  Analisis  Faktor­faktor  Penentu  Perubahan  Nilai  Tukar  Rupiah  [Skripsi].  Fakultas  Ekonomi  dan  Manajemen,  Institut  Pertanian  Bogor, Bogor.

Litvack, J. M. dan W. H. Branson. 1981. Macroeconomics. Princeton University.  Mankiw, N. G. 2000. Teori Makro Ekonomi. Edisi Keempat. Erlangga, Jakarta.  Mishkin,  F.  S.  2001.  The  Economics  of  Money, Banking  and  Financial  Market.  Sixth Edition. Columbia University, Columbia.  Pesaran,  M.  H.  dan  B.  Pesaran.  1997.  Working  with  Microfit  4.0:  Interactive  Econometric Analysis. Oxford University.  Soesastro,  H.  2003.  “Hingga  2006,  Neraca  Pembayaran  Tidak  dalam  Bahaya  Besar”.  [Kompas  online].  http://www.kompas.co.id/kompas­  cetak/0307/15/ekonomi/kita htm [20 April 2006].  Subagjo,  S.  2005.  Defisit  Anggaran,  Utang  Pemerintah,  dan  Keberlanjutan  Fiskal: Aplikasi Model Vector Error Corection [Disertasi]. Program Pasca  Sarjana: Institut Pertanian Bogor, Bogor.  Sugiyono, F. X. 2002. Neraca Pembayaran: Konsep, Metodologi dan Penerapan.  Pusat  Pendidikan  dan  Studi  Kebanksentralan  (PPSK).  Bank  Indonesia.  Jakarta.  Suseno,  I.  2004.  Sistem  dan  Kebijakan  Nilai Tukar.  Pusat  Pendidikan  dan  Studi  Kebanksentralan (PPSK). Bank Indonesia. Jakarta.  Thomas,  R.  L.  1997.  Modern  Econometrics  An  Introduction.  Addison­Wesley,  England.

LAMPIRAN

Lampiran 1. Data Asli  PERIODE  1990  I  II  III  IV  1991  I  II  III  IV  1992  I  II  III  IV  1993  I  II  III  IV  1994  I  II  III  IV  1995  I  II  III  IV  1996  I  II  III  IV  1997  I  II  III  IV  1998  I  II  III  IV  1999  I  II  III  IV  2000  I  II  III  IV  2001  I 

ER  1823  1844  1864  1901  1932  1954  1968  1992  2017  2033  2038  2062  2071  2088  2108  2110  2144  2160  2181  2200  2219  2246  2276  2308  2338  2342  2340  2383  2419  2450  3275  4650  8325  14900  10700  8025  8685  6726  8386  7100  7590  8735  8780  9595  10400 

M2  64367  70125  76907  84630  81124  87757  93328  99059  100796  106922  113487  119052  123161  124340  136387  145202  148829  152798  162900  174512  181701  192127  206079  222638  232493  249445  259928  288631  294581  312839  329074  355643  449824  565785  550404  577381  603326  615411  652289  646205  656451  684335  686455  747027  766812 

R  13.1  16.9  17.6  18.8  23.6  19.0  18.5  18.5  18.0  16.0  14.7  13.5  12.5  10.7  9.1  8.8  8.5  9.9  11.6  12.4  14.3  14.7  14.0  14.0  14.0  14.0  14.0  12.8  11.1  10.5  22.0  20.0  27.8  58.0  68.8  38.4  37.8  22.1  13.0  12.5  11.0  11.7  13.6  14.5  15.8 

KA  800.297  2736.496  2268.488  3053.006  4777.836  1856.3  777.36  4005.912  4427.315  4088.363  2443.562  2198.092  1911.533  3113.208  2883.744  4599.8  1440.768  261.36  3664.08  3377  3137.666  5469.01  6065.54  9405.1  5351.682  4667.606  6643.26  9217.444  9598.592  5453.7  5862.25  ­25305.3  ­51640  17805.5  ­4269.3  12294.3  5115.465  ­5562.4  ­17459.7  ­15967.9  ­5054.94  ­17461.3  ­18877  ­18787  ­33748 

PDB  66647.1  67955.5  63006.8  65652.4  74107.7  70958.1  74003.1  67696.7  86077.3  82958.7  80196.9  58241.5  78529.7  79380.5  85254.1  86611.7  85605  87888.2  91142.9  90004.8  92563.1  94340.3  98293.8  98595.4  97874.8  100634.6  106562.1  108726.2  105260.9  105867.1  112212.7  109904.9  100535.7  91742  94258.2  89839.2  94371.1  93387.7  96940.4  94654  98244.5  98191.9  100862.9  100717.6  102226.9 

CA  ­1343.55  ­1626.41  ­2408.29  ­625.429  ­2391.82  ­2618.36  ­1838.11  ­1752.96  ­2416.37  ­2126.52  ­1734.34  ­55.674  ­1319.23  ­615.96  ­805.256  ­2076.24  ­2742.18  ­1259.28  ­346.779  ­2065.8  ­4009.73  ­4447.08  ­4026.24  ­2778.83  ­4755.49  ­6061.1  ­4974.84  ­2509.3  ­5568.54  ­2699.9  ­4568.63  ­939.3  8325  9983  18008.1  5970.6  13131.72  5710.374  15816  10891.4  14405.82  11827.19  19684.76  23968.31  21424 

D  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1

II  11440  796441  16.7  ­30991  102456.3  III  9675  783104  17.6  ­26093.5  104685  IV  10400  844054  17.6  ­3556.8  102386.2  2002  I  9655  831410  16.8  ­12406.7  104833.3  II  8730  838635  15.1  26.19  107037.3  III  9015  859706  13.2  3443.73  110804  IV  8940  883908  12.9  ­2422.74  106512.9  2003  I  8908  877776  11.4  ­8426.97  109661.4  II  8285  894554  9.5  ­1673.57  111995.8  III  8389  911223  8.7  ­5276.68  115795.3  IV  8465  955692  8.3  7017.485  111504.7  2004  I  8587  935249  7.4  11953.1  114625.6  II  9415  975166  7.3  ­7004.76  116754.4  III  9170  986806  7.4  8353.87  120877.5  IV  9290  1033528  7.4  9773.08  118538.2  2005  I  9480  1020693  7.4  1099.68  128272.4  II  9713  1073746  8.3  ­2127.15  135511.5  III  10310  1150451  10.0  17588.86  148800.9  IV  9830  1203215  12.8  45719.33  145557  Sumber: Bank Indonesia dan IFS  Keterangan:  ER  = Nilai Tukar Nominal (Rp/US$)  M2  = Jumlah Uang Beredar dalam Arti Luas (Miliar Rupiah)  R  = Suku Bunga SBI 1 Bulan  KA  = Capital Account (Miliar Rupiah)  PDB  = Produk Domestik Bruto (Miliar Rupiah)  CA  = Current Account (Miliar Rupiah)  D  = Dummy Krisis (0 = sebelum krisis, 1 = setelah krisis)

15318.16  22842.68  11856  16007.99  16656.84  21708.12  16530.06  13157.12  17373.65  17952.46  20239.82  ­19106.1  21136.68  25400.9  2954.22  9404.16  8275.476  ­1041.31  ­12317 

1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1 

Lampiran 2. Data Olahan 1  PERIODE  1990  I  II  III  IV  1991  I  II  III  IV  1992  I  II  III  IV  1993  I  II  III  IV  1994  I  II  III  IV  1995  I  II  III  IV  1996  I  II  III  IV  1997  I  II  III  IV  1998  I  II  III  IV  1999  I  II  III  IV  2000  I  II  III  IV  2001  I 

ER  1823  1844  1864  1901  1932  1954  1968  1992  2017  2033  2038  2062  2071  2088  2108  2110  2144  2160  2181  2200  2219  2246  2276  2308  2338  2342  2340  2383  2419  2450  3275  4650  8325  14900  10700  8025  8685  6726  8386  7100  7590  8735  8780  9595  10400 

M2  64367  70125  76907  84630  81124  87757  93328  99059  100796  106922  113487  119052  123161  124340  136387  145202  148829  152798  162900  174512  181701  192127  206079  222638  232493  249445  259928  288631  294581  312839  329074  355643  449824  565785  550404  577381  603326  615411  652289  646205  656451  684335  686455  747027  766812 

R  13.1  16.9  17.6  18.8  23.6  19.0  18.5  18.5  18.0  16.0  14.7  13.5  12.5  10.7  9.1  8.8  8.5  9.9  11.6  12.4  14.3  14.7  14.0  14.0  14.0  14.0  14.0  12.8  11.1  10.5  22.0  20.0  27.8  58.0  68.8  38.4  37.8  22.1  13.0  12.5  11.0  11.7  13.6  14.5  15.8 

KA  52442.3  54378.5  53910.49  54695.01  56419.84  53498.3  52419.36  55647.91  56069.32  55730.36  54085.56  53840.09  53553.53  54755.21  54525.74  56241.8  53082.77  51903.36  55306.08  55019  54779.67  57111.01  57707.54  61047.1  56993.68  56309.61  58285.26  60859.44  61240.59  57095.7  57504.25  26336.7  2  69447.5  47372.7  63936.3  56757.47  46079.6  34182.3  35674.1  46587.06  34180.7  32765  32855  17894 

PDB  66647.1  67955.5  63006.8  65652.4  74107.7  70958.1  74003.1  67696.7  86077.3  82958.7  80196.9  58241.5  78529.7  79380.5  85254.1  86611.7  85605  87888.2  91142.9  90004.8  92563.1  94340.3  98293.8  98595.4  97874.8  100634.6  106562.1  108726.2  105260.9  105867.1  112212.7  109904.9  100535.7  91742  94258.2  89839.2  94371.1  93387.7  96940.4  94654  98244.5  98191.9  100862.9  100717.6  102226.9 

CA  17764.55  17481.69  16699.81  18482.67  16716.28  16489.74  17269.99  17355.14  16691.73  16981.58  17373.76  19052.43  17788.87  18492.14  18302.84  17031.86  16365.92  17848.82  18761.32  17042.3  15098.37  14661.02  15081.86  16329.27  14352.61  13047  14133.26  16598.8  13539.56  16408.2  14539.47  18168.8  27433.1  29091.1  37116.2  25078.7  32239.82  24818.47  34924.1  29999.5  33516.92  30935.29  38792.86  43076.41  40532.1 

D  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1

II  11440  796441  16.7  20651  102456.3  34426.26  III  9675  783104  17.6  25548.5  104685  41950.78  IV  10400  844054  17.6  48085.2  102386.2  30964.1  2002  I  9655  831410  16.8  39235.3  104833.3  35116.09  II  8730  838635  15.1  51668.19  107037.3  35764.94  III  9015  859706  13.2  55085.73  110804  40816.22  IV  8940  883908  12.9  49219.26  106512.9  35638.16  2003  I  8908  877776  11.4  43215.03  109661.4  32265.22  II  8285  894554  9.5  49968.43  111995.8  36481.75  III  8389  911223  8.7  46365.32  115795.3  37060.56  IV  8465  955692  8.3  58659.49  111504.7  39347.92  2004  I  8587  935249  7.4  635595.5  114625.6  2  II  9415  975166  7.3  44637.24  116754.4  40244.78  III  9170  986806  7.4  59995.87  120877.5  44509  IV  9290  1033528  7.4  61415.08  118538.2  22062.32  2005  I  9480  1020693  7.4  52741.68  128272.4  28512.26  II  9713  1073746  8.3  495514.9  135511.5  27383.58  III  10310  1150451  10.0  69230.86  148800.9  18066.79  IV  9830  1203215  12.8  97361.33  145557  6791.1  Sumber: Bank Indonesia dan IFS  Keterangan:  ER  = Nilai Tukar Nominal (Rp/US$)  M2  = Jumlah Uang Beredar dalam Arti Luas (Miliar Rupiah)  R  = Suku Bunga SBI 1 Bulan  KA  = Capital Account (Setelah ditambah nilai sebesar 51642 Miliar Rupiah)  PDB  = Produk Domestik Bruto (Miliar Rupiah)  CA  = Current Account (Setelah ditambah nilai sebesar 19108.1 Miliar Rupiah)  D  = Dummy Krisis (0 = sebelum krisis, 1 = setelah krisis)

1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1 

Lampiran 3. Data Olahan 2  PERIODE  1990  I  II  III  IV  1991  I  II  III  IV  1992  I  II  III  IV  1993  I  II  III  IV  1994  I  II  III  IV  1995  I  II  III  IV  1996  I  II  III  IV  1997  I  II  III  IV  1998  I  II  III  IV  1999  I  II  III  IV  2000  I  II  III  IV  2001  I 

LER  7.508239  7.519692  7.53048  7.550135  7.566311  7.577634  7.584773  7.596894  7.609367  7.617268  7.619724  7.631432  7.635787  7.643962  7.653495  7.654443  7.670429  7.677864  7.687539  7.696213  7.704812  7.716906  7.730175  7.744137  7.757051  7.758761  7.757906  7.776115  7.79111  7.803843  8.094073  8.444622  9.027018  9.609116  9.277999  8.990317  9.069353  8.813736  9.034319  8.86785  8.934587  9.075093  9.080232  9.168997  9.249561 

LM2  11.07236  11.15803  11.25035  11.34604  11.30373  11.38233  11.44388  11.50347  11.52085  11.57985  11.63944  11.68732  11.72125  11.73078  11.82325  11.88588  11.91055  11.93687  12.00089  12.06975  12.11012  12.16591  12.23601  12.3133  12.35662  12.42699  12.46816  12.5729  12.59331  12.65344  12.70404  12.78168  13.01661  13.24597  13.21841  13.26626  13.31021  13.33005  13.38824  13.37887  13.3946  13.4362  13.4393  13.52386  13.55 

R  13.1  16.9  17.6  18.8  23.6  19.0  18.5  18.5  18.0  16.0  14.7  13.5  12.5  10.7  9.1  8.8  8.5  9.9  11.6  12.4  14.3  14.7  14.0  14.0  14.0  14.0  14.0  12.8  11.1  10.5  22.0  20.0  27.8  58.0  68.8  38.4  37.8  22.1  13.0  12.5  11.0  11.7  13.6  14.5  15.8 

LKA  10.86747  10.90372  10.89508  10.90953  10.94058  10.88741  10.86703  10.9268  10.93434  10.92828  10.89832  10.89377  10.88844  10.91063  10.90643  10.93742  10.87961  10.85714  10.92064  10.91543  10.91107  10.95275  10.96314  11.0194  10.9507  10.93862  10.9731  11.01632  11.02257  10.95248  10.95961  10.17872  0.693147  11.14833  10.7658  11.06564  10.94654  10.73813  10.43946  10.48218  10.74908  10.43942  10.39712  10.39986  9.792221 

LPDB  11.10717  11.12661  11.051  11.09213  11.21327  11.16984  11.21186  11.12279  11.363  11.3261  11.29224  10.97235  11.27123  11.28201  11.35339  11.36919  11.3575  11.38382  11.42018  11.40762  11.43565  11.45466  11.49572  11.49878  11.49144  11.51925  11.57648  11.59659  11.5642  11.56994  11.62815  11.60737  11.51827  11.42674  11.45379  11.40578  11.45499  11.44451  11.48185  11.45798  11.49521  11.49468  11.52152  11.52008  11.53495 

LCA  9.78496  9.768909  9.723153  9.824589  9.724138  9.710494  9.756726  9.761644  9.722669  9.739885  9.762716  9.85495  9.786328  9.825101  9.814812  9.742841  9.702956  9.789693  9.839553  9.743454  9.622342  9.592948  9.621248  9.700714  9.571687  9.476314  9.556286  9.717086  9.513371  9.705536  9.584622  9.807461  10.21951  10.27819  10.52181  10.12977  10.38096  10.11934  10.46093  10.30894  10.41981  10.33965  10.56599  10.67073  10.60985 

D  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  0  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1

II  9.344871  13.58791  16.7  9.935519  11.53719  III  9.177301  13.57102  17.6  10.14833  11.55871  IV  9.249561  13.64597  17.6  10.78073  11.53651  2002  I  9.175231  13.63088  16.8  10.57733  11.56013  II  9.074521  13.63953  15.1  10.8526  11.58093  III  9.106645  13.66435  13.2  10.91665  11.61552  IV  9.098291  13.69211  12.9  10.80404  11.57602  2003  I  9.094705  13.68515  11.4  10.67394  11.60515  II  9.022202  13.70408  9.5  10.81915  11.62622  III  9.034677  13.72254  8.7  10.74431  11.65958  IV  9.043695  13.77019  8.3  10.9795  11.62182  2004  I  9.058005  13.74857  7.4  13.36232  11.64943  II  9.150059  13.79036  7.3  10.70632  11.66783  III  9.123693  13.80223  7.4  11.00203  11.70253  IV  9.136694  13.84849  7.4  11.02541  11.68299  2005  I  9.15694  13.83599  7.4  10.87316  11.76191  II  9.18122  13.88666  8.3  13.11335  11.81681  III  9.24087  13.95566  10.0  11.1452  11.91036  IV  9.193194  14.00051  12.8  11.48618  11.88832  Sumber: Bank Indonesia dan IFS  Keterangan:  LER  = Logaritma Nilai Tukar Nominal (Rp/US$)  M2  = Logaritma Jumlah Uang Beredar dalam Arti Luas  R  = Suku Bunga SBI 1 Bulan  KA  = Logaritma Capital Account  PDB  = Logaritma Produk Domestik Bruto  CA  = Logaritma Current Account  D  = Dummy Krisis (0 = sebelum krisis, 1 = setelah krisis)

10.44657  10.64425  10.34058  10.46641  10.48472  10.61683  10.48117  10.38175  10.50457  10.52031  10.5802  0.693147  10.60274  10.70345  10.00163  10.25809  10.2177  9.801831  8.823368 

1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1 

Lampiran 4. Hasil Uji Stasioneritas  Unit root tests for variable LER  The Dickey­Fuller regressions include an intercept but not a trend  *******************************************************************************  59 observations used in the estimation of all ADF regressions.  Sample period from 1991Q2 to 2005Q4  *******************************************************************************  Test Statistic      LL              AIC            SBC            HQC  DF  ­.96758  29.2408       27.2408       25.1633       26.4299  ADF(1)  ­1.2015       31.7706       28.7706       25.6543       27.5541  ADF(2)  ­1.2008       31.7832       27.7832       23.6281       26.1612  ADF(3)  ­1.1372       31.8444       26.8444       21.6505  24.8169  ADF(4)  ­.90097       34.2192       28.2192       21.9865       25.7862  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­2.9109  Unit root tests for variable LER  The Dickey­Fuller regressions include an intercept and a linear trend  *******************************************************************************  59 observations used in the estimation of all ADF regressions.  Sample period from 1991Q2 to 2005Q4  *******************************************************************************  Test Statistic      LL              AIC             SBC            HQC  DF  ­1.5871       30.0951       27.0951       23.9788       25.8786  ADF(1)  ­2.2385       33.6214       29.6214       25.4664       27.9995  ADF(2)  ­2.3481       33.9174       28.9174       23.7235       26.8899  ADF(3)  ­2.2898       33.9603       27.9603       21.7277       25.5274  ADF(4)  ­1.6782       35.3672       28.3672       21.0959       25.5288  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­3.4862  Unit root tests for variable LM2  The Dickey­Fuller regressions include an intercept but not a trend  *******************************************************************************  59 observations used in the estimation of all ADF regressions.  Sample period from 1991Q2 to 2005Q4  *******************************************************************************  Test Statistic      LL                AIC            SBC            HQC  DF  ­2.1045      100.3606       98.3606       96.2831       97.5496  ADF(1)  ­1.9053      101.1427       98.1427       95.0264       96.9262  ADF(2)  ­1.8516      101.1450       97.1450       92.9900       95.5231  ADF(3)  ­1.7774      101.1554       96.1554       90.9616       94.1279  ADF(4)  ­1.6014      101.5829       95.5829       89.3503       93.1499  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­2.9109  Unit root tests for variable LM2  The Dickey­Fuller regressions include an intercept and a linear trend  *******************************************************************************  59 observations used in the estimation of all ADF regressions.  Sample period from 1991Q2 to 2005Q4  *******************************************************************************  Test Statistic      LL              AIC             SBC             HQC  DF  ­.45051      100.3609       97.3609       94.2446       96.1444  ADF(1)  ­.72826      101.2098       97.2098       93.0547       95.5878

ADF(2)  ­.74360      101.2274  96.2274       91.0335       94.1999  ADF(3)  ­.78624      101.2706       95.2706       89.0379       92.8376  ADF(4)  ­1.0423      101.9052       94.9052       87.6338       92.0667  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­3.4862  Unit root tests for variable R  The Dickey­Fuller regressions include an intercept but not a trend  *******************************************************************************  59 observations used in the estimation of all ADF regressions.  Sample period from 1991Q2 to 2005Q4  *******************************************************************************  Test Statistic      LL               AIC  SBC             HQC  DF  ­2.4578  ­192.0227  ­194.0227  ­196.1002  ­194.8336  ADF(1)  ­3.0567  ­189.7758  ­192.7758  ­195.8921  ­193.9923  ADF(2)  ­2.7934  ­189.7755  ­193.7755  ­197.9306  ­195.3975  ADF(3)  ­3.4782  ­187.2777  ­192.2777  ­197.4716  ­194.3052  ADF(4)  ­2.9041  ­187.1564  ­193.1564  ­199.3890  ­195.5893  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­2.9109  Unit root tests for variable R  The Dickey­Fuller regressions include an intercept and a linear trend  *******************************************************************************  59 observations used in the estimation of all ADF regressions.  Sample period from 1991Q2 to 2005Q4  *******************************************************************************  Test Statistic      LL                AIC             SBC             HQC  DF  ­2.4385  ­192.0060  ­195.0060  ­198.1223  ­196.2224  ADF(1)  ­3.0353  ­189.7444  ­193.7444  ­197.8995  ­195.3664  ADF(2)  ­2.7759  ­189.7443  ­194.7443  ­199.9381  ­196.7717  ADF(3)  ­3.4545  ­187.2348  ­193.2348  ­199.4674  ­195.6678  ADF(4)  ­2.8904  ­187.1140  ­194.1140  ­201.3854  ­196.9525  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­3.4862 

Unit root tests for variable LKA  The Dickey­Fuller regressions include an intercept but not a trend  *******************************************************************************  59 observations used in the estimation of all ADF regressions.  Sample period from 1991Q2 to 2005Q4  *******************************************************************************  Test Statistic      LL               AIC              SBC             HQC  DF  ­7.1287  ­104.1914  ­106.1914  ­108.2689  ­107.0024  ADF(1)  ­5.0185  ­104.1787  ­107.1787  ­110.2950  ­108.3952  ADF(2)  ­4.1367  ­104.1691  ­108.1691  ­112.3241  ­109.7910  ADF(3)  ­3.6355  ­104.1467  ­109.1467  ­114.3406  ­111.1742  ADF(4)  ­3.0393  ­104.0883  ­110.0883  ­116.3209  ­112.5213  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­2.9109

Unit root tests for variable LKA  The Dickey­Fuller regressions include an intercept and a linear trend  *******************************************************************************  59 observations used in the estimation of all ADF regressions.  Sample period from 1991Q2 to 2005Q4  *******************************************************************************  Test Statistic      LL                AIC              SBC             HQC  DF  ­7.0923  ­104.0806  ­107.0806  ­110.1969  ­108.2971  ADF(1)  ­4.9990  ­104.0698  ­108.0698  ­112.2249  ­109.6918  ADF(2)  ­4.1161  ­104.0618  ­109.0618  ­114.2557  ­111.0893  ADF(3)  ­3.6099  ­104.0426  ­110.0426  ­116.2752  ­112.4755  ADF(4)  ­3.0083  ­103.9767  ­110.9767  ­118.2481  ­113.8152  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­3.4862  Unit root tests for variable LPDB  The Dickey­Fuller regressions include an intercept but not a trend  *******************************************************************************  59 observations used in the estimation of all ADF regressions.  Sample period from 1991Q2 to 2005Q4  *******************************************************************************  Test Statistic      LL               AIC             SBC           HQC  DF  ­1.3380       70.0420       68.0420       65.9644       67.2310  ADF(1)  ­.69103       73.5827       70.5827       67.4664       69.3663  ADF(2)  ­.66773       73.5865       69.5865       65.4314       67.9645  ADF(3)  ­.26089       79.8887       74.8887       69.6948       72.8612  ADF(4)  ­.29544       80.5660       74.5660       68.3334       72.1331  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­2.9109  Unit root tests for variable LPDB  The Dickey­Fuller regressions include an intercept and a linear trend  *******************************************************************************  59 observations used in the estimation of all ADF regressions.  Sample period from 1991Q2 to 2005Q4  *******************************************************************************  Test Statistic        LL             AIC  SBC            HQC  DF  ­3.3386       74.5422       71.5422       68.4259       70.3257  ADF(1)  ­2.2485       76.0104       72.0104       67.8553       70.3885  ADF(2)  ­2.3007       76.1891       71.1891       65.9952       69.1616  ADF(3)  ­1.3487       80.9176       74.9176       68.6850       72.4846  ADF(4)  ­1.5908       82.0169       75.0169       67.7455       72.1784  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­3.4862  Unit root tests for variable LCA  The Dickey­Fuller regressions include an intercept but not a trend  *******************************************************************************  59 observations used in the estimation of all ADF regressions.  Sample period from 1991Q2 to 2005Q4  *******************************************************************************  Test Statistic       LL              AIC               SBC               HQC  DF  ­7.8232  ­98.0506  ­100.0506  ­102.1281  ­100.8616  ADF(1)  ­5.6650  ­97.9646  ­100.9646  ­104.0809  ­102.1811  ADF(2)  ­4.4185  ­97.9604  ­101.9604  ­106.1155  ­103.5824  ADF(3)  ­3.7623  ­97.9604  ­102.9604  ­108.1543  ­104.9879

ADF(4)  ­3.3759  ­97.9519  ­103.9519  ­110.1845  ­106.3849  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­2.9109  Unit root tests for variable LCA  The Dickey­Fuller regressions include an intercept and a linear trend  *******************************************************************************  59 observations used in the estimation of all ADF regressions.  Sample period from 1991Q2 to 2005Q4  *******************************************************************************  Test Statistic       LL              AIC               SBC             HQC  DF  ­7.7558  ­98.0328  ­101.0328  ­104.1491  ­102.2493  ADF(1)  ­5.6154  ­97.9419  ­101.9419  ­106.0969  ­103.5638  ADF(2)  ­4.3785  ­97.9388  ­102.9388  ­108.1326  ­104.9662  ADF(3)  ­3.7279  ­97.9387  ­103.9387  ­110.1713  ­106.3716  ADF(4)  ­3.3452  ­97.9287  ­104.9287  ­112.2001  ­107.7671  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­3.4862  Unit root tests for variable DLER  The Dickey­Fuller regressions include an intercept but not a trend  *******************************************************************************  58 observations used in the estimation of all ADF regressions.  Sample period from 1991Q3 to 2005Q4  *******************************************************************************  Test Statistic      LL              AIC             SBC            HQC  DF  ­5.6484       30.0023       28.0023       25.9419       27.1997  ADF(1)  ­4.4659  30.0023       27.0023       23.9116       25.7984  ADF(2)  ­4.0474       30.1273       26.1273       22.0064       24.5221  ADF(3)  ­4.7443       32.7107       27.7107       22.5596       25.7043  ADF(4)  ­3.4719       33.1620       27.1620       20.9807       24.7543  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­2.9118  Unit root tests for variable DLER  The Dickey­Fuller regressions include an intercept and a linear trend  *******************************************************************************  58 observations used in the estimation of all ADF regressions.  Sample period from 1991Q3 to 2005Q4  *******************************************************************************  Test Statistic      LL              AIC            SBC            HQC  DF  ­5.6055       30.0382       27.0382       23.9475       25.8343  ADF(1)  ­4.4335       30.0382       26.0382       21.9173  24.4330  ADF(2)  ­4.0190       30.1656       25.1656       20.0145       23.1591  ADF(3)  ­4.7112       32.7616       26.7616       20.5803       24.3539  ADF(4)  ­3.4495       33.2098       26.2098       18.9982       23.4007  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­3.4875  Unit root tests for variable DLM2  The Dickey­Fuller regressions include an intercept but not a trend  *******************************************************************************  58 observations used in the estimation of all ADF regressions.  Sample period from 1991Q3 to 2005Q4  *******************************************************************************\

Test Statistic      LL              AIC             SBC            HQC  DF  ­5.9886       97.7541       95.7541       93.6937       94.9515  ADF(1)  ­4.5482       97.7686       94.7686       91.6779       93.5647  ADF(2)  ­3.6617       97.8332       93.8332       89.7123       92.2281  ADF(3)  ­2.8163       98.4364       93.4364       88.2853       91.4300  ADF(4)  ­2.5136       98.4797       92.4797       86.2984       90.0720  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­2.9118  Unit root tests for variable DLM2  The Dickey­Fuller regressions include an intercept and a linear trend  *******************************************************************************  58 observations used in the estimation of all ADF regressions.  Sample period from 1991Q3 to 2005Q4  *******************************************************************************  Test Statistic      LL              AIC             SBC            HQC  DF  ­6.2430       98.9438       95.9438       92.8532       94.7399  ADF(1)  ­4.8371       98.9496       94.9496       90.8287       93.3444  ADF(2)  ­3.9686       98.9498       93.9498       88.7986       91.9433  ADF(3)  ­3.0915       99.2884       93.2884       87.1071       90.8807  ADF(4)  ­2.7933       99.2889       92.2889       85.0773       89.4798  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­3.4875  Unit root tests for variable DR  The Dickey­Fuller regressions include an intercept but not a trend  *******************************************************************************  58 observations used in the estimation of all ADF regressions.  Sample period from 1991Q3 to 2005Q4  *******************************************************************************  Test Statistic      LL               AIC  SBC             HQC  DF  ­6.3875  ­191.2126  ­193.2126  ­195.2731  ­194.0152  ADF(1)  ­5.5688  ­190.5892  ­193.5892  ­196.6798  ­194.7930  ADF(2)  ­3.8745  ­190.1224  ­194.1224  ­198.2433  ­195.7276  ADF(3)  ­4.3049  ­188.5017  ­193.5017  ­198.6528  ­195.5082  ADF(4)  ­4.6650  ­186.8475  ­192.8475  ­199.0288  ­195.2552  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­2.9118  Unit root tests for variable DR  The Dickey­Fuller regressions include an intercept and a linear trend  *******************************************************************************  58 observations used in the estimation of all ADF regressions.  Sample period from 1991Q3 to 2005Q4  *******************************************************************************  Test Statistic      LL  AIC             SBC               HQC  DF  ­6.3300  ­191.2126  ­194.2126  ­197.3033  ­195.4165  ADF(1)  ­5.5180  ­190.5885  ­194.5885  ­198.7094  ­196.1937  ADF(2)  ­3.8372  ­190.1224  ­195.1224  ­200.2735  ­197.1288  ADF(3)  ­4.2636  ­188.4986  ­194.4986  ­200.6799  ­196.9063  ADF(4)  ­4.6226  ­186.8310  ­193.8310  ­201.0426  ­196.6401  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­3.4875

Unit root tests for variable DLKA  The Dickey­Fuller regressions include an intercept but not a trend  *******************************************************************************  58 observations used in the estimation of all ADF regressions.  Sample period from 1991Q3 to 2005Q4  *******************************************************************************  Test Statistic      LL               AIC              SBC              HQC  DF  ­12.6824  ­113.6785  ­115.6785  ­117.7390  ­116.4811  ADF(1)  ­8.7619  ­110.7545  ­113.7545  ­116.8451  ­114.9583  ADF(2)  ­7.0636  ­109.2260  ­113.2260  ­117.3469  ­114.8312  ADF(3)  ­6.4549  ­107.4785  ­112.4785  ­117.6296  ­114.4849  ADF(4)  ­5.7513  ­106.4928  ­112.4928  ­118.6741  ­114.9005  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­2.9118  Unit root tests for variable DLKA  The Dickey­Fuller regressions include an intercept and a linear trend  *******************************************************************************  58 observations used in the estimation of all ADF regressions.  Sample period from 1991Q3 to 2005Q4  *******************************************************************************  Test Statistic      LL               AIC               SBC             HQC  DF  ­12.5728  ­113.6641  ­116.6641  ­119.7548  ­117.8680  ADF(1)  ­8.6930  ­110.7067  ­114.7067  ­118.8276  ­116.3119  ADF(2)  ­7.0168  ­109.1488  ­114.1488  ­119.2999  ­116.1553  ADF(3)  ­6.4233  ­107.3602  ­113.3602  ­119.5415  ­115.7679  ADF(4)  ­5.7358  ­106.3339  ­113.3339  ­120.5454  ­116.1429  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­3.4875  Unit root tests for variable DLPDB  The Dickey­Fuller regressions include an intercept but not a trend  *******************************************************************************  58 observations used in the estimation of all ADF regressions.  Sample period from 1991Q3 to 2005Q4  *******************************************************************************  Test Statistic      LL               AIC            SBC            HQC  DF  ­10.8615      71.6221      69.6221       67.5617       68.8195  ADF(1)  ­6.2325       71.6333       68.6333       65.5427       67.4295  ADF(2)  ­7.7043       78.2881       74.2881       70.1672       72.6829  ADF(3)  ­4.3457       79.0054       74.0054       68.8543       71.9989  ADF(4)  ­3.2296       79.2704  73.2704       67.0891       70.8627  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­2.9118  Unit root tests for variable DLPDB  The Dickey­Fuller regressions include an intercept and a linear trend  *******************************************************************************  58 observations used in the estimation of all ADF regressions.  Sample period from 1991Q3 to 2005Q4  *******************************************************************************  Test Statistic      LL               AIC             SBC           HQC  DF  ­10.7782     71.6872       68.6872       65.5965       67.4833  ADF(1)  ­6.1914       71.6987       67.6987  63.5779       66.0936  ADF(2)  ­7.6343       78.3086       73.3086       68.1575       71.3021  ADF(3)  ­4.2966       79.0375       73.0375       66.8561       70.6297

ADF(4)  ­3.1707       79.3205       72.3205       65.1089       69.5114  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­3.4875  Unit root tests for variable DLCA  The Dickey­Fuller regressions include an intercept but not a trend  *******************************************************************************  58 observations used in the estimation of all ADF regressions.  Sample period from 1991Q3 to 2005Q4  *******************************************************************************  Test Statistic      LL                AIC             SBC              HQC  DF  ­12.8315  ­109.9372  ­111.9372  ­113.9977  ­112.7398  ADF(1)  ­9.4456  ­105.6053  ­108.6053  ­111.6959  ­109.8092  ADF(2)  ­7.5265  ­103.5467  ­107.5467  ­111.6676  ­109.1519  ADF(3)  ­6.3205  ­102.4352  ­107.4352  ­112.5864  ­109.4417  ADF(4)  ­5.6473  ­101.4704  ­107.4704  ­113.6517  ­109.8781  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­2.9118  Unit root tests for variable DLCA  The Dickey­Fuller regressions include an intercept and a linear trend  *******************************************************************************  58 observations used in the estimation of all ADF regressions.  Sample period from 1991Q3 to 2005Q4  *******************************************************************************  Test Statistic      LL                 AIC               SBC            HQC  DF  ­12.7216  ­109.9172  ­112.9172  ­116.0079  ­114.1211  ADF(1)  ­9.3632  ­105.5831  ­109.5831  ­113.7040  ­111.1882  ADF(2)  ­7.4587  ­103.5249  ­108.5249  ­113.6761  ­110.5314  ADF(3)  ­6.2618  ­102.4139  ­108.4139  ­114.5952  ­110.8216  ADF(4)  ­5.5909  ­101.4535  ­108.4535  ­115.6650  ­111.2625  *******************************************************************************  95% critical value for the augmented Dickey­Fuller statistic =  ­3.4875 

Lampiran 5. Hasil Uji lag Optimal  Test Statistics and Choice Criteria for Selecting the Order of the VAR Model  *******************************************************************************  Based on 60 observations from 1991Q1 to 2005Q4. Order of VAR = 4  List of variables included in the unrestricted VAR:  LER             LM2             R               LKA             LPDB  LCA  List of deterministic and/or exogenous variables:  C               T               D  *******************************************************************************  Order    LL  AIC  SBC  LR test  Adjusted LR test  4   141.3159  ­20.6841  ­190.3260  ­­­­­­  ­­­­­­  3    81.0574  ­44.9426  ­176.8863  CHSQ( 36)= 120.5169[.000]  66.2843[.002]  2    20.7744  ­69.2256  ­163.4711  CHSQ( 72)= 241.0830[.000]  132.5956[.000]  1  ­49.2347  ­103.2347  ­159.7820  CHSQ(108)= 381.1012[.000] 209.6057[.000]  0  ­250.7248  ­268.7248  ­287.5739  CHSQ(144)= 784.0814[.000] 431.2448[.000]  *******************************************************************************  AIC=Akaike Information Criterion     SBC=Schwarz Bayesian Criterion

Test Statistics and Choice Criteria for Selecting the Order of the VAR Model  *******************************************************************************  Based on 59 observations from 1991Q2 to 2005Q4. Order of VAR = 5  List of variables included in the unrestricted VAR:  LER             LM2             R               LKA             LPDB  LCA  List of deterministic and/or exogenous variables:  C               T               D  *******************************************************************************  Order    LL  AIC  SBC  LR test  Adjusted LR test  5   184.8610  ­13.1390  ­218.8152  ­­­­­­  ­­­­­­  4   140.8519  ­21.1481  ­189.4286  CHSQ( 36)=  88.0183[.000]  38.7877[.345]  3    83.9978  ­42.0022  ­172.8870  CHSQ( 72)= 201.7264[.000]  88.8964[.086]  2    25.9716  ­64.0284  ­157.5176  CHSQ(108)= 317.7788[.000]  140.0381[.021]  1  ­44.2668  ­98.2668  ­154.3603  CHSQ(144)= 458.2556[.000]  201.9431[.001]  0  ­247.3479  ­265.3479 ­284.0457  CHSQ(180)= 864.4178[.000]  380.9299[.000]  *******************************************************************************  AIC=Akaike Information Criterion     SBC=Schwarz Bayesian Criterion 

Lampiran 6. Hasil Uji Rank Kointegrasi  Cointegration with unrestricted intercepts and restricted trends in the VAR  Cointegration LR Test Based on Maximal Eigenvalue of the Stochastic Matrix  *******************************************************************************  61 observations from 1990Q4 to 2005Q4. Order of VAR = 3.  List of variables included in the cointegrating vector:  LER             LM2             R               LKA  LPDB  LCA             D               Trend  List of eigenvalues in descending order:  .81674     .65418     .49717     .36009     .31513     .10631    .076329  *******************************************************************************  Null    Alternative    Statistic     95% Critical Value           90% Critical Value  r = 0  r = 1       103.5089  49.3200  46.5400  r<= 1  r = 2        64.7721  43.6100  40.7600  r<= 2      r = 3        41.9376  37.8600  35.0400  r<= 3      r = 4        27.2324  31.7900  29.1300  r<= 4      r = 5        23.0904  25.4200  23.1000  r<= 5      r = 6         6.8561  19.2200  17.1800  r<= 6      r = 7         4.8434  12.3900  10.5500  *******************************************************************************  Use the above table to determine r (the number of cointegrating vectors).  Cointegration with unrestricted intercepts and restricted trends in the VAR  Cointegration LR Test Based on Trace of the Stochastic Matrix  *******************************************************************************  61 observations from 1990Q4 to 2005Q4. Order of VAR = 3.  List of variables included in the cointegrating vector:  LER             LM2  R               LKA             LPDB  LCA             D               Trend  List of eigenvalues in descending order:  .81674     .65418     .49717     .36009     .31513     .10631    .076329  *******************************************************************************  Null    Alternative    Statistic     95% Critical Value     90% Critical Value  r = 0  r>= 1       272.2409  147.2700                     141.8200  r<= 1  r>= 2       168.7320  115.8500                     110.6000  r<= 2  r>= 3  103.9599  87.1700                         82.8800

r<= 3  r>= 4        62.0223  63.0000                         59.1600  r<= 4  r>= 5        34.7899  42.3400                         39.3400  r<= 5  r>= 6        11.6994  25.7700                         23.0800  r<= 6  r = 7         4.8434  12.3900                         10.5500  *******************************************************************************  Use the above table to determine r (the number of cointegrating vectors).  Cointegration with unrestricted intercepts and restricted trends in the VAR  Choice of the Number of Cointegrating Relations Using Model Selection Criteria  *******************************************************************************  61 observations from 1990Q4 to 2005Q4. Order of VAR = 3.  List of variables included in the cointegrating vector:  LER             LM2             R               LKA             LPDB  LCA             D               Trend  List of eigenvalues in descending order:  .81674     .65418     .49717     .36009  .31513     .10631    .076329  *******************************************************************************  Rank  Maximized LL        AIC             SBC                HQC  r = 0  78.3341  ­26.6659  ­137.4868  ­70.0977  r = 1  130.0885         11.0885  ­114.5085  ­38.1341  r = 2          162.4746         31.4746  ­106.7877  ­22.7117  r = 3         183.4434         42.4434  ­106.3732  ­15.8792  r = 4         197.0596         48.0596  ­109.2005  ­13.5721  r = 5         208.6048         53.6048  ­109.9879  ­10.5087  r = 6         212.0329         53.0329  ­114.7816  ­12.7352  r = 7         214.4545         53.4545  ­116.4708  ­13.1408  *******************************************************************************  AIC = Akaike Information Criterion    SBC = Schwarz Bayesian Criterion  HQC = Hannan­Quinn Criterion 

Lampiran 7. Hasil Nilai Covariance Matrix  Estimated System Covariance Matrix of Errors  *******************************************************************************  LER           LM2              R           LKA            LPDB        LCA                D  LER    .0061472   .0012037     .095569  ­.0037668     .5811E­3   .0073846     .0072795  LM2    .0012037  .0010116     .0057558  ­.0016274     .9913E­4   .0052161    .3058E­3  R          .095569    .0057558   7.7066        .20033          .048680  ­.090681    .30033  LKA  ­.0037668  ­.0016274    .20033       .23206 

.2708E­3  ­.59930      .0081126 

LPDB  .5811E­3    .9913E­4   .048680     .2708E­3     .0039371    .018504     .4320E­5  LCA    .0073846    .0052161  ­.090681  ­.59930         .018504     2.6298 

­.019410 

D        .0072795     .3058E­3  .30033      .0081126     .4320E­5  ­.019410     .023173

Lampiran 8. Hasil Uji Untuk Persamaan Jangka Pendek dan Jangka Panjang  ECM for variable LER estimated by OLS based on cointegrating VAR(3)  *******************************************************************************  Dependent variable is dLER  61 observations used for estimation from 1990Q4 to 2005Q4  *******************************************************************************  Regressor              Coefficient       Standard Error  T­Ratio[Prob]  Intercept  ­1.5130  3.1669  ­.47777[.635]  dLER1  ­.40607  .20376  ­1.9929[.053]  dLM21  .44546  .38089  1.1695[.249]  dR1  .0013963  .0036664  .38084[.705]  dLKA1  ­.065515  .025858  ­2.5337[.015]  dLPDB1  ­.082562  .25960  ­.31804[.752]  dLCA1  ­.023980  .010518  ­2.2799[.028]  dD1  .33649  .11653  2.8876[.006]  dLER2  .13633  .17877  .76260[.450]  dLM22  ­.26160  .41082  ­.63677[.528]  dR2  .0051146  .0024396  2.0964[.042]  dLKA2  ­.050250  .014800  ­3.3952[.001]  dLPDB2  ­.092917  .18631  ­.49871[.621]  dLCA2  ­.014447  .0077219  ­1.8710[.068]  dD2  .46712  .11584  4.0326[.000]  ecm1(­1)  ­.028856  .10182  ­.28340[.778]  ecm2(­1)  ­.0084227  .078677  ­.10705[.915]  ecm3(­1)  ­.0028954  .0021682  ­1.3354[.189]  *******************************************************************************  List of additional temporary variables created:  dLER = LER­LER(­1)  dLER1 = LER(­1)­LER(­2)  dLM21 = LM2(­1)­LM2(­2)  dR1 = R(­1)­R(­2)  dLKA1 = LKA(­1)­LKA(­2)  dLPDB1 = LPDB(­1)­LPDB(­2)  dLCA1 = LCA(­1)­LCA(­2)  dD1 = D(­1)­D(­2)  dLER2 = LER(­2)­LER(­3)  dLM22 = LM2(­2)­LM2(­3)  dR2 = R(­2)­R(­3)  dLKA2 = LKA(­2)­LKA(­3)  dLPDB2 = LPDB(­2)­LPDB(­3)  dLCA2 = LCA(­2)­LCA(­3)  dD2 = D(­2)­D(­3)  ecm1 =    1.0000*LER +    .0000*LM2  0.00*R +   .13594*LKA +   1.2451*LPD  B  ­.053747*LCA  ­.85453*D  ­.029870*Trend;ecm2 =      0.00*LER +   1.0000*LM  2      0.00*R +   .41523*LKA  ­2.1786*LPDB +   .11327*LCA  ­.67967*D  ­.0130  31*Trend;ecm3 =      0.00*LER      0.00*LM2 +   1.0000*R  ­4.3207*LKA  ­62.66  23*LPDB  ­.25532*LCA  ­40.9258*D +   1.4824*Trend  *******************************************************************************  R­Squared  .82076  R­Bar­Squared  .74990  S.E. of Regression  .073705  F­stat.    F( 17,  43)  11.5828[.000]  Mean of Dependent Variable   .027258  S.D. of Dependent Variable  .14738  Residual Sum of Squares         .23359  Equation Log­likelihood  83.1788  Akaike Info. Criterion         65.1788  Schwarz Bayesian Criterion  46.1809  DW­statistic                           2.0882  System Log­likelihood  183.4434  *******************************************************************************

Diagnostic Tests  *******************************************************************************  *    Test Statistics  *        LM Version  *         F Version          *  *******************************************************************************  *  *                          *                            *  * A:Serial Correlation  *CHSQ(   4)=  11.6766[.020]  *F(   4,  39)=   2.3082[.075]*  *  *                          *                            *  * B:Functional Form  *CHSQ(   1)=   5.1755[.023]  *F(   1,  42)=   3.8939[.055]*  *  *                          *  *  * C:Normality  *CHSQ(   2)= 132.1806[.000]  *       Not applicable       *  *  *                          *                            *  * D:Heteroscedasticity  *CHSQ(   1)=   .38520[.535]  *F(   1,  59)=   .37494[.543]*  ******************************************************************************* 

Lampiran 9. Hasil Analisis Impulse Respon Function (IRF)  Orthogonalized Impulse Response(s) to one S.E. shock in the equation for LKA  Cointegration with unrestricted intercepts and restricted trends in the VAR  *******************************************************************************  61 observations from 1990Q4 to 2005Q4. Order of VAR = 3, chosen r =3.  List of variables included in the cointegrating vector:  LER  LM2             R               LKA             LPDB  LCA             D               Trend  *******************************************************************************  List of imposed restrictions:  A1=1; A2=0; A3=0; B1=0; B2=1; B3=0; C1=0; C2=0; C3=1;  *******************************************************************************  Horizon  LER           LM2            R           LKA        LPDB         LCA  D  0          0.00           0.00            0.00      .46778  ­.0021191  ­1.2499  .009497  1      .0044740   .2876E­3  ­.028921 ­.068879  ­.0063131  ­.16688  .021338  2      .016971     .0050999      .14157  ­.084333  ­.013269  ­.21175  .026054  3      .036206     .012324      1.3676  ­.12652  ­.016623  ­.36093  .037243  4      .045885     .014823      1.8333  ­.014759  ­.010135  ­.36737  .040259  5      .050857     .018645      2.0320  ­.067930  ­.010485  ­.31751  .037180  6      .045968     .023007      1.7811     .006449  ­.014374  ­.31979  .038962  7      .043262     .024096      1.6114     .064167  ­.018040  ­.31098  .039422  8      .032179     .023160      .96000     .012506  ­.019530  ­.32062  .039043  9      .033315     .023245      .56931     .025859  ­.017685  ­.32328  .040736  10     .030113     .022186      .37021     .028875  ­.017535  ­.33657  .040517  11     .029549     .021839      .091001   .008697  ­.017691  ­.35220  .039689  12     .030694     .021264      .086843   .025643  ­.019537  ­.34993  .037323  13     .028314     .019895      .075760   .028155  ­.019420  ­.35184  .036330  14     .027356     .018465      .037221   .042863  ­.018845  ­.35639  .035935  15     .026375     .017354      .018889   .027288  ­.017913  ­.36001  .035315  16     .027228     .016950      .037418   .021488  ­.017484  ­.36034  .035296  17     .028577     .016739      .15456     .023994  ­.017458  ­.36016  .034782  18     .028865     .016574      .23760     .018135  ­.017444  ­.35876  .034634  19     .029808     .016591      .32383     .024139  ­.017250  ­.35664  .034621  20     .029836     .016596      .38687     .020389  ­.016992  ­.35449  .034829  21     .030277     .016838      .41295     .020097  ­.016788  ­.35389  .035191  22     .030814     .017144      .45145     .018302  ­.016836  ­.35209  .035350  23     .030990     .017458      .46646     .017304  ­.016923  ­.35104  .035582  24     .031290     .017723      .48047     .019803  ­.017021  ­.34999  .035743  25     .031072     .017887      .47329     .019109  ­.017085  ­.34958  .035880

26     .031052     .018046      .45546     .020057  ­.017113  ­.34949  .036032  27     .030913     .018135      .43960     .020173  ­.017195  ­.34952  .036074  28     .030762     .018192      .41793     .020002  ­.017254  ­.34992  .036114  29     .030689     .018202      .40336     .021000  ­.017329  ­.35017  .036079  30     .030494     .018162      .38823     .020822  ­.017357  ­.35058  .036041  31     .030404     .018109      .37580     .021461  ­.017367  ­.35099  .036002  32     .030298     .018039      .36803     .021310  ­.017367  ­.35134  .035939  33     .030243     .017977      .36217     .021221  ­.017358  ­.35165  .035896  34     .030240     .017919      .36205     .021378  ­.017351  ­.35182  .035841  35     .030217     .017867      .36305     .021106  ­.017334  ­.35195  .035805  36     .030248     .017830      .36616     .021229  ­.017315  ­.35199  .035779  37     .030263     .017803      .37039     .021014  ­.017296  ­.35196  .035762  38     .030298     .017792      .37427     .020938  ­.017279  ­.35193  .035760  39     .030339     .017791      .37891     .020882  ­.017269  ­.35183  .035759  40     .030365     .017798      .38238     .020755  ­.017261  ­.35174  .035769  41     .030400     .017811      .38545     .020791  ­.017257  ­.35164  .035780  42     .030415     .017825      .38748     .020719  ­.017256  ­.35155  .035792  43     .030431     .017841      .38847     .020732  ­.017256  ­.35149  .035806  44     .030438     .017856      .38899     .020740  ­.017260  ­.35144  .035817  45     .030438     .017868      .38863     .020734  ­.017264  ­.35141  .035826  46     .030437     .017877      .38804     .020784  ­.017269  ­.35140  .035833  47     .030429     .017883      .38709     .020785  ­.017273  ­.35140  .035836  48     .030422     .017887      .38601     .020821  ­.017276  ­.35141  .035838  49     .030413     .017887      .38504     .020836  ­.017279  ­.35143  .035838  50     .030405     .017886      .38410     .020846  ­.017281  ­.35145  .035836  *******************************************************************************  Orthogonalized Impulse Response(s) to one S.E. shock in the equation for LCA  Cointegration with unrestricted intercepts and restricted trends in the VAR  *******************************************************************************  61 observations from 1990Q4 to 2005Q4. Order of VAR = 3, chosen r =3.  List of variables included in the cointegrating vector:  LER             LM2             R               LKA             LPDB  LCA             D               Trend  *******************************************************************************  List of imposed restrictions:  A1=1; A2=0; A3=0; B1=0; B2=1; B3=0; C1=0; C2=0; C3=1;  *******************************************************************************  Horizon LER           LM2            R            LKA  LPDB          LCA  D  0        0.00             0.00          0.00          0.00            0.00          .98228  .0011717  1  ­.021674  ­.009358  ­.70118    .024485     .008496       .13844  ­.0059744  2  ­.012593  ­.008576  ­1.1894  ­.021914     .009324       .22903  ­.011016  3  ­.010809  ­.012747  ­.63390    .062810     .014844       .35065  ­.017236  4  ­.023595  ­.015633  ­.80218    .024832     .008725       .32107  ­.018434  5  ­.019506  ­.017072  ­.73183    .035594     .010376       .29502  ­.019084  6  ­.019389  ­.019566  ­.40168  ­.015730     .011447       .32888  ­.019353  7  ­.015802  ­.019548  ­.21193  ­.013822     .016174       .31320  ­.017334  8  ­.010572  ­.018795      .17181  ­.017206     .015927      .32085  ­.016931  9  ­.0091439  ­.017356      .35591  ­.035881     .015347      .32334  ­.017385  10  ­.0054621  ­.015991      .61760  ­.017321     .014160      .34148  ­.016826  11  ­.0071568  ­.015530      .72445  ­.0083261   .014390      .34389  ­.016097  12  ­.0072571  ­.014814      .66686  ­.016583     .015153      .34608  ­.014383  13  ­.0068256  ­.013870      .62894  ­.017025     .015037      .34655  ­.013868  14  ­.0065470  ­.012940      .58488  ­.026641     .014665      .34826  ­.013211  15  ­.0062113  ­.012310      .55544  ­.013610     .013835      .34800  ­.013209  16  ­.0071464  ­.012170      .50448  ­.015954     .013535      .34828  ­.013259

17  ­.0079879  ­.012190      .41613  ­.0095313    .013432      .34695  ­.013117  18  ­.0086258  ­.012350      .35201  ­.0099286    .013507      .34518  ­.013198  19  ­.0092888  ­.012515      .27910  ­.012426     .013411      .34295  ­.013277  20  ­.0091876  ­.012664      .25253  ­.010486     .013317      .34165  ­.013569  21  ­.0096032  ­.012940      .23754  ­.011268     .013219      .34083  ­.013831  22  ­.0096741  ­.013188      .22853  ­.0092706    .013312  .33972  ­.014009  23  ­.0098330  ­.013446      .23165  ­.010039     .013386      .33938  ­.014185  24  ­.0098423  ­.013607      .23377  ­.010952     .013517      .33881  ­.014255  25  ­.0096410  ­.013706      .25148  ­.011001     .013560  .33894  ­.014343  26  ­.0095656  ­.013766      .26823  ­.012039     .013610      .33901  ­.014390  27  ­.0093583  ­.013776      .28693  ­.011705     .013651      .33943  ­.014388  28  ­.0092756  ­.013772      .30346  ­.012034     .013691      .33979  ­.014376  29  ­.0091693  ­.013731      .31385  ­.012354     .013730      .34014  ­.014314  30  ­.0090597  ­.013673      .32357  ­.012314     .013734      .34049  ­.014272  31  ­.0090111  ­.013610      .32868  ­.012721  .013732      .34078  ­.014217  32  ­.0089488  ­.013547      .33167  ­.012385     .013716      .34101  ­.014172  33  ­.0089523  ­.013499      .33197  ­.012486     .013701      .34116  ­.014138  34  ­.0089606  ­.013458      .32917  ­.012329     .013686      .34122  ­.014103  35  ­.0089777  ­.013430      .32613  ­.012227     .013670      .34124  ­.014087  36  ­.0090160  ­.013414      .32163  ­.012238     .013655      .34119  ­.014075  37  ­.0090365  ­.013407      .31780  ­.012062     .013641      .34112  ­.014075  38  ­.0090761  ­.013411      .31418  ­.012062     .013631      .34104  ­.014082  39  ­.0091010  ­.013420      .31099  ­.011966     .013627      .34095  ­.014090  40  ­.0091243  ­.013434      .30888  ­.011944     .013624      .34087  ­.014103  41  ­.0091424  ­.013448      .30725  ­.011956     .013625      .34079  ­.014114  42  ­.0091477  ­.013462      .30671  ­.011927     .013627      .34074  ­.014126  43  ­.0091542  ­.013475      .30667  ­.011967     .013630      .34070  ­.014135  44  ­.0091508  ­.013485      .30713  ­.011964     .013634      .34068  ­.014142  45  ­.0091470  ­.013492      .30797  ­.011991     .013638      .34068  ­.014148  46  ­.0091406  ­.013496  .30884  ­.012018     .013642      .34069  ­.014149  47  ­.0091318  ­.013498      .30986  ­.012027     .013645      .34070  ­.014150  48  ­.0091252  ­.013497      .31073  ­.012056     .013647      .34072  ­.014149  49  ­.0091175  ­.013495      .31148  ­.012057     .013649      .34075  ­.014147  50  ­.0091126  ­.013492      .31205  ­.012070     .013649      .34077  ­.014144  ******************************************************************************* 

Lampiran 10. Hasil Analisis Forecast Error Variance Decomposition (FEVD)  Orthogonalized Forecast Error Variance Decomposition for variable LER  Cointegration with unrestricted intercepts and restricted trends in the VAR  *******************************************************************************  61 observations from 1990Q4 to 2005Q4. Order of VAR = 3, chosen r =3.  List of variables included in the cointegrating vector:  LER             LM2             R               LKA             LPDB  LCA             D               Trend  *******************************************************************************  List of imposed restrictions:  A1=1; A2=0; A3=0; B1=0; B2=1; B3=0; C1=0; C2=0; C3=1;  *******************************************************************************  Horizon LER  LM2  R  LKA  LPDB  LCA  D  0      1.0000        0.00  0.00  0.00  0.00  0.00  0.00  1      .82734  .003304  .037429  .001083  .013232  .025417  .092199  2      .73628     .015250  .093876  .005325     .023165  .010864  .11523  3      .66952     .027133      .11426  .012154     .028331    .0055946  .14301  4      .66668     .031326      .10936  .019933     .037865    .0069678  .12787

5      .67547     .031642      .10171  .028553     .038214    .0076121  .11680  6      .67685     .029566      .10144  .032790     .035760    .0080120  .11559  7      .68522     .027307  .099095     .036611     .033210    .0082072  .11035  8  .69060     .026719     .097642     .036651     .031234    .0078269  .10933  9  .69508     .025397     .096548     .037202     .030554    .0074858  .10773  10      .69717     .025552     .094829     .036952     .030948  .0070129  .10753  11      .69880     .025519     .093341     .036919     .030790    .0067095  .10792  12      .70093     .025805     .091248     .037183     .030760    .0064668  .10761  13      .70217     .026151     .089655     .036942     .030360  .0062100  .10851  14      .70371     .026298     .088078     .036671     .030513    .0059824  .10875  15      .70443     .026910     .086619     .036193     .030728    .0057487  .10937  16      .70472     .027302     .085428     .035806     .031119    .0055558  .11007  17      .70510     .027826     .084248     .035568     .031395    .0054008  .11047  18      .70536     .028233     .083285     .035333     .031531    .0052721  .11099  19      .70584     .028515     .082422     .035212     .031674    .0051752  .11116  20      .70620     .028774     .081711     .035064     .031777    .0050781  .11139  21      .70655     .028931     .081136     .034967     .031891    .0050011  .11152  22      .70696     .029077     .080595     .034929     .031959    .0049327  .11154  23      .70731     .029176     .080155     .034902     .031979    .0048731  .11161  24      .70776     .029226     .079730     .034920     .031980    .0048209  .11156  25      .70817     .029279     .079350     .034918  .031963    .0047672  .11155  26      .70859     .029298     .078999     .034928     .031952    .0047172  .11152  27      .70898     .029333     .078655     .034931     .031941    .0046663  .11149  28      .70934     .029361     .078336     .034928  .031926    .0046177  .11150  29      .70969     .029392     .078015     .034927     .031918    .0045708  .11149  30      .71000     .029432     .077712     .034914     .031909    .0045245  .11150  31      .71030     .029469     .077417     .034898     .031910    .0044805  .11152  32      .71057     .029517     .077133     .034877     .031914    .0044377  .11155  33      .71081     .029564     .076864     .034853     .031923    .0043973  .11159  34      .71104     .029613     .076604     .034829     .031934    .0043592  .11162  35      .71125     .029663     .076359     .034803     .031945    .0043231  .11166  36      .71144     .029710     .076127     .034780     .031958    .0042894  .11169  37      .71162     .029757     .075907     .034757     .031970    .0042576  .11173  38      .71179     .029800     .075701     .034736     .031983    .0042279  .11176  39      .71196     .029840     .075505     .034718     .031994    .0041999  .11179  40      .71211     .029878     .075321     .034701     .032003    .0041734  .11181  41      .71226     .029912     .075146     .034687     .032012    .0041485  .11183  42      .71241     .029944     .074980     .034673     .032019    .0041247  .11185  43      .71255     .029973     .074822     .034661     .032025    .0041020  .11187  44      .71269     .030000     .074672     .034650     .032030    .0040803  .11188  45      .71282     .030026     .074527     .034640     .032035    .0040595  .11189  46      .71294     .030050     .074389     .034631     .032039    .0040395  .11191  47      .71307     .030074     .074256     .034621     .032043    .0040201  .11192  48      .71318     .030096     .074127     .034612     .032047    .0040015  .11193  49      .71330     .030118     .074004     .034603     .032051    .0039835  .11194  50      .71341     .030139     .073885     .034595     .032054    .0039662  .11196  *******************************************************************************