BAB I PENDAHULUAN 1.1. Latar Belakang
Pertumbuhan ekonomi merupakan pertumbuhan output yang dibentuk
oleh
berbagai sektor ekonomi sehingga dapat menggambarkan bagaimana kemajuan atau kemunduran yang telah dicapai oleh sektor ekonomi tersebut pada suatu waktu tertentu . Pertumbuhan ekonomi menunjukkan sejauh mana aktivitas perekonomian akan menghasilkan tambahan pendapatan masyarakat pada suatu periode tertentu, karena pada dasarnya aktivitas perekonomian adalah suatu proses penggunaan faktor-faktor produksi untuk menghasilkan output, maka proses ini pada gilirannya akan menghasilkan suatu aliran balas jasa terhadap faktor produksi yang dimiliki masyarakat sebagai pemilik faktor produksi juga akan turut meningkat. Pertumbuhan ekonomi mutlak harus ada, sehingga pendapatan masyarakat akan bertambah, dengan demikian tingkat kesejahteraan masyarakat diharapkan akan meningkat. Agar pertumbuhan ekonomi terus meningkat dan dapat dipertahankan dalam jangka panjang maka perlu diketahui faktor-faktor apa yang dapat mempengaruhi pertumbuhan ekonomi dan faktor apa yang perlu dihindari agar pertumbuhan ekonomi tidak berjalan ditempat atau mengalami kemunduran. Kondisi perekonomian Daerah Istimewa Yogyakarta menunjukkan perkembangan yang positif. Pada tahun 2008 pertumbuhan PDRB mencapai 8,68 % dan pada tahun 2009 meningkat 10,11 %. Investasi merupakan salah satu hal penting bagi pertumbuhan ekonomi, percepatan pembangunan ekonomi di suatu negara dan perbaikan bagi produktifitas kerja. Investasi dapat digunakan sebagai alat untuk memulihkan perekonomian, menciptakan lapangan kerja dan mengurangi kemiskinan. Tanpa investasi akan sulit untuk melakukan ekspansi usaha. Penanaman Modal Dalam Negeri ( PMDN ) merupakan salah satu solusi untuk memenuhi kebutuhan akan investasi. Namun ada beberapa faktor yang menghambat investor untuk menanamkan modalnya di suatu daerah, baik dari keadaan ekonomi, ketidakpastian hukum, situasi politik hingga pelayanan perizinan. Pembangunan tidak dapat terlepas dari unsur tenaga kerja, dengan kondisi tenaga kerja yang produktif maka pembangunan dapat berjalan lancar dan harapannya taraf kehidupan penduduk juga akan meningkat. Tanpa tenaga kerja tidak mustahil 1
pembangunan tidak dapat berjalan , tenaga kerja menjadi penggerak dalam roda pembangunan. Tenaga kerja dengan sumber daya manusianya bisa memberikan sumbangan yang sangat berarti dalam proses pembangunan. Semakin tingginya angkatan kerja tentu memerlukan lapangan pekerjaan yang layak, namun pada kenyataanya lapangan pekerjaan tidak selalu tersedia. Semakin banyaknya penduduk, meningkatnya jumlah angkatan kerja. Sumeber daya yang baik, keterampilan yang bagus menjadi modal utama bagi angkatan kerja untuk mendapatkan pekerjaan yang layak. Disisi lain faktor nilai tukar sering menjadi perhatian oleh para investor mengingat acapkali mempengaruhi keputusan investor untuk menanamkan modalnya. Disini kestabilan nilai tukar akan mempengaruhi nilai rupiah dengan secara tidak langsung akan mempengaruhi para pemodal untuk menanamkan modalnya atau hanya ditabung di bank. Hal ini akan berdampak juga terhadap pertumbuhan investasi domestik yang selanjutnya mempengaruhi produk domestik bruto atau pendapatan suatu negara atau daerah. Dengan melihat latar belakang dari permasalahan diatas dan melihat dari fenomena yang ada, mendorong peneliti untuk mengamati lebih lanjut mengenai faktorfaktor yang mempengaruhi pertumbuhan ekonomi di Daerah Istimewa Yogyakarta. Oleh karena itu akan dicoba dibahas secara mendalam melalui penelitian dengan judul “ ANALISIS EFEKTIVITAS INVESTASI DOMESTIK, ANGKATAN KERJA NILAI KURS TERHADAP PRODUK DOMESTIK REGIONAL BRUTO DI DAERAH ISTIMEWA YOGYAKARTA PERIODE TAHUN 1990 – 2010.” 1.2. Batasan Masalah Sehubungan dengan faktor keterbatasan yang ada dan mengingat faktor yang mempengaruhi produk domestik regional bruto,
banyaknya
maka penelitian hanya
membahas pada : 1
Variabel-variabel yang dianggap berpengaruh terhadap besar kecilnya pertumbuhan produk domestik regional bruto di Daerah Istimewa Yogyakarta yaitu pada investasi domestik, angkatan kerja dan nilai kurs.
2
Data yang digunakan adalah data tahunan yaitu dari tahun 1990 sampai 2010 terdiri atas : a) Produk Domestik Regional Bruto b) Tingkat Penanaman Modal Dalam Negeri
2
c) Banyaknya Penduduk Angkatan Kerja d) Nilai Tukar Rupiah Terhadap Dollar US
1.3. Rumusan Masalah Dari latar belakang masalah yang telah disampaikan diatas, maka dapat diambil suatu perumusan masalah yang akan dibahas dalam penelitian ini yaitu sebagai berikut : a. Pada Jangka Panjang 1
Apakah tingkat investasi atau penanaman modal dalam negeri berpengaruh terhadap produk domestik regional bruto di D.I. Yogyakarta ?
2
Apakah angkatan kerja berpengaruh terhadap produk domestik regional bruto di D.I. Yogyakarta?
3
Apakah nilai kurs berpengaruh terhadap produk domestik regional bruto di D.I. Yogyakarta?
4
Apakah tingkat investasi domestik, angkatan kerja, dan nilai kurs berpengaruh secara simultan terhadap produk domestik regional bruto di D.I. Yogyakarta ?
b. Pada Jangka Pendek 1. Apakah tingkat investasi domestik, angkatan kerja, dan nilai kurs berpengaruh secara partial terhadap produk domestik regional bruto di D.I. Yogyakarta ?
1.4. Tujuan Penelitian Tujuan yang diharapkan dilakukannya penelitian ini adalah sebagai berikut : a. Pada Jangka Panjang 1. Untuk Mengidentifikasi Apakah tingkat investasi atau penanaman modal dalam negeri berpengaruh terhadap produk domestik regional bruto di Daerah Istimewa Yogyakarta ? 2. Untuk Mengidentifikasi Apakah angkatan kerja berpengaruh terhadap produk domestik regional bruto di Daerah Istimewa Yogyakarta ? 3. Untuk Mengidentifikasi Apakah nilai kurs berpengaruh terhadap produk domestik regional bruto di Daerah Istimewa Yogyakarta ?
3
4. Untuk Mengidentifikasi apakah tingkat investasi domestik, angkatan kerja, dan nilai kurs berpengaruh secara simultan terhadap produk domestik regional bruto di Daerah Istimewa Yogyakarta ?
b. Pada Jangka Pendek 5. Untuk Mengidentifikasi Apakah tingkat investasi domestik, angkatan kerja, dan nilai kurs berpengaruh secara partial terhadap produk domestik regional bruto di Daerah Istimewa Yogyakarta ?
1.5. Manfaat Penelitian Penelitian ini diharapkan memberikan manfaat kepada berbagai pihak yang terkait dalam studi ini. Manfaat tersebut sebagai berikut :
1. Hasil penelitian ini diharapkan bisa digunakan sebagai bahan pertimbangan pemerintah daerah untuk meningkatkan minat investor menanamkan modalnya di D.I. Yogyakarta 2. Bagi dunia akademik, hasil penelitian diharapkan dapat digunakan sebagai referensi pembanding dan stimulan bagi penelitian selanjutnya.
4
BAB II TINJAUAN PUSTAKA
2.1. Landasan Teori dan Penelitian Terdahulu 2.1.1. Pengertian Investasi Sadono Sukirno (2000) mendefinisakan investasi sebagai pengeluaranpengeluaran untuk membeli barang-barang modal dan peralatan-peralatan produksi dengan tujuan untuk mengganti dan terutama menambah barang-barang modal dalam perekonomian yang akan digunakan untuk memproduksi barang dan jasa di masa depan. Dengan kata lain, investasi berarti kegiatan perbelanjaan untuk meningkatkan kapasitas memproduksi suatu perekonomian. Menurut Dornbusch dan Fischer (2004), investasi adalah arus pengeluaran yang menambah stock modal fisik. Dimana modal merupakan stock ketika nilai uang dari gedung-gedung, mesin-mesin, dan inventaris lain adalah tetap pada suatu waktu. Dengan membagi investasi dalam tiga kategori yaitu, investasi bisnis tetap, investasi perumahan, dan investasi inventori. Menurut Paul A. Samuelson dan William D. Nordhaus (1998), investasi adalah pengeluaran yang dilakukan oleh para penanam modal yang menyangkut penggunaan sumber-sumber seperti peralatan, gedung, peralatan produksi dan mesinmesin baru lainnya atau persediaan yang diharapkan akan memberikan keuntungan dari investasi tersebut. Kekuatan ekonomi utama yang menentukan investasi adalah hasil biaya investasi yang ditentukan oleh kebijakan tingkat bunga dan pajak, serta harapan mengenai masa depan. 2.1.1.1. Teori Investasi Klasik Teori ekonomi klasik menyatakan bahwa keinginan individu atau masyarakat untuk menabung adalah sama dengan keinginan perusahaan untuk melakukan investasi. Pandangan ini dapat ditulis sebagai : I = S..............................................................................................................(2.1) Dalam teori investasi klasik diasumsikan bahwa :
5
1.
Tabungan adalah fungsi dari tingkat bunga Yaitu semakin tinggi tingkat bunga, semakin tinggi pula keinginan masyarakat
untuk menabung. Artinya bahwa pada tingkat bunga yang lebih tinggi, masyarakat akan terdorong untuk mengurangi pengeluaran untuk konsumsi dengan maksud untuk menambah tabungan. 2.
Investasi juga merupakan fungsi dari tingkat bunga Yaitu semakin tinggi tingkat bunga, keinginan untuk melakukan investasi akan
semakin rendah. Dimana investasi akan dilakukan apabila pendapatan dari investasi (return on investment) lebih besar dari tingkat bunga yang berlaku atau tingkat riil sebab tingkat bunga merupakan biaya atau ongkos penggunaan dana (Cost of Capital). Dengan demikian, teori klasik merupakan hubungan antara tabungan dan investasi dengan tingkat bunga yang digambarkan sebagai berikut :
Gambar 2.1. Hubungan Investasi dan Tabungan Dengan Tingkat Bunga Menurut Klasik Tingkat Bunga S
E0
R0
I0 R1
E1 I1
I0
I0=S1
I0=S0
Investasi dan Tabungan
Dari gambar diatas dapat diterangkan bahwa kurva tabungan (S) menunjukkan tingkat tabungan pada kesempatan kerja penuh atau full employment pada berbagai 6
tingkat bunga sedangkan keinginan berinvestasi perusahaan ditunjukkan oleh kurva I0. Sehingga bila pada mulanya keseimbangan diantara tabungan dan investasi (I0 = S0) dicapai pada titik E0, dimana keseimbangan tingkat bunga ada pada titik R0. Apabila misalnya permintaan investasi berubah dari I0 menjadi I1 maka pada tinhkat bunga R0 sebanyak S0 tabungan ditawarkan dalam pasar, sedangkan investasi yang terjadi akan merosot menjadi I0. Kelebihan tabungan inilah yang akan menurunkan tingkat bunga menjadi R1 sehingga terjadi keseimbangan baru pada titik E1, dimana tabungan yang baru telah lama kembali dengan permintaan investasi (I1 = S1). Hal ini terjadi karena pada saat terjadi kelebihan tabungan maka para penabung akan saling bersaing untuk meminjamkan dananya sehingga akan menekan tingkat bunga. Demikian juga bila terjadi kondisi sebaliknya. Teori investasi klasik ini dapat disimpulkan bahwa terdapat fleksibilitas tingkat bunga yang akan menjamin terwujudnya keadaan tabungan selalu sama dengan investasi (I = S) sehingga keseimbangan antara tabungan dan investasi selalu tercapai. Dengan kata lain, tingkat bunga merupakan hasil interaksi antara tabungan (S) dan investasi (I). 2.1.1.2. Teori Investasi Keynes : The Marginal Efficiency of Capital Dasar teori permintaan dari Keynes adalah konsep Marginal Efficiency of Capital (MEC). MEC didefinisikan sebagai tingkat pendapatan bersih yang diharapkan diperoleh dari tambahan pengeluaran investasi. Dimana angka MEC ini adalah angka yang menyamakan harga investasi dengan nilai sekarang (Present Value) dari semua penerimaan yang diharapkan dari pengoprasian suatu proyek investasi ditambah nilai sekarang dari nilai sisa (residu) investasi tersebut. Rumus MEC adalah : .................................2.2 Keterangan : C
= Pengeluaran untuk memperoleh investasi hingga siap pakai
R1, R2,..Rn
= Penerimaan bersih yang diperkirakan diperoleh dari proyek investasi
1,2.......n
= periode waktu dari masing-masing penerimaan 7
S
= Nilai residu
r
= MEC atau internal rate of return
Keputusan menjalankan investasi : Bila MEC > suku bunga, maka proyek dijalankan Bila MEC = suku bunga, maka proyek dijalankan atau tidak sama saja Bila MEC < suku bunga, maka proyek tidak dijalankan
2.1.2. Produk Domestik Regional Bruto Menurut Sadono Sukirno (2011), Produk Domestik Bruto (PDB) adalah nilai barang dan jasa dalam suatu negara yang diproduksikan oleh faktor-faktor produksi milik warga negara tersebut dan negara asing dalam satu tahun tertentu. Menurut Susanti, dkk (2000 :23-24) indikator yang digunakan untuk mengukur pertumbuhan ekonomi adalah tingkat pertumbuhan Produk Domestik Bruto (PDB). Ada bebarapa alasan yang mendasari pemilihan pertumbuhan ekonomi menggunakan Produk Domestik Bruto (PDB) bukan indikator lainnya yaitu : 1. PDB merupakan jumlah nilai tambah yang dihasilkan oleh seluruh aktivitas produksi didalam perekonomian. Hal ini berarti peningkatan PDB juga mencerminkan peningkatan balas jasa kepada faktor-faktor produksi yang digunakan dalam aktivitas produksi tersebut. 2. PDB dihitung atas dasar konsep aliran (flow concept), artinya perhitungan PDB hanya mencakup nilai produk yang dihasikan kepada suatu priode tertentu. 3. Batas wilayah perhitungan PDB adalah negara (perekonomian domestik) Menurut Todaro (2000:137) ada tiga faktor komponen utama dalam pertumbuhan ekonomi dari setiap bangsa, yaitu : 1. Akumulsi modal, yakni meliputi semua bentuk atau jenis investasi yang ditanamkan pada tanah, peralatan fisik dan modal atau sumber daya manusia. 2. Pertumbuhan
penduduk,
yang
beberapa
tahun
selanjutnya
akan
memperbanyak angkatan kerja. 3. Kemajuan teknologi. 8
Pada kenyataan terdapat kaitan yang sangat erat antara investasi dengan pendapatan dalam suatu daerah tertentu. Terdapat hubungan yang positif apabila pendapatan naik maka pengeluaran investasi juga akan naik. Begitu pula sebaliknya. Meningkatnya pendapatan suatu daerah (PDRB) mempunyai tendensi meningkatnya permintaan akan barang dan jasa konsumsi, yang berarti akan memerlukan produksi barang-barang dan jasa konsumsi yang lebih banyak. Ini berarti memerlukan yang sudah ada maupun menambah proyek investasi. Dengan demikian meningkatnya tingkat pendapatan mengakibatkan meningkatnya jumlah proyek investasi yang dilaksanakan oleh masyarakat. 2.1.3. Angkatan Kerja Tenaga kerja merupakan seluruh penduduk yang dianggap memiliki potensi untuk bekerja secara produktif (Adioetomo :2010). Hal ini berarti penduduk yang mampu menghasilkan barang dan jasa dapat disebut sebagai tenaga kerja. Terdapat tiga pendekatan pemberdayaan yang didasarkan pada pengukuran kegiatan ekonomi yang dijadikan tolok ukur untuk analisis ketenagakerjaan
yaitu Gainful Worker
Approach, Labor Force Approach dan Labor Utilization Approach. Masing-masing konsep tersebut atau teori tersebut dijelaskan sebagai berikut. 1)
Konsep Gainful Worker Approach Konsep ini menjelaskan tentang aktivitas ekonomi orang yang pernah bekerja
atau biasa dilakukan seseorang(usual activity). Kata biasa dalam hal ini
dapat
disimpulkan bahwa usaha tidak menggangap penting kegiatan-kegiatan lain yang tidak termasuk biasa dilakukan. Contohnya orang yang biasanya sekolah namun pada kondisi sekarang sedang mencari kerja maka hal ini diklasifikasikan sebagai orang yang sekolah. Teori ini tidak dapat menggambarkan secara statistik mengenai kondisi mereka yang bekerja dan sedang mencari pekerjaan sehingga angka pengangguran terbuka relatif kecil.
2)
Konsep Angkatan Kerja (Labor Force Approach) Pendekatan ini memberikan batas yang jelas tentang kegiatan yang dilakukan
dalam semiggu ini, sehingga secara tegas dapat diketahui kegiatan apa yang benar-
9
benar dilakukan sebagai kegiatan utamanya. Pendekatan ini lebih dikenal sebagai pendekatan aktivitas kini dengan jangka waktu tertentu (Mantra ,2009) . Menurut Adioetomo, 2010 terdapat dua perbaikan yang diusulkan dalam konsep yaitu : a. Activity Concept, bahwa yang termasuk dalam angkatan kerja (labor force) haruslah orang yang secara aktif bekerja atau sedang aktif mencari pekerjaan.
b. Aktivitas tersebut dilakukan dalam suatu batasan waktu tertentu sebelum wawancara. Dengan kata lain, konsep angkatan kerja
umumnya disertai
dengan referensi waktu. Berdasarkan konsep tersebut , angkatan kerja (labor force) dibagi menjadi dua yaitu : 1. Bekerja 2. Mencari pekerjaan (menganggur), yang dapat dibedakan antara : a) Mencari pekerjaan, tetapi sudah pernah bekerja sebelumnya b) Mencari pekerjaan untuk pertama kalinya (belum pernah bekerja sebelumnya) Angkatan kerja dapat dikatakan sebagai bagian dari tenaga kerja yang sesungguhnya terlibat atau berusaha untuk terlibat dalam kegiatan produktif, yaitu memproduksi barang dan jasa dalam kurun waktu tertentu. Oleh karena itu, dalam konsep angkatan kerja ini harus ada referensi waktu yang pasti, misalnya satu minggu sebelum pencacahan. 3)
Konsep Pemanfaatan Tenaga Kerja ( Labor Utilization Approach) Pendekatan ini awalnya dikembangkan oleh Philip M Hauser untuk
memperbaiki konsep Labor Force, Pendekatan Labor Utilization dimaksudkan untuk lebih menyempurnakan konsep angkatan kerja, terutama supaya lebih sesuai dengan keadaan negara berkembang. Pendekatan dalam konsep ini lebih ditujukan untuk melihat potensi tenaga kerja, apakah telah dimanfaatkan secara penuh. Dengan konsep ini, angkatan kerja dikelompokkan sebagai berikut : a) Pemanfaatan penuh (Full Utilized)
10
b) Pemanfaatan kurang (Under-Utilized), karena jumlah jam kerja yang rendah, pendapatan upah atau gaji yang rendah dan tidak sesuai dengan kemampuan atau keahliannya, biasa disebut setengah penganggur. Untuk point a dan b didasarkan pada jumlah jam kerja seminggu. c) Pengangguran terbuka (Open Unemployment) 2.1.4. Nilai Kurs Nilai tukar atau kurs merupakan harga mata uang satu negara terhadap harga mata uang negara lain. Menurut Krugman (2000) mengartikan nilai tukar adalah harga sebuah mata uang dari sebuah negara yang diukur dan dinyatakan dengan mata uang lain. Nilai tukar mata uang dapat didefinisikan sebagai harga relatif dari mata uang terhadap mata uang negara lainnya. Menurut Nopirin (2011) Kurs adalah pertukaran antara dua mata uang yang berbeda, maka akan mendapat perbandingan nilai / harga antara kedua mata uang tersebut. Ada beberapa faktor penentu yang mempengaruhi pergerakan nilai tukar, yaitu (MaduraJeff, 1993) : 1.
Faktor Fundamental Faktor fundamental berkaitan dengan indikator ekonomi seperti inflasi, suku bunga, perbedaan relatif pendapatan antar negara, ekspektasi pasar dan intervensi bank sentral.
2.
Faktor Teknis Faktor teknis berkaitan dengan kondisi permintaan dan penawaran devisa pasa saat tertentu. Apabila ada kelebihan permintaan, sementara penawran tetap, maka harga valuta asingakan terapresiasi, sebaliknya apabila ada kekurangan permintaan, sementara penawaran tetap maka nilai tukar valuta asing akan terdepresiasi.
3.
Sentimen Pasar Sentimen pasar lebih banyak disebabkan oleh rumor atau berita politik yang bersifat insidentil, yang dapat mendorong harga valuta asing naik atau turun
11
secara tajam dalam jangka pendek. Apabila rumor atau beritasudah berlalu, maka nilai tukar akan kembali normal.
2.2.
Penelitian Terdahulu Purbadharmaja (2006) dalam penelitiannya mengenai implikasi variabel pengeluaran dan investasi terhadap pertumbuhan ekonomi provinsi bali dengan menggunakan data deret waktu dari tahun 1999 – 2002 dengan menggunakan autocorrelation function metode correlogram. Setelah itu uji analisis faktor metode principal component analisys (PCA). Hasil penelitian menunjukkan bahwa variabelvariabel ekonomi yang berpotensi mempengaruhi PDRB Propinsi Bali adalah variabel pengeluaran (konsumsi rumah tangga, pengeluaran konsumsi pemerintah, nilai tukar rupiah terhadap US dollar, jumlah kredit modal kerja, ekspor netto, nilai hasil produksi pertanian dan jumlah wisatawan asing) dimana variabel pengeluaran berpengaruh nyata dan positif terhadap PDRB Bali. Sedangkan variabel investasi ( investasi swasta domestik, investasi swasta asing, jumlah angkatan kerja ) berpengaruh negatif atau tidak nyata disebabkan investasi di Bali tidak efisien.
Swaramarinda dan Indriani (2011) dalam penelitiannya mengenai pengaruh pengeluaran konsumsi dan investasi pemerintah terhadap pertumbuhan ekonomi di Indonesia dengan menggunakan data tahunan, dari tahun 1997 sampai tahun 2007. Dari hasil penelitian dapat dijelaskan bahwa pengeluaran konsumsi pemerintah dan pengeluaran investasi pemerintah di Indonesia mempunyai kecenderungan untuk meningkat setiap tahunnya. Terdapat hubungan positif pengeluaran konsumsi pemerintah dengan pertumbuhan ekonomi pada periode penelitian. Pengeluaran investasi pemerintah mempunyai dampak yang positif terhadap pertumbuhan ekonomi.
De Fretes (2007), dalam penelitiannya mengenai analisis tentang pengaruh investasi terhadap pembangunan ekonomi di Propinsi Papua. Adapun variabel yang di teliti yaitu investasi dalam negeri dan luar negeri, kesempatan kerja dan pendapatan perkapita dari tahunn 1990 – 2004. Berdasarkan hasil analisis investasi luar negeri berpengaruh nyata terhadap penyediaan kesempatan kerja dan pendapatan per kapita
12
sedangkan investasi dalam negeri tidak berpengaruh terhadap kesempatan kerja dan pendapatan per kapita.
2.3. Hipotesis Sejalan dengan latar belakang pada penelitian ini dapat diambil suatu hipotesis atau dugaan sementara sebagai berikut : a. Pada Jangka Panjang 1) Diduga investasi atau penanaman modal dalam negeri mempengaruhi produk domestik regional bruto di Daerah Istimewa Yogyakarta. 2) Diduga tingkat angkatan kerja mempengaruhi produk domestik regional bruto di Daerah Istimewa Yogyakarta. 3) Diduga tingkat nilai kurs mempengaruhi produk domestik regional bruto di Daerah Istimewa Yogyakarta 4) Diduga investasi domestik, angkatan kerja dan nilai kurs berpengaruh secara simultan terhadap produk domestik regional bruto di Daerah Istimewa Yogyakarta
b. Pada Jangka Pendek 1. Diduga investasi domestik, angkatan kerja dan nilai kurs berpengaruh secara partial terhadap produk domestik regional bruto di Daerah Istimewa Yogyakarta
13
BAB III METODE PENELITIAN
3.1. Variabel Penelitian dan Definisi Operasional 3.1.1. Variabel Penelitian Dalam penelitian ini variabel terikat (dependent variabel) yang digunakan adalah produk domestik regional bruto (Y) Sedangkan variabel bebasnya (independent variabel) yaitu penanaman modal dalam negeri (PMDN), nilai kurs terhadap dollar US (KURS) dan angkatan kerja (AK). 3.1.2. Definisi Operasional Variabel Variabel yang akan digunakan dalam analisis ini didefinisikan sebagai berikut :
1.
Produk Domestik Regional Bruto (PDRB) PDRB adalah keseluruhan nilai tambah barang dan jasa yang dihasilkan oleh seluruh unit usaha atau seluruh unit ekonomi di suatu wilayah atas dasar harga konstan.
2.
Penanaman Modal Dalam Negeri (PMDN) Penanaman Modal Dalam Negeri adalah realisasi investasi perseorangan atau perusahaan yang berasal dari dalam negeri/domestik pada perusahaan yang berlokasi di propinsi Daerah Istimewa Yogyakarta.
3.
Angkatan Kerja (AK) Angkatan Kerja yang dimaksudkan disini adalah jumlah penduduk berumur 10 tahun keatas yang
bekerja berdasarkan kegiatan selama seminggu yang lalu di Daerah
Istimewa Yogyakarta, yang dinyatakan salam bentuk satuan orang.
4. Nilai Tukar Rupiah Terhadap Dollar US (KURS) Nilai tukar atau kurs merupakan harga mata uang satu negara terhadap harga mata uang negara lain / harga sebuah mata uang dari sebuah negara yang diukur dan dinyatakan
14
dengan mata uang lain. Nilai tukar yang digunakan kurs rupiah terhadap dollar selama periode 1990 – 2010 yang dinyatakan dalam rupiah.
3.2. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data runtut waktu (time series) dengan rentang waktu 21 tahun. Data yang dipilih adalah data dari tahun 1990 sampai 2010. Sedangkan metode pengumpulan data yang digunakan dalam penelitian ini adalah dengan cara mencari data yang berhubungan dengan variabel penelitian secara urut sesuai dengan tahun penelitian dan mendokumentasikannya, data-data tersebut dikumpulkan dari berbagai sumber yaitu , Badan Pusat Statistik (BPS-Yogyakarta) dan Bank Indonesia Daerah Yogyakarta. 3.3. Metode Pengumpulan Data Metode yang dipakai dalam pengumpulan data adalah melalui studi pustaka. Studi pustaka merupakan teknik untuk mendapatkan informasi melalui catatan, literatur, dokumentasi dan lain-lain yang masih relevan dengan penelitian ini. Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dalam bentuk sudah jadi dari Badan Pusat Statistik Yogyakarta. Data yang diperoleh adalah data dalam bentuk tahunan untuk masing – masing variabel.
3.4. Metode Analisis Dalam penelitian ini dilakukan dua analisis, yaitu analisis keseimbangan jangka panjang dengan menggunakan persamaan kointegrasi (cointegration test) dan analisis jangka pendek dengan metode regresi linier ECM (Error Correction Methode). Sebelum melakukan analisis harus dilakukan uji terhadap kestationeran data. Konsep terkini yang banyak dipakai untuk menguji kestationeran data runtut waktu adalah uji akar unit (unit root test) atau dikenal juga dengan Uji Augmented Dickey Fuller (ADF). Pengujian akar-akar unit untuk semua variabel yang digunakan dalam analisis runtut waktu perlu dilakukan untuk memenuhi keshahihan analisis ECM
(Error Correction Methode). Ini berarti bahwa data yang
digunakan harus bersifat stasioner, atau dengan kata lain perilaku data yang stasioner memiliki varians yang tidak terlalu besar dan mempunyai kecenderungan untuk mendekati nilai rata-ratanya. Hipotesis yang dikemukan adalah : 15
H0 : = 0 artinya terjadi unit root (data tidak stasioner) H1 :
≠ 0 artinya tidak terjadi unit root (data stasioner) Teknik pengujian adalah dengan membuat regresi antara
didapat koefisien regresinya, yaitu
dan Yt-1 sehingga akan
. Regresi metode yang sama secara parsial juga akan
dilakukan terhadap semua variabel independen yang digunakan. Namun signifikansi tidak dapat dilakukan dengan uji t karena hipotesis diatas tidak mengikuti distribusi t. DickeyFuller membuktikan bahwa Uji t terhadap hipotesis diatas mengikuti statistik ɩ (tau). Statistik ini selanjutnya dikembangkan oleh Mc Kinnon. Model yang akan digunakan adalah model dengan intersep (Nachrowi, 2006), yaitu :
∑
Keterangan : m = panjangnya lag yang digunakan. H0 ditolak bila nilai ADF lebih kecil atau lebih besar dibandingkan dengan nilai kritis mutlak Mc Kinnon pada level 1%, 5%, dan 10%, yang juga berarti bahwa distribusi (t) mengarah pada kondisi yang signifikan. Selanjutnya dilakukan uji derajat integrasi. Uji derajat integrasi merupakan kelanjutan dari uji akar unit, apabila setelah dilakukan pengujian akar unit ternyata data belum stasioner, maka dilakukan pengujian ulang dan menggunakan data nilai perbedaan pertamanya (first difference). Apabila dengan data first difference belum juga stasioner maka selanjutnya dilakukan pengujian dengan data dari perbedaan kedua (second difference) dan seterusnya hingga data stasioner. (Gujarati,1999) 3.4.1. Pengujian Kointegrasi Jika semua variabel lolos dari uji akar unit, maka selanjutnya dilakukan uji kointegrasi (cointegration test) untuk mengetahui kemungkinan terjadinya keseimbangan atau kestabilan jangka panjang diantara variabel-variabel yang diamati. Dalam penelitian ini digunakan metode Engel dan Granger untuk menguji kointegrasi variabel-variabel yang ada dengan memanfaatkan uji statistik DF-ADF untuk melihat apakah residual regresi kointegrasi 16
stasioner atau tidak. Untuk menghitung nilai DF dan ADF terlebih dahulu adalah membentuk persamaaan regresi kointegrasi dengan metode kuadrat terkecil biasa (OLS). Persamaan regresi yang akan diujikan pada penelitian ini adalah seperti yang dikemukakan Nachrowi(2006). Yt = β0 + β1PMDNt + β2AKt + β3KURSt + et Keterangan : β0
= intersep/konstanta
β1, β2, β3 = koefisien regresi Yt
= Produk Domestik Regional Bruto pada periode t
PMDN = nilai investasi domestik pada periode t AKt
= Angkatan Kerja pada periode t
KURSt = nilai tengah kurs rupiah terhadap dolar Amerika pada periode t et
= error term Dari regresi terhadap persamaan diatas didapatkan nilai residunya. Kemudian nilai
residu (et) tersebut diuji menggunakan metode Augmented Dickey Fuller untuk melihat apakah nilai residual tersebut stasioner atau tidak. Nilai residu dikatakan stasioner apabila nilai hitung mutlak ADF lebih kecil atau lebih besar daripada nilai kritis mutlak Mc Kinnon pada α = 1%, 5%, atau 10% dan dapat dikatakan regresi tersebut adalah regresi yang terkointegrasi. Dalam ekonometrika variabel yang saling terkointegrasi dikatakan dalam kondisi keseimbangan jangka panjang. Pengujian ini sangat penting apabila model dinamis akan dikembangkan. Dengan demikian, interpretasi denga menggunakan model diatas tidak akan menyesatkan, khususnya untuk analisis jangka panjang.
3.4.2. Analisis Error Corecction Model (ECM) Teknik untuk mengoreksi ketidakseimbangan jangka pendek menuju pada keseimbangan jangka panjang disebut Error Corecction Model (ECM). Metode ini adalah suatu regresi tunggal menghubungkan diferensi pertama pada variabel terikat (
dan 17
diferensi pertama untuk semua variabel bebas dalam model. Metode ini dikembangkan oleh Engel dan Granger pada tahun 1987. Bentuk umum metode ECM (Nachrowi:2006) adalah sebagai berikut :
Untuk mengetahui spesifikasi model dengan ECM merupakan model yang valid, dapat terlihat pada hasil uji statistik terhadap koefisien
atau residual dari regresi pertama,
yang selanjutnya akan disebut Error Corecction Term (ECT). Jika hasil pegujian terhadap koefisien ECT signifikan, maka spesifikasi model yang diamati valid. Pada penelitian ini model analisis ECM yang digunakan dapat dirumuskan secara lengkap sebagai berikut : Yt = f (PMDNt , AKt, KURSt, ECTt-1)
Keterangan : Yt
= Produk Domestik Regional Bruto pada periode t
PMDNt
= nilai investasi domestik pada periode t
AKt
= Angkatan Kerja pada periode t
KURSt
= rata-rata nilai tengah kurs rupiah terhadap dolar pada periode t = error correction term pada periode sebelumnya Berdasarkan hasil perhitungan dengan analisis regresi linear ECM diatas, maka dapat
diketahui nilai variabel ECT (error correction term), yaitu variabel yang menunjukkan keseimbangan investasi. Hal ini dapat menjadikan indikator bahwa spesipikasi model baik atau tidak melalui tingkay signifikansi koefisien koreksi kesalahan(Wing Wahyu, 2007). Jika variabel ECT signifikansi pada α = 5%, maka koefisien tersebut akan menjadi penyesuaian bila terjadi fluktuasi variabel yang diamati menyimpang dari hubungan jangka panjang. Dengan kata lain spesipikasi model sudah shahih (valid) dan dapat menjelaskan variasi variabel tak bebas.
18
BAB IV ANALISIS DATA DAN PEMBAHASAN
Dari hasil penelitian yang dilakukan oleh penulis memperoleh suatu hasil pengujian berdasarkan data yang sudah diolah. Berdasarkan hasil data olahan tersebut dapat ditarik hasil antara analisis dan pembahasan adalah sebagai berikut : 4.1. Uji Stasioneritas
4.1.1. Uji Akar Unit Data deret waktu dikatakan stasioner jika menunjukkan pola yang konstan dari waktu ke waktu. Adapun uji akar unit yang digunakan dalam penelitian ini adalah uji Augmented Dickey Fuller (ADF). Apabila nilai t-statistik ADF lebih besar daripada nilai kritis MacKinnon, maka variabel tersebut memiliki akar unit sehingga dikatakan tidak stasioner (nonstasioner) pada taraf nyata tertentu. Sebaliknya, Apabila nilai t-statistik ADF lebih kecil daripada nilai kritis MacKinnon, maka variabel tersebut tidak memiliki akar unit sehingga dikatakan stasioner pada taraf nyata tertentu. ADF t-statistik > t-critical MacKinnon
= memiliki akar unit atau tidak stasioner
ADF t-statistik < t-critical MacKinnon
= tidak memiliki akar unit atau stasioner
Uji akar unit dilakukan satu persatu atau setiap variabel yang akan di analisis baik variabel dependent maupun independent. Dari hasil pengolahan data yang menggunakan bantuan program eviews 3.1. diperoleh hasil uji akar unit pada tingkat level, dapat dilihat pada tabel 4.1. Tabel 4.1. Hasil Augmented Dickey Fuller Pada Tingkat Level Variabel
ADF t-statistik
Nilai Kritis MacKinnon 1%
5%
10 %
Keterangan
Y
-1.678657
-4.5348
-3.6746
-3.2762
Nonstasioner
PMDN
-5.813617
-4.5348
-3.6746
-3.2762
Stasioner
AK
-2.258751
-4.5348
-3.6746
Nonstasioner
KURS
-1.263614
-4.5348
-3.6746
-3.2762 -3.2762
Nonstasioner
19
Tabel 4.1. memperlihatkan bahwa terdapat tiga variabel yang tidak stasioner pada tingkat level, yakni variabel Y (PDRB), AK (anngkatan kerja), dan KURS (nilai kurs) pada tingkat signifikansi 5 persen. Sedangkan variabel PMDN (investasi domestik) stasioner pada tingkat signifikansi 5 persen dengan nilai ADF t-statistik -5.813617. Oleh karena rata-rata variabel tidak signifikan pada tingkat level maka perlu di uji dengan derajat integrasi. 4.1.2. Uji Derajat Integrasi Uji derajat integrasi merupakan kelanjutan dari uji akar unit, apabila setelah dilakukan pengujian akar unit ternyata data belum stasioner, maka dilakukan pengujian ulang dan menggunakan data nilai perbedaan pertamanya (first difference). Apabila dengan data first difference belum juga stasioner maka selanjutnya dilakukan pengujian dengan data dari perbedaan kedua (second difference) dan seterusnya hingga data stasioner. Berdasarkan hasil pada uji Augmented Dickey Fuller pada tingkat level, diketahui bahwa tidak semua variabel stasioner maka perlu dilakukan uji Augmented Dickey Fuller pada tingkat first difference. Dari hasil pengolahan data diperoleh hasil uji akar unit pada tingkat first difference, dapat dilihat pada tabel 4.2. Tabel 4.2. Hasil Augmented Dickey Fuller Pada Tingkat First Difference Variabel
ADF t-statistik
Nilai Kritis MacKinnon 1%
5%
10 %
Keterangan
Y
-2.653597
-4.5743
-3.6920
-3.2856
Nonstasioner
PMDN
-9.549377
-4.5743
-3.6920
-3.2856
Stasioner
AK
-3.448001
-4.5743
-3.6920
-3.2856
Nonstasioner
KURS
-3.368889
-4.5743
-3.6920
-3.2856
Nonstasioner
Tabel 4.2. memperlihatkan bahwa terdapat tiga variabel yang tidak stasioner pada tingkat first difference, yakni variabel Y (PDRB), AK (angkatan kerja, KURS (nilai kurs) pada tingkat signifikansi 5 persen. Dan satu variabel stasioner, yakni PMDN (investasi domestik) pada tingkat signifikansi 5 persen dengan nilai ADF t-statistik
-9.549377.
Berdasarkan hal tersebut, maka kembali dilakukan pengujian Augmented Dickey Fuller pada tingkat second difference. Dari hasil pengolahan data diperoleh hasil uji akar unit pada tingkat second difference, dapat dilihat pada tabel 4.3.
20
Tabel 4.3. Hasil Augmented Dickey Fuller Pada Tingkat Second Difference Variabel
ADF t-statistik
Nilai Kritis MacKinnon 1%
5%
10 %
Keterangan
Y
-4.044107
-4.6193
-3.7119
-3.2964
stasioner
PMDN
-9.021135
-4.6193
-3.7119
-3.2964
stasioner
AK
-5.161322
-4.6193
-3.7119
-3.2964
stasioner
KURS
-6.210772
-4.6193
-3.7119
-3.2964
stasioner
Tabel 4.3. memperlihatkan bahwa empat variabel sudah stasioner pada tingkat second difference, yakni variabel Y (PDRB), PMDN (investasi domestik), AK (anngkatan kerja), KURS (nilai kurs) pada tingkat signifikansi 5 persen. Oleh karena itu dapat dikatakan semua data yang digunakan dalam penelitian ini terintegrasi pada derajat dua (second diffrence). 4.2.Uji Kointegrasi Uji kointegrasi Engle-Granger digunakan untuk mengestimasi hubungan jangka panjang antara Y (PDRB) dengan investasi domestik (PMDN), angkatan kerja (AK), dan nilai kurs (KURS). Uji kointegrasi dilakukan dengan terlebih dahulu memastikan bahwa semua variabel yang digunakan dalam model memiliki derajat integrasi yang sama. Dari hasil pengujian seluruh data dalam penelitian ini memiliki derajat integrasi yang sama, yaitu berintegrasi I(2). Oleh karena itu maka uji kointegrasi dapat dilakukan. Tahap awal dari uji kointegrasi Engle-Granger adalah dengan meregresi persamaan OLS antara variabel dependent dan variabel independent. Kemudian seteleh meregresi persamaan didapatkan residual dari persamaan tersebut. Persamaan regresi sebagai berikut :
..................... (4.2.1) Hasil persamaan uji kointegrasi Engle-Granger adalah sebagai berikut : Y=
+
PMDN +
AK +
KURS
Y = -8222.048058 - 7.138215608*PMDN + 0.01397932444*AK + 0.001514738805*KURS
21
Tabel 4.4 Hasil Uji Engle Granger Cointegration Test Variabel
Koefisien (t-stat)
Konstanta
-8222.048 (-1.6099)
PMDN
-7.138216 (-1.8039)***
AK
0.013979 (4.0796)**
KURS
0.001515 (0.00749)
0,8078 R-square 23,8191** F- stat 0,7100 DW stat *signifikan pada level 1% **signifikan pada level 5% ***signifikan pada level 10%
Berdasarkan pada tabel 4.4 di atas variabel PMDN dan AK memberikan pengaruh yang signifikan terhadap variabel Y(PDRB). Hasil analisis persamaan pengaruh terhadap PDRB di Daerah Istimewa Yogyakarta adalah :
a.
Pengaruh Investasi Domestik (PMDN) terhadap Y (PDRB) Koefisien PMDN yang negatif sebesar -7,138216, artinya jika PMDN naik sebesar
satu persen maka Y(PDRB) di Daerah Istimewa Yogyakarta akan turun sebesar 7,138216 persen. Hal ini menunjukkan dalam jangka panjang, peningkatan investasi domestik akan meningkatkan juga pengeluaran pemerintah sehingga mengurangi pendapatan daerah. Nilai probabilitas sebesar 0,089 menunjukkan PMDN secara partial signifikan dan mempengaruhi variabel dependennya, karena nilai probabilitasnya kurang dari taraf nyata 10 persen. b. Perubahan Angkatan Kerja (AK) Koefisien AK sebesar 0,013979, artinya jika AK naik sebesar satu persen maka Y(PDRB) di Daerah Istimewa Yogyakarta akan naik sebesar 0,013979 persen. Hal ini menunjukkan dalam jangka panjang, meningkatnya jumlah tenaga kerja mendorong 22
pertumbuhan produk domestik regional di Daerah Istimewa Yogyakarta . Nilai probabilitas sebesar 0,0008 menunjukkan AK secara partial signifikan dan mempengaruhi variabel dependennya, karena nilai probabilitasnya kurang dari taraf nyata 5 persen. c.
Perubahan Nilai Kurs (KURS) Koefisien KURS sebesar 0,001515, artinya jika KURS naik sebesar satu persen maka
Y(PDRB) di Daerah Istimewa Yogyakarta akan naik sebesar 0,001515 persen. Hal ini menunjukkan dalam jangka panjang, nilai tukar kurang dominan atau kecil kontribusinya dalam mempengaruhi pertumbuhan produk domestik regional di Daerah Istimewa Yogyakarta . Nilai probabilitas sebesar 0,9941 menunjukkan KURS secara partial tidak signifikan dan tidak mempengaruhi variabel dependennya, karena nilai probabilitasnya lebih besar dari taraf nyata 5 persen. Nilai konstanta (C) dalam pemodelan adalah negatif sebesar -8222,048. Hal ini berarti jika semua variabel diasumsikan bernilai nol, maka Y(PDRB) di Daerah Istimewa Yogyakarta cenderung akan menurun sebesar 8222,048 persen. Nilai probabilitas C adalah 0,1258, sehingga menunjukkan bahwa C tidak memberikan pengaruh yang signifikan dalam permodelan. Hasil estimasi dari persamaan jangka panjang menunjukkan nila R-Square sebesar 0,8078, artinya bahwa 80,78 persen model PDRB dapat dijelaskan oleh variabel independennya yakni, PMDN, AK, dan KURS. Sedangkan sisanya sebesar 19,22 persen dijelaskan oleh variabel lain diluar persamaan. Hasil estimasi dari persamaan jangka panjang menunjukkan nilai F-statistik sebesar 23,8191 dengan nilai probabilitas sebesar 0,000003. Nilai ini lebih kecil dari taraf nyata 5 persen sehingga dapat disimpulkan bahwa secara bersama-sama terdapat pengaruh yang signifikan antara variabel independent secara keseluruhan yang terdiri dari investasi domestik, angkatan kerja, dan kurs terhadap variabel dependen yaitu produk domestik regional bruto. Hasil estimasi dari persamaan jangka panjang menunjukkan nilai D-W (Durbin Watson) sebesar 0,710005. Hal ini menunjukkan pada model tidak mengandung autokorelasi karena nilai D-W berada diantara -2 sampai +2. Dari persamaan regresi (4.2.1) kemudian diestimasi variabel residualnya yaitu :
......... (4.2.2) 23
Langkah berikutnya adalah menaksir model persamaan autoregressive dari residual berdasarkan persamaan berikut :
∑
...................................................... (4.2.3)
Berdasarkan persamaan autoregressive akan diperoleh nilai AEG hitung yang nantinya dibandingkan dengan nilai ADF tabel. Adapun hipotesa yang akan diuji adalah : H0 : ut = I(1), artinya tidak ada kointegrasi Ha : ut ≠ I(1), artinya ada kointegrasi Setelah memiliki variabel residual yang berasal dari persamaan (4.2.2), maka dilanjutkan dengan menguji variabel residual, apakah stasioner atau nonstasioner. Dari hasil pengolahan data diperoleh hasil uji kointegrasi, dapat dilihat pada tabel 4.4. Tabel 4.5. Hasil Augmented Dickey Fuller Pada Persamaan Residual Variabel
ADF t-statistik
e
-5.229615
Nilai Kritis MacKinnon 1%
5%
10 %
-2.7158
-1.9627
-1.6262
Keterangan Berkointegrasi
Tabel 4.5. memperlihatkan bahwa variabel e sudah stasioner pada tingkat second difference. Ini berarti ada indikasi bahwa variabel e untuk data second difference dan panjang lag 1 tidak mengandung akar unit, dengan kata lain variabel e sudah stasioner, sehingga disimpulkan bahwa terjadi kointegrasi diantara semua variabel yang disertakan dalam model Y (PDRB). Hal ini mempunyai makna bahwa dalam jangka panjang akan terjadi keseimbangan atau kestabilan antar variabel yang diamati. 4.3. Uji Error Correction Model (ECM) Setelah lolos dari uji kointegrasi, langkah selanjutnya adalah membentuk persamaan error correction model (ECM). Persamaan yang akan dibentuk sebagai berikut :
........(4.2.4) Keterangan : Yt
= Produk Domestik Regional Bruto pada periode t 24
PMDNt
= nilai investasi domestik pada periode t
AKt
= Angkatan Kerja pada periode t
KURSt
= rata-rata nilai tengah kurs rupiah terhadap dolar pada periode t = persamaan residual Persamaan (4.2.4) dibangun berdasarkan hasil pengujian bahwa semua variabel sudah
stasioner dalam data beda kedua (second difference) yang diperlihatkan oleh notasi
. Error
correction model (ECM) digunakan untuk mengestimasi model dinamis jangka pendek dari variabel produk domestk regional bruto. Penggunaan metode estimasi ECM dapat mengabungkan efek jangka pendek dan panjang yang disebabkan oleh fluktuasi dan time lag dari masing-masing variabel independent. Berdasarkan hasil dari uji ECM didapat hasil sebagai berikut : Tabel 4.6 Hasil Uji ECM Variabel
Koefisien (t-stat)
Konstanta
1018.416 (5.496)**
DPMDN(-1)
3.984735 (2.215)**
DPMDN(-2)
2.566027 (1.728)
DPMDN(-3)
5.068831 (2.903)**
DAK(-3)
-0.005566 (-1.625)
DKURS(-1)
-0.216619 (-2.434)**
E(-1)
-0.296772 (-2.908)** 0,7245 R-square 4,3829** F- stat 1,1621 DW stat *signifikan pada level 1% **signifikan pada level 5% 25
Adapun persamaan yang diperoleh dari hasil uji ECM adalah : D(Y) = β0 + β1 DPMDN(-1) + β2 DPMDN(-2) + β3 DPMDN(-3) + β4 DAK(-3) + β5 DKURS(-1) + E(-1) D(Y) = 1018.415588 + 3.984735024*DPMDN(-1) + 2.566027377*DPMDN(-2) + 5.068830587*DPMDN(-3) - 0.005565664801*DAK(-3) - 0.2166186576*DKURS(-1) 0.2967723124*E(-1)
Persamaan di atas merupakan model dinamik Y(PDRB) untuk jangka pendek, dimana variabel PDRB tidak hanya dipengaruhi oleh DPMDN(-1), DPMDN(-3), dan DKURS(-1) tetapi juga dipengaruhi oleh variabel error term et. Kelihatan disini nilai koefisien et signifikan untuk ditempatkan dalam model sebagai koreksi jangka pendek untuk mencapai keseimbangan jangka panjang. Semakin kecil nilai et maka semakin cepat proses koreksi menuju keseimbangan jangka panjang. Oleh karena itu dalam ECM variabel et sering dikatakan pula sebagai faktor kelambanan, yang memiliki nilai lebih kecil dari nol, et < 0. Pada model ini, nilai koefisien et mencapai -0.296772, yang menandakan bahwa nilai Y(PDRB) berada di atas nilai jangka panjangnya. Hasil pengujian terhadap model dinamis (jangka pendek) produk domestik regional bruto di Daerah Istimewa Yogyakarta dari tahun 1990 dampai dengan tahun 2010 dapat diinterpretasikan berdasarkan hasil estimasi pada tabel 4.5 adalah sebagai berikut : a.
Perubahan Investasi Domestik (PMDN) Pengaruh investasi domestik terhadap Y(PDRB) pada jangka pendek berpengaruh
secara signifikan pada tahun pertama dan ketiga sebelumnya. Peningkatan satu persen PMDN pada tahun pertama sebelumnya akan meningkatkan PDRB sebesar 3,984735 persen. Nilai probabilitas variabel PMDN adalah 0,05. Nilai ini sama dengan dari taraf nyata 5 persen, sehingga variabel PMDN pada tahun pertama sebelumnya signifikan dan mempengaruhi varaiabel dependennya. Begitu juga Peningkatan satu persen PMDN pada tiga tahun sebelumnya akan meningkatkan PDRB sebesar 5.068831 persen. Nilai probabilitas variabel PMDN adalah 0,0157. Nilai ini lebih kecil dari taraf nyata 5 persen, sehingga variabel PMDN pada tiga tahun sebelumnya signifikan dan mempengaruhi variabel dependennya. Secara keseluruhan dalam jangka pendek, ketika terjadi peningkatan PMDN sebesar satu persen maka akan meningkatkan PDRB sebesar 9,053566 persen.
26
b. Perubahan Angkatan Kerja (AK) Pengaruh Angkatan Kerja terhadap PDRB pada jangka pendek tidak berpengaruh secara signifikan pada tiga tahun sebelumnya. Peningkatan satu persen AK pada tiga tahun sebelumnya akan menurunkan PDRB sebesar 0.005566 persen. Nilai probabilitas variabel AK adalah 0,1352. Nilai ini lebih besar dari taraf nyata 5 persen, sehingga variabel AK pada tiga tahun sebelumnya tidak signifikan dan tidak mempengaruhi variabel dependennya.
c. Perubahan Nilai Kurs (KURS) Pengaruh nilai kurs terhadap PDRB pada jangka pendek berpengaruh secara signifikan pada tahun pertama sebelumnya. Peningkatan satu persen KURS pada tahun pertama sebelumnya akan menurunkan PDRB sebesar 0.216619 persen. Nilai probabilitas variabel KURS adalah 0,0352. Nilai ini lebih kecil dari taraf nyata 5 persen, sehingga variabel KURS pada tahun pertama sebelumnya signifikan dan mempengaruhi variabel dependennya. Dilihat dari nilai koefisien ECT (E-1) adalah negatif sebesar 2.908. Hal ini mengindikasikan ketidakseimbangan dalam PDRB. Nilai koefisien ECT (E-1) sebesar 0.296772 menunjukkan bahwa disequilibrium periode sebelumnya terkoreksi pada periode sekarang 0,29 persen. ECT menentukan seberapa cepat equilibrium tercapai kembali ke keseimbangan jangka panjang. Hasil estimasi dari persamaan jangka pendek menunjukkan nila R-Square sebesar 0,7245, artinya bahwa 72,45 persen model PDRB dapat dijelaskan oleh variabel perubahan PMDN, AK, dan KURS pada periode tahun sebelumnya. Sedangkan sisanya sebesar 27,55 persen dijelaskan oleh variabel lain diluar model. Hasil estimasi dari persamaan jangka pendek menunjukkan nilai F-statistik sebesar 4,3829 dengan nilai probabilitas sebesar 0,0198. Nilai ini lebih kecil dari taraf nyata 5 persen sehingga dapat disimpulkan bahwa secara bersama-sama terdapat pengaruh yang signifikan antara variabel independent secara keseluruhan yang terdiri dari investasi domestik, angkatan kerja, dan kurs terhadap variabel dependent yaitu produk domestik regional bruto. Hasil estimasi dari persamaan jangka pendek menunjukkan nilai D-W (Durbin Watson) sebesar 1,1621. Hal ini menunjukkan pada model tidak mengandung autokorelasi karena nilai D-W berada diantara -2 sampai +2. 27
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan a. Jangka Panjang Pada jangka panjang faktor yang mempengaruhi Produk Domestik Regional Bruto di Daerah Istimewa Yogyakarta secara negatif dan signifikan adalah investasi domesik (PMDN) dan secara positif dan signifikan adalah angkatan kerja (AK). Sedangkan faktor nilai kurs tidak terlalu mempengaruhi pertumbuhan Produk Domestik Regional Bruto di Daerah Istimewa Yogyakarta. b. Jangka Pendek Pada jangka pendek faktor investasi domestik lebih dominan mempengaruhi Produk Domestik Regional Bruto di Daerah Istimewa Yogyakarta, diikuti oleh faktor nilai kurs. Sedangkan faktor angkatan kerja tidak begitu mempengaruhi pertumbuahn Produk Domestik Regional Bruto di Daerah Istimewa Yogyakarta. 5.2. Saran 1. Pada jangka panjang perlu adanya kebijakan pemerintah yang lebih memperhatikan kemudahan, keamanan dan kenyamanan para investor dalam menanamkan modalnya serta menyediakan infrastruktur yang memadai untuk menunjang dan meningkatkan investasi domestik di Daerah Istimewa Yogyakarta.
2. Pada jangka pendek perlunya pemerintah memperhatikan ketersediaan lapangan pekerjaan karena masih banyak tenaga kerja yang belum terserap oleh perusahaan secara maksimal.
28
DAFTAR PUSTAKA
Adioetomo, Sri Murtiningsih. 2010. Dasar-dasar Demografi.Salemba Empat. Jakarta. Badan Pusat Statistik Yogyakarta. Bpsyogyakarta.go.id De Fretes, Pieter N.2007.Analisis Tentang Pengaruh Investasi Terhadap Pembangunan Ekonomi di Propinsi Papua.Jurnal Aplikasi Manajemen, Volume 5, Nomor 1. Fajar Cahyono, Eko dan David Kaluge. Analisis Pengaruh Infrastruktur Publik Terhadap Produk Domestik Bruto Perkapita Di Indonesia. Fakultas Ekonomi Universitas Brawijaya Malang. Jhingan.M.L.1999. Ekonomi Pembangunan dan Perencanaan, (terjemahan oleh D,Guritno). PT.Raja Grapindo Persada. Jakarta Mantra, Ida Bagus. 2009. Demografi Umum. Pustaka Pelajar. Yogyakarta. Putu Purbadharmaja, Ida Bagus.Implikasi Variabel Pengeluaran dan Investasi Terhadap Pertumbuhan Ekonomi Propinsi Bali.Buletin Studi Ekonomi Volume 11 Nomor 1. Saptutyningsih, Endah & Hermanto. (2002). Electronic Data Processing, UPFEUMY, Yogyakarta. Suparmoko, M dan Irawan. 2002. Ekonomika Pembangunan, Edisi Keenam. BPFE Yogyakarta. Susanti, H, Moh. Iksan dan Widyanti. 2000. Indikator-indikator Makro Ekonomi. Edisi Kedua. Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. Jakarta. Swaramarinda, Darma Rika dan Indriani, Susi.Pengaruh Pengeluaran Konsumsi dan Investasi Pemerintah Terhadap Pertumbuhan Ekonomi di Indonesia.EconoSains Volume IX Nomor 2. Winarno, Wing Wahyu, 2011, Analisis Ekonometrika dan Statistika Dengan Eviews. Edisi 3. UPP STIM YKPN. Yogyakarta. Wiwin Setyari, Ni Putu dkk. Determinan Investasi Di Indonesia. Fakultas Ekonomi Universitas Udayana Denpasar. .
29
LAMPIRAN
Data investasi (PMDN), pertumbuhan ekonomi /PDRB (Y), dan angkatan kerja (AK), nilai kurs (KURS) tahun 1990-2010 Tahun
PDRB (milyar)
Invt (PMDN)milyar
AK
Nilai Kurs
1990
9.260,92
420.3
1535884
1901
1991
9.741,80
353.1
1571361
1992
1992
10.417,48
116.9
1594028
2062
1993
11.084,25
220.6
1546471
2110
1994
11.983,02
422.9
1589905
2200
1995
12.952,21
39.6
1491917
2308
1996
13.961,91
222.5
1513978
2383
1997
14.691,10
235.6
1556268
4650
1998
13.048,62
60
1507040
8025
1999
13.177,67
34.6
1584106
7100
2000
13.705,55
119.9
1724775
9595
2001
14.167,05
105.5
1699175
10400
2002
14.687,28
43.4
1739164
8940
2003
15.360,41
23
1756662
8465
2004
16.146,42
77
1815362
9290
2005
16.910,88
64.7
1850842
9900
2006
17.535,75
89.6
1868523
9020
2007
18.291,51
40
1889445
9419
2008
19.212,48
18.1
1999734
10950
2009
20.064,26
33.4
2016694
9400
2010
21.044,04
10
1882296
8991
Sumber BPS-Yogyakarta, diolah
30
Uji Akar Unit Pada Variabel Y Pada tingkat level ADF Test Statistic
-1.678657
1% Critical Value* 5% Critical Value 10% Critical Value
-4.5348 -3.6746 -3.2762
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y) Method: Least Squares Date: 01/04/13 Time: 21:00 Sample(adjusted): 1992 2010 Included observations: 19 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
Y(-1) D(Y(-1)) C @TREND(1990)
-0.312927 0.407976 3092.576 166.7955
0.186415 0.257346 1685.135 93.89589
-1.678657 1.585322 1.835210 1.776388
0.1139 0.1337 0.0864 0.0960
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.220811 0.064973 563.0771 4755837. -145.0491 2.023428
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
594.8547 582.3120 15.68937 15.88820 1.416926 0.276832
Uji Akar Unit Pada Variabel Investasi (PMDN) tingkat level ADF Test Statistic
-5.813617
1% Critical Value* 5% Critical Value 10% Critical Value
-4.5348 -3.6746 -3.2762
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(PMDN) Method: Least Squares Date: 01/04/13 Time: 21:18 Sample(adjusted): 1992 2010 Included observations: 19 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
PMDN(-1) D(PMDN(-1)) C @TREND(1990)
-1.792306 0.405906 474.3691 -24.11580
0.308294 0.194515 100.8801 5.704448
-5.813617 2.086762 4.702305 -4.227543
0.0000 0.0544 0.0003 0.0007
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.755216 0.706260 73.65741 81381.22 -106.4032 1.572137
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
-18.05789 135.9048 11.62139 11.82022 15.42621 0.000075
31
Uji Akar Unit Pada Variabel angkatan kerja (AK) tingkat level ADF Test Statistic
-2.258751
1% Critical Value* 5% Critical Value 10% Critical Value
-4.5348 -3.6746 -3.2762
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(AK) Method: Least Squares Date: 01/04/13 Time: 21:21 Sample(adjusted): 1992 2010 Included observations: 19 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
AK(-1) D(AK(-1)) C @TREND(1990)
-0.507132 0.050686 720957.2 14242.05
0.224519 0.297599 317030.6 6387.344
-2.258751 0.170315 2.274093 2.229730
0.0392 0.8670 0.0381 0.0415
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.273729 0.128474 61505.44 5.67E+10 -234.2249 1.842704
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
16365.00 65883.02 25.07630 25.27513 1.884479 0.175581
Uji Akar Unit Pada Variabel Kurs tingkat level ADF Test Statistic
-1.263614
1% Critical Value* 5% Critical Value 10% Critical Value
-4.5348 -3.6746 -3.2762
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(KURS) Method: Least Squares Date: 01/04/13 Time: 21:22 Sample(adjusted): 1992 2010 Included observations: 19 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
KURS(-1) D(KURS(-1)) C @TREND(1990)
-0.294316 0.123953 1020.515 116.8116
0.232916 0.280767 712.8035 143.2318
-1.263614 0.441480 1.431692 0.815542
0.2257 0.6652 0.1727 0.4275
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.136868 -0.035758 1334.951 26731418 -161.4505 1.964168
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
368.3684 1311.705 17.41584 17.61467 0.792859 0.516645
32
Uji Derajat Integrasi Pada tingkat 1st Difference , variabel Y(PDRB) tingkat 1st Difference ADF Test Statistic
-2.653597
1% Critical Value* 5% Critical Value 10% Critical Value
-4.5743 -3.6920 -3.2856
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y,2) Method: Least Squares Date: 01/04/13 Time: 21:25 Sample(adjusted): 1993 2010 Included observations: 18 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(Y(-1)) D(Y(-1),2) C @TREND(1990)
-0.881370 0.130518 294.4795 19.57952
0.332141 0.265394 387.8465 28.67145
-2.653597 0.491788 0.759268 0.682893
0.0189 0.6305 0.4603 0.5058
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.402415 0.274361 626.1724 5489286. -139.1923 2.019562
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
16.89444 735.0781 15.91026 16.10812 3.142539 0.058934
Variabel PMDN 1st Difference ADF Test Statistic
-9.549377
1% Critical Value* 5% Critical Value 10% Critical Value
-4.5743 -3.6920 -3.2856
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(PMDN,2) Method: Least Squares Date: 01/04/13 Time: 21:27 Sample(adjusted): 1993 2010 Included observations: 18 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(PMDN(-1)) D(PMDN(-1),2) C @TREND(1990)
-2.458733 0.693368 -65.24385 2.627678
0.257476 0.151511 46.72473 3.617271
-9.549377 4.576350 -1.396345 0.726426
0.0000 0.0004 0.1844 0.4795
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.907635 0.887843 77.90691 84972.82 -101.6783 2.887817
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
11.82222 232.6283 11.74204 11.93990 45.85767 0.000000
33
Variabel Angkatan Kerja 1st Difference ADF Test Statistic
-3.448001
1% Critical Value* 5% Critical Value 10% Critical Value
-4.5743 -3.6920 -3.2856
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(AK,2) Method: Least Squares Date: 01/04/13 Time: 21:32 Sample(adjusted): 1993 2010 Included observations: 18 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(AK(-1)) D(AK(-1),2) C @TREND(1990)
-1.879483 0.495671 -7946.999 4020.073
0.545093 0.332291 40152.57 3680.669
-3.448001 1.491678 -0.197920 1.092212
0.0039 0.1580 0.8460 0.2932
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.564179 0.470788 68255.37 6.52E+10 -223.6373 1.541950
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
-8725.833 93825.78 25.29303 25.49089 6.041085 0.007375
Variabel Kurs 1st Difference ADF Test Statistic
-3.368889
1% Critical Value* 5% Critical Value 10% Critical Value
-4.5743 -3.6920 -3.2856
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(KURS,2) Method: Least Squares Date: 01/04/13 Time: 21:34 Sample(adjusted): 1993 2010 Included observations: 18 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(KURS(-1)) D(KURS(-1),2) C @TREND(1990)
-1.317734 0.230351 1287.574 -65.29253
0.391148 0.273273 847.3713 64.50491
-3.368889 0.842934 1.519492 -1.012210
0.0046 0.4134 0.1509 0.3286
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.563039 0.469405 1400.413 27456185 -153.6805 1.904973
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
-26.61111 1922.535 17.52005 17.71791 6.013161 0.007505
34
Uji Derajat Integrasi Pada tingkat 2nd Difference , Variabel Y tingkat 2nd Difference ADF Test Statistic
-4.044107
1% Critical Value* 5% Critical Value 10% Critical Value
-4.6193 -3.7119 -3.2964
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y,3) Method: Least Squares Date: 01/09/13 Time: 10:18 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(Y(-1),2) D(Y(-1),3) C @TREND(1990)
-1.723387 0.310771 -158.4948 15.76887
0.426148 0.262759 486.2147 37.57191
-4.044107 1.182720 -0.325977 0.419698
0.0014 0.2581 0.7496 0.6816
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.690963 0.619647 756.1685 7433281. -134.5222 2.126485
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
8.053529 1226.098 16.29673 16.49278 9.688731 0.001259
Variabel PMDN 2nd Difference ADF Test Statistic
-9.021135
1% Critical Value* 5% Critical Value 10% Critical Value
-4.6193 -3.7119 -3.2964
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(PMDN,3) Method: Least Squares Date: 01/09/13 Time: 10:23 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(PMDN(-1),2) D(PMDN(-1),3) C @TREND(1990)
-2.627175 0.731440 35.87717 -2.346080
0.291224 0.163925 86.60178 6.661758
-9.021135 4.462039 0.414278 -0.352171
0.0000 0.0006 0.6854 0.7304
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.911344 0.890885 133.6275 232132.1 -105.0577 2.849015
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
-22.27059 404.5328 12.83031 13.02636 44.54479 0.000000
35
Variabel AK 2nd Difference ADF Test Statistic
-5.161322
1% Critical Value* 5% Critical Value 10% Critical Value
-4.6193 -3.7119 -3.2964
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(AK,3) Method: Least Squares Date: 01/09/13 Time: 10:24 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(AK(-1),2) D(AK(-1),3) C @TREND(1990)
-2.462596 0.650776 40011.77 -3544.061
0.477125 0.274575 49668.73 3848.046
-5.161322 2.370125 0.805573 -0.921003
0.0002 0.0339 0.4350 0.3738
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.802079 0.756405 76958.05 7.70E+10 -213.1090 1.929453
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
-4772.588 155926.4 25.54223 25.73828 17.56092 0.000074
Variabel KURS 2nd Difference ADF Test Statistic
-6.210772
1% Critical Value* 5% Critical Value 10% Critical Value
-4.6193 -3.7119 -3.2964
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(KURS,3) Method: Least Squares Date: 01/09/13 Time: 10:25 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(KURS(-1),2) D(KURS(-1),3) C @TREND(1990)
-2.382059 0.660691 591.6443 -52.60870
0.383537 0.236120 995.7699 77.06518
-6.210772 2.798116 0.594158 -0.682652
0.0000 0.0151 0.5626 0.5068
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.827280 0.787422 1542.954 30949202 -146.6464 2.173774
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
68.41176 3346.520 17.72311 17.91916 20.75545 0.000031
36
Uji Kointegrasi Dependent Variable: Y Method: Least Squares Date: 01/22/13 Time: 23:10 Sample: 1990 2010 Included observations: 21 Variable
Coefficient
Std. Error
t-Statistic
Prob.
C PMDN AK KURS
-8222.048 -7.138216 0.013979 0.001515
5107.022 3.956908 0.003427 0.202022
-1.609950 -1.803988 4.079638 0.007498
0.1258 0.0890 0.0008 0.9941
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.807817 0.773903 1579.002 42385201 -182.2345 0.710005
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
14640.22 3320.742 17.73662 17.93557 23.81918 0.000003
Residual (E) ADF Test Statistic
-5.229615
1% Critical Value* 5% Critical Value 10% Critical Value
-2.7158 -1.9627 -1.6262
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(E,3) Method: Least Squares Date: 01/09/13 Time: 10:27 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(E(-1),2) D(E(-1),3)
-1.837310 0.467398
0.351328 0.215364
-5.229615 2.170276
0.0001 0.0465
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
0.737106 0.719579 1250.522 23457080 -144.2904
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
-84.30480 2361.492 17.21064 17.30867 1.806610
37
Error Correction Model Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:11 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
C DPMDN DPMDN(-1) DPMDN(-2) DPMDN(-3) DAK DAK(-1) DAK(-2) DAK(-3) DKURS DKURS(-1) DKURS(-2) DKURS(-3) E(-1)
1170.955 -0.572573 2.515950 1.129587 3.779539 -0.000699 -0.001660 -0.002607 -0.005629 -0.074882 -0.206659 -0.054044 -0.083316 -0.375554
428.6237 4.396254 6.307697 5.984314 4.317331 0.006258 0.004402 0.005100 0.007000 0.424638 0.211868 0.182950 0.230732 0.476099
2.731896 -0.130241 0.398870 0.188758 0.875434 -0.111700 -0.377196 -0.511215 -0.804146 -0.176343 -0.975415 -0.295404 -0.361095 -0.788815
0.0718 0.9046 0.7167 0.8623 0.4458 0.9181 0.7311 0.6444 0.4801 0.8713 0.4013 0.7870 0.7420 0.4878
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.807360 -0.027411 625.3719 1173270. -118.8297 1.467129
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
585.8700 616.9732 15.62703 16.31320 0.967164 0.590077
Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:12 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
C DPMDN(-1) DPMDN(-2) DPMDN(-3) DAK DAK(-1) DAK(-2) DAK(-3) DKURS DKURS(-1) DKURS(-2) DKURS(-3) E(-1)
1191.823 3.168922 1.783847 4.010617 -0.000732 -0.001584 -0.002899 -0.005585 -0.075814 -0.201266 -0.044679 -0.074303 -0.361937
345.2616 3.324237 2.824468 3.418229 0.005430 0.003789 0.003980 0.006072 0.368734 0.180452 0.146100 0.191158 0.403384
3.451942 0.953278 0.631569 1.173303 -0.134834 -0.418104 -0.728438 -0.919799 -0.205606 -1.115343 -0.305811 -0.388699 -0.897250
0.0260 0.3944 0.5620 0.3058 0.8993 0.6973 0.5067 0.4097 0.8471 0.3272 0.7750 0.7173 0.4203
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.806271 0.225085 543.1169 1179904. -118.8777 1.489000
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
585.8700 616.9732 15.51502 16.15218 1.387285 0.405957
38
Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:13 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
C DPMDN(-1) DPMDN(-2) DPMDN(-3) DAK DAK(-1) DAK(-2) DAK(-3) DKURS(-1) DKURS(-2) DKURS(-3) E(-1)
1205.946 3.321625 2.033220 4.480171 -0.001648 -0.001852 -0.003015 -0.005338 -0.177021 -0.034867 -0.102118 -0.432390
304.2336 2.913406 2.293528 2.286856 0.002791 0.003199 0.003543 0.005352 0.122819 0.124159 0.121435 0.191379
3.963879 1.140117 0.886503 1.959096 -0.590423 -0.579015 -0.850939 -0.997457 -1.441321 -0.280826 -0.840926 -2.259337
0.0107 0.3059 0.4159 0.1074 0.5806 0.5877 0.4337 0.3643 0.2091 0.7901 0.4387 0.0734
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.804224 0.373516 488.3388 1192374. -118.9670 1.333257
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
585.8700 616.9732 15.40788 15.99604 1.867215 0.254223
Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:14 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
C DPMDN(-1) DPMDN(-2) DPMDN(-3) DAK DAK(-1) DAK(-2) DAK(-3) DKURS(-1) DKURS(-3) E(-1)
1233.885 3.646819 2.246234 4.684228 -0.001636 -0.001987 -0.003353 -0.006190 -0.182563 -0.104769 -0.454840
264.5179 2.459626 1.991398 1.994967 0.002568 0.002910 0.003064 0.004057 0.111530 0.111387 0.159979
4.664655 1.482672 1.127969 2.348023 -0.637209 -0.682959 -1.094327 -1.525904 -1.636897 -0.940585 -2.843119
0.0035 0.1887 0.3024 0.0572 0.5475 0.5201 0.3158 0.1779 0.1528 0.3832 0.0294
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.801136 0.469696 449.2921 1211181. -119.1000 1.409692
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
585.8700 616.9732 15.30589 15.84503 2.417136 0.146083
39
Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:14 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
C DPMDN(-1) DPMDN(-2) DPMDN(-3) DAK(-1) DAK(-2) DAK(-3) DKURS(-1) DKURS(-3) E(-1)
1219.928 4.351464 2.794327 4.924264 -0.001893 -0.002659 -0.006840 -0.211937 -0.095578 -0.428431
252.1778 2.101744 1.718167 1.874121 0.002780 0.002740 0.003756 0.097154 0.105660 0.147817
4.837572 2.070406 1.626342 2.627506 -0.680833 -0.970508 -1.820839 -2.181464 -0.904586 -2.898393
0.0019 0.0772 0.1479 0.0340 0.5179 0.3641 0.1114 0.0655 0.3957 0.0230
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.787678 0.514693 429.8080 1293144. -119.6566 1.251337
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
585.8700 616.9732 15.25372 15.74385 2.885426 0.088146
Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:15 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
C DPMDN(-1) DPMDN(-2) DPMDN(-3) DAK(-2) DAK(-3) DKURS(-1) DKURS(-3) E(-1)
1151.481 3.766114 2.568210 4.856952 -0.002097 -0.006378 -0.227331 -0.118482 -0.386927
223.3825 1.852430 1.628259 1.807673 0.002523 0.003569 0.091263 0.096745 0.130068
5.154750 2.033066 1.577273 2.686854 -0.831018 -1.787231 -2.490952 -1.224688 -2.974810
0.0009 0.0765 0.1534 0.0276 0.4301 0.1117 0.0375 0.2555 0.0177
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.773619 0.547237 415.1468 1378775. -120.2016 1.282538
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
585.8700 616.9732 15.20019 15.64131 3.417323 0.050793
40
Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:15 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
C DPMDN(-1) DPMDN(-2) DPMDN(-3) DAK(-3) DKURS(-1) DKURS(-3) E(-1)
1055.593 3.670022 2.166894 4.726264 -0.005696 -0.230403 -0.094341 -0.325739
187.9578 1.816760 1.528034 1.769593 0.003413 0.089607 0.090680 0.105361
5.616119 2.020092 1.418093 2.670820 -1.668948 -2.571271 -1.040371 -3.091649
0.0003 0.0741 0.1898 0.0256 0.1295 0.0301 0.3253 0.0129
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.754076 0.562803 407.9483 1497796. -120.9054 1.309051
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
585.8700 616.9732 15.16535 15.55745 3.942391 0.030092
Hasil Akhir ECM Terbaik Dependent Variable: D(Y) Method: Least Squares Date: 01/22/13 Time: 11:17 Sample(adjusted): 1994 2010 Included observations: 17 after adjusting endpoints Variable
Coefficient
Std. Error
t-Statistic
Prob.
C DPMDN(-1) DPMDN(-2) DPMDN(-3) DAK(-3) DKURS(-1) E(-1)
1018.416 3.984735 2.566027 5.068831 -0.005566 -0.216619 -0.296772
185.2879 1.798762 1.485168 1.745835 0.003424 0.088986 0.102033
5.496395 2.215266 1.727769 2.903385 -1.625306 -2.434301 -2.908588
0.0003 0.0511 0.1147 0.0157 0.1352 0.0352 0.0156
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.724501 0.559201 409.6250 1677926. -121.8707 1.162085
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
585.8700 616.9732 15.16126 15.50435 4.382958 0.019832
41