EFEK PERUBAHAN KURS (PASS-THROUGH EFFECT) TERHADAP TUJUH KELOMPOK INDEKS HARGA KONSUMEN DI INDONESIA OLEH HERRY FRENKY NABABAN H

EFEK PERUBAHAN KURS (PASS-THROUGH EFFECT) TERHADAP TUJUH KELOMPOK INDEKS HARGA KONSUMEN DI INDONESIA

OLEH HERRY FRENKY NABABAN H14102033

DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2006

RINGKASAN HERRY FRENKY NABABAN. Efek Perubahan Kurs (Pass-Through Effect) Terhadap Tujuh Kelompok Indeks Harga (IHK) Konsumen Di Indonesia (dibimbing oleh NOER AZAM ACHSANI) Isu-isu mengenai perubahan nilai tukar terhadap perekonomian suatu negara baik perdagangan internasionalnya maupun terhadap perekonomian negara tersebut sangat menarik untuk dibahas karena perubahan sistem nilai tukar mempunyai pengaruh dan peranan yang penting bagi suatu negara dalam memilih sistem moneter internasional. Pemilihan sistem moneter internasional yang baik bertujuan untuk mengurangi atau meminimalisasi resiko dari fluktuasi nilai tukar yang akan mempunyai pengaruh terhadap perekonomian negara tersebut dimana setiap perubahan dalam nilai tukar akan berdampak terhadap aktivitas perekonomian suatu negara. Sejak diterapkannya sistem nilai tukar mengambang bebas di Indonesia pada 14 Agustus 1997 telah menyebabkan perekonomian rentan terhadap gangguan-gangguan eksternal, termasuk arus modal dalam jumlah besar maupun jumlah ekspor dan impor. Disamping itu fenomena perubahan kurs (pass-through) terhadap perubahan IHK (inflasi IHK) juga menjadi hal yang menarik untuk diteliti. IHK adalah adalah ukuran keseluruhan biaya yang harus dibayar oleh seorang konsumen guna memperoleh berbagai barang dan jasa guna memenuhi kebutuhan hidupnya. Di Indonesia sendiri IHK dibagi atas tujuh kelompok. Berdasarkan uraian tersebut maka penelitian ini memiliki tiga tujuan utama. Pertama, mengetahui derajat pass-through terhadap masingmasing tujuh kelompok IHK di Indonesia. Kedua, mengetahui efek perubahan kurs (pass-through effect) terhadap masing-masing tujuh kelompok IHK di Indonesia. Ketiga, kontribusi kurs dalam menjelaskan masing-masing kelompok IHK di Indonesia. Metode yang digunakan dalam penelitian ini adalah metode analisis kuantitatif dengan menggunakan model ekonometrika. Model tersebut adalah model SVAR yang dikombinasikan dengan VECM. Sehingga dengan menggunakan metode ini diharapkan dapat menjawab permasalahan dalam penelitian ini. Data yang digunakan adalah data time series periode observasi tahun 1998 bulan pertama hingga tahun 2005 bulan keduabelas. Hasil penelitian ini menunjukkan bahwa IHK kelompok transportasi dan komunikasi adalah indeks harga konsumen yang mengalami derajat pass-through yang paling besar yakni sebesar -0,35, kemudian IHK kelompok makanan jadi, minuman, rokok dan tembakau sebesar -0,32. Kemudian yang paling kecil adalah IHK kelompok pendidikan, rekreasi dan olahraga dan IHK perumahan yakni sebesar -0,05 . Dengan demikian implikasinya adalah depresiasi kurs sebesar 1 persen maka kelompok indeks harga konsumen yang berubah cukup besar adalah indeks harga konsumen kelompok transportasi dan komunikasi yakni adanya peningkatan harga sebesar 0,35 persen.

EFEK PERUBAHAN KURS (PASS-THROUGH EFFECT) TERHADAP TUJUH KELOMPOK INDEKS HARGA KONSUMEN DI INDONESIA

OLEH HERRY FRENKY NABABAN H14102033

Skripsi Sebagai salah satu syarat untuk mendapatkan 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

: Herry Frenky Nababan

No. Registrasi Pokok :

H14102033

Program Studi

:

Ilmu Ekonomi

Judul Skripsi

:

Efek

Perubahan

Terhadap

Tujuh

Kurs

(Pass-Through

Kelompok

Indeks

Effect) Harga

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

Menyetujui, Dosen Pembimbing

Dr. Noer Azam Achsani NIP : 132014445 Mengetahui, Ketua Departemen Ilmu Ekonomi

Dr. Ir. Rina Oktaviani, M.S. NIP : 131 846 872 Tanggal Kelulusan :

PERNYATAAN DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI ADALAH BENAR-BENAR HASIL KARYA SAYA SENDIRI YANG BELUM PERNAH DIGUNAKAN

SEBAGAI

SKRIPSI

ATAU

KARYA

ILMIAH

PADA

PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.

Bogor, Agustus 2006

Herry Frenky Nababan H14102033

RIWAYAT HIDUP Penulis bernama Herry Frenky Nababan, lahir pada tanggal 04 Desember 1983 di Gomit, Kecamatan Si Empat Nempu, Kabupaten Dairi, Sumatera Utara. Penulis adalah anak pertama dari lima bersaudara, dari pasangan Pantun Nababan dan Mutiara Br. Siburian. Penulis mengenyam sekolah dasar di Gomit dan SLTP di Bunturaja, pendidikan SMU penulis lanjutkan di Medan. Pada tahun 1996, penulis menyelesaikan pendidikan sekolah dasar di SD Negeri Gomit. Kemudian melanjutkan sekolah lanjutan tingkat pertama di SLTP N 1 Si Empat Nempu, dan lulus pada tahun 1999. Pada tahun yang sama, penulis diterima di SMU RK Cahaya Medan, dan lulus pada tahun 2002. Penulis meninggalkan tempat kelahiran pada tahun 2002 untuk melanjutkan pendidikan ke jenjang yang lebih tinggi. Institut Pertanian Bogor menjadi tempat untuk menggali ilmu serta mengembangkan pola pikir dan potensi yang dimiliki oleh penulis. Penulis berhasil masuk IPB melalui jalur Undangan Seleksi Mahasiswa IPB (USMI) Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen. Selama menjadi mahasiswa, mahasiswa aktif di beberapa organisasi intra dan ekstra kampus yang diantaranya BEM-FEM, UKM PMKIPB, GMKI.

KATA PENGANTAR Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa karena atas rahmat dan karuniaNya yang begitu besar sehingga penulis dapat menyelesaikan karya ilmiah ini. Penyusunan karya ilmiah merupakan suatu syarat bagi penulis untuk mendapatkan gelar Sarjana Ekonomi pada Institut Pertanian Bogor. Skripsi yang penulis susun ini berjudul “Efek Perubahan Kurs (Pass-Through Effect) Terhadap Tujuh Kelompok Indeks Harga Konsumen di Indonesia”. Analisis tentang fenomena pengaruh perubahan kurs merupakan topik yang cukup menarik untuk untuk diteliti, hal ini sehubungan dengan perekonomian Indonesia yang semakin terbuka. Penulis mengucapkan terima kasih kepada dosen pembimbing skripsi penulis, Bapak Dr. Noer Azam Achsani, yang telah membimbing penulis dalam penulisan skripsi ini. Ucapan terima kasih juga tidak lupa penulis sampaikan kepada segenap pihak yang telah memberikan kontribusi dalam penelitian ini diantaranya : 1. Ibu Rina Oktaviani, Ph.D yang telah bersedia menjadi dosen penguji dalam ujian sidang penulis serta memberikan saran dan masukan untuk perbaikan dan kesempurnaan skripsi ini. 2. Bapak Jaenal Effendi, MA yang telah bersedia menjadi komisi pendidikan dalam ujian sidang penulis serta memberikan saran dan masukan untuk perbaikan dan kesempurnaan skripsi ini. 3. Bapak Andriansyah, M.Sc yang telah memberikan izin pengambilan data melalui Bloomberg di BAPEPAM Departemen Keuangan. 4. Rekan-rekan satu bimbingan penulis: Fikry, Nurina dan Hanie yang senantiasa menjadi teman diskusi dalam penulisan skripsi ini. 5. Teman satu kost penulis di Dua Mawar, semua teman-teman Departemen IE’39 yang tidak dapat disebutkan satu persatu khususnya VOE. Akhirnya penulis ingin memberikan ucapan terima kasih yang sebesarbesarnya kepada keluarga penulis terutama P.Nababan dan M.br Siburian selaku

Ayah dan Ibu penulis yang selalu mendukung penulis kemudian kepada adik-adik yaitu Farida, Nelly, Jendy, Veronika. Penulis menyadari bahwa dalam penelitian ini masih terdapat banyak sekali kekurangan dan kelemahan. Oleh karena itu, saran dan kritik yang sematamata ditujukan untuk memperbaiki berbagai kelemahan yang ada sangat penulis harapkan.

Bogor, September 2006

HERRY FRENKY NABABAN NRP.H14102033

DAFTAR ISI Halaman DAFTAR TABEL.............................................................................................. viii DAFTAR GAMBAR ........................................................................................

ix

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

x

I.

PENDAHULUAN .....................................................................................

1

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

1

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

5

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

8

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

8

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

7

2.1. Pengertian Indeks Harga Konsumen ...................................................

9

2.2. Kurs ...................................................................................................... 14 2.3. IHPB .................................................................................................... 16 2.4. Inflasi .................................................................................................. 17 2.5. Jumlah Uang Beredar.......................................................................... 18 2.6. Teori PPP ............................................................................................. 19 2.7. ERPT .................................................................................................... 20 2.8. Pass-Through effect ............................................................................. 23 2.9. Jenis Inflasi .......................................................................................... 27 2.10 Hubungan Kurs dengan tingkat harga................................................. 30 2.11 Kerangka Pemikiran............................................................................ 32 2.12 Ruang Lingkup Penelitian................................................................... 35 III. METODE PENELITIAN ........................................................................ 36 3.1. Jenis dan Sumber Data ......................................................................... 36 3.2. Metode Analisis ................................................................................... 36 3.3. SVAR .................................................................................................... 37 3.4 VECM ................................................................................................... 38 3.5 Uji Satasioneritas .................................................................................. 39 3.6 Penentuan Lag Optimum ...................................................................... 41

3.7. Uji Kointegrasi

.................................................................................

42

3.8. Restriksi Sementara........................................................................

42

3.9. Model Restriksi ................................................................................... 43 3.10 Impulse Response Function (IRF)...................................................... 45 3.11 DFEV.................................................................................................. 46 3.12 Derajat Pass-Through ........................................................................ 46 IV. HASIL DAN PEMBAHASAN ................................................................... 44 4.1. Uji Stasioner Data ................................................................................ 48 4.2. Pengujian Lag Optimal ......................................................................... 50 4.3. Pengujian Kointegrasi ........................................................................... 53 4.4. Hasil Empiris......................................................................................... 55 4.4.1. Analisis Impuls Respon ............................................................. 55 4.4.1.1 Respon kurs terhadap guncangan kurs untuk IHKumum.. 55 4.4.1.2 Respon IHKumum terhadap guncangan Kurs ................... 56 4.4.1.3 Impulse Response pada masing-masing IHK ................ 57 4.4.2. Simulasi Analisis Dekomposisi Varian...................................... 62 4.4.3. Efek Perubahan Kurs Terhadap masing-masing kelompok IHK ................................................................................... 68 V. KESIMPULAN DAN SARAN ................................................................... 76 5.1. Kesimpulan ........................................................................................... 76 5.2. Saran ...................................................................................................... 77 DAFTAR PUSTAKA ....................................................................................... 78 LAMPIRAN

DAFTAR TABEL Nomor

Halaman

2.1. Tabel Penghitungan IHK............................................................................. 12 4.1. Uji Akar Unit Level ........................................................................................ 48 4.2. Uji Akar Unit first difference ...................................................................... 50 4.3. Pengujian Lag Optimum persamaan VAR.................................................. 50 4.4. Pengujian Kointegrasi ................................................................................ 54 4.6. Derajat pass-through.................................................................................. 68

DAFTAR GAMBAR Nomor

Halaman

1.1. Perkembangan Kurs Rupiah terhadap Dollar US ...................................... 2 1.2. Perkembangan IHK berdasarkan Kelompok.............................................. 7 2.1. Pembagian kelompok indeks harga konsumen .......................................... 13 2.2. Kurva Demand Pull Infation ...................................................................... 27 2.3. Kurva Cost Push Inflation.......................................................................... 28 2.4. Model Mundell-Flemming Jangka Pendek dan Jangka Panjang................ 31 2.5. Kerangka pemikiran ................................................................................... 34 4.1. Respon kurs terhadap guncangan kurs pada IHK keseluruhan.................. 55 4.2. Respon IHKumum terhadap guncangan kurs ..................................................... 56 4.3. Respon Kurs terhadap guncangan kurs pada masing-masing kelompok IHK.......................................................................................... 58 4.4

DFEV IHKbm.............................................................................................. 63

4.5. DFEV IHKmmrt ........................................................................................... 64 4.6. DFEV IHKph .............................................................................................. 64 4.7. DFEV IHKs ................................................................................................ 65 4.8. DFEV IHKkn .............................................................................................. 66 4.9. DFEV IHKpro.............................................................................................. 67 4.10. DFEV IHKtk ............................................................................................... 68 4.11. Efek perubahan kurs terhadap IHKbm ........................................................ 71 4.12. Efek perubahan kurs terhadap IHKmmrt ...................................................... 71 4.13. Efek perubahan kurs terhadap IHKph ......................................................... 72 4.14. Efek perubahan kurs terhadap IHKs .......................................................... 73 4.15. Efek perubahan kurs terhadap IHKkn ........................................................ 73 4.16. Efek perubahan kurs terhadap IHKpro ........................................................ 74 4.17. Efek perubahan kurs terhadap IHKtk .......................................................... 75

DAFTAR LAMPIRAN Nomor

Halaman

1. Uji Akar Unit Variabel pada tingkat level ............................................................

81

2. Uji Akar unit Variabel pada first different ...........................................................

84

3. Persamaan IHK kelompok bahan makanan ..........................................................

87

3. Persamaan IHK kelompok makanan jadi, minuman, rokok dan tembakau .........

92

4. Persamaan IHK kelompok perumahan .................................................................

97

5. Persamaan IHK kelompok sandang ...................................................................... 102 6. Persamaan IHK kelompok kesehatan ................................................................... 107 7. Persamaan IHK kelompok pendidikan, rekreasi dan olahraga ............................. 112 8. Persamaan IHK kelompok transpor dan komunikasi............................................ 117

I. PENDAHULUAN

1.1.

Latar Belakang Stabilitas ekonomi makro ekonomi suatu negara mempunyai pengaruh

terhadap pertumbuhan ekonomi negara tersebut. Beberapa indikator yang mempengaruhi tercapainya kestabilan ekonomi makro antara lain tingkat inflasi terendah dan nilai tukar stabil. Hal ini akan memacu peningkatan investasi, konsumsi, perdagangan internasional yang pada akhirnya akan berdampak bagi pertumbuhan ekonomi. Isu-isu mengenai perubahan nilai tukar terhadap perekonomian suatu negara baik perdagangan internasionalnya maupun terhadap perekonomian negara tersebut sangat menarik untuk dibahas karena perubahan sistem nilai tukar mempunyai pengaruh dan peranan yang penting bagi suatu negara dalam memilih sistem moneter internasional. Pemilihan sistem moneter internasional yang baik bertujuan untuk mengurangi atau meminimalisasi resiko dari fluktuasi nilai tukar yang akan mempunyai pengaruh terhadap perekonomian negara tersebut dimana setiap perubahan dalam nilai tukar akan berdampak terhadap aktivitas perekonomian negara tersebut. Dengan semakin eratnya keterkaitan pasar keuangan Indonesia dengan pasar keuangan Internasional sejalan dengan diterapkankannya sistem nilai tukar mengambang bebas sejak 14 Agustus 1997, telah menyebabkan perekonomian nasional rentan terhadap gangguan-gangguan eksternal, termasuk juga arus modal dalam jumlah besar maupun jumlah ekspor dan impor (BI, 2000). Dengan kebijakan sistem nilai tukar mengambang bebas tersebut, maka penentuan nilai tukar rupiah diserahkan sepenuhnya kepada mekanisme pasar. Dalam kurun

waktu beberapa tahun penerapan sistem nilai tukar mengambang bebas ini, secara umum pergerakan nilai tukar rupiah terhadap Dollar Amerika sangat fluktuatif. Dalam Gambar 1.1. dapat dilihat perkembangan kurs terhadap Dollar selama periode 1998-2005.

Sumber:Bloomberg (diolah)

Gambar 1.1 Grafik Perkembangan kurs Rupiah terhadap Dollar US Sistem nilai tukar yang ditetapkan pemerintah Indonesia telah mengalami banyak perubahan antara lain pada tahun 1973 pegged to a single currency (US Dollar), tahun 1980 hingga 1991 managed floating exchange rate, dan terakhir pada tahun 1997 sampai sekarang menganut sistem nilai tukar mengambang bebas. Perubahan sistem nilai tukar yang dilakukan oleh Pemerintah Indonesia bertujuan untuk menjaga keseimbangan neraca pembayaran dan menjaga dampak yang negatif dari perubahan niali tukar yang akan berpengaruh terhadap perekonomian Indonesia. Fluktuasi nilai tukar memiliki pengaruh yang besar bagi kelangsungan perekonomian Indonesia. Teori ekonomi menyatakan bahwa jika nilai tukar mata

uang domestik mengalami penguatan (apresiasi) maka daya saing produk-produk Indonesia di luar negeri akan mengalami penurunan dalam arti harga produkproduk Indonesia di luar negeri akan menjadi lebih mahal, sehingga volume ekspor akan mengalami penurunan. Kemudian di sisi lain jika nilai tukar mata uang domestik melemah (depresiasi) maka daya saing produk-produk Indonesia di luar negeri akan mengalami peningkatan dalam arti harga produk Indonesia di luar negeri akan akan menjadi lebih murah sehingga volume ekspor akan mengalami peningkatan. Fluktuasi nilai tukar juga mempunyai pengaruh terhadap harga barang dan jasa yang dikonsumsi oleh masyarakat Indonesia. Konsumsi masyarakat merupakan salah satu komponen pengeluaran Nasional, dimana : Y = C + + I + G + NX

(1.1)

Implikasinya adalah besar kecilnya konsumsi masyarakat sangat berpengaruh terhadap pertumbuhan ekonomi suatu negara. Demikian juga halnya Indonesia yang mempunyai jumlah penduduk yang sangat besar, konsumsi masyarakat mempunyai peranan sangat signifikan terhadap perekonomian Indonesia. Hal ini bisa dilihat dari pertumbuhan ekonomi Indonesia setiap tahunnya dimana sumbangsih dari kelompok pengeluaran konsumsi sangat besar. Konsumsi masyarakat terdiri dari barang dan jasa yang dibeli rumah tangga. Konsumsi masyarakat dalam hal ini masyarakat Indonesia dapat dibagi kedalam beberapa kelompok yaitu bahan makanan, makanan jadi, minuman, rokok dan tembakau, perumahan, sandang, kesehatan, pendidikan, rekreasi dan olah raga, transportasi dan komunikasi.

Saat ini, 1000 rupiah (Rp 1000) tidak bisa dibelanjakan sebanyak 10 tahun yang lalu. Biaya dari hampir segala sesuatu telah naik. Peningkatan dalam seluruh tingkat harga ini disebut inflasi, yang menjadi salah satu perhatian utama para ekonom dan pembuat kebijakan. Indeks harga konsumen (IHK) adalah ukuran inflasi yang paling dicermati dan para pembuat kebijakan Ekonomi memantau Indeks Harga Konsumen ketika memilih kebijakan moneter. Indeks harga konsumen adalah sekelompok barang dan jasa yang dibeli oleh konsumen (dalam hal ini masyarakat) relative terhadap selompok barang dan jasa yang sama pada tahun dasar (Mankiw, 2000). Indeks harga konsumen dari tahun ke tahun rata-rata meningkat. Salah satu faktor yang mempengaruhi peningkatan indeks harga konsumen tersebut adalah perubahan nilai tukar terhadap nilai tukar mata uang luar negeri khususnya mata uang Dollar Amerika Serikat. Perubahan IHK sebagai akibat perubahan kurs dapat diidentifikasi dari perubahan perubahan kurs (depresiasi) akan menyebabkan harga-harga barang impor baik barang baku ataupun barang jadi akan lebih mahal dalam mata uang domestik, sehingga distributor dalam negeri yang menjual barang yang mengandung komponen impor atau barang jadi yang diimpor akan dijual lebih mahal dalam negeri. Oleh sebab itu, penulis memutuskan untuk mengambil judul : “ Efek Perubahan Kurs (Pass-Through Effect) Terhadap Tujuh Kelompok Indeks Harga Konsumen Di Indonesia”.

1.2.

Perumusan masalah Sebagai negara small open economy, perkembangan harga dalam negeri

akan dipengaruhi oleh perekonomian dunia. Perkembangan faktor eksternal dapat mempengaruhi harga-harga barang dan jasa dalam negeri. Faktor eksternal yang akan mempengaruhi perekonomian bisa berupa kenaikan harga minyak dunia yang akan mempengaruhi biaya produksi sehingga akan berpengaruh terhadap harga barang dan jasa yang akan diterima oleh konsumen. Kemudian faktor eksternal lainnya adalah kurs, dimana fluktuasi kurs akan berpengaruh terhadap harga-harga barang yang diimpor sehingga mempengaruhi harga barang yang di konsumsi oleh konsumen. Bank Indonesia melaporkan bahwa pada tahun 1998 laju inflasi yang diukur dari pertumbuhan indeks harga konsumen mencapai 77,6%. Bayang-bayang hiperinflasi sempat mengancam Indonesia pada saat itu. Meningkatnya tekanan harga tersebut terutama berasal dari sisi penawaran sebagai akibat depresiasi rupiah yang sangat tajam. Melemahnya nilai tukar rupiah yang mencapai Rp 14.900/$ pada tahun tersebut telah berdampak pada tingginya inflasi yang diukur dari pertumbuhan indeks harga konsumen. Inflasi yang tinggi mempunyai dampak terhadap rendahnya daya beli masyarakat. Sehingga masyarakat yang mempunyai pendapatan tetap akan kesulitan dalam memenuhi standar hidup. Barang dan jasa kelompok transportasi dan komunikasi pada tahun 1998 mencatat kenaikan sebesar 41,3 persen atau menyumbang 5,6% dari total inflasi (BI, 1998). Peningkatan pada kelompok ini disebabkan antara lain, oleh meningkatnya harga mobil dan sepeda motor, termasuk suku cadang, yang

kemudian juga naiknya tarif angkutan darat. Hal ini sehubungan dengan melemahnya nilai tukar yang menyebabkan naiknya harga barang yang mengandung kandungan impor cukup tinggi sehingga harga barang akan naik akibat melemahnya nilai tukar. Gambar 1.2 menyajikan perkembangan indeks harga konsumen berdasarkan kelompok masing-masing dengan menggunakan tahun dasar 1998. Dalam gambar tersebut dapat dilihat bahwa harga-harga cenderung meningkat dari waktu ke waktu. Ini merupakan fenomena yang menarik untuk teliti, dimana jika dikaitkan dengan perubahan kurs yang fluktuatif sejak penerapan rejim kurs mengambang bebas di Indonesia. Fluktuasi dari kurs baik terdepresiasi ataupun apresiasi akan mempunyai efek pada perubahan harga. Efek dari perubahan kurs terhadap tingkat harga inilah yang disebut sebagai exchange rate pass-through (ERPT). Exchange rate pass-through dapat didefenisikan sebagai didefiniskan sebagai perubahan harga (harga ekspor, harga impor maupun harga domestik) sebagai akibat perubahan satu persen dalam kurs domestik terhadap kurs asing. Penelitian ini difokuskan pada harga domestik yang diukur melalui Indeks harga konsumen (IHK) yang terdiri dari tujuh kelompok.

Indeks

400 350

S (98=100)

300

KN (98=100)

250

PRO (98=100)

200

BM (98=100)

150

MMRT (98=100)

100

PH (98=100)

50

TK (98=100)

Jul-05

Jan-05

Jul-04

Jan-04

Jul-03

Jan-03

Jul-02

Jan-02

Jul-01

Jan-01

Jul-00

Jan-00

Jul-99

Jan-99

Jul-98

Jan-98

0

Periode

Sumber:BPS (diolah)

Gambar 1.2. Perkembangan IHK berdasarkan Kelompok Keterangan : S KN PRO BM MMRT PH TK

: Indeks harga barang kelompok sandang : Indeks harga kelompok kesehatan : Indeks harga kelompok pendidikan, rekreasi, olahraga : Indeks harga kelompok bahan makanan : Indeks harga kelompok makanan jadi, minuman, rokok dan tembakau : Indeks harga kelompok perumahan : Indeks harga kelompok transpor dan komunikasi

Berdasarkan uraian diatas, maka dapat dirumuskan pertanyaan penelitian yang diangkat dalam penelitian ini, yaitu: 1. Bagaimana derajat pass-through terhadap masing-masing tujuh kelompok IHK di Indonesia? 2. Bagaimana efek perubahan kurs (pass-through) terhadap masing-masing tujuh kelompok IHK di Indonesia? 3. Bagaimana kontribusi kurs dalam menjelaskan masing-masing kelompok IHK di Indonesia?

1.3.

Tujuan Penelitian Adapun tujuan dari penelitian ini adalah:

1. Mengetahui derajat pass-through masing-masing tujuh kelompok IHK di Indonesia. 2. Menganalisis pengaruh efek perubahan kurs (pass-through effect) terhadap tujuh kelompok IHK di Indonesia sehingga dapat diketahui kelompok IHK mana yang paling rentan terhadap perubahan kurs. 3. Menganalisis peranan kurs dalam menjelaskan fluktuasi masing-masing tujuh kelompok IHK di Indonesia

1.4.

Manfaat Penelitian Penelitian yang penulis lakukan ini memiliki beberapa manfaat, yaitu:

1. Bagi penulis, sebagai sarana untuk memahami lebih jauh mengenai pengaruh dari perubahan kurs terhadap tingkat harga di Indonesia. 2. Bagi pembaca, sebagai salah satu sumber informasi mengenai fenomena efek perubahan kurs di Indonesia. 3. Mengetahui peranan kurs dalam menjelaskan fluktuasi indeks harga konsumen yang ada di Indonesia.

II. TINJAUAN PUSTAKA

2.1.

Pengertian Indeks Harga Konsumen (IHK) Untuk membandingkan uang di masa lalu dengan di masa kini, diperlukan

suatu cara untuk mengubah satuan uang menjadi satuan lain yang dapat lebih langsung menunjukkan daya beli. Inilah pekerjaan para ahli statistik yang biasa disebut dengan Indeks Harga Konsumen (IHK). IHK lazim digunakan untuk memantau berbagai perubahan biaya hidup dari waktu ke waktu. Pada saat IHK ini meningkat, maka rata-rata keluarga harus membelanjakan lebih banyak uang untuk mempertahankan standar hidup yang sama seperti sebelumnya. Para ekonom menggunakan istilah inflasi (inflation) untuk menggambarkan situasi ekonomi di mana keseluruhan harga mengalami kenaikan. Laju inflasi (inflation rate) adalah persentase perubahan tingkat harga pada suatu waktu tertentu dibandingkan dengan tingkat harga pada periode sebelumnya. Indeks Harga Konsumen (Consumer Price Index, CPI) adalah ukuran keseluruhan biaya yang harus dibayar oleh seorang konsumen guna memperoleh berbagai barang dan jasa guna memenuhi kebutuhan hidupnya. Setiap bulan, Biro Pusat Statistik menghitung IHK. Ketika Biro Pusat Statistik menghitung IHK dan tingkat Infasi, lembaga tersebut menggunakan data harga-harga ribuan jenis barang dan jasa. Untuk melihat bagaimana sesungguhnya data-data statistik ini dibentuk, dapat diandaikan sebuah perekonomian rekaan yang sangat sederhana, yang hanya mengkonsumsi dua macam barang, yakni hotdog dan hamburger. Tabel 2.1

10

memaparkan lima tahapan yang dilakukan oleh Biro dalam menghitung IHK tersebut (Mankiw, 2000), yakni: 1.

Tetapkan isi Keranjang. Langkah pertama indeks harga konsumen adalah menetapkan harga-harga apa saja yang paling penting bagi rata-rata konsumen. Jika kebanyakan konsumen membeli lebih banyak hotdog daripada hamburger, maka tentunya harga hotdog lebih penting daripada harga hamburger. Atas dasar itu, akan diberikan bobot lebih besar pada harga hotdog daripada harga hamburger dalam perhitungan biaya hidup, kemudian akan ditetapkan bobot-bobot untuk setiap harga melalui serangkaian survei konsumen guna mengetahui barang dan jasa apa saja yang dibeli oleh ratarata konsumen. Dalam contoh pada Tabel 2.1 di bawah disebutkan bahwa keranjang belanjaan dari rata-rata konsumen berisikan 4 hotdog dan 2 hamburger.

2.

Tetapkan Harga. Langkah kedua perhitungan Indeks Harga Konsumen adalah mengetahui harga dari setiap barang dan jasa yang ada dalam keranjang belanjaan rata-rata konsumen tersebut dari waktu ke waktu. Dalam contoh pada Tabel 2.1 di bawah menunjukkan harga-harga hotdog dan hamburger pada waktu yang berlainan.

3.

Hitung Harga Isi Keranjang. Langkah ketiga dalam menggunakan data harga untuk menghitung biaya atau harga keseluruhan isi keranjang dari waktu ke waktu. Dalam tabel di bawah telah menunjukkan untuk masing-masing tiga tahun yang tercakup. Dalam kalkulasi ini hanya harga-harga yang berubah. Dengan meneteapkan isi keranjang selalu sama (4 hotdog dan 2 hamburger),

11

kita mengisolasikan dampak perubahan harga dari dampak perubahan kuantitas barang dalam isi keranjang belanjaan rata-rata konsumen yang sebenarnya bisa saja terjadi bersamaan. 4.

Pilih Tahun Dasar, Hitung Indeksnya. Langkah keempat adalah memilih salah satu tahun sebagai tahun dasar, yang akan menjadi patokan perhitungan dan perbandingan tahun-tahun lain. Untuk menghitung indeks, harga sekeranjang barang dan jasa setiap tahun dibagi dengan harganya di tahun dasar, lalu rasio ini dikalikan 100. Hasilnya adalah Indeks Harga Konsumen. Dalam contoh yang disajikan pada tabel, tahun 2001 adalah tahun dasar. Pada tahun dasar tersebut, satu keranjang hotdog dan hamburger berharga $ 8. Dengan demikian, untuk mengetahui pergerakan harganya dari waktu ke waktu, harga pada suatu tahun dibagi $8 lalu dikalikan 100. jadi, Indeks Harga Kosumen di tahun 2001 adalah 100. (Indeks selalu 100 pada tahun dasar). Selanjutnya Indeks Harga Konsumen di tahun 2002 adalah 175. Ini berarti harga keranjang belanjaan di tahun 2002 adalah 175 persen lebih mahal ketimbang harganya di tahun dasar.

5.

Hitung Tingkat

Inflasi. Langkah kelima dan yang terakhir adalah

menghitung Indeks Harga Konsumen untuk menghitung tingkat inflasi, yakni persentase perubahan dalam Indeks Harga Konsumen pada suatu saat dibandingkan dengan yang ada pada periode sebelumnya. Ini digunakan untuk menghitung tingkat inflasi baik bulan ke bulan maupun dari tahun ke tahun.

12

Tabel 2.1 Tabel Penghitungan IHK

Sumber : Mankiw, 2000

13

IHK di Indonesia menyajikan perkembangan IHK di 45 kota (30 ibukota propinsi dan 15 kota). Penyajiannya berupa IHK dan persentase (%) perubahan indeks (inflasi/deflasi) di setiap kota. Dalam menghitung IHK tersebut tercakup semua jenis barang dan jasa yang biasa dibeli oleh konsumen. IHK tersebut terbagi kedalam beberapa kelompok dan sub kelompok. Kelompok tersebut adalah (BPS, 2004) :

Gambar 2.1 Pembagian kelompok indeks harga konsumen

14

2.2

Kurs (Exchange Rate) Nilai tukar atau kurs (exchange rate) didefinisikan sebagai harga satuan

mata uang dalam negeri (domestic currency) terhadap mata uang luar negeri (Salvatore, 1997). Nilai tukar antara dua negara adalah harga di mana penduduk kedua negara saling melakukan perdagangan (Mankiw, 2000). Dalam kenyataannya kurs dibedakan menjadi tiga jenis yaitu kurs nominal, kurs riil dan kurs nominal efektif. Defenisi ketiga jenis kurs tersebut adalah sebagai berikut : a.

Kurs nominal Kurs nominal (e) adalah harga relatif dari mata uang dua negara. Biasanya

kurs nominal (e) disebut juga kurs bilateral karena hanya membandingkan nilai mata uang dua negara. Sebagai contoh jika kurs nominal antara Indonesia dengan Amerika sebesar Rp.10.000 per Dollar maka artinya untuk memperoleh satu Dollar Amerika (1 US$) harus ditukarkan dengan uang sebesar Rp.10.000. Menurut Moosa (2004) nilai tukar uang nominal (e) dapat dirumuskan sebagai berikut : e = Pd / Pf

(1)

dimana Pd adalah tingkat harga domestik dan Pf adalah tingkat harga luar negeri. b.

Kurs riil Kurs riil (q) adalah harga relatif dari barang-barang kedua negara. Dengan

kata lain kurs riil menyatakan tingkat dimana kita bisa memperdagangkan barangbarang dari suatu negara untuk barang-barang dari negara lain. Kurs riil (q) kadang-kadang disebut terms of trade. Menurut Batiz (1994), kurs riil dapat dirumuskan sebagai berikut :

15

* q =e p

p

(2)

dimana q adalah kurs nominal, Pd adalah tingkat harga domestik dan Pf adalah tingkat harga luar negeri. c.

Kurs nominal efektif Kurs nominal efektif (Et) adalah indeks (diukur relatif terhadap periode

dasar) dari rata-rata tertimbang kurs nominal terhadap mata uang dari mitra dagang utama (major trading partners). Kurs efektif nominal mengukur harga dari mata uang dalam negeri terhadap beberapa negara (multilateral) mitra dagang utama (major trading partners). Menurut Moosa (2004) kurs efektif pada waktu t dihitung sebagai rata-rata tertimbang dari dari kurs relatif (exchange rate relatives) dan dapat dirumuskan sebagai berikut : m

Et = ∑ wV i it

(3)

i =1

wi =

Xi + Mi m

∑X i =1

Vit =

i

+ Mi

(4)

S i ,t

(5) Si.0 dimana Et adalah kurs efektif nominal pada waktu ke t, m adalah jumlah mata uang negara mitra dagang utama, wi adalah rata-rata perdagangan yang didenominasikan dalam mata uang negara i, Vit adalah kurs relatif dari mata uang negara i pada waktu t, Si adalah kurs pada spot market saat ini, S0 adalah kurs pada periode dasar (base period), Xi adalah nilai ekspor domestik ke negara i dan Mi adalah nilai impor dari negara i.

16

2.3.

Indeks Harga Perdagangan Besar (Wholesale Price Index /WPI) Indeks harga perdagangan besar (IHPB) atau seringkali disebut dengan

istilah Wholesale Price Index (WPI) adalah indeks yang menggambarkan perubahan harga pada tingkat harga perdagangan besar/harga grosir dari komoditas-komoditas yang diperdagangkan di suatu negara. Komoditas tersebut merupakan produksi dalam negeri yang dipasarkan dalam negeri ataupun diekspor dan komoditas yang diimpor. Harga perdagangan besar dari suatu komoditas ialah harga transaksi yang terjadi antara penjual/pedagang besar pertama dengan pembeli/pedagang besar berikutnya dalam jumlah besar pada pasar pertama atas suatu komoditas (BPS, 2001). 1. Pedagang besar pertama adalah pedagang besar besar sesudah produsen 2. Pasar pertama ialah tempat bertemunya antara pedagang besar pertama dengan pedagang berikutnya (bukan konsumen), atau dengan kata lain pasar sesudah produsen Penghitungan IHPB menggunakan formula Laspeyers yang dikembangkan yaitu (BPS, 2001) :

Pn

In =

∑P

xPn −1q0

n −1

∑PQ 0

x100

0

Dimana : In

= Indeks bulan n (bulan penelitian)

Pn

= Harga pada bulan ke n (bulan penelitian)

Pn-1

= Harga pada bulan ke n-1 (bulan sebelumnya)

(6)

17

Pn-1 Q0

= Nilai timbangan bulan n-1 (bulan sebelumnya)

P0 Q0

= Nilai timbangan tahun dasar

IHPB akan disagregasi menjadi beberapa kelompok komoditi dan total kelompok sub-komoditi tergantung kondisi perekonomian di suatu negara semisal pertanian, manufaktur, tambang dan galian, impor dan ekspor, dan lain-lain. (World Economic Statistic, 2006).

2.4.

Inflasi

Menurut Boediono (1998) dalam Wahidah (2005) dikatakan bahwa inflasi adalah kecenderungan dari harga-harga untuk meningkat secara umum dan terusmenerus. Naiknya harga-harga secara umum ini mengakibatkan nilai riil dari suatu mata uang terhadap barang dan jasa atau yang lebih dikenal dengan istilah daya beli menurun. Dalam mengukur laju inflasi, dapat digunakan bantuan indeks harga. IHK dapat digunakan untuk mengukur inflasi bulanan, triwulanan, semesteran, dan tahunan. Perhitungan laju inflasi menggunakan proksi IHK dapat dirumuskan sebagai berikut: LI

t

=

IHK t − IHK t −1 x 100% IHK t −1

Di mana : LI

t

: Laju inflasi periode t

IHK t : Indeks Harga Konsumen periode t IHK t −1 : Indeks Harga Konsumen periode t-1

(7)

18

2.5.

Jumlah Uang Beredar

Uang beredar sering dikaitkan dengan sering dikaitkan dengan suku bunga, pertumbuhan ekonomi, perkembangan harga, dan sebagainya. Di Indonesia, Bank Indonesia merupakan otoritas moneter yang mempunyaitugas menetapkan dan melaksanakan kebijakan moneter, antara lain dengan mengendalikan jumlah uang beredar. Jumlah uang yang tersedia disebut penawaran uang (money supply) (Mankiw, 2000). Dalam arti luas jumlah penawaran uang dapat dibedakan menjadi tiga jenis base money (Mo), M1, M2 dan M3. Uang beredar yang dipengaruhi oleh bank sentral sebagai instrument kebijakan moneter adalah Mo (base money). Komposisi jumlah uang yang beredar di masyarakat dapat kita bedakan menjadi dua bagian. Pertama adalah uang beredar dalam pengertian sempit, yang digunakan untuk transaksi yaitu M1 (narrow money), dan kedua adalah uang beredar dalam pengertian luas yang biasa disebut dengan M2 (broad money). Komposisi jumlah uang beredar M1 dan M2 adalah sebagai berikut (Mishkin, 2001):

M1 = Mo + traveler’s checks + demand deposits + other checkable Deposits + total M1 M2 = M1 + small-denomination time deposits + saving deposit and money market deposits accounts + total M2 M3 = M2 + large-denomination time deposits + money market mutual fund shares+ term repurchase agreements + term Eurodollars + total M3

19

2.6.

Teori Purchasing Power Parity (PPP)

Teori

Purchasing

Power

Parity (PPP)

atau

paritas

daya

beli

menggambarkan hubungan antara tingkat harga umum dan kurs pada waktu tertentu. Versi dasar dari Purchasing Power Parity (PPP) dapat dipandang sebagai generalisasi dari Hukum Satu Harga (The Law of One Price). Implikasinya adalah bahwa harga komoditi yang diperdagangkan antar negara haruslah sama walaupun didenominasikan dalam mata uang negara yang berlaku. Menurut Batiz (1994) PPP dapat dibedakan menjadi dua yaitu : a.

Paritas daya beli absolut (absolute purchasing power parity) Paritas daya beli absolut mengindikasikan bahwa kurs memiliki hubungan

dengan harga relatif suatu barang. Hubungan antara kurs dengan harga barang atau tingkat harga umum direfleksikan melalui rumus berikut : P = e P*

(8)

atau Pˆ = eˆ + Pˆ *

(9)

dimana P adalah harga domestik, e adalah kurs nominal, P* adalah harga luar negeri (harga impor), Pˆ adalah perubahan harga domestik, eˆ adalah perubahan kurs nominal dan Pˆ * adalah perubahan harga luar negeri. b.

Paritas daya beli relatif (relative purchasing power parity) Konsep paritas daya beli relatif menyatakan bahwa perubahan kurs

sepanjang waktu t ke t + T akan sebanding dengan perubahan paritas daya beli antara dua negara. Konsep ini juga menekankan adanya penghitungan periode

20

dasar (base period) dalam persamaan paritas daya beli. Maka persamaan paritas daya beli relatif adalah sebagai berikut :

(S

e t +T

(

)(

− St ) / St = π te − π te / 1 + π te *

*

)

(11)

dimana Ste+T adalah expected exchange rate, St adalah kurs pada periode dasar *

(base period), π te adalah inflasi di dalam negeri, π te adalah inflasi di luar negeri. Model persamaan ini mengimplikasikan bahwa perubahan dalam ekspektasi kurs (expected exchange rate) akan berhubungan dengan perubahan dalam ekspektasi inflasi (expected inflation).

2.7.

Exchange Rate Pass-Through (ERPT)

Exchange rate pass-through (ERPT) didefiniskan sebagai perubahan

harga (harga ekspor, harga impor maupun harga domestik) sebagai akibat perubahan satu persen dalam kurs domestik terhadap kurs asing. Menurut Moosa (2004) dan Batiz (1994), ERPT dapat disebut sebagai efek perubahan kurs atau persentase perubahan kurs terhadap persentase perubahan harga ekspor dan harga impor. a.

Pendekatan konseptual exchange rate pass-through (ERPT) Konsep ERPT dapat didekati melalui penurunan rumus PPP, yaitu : Pˆ + qˆ = eˆ + Pˆ *

(12)

dimana Pˆ adalah perubahan harga domestik, qˆ adalah perubahan kurs riil, eˆ adalah perubahan kurs nominal dan Pˆ * adalah perubahan harga luar negeri.

21

Selain itu pengembangan model exchange rate pass-through juga dapat dikembangkan dari model ekonomi mikro sebagai berikut (Sahminan, 2005): PM t j = Et j PX t j = Et j λt j Ct *

(13)

α

⎛ Pj ⎞ λt = ⎜ j t * ⎟ ⎝ Et Ct ⎠

(14)

j

dimana PM t j adalah harga impor negara j dalam mata uangnya pada waktu t,

PX t j adalah harga ekspor ke negara j dalam mata uangnya pada waktu t, Et j adalah kurs nominal negara j terhadap negara pengimpor (mitra dagang), Ct * adalah

marginal cost dalam mata uang negara pengekspor, λt j adalah biaya mark up produksi dan Pt j adalah harga kompetitor untuk jenis barang yang sama di negara j. Dengan mengasumsikan bahwa perusahaan pengekspor menetapkan mark up ( λt j ) dengan memasukkan tekanan kompetitif (competitive pressure) ke dalam pasar impor dan tekanan kompetitif ini dihitung dari gap antara harga barang pesaing dalam pasar impor dan biaya produksi perusahaan. Maka persamaan ini disubtitusikan ke dalam persamaan di atas:

PM t j = ( Et j Ct * )

1−α

(P )

j α

t

(15)

Dengan menerapkan logaritma natural pada persaman di atas maka persamaan akhirnya :

pm = (1 − α )et + α Pt + (1 − α )ct*

(16)

22

Pada persamaan di atas fenomena exchange rate pass-through dilihat dari koefisien (1 − α ) . Exchange rate pass-through pada persamaan di atas didefinisikan sebagai elastisitas parsial terhadap harga impor yang ditunjukkan oleh (1 − α ) . Dengan demikian fenomena ERPT pada persamaan PPP dapat dianalisis manakala terjadi perubahan kurs nominal ( eˆ ) maka akan berpengaruh terhadap harga domestik ( Pˆ ). Fenomena ERPT ini dapat dibedakan menjadi empat jenis yaitu : 1.

Complete pass-through Jika perubahan kurs nominal ( eˆ ) sebanding dengan perubahan

harga domestik ( Pˆ ) maka fenomena ini dinamakan full atau complete passthrough. Misalnya jika diasumsikan perubahan harga domestik sama dengan nol. Maka jika perubahan kurs nominal ( eˆ ) sebesar 0,1 maka kurs riil ( qˆ ) akan bernilai sebesar 0,1. Pada kasus ini perubahan kurs riil sebanding atau sama dengan perubahan kurs nominal. 2.

Incomplete pass-through Jika perubahan kurs nominal ( eˆ ) tidak sebanding dengan

perubahan harga domestik ( Pˆ ) maka fenomena ini dinamakan partial atau incomplete pass-through. Misalnya jika diasumsikan perubahan harga domestik sama dengan nol. Maka jika perubahan kurs nominal ( eˆ ) sebesar 0,1 lalu produsen asing melakukan intervensi harga produk sebesar 0,05 maka kurs riil ( qˆ ) akan bernilai sebesar 0,05. Pada kasus ini perubahan kurs riil tidak sebanding atau tidak sama dengan perubahan kurs nominal

23

3.

Zero pass-through Jika perubahan kurs nominal ( eˆ ) tidak mempengaruhi perubahan

harga domestik ( Pˆ ) maka fenomena ini dinamakan zero pass-through. Artinya berapa pun perubahan kurs yang terjadi maka tidak berpengaruh pada tingkat harga. Dengan demikian respon yang dialami tingkat harga sebagai akibat perubahan kurs berapa persen pun adalah nol. 4.

Delayed pass-through Jika perubahan kurs nominal ( eˆ ) mempengaruhi perubahan harga

domestik ( Pˆ ) setelah interval waktu tertentu maka fenomena ini dinamakan delayed pass-through. Misalnya jika diasumsikan perubahan harga domestik sama dengan nol.

2.8.

Analisis Pass-Through Effect

Analisis efek perubahan nilai tukar (pass through effect) pada umumnya adalah untuk mengetahui efek perubahan nilai tukar terhadap perubahan tingkat harga baik itu berupa harga impor, harga ekspor maupun tingkat harga umum yang diukur melalui IHK. Akan tetapi analisis ini dapat dikembangkan lagi untuk dilihat dampaknya terhadap investasi dan volume perdagangan (Hartati, 2004). Pada dasarnya pass-through effect akan menimbulkan dampak langsung dan tidak langsung dalam perekonomian terbuka. a.

Efek Langsung (Direct Effect) Menurut McCarthy (2000) dampak langsung lintasan kurs (direct pass-

through) nilai tukar terhadap inflasi adalah melalui perubahan harga barang-

24

barang impor. Dalam konsep ini depresiasi mata uang akan menyebabkan kenaikan harga barang-barang impor (imported inflation). Barang-barang tersebut dapat berupa barang konsumsi, bahan baku, dan barang modal. Dampak perubahan nilai tukar yang langsung mempengaruhi inflasi dapat digolongkan menjadi dua, yaitu (Majardi dalam Hartati, 2004) pertama, first direct pass-through, yaitu dampak melalui barang konsumsi karena perubahan harga barang impor dapat langsung mempengaruhi harga jual produk dalam negeri. Kelompok barang ini memiliki elastisitas yang tinggi terhadap peubahan nilai tukar. Kedua, second direct pass-through, yaitu dampak melalui impor bahan baku dan barang modal. Proses pembentukan harganya melalui proses produksi terlebih dahulu, sehingga elastisitasnya lebih rendah dibandingkan kelompok barang konsumsi. Melalui first direct pass-through, dampak fluktuasi nilai tukar terhadap inflasi dapat terjadi seketika (contemporaneous). Sementara pada second direct pass-through mempunyai efek tunda (lag effect). Dampak langsung perubahan nilai tukar mempengaruhi inflasi melalui perubahan indeks harga barang domestik yang berasal dari impor barang-barang konsumsi (final goods). Dimana jika terjadi fluktuasi nilai tukar (depresiasi mata uang) maka harga barang luar negeri akan menjadi mahal. McCarthy (2000) dengan menggunakan model of pricing along distribution chain menganalisis efek langsung dari perubahan nilai tukar melalui beberapa tahap yaitu (1) guncangan dari sisi penawaran (supply shock) yang diidentifikasi melalui inflasi harga minyak (oil price), (2) guncangan dari sisi permintaan (demand shock) yang diidentifikasi dengan menggunakan proksi

25

output gap yang dihitung dari selisih output riil dengan output potensial ditambah guncangan dari sisi penawaran dan (3) guncangan dari sisi kurs yang diidentifikasi melalui perubahan pergerakan kurs ditambah guncangan sisi permintaan dan penawaran. Lebih jelasnya perumusan model dapat dilihat dibawah ini:

π itoil = Et − n (π itoil ) + ε its yit = Et − n ( yit ) + a ε + ε s 1i it

d it

Δeit = Et − n (Δeit ) + a1iε its + a2iε itd + ε ite

(17) (18) (19)

Pada tahap selanjutnya efek perubahan kurs akan mempengaruhi inflasi secara langsung melalui harga barang impor dan secara tidak langsung melalui PPI. Dengan menggunakan persamaan (17), (18) dan (19) maka tingkat inflasi di negara i pada periode waktu t dapat ditulis sebagai berikut :

π itm = Et − n (π itm ) + b1iε its + b2iε itd + b3iε ite + ε itm

(20)

π itppi = Et − n (π itppi ) + c1iε its + c2iε itd + c3iε ite + c4iε itm +ε itppi

(21)

π itcpi = Et − n (π itcpi ) + d1iε its + d 2iε itd + d3iε ite + d 4iε itm +d5iε itppi + ε itcpi

(22)

dimana :

π itoil yit Δeit

π itm π itppi π itcpi

: inflasi harga minyak (oil price) di negara i pada waktu t : output gap di negara i pada waktu t : perubahan kurs (kurs nominal efektif) di negara i pada waktu t : imported inflation (harga impor) di negara i pada waktu t : inflasi PPI di negara i pada waktu t : inflasi IHK di negara i pada waktu t

Et − n (π itoil ) : ekspektasi harga minyak berdasarkan periode sebelumnya di negara i Et − n ( yit ) : ekspektasi output gap berdasarkan periode sebelumnya di negara i Et − n (Δeit ) : ekspektasi perubahan kurs berdasarkan periode sebelumnya di negara i pada waktu t m Et − n (π it ) : ekspektasi inflasi imported inflation berdasarkan periode

26

sebelumnya di negara i pada waktu t Et − n (π ) : ekspektasi inflasi PPI berdasarkan periode sebelumnya di negara i pada waktu t cpi Et − n (π it ) : ekspektasi inflasi IHK berdasarkan periode sebelumnya di negara i pada waktu t s ε it : guncangan sisi penawaran ppi it

ε itd ε ite ε itm ε itppi ε itcpi b.

: guncangan sisi permintaan : guncangan kurs : guncangan imported inflation : guncangan PPI : guncangan IHK

Efek Tidak Langsung (Indirect Effect) Menurut McCarthy (2000) efek tidak langsung yang diakibatkan oleh

perubahan nilai tukar ditransmisikan melalui Producer Price Index (PPI). Sementara itu Sato et, al (2005) dan Menon (1995) menemukan bahwa efek tidak langsung yang ditimbulkan oleh perubahan kurs melalui guncangan sisi permintaan dan sisi penawaran. Analisis dari sisi permintaan mengindikasikan bahwa peningkatan pendapatan eksportir dalam negeri akan meningkatkan permintaan mereka terhadap barang dan jasa. Kemudian dari sisi penawaran adalah peningkatan harga bahan baku (intermediate input) yang memiliki komponen impor yang pada selanjutnya akan meningkatkan biaya produksi perusahaan. Hyder dan Shah (2004) juga menemukan bahwa di Pakistan efek tidak langsung yang bersumber dari peningkatan harga bahan baku pada akhirnya akan meningkatkan harga barang ekspor sehingga ekspor menjadi tidak murah lagi ketika terjadi depresiasi mata uang Pakistan (Pak Rupee).

27

2.9.

Jenis Inflasi

a.

Demand pull inflation Faktor penyebab terjadinya demand pull inflation adalah tingginya

permintaan barang dan jasa relatif terhadap ketersediaannya sedangkan produksi telah berada pada keadaan full employment. Kurva demand pull inflation ditunjukkan oleh Gambar 2.2. Dalam konteks makroekonomi, kondisi ini digambarkan oleh output riil yang melebihi output potensialnya atau permintaan total (agregat demand) lebih besar daripada kapasitas perekonomian akibatnya penambahan permintaan hanyalah akan menaikkan harga saja. Tingkat Harga Umum (P)

Kuantitas Agregat (Y)

Sumber : Mishkin (2001)

Gambar 2.2. Kurva Demand Pull Inflation b.

Cost push inflation Dalam cost push inflation inflasi disebabkan oleh pergeseran ke kiri atas

kurva agregat suplai. Penyebab pergeseran ini antara lain kenaikan harga minyak dunia, tuntutan kenaikan upah oleh buruh sehingga meningkatkan biaya produksi dan menggeser kuva AS1 ke kiri atas dan keseimbangan berada di titik 1’. Kemudian pergeseran dalam kurva AS akan menimbulkan reaksi dari sisi permintaan dimana permintaan akan menurun akibat tingginya harga dan

28

keseimbangan bergeser ke titik 2. Kurva cost push inflation ditunjukkan oleh Gambar 2.3 di bawah ini. Tingkat Harga Umum

Sumber : Mishkin (2001)

Kuantitas Agregat (Y)

Gambar 2.3. Kurva Cost Push Inflation c.

Ekspektasi inflasi (expected inflation) Faktor ekspektasi inflasi dipengaruhi oleh perilaku masyarakat dan pelaku

ekonomi apakah lebih cenderung bersifat adaptif atau forward looking. Hal ini tercemin dari perilaku pembentukan harga di tingkat produsen dan pedagang terutama pada saat menjelang hari-hari besar (lebaran, natal dan tahun baru) dan penentuan upah minimum (minimum wages). d.

Perspektif Inflasi Pada dasarnya, teori inflasi dibedakan menjadi dua aliran, yaitu aliran

Monetaris dan aliran Keynesian. Aliran Monetaris menganggap bahwa inflasi merupakan murni fenomena moneter. Sementara aliran Keynessian menganggap bahwa inflasi tidak saja merupakan fenomena moneter tetapi juga fenomena sector riil. Salah satu penganut aliran Monetaris adalah Irving Fisher, yang mengemukakan tentang teori kuantitas uang (quantity theory of money). Teori

29

Irving Fisher atau dikenal dengan nama Fisher Effect merupakan persamaan identitas sebagai berikut (Mankiw, 2000) :

MV=PT

dimana :

M V P T

(23)

= Penawaran Uang = Tingkat Perputaran Uang (velocity of money) = Tingkat Harga Barang = Transaksi Barang

Sementara aliran Keynessian mengasumsikan bahwa uang dapat digunakan untuk transaksi, berjaga-jaga dan spekulasi. Dengan demikian permintaan uang riil merupakan fungsi sebagai berikut (Mankiw, 2000) :

M = L(i, Y ) P

(24)

dimana M adalah stok uang, P adalah tingkat harga, i adalah tingkat suku bunga nominal dan Y adalah output riil, maka tingkat harga :

P=

M L(i, Y )

(25)

Sementara, tingkat bunga khususnya suku bunga riil merupakan biaya modal yang merupakan salah satu komponen faktor produksi. Besarnya tingkat suku bunga nominal ditunjukkan oleh persamaan Fisher berikut ini (Mankiw, 2000) :

i = r +π e

(26)

30

Artinya perubahan suku bunga nominal akan dipengaruhi oleh perubahan tingkat suku bunga riil (r) dan tingkat ekspektasi inflasi ( π e ). Tingkat suku bunga nominal mempunyai hubungan positif terhadap inflasi dengan demikian tingkat harga atau inflasi dapat dipengaruhi oleh :

P=

M L( r , π e , Y )

(27)

Maka dengan demikian inflasi selain dipengaruhi oleh jumlah uang beredar (M) juga dipengaruhi oleh tingkat suku bunga riil, ekspektasi inflasi dan output.

2.10. Hubungan Nilai Tukar Dengan Tingkat Harga

Hubungan antara nilai tukar dalam makro ekonomi dapat melalui pasar barang maupun pasar uang. Salah satu model yang digunakan untuk mengetahui hubungan antara nilai tukar dengan tingkat harga adalah model MundellFlemming yang dikembangkan pada awal tahun 1960-an oleh Robert A Mundell dan J Marcus Flemming. Model ini mengasumsikan bahwa perekonomian adalah perekonomian kecil terbuka (small-opened economy). Model ini menggambarkan interaksi pasar barang yang direpresentasikan oleh kurva IS dan pasar uang yang direpresentasikan oleh kurva LM dalam perekonomian terbuka. Salah satu poin penting dalam model ini adalah bahwa perilaku perekonomian tergantung pada sistem kurs yang diadopsinya dan mobilitas modal sempurna yang artinya bahwa tingkat suku bunga domestik ( r ) ditentukan oleh tingkat suku bunga dunia ( r * ). Secara matematis kita bisa menulis asumsi ini sebagai berikut (Mankiw, 2000) : r = r*

(28)

31

Untuk mengkaji penyesuaian harga dalam perekonomian terbuka, kita harus membedakan antara kurs nominal (e) dan kurs riil (q). Kita bisa menulis model Mundell-Flemming sebagai berikut (Mankiw, 2000): Y = C (Y − T ) + I (r * ) + G + NX (q)............IS *

(29)

= L(r * , Y )........................................LM *

(30)

M

P

Persamaan pertama menjelaskan kurva IS dan persamaan kedua menjelaskan kurva LM. Gambar di bawah ini menunjukkan bagaimana keseimbangan jangka panjang dan jangka pendek melalui kurva IS dan LM dalam perekonomian terbuka kecil. Kurs riil (q)

Pendapatan,Output (Y)

(A) Kurva Model Mundell Flemming Tingkat Harga (P)

Sumber : Mankiw (2000)

Pendapatan,Output (Y)

(B) Kurva Model Penawaran dan Permintaan Agregat

Gambar 2.4. Model Mundell-Flemming Jangka Pendek dan Jangka Panjang

32

Titik K dalam kedua gambar (Gambar 2.4 A dan B) menunjukkan keseimbangan di bawah asumsi keynessian bahwa tingkat harga tetap (sticky) pada P1. Pada keseimbangan ini, permintaan terhadap barang dan jasa terlalu rendah untuk mempertahankan perekonomian berproduksi pada tingkat alamiah. Sepanjang waktu, permintaan yang rendah menyebabkan tingkat harga turun. Penurunan dalam tingkat harga meningkatkan keseimbangan uang riil, yang pada selanjutnya menggeser kurva LM ke kanan. Kurs riil mengalami depresiasi, sehingga ekspor bersih naik. Berangsur-angsur perekonomian mencapai titik C, keseimbangan jangka panjang. Kecepatan transisi antara keseimbangan jangka panjang dan jangka pendek tergantung pada secepat apa tingkat harga menyesuaikan untuk mengembalikan perekonomian ke tingkat alamiah. Kapan pun pembuat kebijakan mempertimbangkan

perubahan

dalam

kebijakan,

mereka

perlu

mempertimbangkan dampak jangka panjang dan jangka pendek dari keputusan mereka.

2.11. Kerangka Pemikiran

Skema alur berpikir pada Gambar 2.5 digunakan untuk menganalisis efek perubahan kurs pada penelitian ini. Pada penelitian ini jalur yang digunakan adalah jalur langsung, yakni melalui harga barang impor yang di proxi melalui Indeks harga perdagangan besar. Beradasarkan penelitian-penelitian terdahulu diduga kuat bahwa pengaruh perubahan kurs di negara small open economy di diawali oleh guncangan minyak dunia. Oleh sebab itu, dengan adanya guncangan harga minyak dunia tersebut akan berdampak pada ekspekstasi inflasi masyarakat

33

akan tingginya inflasi karena guncangan harga minyak dunia akan mempengaruhi biaya produksi. Sehingga ketika harga minyak dunia meningkat, Bank Sentral akan melakukan intervensi melalui suku bunga. Suku bunga yang ditetapkan oleh Bank Sentral akan mempengaruhi uang beredar sehingga akan berpengaruh terhadap kurs. Guncangan kurs akan berpengaruh terhadap harga barang impor baik harga bahan baku, barang konsumsi maupun harga barang modal yang diproksi melalui Indeks Harga Barang Perdagangan Besar (IHPB) sektor impor. Kemudian harga barang impor tersebut akan ditransmisikan pada harga barang dan jasa yang diterima oleh konsumen. Harga barang dan jasa di Indonesia dapat dibagi dalam tujuh kelompok yaitu kelompok bahan makanan; kelompok makanan jadi, minuman, rokok dan tembakau; kelompok perumahan; kelompok sandang; kelompok kesehatan; kelompok pendidikan, rekreasi dan olahraga. Secara alur pemikiran yang akan digunakan dalam penelitian ini dapat dilihat pada Gambar 2.5.

34

: Fokus pembahasan dalam penelitian Gambar 2.5. Kerangka pemikiran efek perubahan kurs terhadap kelompok indeks harga konsumen

35

2.12. Ruang Lingkup Penelitian

Dalam penelitian ini exchange rate pass-through didefenisikan sebagai perubahan harga (dalam hal ini perubahan harga-harga barang dan jasa yang dikonsumsi masyarakat) sebagai akibat perubahan satu persen dalam kurs domestik terhadap kurs asing. Sesuai dengan judul penelitian ini yang meneliti efek perubahan kurs terhadap tujuh kelompok IHK, maka selanjutnya pembahasan penelitian ini hanya akan membahas efek dari perubahan hurs terhadap fluktuasi IHK (kotak bergaris putus-putus). Hal ini berarti meskipun dalam penelitian ini memasukkan beberapa indikator determinan inflasi seperti jarga minyak dunia maupun jumlah uang beredar, dalam penelitian ini hal tersebut tidak dibahas.

36

III. METODE PENELITIAN

3.1.

Jenis dan Sumber data

Data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk time series. Indeks harga konsumen beserta tujuh kelompok indeks harga konsumen dan indeks harga perdagangan besar (IHPB) impor diperoleh dari Indikator ekonomi Biro Pusat Statistik Jakarta, kemudian kurs Rupiah terhadap Dolar suku bunga, harga minyak dunia dan jumlah uang beredar diperoleh dari website Bloomberg kerjasama dengan BAPEPAM, Data yang digunakan adalah data statistik bulanan kurun waktu 1998-2005. Selain berasal dari lembagalembaga tersebut di atas, data sekunder juga berasal dari literatur-literatur lain yang berkaitan dengan topik penelitian.

3.2.

Metode Analisis

Efek perubahan kurs terhadap masing-masing kelompok IHK akan dianalisis dengan menggunakan Struktural Vector Auto Regressive (SVAR). Jika data yang digunakan ada yang stasioner pada turunan pertama maka model tersebut akan dikombinasikan dengan model koreksi kesalahan (error correction model) sehingga menjadi cointegrated VAR atau disebut juga dengan Vector Error Correction Model. Dalam penelitian semua data diubah kedalam logaritma natural kecuali suku bunga. Kemudian untuk data yang berbentuk indeks diubah ke tahun dasar 2002. Perangkat lunak yang digunakan dalam pengolahan data untuk mencapai tujuan penelitian adalah Eviews 4.1.

37

3.3.

Analisisi Structural Vector AutoRegressive (SVAR)

Pemodelan Vector AutoRegressive (VAR) adalah bentuk pemodelan yang digunakan untuk multivariate time series. Model VAR pertama kali dikembangkan oleh Sims terutama sebagai solusi atas kritiknya terhadap model persamaan simultan yaitu (Amisano & Giannini, 1997) : 1. spesifikasi dari sistem persamaan simultan terlalu berdasarkan agregasi dari model keseimbangan parsial tanpa adanya fokus untuk menghasilkan hubungan yang hilang (omitted interrelations) 2. struktur dinamis dari model seringkali dispesifikasikan dengan tujuan untuk memberikan restriksi yang perlu dalam mendapatkan identifikasi dari bentuk struktural Oleh karena itu dalam model VAR untuk mengatasi kritik di atas terutama dalam menentukan variabel mana yang harus bersifat eksogen dan endogen, pendekatan VAR berusaha membiarkan “let the data speaks for themselves” dengan membuat semua variabel bersifat endogen (McCoy, 1997). Dengan demikian dalam kerangka VAR, setiap variabel baik dalam level maupun first difference, diperlakukan secara simetris di dalam sistem persamaan yang mengandung regressor set yang sama. Spesifikasi model VAR meliputi pemilihan variabel dan banyaknya selang (lag) yang digunakan dalam model. Sesuai dengan metodologi Sims (1980), variabel yang dipergunakan di dalam persamaan VAR dipilih berdasarkan model ekonomi yang relevan. Pemilihan selang optimal kemudian akan

38

memanfaatkan kriteria informasi seperti Akaike Info Criterion (AIC), Schwarz Info Criterion (SC) maupun Hannan-Quinn Criterion (HQ). Analisis Structural Vector AutoRegressive (SVAR) didasarkan pada upaya untuk memberikan suatu solusi yang masuk akal terhadap suatu masalah yaitu

dengan

berdasarkan

pada

pembebanan

dari

satu

set

restriksi

(pensyaratan/pembatasan). Pembatasan ini menjadi bisa menguji (testable) ketika mereka mengijinkan suatu struktur over-identified yang ingin diperoleh. SVAR dapat dipandang sebagai jembatan antara teori ekonomi dan multiple time series analysis. Maka sebagai konsekuensinya metode ini seringkali harus berhubungan dengan suatu analisis guncangan (analysis of disturbances). Model SVAR memasukkan sejumlah restriksi yang diidentifikasi berdasarkan teori ekonomi (orthogonal) ketimbang model VAR yang tidak menggunakan restriksi (atheoritic restrictions). Hal ini berarti SVAR merestriksi berdasarkan hubungan yang kuat akan bentuk urutan (ordering) variabel-variabel yang digunakan dalam sistem VAR.

3.4.

Analisis Vector Error Correction Model (VECM)

Salah satu syarat dalam analisis VAR adalah data harus stasioner. Kestasioneran data tersebut dapat dilakukan melalui pengujian terhadap ada tidaknya unit roots dalam variabel dengan Uji Augmented Dickey Fuller (ADF). Kestasioneran data tersebut penting, agar tidak menimbulkan persamaan regresi yang surious yang diakibatkan oleh adanya unit roots.

39

Ketika dua atau lebih variabel yang terlibat dalam suatu persamaan pada level tidak stasioner maka kemungkinan pada persamaan tersebut (Verbeek, 2000). Jika Setelah dilakukan uji kointegrasi dan terdapat persamaan kointegrasi dalam model maka dianjurkan untuk memasukkan kointegrasi ke dalam model yang digunakan. Pada umumnya data time series stasioner pada tururnan pertama. Untuk mengantisipasi hilangnya informasi jangka panjang dalam penelitian ini maka akan digunakan model VECM jika data yang digunakan stasioner pada turunan pertama. Persamaan VECM secara matematis ditunjukkan oleh persamaan berikut (Verbeek, 2000): k −1

ΔYt = ∑ Γi ΔYt − i − γβ Yt −1 + ε t ............................................................(3.1) i =1

dimana: Γ : koefisien hubungan jangka pendek

β : koefisien hubungan jangka panjang

γ : kecepatan menuju keseimbangan (speed adjustment)

3.5.

Uji Stasioneritas

Uji stasioneritas merupakan hal penting yang berkaitan dengan penelitian yang menggunakan data time series. Data deret waktu dikatakan stasioner jika secara stokastik data menunjukkan pola yang konstan dari waktu ke waktu atau dengan kata lain tidak terdapat pertumbuhan atau penurunan pada data, secara kasar bisa dikatakan data harus horisontal sepanjang sumbu waktu. Data bersifat stasioner pada nilai tengahnya apabila data tersebut berfluktuasi di sekitar nilai

40

tengah yang tetap dari waktu ke waktu, kemudian juga bersifat stasioner pada variannya apabila berfluktuasi dengan varian yang tetap dari waktu ke waktu. Penggunaan data yang tidak stasioner dapat menghasilkan regresi yang semu, yaitu regresi yang menggambarkan hubungan dua variabel atau lebih yang nampaknya signifikan secara statistik padahal dalam kenyataannya tidak sebesar regresi yang dihasilkan tersebut, sehingga hal ini dapat menghasilkan kesalahan dalam pengambilan keputusan. Ada beberapa metode yang dapat digunakan untuk menguji keberadaan stasioneritas seperti Augmented Dickey-Fuller (ADF), Philips Perron (PP), dan lain sebagainya. Namun pada penelitian ini untuk menguji kestasioneran data hanya menggunakan uji ADF. Uji ADF dilakukan pada persamaan umum VAR, seperti pada persamaan (3.1), yang kemudian diubah parameternya dengan mengurangi Yt-1 pada kedua sisi persamaan, sehingga didapatkan Yt − Yt -1 = AY 1 t -1 − Yt -1 + ε t

(3.2)

Kemudian persamaan (3.1) dapat diubah menjadi ΔYt = Ao + δ Yt −1 + A2Yt − 2 + ... + ApYt − p + ε t

(3.3)

Adapun hipotesis yang diuji adalah: H0

: δ = 0 (data mengikuti pola yang stokastik atau mengandung akar unit)

H1

: δ < 0 (data mengikuti pola yang stasioner) Keputusan hasil uji ADF ditentukan dengan melihat nilai statistik

yang kemudian dibandingkan dengan nilai kritikal Mc Kinnon pada tabel DickeyFuller. Apabila nilai statistik lebih besar dari pada tingkat kritis Mc Kinnon, pada

41

tingkat kritis yang telah ditentukan, 1%, 5%, atau 10%, maka H0 diterima yang berarti data mengandung akar unit atau tidak stasioner. Sebaliknya bila nilai statistik lebih kecil dari pada nilai kritis Mc Kinnon maka H0 ditolak yang mengindikasikan bahwa data stasioner.

3.6.

Penentuan Lag Optimal

Dalam menentukan panjang lag optimal (lag length criteria) dapat dilakukan dengan menggunakan beberapa kriteria, seperti Likelihood Ratio (LR), Schwarz Information Criterion (SC), Akaike Information Criteria (AIC), Final Prediction Error (FPE) dan Hannan-Quinn Criterion (HQ). Pada penelitian ini

penentuan lag optimal hanya dilakukan berdasarkan kriteria AIC. Di mana AIC mengikuti persamaan sebagai berikut: ⎡ ∑ ε t 2 ⎤ 2k AIC = log ⎢ ⎥+ ⎢⎣ N ⎥⎦ N

(3.4)

Di mana ∑εt2 adalah jumlah residual kuadrat, sedangkan N dan k masing-masing merupakan jumlah sampel dan jumlah variabel yang beroperasi pada persamaan tersebut. Besarnya lag optimal ditentukan oleh lag yang memiliki nilai kriteria AIC yang terkecil. Penentuan lag optimal dapat juga dilakukan dengan memperbandingkan Adjusted R2 variabel VAR dari masing-masing kandidat selang. Selang optimal akan dipilih dari sistem VAR dengan selang tertentu yang menghasilkan nilai Adjusted R2 terbesar pada variabel-variabel penting di dalam sistem. Pada metode VAR, lag yang terlalu panjang akan membuang derajat bebas

42

dengan percuma dan lag yang terlalu pendek dapat menyebabkan spesifikasi model yang salah.

3.7.

Uji Kointegrasi

Kointegrasi

adalah

suatu

hubungan

jangka

panjang

(long-term

relationship) antara variabel-variabel yang tidak stasioner. Kointegrasi berarti walaupun secara individu tidak stasioner, kombinasi linear antara variabel tersebut dapat menjadi stasioner. Ada beberapa cara untuk melakukan uji kointegrasi, antara lain Engle-Granger Cointegration Test, Johansen Cointegration Test, dan Cointegrating Regression Durbin-Watson (CRDW) Test. Dalam penelitian ini uji kointegrasi yang digunakan adalah uji kointegrasi Johansen.

3.8.

Restriksi Sementara

Tujuan utama penggunaan model SVAR adalah untuk memperoleh nonrecursive ortogonal dari error term untuk analisis impuls respon. Oleh karena itu model SVAR memasukkan sejumlah restriksi untuk mengidentifikasi komponen struktural atau ortogonal dari error term. Untuk itu harus dimasukkan sebanyak untuk restriksi jangka panjang

n2 + n 2

untuk restriksi jangka pendek (McCoy,

1997; Amisano & Giannini, 1997). Dengan demikian jumlah restriksi yang harus dimasukkan kedalam persamaan VAR adalah sebanyak 21 persamaan untuk restriksi model jangka pendek. Pada penelitian ini jenis restriksi yang digunakan adalah restriksi jangka pendek (contemporaneous restrictions).

43

3.9.

Model Restriksi

Model restriksi dalam penelitian ini mengacu pada model Hyder dan Shah (2004) yang mengasumsikan bahwa bank akan mengintervensi ekspektasi inflasi. Namun dalam penelitian ini tidak sepenuhnya mengadopsi model tersebut dimana dalam model ini tidak memasukkan output yang diidentifikasi melalui indeks produksi masing-masing kelompok IHK (tujuh kelompok indeks produksi yang dikonsumsi konsumen). Model dalam penelitian ini melihat efek yang diakibatkan oleh perubahan kurs melalui harga indeks harga perdagangan besar (IHPB) kelompok impor atau dengan kata lain inflasi IHK masing-masing tujuh kelompok hanya dilihat melalui efek langsung. Sesuai dengan kerangka pemikiran sebelumnya maka untuk melihat perubahan nilai tukar yang langsung mempengaruhi perubahan harga barangbarang impor ke dalam indeks harga konsumen dapat dimodelkan sebagai berikut: 0 ⎡1 ⎢a ⎢ 21 1 ⎢ a31 a32 ⎢ ⎢ a41 a42 ⎢ a51 a52 ⎢ ⎢⎣ a61 a62

0 0

0 0

0 0

1

0

0

a43

1

0

a53

a54

1

a63

a64

a65

B

⎡ ε tπ ⎤ 0 ⎤ ⎡ etπ ⎤ ⎢ ⎥ ⎢ i ⎥ 0 ⎥⎥ ⎢ eti ⎥ ⎢ εt ⎥ m 2 ⎢ ε m2 ⎥ 0 ⎥ ⎢ et ⎥ t ⎢ ⎥ ⎥ e = ziz ⎢ e ⎥ 0 ⎥ ⎢ et ⎥ ⎢ εt ⎥ wpi ⎢ ⎥ ⎢ ε wpi ⎥ 0 ⎥ et ⎢ ⎥ ⎢ t ⎥ ⎥ ihk π ⎢ε π ihk ⎥ 1 ⎥⎦ ⎢ e ⎥ ⎣ it ⎦ ⎣ it ⎦ e Z ε oil

oil

(3.5)

dimana: aij

= elemen dari B

eti

= residual (error term) dari guncangan orthogornal (orthogonal shocks)

zj

= cholesky restrictions

ε

= vektor guncangan ortogonal (vector orthogonal shocks)

i t

44

Model Struktrur model ini dimulai dengan (1) guncangan dari sisi penawaran yang diidentifikasi dari adanya inflasi harga minyak (oil price), (2) akibat adanya supply shock tersebut maka bank sentral akan melakukan intervensi melalui suku bunga kemudian (3) suku bunga akan mempengaruhi jumlah uang yang beredar. Secara matematis dapat dilihat dalam persamaan dibawah ini :

π toil = Et − n (π toil ) + ε ts

(3.6)

it = Et − n (it ) + A1ε ts + ε ti

(3.7)

Δm2 = Et − n (m2 ) + α1ε ts + α 2ε ti + ε tm2

(3.8)

Pada tahap selanjutnya jumlah uang beredar, supply shock yang diidentifikasi dari harga minyak dan guncangan suku bunga akan mempengaruhi nilai tukar. Dengan menggunakan persamaan (3.6), (3.7) dan (3.8) maka persamaan matematisnya dapat ditulsi sebagai berikut :

et = Et − n (et ) + k1ε ts + k2ε iti + k3ε tm2 + ε te

(3.9)

Setelah melalui kurs maka efek ini akan diteruskan pada perubahan WPI atau indeks harga perdagangan besar (IHPB) yang berasal dari barang impor

π twpi = Et − n (π twpi ) + λ1ε ts + +λ2ε ti + λ3ε tm + λ4ε te + ε twpi 2

(3.10)

Inflasi impor yang terjadi pada IHPB impor dan juga adanya kombinasi shock yang terjadi akan menyebabkan terjadinya perubahan pada harga yang diterima konsumen pada IHK yang terdiri dari tujuh kelompok. Sehingga persamaan

45

guncangan struktural untuk masing-masing tujuh kelompok IHK dapat dirumuskan sebagai berikut

π itihk = Et − n (π tihk ) + γ 1ε ts + γ 2ε ti + γ 3ε tm + γ 4ε te + γ 5ε twpi + ε itihk 2

(3.11)

dimana:

π toil

: : : :

it m2t et

π twpi π itihk

: indeks harga impor (IHPB impor) pada waktu t

Et − n (π toil ) Et − n (it ) Et − n (mS t ) Et − n (et )

: indeks harga konsumen (IHK ) masing-masing kelompok indeks harga konsumen pada waktu t : lag harga minyak berdasarkan n periode sebelumnya : lag suku bunga berdasarkan n periode sebelumnya : lag jumlah uang beredar berdasarkan n periode sebelumnya : lag perubahan kurs berdasarkan n periode sebelumnya

Et − n (π twpi )

: lag inflasi WPI berdasarkan n periode sebelumnya

Et − n (π

: lag inflasi IHK berdasarkan n periode sebelumnya untuk masing-masing kelompok IHK : guncangan harga minyak (supply shock)

ε ts ε ti ε tm ε te ε twpi ε itihk 2

i t n

3.10.

harga minyak (oil price) pada waktu t suku bunga (%) jumlah uang beredar (M2) pada waktu t kurs (kurs efektif nominal) pada waktu t

ihk t

)

: guncangan suku bunga : guncangan jumlah uang beredar (M2) : guncangan kurs : guncangan WPI impor : : : :

guncangan IHK kelompok IHK periode waktu (bulan) panjang lag

Impulse Response Function (IRF)

Analisis impuls respon (impulse response function/IRF) adalah metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap

46

guncangan (shock) variabel tertentu (Amisano dan Gianinni, 1997). IRF juga digunakan untuk melihat shock dari satu variabel terhadap variabel yang lain dan berapa lama (periode) pengaruh tersebut. Jadi metode ini digunakan untuk menjawab permasalahan pertama dan kedua dari penelitian ini.

3.11.

Decomposition of Forecasting Error Variance (DFEV)

Analisis dekomposisi varian (DFEV) digunakan untuk menghitung dan menganalisis seberapa besar pengaruh acak guncangan (random shock) dari variabel tertentu terhadap variabel endogen (Amisano dan Gianinni, 1997). Singkatnya DFEV menghasilkan informasi mengenai relatif pentingnya masingmasing inovasi acak (random innovation structural disturbance) atau seberapa kuat komposisi dari peranan variabel tertentu terhadap variabel lainnya dalam model SVAR. Alat analisis ini yang akan digunakan untuk menjawab permasalahan ketiga dalam penelitian ini.

3.12.

Derajat Pass-Through

Metode penghitungan derajat pass-through pada penelitian ini mengacu pada model Hyder dan Shah (2004) dan McCarthy (2000) dimana Cholesky

Decomposition digunakan untuk mengidentifikasi guncangan struktural dan menghitung derajat pass-through melalui analisis impuls respon.

Koefisien

(derajat) pass-through dihitung berdasarkan kumulatif impuls respon dari guncangan kurs terhadap harga dan guncangan kurs terhadap kurs itu sendiri. Maka analisis ini sekaligus menjawab permasalahan pertama dan kedua pada

47

penelitian ini. Adapun persamaan matematis penghitungannya dapat ditulis sebagai berikut : n

Derajat Pass-Through =

∑ψ i =1 n

ihk nt

∑ψ i =1

(3.12) e nt

dimana : n

∑ψ i =1

p nt

= kumulatif respon harga terhadap inovasi kurs untuk masingmasing kelompok IHK dari horizon pertama sampai ke-n

n

∑ψ i =1

e n

= kumulatif respon kurs terhadap inovasi kurs untuk masing-masing kelompok IHK berdasarkan persamaan masingmasing guncangan struktural IHK

48

IV. HASIL DAN PEMBAHASAN Sebagaimana telah dijelaskan pada bagian metode penelitian, bahwa metode analisis data yang digunakan dalam penelitian ini adalah Structural Vector

Auto Regression (VAR) yang akan dikombinasikan dengan VECM. Analisis data dilakukan dengan menggunakan bantuan software Eviews Versi 4.1.

4.1. Uji Stasioner Data

Langkah pertama yang dilakukan sebelum menganalisis model adalah menguji kestasioneran data untuk masing-masing variabel yang digunakan karena sebagian besar data time series mempunyai akar unit. Pengujian dilakukan terhadap masing-masing variabel yang akan dimasukkan dalam model dan data yang dimasukkan adalah dalam bentuk Logaritma. Hasil pengujian semua variabel pada level dengan menggunakan uji Augmented Dicky Fuller (ADF) disajikan dalam tabel di bawah. Tabel 4.1 Uji Akar Unit Level

Variabel

LIHKumum LIHKbm LIHKmmrt LIHKph LIHKs LIHKkn LIHKpro LIHKtk LOP LM2 I LE LWPIimp Sumber : : Lampiran 1

Nilai ADF

-1.567779 -3.191263 -1.850775 -3.500843 -2.258423 -2.287772 -0.937941 1.352338 -0.717377 -1.915698 -2.292730 -3.256934 -1.978930

Nilai Kritis McKinnon 5% 10% -2.892536 -2.583371 -2.892879 -2.583553 -2.892536 -2.583371 -2.892200 -2.583192 -2.893230 -2.583740 -2.892879 -2.583553 -2.896346 -2.585396 -2.894716 -2.584529 -2.892200 -2.583192 -2.892879 -2.583553 -2.896346 -2.585396 -2.896346 -2.585396 -2.892200 -2.583192

Keterangan

Tidak Stasioner Stasioner Tidak Stasioner Stasioner Tidak Stasioner Tidak Stasioner Tidak Stasioner Tidak Stasioner Tidak Stasioner Tidak Stasioner Tidak Stasioner Stasioner Tidak Stasioner

49

Keterangan LIHKumum

=

Logaritma Indeks Harga Konsumen (IHK) Indonesia

LIHKbm

=

Logaritma IHK kelompok bahan makanan

LIHKmmrt

=

Logaritma IHK kelompok makanan jadi, minuman, rokok dan tembakau

LIHKph

=

Logaritma IHK kelompok perumahan

LIHKs

=

Logaritma IHK kelompok sandang

LIHKpro

=

Logaritma IHK kelompok pendidikan, rekreasi dan olah raga

LIHKtk

=

Logaritma IHK kelompok transpor dan komunikasi

LOP

=

Logartma harga Minyak Dunia (Oil Price)

I

=

Suku bunga

LE

=

Logaritma kurs

LWPIimpor

=

Logaritma Whole Price Index (WPI) atau Indeks Harga Perdagangan Besar Sektor Impor

Dari tabel dapat dilihat bahwa terdapat 4 variabel yang stasioner pada level yaitu kelompok LIHKbm, LIHKph, LE. Hal ini dikarenakan nilai Augmented Dicky

Fuller variabel tersebut lebih besar dari nilai kritis MacKinnonn-nya (absolut). Uji stasioneritas pada derajat first difference (turunan pertama) merupakan kelanjutan dari akar-akar unit, sebagai akibat dari tidak terpenuhinya asumsi stasioneritas pada tingkat level. Dari Tabel 4.2 dapat diketahui bahwa uji pada

first difference semua variabel lolos pada derajat first difference. Selanjutnya data yang digunakan dalam penelitian ini adalah data pada data level, hal ini dikarenakan untuk menghindari hilangnya informasi jangka panjang.

50

Tabel 4.2 Uji Akar Unit first difference Variabel Nilai ADF Nilai Kritis McKinnon 5% 10% LIHKumum -4.709521 -2.895109 -2.584738 LIHKbm -5.033778 -2.892879 -2.583553 LIHKmmrt -7.832781 -2.892536 -2.583371 LIHKph -4.300268 -2.893230 -2.583740 LIHKs -6.685285 -2.892879 -2.583553 LIHKkn -4.974258 -2.892879 -2.583553 LIHKpro -3.710201 -2.896779 -2.585626 LIHKtk -3.099439 -2.894716 -2.584529 LOP -5.959953 -2.893589 -2.583931 LM2 -14.62033 -2.892879 -2.583553 LI -6.334061 -2.896779 -2.585626 LE -9.539325 -2.893956 -2.584126 LWPIimp -7.929287 -2.892536 -2.583371 Sumber : Lampiran 2

Keterangan

Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner Stasioner

4.2. Pengujian Lag Optimal

Penetapan lag optimal menjadi sangat penting dalam VAR karena variabel independen yang dipakai tidak lain adalah lag dari variabel endogennya. Untuk mendapatkan lag yang optimal dapat digunakan Akaike Information Criterion (AIC), Schwarz Information Criterion (SC) dan Hannan-Quinn Information

Criterion (HQ). Besarnya lag yang dipilih adalah lag yang menghasilkan AIC, SC atau HQ paling kecil. Tabel 4.3 Pengujian lag optimum persamaan VAR Lag Akaike Information Criterion (AIC) LIHKumum

IHKbm

IHKph

IHKs

IHKkn

IHKpro

IHKtk

0

-3.122802

-1.781987

-3.243283

-3.278884

-4.655565

-2.285477

-1.174083

1

-4.39144

-3.200634

-4.944081

-4.934062

-6.323357

-3.11908

-1.746719

2

-5.168314

-4.092774

-5.817847

-5.830515

-6.838391

-3.856229

-2.543051

3

-5.285446

-4.146617

-6.328249

-5.927999

-6.951408

-4.088020

-2.51748

4

-5.250671

-4.037043

-6.341907

-5.772133

-6.915798

-4.031727

-2.418836

5

-5.14533

-3.931833

-6.304829

-5.88925

-7.153492

-

-

6

-

-

-

-

-7.146985

-

-

Sumber : Lampiran Uji lag optimal masing-masing persamaan IHK Cetak tebal menunjukkan AIC terkecil

51

Dari pengujian lag optimum VAR pada tabel dapat dibuat persamaan VAR untuk IHKumum dan masing-masing ke-tujuh komponen indeks harga konsumen (IHK) sebagai berikut:

3

3

3

3

3

i =1

i =1

i =1

i =1

i =1

Z t = ∑ Γiπ top−i + ∑ Γi it −i + ∑ Γ i m2t −i + ∑ Γ i et −i + ∑ Γ iπ t -i 3

∑Γ π i =1

i

WPI imp

+

+ ε it ............................................................................................. ( 4.1)

IHKumum t-i

3

3

3

3

3

i =1

i =1

i =1

i =1

i =1

Z t = ∑ Γ iπ top−i + ∑ Γ i it −i + ∑ Γ i m2 t −i + ∑ Γ i et −i + ∑ Γ iπ t -i 3

∑Γ π i =1

i

WPI imp

+ ε it ........................................................................................... ( 4.2 )

IHK bm t-i

4

4

4

4

4

i =1

i =1

i =1

i =1

i =1

Z t = ∑ Γiπ top− i + ∑ Γ iit − i + ∑ Γ i m2t − i + ∑ Γ i et − i + ∑ Γ iπ t-i 4

∑Γ π i =1

i

WPI imp

3

3

3

3

3

i =1

i =1

i =1

i =1

i =1

Zt = ∑ Γiπ top− i + ∑ Γ iit − i + ∑ Γi m2t − i + ∑ Γ i et − i + ∑ Γ iπ t-i 3

i

i =1

IHK ph t-i

WPI imp

3

3

3

3

3

i =1

i =1

i =1

i =1

i =1

∑Γ π i =1

i

IHK s t-i

+

+ ε it .............................................................................................. ( 4.4 )

Zt = ∑ Γiπ top− i + ∑ Γ iit − i + ∑ Γi m2t − i + ∑ Γ i et − i + ∑ Γ iπ t-i 3

+

+ ε it ............................................................................................ ( 4.3)

IHK mmrt t-i

∑Γ π

+

WPIimp

+

+ ε it ................................................................................................ ( 4.5 )

52

5

5

5

5

5

i =1

i =1

i =1

i =1

i =1

Z t = ∑ Γiπ top− i + ∑ Γ iit − i + ∑ Γ i m2t − i + ∑ Γ i et − i + ∑ Γ iπ t-i 5

∑Γ π i =1

i

WPI imp

+ ε it .............................................................................................. ( 4.6 )

IHK kn t-i

3

3

3

3

3

i =1

i =1

i =1

i =1

i =1

Zt = ∑ Γiπ toil− i + ∑ Γ iit − i + ∑ Γ i m2t − i + ∑ Γ i et − i + ∑ Γ iπ t-i 3

∑Γ π i =1

i

IHK pro t-i

WPI imp

2

2

2

2

2

i =1

i =1

i =1

i =1

i =1

2

i =1

i

IHKtk t-i

+

+ ε it ............................................................................................. ( 4.7 )

Zt = ∑ Γiπ toil−i + ∑ Γiit − i + ∑ Γi m2t − i + ∑ Γ i et − i + ∑ Γ iπ t-i

∑Γ π

+

WPIimp

+

+ ε it .............................................................................................. ( 4.8 )

Dimana : Zt = variabel analisis yang terdiri dari harga minyak dunia ( π op ); suku bunga (i), uang beredar (m2); kurs nominal (e); indeks harga perdagangan besar sektor impor ( π

WPI imp

); kelompok indeks harga konsumen untuk masing-masing

persamaan yaitu: indeks harga konsumen keseluruhan ( π tIHKumum ), indeks harga konsumen kelompok bahan makanan ( π tIHKbm ); indeks harga konsumen kelompok makanan jadi, minuman, rokok dan tembakau ( π tIHK mmrt ); indeks harga konsumen kelompok perumahan, air, listrik, gas dan bahan bakar ( π t

IHK ph

); indeks harga

konsumen kelompok kesehatan ( π tIHKkn ); indeks harga konsumen kelompok pendidikan, rekreasi dan olah raga ( π t

IHK pro

); indeks harga konsumen kelompok

transportasi dan komunikasi ( π tIHKtk ) Γ = parameter dalam bentuk matrix polinomial dengan lag operator i

53

ε it = vector white noise i = panjang lag (ordo) VAR (i=1,2,3,4) Persamaan (4.1) adalah persamaan untuk IHK secara umum, yakni persamaan yang menggambarkan pengaruh perubahan kurs terhadap IHK secara agregat atau IHK yang tidak dikelompokkan. Pada penelitian ini pengaruh perubahan kurs terhadap IHK secara agregat tidak akan dibahas secara mendetail. Hal ini disesuaikan dengan tujuan penelitian yang akan membahas pass-through terhadap masing-masing kelompok IHK yaitu persamaan (4.2) sampai dengan persamaan (4.8) dan pembahasan difokuskan pada variabel e ke kelompok IHK.

4.3.

Pengujian Kointegrasi

Konsep kointegrasi adalah fenomena dimana kombinasi linear dari dua atau lebih variabel yang tidak stasioner akan menjadi stasioner. Kombinasi linear ini dikenal dengan istilah persamaan kointegrasi dan dapat diintepretasikan sebagai hubungan keseimbangan jangka panjang diantara variabel (Verbeek, 2000). Metode pengujian kointegrasi didasarkan pada metode Johansen. Pengujian ini dilakukan dalam rangka memperoleh hubungan jangka panjang antar variabel yang telah memenuhi persyaratan dalam proses integrasi yaitu dimana semua variabel telah stasioner pada derajat yang sama yaitu derajat satu I(1). Informasi jangka panjang diperoleh dengan menentukan terlebih dahulu

rank kointegrasi untuk mengetahui berapa sistem persamaan yang dapat menerangkan dari keseluruhan sistem yang ada. Kriteria pengujian kointegrasi pada penelitian ini didasarkan pada trace statistics. Apabila nilai trace statistics

54

lebih besar daripada nilai kritis 5% maka kita menerima hipotesis alternatif yang menyatakan jumlah kointegrasi. Hasil pengujian kointegrasi ditampilkan pada Tabel 4.4. Berdasarkan Tabel 4.4 dapat disimpulkan bahwa untuk persamaan indeks harga konsumen secara agregat (IHKumum) terdapat satu rank kointegrasi sedangkan untuk masing-masing kelompok IHK terdapat minimal satu rank kointegrasi pada tingkat kritis 5 persen, untuk indeks harga kelompok bahan makanan (IHKbm), indeks harga konsumen kelompok kesehatan (IHKkn), indeks harga konsumen kelompok transportasi (IHKtk) terdapat dua rank kointegrasi. Informasi jumlah rank kointegrasi ini akan digunakan sebagai model koreksi kesalahan (error correction model) yang dimasukkan dalam SVAR menjadi VECM. Tabel 4.4 Pengujian Kointegrasi Berdasarkan Trace Statistics Trace Statistics

Kelompok

Ho

R=0

R<=1

R<=2

R<=3

R<=4

R<=5

IHK

H1

R>=1

R>=2

R>=3

R>=4

R>=5

R>=6

IHKumum

116.4329

61.93064

35.54314

19.17971

6.395656

0.153362

IHKbm

124.2492

68.62457

46.96029

26.00538

10.97945

0.273495

IHKmmrt

106.9442

68.31062

40.07004

19.95324

6.306868

0.085191

IHKph

111.9185

65.83571

35.22516

18.26740

6.995875

1.200066

IHKs

134.2526

60.71579

35.90565

15.50796

5.793091

0.060642

IHKkn

132.6879

72.95015

44.08987

24.03632

8.932207

0.585523

IHKpro

110.1592

66.86940

36.64582

17.92253

5.413379

0.753035

IHKtk

121.6193

76.86145

41.36320

16.24644

4.691057

0.00003

94.15

68.53

47.21

29.68

15.41

5% critical value

Sumber : Lampiran Uji Kointegrasi masing-masing persamaan IHK Cetak tebal menunjukkan bahwa trace statistic > 5 % critical value dan terjadi kointegrasi

3.76

55

4.4.

Hasil Empiris

Model SVAR yang dikombinasikan dengan model koreksi kesalahan atau VECM digunakan dalam menganalisis efek perubahan kurs (pass-through effect) terhadap komponen IHK. Dalam menganalisis pass-through of exchange rate penelitian ini mengacu pada penelitian terdahulu (McCarthy, 2000; Hyder, dan Sah, 2004) yang meneliti efek perubahan kurs terhadap IHK yang diidentifikasi melalui guncangan yang terstruktur (3.6), dan pada penelitian ini meneliti terhadap masing-masing kelompok IHK. Sehingga digunakan Cholesky

Decomposition yang selanjutnya akan dianalisis dengan menggunakan simulasi analisis impuls respon dan dekomposisi ragam.

4.4.1 Analisis Impuls Respon

Dalam Analisis Impuls Respon akan dilihat respon kurs sebagai akibat adanya guncangan kurs sebesar satu standar deviasi. Hasil analisis respon akan menganalisis respon kurs sebagai adanya guncangan kurs dan juga respon IHK sebagai akibat adanya guncangan kurs.

4.4.1.1 Respon kurs terhadap guncangan kurs secara umum untuk IHKumum P e r s a m a a n IH K s e c a r a u m u m .065 .060 .055 .050 .045 .040 .035 .030 .025 5

10

15

20

25 B u la n

30

35

40

45

Gambar 4.1 Respon Kurs terhadap guncangan kurs pada IHK secara keseluruhan

56

Pada saat terjadinya guncangan, kurs rupiah akan mengalami apresiasi sebesar 6,2 persen dalam bulan pertama. Guncangan ini cenderung mengalami pertumbuhan yang negatif yang berarti pada bulan berikutnya pengaruh guncangan kurs tersebut akan semakin melemah. Hal ini dapat dilihat dalam kurva bahwa pada bulan kedua kurs mengalami apresiasi sebesar 5,8 persen, bulan ke-3 sebesar 4,7 persen hingga pada tengah tahun pertama pengaruh dari guncangan kurs tersebut menjadi sebesar 2,7 persen. Selanjutnya mulai pada bulan ke-7 hingga bulan ke-32 pengaruh dari guncangan tersebut akan mengakibatkan kurs berfluktuasi pada kisaran 3,1 – 3,6 persen dan pada bulan ke-33 kurs akan mencapai kestabilan.

4.4.1.2 Respon IHKumum terhadap guncangan Kurs IH K u m u m .000 -.001 -.002 -.003 -.004 -.005 -.006 5

10

15

20

25 B u la n

30

35

40

45

Gambar 4.2 Respon IHKumum terhadap guncangan kurs

Guncangan kurs sebesar satu standar deviasi akan menyebabkan penurunan IHK sebesar 0,08 persen pada bulan pertama. Hal ini konsisten dengan apresiasi kurs Rupiah yang terapresiasi pada bulan pertama saat tejadinya guncangan kurs. Selanjutnya indeks harga konsumen akan mengalami trend IHK menurun (deflasi) terutama dalam 4 bulan kedepan setelah terjadinya guncangan

57

dan mencapai titik terendah sebesar 0,59 persen. Mulai dari bulan ke-5 hingga bulan ke-21 IHK akan mengalami fluktuasi pada kisaran 0,56 -0,50 persen. Dalam jangka panjang guncangan kurs sebesar satu standar deviasi akan menyebabkan pertumbuhan IHK Indonesia yang negatif yaitu pada kisaran 0,49 persen. Keseimbangan jangka panjang ini dicapai pada bulan ke-22. Dengan demikian, fenomena efek perubahan kurs terhadap IHK yang terjadi di Indonesia sesuai dengan teori ekonomi yang berlaku.

4.4.1.3 Impuls Respons pada masing-masing kelompok IHK

Dalam Analisis Impuls Respon akan dilihat respon masing-masing komponen IHK sebagai akibat adanya guncangan kurs sebesar satu standar deviasi. Hasil analisis respon masing-masing komponen IHK sebagai akibat dari guncangan satu standar deviasi kurs dalam jangka waktu 48 horizon waktu ke depan adalah sebagai berikut : IH K b m

IH K m m r t .000

-.003

-.002 -.004

-.004 -.006

-.005

-.008 -.006

-.010 -.007

-.012 5

10

15

20

25 B u la n

30

35

40

45

5

10

15

IH K p h

20

25 B u la n

30

35

40

25 B u la n

30

35

40

45

IH K s

.0000

-.003 -.004

-.0004

-.005

-.0008

-.006

-.0012

-.007 -.008

-.0016

-.009

-.0020

-.010

-.0024

-.011

5

10

15

20

25 B u la n

30

35

40

45

5

10

15

20

45

58

IH K k n .000 -.001 -.002 -.003 -.004 -.005 -.006 -.007 5

10

15

20

25 B u la n

30

35

40

45

IH K tk

IH K p r o .002

.000 -.002

.001

-.004 -.006

.000

-.008

-.001

-.010 -.012

-.002

-.014

-.003

-.016

5

10

15

20

25 B u la n

30

35

40

45

5

10

15

20

25 B u la n

30

35

40

45

Gambar 4.3 Respon Masing-masing Kelompok IHK terhadap Guncangan Kurs a. IHK kelompok bahan makanan (IHKbm) Guncangan kurs sebesar satu standar deviasi akan menyebabkan penurunan IHKbm sebesar 0,03 persen pada bulan pertama. Hal ini konsisten dengan apresiasi kurs Rupiah yang terapresiasi pada bulan pertama saat tejadinya guncangan kurs. IHKbm Selanjutnya mengalami trend penurunan (deflasi) selama 4 bulan pertama. Kemudian cenderung meningkat pada bulan ke-5 hingga bulan ke-9. Selanjutnya guncangan kurs mengakibatkan IHKbm akan cenderung mengalami penurunan mulai dari bulan ke-10 hingga bulan ke-19. Dalam jangka panjang guncangan kurs sebesar satu estándar deviasi mengakibatkan IHKbm mengalami penurunan dan akan mencapai kestabilan mulai pada bulan bulan ke20. Pada IHKbm guncangan kurs yang mengakibatkan kurs terapresiasi dalam jangka pendek maupun jangka panjang akan mengakibatkan IHKbm mengalami

59

penurunan, hal ini konsisten dengan teori ekonomi dimana guncangan kurs yang mengakibatkan kurs terapresiasi akan mengakibatkan penurunan pada harga konsumen yang dikelompokkan dalam kelompok bahan makanan. b. IHK kelompok makanan jadi, minuman, rokok dan tembakau (IHKmmrt) Guncangan kurs sebesar satu standar deviasi akan menyebabkan penurunan IHKmmrt sebesar 0,1 persen. Hal ini konsisten dengan apresiasi kurs Rupiah yang terapresiasi pada bulan pertama saat tejadinya guncangan kurs. Dalam empat bulan pertama IHKmmrt akan mengalami trend penurunan. Artinya apresiasi kurs pada bulan pertama sebagai akibat dari guncangan kurs pada sebesar satu standar deviasi akan menyebabkan penurunan pada IHKmmrt dan dalam jangka panjang pengaruh guncangan kurs mengakibatkan penurunan IHKmmrt sebesar 01 persen dan kestabilan kestabilan pada bulan ke-45. Dengan demikian fenomena efek perubahan kurs pada IHKmmrt (indeks harga konsumen makanan jadi, minuman, rokok dan tembakau) sesuai dengan teori ekonomi yang berlaku. c. IHK kelompok perumahan, air, listrik, gas dan bahan bakar (IHKph) Guncangan kurs sebesar satu standar deviasi akan menyebabkan penurunan IHKph yang sangat kecil yakni sebesar 0.00375 persen dan pengaruh yang sangat kecil ini hanya berlangsung selama dua bulan dan pada bulan ketiga penurunan IHKph adalah sebesar 0,2 persen. Meskipun demikian, hal ini konsisten dengan apresiasi kurs Rupiah yang terapresiasi pada bulan pertama saat tejadinya guncangan kurs. Respon IHKph terhadap guncangan kurs akan mengalami trend penurunan hingga bulan ke-9. Kemudian mulai pada bulan ke-10 IHKph

60

mengalami pertumbuhan yang positif dan akan mencapai kestabilan pada bulan ke-28 yang berarti bahwa dalam jangka panjang IHKph akan mengalami penurunan sebesar 0,1 persen akibat guncangan kurs. Dengan demikian fenomena efek perubahan kurs pada IHKph (indeks harga konsumen kelompok perumahan) sesuai dengan teori ekonomi yang berlaku. d. IHK sandang (IHKs) Guncangan kurs sebesar satu standar deviasi akan menyebabkan penurunan IHKs sebesar 0,3 persen. Hal ini konsisten dengan apresiasi kurs Rupiah yang terapresiasi pada bulan pertama saat tejadinya guncangan kurs. Penurunan IHKs ini hanya berlangsung selama 1 bulan. Selanjutnya IHKs mengalami pertumbuhan yang positif (inflasi) yang dimulai dari bulan ke-2 dan akan mencapai kestabilan dalam waktu dua tahun (24 bulan). Dengan demikian fenomena efek perubahan kurs pada IHKs (indeks harga konsumen kelompok sandang) sesuai dengan teori ekonomi yang berlaku. e. IHK kesehatan (IHKkn) Guncangan kurs sebesar satu standar deviasi akan menyebabkan penurunan IHKkn sebesar 0,03 persen. Hal ini konsisten dengan apresiasi kurs Rupiah yang terapresiasi pada bulan pertama saat tejadinya guncangan kurs. IHKs mengalami pertumbuhan yang negatif hingga lima belas bulan dan akan mencapai kestabilan mulai dari bulan ke-16 sebesar 0,6 persen. Dengan demikian fenomena efek perubahan kurs pada IHKkn (indeks harga konsumen kelompok kesehatan) sesuai dengan teori ekonomi yang berlaku.

61

f. IHK pendidikan, rekreasi, olahraga (IHKpro) Guncangan kurs sebesar satu standar deviasi akan menyebabkan kenaikan IHKpro sebesar 0.1 persen. Hal ini tidak sesuai dengan teori ekonomi guncangan kurs yang menyebabkan kurs terapresiasi dan menyebabkan menurunnya IHK namun justru meningkatkan IHKpro (inflasi). IHKpro mengalami kenaikan sebesar 0,1 persen pada bulan pertama dan sebesar 0,06 persen pada bulan ke-2. Selanjutnya akibat dari guncangan kurs sebesar satu standar deviasi pada bulan ke-3 IHKpro mengalami penurunan sebesar 0,1 persen dan terus mengalami pertumbuhan yang negatif sampai bulan ke-7. IHKpro akan mencapai kestabilan pada bulan ke-13 atau satu tahun setelah guncangan dari kurs. Fenomena efek perubahan kurs pada IHKpro tidak sesuai dengan teori ekonomi yang berlaku untuk jangka

pendek,

namun

dalam

jangka

panjang

guncangan

kurs

akan

mengakibatkan IHKpro mengalami penurunan 0,2 persen. g. IHK transportasi dan komunikasi (IHKtk) Guncangan kurs sebesar satu standar deviasi akan menyebabkan penurunan IHKtk sebesar 0,1 persen. Hal ini konsisten dengan apresiasi kurs Rupiah yang terapresiasi pada bulan pertama saat tejadinya guncangan kurs. Dalam kurun waktu quartal pertama guncangan kurs tersebut mengakibatkan IHKtk mengalami penurunan menjadi 1 persen dan cenderung mengalami pertumbuhan negatif

sampai bulan ke-10. Setelah bulan ke-10, IHKtk akan

mengalami kenaikan kembali dan dalam jangka panjang HKtk mencapai kestabilan sebesar 1 persen. Artinya guncangan kurs akan mengakibatkan IHKtk pengalami penurunan sebesar 1 persen.

62

4.4.2

Simulasi Analisis Dekomposisi Varian

Analisis Decomposition of Forecasting Error Variance (DFEV) digunakan untuk mengetahui bagaimana peranan atau kontribusi nilai tukar dalam menjelaskan fluktuasi IHK serta berapa besar persentase kontribusi masingmasing guncangan variabel makroekonomi dalam mempengaruhi masing-masing kelompok indeks harga konsumen.

Dengan demikian hasil analisis ini akan

menjawab permasalahan ketiga dalam penelitian ini Analisis DFEV dalam penelitian diproyeksikan selama 48 horizon waktu (4 tahun) agar dapat dianalisis efek jangka panjangnya. Hasil analisis DFEV selengkapnya disajikan pada pembahasan selanjutnya dilengkapi dengan gambar.

a.

IHKbm (IHK kelompok bahan makanan)

Berdasarkan hasil simulasi analisis dekomposisi varian yang ditunjukkan oleh Gambar 4.4 dapat disimpulkan bahwa fluktuasi IHKbm saat bulan pertama hingga bulan ketiga relatif kuat dipengaruhi oleh IHKbm itu sendiri sebesar 76,61 dan 59,09 persen. Dalam jangka panjang pada simulasi ini yakni dalam periode empat tahun, peranan kurs dalam menjelaskan fluktuasi IHKbm hanya sebesar 3,79 persen. Kontribusi yang paling besar dalam menjelaskan fluktuasi IHKbm berturutturut adalah suku bunga (i) sebesar 43,55 persen, harga minyak (Op) 27,29 persen, IHKbm itu sendiri sebesar 23,36 persen, kurs (e) sebesar 3,79 persen, IHPB Impor (WPI_IMPOR) sebesar 1,85 persen, jumlah uang beredar (M2) sebesar 0,14 persen.

63

100% BM

80%

WPI_IMPOR e

60%

M2

40%

i Op

20% 0% 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Periode

\ bahan Makanan Gambar 4.4 DFEV kelompok IHK kelompok

b.

IHKmmrt (IHK kelompok makanan jadi, minuman, rokok dan tembakau)

Untuk IHKmmrt dalam Gambar 4.5 dapat disimpulkan bahwa fluktuasi IHKmmrt saat bulan pertama hingga empat tahun kedepannya (jangka panjang) relatif kuat dipengaruhi oleh IHKmmrt itu sendiri sebesar 81,32 persen pada bulan pertama dan 43,81

persen dalam waktu 48 bulan (empat tahun). Kontribusi kurs dalam

menjelaskan fluktuasi IHKmmrt dalam jangka waktu 48 bulan adalah sebesar 40,37 persen. Kontribusi yang paling besar dalam menjelaskan fluktuasi IHKmmrt dalam jangka panjang (48 bulan) berturut-turut adalah IHKmmrt itu sendiri sebesar 43,81 persen, jumlah uang beredar (M2), kurs (e) sebesar 40,37 persen, suku bunga (i) sebesar 9,5 persen, harga minyak (Op) sebesar 2,76 persen, jumlah uang (M2) beredar sebesar 2,24 persen, IHPB impor (WPI_IMPOR) sebesar 1,24 persen.

64

100%

MMRT

80%

WPI_IMPOR

60%

e 40%

M2

20%

i Op

0% 1

4

7

10 13 16 19 22 25 28 31 34 37 40 43 46 Periode

Gambar 4.5 DFEV kelompok IHK kelompok makanan jadi, minuman, rokok dan tembakau

IHKph (IHK kelompok perumahan)

c.

Untuk IHKph sesuai dengan Gambar 4.6 dapat disimpulkan bahwa fluktuasi IHKph saat bulan pertama hingga bulan ke-6 relatif kuat dipengaruhi oleh IHKph itu sendiri. Pada bulan pertama, bulan ketiga hingga bulan ke-6 fluktuasi IHKph dipengaruhi oleh guncangan IHKph itu sendiri sebesar 81,85 persen, 65,26 persen, 42,17 persen. Kontribusi yang paling besar dalam menjelaskan fluktuasi IHKph dalam jangka panjang (48 bulan) berturut-turut adalah IHKph itu sendiri sebesar 38,86 persen, suku bunga (i) sebesar 38,13 persen, harga minyak (Op) sebesar 15,6 persen, IHPB impor sebesar 3,99 persen, kurs (e) sebesar 2,12 persen, jumlah uang beredar (M2)sebesar 1,28 persen. 100% PH

80%

WPI_IMPOR

60%

e

40%

M2

20%

i Op

0% 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47

Periode

Gambar 4.6 DFEV kelompok IHK kelompok perumahan

65

IHKs (IHK kelompok sandang)

d.

Untuk IHKs sesuai dengan Gambar 4.7 dapat disimpulkan bahwa fluktuasi IHKs saat bulan pertama hingga bulan ke-3 relatif kuat dipengaruhi oleh IHKs itu sendiri. Pada bulan pertama dan bulan ke-3 fluktuasi IHKs dipengaruhi oleh guncangan IHKs itu sendiri sebesar 68,57 persen dan 34,4 persen, dan untuk bulan ke-6 kontribusi yang paling besar dalam menjelaskan fluktuasi IHKs adalah suku bunga (i) yakni sebesar 41,06 persen. Untuk IHKs dapat dilihat bahwa kontribusi guncangan kurs dalam menjelaskan fluktuasi IHKs juga cukup besar untuk bulan pertama dan bulan ke-2 yakni sebesar 19,03 persen dan 30 persen. Kontribusi yang paling besar dalam menjelaskan fluktuasi IHKph dalam jangka panjang (48 bulan) berturut-turut adalah suku bunga (i) sebesar 40,88 persen, IHKs itu sendiri sebesar 29,28 persen, harga minyak (Op) sebesar 20,69 persen, kurs (e) sebesar 7,93 persen, IHPB Impor (WPI_IMPOR) sebesar 1,06 persen, jumlah uang beredar (M2) sebesar 0,13 persen.

100% Sandang

80%

WPI_IMPOR 60%

e

40%

M2 i

20%

Op 0% 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Periode

Gambar 4.7 DFEV kelompok IHK kelompok sandang

66

e.

IHKkn (IHK Kelompok Kesehatan)

Untuk IHKkn sesuai dengan Gambar 4.8 dapat disimpulkan bahwa fluktuasi IHKkn saat bulan pertama hingga bulan ke-6 relatif kuat dipengaruhi oleh IHKkn itu sendiri. Pada bulan pertama, bulan ke-3 dan bulan ke-6 fluktuasi IHKs disebabkan oleh guncangan IHKkn itu sendiri sebesar 96,2 persen, 86,81 persen dan 63,67 persen. Kontribusi yang paling besar dalam menjelaskan fluktuasi IHKph dalam jangka panjang (48 bulan) berturut-turut adalah kurs (e) sebesar 36,54 persen, jumlah uang beredar (M2) sebesar 21,68 persen, IHKkn itu sendiri sebesar 21,14 persen, harga minyak (Op) sebesar 15,1 persen, suku bunga (i) sebesar 4,14 persen, WPI Impor sebesar 1,37 persen. 100%

KN 80%

WPI_IMPO R e

60% 40%

M2 20%

i 0% 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Periode

Gambar 4.8 DFEV kelompok IHK kelompok Kesehatan

f. IHKpro (IHK kelompok Pendidikan Rekreasi dan Olah raga) Untuk IHKpro dapat sesuai dengan Gambar 4.9 dapat disimpulkan bahwa fluktuasi IHKpro saat bulan pertama hingga bulan ke-6 relatif kuat dipengaruhi oleh IHKpro itu sendiri. Pada bulan pertama, bulan ke-3 dan bulan ke-6 fluktuasi IHKpro dipengaruhi oleh guncangan IHKpro itu sendiri sebesar 86,33 persen, 69,20 persen, 57,31 persen. Kontribusi yang paling besar dalam menjelaskan fluktuasi IHKpro

67

dalam jangka panjang (48 bulan) berturut-turut adalah IHKpro itu sendiri sebesar 53,61 persen, jumlah uang beredar (M2) sebesar 31,21 persen, suku bunga (i) sebesar 11,39 persen, WPI Impor sebesar 2,51 persen, kurs (e) sebesar 1 persen dan harga minyak (Op) sebesar 0,26 persen. 100% PRO

80%

WPI_IMPOR

60%

e M2

40%

i

20%

Op

0% 1

3

5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Periode

Gambar 4.9 DFEV kelompok IHK kelompok Pendidikan Rekreasi dan Olahraga

g. IHKtk (IHK kelompok transpor dan komunikasi) Untuk IHKtk sesuai dengan Gambar 4.10 dapat disimpulkan bahwa fluktuasi IHKtk dalam waktu satu tahun relatif kuat dipengaruhi oleh IHKtk itu sendiri. Pada bulan pertama, bulan ke-3 dan bulan ke-6 fluktuasi IHKtk dipengaruhi oleh guncangan IHKtk itu sendiri sebesar 80,52 persen, 67,66 persen, 55,58 persen. Kontribusi yang paling besar dalam menjelaskan fluktuasi IHKtk dalam jangka panjang (48 bulan) berturut-turut adalah IHKtk itu sendiri sebesar 56,42 persen, suku bunga sebesar 28,69 persen, kurs (e) sebesar 7,4 persen, WPI Impor sebesar 6,4 persen, harga minyak (Op) sebesar 0,89 persen, jumlah uang beredar (M2) sebesar 0,17 persen.

68

100% 80%

TK

60%

WPI_IMPOR e

40%

M2

20%

i Op

0% 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Periode

Gambar 4.10 DFEV kelompok IHK kelompok Transportasi dan Komunikasi

4.4.3. Efek Perubahan Kurs Terhadap masing-masing kelompok IHK

Meninjau penelitian terdahulu (Hyder dan Shah, 2004) maka derajat pass-

through dihitung dari kumulatif impuls respon dari guncangan kurs terhadap tingkat harga dibagi dengan guncangan kurs terhadap kurs itu sendiri. Hasil analisis ini sekaligus menjawab permasalahan pertama dan kedua dari penelitian ini. Efek akumulasi perubahan kurs terhadap IHK yang diidentifikasi melalui derajat pass-through selama 48 bulan disajikan dalam Tabel 4.5. Kemudian efek perubahan kurs terhadap masing-masing kelompok IHK selama 48 bulan selengkapnya ditunjukkan oleh Gambar 4.11. sampai Gambar 4.17. Tabel 4.5 Derajat pass-through No Kelompok IHK 1 IHKbm 2 IHKmmrt 3 IHKph 4 IHKs 5 IHKkn 6 IHKpro 7 IHKtk 8 IHKumum

Derajat Pass-Through -0,14 -0,32 -0,05 -0,17 -0,16 -0,05 -0,35 -0,14

Sumber : Lampiran hasil analisis Impulse Response Function masing-masing persamaan IHK (diolah)

69

Berdasarkan Tabel 4.5 dapat dilihat besaran derajat pass-through terhadap masing-masing kelompok indeks harga konsumen sebagai berikut: IHKbm memiliki derajat pass-through sebesar -0,14, IHKmmrt sebesar -0,32 persen, IHKph sebesar -0,05, IHKs sebesar -0,17, IHKkn sebesar -0,16, IHKpro sebesar -0,05, IHKtk sebesar -0,35. Sedangkan secara umum untuk keseluruhan IHK Indonesia dapat dilihat bahwa derajat pass-through adalah sebesar -0,14 yang berarti bahwa depresiasi kurs sebesar satu persen maka IHK keseluruhan di Indonesia akan naik sebesar 0,14 persen. Hal ini juga berarti bahwa secara umum indeks harga konsumen di Indonesia mengalami derajat incomplete pass-through dan masingmasing besaran tersebut mempunyai besaran yang berbeda-beda. Incomplete pass-

through diidikasikan oleh fenomena pricing to market dimana ketika kurs domestik menguat (apresiasi) terhadap kurs asing (dalam hal ini Dollar US) maka eksportir (ke negara US) akan melakukan intervensi harga yaitu dengan menurunkan harga jualnya. Secara teoritis, struktur pasar yang tidak sempurna memungkinkan dilakukannya konsep pricing to market. Dengan kegiatan tersebut, maka agen yang terlibat dalam kegiatan impor maupun produsen di luar negeri dapat mengatur margin keuntungan. Sehingga pada saat terjadi depresiasi atau apresiasi maka besarnya perubahan kurs tersebut tidak semuanya ditransmisikan ke harga jual akan tetapi diantisipasi dengan pengaturan margin keuntungan sehingga kenaikan harga tidak sebesar depresiasi yang terjadi (Batiz, 1994). Berdasarkan tabel tersebut dapat disimpulkan bahwa IHK kelompok transpor dan komunikasi (IHKtk) adalah indeks harga konsumen yang memiliki derajat pass-through yang paling besar. Besarnya derajat pass-through pada IHKtk

70

mempunyai arti bahwa barang dan jasa yang diperdagangkan dalam kelompok transpor dan komunikasi adalah sensitif terhadap perubahan kurs dibandingkan dengan

dengan

kelompok

IHK

lainnya.

Besarnya

pass-through

juga

mengindikasikan bahwa barang dan jasa dalam kelompok transportasi dan komunikasi mengandung kandungan impor yang cukup tinggi akibatnya ketika kurs mengalami depresiasi harga akan naik dan konsumen yang mengkonsumsi kelompok barang tersebut akan menerima harga yang lebih tinggi. Derajat pass-

through sebesar -0,35 yang berarti depresiasi satu persen kurs rupiah terhadap dollar akan mengakibatkan peningkatan IHKtk (inflasi pada kelompok harga transportasi dan komunikasi) sebesar 0,35 persen (Tabel 4.5). Derajat pass-through sebesar -0,14 artinya bahwa depresiasi satu persen kurs Rupiah akan mengakibatkan peningkatan IHKbm (inflasi IHK bahan makanan) sebesar 0,14 persen (Tabel 4.5). Dari Gambar 4.11 di bawah dapat dilihat bahwa dalam enam bulan pertama ERPT pada IHKbm terbesar terjadi pada bulan ke-4 atau kuartal pertama yakni sebesar 0,15 persen. Selama empat tahun, ERPT tertinggi juga terjadi pada kuartal pertama tersebut. Efek perubahan kurs terhadap IHKbm selama 48 bulan berada pada kisaran 0,05 persen hingga 0,15 persen. Derajat pass-through sebesar -0,14 yang lebih kecil dari satu menunjukkan bahwa kelompok IHK ini mengalami incomplete pass-through. Derajat pass-

through sebesar -0,14 berarti depresiasi satu persen kurs rupiah akan mengakibatkan peningkatan IHKbm sebesar 0,14 persen.

71

Persen

ERPT_BM 0.180 0.160 0.140 0.120 0.100 0.080 0.060 0.040 0.020 0.000 1

3

5

7

9

11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Periode

Gambar 4.11. Efek perubahan kurs terhadap IHKbm

Untuk indeks harga konsumen kelompok makanan jadi, minuman, rokok dan tembakau (IHKmmrt), ERPT (exchange rate pass-through) terbesar terjadi pada bulan ke-15 yakni sebesar 0,41 persen. Untuk bulan pertama ERPT yang terjadi sebesar 0,02 persen. Kemudian dalam tiga bulan pertama ERPT yang terjadi adalah 0,18 persen. Dalam kurun waktu 4 tahun (48 bulan) dapat dilihat bahwa efek perubahan kurs berada pada kisaran 0,02 persen hingga 0,41 persen. Kelompok IHK ini mempunyai derajat pass-through terbesar kedua yakni sebesar -0,32. Artinya depresiasi kurs sebesar satu persen akan mengakibatkan peningkatan IHKmmrt (inflasi IHKmmrt) sebesar 0,32 persen.

Persen

ERPT_MMRT 0.45 0.40 0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.00 1

3

5

7

9

11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Periode

Gambar 4.12 Efek Perubahan Kurs terhadap IHKmmrt

72

Untuk IHKph (indeks harga konsumen kelompok perumahan) dapat dilihat bahwa efek perubahan kurs sangat kecil (Gambar 4.13). Untuk bulan pertama dan bulan ke-2 efek perubahan kurs hanya sebesar 0,0006 persen dan 0,0009 persen. Kemudian setelah 6 bulan, efek perubahan kurs ini meningkat cukup signifikan meskipun besarannya cukup kecil dimana efek perubahan kurs tersebut adalah sebesar 0,07 persen. Dari gambar 4.6 dapat dilihat bahwa efek perubahan kurs selama empat tahun (48 bulan) berada pada kisaran 0,0006 persen hingga 0,076 persen. Derajat pass-through yang kecil yakni sebesar -0,05 pada kelompok ini diindikasikan oleh relatif kecilnya barang-barang yang megandung tradable goods yaitu barang-barang yang diperdagangkan secara internasional sehingga efek perubahan kurs sangat kecil, kemudian dalam kelompok ini juga terdapat barangbarang yang harganya yang sudah diatur oleh pemerintah (administered price) seperti harga bahan bakar dan juga listrik. ERPT _PH 0.1000

Persen

0.0800 0.0600 0.0400 0.0200 0.0000 1

3

5

7

9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Periode

Gambar 4.13 Efek Perubahan Kurs terhadap IHKph

Untuk IHKs (indeks harga konsumen sandang) dapat dilihat bahwa efek perubahan kurs dalam bulan pertama adalah sebesar 0,06 persen kemudian pada bulan ke-3 efek ini meningkat cukup drastis menjadi 0,22 persen. Dari Gambar

73

4.14 dapat dilihat bahwa efek perubahan kurs untuk indeks harga konsumen sandang (IHKs) dalam kurun waktu empat tahun berada pada kisaran 0,06 persen hingga 0,22 persen. ERPT _S 0.250

Persen

0.200 0.150 0.100 0.050 0.000 1

3

5

7

9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Periode

Gambar 4.14 Efek perubahan kurs terhadap IHKs

Untuk indeks harga konsumen kelompok kesehatan untuk bulan pertama efek dari perubahan kurs adalah sebesar 0,007 persen kemudian dalam jangka waktu enam bulan efek ini cukup drastis meningkat dimana efek dari perubahan kurs menjadi sebesar 0,21 persen. Dalam jangka waktu empat tahun (48 bulan) efek perubahan kurs terhadap IHKkn berada pada kisaran 0,007 persen hingga 0,21 persen. ERPT_KN 0.250

Persen

0.200 0.150 0.100 0.050 0.000 1

3

5

7

9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Periode

Gambar 4.15 Efek perubahan kurs terhadap IHKkn

Untuk melihat efek perubahan kurs terhadap indeks harga konsumen kelompok pendidikan, rekreasi dan olah raga (IHKpro) dapat dilihat bahwa untuk bulan

74

pertama dan bulan ke-2 efek perubahan kurs sangat kecil yakni 0,01 persen. Kemudian dalam kurun dua bulan tersebut efek perubahan kurs merspon positif. Hal ini dapat dilihat bahwa ketika terjadi guncangan kurs yang meyebabkan kurs terapresiasi justru dalam dua bulan tersebut harga-harga konsumen kelompok pendidikan, rekreasi dan olah raga mengalami peningkatan namun sangat kecil. Selanjutnya dapat dilihat bahwa dalam 48 bulan efek perubahan kurs terhadap kelompok IHKpro berada pada kisaran -0,01 persen hingga 0,07 persen. ERPT_PRO 0.080 0.060 Persen

0.040 0.020 0.000 -0.020

1

3

5

7

9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47

-0.040 Periode

Gambar 4.16 Efek Perubahan kurs terhadap IHKpro

Efek perubahan kurs terhadap indeks harga konsumen kelompok transpor dan komunikasi merupakan salah satu yang terbesar dimana derajat pass-through adalah sebesar -0,35. Artinya depresiasi kurs Rupiah terhadap mata uang Dolar sebesar satu persen akan mengakibatkan kenaikan harga-harga konsumen kelompok transpor dan komunikasi sebesar 0,35 persen. Efek perubahan kurs pada IHKtk dalam waktu satu bulan cukup kecil yakni sebesar 0,01 persen. Kemudian pada bulan ketiga dan pada tengah tahun pertama, efek perubahan kurs tersebut akan mengakibatkan kenaikan IHKtk (inflasi IHKtk) sebesar 0,15 persen dan 0,30 persen. Efek perubahan kurs terhadap ini termasuk besar dibandingkan dengan kelompok IHK yang lainnya. Hal ini masuk akal mengingat masih

75

banyaknya barang-barang perdagangan besar di Indonesia yang bergerak di bidang transportasi maupun komunikasi masih mengandalkan bahan impor baik barang jadi maupun barang setengah jadi. Efek kurs yang mempengaruhi harga impor perdagangan besar akan diteruskan pada meningkatnya harga yang diterima oleh konsumen. ERPT_TK 0.700 0.600

Persen

0.500 0.400 0.300 0.200 0.100 0.000 1

3

5

7

9

11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Periode

Gambar 4.17 Efek Perubahan Kurs terhadap IHKtk

76

V.

5.1.

KESIMPULAN DAN SARAN

Kesimpulan

Penelitian ini memiliki tiga tujuan utama. Pertama, mengetahui derajat

pass-through masing-masing tujuh kelompok IHK di Indonesia. Kedua, menganalisis pengaruh efek perubahan kurs (pass-through effect) terhadap masing-masing kelompok IHK di Indonesia. Ketiga, menganalisis peranan kurs dalam menjelaskan fluktuasi masing-masing kelompok IHK. Hasil empiris penelitian menunjukkan bahwa selama periode penelitian (1998:1-2005:12) terjadi

incomplete pass-through di masing-masing kelompok IHK di Indonesia. Dalam menganalisis pass through effect kurs terhadap masing-masing kelompok IHK dapat disimpulkan bahwa kelompok transpor dan komunikasi mempunyai derajat pass-through yang paling besar yakni sebesar -0,35. Hal ini mempunyai implikasi bahwa persentase perubahan IHK kelompok transpor dan komunikasi 35 persen dipengaruhi oleh kurs. Dari Gambar 4.11 sampai Gambar 4.17 secara umum terlihat bahwa efek perubahan kurs akan direspon secara negatif oleh masing-masing kelompok IHK. Dari hasil DFEV juga dapat dapat dilihat bahwa peranan kurs menjelaskan fluktuasi masing-masing kelompok IHK dalam jangka panjang masing-masing adalah IHKbm sebesar 3,79 persen, IHKmmrt sebesar 40,37 persen, IHKph sebesar 2,12 persen, IHKs sebesar 7,93 persen, IHKkn 36,54 persen, IHKpro sebesar 1 persen, IHKph sebesar 7,4 persen. Sihingga dapat disimpulkan bahwa dalam jangka panjang (48 bulan) peranan kurs dalam menjelaskan fluktuasi IHK lebih besar pada IHK kelompok kesehatan yakni sebesar 36,54 persen. Artinya dalam

77

jangka panjang fluktuasi IHK kelompok kesehatan 36,54 persen adalah akibat guncangan kurs.

5.2.

Saran

Berdasarkan hasil penelitian mengenai pass-through terhadap masingmasing kelompok IHK di Indonesia, maka saran yang dianjurkan adalah: 1. Terkait dengan hasil penelitian ini dapat dilihat meskipun derajat pass-through untuk Indonesia relatif kecil sejak meenerapkan rejim kurs mengambang bebas, BI masih perlu membuat mekanisme yang baik dalam kebijakannya untuk meredam fluktuasi rupiah. 2. Melihat derajat pass-through yang cukup besar pada kelompok harga transpor dan komunikasi maka penggunaan komponen impor dalam barang-barang alat-alat transportasi (angkutan) dianjurkan untuk dikurangi. Hal ini dapat dilakukan dengan membangun Industri yang mampu untuk menciptakan alatalat trasnportasi maupun komunikasi dalam negeri. Dengan demikian harga yang diterima oleh konsumen tidak akan meningkat jika terjadi pass-through. 3. Penelitian ini hanya membahas efek dari perubahan kurs terhadap kelompok IHK yang menggunakan analisis SVAR dikombinasikan dengan VECM. Variabel variabel seperti harga minyak dunia, suku bunga, jumlah uang beredar, maupun harga barang penjualan besar dimasukkan dalam pemodelan penelitian ini untuk mengidentifikasi perubahan IHK. Oleh karena itu dalam penelitian selanjutnya disarankan untuk membahas bagaimanakah efek dari variabel-variabel tersebut terhadap masing-masing kelompok IHK..

78

DAFTAR PUSTAKA

Achsani, Noer Azam and Hermanto Siregar. 2003. Toward East Asian Economic Integration : Classification of the ASEAN+3 Economies using Fuzzy Clustering Approach. Bogor Amisano, Gianni and Carlo Giannini.1997. Topics in Structural VAR Econometrics. Springer-Verlag Berlin. Heidelberg. Germany Arsana, I Gede Putra. 2005. Pengaruh Nilai Tukar Terhadap Aliran Kredit dan Mekanisme Transmisi Kebijakan Moneter Nilai Tukar Jalur Kredit.Jurnal Ekonomi dan Pembangunan Indonesia.\ Batiz, Fransisco Rivera dan Luis R. Batiz. 1994. International Finance and Open Economy, Macroeconomics. Mcmillan Publishing co. New York. Calvo, Guillermo and Carmen M. Reinhart. 2000. Fixing For Your Live. NBER Working Paper Series. Working Paper 8006. National Bureau of Economic Research. Campa, Jose and Linda S Goldberg. 2004. Exchange Rate Pass-Through into Import Prices. NBER Working Paper. JEL codes : F3, F4. Chowdhury, Anis & Akhtar Hossain. 1998. Open-Economy Macroeconomics for Developing Countries. Edward Elgar.Cheltenham,UK.Northampton, MA, USA Coricelli, Fabrizio, Bostjan Jazbec and Igor Masten. 2004. Exchange Rate PassThrough in Acceding Countries : The Role of Exchange Rate Regimes. European University Institute. Department Of Economics. EUI Working Paper ECO No. 2004/16 De Jong, Rendie Putreva. 2005. Analisis Kesinambungan Fiskal di Indonesia dan Faktor-Faktor yang Mempengaruhinya. Skripsi. Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor. Flamini, Alessandro. 2003. Inflation Targetting and Exchange Rate Pass-through. Princeton University, GIIS. Gujarati, Damodar. 2003. Basic Econometrics fourth edition. McGraw Hill. Singapore.

79

Hartati, Enny Sri. 2004. Analisis Dampak Pergerakan Nilai Tukar Terhadap Inflasi Di Indonesia : Pendekatan Exchange Rate Pass-Through. Tesis. Sekolah Pascasarjana Institut Pertanian Bogor. Bogor. Hernandez. Leonardo and Peter J. Montiel. 2001. Post Crisis Exchange Rate Policy in Five Asian Countries: Filling in the “Hollow Middle”?. IMF. Hyder, Zulfiqar and Sardar Sah. 2004. Exchange Rate Pass-Through to Domestic Price in Pakistan. State Bank of Pakistan Working Paper No. 5, June 2004. Ito, Takatoshi, Yuri N. Sasaki and Kiyotaka Sato. 2005. Pass-Through of Exchange Rate Changes and Macroeconomic Shocks to Domestic Inflation in East Asian Countries.RIETI Discussion Paper Series 05-E020.Japan. Kiptui, Moses, Daniel Ndolo and Sheila Kaminchia. 2005. Exchange Rate PassThrough : To What Extent Do Exchange Rate Fluctuations Affect Import Prices and Inflation in Kenya. Working Paper No. 1 April 2005 Central Bank of Kenya. Mankiw, N Gregory. 2000. Teori Makro Ekonomi. Edisi Keempat. Jakarta: Erlangga. McCarthy, Jonathan. 2000. Pass-Through of Exchange Rate and Import Prices to Domestic Inflation in Some Industrialized Economies. Staff Reports, 111, Research Department Federal Reserve Bank of New York. McCoy, Daniel. 1997. How Useful is Structural VAR Analysis for Irish Economics.Technical Paper no. 2/RT/97. Ireland. Mindasari, Puri. 2005. Pengujian Model Moneter Terhadap Nilai Tukar di Indonesia. Skripsi. Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor. Bogor. Mishkin, Frederick S. 2001. The Economics of Money, Banking and Financial Market. Sixth Edition. Columbia: Columbia University. Moosa, Imad A. 2004. International Finance. An Analytical Approach. 2nd edition. La Trobe University. Nuryati, Yati. 2004. Pelaksanaan Kebijakan Moneter Pentargetan Inflasi di Indonesia. Tesis. Sekolah Pascasarjana Institut Pertanian Bogor. Sahminan. 2005. Exchange Rate Pass-Through into Import Price in Major Southeast Asian Countries.Thesis.

80

Salvatore, Dominick. 1996. Ekonomi Internasional Edisi Kelima Jilid 1. Jakarta : PT. Gelora Aksara Pratama. Siregar, Hermanto dan Bert D. Ward. 2005. Can Monetary Policy/Shocks Stabilize Indonesian Macroeconomic Fluctuations?.Working Paper No. IWP/007/2005. InterCAFE Verbeek, Marno. 2000. A Guide To Modern Econometrics. John Wiley & Sons, LTD. New York, USA. Widyanti, Restuning D. 2005. Analisis Trade Off Inflasi Dan Pertumbuhan Ekonomi. Skripsi. Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor. Bogor. Windarti, Retno Ponco. 2004. Pengaruh Perubahan Nilai Tukar Terhadap Perubahan Tingkat Harga : Analisis SVAR Pasca Penerapan Sistem Nilai Tukar Mengambang Bebas di Indonesia. Tesis. Magister Perencanaan dan Kebijakan Publik. Fakultas Ekonomi Universitas Indonesia. Indonesia Zainal, Arindra A. 2005. Exchange Rate Pass-Through On Export Price : Evidence From Indonesian Data. Paralel Session IVC : International Trade 17 November 2005.. Hotel Borobudur, Jakarta. Zivot, Eric. 2000. Notes on Structural VAR Modelling.

81

82

Lampiran 1. Uji Akar unit Variabel pada tingkat level

a. Harga minyak dunia Null Hypothesis: LOG_OP has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-0.717377 -3.500669 -2.892200 -2.583192

0.8366

*MacKinnon (1996) one-sided p-values.

b. Suku bunga (SBI) Null Hypothesis: I has a unit root Exogenous: Constant Lag Length: 11 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.292730 -3.510259 -2.896346 -2.585396

0.1767

*MacKinnon (1996) one-sided p-values.

c. Jumlah uang beredar (M2) Null Hypothesis: LOG_M2 has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.915698 -3.502238 -2.892879 -2.583553

0.3239

*MacKinnon (1996) one-sided p-values.

d. Kurs (E) Null Hypothesis: LOG_E has a unit root Exogenous: Constant Lag Length: 11 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.

t-Statistic

Prob.*

-3.256934 -3.510259 -2.896346 -2.585396

0.0202

83

Lanjutan Lampiran 1. Uji Akar Unit Variabel

e. Indeks Harga Barang Perdagangan Besar Sektor Impor (WPI Impor) Null Hypothesis: LOG_WPI_IMPOR has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.978930 -3.500669 -2.892200 -2.583192

0.2956

*MacKinnon (1996) one-sided p-values.

f. IHK kelompok Bahan Makanan Null Hypothesis: LOG_BM has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.191263 -3.502238 -2.892879 -2.583553

0.0236

*MacKinnon (1996) one-sided p-values.

g. IHK kelompok Makanan jadi, minuman, rokok dan tembakau Null Hypothesis: LOG_MMRT has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.850775 -3.501445 -2.892536 -2.583371

0.3541

*MacKinnon (1996) one-sided p-values.

h. IHK kelompok perumahan Null Hypothesis: LOG_PH has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.

t-Statistic

Prob.*

-3.500843 -3.500669 -2.892200 -2.583192

0.0100

84

Lanjutan Lampiran 1. Uji Akar Unit Variabel

i. IHK kelompok sandang Null Hypothesis: LOG_S has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.258423 -3.503049 -2.893230 -2.583740

0.1877

*MacKinnon (1996) one-sided p-values.

j. IHK kelompok kesehatan Null Hypothesis: LOG_KN has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.287772 -3.502238 -2.892879 -2.583553

0.1781

*MacKinnon (1996) one-sided p-values.

k. IHK kelompok pendidikan, rekreasi, olahraga Null Hypothesis: LOG_PRO has a unit root Exogenous: Constant Lag Length: 11 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-0.937941 -3.510259 -2.896346 -2.585396

0.7715

*MacKinnon (1996) one-sided p-values.

l. IHK kelompok transpor dan komunikasi Null Hypothesis: LOG_TK has a unit root Exogenous: Constant Lag Length: 7 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.

t-Statistic

Prob.*

1.352338 -3.506484 -2.894716 -2.584529

0.9987

85

Lampiran 2. Uji Akar unit Variabel pada first different

a. Harga minyak dunia (OP) Null Hypothesis: D(LOG_OP) has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-5.959953 -3.503879 -2.893589 -2.583931

0.0000

*MacKinnon (1996) one-sided p-values.

b. Suku bunga (I) Null Hypothesis: D(I) has a unit root Exogenous: Constant Lag Length: 11 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-6.334061 -3.511262 -2.896779 -2.585626

0.0000

*MacKinnon (1996) one-sided p-values.

c. Jumlah uang beredar (M2) Null Hypothesis: D(LOG_M2) has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-14.62033 -3.502238 -2.892879 -2.583553

0.0001

*MacKinnon (1996) one-sided p-values.

d. Kurs (E) Null Hypothesis: D(LOG_E) has a unit root Exogenous: Constant Lag Length: 7 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.

t-Statistic

Prob.*

-2.848481 -3.507394 -2.895109 -2.584738

0.0558

86

Lanjutan Lampiran 2. Uji Akar Unit Variabel

e. Indeks Harga Barang Perdagangan Besar Sektor Impor (WPI Impor) Null Hypothesis: D(LOG_WPI_IMPOR) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-7.929287 -3.501445 -2.892536 -2.583371

0.0000

*MacKinnon (1996) one-sided p-values.

f. IHK kelompok Bahan Makanan Null Hypothesis: D(LOG_BM) has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-5.033778 -3.502238 -2.892879 -2.583553

0.0001

*MacKinnon (1996) one-sided p-values.

g. IHK kelompok Makanan jadi, minuman, rokok dan tembakau Null Hypothesis: D(LOG_MMRT) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-7.832781 -3.501445 -2.892536 -2.583371

0.0000

*MacKinnon (1996) one-sided p-values.

h. IHK kelompok perumahan Null Hypothesis: D(LOG_PH) has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.

t-Statistic

Prob.*

-4.300268 -3.503049 -2.893230 -2.583740

0.0008

87

Lanjutan Lampiran 2. Uji Akar Unit Variabel i. IHK kelompok sandang Null Hypothesis: D(LOG_S) has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-6.685285 -3.502238 -2.892879 -2.583553

0.0000

*MacKinnon (1996) one-sided p-values.

j. IHK keompok kesehatan Null Hypothesis: D(LOG_KN) has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-4.974258 -3.502238 -2.892879 -2.583553

0.0001

*MacKinnon (1996) one-sided p-values.

k. IHK kelompok pendidikan, rekreasi, olahraga Null Hypothesis: D(LOG_PRO) has a unit root Exogenous: Constant Lag Length: 11 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.710201 -3.511262 -2.896779 -2.585626

0.0056

*MacKinnon (1996) one-sided p-values.

l. IHK kelompok transpor dan komunikasi Null Hypothesis: D(LOG_TK) has a unit root Exogenous: Constant Lag Length: 6 (Automatic based on AIC, MAXLAG=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values.

t-Statistic

Prob.*

-3.099439 -3.506484 -2.894716 -2.584529

0.0302

88

Lampiran 2. Persamaan IHK kelompok bahan makanan (IHKbm)

2.1. Uji Lag Optimal VAR Lag Order Selection Criteria Endogenous variables: D_OP D_I D_M2 D_E D_WPI_IMPOR D_BM Exogenous variables: C Sample: 1998:01 2005:12 Included observations: 90 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2 3 4 5

86.18944 186.0285 262.1749 300.5978 331.6670 362.9325

NA 184.1476 130.2949 60.62282* 44.87772 40.99257

6.78E-09 1.64E-09 6.81E-10 6.62E-10* 7.78E-10 9.42E-10

-1.781987 -3.200634 -4.092774 -4.146617* -4.037043 -3.931833

-1.615333 -2.034056* -1.926273 -0.980191 0.129306 1.234441

-1.714783 -2.730201 -3.219114* -2.869728 -2.356926 -1.848488

* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

89

2.2. Restriksi Sementara Structural VAR Estimates Included observations: 92 after adjusting endpoints Estimation method: method of scoring (analytic derivatives) Convergence achieved after 17 iterations Structural VAR is just-identified Model: Ae = Bu where E[uu']=I Restriction Type: short-run text form @e1 = C(1)*@u1 @e2 = C(2)*@e1 + C(3)*@u2 @e3 = C(4)*@e1 + C(5)*@e2 + C(6)*@u3 @e4 = C(7)*@e1 + C(8)*@e2 + C(9)*@e3 + C(10)*@u4 @e5 = C(11)*@e1 + C(12)*@e2 + C(13)*@e3 + C(14)*@e4 + C(15)*@u5 @e6 = C(16)*@e1 + C(17)*@e2 + C(18)*@e3 + C(19)*@e4 + C(20)*@e5 + C(21)*@u6 where @e1 represents D_OP residuals @e2 represents D_I residuals @e3 represents D_M2 residuals @e4 represents D_E residuals @e5 represents D_WPI_IMPOR residuals @e6 represents D_BM residuals Coefficient

Std. Error

z-Statistic

Prob.

C(2) C(4) C(5) C(7) C(8) C(9) C(11) C(12) C(13) C(14) C(16) C(17) C(18) C(19) C(20) C(1) C(3) C(6) C(10) C(15) C(21)

1.106299 0.018610 -0.005446 0.055918 -0.001336 -0.116457 1.168343 0.179525 1.654976 -19.56141 -0.066940 -0.001477 -0.010874 0.030221 0.004250 0.100281 1.553220 0.081648 0.062587 1.334958 0.017841

1.614808 0.085102 0.005481 0.065252 0.004224 0.079918 1.397334 0.090135 1.724173 2.223757 0.018746 0.001230 0.023158 0.040325 0.001393 0.007393 0.114505 0.006019 0.004614 0.098414 0.001315

0.685096 0.218676 -0.993647 0.856956 -0.316314 -1.457209 0.836123 1.991733 0.959867 -8.796558 -3.570989 -1.200324 -0.469544 0.749437 3.049945 13.56466 13.56466 13.56466 13.56466 13.56466 13.56466

0.4933 0.8269 0.3204 0.3915 0.7518 0.1451 0.4031 0.0464 0.3371 0.0000 0.0004 0.2300 0.6387 0.4536 0.0023 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

Log likelihood

217.0908 0.000000 1.000000 0.005446 0.001336 -0.179525 0.001477

0.000000 0.000000 1.000000 0.116457 -1.654976 0.010874

0.000000 0.000000 0.000000 1.000000 19.56141 -0.030221

0.000000 0.000000 0.000000 0.000000 1.000000 -0.004250

0.000000 0.000000 0.000000 0.000000 0.000000 1.000000

0.000000 1.553220 0.000000 0.000000 0.000000 0.000000

0.000000 0.000000 0.081648 0.000000 0.000000 0.000000

0.000000 0.000000 0.000000 0.062587 0.000000 0.000000

0.000000 0.000000 0.000000 0.000000 1.334958 0.000000

0.000000 0.000000 0.000000 0.000000 0.000000 0.017841

Estimated A matrix: 1.000000 -1.106299 -0.018610 -0.055918 -1.168343 0.066940 Estimated B matrix: 0.100281 0.000000 0.000000 0.000000 0.000000 0.000000

90

2.3. Uji Kointegrasi Trend assumption: Linear deterministic trend Series: LOG_OP I LOG_M2 LOG_E LOG_WPI_IMPOR LOG_BM Lags interval (in first differences): 1 to 3 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)

Eigenvalue

Trace Statistic

5 Percent Critical Value

1 Percent Critical Value

None ** At most 1 * At most 2 At most 3 At most 4 At most 5

0.453716 0.209810 0.203693 0.150685 0.109853 0.002968

124.2492 68.62457 46.96029 26.00538 10.97945 0.273495

94.15 68.52 47.21 29.68 15.41 3.76

103.18 76.07 54.46 35.65 20.04 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 2 cointegrating equation(s) at the 5% level Trace test indicates 1 cointegrating equation(s) at the 1% level Hypothesized No. of CE(s)

Eigenvalue

Max-Eigen Statistic

5 Percent Critical Value

1 Percent Critical Value

None ** At most 1 At most 2 At most 3 At most 4 At most 5

0.453716 0.209810 0.203693 0.150685 0.109853 0.002968

55.62462 21.66428 20.95492 15.02593 10.70596 0.273495

39.37 33.46 27.07 20.97 14.07 3.76

45.10 38.77 32.24 25.52 18.63 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at both 5% and 1% levels

91

2.4. Impulse Response Function Periode

LOG_E

LOG_BM

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

0.063080 0.057451 0.046880 0.041706 0.039881 0.036224 0.038776 0.044585 0.048277 0.049120 0.047122 0.045265 0.043637 0.043493 0.043698 0.044649 0.045166 0.045308 0.044816 0.044465 0.044184 0.044184 0.044288 0.044525 0.044650 0.044685 0.044622 0.044568 0.044528 0.044540 0.044577 0.044625 0.044651 0.044656 0.044644 0.044631 0.044624 0.044626 0.044633 0.044641 0.044646 0.044646 0.044644 0.044641 0.044640 0.044641 0.044643 0.044645

-0.003179 -0.006331 -0.006450 -0.006495 -0.004262 -0.003457 -0.003262 -0.003773 -0.004622 -0.005887 -0.006486 -0.006529 -0.006351 -0.006322 -0.006327 -0.006454 -0.006666 -0.006851 -0.006894 -0.006856 -0.006791 -0.006739 -0.006714 -0.006726 -0.006755 -0.006777 -0.006782 -0.006774 -0.006763 -0.006756 -0.006757 -0.006765 -0.006775 -0.006784 -0.006788 -0.006790 -0.006790 -0.006791 -0.006793 -0.006795 -0.006798 -0.006801 -0.006802 -0.006802 -0.006802 -0.006803 -0.006803 -0.006804

92

2.5. Forecast Variance Error Decomposition Periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

S.E.

LOG_OP

I

LOG_M2

LOG_E

LOG_WPI_IM POR

LOG_BM

0.099104 0.133142 0.151572 0.171907 0.186657 0.197961 0.210905 0.223850 0.236705 0.249206 0.260548 0.270774 0.280486 0.289673 0.298543 0.307277 0.315903 0.324299 0.332457 0.340376 0.348084 0.355610 0.363003 0.370284 0.377455 0.384505 0.391431 0.398232 0.404916 0.411492 0.417971 0.424357 0.430654 0.436862 0.442983 0.449019 0.454975 0.460853 0.466659 0.472394 0.478062 0.483663 0.489200 0.494676 0.500091 0.505449 0.510750 0.515998

7.580126 15.58012 22.07063 27.95662 31.02829 32.38278 32.62930 32.44775 32.15410 31.80630 31.40310 31.06768 30.81881 30.60256 30.38609 30.16902 29.95147 29.73930 29.54502 29.37525 29.22666 29.09176 28.96513 28.84419 28.72865 28.61938 28.51742 28.42287 28.33483 28.25199 28.17340 28.09853 28.02720 27.95942 27.89519 27.83436 27.77666 27.72178 27.66947 27.61954 27.57185 27.52632 27.48286 27.44133 27.40163 27.36363 27.32721 27.29228

3.144406 3.849226 9.504546 16.62679 23.60469 28.21968 31.12589 33.09819 34.71261 36.11410 37.37959 38.42282 39.19612 39.73339 40.13006 40.44978 40.72400 40.96730 41.18602 41.37845 41.54504 41.69181 41.82526 41.94964 42.06726 42.17931 42.28573 42.38611 42.48026 42.56859 42.65168 42.73014 42.80439 42.87473 42.94131 43.00425 43.06372 43.11995 43.17321 43.22378 43.27186 43.31764 43.36127 43.40288 43.44258 43.48052 43.51681 43.55156

0.100829 0.075609 0.103025 0.089923 0.634048 1.059706 1.004358 0.874258 0.770856 0.685776 0.616336 0.560530 0.511269 0.467561 0.431865 0.402822 0.378006 0.356155 0.336717 0.319400 0.304039 0.290447 0.278295 0.267216 0.256975 0.247462 0.238622 0.230419 0.222824 0.215794 0.209269 0.203186 0.197494 0.192156 0.187142 0.182430 0.177999 0.173827 0.169891 0.166168 0.162639 0.159289 0.156104 0.153073 0.150185 0.147431 0.144801 0.142286

3.058737 4.698289 5.009697 5.149160 4.363815 3.650581 3.132813 2.831402 2.697395 2.735016 2.829590 2.905935 2.949580 2.987199 3.024799 3.071337 3.130033 3.195655 3.256617 3.308359 3.351097 3.387092 3.418804 3.448513 3.477006 3.503925 3.528612 3.550814 3.570748 3.588909 3.605821 3.621867 3.637211 3.651839 3.665688 3.678737 3.691037 3.702676 3.713750 3.724330 3.734451 3.744126 3.753359 3.762162 3.770562 3.778587 3.786269 3.793633

9.505370 5.337569 4.217882 3.282612 3.410525 3.614877 3.814663 3.657467 3.468903 3.286746 3.167797 3.055473 2.948111 2.836629 2.732654 2.638061 2.558619 2.491951 2.434691 2.383156 2.336335 2.293566 2.254885 2.220301 2.189521 2.161870 2.136640 2.113321 2.091578 2.071251 2.052244 2.034492 2.017890 2.002320 1.987649 1.973779 1.960632 1.948161 1.936328 1.925100 1.914439 1.904305 1.894656 1.885455 1.876672 1.868279 1.860255 1.852578

76.61053 70.45918 59.09422 46.89489 36.95863 31.07238 28.29298 27.09094 26.19614 25.37206 24.60359 23.98756 23.57611 23.37267 23.29453 23.26898 23.25788 23.24964 23.24094 23.23539 23.23683 23.24532 23.25762 23.27014 23.28058 23.28806 23.29297 23.29647 23.29976 23.30347 23.30758 23.31179 23.31582 23.31954 23.32302 23.32645 23.32996 23.33361 23.33735 23.34109 23.34476 23.34832 23.35176 23.35510 23.35836 23.36155 23.36465 23.36766

93

Lampiran 3. Persamaan IHK kelompok makanan jadi, minuman, rokok dan tembakau (IHKmmrt)

3.1. Uji Lag Optimal VAR Lag Order Selection Criteria Endogenous variables: D_OP D_I D_M2 D_E D_WPI_IMPOR D_MMRT Exogenous variables: C Date: 07/21/06 Time: 05:58 Sample: 1998:01 2005:12 Included observations: 90 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2 3 4 5

151.9477 264.4836 339.8031 398.7712 435.3858 469.7173

NA 207.5662 128.8800 93.03854 52.88778* 45.01239

1.57E-09 2.88E-10 1.21E-10 7.48E-11* 7.76E-11 8.78E-11

-3.243283 -4.944081 -5.817847 -6.328249 -6.341907* -6.304829

-3.076629 -3.777503* -3.651345 -3.161823 -2.175557 -1.138556

-3.176078 -4.473648 -4.944186 -5.051360* -4.661790 -4.221484

* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

94

3.2. Restriksi Sementara Structural VAR Estimates Included observations: 91 after adjusting endpoints Estimation method: method of scoring (analytic derivatives) Convergence achieved after 16 iterations Structural VAR is just-identified Model: Ae = Bu where E[uu']=I Restriction Type: short-run text form @e1 = C(1)*@u1 @e2 = C(2)*@e1 + C(3)*@u2 @e3 = C(4)*@e1 + C(5)*@e2 + C(6)*@u3 @e4 = C(7)*@e1 + C(8)*@e2 + C(9)*@e3 + C(10)*@u4 @e5 = C(11)*@e1 + C(12)*@e2 + C(13)*@e3 + C(14)*@e4 + C(15)*@u5 @e6 = C(16)*@e1 + C(17)*@e2 + C(18)*@e3 + C(19)*@e4 + C(20)*@e5 + C(21)*@u6 where @e1 represents D_OP residuals @e2 represents D_I residuals @e3 represents D_M2 residuals @e4 represents D_E residuals @e5 represents D_WPI_IMPOR residuals @e6 represents D_MMRT residuals Coefficient

Std. Error

z-Statistic

Prob.

C(2) C(4) C(5) C(7) C(8) C(9) C(11) C(12) C(13) C(14) C(16) C(17) C(18) C(19) C(20) C(1) C(3) C(6) C(10) C(15) C(21)

-0.374003 0.081567 0.000437 0.012928 -0.007774 -0.051385 1.355678 0.190468 0.119583 -17.22920 -0.010497 0.001283 0.008397 -0.015147 0.000468 0.092016 1.277919 0.082736 0.057896 1.282560 0.006442

1.455866 0.094291 0.006787 0.066253 0.004749 0.073356 1.467987 0.106749 1.629403 2.322227 0.007407 0.000545 0.008184 0.014775 0.000526 0.006821 0.094726 0.006133 0.004292 0.095070 0.000477

-0.256894 0.865054 0.064351 0.195125 -1.636774 -0.700482 0.923494 1.784257 0.073391 -7.419258 -1.417159 2.351474 1.026111 -1.025137 0.888943 13.49074 13.49074 13.49074 13.49074 13.49074 13.49074

0.7973 0.3870 0.9487 0.8453 0.1017 0.4836 0.3557 0.0744 0.9415 0.0000 0.1564 0.0187 0.3048 0.3053 0.3740 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

Log likelihood

342.5476 0.000000 1.000000 -0.000437 0.007774 -0.190468 -0.001283

0.000000 0.000000 1.000000 0.051385 -0.119583 -0.008397

0.000000 0.000000 0.000000 1.000000 17.22920 0.015147

0.000000 0.000000 0.000000 0.000000 1.000000 -0.000468

0.000000 0.000000 0.000000 0.000000 0.000000 1.000000

0.000000 1.277919 0.000000 0.000000 0.000000 0.000000

0.000000 0.000000 0.082736 0.000000 0.000000 0.000000

0.000000 0.000000 0.000000 0.057896 0.000000 0.000000

0.000000 0.000000 0.000000 0.000000 1.282560 0.000000

0.000000 0.000000 0.000000 0.000000 0.000000 0.006442

Estimated A matrix: 1.000000 0.374003 -0.081567 -0.012928 -1.355678 0.010497 Estimated B matrix: 0.092016 0.000000 0.000000 0.000000 0.000000 0.000000

95

3.3. Uji Kointegrasi Date: 07/21/06 Time: 05:59 Sample(adjusted): 1998:06 2005:12 Included observations: 91 after adjusting endpoints Trend assumption: Linear deterministic trend Series: LOG_OP I LOG_M2 LOG_E LOG_WPI_IMPOR LOG_MMRT Lags interval (in first differences): 1 to 4 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)

Eigenvalue

Trace Statistic

5 Percent Critical Value

1 Percent Critical Value

None ** At most 1 At most 2 At most 3 At most 4 At most 5

0.345933 0.266799 0.198334 0.139258 0.066085 0.000936

106.9442 68.31062 40.07004 19.95324 6.306868 0.085191

94.15 68.52 47.21 29.68 15.41 3.76

103.18 76.07 54.46 35.65 20.04 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels Hypothesized No. of CE(s)

Eigenvalue

Max-Eigen Statistic

5 Percent Critical Value

1 Percent Critical Value

None At most 1 At most 2 At most 3 At most 4 At most 5

0.345933 0.266799 0.198334 0.139258 0.066085 0.000936

38.63362 28.24058 20.11680 13.64637 6.221677 0.085191

39.37 33.46 27.07 20.97 14.07 3.76

45.10 38.77 32.24 25.52 18.63 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates no cointegration at both 5% and 1% levels

96

3.4. Impulse Response Function Periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

LOG_E

LOG_MMRT

0.057885 0.050655 0.037713 0.027315 0.025932 0.025729 0.028979 0.032430 0.034530 0.034101 0.033400 0.031159 0.029695 0.028730 0.027432 0.027686 0.028673 0.029543 0.029702 0.029037 0.028066 0.027563 0.027270 0.027442 0.027792 0.028071 0.028198 0.028277 0.028147 0.027972 0.027861 0.027879 0.027978 0.028135 0.028252 0.028317 0.028307 0.028262 0.028219 0.028206 0.028218 0.028258 0.028300 0.028324 0.028327 0.028313 0.028291 0.028273

-0.001326 -0.004664 -0.006905 -0.008161 -0.007509 -0.007919 -0.008960 -0.009757 -0.010187 -0.010525 -0.010605 -0.010942 -0.011319 -0.011376 -0.011146 -0.010935 -0.010890 -0.010873 -0.010799 -0.010715 -0.010642 -0.010524 -0.010402 -0.010298 -0.010203 -0.010117 -0.010072 -0.010044 -0.010016 -0.009988 -0.009966 -0.009944 -0.009927 -0.009917 -0.009921 -0.009929 -0.009939 -0.009950 -0.009959 -0.009965 -0.009972 -0.009978 -0.009986 -0.009994 -0.010002 -0.010009 -0.010015 -0.010018

97

3.5. Forecast Variance Error Decomposition Periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

S.E.

LOG_OP

I

LOG_M2

LOG_E

LOG_WPI _IMPOR

LOG_MMRT

0.089953 0.116460 0.132897 0.148767 0.156957 0.164013 0.174318 0.181467 0.190175 0.200469 0.208701 0.216816 0.224742 0.231487 0.238019 0.244502 0.250607 0.256836 0.263101 0.269125 0.275034 0.280701 0.286051 0.291291 0.296426 0.301454 0.306463 0.311409 0.316251 0.321012 0.325662 0.330210 0.334693 0.339120 0.343500 0.347844 0.352138 0.356379 0.360566 0.364698 0.368780 0.372820 0.376821 0.380786 0.384716 0.388607 0.392460 0.396274

1.914981 2.984146 2.833552 3.447341 4.124415 4.718930 5.275919 5.361549 5.315821 5.177905 4.969433 4.803298 4.663375 4.519234 4.400084 4.297892 4.188360 4.075401 3.963991 3.857390 3.759708 3.673383 3.596866 3.527976 3.463751 3.403582 3.347302 3.294456 3.245398 3.200939 3.160547 3.123650 3.089797 3.058282 3.028542 3.000491 2.974085 2.949330 2.926176 2.904486 2.884057 2.864658 2.846089 2.828263 2.811134 2.794676 2.778889 2.763755

10.55238 9.156938 8.244428 10.34794 12.40780 13.61763 13.38684 13.00755 12.66317 12.48796 12.37697 12.27593 12.10978 11.96275 11.82384 11.67675 11.50180 11.32902 11.17344 11.03684 10.91222 10.80094 10.69702 10.59752 10.50291 10.41515 10.33391 10.26026 10.19464 10.13590 10.08212 10.03238 9.986133 9.942895 9.902474 9.865052 9.830607 9.798768 9.769108 9.741214 9.714685 9.689286 9.664983 9.641762 9.619584 9.598397 9.578121 9.558632

1.577438 1.054369 1.442268 2.116188 2.448761 2.120079 1.746883 1.509513 1.293563 1.117083 0.991238 0.894444 0.842445 0.835306 0.851963 0.899344 0.976093 1.063462 1.153017 1.246543 1.339230 1.425177 1.505720 1.584719 1.659515 1.727164 1.788615 1.844102 1.892317 1.934135 1.971120 2.003818 2.032688 2.058522 2.081637 2.102084 2.120148 2.136298 2.150884 2.164181 2.176513 2.188142 2.199155 2.209610 2.219597 2.229169 2.238373 2.247287

3.514974 13.70987 21.82156 26.79272 26.64287 26.33173 26.54625 27.38154 28.50232 29.60668 30.41595 31.22548 32.12946 33.00221 33.69671 34.25316 34.77203 35.27411 35.73210 36.15422 36.54387 36.89144 37.20180 37.48129 37.72989 37.95300 38.15956 38.35230 38.53100 38.69563 38.84754 38.98749 39.11609 39.23494 39.34642 39.45159 39.55113 39.64562 39.73518 39.81984 39.90012 39.97653 40.04948 40.11941 40.18668 40.25149 40.31391 40.37397

1.110612 1.826273 3.013599 3.903444 4.913247 5.744127 5.817184 5.461179 5.129530 4.899259 4.632183 4.361130 4.085677 3.834051 3.608524 3.406148 3.213580 3.037378 2.878571 2.737875 2.611581 2.498033 2.395507 2.302598 2.217576 2.139588 2.067543 2.000684 1.938432 1.880388 1.826064 1.775116 1.727185 1.681992 1.639261 1.598806 1.560460 1.524090 1.489533 1.456647 1.425297 1.395361 1.366731 1.339323 1.313059 1.287870 1.263690 1.240461

81.32961 71.26840 62.64459 53.39237 49.46290 47.46751 47.22692 47.27867 47.09560 46.71111 46.61423 46.43971 46.16927 45.84646 45.61888 45.46670 45.34814 45.22063 45.09887 44.96714 44.83339 44.71102 44.60309 44.50589 44.42636 44.36151 44.30307 44.24820 44.19821 44.15301 44.11260 44.07754 44.04811 44.02337 44.00167 43.98198 43.96357 43.94590 43.92912 43.91363 43.89933 43.88603 43.87356 43.86163 43.84994 43.83840 43.82702 43.81589

98

Lampiran 3. Persamaan IHK kelompok Perumahan

3.1. Uji Lag Optimal VAR Lag Order Selection Criteria Endogenous variables: D_OP D_I D_M2 D_E D_WPI_IMPOR D_PH Exogenous variables: C Sample: 1998:01 2005:12 Included observations: 90 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2 3 4 5

176.1472 252.4563 325.6458 373.3418 400.9327 436.0763

NA 140.7480 125.2353 75.25378* 39.85343 46.07714

9.18E-10 3.76E-10 1.66E-10 1.32E-10* 1.67E-10 1.85E-10

-3.781049 -4.676807 -5.503240 -5.763152* -5.576282 -5.557250

-3.614395* -3.510230 -3.336738 -2.596726 -1.409932 -0.390977

-3.713844 -4.206375 -4.629579* -4.486263 -3.896165 -3.473905

* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

99

3.2. Restriksi Sementara Structural VAR Estimates Included observations: 92 after adjusting endpoints Estimation method: method of scoring (analytic derivatives) Convergence achieved after 17 iterations Structural VAR is just-identified Model: Ae = Bu where E[uu']=I Restriction Type: short-run text form @e1 = C(1)*@u1 @e2 = C(2)*@e1 + C(3)*@u2 @e3 = C(4)*@e1 + C(5)*@e2 + C(6)*@u3 @e4 = C(7)*@e1 + C(8)*@e2 + C(9)*@e3 + C(10)*@u4 @e5 = C(11)*@e1 + C(12)*@e2 + C(13)*@e3 + C(14)*@e4 + C(15)*@u5 @e6 = C(16)*@e1 + C(17)*@e2 + C(18)*@e3 + C(19)*@e4 + C(20)*@e5 + C(21)*@u6 where @e1 represents D_OP residuals @e2 represents D_I residuals @e3 represents D_M2 residuals @e4 represents D_E residuals @e5 represents D_WPI_IMPOR residuals @e6 represents D_PH residuals Coefficient

Std. Error

z-Statistic

Prob.

C(2) C(4) C(5) C(7) C(8) C(9) C(11) C(12) C(13) C(14) C(16) C(17) C(18) C(19) C(20) C(1) C(3) C(6) C(10) C(15) C(21)

0.124415 0.077785 -0.000438 0.091607 0.000314 -0.140955 1.079392 0.140338 1.158293 -20.27028 -0.009262 0.000639 0.001734 0.035751 0.002151 0.100153 1.541640 0.082040 0.061492 1.331432 0.008879

1.604812 0.085404 0.005548 0.064302 0.004159 0.078145 1.407543 0.090047 1.721656 2.257386 0.009417 0.000608 0.011510 0.020621 0.000695 0.007383 0.113651 0.006048 0.004533 0.098154 0.000655

0.077526 0.910783 -0.078993 1.424639 0.075458 -1.803762 0.766863 1.558497 0.672778 -8.979537 -0.983540 1.050804 0.150626 1.733668 3.093347 13.56466 13.56466 13.56466 13.56466 13.56466 13.56466

0.9382 0.3624 0.9370 0.1543 0.9399 0.0713 0.4432 0.1191 0.5011 0.0000 0.3253 0.2933 0.8803 0.0830 0.0020 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

Log likelihood

283.5209 0.000000 1.000000 0.000438 -0.000314 -0.140338 -0.000639

0.000000 0.000000 1.000000 0.140955 -1.158293 -0.001734

0.000000 0.000000 0.000000 1.000000 20.27028 -0.035751

0.000000 0.000000 0.000000 0.000000 1.000000 -0.002151

0.000000 0.000000 0.000000 0.000000 0.000000 1.000000

0.000000 1.541640 0.000000 0.000000 0.000000 0.000000

0.000000 0.000000 0.082040 0.000000 0.000000 0.000000

0.000000 0.000000 0.000000 0.061492 0.000000 0.000000

0.000000 0.000000 0.000000 0.000000 1.331432 0.000000

0.000000 0.000000 0.000000 0.000000 0.000000 0.008879

Estimated A matrix: 1.000000 -0.124415 -0.077785 -0.091607 -1.079392 0.009262 Estimated B matrix: 0.100153 0.000000 0.000000 0.000000 0.000000 0.000000

100

3.3. Uji Kointegrasi Date: 07/16/06 Time: 04:46 Sample(adjusted): 1998:05 2005:12 Included observations: 92 after adjusting endpoints Trend assumption: Linear deterministic trend Series: LOG_OP I LOG_M2 LOG_E LOG_WPI_IMPOR LOG_PH Lags interval (in first differences): 1 to 3 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)

Eigenvalue

Trace Statistic

5 Percent Critical Value

1 Percent Critical Value

None ** At most 1 At most 2 At most 3 At most 4 At most 5

0.394015 0.283032 0.168333 0.115309 0.061055 0.012959

111.9185 65.83571 35.22516 18.26740 6.995875 1.200066

94.15 68.52 47.21 29.68 15.41 3.76

103.18 76.07 54.46 35.65 20.04 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels Hypothesized No. of CE(s)

Eigenvalue

Max-Eigen Statistic

5 Percent Critical Value

1 Percent Critical Value

None ** At most 1 At most 2 At most 3 At most 4 At most 5

0.394015 0.283032 0.168333 0.115309 0.061055 0.012959

46.08275 30.61055 16.95776 11.27153 5.795808 1.200066

39.37 33.46 27.07 20.97 14.07 3.76

45.10 38.77 32.24 25.52 18.63 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at both 5% and 1% levels

101

3.4. Impulse Response Periode

LOG_E

LOG_PH

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

0.061915 0.058254 0.047017 0.036970 0.037637 0.030581 0.029881 0.032162 0.036987 0.038192 0.038403 0.036224 0.034901 0.033543 0.033402 0.033590 0.034650 0.035096 0.035098 0.034701 0.034500 0.034280 0.034207 0.034281 0.034473 0.034608 0.034645 0.034626 0.034574 0.034537 0.034523 0.034550 0.034583 0.034617 0.034628 0.034629 0.034617 0.034609 0.034604 0.034606 0.034611 0.034616 0.034618 0.034617 0.034614 0.034610 0.034608 0.034608

-3.75E-05 -5.34E-05 -0.001691 -0.001948 -0.002188 -0.002296 -0.002282 -0.001744 -0.001562 -0.001635 -0.001796 -0.001926 -0.001980 -0.001919 -0.001792 -0.001723 -0.001666 -0.001646 -0.001640 -0.001664 -0.001662 -0.001653 -0.001631 -0.001614 -0.001597 -0.001595 -0.001598 -0.001605 -0.001608 -0.001610 -0.001609 -0.001608 -0.001607 -0.001608 -0.001611 -0.001613 -0.001616 -0.001617 -0.001618 -0.001618 -0.001618 -0.001619 -0.001619 -0.001620 -0.001620 -0.001620 -0.001620 -0.001620

102

3.5. Forecast Variance Error Decomposition Periode

S.E.

LOG_OP

I

LOG_M2

LOG_E

LOG_WPI_IMPOR

LOG_PH

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

0.098897 0.131103 0.151626 0.177107 0.197711 0.215270 0.232168 0.248061 0.262822 0.278197 0.292250 0.305050 0.316922 0.328350 0.339014 0.349248 0.359106 0.368700 0.377963 0.386932 0.395609 0.404038 0.412244 0.420258 0.428117 0.435833 0.443417 0.450864 0.458189 0.465393 0.472490 0.479484 0.486383 0.493192 0.499915 0.506552 0.513106 0.519581 0.525978 0.532301 0.538551 0.544732 0.550844 0.556891 0.562873 0.568792 0.574651 0.580450

2.186208 4.662392 5.939738 7.210833 8.515743 9.721857 11.07849 12.12089 12.95697 13.45471 13.83821 14.08740 14.34443 14.55026 14.75229 14.90532 15.03316 15.12101 15.19297 15.24539 15.28872 15.32361 15.35482 15.38114 15.40259 15.41989 15.43352 15.44519 15.45534 15.46527 15.47457 15.48379 15.49244 15.50090 15.50890 15.51680 15.52448 15.53215 15.53970 15.54717 15.55448 15.56160 15.56850 15.57520 15.58170 15.58800 15.59410 15.60000

9.881575 18.62899 22.55839 30.50556 35.52510 38.77277 39.35737 39.91969 40.05833 40.23330 40.27525 40.34166 40.37899 40.38444 40.34994 40.24080 40.10879 39.95751 39.83095 39.70773 39.60285 39.49504 39.39414 39.29114 39.19564 39.10357 39.01990 38.94240 38.87250 38.80782 38.74784 38.69156 38.63877 38.58950 38.54354 38.50086 38.46088 38.42342 38.38791 38.35427 38.32216 38.29158 38.26234 38.23442 38.20765 38.18198 38.15727 38.13347

0.623714 0.594047 1.108186 1.819754 2.310269 2.489673 2.540924 2.495061 2.397503 2.297523 2.218058 2.149675 2.088162 2.034004 1.982788 1.929427 1.876930 1.828466 1.784765 1.745173 1.709539 1.677010 1.646784 1.618533 1.592199 1.567682 1.544964 1.524016 1.504667 1.486693 1.469905 1.454151 1.439315 1.425333 1.412157 1.399725 1.387970 1.376823 1.366221 1.356109 1.346445 1.337197 1.328339 1.319846 1.311697 1.303867 1.296335 1.289082

0.001732 0.002357 0.948448 1.595360 2.021747 2.276716 2.364371 2.225367 2.104093 2.037514 2.021998 2.035277 2.065060 2.083460 2.087168 2.084189 2.079240 2.074846 2.074065 2.077862 2.083094 2.087904 2.091298 2.093485 2.094616 2.095730 2.097234 2.099195 2.101259 2.103258 2.104974 2.106382 2.107555 2.108629 2.109680 2.110738 2.111793 2.112800 2.113730 2.114577 2.115357 2.116090 2.116795 2.117481 2.118149 2.118793 2.119409 2.119997

5.451257 3.612987 4.179189 4.220034 4.251266 4.559754 4.668824 4.733394 4.613920 4.583822 4.473450 4.440268 4.383128 4.371890 4.334677 4.316934 4.283833 4.259431 4.230739 4.209915 4.189772 4.173868 4.159241 4.145935 4.133312 4.121101 4.110202 4.099886 4.090969 4.082558 4.075167 4.067980 4.061419 4.055015 4.049097 4.043403 4.038121 4.033074 4.028322 4.023756 4.019392 4.015189 4.011152 4.007274 4.003546 3.999966 3.996517 3.993198

81.85551 72.49923 65.26605 54.64846 47.37588 42.17923 39.99002 38.50559 37.86918 37.39313 37.17303 36.94572 36.74023 36.57594 36.49314 36.52333 36.61804 36.75873 36.88650 37.01394 37.12602 37.24256 37.35371 37.46977 37.58165 37.69203 37.79418 37.88931 37.97526 38.05440 38.12754 38.19614 38.26050 38.32062 38.37662 38.42847 38.47675 38.52174 38.56411 38.60411 38.64217 38.67835 38.71287 38.74578 38.77726 38.80740 38.83637 38.86425

103

Lampiran 5. Persamaan IHK kelompok sandang

5.1. Uji Lag Optimal VAR Lag Order Selection Criteria Endogenous variables: D_OP D_I D_M2 D_E D_WPI_IMPOR D_S Exogenous variables: C Date: 07/16/06 Time: 04:51 Sample: 1998:01 2005:12 Included observations: 90 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2 3 4 5

153.5498 264.0328 340.3732 380.7599 409.7460 451.0163

NA 203.7798 130.6269 63.72134 41.86870 54.10994*

1.52E-09 2.90E-10 1.20E-10 1.12E-10* 1.37E-10 1.33E-10

-3.278884 -4.934062 -5.830515 -5.927999* -5.772133 -5.889250

-3.112230 -3.767485* -3.664013 -2.761573 -1.605783 -0.722977

-3.211680 -4.463630 -4.956854* -4.651110 -4.092016 -3.805905

* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

104

5.2. Restriksi Sementara Structural VAR Estimates Included observations: 92 after adjusting endpoints Estimation method: method of scoring (analytic derivatives) Convergence achieved after 17 iterations Structural VAR is just-identified Model: Ae = Bu where E[uu']=I Restriction Type: short-run text form @e1 = C(1)*@u1 @e2 = C(2)*@e1 + C(3)*@u2 @e3 = C(4)*@e1 + C(5)*@e2 + C(6)*@u3 @e4 = C(7)*@e1 + C(8)*@e2 + C(9)*@e3 + C(10)*@u4 @e5 = C(11)*@e1 + C(12)*@e2 + C(13)*@e3 + C(14)*@e4 + C(15)*@u5 @e6 = C(16)*@e1 + C(17)*@e2 + C(18)*@e3 + C(19)*@e4 + C(20)*@e5 + C(21)*@u6 where @e1 represents D_OP residuals @e2 represents D_I residuals @e3 represents D_M2 residuals @e4 represents D_E residuals @e5 represents D_WPI_IMPOR residuals @e6 represents D_S residuals Coefficient

Std. Error

z-Statistic

Prob.

C(2) C(4) C(5) C(7) C(8) C(9) C(11) C(12) C(13) C(14) C(16) C(17) C(18) C(19) C(20) C(1) C(3) C(6) C(10) C(15) C(21)

1.765811 0.029084 -0.001905 0.061865 -0.001542 -0.068803 1.258611 0.161255 1.006747 -19.87126 -0.014476 5.19E-05 0.001201 -0.051856 0.000896 0.100360 1.549025 0.081034 0.063014 1.346402 0.007634

1.609171 0.084730 0.005454 0.065930 0.004244 0.081072 1.415431 0.090745 1.739027 2.227646 0.008060 0.000523 0.009878 0.017248 0.000591 0.007399 0.114196 0.005974 0.004645 0.099258 0.000563

1.097342 0.343260 -0.349203 0.938352 -0.363231 -0.848657 0.889207 1.777015 0.578914 -8.920292 -1.796115 0.099137 0.121630 -3.006405 1.514976 13.56466 13.56466 13.56466 13.56466 13.56466 13.56466

0.2725 0.7314 0.7269 0.3481 0.7164 0.3961 0.3739 0.0756 0.5626 0.0000 0.0725 0.9210 0.9032 0.0026 0.1298 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

Log likelihood

294.6505

Estimated A matrix: 1.000000 -1.765811 -0.029084 -0.061865 -1.258611 0.014476 Estimated B matrix: 0.100360 0.000000 0.000000 0.000000 0.000000 0.000000

0.000000 1.000000 0.001905 0.001542 -0.161255 -5.19E-05

0.000000 0.000000 1.000000 0.068803 -1.006747 -0.001201

0.000000 0.000000 0.000000 1.000000 19.87126 0.051856

0.000000 0.000000 0.000000 0.000000 1.000000 -0.000896

0.000000 0.000000 0.000000 0.000000 0.000000 1.000000

0.000000 1.549025 0.000000 0.000000 0.000000 0.000000

0.000000 0.000000 0.081034 0.000000 0.000000 0.000000

0.000000 0.000000 0.000000 0.063014 0.000000 0.000000

0.000000 0.000000 0.000000 0.000000 1.346402 0.000000

0.000000 0.000000 0.000000 0.000000 0.000000 0.007634

105

5.3. Uji Kointegrasi Date: 07/16/06 Time: 04:54 Sample(adjusted): 1998:05 2005:12 Included observations: 92 after adjusting endpoints Trend assumption: Linear deterministic trend Series: LOG_OP I LOG_M2 LOG_E LOG_WPI_IMPOR LOG_S Lags interval (in first differences): 1 to 3 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)

Eigenvalue

Trace Statistic

5 Percent Critical Value

1 Percent Critical Value

None ** At most 1 At most 2 At most 3 At most 4 At most 5

0.550362 0.236373 0.198856 0.100212 0.060408 0.000659

134.2526 60.71579 35.90565 15.50796 5.793091 0.060642

94.15 68.52 47.21 29.68 15.41 3.76

103.18 76.07 54.46 35.65 20.04 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels Hypothesized No. of CE(s)

Eigenvalue

Max-Eigen Statistic

5 Percent Critical Value

1 Percent Critical Value

None ** At most 1 At most 2 At most 3 At most 4 At most 5

0.550362 0.236373 0.198856 0.100212 0.060408 0.000659

73.53677 24.81014 20.39769 9.714865 5.732449 0.060642

39.37 33.46 27.07 20.97 14.07 3.76

45.10 38.77 32.24 25.52 18.63 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at both 5% and 1% levels

106

5.3. Impulse Response Function Periode

LOG_E

LOG_S

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

0.062042 0.057039 0.046198 0.036293 0.029915 0.023950 0.027371 0.032288 0.036181 0.037609 0.036838 0.034640 0.032909 0.032259 0.032643 0.033672 0.034481 0.034735 0.034550 0.034222 0.033891 0.033764 0.033840 0.034023 0.034163 0.034224 0.034197 0.034131 0.034066 0.034042 0.034054 0.034085 0.034110 0.034121 0.034115 0.034102 0.034089 0.034084 0.034085 0.034090 0.034094 0.034096 0.034095 0.034093 0.034090 0.034089 0.034089 0.034090

-0.003693 -0.010691 -0.010398 -0.007982 -0.005720 -0.004607 -0.004272 -0.005105 -0.005846 -0.006185 -0.006281 -0.006150 -0.005764 -0.005468 -0.005415 -0.005529 -0.005687 -0.005800 -0.005825 -0.005780 -0.005719 -0.005677 -0.005672 -0.005693 -0.005723 -0.005747 -0.005755 -0.005749 -0.005739 -0.005731 -0.005730 -0.005735 -0.005740 -0.005745 -0.005746 -0.005745 -0.005743 -0.005742 -0.005741 -0.005742 -0.005742 -0.005743 -0.005743 -0.005743 -0.005742 -0.005742 -0.005742 -0.005742

107

5.4. Forecast Variance Error Decomposition Periode

S.E.

LOG_OP

I

LOG_M2

LOG_E

LOG_WPI _IMPOR

LOG_S

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

0.098297 0.131251 0.149564 0.171162 0.188102 0.200479 0.214005 0.228754 0.243200 0.256914 0.269559 0.281242 0.292365 0.302966 0.313115 0.323003 0.332655 0.341989 0.351002 0.359719 0.368158 0.376351 0.384349 0.392179 0.399848 0.407359 0.414719 0.421937 0.429020 0.435979 0.442826 0.449568 0.456210 0.462757 0.469213 0.475579 0.481861 0.488063 0.494187 0.500238 0.506218 0.512129 0.517973 0.523752 0.529469 0.535125 0.540723 0.546263

1.659240 1.369512 3.627213 6.778490 9.352930 11.04786 12.35511 13.27819 13.95788 14.48172 14.98220 15.48123 15.98368 16.45697 16.88086 17.23707 17.53848 17.80263 18.04406 18.26722 18.47549 18.66773 18.84270 18.99995 19.14166 19.27020 19.38821 19.49756 19.59947 19.69431 19.78243 19.86421 19.94031 20.01137 20.07808 20.14098 20.20045 20.25677 20.31016 20.36082 20.40896 20.45481 20.49856 20.54039 20.58044 20.61882 20.65564 20.69098

9.198932 16.22074 30.30008 38.90056 41.12640 41.06786 40.81835 41.02192 41.39398 41.77846 41.98159 42.07936 42.12205 42.12743 42.08121 42.02246 41.96641 41.91949 41.87168 41.82022 41.76175 41.70079 41.64021 41.58309 41.52941 41.47949 41.43255 41.38838 41.34634 41.30649 41.26886 41.23371 41.20095 41.17046 41.14194 41.11517 41.08993 41.06612 41.04364 41.02242 41.00236 40.98337 40.96535 40.94820 40.93184 40.91621 40.90125 40.88693

0.007571 0.086818 0.136263 0.082205 0.075373 0.100419 0.094779 0.081508 0.072628 0.070843 0.074532 0.077851 0.079926 0.082131 0.084364 0.086394 0.088688 0.091432 0.094335 0.097310 0.100252 0.102975 0.105408 0.107675 0.109855 0.111954 0.113947 0.115827 0.117587 0.119217 0.120723 0.122125 0.123437 0.124668 0.125827 0.126917 0.127942 0.128904 0.129810 0.130665 0.131475 0.132245 0.132977 0.133675 0.134341 0.134977 0.135585 0.136168

19.03882 37.55683 30.00334 22.95539 18.60025 15.70392 13.63321 12.38506 11.60876 11.02796 10.55836 10.15097 9.767269 9.429023 9.160467 8.959857 8.813848 8.704268 8.614785 8.535266 8.463349 8.399850 8.346391 8.302864 8.267796 8.238782 8.213593 8.190546 8.169011 8.148972 8.130602 8.113880 8.098608 8.084437 8.071032 8.058159 8.045730 8.033743 8.022228 8.011195 8.000624 7.990469 7.980682 7.971228 7.962091 7.953267 7.944756 7.936555

1.517548 0.837748 1.532829 1.507405 1.882395 1.800393 1.588177 1.417605 1.303934 1.236470 1.200151 1.182572 1.158371 1.136652 1.115012 1.097353 1.082439 1.073874 1.068588 1.066225 1.064231 1.062679 1.060863 1.059661 1.058921 1.058937 1.059322 1.060022 1.060707 1.061374 1.061930 1.062472 1.062994 1.063547 1.064090 1.064618 1.065093 1.065516 1.065884 1.066214 1.066513 1.066791 1.067047 1.067285 1.067501 1.067698 1.067877 1.068043

68.57789 43.92834 34.40028 29.77595 28.96265 30.27955 31.51038 31.81571 31.66282 31.40454 31.20317 31.02801 30.88870 30.76780 30.67809 30.59687 30.51014 30.40830 30.30656 30.21376 30.13493 30.06597 30.00443 29.94676 29.89236 29.84064 29.79237 29.74766 29.70689 29.66964 29.63545 29.60360 29.57370 29.54552 29.51903 29.49416 29.47085 29.44894 29.42827 29.40868 29.39006 29.37231 29.35538 29.33922 29.32379 29.30903 29.29489 29.28132

108

Lampiran 6. Persamaan IHK kelompok kesehatan (IHKkn)

6.1. Uji Lag Optimal VAR Lag Order Selection Criteria Endogenous variables: D_OP D_I D_M2 D_E D_WPI_IMPOR D_KN Exogenous variables: C Sample: 1998:01 2005:12 Included observations: 89 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2 3 4 5 6

213.1726 323.3894 382.3084 423.3376 457.7530 504.3304 540.0408

NA 203.0960 100.6257 64.54041 49.49623 60.70761* 41.72908

3.83E-10 7.24E-11 4.37E-11 4.01E-11 4.39E-11 3.78E-11* 4.37E-11

-4.655565 -6.323357 -6.838391 -6.951408 -6.915798 -7.153492* -7.146985

-4.487792 -5.148944* -4.657339 -3.763716 -2.721467 -1.952521 -0.939375

-4.587940 -5.849985 -5.959271* -5.666541 -5.225183 -5.057130 -4.644876

* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

109

6.2. Restriksi Sementara Structural VAR Estimates Included observations: 90 after adjusting endpoints Estimation method: method of scoring (analytic derivatives) Convergence achieved after 15 iterations Structural VAR is just-identified Model: Ae = Bu where E[uu']=I Restriction Type: short-run text form @e1 = C(1)*@u1 @e2 = C(2)*@e1 + C(3)*@u2 @e3 = C(4)*@e1 + C(5)*@e2 + C(6)*@u3 @e4 = C(7)*@e1 + C(8)*@e2 + C(9)*@e3 + C(10)*@u4 @e5 = C(11)*@e1 + C(12)*@e2 + C(13)*@e3 + C(14)*@e4 + C(15)*@u5 @e6 = C(16)*@e1 + C(17)*@e2 + C(18)*@e3 + C(19)*@e4 + C(20)*@e5 + C(21)*@u6 where @e1 represents D_OP residuals @e2 represents D_I residuals @e3 represents D_M2 residuals @e4 represents D_E residuals @e5 represents D_WPI_IMPOR residuals @e6 represents D_KN residuals Coefficient

Std. Error

z-Statistic

Prob.

C(2) C(4) C(5) C(7) C(8) C(9) C(11) C(12) C(13) C(14) C(16) C(17) C(18) C(19) C(20) C(1) C(3) C(6) C(10) C(15) C(21)

-1.997713 -0.034637 0.003005 0.178876 -0.002498 0.092989 0.321729 0.005852 -0.706734 -16.96791 0.004892 1.76E-05 -0.000979 -0.007566 0.000383 0.093861 1.230061 0.080324 0.049210 1.356136 0.005162

1.381400 0.091248 0.006883 0.055947 0.004221 0.064578 1.627019 0.116562 1.800051 2.904910 0.006194 0.000444 0.006857 0.012984 0.000401 0.006996 0.091683 0.005987 0.003668 0.101080 0.000385

-1.446150 -0.379594 0.436561 3.197239 -0.591825 1.439944 0.197741 0.050207 -0.392619 -5.841114 0.789802 0.039686 -0.142739 -0.582717 0.955311 13.41641 13.41641 13.41641 13.41641 13.41641 13.41641

0.1481 0.7042 0.6624 0.0014 0.5540 0.1499 0.8432 0.9600 0.6946 0.0000 0.4296 0.9683 0.8865 0.5601 0.3394 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

Log likelihood

372.6393 0.000000 1.000000 -0.003005 0.002498 -0.005852 -1.76E-05

0.000000 0.000000 1.000000 -0.092989 0.706734 0.000979

0.000000 0.000000 0.000000 1.000000 16.96791 0.007566

0.000000 0.000000 0.000000 0.000000 1.000000 -0.000383

0.000000 0.000000 0.000000 0.000000 0.000000 1.000000

0.000000 1.230061 0.000000 0.000000 0.000000 0.000000

0.000000 0.000000 0.080324 0.000000 0.000000 0.000000

0.000000 0.000000 0.000000 0.049210 0.000000 0.000000

0.000000 0.000000 0.000000 0.000000 1.356136 0.000000

0.000000 0.000000 0.000000 0.000000 0.000000 0.005162

Estimated A matrix: 1.000000 1.997713 0.034637 -0.178876 -0.321729 -0.004892 Estimated B matrix: 0.093861 0.000000 0.000000 0.000000 0.000000 0.000000

110

6.3. Uji Kointegrasi Date: 07/16/06 Time: 05:46 Sample(adjusted): 1998:07 2005:12 Included observations: 90 after adjusting endpoints Trend assumption: Linear deterministic trend Series: LOG_OP I LOG_M2 LOG_E LOG_WPI_IMPOR LOG_KN Lags interval (in first differences): 1 to 5 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)

Eigenvalue

Trace Statistic

5 Percent Critical Value

1 Percent Critical Value

None ** At most 1 * At most 2 At most 3 At most 4 At most 5

0.485085 0.274337 0.199739 0.154497 0.088570 0.006485

132.6879 72.95015 44.08987 24.03632 8.932207 0.585523

94.15 68.52 47.21 29.68 15.41 3.76

103.18 76.07 54.46 35.65 20.04 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 2 cointegrating equation(s) at the 5% level Trace test indicates 1 cointegrating equation(s) at the 1% level Hypothesized No. of CE(s)

Eigenvalue

Max-Eigen Statistic

5 Percent Critical Value

1 Percent Critical Value

None ** At most 1 At most 2 At most 3 At most 4 At most 5

0.485085 0.274337 0.199739 0.154497 0.088570 0.006485

59.73773 28.86028 20.05355 15.10411 8.346684 0.585523

39.37 33.46 27.07 20.97 14.07 3.76

45.10 38.77 32.24 25.52 18.63 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at both 5% and 1% levels

111

6.4. Impulse Response Function Periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

LOG_E

LOG_KN

0.048529 0.035944 0.029405 0.020205 0.024633 0.015766 0.028511 0.031533 0.036005 0.036889 0.037279 0.033337 0.032783 0.032576 0.034492 0.035562 0.036188 0.035688 0.035338 0.034154 0.033671 0.033524 0.033259 0.033314 0.033629 0.033363 0.033085 0.032900 0.032644 0.032456 0.032574 0.032643 0.032734 0.032837 0.032870 0.032816 0.032836 0.032864 0.032943 0.033035 0.033127 0.033176 0.033222 0.033236 0.033251 0.033260 0.033281 0.033299

-0.000342 -0.000597 -0.001514 -0.002354 -0.002649 -0.003334 -0.003622 -0.003798 -0.004044 -0.004514 -0.004767 -0.005341 -0.005708 -0.005936 -0.006053 -0.006181 -0.006171 -0.006292 -0.006320 -0.006405 -0.006455 -0.006522 -0.006479 -0.006440 -0.006347 -0.006296 -0.006260 -0.006259 -0.006228 -0.006210 -0.006166 -0.006134 -0.006099 -0.006080 -0.006060 -0.006060 -0.006059 -0.006064 -0.006064 -0.006066 -0.006065 -0.006071 -0.006077 -0.006088 -0.006098 -0.006109 -0.006116 -0.006123

112

6.5. Forecast Variance Error Decomposition Periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

S.E.

LOG_OP

I

LOG_M2

LOG_E

LOG_WPI_IMP OR

LOG_KN

0.083816 0.106493 0.119839 0.132402 0.142801 0.153556 0.163321 0.170471 0.177200 0.183430 0.189834 0.196468 0.202322 0.206916 0.211907 0.217631 0.223419 0.229040 0.233987 0.238771 0.243667 0.248544 0.253272 0.257839 0.262231 0.266543 0.270756 0.274789 0.278659 0.282466 0.286207 0.289889 0.293504 0.297045 0.300531 0.303981 0.307381 0.310740 0.314072 0.317382 0.320667 0.323928 0.327156 0.330357 0.333536 0.336694 0.339827 0.342936

0.846366 1.569014 1.635582 2.752210 3.249432 3.480729 3.432535 3.874588 4.890658 5.949963 6.911806 7.607816 8.157858 8.864835 9.525706 10.09409 10.61532 11.10663 11.60636 12.08871 12.49226 12.80884 13.07998 13.32897 13.55892 13.76739 13.94571 14.09682 14.22844 14.33957 14.43154 14.50906 14.57627 14.63658 14.69125 14.73917 14.78055 14.81716 14.85030 14.88113 14.91066 14.93932 14.96747 14.99526 15.02243 15.04892 15.07495 15.10072

1.722417 3.722275 4.005338 6.650355 10.43255 12.37582 12.83576 12.14787 11.18367 10.36035 9.758816 9.192528 8.678368 8.179197 7.722812 7.297595 6.904165 6.538032 6.217678 5.939496 5.700070 5.490437 5.305697 5.142451 5.001773 4.880441 4.775759 4.686838 4.612571 4.550842 4.499399 4.455702 4.418155 4.386300 4.359403 4.336428 4.316407 4.298540 4.282108 4.266595 4.251496 4.236534 4.221662 4.206894 4.192166 4.177406 4.162545 4.147605

0.079549 0.041881 1.701741 3.773437 5.945244 7.442395 8.777625 10.21077 11.70230 12.79098 13.69669 14.45246 15.14059 15.71401 16.30243 16.82276 17.30959 17.70480 18.04003 18.32153 18.59837 18.85040 19.09055 19.30299 19.50512 19.69266 19.87123 20.02829 20.17169 20.30302 20.43117 20.55294 20.66814 20.77211 20.86823 20.95685 21.04058 21.11847 21.19181 21.26025 21.32530 21.38650 21.44423 21.49815 21.54918 21.59753 21.64388 21.68811

0.452743 0.924981 3.401919 6.814004 9.244908 11.67607 13.45105 14.78362 15.81517 17.11941 18.34639 19.95695 21.65925 23.19647 24.54007 25.77561 26.83333 27.84157 28.72835 29.54942 30.31254 31.05229 31.70892 32.28722 32.77056 33.19011 33.56202 33.90628 34.21073 34.48396 34.72145 34.93091 35.11256 35.27270 35.41192 35.53847 35.65411 35.76184 35.86084 35.95282 36.03763 36.11796 36.19441 36.26849 36.34038 36.41089 36.47960 36.54676

0.697764 0.659796 2.439028 2.193809 1.770638 1.349483 1.234388 1.203986 1.134547 1.138116 1.184856 1.331574 1.414098 1.464616 1.492793 1.540670 1.606417 1.664141 1.683979 1.688622 1.685865 1.686174 1.684025 1.676888 1.661872 1.645338 1.628398 1.611383 1.592959 1.574223 1.555378 1.537909 1.521340 1.505603 1.490366 1.476128 1.462837 1.450756 1.439629 1.429494 1.420201 1.411797 1.404090 1.397091 1.390668 1.384817 1.379425 1.374459

96.20116 93.08205 86.81639 77.81619 69.35723 63.67550 60.26865 57.77917 55.27366 52.64118 50.10143 47.45868 44.94984 42.58087 40.41619 38.46927 36.73117 35.14483 33.72361 32.41221 31.21089 30.11186 29.13082 28.26148 27.50176 26.82406 26.21688 25.67039 25.18361 24.74837 24.36106 24.01349 23.70353 23.42670 23.17884 22.95295 22.74551 22.55324 22.37532 22.20972 22.05471 21.90789 21.76814 21.63412 21.50518 21.38044 21.25960 21.14234

113

Lampiran 7. Persamaan IHK kelompok pendidikan, rekreasi, olahraga

7.1. Uji Lag Optimal VAR Lag Order Selection Criteria Endogenous variables: D_OP D_I D_M2 D_E D_WPI_IMPOR D_PRO Exogenous variables: C Date: 07/16/06 Time: 05:56 Sample: 1998:01 2005:12 Included observations: 91 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2 3 4

109.9892 183.9181 253.4584 300.0049 333.4436

NA 136.4842 119.2120 73.65597* 48.50443

4.10E-09 1.78E-09 8.62E-10 7.01E-10* 7.80E-10

-2.285477 -3.119080 -3.856229 -4.088020* -4.031727

-2.119925* -1.960221 -1.704064 -0.942548 0.107053

-2.218687 -2.651553 -2.987965* -2.819018 -2.361987

* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

114

7.2. Restriksi Sementara Structural VAR Estimates Included observations: 92 after adjusting endpoints Estimation method: method of scoring (analytic derivatives) Convergence achieved after 17 iterations Structural VAR is just-identified Model: Ae = Bu where E[uu']=I Restriction Type: short-run text form @e1 = C(1)*@u1 @e2 = C(2)*@e1 + C(3)*@u2 @e3 = C(4)*@e1 + C(5)*@e2 + C(6)*@u3 @e4 = C(7)*@e1 + C(8)*@e2 + C(9)*@e3 + C(10)*@u4 @e5 = C(11)*@e1 + C(12)*@e2 + C(13)*@e3 + C(14)*@e4 + C(15)*@u5 @e6 = C(16)*@e1 + C(17)*@e2 + C(18)*@e3 + C(19)*@e4 + C(20)*@e5 + C(21)*@u6 where @e1 represents D_OP residuals @e2 represents D_I residuals @e3 represents D_M2 residuals @e4 represents D_E residuals @e5 represents D_WPI_IMPOR residuals @e6 represents D_PRO residuals Coefficient

Std. Error

z-Statistic

Prob.

C(2) C(4) C(5) C(7) C(8) C(9) C(11) C(12) C(13) C(14) C(16) C(17) C(18) C(19) C(20) C(1) C(3) C(6) C(10) C(15) C(21)

0.698511 0.069541 -0.003556 0.095926 -0.002824 -0.113812 0.934542 0.139174 1.469937 -19.31232 0.019684 0.001424 0.058759 0.001847 -0.000783 0.099874 1.623189 0.081235 0.063948 1.348820 0.013672

1.694428 0.084878 0.005218 0.067059 0.004118 0.082071 1.430093 0.087075 1.749081 2.199052 0.014529 0.000895 0.017797 0.030222 0.001057 0.007363 0.119663 0.005989 0.004714 0.099436 0.001008

0.412240 0.819298 -0.681465 1.430471 -0.685841 -1.386756 0.653483 1.598330 0.840405 -8.782110 1.354770 1.591232 3.301623 0.061111 -0.741239 13.56466 13.56466 13.56466 13.56466 13.56466 13.56466

0.6802 0.4126 0.4956 0.1526 0.4928 0.1655 0.5134 0.1100 0.4007 0.0000 0.1755 0.1116 0.0010 0.9513 0.4585 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

Log likelihood

235.4358 0.000000 1.000000 0.003556 0.002824 -0.139174 -0.001424

0.000000 0.000000 1.000000 0.113812 -1.469937 -0.058759

0.000000 0.000000 0.000000 1.000000 19.31232 -0.001847

0.000000 0.000000 0.000000 0.000000 1.000000 0.000783

0.000000 0.000000 0.000000 0.000000 0.000000 1.000000

0.000000 1.623189 0.000000 0.000000 0.000000 0.000000

0.000000 0.000000 0.081235 0.000000 0.000000 0.000000

0.000000 0.000000 0.000000 0.063948 0.000000 0.000000

0.000000 0.000000 0.000000 0.000000 1.348820 0.000000

0.000000 0.000000 0.000000 0.000000 0.000000 0.013672

Estimated A matrix: 1.000000 -0.698511 -0.069541 -0.095926 -0.934542 -0.019684 Estimated B matrix: 0.099874 0.000000 0.000000 0.000000 0.000000 0.000000

115

7.3. Uji Kointegrasi Date: 07/16/06 Time: 05:57 Sample(adjusted): 1998:05 2005:12 Included observations: 92 after adjusting endpoints Trend assumption: Linear deterministic trend Series: LOG_OP I LOG_M2 LOG_E LOG_WPI_IMPOR LOG_PRO Lags interval (in first differences): 1 to 3 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)

Eigenvalue

Trace Statistic

5 Percent Critical Value

1 Percent Critical Value

None ** At most 1 At most 2 At most 3 At most 4 At most 5

0.375336 0.280009 0.184141 0.127130 0.049394 0.008152

110.1592 66.86940 36.64582 17.92253 5.413379 0.753035

94.15 68.52 47.21 29.68 15.41 3.76

103.18 76.07 54.46 35.65 20.04 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 1 cointegrating equation(s) at both 5% and 1% levels Hypothesized No. of CE(s)

Eigenvalue

Max-Eigen Statistic

5 Percent Critical Value

1 Percent Critical Value

None * At most 1 At most 2 At most 3 At most 4 At most 5

0.375336 0.280009 0.184141 0.127130 0.049394 0.008152

43.28984 30.22359 18.72328 12.50916 4.660344 0.753035

39.37 33.46 27.07 20.97 14.07 3.76

45.10 38.77 32.24 25.52 18.63 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 1 cointegrating equation(s) at the 5% level Max-eigenvalue test indicates no cointegration at the 1% level

116

7.4. Impulse Response Function Periode LOG_E 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

0.064465 0.061521 0.051247 0.041845 0.038735 0.032703 0.033789 0.038085 0.041461 0.043158 0.042801 0.041922 0.040809 0.040486 0.040062 0.040374 0.040790 0.041286 0.041326 0.041331 0.041183 0.041080 0.040971 0.040985 0.041030 0.041099 0.041133 0.041146 0.041133 0.041113 0.041096 0.041088 0.041091 0.041099 0.041106 0.041110 0.041110 0.041107 0.041105 0.041102 0.041102 0.041102 0.041104 0.041104 0.041105 0.041104 0.041104 0.041104

LOG_PRO 0.001086 0.000620 -0.001404 -0.001797 -0.001322 -0.001967 -0.002441 -0.002118 -0.001570 -0.001394 -0.001497 -0.001733 -0.002002 -0.002106 -0.002135 -0.002093 -0.002050 -0.001994 -0.002012 -0.002044 -0.002082 -0.002098 -0.002116 -0.002114 -0.002109 -0.002101 -0.002100 -0.002101 -0.002106 -0.002110 -0.002112 -0.002113 -0.002113 -0.002112 -0.002111 -0.002110 -0.002111 -0.002111 -0.002111 -0.002112 -0.002112 -0.002111 -0.002111 -0.002111 -0.002111 -0.002111 -0.002111 -0.002111

117

7.5. Forecast Variance Error Decomposition Periode

S.E.

LOG_OP

I

LOG_M2

LOG_E

LOG_WPI _IMPOR

LOG_PRO

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

0.100024 0.131750 0.149970 0.169786 0.188596 0.205495 0.221074 0.235881 0.251124 0.266756 0.281227 0.294738 0.307966 0.320753 0.332922 0.344751 0.356329 0.367616 0.378593 0.389285 0.399692 0.409838 0.419740 0.429413 0.438878 0.448155 0.457249 0.466167 0.474918 0.483510 0.491950 0.500247 0.508408 0.516441 0.524351 0.532143 0.539823 0.547395 0.554863 0.562232 0.569505 0.576686 0.583779 0.590786 0.597712 0.604558 0.611327 0.618022

2.500874 1.259985 1.174441 1.698103 1.928642 1.810920 1.582630 1.382965 1.230246 1.109468 1.011196 0.928944 0.859573 0.798885 0.746658 0.701671 0.662793 0.628319 0.597574 0.569761 0.544555 0.521647 0.500840 0.481858 0.464447 0.448383 0.433478 0.419595 0.406622 0.394484 0.383107 0.372428 0.362382 0.352912 0.343965 0.335496 0.327467 0.319844 0.312598 0.305704 0.299135 0.292870 0.286888 0.281170 0.275697 0.270456 0.265431 0.260610

1.150295 2.392048 3.219299 5.649249 8.328482 10.68818 12.01825 12.96247 13.42356 13.62212 13.62736 13.61733 13.59018 13.57126 13.53471 13.48190 13.40274 13.30473 13.19343 13.07989 12.97057 12.86769 12.77054 12.67788 12.58898 12.50301 12.42029 12.34119 12.26626 12.19548 12.12879 12.06580 12.00619 11.94962 11.89587 11.84477 11.79621 11.75006 11.70619 11.66444 11.62466 11.58671 11.55045 11.51578 11.48260 11.45083 11.42037 11.39116

9.126911 22.26781 25.31215 27.19273 27.52126 27.78861 28.08118 28.30949 28.51352 28.73355 28.99851 29.18722 29.35027 29.48621 29.62940 29.74788 29.86110 29.96162 30.05964 30.14668 30.22836 30.30256 30.37234 30.43624 30.49591 30.55128 30.60323 30.65178 30.69727 30.73992 30.77998 30.81769 30.85321 30.88676 30.91847 30.94852 30.97699 31.00404 31.02973 31.05419 31.07749 31.09971 31.12093 31.14122 31.16062 31.17921 31.19703 31.21412

0.541778 0.228249 0.293662 0.407688 0.410135 0.498018 0.632063 0.684432 0.673754 0.652733 0.642883 0.649569 0.674438 0.702775 0.729919 0.751580 0.768859 0.781340 0.793673 0.806442 0.819951 0.833098 0.846058 0.858017 0.868914 0.878734 0.887863 0.896423 0.904588 0.912380 0.919800 0.926809 0.933403 0.939595 0.945422 0.950932 0.956164 0.961144 0.965889 0.970411 0.974719 0.978824 0.982740 0.986480 0.990057 0.993484 0.996770 0.999923

0.348347 0.151078 0.793318 1.324175 1.536732 1.903863 2.164434 2.371849 2.424246 2.505884 2.520342 2.550840 2.555118 2.579096 2.587886 2.604632 2.608342 2.611407 2.607497 2.604915 2.599896 2.596085 2.591939 2.588379 2.584266 2.580091 2.575728 2.571374 2.567126 2.563066 2.559263 2.555637 2.552216 2.548918 2.545774 2.542743 2.539862 2.537106 2.534494 2.532004 2.529638 2.527375 2.525215 2.523145 2.521163 2.519264 2.517445 2.515700

86.33179 73.70083 69.20713 63.72805 60.27475 57.31041 55.52145 54.28880 53.73467 53.37624 53.19971 53.06609 52.97043 52.86177 52.77142 52.71233 52.69616 52.71258 52.74819 52.79232 52.83667 52.87892 52.91829 52.95762 52.99749 53.03851 53.07940 53.11964 53.15813 53.19467 53.22906 53.26164 53.29260 53.32220 53.35050 53.37754 53.40330 53.42781 53.45110 53.47325 53.49436 53.51451 53.53377 53.55221 53.56986 53.58676 53.60296 53.61849

118

Lampiran 8. Persamaan IHK kelompok transpor dan komunikasi (IHKtk)

8.1. Uji Lag Optimal VAR Lag Order Selection Criteria Endogenous variables: D_OP D_I D_M2 D_E D_WPI_IMPOR D_TK Exogenous variables: C Sample: 1998:01 2005:12 Included observations: 91 Lag

LogL

LR

FPE

AIC

SC

HQ

0 1 2 3 4

59.42079 121.4757 193.7088 228.5453 260.0570

NA 114.5629 123.8282 55.12591* 45.70928

1.25E-08 7.04E-09 3.21E-09* 3.37E-09 3.91E-09

-1.174083 -1.746719 -2.543051* -2.517480 -2.418836

-1.008532* -0.587861 -0.390885 0.627993 1.719944

-1.107294 -1.279192 -1.674786* -1.248477 -0.749096

* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

119

8.2. Restriksi Sementara Structural VAR Estimates Sample(adjusted): 1998:04 2005:12 Included observations: 93 after adjusting endpoints Estimation method: method of scoring (analytic derivatives) Convergence achieved after 18 iterations Structural VAR is just-identified Model: Ae = Bu where E[uu']=I Restriction Type: short-run text form @e1 = C(1)*@u1 @e2 = C(2)*@e1 + C(3)*@u2 @e3 = C(4)*@e1 + C(5)*@e2 + C(6)*@u3 @e4 = C(7)*@e1 + C(8)*@e2 + C(9)*@e3 + C(10)*@u4 @e5 = C(11)*@e1 + C(12)*@e2 + C(13)*@e3 + C(14)*@e4 + C(15)*@u5 @e6 = C(16)*@e1 + C(17)*@e2 + C(18)*@e3 + C(19)*@e4 + C(20)*@e5 + C(21)*@u6 where @e1 represents D_OP residuals @e2 represents D_I residuals @e3 represents D_M2 residuals @e4 represents D_E residuals @e5 represents D_WPI_IMPOR residuals @e6 represents D_TK residuals Coefficient

Std. Error

z-Statistic

Prob.

C(2) C(4) C(5) C(7) C(8) C(9) C(11) C(12) C(13) C(14) C(16) C(17) C(18) C(19) C(20) C(1) C(3) C(6) C(10) C(15) C(21)

-0.797820 0.047743 0.000709 -0.009523 -0.004787 -0.145898 0.941240 0.027070 1.132707 -19.86610 -0.028873 0.001877 -0.011249 0.192003 0.009979 0.103086 2.561142 0.081983 0.075222 1.337860 0.029336

2.576267 0.082510 0.003319 0.075841 0.003046 0.095144 1.348991 0.054895 1.713435 1.844269 0.029657 0.001205 0.037660 0.060629 0.002274 0.007559 0.187792 0.006011 0.005516 0.098097 0.002151

-0.309681 0.578635 0.213606 -0.125559 -1.571253 -1.533447 0.697736 0.493125 0.661074 -10.77180 -0.973562 1.556901 -0.298712 3.166860 4.388631 13.63818 13.63818 13.63818 13.63818 13.63818 13.63818

0.7568 0.5628 0.8309 0.9001 0.1161 0.1252 0.4853 0.6219 0.5086 0.0000 0.3303 0.1195 0.7652 0.0015 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

Log likelihood

106.4402 0.000000 1.000000 -0.000709 0.004787 -0.027070 -0.001877

0.000000 0.000000 1.000000 0.145898 -1.132707 0.011249

0.000000 0.000000 0.000000 1.000000 19.86610 -0.192003

0.000000 0.000000 0.000000 0.000000 1.000000 -0.009979

0.000000 0.000000 0.000000 0.000000 0.000000 1.000000

0.000000 2.561142 0.000000 0.000000 0.000000 0.000000

0.000000 0.000000 0.081983 0.000000 0.000000 0.000000

0.000000 0.000000 0.000000 0.075222 0.000000 0.000000

0.000000 0.000000 0.000000 0.000000 1.337860 0.000000

0.000000 0.000000 0.000000 0.000000 0.000000 0.029336

Estimated A matrix: 1.000000 0.797820 -0.047743 0.009523 -0.941240 0.028873 Estimated B matrix: 0.103086 0.000000 0.000000 0.000000 0.000000 0.000000

120

8.3. Uji Kointegrasi Date: 07/16/06 Time: 06:02 Sample(adjusted): 1998:04 2005:12 Included observations: 93 after adjusting endpoints Trend assumption: Linear deterministic trend Series: LOG_OP I LOG_M2 LOG_E LOG_WPI_IMPOR LOG_TK Lags interval (in first differences): 1 to 2 Unrestricted Cointegration Rank Test Hypothesized No. of CE(s)

Eigenvalue

Trace Statistic

5 Percent Critical Value

1 Percent Critical Value

None ** At most 1 ** At most 2 At most 3 At most 4 At most 5

0.382000 0.317301 0.236676 0.116842 0.049190 3.47E-07

121.6193 76.86145 41.36320 16.24644 4.691057 3.22E-05

94.15 68.52 47.21 29.68 15.41 3.76

103.18 76.07 54.46 35.65 20.04 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Trace test indicates 2 cointegrating equation(s) at both 5% and 1% levels Hypothesized No. of CE(s)

Eigenvalue

Max-Eigen Statistic

5 Percent Critical Value

1 Percent Critical Value

None * At most 1 * At most 2 At most 3 At most 4 At most 5

0.382000 0.317301 0.236676 0.116842 0.049190 3.47E-07

44.75786 35.49824 25.11676 11.55539 4.691025 3.22E-05

39.37 33.46 27.07 20.97 14.07 3.76

45.10 38.77 32.24 25.52 18.63 6.65

*(**) denotes rejection of the hypothesis at the 5%(1%) level Max-eigenvalue test indicates 2 cointegrating equation(s) at the 5% level Max-eigenvalue test indicates no cointegration at the 1% level

121

8.4. Impulse Response Function Periode

LOG_E

LOG_TK

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

0.065494 0.055642 0.039683 0.038293 0.045730 0.043228 0.031226 0.025100 0.025675 0.024417 0.020301 0.018529 0.020044 0.021637 0.022103 0.022958 0.024735 0.026329 0.027111 0.027555 0.028017 0.028255 0.028078 0.027688 0.027313 0.026951 0.026551 0.026180 0.025925 0.025785 0.025716 0.025708 0.025769 0.025878 0.026003 0.026122 0.026232 0.026324 0.026389 0.026424 0.026434 0.026425 0.026401 0.026367 0.026329 0.026294 0.026264 0.026240

-0.001277 -0.003579 -0.006222 -0.010526 -0.012920 -0.013182 -0.013376 -0.014260 -0.014223 -0.013162 -0.011994 -0.011264 -0.010607 -0.009798 -0.009114 -0.008835 -0.008799 -0.008806 -0.008896 -0.009141 -0.009450 -0.009715 -0.009931 -0.010123 -0.010268 -0.010340 -0.010350 -0.010322 -0.010269 -0.010194 -0.010110 -0.010032 -0.009968 -0.009919 -0.009887 -0.009873 -0.009874 -0.009887 -0.009906 -0.009930 -0.009954 -0.009976 -0.009993 -0.010005 -0.010013 -0.010015 -0.010013 -0.010008

122

8.5. Forecast Variance Error Decomposition Periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

S.E.

LOG_OP

I

LOG_M2

LOG_E

LOG_WPI _IMPOR

LOG_TK

0.097116 0.123767 0.140404 0.157728 0.174015 0.189555 0.207428 0.225160 0.242222 0.259141 0.275634 0.290965 0.305314 0.318860 0.331588 0.343536 0.354893 0.365741 0.376130 0.386143 0.395860 0.405320 0.414572 0.423661 0.432609 0.441426 0.450122 0.458698 0.467148 0.475466 0.483650 0.491698 0.499607 0.507382 0.515026 0.522545 0.529945 0.537234 0.544419 0.551506 0.558502 0.565413 0.572242 0.578994 0.585672 0.592278 0.598814 0.605282

0.010432 0.237068 0.292928 0.231713 0.174897 0.187081 0.265543 0.356342 0.446901 0.557211 0.664999 0.750290 0.812424 0.857684 0.887996 0.904594 0.910145 0.908880 0.903991 0.897080 0.889255 0.881915 0.876106 0.872126 0.869922 0.869464 0.870564 0.872781 0.875627 0.878729 0.881791 0.884570 0.886906 0.888746 0.890105 0.891039 0.891625 0.891956 0.892129 0.892225 0.892309 0.892430 0.892615 0.892880 0.893220 0.893625 0.894078 0.894558

8.955996 19.39112 23.68812 25.63944 28.71599 31.63203 33.21853 33.81698 34.06384 34.11042 33.90056 33.49321 33.01703 32.54409 32.08577 31.64736 31.25085 30.91514 30.63957 30.41504 30.23760 30.10397 30.00423 29.92617 29.86132 29.80404 29.74900 29.69203 29.63154 29.56767 29.50115 29.43297 29.36452 29.29733 29.23266 29.17137 29.11403 29.06093 29.01208 28.96720 28.92588 28.88761 28.85190 28.81823 28.78617 28.75536 28.72556 28.69659

0.059420 0.028582 0.032336 0.033565 0.036954 0.059997 0.063340 0.062525 0.060451 0.054140 0.049405 0.047905 0.052164 0.063317 0.077208 0.092174 0.108287 0.123171 0.134771 0.143450 0.149752 0.153721 0.155797 0.156701 0.156929 0.156794 0.156582 0.156513 0.156702 0.157201 0.158016 0.159104 0.160401 0.161829 0.163308 0.164762 0.166139 0.167401 0.168529 0.169518 0.170377 0.171126 0.171784 0.172374 0.172916 0.173430 0.173928 0.174419

0.156790 0.665832 1.609268 3.505324 5.191002 6.117519 6.693459 7.281810 7.722185 7.928584 7.986909 8.000233 7.982446 7.924487 7.840907 7.758638 7.686791 7.622339 7.566031 7.523579 7.496066 7.479605 7.471039 7.469226 7.472200 7.476973 7.481358 7.484461 7.485819 7.485043 7.482100 7.477398 7.471493 7.464863 7.457923 7.451076 7.444654 7.438856 7.433758 7.429375 7.425665 7.422536 7.419860 7.417512 7.415379 7.413364 7.411390 7.409407

10.28963 6.773851 6.709293 6.928727 6.679859 6.416880 6.532206 6.654114 6.696335 6.709027 6.755069 6.793784 6.802601 6.790025 6.774557 6.754916 6.727653 6.695585 6.664819 6.636786 6.610665 6.586740 6.566465 6.550045 6.536576 6.525334 6.516107 6.508490 6.501812 6.495554 6.489505 6.483540 6.477522 6.471388 6.465191 6.459021 6.452947 6.447031 6.441343 6.435938 6.430846 6.426072 6.421608 6.417438 6.413534 6.409859 6.406381 6.403067

80.52774 72.90355 67.66806 63.66123 59.20129 55.58649 53.22692 51.82823 51.01029 50.64061 50.64306 50.91457 51.33333 51.82039 52.33356 52.84232 53.31627 53.73488 54.09081 54.38407 54.61666 54.79405 54.92636 55.02574 55.10305 55.16739 55.22639 55.28572 55.34850 55.41580 55.48744 55.56242 55.63916 55.71584 55.79082 55.86273 55.93061 55.99382 56.05217 56.10575 56.15493 56.20022 56.24223 56.28156 56.31878 56.35436 56.38866 56.42196