FAKTOR-FAKTOR YANG MEMENGARUHI UTANG LUAR NEGERI PEMERINTAH: UJI PANEL KOINTEGRASI PERIODE TAHUN GANNADY GIRSANG

FAKTOR-FAKTOR YANG MEMENGARUHI UTANG LUAR NEGERI PEMERINTAH: UJI PANEL KOINTEGRASI PERIODE TAHUN 2000-2013

GANNADY GIRSANG

DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR BOGOR 2015

PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa skripsi berjudul Faktor-Faktor yang Memengaruhi Utang Luar Negeri Pemerintah: Uji Panel Kointegrasi Periode Tahun 2000-2013 adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Mei 2015 Gannady Girsang NIM H14100023

ABSTRAK GANNADY GIRSANG. Faktor-Faktor yang Memengaruhi Utang Luar Negeri Pemerintah: Uji Panel Kointegrasi Periode Tahun 2000-2013. Dibimbing oleh NOER AZAM ACHSANI. Utang luar negeri pada hampir semua negara di dunia menjadi isu yang populer pada beberapa tahun terakhir ini. Semua negara baik negara berkembang bahkan negara maju memilih utang luar negeri sebagai opsi dalam mengatasi defisit anggaran pemerintah atau dalam memberikan stimulus terhadap pembangunan nasional. Namun masalah yang ditimbulkan adalah alokasi dana utang luar negeri yang seringkali tidak diberikan pada sektor yang produktif. Penelitian ini menganalisis faktor-faktor apa saja yang memengaruhi utang luar negeri pemerintah pada beberapa negara berkembang dan maju yang mewakili beberapa kawasan berbeda. Penggunaan metode Panel Kointegrasi bertujuan untuk mengetahui apakah hubungan yang berlangsung pada model merupakan hubungan jangka panjang. Hasilnya adalah variabel nilai tukar, GDPP, saving, inflasi dan suku bunga secara nyata memengaruhi utang luar negeri. Selain itu semua variabel terkointegrasi sehingga model memiliki hubungan jangka panjang. Kata kunci: Hubungan jangka panjang, negara berkembang dan maju, Panel Cointegration, Utang luar negeri

ABSTRACT GANNADY GIRSANG. Determinant Factors of Government External Debt: Panel Cointegration Test 2000-2013. Supervised by NOER AZAM ACHSANI. External debt in almost countries all over the world recently has become a popular issue. All countries, either developing or developed ones have chosen external debt as their option in order to tackle budget deficit or even as one of stimulus ways to escalate performance of national development. However, the matter comes when the allocation of this so called external debt is usually not directed to some productive sectors. This study analyses which factors may properly influence the government external debt of developing and developed countries which represent some different areas. The Panel Cointegration approach is employed to investigate whether the existing relationship on the model is long run relationship or not. Overall, the findings of this study shows that these variables; exchange rate, GDPP, saving, inflation and interest rate significantly affect external debt, otherwise inflation and interest have no significant impact on external debt. Furthermore, all variables are cointegrated so the model has a long run relationship. Keywords: Developing and Developed Countries, External Debt, long run relationship, Panel Cointegration

FAKTOR-FAKTOR YANG MEMENGARUHI UTANG LUAR NEGERI PEMERINTAH: UJI PANEL KOINTEGRASI PERIODE TAHUN 2000-2013

GANNADY GIRSANG

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

DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR BOGOR 2015

PRAKATA Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Kuasa atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak November 2014 ini ialah utang luar negeri dengan judul Faktor-Faktor yang Memengaruhi Utang Luar Negeri Pemerintah: Uji Panel Kointegrasi Periode Tahun 2000-2013. Terima kasih penulis ucapkan kepada Bapak Prof. Dr. Noer Azam Achsani, MS selaku pembimbing yang telah banyak memberi motivasi, pengetahuan dan ilmu yang sangat berharga, kepada Bapak Prof. Dr. Ir. Bambang Juanda, MS selaku dosen penguji utama dan Bapak Dr. Muhammad Findi A, M.E. selaku komisi pendidikan atas kritik serta saran yang membangun dan bermanfaat. Penulis juga mengucapkan terima kasih kepada Heni Hasanah dan Dian Panjaitan sebagai asisten dosen yang telah memberikan saran dan masukan yang bermanfaat. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga, atas segala doa dan kasih sayangnya. Penulis juga mengucapkan terima kasih atas dukungan semangat dari rekan-rekan satu bimbingan, Ilmu ekonomi 47 dan 48, rekan-rekan alumni pertukaran pelajar Tohoku University, teman-teman IAAS, hipotesa 2011, serta pihak lainnya yang tidak dapat disebutkan satu-persatu Semoga karya ilmiah ini bermanfaat.

Bogor, Mei 2015 Gannady Girsang

DAFTAR ISI DAFTAR ISI

vi

DAFTAR TABEL

vii

DAFTAR GAMBAR

vii

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

2

Tujuan Penelitian

3

Manfaat Penelitian

3

Ruang Lingkup Penelitian

3

TINJAUAN PUSTAKA

4

METODE PENELITIAN

7

Jenis dan Sumber Data

7

Metode Analisis Data

7

Pengujian Model Data Panel

11

HASIL DAN PEMBAHASAN

15

Analisis Deskriptif Data

15

Uji Kointegrasi Data Panel

22

SIMPULAN DAN SARAN

24

Simpulan

24

Saran

24

DAFTAR PUSTAKA

25

LAMPIRAN

27

RIWAYAT HIDUP

57

DAFTAR TABEL Tabel 1 Hasil Uji Chow ................................................................................. 19 Tabel 2 Hasil Estimasi Model Utang Luar Negeri .......................................... 21 Tabel 3 Hasil Uji Kao .................................................................................... 23

DAFTAR GAMBAR Gambar 1 Kerangka Pemikiran Operasional .................................................... 6 Gambar 2 Gambaran Utang Luar Negeri Negara Berkembang ....................... 15 Gambar 3 Gambaran Utang Luar Negeri Negara Maju .................................. 16 Gambar 4 Plot ULN Dengan Variabel lain ..................................................... 17

DAFTAR LAMPIRAN Lampiran 1 Hasil Output Panel Unit Root Test .............................................. 28 Lampiran 2 Uji Normalitas ............................................................................ 46 Lampiran 3 Rangkuman Hasil Uji Stasioneritas ............................................. 47 Lampiran 4 Hasil Uji Chow ........................................................................... 48 Lampiran 5 Hasil Estimasi Model Utang Luar Negeri.................................... 48 Lampiran 6 Hasil Uji Kointegrasi Pedroni ..................................................... 51 Lampiran 7 Hasil Uji Kointegrasi Kao ........................................................... 52 Lampiran 8 Data Nilai Tukar, GDPP, dan Saving .......................................... 53

PENDAHULUAN Latar Belakang Setiap negara akan memilih utang sebagai alternatif terakhir dalam mengatasi defisit anggarannya. Pinjaman suatu negara kepada negara lain atau institusi independen internasional yang berasal dari luar negara tersebut dapat dikategorikan sebagai utang luar negeri. Pada negara berkembang yang sedang melakukan pembangunan hampir di semua sektor ekonomi tentunya memerlukan dana yang cukup besar, namun keterbatasan akumulasi modal menjadi kendala dalam pelaksanaannya. Akumulasi modal yang rendah akan berujung pada vicious circle atau lingkaran setan (Todaro, 1994). Kegiatan ekonomi merupakan aktivitas sirkular maka pada negara berkembang pendapatan masyarakat yang rendah setelah memenuhi konsumsinya hanya akan menyisakan sedikit bagian untuk ditabung sehingga akumulasi modal untuk investasi rendah menyebabkan produktivitas dan pendapatan pun rendah, begitu seterusnya membentuk suatu lingkaran. Oleh karena itu, ketidakmampuan dalam meningkatkan tabungan domestik untuk menjalankan kegiatan ekonomi yang produktif merupakan alasan banyak negara untuk berhutang, sehingga dengan berhutang akan mempercepat pertumbuhan ekonomi melalui peningkatan kapasitas produksi (Vincent, 2011). Pentingnya utang luar negeri ini dalam jangka pendek berfungsi untuk membiayai defisit current account yang timbul akibat guncangan eksternal sehingga dapat menopang cadangan eksternal dan memperkuat posisi likuiditas. Situasi lainnya yang termasuk dalam kategori pinjaman jangka pendek yang tidak dapat dihindarkan adalah bencana alam, kelaparan, dan perang Utang luar negeri di negara-negara belum muncul sampai dengan abad ke 18, karena para ekonom klasik pada saat itu menentang utang. Pada masa keyness, adanya depresiasi dan pengangguran akibat lesunya permintaan aggregat memaksa pemerintah untuk melakukan pembiayaan melalui pinjaman dalam rangka mengatasi masalah tersebut. Pembiayaan tersebut dilaksanakan untuk memacu penyerapan tenaga kerja melalui lapangan kerja baru (termasuk memperbaharui mesin-mesin produksi dan peningkatan sumber daya manusia) dan pendapatan nasional serta pembangunan fasilitas atau infrastruktur yang dapat meningkatkan produktivitas seperti jalan raya, rel kereta api, dan saluran irigasi. Pada akhirnya utang secara universal diterima sebagai salah satu metode dalam pembiayaan pembangunan ekonomi suatu negara. Kenyataannya utang luar negeri tidak hanya dapat memberi keuntungan bagi negara untuk mengatasi defisit, tetapi juga memberikan kerugian dan mengawali krisis ekonomi pada negara tersebut. Apabila terjadi peningkatan utang secara terus-menerus secara konsisten dan pendapatan nasional tidak meningkat secara signifikan maka akan terjadi inflasi dan gangguan sistemik pada sistem ekonomi. Keadaan ini juga disebabkan karena alokasi dana yang diperoleh dari pinjaman tidak dipakai untuk program-program yang produktif. Apabila utang luar negeri tersebut digunakan untuk membangun akumulasi aset modal maka tidak akan meningkatkan inflasi maupun menciptakan beban utang.

2 Adanya kontrak dan keharusan bagi debitor untuk membayar kewajibannya ditambah biaya jasa pinjaman dengan suku bunga tertentu akan mempersulit debitor apabila tidak mampu mengatur dan mengelola utang dengan baik sehingga pembuat kebijakan harus mempertimbangkan dan membandingkan dengan seksama manfaat yang akan diperoleh terhadap penggunaan dana pinjaman dan biaya yang harus dibayarkan dengan adanya aktivitas penggunaan pinjaman tersebut. Hal ini juga mencakup negosiasi yang dilakukan terhadap kreditor mengenai pola pembayaran, jatuh tempo, dan bunga pinjaman sehingga dapat mengestimasi kontribusi kewajiban tersebut. Krisis keuangan yang berkenaan dengan utang luar negeri melanda beberapa kawasan negara di dunia pada beberapa dekade terakhir ini. Di Asia Tenggara pada awal tahun 1997-1998 terjadi krisis keuangan yang awalnya berdampak pada perekonomian Thailand. Penetapan nilai tukar yang berpatok pada US dollar, membuat Bath mata uang Thailand akan mengikuti apabila terjadi apresiasi dan depresiasi. Pada saat itu US dollar mengalami apresiasi sehingga Bath juga ikut terapresiasi sehingga nilai ekspor mereka mengalami penurunan. Meskipun mengeluarkan kebijakan devaluasi terhadap nilai tukar, tidak mampu mengembalikan kepercayaan investor yang menarik modalnya akibat krisis ini. Hal ini berpengaruh terhadap pendapatan negara yang semakin berkurang dan menimbulkan utang luar negeri. Pada awal tahun 1997, utang luar negeri Thailand tercatat 94.3 US dollar (50.9 persen dari GDP) dimana terjadi peningkatan hampir dua kali lipat dibandingkan tahun 1990 (Sussangkarn, 1998). Hanya butuh waktu beberapa bulan bagi negara Asia Tenggara lainnya terkena dampak krisis ini termasuk Indonesia. Krisis utang luar negeri juga pernah melanda negara-negara di kawasan Afrika Utara (Tunisia, Algeria, Mesir, Maroko, dan Mauritania) pada tahun 2000an. Hal ini karena adanya guncangan ekonomi di negara-negara eropa dan adanya manifestasi sosial dan politik dari negara-negara Arab. Hasil penelitian menunjukkan bahwa utang luar negeri bukan merupakan hambatan dalam proses pembangunan asalkan dalam ambang batas yang wajar (Ben, 2013). Kualitas sektor yang dijadikan lokasi untuk berinvestasi menjadi faktor penting dalam keberhasilan pengelolaan pinjaman. Lebih lanjut, krisis utang juga tidak hanya melanda negara berkembang seperti Asia Tenggara dan Afrika Utara, tetapi negara di kawasan eropa. Pada akhir tahun 2007, Yunani mengalami krisis utang luar negeri akibat adanya defisit fiskal dimana penerimaan pajaknya berkurang karena penggelapan pajak. Pada saat yang sama, di Irlandia terjadi krisis surat hutang pemerintah yang awalnya disebabkan gagal bayar kredit properti oleh swasta. Krisis ini pun melanda negara eropa lainnya seperti, portugal, Italia, dan juga negara-negara di luar eropa seperti asia dan afrika. (Ruxandra, 2011) Perumusan Masalah Dalam lingkup ekonomi secara makro terdapat pola hubungan yang saling memengaruhi antara variabel yang satu dengan yang lainnya begitu juga dengan utang luar negeri terhadap variabel lainnya seperti nilai tukar terhadap US dollar, Gross Domestic Product Perkapita (GDPP), tabungan, Terms of Trade (ToT),

3 inflasi dan suku bunga. Hubungan ini dapat berupa satu arah atau mungkin dua arah tergantung kondisi yang berlaku pada kondisi saat penelitian dilakukan. Fakta-fakta yang telah disampaikan pada bagian latar belakang mengenai keuntungan dan kerugian dalam menjalankan utang luar negeri adalah penting untuk dijadikan penelitian karena topik ini menjadi trend pada masa kini, tidak hanya bagi negara berkembang tetapi juga bagi negara maju seperti Eropa dan Amerika. Dengan demikian diperlukan analisis mendalam dengan memahami betul faktor-faktor pendorong sebelum dikeluarkannya kebijakan untuk memilih utang luar negeri. Terkait masalah tersebut, terdapat beberapa hal yang akan dianalisis dalam penelitian ini: 1. Bagaimana dampak nilai tukar terhadap US dollar, Gross Domestic Product Perkapita (GDPP), tabungan, Terms of Trade (ToT), inflasi dan suku bunga terhadap utang luar negeri di negara berkembang dan negara maju? 2. Bagaimana model utang luar negeri yang terbentuk dapat menjelaskan kondisi jangka panjang utang luar negeri pada negara yang dianalisis?

Tujuan Penelitian Berdasarkan latar belakang dan masalah yang telah dirumuskan, maka penelitian ini bertujuan untuk: 1. Menganalisis dampak nilai tukar terhadap US dollar, Gross Domestic Product Perkapita (GDPP), tabungan, Terms of Trade (ToT), inflasi dan suku bunga terhadap utang luar negeri di negara berkembang dan negara maju. 2. Menganalisis kemampuan model utang luar negeri yang terbentuk dalam menjelaskan kondisi jangka panjang utang luar negeri pada negara yang dianalisis Manfaat Penelitian Penelitian ini dapat dimanfaatkan untuk mendapatkan masukan serta informasi lebih lanjut mengenai faktor-faktor yang berhubungan, yaitu nilai tukar terhadap US dollar, Gross Domestic Product Perkapita (GDPP), tabungan, Terms of Trade (ToT), inflasi dan suku bunga terhadap utang luar negeri yang menyebabkan pemerintah mengambil kebijakan utang luar negeri. Oleh karena itu, penelitian ini juga diharapkan menjadi referensi untuk merujuk variabel apa saja yang perlu diperhatikan dalam mengontrol utang luar negeri, sehingga para otoritas kebijakan mendapatkan pemahaman yang baik dalam menjalankan kebijakannya. Ruang Lingkup Penelitian Penelitian ini terbatas pada ruang lingkup analisis nilai tukar terhadap US dollar, Gross Domestic Product Perkapita (GDPP), tabungan, Terms of Trade (ToT), inflasi dan suku bunga terhadap utang luar negeri di kawasan negara

4 berkembang dan negara maju. Ruang lingkup dalam penelitian ini terbatas pada pengujian akar unit data panel dan model panel kointegrasiyang berasal dari beberapa negara berkembang dan maju pada periode tahun 2000 hingga 2013. Penelitian ini akan memperlihatkan hubungan jangka panjang (kointegrasi) antara utang luar negeri, nilai tukar terhadap US dollar, Gross Domestic Product Perkapita (GDPP), tabungan, Terms of Trade (ToT), inflasi dan suku bunga. Penelitian ini mencakup 10 negara yang mewakili negara berkembang dan maju serta kawasan Asia tenggara, Asia timur, Amerika Latin, Afrika, dan Eropa.

TINJAUAN PUSTAKA Penelitian Terdahulu Nelasco (2012) dalam penelitiannya menganalisis intensitas dari beban utang luar negeri terhadap 9 negara Asia Selatan, yaitu India, Pakistan, Bangladesh, Sri Lanka, Nepal, Bhutan, dan Maldhive. Selain itu analisis mengenai faktor-faktor yang memengaruhi beban utang luar negeri dan penyesuaiannya terhadap kesejahteraan masyarakat secara keseluruhan pun dilakukan. Data tahunan terdiri dari delapan variabel ekonomi makro tahun 20002009 dengan menggunakan metode regresi berganda. Hasil penelitiannya adalah penjelasan pengaruh variabel pada masing-masing negara dan ditutup dengan kesimpulan bahwa utang dapat menjadi keuntungan dan kerugian bagi suatu negara, tergantung tujuaan penggunaannya untuk kepentingan yang produktif atau tidak. Ben dan Sadraoui (2013) meneliti tentang peran dan pengaruh utang luar negeri terhadap pembiayaan dalam pembangunan nasional di negara-negara kawasan Afrika Utara, yaitu Tunisia, Algeria, Maroko, Mesir, dan Mauritania dimana pada beberapa tahun terakhir terkena dampak dari krisis eropa. Penelitiaan ini dilakukan dengan menggunakan metode Generalized Method of Moments (GMM) dengan data panel selama 21 tahun dari 1990-2010. Variabel yang digunakan terdiri dari delapan variabel ekonomi dan dua variabel demografi yang menunjukkan perbedaan tiap-tiap negara. Hasilnya adalah utang luar negeri bukanlah suatu hambatan bagi pembangunan selama masih dalam batas yang wajar. Negara dapat terbantu melalui penguatan ekonomi namun di sisi lain dapat berdampak negatif, tergantung pada kualitas investasi dan beban yang dikenakan terhadap utang tersebut. Peneliti juga menemukan bahwa terdapat ambang batas utang yang masih bisa memberikan dampak positif terhadap pertumbuhan ekonomi, yaitu kurang dari 47 persen dari GDP. Vincent dan Mojekwu (2011) dalam penelitiannya menginvestigasi hubungan antara utang luar negeri Nigeria terhadap pertumbuhan ekonominya dari tahin 1975-2006. Pada awal tahun 1980, perekonomian Nigeria memburuk dan menghadapi kesulitan dalam meningkatkan pendapatan negara dari sektor ekspor kelapa sawit sehingga mengganggu pembayaran utang luar negeri, namun keadaan ini berangsur membaik dengan adanya berbagai kebijakan pengetatan dan penghapusan utang luar negeri. Error Correction Model (ECM) digunakan dalam

5 penelitian ini beserta delapan variabel makro ekonomi lainnya. Hasilnya adalah terdapat hubungan negatif dalam jangka pendek antara pertumbuhan ekonomi dan level utang luar negeri. Peneliti juga menemukan bahwa peningkatan 1 persen dalam utang luar negeri akan menurunkan 0.034 GDP. Variance in Decomposition menunjukkan bahwa beban utang luar negeri dan biaya jasanya berkontribusi sebesar 3.79 persen dan 0.61 persen dalam perubahan GDP. Loganathan dan Sukemi (2010) menganalisis tentang hubungan jangka panjang dan jangka pendek antara utang luar negeri dan kinerja makro ekonomi di Malaysia. Kinerja makro ekonomi tersebut diwakili oleh Balance of Payment, GDP, dan devisa negara. Data tahunan pada periode 1988-2008 digunakan bersama dengan lima variabel ekonomi dan menggunakan Vector Error Correction Method (VECM). Hasilnya adalah terdapat hubungan jangka panjang dan jangka pendek yang signifikan antara utang luar negeri dengan kinerja makro ekonomi dengan speed of adjustment sebesar 13 persen. Kesimpulan yang didapat adalah bahwa secara umum utang luar negeri masih memberikan dampak yang baik terhadap kondisi perekonomian, meskipun menghadapi beberapa guncangan pada dua dekade terakhir. Awan dan Ashgar (2011) menganalisis mengenai hubungan antara utang luar negeri dengan nilai tukar, defisit fiskal dengan ToT pada periode 1974-2008. Dengan menggunakan pendekatan Johansen Approach, peneliti menganalisis 8 variabel ekonomi di negara Pakistan. Hasil yang diperoleh adalah terdapat hubungan jangka jangka panjang yang signifikan antara utang luar negeri, nilai tukar dan ToT. Namun pada jangka pendek semua variabel gagal menunjukkan hubungan yang signifikan. Selain itu defisit fiskal tidak dapat menunjukkan hubungan dengan utang luar negeri. Ruxandra (2011) dalam penelitiannya bertujan untuk meneliti kebijakan fiskal yang ramah dan berkelanjutan dalam menggadapi defisit fiskal. Suatu pinjaman dalam lingkup fiskal sudah menjadi pilihan terakhir bagi pemerintah ketika menghadapi defisit, namun kekonsistenan kebijakan penanggulangan utang dalam periode pinjaman tersebut ditangggapi berbeda pada masing-masing negara. Meskipun dikategorikan sebagai negara maju, negara-negara di kawasan eropa rupanya dapat mengalami krisis keuangan sehingga memaksa pemerintahnya untuk mengambil kebijakan utang luar negeri. Penelitiaan ini mengamati 14 negara eropa yang tersebar baik barat dan timur dengan menggunakan data tahunan pada periode 1970-2011 dengan menggunakan Fiscal Reaction Test dan OLS. Hasil menunjukkan bahwa sejak taun 2003 rasio utang publik yang jauh dari ambang batas yang ditetapkan pemerintah terjadi pada Yunani dan Italia. Pada semua negara kecuali Finlandia, Denmark, dan Swedia, rasio utang publiknya terlihat lebih dari yang diperlukan dan diperkirakan hanya sedikit negara saja yang dapat bertahan dari resiko di masa depan. Kerangka Pemikiran Peran positif utang luar negeri yang dapat memberi keuntungan bagi negara yang mengalami krisis kebutuhan modal merupakan alasan bagi banyak negara untuk melakukan kebijakan ini, namun terdapat pula dampak negatif yang

6 mungkin terjadi seperti ketergantugan dan bahkan gagal bayar. Berdasarkan fakta yang ada di beberapa negara terutama negara berkembang menunjukkan bahawa ada kecenderungan gagal bayar akibat penggunaan dan pengalokasiaan dari dana pinjaman tersebut yang kurang produktif dimana disalurkan ke sektor-sektor yang tidak memberikan tingkat pengembalian yang menguntungkan.

Otoritas Pemerintah

Otoritas Moneter

GDP perkapita

Terms of Trade

Niai Tukar

Utang Luar Negeri

Negara Berkembang

Pinjaman Pemerintah

Pinjaman Swasta

Tabungan

Utang dalam Negeri

Negara Maju

Pinjaman Pemerintah

Pinjaman Swasta

Gambar 1 Kerangka Pemikiran Operasional

7

METODE PENELITIAN Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder berupa data panel yang terdiri dari dua bagian yaitu data deret waktu tahunan yang dikumpulkan dari tahun 2000 hingga 2013 dan data cross section sebanyak 10 negara yang mewakili beberapa benua. Negara-negara tersebut adalah Indonesia,Vietnam, Venezuela, Kamerun, Chad, Kanada, Inggris, Jepang, Selandia Baru, dan Swiss. Pemilihan negara tersebut didasarkan pada kemampuannya dalam mewakili beberapa benua serta penggolongan terhadap negara berkembang dan negara maju. Tiap kawasan diwakili beberapa negara yang mampu menggunakan utang dengan baik dan kurang baik. Selain itu, Keputusan peilihan negara yang dianalisis juga berdasarkan ketersediaan data yang ada, sehingga tiap negara memiliki ketersediaan data yang sama pada variabel-variabel yang akan digunakan dalam penelitian ini. Variabel-variabel ekonomi yang digunakan adalah utang luar negeri pemerintah, nilai tukar terhadap US dollar, Gross Domestic Product Perkapita (GDPP), tabungan, Terms of Trade (ToT), inflasi dan suku bunga. Adapun sumber data yang digunakan dalam penelitian ini adalah World Development Indicator, World Bank dan International Financial Statistic (IFS), International Monetary Fund (IMF). Selain itu, informasi tambahan juga didapatkan melalui studi literatur yang dilakukan dengan membaca jurnal internasional, buku, penelusuran internet, serta berbagai sumber lainnya yang relevan dan berkaitan dengan permasalahan yang menjadi fokus penelitian. Perangkat lunak yang digunakan sebagai alat pengolahan data dalam penelitian ini adalah Microsoft Excel 2007 dan Eviews 8.0 Metode Analisis Data Penelitian ini menggunakan metode analisis kualitatif dan kuantitatif. Analisis kualitatif dilakukan dengan memberikan pemaparan, plot, tabel, maupun grafik terhadap observasi yang dilakukan. Dalam penelitian ini analisis kualitatif digunakan untuk melihat perkembangan utang luar negeri pada negara-negara yang menjadi fokus analisis serta variabel-variabel lain yang dianggap memengaruhi. Analisis ini juga memudahkan pembaca untuk mengerti kondisi yang terjadi sebelum masuk ke analisis yang lebih mendalam. Sementara itu analisis kuantitatif dilakukan dengan metode pengujian panel unit root dan panel kointegrasi yang ditemukan oleh Pedroni (1999) dalam menentukan apakah dalam keseimbangan jangka panjang terdapat hubungan yang stabil diantara variabel-variabel yang dianalisis, sehingga dapat menghasilkan model dan penduga yang baik dan konsisten. Data panel merupakan gabungan antara data deret waktu dan cross section sehingga dapat menghasilkan jumlah observasi yang lebih banyak daripada data deret waktu atau cross section saja. Menurut Gujarati (2003) data panel merupakan suatu data individu yang disusun berdasarkan runtun waktu. Data individu adalah data yang dikumpulkan pada satu periode terhadap banyak induvidu, sedangkan data deret waktu adalah

8 data yang dikumpulkan dari waktu ke waktu terhadap satu individu tertentu. Penggunaan panel data dalam analisis menurut Hsio (2004) memberikan beberapa keuntungan, diantaranya: 1. Menghasilkan jumlah observasi yang lebih besar karena merupakan gabungan dari data deret waktu dan cross section 2. Mengurangi bias yang dihasilkan oleh individu karena set data lebih banyak 3. Mengurangi kolinearitas antar variabel 4. Meningkatkan derajat kebebasan yang dapat meningkatkan efisiensi Data penel lebih baik dalam mengidentifikasi dan mengukur efek secara sederhana yang tidak dapat teratai dalam deret waktu saja atau cross section saja, selain itu juga dapat mengontrol heterogenitas individu (Firdaus, 2011). Panel Unit Root Test (Uji Stasioneritas) Pada data pooled deret waktu, seperti data uni-variate pada umumnya berusaha menunjukkan adanya pola waktu yang mengindikasikan data tersebut non stasioner dimana variabel-variabel yang digunakan memiliki rataan, ragam, dan kovarian yang tidak time variant (Miguel, 2006). Engle dan Grenger (1987) berpendapat bahwa aplikasi langsung dari OLS dan GLS terhadap data yang tidak stasioner akan menghasilkan regresi yang tidak terspesifikasi dengan baik dan bersifat spurious.Hasil regresi ini akan menghasilkan kinerja statistik yang bias, seperti R2 yang tinggi dan hasil variabel yang signifikan. Pada beberapa tahun belakangan ini, terdapat beberapa temuan oleh beberapa orang seperti Levin, Lin, dan Chu (2002), Breitung (2000), Hadri (1999), dan Im, Pesaran an Shin (2003) yang telah mengembangkan panel-based unit root test yang mirip dengan pengujian pada data deret waktu. Selain itu, temuan yang menarik lainnya adalah pengujian panel unit root lebih kuat dan terpercaya dibandingkan uji unit root yang diaplikasikan pada data time series karena informasi pada data deret waktu yang ada dilengkapi lagi oleh data cross section yang tersedia. Oleh karena itu penggunaan panel unit root digunakan untuk meningkatkan kualitas dari data yang diuji dalam suatu penelitian tertentu. Pengambilan keputusan pada pengujian panel unit root mirip dengan pengujian pada data deret waktu dimana hipotesis nol adanya akar unit, yang berbeda adalah metode yang dipakai untuk uji statistiknya bukan lagi menggunakan Augmented Dickey Fuller dan Phillip Perron. Metode yang digunakan dalam pengujian panel unit root ini teridiri dari dua jenis, yaitu common unit root yang terdiri dari statistik uji Levin, Lin dan Chu dan Breitung serta individual unit root yang terdiri dari statistik uji Pesaran an Shin dan PPFisher test. Metode LCC dan Breitung menganalisis unit root dengan persamaan sebagai berikut: Keterangan: yit : Variabel terikat xit : Variabel bebas vit : error term

9 Analisis Panel Kointegrasi Penentuan mengenai keberadaan hubungan kointegrasi telah dikembangkan secara metodologi oleh Pedroni (1999). Metode pengolahan panel data telah mengalami berbagai pengembangan dalam rangka memperbaiki hasil dugaan yang lebh baik dan konsisten. Untuk menutupi beberapa kelemahan penduga OLS biasa yang bias dan tidak konsisten, maka diterapkan Fully Modified OLS (FMOLS) dan Dynamic OLS (DOLS) pada metode panel data kointegrasi. Model data panel yang digunakan dalam penelitian ini adalah dengan melalui beberapa pendekatan berikut, yaitu: Model Pooled Least Square Metode ini mengkombinasikan data deret waktu dengan cross section menjadi sebuah gabungan dari seluruh data (pooled), sehingga terdapat N x T observasi. N menunjukkan jumlah unit cross section, sedangkan T menunjukkan jumlah deret waktu yang digunakan. Metode ini menghasilkan penduga yang lebih akurat daripada regresi biasa karena jumlah observasinya yang lebih banyak tersebut. Kelemahannya adalah tidak terlihat perbedaan yang jelas antar individu karena merupakan gabungan data secara keseluruhan. Berikut ini merupakan persamaannya: Keterangan : yit : variabel terikat pada waktu t untuk unit i αi : Intersep antar individu i Xit : variabel bebas i untuk waktu t : Parameter untuk variabel bebas tertentu µit : Komponen error di waktu t untuk unit i Model Fixed Effect Kelemahan yang terdapat pada metode Pooled Least Square adalah perbedaan antar individunya tidak terlihat, sehingga asumsi yang diambil adalah intersep dan slope dari persamaan dianggap konstan. Untuk mengatasi kelemahan tersebut maka dapat dilakukan dengan memasukkan variabel dummy atau “boneka” untuk menghasilkan nilai individu yang berbeda-beda. Metode dengan memasukkan variabel dummy ini disebut dengan metode Fixed Effext atau biasa juga disebut dengan Least Square Dummy Variables. Kelebihan dari metode ini adalah dapat menghasilkan dugaan parameter yang tidak bias dan efisien. Kelemhannya adalah jika jumlah pengamatannya besar maka akan terlihat cumbersome dan juga ditandai oleh makin berkurangnya degree of freedom akibat penambahan variabel dummy pada persamaan. Pendugaan model ini dapat ditunjukkan dalam persamaan: Keterangan : yit : variabel terikat pada waktu t untuk unit i αi : Intersep antar individu i Xit : variabel bebas i untuk waktu t : Parameter untuk variabel bebas tertentu µit : Komponen error di waktu t untuk unit i

10 Fully-Modified OLS (FMOLS) Apabila terdapat kombinasi linear yang menggunakan beberapa variabel bebas dan terikat dengan proporsi tertentu antara yang satu dan lainnya pada jangka panjang, kita dapat melakukan pengujian untuk menghasilkan dugaan individu pada persamaan jangka panjang. Analisis OLS yang biasa dilakukan, umumnya menghasilkan dugaan yang bias dan tidak konsisten pada saat kita mengaplikasikannya pada model panel kointegrasi. Oleh karena itu dikembangkan Fully-Modified OLS (FMOLS) yang dikembangkan oleh Pedroni (1999). FMOLS ttidak hanya menciptakan penduga yang konsisten tetapi juga mengontrol efek individu (endogeneity) antar objek observasi. Pada umumnya penduga FMOLS untuk unit i pada waktu t-tertentu adalah sebagai berikut: ( ) Dimana y adalah transformasi dari variabel endogenous, δ merupakan parameter dari penyesuaian autokorelasi, dan T adalah jumlah periode yang diamati. Dynamic OLS (DOLS) Metode dengan model DOLS ini dikembangkan oleh Saikkonen (1991) untuk mengestimasi dan menguji hipotesis tentang vektor kointegrasi pada data panel. Metode panel DOLS merupakan model yang fully parametric dan menawarkan alternatif yang lebih baik secara statistik terhadap FMOLS yang dikemukakan oleh Pedroni (1999) dan Philips dan Moon (1999). Sifat dari DOLS pada saat terdapat fixed effects pada regresi yang terkointegrasi telah didiskusikan oleh kao dan Chiang (2000). Penduga panel DOLS (β) dapat dijabarkan pada persamaan berikut: [∑ ∑

]

[∑ ∑

]

Kao danChiang (2000) dalam penelitiannya membandingkan contoh kecil dari kinerja hasil panel DOLS dan panel FMOLS dengan asumsi fixed effect dalam contoh kasus single regressor. Mereka menemukan bahwa hasil dari panel DOLS bekerja lebih baik daripada panel FMOLS dalam mengurangi bias dan konsistensi dugaan. Kao Residual Cointegration Test Pengujian ini pada dasarnya dilakukan untuk mengetahui apakah model yang telah kita dapatkan melalui FMOLS dan DOLS sudah terkointegrasi atau belum. Kao dan Chiang (2000) menemukan bahwa terdapat dua jenis uji mengenai kointegritas, yaitu melalui uji Dickey Fuller dan Augmented Dickey Fuller. Kalkulasi yang dilakukan Kao dan Chiang memberikan hasil berikut: √

√

11 Untuk pendugaan parameter jangka panjang saat adanya penduga untuk µit dan ðit adalah: ∑

[

]

∑∑

Pengujian Model Data Panel Chow Test Chow test adalah pengujian yang digunakan untuk memilih model yang akan dipakai antara Pooled Least Squared atau Fixed Effect. Dalam pengujian ini hipotesis yang digunakan adalah sebagai berikut: H0 : Model Pooled Least Squared H1 : Model Fixed Effect Dasar penolakan terhadap hipotesis nol (H0) adalah dengan menggunakan F-Statistik seperti yang dirumuskan oleh Chow: Dimana: ESS1 = Residual Sum Square hasil pendugaan model Pooled Least Square ESS2 = Residual Sum Square hasil pendugaan model Fixed Effect N = Jumlah cross section T = Jumlah deret waktu K = Jumlah variabel penjelas Pengujian ini mengikuti distribusi F-statistik yaitu dengan derajat bebas (N-1, NTN-K). Jika setelah penghitungan nilai statistik Chow F-Stat lebih besar daripada FTabel maka cukup bukti untuk menolak hipotesis nol, sehingga model yang digunakan adalah fixed effect dan begitu pula sebaliknya apabila nilai statistik FStat lebih kecil dari F-Tabel. Pengujian Asumsi Normalitas Pengujian normalitas dilakukan untuk melihat apakah error term dari model menyebar normal dengan menggunakan Jarque Bera Test atau dengan melihat plot dari residual. Hipotesis dalam pengujian normalitas adalah: Ho : Residual terdistribusi normal H1 : Residual tidak terdistribusi normal Penolakan Ho dilakukan dengan membandingkan nilai Jarque Bera dengan taraf nyata α sebesar 0.05 yang mana apabila nilai jarque Bera lebih besar dari taraf nyata α sebesar 0.05 menyatakan Ho tidak ditolak dan residual berdistribusi normal Multikolinearitas Multikolinearitas adalah masalah yang timbul akibat adanya korelasi yang tinggi antara peubah bebas yang satu dengan yang lainnya.Pelanggaran asumsi ini akan memicu kesulitan dalam menduga model yang diinginkan. Gejala yang

12 muncul dari masalah ini adalah nilai R2 yang tinggi tetapi tidak terdapat atau sedikit sekali koefisien dugaan yang berpengaruh nyata dan tanda koefisien yang tidak sesuai dengan teori (Gujarati, 2006). Terdapat beberapa cara yang dapat mengatasi masalah mutikolinearitas ini, diantaranya menambah atau menurangi jumlah data observasi, menambah atau mengurangi variabel, mengkombinasikan data deret waktu dengan cross section, pemberian pembobotan, dan pengujian kembali model, sehingga parameter dugaan pada taraf uji tertentu menjadi signifikan. Autokorelasi Autokorelasi atau disebut juga korelasi serial merupakan suatu keadaan dimana kesalahan pengganggu dalam periode tertentu berkorelasi dengan kesalahan pengganggu dengan periode lainnya. Gujarati (2006) menyatakan autokorelasi adalah korelasi antara anggota perangkai observasi yang diurutkan menurut waktu seperti dalam data deret waktu. Metode untuk melihat adanya autokorelasi adalah dengan melihat dan membandingkan nilai Durbin Watson (DW statistik) dalam model dengan DW-tabel. Selang nilai statistik Durbinwatson serta keputusannya adalah: 4-DL
13 beberapa kriteria yang digunakan yaitu, uji F, uji t, dan koefisien determinasi yang disesuaikan (adj R2) Uji-F

Pengujian ini dimaksudkan untuk mengetahui apakah variabel-variabel bebas dalam model sudah secara bersamaan berpengaruh terhadap variabel terikat. Uji ini dilakukan dengan membandingkan nilai kritis F dengan nilai hasil Fhitung. Hipotesis pengujian yang digunakan adalah sebagai berikut: Ho : β1= β2= β3=...= βk=0 H1 : Minimal ada satu nilai βi yang tidak sama dengan nol Jika Fhitung> Fα,(k-1,NT-N-K) maka tolak H0 yang berarti variabel bebas secara bersama-sama berpengaruh nyata terhadap variabel terikatnya, begitu pula sebaliknya. Cara lain adalah dengan melihat nilai probabilitas dimana jika probabilitas (p-value) < taraf nyata maka cukup bukti untuk menolak Ho sehingga variabel bebas secara bersama-sama berpengaruh nyata terhadap variabel terikatnya. Uji t

Pengujian ini dilakukan untuk mendapatkan informasi apakah masingmasing variabel bebas secara individu berpengaruh nyata atau tidak terhadap variabel terikatnya. Hipotesis pengujiannya adalah sebagai berikut: Ho : βi = 0 H1 : βi ≠ 0 Pengambilan keputusan yang digunakan adalah jika │t hitung│> tα/2,(n-k) maka tolak Ho dengan n adalah jumlah observasi dan hhuruf k adalah jumlah variabel. Selain itu keputusan juga dapat diambil apabila probabilitas (p-value)< taraf nyata maka tolak Ho yang berarti variabel bebas tertentu dalam model berpengaruh nyata terhadap variabel terikatnya pada taraf nyata α persen, begitu pula sebaliknya. Koefisien Determinasi (R2) Nilai R2 yang menyatakan koefisien determinasi merupakan suatu nilai yang mengukur tingkat keberagaman variabel bebas yang digunakan dalam penelitian ini dapat menjelaskan keberagaman variabel terikat. Besaran R 2 bernilai dari nol sampai 1, dimana nilai yang mendekati satu dapat menunjukkan model yang mampu menjelaskan keragaman dari variabel terikat, begitupun sebaliknya. Koefisien determinasi dapat dirumuskan berikut ini:

Dimana: RSS : Jumlah kuadrat regresi TSS : Jumlah kuadrat Total Perumusan Model Perumusan model yang dilakukan dalam penelitian ini adalah pengembangan dari penelitian terdahulu yang dilakukan oleh Awan dan Ashgar

14 (2011) yang menganalisis pengaruh beberapa faktor determinan terhadap utang luar negeri di Pakistan pada periode 1974 sampai 2008. Selain itu rujukan dalam penelitian ini juga berdasarkan penelitian Loganathan (2010) yang menganalisis hubungan jangka panjang dan pendek utang luar negeri terhadap kinerja makroekonomi di Malaysia. Oleh karena itu penelitian ini berupaya dalam menganalisis faktor-faktor yang memengaruhi utang luar negeri dengan kasus negara berkembang dan maju dengan mengambil 10 contoh negara. Beberapa variabel yang digunakan adalah utang luar negeri, nilai tukar terhadap US dollar, Gross Domestic Product Perkapita (GDPP), tabungan, Terms of Trade (ToT), inflasi dan suku bunga. Adapun model panel yang digunakan dalam penelitian ini adalah sebagai berikut: ln_ULN = αi + b1 ln_ER + b2 ln_GDPP + b3 ln_Saving + b4 ToT + b5 Inf + b6 jjjjjjjjjjjjjjjjjjjjjjjjjjIR+eit Keterangan: ULN : Utang luar negeri (US$) ER : Nilai tukar (mata uang lokal/US$) GDPP : Gross Domestic Product percapita (US$) Saving : Jumlah tabungan (US$) ToT : Terms of Trade (%) Inf : Inflasi (%) IR : Suku bunga, lending rate (%) Hipotesis Penelitian 1. Utang luar negeri dan nilai tukar terdapat hubungan yang positif karena depresiasi yang terjadi pada mata uang akan menyebabkan kurangnya investasi sehingga pemerintah mengambil opsi pinjaman luar negeri. 2. GDP perkapita akan berpengaruh positif terhadap utang luar negeri karena pada kebanyakan negara terutama negara berkembang menggunakan modal yang berasal dari luar negeri untuk memacu perekonomiannya 3. Tabungan yang juga dapat menjadi cadangan dana bagi negara akan berpengaruh negatif terhadap utang luar negeri, karena semakin tinggi cadangan yang dimiliki maka semakin rendah kebutuhan terhadap utang 4. Hubungan antara ToT dan utang luar negeri adalah negatif karena ToT yang rendah mengindikasikan penerimaan pemerintah dari ekspor rendah, sehingga terjadi peningkatan pinjaman luar negeri 5. Inflasi dan utang luar negeri berhubungan positif karena semakin tinggi peningkatan harga-harga secara umum, akan meningkatkan cost bagi kegiatan operasional negara sehingga meningkatkan kebutukan akan utang luar negeri 6. Suku bunga pinjaman berhubungan negatif dengan utang luar negeri karena dengan bunga pinjaman yang rendah akan memacu industri terutama usaha menengah kebawah serta industri kreatif, sehingga penerimaan pajak meningkat dan kebutuhan akan pinjaman luar negeri berkurang.

15

HASIL DAN PEMBAHASAN Analisis Deskriptif Data Analisis deskriptif data memberikan informasi melalui grafik yang disajikan sehingga dapat terlihat pola dan trend yang terjadi pada masing-masing variabel di tiap negara yang dianalisis. Pengamatan grafik dimulai dengan plot pergerakan variabel-variabel yang digunakan dalam penelitian ini dari tahun 2000 sampai dengan 2013.

Posisi Utang Luar Negeri Negera Berkembang (M US $)

Gambar 2 Gambaran Utang Luar Negeri Negara Berkembang Gambar 2 memperlihatkan keadaan utang luar negeri pada negara berkembang yang dianalisis. Selain itu, pada grafik di bagian lampiran juga menunjukkan perubahan nilai tukar, GDP perkapita, dan saving pada 5 negara berkembang yang dianalisis. Umumnya perubahan yang terjadi setiap tahun perlahan-lahan meningkat kemudian stabil pada tingkat tertentu dan seterusnya. Namun Indonesia menunjukkan penurunan setiap tahunnya dan menempati posisi pertama dengan jumlah utang luar negeri tertinggi dibandingkan negara yang lainnya. Trend yang menurun ini mengindikasikan bahwa Indonesia telah sukses memanfaatkan utangnya ke dalam pembangunan dan peningkatan kapasitas produksi. Berbeda dengan Vietnam yang positif sepanjang tahun dimana alokasi utangnya belum mampu memperbaiki perekonomian nasional. Tidak terdapat negara yang mengalami perubahan signifikan, kecuali Venezuela yang pada beberapa tahun tertentu terjadi peningkatan tajam. Pola pergerakan nilai tukar pada semua negara relatif stabil dengan nilai yang bervariasi pada tiap negara. Mata uang Vietnam berdaya saing paling rendah diikuti oleh rupiah yang terlihat mengalami fluktuasi meskipun tidak tidak terlalu besar. Efek dari nilai tukar terhadap posisi utang luar negeri adalah ketika terjadi depresiasi mata uang atau pelemahan terhadap mata uang dolar Amerika maka harga-harga barang luar negeri akan lebih mahal dibandingkan sebelumnya dan

16 hal inilah yang menyebabkan kebutuhan terhadap dana operasional meningkat yang menyebabkan terjadinya defisit anggaran, sehingga utang luar negeri pun menjadi opsi yang diambil oleh pemerintah. Grafik juga memperlihatkan perubahan Gross Domestic Product Percapita (GDPP) beberapa tahun terakhir. Venezuela merupakan negara penghasil GDPP tertinggi dibandingkan yang lainnya. Besarnya GDPP ini selain bergantung terhadap GDP juga akan terpengaruh oleh fluktuasi jumlah penduduk pada suatu negara. Pada plot data diatas tidak dijelaskan mengenai perubahan GDPP yang terjadi apakah sebagai hasil perubahan GDP atau perubahan jumlah penduduk. Pada umumnya di negara yang dianalisis, terjadi trend yang meningkat pada tiap tahunnya. Salah satu kemungkinannya adalah karena pertumbuhan ekonomi yang terjadi yang memberikan stimulus dalam peningkatan GDPP. Saving yang menunjukkan besarnya tabungan masyarakat mengalami perubahan yang tidak begitu drastis dimana pada tiap negara berbeda-beda ada yang menunjukkan trend positif dan negatif. Negara dengan jumlah saving tertinggi diantara negara berkembang yang dianalisis adalah Indonesia. Pada negara yang lainnya terjadi pola yang relatif berfluktuasi setiap tahunnya.

Posisi Utang Luar Negeri Negera Maju (M US $)

Gambar 3 Gambaran Utang Luar Negeri Negara Maju Gambar 3 menunjukkan performa utang luar negeri untuk kasus negara maju yang mewakili kawasan Asia Timur, Eropa, dan Amerika ditambah negara Selandia Baru. Posisi utang luar negeri negara-negara tersebut menunjukkan pergerakan yang relatif berfluktuasi positif setiap tahunnya. Jepang hadir dengan posisi utang luar negerinya yang tertinggi dibandingkan negara maju lainnya, terutama pada lima tahun terakhir. Meskipun utangnya tinggi dan trend-nya positif, Jepang masih bisa bertahan dan perekonomiannya relatif kuat karena ditopang oleh pabrik-pabrik yang ada di luar negeri dimana pembangunnya ditopang dengan utang luar negeri sehingga pengalokasian utangnya sangat efektif.

17 Pergerakan nilai tukar (Tabel terlampir) menunjukkan keadaan yang cenderung stabil, namun apabila diteliti lebih seksama, hampir semua negara menunjukkan trend negatif. Jepang berada pada posisi dengan mata uang terlemah apabila dibandingkan dengan mata uang dolar Amerika. Gambar lampiran juga menunjukkan pergerakan GDPP yang dapat mencerminkan tingkat kemakmuran suatu negara. Pada semua negara , pergerakan GDPP menunjukkan trend yang positif meskipun sebagian negara bergerak dengan nilai yang tidak terlalu signifikan. Swiss berada pada posisi teratas untuk kategori penerima GDPP terbesar dibanding negara lainnya. Untuk variabel saving, tidak terlihat trend yang bergerak secara jelas positif atau negatif karena semua negara menunjukkan pola yang relatif tetap sepanjang tahunnya. Plot Perubahan ULN dengan perubahan variabel lainnya tiap tahun Kelompok Negara Berkembang

Kelompok Negara Maju

Gambar 4 Plot ULN Dengan Variabel lain

18 Gambar 4 memperlihatkan plot perubahan utang luar negeri terhadap variabel nilai tukar, GDPP, saving dan ToT yang berasal dari 2 kelompok negara. Hal ini dilakukan untuk mengetahui bagaimana hubungan linear antar perubahan variabel tiap tahunnya yang dapat memberikan informasi awal pada semua negara yang dianalisis. Negara maju dan berkembang yang menjadi fokus dalam penelitian ini dibagi ke dalam grafik yang berbeda berdasarkan masing-masing variabel. Bagian pertama adalah grafik yang menunjukkan hubungan utang luar negeri dan nilai tukar yang menghasilkan hubungan linear yang positif pada negara berkembang namun negatif pada negara maju. Selanjutnya pada bagian kedua, terdapat hubungan linear negatif dan positif pada 2 kelompok negara yang berbeda antara variabel utang luar negeri dengan Gross Domestic Product Perkapita (GDPP), dimana semakin besar GDPP maka utang luar negeri akan juga cenderung meningkat juga sebaliknya. Pada bagian ketiga dari grafik tersebut menunjukkan hubungan yang negatif antara variabel utang luar negeri dengan saving. Terakhir pada bagian terakhir dari grafik diatas, menunjukkan hasil hubungan linear yang positif pada negara berkembang dan negatif pada negara maju untuk variabel utang luar negeri dengan ToT, dimana semakin tinggi ToT, maka utang luar negeri juga akan semakin meningkat. Berbagai hubungan linear pada grafik tersebut belum bisa menyimpulkan apakah hubungan yang terjadi pada hasil output data panel kointegrasi yang akan dibahas selanjutnya akan menunjukkan hasil yang sama dikarenakan metode yang digunakan juga berbeda. Namun, analisis kualitatif yang sudah dilakukan akan membantu dalam memberikan informasi awal dan dugaan mengenai variabel-variabel yang dianalisis. Uji Stasioneritas Data Panel Analisis data panel pada tahap pertama diawali dengan pengujian stasioneritas pada data yang digunakan dalam rangka mengetahui mengenai adanya panel unit root yang terdapat diantara variabel. Hal ini diperlukan untuk memastikan bahwa data variabel yang digunakan sudah layak dan memenuhi syarat untuk berlanjut ke tahapan selanjutnya. Terdapat beberapa uji stasioneritas yang digunakan di dalam penelitian ini, yaitu uji statistik Levin, Lin dan Chu (LCC), Im, Pesaran an Shin (IPS) dan PP-Fisher. Pengujian dilakukan pada 7 variabel yang digunakan dalam penelitian ini, yaitu utang luar negeri (ULN), nilai tukar terhadap US dollar (ER), Gross Domestic Product Perkapita (GDPP), tabungan (Saving), Terms of Trade (ToT), inflasi dan suku bunga (IR). Sebagian besar variabel diubah ke dalam bentuk logaritma akar memudahkan dalam proses interpretasi hasil dan penyamaan variabel. Terdapat beberapa metofe dalam pengujian ini, yaitu Individual Effects, Individual effects, individual trends, serta none yang dibagi dalam pengujian terhadap dua jenis uji, yaitu pada tingkat level dan first difference. Tabel uji stasioneritas (lampiran) memperlihatkan keadaan variabel pada tingkat level dan first difference yang diuji melalui tiga metode intersep yang digunakan. Hasil berbeda terlihat ketika data diuji dengan tiga pengujian yang berbeda, yaitu LCC, IPS dan PP-Fisher. Semua variabel pada tingkat level menunjukkan kondisi yang tidak stasioner, tetapi pada tingkat first difference semua variabel pada tiga jenis uji yang dipakai menunjukkan kondisi yang

19 stasioner. Kondisi ini menunjukkan bahwa kondisi data panel yang digunakan memenuhi syarat pengujian stasioneritas dan layak untuk berlanjut ke tahap selanjutnya. Pengujian Model Perumusan model yang sudah dilakukan akan diuji kelayakannya apakah baik atau tidak dan layak untuk dipilih berdasarkan pada beberapa kriteria melalui pengujian yang akan dilakukan pada tahap selanjutnya. Uji Chow Uji ini bertujuan untuk memilih apakah model yang digunakan adalah Pooled Least Square (PLS) atau Fixed Effect Model (FEM). Pengambilan keputusannya adalah dengan melihat nilai prob pada uji cross-section F dimana apabila prob< α sebesar 5 persen akan tolak Ho yang merupakan PLS. Berikut merupakan hasil estimasi Uji Chow: Tabel 1 Hasil Uji Chow Effect Test Cross-section F Cross-section Chi-square

Statistic 77.445202 264.634979

Prob

0.0000 0.0000

Berdasarkan tabel 1 nilai dari prob adalah 0,0000 yang lebih kecil dari nilai α sebesar 5 persen, sehingga keputusannya adalah tolak Ho yang berarti model yang digunakan yaitu FEM lebih baik daripada PLS. Hasil Uji Asumsi Klasik Tahapan uji asumsi klasik dilakukan dalam rangka menilai model yang digunakan bebas dari masalah yang mungkin terjadi pada setiap model ekonometrika. Pengujian asumsi klasik ini meliputi uji normalitas, uji multikolinearitas dan uji autokorelasi. Uji Normalitas Pada prinsipnya, uji normalitas ini dilakukan untuk mengetahui apakah error term mendekati distribusi normal atau tidakyang dapat diketahui dengan melihat grafik sisaan atau dengan membandingkan nilai probabilitas Jarque Bara yang lebih besar dari taraf nyata α sebesar 5 persen. Hasil yang didapatkan pada model persamaan ini adalah 0.292 yang lebih besar dari taraf nyata 5 persen. Dengan demikian dapat disimpulkan bahwa kriteria normalitas model mampu terpenuhi. Uji Multikolinearitas Untuk menguji ada atau tidaknya efek multikolinearitas adalah dengan memperhatikan nilai R2 yang tinggi namun diiringi dengan banyaknya variabel

20 yang tidak signifikan. Apabila melihat hasil uji koefisien determinasi dan uji t statistik maka diketahui bahwa nilai R2 yang tinggi juga diikuti oleh banyaknya variabel yang signifikan. Oleh karena itu dapat disimpulkan bahwa tidak terdapat multikolinearitas, sehingga tidak terjadi pelanggaran asumsi. Uji Autokorelasi Untuk mengetahui apakah terdapat masalah autokorelasi pada model, maka dapat dilihat dengan nilai Durbin-Watson yang didapatkan pada hasil estimasi dengan nilai DW pada tabel. Nilai Durbin-Watson statistic adalah sebesar 1.59 sedangkan nilai batas atau (DU) dan batas bawah (DL) pada tabel berturut-turut adalah sebesar 1.636 dan 1.406. Berdasarkan perhitungan maka selang Durbin-Watson yang didapat tidak memenuhi syarat DU
21

Koefisien Determinasi (R2) Nilai koefisien Determinasi (R2) yang didapatkan pada pengujian model persamaan dengan tiga metode berbeda menunjukan hasil yang berbeda pula. Pada model dengan metode FEM, nilai R2-nya adalah 0.986464. Nilai tersebut berarti bahwa 98.64 persen keragaman variabel terikat dapat dijelaskan oleh keragaman variabel bebas dan sisanya dijelaskan oleh variabel di luar model tersebut. Pada model dengan metode FMOLS, nilai R2-nya adalah 0.867349. Nilai tersebut berarti bahwa 86.73 persen keragaman variabel terikat dapat dijelaskan oleh keragaman variabel bebas dan sisanya dijelaskan oleh variabel di luar model tersebut. Sedangkan pada model dengan metode DOLS, nilai R2-nya adalah 0.986032. Nilai tersebut berarti bahwa 98.60 persen keragaman variabel terikat dapat dijelaskan oleh keragaman variabel bebas dan sisanya dijelaskan oleh variabel di luar model tersebut. Uji Kointegrasi Data Panel Setelah melalui beberapa tahap pengujian, proses selanjutnya adalah menguji ada tidaknya kointegrasi pada model persamaan. Terdapat empat metode pengujian pada tahap ini, yaitu Ordinary Least Square (OLS), Fixed Effect Model (FEM), Fully Modified Ordinary Least Square (FMOLS) dan Dynamic Ordinary Least Square (DOLS). Hasil pengujian pada model persamaan dievaluasi terutama dengan melihat apakah variabel-variabel bebas tersebut memberikan pengaruh nyata dan signifikan terhadap variabel terikatnya. Berikut ini merupakan hasil estimasi berbagai pengujian pada beberapa metode yang dilakukan: Tabel 2 Hasil Estimasi Model Utang Luar Negeri Variabel ln_ER ln_GDPP

ln_Saving TOT Inflasi IR R-squared Adj R2

FEM 0.0000 0.416535 0.0765 0.273556 0.00572 -0.261897 0.4674 0.041296 0.2320 -0.007961 0.0127 0.024850 0.986464 0.984826

*** *

***

**

FMOLS 0.0000 0.550038 0.0116 0.063643 0.0001 -0.071505 0.138 -0.038954 0.0005 -0.183722 0.0011 -0.129192 0.867349 0.849893

Keterangan: ***,**,* mewakili 1%, 5%, 10%

*** **

***

*** ***

DOLS 0.0076 0.220432 0.0683 0.197555 0.0676 -0.195597 0.5032 0.027656 0.0425 0.010166 0.0023 0.016880 0.986032 0.9843434

*** *

*

** ***

22 Berdasarkan tabel 2 terlihat bahwa sebagian besar variabel signifikan pada taraf nyata 5 persen bahkan ada beberapa variabel yang signifikan pada taraf nyata 1 persen, meskipun ada juga pada 10 persen. Pada metode FEM, dapat kita lihat bahwa variabel nilai tukar, GDPP, saving dan suku bunga memberikan pengaruh yang sigifikan terhadap utang luar negeri. Namun, setelah diuji dengan metode FMOLS, terdapat sedikit perbedaan variabel yang memberikan pengaruh nyata terhadap utang luar negeri, yaitu inflasi. Variabel tersebut tidak memengaruhi variabel terikat meskipun tanda negatif pada koefisiennya sama dengan model pada metode FEM. Metode selanjutnya adalah DOLS yang dapat memberikan penduga yang lebih baik dan konsisten. Hasilnya adalah variabel nilai tukar, GDPP, saving, inflasi dan suku bunga memberikan pengaruh yang sigifikan terhadap utang luar negeri, Selain itu tanda koefisien pada masing-masing koefisien juga sama dengan model dengan metode FEM dan FMOLS, kecuali variabel inflasi. Oleh karena itu model persamaan dengan metode DOLS merupakan metode terbaik diantara dua metode lainnya, yaitu FEM dan FMOLS karena memberikan hasil dan adanya modifikasi dalam pembentukan persamaannya. Koefisien nilai tukar memiliki nilai yang bervariasi berdasarkan tiga metode yang digunakan, yaitu 0.416; 0.550 dan 0.220. Tanda positif pada koefisien berarti apabila niai tukat meningkat (mengalami depresiasi) sebesar 1 persen maka terjadi peningkatan utang luar negeri sebesar 0.416 persen, 0.550 persen dan 0.220 persen. Menurut teori makroekonomi, apabila terjadi depresiasi (pelemahan mata uang lokal terhadap dolar amerika) maka harga-harga barang dan jasa luar negeri akan menjadi lebih mahal, sehingga pengeluaran pemerintah terutama terhadap barang jadi atau barang mentah yang berasal dari luar negeri akan meningkat dalam rangka memenuhi kebutuhan. Kondisi tersebut akan memicu terjadinya defisit anggaran, sehingga meningkatkan rasio utang luar negeri. Berdasarkan hasil estimasi dengan tiga metode yang telah dilakukan koefisien GDPP adalah sebesar 0.273;0.067 dan 0.197. Tanda positif pada koefisien berarti apabila GDPP meningkat sebesar 1 persen maka terjadi peningkatan utang luar negeri sebesar 0.273 persen, 0.067 persen dan 0.197 persen. Berdasarkan penelitian Loganathan dan Sukemi (2010) mengenai hubungan kinerja makro ekonomi dan utang luar negeri, maka pada saat GDPP suatu negara sudah tinggi, terutama untuk kasus negara berkembang, maka kebutuhan terhadap utang luar negrinya pun meningkat. Hal ini karena kebutuhan akan pembangunan yang diperlukan untuk meningkatkan taraf hidup masyarakatnya menjadi lebih baik lagi. Koefisien saving memiliki nilai yang bervariasi berdasarkan tiga metode yang digunakan, yaitu -0.261; -0.071 dan -0.197. Tanda negatif pada koefisien berarti apabila saving meningkat sebesar 1 persen maka terjadi penurunan utang luar negeri sebesar 0.261 persen, 0.071 persen dan 0.197 persen. Semakin besar tabungan suatu negara maka kebutuhan akan pengeluarannya apabila terjadi defisit anggaran dapat terpenuhi melalui tabungan terbilih dahulu, oleh karena itu hubungannya adalah negatif. Hasil estimasi terhadap koefisien variabel yang signifikan memiliki nilai yang tidak terlalu jauh berbeda, dimana nilai dari koefisien variabel nilai tukar,

23 GDPP dan saving hasilnya hanya sedikit berbeda. Ini mengindikasikan bahwa model yang didapat sudah baik dan tepat sehingga dapat dijelaskan dengan baik secara seragam oleh tiga metode tersebut. Pengujian selanjutnya adalah mengetahui apakah hubungan yang dijelaskan oleh model memiliki hubungan jangka panjang atau tidak. Metode yang digunakan adalah Uji Pedroni dan Kao Residual Cointegration Test. Hasilnya adalah terdapat hubungan kointegrasi pada model utang luar negeri yang dianalisis. Berdasarkan tabel pengujian (terdapat pada lampiran) maka keputusan adanya hubungan jangka penjang yang terjadi adalah dengan melihat bahwa jumlah komponen metode yang signifikan lebih banyak daripada yang tidak signifikan. Berdasarkan hasil tersebut maka menurut Uji Pedroni, terjadi kointegrasi. Tabel 3 Hasil Uji Kao ADF

Metode

T-Statistic -3.690808

Prob 0.0001

Uji yang selanjutnya dilakukan adalah dan Kao Residual Cointegration Test untuk menyimpulkan apakah terjadi kointegrasi atau tidak. Tabel 4 menunjukkan model persamaan memiliki probabilitas sebesar 0.0001 yang lebih kecil dari nilai α sebesar 5 persen. Oleh karena itu, berdasarkan nilai tersebut dapat disimpulkan bahwa semua variabel yang diuji dalam penelitian ini terkointegrasi atau memiliki hubungan keseimbangan dalam jangka panjang. Selain itu variabel nilai tukar, GDPP, saving, inflasi dan suku bunga dapat dioptimalkan sedemikian sehingga dapat mencapai target dan sasaran jumlah utang luar negeri dengan memperhatikan hubungan dan pengaruh antar variabel. Terdapat kelebihan dan manfaat yang muncul pada model apabila terjadi kointegrasi, diantaranya penduga yang dihasilkan adalah penduga yang valid dan konsisten, dapat mengurangi peluang terjadinya bias pada model yang biasanya pada model pada umumnya terjadi spurious regression. Kondisi ini dapat diidentifikasi dengan mudah dengan melihat nilai dari r-squared yang tinggi namun juga diiringi dengan sedikitnya penduga variabel yang signifikan pada model. Menurut Philips dan Moon (1999), model DOLS sudah menutupi kekurangan model FMOLS dalam hal kevalidan dan konsistensi penduga. Oleh karena itu, dari tiga model yang dianalisis, FEM, FMOLS dan DOLS maka model terbaik yang dipilih adalah DOLS. Pengambilan keputusan tersebut juga didasarkan pada hipotesis yang ada dan teori ekonomi yag dapat menjelaskan fenomena yang terjadi melalui model estimasi. Pada model DOLS penggunaan taraf nyata, tidak hanya taraf nyata 5 persen tapi juga 10 persen, meskipun pada keseluruhan variabel,penggunaan taraf nyata 5 persen masih mendominasi. Selain itu, indikator lain yang digunakan adalah dengan melihat nilai r-squared tertinggi yang diikuti oleh model dengan variabel signifikan terbanyak, sehingga keputusannya adalah tetap memilih model DOLS. Koefisien deterministik individu (lampiran) menunjukkan hasil yang beragam dan tidak menunjukkan pola tertentu yang dapat membedakan negara

24 berkembang dan negara maju. Sehingga dapat diketahui bahwa keputusan utang luar negeri sangat tergantung pada tiap negara terlepas negara berkembang atau maju. Semakin besar nilai koefisien tersebut, maka makin besar pula utang luar negeri yang dilakukan, begitu pula sebaliknya. Sehingga, koefisien tersebut dapat menunjukkan pola utang luar negeri pada tiap negara yang dianalisis.

SIMPULAN DAN SARAN Simpulan Berdasarkan penelitian yang telah dilakukan maka diperoleh beberapa kesimpulan, yaitu: 1. Analisis yang dilakukan terhadap 10 negara yang mewakili negara berkembang dan negara maju serta negara-negara yang berasal dari kawasan Asia, Eropa, Amerika dan Selandia Baru menunjukkan bahwa utang luar negeri merupakan keputusan yang diambil berdasarkan kondisi dan situasi makroekonomi di masing-masing negara. Berdasarkan analisis kualitatif yang dilakukan, tiap negara ada yang menunjukkan pola meningkat, menurun ataupun tetap. Selain itu temuan lainnya adalah jumlah utang luar negeri negara maju belum tentu lebih kecil daripada negara berkembang, hal ini sangat tergantung pada kondisi masing-masing individu. 2. Pada penelitian ini metode yang digunakan adalah panel kointegrasi yang mengevaluasi utang luar negeri pemerintah pada 10 negara yang mewakili negara berkembangg dan maju. Hasil dari metode ini memperlihatkan bahwa model persamaan yang dianalisis, yaitu DOLS menunjukkan variabel yang signifikan yang dapat dijelaskan oleh teori ekonomi. Variabel yang sigifikan memengaruhi utang luar negeri adalah nilai tukar, GDPP, saving, inflasi dan suku bunga. Temuan lainnya adalah semua variabel yang diuji terkointegrasi atau seimbang dalam jangka panjang. Model persamaan utang luar negeri juga dapat menjelaskan utang luar negeri jangka panjang. Saran Berdasarkan hasil penelitian yang diperoleh, maka disarankan beberapa hal berikut, yaitu: 1. Pengaturan jumlah utang luar negeri yang dilakukan oleh tiap negara dapat memerhatikan aspek nilai tukar, GDPP, saving, inflasi dan suku bunga dimana pada tiap negara akan memperlihatkan pengambilan keputusan yang berbeda tergantung arahh pembangunan ekonomi negara tersebut. Selain itu, pemerintah juga harus memberikan perhatian yang lebih kepada aspek-aspek yang dapat memengaruhi utang luar negeri tersebut, sehingga penagaturan pengambilan utang luar negeri dapat berjalan dengan baik

25 2. Penelitian ini menggunakan metode panel kointegrasi yang menguji negara sample secara menyeluruh. Bagi penelitian selanjutnya disarankan untuk memakai metode yang dapat menganalisis utang luar negeri pada tiap-tiap negara kemudian hasilnya dibandingkan dengan negara lain, sehingga hasil yang didapatkan lebih detil dan mendalam.

DAFTAR PUSTAKA Awan dan Ashgar. 2011.The Impact of Exchange Rate, Fiscal Deficit and Terms of Trade on External Debt of Pakistan. Australian Journal of Business and Management Research 1(3):10-24 Baltagi, B. H. 2005. Econometric Analysis of Panel Data. Third Edition. New York: McGraw Hill Companies Ben, Ali dan Tarek, Sadraoui. 2013. External Debt and Financing of Economic Development: Evidence from North African Countries. Journal of North African Research in Business, 1(3):1-20 Bevan dan Adam. 2005. Fiscal Deficit and Growth in Developing Countries. Journal of Public Economics 1(4):571-597 Choong, Keong. 2006. Public Debt and Economic Growth in The South Pacific Islands: A Case Study of Fiji. Journal of Economic Development 31(2): 107121 Cohen, D. 2005. Large External Debt and Domestic Growth. Journal of Economic Dynamic and Control 1(19):1141-1163 Chowdury A, Hossain. 2000. Open Economy Macro Economics for Developing Countries. Massachusets: Edward Elgar Publishing Inc Dooley, P. 2010. Debt Management and Crisis in Developing Countries. Journal of Development Economics 63(1):45-58 Fatoki dan Asah. 2011. The Impact of Firm and Entrepreneurial Characcteristics on Access to Debt Finance by SMEs in King Williams’Town, South Africa. International Journal of Business and managenent 6(8):170-179 Firdaus, M.2011. Aplikasi Ekonometrika untuk Data Panel dan Time Series. Bogor (ID): IPB Press Gujarati D. 1978. Ekonometrika Dasar. Sumarno Zain [Penerjemah]. Jakarta (ID): Erlangga Insah dan Chiaraah. 2013. Sources of Real Exchange Rate Volatility in The Ghananian Economy. Journal of Economics and International Finance 1(10):232-238 Jiang, J dan Jiranyakul. Capital Structure, Cost of Debt and Devidend Payout of Firms in New York and Shanghai Stock Exchanges. International Journal of Economics and Financial Issues 3( 1):113-121 Juanda, B. 2009. Ekonometrika Pemodelan dan Pendugaan. Bogor (ID): IPB Press Kao C, Chiang. 2000. On the Estimation and Interference of Cointegrated Regression in Panel Data. Journal of Advances in Econometrics. Loganathan dan Sukemi. 2010. External Debt and Macroeconomics Performance in Malaysia: Sustainableor not. Global Economy and Finance Journal 3(2) 122132

26 Mankiw, N Gregrory. 2006. Makroekonomi. Fitria Liza [Penerjemah]. Jakarta (ID): Erlangga Mishkin, F.S. 2001. The Economis of Money, Banking, and Financial Markets. 6th Edition. Columbia University, USA. Nelasco, Shobana. 2012. An Economic Analysis on External Debt Burden of South Asian Countries. Journal of Educattional and Social Research 2(9):1122 Pedroni, P.1999. Fully Modified OLS for Heterogenous Cointegrated Panels and The Case of Purchasing Power Parity. Working Paper No. 96-020, Indiana University Ruxandra, Anca. 2011. How to Assess Public Debt Sustainability: Empirical Evidence for The Advance European Countries 2(2): 20-43 Saikkonen, P. 1991. Estimation and Testing of Cointegrated Systems by An Autoregressive Approximation. Econometric Theory, 8, 1-27 Sulaiman dan Michael. 2012. External Debt, Economic Growth, and Investment in Nigeria 4(11): 67-75 Todaro. MP. 1994. Ekonomi Pembangunan di Dunia Ketiga. Haris M [Terjemahan]. Jakarta (ID): Erlangga Tasos. 2011. Does Government Debt Promote Economic Growth? An Empirical Analysisi With Structural Breaks For The Economy of China 15(46):229-248 Vincent, Ezeabalisi dan Mojekwu. 2011. Nigeria’s External Debt and Economic Growth: An Error Correction Approach. International Journal of Business and Management 6(5):156-170 Warner, A. 1996. Did The Debt Crisis Cause The Investment Crisis. Quarterly Journal of Economics 4(1):107-118

27

LAMPIRAN

28 Lampiran 1 Hasil Output Panel Unit Root Test Panel unit root test: Summary Series: LN_ULN Date: 02/04/15 Time: 13:53 Sample: 2000 2013 Exogenous variables: Individual effects User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test Cros sProb.**

secti ons

0.6163

10

120

Null: Unit root (assumes individual unit root process) Im, Pesaran and Shin W-stat 0.02465

0.4902

10

120

ADF - Fisher Chi-square

17.7449

0.6042

10

120

PP - Fisher Chi-square

41.6550

0.0031

10

130

Method

Statistic

Obs

Null: Unit root (assumes common unit root process) Levin, Lin & Chu t*

0.29586

** Probabilities for Fisher tests are computed using an asympToTic Chi -square distribution. All other tests assume asympToTic normality.

Panel unit root test: Summary Series: LN_ULN Date: 02/04/15 Time: 13:54 Sample: 2000 2013 Exogenous variables: Individual effects, individual linear trends User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test Cro ssStati Prob Method stic .** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* 0.38063 0.6483 Breitung t-stat 2.04128 0.0206

stat

Null: Unit root (assumes individual unit root process) Im, Pesaran and Shin W0.06514 0.5260 ADF - Fisher Chi-square 18.3547 0.5641 PP - Fisher Chi-square 51.8161 0.0001

sec tions

Obs

10 10

120 110

10 10 10

120 120 130


29 Panel unit root test: Summary Series: LN_ULN Date: 02/04/15 Time: 13:56 Sample: 2000 2013 Exogenous variables: None User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test Cro ssStati Prob Method stic .** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -0.30017 0.3820

sec tions

Obs

10

120

10 10

120 130

Null: Unit root (assumes individual unit root process) ADF - Fisher Chi-square 14.6222 0.7976 PP - Fisher Chi-square 23.9642 0.2440


Panel unit root test: Summary Series: LN_ER Date: 02/04/15 Time: 13:57 Sample: 2000 2013 Exogenous variables: Individual effects User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -4.36460 0.0000

stat

sec tions

Obs

10

120

10 10 10

120 120 130

Null: Unit root (assumes individual unit root process) Im, Pesaran and Shin W-2.18676 0.0144 ADF - Fisher Chi-square 35.7029 0.0167 PP - Fisher Chi-square 26.8098 0.1407


Panel unit root test: Summary Series: LN_ER Date: 02/04/15 Time: 13:57 Sample: 2000 2013 Exogenous variables: Individual effects, individual linear trends User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test Cro ss-

30 Method Statistic Prob.** sections Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -4.19403 0.0000 10 Breitung t-stat -0.00172 0.4993 10

stat


10 10 10

Obs 120 110

120 120 130


Panel unit root test: Summary Series: LN_ER Date: 02/04/15 Time: 13:57 Sample: 2000 2013 Exogenous variables: None User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -0.04262 0.4830

sec tions

Obs

10

120

10 10

120 130



Panel unit root test: Summary Series: LN_GDPP Date: 02/04/15 Time: 13:58 Sample: 2000 2013 Exogenous variables: Individual effects User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -3.68037 0.0001

stat


sec tions

Obs

10

120

10 10 10

120 120 130

** Probabilities for Fisher tests are computed using an asympToTic Chi

31 -square distribution. All other tests assume asympToTic normality.

Panel unit root test: Summary Series: LN_GDPP Date: 02/04/15 Time: 13:58 Sample: 2000 2013 Exogenous variables: Individual effects, individual linear trends User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -3.08596 0.0010 Breitung t-stat -0.09917 0.4605

stat

sec tions

Obs

10 10

120 110

10 10 10

120 120 130



Panel unit root test: Summary Series: LN_GDPP Date: 02/04/15 Time: 13:59 Sample: 2000 2013 Exogenous variables: None User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* 4.81188 1.0000 Null: Unit root (assumes individual unit root process) ADF - Fisher Chi-square 1.36113 1.0000 PP - Fisher Chi-square 0.37943 1.0000

sec tions

Obs

10

120

10 10

120 130


Panel unit root test: Summary Series: LN_SAVING Date: 02/04/15 Time: 14:00 Sample: 2000 2013 Exogenous variables: Individual effects User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test

32 CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* 4.17316 0.0000

stat

sec tions

Obs

10

120

10 10 10

120 120 130



Panel unit root test: Summary Series: LN_SAVING Date: 02/04/15 Time: 14:00 Sample: 2000 2013 Exogenous variables: Individual effects, individual linear trends User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -2.82740 0.0023 Breitung t-stat -0.46966 0.3193

stat

sec tions

Obs

10 10

120 110

10 10 10

120 120 130



Panel unit root test: Summary Series: LN_SAVING Date: 02/04/15 Time: 14:01 Sample: 2000 2013 Exogenous variables: None User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* 3.84160 0.9999 Null: Unit root (assumes individual unit root process)

sec tions

Obs

10

120

33 ADF - Fisher Chi-square 1.98514 PP - Fisher Chi-square 1.41930

1.0000 1.0000

10 10

120 130


Panel unit root test: Summary Series: TOT Date: 02/04/15 Time: 14:02 Sample: 2000 2013 Exogenous variables: Individual effects User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -1.52169 0.0640

stat

sec tions

Obs

10

120

10 10 10

120 120 130



Panel unit root test: Summary Series: TOT Date: 02/04/15 Time: 14:02 Sample: 2000 2013 Exogenous variables: Individual effects, individual linear trends User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -2.77991 0.0027 Breitung t-stat -1.71953 0.0428

stat


sec tions

Obs

10 10

120 110

10 10 10

120 120 130


Panel unit root test: Summary Series: TOT

34 Date: 02/04/15 Time: 14:03 Sample: 2000 2013 Exogenous variables: None User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -0.59892 0.2746

sec tions

Obs

10

120

10 10

120 130



Panel unit root test: Summary Series: INFLASI Date: 02/04/15 Time: 14:09 Sample: 2000 2013 Exogenous variables: Individual effects User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -4.74804 0.0000

stat

sec tions

Obs

10

120

10 10 10

120 120 130



Panel unit root test: Summary Series: INFLASI Date: 02/04/15 Time: 14:10 Sample: 2000 2013 Exogenous variables: Individual effects, individual linear trends User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -0.67854 0.3900

sec tions

Obs

10

120

35 Breitung t-stat

stat

-0.75918

0.2239


10

110

10 10 10

120 120 130


Panel unit root test: Summary Series: INFLASI Date: 02/04/15 Time: 14:10 Sample: 2000 2013 Exogenous variables: None User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -1.39701 0.0812

sec tions

Obs

10

120

10 10

120 130



Panel unit root test: Summary Series: IR Date: 02/04/15 Time: 14:19 Sample: 2000 2013 Exogenous variables: Individual effects User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -1.90599 0.0283

stat

Null: Unit root (assumes individual unit root process) Im, Pesaran and Shin W0.27802 0.6095 ADF - Fisher Chi-square 15.8411 0.7264 PP - Fisher Chi-square 19.5073 0.4891

sec tions

Obs

10

120

10 10 10

120 120 130


36 Panel unit root test: Summary Series: IR Date: 02/04/15 Time: 14:20 Sample: 2000 2013 Exogenous variables: Individual effects, individual linear trends User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -1.83819 0.0330 Breitung t-stat 1.18583 0.8822

stat

sec tions

Obs

10 10

120 110

10 10 10

120 120 130



Panel unit root test: Summary Series: IR Date: 02/04/15 Time: 14:20 Sample: 2000 2013 Exogenous variables: None User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -0.05228 0.5014 Null: Unit root (assumes individual unit root process) ADF - Fisher Chi-square 25.1411 0.1961 PP - Fisher Chi-square 46.7421 0.0006

sec tions

Obs

10

120

10 10

120 130


Panel unit root test: Summary Series: D(LN_ULN) Date: 02/04/15 Time: 14:23 Sample: 2000 2013 Exogenous variables: Individual effects User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test ss-

37 Method Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -4.67719 0.0000

stat

sec tions

Obs

10

110

10 10 10

110 110 120



Panel unit root test: Summary Series: D(LN_ULN) Date: 02/04/15 Time: 14:23 Sample: 2000 2013 Exogenous variables: Individual effects, individual linear trends User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -3.35447 0.0004 Breitung t-stat -3.48520 0.0002

stat

sec tions

Obs

10 10

110 100

10 10 10

110 110 120



Panel unit root test: Summary Series: D(LN_ULN) Date: 02/04/15 Time: 14:23 Sample: 2000 2013 Exogenous variables: None User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -9.40216 0.0000 Null: Unit root (assumes individual unit root process) ADF - Fisher Chi-square 83.9234 0.0000 PP - Fisher Chi-square 138.265 0.0000

sec tions

Obs

10

110

10 10

110 120

38 ** Probabilities for Fisher tests are computed using an asympToTic Chi -square distribution. All other tests assume asympToTic normality.

Panel unit root test: Summary Series: D(LN_ER) Date: 02/04/15 Time: 14:24 Sample: 2000 2013 Exogenous variables: Individual effects User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -5.10688 0.0000

stat

sec tions

Obs

10

110

10 10 10

110 110 120



Panel unit root test: Summary Series: D(LN_ER) Date: 02/04/15 Time: 14:24 Sample: 2000 2013 Exogenous variables: Individual effects, individual linear trends User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -7.43033 0.0000 Breitung t-stat -0.93671 0.1745

stat


sec tions

Obs

10 10

110 100

10 10 10

110 110 120


Panel unit root test: Summary Series: D(LN_ER) Date: 02/04/15 Time: 14:24 Sample: 2000 2013 Exogenous variables: None

39 User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -6.99403 0.0000

sec tions

Obs

10

110

10 10

110 120



Panel unit root test: Summary Series: D(LN_GDPP) Date: 02/04/15 Time: 14:25 Sample: 2000 2013 Exogenous variables: Individual effects User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -5.81212 0.0000

stat

sec tions

Obs

10

110

10 10 10

110 110 120



Panel unit root test: Summary Series: D(LN_GDPP) Date: 02/04/15 Time: 14:25 Sample: 2000 2013 Exogenous variables: Individual effects, individual linear trends User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -7.86043 0.0000 Breitung t-stat -2.61436 0.0045 Null: Unit root (assumes individual unit root process)

sec tions

Obs

10 10

110 100

40 stat

Im, Pesaran and Shin W-3.41359 ADF - Fisher Chi-square 46.3238 PP - Fisher Chi-square 68.1090

0.0003 0.0007 0.0000

10 10 10

110 110 120


Panel unit root test: Summary Series: D(LN_GDPP) Date: 02/04/15 Time: 14:25 Sample: 2000 2013 Exogenous variables: None User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -4.51523 0.0000

sec tions

Obs

10

110

10 10

110 120



Panel unit root test: Summary Series: D(LN_SAVING) Date: 02/04/15 Time: 14:25 Sample: 2000 2013 Exogenous variables: Individual effects User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -6.28958 0.0000

stat


sec tions

Obs

10

110

10 10 10

110 110 120


Panel unit root test: Summary Series: D(LN_SAVING) Date: 02/04/15 Time: 14:26

41 Sample: 2000 2013 Exogenous variables: Individual effects, individual linear trends User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -8.66587 0.0000 Breitung t-stat -3.95823 0.0000

stat

sec tions

Obs

10 10

110 100

10 10 10

110 110 120



Panel unit root test: Summary Series: D(LN_SAVING) Date: 02/04/15 Time: 14:26 Sample: 2000 2013 Exogenous variables: None User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -6.48509 0.0000

sec tions

Obs

10

110

10 10

110 120



Panel unit root test: Summary Series: D(TOT) Date: 02/04/15 Time: 14:26 Sample: 2000 2013 Exogenous variables: Individual effects User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -3.01596 0.0013

sec tions

Obs

10

110

42

stat


10 10 10

110 110 120


Panel unit root test: Summary Series: D(TOT) Date: 02/04/15 Time: 14:26 Sample: 2000 2013 Exogenous variables: Individual effects, individual linear trends User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -2.06864 0.0193 Breitung t-stat -1.45877 0.0723

stat

sec tions

Obs

10 10

110 100

10 10 10

110 110 120



Panel unit root test: Summary Series: D(TOT) Date: 02/04/15 Time: 14:27 Sample: 2000 2013 Exogenous variables: None User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -8.08470 0.0000 Null: Unit root (assumes individual unit root process) ADF - Fisher Chi-square 82.9466 0.0000 PP - Fisher Chi-square 128.000 0.0000

sec tions

Obs

10

110

10 10

110 120


43 Panel unit root test: Summary Series: D(INFLASI) Date: 02/04/15 Time: 14:27 Sample: 2000 2013 Exogenous variables: Individual effects User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -10.2500 0.0000

stat

sec tions

Obs

10

110

10 10 10

110 110 120



Panel unit root test: Summary Series: D(INFLASI) Date: 02/04/15 Time: 14:27 Sample: 2000 2013 Exogenous variables: Individual effects, individual linear trends User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -9.90431 0.0000 Breitung t-stat -2.27398 0.0115

stat


sec tions

Obs

10 10

110 100

10 10 10

110 110 120


Panel unit root test: Summary Series: D(INFLASI) Date: 02/04/15 Time: 14:28 Sample: 2000 2013 Exogenous variables: None User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test

44 CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -14.4525 0.0000

sec tions

Obs

10

110

10 10

110 120



Panel unit root test: Summary Series: D(IR) Date: 02/04/15 Time: 14:28 Sample: 2000 2013 Exogenous variables: Individual effects User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -7.01154 0.0000

stat

sec tions

Obs

10

110

10 10 10

110 110 120



Panel unit root test: Summary Series: D(IR) Date: 02/04/15 Time: 14:28 Sample: 2000 2013 Exogenous variables: Individual effects, individual linear trends User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -6.95562 0.0000 Breitung t-stat -0.55086 0.2909

stat


sec tions

Obs

10 10

110 100

10 10 10

110 110 120

45 ** Probabilities for Fisher tests are computed using an asympToTic Chi -square distribution. All other tests assume asympToTic normality.

Panel unit root test: Summary Series: D(IR) Date: 02/04/15 Time: 14:28 Sample: 2000 2013 Exogenous variables: None User-specified lags: 1 Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test CrossMethod Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -8.65258 0.0000 Null: Unit root (assumes individual unit root process) ADF - Fisher Chi-square 87.2963 0.0000 PP - Fisher Chi-square 109.828 0.0000

sec tions

Obs

10

110

10 10

110 120


46

Lampiran 2 Uji Normalitas

47

Lampiran 3 Rangkuman Hasil Uji Stasioneritas Variabel ln_Uln ln_Uln ln_Uln d(ln_Uln) d(ln_Uln) d(ln_Uln) ln_Er ln_Er ln_Er d(ln_Er) d(ln_Er) d(ln_Er) ln_Gdpp ln_Gdpp ln_Gdpp d(ln_Gdpp) d(ln_Gdpp) d(ln_Gdpp) ln_Saving ln_Saving ln_Saving d(ln_Saving) d(ln_Saving) d(ln_Saving) ln_TOT ln_TOT ln_TOT d(ln_TOT) d(ln_TOT d(ln_TOT) ln_Inflasi ln_Inflasi ln_Inflasi

Diffe renci ng 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0

Met ode 0 1 2 0 1 2 0 1 2 0 1 2 0 1 2 0 1 2 0 1 2 0 1 2 0 1 2 0 1 2 0 1 2

Uji Statistik P value Stasioneri tas Uji LCC Uji IPS test Uji PPtest Fisher 0.3820 0.2440 Tidak 0.6483 0.5260 0.5641 Tidak 0.3820 0.2440 Tidak 0.0000*** 0.0002*** 0.0000*** Ya 0.0004*** 0.0720* 0.0000*** Ya 0.0000*** 0.0000*** Ya 0.0000*** 0.1407 0.1407 Tidak 0.0000*** 0.1097 0.7055 Tidak 0.4830 0.0020*** Tidak 0.0000*** 0.0000*** 0.0000*** Ya 0.0000*** 0.0001*** 0.0002*** Ya 0.0000*** 0.0000*** Ya 0.0001*** 0.1490 0.1367 Tidak 0.0010*** 0.3873 0.8838 Tidak 1.0000 1.0000 Tidak 0.0000*** 0.0001*** 0.0000*** Ya 0.0000*** 0.0003*** 0.0000*** Ya 0.0000*** 0.0001*** Ya 0.0000*** 0.0946* 0.6582 Tidak 0.0023** 0.2156 0.3058 Tidak 0.9999 1.0000 Tidak 0.0000*** 0.0000*** 0.0000*** Ya 0.0000*** 0.0000*** 0.0000*** Ya 0.0000*** 0.0000*** Ya 0.0640* 0.4927 0.7257 Tidak 0.0027*** 0.2168 0.2233 Tidak 0.2746 0.0031*** Tidak 0.0013*** 0.0000*** 0.0000*** Ya 0.0193** 0.0041*** 0.0000*** Ya 0.0000*** 0.0000*** Ya 0.0000*** 0.4410 0.3187 Tidak 0.3900 0.0274** 0.2667 Tidak 0.0812* 0.0122** Tidak

Keterangan: ***,**,* mewakili 1%, 5%, 10% Metode: 0: Individual effects 1: Individual effects, individual linear trends 2: None

48 Lampiran 4 Hasil Uji Chow Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects Effects Test

Statistic

d.f.

Prob.

(9,124)

0.0000

9

0.0000

77.44520 Cross-section F

2 264.6349

Cross-section Chi-square

79

Lampiran 5 Hasil Estimasi Model Utang Luar Negeri Metode FEM Dependent Variable: LN_ULN Method: Panel Least Squares Date: 03/25/15 Time: 15:10 Sample: 2000 2013 Periods included: 14 Cross-sections included: 10 ToTal panel (balanced) observations: 140 White cross-section standard errors & covariance (d.f. corrected) Variable

Coefficient

Std. Error

t-Statistic

Prob.

LN_ER LN_GDPP LN_SAVING TOT INFLASI IR C

0.416535 0.273556 -0.261897 0.041296 0.007961 0.024850 1.282345

0.092144 0.153126 0.136426 0.056654 0.006629 0.009827 0.748349

4.520472 1.786470 -1.919700 0.728910 1.201019 2.528671 1.713565

0.0000 0.0765 0.0572 0.4674 0.2320 0.0127 0.0891

Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.986464 0.984826 0.301163 11.24669 -22.14159 602.4422 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

4.598229 2.444876 0.544880 0.881068 0.681497 0.652871

49

Metode FMOLS Dependent Variable: LN_ULN Method: Panel Fully Modified Least Squares (FMOLS) Date: 03/25/15 Time: 15:12 Sample (adjusted): 2001 2013 Periods included: 13 Cross-sections included: 10 ToTal panel (balanced) observations: 130 Panel method: Weighted estimation Cointegrating equation deterministics: C Long-run covariance estimates (Bartlett kernel, Newey-West fixed bandwidth) Variable

Coefficient

Std. Error

t-Statistic

Prob.

LN_ER LN_GDPP LN_SAVING TOT INFLASI IR

0.550038 0.063643 -0.071505 -0.038954 -0.183722 -0.129192

0.040698 0.024817 0.018156 0.025730 0.051427 0.038534

13.51517 2.564542 -3.938324 -1.513986 -3.572490 -3.352650

0.0000 0.0116 0.0001 0.1328 0.0005 0.0011

R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat

0.867349 0.849894 0.952498 1.181468

Mean dependent var S.D. dependent var Sum squared resid Long-run variance

4.595590 2.458473 103.4267 0.039358

50

Metode DOLS Dependent Variable: LN_ULN Method: Panel Dynamic Least Squares (DOLS) Date: 03/25/15 Time: 15:21 Sample: 2000 2013 Periods included: 14 Cross-sections included: 10 ToTal panel (balanced) observations: 140 Panel method: Weighted estimation Cointegrating equation deterministics: C Static OLS leads and lags specification Long-run variance weights (None kernel) Variable

Coefficient

Std. Error

t-Statistic

Prob.

LN_ER LN_GDPP LN_SAVING TOT INFLASI IR

0.220432 0.197555 -0.195597 0.027656 0.010166 0.016880

0.081289 0.107426 0.106090 0.041189 0.004960 0.005414

2.711693 1.838990 -1.843696 0.671441 2.049748 3.117726

0.0076 0.0683 0.0676 0.5032 0.0425 0.0023

R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat

0.986032 0.984343 0.305924 0.564540

Mean dependent var S.D. dependent var Sum squared resid Long-run variance

4.598229 2.444876 11.60513 0.080333

51 Lampiran 6 Hasil Uji Kointegrasi Pedroni Pedroni Residual Cointegration Test Series: LN_ULN LN_ER LN_GDPP LN_SAVING TOT INFLASI IR Date: 03/25/15 Time: 21:37 Sample: 2000 2013 Included observations: 140 Cross-sections included: 10 Null Hypothesis: No cointegration Trend assumption: No deterministic trend Automatic lag length selection based on AIC with a max lag of 1 Newey-West automatic bandwidth selection and Parzen kernel Alternative hypothesis: common AR coefs. (within-dimension) Weigh ted Statistic Prob. Panel v-Statistic -0.898787 0.8156 Panel rho-Statistic 3.406738 0.9997 Panel PP-Statistic -3.512076 0.0002 Panel ADF-Statistic -1.779805 0.0376

Statistic -2.541825 3.888370 -3.376561 -2.062744

Alternative hypothesis: individual AR coefs. (between-dimension)

Group rho-Statistic Group PP-Statistic Group ADF-Statistic

Statistic 5.104343 -8.786449 -1.984044

Prob. 1.0000 0.0000 0.0236

Prob. 0.9945 0.9999 0.0004 0.0196

52 Lampiran 7 Hasil Uji Kointegrasi Kao Kao Residual Cointegration Test Series: LN_ULN LN_ER LN_GDPP LN_SAVING TOT INFLASI IR Date: 03/25/15 Time: 21:39 Sample: 2000 2013 Included observations: 140 Null Hypothesis: No cointegration Trend assumption: No deterministic trend Automatic lag length selection based on AIC with a max lag of 2 Newey-West automatic bandwidth selection and Parzen kernel t-Statistic -3.690808

ADF Residual variance HAC variance

Prob. 0.0001

0.346276 0.345758

Augmented Dickey-Fuller Test Equation Dependent Variable: D(RESID) Method: Least Squares Date: 02/03/15 Time: 21:39 Sample (adjusted): 2001 2013 Included observations: 130 after adjustments

Variable

Coefficien t

Std. Error

t-Statistic

Prob.

RESID(-1)

-0.381327

0.05 4843

-6.953108

0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.267397 0.267397 0.536715 37.16015 -103.0627 1.591908

Koefisien Deterministik Individu C Indonesia Vietnam Venezuela Kamerun Chad Kanada Inggris Jepang Selandia Baru Swiss

2.014128 -0.058599 2.279895 -1.425607 -2.340287 5.700135 6.173983 7.181201 1.714882 3.929381

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.

0.052867 0.627060 1.600964 1.623022 1.609927

53 Lampiran 8 Data Nilai Tukar, GDPP, dan Saving Nilai Tukar Negara Berkembang (Mata Uang Lokal/US $) Nilai Nilai Nilai Negara Periode Tukar Negara Periode Tukar Negara Periode Tukar Indonesia 2000 8421.78 Vietnam 2000 14167.70 Venezuela 2000 0.68 Indonesia 2001 10260.90 Vietnam 2001 14725.20 Venezuela 2001 0.72 Indonesia 2002 9311.19 Vietnam 2002 15279.50 Venezuela 2002 1.16 Indonesia 2003 8577.13 Vietnam 2003 15509.60 Venezuela 2003 1.61 Indonesia 2004 8938.85 Vietnam 2004 15746.00 Venezuela 2004 1.89 Indonesia 2005 9704.74 Vietnam 2005 15858.90 Venezuela 2005 2.09 Indonesia 2006 9159.32 Vietnam 2006 15994.30 Venezuela 2006 2.15 Indonesia 2007 9141.00 Vietnam 2007 16105.10 Venezuela 2007 2.15 Indonesia 2008 9698.96 Vietnam 2008 16302.30 Venezuela 2008 2.15 Indonesia 2009 10389.90 Vietnam 2009 17065.10 Venezuela 2009 2.15 Indonesia 2010 9090.43 Vietnam 2010 18612.90 Venezuela 2010 2.58 Indonesia 2011 8770.43 Vietnam 2011 20509.80 Venezuela 2011 4.29 Indonesia 2012 9386.63 Vietnam 2012 20828.00 Venezuela 2012 4.29 Indonesia 2013 10461.20 Vietnam 2013 20933.40 Venezuela 2013 6.05

Negara Periode kamerun 2000 kamerun 2001 kamerun 2002 kamerun 2003 kamerun 2004 kamerun 2005 kamerun 2006 kamerun 2007 kamerun 2008 kamerun 2009 kamerun 2010 kamerun 2011 kamerun 2012 kamerun 2013

Nilai Tukar 711.98 733.04 696.99 581.20 528.29 527.47 522.89 479.27 447.81 472.19 495.28 471.87 510.53 494.04

Negara chad chad chad chad chad chad chad chad chad chad chad chad chad chad

Periode 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Nilai Tukar 711.98 733.04 696.99 581.20 528.29 527.47 522.89 479.27 447.81 472.19 495.28 471.87 510.53 494.04

Keterangan: Satuan nilai tukar adalah nilai mata uang lokal/US$

54

Gross Domestic Product per Capita Negara Berkembang (US $)

Jumlah Saving Negara Berkembang (US $)

Nilai Tukar Negara Maju (Mata Uang Lokal/US $) Nilai Negara Periode Tukar Kanada 2000 1.83 Kanada 2001 2.35 Kanada 2002 2.92 Kanada 2003 3.08 Kanada 2004 2.93 Kanada 2005 2.43 Kanada 2006 2.18 Kanada 2007 1.95 Kanada 2008 1.83 Kanada 2009 2.00 Kanada 2010 1.76 Kanada 2011 1.67 Kanada 2012 1.95 Kanada 2013 2.16

Negara Selandia Baru Selandia Baru Selandia Baru Selandia Baru Selandia Baru Selandia Baru Selandia Baru Selandia Baru Selandia Baru Selandia Baru Selandia Baru Selandia Baru Selandia Baru Selandia Baru

Nilai Negara Periode Tukar Inggris 2000 1.49 Inggris 2001 1.55 Inggris 2002 1.57 Inggris 2003 1.40 Inggris 2004 1.30 Inggris 2005 1.21 Inggris 2006 1.13 Inggris 2007 1.07 Inggris 2008 1.07 Inggris 2009 1.14 Inggris 2010 1.03 Inggris 2011 0.99 Inggris 2012 1.00 Inggris 2013 1.03

Nilai Periode Tukar 2000 2.20 2001 2.38 2002 2.16 2003 1.72 2004 1.51 2005 1.42 2006 1.54 2007 1.36 2008 1.42 2009 1.60 2010 1.39 2011 1.27 2012 1.23 2013 1.22

Negara Swiss Swiss Swiss Swiss Swiss Swiss Swiss Swiss Swiss Swiss Swiss Swiss Swiss Swiss

Nilai Negara Periode Tukar Jepang 2000 107.77 Jepang 2001 121.53 Jepang 2002 125.39 Jepang 2003 115.93 Jepang 2004 108.19 Jepang 2005 110.22 Jepang 2006 116.30 Jepang 2007 117.75 Jepang 2008 103.36 Jepang 2009 93.57 Jepang 2010 87.78 Jepang 2011 79.81 Jepang 2012 79.79 Jepang 2013 97.60

Nilai Periode Tukar 2000.00 1.69 2001.00 1.69 2002.00 1.56 2003.00 1.35 2004.00 1.24 2005.00 1.25 2006.00 1.25 2007.00 1.20 2008.00 1.08 2009.00 1.09 2010.00 1.04 2011.00 0.89 2012.00 0.94 2013.00 0.93

Keterangan: Satuan nilai tukar adalah nilai mata uang lokal/US$

55

56 Gross Domestic Produck per Capita Negara Maju (US $)

Jumlah Saving Negara Maju (US $)

57

RIWAYAT HIDUP Penulis bernama lengkap Gannady Girsang, lahir pada tanggal 31 Maret 1992 di bogor. Penulis adalah anak kedua dari tiga bersaudara dari pasangan Bapak Sumer Girsang dan Ibu Nurlance Simbolon. Jenjang pendidikan penulis dimulai di SDN 02 Jonggol pada tahun 1998, kemudian melanjutkan ke SMPN 01 Jonggol pada tahun 2004 dan SMAN 01 Cileungsi pada tahun 2007. Setelah lulus pada tahun 2010, penulis mendapatkan kesempatan masuk Departemen Ilmu Ekonomi IPB melalui jalur Undangan Seleksi Masuk IPB (USMI) Selama menjadi mahasiswa, penulis aktif di berbagai kegiatan, baik akademik maupun nonakademik. Di bidang organisasi, penulis aktif di Badan Eksekutif Mahasiswa (BEM KM) IPB pada periode 2011-2012, International of Association in Agricultural and Related Sciences (IAAS) pada periode 2011-2013, Himpunan Profesi dan Peminat Ilmu Ekonomi dan Studi Pembangunan (Hipotesa) 2011-2012, Gerakan Mahasiswa Nasional Indonesia (GMNI) Bogor periode 2011-2012 dan LSM Indonesia Berseru yang fokus pada isu pangan dan lingkungan 2012-2013. Penulis juga aktif dalam berbagai kepanitian mahasiswa yang mampu menunjang softskill dan wawasan penulis serta menjadi moderator maupun pembicara dibeberapa acara kemahasiswaan. Di bidang akademik, penulis pernah menjadi asisten mata kuliah Ekonomi Umum tahun 2012-2013 dan menjadi peserta magang di Bank Indonesia pada tahun 2013. Beberapa prestasi yang pernah diraih semasa mahasiswa, diantaranya Mahasiswa Berprestasi 1 Fakultas Ekonomi dan Manajemen 2013, presenter pada International Conference and Strategy Management and Research pada Juli 2012 di Singapura dan Asean Academic International Conference pada Desember 2012 di Thailand. Di tahun yang sama penulis juga menjadi juara pertama pada Hipotex-R, lomba karya ilmiah tingkat nasional di Bogor. Pada tahun 2013-2014 penulis menjadi perwakilan IPB pada Exchange Student Program di Tohoku University, Jepang selama satu tahun. Di tahun yang sama penulis juga mendapat beasiswa bulanan selama setahun dari Japan Student Services Association.

FAKTOR-FAKTOR YANG MEMENGARUHI UTANG LUAR NEGERI PEMERINTAH: UJI PANEL KOINTEGRASI PERIODE TAHUN GANNADY GIRSANG

Recommend Documents