56
IV.
HASIL DAN PEMBAHASAN
Metode analisis yang digunakan oleh penulis dalam penelitian ini adalah metode Vector Auto Regression (VAR) dan dilanjutkan dengan metode Vector Error Correction Model (VECM).
4.1.
Uji Akar Unit (Unit Root Test) Data variabel ekonomi banyak menggunakan data time series, dimana data
tersebut sering menimbulkan permasalahan terkait dengan stasioneritas. Data yang stasioner adalah data yang menyebar pada rataan dan simpangan baku tertentu. Hampir 95 persen data ekonomi tidak stasioner, oleh karena itu dilakukanlah pengujian terlebih dahulu terhadap kestasionerannya. Tahapan pengujiannya dimulai dengan menguji apakah data dalam model mengandung akar-akar unit (unit root) atau tidak melalui uji Augmented Dickey Fuller (ADF). Model yang mengandung unit root akan menimbulkan ketidakvalidan serta menghasilkan spurious regression atau regresi lancung (Firdaus, 2011). Spurious regression merupakan data dengan R2 tinggi, t statistik dan f statistik signifikan tetapi dw relatif kecil yaitu < 0,5. Regresi tersebut terlihat bagus namun pada kenyataannya tidak dan hasilnya tidak dapat diinterpretasikan secara ekonomi. Uji Augmented Dickey Fuller (ADF) merupakan tahap awal sebelum masuk pada tahapan analisis VAR, kriteria uji ADF ini adalah dengan membandingkan nilai ADF dengan nilai kritis Mc Kinnon. Hipotesis dalam pengujian ADF adalah sebagai berikut: H0 : δ = 0 (data tidak stasioner atau mengandung unit root) H1 : δ < 0 (data stasioner) Apabila nilai ADF statistik lebih kecil dari nilai kritis Mc Kinnon, maka hipotesis akan tolak H0 dan data tersebut dikatakan stasioner (tidak mengandung unit root), begitu juga sebaliknya. Apabila nilai ADF statistik lebih besar dari nilai kritis Mc Kinnon maka hipotesis yang akan dihasilkan adalah tidak tolak H0 atau terima H1 dan data tersebut tidak stasioner (mengandung unit root).
57
Tabel 4.1. Hasil Uji Augmented Dickey Fuller (ADF) pada Tingkat Level Nilai Kritis Mc Kinnon Nilai Variabel Keterangan ADF 1% 5% 10% FD -1.444995 -3.752946 -2.998064 -2.638752 Tidak Stasioner Trade -3.111637 -3.737853 -2.991878 -2.635542 Stasioner LIBOR -2.270932 -3.752946 -2.998064 -2.638752 Tidak Stasioner GDP -1.261362 -3.737853 -2.991878 -2.635542 Tidak Stasioner RER -2.125804 -3.737853 -2.991878 -2.635542 Tidak Stasioner Sumber: Lampiran 1, data diolah
Hasil dari uji ADF pada Tabel 4.1 menunjukkan bahwa variabel Foreign Debt, LIBOR, GDP, RER tidak stasioner pada tingkat level karena nilai ADF lebih besar dari Nilai Kritis Mc Kinnon sedangkan variabel Trade Openness sudah stasioner pada level dengan tingkat kritis 1%, 5%, 10%. Variabel yang tidak stasioner pada level harus dilanjutkan dengan uji ADF pada tingkat first difference hingga data yang digunakan menjadi stasioner. Tabel 4.2. Hasil Uji Augmented Dickey Fuller (ADF) pada First Difference Nilai Kritis Mc Kinnon Variabel Nilai ADF Keterangan 1% 5% 10% FD -3.210575 -3.752946 -2.998064 -2.638752 Stasioner Trade -3.111637 -3.737853 -2.991878 -2.635542 Stasioner LIBOR -4.462046 -3.808546 -3.020686 -2.650413 Stasioner GDP -3.249702 -3.752946 -2.998064 -2.638752 Stasioner RER -5.557068 -3.752946 -2.998064 -2.638752 Stasioner Sumber: Lampiran 1, data diolah
Tabel 4.2. menunjukkan bahwa semua variabel sudah stasioner pada taraf nyata lima persen. Hal tersebut dilihat dari nilai ADF yang lebih kecil dari Nilai Kritis Mc Kinnon. Penggunaan data first difference akan menghilangkan informasi jangka panjang. Oleh karena itu, digunakan data level sehingga model VAR akan dikombinasikan dengan model VECM.
4.2.
Uji Lag Optimal Tahap ke dua dalam metode VAR adalah penentuan lag optimal. Tahap ini
diperlukan karena lag dari variabel endogen akan digunakan sebagai variabel eksogen. Jumlah lag yang terlalu pendek dapat memberikan spesifikasi yang salah, sedangkan lag yang terlalu panjang dapat mengurangi derajat bebas dan jumlah observasi. Kriteria yang digunakan dalam penentuan lag optimal antara lain; Akaike Information Criteria (AIC), Final Prediction Error (FPE), HannanQuinn Information Criterion (HQ), dan Schwarz Information Criterion (SC).
58
Jumlah lag yang optimal dalam penelitian ini didasarkan pada nilai Schwarz Information Criterion (SC) yang terkecil atau minimum. Tabel 4.3. menunjukkan bahwa lag optimal terdapat pada lag satu dengan nilai SC terkecil yaitu 2,376224. dengan demikian lag yang digunakan dalam model VECM adalah lag satu. Tabel 4.3. Hasil Pengujian Lag Optimal Lag LogL LR FPE 0 -99.71983 NA 0.006201 1 19.70583 176.5423* 1.79e-06* 2 47.86303 29.38142 1.96E-06
AIC 9.106072 0.895145 0.620606*
SC HQ 9.352919 9.168153 2.376224* 1.267632* 3.335918 1.303499
Sumber: Lampiran 2, data diolah Keterangan: * lag optimal
4.3.
Uji Stabilitas VAR Tahapan ke tiga dalam data time series adalah uji stabilitas VAR. Uji ini
dilakukan untuk melihat apakah model VAR stabil atau tidak. Pengujian stabilitas VAR perlu dilakukan guna melihat validitas dalam analisis Impulse Response Function (IRF) dan juga Variance Decompotition (FEVD). Kestabilan model VAR dalam uji ini dilihat dari nilai modulus dari seluruh roots of characteristic polynominal yang kurang dari satu (Gujarati,2003). Tabel 4.4. memperlihatkan bahwa model VAR yang digunakan dalam penelitian ini stabil pada lag optimalnya yaitu lag satu karena nilai modulus dari seluruh roots memiliki nilai kurang dari satu. Tabel 4.4. Hasil Uji Stabilitas VAR Root 0.914128 – 0.331382i 0.914128 + 0.331382i 0.945187 0.456167 – 0.730201i 0.456167 + 0.730201i -0.077177 – 0.606632i -0.077177 + 0.606632i -0.573965 -0.19571 0.118339 Sumber: Lampiran 3, data diolah
Modulus 0.97234 0.97234 0.945187 0.860977 0.860977 0.611522 0.611522 0.573965 0.195710 0.118339
59
4.4.
Uji Kointegrasi Uji kointegrasi dapat dilakukan apabila seluruh variabel telah stasioner
pada derajat yang sama yaitu derajat I(1) atau stasioner pada tingkat first difference. Uji ini digunakan untuk melihat jumlah persamaan yang tekointegrasi dalam model dan untuk melihat apakah metode VECM dapat digunakan atau tidak. Metode VECM dapat digunakan dalam analisis, jika terdapat lebih dari nol rank kointegrasi. Hasil uji kointegrasi menggunakan Johanssen’s Trace Statistic Test dapat dilihat pada Tabel 4.5. Tabel 4.5. Hasil Uji Kointegrasi Johanssen Hypothesized No. of Trace CE(s) Eigenvalue Statistic None * 0.924871 127.3451 At most 1 * 0.681811 67.80839 At most 2 0.558749 41.47085 At most 3 0.448312 22.65359 At most 4 0.323056 8.973826
0.05 Critical Value 88.80380 63.87610 42.91525 25.87211 12.51798
Prob.** 0.0000 0.0225 0.0693 0.1195 0.1820
Sumber: Lampiran 4, data diolah
Jumlah
persamaan
yang
terkointegrasi
dapat
dilihat
dengan
membandingkan nilai Trace Statistic dengan nilai Kritis lima persen. Apabila nilai Trace Statistic lebih besar dari nilai kritis yang digunakan maka sebuah persamaan dapat dinyatakan terkointegrasi. Tabel 4.4 menunjukkan bahwa terdapat dua persamaan yang terkointegrasi.
4.5.
Uji Kausalitas Granger Analisis hubungan kausalitas dari setiap variabel dapat dilihat dalam uji
kausalitas granger. Dalam penelitian ini, uji kausalitas dilakukan dengan menggunakan Granger Causality dengan hipotesis awal (H0) tidak ada hubungan kausalitas dan hipotesis alternatifnya (H1) terdapat hubungan kausalitas. Kriteria penolakan H0 adalah dengan melihat nilai probabilitas yang lebih kecil dari nilai kritis yang ditentukan yang hasilnya dapat dilihat pada Tabel 4.6.
60
Tabel 4.6. Hasil Granger Causality Test Peubah Tak Bebas Peubah Bebas FD TRADE LIBOR FD GDP LIBOR FD RER LIBOR
Probability 0.0693** 0.0413* 0.0905** 0.0343* 0.0363* 0.0506**
Sumber: Lampiran 5, data diolah Keterangan: * signifikan pada α = 5% ** signifikan pada α = 10%
Hasil uji kausalitas pada Tabel 4.6. menunjukkan bahwa hanya terdapat hubungan satu arah antar variabel yaitu variabel TRADE, GDP, dan RER yang mempunyai pengaruh terhadap variabel FD dan LIBOR secara signifikan pada taraf nyata lima persen dan sepuluh persen.
4.6.
Hasil Estimasi VECM Variabel yang tidak stasioner pada tingkat level tetap dapat dilakukan
estimasi VECM jika terdapat minimal satu persamaan yang terkointegrasi. Estimasi VECM ini dilakukan untuk menghindari kehilangan informasi jangka panjang akibat variabel yang tidak stasioner. VECM menunjukkan hubungan keseimbangan jangka pendek dan jangka panjang antara liberalisasi perdagangan terhadap beban utang luar negeri Indonesia. Variabel dependennya adalah utang luar negeri Indonesia (FD), sedangkan variabel independennya adalah TRADE, LIBOR, RER, dan GDP. Tabel 4.7. Hasil Estimasi VECM Jangka Pendek Jangka Pendek Variabel Koefisien CointEq1 -0.503678 D(FD(-1)) 0.518870 D(GDP(-1)) 0.015223 D(RER(-1)) -0.077375 D(TRADE(-1)) -0.000233 D(LIBOR(-1)) -0.004184 C -0.014511 Sumber: Lampiran 6, data diolah Keterangan: * signifikan pada α = 5%
T-statistik 2.57344* 2.52143* 0.02699 0.34103 0.8089 0.43927 2.66468
61
Hasil estimasi VECM dalam jangka pendek menunjukkan bahwa hanya terdapat satu variabel yang berpengaruh signifikan terhadap utang luar negeri Indonesia, yaitu variabel utang luar negeri (FD) lag pertama. Sedangkan variabel lain yaitu GDP lag pertama, RER lag pertama, TRADE lag pertama, dan LIBOR lag pertama tidak mempunyai pengaruh yang signifikan terhadap utang luar negeri Indonesia dalam jangka pendek. Hasil signifikansi tersebut dilihat dari nilai |T-statistik| yang harus lebih besar dari dua. Selain itu dengan nilai kointegrasi kesalahan yang signifikan dan bernilai negatif sebesar -0,50 persen maka dinyatakan bahwa terbukti adanya mekanisme penyesuaian dari jangka pendek ke jangka panjang. FD lag pertama berpengaruh signifikan terhadap FD itu sendiri pada taraf nyata lima persen secara positif sebesar 0,518870, artinya jika utang luar negeri Indonesia lag pertama mengalami peningkatan sebesar satu persen maka utang luar negeri Indonesia saat ini akan mengalami peningkatan sebesar 0,518870 persen. Utang luar negeri periode sebelumnya yang meningkat menyebabkan utang luar negeri saat ini juga mengalami peningkatan, hal ini disebabkan oleh jumlah utang luar negeri yang semakin terakumulasi ditambah dengan beban bunga utang yang harus dibayar. Dengan demikian apabila pemerintah Indonesia terus melakukan pinjaman dari luar negeri maka akan berdampak pada peningkatan jumlah utang luar negeri Indonesia untuk periode selanjutnya. Peningkatan akumulasi utang luar negeri Indonesia disebabkan oleh manajemen pengelolaan utang luar negeri Indonesia yang kurang baik. Menurut Harinowo (2004), jika dilihat asalnya, utang pemerintah Indonesia tidak hanya dari utang luar negeri tapi juga merupakan campuran antara utang luar negeri dan domestik. Oleh karena itu, pengelolaan utang harus mempertimbangkan berbagai variabel makro dan internasional seperti tingkat bunga, nilai tukar dan inflasi. Berdasarkan kajian direktorat internasional BI 2009, pengelolaan utang yang tidak tepat dapat berisiko meningkatkan biaya atas perekonomian. Para investor cenderung akan menetapkan risk premium sebagai biaya tambahan atas ketidakpastian dalam kerangka kerja kebijakan pemerintah dan kondisi ekonomi. Dengan demikian, pengelolaan utang pemerintah secara tidak tepat akan dapat meningkatkan risk premium pinjaman luar negeri pemerintah. Peningkatan risk
62
premium dapat dilihat dari pandangan negatif investor yang pada akhirnya dapat mengakibatkan instabilitas pasar keuangan domestik dan meningkatkan kerentanan terhadap gangguan sektor keuangan. Kebijakan pengelolaan utang tidak hanya mencakup masalah pinjaman dan alokasi. Dalam pemanfaatan sumber pembiayaan negara, perlu memperhatikan aspek-aspek manajemen risiko dan analisa biaya dengan baik. Hal ini berkaitan dengan perbedaan karakteristik yang dimiliki oleh setiap negara debitur. Minimalisasi biaya dapat dilakukan dengan cara penggunaan instrumen dan teknik penjualan yang inovatif. Sedangkan untuk mencapai tingkat risiko yang aman, manajemen risiko yang bersifat prudensial juga dirasakan penting sekali bagi pengelola utang (debt manager). Portofolio utang pemerintah umumnya merupakan portofolio keuangan terbesar di suatu negara dengan struktur keuangan dan risiko yang kompleks dan berisiko yang dapat menimbulkan risiko substansial terhadap balance sheet milik pemerintah dan stabilitas keuangan Negara. Di samping itu, menurut IMF dan World Bank 2003, portofolio utang pemerintah juga rentan terhadap kemungkinan gagal bayar dan besarnya kerugian yang mungkin akan ditanggung pemerintah sehingga menyebabkan akumulasi utang luar negeri yang semakin meningkat. Tabel 4.8. Hasil Estimasi VECM Jangka Panjang Jangka Panjang Variabel Koefisien GDP(-1) 2.997716 RER(-1) 1.14683 TRADE(-1) -0.012415 LIBOR(-1) -0.005226
T-statistik 23.7031* 9.84002* 3.94912* 0.97889
Sumber: Lampiran 6, data diolah Keterangan: * signifikan pada α = 5%
Hasil
estimasi
model
VECM
pada
persamaan
jangka
panjang
menunjukkan bahwa terdapat tiga variabel yang signifikan yaitu Gross Domestic Product (GDP) lag pertama, Real Exchange Rate (RER) lag pertama, dan trade openness (TRADE) lag pertama, sedangkan international interest rate (LIBOR) lag pertama tidak signifikan pada jangka panjang. Gross Domestic Product (GDP) lag pertama pada jangka panjang berpengaruh signifikan terhadap utang luar negeri Indonesia (FD) pada tingkat
63
lima persen secara positif sebesar 2,997716, artinya jika GDP meningkat satu persen maka FD mengalami peningkatan sebesar 2,997716 persen. Hasil estimasi ini sesuai dengan identitas (2.1) dan identitas (2.2), dimana GDP merupakan komponen dari konsumsi, pengeluaran pemerintah, pajak, investasi, tabungan, eskpor dan impor. Setiap kenaikan dari pengeluaran pemerintah (G) dan investasi (I), maka akan menyebabkan terjadinya peningkatan GDP namun berdampak pada defisit anggaran pemerintah serta defisit tabungan dan investasi yang tinggi dan menyebabkan utang luar negeri Indonesia juga meningkat sesuai dengan identitas (2.5) sebagai berikut: Dt = ( I – S)t + (G – T)t +DSt – NFLt + Rt + NOLt
(2.5)
Identitas (2.5) ini menunjukkan bahwa selain untuk membiayai defisit transaksi berjalan, utang luar negeri juga dibutuhkan untuk membiayai defisit anggaran pemerintah, serta kesenjangan tabungan dan investasi. Dengan demikian, apabila G dan I meningkat akan meningkatkan GDP dan juga akan meningkatkan utang luar negeri Indonesia. Real Exchange Rate (RER) lag pertama pada jangka panjang berpengaruh signifikan terhadap utang luar negeri Indonesia (FD) pada tingkat lima persen secara positif sebesar 1,14683, artinya jika RER meningkat satu persen maka FD mengalami peningkatan sebesar 1,14683 persen. Teori ekonomi menyatakan bahwa apabila terjadi depresiasi mata uang Rupiah terhadap Dollar AS maka akan berdampak pada peningkatan jumlah Rupiah yang harus dikeluarkan untuk membayar setiap Dolar utang luar negeri Indonesia. Hal ini menyebabkan jumlah utang luar negeri Indonesia semakin meningkat, begitu juga sebaliknya. Namun, fakta menunjukkan bahwa jumlah utang luar negeri Indonesia selalu meningkat setiap tahunnya baik pada saat Rupiah terdepresiasi atau terapresiasi. Hal ini dikarenakan pemerintah lebih berorientasi pada defisit anggaran yang harus dibiayai oleh utang luar negeri, sehingga jumlah utang luar negeri Indonesia selalu meningkat. Trade openness (TRADE) lag pertama pada jangka panjang berpengaruh signifikan terhadap utang luar negeri Indonesia (FD) pada tingkat lima persen secara negatif sebesar 0,012415, artinya jika TRADE meningkat satu persen maka FD akan menurun sebesar 0,012415 persen. Liberalisasi perdagangan mempunyai
64
hubungan yang negatif terhadap beban utang luar negeri, yaitu apabila terjadi peningkatan liberalisasi perdagangan maka akan terjadi penurunan utang luar negeri Indonesia. Hal ini dikarenakan liberalisasi perdagangan akan meningkatkan kegiatan ekspor dan impor dimana suatu negara dapat dengan bebas melakukan kegiatan ekspor ke negara lain tanpa ada hambatan tarif maupun non tarif dan akan meningkatkan devisa suatu negara . Menurut Auboin (2004), liberalisasi perdagangan dapat meningkatkan alokasi sumber daya pada tingkat nasional dan internasional, dan dapat meningkatkan ketahanan terhadap guncangan eksternal. Apabila liberalisasi perdagangan memerhatikan kebutuhan khusus negara berkembang, mereka juga bisa mendapatkan keuntungan dari liberalisasi perdagangan tersebut. Namun, apabila Indonesia belum mempunyai daya saing terhadap barang dan jasa asing yang masuk ke pasar domestik, liberalisasi perdagangan justru membuat pasar dalam negeri melimpah akan produk impor dari negara lain dan hal ini akan menurunkan net eskpor dan meningkatkan utang luar negeri Indonesia. Variabel international interest rate (LIBOR) lag pertama pada jangka panjang berpengaruh tidak signifikan terhadap utang luar negeri Indonesia (FD) pada tingkat lima persen secara negatif sebesar 0,005226, artinya jika LIBOR meningkat satu persen maka FD akan menurun sebesar 0,012415 persen. Suku bunga internasional yang mengalami peningkatan menyebabkan Indonesia mengurangi jumlah utang luar negerinya. Hal ini disebabkan karena suku bunga yang tinggi akan membebankan pemerintah Indonesia atas modal yang dipinjam dari luar negeri yang harus dikembalikan dengan jumlah yang lebih tinggi seiring dengan peningkatan suku bunga, sehingga mengurangi keinginan pemerintah Indonesia untuk melakukan pinjaman dari luar negeri.
4.7.
Analisis Impuls Response Function (IRF) IRF mengukur pengaruh suatu guncangan pada suatu waktu kepada
inovasi variabel endogen pada saat tersebut dan di masa yang akan datang (Firdaus, 2011). Analisis Impulse Response Function (IRF) dalam penelitian ini dilakukan untuk menilai respon dinamik dari variabel utang luar negeri (FD), jika terjadi guncangan (shock) pada variabel Gross Domestic Product (GDP), Real
65
Exchange Rate (RER), trade openness (TRADE), dan international interest rate (LIBOR). Sumbu vertikal menujukkan nilai koefisien hasil peramalan, sedangkan sumbu horizontal menunjukkan rentang periode peramalan. Gambar 4.1. menunjukkan respon FD terhadap Guncangan FD itu sendiri, GDP, RER, TRADE, dan LIBOR. Respon FD terhadap FD itu sendiri berfluktuatif dari periode awal hingga periode ke-36 dan secara keseluruhan direspon positif. Artinya, jika terjadi peningkatan utang luar negeri periode sebelumnya maka akan meningkatkan utang luar negeri Indonesia periode selanjutnya. Utang luar negeri (FD) sangat cepat merespon guncangan GDP secara berfluktuatif dari awal periode peramalan dan direspon stabil dimulai dari periode ke-39 hingga periode akhir peramalan. Dari periode awal hingga periode akhir guncangan GDP secara keseluruhan direspon positif oleh FD artinya, jika GDP diberikan guncangan maka akan meningkatkan FD hingga mencapai titik puncak 0,08 standar deviasi. Oleh sebab itu bila terdapat guncangan pada GDP, FD akan merespon dengan cepat. Respon FD terhadap guncangan RER direspon negatif secara keseluruhan dari periode awal peramalan hingga periode akhir peramalan. Respon yang diberikan FD tidak terlalu signifikan atau fluktuasinya relatif kecil dan stabil pada periode ke-29 peramalan. Respon ini tidak sesuai dengan hasil estimasi VECM terhadap variabel RER pada jangka panjang yang menunjukkan hubungan yang positif, sedangkan pada hasil IRF menunjukkan fluktuasi yang negatif. Guncangan TRADE terhadap FD direspon negatif secara keseluruhan dari periode awal peramalan hingga periode akhir peramalan. Respon yang diberikan berfluktuatif dan stabil pada periode ke-17 peramalan. Respon negatif yang diberikan oleh FD terhadap guncangan TRADE menunjukkan bahwa jika terjadi penurunan TRADE maka akan mengurangi penerimaan devisa dari kegiatan perdagangan tersebut dan akan berdampak terhadap peningkatkan utang luar negeri Indonesia. Guncangan LIBOR terhadap FD direspon negatif secara keseluruhan dari periode awal peramalan hingga periode akhir peramalan. Respon yang diberikan tidak terlalu berfluktuatif dan sudah stabil pada periode ke-28 peramalan. Suku bunga internasional yang tinggi mengurangi keinginan pemerintah Indonesia
66
untuk melakukan pinjaman luar negeri sehingga memberikan respon yang negatif. Hasil IRF tersebut menunjukkan bahwa dari kelima guncangan yang diberikan kepada FD, respon FD terhadap guncangan LIBOR memberikan respon yang lebih cepat mencapai kestabilan. Response to Cholesky One S.D. Innovations Response of FD to FD
Response of FD to GDP
.08
.08
.04
.04
.00
.00
-.04
-.04 5
10
15
20
25
30
35
40
45
5
50
Response of FD to RER
10
15
20
25
30
35
40
45
50
45
50
Response of FD to TRADE
.08
.08
.04
.04
.00
.00
-.04
-.04 5
10
15
20
25
30
35
40
45
50
45
50
5
10
15
20
25
30
35
40
Response of FD to LIBOR
.08
.04
.00
-.04 5
10
15
20
25
30
35
40
Sumber: Lampiran 7, data diolah
Gambar 4.1. Respon FD terhadap Guncangan FD, GDP, RER, TRADE, dan LIBOR
67
4.8.
Analisis Forecast Error Variance Decomposition (FEVD) FEVD berfungsi untuk memprediksi kontribusi setiap variabel terhadap
guncangan atau perubahan variabel tertentu (Ascarya, 2009). Peramalan dekomposisi varian dalam penelitian ini digunakan untuk melihat seberapa besar inovasi dari variabel TRADE, IR, GDP dan RER dalam menjelaskan pinjaman luar negeri sebagai variabel endogen. Tabel 4.9. Dekomposisi Varians Foreign Debt Guncangan (%) Periode S.E. FD GDP RER 1 0.062231 100 0 0 5 0.244268 73.82307 24.02701 0.482498 10 0.380812 70.44944 26.97191 0.80973 15 0.479643 69.55957 27.75153 0.892019 20 0.561498 69.12192 28.13801 0.93202 25 0.632838 68.87476 28.35604 0.954813 30 0.696916 68.71463 28.49716 0.969707 35 0.755578 68.60251 28.59596 0.980126 40 0.810002 68.51945 28.66916 0.987844 45 0.860993 68.45549 28.72552 0.993787 50 0.909129 68.40471 28.77027 0.998505
TRADE 0 0.662361 0.371469 0.279755 0.237896 0.213523 0.197813 0.186772 0.178605 0.172314 0.16732
LIBOR 0 1.005056 1.397442 1.517124 1.570155 1.60086 1.62069 1.63463 1.644943 1.652887 1.659193
Sumber: Lampiran 8, data diolah
Pada tahun pertama guncangan FD dipengaruhi oleh dirinya sendiri sebesar 100 persen. Pada tahun ke-5 guncangan FD dipengaruhi oleh dirinya sendiri sebesar 73,82 persen, kontribusi dari GDP sebesar 24,03 persen, kontribusi dari RER sebesar 0,48, kontribusi dari TRADE sebesar 0,66 persen, serta kontribusi dari LIBOR sebesar 1,005 persen. Kontribusi dari variabel lain pada tahun ke-10 bervariasi, dimana GDP memberikan kontribusi sebesar 26,97 persen, FDI dipengaruhi oleh diri sendiri sebesar 70,45 persen, RER sebesar 0,81 persen, kontribusi dari TRADE sebesar 0,37 persen, serta kontribusi dari LIBOR sebesar 1,40 persen. Guncangan FD pada tahun ke-15 hingga tahun ke-50 secara keseluruhan lebih dipengaruhi oleh dirinya sendiri namun mengalami penurunan dari kontribusi sebesar 69,56 persen hingga 68,40 persen. GDP memberikan peningkatan kontribusi dalam rentang 27,75 persen hingga 28,77 persen, RER sebesar 0,89 persen hingga 0,99 persen, TRADE dalam rentang 0,28 persen hingga 0,17 persen, dan LIBOR mengalami kenaikan sebesar 1,52 persen hingga
68
1,66 persen. Variabel FD yang dipengaruhi oleh guncangan FD sendiri memberikan proporsi kontribusi yang relatif lebih tinggi dari tahun awal hingga akhir tahun peramalan, dan variabel makroekonomi lain yang memberikan kontribusi terbesar kedua adalah variabel GDP, dan diikuti oleh variabel RER, TRADE, dan LIBOR hingga kuartal ke-50.
Variance Decomposition of FD: 100 90 80 70 60 50 40 30 20 10 0 1
5
10 LIBOR
15
20 TRADE
25 RER
30
35 GDP
40
45
FD
Gambar 4.2. Variance Decomposition dari Foreign Debt
50