Oleh: Chenny Seftarita, S.E, M.Si

KEBIJAKAN EKONOMI MAKRO DAN PENDAPATAN NASIONAL DI INDONESIA

Oleh: Chenny Seftarita, S.E, M.Si ([email protected])

Abstrak-The nature of links between the government activity and economic growth that operated in Indonesia over periode 1982-2012 are examined. This study has conducted a series of unit root, cointegration, and Vector Error Correction Models (VECM) analyses to ascertain the relationship between government Economics policy (including fiscal and Monetary policy ) and Economic growth. Empirical results show the presence of cointegration between the variables, which suggest a stable long-run relationship between government policy and Economic growth in Indonesia. In short run, fiscal and Monetary variables have no relationship with economic growth. The findings of the study furnish supportive evidence that government has played and important role in economic development in Indonesia.

Kajian kebijakan ekonomi makro meliputi kebijakan fiskal dan kebijakan moneter (policy mix) akhir-akhir ini semakin mengemuka seiring semakin banyaknya penelitian dan kajian-kajian tentang efektivitas dua kebijakan ini terhadap pertumbuhan ekonomi suatu negara. Adanya fluktuasi ekonomi yang dialami setiap negara baik fluktuasi yang dikategorikan normal hingga fluktuasi yang dikategorikan sebagai krisis ekonomi, menuntut peran suatu kebijakan ekonomi yang efektif dan saling berkoordinasi dengan baik. Analisis perlu atau tidaknya koordinasi kebijakan fiskal dan moneter berkembang dengan melihat aspek waktu dalam aplikasi dua kebijakan tersebut. Beberapa studi empiris memperlihatkan bahwa kebijakan fiskal dan kebijakan

1

moneter dapat diandalkan sebagai salah satu kebijakan dengan target jangka panjang. Dalam jangka waktu tersebut, kebijakan moneter dapat mencapai stabilitas harga dalam jangka panjang tanpa mempengaruhi efektivitas kebijakan fiskal dalam mempengaruhi output misalnya dengan merubah pajak dan pengeluaran pemerintah. Karena dua kebijakan ini dapat bersinergi dengan baik pada jangka panjang maka koordinasi tidak terlalu difokuskan pada target jangka panjang, namun lebih diarahkan pada jangka pendek. Dalam analisis jangka pendek, kebijakan yang tidak saling berkoordinasi dengan baik, misalnya kebijakan fiskal yang tidak beraturan akan menyebabkan efektivitas kebijakan moneter berkurang. Dasar teori tentang kebijakan fiskal dan moneter lahir dari perbedaan pendapat mengenai efektivitas dua kebijakan tersebut terhadap output. Literatur klasik misalnya yang dikembangkan oleh kaum monetaris (neo klasik) memiliki pandangan berbeda dengan teori Keynes tentang efektivitas kebijakan fiskal dan moneter dalam mempengaruhi output. Kaum monetaris lebih menekankan pada efektivitas kebijakan moneter karena dinilai lebih cepat dalam mempengaruhi permintaan agregat. Berbeda dengan Keynes, menurutnya pengaruh kebijakan fiskal lebih besar terhadap output. Teori ini kemudian berkembang menjadi teori baru yang disebut teori sintesis klasik-Keynesian yang dikenal dengan model ISLM yang menjadi awal dari konsep bauran kebijakan (policy mix) (Nopirin, 2000). Salah satu tujuan dari kebijakan fiskal dan kebijakan moneter adalah peningkatan pendapatan nasional. Kurun tahun 1982-2012 pendapatan nasional

2

Indonesia terus mengalami peningkatan. Pada periode tersebut telah terjadi beberapa kali pergantian rezim kepemimpinan, dari kepemimpinan di era Orde Baru hingga era Reformasi sekarang ini. GDP 9,000 8,000 7,000 6,000 5,000 4,000 3,000 2,000 1,000 0 1985

1990

1995

2000

2005

2010

Sumber: Asian Development Bank, data diolah Gambar.1.1. Pendapatan Nasional Indonesia Pada gambar.1.1.terlihat pasca krisis moneter tahun 1997 pendapatan nasional Indonesia meningkat cukup tinggi. Stabilitas ekonomi yang memulih dan sistem perekonomian yang mulai tertata dengan baik menyebabkan perekonomian Indonesia bergerak naik. Dari sisi moneter, restrukturisasi perbankan dan penguatan sektor keuangan pasca krisis berdampak baik terhadap kinerja ekonomi keseluruhan. Stabilitas ini dapat terus terjaga bahkan ketika krisis global terjadi yaitu pada tahun 2008-2009, perekonomian Indonesia dinilai cukup stabil. Ketidakseimbangan peran kebijakan fiskal dan moneter sering kali menyebabkan permasalahan fluktuasi ekonomi semakin buruk. Beberapa isu seperti perbedaan target kerja kebijakan moneter yang lebih diarahkan pada stabilitas harga terutama inflasi, dan kebijakan fiskal untuk menstimulus perekonomian dan penyerapan tenaga kerja semakin memperkuat keinginan peneliti untuk melihat bagaimana kemampuan dua kebijakan ekonomi makro ini

3

bersinergi mempengaruhi pertumbuhan ekonomi dalam jangka panjang dan jangka pendek. Dengan pendekatan Vector error Correction Model (VECM), penelitian ini diharapkan mampu menjawab bagaimana hubungan antara kebijakan ekonomi makro dan pendapatan nasional di Indonesia.

Landasan Teori a. Studi Literatur dan penelitian Sebelumnya Analisis perlu atau tidaknya koordinasi kebijakan fiskal dan moneter berkembang dengan melihat efektivitas dua kebijakan tersebut. Leith dan WrenLewis model (LWL) yaitu salah satu model koordinasi kebijakan fiskal dan moneter secara garis besar menyimpulkan bahwa kebijakan fiskal yang pasif dapat menyebabkan kebijakan moneter lebih efektif dalam mempengaruhi perekonomian, misalnya dengan menaikkan tingkat bunga. Jika kebijakan fiskal dilakukan secara aktif misalnya dengan pengendalian utang, kebijakan moneter dengan peningkatan tingkat bunga riil akan mempengaruhi output dan ketidakstabilan utang pemerintah (Creel, 2002). Kajian-kajian teoritis diatas kemudian diperkuat dengan penelitianpenelitian yang menemukan bagaimana peran koordinasi kebijakan fiskal dan moneter dalam mempengaruhi output di berbagai negara. Penelitian yang di lakukan di Nigeria (Abata, 2012) menunjukkan bahwa kebijakan fiskal meliputi pengeluaran pemerintah, pajak, dan pinjaman dinilai gagal dalam meningkatkan output dan permintaan agregat. Kebijakan fiskal yang tidak teratur bahkan menjadi alasan penyebab kegagalan perekonomian dalam 10 tahun terakhir di

4

Nigeria. Buruknya manajemen anggaran menyebabkan meningkatnya korupsi, penyalahgunaan anggaran, memburuknya utang dan ketidaktransparanan. Kebijakan moneter lebih memiliki pengaruh yang positif dalam menjaga stabilitas perekonomian. Lebih jauh penulis merekomendasikan bahwa manajemen anggaran harus diarahkan pada peningkatan investasi nonmigas yang menyerap banyak lapangan kerja, pembangunan infrastruktur, dan mengurangi utang. Di Indonesia, Gulo (2008)

meneliti pengaruh kebijakan fiskal dan

moneter terhadap PDB Indonesia tahun 1988-2007. Dengan metode Ordinary Least Square (OLS), hasil estimasi memperlihatkan bahwa variabel pengeluaran pemerintah berpengaruh positif namun tidak signifikan. Sedangkan jumlah uang beredar dan penerimaan pajak berpengaruh positif dan signifikan terhadap pertumbuhan ekonomi Indonesia.

b. Model IS-LM Model yang digunakan dalam penelitian ini diadopsi dari model IS-LM. Berikut model keseimbangan IS-LM (Seftarita, 2005): Y

a  be  d  G n k Mf k  x( Y  ( x )) ……………..(1) (1  b  bt ) (1  b  bt ) h k h

Terlihat bahwa pertumbuhan ekonomi adalah fungsi dari pengeluaran pemerintah (G) dan jumlah uang beredar (M). Sehingga diringkas: Y = f ( G, M)……………………………...…….……………(2) Variabel nilai tukar akan dimasukkan sebagai variabel kontrol (control variable) atau variabel luar, sehingga:

5

Y= f ( GOV, M, EXR)……………………...............………………..(3)

Metodologi penelitian Ruang lingkup penelitian ini adalah untuk melihat gabungan kebijakan fiskal dan kebijakan moneter serta hubungannya dengan pendapatan nasional di Indonesia kurun tahun 1982-2012. Analisis dilakukan dengan pendekatan Vector Error Correction Model (VECM). Penelitian ini dilakukan di Indonesia, dengan menggunakan data time series 1982-2012. Data dan referensi yang digunakan bersumber dari Key Indicators For Asia and The Pacific, jurnal-jurnal dan hasilhasil penelitian, serta sumber bacaan lainnya. Data yang digunakan merupakan data variabel ekonomi makro, meliputi; pertumbuhan ekonomi diproxi dengan GDP (harga pasar), pengeluaran pemerintah untuk pembangunan (GOV), nilai tukar rupiah terhadap US $ (EXR), dan jumlah uang beredar (M2). Model estimasi yang diadopsi dari persamaan IS-LM pada persamaan (3) kemudian dibuat dalam bentuk persamaan (4), yaitu: GDP =f (GOV, M2, EXR).........................................…....................…..(4) Dimana, GDP atau pendapatan nasional adalah fungsi dari GOV yang merupakan variabel kebijakan fiskal yaitu pengeluaran pemerintah untuk anggaran pembangunan (capital Expenditure). Variabel M2 merupakan variabel kebijakan moneter yaitu jumlah uang beredar dalam arti luas (M2), dan EXR merupakan variabel kontrol yaitu nilai tukar rupiah terhadap dolar US. Model kemudian akan diestimasi menggunakan pendekatan Vector Error Correction Model (VECM). Namun sebelum di regresi, akan dilakukan pengujian

6

akar-akar unit dengan pendekatan Augmented Dickey Fuller (ADF), untuk melihat apakah data stasioner atau tidak. Pengujian dilakukan untuk menghindari kesalahan dan kerancuan estimasi atau spourius problem.

Pada tingkat level

(1(0)), ika nilai ADF lebih besar (>) dari nilai critical value maka data adalah tidak stasioner. Pengujian harus dilanjutkan pada tingkat First difference (1(1)) dan atau second difference (1(2)) jika belum juga stasioner, sehingga ditemukan pada tingkat mana data tersebut stasioner yaitu nilai ADF lebih kecil (<) dari critical value pada tingkat kepercayaan 5%. Setelah diuji dengan uji akar-akar unit, pengujian dilanjutkan dengan uji kointegrasi Johansen (Johansen Cointegration Test). Uji kointegrasi dimaksudkan untuk melihat ada atau tidaknya hubungan keseimbangan jangka panjang (ekuilibrium) pada seluruh variabel. Jika berkointegrasi maka residu kointegrasi kesalahan ketidak keimbangannya adalah stasioner. Dengan pendekatan Johansen, pengujian dilakukan dengan membandingkan nilai Max-Eigen dan Trace statistik terhadap nilai critical value. Uji selanjutnya adalah uji VECM atau Vector Error Correction Model. Model koreksi kesalahan (VECM) merupakan model

dinamik yang dapat

digunakan untuk pemilihan model terbaik, serta meliput banyak variabel untuk menganalisis fenomena jangka panjang dan jangka pendek. VECM mampu menguji konsistensi model empirik dengan teori ekonomi, dan menjadi solusi bagi permasalahan data yang tidak stasioner dan regresi lancung (Seftarita, 2005). Berikut persamaan VECM: Yt = a0 + a1 Xt + a2 t -1+ e............................................................(5)

7

Yt adalah pertumbuhan ekonomi, Xt adalah variabel kebijakan fiskal dan moneter,  adalah operator first difference, e adalah error term, dan t

-1

adalah Error

Correction Term (ECT). ECT merupakan lag satu periode dari error term, dimana: t -1 = (Yt-1 - a0 - a1 X t-1 )........................................................................(9) Koefisien yang negatif dan signifikan pada ECT mengandung arti bahwa pertumbuhan ekonomi akan merespon fluktuasi dari perubahan instrumen kebijakan fiskal dan moneter dalam jangka panjang. Untuk melihat hubungan jangka pendek antar variabel, uji VECM dilanjutkan dengan uji Wald Test. Jika didapat nilai F-statistik dan Chi-square yang signifikan, berarti terdapat hubungan saling mempengaruhi antar variabel dalam jangka pendek.

Hasil Dan Pembahasan Untuk melihat apakah data stasioner atau tidak, dilakukan uji akar unit dengan pendekatan Augmented-Dickey Fuller (ADF).

Hasil uji ADF terlihat

bahwa variabel GDP dan M2 tidak stasioner pada tingkat level (1(0)) dan First difference (1(1)). Hal ini terlihat dari nilai ADF yang lebih besar dari nilai critical value.

Data kemudian didiferensi pada tingkat kedua (1(2) atau

second

difference, dan pada tingkat ini data GDP dan M2 digolongkan sebagai data yang stasioner, dimana nilai ADF lebih kecil daripada nilai critical value pada tingkat kepercayaan 5%. Variabel GOV dan EXR terlihat tidak stasioner pada tingkat level, namun stasioner pada tingkat First difference (lihat lampiran 2). Tabel 1. Ringkasan Hasil Uji Akar-akar Unit Variabel

Level

First Difference

Second Difference

GDP

Tidak Stasioner

Tidak Stasioner

Stasioner

GOV

Tidak Stasioner

Stasioner

-

8

M2

Tidak Stasioner

Tidak Stasioner

Stasioner

EXR

Tidak Stasioner

Stasioner

-

Setelah uji stasionary dilakukan, maka akan dilihat bagimana hubungan jangka panjang antar variabel (uji kointegrasi). Dari hasil uji kointegrasi pada tabel (2) terlihat bahwa dalam jangka panjang variabel kebijakan moneter, kebijakan fiskal, dan pertumbuhan ekonomi mempunyai hubungan kointegrasi (keseimbangan jangka panjang). Hubungan kointegrasi dapat dilihat dari nilai Trace statistic dan nilai Max-Eigen statistic yang lebih besar (>) dari nilai critical value pada tingkat kepercayaan 5%. Tabel 2. Hasil Uji Kointegrasi Variabel D2GDP= F(DGOV, D2M2, DEXR) Unrestricted Cointegration Rank Test (Trace) Hypothesized No. of CE(s)

Eigenvalue

Trace Statistic

0.05 Critical Value

Prob.**

None * At most 1 * At most 2 * At most 3 *

0.975550 0.822957 0.516328 0.161386

158.6212 65.84287 22.55882 4.400125

47.85613 29.79707 15.49471 3.841466

0.0000 0.0000 0.0037 0.0359

Trace test indicates 4 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized No. of CE(s)

Eigenvalue

Max-Eigen Statistic

0.05 Critical Value

Prob.**


0.975550 0.822957 0.516328 0.161386

92.77828 43.28405 18.15870 4.400125

27.58434 21.13162 14.26460 3.841466

0.0000 0.0000 0.0115 0.0359

Max-eigenvalue test indicates 4 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values

9

Pada tabel (1) diatas terlihat bahwa empat persamaan kointegrasi adalah signifikan, artinya variabel fiskal yaitu variabel GOV, variabel moneter M2, dan variabel EXR memiliki hubungan kointegrasi dengan GDP. Hal yang ini terlihat dari signifikannya nilai Trace statistic dan nilai Max-Eigen statistic yang lebih besar (>) dari nilai critical value pada tingkat kepercayaan 5%. Hasil uji kointegrasi ini memperlihatkan bahwa terdapat hubungan keseimbangan jangka panjang antara kebijakan fiskal, kebijakan moneter dan pertumbuhan ekonomi di Indonesia. Untuk melihat hubungan keseimbangan kebijakan fiskal, kebijakan moneter dan pertumbuhan ekonomi dalam jangka pendek, pengujian dilakukan dengan metode Vector Error Correction Model (VECM). Hasil uji VECM dapat dilihat dari nilai koefisien ECT (error correction term) yang negatif. Koefisien yang negatif dan signifikan pada ECT menerangkan bahwa pertumbuhan ekonomi akan merespon fluktuasi dari perubahan-perubahan variabel kebijakan fiskal dan moneter. Uji signifikansi didasarkan pada nilai t-statistik yang signifikan pada tingkat kepercayaan 5%. Tabel 3. Hasil Uji VECM D2GDP=DGOV, D2M2, DEXR Error Correction Term (ECT) DGOV * D2M2* DEXR*

Coefficient

Std. Error

t-Statistic

Prob.

-1.259491 -1.680604 -0.533381

0.323380 0.709234 0.162352

-3.894768 -2.369603 -3.285339

0.0009 0.0280 0.0037

nilai ECT adalah nilai c(1) lihat pada lampiran, * signifikan pada tingkat 5%

Pada tabel 3 terlihat bahwa nilai koefisien ECT adalah negatif dan signifikan yang menandakan variabel GDP dapat merespons fluktuasi variabel GOV, M2, dan EXR dalam jangka panjang. Hal ini berarti variabel kebijakan fiskal dan moneter mempengaruhi (menyebabkan) GDP dalam jangka panjang. Pengujian dilanjutkan dengan uji Wald test untuk melihat hubungan jangka pendek. Tabel.4 Uji Wald Test untuk variabel D2GDP, DGOV Wald Test: Equation: D2GDP, DGOV

10

Test Statistic

Value

Df

Probability

F-statistic* Chi-square*

5.467112 10.93422

(2, 20) 2

0.0128 0.0042

Tabel 4 memperlihatkan hubungan variabel GOV dengan GDP. Berdasarkan uji Wald Test, terdapat hubungan jangka pendek antara GOV dan GDP, dimana variabel GOV menyebabkan GDP. Hasil ini berdasarkan signifikannya nilai F-statistik dan chi-square pada tingkat kepercayaan 5 %. Jika dilihat secara teoritis temuan ini cukup beralasan, mengingat pengeluaran pemerintah untuk anggaran pengeluaran dalam jangka pendek akan meningkatkan permintaan agregat secara langsung. Tabel.5 Uji Wald Test untuk variabel D2GDP, D2M2 Wald Test: Equation:D2GDP, DM2 Test Statistic F-statistic Chi-square

Value

df

Probability

1.751046 3.502092

(2, 20) 2

0.1992 0.1736

Tabel.6 Uji Wald Test untuk variabel D2GDP, DEXR Wald Test: Equation: D2GDP,DEXR Test Statistic F-statistic Chi-square

Value

df

Probability

2.511853 5.023707

(2, 20) 2

0.1064 0.0811

Pada tabel 5 dan 6 terlihat bahwa variabel

M2 dan EXR tidak

mempengaruhi GDP dalam jangka pendek, terlihat dari nilai F-statistik dan Chisquare yang tidak signifikan pada tingkat kepercayaan 5%.

Temuan ini

mengindikasikan tidak adanya hubungan jangka pendek antara kebijakan moneter dan pertumbuhan ekonomi di Indonesia. Kebijakan moneter hanya berpengaruh

11

pada pertumbuhan ekonomi dalam jangka panjang. Temuan ini sejalan dengan beberapa penelitian sebelumnya, bahwa kebijakan fiskal yang aktif akan mengurangi efektivitas kebijakan moneter. Oleh karena itu direkomendasikan untuk jangka pendek perlu adanya koordinasi antara dua kebijakan ini sehingga bersinergi dalam meningkatkan pertumbuhan ekonomi. Selain itu bisa dimaklumi mengingat target utama kebijakan moneter adalah stabilitas harga, sehingga penelitian kedepan bisa dikembangkan dengan memasukkan inflasi sebagai variabel dependen.

Kesimpulan dan Saran Kesimpulan Penelitian ini mencoba melihat bagaimana koordinasi kebijakan fiskal, kebijakan moneter, dan pertumbuhan ekonomi di Indonesia baik dalam jangka panjang

maupun

jangka

pendek.

Hasil

Uji

kointegrasi

dan

VECM

memperlihatkan bahwa dalam jangka panjang kebijakan fiskal dan moneter dapat mencapai pertumbuhan ekonomi. Artinya kebijakan selama ini baik dengan kebijakan pengeluaran pemerintah dan pengendalian jumlah uang beredar sudah mampu berkoordinasi dengan baik pada jangka panjang. Dalam jangka pendek, berdasarkan pendekatan VECM dengan uji Wald Test, hanya nilai pengeluaran pemerintah (kebijakan fiskal) yang memiliki hubungan keseimbangan dengan pertumbuhan ekonomi. Variabel kebijakan moneter dengan pengendalian jumlah uang beredar dalam jangka pendek terbukti tidak mempengaruhi pertumbuhan ekonomi. Penemuan tersebut memperkuat temuan sebelumnya tentang perlunya koordinasi antara kebijakan fiskal dan moneter dalam jangka pendek sehingga dapat bersinergi meningkatkan pertumbuhan ekonomi.

Saran Hasil penelitian ini memperlihatkan bahwa untuk mencapai pertumbuhan ekonomi yang stabil, dalam jangka panjang kedua kebijakan ini dapat bersinergi dalam mempengaruhi pertumbuhan ekonomi. Dua variabel kebijakan yaitu

12

pengeluaran pemerintah untuk anggaran pembangunan dan pengendalian jumlah uang beredar sangat efektif dijadikan sebagai kebijakan dengan target jangka panjang. Dalam jangka pendek, koordinasi kebijakan fiskal dan kebijakan moneter sangat diperlukan. Kebijakan yang tidak berkoordinasi tentu menghasilkan efek crowding out, dimana dua kebijakan tidak memberikan efek positif

bagi

perekonomian. Kedepan, penelitian ini dapat dikembangkan lagi dengan memproxi variabel kebijakan fiskal dan moneter dengan variabel-variabel lain, dan memasukkan inflasi sebagai variabel dependen. Selain itu penelitian dapat ditambah dengan isu-isu hangat seperti isu makroprudensial.

13

DAFTAR PUSTAKA

Abata, Kehinde, and Bolarinwa (2012), Fiscal/Monetary policy and Economic growth in Nigeria; A Theoretical Exploration, International Journal Of Academic Research In Economics and Management Sciences. Anders Walter (1995), Applied Econometric Time Series, Jhon Wiley & SonsInc, United States Of America. Creel Jerome (2002), Strategic Interactions Between Monetary And Fiscal Policies: A Case Study For The European Stability Pact, IFO-Studien, ABI/INFORM Global. Gujarati, N Damodar (2003), Basic Econometric, 4th ed, McGraw Hill, New York. Gulo Angandrowa (2008), Analisis pengaruh aspek moneter dan fiskal terhadap pertumbuhan ekonomi Indonesia, VISI, 16,3,595-611 Hagen Von Jurgen and Mundschenk Susanne (2003), Fiscal and Monetary Policy Coordination in EMU, International journal of finance and economics.

Manurung Bonar Rikardo (2002), Twin Defisit di Indonesia, Tesis, Magister Ekonomi Pembangunan USU, Medan. Nopirin (2000), Ekonomi Moneter, Buku I Dan II, Jilid 1, BPFE Yogyakrata, Yogyakarta. Nanga Muana (2001), Makroekonomi Teori, Masalah Dan Kebijakan, Edisi Perdana, PT Raja Grafindo Persada, Jakarta. Rahardja Prathama dan Manurung Mandala (2001), Teori Ekonomi Makro, Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia, Jakarta. Seftarita Chenny (2005), Kebijakan Fiskal, Kebijakan Moneter dan Pertumbuhan Ekonomi Di Indonesia, Tesis, Magister Ekonomi Pembangunan USU, Medan. Turnovsky, J. Stephen (2000),The Transitional Dynamics of Fiscal Policy:LongRun Capital Accumulation, and Growth, University of Washington, Seattle.

14

Lampiran 1. Data Obs 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991

GDP 62.500 77.700 89.900 96.900 102.70 124.80 149.60 179.50 210.80 249.90

GOV 7360.000 9899.000 9952.000 10873.00 6716.000 11122.00 11399.00 12836.00 18191.00 20440.00

M2 11.000 14.600 17.900 23.100 27.600 33.800 41.900 58.700 84.600 99.000

EXR 661.0000 909.0000 1026.000 1111.000 1283.000 1644.000 1686.000 1770.000 1843.000 1950.000

15

1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

282.40 26259.00 119.00 329.70 27705.00 145.20 382.20 28599.00 174.50 454.50 30686.00 223.30 532.60 35952.00 288.60 627.70 38359.00 355.60 955.80 55142.00 577.30 1099.7 81902.00 646.20 1389.8 42594.00 738.70 1646.3 122639.0 844.00 1821.8 138794.0 883.90 2013.7 69247.00 955.60 2295.8 61450.00 1033.9 2774.3 32889.00 1202.8 3339.2 54952.00 1382.5 3950.9 64289.00 1649.7 4948.7 72773.00 1895.8 5606.2 75871.00 2141.4 6446.9 80287.00 2471.2 7422.8 117118.0 2877.2 8241.9 205022.0 3304.6 Sumber: Key Indicators For Asia And The Pacipic GDP dan M2 : dalam triliun rupiah GOV: dalam Miliar Rupiah EXR: nilai tukar rupiah terhadap dolar Amerika

2030.000 2087.000 2161.000 2249.000 2342.000 2909.000 10014.00 7856.000 8422.000 10261.00 9311.000 8577.000 8939.000 9705.000 9159.000 4141.000 9699.000 10390.00 9090.000 8770.000 9387.000

2. Uji Akar-akar Unit Null Hypothesis: D(GDP,2) has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=5)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-8.401825 -3.689194 -2.971853 -2.625121

0.0000

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

Augmented Dickey-Fuller Test Equation Dependent Variable: D(GDP,3) Method: Least Squares Date: 10/20/13 Time: 12:54 Sample (adjusted): 1985 2012 Included observations: 28 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(GDP(-1),2) C

-1.498080 45.90735

0.178304 23.63643

-8.401825 1.942228

0.0000 0.0630

16

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic

0.730823 0.720470 120.8103 379473.1 -172.9310 70.59066

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

-5.492857 228.5017 12.49507 12.59023 12.52416 2.152897

Null Hypothesis: D(M2,2) has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=7)


t-Statistic

Prob.*

-7.265757 -3.689194 -2.971853 -2.625121

0.0000


Augmented Dickey-Fuller Test Equation Dependent Variable: D(M2,3) Method: Least Squares Date: 10/20/13 Time: 12:56 Sample (adjusted): 1985 2012 Included observations: 28 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(M2(-1),2) C

-1.338855 20.01625

0.184269 10.07430

-7.265757 1.986863

0.0000 0.0576

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

0.670014 87.86228 10.78720 10.88236 10.81629 2.003164

Mean dependent var S.E. of regression Sum squared resid Log likelihood F-statistic

0.775000 51.43342 68780.32 -149.0208 52.79122

Null Hypothesis: D(GOV) has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=2)

Augmented Dickey-Fuller test statistic Test critical values: 1% level

t-Statistic

Prob.*

-4.475707 -3.679322

0.0014

17

5% level 10% level

-2.967767 -2.622989


Augmented Dickey-Fuller Test Equation Dependent Variable: D(GOV,2) Method: Least Squares Date: 10/22/13 Time: 14:15 Sample (adjusted): 1984 2012 Included observations: 29 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(GOV(-1)) C

-1.022146 6812.197

0.228376 5547.315

-4.475707 1.228017

0.0001 0.2300

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.425922 0.404660 29508.35 2.35E+10 -338.5935 20.03196 0.000125


2943.621 38243.92 23.48921 23.58350 23.51874 1.720593

Null Hypothesis: D(EXR) has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on SIC, maxlag=2)


t-Statistic

Prob.*

-5.765924 -3.689194 -2.971853 -2.625121

0.0001


Augmented Dickey-Fuller Test Equation Dependent Variable: D(EXR,2) Method: Least Squares Date: 10/22/13 Time: 14:16 Sample (adjusted): 1985 2012 Included observations: 28 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(EXR(-1)) D(EXR(-1),2) C

-1.759460 0.339254 518.7075

0.305148 0.188458 377.4500

-5.765924 1.800155 1.374242

0.0000 0.0839 0.1816

18

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic

3.

0.696305 0.672010 1941.221 94208464 -250.1337 28.65973


17.85714 3389.568 18.08098 18.22372 18.12461 2.016732

Uji Kointegrasi

Date: 10/22/13 Time: 09:57 Sample (adjusted): 1988 2012 Included observations: 25 after adjustments Trend assumption: Linear deterministic trend Series: D2GDP DGOV D2M2 DEXR Lags interval (in first differences): 1 to 3 Unrestricted Cointegration Rank Test (Trace) Hypothesized No. of CE(s)

Eigenvalue

Trace Statistic

0.05 Critical Value

Prob.**


0.975550 0.822957 0.516328 0.161386

158.6212 65.84287 22.55882 4.400125

47.85613 29.79707 15.49471 3.841466

0.0000 0.0000 0.0037 0.0359

Trace test indicates 4 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized No. of CE(s)

Eigenvalue

Max-Eigen Statistic

0.05 Critical Value

Prob.**


0.975550 0.822957 0.516328 0.161386

92.77828 43.28405 18.15870 4.400125

27.58434 21.13162 14.26460 3.841466

0.0000 0.0000 0.0115 0.0359

Max-eigenvalue test indicates 4 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): D2GDP -0.043828 0.039136 0.044344

DGOV -0.000171 -0.000253 0.000486

D2M2 0.159224 -0.125257 -0.077611

DEXR 0.001137 0.000912 -0.005390

19

-0.032352

4.66E-05

0.018015

-0.002033

Unrestricted Adjustment Coefficients (alpha): D(D2GDP) D(DGOV) D(D2M2) D(DEXR)

15.48811 7890.596 0.696559 1056.623

1 Cointegrating Equation(s):

2.536835 6643.338 23.80507 50.48819

-16.26948 -712.4693 -6.573476 -216.5831

Log likelihood

-650.5131

15.45366 682.2620 11.69446 405.6900

Normalized cointegrating coefficients (standard error in parentheses) D2GDP DGOV D2M2 DEXR 1.000000 0.003902 -3.632960 -0.025937 (0.00058) (0.09901) (0.00595) Adjustment coefficients (standard error in parentheses) D(D2GDP) -0.678806 (0.59189) D(DGOV) -345.8254 (101.551) D(D2M2) -0.030528 (0.53182) D(DEXR) -46.30918 (14.1200)


Log likelihood

-628.8711

Normalized cointegrating coefficients (standard error in parentheses) D2GDP DGOV D2M2 DEXR 1.000000 0.000000 -3.470126 -0.007390 (0.13346) (0.00354) 0.000000 1.000000 -41.73459 -4.753715 (31.9252) (0.84585) Adjustment coefficients (standard error in parentheses) D(D2GDP) -0.579524 -0.003290 (0.79226) (0.00411) D(DGOV) -85.83166 -3.028598 (68.4366) (0.35546) D(D2M2) 0.901107 -0.006137 (0.57489) (0.00299) D(DEXR) -44.33327 -0.193444 (18.9090) (0.09821)


Log likelihood

-619.7917

Normalized cointegrating coefficients (standard error in parentheses) D2GDP DGOV D2M2 DEXR 1.000000 0.000000 0.000000 -0.106237 (0.02527)

20

0.000000

1.000000

0.000000

0.000000

0.000000

1.000000

-5.942526 (0.70173) -0.028485 (0.00706)

Adjustment coefficients (standard error in parentheses) D(D2GDP) -1.300976 -0.011201 3.411005 (0.92453) (0.00721) (2.72470) D(DGOV) -117.4253 -3.375037 479.5393 (84.2678) (0.65719) (248.346) D(D2M2) 0.609614 -0.009333 -2.360674 (0.70531) (0.00550) (2.07861) D(DEXR) -53.93740 -0.298758 178.7246 (23.1967) (0.18091) (68.3630)

4.

Hasil VECM

Vector Error Correction Estimates Date: 10/21/13 Time: 16:05 Sample (adjusted): 1987 2012 Included observations: 26 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:

CointEq1

D2GDP(-1)

1.000000

DGOV(-1)

0.004726 (0.00141) [ 3.35291]

C

-56.57868

Error Correction:

D(D2GDP)

D(DGOV)

CointEq1

-1.259491 (0.32338) [-3.89477]

-80.44504 (103.259) [-0.77906]

D(D2GDP(-1))

-0.426497 (0.25728) [-1.65774]

149.0939 (82.1514) [ 1.81487]

D(D2GDP(-2))

-0.443944 (0.17215) [-2.57877]

80.90295 (54.9707) [ 1.47175]

D(DGOV(-1))

0.004203 (0.00132) [ 3.19469]

-0.390981 (0.42006) [-0.93078]

D(DGOV(-2))

0.001732 (0.00089)

-0.203542 (0.28547)

21

C

R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent

[ 1.93748]

[-0.71300]

-6.597362 (20.1429) [-0.32753]

2730.472 (6431.89) [ 0.42452]

0.856005 0.820007 202981.4 100.7426 23.77880 -153.4085 12.26219 12.55252 -5.984615 237.4569

0.493306 0.366632 2.07E+10 32168.37 3.894308 -303.3289 23.79453 24.08486 3540.808 40420.45

Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood Akaike information criterion Schwarz criterion

1.05E+13 6.21E+12 -456.7339 36.21030 36.88773

5. Dependent Variable: D(D2GDP) Method: Least Squares Date: 10/21/13 Time: 16:06 Sample (adjusted): 1987 2012 Included observations: 26 after adjustments D(D2GDP) = C(1)*( D2GDP(-1) + 0.00472629905762*DGOV(-1) 56.5786785914 ) + C(2)*D(D2GDP(-1)) + C(3)*D(D2GDP(-2)) + C(4) *D(DGOV(-1)) + C(5)*D(DGOV(-2)) + C(6)

C(1) C(2) C(3) C(4) C(5) C(6) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic

Coefficient

Std. Error

t-Statistic

Prob.

-1.259491 -0.426497 -0.443944 0.004203 0.001732 -6.597362

0.323380 0.257276 0.172153 0.001316 0.000894 20.14292

-3.894768 -1.657743 -2.578773 3.194685 1.937483 -0.327528

0.0009 0.1130 0.0179 0.0046 0.0669 0.7467

0.856005 0.820007 100.7426 202981.4 -153.4085 23.77880


-5.984615 237.4569 12.26219 12.55252 12.34579 2.212344

6. Wald Test: Equation: Untitled Test Statistic

Value

Df

Probability

22

F-statistic Chi-square

5.467112 10.93422

(2, 20) 2

0.0128 0.0042

Value

Std. Err.

0.004203 0.001732

0.001316 0.000894

Null Hypothesis: C(4)=C(5)=0 Null Hypothesis Summary: Normalized Restriction (= 0) C(4) C(5) Restrictions are linear in coefficients.

Vector Error Correction Estimates Date: 10/22/13 Time: 10:04 Sample (adjusted): 1987 2012 Included observations: 26 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:

CointEq1

D2GDP(-1)

1.000000

D2M2(-1)

-1.893984 (0.53073) [-3.56865]

C

-8.068889

Error Correction:

D(D2GDP)

D(D2M2)

CointEq1

-1.680604 (0.70923) [-2.36960]

0.007384 (0.37444) [ 0.01972]

D(D2GDP(-1))

-0.233000 (0.52690) [-0.44221]

-0.099447 (0.27818) [-0.35750]

D(D2GDP(-2))

-0.442194 (0.25316) [-1.74673]

-0.127289 (0.13365) [-0.95239]

D(D2M2(-1))

-1.787665 (1.12969) [-1.58244]

-0.938029 (0.59642) [-1.57277]

D(D2M2(-2))

-0.536835 (0.62494) [-0.85902]

-0.375131 (0.32994) [-1.13698]

C

5.293686 (22.6132)

6.198377 (11.9386)

23

R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent

[ 0.23410]

[ 0.51919]

0.813044 0.766305 263541.1 114.7914 17.39545 -156.8027 12.52328 12.81361 -5.984615 237.4569

0.647557 0.559446 73456.43 60.60381 7.349340 -140.1950 11.24577 11.53610 0.850000 91.30619


33689016 19934329 -292.2882 23.56063 24.23807

7. Dependent Variable: D(D2GDP) Method: Least Squares Date: 10/22/13 Time: 10:05 Sample (adjusted): 1987 2012 Included observations: 26 after adjustments D(D2GDP) = C(1)*( D2GDP(-1) - 1.89398427544*D2M2(-1) - 8.068888554 ) + C(2)*D(D2GDP(-1)) + C(3)*D(D2GDP(-2)) + C(4)*D(D2M2(-1)) + C(5) *D(D2M2(-2)) + C(6)


Coefficient

Std. Error

t-Statistic

Prob.

-1.680604 -0.233000 -0.442194 -1.787665 -0.536835 5.293686

0.709234 0.526902 0.253155 1.129691 0.624940 22.61320

-2.369603 -0.442207 -1.746733 -1.582436 -0.859019 0.234097

0.0280 0.6631 0.0960 0.1292 0.4005 0.8173

0.813044 0.766305 114.7914 263541.1 -156.8027 17.39545


-5.984615 237.4569 12.52328 12.81361 12.60689 1.957144

8. Wald Test: Equation: Untitled Test Statistic F-statistic Chi-square

Value

df

Probability

1.751046 3.502092

(2, 20) 2

0.1992 0.1736

24

Null Hypothesis: C(4)=C(5)=0 Null Hypothesis Summary: Normalized Restriction (= 0) C(4) C(5)

Value

Std. Err.

-1.787665 -0.536835

1.129691 0.624940

Restrictions are linear in coefficients. 9. Vector Error Correction Estimates Date: 10/22/13 Time: 10:08 Sample (adjusted): 1987 2012 Included observations: 26 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq:

CointEq1

D2GDP(-1)

1.000000

DEXR(-1)

0.131056 (0.03937) [ 3.32871]

C

-75.87152

Error Correction:

D(D2GDP)

D(DEXR)

CointEq1

-0.533381 (0.16235) [-3.28534]

-12.41663 (4.12889) [-3.00726]

D(D2GDP(-1))

-0.222117 (0.27051) [-0.82111]

5.958367 (6.87948) [ 0.86611]

D(D2GDP(-2))

-0.365840 (0.14044) [-2.60503]

1.887855 (3.57153) [ 0.52858]

D(DEXR(-1))

0.016656 (0.01798) [ 0.92617]

0.383272 (0.45737) [ 0.83799]

D(DEXR(-2))

0.033153 (0.01514) [ 2.18944]

-0.050244 (0.38509) [-0.13047]

C

-0.098920 (17.1183) [-0.00578]

-25.34787 (435.347) [-0.05822]

0.893397 0.866746 150272.8 86.68127

0.686679 0.608349 97192257 2204.453

R-squared Adj. R-squared Sum sq. resids S.E. equation

25

F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent

33.52228 -149.4998 11.96153 12.25186 -5.984615 237.4569

8.766462 -233.6358 18.43352 18.72385 17.11538 3522.501


2.78E+10 1.65E+10 -379.6142 30.27802 30.95545

Dependent Variable: D(D2GDP) Method: Least Squares Date: 10/22/13 Time: 10:09 Sample (adjusted): 1987 2012 Included observations: 26 after adjustments D(D2GDP) = C(1)*( D2GDP(-1) + 0.131056218017*DEXR(-1) 75.8715220691 ) + C(2)*D(D2GDP(-1)) + C(3)*D(D2GDP(-2)) + C(4) *D(DEXR(-1)) + C(5)*D(DEXR(-2)) + C(6)


Coefficient

Std. Error

t-Statistic

Prob.

-0.533381 -0.222117 -0.365840 0.016656 0.033153 -0.098920

0.162352 0.270508 0.140436 0.017984 0.015142 17.11829

-3.285339 -0.821111 -2.605027 0.926167 2.189444 -0.005779

0.0037 0.4213 0.0169 0.3654 0.0406 0.9954

0.893397 0.866746 86.68127 150272.8 -149.4998 33.52228


-5.984615 237.4569 11.96153 12.25186 12.04513 1.866421

10. Wald Test: Equation: Untitled Test Statistic F-statistic Chi-square

Value

df

Probability

2.511853 5.023707

(2, 20) 2

0.1064 0.0811

Value

Std. Err.

0.016656

0.017984

Null Hypothesis: C(4)=C(5)=0 Null Hypothesis Summary: Normalized Restriction (= 0) C(4)

26

C(5)

0.033153

0.015142

Restrictions are linear in coefficients.

27

28

Oleh: Chenny Seftarita, S.E, M.Si

Recommend Documents