0 M s Jumlah uang dan permintaan uang Gambar 16 Teori Keynes Tentang Tingkat Bunga
LNPDB 0.254398LNIHK3+ 0.670333LNGOV+ 0.626546LNM2 + 0.009903SBI 0.189451LNKURS (24)
4.2.6 Analisis IRF dan Variance Decomposition
Perilaku dinamis dari model VECM dapat dili hat melalui respon dari setiap variabel terhadap kejutan dari variabel tersebut maupun terhadap variabel endogen lainnya. Dalam model ini response dari perubahan masing-masing variabel dengan adanya informasi baru diukur dengan 1 -standar deviasi. Sumbu horizontal merupakan waktu dalam periode hari ke depan setelah terjadinya shock, sedangkan sumber vertikal adalah nilai respon. Secara mendasar dal am analisis ini akan diketahui respon positif atau negatif dari suatu variabel terhadap variabel lainnya. Respon tersebut dalam jangka pendek biasanya cukup signifikan dan cenderung berubah. Dalam jangka panjang respon cenderung konsisten dan terus mengecil. Impulse Response Function memberikan gambaran bagaimana respon dari suatu variabel di masa mendatang jika terjadi gangguan pada satu variabel lainnya.
Fungsi impulse respon juga menggambarkan tingkat laju dari shock variabel yang satu terhadap variabel yang lainnya pada suatu rentang periode tertentu. Sehingga dapat dilihat lamanya pengaruh dari shock suatu variabel terhadap variabel lain sampai pengaruhnya hilang atau kembali ke titik keseimbangan. Fungsi ini akan me lacak respon dari variabel tergantung apabila terdapatshockdalam u1dan u2.
Berdasarkan gambar 29, terlihat kecenderungan respon dari PDB ketika terdapat shock dari berbagai variabel fiskal dan moneter. Dalam penelitian ini akan coba diamati sebanyak 100 periode. Secara umum respon dari PDB saat terdapat shock dari berbagai variabel fiskal dan moneter sebelum periode empat puluh (jangka pendek) bergerak fluktuatif dan dina mis. Kemudian setelah periode
lima puluh (jangka panjang) mulai tampak kecenderungan respon dari PDB akan konvergen atau tidak dalam mencapai keseimbangan.
Grafik baris pertama kolom pertama menunjukkan bahwa variabel PDB pada perubahan 1-standar deviasi menunjukkan respon nilai positif saat mendapatkanshock dari variabel IHK. Pada awalnya dengan adanya inovasi atau shockIHK sebesar 1-standar deviasi menunjukkan respon positif atau sekitar 0 .05 persen. Dalam hal ini karena data yang dipakai dalam bentuk lag maka shockdari IHK sebesar 1-standar deviasi menyebabkan PDB bertambah sekitar lima persen. Namun, besarnya dampak shock IHK ini hanya berlangsung relatif temporer dalam jangka pendek sebelum perio de empat puluh karena selanjutnya dampaknya berangsur berkurang dan bergerak relatif stabil mendekati keseimbangan setelah periode empat puluh. Berdasarkan grafik baris kedua dan ketiga kolom pertama terlihat bagaimana respon PDB saat terdapat shock dari jumlah uang yang beredar dan kurs.
Respon PDB saat mendapatkan shock dari jumlah uang yang beredar terlihat fluktuatif dan direspon positif diawal periode. Namun, memasuki periode kelima PDB merespon negatif dan kemudian direspon positif kembali pad a periode-periode berikutnya. Akan tetapi, dalam jangka panjang terlihat bahwa kemungkinan PDB relatif sulit untuk mencapai kondisi keseimbangan yang konvergen saat terdapat shockdari jumlah uang beredar.
Hal serupa juga terjadi saat PDB mendapat shock dari variabel kurs. Meskipun direspon positif oleh PDB di awal periode, kecenderungan di periode - periode berikutnya terutama saat memasuki periode dua puluh terlihat bahwa tingkat output mulai merespon negatif hingga berlanjut dalam jangka panjang.
Oleh karena itu, relatif sulit untuk berada pada keadaan keseimbangan yang konvergen bagi PDB disaat terdapat gangguan (shock) dari nilai tukar (kurs).
Pada grafik baris pertama kolom kedua memperlihatkan respon tingkat output (PDB) saat mendapatkan shock dari pengeluaran pemerintah. Pada awal periode direspon positif dan cenderung menjauhi keseimbangan dengan pergerakan yang fluktuatif. Namun, memasuki periode empat puluh pergerakannya relatif lebih stabil hingga periode -periode berikutnya walaupun kecenderungan jangka panjang relatif sulit mencapai keseimbangan yang konvergen.
Kemudian pada grafik baris kedua kolom kedua memeprlihatkan bagaimana respon PDB saat mendapatkan shockdari variabel SBI. Dalam jangka pendek terlihat pergerakan ya ng fluktuatif dan direspon positif oleh PDB. Namun, setelah periode lima puluh kecenderungannya mulai ke arah keseimbangan yang konvergen.
Gambar 28. Respon tingkat output (PDB) terhadapshockvariabel fiskal moneter Berdasarkan gambar 30, terlihat kecend erungan respon dari tingkat harga (IHK) ketika mendapatkanshockdari berbagai variabel fiskal dan moneter. Secara umum respon IHK terhadap adanya berbagai shock variabel fiskal dan moneter bergerak fluktuatif dan cenderung relatif sulit untuk mencapai keseimbangan
-.02 -.01 .00 .01 .02 .03 25 50 75 100 Response of LNPDB to LNIHK3 -.02 -.01 .00 .01 .02 .03 25 50 75 100 Response of LNPDB to LNGOV -.02 -.01 .00 .01 .02 .03 25 50 75 100 Response of LNPDB to LNM2 -.02 -.01 .00 .01 .02 .03 25 50 75 100 Response of LNPDB to SBI -.02 -.01 .00 .01 .02 .03 25 50 75 100 Response of LNPDB to LNKURS
dalam jangka panjang, terutama saat terdapat shock dari variabel PDB, pengeluaran pemerintah, jumlah uang yang beredar dan SBI. Bahkan saat mendapatkanshock dari variabel PDB, direspon negatif oleh tingkat harga (IHK). Pada grafik baris ketiga kolom pertama memeperlihatkan respon IHK saat memperoleh shock dari variabel nilai tukar (kurs). Pada awalnya dengan adanya inovasi atau shock dari variabel kurs sebesar 1-standar deviasi menunjukkan respon positif atau sekitar 0,05 persen. Dalam hal ini karena data yang dipakai dalam bentuk lag maka shock dari kurs sebesar 1-standar deviasi menyebabkan IHK bertambah sekitar lima persen dan terus meningkat hingga periode lima. Namun, besarnya dampak shock IHK ini hanya berlangsung relatif temporer dalam jangka pendek sebelum periode empat puluh karena selanjutnya dampaknya berangsur berkurang. Menjelang periode dua puluh lima, IHK sempat merespon negatif shock dari kurs. Namun, setelah periode dua puluh lima mulai meningkat kembali dan pergerakannya relatif stabil setelah memasuki periode empat puluh. Oleh karena itu, dalam jangka panjang IHK memiliki kecenderungan mencapai keseimbangan ketika terdapat gangguan dari variabel kurs.
Setelah menganalisis perilaku dinamis melalui impulse response, selanjutnya akan dilihat karakteristik model melalui variance decomposition. Variance decomposition akan memberikan informasi mengenai proporsi dari pergerakan pengaruh shock pada sebuah variabel terhadap shock variabel yang lain pada periode saat ini dan periode yang akan datang. Pada bagian ini dianalisis bagaimana varian dari suatu varia bel ditentukan oleh peran dari variabel lainnya maupun peran dari dirinya sendiri. Variance decomposition dapat pula digunakan untuk menyusun forecast error variance suatu variabel, yaitu seberapa besar perbedaan antara variance sebelum dan sesudah shock, baikshock yang berasal dari diri sendiri maupun shock dari variabel lain untuk melihat pengaruh relatif variabel-variabel penelitian terhadap variabel lainnya. Prosedur variance decompositionyaitu dengan mengukur persentase kejutan ataushockatas masing- masing variabel. Dalam penelitian ini digunakan sebanyak seratus periode kedepan.
Tabel 18.Variance Decomposition persamaan PDB
Variabel Periode Dijelaskan olehshock
Independen LNPDB LNIHK3 LNGOV LNM2 LNKURS SBI
LNPDB 1 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 10 37.93275 9.397899 9.730439 6.008565 33.17032 3.760028 20 26.00679 11.00066 11.92936 23.92767 19.75495 7.380571 30 21.85654 7.400334 8.491482 38.81106 15.07575 8.364832 40 21.45724 5.454109 6.506022 44.11045 14.06862 8.403566 50 21.53708 4.478095 5.656383 47.06699 12.73237 8.529077 60 21.33395 3.833861 5.089023 49.22731 11.83814 8.677709 70 21.18332 3.351826 4.636756 50.74941 11.31910 8.759593 80 21.12037 2.997647 4.304634 51.84769 10.91835 8.811302 90 21.06656 2.729290 4.057527 52.70148 10.59221 8.852932 100 21.01358 2.515316 3.860007 53.38445 10.34044 8.886219 Sumber : Pengolahan dengan Eviews 6.0
Ada beberapa hal yang dapat diamati b erdasarkan tabel 18. Pertama, analisisvariance decomposition menunjukkan bahwa forecast error variance dari LNPDB pada periode pertama ditentukan oleh dirinya sendiri sebesar 100% dan belum ada kontribusi dari variabel-variabel lain yang mampu menjelaskan variabilitas LNPDB. Kedua, dalam periode intermediate, kontribusi variabel LNIHK3, LNGOV, dan LNKURS sedikit berkurang, yaitu masing -masing sebesar 4.47%, 5.65%, dan 12.73%. sedangkan variabel LNM2 dan SBI pada periode intermediete sedikit mengalami peningkatan dalam memberikan kontribusi terhadap variabilitas LNPDB, yaitu masing -masing sebesar 47.06% dan 8.52%. Hal ini terus berlanjut hingga jangka panjang dimana kontribusi variabel LNIHK3, LNGOV, dan LNKURS se makin berkurang dalam menjelaskan variabilitas LNPDB, yaitu masing -masing menjadi sebesar 2.51%, 3.86%, dan 10.34%.
Dan ketiga, dalam jangka panjang ternyata variabel LNM2 dan SBI terus mengalami peningkatan dalam kontribusi menjelaskan variabilitas dari LNPDB, yaitu masing-masing sebesar 53.38% dan 8.88%. hingga periode seratus, LNPDB forecast error variance yang dapat dijelaskan dari LNPDB sendiri sebesar 21.01%. Hal ini menunjukkan bahwa fluktuasi LNPDB lebih banyak dipengaruhi oleh variabel lain daripada faktor variabel LNPDB itu sendiri.
Tabel 19.Variance Decomposition persamaan IHK
Variabel Periode Dijelaskan olehshock
Independen LNIHK3 LNPDB LNGOV LNM2 LNKURS SBI
LNIHK3 1 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 10 30.91585 9.379345 6.310226 2.052950 48.06753 3.274094 20 26.13639 17.32889 7.296138 8.968262 34.77795 5.492372 30 25.12848 18.66752 6.227971 14.85789 28.17771 6.940434 40 25.42916 19.04771 5.717110 17.08313 25.07978 7.643104 50 25.54757 19.57141 5.483929 18.21851 23.07050 8.108080 60 25.51837 20.00150 5.262535 19.36973 21.32516 8.522704 70 25.54808 20.27339 5.063446 20.32622 19.94554 8.843322 80 25.59106 20.48795 4.916996 21.03037 18.89372 9.079904 90 25.61316 20.67738 4.802716 21.59906 18.03671 9.270977 100 25.62659 20.83595 4.705835 22.08316 17.31543 9.433040
Sumber : Pengolahan dengan Eviews 6.0
Berdasarkan tabel 19, terlihat bahwaforecast error variance dari LNIHK3 pada periode pertama dapat dijelaskan oleh LNIHK3 sebesar 100%, sedangkan variabel lainnya tidak menjelaskan apapun (nol) terhadap LNIHK3. Dalam periode intermediete, sudah terdapat kontribusi variabel lain yang mampu menjelaskan variabilitas dari LNIHK3, meskipun ada beberapa yang mengalami peningkatan dan beberapa yang lain mengalami penurunan. Kontribusi variabel yang mengalami peningkatan dalam menjelaskan variabi litas LNIHK3 diantaranya seperti variabel LNPDB, LNM2, dan SBI yang masing -masing menjadi sebesar 19.57%, 18.21%, dan 8.10%. sedangkan kontribusi variabel LNGOV dan LNKURS mengalami penurunan dalam memberikan kontribusi menjelaskan variabilitas LNIHK3 pada periodeintermediete, yaitu masing-masing menjadi sebesar 5.48% dan 23.07%.
Kemudian dalam jangka panjang, kontribusi variabel LNPDB, LNM2, dan SBI semakin meningkat, yakni masing -masing menjadi sebesar 20.83%, 22.08%,
dan 9.43%. sedangkan variabel LNGOV dan LNKURS dalam jangka panjang juga mempunyai kecenderungan menurun dalm memberikan kontribusi menjelaskan variabilitas LNIHK, yaitu masing -masing menjadi sebesar 4.70% dan 17.31%. Selain itu, hingga periode seratus variabel LNIHK3 forecast error variance yang dapat dijelaskan dari LNIHK3 sendiri sebesar 25.62%. hal ini mengindikasikan bahwa fluktuasi LNIHK3 lebih banyak dipengaruhi oleh LNIHK3 itu sendiri daripada faktor variabel lainnya.
BAB V