Uji Stasioneritas
Hasil dan pembahasan pada penelitian ini akan menggunakan langkah-langkah yang telah dijelaskan sebelumnya. Langkah pertama yang dilakukan adalah uji stasioneritas, dimana langkah ini merupakan langkah yang penting sebelum melakukan pengolah pada data time series. Uji stasioneritas ini dimaksudkan untuk mengetahui adanya kemungkinan data time series yang digunakan memiliki akar unit yang menyebabkan data tersebut tidak stasioner pada tingkat level. Data yang memiliki akar unit memumgkinkan hasil regresinya terlihat bagus, tetapi hasil regresi tersebut tidak mampu menggambarkan keadaan yang sebenarnya terjadi. Pada penelitian ini, akan digunakan uji stasioneritas
Augmented Dickey-Fuller (ADF). Apabila nilai mutlak t-ADF pada hasil dari pengujian ini lebih besar dari MaccKinnon critical values-nya maka data telah stasioner pada taraf nyata sebesar satu persen atau lima persen. Pada hasil pengujian ini dapat pula dilihat dari probalitasnya, apabila nilai probabilitasnya kurang dari taraf nyata satu persen, lima persen, dan sepuluh persen maka data tersebut stasioner pada taraf tersebut.
Berdasarkan hasil yang diperoleh dari pengujian, data yang stasioner pada tingkat level, yaitu Ln FDI, Ln GDP, BI Rate, dan inflasi. Data real exchange rates dan keterbukaan perdagangan tidak stasioner sehingga perlu pengujian stasioneritas pada first difference-nya. Hasil pengujian tersebut dapat dilihat pada tabel 3.1, tabel 3.2, dan tabel 3.3 berikut.
Tabel 3 Rangkuman Hasil Uji Stasioner pada Data Level
Variabel ADF MccKinnon Critical Value P-Value
Statistik 1% 5% 10%
Ln FDI -6.243776 -4.1485 -3.5005 -3.17962 0.0000 * Ln GDP -3.648658 -4.1525 -3.50237 -3.1807 0.0356* BI Rate -3.879712 -4.1525 -3.50237 -3.1807 0.0203* Real Exchage Rates -3.250215 -4.1525 -3.50237 -3.1807 0.0866
Trade Opennes -2.59643 -3.5654 -2.91995 -2.59791 0.1003 Inflasi -6.04967 -3.5654 -2.91995 -2.59791 0.0000 * Catatan: tanda asterik (*) menunjukan nilai pengujian berdasarkan taraf nyata lima persen.
Tabel 4 Rangkuman Hasil Uji Stasioner pada First Difference
Variabel ADF MccKinnon Critical Value P-Value
Statistik 1% 5% 10%
Ln FDI -6.750903 -3.5745 -2.92378 -2.59993 0.0000 * Ln GDP -6.280502 -3.5713 -2.92245 -2.59922 0.0000 * BI Rate -3.106681 -4.1525 -3.50237 -3.1807 0.1160 Real Exchage Rates -5.466796 -4.1567 -3.50433 -3.18183 0.0002*
Trade Opennes -7.005216 -3.5683 -2.92118 -2.59855 0.0000 * Inflasi -7.487803 -3.5745 -2.92378 -2.59993 0.0000 * Catatan: tanda asterik (*) menunjukan nilai pengujian berdasarkan taraf nyata lima persen.
Dari tabel 3 dapat dilihat bahwa Uji ADF pada level menunjukan Ln FDI, Ln GDP, BI Rate, dan inflasi stasioner pada taraf nyata lima persen. Sedangkan untuk data real exchange rates dan keterbukaan perdagangan harus diuji pada first difference untuk mengetahui apakah data tersebut stasioner pada taraf lima persen Tabel 4 menunjukan semua data kecuali BI Rate stasioner pada first difference. Sebelumya, real exchange rates tidak stasioner pada level. Namun berbeda hal dengan data BI Rate yang tidak stasioner pada level dan first difference, maka data tersebut akan diuji lagi pada second difference.
Tabel 5 Rangkuman Hasil Uji Stasioner pada Second Difference
Variabel ADF MccKinnon Critical Value P-Value
Statistik 1% 5% 10%
Ln FDI -8.799208 -4.1658 -3.50851 -3.18423 0.0000 * Ln GDP -9.097511 -4.1658 -3.50851 -3.18423 0.0000 * BI Rate -7.457006 -3.5713 -2.92245 -2.59922 0.0000 * Real Exchage Rates -8.594854 -4.1611 -3.50637 -3.183 0.0000 * Trade Opennes -5.948276 -3.5885 -2.92973 -2.60306 0.0000 * Inflasi -9.93603 -3.5777 -2.92517 -2.60066 0.0000 * Catatan: tanda asterik (*) menunjukan nilai pengujian berdasarkan taraf nyata lima persen.
Tabel 5 di atas menunjukan bahwa semua data sudah stasioner pada
second difference. Data BI Rate stasioner pada Second Difference. Data BI Rate sebelumnya tidak stasioner pada level dan first difference.
Uji Lag Optimum
Langkah selanjutnya dalam melakukan estimasi terhadap model yang yang digunakan dalam penelitian ini adalah menentukan panjang lag optimum. Kandidat selang yang akan dicari dengan menggunakan kriteria informasi yang tersedia, yaitu criteria Likehood Ratio (LR), Final Prediction Error (FPE),
Akaike Infformation Criterion (AIC), Shwarz Information Criterion (SIC), dan
Hannan-Quin Criterion (HQ). Apabila kriteria informasi merujuk pada sebuah kandidat selang, maka lag tersebut yang akan dipilih untuk melanjutkan estimasi
pada tahapan berikutnya. Hasil uji lag optimum kelima model akan ditunjukan pada tabel dibawah ini.
Berdasarkan Tabel 6, model yang FDI lag optimumnya berada pada lag dua. Setelah pengujian lag telah mendapatkan hasil maka dilakukan langkah selanjutnya, yaitu uji stabilitas model VAR
Tabel 6 Hasil Uji Lag Optimum untuk model FDI
Lag LogL LR FPE AIC SC HQ
0 -71.32763 NA 1.01e-06 3.221985 3.455885 3.310376 1 178.6225 426.9981 1.38e-10 -5.692603 -4.055302* -5.073865* 2 224.8184 67.36910 9.65e-11* -6.117435 -3.076733 -4.968349 3 257.6812 39.70918 1.33e-10 -5.986717 -1.542614 -4.307284 4 311.0384 51.13393* 9.69e-11 -6.709931* -0.862428 -4.500151 Catatan: tanda asterik (*) menunjukan kandidat selang yang dipilih
Uji Stabilitas VAR
Panjang lag optimum telah diperoleh dari hasil pengujian sebelumnya. Setelah itu panjang lag optimum yang dipilh harus diuji untuk mengetahui apakah lag tersebut merupakan panjang lag maksimumVAR yang stabil. Stabilitas model model VAR dapt dilihat dari inverse roots karakteristik AR polinominalnya. Suatu sistem VAR dikatakan stabil (stasioner) jika seluruh roots-nya memiliki modulus lebih kecil dari satu dan semuanya terletak dalam unit circle (Lutkepohl, 1991).
Nilai modulus untuk FDI berkisar antara 0.013019 – 0.993505.Berdasarkan hasil tersebut menyatakan nilai modulus yang diperoleh tidak ada yang melebihi satu, sehingga dapat disimpulkan bahwa model VAR stabil pada panjang lagnya masing-masing sehingga bisa dilakukan uji FEVD pada model ini yang menghasilkan output yang valid.
Uji Kausalitas Granger
Setelah melakukan uji lag optimum maka didapatkan lag optimum yang stabil untuk model, maka langkah selanjutnya adalah melakukan uji kausalitas granger. Langkah ini dilakukan untuk melihat pengaruh FDI terhadap variabel lainnya dan sebaliknya.
Hasil dari uji kausalitas Granger menunjukan bahwa pada taraf nyata sebesar lima persen nilai tukar mempengaruhi FDI dan sebaliknya. Begitu juga suku bunga turut mempengaruhi FDI. Hal ini terjadi karena, apabila investasi semakin tinggi tingkat suku bunga acuan dalam hal ini BI Rate, maka keinginan untuk melakukan investasi pun akan meningkat, begitu juga sebaliknya. Kemudian pada uji kausalitas Granger nilai tukar juga memberikan pengaruh terhadap FDI, dimana menguatnya atau terapresiasinya nilai mata uang domestik
(kurs domestik) terhadap mata uang asing dapat menambah keinginan investor menanamkan modalnya di Indonesia dan sebaliknya.
Berbeda dengan variabel lainnya yang menunjukan nilai lebih besar dari taraf nyata lima persen pada hasil uji kausalitas Granger ini. Hal tersebut berarti pada hasil uji kausalitas granger variabel Keterbukaan perdagangan (keterbukaan perdagangan), inflasi dan GDP kurang berpengaruh seperti yang diperlihatkan pada hasil pengujian.
Uji Kointegrasi Johannsen
Uji kointegrasi ini adalah langkah yang penting yang bertujuan untuk menentukan apakah variabel-variabel yang tidak stasioner terkointegrasi atau tidak.Konsep kintegrasi dikemukakan oleh Engle dan Granger, sebagai kombinasi linear dari dua atau lenih variabel yang tidak stasionerakan menghasilkan variabel yang stasioner.Kombinasi linear ini sering dikenal dengan istilah persamaan kointegrasi dan dapat diinterpreatsikan sebagai hubungan keseimbangan jangka panjang diantara variabel (Firdaus 2011).
Hubungan kointegrasi pada penelitian ini dapat dilihat dari trace statistic -nya. Apabila nilai trace statistic lebih besar dari critical value lima persen, maka persamaan tersebut terkointegrasi. Hasil kointegrasi pada penelitian ini dapat dilihat pada Tabel 7 berikut ini.
Tabel 7. Hasil Uji Kointegrasi Johannsen Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.833867 222.5232 103.8473 0.0000 At most 1 * 0.633069 130.9800 76.97277 0.0000 At most 2 * 0.553001 79.84835 54.07904 0.0001 At most 3 * 0.372626 38.78321 35.19275 0.0196 At most 4 0.182621 15.00638 20.26184 0.2260 At most 5 0.088433 4.722120 9.164546 0.3153
Berdasarkan Tabel 7 di atas dapat dilihat bahwa, setidaknya bila ada satu rank kointegrasi pada taraf nyata lima persen, berarti terdapat minimal satu persanmaan kointegrasi yang mampu menjelaskan keseluruhan masing-masing model tersebut. Hal ini berarti terdapat hubungan jangka panjang antara arus masuk FDI dengan keterbukaan perdagangan, exchange rates, BI rate, GDP, dan inflasi yang akan diperjelas hasilnya pada estimasi VECM dan uji Forecast Error Decomposition Variance.
Hasil Estimasi VECM FDI dan Indikator Lainnya
VECM adalah bentuk dari VAR yang terestriksi yang digunakan untuk variabel yang tidak stasioner tetapi memiliki potensi terkointegrasi.VECM dapat menjelaskan hubungan jangka panjang dari variabel-variabel endogen agar konvergen ke dalam hubungan kointegrasinya, namun tetap membiarkan keberadaan dinamisasi jangka pendek. Model VECM yang dipilih merupakan model terbaik berdasarkan kriteria goodness of fit yang harus dimiliki model.Tabel 8 akan menjelaskan hasil estimasi VECM dari FDI dan variabel-variabel lainnya, dan juga menjelaskan hubungan jangka panjang dari variabel-variabel yang bersangkutan.
Tabel 8 Hasil Estimasi Model VECM
Variabel Koefisien T-Statistic
FDI(-1) -0.70698* -2.39581 GDP(-1) 1.912774* 2.28978 REAL_EX(-1) -3.08690* -2.36215 BI_RATE(-1) -0.04262* 3.4540 TRADE_OPEN(-1) -1.75335* -2.61359 INFLASI(-1) 0.181428*- 3.08215
Catatan: tanda asterik (*) menandakan koefisien signifikan pada taraf nyata lima persen.
Hubungan jangka panjang diatas dapat ditulis dalam persamaan linier berikut:
FDI = 1.912774GDP -3.08690Real_Ex – 0.04262BI_Rate – 1.75335Trade_Openn + 0.181428Inflasi
Pada jangka pendek, hasil setimasi VECM tidak ditemukan satu pun variabel yang signifikan terhadap FDI. Hal ini terjadi karena suatu variabel bereaksi terhadap variabel lain membutuhkan waktu (lag) dan umumnya reaksi suatu variabel terhadap variabel lainnya terjadi dalam jangka panjang.
Variabel GDP berpengaruh signifikan terhadap FDI, dengan nilai koefisien sebesar 1.912774 mempunyai arti bahwa apabila GDP meningkat sebesar atu persen maka FDI yang masuk ke Indonesia akan meningkat sebesar 1.912774 persen. Hasil pengujian tersebut sesuai dengan hipotesis awal dan teori bahwa semakin besar GDP yang dihasilkan maka tingkat investasi yang terjadi akan semakin bertambah (Samuelson dan Nordhaus, 1998). Hasil penelitian yang dilakukan Sulong dan Harjito (2005) menyatakan bahwa GDP berpengaruh positif terhadap perubahan FDI di Malaysia.
Nilai tukar pada hasil pengujian VECM menunjukan hasil yang signifikan negatif terhadap FDI. Koefisien pada nilai tukar menunjukan angka -2.36215 yang memiliki interpretasi bahwa setiap kenaikan nilai tukar sebesar satu persen maka FDI yang masuk ke Indonesia akan berkurang sebesar 2.36215 persen. Hasil yang ditunjukan sesuai dengan hipotesis awal dan hubungan antara nilai tukar dan FDI
dimana apabila terjadi kenaikan nilai tukar rupiah terhadap Dollar, maka akan menurunkan masuknya FDI ke Indonesia.
Variabel BI rate yang digunakan sebagai suku bunga acuan menunjukan hasil yang signifikan secara negatif dengan nilai keofisien 3.089690. Hal ini berarti setiap kenaikan BI rate sebesar satu persen maka akan mengakibatkan menurunnya arus masuk FDI ke Indonesia sebesar 3.089690 persen. Hal ini sesuai dengan teori klasik yang mengatakan bahwa investasi adalah fungsi dari suku bunga.Semakin tinggi suku bunga, maka keinginan untuk melakukan investasi semakin kecil. Hal ini terjadi karena seorang pengusaha akan menambah investasi yang dikeluarkan apabila keuntungan yang diharapkan dari investasi tersebut masih lebih besar dibanding dengan biaya modal berupa tingkat bunga yang dibayar. Jadi makin rendah tingkat bunga maka pengusaha akan terdorong untuk mengadakan investasi karena biaya pemakaian dana yang lebih kecil.
Variabel keterbukaan perdagangan menunjukan hasil yang signifikan namun negatif, dengan nilai koefisisen -1.75335. Berarti setiap kenaikan keterbukaan perdagangan sebesar satu persen maka akan menurunkan arus masuk FDI ke Indonesia sebesar 1.75335 persen. Hasil tersebut berbeda dengan hipotesi awal yang menyatakan bahwa semakin besar keterbukaan perdagangan sebuah negara maka akan meningkatkan arus masuk FDI ke negara yang tersebut. Hal ini terjadi karena diindikasikan adanya integrasi ekonomi berupa trade creation (penciptaan perdagangan) dan trade diversion (pengakihan perdagangan) yang memberikan efek bagi perdagangan internasional Indonesia. Efek integrasi ekonomi ini berpengaruh pada mobilitas faktor produksi, barang dan jasa, dan juga mobilitas capital dalam hal ini FDI. Selain itu, pengaruh integrasi ekomomi terhadap FDI adalah bermakna ganda (ambiguous): di satu sisi, integrasi dapat memberi efek investment creation dan efek investment diversion terhadap peningkatan FDI ke negara anggota melalui kesepakatan perdagangan preferensial. Di sisi lain, terdapat "tarif hopping" yang merupakan insentif bagi aliran FDI yang ada sebelum integrasi, dan akan terjadi penurunan capital outflow
dalam bentuk FDI dari negara mitra (yaitu negara anggota dalam kesepakatan perdagangan preferensial) ketika tarif dihilangkan.
Variabel terakhir adalah inflasi yang menunjukan hasil signifikan positif dengan nilai koefisien 0.181428. Setiap kenaikan inflasi sebesar satu persen maka akan meningkatkan arus masuk FDI ke Indonesia sebesar 0.181428 persen. Hasil ini tidak sesuai dengan hipotesis awal penelitian, yaitu semakin tinggi tingkat inflasi yang terjadi maka akan menurunkan arus masuk FDI ke Indonesia. Hasil ini diduga karena tingkat inflasi yang terjadi di Indonesia masih lebih rendah dibandingkan dengan tingkat ekspektasi inflasi dari para investor.Oleh karena itu meskipun terjadi kenaikan tingkat inflasi, para investor tetap menambah kegiatan investasinya dengan pertimbangan tingkat keuntungan yang diharapkan masih lebih tinggi dari tingkat inflasi yang terjadi.Selain itu, terdapat faktor-faktor lain yang lebih berpengaruh terhadap FDI di Indonesia. Penelitian yang dilakukan oleh Sulong dan Harjito (2005) juga menemukan hasil yang sama, yaitu tingkat inflasi mempunyai pengaruh positif terhadap perubahan FDI di Malaysia.
Impuls Response Function (IRF)
VAR merupakan metode yang akan menentukan sendiri struktur dinamis dalam suatu model. Ada pun cara untuk mencirikan struktur dinamis tersebut adalah dengan menganalisis respon dari model terhadap guncangan (shock). IRF adalah suatu innovation accounting yang digunakan untuk menganalisis perilaku guncangan suatu variabel terhadap variabel tertentu.IRF menunjukkan respon dari setiap variabel endogen sepanjang waktu terhadap kejutan dari variabel itu sendiri dan variabel endogen lainnya. Dengan kata lain, IRF dapat digunakan untuk melihat efek gejolak (shock) suatu standar deviasi dari variabel inovasi terhadap nilai sekarang (current time values) dan nilai yang akan datang (future values) dari variabel-variabel endogen yang terdapat dalam model yang diamati.
Gambar 5 dibawah, menjelaskan ketika terjadi guncangan terhadap variabel-variabel endogen seperti keterbukaan perdagangan, nilai tukar, BI rate, GDP, dan inflasi akan seperti apa berpengaruhnya terhadap FDI. Ketika terjadi guncangan pada trade opennes, respon FDI pada tahun pertama mengalami penurunan dan penurunan paling tinggi terrjadi pada periode keenam, setelah itu responnya kembali stabil pada periode-periode selanjutnya.
Terlihat pada gambar di atas bahwa setiap guncangan yang terjadi pada masing-masing variabel memiliki respon yang berbeda terhadap FDI.Respon FDI terhadap guncangan dari nilai tukar adalah negatif dan berfluktuatif pada awal periode kemudian kembali stabil.Begitu pula dengan variabel keterbukaan perdagangan.Sedangkan untuk variabel BI rate dan inflasi memiliki respon positif diawal periode kemudian responnya negative dan stabil.
Hasil dari IRF ini menunjukan bahwa pemerintah harus menjaga stabilitas nilai tukar dan keterbukaan perdagangan lebih ketat dibandingkan dengan variabel lainnya, karena dikhawatirkan akan memberikan dampak negative terhadap arus masuk FDI seperti yang terlihat dari hasil pengujian IRF.
Gambar 5. Respon FDI Ketika Terjadi Guncangan pada Keterbukaan Perdagangan, GDP, Nilai Tukar, BI Rate, dan Inflasi
Forecasting Error Variance Decomposition (FEVD)
FEVD merupakan metode yang digunakan untuk melihat seperti apaperubahan suatu variabel yang ditunjukan oleh error variance yang dipengaruhi oleh variabel lainnya sehingga bisa dilihat dampak variabel-variabel tersebut terhadap arus masuk FDI. Metode ini menunjukan suatu struktur dinamis dalam model VAR. metode ini dapat melihat kekuatan dan kelemahan masing-masing variabel dalam mempengaruhi variabel lainnya dalam periode tertentu.FEVD dapat diketahui secara pasti faktor-faktor yang mempengaruhi fluktuasi dari variabel tertentu (Firdaus, 2011).
-.3 -.2 -.1 .0 .1 .2 .3 1 2 3 4 5 6 7 8 9 10 Response of FDI to GDP -.3 -.2 -.1 .0 .1 .2 .3 1 2 3 4 5 6 7 8 9 10
Response of FDI to REAL_EX
-.3 -.2 -.1 .0 .1 .2 .3 1 2 3 4 5 6 7 8 9 10
Response of FDI to BI_RATE
-.3 -.2 -.1 .0 .1 .2 .3 1 2 3 4 5 6 7 8 9 10
Response of FDI to TRADE_OPEN
-.3 -.2 -.1 .0 .1 .2 .3 1 2 3 4 5 6 7 8 9 10
Response of FDI to INFLASI
Gambar 6.Variance Decomposition of FDI.
Berdasarkan Gambar 6 di atas, dimasa yang akan datang arus masuk FDI akan sangat dipengaruhi oleh GDP, seperti yang ditunjukan gambar dari hasil estimasi FEVD. Variabel yang paling mempengaruhi arus masuk FDI dimasa mendatang selanjutnya setelah GDP adalah variabel inflasi, dimana apabila terjadi kenaikan atau penurunan arus tingkat inflasi maka akan sangat mempengaruhi arus FDI. Selanjutnya variabel yang mempengaruhi FDI dimasa depan setelah GDP dan inflasi adalah BI rate, kemudian nilai tukar dan terakhir adalah keterbukaan perdagangan.
Pembahasan Keseluruhan
Berdasarkan hasil pembahasan secara keseluruhan menunjukan bahwa hasil jangka pendek arus masuk FDI tidak dipengaruhi oleh variabel-variabel yang digunakan dalam dalam penelitian.Sedangkan pada jangka panjang arus masuk FDI ke Indonesia dipengaruhi oleh variabel GDP, BI rate, nilai tukar, dan inflasi sedangkan variabel keterbukaan perdagangan memberikan pengaruh yang signifikan namun negatif. Berbeda dari hipotesis awal dan penelitian sebelumnya yang dilakukan oleh Mitra, Rajarsi (2011), hal ini terjadi karena diindikasikan adanya integrasi ekonomi berupa trade creation (penciptaan perdagangan) dan trade diversion (pengakihan perdagangan) yang memberikan efek bagi perdagangan internasional Indonesia. Efek integrasi ekonomi ini berpengaruh pada mobilitas faktor produksi, barang dan jasa, dan juga mobilitas capital dalam hal ini FDI. Selain itu, pengaruh integrasi ekomomi terhadap FDI adalah bermakna ganda (ambiguous): di satu sisi, integrasi dapat memberi efek
investment creation dan efek investment diversionterhadap peningkatan FDI ke negara anggota melalui kesepakatan perdagangan preferensial. Di sisi lain, terdapat "tarif hopping" yang merupakan insentif bagi aliran FDI yang ada
0 20 40 60 80 100 120 1 5 10 15 20 25 30 35 40 45 50