Hubungan Antara Kebijakan Moneter Jalur Nilai Tukar

BAB IV ANALISIS DAN PEMBAHASAN

B. Hasil Analisis dan Pembahasan

1. Hubungan Antara Kebijakan Moneter Jalur Nilai Tukar

Hasil penelitian mengenai efektivitas kebijakan moneter jalur nilai tukar terhadap tingkat harga (inflasi) menyimpulkan bahwa, terdapat hubungan kausalitas antara kebijakan moneter jalur nilai tukar terhadap tingkat harga (inflasi), di mana nilai probabilitas nilai tukar terhadap tingkat harga (inflasi) sebesar 0.0037, hasil tersebut lebih kecil dari tingkat signifikansi pada α = 0.05. Adanya hubungan kausalitas antara variabel nilai tukar terhadap tingkat harga (inflasi) terlihat pada perekonomian, di mana pada saat nilai tukar bergerak naik (apresiasi) maupun turun (depresiasi) biasanya akan diikuti oleh laju pertumbuhan inflasi baik itu naik ataupun turun.

93 mana jika kita ingin menegtahui signifikansi jalur nilai tukar, ternyata jalur ini signifikan pada lag 1, dan jika kita ingin mengetahui hubungan pola dinamis kedua jalur tersebut ternyata jalur nilai tukar merupakan jalur yang dominan dalam mempengaruhi tingkat harga (inflasi), hal tersebut dapat dilihat berdasarkan hasil uji variance decomposition dan IRF-nya. Jika kita interpretasikan terhadap kondisi ekonomi nasional, hasil signifikansi tersebut berkesimpulan bahwa jalur nilai tukar jika digunakan sebagai alternatif jalur kebijakan moneter dalam mencapai sasaran akhir yaitu keseimbangan tingkat harga (inflasi), maka jalur ini signifikan (mampu mencapai sasaran akhir tersebut) dan lebih baik ketimbang pada jalur suku bunga dalam mempengaruhi tingkat harga (inflasi).

Teori mengenai hubungan antara nilai tukar dan tingkat harga dijelaskan melalui konsep teori purchasing power parity, di mana konsep teori ini menjelaskan bahwa nilai tukar terkait dengan tingkat harga di dalam negeri yang relatif terhadap tingkat harga di luar negeri.

Hasil penelitian ini juga relevan dengan hasil penelitian M. Natsir jika melihat hubungan kausalitasnya, di mana terdapat hubungan kausalitas antara nilai tukar terhadap inflasi. Namun, jika dikaitkan dengan hasil variance decomposition dan uji IRF, penelitian ini kurang relevan dengan hasil penelitian yang pernah dilakukan oleh M. Natsir namun keduanya sama-sama mampu menjelaskan variasi tingkat harga (inflasi), di mana jalur nilai tukar dalam penelitian ini merupakan jalur yang paling dominan dalam mempengaruhi tingkat harga (inflasi) dibandingkan jalur suku bunga, sedangkan penelitian yang dilakukan oleh M. Natsir menyimpulkan hal yang sebaliknya.

94 Perkembangan mengenai penggunaan jalur kebijakan moneter di Indonesia melalui jalur nilai tukar menyimpulkan bahwa, dalam perkembangannya efektivitas jalur nilai tukar masih merupakan jalur yang relevan untuk diadopsi sebagai salah satu jalur instrumen kebijakan moneter, sebab selain terbukti mampu mempengaruhi sasaran akhir berupa kestabilan tingkat harga, jalur ini juga mempunyai hubungan erat dengan kegiatan ekonomi dan cukup mempunyai efek signifikan dalam mempengaruhi perkembangannya. Karena menurut Nopirin (1992), untuk mencapai sasaran akhir dari kebijakan moneter tergantung pada, pertama; kuat atau tidaknya hubungan antara perubahan kebijakan moneter dengan kegiatan ekonomi dan kedua; jangka waktu antara perubahan kebijakan moneter dengan efeknya terhadap kegiatan ekonomi.

2. Hubungan antara kebijakan moneter jalur suku bunga terhadap tingkat harga (inflasi).

Hasil penelitian mengenai efektivitas kebijakan moneter jalur suku bunga terhadap tingkat harga (inflasi) menyimpulkan bahwa, terdapat hubungan kausalitas antara kebijakan moneter jalur suku bunga terhadap tingkat harga (inflasi), di mana nilai probabilitas suku bunga terhadap tingkat harga (inflasi) sebesar 1.E-10 (0.00000000001), hasil tersebut lebih kecil dari tingkat signifikansi pada α = 0.05. Adanya hubungan kausalitas antara variabel suku bunga SBI dan tingkat harga (inflasi) jika diintrepretasikan ke dalam kondisi perekonomian ialah,

95 apabila tingkat suku bunga SBI berfluktuasi biasanya akan diikuti pula oleh perubahan laju inflasi.

Sedangkan dalam mencari hubungan pola dinamis dalam penelitian ini ternyata didapatkan hasil bahwa kedua jalur kebijakan moneter memiliki hubungan pola dinamis terhadap tingkat harga (inflasi) hingga lag tertentu, di mana jika kita ingin mengetahui pola dinamis jalur suku bunga, ternyata jalur ini signifikan pada lag 2 dan lag 4, dan jika kita ingin mengetahui hubungan kedua jalur tersebut dalam penelitian ini, ternyata didapatkan hasil bahwa jalur suku bunga merupakan jalur yang tidak terlalu dominan dalam mempengaruhi tingkat harga (inflasi), hal tersebut dapat dilihat berdasarkan hasil uji variance decomposition dan IRF-nya. Jika kita interpretasikan terhadap kondisi ekonomi nasional, hasil signifikansi tersebut berkesimpulan bahwa jalur suku bunga jika digunakan sebagai alternatif jalur kebijakan moneter dalam mencapai sasaran akhir yaitu keseimbangan tingkat harga (inflasi), maka jalur ini signifikan (mampu mencapai sasaran akhir tersebut), namun pengaruhnya tidak sebesar nilai tukar terhadap tingkat harga (inflasi).

Teori mengenai hubungan antara suku bunga dan tingkat harga (inflasi) dijelaskan melalui teori tingkat bunga Fisher, di mana teori ini menjelaskan bahwa perubahan pada tingkat bunga nominal salah satunya dipengaruhi oleh tingkat inflasi.

Hasil penelitian ini juga relevan dengan hasil penelitian M. Natsir jika melihat hubungan kausalitasnya, di mana terdapat hubungan kausalitas antara

96 suku bunga terhadap inflasi. Namun, jika dikaitkan dengan hasil variance decomposition dan uji IRF, penelitian ini kurang relevan dengan hasil penelitian yang pernah dilakukan oleh M. Natsir namun keduanya sama-sama mampu menjelaskan variasi tingkat harga (inflasi), di mana suku bunga dalam penelitian ini merupakan jalur yang kurang dominan dalam mempengaruhi tingkat harga (inflasi), sedangkan penelitian yang dilakukan oleh M. Natsir menyimpulkan hal bahwa, justru jalur suku bunga yang cukup dominan dalam mempengaruhi inflasi ketimbang jalur nilai tukar.

Perkembangan mengenai penggunaan jalur kebijakan moneter di Indonesia melalui jalur suku bunga menyimpulkan bahwa, dalam perkembangannya efektivitas jalur suku bunga masih merupakan jalur yang relevan untuk diadopsi sebagai salah satu jalur instrumen kebijakan moneter, sebab selain terbukti mampu mempengaruhi sasaran akhir berupa kestabilan tingkat harga, jalur ini juga mempunyai hubungan erat dengan kegiatan ekonomi dan cukup mempunyai efek signifikan dalam mempengaruhi perkembangannya. Karena menurut Nopirin (1992), untuk mencapai sasaran akhir dari kebijakan moneter tergantung pada, pertama; kuat atau tidaknya hubungan antara perubahan kebijakan moneter dengan kegiatan ekonomi dan kedua; jangka waktu antara perubahan kebijakan moneter dengan efeknya terhadap kegiatan ekonomi.

97 BAB V

KESIMPULAN DAN IMPLIKASI

A. Kesimpulan

1. Terdapat hubungan kausalitas antara kebijakan moneter jalur nilai tukar dan suku bunga SBI terhadap tingkat harga (inflasi). Hal tersebut sesuai dengan penelitian yang dilakukan oleh M. Natsir, di mana dalam penelitian tersebut terdapat hubungan kausalitas antara nilai tukar dan suku bunga SBI terhadap inflasi.

2. Terdapat pola hubungan dinamis pada tingkat harga (inflasi) akibat kejutan (shock) yang ditimbulkan oleh kebijakan moneter jalur nilai tukar dan suku bunga pada lag tertentu. Oleh karena secara individu parameter hasil estimasi VECM sulit untuk diintepretasikan dan kurang memiliki makna khusus untuk tujuan utama penelitian analisis pola dinamis kebijakan moneter. Untuk alasan itu, para ahli ekonomi moneter dan praktisi di beberapa bank sentral fokus pada uji impulse response function (IRF) dan variance decomposition (VD) (Solikin, dkk, 1996) dan (Widarjono, 2007). Dan jika dikaitkan dan dilihat dari hasil uji variance decomposition dan IRF dalam penelitian ini, ternyata hasilnya bertentangan dengan kesimpulan penelitian yang pernah dilakukan oleh M. Natsir ketika memposisikan dominasi keterkaitan jalur nilai tukar dan suku bunga terhadap tingkat harga (inflasi), namun kedua jalur kebijakan moneter tersebut sama-sama mampu menjelaskan variasi tingkat harga

98 (inflasi). Jika dalam penelitian ini menyimpulkan bahwa ternyata jalur nilai tukar yang lebih dominan (lebih besar) dibandingkan jalur suku bunga dalam menjelaskan variasi tingkat harga (inflasi). Sedangkan menurut penelitian M. Natsir jalur nilai tukar hanya mampu menjelaskan variasi tingkat harga (inflasi) yang tidak terlalu besar, dan jalur suku bunga mempunyai porsi yang cukup besar (dominan) dalam menjelaskan variasi tingkat harga (inflasi).

B. Implikasi

Penggunaan jalur nilai tukar dan suku bunga sebagai policy reference

dalam menentukan tingkat harga (inflasi) di Indonesia perlu dilakukan secara hati- hati. Kebijakan ini hendaknya disertai dengan sinergi dengan kebijakan lain untuk stabilisasi makroekonomi. Sesuai dengan kebijakan Bank Indonesia yang striking the optimal balance yaitu pencapaian inflasi yang terjaga (moderat) dan dukungan bagi pertumbuhan ekonomi secara berkelanjutan. Maka dalam hal ini koordinasi antara Bank Indonesia (sebagai lembaga moneter nasional) dengan para

stakeholders ekonomi perlu ditingkatkan guna mencapai stabilitas makroekonomi tersebut.

Tekad Bank Indonesia untuk selalu menjaga stabilitas moneter pasca terjadinya krisis 1997/1998 dengan terus memodernisasi dan merestrukturisasi lembaganya perlu didukung oleh semua pihak. Namun demikian, stabilitas moneter bukanlah tujuan akhir dalam proses ekonomi yang terus berkembang. Tujuan akhir ekonomi ialah meningkatnya kapasitas ekonomi sehingga mampu memberikan peluang bagi segenap rakyat Indonesia untuk dapat mengecap

99 nikmatnya kemakmuran dan kesejahteraan ekonomi seluas-luasnya dan berkesinambungan.

100 DAFTAR PUSTAKA

Agung, J. Dan F. Warjiyo. “Transmission Mechanisms of Monetary Policy in Indonesia”, Directorate of Economic Research and Monetary Policy. Bank of Indonesia, Jakarta, 2002.

Ajija, R. Shochrul, dkk. “Cara Cerdas Menguasai E Views”, Salemba Empat, Jakarta, 2011.

Anglingkusumo, R., C. Ligaya dan E.D. Cahyono. “Pengukuran Target Inflasi

Dalam Rangka Melaksanakan Kebijakan Moneter Secara Forward Looking”, Buletin Ekonomi dan Perbankan, 2(4): 35-67, 2000.

Arifin, S. “Efektifitas Kebijakan Suku Bunga dalam Rangka Stabilitas Rupiah di Masa Krisis”, Buletin Ekonomi Moneter dan Perbankan. Bank Indonesia,

Jakarta, 1998.

Ascarya. “Instrumen-Instrumen Pengendalian Moneter, Pusat Pendidikan dan Studi Kebanksentralan”, Bank Indonesia, Jakarta, 2002.

Bank Indonesia. “Laporan Tahunan Bank Indonesia”, Beberapa terbitan 2000- 2011, Bank Indonesia, Jakarta.

Bank Indonesia. “Statistik Ekonomi Keuangan Indonesia”, Berbagai terbitan 2000-2011, Bank Indonesia, Jakarta.

Basith, Ahmad. “Analisis Mekanisme Transmisi Kebijakan Moneter Melalui Jalur Suku Bunga dan Nilai Tukar”, [Tesis], FEM-IPB, Bogor, 2007.

Bernanke, Ben S. dan Alan S. Blinder. “Credit, Money, and Aggregat Demand”, American Economic Review, Vol. 78, No. 2, 1998.

Bernanke, Ben S. dan Alan S. Blinder. “The Federal Funds Rate and The

Channel of Monetary Trnasmission Mechanism”, The American

Economic Review, 1992.

Bernanke, Ben S. dan Mark Getler. “Inside the Black Box: The Credit Channels

of Monetary Policy Transmission”, Journal of Economic Perspective, Vol. 9, 1995.

Bofinger, Peter. “Monetary Policy”, Journal of Economic, New York, Oxford University Press, 2001.

Boediono. “Ekonomi Moneter”, buku I, Yogyakarta: BPFE UGM, 2000.

Boivin, J. And M. Giannoni. “Assesing Change in The Monetary Transmission

Mechanism: A VAR Approach”, Economic Policy Review, 8(1): 97-111, 2002.

101 Bond, T.J. “Money, Interest Rate, and Inflation. META Project: URES Discussion

Paper”, Bank Indonesia, Jakarta, 1994.

Bond T.J.; Ascarya S.I.M.; Toha M.; Zulverdi D. “Monetary Targets”, META Project: URES Discussion Paper. Bank Indonesia, Jakarta, 1994.

Carare, A dan M. R. Stone. Inflation Targeting Regimes”, IMF working Paper, Monetary and Exchange Affairs Departement, 2003.

Choudhary A S Munir and Muhammad Aslam Chaudhry. “Effects of The Exchange Rate on Output and Price Level: Evidence from The Pakistani Economy”, The Lahore Journal of economics, vol. 12, No. 1, University of Punjab. Punjab, 2007.

Darwanto. “Kejutan Pertumbuhan Nilai Tukar Riil Terhadap Inflasi,

Pertumbuhan Output, dan Pertumbuhan Neraca Transaksi Berjalan di Indonesia”, [skripsi]. FEB UGM, Yogyakarta, 2007.

Darwas, Z. ”Exchange Rate Pass Through and Real Exchange Rate in EU

Candidat Countries”, Discussion Paper, Economic Research Centre of The Deutsche Bundesbank, Frankfurt, 2001.

Dornbusch, R. “Exchange Rates and Prices”, American Economic Review, 77(4): 93-106.

Dornbusch, R dan Fisher S. “Makroekonomi”, Edisi Keempat. Jakarta: Erlangga, 1996.

Enders, W. “Applied Econometrics Time Series”, Iowa University. New York: John Wiley and Sons Inc, 1995.

Endri. “Analisis Faktor-faktor yang Mempengaruhi Inflasi di Indonesia”, Jurnal Ekonomi Pembangunan Vol. 13 No. 1, April 2008 Hal 1-13, Jakarta, 2008. Falianty, T.A. “Evaluasi Terhadap Agregat Moneter Sebagai Sasaran Antara Kebijakan Moneter Periode 1984:1- 1997:2”, [skripsi]. FE UI, Jakarta, 2001.

Goeltom, Miranda S. “Manajemen Nilai Tukar di Indonesia dan Permasalahannya”, Bank Indonesia, 1998.

Gujarati, Damodar N. “Basic Econometrics”, 4th Edition, McGraw-Hill, New York, 2004.

Gujarati, Damodar N. “Basic Econometrics”, Mc Graw-Hill, New York, 2003. Hakim, L. “Perbandingan Peranan Jalur Kredit Pada Masa Sebelum dan

Sesudah Krisis Ekonomi 1990. 1-2000. 4. Beberapa Agenda Perekonomian Indonesia Kritik dan Solusi”, DRFE Usakti, Jakarta, 2004.

102 Harris, R. “Cointegration Analysis in Econometric Modelling”, Prentice Hall,

New York, 1995.

Haryono, E., W.A. Nugroho dan W. Pratomo. “Mekanisme Pengendalian

Moneter Dengan Inflasi Sebagai Sasaran Tunggal”, Buletin Ekonomi Moneter dan Perbankan, 2(4): 68-122, 2000.

Hascaryo, Agung Ronyi. “Mekanisme Transmisi Kebijakan Moneter dan Evaluasi

terhadap Berbagai Kebijakan Moneter di Indonesia (Analisa Model Makro Ekonometrik Simultan)”, FEUI, Depok, 2003.

Hoffman, D.L. dan R.H. Rasche. “STLS/US-VECM 6.1: A Vector-Error Correction Forcasting Model of U.S Economy”, Working Paper 1997- Ekonomi Rakyat, tersedia di http://research.stlouisfed.org/wp/1997/97- 008.pdf,1997.

Hsiang, Yu. “Application of the IS-MP-IA Model to the Germany Economy and

Policy Implications”, Economics Bulletin, Southeastern Lousiana

University, 2005.

Insukindro. “Pengantar Ekonomi Moneter”, BPFE UGM, Jogjakarta, 1992. Irawan, A. “Analisis Perilaku Instabilitas, Pergerakan Harga, Employment dan

Investasi di Dalam Sektor Pertanian Indonesia: Aplikasi Vector Error Correction Model”, Buletin Ekonomi Moneter dan Perbankan, 8 (1): 79- 115, 2005.

Jhingan, M.L. “Ekonomi Pembangunan dan Perencanaan”, PT. Raja Grafindo Persada, Jakarta, 2000.

Judisseno, R.K. “Sistem Moneter dan Perbankan di Indonesia”, PT. Gramedia, Jakarta, 2005.

Khan, M.S. “Current Issues in The Design and Conduct of Monetary Policy”, IMF Working Paper, IMF institute, 2003.

Kostov, P. Dan J. Lingard. “Regime-switching Vector Error Correction Model

(VECM)analysis of UK”, 2000.

Kristiawardani, K. “Model Ekonomi Indonesia dengan Metode VAR”, FMIPA- IPB, Bogor, 2002.

Kuncoro, Mudrajad. “Dinamika Inflasi dan Kebijakan Energi Nasional”, artikel

103 Kusmiarso, E. Sukawati, dan S. Pambudi. “Interest Rate Channel of Monetary

Transmission in Indonesia”, Directorate of Economic Research adn Monetary Policy Bank Indonesia, Jakarta, 2002.

Mankiw, Gregory. “Teori Makroekonomi”, Edisi Keempat, Jakarta: Erlangga, 2000.

Mankiw, Gregory. “Principles of Economics (Pengantar Ekonomi Mikro)”, Edisi 3, Salemba Empat, Jakarta, 2006.

Mishkin, F.S. “International Experiences With Different Monetary Policy Regimes”, Seminar Paper No. 648, http://www.iies.su.se/.(24-February-04), 1998.

Mishkin, F.S. “The Economic of Money, Banking and Finacial Markets”, Sixth Edition. Columbia University, 2001.

Mishkin, Fredric S. “Ekonomi Uang, Perbankan, dan Pasar Keuangan”, Edisi 8

Salemba Empat, Jakarta, 2008.

Natsir M. “Analisis Empiris Efektivitas Mekanisme Transmisi Kebijakan Moneter Di Indonesia Melalui Jalur Nilai Tukar Periode 1990:2-2007:1”, FE Universitas Haluoleo, Kendari, 2007.

Nopirin. “Ekonomi Moneter”, Buku Kedua, Edisi Pertama, BPFE, Yogyakarta, 1992.

Nualtaranee, J. “Transmission Mechanism of Monetary Policy: Litarature Survey and Theoritical Discussion”,

http://www.wbcu.car.chula.ac.th/papers/transmission.htm, 2001.

Oh, J. “Inflation Targeting, Monetary Transmission Mechanism, and Policy Rules

in Korea”, Economic Paper, 2(1): 102-146, 1999.

Reddy, Y. V. “Monetary Policy: An Outline”, BIS Review, September 2005. Renato, E & Reside, Jr. “Two Decades of Vector Autoregression (VAR)

Modelling : A Survai”, Discussion Paper No. 0108, 2001.

Simorangkir, I. dan Suseno. “Sistem dan Kebijakan Nilai Tukar”, Pusat Pendidikan dan Studi Kebanksentralan, Bank Indonesia, 2004.

Siswanto, B. Y. Kurniati, G.B. Padoli dan S.H. Binhadi. “Mekanisme Transmisi

Kebijakan Moneter Melalui Jalur Nilai Tukar”, Ocassional Paper, Direktorat Riset Ekonomi dan Kebijakan Moneter, Bank Indonesia, Jakarta, 2001.

104 Suselo, Sri Liani et al. “Pengaruh volatilitas nilai tukar terhadap pertumbuhan ekonomi Indonesia”, Buletin Ekonomi Moneter dan Perbankan BI, vol. 1, Jakarta, 2008.

Syabran, Febria. “Transmisi Kebijakan Moneter Melalui Jalur Nilai Tukar dan

Suku Bunga di Indonesia”, [Skripsi], FEM-IPB, Bogor, 2004.

Taylor, John B. “The Monetary Transmission Mechanisms: An Empirical

Framework”, Journal of Economic Perspective, 9, 1995.

Tirtayasi, Esi Dewi. “Analisis Efektifitas Kebijakan Moneter Melalui Suku Bunga

Dalam Mempengaruhi Output Dan Tingkat Harga”, [Skripsi], FEM-IPB,

Bogor, 2005.

Vinh Nguyen Thi Thuy and Seiichi Fujita. “The Impact of Real Exchange Rate on Output and Inflation in Vietnam: A VAR Approach”, Discussion Paper,

No. 0625. Foreign Trade University, Hanoi, 2007.

Waluyo, Doddy Budi dan Benny Siswanto. “Peranan Kebijakan Nilai Tukar Dalam Era Deregulasi dan Globalisasi”, Buletin Ekonomi Moneter dan Perbankan, Vol. 1, No.1, 85-122, 1998.

Warjiyo, P. dan Solikin.”Kebijakan Moneter”, Jakarta: Bank Indonesia, 2003. Warjiyo, Perry. “Bank Indonesia, Bank Sentral Republik Indonesia: Sebuah

Pengantar”, Pusat Pendidikan dan Studi Kebanksentralan (PPSK) BI,

Jakarta, 2004.

Warjiyo, Perry. “Ekonomi Moneter dan Perbankan: Teori, Model Empiris dan

Kebijakan”, Pascasarjana UI Program Studi IE, Depok, 2005.

Warjiyo, P. Dan D. Zulverdi. “Penggunaan Suku Bunga sebagai Sasaran

Operasional Kebijakan Moneter di Indonesia”, Buletin Ekonomi dan Perbankan, 1(1): 25-58, 1998.

105 Lampiran 1: Data Penelitian

TAHUN SBI (%) INF (%) EXC (Rp/USD)

1998.1 20,00 16,25 10375 1998.2 22,00 29,99 8750 1998.3 27,75 36,8 8325 1998.4 46,43 42,65 7500 1998.5 58,00 49,67 10525 1998.6 58,00 56,67 14900 1998.7 70,81 68,72 13000 1998.8 70,73 77,72 11075 1998.9 68,76 82,4 10700 1998.10 59,72 79,41 7550 1998.11 51,25 78,15 7300 1998.12 38,44 77,63 8025 1999.1 36,43 70,66 8950 1999.2 37,50 53,39 8730 1999.3 37,84 45,44 8685 1999.4 35,19 37,97 8260 1999.5 28,73 30,73 8105 1999.6 22,05 24,52 6726 1999.7 15,01 13,49 6875 1999.8 13,20 5,77 7565 1999.9 13,02 1,25 8386 1999.10 13,13 1,58 6900 1999.11 13,01 1,6 7425 1999.12 12,51 1,92 7100 2000.1 11,48 0,28 7425 2000.4 11,00 0,07 7945 2000.5 11,08 1,2 8620 2000.6 11,74 2,04 8735 2000.7 13,53 4,45 9003 2000.8 13,53 5,97 8290 2000.9 13,62 6,64 8780 2000.10 13,74 7,82 9395 2000.11 14,15 9,12 9530 2000.12 14,53 9,35 9595 2001.1 14,74 8,28 9450 2001.2 14,79 9,12 9835 2001.3 15,58 10,6 10400

106 2001.4 16,09 10,51 11675 2001.5 16,33 10,82 11058 2001.6 16,65 12,11 11440 2001.7 17,17 13,04 9525 2001.8 17,67 12,23 8865 2001.9 17,57 13,01 9675 2001.10 17,58 12,47 10435 2001.11 17,60 12,19 10430 2001.12 17,62 12,55 10400 2002.1 16,93 14,56 10320 2002.2 16,86 14,88 10189 2002.3 16,76 14,21 9655 2002.4 16,61 13,44 9316 2002.5 15,51 13,09 8785 2002.6 15,11 11,57 8730 2002.7 14,93 10,02 9108 2002.8 14,35 10,58 8867 2002.9 13,22 10,54 9015 2002.10 13,10 10,34 9233 2002.11 13,06 10,41 8976 2002.12 12,93 9,92 8940 2003.1 12,69 8,66 8876 2003.2 12,24 7,65 8905 2003.3 11,04 7,11 8908 2003.4 11,06 7,64 8675 2003.5 10,44 7,07 8279 2003.6 9,53 6,95 8285 2003.7 9,01 6,2 8505 2003.8 8,91 6,58 8535 2003.9 8,66 6,34 8389 2003.10 8,53 6,41 8495 2003.11 8,49 5,52 8537 2003.12 8,31 5,17 8465 2004.1 7,86 4,84 8441 2004.2 7,48 4,55 8447 2004.3 7,42 5,12 8587 2004.4 7,33 5,87 8661 2004.5 7,32 6,51 9210 2004.6 7,34 6,78 9415

107 2004.7 7,36 7,25 9168 2004.8 7,37 6,64 9328 2004.9 7,39 6,24 9170 2004.10 7,41 6,21 9090 2004.11 7,41 6,24 9018 2004.12 7,43 6,47 9290 2005.1 7,42 7,24 9165 2005.2 7,43 7,16 9260 2005.3 7,44 8,84 9480 2005.4 7,70 8,13 9570 2005.5 7,95 7,4 9495 2005.6 8,25 7,46 9713 2005.7 8,49 7,82 9819 2005.8 9,51 8,32 10240 2005.9 10,00 9,06 10310 2005.10 11,00 17,93 10090 2005.11 12,25 18,34 10035 2005.12 12,75 17,07 9830 2006.1 12,75 17,06 9395 2006.2 12,74 17,95 9230 2006.3 12,73 15,73 9075 2006.4 12,74 15,4 8775 2006.5 12,50 15,6 9220 2006.6 12,50 15,53 9300 2006.7 12,25 15,15 9070 2006.8 11,75 14,9 9100 2006.9 11,25 14,55 9235 2006.10 10,75 6,29 9110 2006.11 10,25 5,27 9165 2006.12 9,75 6,6 9020 2007.1 9,50 6,26 9090 2007.2 9,25 6,3 9160 2007.3 9,00 6,52 9118 2007.4 9,00 6,29 9083 2007.5 8,75 6,01 8828 2007.6 8,50 5,78 9054 2007.7 8,25 6,06 9186 2007.8 8,25 6,51 9410 2007.9 8,25 6,95 9137

108 2007.10 8,25 6,88 9103 2007.11 8,25 6,71 9376 2007.12 8,00 6,59 9419 2008.1 8,00 7,36 9291 2008.2 7,93 7,4 9051 2008.3 7,96 8,17 9217 2008.4 7,99 8,96 9234 2008.5 8,31 10,38 9318 2008.6 8,73 11,28 9225 2008.7 9,23 12,01 9118 2008.8 9,28 11,74 9153 2008.9 9,71 11,93 9378 2008.10 10,98 11,55 10995 2008.11 11,24 11,48 12151 2008.12 10,83 11,06 10950 2009.1 9,77 8,24 11355 2009.2 8,74 7,76 11980 2009.3 8,21 6,98 11575 2009.4 7,64 6,04 10713 2009.5 7,25 4,62 10340 2009.6 6,95 3,65 10225 2009.7 6,71 2,71 9920 2009.8 6,58 2,76 10060 2009.9 6,48 2,83 9681 2009.10 6,49 2,57 9545 2009.11 6,47 2,41 9480 2009.12 6,46 2,78 9400 2010.1 6,45 3,72 9365 2010.2 6,41 3,82 9335 2010.3 6,32 3,43 9115 2010.4 6,20 3,91 9012 2010.5 6,30 4,16 9180 2010.6 6,26 5,05 9083 2010.7 6,26 6,22 8952 2010.8 6,26 6,44 9041 2010.9 6,26 5,8 8924 2010.10 6,26 5,67 8928 2010.11 6,26 6,33 9013 2010.12 6,26 6,96 8991

109 Lampiran 2: Hasil Uji Akar Unit (Level)

Null Hypothesis: EXC has a unit root Exogenous: Constant, Linear Trend

Lag Length: 0 (Automatic based on SIC, MAXLAG=13)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.434572 0.0026 Test critical values: 1% level -4.019151

5% level -3.439461 10% level -3.144113

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

Augmented Dickey-Fuller Test Equation Dependent Variable: D(EXC)

Method: Least Squares Date: 10/25/11 Time: 15:28

Sample (adjusted): 1998M02 2010M10 Included observations: 153 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

EXC(-1) -0.227001 0.051189 -4.434572 0.0000 C 2006.380 470.9643 4.260153 0.0000 @TREND(1998M01) 1.225626 1.258550 0.973840 0.3317

R-squared 0.116045 Mean dependent var -9.045752 Adjusted R-squared 0.104259 S.D. dependent var 714.1354 S.E. of regression 675.8832 Akaike info criterion 15.88933 Sum squared resid 68522723 Schwarz criterion 15.94875 Log likelihood -1212.534 Hannan-Quinn criter. 15.91347 F-statistic 9.845994 Durbin-Watson stat 1.517335 Prob(F-statistic) 0.000096

110 Null Hypothesis: INF has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 6 (Automatic based on SIC, MAXLAG=13)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -6.081880 0.0000 Test critical values: 1% level -4.021691

5% level -3.440681 10% level -3.144830

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

Augmented Dickey-Fuller Test Equation Dependent Variable: D(INF)

Method: Least Squares Date: 10/25/11 Time: 15:29

Sample (adjusted): 1998M08 2010M10 Included observations: 147 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

INF(-1) -0.086435 0.014212 -6.081880 0.0000 D(INF(-1)) 0.486156 0.072560 6.700084 0.0000 D(INF(-2)) -0.049608 0.082742 -0.599551 0.5498 D(INF(-3)) 0.131630 0.082426 1.596956 0.1126 D(INF(-4)) 0.186788 0.082819 2.255386 0.0257 D(INF(-5)) -0.035592 0.082812 -0.429790 0.6680 D(INF(-6)) 0.088201 0.072041 1.224319 0.2229 C 1.415885 0.477335 2.966228 0.0036 @TREND(1998M01) -0.006722 0.004138 -1.624610 0.1065

R-squared 0.606997 Mean dependent var -0.420136 Adjusted R-squared 0.584214 S.D. dependent var 2.716831 S.E. of regression 1.751852 Akaike info criterion 4.018495 Sum squared resid 423.5202 Schwarz criterion 4.201582 Log likelihood -286.3594 Hannan-Quinn criter. 4.092885 F-statistic 26.64276 Durbin-Watson stat 2.178464 Prob(F-statistic) 0.000000

111 Null Hypothesis: SBI has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 8 (Automatic based on SIC, MAXLAG=13)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -9.207637 0.0000 Test critical values: 1% level -4.022586

5% level -3.441111 10% level -3.145082

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

Augmented Dickey-Fuller Test Equation Dependent Variable: D(SBI)

Method: Least Squares Date: 10/25/11 Time: 15:29

Sample (adjusted): 1998M10 2010M10 Included observations: 145 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

SBI(-1) -0.130079 0.014127 -9.207637 0.0000 D(SBI(-1)) 0.512712 0.072157 7.105545 0.0000 D(SBI(-2)) 0.054088 0.083888 0.644760 0.5202 D(SBI(-3)) -0.270114 0.062713 -4.307138 0.0000 D(SBI(-4)) -0.026932 0.047410 -0.568062 0.5709 D(SBI(-5)) -0.131363 0.046432 -2.829154 0.0054 D(SBI(-6)) 0.251827 0.030359 8.295019 0.0000 D(SBI(-7)) 0.056792 0.034260 1.657671 0.0997 D(SBI(-8)) -0.055366 0.031023 -1.784716 0.0766 C 1.998342 0.308988 6.467376 0.0000 @TREND(1998M01) -0.007860 0.002020 -3.890149 0.0002

R-squared 0.866911 Mean dependent var -0.431034 Adjusted R-squared 0.856979 S.D. dependent var 1.803682 S.E. of regression 0.682120 Akaike info criterion 2.145606 Sum squared resid 62.34846 Schwarz criterion 2.371428 Log likelihood -144.5565 Hannan-Quinn criter. 2.237365 F-statistic 87.28421 Durbin-Watson stat 1.585322 Prob(F-statistic) 0.000000

112 Lampiran 3: Hasil Penentuan Lag Optimal

VAR Lag Order Selection Criteria Endogenous variables: EXC INF SBI Exogenous variables: C

Date: 10/25/11 Time: 15:45 Sample: 1998M01 2010M12 Included observations: 146

Lag LogL LR FPE AIC SC HQ

0 -2185.182 NA 2.09e+09 29.97509 30.03640 30.00000 1 -1651.504 1038.112 1581907. 22.78773 23.03296 22.88737 2 -1588.198 120.5420 751931.5 22.04381 22.47296 22.21818 3 -1563.359 46.27522 605526.1 21.82684 22.43991 22.07594 4 -1501.640 112.4468 294327.9 21.10466 21.90165* 21.42850 5 -1484.816 29.96057 264740.2 20.99748 21.97840 21.39605 6 -1468.914 27.66584 241289.5 20.90293 22.06776 21.37623 7 -1441.607 46.38359 188238.2 20.65216 22.00091 21.20019* 8 -1431.246 17.17403* 185368.5* 20.63351* 22.16619 21.25627

* indicates lag order selected by the criterion

LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error

AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

113 Lampiran 4: Hasil Uji Kausalitas Granger

Pairwise Granger Causality Tests Date: 10/25/11 Time: 15:33 Sample: 1998M01 2010M12 Lags: 4

Null Hypothesis: Obs F-Statistic Prob.

INF does not Granger Cause EXC 150 2.97644 0.0214 EXC does not Granger Cause INF 4.07294 0.0037

SBI does not Granger Cause EXC 150 18.5749 3.E-12 EXC does not Granger Cause SBI 17.2911 1.E-11

SBI does not Granger Cause INF 150 15.8382 1.E-10 INF does not Granger Cause SBI 0.95762 0.4329

114 Lampiran 5: Hasil Uji Kointegrasi Johansen

Date: 10/25/11 Time: 15:39

Sample (adjusted): 1998M06 2010M10 Included observations: 149 after adjustments Trend assumption: No deterministic trend Series: EXC INF SBI

Lags interval (in first differences): 1 to 4

Unrestricted Cointegration Rank Test (Trace)

Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.394648 93.10204 24.27596 0.0000 At most 1 * 0.115373 18.31221 12.32090 0.0044 At most 2 0.000311 0.046394 4.129906 0.8599

Trace test indicates 2 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 Max-Eigen 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.394648 74.78983 17.79730 0.0000 At most 1 * 0.115373 18.26582 11.22480 0.0025 At most 2 0.000311 0.046394 4.129906 0.8599

Max-eigenvalue test indicates 2 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):

EXC INF SBI

-4.91E-05 0.094130 -0.029347 -0.000107 -0.218186 0.295751 -0.000180 -0.057677 0.109387

Unrestricted Adjustment Coefficients (alpha):

D(EXC) -47.90108 19.58899 -8.560011 D(INF) -0.841856 0.328841 0.007443 D(SBI) -0.655552 -0.257702 0.001118

1 Cointegrating Equation(s): Log likelihood -1630.956

Normalized cointegrating coefficients (standard error in parentheses)

EXC INF SBI

1.000000 -1915.219 597.0987 (440.638) (466.992)

115 Adjustment coefficients (standard error in parentheses)

D(EXC) 0.002354 (0.00207) D(INF) 4.14E-05 (6.3E-06) D(SBI) 3.22E-05 (4.7E-06)

2 Cointegrating Equation(s): Log likelihood -1621.823

Normalized cointegrating coefficients (standard error in parentheses)

EXC INF SBI

1.000000 0.000000 -1032.450 (92.3863) 0.000000 1.000000 -0.850842 (0.04667)

Adjustment coefficients (standard error in parentheses) D(EXC) 0.000265 -8.782985 (0.00495) (10.0201) D(INF) 6.31E-06 -0.150993 (1.5E-05) (0.02949) D(SBI) 5.97E-05 -0.005480 (1.1E-05) (0.02206)

116 Lampiran 6: Hasil Estimasi VECM

Vector Error Correction Estimates Date: 10/25/11 Time: 15:49

Sample (adjusted): 1998M06 2010M10 Included observations: 149 after adjustments Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq: CointEq1

INF(-1) 1.000000 EXC(-1) -0.000522 (0.00020) [-2.57765] SBI(-1) -0.311765 (0.11111) [-2.80592]

Error Correction: D(INF) D(EXC) D(SBI)

CointEq1 -0.079244 -4.508949 -0.061707 (0.01198) (3.97243) (0.00898) [-6.61556] [-1.13506] [-6.86867] D(INF(-1)) 0.306244 28.08320 0.040272 (0.07527) (24.9628) (0.05645) [ 4.06847] [ 1.12500] [ 0.71335] D(INF(-2)) -0.187632 -29.09619 0.204960 (0.07842) (26.0059) (0.05881) [-2.39272] [-1.11883] [ 3.48489] D(INF(-3)) 0.152997 -18.51760 0.059461 (0.07595) (25.1884) (0.05696) [ 2.01437] [-0.73516] [ 1.04381] D(INF(-4)) 0.123715 28.49618 0.030359 (0.06792) (22.5250) (0.05094) [ 1.82143] [ 1.26509] [ 0.59596] D(EXC(-1)) 0.000527 0.096906 0.001022 (0.00024) (0.07950) (0.00018) [ 2.20042] [ 1.21898] [ 5.68237] D(EXC(-2)) 0.000269 -0.300700 0.001508 (0.00022) (0.07458) (0.00017) [ 1.19731] [-4.03189] [ 8.93836] D(EXC(-3)) 0.000416 -0.225262 0.000309 (0.00024) (0.07856) (0.00018) [ 1.75779] [-2.86754] [ 1.74105] D(EXC(-4)) -0.000216 -0.228719 -3.37E-05 (0.00022) (0.07269) (0.00016)

117 [-0.98579] [-3.14629] [-0.20482] D(SBI(-1)) -0.120460 68.93488 -0.099596 (0.09600) (31.8363) (0.07200) [-1.25481] [ 2.16529] [-1.38328] D(SBI(-2)) 0.319297 90.27668 0.164474 (0.07686) (25.4897) (0.05765) [ 4.15418] [ 3.54169] [ 2.85315] D(SBI(-3)) 0.076555 -135.2582 -0.117951 (0.07942) (26.3380) (0.05956) [ 0.96393] [-5.13549] [-1.98022] D(SBI(-4)) 0.276031 39.90826 -0.184882 (0.08287) (27.4810) (0.06215) [ 3.33105] [ 1.45221] [-2.97478] R-squared 0.744745 0.443604 0.714013 Adj. R-squared 0.722222 0.394510 0.688779 Sum sq. resids 328.1457 36089319 184.5837 S.E. equation 1.553331 515.1336 1.165004 F-statistic 33.06663 9.035839 28.29551 Log likelihood -270.2404 -1135.040 -227.3765 Akaike AIC 3.801885 15.40993 3.226531 Schwarz SC 4.063974 15.67202 3.488620 Mean dependent -0.286644 -10.29530 -0.347248 S.D. dependent 2.947237 662.0127 2.088299

Determinant resid covariance (dof adj.) 849385.3 Determinant resid covariance 645896.1 Log likelihood -1630.956 Akaike information criterion 22.45578 Schwarz criterion 23.30253

118 Lampiran 7: Variance Decomposition

Variance Decomposition of INF:

Period S.E. INF EXC SBI

1 1.553331 100.0000 0.000000 0.000000 2 2.445032 98.33568 1.457933 0.206391 3 2.958728 95.06564 3.637505 1.296854 4 3.429440 88.75049 7.362281 3.887230 5 4.042205 80.92425 10.70770 8.368049 6 4.633161 74.00079 14.49523 11.50399 7 5.149796 67.45838 19.13342 13.40820 8 5.578260 62.40975 22.51860 15.07165 9 5.895399 59.06951 24.32348 16.60701 10 6.116927 56.64415 25.50558 17.85027 11 6.277754 54.64432 26.44905 18.90663 12 6.401129 52.87058 27.29921 19.83021 Variance Decomposition of EXC:

Period S.E. INF EXC SBI

1 515.1336 1.417512 98.58249 0.000000 2 764.9732 0.740554 98.12167 1.137777 3 909.2321 0.772506 94.19783 5.029667 4 1007.677 1.771382 93.93651 4.292105 5 1061.584 1.664426 94.05684 4.278730 6 1096.230 1.622802 94.34049 4.036705 7 1138.779 1.890570 94.36757 3.741862 8 1186.830 2.317910 94.15639 3.525704 9 1237.357 2.709731 93.84847 3.441795 10 1292.991 3.153823 93.50854 3.337633 11 1347.869 3.581857 93.19724 3.220899 12 1397.283 4.000106 92.90982 3.090078

Variance Decomposition of SBI:

Period S.E. INF EXC SBI

1 1.165004 0.705477 0.146776 99.14775 2 1.656306 0.351323 9.111463 90.53721 3 2.510102 0.663975 29.87388 69.46214 4 3.258044 0.757819 38.72567 60.51651 5 3.814505 0.568759 41.88251 57.54874 6 4.186230 0.510668 42.19457 57.29476 7 4.441081 0.508570 40.82935 58.66208 8 4.646604 0.697577 39.59749 59.70493 9 4.859727 1.287615 38.66900 60.04339 10 5.100895 2.324722 37.83842 59.83686 11 5.358939 3.780101 37.05098 59.16892 12 5.613941 5.546824 36.20948 58.24369

Cholesky Ordering: INF EXC SBI

119 Lampiran 8: Impulse Response Function (IRF)

-0.5 0.0 0.5 1.0 1.5 2.0 2 4 6 8 10 12

Response of INF to INF

-0.5 0.0 0.5 1.0 1.5 2.0 2 4 6 8 10 12

Response of INF to EXC

-0.5 0.0 0.5 1.0 1.5 2.0 2 4 6 8 10 12

Response of INF to SBI

-200 0 200 400 600 2 4 6 8 10 12

Response of EXC to INF

-200 0 200 400 600 2 4 6 8 10 12

Response of EXC to EXC

-200 0 200 400 600 2 4 6 8 10 12

Response of EXC to SBI

-1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2 4 6 8 10 12

Response of SBI to INF

-1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2 4 6 8 10 12

Response of SBI to EXC

-1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2 4 6 8 10 12

Response of SBI to SBI

Dalam dokumen Analisis pola dinamis antara kebijakan moneter melalui jalur nilai tukar (exchange rate shan channel) dan mempengaruhi tingkat harga (Halaman 112-139)