(2.6) dimana Φ adalah besaran distribusi normal kumulatif (cumulative normal
III. GAMBARAN SISTEM PEMBAYARAN NASIONAL INDONESIA
4.3. Metode Analisis Data
4.3.2. Uji Kointegrasi
Setelah mengetahui karakteristik masing-masing data yang akan digunakan dalam penelitian, konsistensi jangka panjang dari model analisis dapat diketahui melalui uji kointegrasi Engle-Granger. Kointegrasi mengindikasikan walaupun secara individual variabel tidak stasioner namun kombinasi linier antara variabel tersebut dapat menjadi stasioner (Engle-Granger dalam Thomas, 1997). Suatu sistem variabel disebut terkointegrasi jika beberapa variabel tersebut (minimal satu variabel) terintegrasi pada ordo yang sama dan berlaku kombinasi linier dari sistem variabel tersebut yang terintegrasi pada ordo nol I(0), yaitu disequillibrium error atau residual (ut) bersifat stasioner.
Hubungan saling mempengaruhi dapat dilihat dari kointegrasi yang terjadi antarvariabel itu sendiri. Jika terdapat kointegrasi antarvariabel, maka hubungan saling mempengaruhi berjalan secara menyeluruh dan informasi tersebar secara pararel (Julaihah dan Insukindro, 2004).
Adapun persamaan jangka panjang yang diestimasi pada penelitian ini ialah; LNM1 = β0 + β1LNGDPt + β2SBIt + β3LNEt + β4LNCPIt + β5LNVTKKt + β6LNVTKDt + β7LNVTATMt + U_1t (4.6) LNTUNAI = β0 + β1LNGDPt + β2SBIt + β3LNEt + β4LNCPIt + β5LNVTKKt + β6LNVTKDt + β7LNVTATMt + U_2t (4.7)
dimana:
LNM1 = logaritma natural dari narrow money (M1) riil. LNTUNAI = logaritma natural dari uang kartal yang diedarkan riil LNGDP = logaritma natural dari GDP riil Indonesia
SBI = tingkat suku bunga SBI 30 hari
LNE = logaritma natural dari nilai tukar (Rp/$)
LNCPI = logaritma natural dari indeks harga konsumen (tahun dasar 2002) LNVTKK = logaritma natural dari volume transaksi kartu kredit
LNVKD = logaritma natural dari volume transaksi kartu debet LNVTATM = logaritma natural dari volume transaksi kartu ATM.
Metode uji kointegrasi yang sering dalam dipakai adalah uji CRDW (Cointegrating Regression Durbin Watson), uji DF dan uji ADF. Namun, dalam penelitian ini digunakan metode Engle-Granger untuk menguji kointegrasi variabel-variabel yang ada. Hal ini dikarenakan persamaan yang digunakan dalam penelitian ini merupakan persamaan tunggal.
Uji kointegrasi Engle-Granger sebetulnya menggunakan uji ADF yang terdiri dari dua tahap. Pertama, meregresi persamaan OLS kemudian mendapatkan residual dari persamaan tersebut. Kedua, dengan menggunakan metode uji ADF, akar unit dari data dites terhadap residual dengan hipotesis yang sama dengan hipotesis uji akar unit variabel-variabel sebelumnya.
Jika hipotesis nol ditolak atau signifikan, maka variabel residual adalah stasioner atau dalam hal ini kombinasi linier antar variabel adalah stasioner. Artinya meskipun variabel-variabel yang digunakan tidak stasioner, namun dalam
jangka panjang variabel-variabel tersebut cenderung menuju pada keseimbangan. Oleh karena itu, kombinasi linier dari variabel-variabel tersebut disebut regresi kointegrasi. Parameter-parameter yang dihasilkan dari kombinasi tersebut dapat disebut sebagai koefisien-koefisien jangka panjang atau co-integrated parameters.
4.3.3 ECM
Alat analisis yang digunakan dalam penelitian ini adalah ECM. Penggunaan ini didasari atas fakta bahwa ECM merupakan alat analisis yang paling sukses dalam mengaplikasikan penelitan permintaan uang. Selain itu, ECM adalah salah satu model dinamik yang diterapkan secara luas dalam analisis ekonomi. ECM lahir dan dikembangkan untuk mengatasi masalah perbedaan kekonsistenan hasil peramalan antara jangka pendek dengan jangka panjang dengan cara proporsi disequillibrium pada satu periode dikoreksi pada periode selanjutnya sehingga tidak ada informasi yang dihilangkan hingga penggunaan untuk peramalan jangka panjang (Thomas, 1997).
Adapun pertimbangan utama penggunaan ECM dalam penelitian ini dapat diuraikan sebagai berikut:
1. Model ini mampu mencari pemecahan terhadap persoalan variabel runtun waktu (time series) yang tidak stasioner dan regresi lancung (spurious regression) dalam ekonometri (Thomas, 1997).
2. ECM mampu meliputi banyak variabel dalam menganalisis fenomena ekonomi jangka pendek maupun jangka panjang, serta mampu mengkaji konsistensi model empiris dengan teori ekonomi (Nuryadin dan Santoso, 2004).
3. ECM melakukan formulasi pengkoreksian kesalahan dinamik hubungan jangka panjang antara jumlah uang yang diminta dengan penggunaan kartu pembayaran dalam persamaan yang menangkap variasi dan dinamika dalam jangka pendeknya.
Munculnya ketidakseimbangan (disequillibrium error) dikarenakan beberapa hal. Pertama, kesalahan spesifikasi antara lain kesalahan pemilihan variabel, parameter, dan keseimbangan itu sendiri. Kedua, kesalahan membuat definisi variabel dan cara mengukurnya. Ketiga, kesalahan yang disebabkan oleh faktor manusia dalam menginput data.
Sedangkan, keunggulan dari penggunaan ECM dapat diuraikan sebagai berikut:
1. Merupakan pendekatan yang digunakan untuk mengatasi masalah data time series yang non-stasioner dan regresi palsu (spurious).
2. ECM diformulasikan dalam first difference, yang mengeliminasi tren dari variabel.
3. Untuk peramalan jangka panjang, keberadaan parameter disequillibrium pada ECM menjamin bahwa seluruh komponen informasi pada tingkat level diikutsertakan dalam model. Semua bentuk kesalahan dimasukkan ke dalam untuk dikoreksi, dengan cara mendaur ulang error yang terbentuk pada periode sebelumnya pada periode selanjutnya (Thomas, 1997).
4. Selain itu, dalam pendekatan ECM sifat-sifat statistik yang diinginkan dari model dan pemberian makna yang lebih sederhana. Artinya, model ECM mampu memberikan makna lebih luas dari estimasi model ekonomi sebagai
pengaruh variabel independent terhadap dependent dalam hubungan jangka pendek maupun jangka panjang (Julianto dalam Errick, 2004).
5. ECM dapat dipaskan dengan pendekatan “umum ke spesifik” (yaitu melihat kecenderungan umum dan membaginya menjadi pendekatan jangka pendek dan jangka panjang). Dengan cara melakukan uji stasioner terhadap data terlebih dahulu akan membantu kita menghindari masalah pengolahan data nantinya seperti masalah multikolinearitas antar data yang dapat menyebabkan standard error yang sangat besar (Errick, 2004).
6. Membedakan dengan jelas antar parameter jangka panjang sehingga sangat ideal untuk digunakan menaksir dari keakuratan sebuah hipotesis.
7. Jika ada variabel yang tidak nyata dapat dibuang sehingga akan meningkatkan efisiensi estimasi (Thomas, 1997).
Seperti yang telah diungkapkan sebelumnya bahwa parameter ECM dapat dipaskan dari pendekatan yang dipakai oleh umum ke spesifik. Hal ini menimbulkan kelemahan dalam penggunaan alat analisis ini (Thomas, 1997). ECM tidak dapat memastikan pengkoreksian kesalahan dinamik hubungan jangka panjang yang dilakukannya benar-benar terjadi. Model ini juga tidak dapat memastikan bahwa hasil estimasinya itu merupakan model yang benar-benar sesuai dengan kenyataan yang ada. Kemudian, ECM juga tidak dapat memastikan bahwa variabel yang digunakan dalam model itu benar-benar stasioner ataukah tidak.