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

(1)

KEBIJAKAN EKONOMI MAKRO DAN PENDAPATAN NASIONAL DI INDONESIA

Oleh: Chenny Seftarita, S.E, M.Si (chennyseftarita@gmail.com)

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

(2)

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 IS-LM 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

(3)

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.

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

0 1,000 2,000 3,000 4,000 5,000 6,000 7,000 8,000 9,000 1985 1990 1995 2000 2005 2010 GDP

(4)

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 Wren-Lewis 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 penelitian-penelitian 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

(5)

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):

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

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:

(6)

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 hasil-hasil 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

(7)

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:

(8)

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 GOV Tidak Stasioner Tidak Stasioner Tidak Stasioner Stasioner Stasioner -

(9)

M2 EXR Tidak Stasioner Tidak Stasioner Tidak Stasioner 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 Trace 0.05

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

None * 0.975550 158.6212 47.85613 0.0000 At most 1 * 0.822957 65.84287 29.79707 0.0000 At most 2 * 0.516328 22.55882 15.49471 0.0037 At most 3 * 0.161386 4.400125 3.841466 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 Max-Eigen 0.05

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

None * 0.975550 92.77828 27.58434 0.0000 At most 1 * 0.822957 43.28405 21.13162 0.0000 At most 2 * 0.516328 18.15870 14.26460 0.0115 At most 3 * 0.161386 4.400125 3.841466 0.0359 Max-eigenvalue test indicates 4 cointegrating eqn(s) at the 0.05 level

(10)

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) Coefficient Std. Error t-Statistic Prob. DGOV * -1.259491 0.323380 -3.894768 0.0009

D2M2* -1.680604 0.709234 -2.369603 0.0280 DEXR* -0.533381 0.162352 -3.285339 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:

(11)

Test Statistic Value Df Probability F-statistic* 5.467112 (2, 20) 0.0128 Chi-square* 10.93422 2 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 Value df Probability F-statistic 1.751046 (2, 20) 0.1992 Chi-square 3.502092 2 0.1736

Tabel.6 Uji Wald Test untuk variabel D2GDP, DEXR Wald Test:

Equation: D2GDP,DEXR

Pada tabel 5 dan 6 terlihat bahwa variabel M2 dan EXR tidak mempengaruhi GDP dalam jangka pendek, terlihat dari nilai F-statistik dan Chi-square 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

(12)

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

(13)

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.

(14)

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 & Sons-Inc, 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:Long-Run Capital Accumulation, and Growth, University of Washington, Seattle.

(15)

Lampiran 1. Data

Obs GDP GOV M2 EXR

1982 62.500 7360.000 11.000 661.0000 1983 77.700 9899.000 14.600 909.0000 1984 89.900 9952.000 17.900 1026.000 1985 96.900 10873.00 23.100 1111.000 1986 102.70 6716.000 27.600 1283.000 1987 124.80 11122.00 33.800 1644.000 1988 149.60 11399.00 41.900 1686.000 1989 179.50 12836.00 58.700 1770.000 1990 210.80 18191.00 84.600 1843.000 1991 249.90 20440.00 99.000 1950.000

(16)

1992 282.40 26259.00 119.00 2030.000 1993 329.70 27705.00 145.20 2087.000 1994 382.20 28599.00 174.50 2161.000 1995 454.50 30686.00 223.30 2249.000 1996 532.60 35952.00 288.60 2342.000 1997 627.70 38359.00 355.60 2909.000 1998 955.80 55142.00 577.30 10014.00 1999 1099.7 81902.00 646.20 7856.000 2000 1389.8 42594.00 738.70 8422.000 2001 1646.3 122639.0 844.00 10261.00 2002 1821.8 138794.0 883.90 9311.000 2003 2013.7 69247.00 955.60 8577.000 2004 2295.8 61450.00 1033.9 8939.000 2005 2774.3 32889.00 1202.8 9705.000 2006 3339.2 54952.00 1382.5 9159.000 2007 3950.9 64289.00 1649.7 4141.000 2008 4948.7 72773.00 1895.8 9699.000 2009 5606.2 75871.00 2141.4 10390.00 2010 6446.9 80287.00 2471.2 9090.000 2011 7422.8 117118.0 2877.2 8770.000 2012 8241.9 205022.0 3304.6 9387.000

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

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)

t-Statistic Prob.* Augmented Dickey-Fuller test statistic -8.401825 0.0000 Test critical values: 1% level -3.689194

5% level -2.971853 10% level -2.625121 *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) -1.498080 0.178304 -8.401825 0.0000 C 45.90735 23.63643 1.942228 0.0630

(17)

R-squared 0.730823 Mean dependent var -5.492857 Adjusted R-squared 0.720470 S.D. dependent var 228.5017 S.E. of regression 120.8103 Akaike info criterion 12.49507 Sum squared resid 379473.1 Schwarz criterion 12.59023 Log likelihood -172.9310 Hannan-Quinn criter. 12.52416 F-statistic 70.59066 Durbin-Watson stat 2.152897

Null Hypothesis: D(M2,2) has a unit root Exogenous: Constant

Augmented Dickey-Fuller Test Equation Dependent Variable: D(M2,3)

Variable Coefficient Std. Error t-Statistic Prob. D(M2(-1),2) -1.338855 0.184269 -7.265757 0.0000 C 20.01625 10.07430 1.986863 0.0576 R-squared 0.670014 Mean dependent var 0.775000 S.D. dependent var 87.86228 S.E. of regression 51.43342 Akaike info criterion 10.78720 Sum squared resid 68780.32 Schwarz criterion 10.88236 Log likelihood -149.0208 Hannan-Quinn criter. 10.81629 F-statistic 52.79122 Durbin-Watson stat 2.003164

Null Hypothesis: D(GOV) has a unit root Exogenous: Constant

(18)

Augmented Dickey-Fuller Test Equation Dependent Variable: D(GOV,2)

Variable Coefficient Std. Error t-Statistic Prob. D(GOV(-1)) -1.022146 0.228376 -4.475707 0.0001 C 6812.197 5547.315 1.228017 0.2300 R-squared 0.425922 Mean dependent var 2943.621 Adjusted R-squared 0.404660 S.D. dependent var 38243.92 S.E. of regression 29508.35 Akaike info criterion 23.48921 Sum squared resid 2.35E+10 Schwarz criterion 23.58350 Log likelihood -338.5935 Hannan-Quinn criter. 23.51874 F-statistic 20.03196 Durbin-Watson stat 1.720593 Prob(F-statistic) 0.000125

Null Hypothesis: D(EXR) has a unit root Exogenous: Constant

Augmented Dickey-Fuller Test Equation Dependent Variable: D(EXR,2)

Variable Coefficient Std. Error t-Statistic Prob. D(EXR(-1)) -1.759460 0.305148 -5.765924 0.0000 D(EXR(-1),2) 0.339254 0.188458 1.800155 0.0839 C 518.7075 377.4500 1.374242 0.1816

(19)

R-squared 0.696305 Mean dependent var 17.85714 Adjusted R-squared 0.672010 S.D. dependent var 3389.568 S.E. of regression 1941.221 Akaike info criterion 18.08098 Sum squared resid 94208464 Schwarz criterion 18.22372 Log likelihood -250.1337 Hannan-Quinn criter. 18.12461 F-statistic 28.65973 Durbin-Watson stat 2.016732

3. 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 Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.975550 158.6212 47.85613 0.0000 At most 1 * 0.822957 65.84287 29.79707 0.0000 At most 2 * 0.516328 22.55882 15.49471 0.0037 At most 3 * 0.161386 4.400125 3.841466 0.0359 Trace test indicates 4 cointegrating eqn(s) at the 0.05 level

Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.975550 92.77828 27.58434 0.0000 At most 1 * 0.822957 43.28405 21.13162 0.0000 At most 2 * 0.516328 18.15870 14.26460 0.0115 At most 3 * 0.161386 4.400125 3.841466 0.0359 Max-eigenvalue test indicates 4 cointegrating eqn(s) at the 0.05 level

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): D2GDP DGOV D2M2 DEXR -0.043828 -0.000171 0.159224 0.001137 0.039136 -0.000253 -0.125257 0.000912 0.044344 0.000486 -0.077611 -0.005390

(20)

-0.032352 4.66E-05 0.018015 -0.002033

Unrestricted Adjustment Coefficients (alpha):

D(D2GDP) 15.48811 2.536835 -16.26948 15.45366 D(DGOV) 7890.596 6643.338 -712.4693 682.2620 D(D2M2) 0.696559 23.80507 -6.573476 11.69446 D(DEXR) 1056.623 50.48819 -216.5831 405.6900

1 Cointegrating Equation(s): Log likelihood -650.5131 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)

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)

D2GDP DGOV D2M2 DEXR 1.000000 0.000000 0.000000 -0.106237

(21)

0.000000 1.000000 0.000000 -5.942526 (0.70173) 0.000000 0.000000 1.000000 -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 -80.44504 (0.32338) (103.259) [-3.89477] [-0.77906] D(D2GDP(-1)) -0.426497 149.0939 (0.25728) (82.1514) [-1.65774] [ 1.81487] D(D2GDP(-2)) -0.443944 80.90295 (0.17215) (54.9707) [-2.57877] [ 1.47175] D(DGOV(-1)) 0.004203 -0.390981 (0.00132) (0.42006) [ 3.19469] [-0.93078] D(DGOV(-2)) 0.001732 -0.203542 (0.00089) (0.28547)

(22)

[ 1.93748] [-0.71300] C -6.597362 2730.472 (20.1429) (6431.89) [-0.32753] [ 0.42452] R-squared 0.856005 0.493306 Adj. R-squared 0.820007 0.366632 Sum sq. resids 202981.4 2.07E+10 S.E. equation 100.7426 32168.37 F-statistic 23.77880 3.894308 Log likelihood -153.4085 -303.3289 Akaike AIC 12.26219 23.79453 Schwarz SC 12.55252 24.08486 Mean dependent -5.984615 3540.808 S.D. dependent 237.4569 40420.45 Determinant resid covariance (dof adj.) 1.05E+13 Determinant resid covariance 6.21E+12 Log likelihood -456.7339 Akaike information criterion 36.21030 Schwarz criterion 36.88773

5.

Dependent Variable: D(D2GDP) Method: Least Squares

Date: 10/21/13 Time: 16:06 Sample (adjusted): 1987 2012

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)

Coefficient Std. Error t-Statistic Prob. C(1) -1.259491 0.323380 -3.894768 0.0009 C(2) -0.426497 0.257276 -1.657743 0.1130 C(3) -0.443944 0.172153 -2.578773 0.0179 C(4) 0.004203 0.001316 3.194685 0.0046 C(5) 0.001732 0.000894 1.937483 0.0669 C(6) -6.597362 20.14292 -0.327528 0.7467 R-squared 0.856005 Mean dependent var -5.984615 Adjusted R-squared 0.820007 S.D. dependent var 237.4569 S.E. of regression 100.7426 Akaike info criterion 12.26219 Sum squared resid 202981.4 Schwarz criterion 12.55252 Log likelihood -153.4085 Hannan-Quinn criter. 12.34579 F-statistic 23.77880 Durbin-Watson stat 2.212344

6. Wald Test: Equation: Untitled

(23)

F-statistic 5.467112 (2, 20) 0.0128 Chi-square 10.93422 2 0.0042

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

Normalized Restriction (= 0) Value Std. Err. C(4) 0.004203 0.001316 C(5) 0.001732 0.000894 Restrictions are linear in coefficients.

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 0.007384 (0.70923) (0.37444) [-2.36960] [ 0.01972] D(D2GDP(-1)) -0.233000 -0.099447 (0.52690) (0.27818) [-0.44221] [-0.35750] D(D2GDP(-2)) -0.442194 -0.127289 (0.25316) (0.13365) [-1.74673] [-0.95239] D(D2M2(-1)) -1.787665 -0.938029 (1.12969) (0.59642) [-1.58244] [-1.57277] D(D2M2(-2)) -0.536835 -0.375131 (0.62494) (0.32994) [-0.85902] [-1.13698] C 5.293686 6.198377

(24)

[ 0.23410] [ 0.51919] R-squared 0.813044 0.647557 Adj. R-squared 0.766305 0.559446 Sum sq. resids 263541.1 73456.43 S.E. equation 114.7914 60.60381 F-statistic 17.39545 7.349340 Log likelihood -156.8027 -140.1950 Akaike AIC 12.52328 11.24577 Schwarz SC 12.81361 11.53610 Mean dependent -5.984615 0.850000 S.D. dependent 237.4569 91.30619 Determinant resid covariance (dof adj.) 33689016 Determinant resid covariance 19934329 Log likelihood -292.2882 Akaike information criterion 23.56063 Schwarz criterion 24.23807

7.

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. C(1) -1.680604 0.709234 -2.369603 0.0280 C(2) -0.233000 0.526902 -0.442207 0.6631 C(3) -0.442194 0.253155 -1.746733 0.0960 C(4) -1.787665 1.129691 -1.582436 0.1292 C(5) -0.536835 0.624940 -0.859019 0.4005 C(6) 5.293686 22.61320 0.234097 0.8173 R-squared 0.813044 Mean dependent var -5.984615 Adjusted R-squared 0.766305 S.D. dependent var 237.4569 S.E. of regression 114.7914 Akaike info criterion 12.52328 Sum squared resid 263541.1 Schwarz criterion 12.81361 Log likelihood -156.8027 Hannan-Quinn criter. 12.60689 F-statistic 17.39545 Durbin-Watson stat 1.957144

(25)

Normalized Restriction (= 0) Value Std. Err. C(4) -1.787665 1.129691 C(5) -0.536835 0.624940 Restrictions are linear in coefficients.

9.

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 -12.41663 (0.16235) (4.12889) [-3.28534] [-3.00726] D(D2GDP(-1)) -0.222117 5.958367 (0.27051) (6.87948) [-0.82111] [ 0.86611] D(D2GDP(-2)) -0.365840 1.887855 (0.14044) (3.57153) [-2.60503] [ 0.52858] D(DEXR(-1)) 0.016656 0.383272 (0.01798) (0.45737) [ 0.92617] [ 0.83799] D(DEXR(-2)) 0.033153 -0.050244 (0.01514) (0.38509) [ 2.18944] [-0.13047] C -0.098920 -25.34787 (17.1183) (435.347) [-0.00578] [-0.05822] R-squared 0.893397 0.686679 Adj. R-squared 0.866746 0.608349 Sum sq. resids 150272.8 97192257

(26)

F-statistic 33.52228 8.766462 Log likelihood -149.4998 -233.6358 Akaike AIC 11.96153 18.43352 Schwarz SC 12.25186 18.72385 Mean dependent -5.984615 17.11538 S.D. dependent 237.4569 3522.501 Determinant resid covariance (dof adj.) 2.78E+10 Determinant resid covariance 1.65E+10 Log likelihood -379.6142 Akaike information criterion 30.27802 Schwarz criterion 30.95545

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. C(1) -0.533381 0.162352 -3.285339 0.0037 C(2) -0.222117 0.270508 -0.821111 0.4213 C(3) -0.365840 0.140436 -2.605027 0.0169 C(4) 0.016656 0.017984 0.926167 0.3654 C(5) 0.033153 0.015142 2.189444 0.0406 C(6) -0.098920 17.11829 -0.005779 0.9954 R-squared 0.893397 Mean dependent var -5.984615 Adjusted R-squared 0.866746 S.D. dependent var 237.4569 S.E. of regression 86.68127 Akaike info criterion 11.96153 Sum squared resid 150272.8 Schwarz criterion 12.25186 Log likelihood -149.4998 Hannan-Quinn criter. 12.04513 F-statistic 33.52228 Durbin-Watson stat 1.866421

Normalized Restriction (= 0) Value Std. Err. C(4) 0.016656 0.017984

(27)

C(5) 0.033153 0.015142 Restrictions are linear in coefficients.

(28)