Chenny Seftarita, SE, M.Si

KEBIJAKAN EKONOMI MAKRO DAN PENDAPATAN NASIONAL DI INDONESIA
Oleh: Chenny Seftarita, S.E, M.Si
([email protected])
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
1
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 ISLM 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
2
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.
GDP
9,000
8,000
7,000
6,000
5,000
4,000
3,000
2,000
1,000
0
1985
1990
1995
2000
2005
2010
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
peneliti untuk melihat bagaimana kemampuan dua kebijakan ekonomi makro ini
3
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 WrenLewis 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 penelitianpenelitian 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
4
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):
Y
a  be  d  G
n
k
Mf k

x( Y  (
x )) ……………..(1)
(1  b  bt )
(1  b  bt ) h
k
h
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:
5
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 hasilhasil 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
6
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:
Yt = a0 + a1 Xt + a2 t -1+ e............................................................(5)
7
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
Tidak Stasioner
Tidak Stasioner
Stasioner
GOV
Tidak Stasioner
Stasioner
-
8
M2
Tidak Stasioner
Tidak Stasioner
Stasioner
EXR
Tidak 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
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2 *
At most 3 *
0.975550
0.822957
0.516328
0.161386
158.6212
65.84287
22.55882
4.400125
47.85613
29.79707
15.49471
3.841466
0.0000
0.0000
0.0037
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
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2 *
At most 3 *
0.975550
0.822957
0.516328
0.161386
92.77828
43.28405
18.15870
4.400125
27.58434
21.13162
14.26460
3.841466
0.0000
0.0000
0.0115
0.0359
Max-eigenvalue 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
9
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)
DGOV *
D2M2*
DEXR*
Coefficient
Std. Error
t-Statistic
Prob.
-1.259491
-1.680604
-0.533381
0.323380
0.709234
0.162352
-3.894768
-2.369603
-3.285339
0.0009
0.0280
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:
Equation: D2GDP, DGOV
10
Test Statistic
Value
Df
Probability
F-statistic*
Chi-square*
5.467112
10.93422
(2, 20)
2
0.0128
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
F-statistic
Chi-square
Value
df
Probability
1.751046
3.502092
(2, 20)
2
0.1992
0.1736
Tabel.6 Uji Wald Test untuk variabel D2GDP, DEXR
Wald Test:
Equation: D2GDP,DEXR
Test Statistic
F-statistic
Chi-square
Value
df
Probability
2.511853
5.023707
(2, 20)
2
0.1064
0.0811
Pada tabel 5 dan 6 terlihat bahwa variabel
M2 dan EXR tidak
mempengaruhi GDP dalam jangka pendek, terlihat dari nilai F-statistik dan Chisquare 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
11
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
12
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.
13
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 & SonsInc, 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:LongRun Capital Accumulation, and Growth, University of Washington, Seattle.
14
Lampiran
1. Data
Obs
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
GDP
62.500
77.700
89.900
96.900
102.70
124.80
149.60
179.50
210.80
249.90
GOV
7360.000
9899.000
9952.000
10873.00
6716.000
11122.00
11399.00
12836.00
18191.00
20440.00
M2
11.000
14.600
17.900
23.100
27.600
33.800
41.900
58.700
84.600
99.000
EXR
661.0000
909.0000
1026.000
1111.000
1283.000
1644.000
1686.000
1770.000
1843.000
1950.000
15
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
282.40
26259.00
119.00
329.70
27705.00
145.20
382.20
28599.00
174.50
454.50
30686.00
223.30
532.60
35952.00
288.60
627.70
38359.00
355.60
955.80
55142.00
577.30
1099.7
81902.00
646.20
1389.8
42594.00
738.70
1646.3
122639.0
844.00
1821.8
138794.0
883.90
2013.7
69247.00
955.60
2295.8
61450.00
1033.9
2774.3
32889.00
1202.8
3339.2
54952.00
1382.5
3950.9
64289.00
1649.7
4948.7
72773.00
1895.8
5606.2
75871.00
2141.4
6446.9
80287.00
2471.2
7422.8
117118.0
2877.2
8241.9
205022.0
3304.6
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
2030.000
2087.000
2161.000
2249.000
2342.000
2909.000
10014.00
7856.000
8422.000
10261.00
9311.000
8577.000
8939.000
9705.000
9159.000
4141.000
9699.000
10390.00
9090.000
8770.000
9387.000
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)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-8.401825
-3.689194
-2.971853
-2.625121
0.0000
*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)
C
-1.498080
45.90735
0.178304
23.63643
-8.401825
1.942228
0.0000
0.0630
16
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
0.730823
0.720470
120.8103
379473.1
-172.9310
70.59066
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
-5.492857
228.5017
12.49507
12.59023
12.52416
2.152897
Null Hypothesis: D(M2,2) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=7)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-7.265757
-3.689194
-2.971853
-2.625121
0.0000
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(M2,3)
Method: Least Squares
Date: 10/20/13 Time: 12:56
Sample (adjusted): 1985 2012
Included observations: 28 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(M2(-1),2)
C
-1.338855
20.01625
0.184269
10.07430
-7.265757
1.986863
0.0000
0.0576
R-squared
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.670014
87.86228
10.78720
10.88236
10.81629
2.003164
Mean dependent var
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
0.775000
51.43342
68780.32
-149.0208
52.79122
Null Hypothesis: D(GOV) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=2)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
t-Statistic
Prob.*
-4.475707
-3.679322
0.0014
17
5% level
10% level
-2.967767
-2.622989
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(GOV,2)
Method: Least Squares
Date: 10/22/13 Time: 14:15
Sample (adjusted): 1984 2012
Included observations: 29 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(GOV(-1))
C
-1.022146
6812.197
0.228376
5547.315
-4.475707
1.228017
0.0001
0.2300
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.425922
0.404660
29508.35
2.35E+10
-338.5935
20.03196
0.000125
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
2943.621
38243.92
23.48921
23.58350
23.51874
1.720593
Null Hypothesis: D(EXR) has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=2)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-5.765924
-3.689194
-2.971853
-2.625121
0.0001
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(EXR,2)
Method: Least Squares
Date: 10/22/13 Time: 14:16
Sample (adjusted): 1985 2012
Included observations: 28 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(EXR(-1))
D(EXR(-1),2)
C
-1.759460
0.339254
518.7075
0.305148
0.188458
377.4500
-5.765924
1.800155
1.374242
0.0000
0.0839
0.1816
18
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
3.
0.696305
0.672010
1941.221
94208464
-250.1337
28.65973
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
17.85714
3389.568
18.08098
18.22372
18.12461
2.016732
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
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2 *
At most 3 *
0.975550
0.822957
0.516328
0.161386
158.6212
65.84287
22.55882
4.400125
47.85613
29.79707
15.49471
3.841466
0.0000
0.0000
0.0037
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
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2 *
At most 3 *
0.975550
0.822957
0.516328
0.161386
92.77828
43.28405
18.15870
4.400125
27.58434
21.13162
14.26460
3.841466
0.0000
0.0000
0.0115
0.0359
Max-eigenvalue 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 Cointegrating Coefficients (normalized by b'*S11*b=I):
D2GDP
-0.043828
0.039136
0.044344
DGOV
-0.000171
-0.000253
0.000486
D2M2
0.159224
-0.125257
-0.077611
DEXR
0.001137
0.000912
-0.005390
19
-0.032352
4.66E-05
0.018015
-0.002033
Unrestricted Adjustment Coefficients (alpha):
D(D2GDP)
D(DGOV)
D(D2M2)
D(DEXR)
15.48811
7890.596
0.696559
1056.623
1 Cointegrating Equation(s):
2.536835
6643.338
23.80507
50.48819
-16.26948
-712.4693
-6.573476
-216.5831
Log likelihood
-650.5131
15.45366
682.2620
11.69446
405.6900
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)
2 Cointegrating Equation(s):
Log likelihood
-628.8711
Normalized cointegrating coefficients (standard error in parentheses)
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)
3 Cointegrating Equation(s):
Log likelihood
-619.7917
Normalized cointegrating coefficients (standard error in parentheses)
D2GDP
DGOV
D2M2
DEXR
1.000000
0.000000
0.000000
-0.106237
(0.02527)
20
0.000000
1.000000
0.000000
0.000000
0.000000
1.000000
-5.942526
(0.70173)
-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
(0.32338)
[-3.89477]
-80.44504
(103.259)
[-0.77906]
D(D2GDP(-1))
-0.426497
(0.25728)
[-1.65774]
149.0939
(82.1514)
[ 1.81487]
D(D2GDP(-2))
-0.443944
(0.17215)
[-2.57877]
80.90295
(54.9707)
[ 1.47175]
D(DGOV(-1))
0.004203
(0.00132)
[ 3.19469]
-0.390981
(0.42006)
[-0.93078]
D(DGOV(-2))
0.001732
(0.00089)
-0.203542
(0.28547)
21
C
R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
[ 1.93748]
[-0.71300]
-6.597362
(20.1429)
[-0.32753]
2730.472
(6431.89)
[ 0.42452]
0.856005
0.820007
202981.4
100.7426
23.77880
-153.4085
12.26219
12.55252
-5.984615
237.4569
0.493306
0.366632
2.07E+10
32168.37
3.894308
-303.3289
23.79453
24.08486
3540.808
40420.45
Determinant resid covariance (dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
1.05E+13
6.21E+12
-456.7339
36.21030
36.88773
5.
Dependent Variable: D(D2GDP)
Method: Least Squares
Date: 10/21/13 Time: 16:06
Sample (adjusted): 1987 2012
Included observations: 26 after adjustments
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)
C(1)
C(2)
C(3)
C(4)
C(5)
C(6)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Coefficient
Std. Error
t-Statistic
Prob.
-1.259491
-0.426497
-0.443944
0.004203
0.001732
-6.597362
0.323380
0.257276
0.172153
0.001316
0.000894
20.14292
-3.894768
-1.657743
-2.578773
3.194685
1.937483
-0.327528
0.0009
0.1130
0.0179
0.0046
0.0669
0.7467
0.856005
0.820007
100.7426
202981.4
-153.4085
23.77880
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
-5.984615
237.4569
12.26219
12.55252
12.34579
2.212344
6.
Wald Test:
Equation: Untitled
Test Statistic
Value
Df
Probability
22
F-statistic
Chi-square
5.467112
10.93422
(2, 20)
2
0.0128
0.0042
Value
Std. Err.
0.004203
0.001732
0.001316
0.000894
Null Hypothesis: C(4)=C(5)=0
Null Hypothesis Summary:
Normalized Restriction (= 0)
C(4)
C(5)
Restrictions are linear in coefficients.
Vector Error Correction Estimates
Date: 10/22/13 Time: 10:04
Sample (adjusted): 1987 2012
Included observations: 26 after adjustments
Standard errors in ( ) & t-statistics in [ ]
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
(0.70923)
[-2.36960]
0.007384
(0.37444)
[ 0.01972]
D(D2GDP(-1))
-0.233000
(0.52690)
[-0.44221]
-0.099447
(0.27818)
[-0.35750]
D(D2GDP(-2))
-0.442194
(0.25316)
[-1.74673]
-0.127289
(0.13365)
[-0.95239]
D(D2M2(-1))
-1.787665
(1.12969)
[-1.58244]
-0.938029
(0.59642)
[-1.57277]
D(D2M2(-2))
-0.536835
(0.62494)
[-0.85902]
-0.375131
(0.32994)
[-1.13698]
C
5.293686
(22.6132)
6.198377
(11.9386)
23
R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
[ 0.23410]
[ 0.51919]
0.813044
0.766305
263541.1
114.7914
17.39545
-156.8027
12.52328
12.81361
-5.984615
237.4569
0.647557
0.559446
73456.43
60.60381
7.349340
-140.1950
11.24577
11.53610
0.850000
91.30619
Determinant resid covariance (dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
33689016
19934329
-292.2882
23.56063
24.23807
7.
Dependent Variable: D(D2GDP)
Method: Least Squares
Date: 10/22/13 Time: 10:05
Sample (adjusted): 1987 2012
Included observations: 26 after adjustments
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)
C(1)
C(2)
C(3)
C(4)
C(5)
C(6)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Coefficient
Std. Error
t-Statistic
Prob.
-1.680604
-0.233000
-0.442194
-1.787665
-0.536835
5.293686
0.709234
0.526902
0.253155
1.129691
0.624940
22.61320
-2.369603
-0.442207
-1.746733
-1.582436
-0.859019
0.234097
0.0280
0.6631
0.0960
0.1292
0.4005
0.8173
0.813044
0.766305
114.7914
263541.1
-156.8027
17.39545
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
-5.984615
237.4569
12.52328
12.81361
12.60689
1.957144
8.
Wald Test:
Equation: Untitled
Test Statistic
F-statistic
Chi-square
Value
df
Probability
1.751046
3.502092
(2, 20)
2
0.1992
0.1736
24
Null Hypothesis: C(4)=C(5)=0
Null Hypothesis Summary:
Normalized Restriction (= 0)
C(4)
C(5)
Value
Std. Err.
-1.787665
-0.536835
1.129691
0.624940
Restrictions are linear in coefficients.
9.
Vector Error Correction Estimates
Date: 10/22/13 Time: 10:08
Sample (adjusted): 1987 2012
Included observations: 26 after adjustments
Standard errors in ( ) & t-statistics in [ ]
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
(0.16235)
[-3.28534]
-12.41663
(4.12889)
[-3.00726]
D(D2GDP(-1))
-0.222117
(0.27051)
[-0.82111]
5.958367
(6.87948)
[ 0.86611]
D(D2GDP(-2))
-0.365840
(0.14044)
[-2.60503]
1.887855
(3.57153)
[ 0.52858]
D(DEXR(-1))
0.016656
(0.01798)
[ 0.92617]
0.383272
(0.45737)
[ 0.83799]
D(DEXR(-2))
0.033153
(0.01514)
[ 2.18944]
-0.050244
(0.38509)
[-0.13047]
C
-0.098920
(17.1183)
[-0.00578]
-25.34787
(435.347)
[-0.05822]
0.893397
0.866746
150272.8
86.68127
0.686679
0.608349
97192257
2204.453
R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
25
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
33.52228
-149.4998
11.96153
12.25186
-5.984615
237.4569
8.766462
-233.6358
18.43352
18.72385
17.11538
3522.501
Determinant resid covariance (dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
2.78E+10
1.65E+10
-379.6142
30.27802
30.95545
Dependent Variable: D(D2GDP)
Method: Least Squares
Date: 10/22/13 Time: 10:09
Sample (adjusted): 1987 2012
Included observations: 26 after adjustments
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)
C(1)
C(2)
C(3)
C(4)
C(5)
C(6)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Coefficient
Std. Error
t-Statistic
Prob.
-0.533381
-0.222117
-0.365840
0.016656
0.033153
-0.098920
0.162352
0.270508
0.140436
0.017984
0.015142
17.11829
-3.285339
-0.821111
-2.605027
0.926167
2.189444
-0.005779
0.0037
0.4213
0.0169
0.3654
0.0406
0.9954
0.893397
0.866746
86.68127
150272.8
-149.4998
33.52228
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
-5.984615
237.4569
11.96153
12.25186
12.04513
1.866421
10.
Wald Test:
Equation: Untitled
Test Statistic
F-statistic
Chi-square
Value
df
Probability
2.511853
5.023707
(2, 20)
2
0.1064
0.0811
Value
Std. Err.
0.016656
0.017984
Null Hypothesis: C(4)=C(5)=0
Null Hypothesis Summary:
Normalized Restriction (= 0)
C(4)
26
C(5)
0.033153
0.015142
Restrictions are linear in coefficients.
27
28