Estimasi Output Gap Indonesia
|
|
- Fanny Lesmono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Laporan Akhir Estimasi Output Gap Indonesia Oleh: Damhuri Nasution Anton Hendranata KEMENTERIAN KEUANGAN REPUBLIK INDONESIA BADAN KEBIJAKAN FISKAL PUSAT KEBIJAKAN EKONOMI MAKRO Jakarta, 10 Desember 2014 Kata Pengantar
2 Laporan ini merupakan Laporan Akhir kajian Estimasi Output Gap Indonesia, yang merupakan hasil kerjasama dengan Pusat Kebijakan Ekonomi Makro, Badan Kebijakan Fiskal, Kementerian Keuangan RI. Penelitian ini dilakukan oleh peneliti utama Damhuri Nasution dan Anton Hendranata. Akhirnya, perlu kami sampaikan bahwa pemikiran- pemikiran serta pendapat- pendapat yang dikemukakan di dalam studi ini merupakan pemikiran kolektif dari Tim Peneliti dan tidak mencerminkan keinginan- keinginan dari pihak- pihak yang mempercayakan studi ini kepada kami. Jakarta, 10 Desember 2014 Tim Peneliti
3 A. Pendahuluan Output gap di definisikan sebagai selisih antara output aktual dengan output potensial. Output aktual adalah nilai output perekonomian yang sesungguhnya, sedangkan output potensial adalah nilai output perekonomian yang optimum yang dapat dianggap permanen dan berkelanjutan (sustainable) dalam jangka menengah tanpa adanya kejutan (shock) dan tekanan inflasi. Dengan demikian output gap dapat memberikan gambaran mengenai keberadaan kelebihan permintaan (excess demand) atau kelebihan penawaran (excess supply) dalam perekonomian. Gambar 1 menyajikan secara visual output aktual dan potensial serta output gap. Gambar 1. Output aktual, output potensial dan output gap Output gap yang bernilai negatif mengindikasikan nilai output aktual yang lebih rendah dari potensialnya atau pertumbuhan ekonomi yang tidak optimum. Dalam kondisi seperti ini penawaran cenderung berlebih (excess supply) sehingga tingkat harga- harga juga cenderung menurun atau deflasi. Pertumbuhan ekonomi yang tidak maksimum juga menyebabkan meningkatnya angka pengangguran serta penurunan penerimaan pajak. Jika output gap bernilai negatif, pemerintah dapat mempertimbangkan untuk melakukan kebijakan fiskal yang ekspansif, antara lain melalui penurunan pajak untuk mendorong konsumsi dan investasi yang pada gilirannya akan meningkatkan pertumbuhan ekonomi. Pemerintah juga dapat mendorong peningkatan ekspor dengan memberikan insentif kepada eksportir, khususnya eksportir manufaktur. Disamping itu pemerintah juga dapat merelaksasi kebijakan impor bahan baku dan penolong untuk meningkatkan
4 pertumbuhan sektor industri, meningkatkan belanja pemerintah serta beberapa kebijakan fiskal lainnya. Dari sisi kebijakan moneter, bank sentral dapat mempertimbangkan untuk melakukan kebijakan moneter longgar seperti penurunan suku bunga dan meningkatkan jumlah uang beredar sehingga penyaluran kredit meningkat, dan dengan demikian akan meningkatkan pertumbuhan ekonomi. Disamping itu relaksasi makroprudensial seperti peningkatan loan to value (LTV) rasio dan loan to deposit rasio juga dapat menjadi pilihan kebijakan untuk mendorong peningkatan aktifitas perekonomian serta beberapa kebijakan moneter lainnya. Sebaliknya output gap yang positif mengindikasikan nilai output aktual yang lebih tinggi dari output optimumnya. Output gap positif biasanya ditandai dengan permintaan yang berlebih (excess demand) sehingga tingkat harga- harga cenderung mengalami kenaikan yang signifikan atau laju inflasi yang relatif tinggi. Pertumbuhan ekonomi yang melampaui optimumnya juga menyebabkan meningkatnya permintaan terhadap barang- barang impor, sehingga neraca perdagangan menjadi defisit atau neraca transaksi berjalan mengalami defisit yang pada gilirannya dapat memicu sentimen negatif terhadap perekonomian secara keseluruhan, terutama terhadap nilai tukar rupiah. Kondisi perekonomian dengan output gap yang positif ini biasanya disebut over heating. Pada saat output gap positif, pemerintah dapat melakukan kebijakan fiskal yang kontraktif untuk memperlambat pertumbuhan ekonomi agar tidak kepanasan. Kebijakan tersebut antara lain dengan menaikkan pajak, termasuk menaikkan pajak impor bahan baku dan penolong, mengurangi belanja pemerintah, menaikkan harga BBM bersubsudi serta beberapa kebijakan lainnya yang dapat memperlambat pertumbuhan ekonomi. Pada saat yang sama otoritas moneter juga dapat memperlambat pertumbuhan ekonomi dengan menaikkan suku bunga, memperlambat pertumbuhan jumlah uang beredar sehingga memperlambat pertumbuhan kredit yang pada gilirannya akan memperlambat pertumbuhan ekonomi secara keseluruhan. Disamping itu otoritas moneter juga dapat melakukan kebijakan makroprudensial dengan menurunkan loan to value ratio (LTV) maupun loan to deposit ratio (LDR) dan lain- lain. Uraian di atas memberikan gambaran mengenai pentingnya estimasi output gap karena dapat menjadi indikator ringkas keberadaan kelebihan permintaan dan kelebihan penawaran dalam perekonomian. Dalam jangka pendek kedua hal tersebut dapat menyebabkan tekanan inflasi atau deflasi, yang pada gilirannya dapat direspon dengan kebijakan moneter dan fiskal yang sesuai. Meskipun permasalahan output gap sangat penting dalam penyusunan kebijakan fiskal dan moneter, namun studi yang komprehensif mengenai ini di Indonesia masih sangat terbatas. Hal ini bisa difahami mengingat output potensial maupun output gap keduanya
5 adalah variabel yang tidak teramati atau laten (unobservable), yang dalam pengukuran atau estimasinya mengandung unsur kesalahan atau ketidakpastian. Jika unsur ketidakpastiannya atau kesalahan pengukurannya relatif besar, maka penggunaan output potensial dan output gap untuk menyusun rekomendasi kebijakan dapat menimbulkan kesalahan. Karena itu estimasi output potensial dan output gap haruslah dilakukan sedemikian rupa dengan menggunakan metode yang ilmiah dan dievaluasi menggunakan metodologi yang sesuai dengan teori ekonomi yang mendasarinya. Salah satu studi yang pernah dilakukan untuk estimasi output potensial dan output gap di Indonesia dilakukan oleh Tjahjono, Munandar dan Waluyo (2010) dari Biro Riset Ekonomi Bank Indonesia. Studi ini lebih mengedepankan pendekatan dengan model fungsi produksi, dimana output potensial dihitung berdasarkan fungsi produksi dan adanya hubungan antara output gap dengan laju inflasi. Selanjutnya Cerra dan Saxena (2000) melakukan studi untuk estimasi ouput potensial dan output gap di Swedia dengan menggunakan beberapa pendekatan yang secara umum dibagi menjadi dua yaitu metode Univariate dan Multivariate. Studi yang mirip juga dilakukan oleh Saulo (2010) yang mencoba memperkirakan output potensial dan output gap dengan menggunakan serangkaian metode Univariate seperti Hodrick- Prescott filter, Band- Pass filter, rata- rata bergerak dan lain- lain serta pendekatan fungsi produksi dan structural VAR. Bertolak dari uraian di atas, maka studi ini bertujuan untuk mengestimasi output potensial dan output gap perekonomian Indonesia. Mengingat banyaknya pilihan metode yang tersedia, maka dalam studi ini akan digunakan beberapa pendekatan baik yang tergolong univariate maupun multivariate, dan akan dipilih salah satu pendekatan yang dianggap terbaik. Pemilihan model terbaik didasarkan pada kemampuan output gap menjelaskan dinamika inflasi di Indonesia. Dalam hal ini model yang baik seharusnya mampu menjelaskan pergerakan laju inflasi dari waktu ke waktu. B. Tinjauan Metodologi Ada dua pendekatan yang umum digunakan untuk estimasi output gap, yaitu metode univariate dan multivariate. Metode univariate pada dasarnya adalah mendekomposisikan satu variabel time series menjadi komponen permanen dan siklus. Adapun metode yang termasuk dalam kategori univariate antara lain Hodrick- Prescott filter, Beveridge- Nelson decomposition, Band- Pass filter, univariate unobserved component model, dan lain- lain. Proses estimasi output potensial dan output gap dengan menggunakan univariate tidak mengikutsertakan variabel- variabel kunci makroekonomi, sehingga kadangkala agak sulit menjelaskan dinamika yang dihasilkan sesuai dengan teori ekonomi maupun pemahaman secara empiris.
6 Selanjutnya pendekatan multivariate dilakukan dengan membangun model ekonometrika yang didasarkan pada teori ekonomi yang solid dan mengikutsertakan variabel- variabel kunci makroekonomi. Dengan demikian dinamika output potensial dan output gap yang dihasilkan dengan pendekatan ini diharapkan dapat dijelaskan berdasarkan teori ekonomi yang mendasarinya maupun pemahaman empiris. Secara teknis pendekatan univarate lebih sederhana dibandingkan dengan multivariate. Namun demikian bukan berarti hasil estimasi output potensial dan output gap yang dihasilkan dengan pendekatan univariate selalu lebih inferior dibandingkan dengan pendekatan multivariate. Studi yang dilakukan oleh Saulo (2010) untuk estimasi output gap di Brasil dengan menggunakan beberapa metode univariate dan multivariate menemukan bahwa metode Beveridge- Nelson decomposition (salah satu kategori univariate) merupakan metode terbaik. Studi ini menemukan bahwa penambahan outgap sebagai salah satu variabel bebas dalam persamaan kurva Phillips dapat meningkatkan daya prediksi model secara signifikan. Sebaliknya studi yang dilakukan Cerra dan Saxena (2000) untuk estimasi output gap di Swedia yang juga dengan menggunakan beberapa pendekatan univariate dan multivariate menemukan bahwa pendekatan fungsi produksi (salah satu kategori multivariate) merupakan metode terbaik dibandingkan dengan metode lainnya. Namun dalam kasus Swedia sangat sulit untuk mengestimasi angka tenaga kerja dengan kondisi ekonomi full employment, sehingga pendekatan univariate tetap bermanfaat dalam studi ini untuk mendekomposisikan variabel tenaga kerja tersebut. Studi yang dilakukan oleh Tjahjono, Munandar dan Waluyo (2010) untuk estimasi output potensial dan output gap di Indonesia dengan menggunakan beberapa metode univariate dan multivariate menemukan bahwa pendekatan multivariate lebih baik dibandingkan dengan pendekatan lainnya. Studi ini menggunakan model multivariate dengan pendekatan unemployment dan capacity utilization. Model ini memasukkan hubungan empirik yang relevan antara PDB aktual, PDB potensial, tingkat pengangguran, laju inflasi dan capacity utilization sektor manufaktur dalam kerangka small macroeconometric model. Dengan latar belakang seperti itu, maka estimasi output potensial dan output gap dalam studi ini akan digunakan beberapa pendekatan yang termasuk pendekatan univariate maupun multivariate. Adapun metode yang akan digunakan meliputi Hodrick- Prescott filter, Band- Pass filter, ARIMA + Hodrick- Prescott, fungsi produksi dan structural VAR. Dari beberapa metode ini akan dipilih satu metode terbaik berdasarkan kemampuan variabel output gap yang dihasilkan untuk menjelaskan pergerakan dinamika laju inflasi di Indonesia.
7 B.1. Metode Univariate Pendekatan univariate dimaksudkan untuk mendekomposisikan suatu data time series ke dalam komponen tren jangka panjang dan komponen siklus. Beberapa metode yang umum digunakan untuk estimasi ouput potensial dengan pendekatan univariate meliputi Hodrick- Prescott filter, Beveridge- Nelson decomposition, the Band- Pass filter, dan masih ada beberapa pendekatan univariate lainnya. Sebagaimana disebutkan di atas, metode univariate yang akan digunakan dalam studi ini meliputi Hodrick- Prescott filter, Band- Pass filter dan ARIMA + Hodrick- Prescott. B.1.1. Hodrick- Prescott Filter Hodrick- Prescott (HP) filter adalah salah satu metode smoothing yang tergolong sederhana yang semakin populer dan digunakan secara luas. Selain sederhana, HP juga memiliki fleksibilitas untuk tracking karakteristik pergerakan tren output potensial. Karena itu metode ini banyak digunakan oleh bank sentral, seperti Dana Moneter Internasional (IMF), bank sentral Eropa (ECB), dan bebarapa bank sentral lainnya. Jika y t adalah nilai aktual output dan g t adalah output potensial serta d t adalah deviasi dari output potensial, maka estimasi output potensial (g t ) diperoleh dengan meminimumkan kombinasi gap antara output aktual dengan output potensialnya, atau: Dimana λ = parameter pemulusan estimasi tren output. Jika λ rendah, maka tren output atau output potensial yang dihasilkan dari estimasi di atas akan cenderung mendekati data aktualnya. Sebaliknya jika λ tinggi, maka tren output yang dihasilakan dengan estimasi seperti diatas akan lebih mulus dan menjauhi data aktualnya. Selanjutnya jika λ tak terhingga, maka hasil estimasi output potensial akan berupa garis lurus. Terakhir jika λ = 0, maka g t = y t yang artinya output potensial akan sama dengan nilai aktual- nya. Dengan gambaran seperti itu, estimasi output potensial dengan HP filter sangat sensitif terhadap pemilihan nilai λ, dan akan sangat mempengaruhi hasil estimasi, khususnya pada data awal dan akhir periode observasi. Sifat HP filter yang sangat sensitif terhadap pemilihan λ, merupakan salah satu kekurangan HP filter. Tidak ada patokan yang pasti mengenai besarnya nilai λ yang harus digunakan. Namun untuk keperluan praktisnya, maka penggunaan λ=100 untuk data tahunan banyak digunakan praktisi. Untuk data triwulanan dan bulanan, maka penggunaan masing- masing λ=1600 dan λ=14400 banyak disarankan oleh praktisi. Perlu ditambahkan disini bahwa metode ini kurang sesuai digunakan jika kondisi perekonomian tidak stabil.
8 B.1.2. The Band- Pass Filter Sebagaimana diketahui filtering adalah salah metode untuk menonjolkan data dengan frekuensi tertentu. Artinya metode filtering akan mengisolasi data dengan frekuensi tertentu dan tetap mempertahankan data dengan frekuensi lainnya. Jika data yang diisolasi adalah yang memiliki frekuensi tinggi (berarti mempertahankan frekuensi yang rendah), maka disebut low- pass filtering. Sebaliknya jika data yang disolasi adalah frekuensi rendah (berarti mempertahankan frekuensi tinggi), maka disebut high- pass filtering. Sementara itu Band- Pass (BP) filtering adalah suatu teknik filtering yang akan mengisolasi data frekuensi rendah dan frekuensi tinggi dan mempertahankan data yang ada diantara keduanya. Dalam konteks filtering data time series, Band- Pass filter adalah suatu metode filiering yang bersifat linier yang akan mengekstrak komponen siklus suatu data time series dalam suatu kisaran durasi tertentu. Dengan kata lain BP filtering akan menghitung komponen siklus dengan menggunakan rata- rata bergerak di kedua sisi data sedemikian rupa sehingga komponen tersebut berada dalam suatu kisaran batas atas dan batas bawah. Kisaran durasi harus diplih berdasarkan pengetahuan mengenai kisaran panjang sikulus bisnis suatu negara, misalnya 1.5 tahun sampai dengan 8 tahun. BP filtering dihitung dengan menggunakan formula: Adapun kelebihan metode ini adalah karena relatif sederhana dan aplikasinya di berbagai negara dan bidang ilmu seringkali memberikan hasil yang sangat memuaskan. Sementara itu kekurangannya dalam perhitungan output potensial adalah BP memerlukan pengetahuan mengenai kisaran panjang siklus bisnis, dimana informasi ini seringkali belum tersedia untuk beberapa negara berkembang. Disamping itu penggunaan BP untuk filtering suatu data time series akan menghilangkan satu observasi di awal dan akhir data. B.1.3. ARIMA + HODRICK- PRESCOTT FILTER Salah satu metode filtering yang termasuk kategori Univariate dan juga banyak digunakan adalah metode dekomposisi Beveridge- Nelson (BN). BN filtering pada prinsipnya mendekomposisikan suatu data time series ke dalam tiga komponen, yaitu komponen tren deterministik, komponen siklus dan komponen residual. Proses dekomposisi tersebut dilakukan dengan menggunakan model ARMA(p,q), atau model ARIMA (p,d,q)(p,d,q) S tanpa faktor musim (s) dan tanpa differencing (d). Dengan menggunakan pendekatan yang hampir sama, maka dalam studi ini akan digunakan model ARIMA(p,d,q) untuk mendekomposisikan data PDB kedalam tiga komponen di atas. Dalam hal ini faktor musim tidak dimasukkan ke dalam model karena data PDB yang digunakan memiliki frekuensi observasi tahunan.
9 Kemudian terhadap komponen deterministik akan dilakukan pemulusan dengan menggunakan HP filter. Model ARIMA(p,d,q) diturunkan dari model regresi diri atau AR(p) dan rataan bergerak atau MA(q), dimana kedua model tersebut masing- masing diformulasikan sebagai: Selanjutnya model regresi diri dan rataan bergerak tanpa faktor musiman atau ARIMA(p,d,q) diformulasikan sebagai: Atau: Y = δ + ϕ Y + ϕ Y + + ϕ Y + e t 1 t 1 2 t 2... p t p t Y = δ + e θ e θ e θ e t t 1 t 1 2 t 2... q t q 2 p 2 q ( 1 ϕ B ϕ B... ϕ B ) (1- B) d Y = δ + ( 1 θ B θ B... θ B ) e 1 2 ϕ ( B) W = δ + θ ( B) e p t q t p 1 2 Untuk menentukan nilai p dan q dilakukan dengan menggunakan plot autokorelasi maupun dengan menggunakan Schwarz criterion. t q t B.2. Metode Multivariate Pendekatan multivariate dimaksudkan untuk mengisolasikan pengaruh sturuktur dan siklus perekonomian terhadap output berdasarkan teori ekonomi yang mendasarinya. Model yang digunakan dengan pendekatan ini dibangun berdasarkan fundamental ekonomi dan kemudian diestimasi berdasarkan prinsip- prinsip ekonometrika. Adapun model yang umum digunakan dengan pendekatan ini antara lain adalah pendekatan fungsi produksi dan structural VAR. B.2.1. Fungsi Produksi Cobb- Duglas Misalkan y, l dan k masing- masing adalah menyatakan logaritma natural output, tenaga kerja dan modal, serta e adalah total factor productivity, maka model umum fungsi produksi Cobb- Douglas dapat dituliskan sebagai: Selanjutnya output potensial dihitung dengan:
10 Dalam hal ini tenaga kerja dan total factor productivity terlebih dahulu menjalani proses pemulusan dengan menggunakan HP filter. Sedangkan kapital tetap menggunakan data aslinya. Sebagaimana disebutkan di atas, kelebihan pendekatan ini terutama adalalah karena model dibangun berdasarkan teori ekonomi. Sementara itu kelemahan penggunaan model ini terletak pada sulitnya mendapatkan data kapital serta data tenaga kerja yang validitasnya seringkali dipertanyakan. B.2.2. Structural VAR Model structural VAR yang digunakan dalam riset ini didasarkan pada model yang dikembangkan oleh Blanchard dan Quah (1989) dengan model umum sebagai berikut: Adapun variabel yang dimasukkan ke dalam model adalah pertumbuhan ekonomi, nilai tukar rupiah terhadap dolar Amerika serta laju inflasi. Adapun kelebihan utama dari model ini adalah dibangun berdasarkan teori ekonomi serta mampu menangkap dinamika yang ada dalam perekonomian. Sedangkan kelemahannya adalah terlalu banyak parameter model yang harus diestimasi serta sangat sensitif terhadap spesiifkasi model. B.3. Evaluasi Model Selanjutnya untuk menentukan model terbaik dari beberapa pendekatan estimasi output potensial dan output gap yang dikemukakan di atas akan digunakan kurva Phillips. Dalam hal ini model atau metode terbaik adalah model yang menghasilkan output gap yang mampu menjelaskan dinamika laju inflasi di dalam negeri. Secara umum model kurva Phillips yang umum digunakan adalah sebagai berikut: Dimana π adalah laju inflasi dan ygap adalah out put gap.
11 C. Data dan Sumber Data Studi dilakukan dengan menggunakan data makroekonomi tahunan dengan periode observasi Adapun variabel yang digunakan meliputi Produk Domestik Bruto (PDB) ril, capital stock, jumlah tenaga kerja dan indeks harga konsumen serta nilai tukar rupiah terhadap dolar Amerika. Data tersebut bersumber dari Badan Pusat Statistik dan Bank Indonesia.
12 D. Hasil Estimasi dan Pembahasan D.1. Univariate D.1.1. Hodrick Prescott Filter (HP filter) Hasil estimasi output potensial menggunakan metode HP filter disajikan pada Tabel 4.1, Gambar 4.1, dan Gambar 4.2. Pendekatan metode ini cenderung menghasilkan dugaan PDB potensial yang lebih rendah dari PDB aktualnya. Tabel 4.1. PDB Aktual vs PDB Potensial menggunakan HP Filter HP filter Growth Tahun PDB Aktual PDB potensial PDB Aktual PDB potensial ,230 na na na , , % na , , % 8.22% , , % 7.65% , , % 7.22% , , % 6.87% , , % 6.57% , , % 6.26% ,022,342 1,040, % 5.92% ,088,768 1,097, % 5.53% ,159,499 1,153, % 5.08% ,246,925 1,206, % 4.58% ,349,422 1,255, % 4.05% ,454,923 1,299, % 3.51% ,523,302 1,338, % 3.05% ,323,343 1,375, % 2.75% ,333,812 1,413, % 2.74% ,389,770 1,455, % 2.95% ,440,406 1,503, % 3.30% ,505,216 1,559, % 3.73% ,577,171 1,624, % 4.17% ,656,517 1,699, % 4.59% ,750,815 1,783, % 4.94% ,847,127 1,876, % 5.22% ,964,327 1,977, % 5.40% ,082,456 2,085, % 5.49% ,178,850 2,200, % 5.50% ,314,459 2,320, % 5.44% ,464,566 2,443, % 5.31% ,618,938 2,568, % 5.12% ,770,345 2,694, % 4.90%
13 Gambar 4.1. PDB Aktual vs PDB Potensial menggunakan HP Filter Gambar 4.2. Pertumbuhan (%) PDB Aktual vs PDB Potensial menggunakan HP Filter
14 D.1.2. Band Pass Filter Hasil estimasi output potensial menggunakan metode Band Pass filter disajikan pada Tabel 4.2, Gambar 4.3, dan Gambar 4.4. Metode ini menghasilkan dugaan PDB potensial yang cenderung mendekati PDB aktualnya dan mampu menangkap dengan baik pola goncangan krisis ekonomi 1998 dan Tabel 4.2. PDB Aktual vs PDB Potensial menggunakan Band Pass Filter Band Pass Growth Tahun PDB Aktual PDB potensial PDB Aktual PDB potensial ,230 na na na ,169 na 6.98% na , , % na , , % 4.50% , , % 5.50% , , % 6.09% , , % 6.88% , , % 7.19% ,022,342 1,022, % 6.87% ,088,768 1,090, % 6.62% ,159,499 1,164, % 6.85% ,246,925 1,251, % 7.46% ,349,422 1,350, % 7.88% ,454,923 1,443, % 6.86% ,523,302 1,437, % % ,323,343 1,390, % % ,333,812 1,348, % % ,389,770 1,388, % 2.94% ,440,406 1,444, % 4.10% ,505,216 1,507, % 4.33% ,577,171 1,579, % 4.78% ,656,517 1,661, % 5.18% ,750,815 1,751, % 5.43% ,847,127 1,853, % 5.84% ,964,327 1,964, % 5.98% ,082,456 2,075, % 5.64% ,178,850 2,191, % 5.59% ,314,459 2,319, % 5.83% ,464,566 2,465, % 6.33% ,618,938 2,617, % 6.17% ,770,345 na 5.78% na
15 Gambar 4.3. PDB Aktual vs PDB Potensial menggunakan Band Pass Filter Gambar 4.4. Pertumbuhan (%) PDB Aktual vs PDB Potensial menggunakan Band Pass Filter
16 D.1.3. Arima + HP filter Hasil estimasi model ARIMA disajikan pada Tabel 4.3, hasil dugaannya jauh dari memuaskan karena tidak mampu menangkap perilaku PDB dengan baik. Tabel 4.3. Model ARIMA(1,1,0) Dependent Variable: D(GDP) Method: Least Squares Date: 11/28/14 Time: 09:20 Sample: Included observations: 30 Convergence achieved after 5 iterations Variable Coefficient Std. Error t-statistic Prob. C AR(1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid 9.28E+10 Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Inverted AR Roots.46 Hasil estimasi output potensial menggunakan metode ARIMA dan HP filter disajikan pada Tabel 4.4, Gambar 4.5, dan Gambar 4.6. Pendekatan metode ini cenderung menghasilkan dugaan PDB potensial yang lebih rendah dari PDB aktualnya.
17 Tabel 4.4. PDB Aktual vs PDB Potensial menggunakan ARIMA dan HP Filter Arima + HP Growth Tahun PDB Aktual PDB potensial PDB Aktual PDB potensial , ,511 na na , , % 7.53% , , % 7.05% , , % 6.69% , , % 6.46% , , % 6.29% , , % 6.15% , , % 6.00% ,022,342 1,047, % 5.79% ,088,768 1,105, % 5.51% ,159,499 1,162, % 5.16% ,246,925 1,217, % 4.73% ,349,422 1,269, % 4.25% ,454,923 1,316, % 3.73% ,523,302 1,359, % 3.21% ,323,343 1,397, % 2.79% ,333,812 1,433, % 2.58% ,389,770 1,471, % 2.69% ,440,406 1,515, % 2.99% ,505,216 1,566, % 3.38% ,577,171 1,626, % 3.82% ,656,517 1,695, % 4.25% ,750,815 1,774, % 4.63% ,847,127 1,862, % 4.94% ,964,327 1,958, % 5.16% ,082,456 2,061, % 5.29% ,178,850 2,171, % 5.32% ,314,459 2,286, % 5.28% ,464,566 2,404, % 5.17% ,618,938 2,524, % 5.01% ,770,345 2,646, % 4.80%
18 Gambar 4.5. PDB Aktual vs PDB Potensial menggunakan ARIMA + HP Filter Gambar 4.6. Pertumbuhan (%) PDB Aktual vs PDB Potensial menggunakan ARIMA + HP Filter
19 D.2. Multivariate D.2.1. Fungsi Produksi D Fungsi Produksi Tanpa Restriksi Hasil estimasi fungsi produksi tanpa restriksi dugaan parameter koefiisein regresi disajikan pada Tabel 4.5 dan 4.6. Fungsi produksi Indonesia bersifat increasing return scale karena total dugaan koefisien regresinya > 1. Tabel 4.5. Fungsi Produksi Tanpa Restriksi, Faktor Tenaga Kerja Menggunakan HP Filter Dependent Variable: LOG(GDP) Method: Least Squares Date: 12/14/14 Time: 20:32 Sample (adjusted): Included observations: 29 after adjustments Convergence achieved after 40 iterations MA Backcast: 1984 Variable Coefficient Std. Error t-statistic Prob. C LOG(K) LOG(TK_HP) AR(1) MA(1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Inverted AR Roots.92 Inverted MA Roots -.37
20 Tabel 4.6. Fungsi Produksi Tanpa Restriksi, Faktor Tenaga Kerja dan Kapital Menggunakan HP Filter Dependent Variable: LOG(GDP) Method: Least Squares Date: 12/14/14 Time: 20:32 Sample (adjusted): Included observations: 29 after adjustments Convergence achieved after 11 iterations MA Backcast: 1984 Variable Coefficient Std. Error t-statistic Prob. C LOG(K_HP) LOG(TK_HP) AR(1) MA(1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Inverted AR Roots.64 Inverted MA Roots -.41
21 Hasil estimasi output potensial menggunakan metode fungsi produksi tanpa restriksi dugaan parameter koefisien regresi disajikan pada Tabel 4.7, Gambar 4.7, dan Gambar 4.8. Nilai PDB potensial kecenderungan mendekati PDB aktualnya dan mampu menangkap dengan baik pola penurunan krisis ekonomi 1998 dan Tabel 4.7. PDB Aktual vs PDB Potensial menggunakan Fungsi Produksi Tanpa Restriksi (TK HP Filter) FP_TKHP Growth Tahun PDB Aktual PDB potensial PDB Aktual PDB potensial ,230 na na na ,169 na 6.98% na , , % na , , % 3.46% , , % 5.98% , , % 5.66% , , % 6.68% , , % 8.96% ,022,342 1,028, % 7.00% ,088,768 1,082, % 5.30% ,159,499 1,153, % 6.50% ,246,925 1,235, % 7.16% ,349,422 1,336, % 8.16% ,454,923 1,447, % 8.29% ,523,302 1,556, % 7.50% ,323,343 1,403, % % ,333,812 1,329, % % ,389,770 1,476, % 11.06% ,440,406 1,411, % % ,505,216 1,466, % 3.88% ,577,171 1,532, % 4.49% ,656,517 1,624, % 6.03% ,750,815 1,723, % 6.11% ,847,127 1,826, % 5.96% ,964,327 1,944, % 6.43% ,082,456 2,074, % 6.69% ,178,850 2,217, % 6.92% ,314,459 2,317, % 4.48% ,464,566 2,467, % 6.47% ,618,938 2,635, % 6.82% ,770,345 2,809, % 6.61%
22 3,200,000 2,800,000 2,400,000 2,000,000 1,600,000 1,200, , , GDP GDP_FP_TKHP Gambar 4.7. PDB Aktual vs PDB Potensial menggunakan Fungsi Produksi Tanpa Restriksi (TK HP Filter) GDPGROWTH GDPGROWTH_FP_TKHP Gambar 4.8. Pertumbuhan (%) PDB Aktual vs PDB Potensial menggunakan Fungsi Produksi Tanpa Restriksi (TK HP Filter)
23 D Fungsi Produksi Dengan Restriksi Hasil estimasi fungsi produksi dengan restriksi dugaan parameter koefiisein regresi disajikan pada Tabel 4.8 dan 4.9. Fungsi produksi Indonesia bersifat capital intensif, dugaan koefisien regresi capital sebesar 0,6, sedangkan tenaga kerjanya sebesar 0,4. Penelitian Van Der Eng, memberikan hasil dugaan koefisien regresi yang hampir sama dengan penelitian ini. Tabel 4.8. Fungsi Produksi Dengan Restriksi, Faktor Tenaga Kerja Menggunakan HP Filter Dependent Variable: LOG(GDP) Method: Least Squares Date: 12/14/14 Time: 20:36 Sample (adjusted): Included observations: 30 after adjustments LOG(GDP) = C(1) + C(2)*LOG(K) + (1-C(2))*LOG(TK_HP) Coefficient Std. Error t-statistic Prob. C(1) C(2) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Tabel 4.9. Fungsi Produksi Dengan Restriksi, Faktor Tenaga Kerja dan Kapital Menggunakan HP Filter Dependent Variable: LOG(GDP) Method: Least Squares Date: 12/14/14 Time: 20:40 Sample (adjusted): Included observations: 30 after adjustments LOG(GDP) = C(1) + C(2)*LOG(K_HP) + (1-C(2))*LOG(TK_HP) Coefficient Std. Error t-statistic Prob. C(1) C(2) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic)
24 Hasil estimasi output potensial menggunakan metode fungsi produksi tanpa restriksi dugaan parameter koefisien regresi disajikan pada Tabel 4.10, Gambar 4.9, dan Gambar Pendekatan metode ini cenderung menghasilkan dugaan PDB potensial yang lebih rendah dari PDB aktualnya. Tabel PDB Aktual vs PDB Potensial menggunakan Fungsi Produksi Dengan Restriksi (TK HP Filter) FP_TKHP_restriksi Growth Tahun PDB Aktual PDB potensial PDB Aktual PDB potensial ,230 na na na , , % na , , % 5.99% , , % 6.35% , , % 6.18% , , % 6.44% , , % 6.85% , , % 7.69% ,022,342 1,023, % 7.36% ,088,768 1,086, % 6.12% ,159,499 1,151, % 6.02% ,246,925 1,224, % 6.37% ,349,422 1,307, % 6.72% ,454,923 1,395, % 6.71% ,523,302 1,485, % 6.47% ,323,343 1,520, % 2.39% ,333,812 1,548, % 1.81% ,389,770 1,580, % 2.06% ,440,406 1,615, % 2.22% ,505,216 1,651, % 2.28% ,577,171 1,687, % 2.14% ,656,517 1,734, % 2.79% ,750,815 1,791, % 3.29% ,847,127 1,849, % 3.24% ,964,327 1,917, % 3.66% ,082,456 1,988, % 3.74% ,178,850 2,073, % 4.24% ,314,459 2,156, % 4.03% ,464,566 2,246, % 4.17% ,618,938 2,345, % 4.37% ,770,345 2,451, % 4.56%
25 2,800,000 2,400,000 2,000,000 1,600,000 1,200, , , GDP GDP_FP_TKHP_RESTRIKSI Gambar 4.9. PDB Aktual vs PDB Potensial menggunakan Fungsi Produksi Restriksi (TK HP Filter) GDPGROWTH GDPGROWTH_FP_RESTRIKSI Gambar Pertumbuhan (%) PDB Aktual vs PDB Potensial menggunakan Fungsi Produksi Dengan Restriksi (TK HP Filter)
26 D.2.2. SVAR Hasil estimasi model struktural VAR disajikan pada Tabel Tabel Estimasi Model SVAR Vector Autoregression Estimates Date: 11/28/14 Time: 07:25 Sample (adjusted): Included observations: 29 after adjustments Standard errors in ( ) & t-statistics in [ ] LOG(GDP) LOG(ERUS) LOG(CPI) LOG(GDP(-1)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(GDP(-2)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(ERUS(-1)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(ERUS(-2)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(CPI(-1)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(CPI(-2)) ( ) ( ) ( ) [ ] [ ] [ ] 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 Determinant resid covariance (dof adj.) 3.03E-09 Determinant resid covariance 1.15E-09 Log likelihood
27 Akaike information criterion Schwarz criterion Structural VAR Estimates Date: 11/28/14 Time: 07:25 Sample (adjusted): Included observations: 29 after adjustments Estimation method: method of scoring (analytic derivatives) Convergence achieved after 11 iterations Structural VAR is just-identified Model: Ae = Bu where E[uu']=I Restriction Type: short-run text = = -c(2)*@e1 + = -c(4)*@e1 - c(5)*@e2 + c(6)*@u3 represents LOG(GDP) represents LOG(ERUS) represents LOG(CPI) residuals Coefficient Std. Error z-statistic Prob. C(2) C(4) C(5) C(1) C(3) C(6) Log likelihood Estimated A matrix: Estimated B matrix:
28 Hasil estimasi output potensial menggunakan metode SVAR disajikan pada Tabel 4.12, Gambar 4.11, dan Gambar Pendekatan metode ini cenderung menghasilkan dugaan PDB potensial yang lebih rendah dari PDB aktualnya. Tabel PDB Aktual vs PDB Potensial menggunakan SVAR SVAR Growth Tahun PDB Aktual PDB potensial PDB Aktual PDB potensial , ,230 na na , , % 6.98% , , % 5.79% , , % 2.83% , , % 3.83% , , % 7.73% , , % 8.16% , , % 7.12% ,022,342 1,037, % 6.78% ,088,768 1,099, % 6.00% ,159,499 1,153, % 4.87% ,246,925 1,201, % 4.14% ,349,422 1,244, % 3.63% ,454,923 1,284, % 3.18% ,523,302 1,322, % 2.94% ,323,343 1,360, % 2.92% ,333,812 1,401, % 3.02% ,389,770 1,447, % 3.24% ,440,406 1,498, % 3.59% ,505,216 1,558, % 3.99% ,577,171 1,627, % 4.42% ,656,517 1,706, % 4.86% ,750,815 1,796, % 5.26% ,847,127 1,897, % 5.61% ,964,327 2,009, % 5.88% ,082,456 2,130, % 6.07% ,178,850 2,262, % 6.16% ,314,459 2,401, % 6.16% ,464,566 2,547, % 6.09% ,618,938 2,699, % 5.95% ,770,345 2,855, % 5.77%
29 3,000,000 2,500,000 2,000,000 1,500,000 1,000, , GDP GDP (Baseline) Gambar 4.9. PDB Aktual vs PDB Potensial menggunakan SVAR GDPGROWTH SVARGROWTH Gambar Pertumbuhan (%) PDB Aktual vs PDB Potensial menggunakan SVAR
30 D.3. Metode Terbaik Untuk memilih model mana yang terbaik menjelaskan estimasi output potensial perekonomian Indonesia digunakan pendekatan kurva Phillips yang menjelaskan hubungan inflasi dengan output gap. Hasil regresi dari setiap metode estimasi output potensial menggunakan pendekatan kurva Phillips disajikan pada Tabel Tabel Model Inflasi Dengan Output Gap HP Filter Dependent Variable: INF Method: Least Squares Date: 06/15/14 Time: 06:24 Sample (adjusted): Included observations: 28 after adjustments Convergence achieved after 439 iterations MA Backcast: 1985 Variable Coefficient Std. Error t-statistic Prob. C YGAP_HP(-1) INF(-1) MA(1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Inverted MA Roots.95 Breusch-Godfrey Serial Correlation LM Test: F-statistic Prob. F(2,22) Obs*R-squared Prob. Chi-Square(2) Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic Prob. F(2,25) Obs*R-squared Prob. Chi-Square(2) Scaled explained SS Prob. Chi-Square(2)
31 Tabel Model Inflasi Dengan Output Gap Band Pass Filter Dependent Variable: INF Method: Least Squares Date: 06/15/14 Time: 05:52 Sample (adjusted): Included observations: 28 after adjustments Convergence achieved after 20 iterations MA Backcast: 1985 Variable Coefficient Std. Error t-statistic Prob. C YGAP_BP(-1) E INF(-1) MA(1) E R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Inverted MA Roots 1.00 Breusch-Godfrey Serial Correlation LM Test: F-statistic Prob. F(2,22) Obs*R-squared Prob. Chi-Square(2) Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic Prob. F(2,25) Obs*R-squared Prob. Chi-Square(2) Scaled explained SS Prob. Chi-Square(2)
32 Tabel Model Inflasi Dengan Output Gap ARIMA + HP Dependent Variable: INF Method: Least Squares Date: 06/15/14 Time: 06:43 Sample (adjusted): Included observations: 29 after adjustments Convergence achieved after 15 iterations MA Backcast: 1984 Variable Coefficient Std. Error t-statistic Prob. C YGAP_ARIMA(-1) 4.38E E INF(-1) MA(1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Inverted MA Roots.93 Breusch-Godfrey Serial Correlation LM Test: F-statistic Prob. F(2,23) Obs*R-squared Prob. Chi-Square(2) Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic Prob. F(2,26) Obs*R-squared Prob. Chi-Square(2) Scaled explained SS Prob. Chi-Square(2)
33 Tabel Model Inflasi Dengan Output Gap Fungsi Produksi Tanpa Restriksi Dependent Variable: INF Method: Least Squares Date: 12/01/14 Time: 03:42 Sample (adjusted): Included observations: 28 after adjustments Variable Coefficient Std. Error t-statistic Prob. C YGAP_FP_TKHP(-1) E INF(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Breusch-Godfrey Serial Correlation LM Test: F-statistic Prob. F(2,23) Obs*R-squared Prob. Chi-Square(2) Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic Prob. F(2,25) Obs*R-squared Prob. Chi-Square(2) Scaled explained SS Prob. Chi-Square(2)
34 Tabel Model Inflasi Dengan Output Gap Fungsi Produksi Dengan Restriksi Dependent Variable: INF Method: Least Squares Date: 12/15/14 Time: 05:33 Sample (adjusted): Included observations: 29 after adjustments Variable Coefficient Std. Error t-statistic Prob. C YGAP_FP_TKHP_RESTRIKSI(-1) -4.01E E INF(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Breusch-Godfrey Serial Correlation LM Test: F-statistic Prob. F(2,24) Obs*R-squared Prob. Chi-Square(2) Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic Prob. F(2,26) Obs*R-squared Prob. Chi-Square(2) Scaled explained SS Prob. Chi-Square(2)
35 Tabel Model Inflasi Dengan Output Gap SVAR Dependent Variable: INF Method: Least Squares Date: 09/29/14 Time: 22:28 Sample (adjusted): Included observations: 29 after adjustments Convergence achieved after 20 iterations MA Backcast: 1984 Variable Coefficient Std. Error t-statistic Prob. C YGAP_SVAR(-1) 3.22E E INF(-1) MA(1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Inverted MA Roots 1.00 Breusch-Godfrey Serial Correlation LM Test: F-statistic Prob. F(2,23) Obs*R-squared Prob. Chi-Square(2) Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic Prob. F(2,26) Obs*R-squared Prob. Chi-Square(2) Scaled explained SS Prob. Chi-Square(2)
36 Dari Tabel , berdasarkan uji statistik t, F, dan koefisien determinasi (R2 (adj)), model terbaik yang mampu mengestimasi output potensial Indonesia adalah metode Band Pass Filter. Metode ini mampu menjelaskan dengan sangat baik hubungan inflasi dengan output gap karena memiliki koefisien determinasi yang paling tinggi yaitu 0.91 dan tidak terjadi pelanggaran asumsi heteroskedastisitas, walaupun melanggar asumsi autokorelasi. Namun demikian, pelanggaran autokorelasi tidak menggangu kesimpulan pengujian koefisien regresi secara parsial.
37 E. Prospek Perekonomian Ke Depan Dalam penelitian ini, untuk memprediksi output potensial menggunakan tiga pendekatan, yaitu: (1) Distributed lag model, (2) ARIMA, (3) Band Pass filter. Untuk pendekatan model Distributed lag dan ARIMA menghasilkan dugaan output potensial yang terlalu rendah, karena tren pertumbuhan ekonomi Indonesia cenderung melambat dalam 5 tahun terakhir. Prinsip dasar dari distributed lag dan ARIMA adalah model yang dipengaruhi oleh data masa lalunya. Ketika data masa lalunya cenderung turun, maka prediksi ke depannya juga akan cenderung menurun atau dalam keadaan sebaliknya. Oleh karena ini pendekatan yang digunakan dalam penelitian ini, untuk memprediksi output potensial Indonesia menggunakan Band Pass Filter. Untuk pertumbuhan ekonomi tahun menggunakan asumsi pertumbuhan ekonomi yang ada dalam RAPBN Hasil estimasi output potensial disajikan pada Gambar % 6.95% 6.96% GDP GDP Potensial 6.60% 6.60% 6.5% 6.20% 6.15% 6.0% 5.5% 5.78% 5.76% 5.30% 5.55% 5.71% 5.60% 5.0% Gambar Prediksi Pertumbuhan Output Potensial Menggunakan Band Pass Filter Pada tahun diperkirakan PDB aktualnya lebih rendah dari PDB potensialnya. Dalam periode ini, pertumbuhan ekonomi Indonesia berada di bawah output potensialnya. Oleh karena itu, sebaiknya kebijakan fiskal (pemerintah) dan moneter (BI) bersifat longgar.
38 Walaupun Indonesia dibayangi oleh defisit neraca transaksi berjalan karena tingginya impor barang dan jasa, sedangkan ekspor Indonesia sulit diharapkan meningkat karena lemahnya harga komoditas primer. Hal ini bukan berarti adanya sinyal overheating dalam perekonomian, sebab output aktualnya masih berada di bawah output potensialnya. Kebijakan BI dengan menaikkan suku bunga secara signifikan pada tahun 2013 dari 5,75% menjadi 7,50%, kemudian dinaikkan kembali pada November 2014 menjadi 7,75%, kami kira kuranglah tepat dan berlawanan kebijakan suku bunga negara maju. Pemulihan krisis ekonomi global tahun 2008, memaksa negara- negara maju melakukan kebijakan ekonomi moneter longgar, dengan menurunkan suku bunga acuannya dan dipertahankan rendah dalam kurun waktu yang cukup lama. AS sudah mempertahankan suku bunga acuannya 0,25% selama hampir 6 tahun, begitu juga dengan Japan (0,1%). Sementara itu EU, terus menurunkan suku bunga acuannya sampai titik yang terendah yaitu 0,05% sejak Jun Akibat kebijakan moneter ketat BI, maka kemungkinan pertumbuhan ekonomi pada tahun 2014 berkisar 5-5,1%, berada di bawah output potensialnya 5,6%. Kondisi ini kemungkinan akan berlanjut pada tahun 2015, di mana output aktualnya (5,6%) berada di bawah output potensialnya (5,7%). Diharapkan BI dan pemerintah dapat melakukan stimulus perekonomian secara efektif, sehinga mulai tahun pertumbuhan ekonomi aktual berada di kisaran output potensialnya. Apalagi pemerintah yang baru Jokowi JK, akan fokus memperbaiki infrastrukur yang merupakan masalah struktural yang dihadapi oleh Indonesia.
39 F. Kesimpulan Dari hasil penelitian yang telah dilakukan mengenai Output Gap Indonesia, diperoleh beberapa kesimpulan yaitu: 1. Untuk melihat apakah suatu perekonomian mengalami overheating atau tidak? Salah satu pendekatan yang bisa digunakan adalah menghitung output potensial suatu perekonomian, yang kemudian diperoleh output gapnya. 2. Untuk negara maju, output potensial sering digunakan untuk melihat kapasitas perekonomian, sedangkan studi di Indonesia relatif terbatas. BI sudah melakukan riset tentang output potensial, namun baru sebatas konsumsi internal. 3. Dalam perhitungan output potensial, pada umumnya dibagi dua pendekatan yaitu: (1) analisis univariat (HP filter, Band pass filter, ARIMA + HP filter) dan (2) analisis multivariate ( fungsi produksi dan SVAR). 4. Untuk memilih model terbaik, didekati dengan kurva Phillips yang menjelaskan hubungan inflasi dengan output gap. 5. Metode Band pass filter merupakan model terbaik untuk mengestimasi output potensial Indonesia, metode ini cocok juga digunakan untuk Brasil. 6. Output potensial Indonesia pada tahun 2014 diperkirakan tumbuh sebesar 5,6%, berada jauh di atas perkiraan pertumbuhan ekonomi Indonesia 5-5,1%. Oleh karena itu, kondisi perekonomian Indonesia tidak akan mengalami overheating, walaupun ada ancaman defisit transaksi berjalan. 7. Target pemerintahan Jokowi JK, pertumbuhan ekonomi Indonesia 7% dalam 3 tahun ke depan (2016), nampaknya akan sulit tercapai, karena pertumbuhan output potensialnya masih berada di bawah 6,5%.
BULAN
LAMPIRAN I Data Inflasi Bulanan Provinsi Sumatera Utara Menggunakan Indeks Harga Konsumen (IHK) Provinsi Sumatera Utara Periode Januari 2002 - Desember 2013 TAHUN 2002 2003 2004 2005 2006 2007 BULAN JANUARI
Lebih terperinciBAB IV ESTIMASI DAN ANALISIS MODEL
BAB IV ESTIMASI DAN ANALISIS MODEL 4.1 Estimasi Regresi Model Akibat dari penggunaan Logaritma Natural (ln) pada sebagian variabel model, maka nilai koefisien dari model dengan (ln) menunjukkan besaran
Lebih terperinciLampiran 2 Penduduk Menurut Status Pekerjaan Utama (jiwa)
81 Lampiran 1 Jumlah Penduduk, Rumahtangga, dan Rata-rata Anggota Rumahtangga Tahun Jumlah Penduduk (ribu jiwa) Jumlah Rumahtangga Rata-rata Anggota Rumahtangga (1) (2) (3) (4) 2000 205.132 52.008,3 3,9
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN 4.1 Pengantar Bab 4 akan memaparkan proses pengolahan data dan analisis hasil pengolahan data. Data akan diolah dalam bentuk persamaan regresi linear berganda dengan menggunakan
Lebih terperinciBAB IV HASIL DAN ANALISIS. sekunder dalam bentuk deret waktu (time series) pada periode
BAB IV HASIL DAN ANALISIS 4.1 Analisis Deskripsi Data Jenis data yang digunakan penulis dalam penelitian ini adalah data sekunder dalam bentuk deret waktu (time series) pada periode 1993-2013 kurun waktu
Lebih terperinciLampiran 1. Jumlah Deposito, Suku Bunga Deposito, dan Inflasi di Indonesia Tahun
69 Lampiran 1. Jumlah Deposito, Suku Bunga Deposito, dan Inflasi di Indonesia Tahun 2004-2010 Periode sbdepo Inflasi depo Jan-04 6.27 0.57 426.424 Feb-04 5.99-0.02 409.204 Mar-04 5.86 0.36 401.686 Apr-04
Lebih terperinciBAB V HASIL ANALISIS DAN PEMBAHASAN
72 BAB V HASIL ANALISIS DAN PEMBAHASAN Dalam penelitian ini alat analisis data yang digunakan adalah model regresi linear klasik (OLS). Untuk pembuktian kebenaran hipotesis dan untuk menguji setiap variabel
Lebih terperinciBAB V PENUTUP. sejenis yang ingin melanjutkan atau mengembangkan penelitian ini.
BAB V PENUTUP Bab ini berisi kesimpulan dan saran. Kesimpulan merupakan pernyataan singkat dan tepat yang dijabarkan dari hasil penelitian dan pembahasan untuk membuktikan kebenaran hipotesis penelitian.
Lebih terperinciPENGARUH INDEKS PEMBANGUNAN MANUSIA DAN PRODUK DOMESTIK REGIONAL BRUTO TERHADAP TINGKAT PENGANGGURAN TERBUKA PROVINSI DKI JAKARTA TAHUN
PENGARUH INDEKS PEMBANGUNAN MANUSIA DAN PRODUK DOMESTIK REGIONAL BRUTO TERHADAP TINGKAT PENGANGGURAN TERBUKA PROVINSI DKI JAKARTA TAHUN 2006-2013 INDAH AYU PUSPITA SARI 14213347/3EA16 Sri Rakhmawati, SE.,
Lebih terperinciKUISIONER. 2. Berapa besar nilai Modal kerja yang diperlukan untuk produksi setiap bulan?
Lampiran 1 : Kuisioner KUISIONER A. PROFIL USAHA 1. Nama Usaha :. Alamat Usaha : 3. Pemilik Usaha :. Alamat Pemilik : 5. Jenis Usaha : 6. Usia : 7. Jenis Kelamin : 8. Jumlah Tanggungan : B. DAFTAR PERTANYAAN
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1. Deskripsi Data Penelitian Data yang digunakan dalam penelitian ini adalah data sekunder yang merupakan datatime series atau data runtun waktu sebanyak 12 observasi, yaitu
Lebih terperinciBandung, 31 Desember Tim Peneliti
Kegiatan penelitian ini merupakan kegiatan penelitian kerja sama antara Bursa Efek Jakarta dengan Fakultas Ekonomi Unpad dengan judul Kontribusi/Peranan Pasar Modal Terhadap Perekonomian Indonesia yang
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. sekunder deret waktu (time series) mulai dari Januari 2013 sampai
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Analisis dan Hasil Regresi Semua data yang digunakan dalam analisis ini merupakan data sekunder deret waktu (time series) mulai dari Januari 2013 sampai Desember
Lebih terperinciLAMPIRAN Langkah-Langkah Pemilihan Model Regresi Data Panel
LAMPIRAN Langkah-Langkah Pemilihan Model Regresi Data Panel Hasil Common Effect Method: Panel Least Squares Date: 12/06/11 Time: 18:16 C 12.40080 1.872750 6.621707 0.0000 LOG(PDRB) 0.145885 0.114857 1.270151
Lebih terperinciBAB V KESIMPULAN DAN SARAN. Desember 2009 dalam kondisi jangka pendek.
45 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan uraian yang telah disampaikan pada bab sebelumnya, maka kesimpulan penelitian ini adalah: 1) Secara individu variabel Jumlah Uang Beredar (M1) tidak
Lebih terperinciBAB V PENUTUP. Peningkatan Jumlah Uang yang Beredar (M1) dan Harga Premium Bersubsidi
BAB V PENUTUP 5.1. Kesimpulan Kesimpulan yang dapat diambildari penelitian dan pembahasan Pengaruh Peningkatan Jumlah Uang yang Beredar (M1) dan Harga Premium Bersubsidi terhadap Inflasi di Indonesia Periode
Lebih terperinciBAB IV HASIL DAN ANALISIS. bentuk deret waktu (time series) selama 17 tahun, yaitu tahun Data
1.1 Analisis Deskripsi Data BAB IV HASIL DAN ANALISIS Data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk deret waktu (time series) selama 17 tahun, yaitu tahun 1996-2012. Data tersebut
Lebih terperinci(Data Mentah) Data Penerimaan Asli Daerah Sektor Pariwisata Kabupaten Lombok Timur, Jumlah Kunjunga Wisatawan dan Jumlah Objek Wisata
L A M P I R A N 95 96 Lampiran 1 (Data Mentah) Data Penerimaan Asli Daerah Sektor Pariwisata Kabupaten Lombok Timur, Jumlah Kunjunga Wisatawan dan Jumlah Objek Wisata TAHUN PAD Sektor Pariwisata Jumlah
Lebih terperinciMASALAH-MASALAH DALAM MODEL REGRESI LINIER
MASALAH-MASALAH DALAM MODEL REGRESI LINIER Pendahuluan Analisis model regresi linier memerlukan dipenuhinya berbagai asumsi agar model dapat digunakan sebagai alat prediksi yang baik. Namun tidak jarang
Lebih terperinciBAB 1V HASIL DAN ANALISIS
BAB 1V HASIL DAN ANALISIS 4.1 Diskripsi Data Penelitian 4.1.1 Nilai Tukar Rupiah Nilai tukar adalah harga suatu mata uang suatu Negara dalam satuan mata uang asing, yang mana jumlah mata uang asing tersebut
Lebih terperinciRISET ITU MUDAH. Salah satu contoh pertanyaan yang mungkin muncul di benak kita adalah:
Rangga Handika Salah satu contoh pertanyaan yang mungkin muncul di benak kita adalah: Apakah berinvestasi pada saham bisa menutup penurunan pendapatan real kita yang tergerus inflasi? Untuk itu, marilah
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. dapat digunakan. Keempat pengujian tersebut adalah uji kenormalan, uji
BAB V HASIL DAN PEMBAHASAN 5.1. Uji Asumsi Pengujian asumsi dilalukan untuk memastikan bahwa model yang dipilih telah memenuhi asumsi yang telah ditentukan. Ada empat tahapan pengujian asumsi yang harus
Lebih terperinciBAB IV HASIL PENELITIAN. Dalam penelitian ini sampel yang digunakan adalah indeks harga saham gabungan
BAB IV HASIL PENELITIAN IV.1. Gambaran Umum Objek Penelitian Dalam penelitian ini sampel yang digunakan adalah indeks harga saham gabungan (JSX dan IDX), indeks Dow Jones (DJIA), indeks FTSE (FTSE), indeks
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan Kesimpulan yang dapat ditarik dari hasil analisis jumlah uang beredar dan tingkat suku bunga SBI terhadap inflasi di Indonesia tahun 1984-2009 adalah sebagai
Lebih terperinciMODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE
MODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE Data yang digunakan adalah data M2Trend.wf1 (buku rujukan pertama, bab-8). Model analisisnya adalah Xt = M2 diregresikan dengan t = waktu. Model yang akan
Lebih terperinciDAFTAR PUSTAKA. Halim Abdul, (2002). Akuntansi Sektor Publik. Salemba Empat, Jakarta.
DAFTAR PUSTAKA Halim Abdul, (2002). Akuntansi Sektor Publik. Salemba Empat, Jakarta. Mattjik AS &M. Sumertajaya, (2000). Metodologi Penelitian Ekonomi dan Bisnis. IPB Press. Bogor. Nataludin. (2001). Potensi
Lebih terperinciLampiran 1. Penawaran Bawang Merah di Sumatera Utara Tahun (Ton) Januari Februari
76 Lampiran 1. Penawaran Bawang Merah di Sumatera Utara Tahun 2010 2014 (Ton) Bulan Tahun 2010 2011 2012 2013 2014 Januari 570 1.277 1.091 1.264 511 Februari 880 1.058 1.486 1.254 447 Maret 1.095 1.078
Lebih terperinciECONOMIC MODEL FROM DEMAND SIDE: Evidence In Indonesia
(ECONOMETRIC MODEL: SIMUTANEOUS EQUATION MODEL) The title of paper: ECONOMIC MODEL FROM DEMAND SIDE: Evidence In Indonesia OLEH: S U R I A N I NIM: 1509300010009 UNIVERSITAS SYIAH KUALA PROGRAM DOKTOR
Lebih terperinciDETERMINAN PERMINTAAN KARET INDONESIA. Muhammad Hartana I. Putra UIN Syarif Hidayatullah Jakarta
Signifikan Vol. 1 No. 2 Oktober 2012 DETERMINAN PERMINTAAN KARET INDONESIA Muhammad Hartana I. Putra UIN Syarif Hidayatullah Jakarta hartana@uinjkt.ac.id Abstract The aim of this research is to analyze
Lebih terperinciBAB 2 MODEL REGRESI LINIER
BAB 2 MODEL REGRESI LINIER Model regresi liner merupakan suatu model yang parameternya linier (bisa saja fungsinya tidak berbentuk garus lurus), dan secara kuantitatif dapat digunakan untuk menganalisis
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN A. Hasil Penelitian 1. Hasil Uji Asumsi Klasik Untuk menghasilkan hasil penelitian yang baik, pada metode regresi diperlukan adanya uji asumsi klasik untuk mengetahui apakah
Lebih terperinciREGRESI LINIER SEDERHANA
REGRESI LINIER SEDERHANA Model fungsi : Y = f (X) LAHIR = F (WUS) LAHIR, yaitu data jumlah kelahiran setahun lalu di sejumlah Kecamatan di Jateng WUS, yaitu data jumlah wanita usia subur di sejumlah Kecamatan
Lebih terperinciProduktivitas Padi, Luas Panen dan Produksi Padi di Kabupaten Deli Serdang,
Lampiran 1. Produktivitas Padi, Luas Panen dan Produksi Padi di Kabupaten Deli Serdang, 2004-2010 Tahun Semester Produktivitas Padi (ton/ha) Luas Panen (ha) Produksi Padi (ton) 2004 1 4.585 40.187 184257.4
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1. Deskripsi Data Penelitian Semua data yang digunkana dalam analisis ini merupakan data sekunder mulai tahun 1995 sampai tahun 2014 di Indonesia. Penelitian ini dimaksudkan
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI IMPOR BERAS INDONESIA TAHUN JURNAL PUBLIKASI
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI IMPOR BERAS INDONESIA TAHUN 1993-2013 JURNAL PUBLIKASI OLEH : Nama : Futikha Kautsariyatun Rahmi Nomor Mahasiswa : 12313269 Jurusan : Ilmu Ekonomi FAKULTAS EKONOMI
Lebih terperinciBAB IV HASIL DAN ANALISIS. sekunder dalam bentuk deret waktu (time series) selama 15 tahun pada periode
38 BAB IV HASIL DAN ANALISIS 4.1 Analisis Deskripsi Data Jenis data yang digunakan dalam penelitian ini seluruhnya merupakan data sekunder dalam bentuk deret waktu (time series) selama 15 tahun pada periode
Lebih terperinciANALISIS PENGARUH PERTUMBUHAN EKONOMI TERHADAP TINGKAT PENGANGGURAN DI KOTA MEDAN TAHUN
ANALISIS PENGARUH PERTUMBUHAN EKONOMI TERHADAP TINGKAT PENGANGGURAN DI KOTA MEDAN TAHUN 2000-2014 NADIA IKA PURNAMA Dosen Fakultas Ekonomi Universitas Muhammadiyah Sumatera Utara email : nadiaika95@gmail.com
Lebih terperinciBAB V PENUTUP. singkat yang didapat dari hasil penelitian. Saran dibuat berdasarkan pengetahuan
48 BAB V PENUTUP Bab ini berisi kesimpulan dan saran. Kesimpulan merupakan pernyataan singkat yang didapat dari hasil penelitian. Saran dibuat berdasarkan pengetahuan penulis dan ditujukan untuk pengambil
Lebih terperinciBAB V PENUTUP. 5.1 Kesimpulan. Berdasarkan beberapa temuan dalam penelitian ini, peneliti mengambil. kesimpulan yaitu
BAB V PENUTUP 5.1 Kesimpulan Berdasarkan beberapa temuan dalam penelitian ini, peneliti mengambil kesimpulan yaitu 1) Dalam jangka pendek jumlah uang beredar tidak berpengaruh atau tidak signifikan terhadap
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN. Tabel 4.1 Statistik Deskriptif Deskriptif Rata-rata Standar Deviasi
BAB 4 ANALISIS DAN PEMBAHASAN Bab 4 akan membahas lebih dalam mengenai proses pengolahan data, dimulai dari penjelasan mengenai statistik deskriptif sampai dengan penjelasan mengenai hasil dari analisis
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Belanja Daerah tahun sekarang pada kabupaten/kota di propinsi Sumatera Utara
42 BAB IV HASIL DAN PEMBAHASAN Penelitian ini menganalisis pengaruh DAU dan PAD tahun lalu terhadap Belanja Daerah tahun sekarang pada kabupaten/kota di propinsi Sumatera Utara tahun 2006 2008. Alat analisis
Lebih terperinciLampiran 1. Hasil Uji Multikolinearitas (Matriks Korelasi Parameter Persamaan) 1. Persamaan Konsumsi. 2. Persamaan Investasi. 3.
Lampiran 1 Hasil Uji Multikolinearitas (Matriks Korelasi Parameter Persamaan) 1. Persamaan Konsumsi C(10) C(11) C(12) C(13) C(10) 0.016041 0.002875 5.65E-05-0.004179 C(11) 0.002875 0.001743 1.31E-05-0.002020
Lebih terperinciBAB 5 ANALISA MODEL PERSAMAAN REKURSIF FAKTOR-FAKTOR DETERMINAN EKSPOR CPO INDONESIA
BAB 5 ANALISA MODEL PERSAMAAN REKURSIF FAKTOR-FAKTOR DETERMINAN EKSPOR CPO INDONESIA Pada bagian metodologi penelitian telah dijelaskan bahwa adanya ketidaksamaan satuan antara variabel ekspor CPO dengan
Lebih terperinciLampiran 1. Data Regresi. 71 Universitas Sumatera Utara
Lampiran 1 Data Regresi I obs X1 X2 X3 X4 Y 1 5.000000 1.000000 2.000000 18.00000 20.00000 2 4.000000 1.000000 2.000000 20.00000 20.00000 3 4.000000 2.000000 3.000000 20.00000 20.00000 4 3.000000 5.000000
Lebih terperinciLampiran I. INDENTITAS RESPONDEN PETANI NILAM DI KABUPATEN PAKPAK BHARAT No Nama
Lampiran I. INDENTITAS RESPONDEN PETANI NILAM DI KABUPATEN PAKPAK BHARAT No Nama Alamat Responden Umur Pendidikan Responden 1. Ringgas Berutu Desa Namuseng. Kec: 67 SLTP Sitellu Tali Urang Julu 2. Disol
Lebih terperinciKata kunci : Indeks harga konsumen, PDB, Exchange Rate. Jumlah uang beredar, BI rate
Calyptra: Jurnal Ilmiah Mahasiswa Universitas Surabaya Vol.4 No.1 (215) FAKTOR FAKTOR YANG MEMPENGARUHI INFLASI DI INDONESIA PERIODE 29:4 214:2 Julia Sonatan Jurusan :Ilmu Ekonomi Studi Pembangunan Konsentrasi
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN Gambaran Umum Perbankan Indonesia. kategori bank, diantaranya adalah Bank Persero, Bank Umum Swasta Nasional
BAB IV HASIL DAN PEMBAHASAN 4.1. Gambaran Umum 4.1.1. Gambaran Umum Perbankan Indonesia Dilihat dari segi kepemilikannya, Bank di Indonesia dibedakan menjadi enam kategori bank, diantaranya adalah Bank
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. atau tidak dalam penelitian ini jarque-berra dimana hasilnya dapat. ditunjukkan dari nilai probabilitas Jarque-Berra.
BAB V HASIL DAN PEMBAHASAN A. Uji Asumsi Klasik 1. Uji Normalitas Uji normalitas digunakan untuk menguji apakah distribusi data normal atau tidak dalam penelitian ini jarque-berra dimana hasilnya dapat
Lebih terperinciBAB I PENDAHULUAN A. LATARBELAKANG
BAB I PENDAHULUAN A. LATARBELAKANG Pertumbuhan ekonomi merupakan pertumbuhan output yang dibentuk oleh berbagai sektor ekonomi sehingga dapat menggambarkan bagaimana kemajuan atau kemunduran yang telah
Lebih terperinciDAFTAR PUSTAKA. Ardiansyah, Dany Kontribusi Penerimaan Pajak Daerah terhadap PAD di Daerah Pemerintah Kota Blitar, Yogyakarta: UMM.
DAFTAR PUSTAKA Abdullah, dan Halim, 2003. Pengaruh Dana Alokasi Umum (DAU) dan Pendapatan Asli Daerah (PAD) Terhadap Belanja Pemerintah Daerah: Studi Kasus Kabupaten/Kota di Jawa Timur dan Bali. Simposium
Lebih terperinciSurat Keterangan Perubahan Judul
LAMPIRAN 1 Surat Keterangan Perubahan Judul [Type text] LAMPIRAN 2 Permohonan Izin Penelitian [Type text] LAMPIRAN 3 Pengantar Riset [Type text] LAMPIRAN 4 Surat Keterangan Penelitian [Type text] LAMPIRAN
Lebih terperinciVariabel Mempengaruhi IR untuk periode
Variabel Mempengaruhi IR untuk periode 2007 2008 Oleh: Wilson R. L. Tobing Adler Haymans Manurung Abstract Paper ini bertujuan untuk mengeksplorasi variable yang mempengaruhi Initial Return. Metode Regressi
Lebih terperinciBAB 1V HASIL DAN PEMBAHASAN. Skripsi ini meneliti mengenai analisis faktor-faktor yang mempengaruhi
53 BAB 1V 4.1 Diskripsi Data Penelitian HASIL DAN PEMBAHASAN Skripsi ini meneliti mengenai analisis faktor-faktor yang mempengaruhi konsumsi masyarakat di Indonesia tahun 1995-2014 dengan model error correction
Lebih terperinciLAMPIRAN 1. Kuisioner Penelitian KUISIONER
LAMPIRAN 1 Kuisioner Penelitian No : KUISIONER ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN MASYARAKAT DALAM MEMANFAATKAN KREDIT KEPEMILIKAN RUMAH DI KOTA MEDAN (STUDI KASUS PT. BRI MEDAN) Oleh:
Lebih terperinciLAMPIRAN. Lampiran 1. Daftar Sampel Perusahaan Makanan dan Minuman
LAMPIRAN Lampiran 1 Daftar Sampel Perusahaan Makanan dan Minuman No Nama Perusahaan Tanggal Listing Kriteria 1 2 3 1. PT. Cahaya Kalbar Tbk 9 Juli 1996 2. PT. Delta Djakarta Tbk 27 Februari 1984 3. PT.
Lebih terperinciLampiran 1 Daftar Populasi Sampel Penelitian
Lampiran 1 Daftar Populasi Sampel Penelitian No. Kode Nama Perusahaan Kriteria Sampel 1 2 3 Ke 1. ASII PT. Astra Internasional, Tbk. 1 2. AUTO PT. Astra Otoparts, Tbk. 2 3. BRAM PT. Indokordsa, Tbk. 3
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN 5. 1 Pengantar Bab 5 akan memaparkan proses pengolahan data dan analisis hasil pengolahan data. Data diolah dalam bentuk persamaan regresi linear berganda dengan menggunakan
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN A. Uji Asumsi Klasik 1. Uji Heterokidastisitas Dalam uji white, model regresi linier yang digunakan dalam penelitian ini diregresikan untuk mendapatkan nilai residualnya. Kemudian
Lebih terperinciANALISIS PENGARUH INFLASI TERHADAP TINGKAT PENGANGGURAN DI KOTA MEDAN TAHUN
ANALISIS PENGARUH INFLASI TERHADAP TINGKAT PENGANGGURAN DI KOTA MEDAN TAHUN 2000-2014 NADIA IKA PURNAMA Dosen Fakultas Ekonomi Universitas Muhammadiyah Sumatera Utara email : nadiaika95@gmail.com ABSTRAK
Lebih terperinciLAMPIRAN 1 TABEL RESPONDEN No. y x1 x2 x
LAMPIRAN 1 TABEL RESPONDEN No. y x1 x2 x3 1 1.12 8979000 3000000 4 2 1.15384 8979000 3500000 2 3 1.25 9000000 4000000 2 4 1.12 8900000 4000000 4 5 1.53846 10165900 7000000 3 6 1.875 10165900 9000000 2
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. Metode yang digunakan untuk menduga faktor-faktor yang memengaruhi
BAB V HASIL DAN PEMBAHASAN 5.1. Estimasi Parameter Model Metode yang digunakan untuk menduga faktor-faktor yang memengaruhi Penanaman Modal Asing di Provinsi Jawa Timur adalah dengan menggunakan metode
Lebih terperinciTUGAS MISI RISET Dosen : Agus Tri Basuki, SE., M.Si.
TUGAS MISI RISET Dosen : Agus Tri Basuki, SE., M.Si. ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI CADANGAN DEVISA DI INDONESIA (1986-2015) Ega Wiguna 1 Program Studi Ilmu Ekonomi Universitas Muhammadiyah Yogyakarta
Lebih terperinciPenerimaan Pajak dan Pengeluaran Pemerintah kota Tebing Tinggi Tahun (juta rupiah)
Lampiran I Penerimaan Pajak dan Pengeluaran Pemerintah kota Tebing Tinggi Tahun 1983-2007 (juta rupiah) Tahun Penerimaan Pajak Pengeluaran Pemerintah 1983 150.392 1.627.530 1984 155.699 1.842300 1985 149.670
Lebih terperinciIV. HASIL DAN PEMBAHASAN. Untuk mengetahui apakah data yang dipakai sudah stationary dalam penelitian ini
42 IV. HASIL DAN PEMBAHASAN A. Hasil Penelitian 1. Hasil Uji Unit Root Untuk mengetahui apakah data yang dipakai sudah stationary dalam penelitian ini diuji dengan uji unit roots yang dilakukan dengan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Penelitian ini bertujuan untuk menguji pengaruh debt to equity ratio. sampel penelitian dengan rincian sebagai berikut :
44 BAB IV HASIL DAN PEMBAHASAN A. Hasil Pengumpulan Data Penelitian ini bertujuan untuk menguji pengaruh debt to equity ratio (DER), price to earning ratio (PER), dan earning pershare (EPS) terhadap return
Lebih terperinciBab IV. Metode dan Model Penelitian
Bab IV Metode dan Model Penelitian 4.1 Spesifikasi Model Sesuai dengan tinjauan literatur, hal yang akan diteliti adalah pengaruh real exchange rate, pertumbuhan ekonomi domestik, pertumbuhan ekonomi Jepang,
Lebih terperinciBAB III METODE PENELITIAN. (time series data). Dalam penelitiaan ini digunakan data perkembangan pertumbuhan ekonomi,
BAB III 3.1. Jenis dan Sumber Data METODE PENELITIAN 3.1.1. Jenis Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder yang digunakan adalah data yang dicatat secara
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Indonesia. Analisis dampak..., Wawan Setiawan..., FE UI, 2010.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pesatnya perkembangan ekonomi dunia dewasa ini berimplikasi pada eratnya hubungan satu negara dengan negara yang lain. Arus globalisasi ekonomi ditandai dengan
Lebih terperinciBAB IV. Analisis Data. 4.1 Gambaran Umum dan Depskriptif Obyek Penelitian
62 BAB IV Analisis Data 4.1 Gambaran Umum dan Depskriptif Obyek Penelitian 4.1.1 Gambaran Umum Obyek Penelitian Obyek penelitian yang digunakan dalam penelitian ini adalah bank bank yang beroperasi di
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. Uji akar akar unit yang bertujuan untuk menganalisis data time series
44 BAB IV ANALISIS HASIL DAN PEMBAHASAN 4.1 Analisa Kelayakan Data 4.1.1 Uji Stasioner Uji akar akar unit yang bertujuan untuk menganalisis data time series stasioner (tidak ada akar akar unit) atau tidak
Lebih terperinciPenentu Posisi Cadangan Devisa di Indonesia; Inflasi, Ekspor, Ataukah Utang Luar Negeri
Penentu Posisi Cadangan Devisa di Indonesia; Inflasi, Ekspor, Ataukah Utang Luar Negeri Rimelda Rona Sari Departement of Economics, Faculty of Economic, State University of Medan, Medan 20221, Indonesia
Lebih terperinciBAB I PENDAHULUAN Latar Belakang. Kebijakan fiskal merupakan salah satu kebijakan dalam mengatur kegiatan
BAB I PENDAHULUAN 1.1. Latar Belakang Kebijakan fiskal merupakan salah satu kebijakan dalam mengatur kegiatan ekonomi secara makro, di samping kebijakan fiskal juga terdapat kebijakan moneter yang merupakan
Lebih terperinciPenjualan Pasokan Penjualan Pasokan Penjualan Pasokan
LAMPIRAN Lampiran 1. Data Penjualan dan Pasokan Bulan January 2005 2006 2007 Penjualan Pasokan Penjualan Pasokan Penjualan Pasokan 293.57 291.82 325.64 546.955 359.88 762.063 February 297.05 291.82 341.45
Lebih terperinciLAPORAN AKHIR ANALISIS KEBIJAKAN ANALISIS ELASTISITAS HARGA PUPUK TERHADAP PRODUKTIVITAS PADI
LAPORAN AKHIR ANALISIS KEBIJAKAN ANALISIS ELASTISITAS HARGA PUPUK TERHADAP PRODUKTIVITAS PADI Oleh Pantjar Simatupang Sri Hery Susilowati Supriyati Eni Darwati PUSAT SOSIAL EKONOMI DAN KEBIJAKAN PERTANIAN
Lebih terperinciBAB V PENUTUP. Konvergensi antar Provinsi di Indonesia adalah sebagai berikut:
BAB V PENUTUP 5.1 Kesimpulan Kesimpulan yang dapat diambil dari penelitian dan pembahasan terhadap Konvergensi antar Provinsi di Indonesia adalah sebagai berikut: 1. Berdasarkan hasil regresi pada analisis
Lebih terperinciBAB V KESIMPULAN DAN SARAN. Berdasarkan hasil analisis data pada bab IV didepan, maka pada bab lima
BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan Berdasarkan hasil analisis data pada bab IV didepan, maka pada bab lima ini penulis mengambil suatu kesimpulan hasil penelitian yaitu sebagai berikut: 1. Modal
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Gambaran Umum Responden Dalam gambaran umum mengenai responden ini akan disajikan data yang telah diperolah dari penelitian yang telah dilakukan pada 100 orang
Lebih terperinciBAB IV. Hasil dan Pembahasan. 1. Analisis Deskriptif Saham Sektor Pertanian. dipisahkan dari sektor pertanian dan perkebunan, karena sektor-sektor ini
BAB IV Hasil dan Pembahasan A. Gambaran Umum Objek Penelitian 1. Analisis Deskriptif Saham Sektor Pertanian Jakarta Islamic Index dimaksudkan untuk digunakan sebagai tolak ukur untuk mengukur kinerja suatu
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1. Gambaran Umum Dalam penelitian ini yang menjadi objek penelitian adalah perusahaan industri asuransi yang terdaftar di Bursa Efek Indonesia (BEI) pada periode tahun 2010-2013.
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan Berdasarkan hasil penelitian pada bab sebelumnya, maka dapat diambil kesimpulan sebagai berikut : 1) Secara statistik variabel dana pihak ketiga mempengaruhi
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data time series
40 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data time series sekunder. Data-data tersebut diperoleh dari berbagai sumber, antara lain dari
Lebih terperinciLAMPIRAN I HASIL REGRESI DAN UJI ASUMSI KLASIK PENDUGAAN PARAMETER MODEL SIMULTAN
DAFTAR PUSTAKA Basri, Faisal. 2002. Perekonomian Indonesia : Tantangan dan Harapan bagi Kebangkitan Indonesia. Jakarta : Erlangga. Bratakusumah, Deddy Supriady dan Dadang, Solihin. 2004. Otonomi Penyelenggaraan
Lebih terperinciI. PENDAHULUAN. Kebijakan moneter memiliki pengaruh yang cukup besar terhadap suatu perekonomian,
I. PENDAHULUAN A. Latar Belakang Kebijakan moneter memiliki pengaruh yang cukup besar terhadap suatu perekonomian, sehingga dalam tatanan perekonomian suatu negara diperlukan pengaturan moneter yang disebut
Lebih terperinciDaftar Perusahaan yang Menjadi Sampel Penelitian
Lampiran 1 Daftar Perusahaan yang Menjadi Sampel Penelitian No. Nama Perusahaan 1 PT. Colorpak Indonesia 2 PT. Gudang Garam 3 PT. Sumi Indo Kabel 4 PT. Multi Bintang Indonesia 5 PT. Metrodata Electronics
Lebih terperinciBAB V PENUTUP , maka dapat ditarik kesimpulan sebagai berikut:
BAB V PENUTUP 5.1. Kesimpulan Berdasarkan hasil analisa perhitungan regresi dan efisiensi, serta pembahasan permintaan (konsumsi) energi listrik di Indonesia dalam periode 1990-2010, maka dapat ditarik
Lebih terperinciKredit (Y) Pendapatan (x1) Usia (x3) Modal Kerja (x2) Universitas Sumatera Utara
No Kredit (Y) Pendapatan (x1) Modal Kerja (x2) Usia (x3) Jumlah Tanggungan (x4) 1 1000000 80000 80000 20 0 2 1000000 275000 500000 21 1 3 1500000 400000 550000 25 1 4 2000000 400000 1000000 25 1 5 2000000
Lebih terperinciBAB V PENUTUP. Kesimpulan yang diperoleh dari penelitian ini adalah sebagai berikut : terhadap permintaan uang (M2) 2000:Q1 2008:Q2.
BAB V PENUTUP 5.1. Kesimpulan Kesimpulan yang diperoleh dari penelitian ini adalah sebagai berikut : 1. Pendapatan nasional (Y) mempunyai pengaruh positif dan signifikan terhadap permintaan uang (M2) 2000:Q1
Lebih terperinciBAB IV ANALISA HASIL DAN PEMBAHASAN. Sebagaimana telah diketahui bahwa tujuan dari skripsi ini adalah untuk mengetahui
BAB IV ANALISA HASIL DAN PEMBAHASAN Sebagaimana telah diketahui bahwa tujuan dari skripsi ini adalah untuk mengetahui tingkat efektifitas kebijakan pemerintah pada industri pemotongan hewan. Kebijakan
Lebih terperinciPENGARUH EKSPOR, IMPOR, DAN NILAI TUKAR TERHADAP PERTUMBUHAN EKONOMI DI INDONESIA PERIODE
PENGARUH EKSPOR, IMPOR, DAN NILAI TUKAR TERHADAP PERTUMBUHAN EKONOMI DI INDONESIA PERIODE 2002-2012 Ayunia Pridayanti Progam Studi Pendidikan Ekonomi Fakultas Ekonomi Universitas Negeri Surabaya Jalan
Lebih terperinciBAB IV ANALISIS DATA DAN PEMBAHASAN. tahun terakhir yaitu tahun 2001 sampai dengan tahun Data yang. diambil adalah data tahun 2001 sampai 2015.
BAB IV ANALISIS DATA DAN PEMBAHASAN A. Deskriptif Sampel dan Data Penelitian ini menggunakan 30 data, sampel yang diamati selama 15 tahun terakhir yaitu tahun 2001 sampai dengan tahun 2015. Data yang diambil
Lebih terperinciIII. METODELOGI PENELITIAN. A. Variabel Penelitian dan Definisi Operasional
III. METODELOGI PENELITIAN A. Variabel Penelitian dan Definisi Operasional Tujuan penelitian ini adalah untuk menganalisis faktor-faktor yang mempengarhi prosiklikalitas sektor perbankan di Indonesia.
Lebih terperinciLampiran 1. Hasil Analisa Laboratorium Kualitas Air Sungai
Lampiran 1. Hasil Analisa Laboratorium Kualitas Air Sungai Lampiran 2. Laporan Proses Air Limbah PT. UNITEX Periode Agustus 2006 Lampiran 3. Hasil Pemeriksaan Mutu Limbah Cair PT. UNITEX Periode Juli 2005
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN A. Gambaran Umum Sampel Sampel dalam penelitian ini adalah perusahaan makanan dan minuman yang terdaftar di BEI sejak awal periode 2010-2014. Dari 14 perusahaan tercatat ada
Lebih terperinciSKALA PRODUKSI : PRODUKTIVITAS DAN TEKNOLOGI
Pratono, Skala Produksi : Produktivitas dan Teknologi SKALA PRODUKSI : PRODUKTIVITAS DAN TEKNOLOGI A. Hery Pratono Fakultas Ekonomi Universitas Surabaya Abstract Notwithstanding the accidents and disappointments
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penulisan proposal ini adalah data sekunder yang
30 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penulisan proposal ini adalah data sekunder yang diperoleh dari Laporan Bank Indonesia, Statistik Ekonomi dan Keuangan Indonesia,
Lebih terperinciBAB IV METODOLOGI PENELITIAN
BAB IV METODOLOGI PENELITIAN 4.1 Sampel, Sumber Data dan Pengumpulan Data Penelitian kali ini akan mempergunakan pendekatan teori dan penelitian secara empiris. Teori-teori yang dipergunakan diperoleh
Lebih terperinciVII. SIMPULAN DAN SARAN
VII. SIMPULAN DAN SARAN 7.1. Simpulan Hasil analisis menunjukkan bahwa secara umum dalam perekonomian Indonesia terdapat ketidakseimbangan internal berupa gap yang negatif (defisit) di sektor swasta dan
Lebih terperinciBAB V PENUTUP. Dari hasil analisis data yang telah dilakukan maka dapat ditarik. pendapatan produsen roti di kota Balikpapan.
39 BAB V PENUTUP 5.1 Kesimpulan Dari hasil analisis data yang telah dilakukan maka dapat ditarik kasimpulan : 1) Variabel nilai produksi berpengaruh secara positif dan signifikan terhadap pendapatan produsen
Lebih terperinciPusat Statistik. Adapun data yang telah di olah terdapat terdapat pada tabel 6.1
BAB VI ANALISA DATA 6.1. Deskripsi Data Data yai g dipergunakan dalam penelitian ini adalah data sekunder, terutama bersumber dari Badan Pusat Statistik, Intenational Financial Statistic dan situs Badan
Lebih terperinciIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI SUMATERA BARAT. (Factors Identification That Affecting Unemployment.
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI SUMATERA BARAT (Factors Identification That Affecting Unemployment In West Sumatra) Wegi Purwanti, Kasman Karimi 1. Evi Susanti Tasri 2 Ekonomi
Lebih terperinci