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

Transkripsi

1 KEBIJAKAN EKONOMI MAKRO DAN PENDAPATAN NASIONAL DI INDONESIA Oleh: Chenny Seftarita, S.E, M.Si Abstrak-The nature of links between the government activity and economic growth that operated in Indonesia over periode 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

2 moneter dapat diandalkan sebagai salah satu kebijakan dengan target jangka panjang. Dalam jangka waktu tersebut, kebijakan moneter dapat mencapai stabilitas harga dalam jangka panjang tanpa mempengaruhi efektivitas kebijakan fiskal dalam mempengaruhi output misalnya dengan merubah pajak dan pengeluaran pemerintah. Karena dua kebijakan ini dapat bersinergi dengan baik pada jangka panjang maka koordinasi tidak terlalu difokuskan pada target jangka panjang, namun lebih diarahkan pada jangka pendek. Dalam analisis jangka pendek, kebijakan yang tidak saling berkoordinasi dengan baik, misalnya kebijakan fiskal yang tidak beraturan akan menyebabkan efektivitas kebijakan moneter berkurang. Dasar teori tentang kebijakan fiskal dan moneter lahir dari perbedaan pendapat mengenai efektivitas dua kebijakan tersebut terhadap output. Literatur klasik misalnya yang dikembangkan oleh kaum monetaris (neo klasik) memiliki pandangan berbeda dengan teori Keynes tentang efektivitas kebijakan fiskal dan moneter dalam mempengaruhi output. Kaum monetaris lebih menekankan pada efektivitas kebijakan moneter karena dinilai lebih cepat dalam mempengaruhi permintaan agregat. Berbeda dengan Keynes, menurutnya pengaruh kebijakan fiskal lebih besar terhadap output. Teori ini kemudian berkembang menjadi teori baru yang disebut teori sintesis klasik-keynesian yang dikenal dengan model IS- LM yang menjadi awal dari konsep bauran kebijakan (policy mix) (Nopirin, 2000). Salah satu tujuan dari kebijakan fiskal dan kebijakan moneter adalah peningkatan pendapatan nasional. Kurun tahun pendapatan nasional 2

3 Indonesia terus mengalami peningkatan. Pada periode tersebut telah terjadi beberapa kali pergantian rezim kepemimpinan, dari kepemimpinan di era Orde Baru hingga era Reformasi sekarang ini. GDP 9,000 8,000 7,000 6,000 5,000 4,000 3,000 2,000 1, 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 , 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

4 bersinergi mempengaruhi pertumbuhan ekonomi dalam jangka panjang dan jangka pendek. Dengan pendekatan Vector error Correction Model (VECM), penelitian ini diharapkan mampu menjawab bagaimana hubungan antara kebijakan ekonomi makro dan pendapatan nasional di Indonesia. Landasan Teori a. Studi Literatur dan penelitian Sebelumnya Analisis perlu atau tidaknya koordinasi kebijakan fiskal dan moneter berkembang dengan melihat efektivitas dua kebijakan tersebut. Leith dan Wren- Lewis model (LWL) yaitu salah satu model koordinasi kebijakan fiskal dan moneter secara garis besar menyimpulkan bahwa kebijakan fiskal yang pasif dapat menyebabkan kebijakan moneter lebih efektif dalam mempengaruhi perekonomian, misalnya dengan menaikkan tingkat bunga. Jika kebijakan fiskal dilakukan secara aktif misalnya dengan pengendalian utang, kebijakan moneter dengan peningkatan tingkat bunga riil akan mempengaruhi output dan ketidakstabilan utang pemerintah (Creel, 2002). Kajian-kajian teoritis diatas kemudian diperkuat dengan 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

5 Nigeria. Buruknya manajemen anggaran menyebabkan meningkatnya korupsi, penyalahgunaan anggaran, memburuknya utang dan ketidaktransparanan. Kebijakan moneter lebih memiliki pengaruh yang positif dalam menjaga stabilitas perekonomian. Lebih jauh penulis merekomendasikan bahwa manajemen anggaran harus diarahkan pada peningkatan investasi nonmigas yang menyerap banyak lapangan kerja, pembangunan infrastruktur, dan mengurangi utang. Di Indonesia, Gulo (2008) meneliti pengaruh kebijakan fiskal dan moneter terhadap PDB Indonesia tahun 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

6 Y= f ( GOV, M, EXR).....(3) Metodologi penelitian Ruang lingkup penelitian ini adalah untuk melihat gabungan kebijakan fiskal dan kebijakan moneter serta hubungannya dengan pendapatan nasional di Indonesia kurun tahun Analisis dilakukan dengan pendekatan Vector Error Correction Model (VECM). Penelitian ini dilakukan di Indonesia, dengan menggunakan data time series 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

7 akar-akar unit dengan pendekatan Augmented Dickey Fuller (ADF), untuk melihat apakah data stasioner atau tidak. Pengujian dilakukan untuk menghindari kesalahan dan kerancuan estimasi atau spourius problem. Pada tingkat level (1(0)), ika nilai ADF lebih besar (>) dari nilai critical value maka data adalah tidak stasioner. Pengujian harus dilanjutkan pada tingkat First difference (1(1)) dan atau second difference (1(2)) jika belum juga stasioner, sehingga ditemukan pada tingkat mana data tersebut stasioner yaitu nilai ADF lebih kecil (<) dari critical value pada tingkat kepercayaan 5%. Setelah diuji dengan uji akar-akar unit, pengujian dilanjutkan dengan uji kointegrasi Johansen (Johansen Cointegration Test). Uji kointegrasi dimaksudkan untuk melihat ada atau tidaknya hubungan keseimbangan jangka panjang (ekuilibrium) pada seluruh variabel. Jika berkointegrasi maka residu kointegrasi kesalahan ketidak keimbangannya adalah stasioner. Dengan pendekatan Johansen, pengujian dilakukan dengan membandingkan nilai Max-Eigen dan Trace statistik terhadap nilai critical value. Uji selanjutnya adalah uji VECM atau Vector Error Correction Model. Model koreksi kesalahan (VECM) merupakan model dinamik yang dapat digunakan untuk pemilihan model terbaik, serta meliput banyak variabel untuk menganalisis fenomena jangka panjang dan jangka pendek. VECM mampu menguji konsistensi model empirik dengan teori ekonomi, dan menjadi solusi bagi permasalahan data yang tidak stasioner dan regresi lancung (Seftarita, 2005). Berikut persamaan VECM: Yt = a 0 + a 1 Xt + a 2 t -1 + e...(5) 7

8 Yt adalah pertumbuhan ekonomi, Xt adalah variabel kebijakan fiskal dan moneter, adalah operator first difference, e adalah error term, dan t -1 adalah Error Correction Term (ECT). ECT merupakan lag satu periode dari error term, dimana: t -1 = (Y t-1 - a 0 - a 1 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

9 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 Trace 0.05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * At most 1 * At most 2 * At most 3 * Trace test indicates 4 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * At most 1 * At most 2 * At most 3 * 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

10 Pada tabel (1) diatas terlihat bahwa empat persamaan kointegrasi adalah signifikan, artinya variabel fiskal yaitu variabel GOV, variabel moneter M2, dan variabel EXR memiliki hubungan kointegrasi dengan GDP. Hal yang ini terlihat dari signifikannya nilai Trace statistic dan nilai Max-Eigen statistic yang lebih besar (>) dari nilai critical value pada tingkat kepercayaan 5%. Hasil uji kointegrasi ini memperlihatkan bahwa terdapat hubungan keseimbangan jangka panjang antara kebijakan fiskal, kebijakan moneter dan pertumbuhan ekonomi di Indonesia. Untuk melihat hubungan keseimbangan kebijakan fiskal, kebijakan moneter dan pertumbuhan ekonomi dalam jangka pendek, pengujian dilakukan dengan metode Vector Error Correction Model (VECM). Hasil uji VECM dapat dilihat dari nilai koefisien ECT (error correction term) yang negatif. Koefisien yang negatif dan signifikan pada ECT menerangkan bahwa pertumbuhan ekonomi akan merespon fluktuasi dari perubahan-perubahan variabel kebijakan fiskal dan moneter. Uji signifikansi didasarkan pada nilai t-statistik yang signifikan pada tingkat kepercayaan 5%. Tabel 3. Hasil Uji VECM D2GDP=DGOV, D2M2, DEXR Error Correction Term (ECT) Coefficient Std. Error t-statistic Prob. DGOV * D2M2* DEXR* 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

11 Test Statistic Value Df Probability F-statistic* (2, 20) Chi-square* Tabel 4 memperlihatkan hubungan variabel GOV dengan GDP. Berdasarkan uji Wald Test, terdapat hubungan jangka pendek antara GOV dan GDP, dimana variabel GOV menyebabkan GDP. Hasil ini berdasarkan signifikannya nilai F-statistik dan chi-square pada tingkat kepercayaan 5 %. Jika dilihat secara teoritis temuan ini cukup beralasan, mengingat pengeluaran pemerintah untuk anggaran pengeluaran dalam jangka pendek akan meningkatkan permintaan agregat secara langsung. Tabel.5 Uji Wald Test untuk variabel D2GDP, D2M2 Wald Test: Equation:D2GDP, DM2 Test Statistic Value df Probability F-statistic (2, 20) Chi-square Tabel.6 Uji Wald Test untuk variabel D2GDP, DEXR Wald Test: Equation: D2GDP,DEXR Test Statistic Value df Probability F-statistic (2, 20) Chi-square 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

12 pada pertumbuhan ekonomi dalam jangka panjang. Temuan ini sejalan dengan beberapa penelitian sebelumnya, bahwa kebijakan fiskal yang aktif akan mengurangi efektivitas kebijakan moneter. Oleh karena itu direkomendasikan untuk jangka pendek perlu adanya koordinasi antara dua kebijakan ini sehingga bersinergi dalam meningkatkan pertumbuhan ekonomi. Selain itu bisa dimaklumi mengingat target utama kebijakan moneter adalah stabilitas harga, sehingga penelitian kedepan bisa dikembangkan dengan memasukkan inflasi sebagai variabel dependen. Kesimpulan dan Saran Kesimpulan Penelitian ini mencoba melihat bagaimana koordinasi kebijakan fiskal, kebijakan moneter, dan pertumbuhan ekonomi di Indonesia baik dalam jangka panjang maupun jangka pendek. Hasil Uji kointegrasi dan VECM memperlihatkan bahwa dalam jangka panjang kebijakan fiskal dan moneter dapat mencapai pertumbuhan ekonomi. Artinya kebijakan selama ini baik dengan kebijakan pengeluaran pemerintah dan pengendalian jumlah uang beredar sudah mampu berkoordinasi dengan baik pada jangka panjang. Dalam jangka pendek, berdasarkan pendekatan VECM dengan uji Wald Test, hanya nilai pengeluaran pemerintah (kebijakan fiskal) yang memiliki hubungan keseimbangan dengan pertumbuhan ekonomi. Variabel kebijakan moneter dengan pengendalian jumlah uang beredar dalam jangka pendek terbukti tidak mempengaruhi pertumbuhan ekonomi. Penemuan tersebut memperkuat temuan sebelumnya tentang perlunya koordinasi antara kebijakan fiskal dan moneter dalam jangka pendek sehingga dapat bersinergi meningkatkan pertumbuhan ekonomi. Saran Hasil penelitian ini memperlihatkan bahwa untuk mencapai pertumbuhan ekonomi yang stabil, dalam jangka panjang kedua kebijakan ini dapat bersinergi dalam mempengaruhi pertumbuhan ekonomi. Dua variabel kebijakan yaitu 12

13 pengeluaran pemerintah untuk anggaran pembangunan dan pengendalian jumlah uang beredar sangat efektif dijadikan sebagai kebijakan dengan target jangka panjang. Dalam jangka pendek, koordinasi kebijakan fiskal dan kebijakan moneter sangat diperlukan. Kebijakan yang tidak berkoordinasi tentu menghasilkan efek crowding out, dimana dua kebijakan tidak memberikan efek positif bagi perekonomian. Kedepan, penelitian ini dapat dikembangkan lagi dengan memproxi variabel kebijakan fiskal dan moneter dengan variabel-variabel lain, dan memasukkan inflasi sebagai variabel dependen. Selain itu penelitian dapat ditambah dengan isu-isu hangat seperti isu makroprudensial. 13

14 DAFTAR PUSTAKA Abata, Kehinde, and Bolarinwa (2012), Fiscal/Monetary policy and Economic growth in Nigeria; A Theoretical Exploration, International Journal Of Academic Research In Economics and Management Sciences. Anders Walter (1995), Applied Econometric Time Series, Jhon Wiley & Sons- Inc, United States Of America. Creel Jerome (2002), Strategic Interactions Between Monetary And Fiscal Policies: A Case Study For The European Stability Pact, IFO-Studien, ABI/INFORM Global. Gujarati, N Damodar (2003), Basic Econometric, 4 th ed, McGraw Hill, New York. Gulo Angandrowa (2008), Analisis pengaruh aspek moneter dan fiskal terhadap pertumbuhan ekonomi Indonesia, VISI, 16,3, Hagen Von Jurgen and Mundschenk Susanne (2003), Fiscal and Monetary Policy Coordination in EMU, International journal of finance and economics. Manurung Bonar Rikardo (2002), Twin Defisit di Indonesia, Tesis, Magister Ekonomi Pembangunan USU, Medan. Nopirin (2000), Ekonomi Moneter, Buku I Dan II, Jilid 1, BPFE Yogyakrata, Yogyakarta. Nanga Muana (2001), Makroekonomi Teori, Masalah Dan Kebijakan, Edisi Perdana, PT Raja Grafindo Persada, Jakarta. Rahardja Prathama dan Manurung Mandala (2001), Teori Ekonomi Makro, Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia, Jakarta. Seftarita Chenny (2005), Kebijakan Fiskal, Kebijakan Moneter dan Pertumbuhan Ekonomi Di Indonesia, Tesis, Magister Ekonomi Pembangunan USU, Medan. Turnovsky, J. Stephen (2000),The Transitional Dynamics of Fiscal Policy:Long- Run Capital Accumulation, and Growth, University of Washington, Seattle. 14

15 Lampiran 1. Data Obs GDP GOV M2 EXR

16 Sumber: Key Indicators For Asia And The Pacipic GDP dan M2 : dalam triliun rupiah GOV: dalam Miliar Rupiah EXR: nilai tukar rupiah terhadap dolar Amerika 2. Uji Akar-akar Unit Null Hypothesis: D(GDP,2) has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=5) t-statistic Prob.* Augmented Dickey-Fuller test statistic Test critical values: 1% level % level % level *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): Included observations: 28 after adjustments Variable Coefficient Std. Error t-statistic Prob. D(GDP(-1),2) C

17 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 Null Hypothesis: D(M2,2) has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=7) t-statistic Prob.* Augmented Dickey-Fuller test statistic Test critical values: 1% level % level % level *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): Included observations: 28 after adjustments Variable Coefficient Std. Error t-statistic Prob. D(M2(-1),2) C R-squared Mean dependent var 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 Null Hypothesis: D(GOV) has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=2) t-statistic Prob.* Augmented Dickey-Fuller test statistic Test critical values: 1% level

18 *MacKinnon (1996) one-sided p-values. 5% level % level Augmented Dickey-Fuller Test Equation Dependent Variable: D(GOV,2) Method: Least Squares Date: 10/22/13 Time: 14:15 Sample (adjusted): Included observations: 29 after adjustments Variable Coefficient Std. Error t-statistic Prob. D(GOV(-1)) C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid 2.35E+10 Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Null Hypothesis: D(EXR) has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on SIC, maxlag=2) t-statistic Prob.* Augmented Dickey-Fuller test statistic Test critical values: 1% level % level % level *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): Included observations: 28 after adjustments Variable Coefficient Std. Error t-statistic Prob. D(EXR(-1)) D(EXR(-1),2) C

19 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 Uji Kointegrasi Date: 10/22/13 Time: 09:57 Sample (adjusted): Included observations: 25 after adjustments Trend assumption: Linear deterministic trend Series: D2GDP DGOV D2M2 DEXR Lags interval (in first differences): 1 to 3 Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * At most 1 * At most 2 * At most 3 * Trace test indicates 4 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * At most 1 * At most 2 * At most 3 * 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 DGOV D2M2 DEXR

20 E Unrestricted Adjustment Coefficients (alpha): D(D2GDP) D(DGOV) D(D2M2) D(DEXR) Cointegrating Equation(s): Log likelihood Normalized cointegrating coefficients (standard error in parentheses) D2GDP DGOV D2M2 DEXR ( ) ( ) ( ) Adjustment coefficients (standard error in parentheses) D(D2GDP) ( ) D(DGOV) ( ) D(D2M2) ( ) D(DEXR) ( ) 2 Cointegrating Equation(s): Log likelihood Normalized cointegrating coefficients (standard error in parentheses) D2GDP DGOV D2M2 DEXR ( ) ( ) ( ) ( ) Adjustment coefficients (standard error in parentheses) D(D2GDP) ( ) ( ) D(DGOV) ( ) ( ) D(D2M2) ( ) ( ) D(DEXR) ( ) ( ) 3 Cointegrating Equation(s): Log likelihood Normalized cointegrating coefficients (standard error in parentheses) D2GDP DGOV D2M2 DEXR ( ) 20

21 ( ) ( ) Adjustment coefficients (standard error in parentheses) D(D2GDP) ( ) ( ) ( ) D(DGOV) ( ) ( ) ( ) D(D2M2) ( ) ( ) ( ) D(DEXR) ( ) ( ) ( ) 4. Hasil VECM Vector Error Correction Estimates Date: 10/21/13 Time: 16:05 Sample (adjusted): Included observations: 26 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq: CointEq1 D2GDP(-1) DGOV(-1) ( ) [ ] C Error Correction: D(D2GDP) D(DGOV) CointEq ( ) ( ) [ ] [ ] D(D2GDP(-1)) ( ) ( ) [ ] [ ] D(D2GDP(-2)) ( ) ( ) [ ] [ ] D(DGOV(-1)) ( ) ( ) [ ] [ ] D(DGOV(-2)) ( ) ( ) 21

22 [ ] [ ] C ( ) ( ) [ ] [ ] R-squared Adj. R-squared Sum sq. resids E+10 S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent Determinant resid covariance (dof adj.) 1.05E+13 Determinant resid covariance 6.21E+12 Log likelihood Akaike information criterion Schwarz criterion Dependent Variable: D(D2GDP) Method: Least Squares Date: 10/21/13 Time: 16:06 Sample (adjusted): Included observations: 26 after adjustments D(D2GDP) = C(1)*( D2GDP(-1) *DGOV(-1) ) + C(2)*D(D2GDP(-1)) + C(3)*D(D2GDP(-2)) + C(4) *D(DGOV(-1)) + C(5)*D(DGOV(-2)) + C(6) Coefficient Std. Error t-statistic Prob. C(1) C(2) C(3) C(4) C(5) C(6) 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 Wald Test: Equation: Untitled Test Statistic Value Df Probability 22

23 F-statistic (2, 20) Chi-square Null Hypothesis: C(4)=C(5)=0 Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(4) C(5) Restrictions are linear in coefficients. Vector Error Correction Estimates Date: 10/22/13 Time: 10:04 Sample (adjusted): Included observations: 26 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq: CointEq1 D2GDP(-1) D2M2(-1) ( ) [ ] C Error Correction: D(D2GDP) D(D2M2) CointEq ( ) ( ) [ ] [ ] D(D2GDP(-1)) ( ) ( ) [ ] [ ] D(D2GDP(-2)) ( ) ( ) [ ] [ ] D(D2M2(-1)) ( ) ( ) [ ] [ ] D(D2M2(-2)) ( ) ( ) [ ] [ ] C ( ) ( ) 23

24 [ ] [ ] 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.) Determinant resid covariance Log likelihood Akaike information criterion Schwarz criterion Dependent Variable: D(D2GDP) Method: Least Squares Date: 10/22/13 Time: 10:05 Sample (adjusted): Included observations: 26 after adjustments D(D2GDP) = C(1)*( D2GDP(-1) *D2M2(-1) ) + C(2)*D(D2GDP(-1)) + C(3)*D(D2GDP(-2)) + C(4)*D(D2M2(-1)) + C(5) *D(D2M2(-2)) + C(6) Coefficient Std. Error t-statistic Prob. C(1) C(2) C(3) C(4) C(5) C(6) 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 Wald Test: Equation: Untitled Test Statistic Value df Probability F-statistic (2, 20) Chi-square

25 Null Hypothesis: C(4)=C(5)=0 Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(4) C(5) Restrictions are linear in coefficients. 9. Vector Error Correction Estimates Date: 10/22/13 Time: 10:08 Sample (adjusted): Included observations: 26 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq: CointEq1 D2GDP(-1) DEXR(-1) ( ) [ ] C Error Correction: D(D2GDP) D(DEXR) CointEq ( ) ( ) [ ] [ ] D(D2GDP(-1)) ( ) ( ) [ ] [ ] D(D2GDP(-2)) ( ) ( ) [ ] [ ] D(DEXR(-1)) ( ) ( ) [ ] [ ] D(DEXR(-2)) ( ) ( ) [ ] [ ] C ( ) ( ) [ ] [ ] R-squared Adj. R-squared Sum sq. resids S.E. equation

26 F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent Determinant resid covariance (dof adj.) 2.78E+10 Determinant resid covariance 1.65E+10 Log likelihood Akaike information criterion Schwarz criterion Dependent Variable: D(D2GDP) Method: Least Squares Date: 10/22/13 Time: 10:09 Sample (adjusted): Included observations: 26 after adjustments D(D2GDP) = C(1)*( D2GDP(-1) *DEXR(-1) ) + C(2)*D(D2GDP(-1)) + C(3)*D(D2GDP(-2)) + C(4) *D(DEXR(-1)) + C(5)*D(DEXR(-2)) + C(6) Coefficient Std. Error t-statistic Prob. C(1) C(2) C(3) C(4) C(5) C(6) 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 Wald Test: Equation: Untitled Test Statistic Value df Probability F-statistic (2, 20) Chi-square Null Hypothesis: C(4)=C(5)=0 Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(4)

27 C(5) Restrictions are linear in coefficients. 27

28 28