Analisis Kebijakan Fiskal dan Kebijakan Moneter Terhadap PDB Pendekatan IS-LM (Periode 2005:01 2015:12) Nama : Fauzia Saumaiya NPM : 22212831 Fakultas : Ekonomi Jurusan : Akuntansi Dosen Pembimbing : Dr. Raden Supriyanto, MSc.
Latar Belakang Masalah Kebijakan ekonomi suatu negara tidak bisa lepas dari keterlibatan pemerintah karena pemerintah memegang kendali atas segala sesuatu, menyangkut semua kebijakan yang bermuara kepada keberlangsungan negara itu sendiri. Karena sudah menjadi kewajiban pemerintah dalam menjaga stabilitas ekonomi agar tercapainya kehidupan yang makmur dan sejahtera bagi rakyatnya. Pendekatan dengan model IS-LM merupakan bagian penting dari makro ekonomi modern karena suatu kebijakan moneter yang dikeluarkan otoritas moneter mempengaruhi kegiatan ekonomi dan interaksinya dengan kebijakan fiskal (perubahan di dalam pengeluaran pemerintah dan pajak) untuk menghasilkan suatu tingkat output agregat tertentu
Rumusan Masalah Bagaimana pengaruh model persamaan IS terhadap PDB? Bagaimana pengaruh model persamaan LM terhadap PDB? Bagaimana pengaruh kebijakan fiskal dan kebijakan moneter terhadap PDB? Batasan Masalah penulis membatasi masalah pada pengaruh inflasi, investasi, pengeluaran pemerintah, jumlah uang beredar, tingkat suku bunga, indeks harga konsumen, dan cadangan devisa terhadap PDB dengan pendekatan IS-LM menggunakan metode Vector Error Correction Model (VECM) dengan menggunakan program Eviews 6.0. Tujuan Penelitian Untuk mengetahui pengaruh model persamaan IS terhadap PDB. Untuk mengetahui pengaruh model persamaan LM terhadap PDB. Unuk mengetahui pengaruh kebijakan fiskal dan kebijakan moneter terhadap PDB.
Teknik Analisis Teknik analisis yang akan digunakan dalam penelitian ini adalah metode analisis yang bersifat deskriptif dan kuantitatif dengan menggunakan model ekonometrik yaitu menggunakan motode Vector Error Correction Model (VECM). Model ini digunakan untuk melihat pengaruh variabel independen terhadap PDB di Indonesia. Data yang dikumpulkan kemudian diolah dengan menggunakan program Microsoft Excel 2010 dan Eviews 6.
Alur Metode Analisis VECM
Model Persamaan Berikut adalah model persamaan yang penulis gunakan untuk melihat keterkaitan beberapa variabel ekonomi. Kedua model tersebut adalah model IS dan model LM, persamaan dalam penelitian ini adalah sebagai berikut : Model IS Y t = α 0 + α 1 Y t-1 +α 2 P t + α 3 I t + α 4 G 1 + α 5 Cd t + α 6 M2 t + α 7 INF t + α 8 r t + ε 1t Keterangan : Y = Produk Domestik Bruto (PDB) P = Indeks Harga Konsumen G = Pengeluara Pemerintah I = Investasi Cd = Cadangan Devisa M2 = Jumlah Uang Beredar INF = Inflasi r = Suku Bunga Model LM Y t = α 0 + α 1 Y t-1 +α 2 r t + α 3 M2 t + α 4 P 1 + ε 2t. Keterangan : Y = Produk Domestik Bruto (PDB) M2 = Jumlah Uang Beredar P = Indeks harga konsumen r = Suku Bunga
Hasil Model Persamaan IS Uji Stasioner Data pada tingkat Level Variabel ADF Statistik Probability Keterangan Y -0.364145 0.9105 Tidak Stasioner P -2.495793 0.1188 Tidak Stasioner I 1.704030 0.9996 Tidak Stasioner G -2.671331 021 Tidak Stasioner Cd -2.145385 0.2275 Tidak Stasioner M2-1.372060 0.5941 Tidak Stasioner INF -2.690485 0.0786 Tidak Stasioner r -2.457085 0.1285 Tidak Stasioner Suatu variabel dikatakan stasioner apabila nilai Probability-nya kurang dari nilai selang kepercayaan yang dipakai (dalam penelitian ini 5% atau 0,05). Uji Stasioneritas Data pada First Difference Variabel ADF Statistik Probability Keterangan D(Y) -9.568333 00 Stasioner D(P) -11.68565 00 Stasioner D(I) -3.658880 060 Stasioner D(G) -4.613649 02 Stasioner D(Cd) -4.357799 06 Stasioner D(M2) -11.38894 00 Stasioner D(INF) -7.128526 00 Stasioner D(r) -3.764000 042 Stasioner Berdasarkan Uji stasioner diatas semua variabel memiliki nilai probability kurang dari 0,05 maka semua variabel lolos uji statisioner pada tingkat first difference
Penentuan Lag Optimum Lag Tahap selanjutnya dalam sistem VECM adalah menentukan jumlah lag optimal dari sebuah sistem persamaan. Karna nilai terendah dari SC tercapai pada saat lag satu, sehingga jumlah lag optimum dari model penelitian ini adalah satu. SIC 0-22127 1-43.32795* 2-42.17160 3-40.81374 4-39.16397 5-37.49893 6-36.57467 7-35.17298 8-33.80167 9-32.48546 10-31.99220 11-31.80660 Uji Kointegrasi Hypothesized 5 Percent Critical Eigenvalue Trace Statistic No. of CE(s) Value None * 0.395120 246.0903 159.5297 At most 1 * 0.381080 180.7361 125.6154 At most 2 * 0.330545 118.3649 95.75366 At most 3 0.165351 66.19697 69.81889 At most 4 0.116922 42.70017 47.85613 At most 5 09618 26.53579 29.79707 At most 6 0.065317 14.32991 15.49471 At most 7 * 01784 5.548705 3.841466 Diketahui bahwa terdapat 4 persamaan kointegrasi yang signifikan dalam model.
Hasil Model Persamaan IS Model persamaan IS dalam penelitian ini untuk melihat dampak kebijakan fiskal dan kebijakan moneter terhadap PDB. Tidak semua variabel berpengaruh signifikan terhadap PDB hanya ada beberapa variabel saja yang berpengaruh terhadap PDB, berikut adalah hasil estimasi VECM : Jangka Pendek Koefisien t- statistik D(P(-1)) 0434-2.64786* D(INF(-2)) 0.07555 2.23654* D(r(-1)) 0.44639-2.55922* D(r(-2)) 0.41949 2.35829* Jangka Panjang G(-1) 0.05289 2.13760* M2(-1) 0.05556-9.31965* INF(-1) 0.13683 2.71505* r(-1) 0.26712-3.36528* *signifikan pada taraf nyata 5%
uji kausalitas Granger Pairwise Granger Causality Test Null Hypothesis Obs F-Statistic Probability G does not Granger Cause Y 130 5.45594 053 Y does not Granger Cause G 4816 004 M2 does not Granger Cause Y 130 18.2272 1.E-07 Y does not Granger Cause M2 12.2130 1.E-05 Dalam penelitian ini, uji kausalitas Granger dilakukan pada setiap variabel, namun tabel diatas menunjukkan uji kausalitas Granger terhadap pengeluaran pemerintah, jumlah uang beredar dan PDB pengujian kedua variabel ini bertujuan untuk mengetahui hubungan kausalitas antara pengeluaran pemerintah terhadap PDB dan jumlah uang beredar terhadap PDB.
Variance Decompotition Variabel Dependen Periode Diajukan oleh guncangan Y P I G Cd M2 INF R Y 1 1000 0000 0000 0000 0000 0000 0000 0000 2 91.21543 2.463084 0.237994 0.254078 0.596103 3.419498 0.812093 11719 3 88872 2.968314 0.805063 0.427632 0.619866 5.677000 0.763747 0.649663 4 84.44140 2.716633 1.555826 0.527001 0.904304 8.514991 0.825649 0.514195 5 80.78654 2.416124 2.408049 0.547837 1.125560 11.22265 0.891791 0.601449 6 77.43153 2.413865 3.100404 0.524928 1.453401 13.24680 11677 0.747394 7 74.79393 2.668143 3.599774 0.505817 1.829871 14.45177 1.342053 0.808645 8 72.71915 2.919247 3.922042 0.512450 2.296300 15.12841 1.710472 0.791925 9 10 71.06282 31119 4.141241 0.539119 2.805601 15.49683 2.169170 0.774102 69.71090 2.953422 4.294500 0.564703 3.336969 15.68390 2.651991 0.803619 11 68.57763 2.823340 4.428580 0.579558 3.838223 15.80699 37661 0.858019 variabel jumlah uang beredar memiliki presentase yang cukup dalam mempengaruhi perubahan variabel produk domestik bruto dibandingkan dengan variabel lainnya.
- 2 4 6 8 10-2 4 6 8 10-2 4 6 8 1 Response of G to Y Response of G to P Response of G to I Impluse Respon Function (IRF) - - 2 4 6 8 10 - - 2 4 6 8 10 - - 2 4 6 8 1 Response to Cholesky 5 Response of Y to Y 5 Response of Y Response to P of M2 to Y 5 Response of Response Y to I of M2 to P 5 Response Response of Y to G of M2 to I. 0 0 0 0. 5 5 5 5.. -5 2 4 6 8 10-5 - -5 2 4 6 28 410 6 8 10 - -5 2 4 6 2 8 4 10 6 8 10 - -. 2 4 62 84 10 6 8 1 Response of P to Y Response of P Response to P of CD to Y Response of Response P to I of CD to P Response Response of P to G of CD to I - 2 4 6 8 10 - - - 2 4 6 28 410 6 8 10 - - 2 4 6 2 8 4 10 6 8 10-2 4 62 84 10 6 8 1.12 Response of I to Y.12 Response of I Response to P of INF to Y 5.12 Response Response of I to I of INF to P 5.12 Response Response of I to G of INF to I 5 0 0 0 5 5 5-2 4 6 8 10 - -5-2 4 6 28 410 6 8 10-5 - 2 4 6 2 8 4 10 6 8 10-5 2 4 62 84 10 6 8 1 Response of G to Y Response of G Response to P of R to Y 6 Response of Response G to I of R to P 6 Response of Response G to G of R to I 6 4 4 4 2 2 2 - - - - - 2 4 6 8 10 - -2-2 4 6 8 2 10 4 6 8 10-2 - 2 4 6 8 10 2 4 6 8 10-2 2 4 6 2 8 4 10 6 8 1 Response of M2 to Y Response of M2 to P Response of M2 to I Response of M2 to G
Hasil Model Persamaan LM Uji Stasioner Data pada tingkat Level Uji Stasioneritas Data pada First Difference Variabel ADF Statistik Probability Y -0.364145 0.9105 M2-1.372060 0.5941 P -2.495793 0.1188 r -2.457085 0.1285 Keterangan Tidak Stasioner Tidak Stasioner Tidak Stasioner Tidak Stasioner Variabel ADF Statistik Probability Keterangan D(Y) -9.568333 00 Stasioner D(M2) -11.38894 00 Stasioner D(P) -11.68565 00 Stasioner D(r) -3.764000 042 Stasioner Suatu variabel dikatakan stasioner apabila nilai Probability-nya kurang dari nilai selang kepercayaan yang dipakai (dalam penelitian ini 5% atau 0,05). Berdasarkan Uji stasioner diatas semua variabel memiliki nilai probability kurang dari 0,05 maka semua variabel lolos uji statisioner pada tingkat first difference
Penentuan Lag Optimum Uji Kointegrasi Lag Tahap 11selanjutnya -20.47528 dalam sistem VECM adalah menentukan jumlah lag optimal dari sebuah sistem persamaan. Karna nilai terendah dari SC tercapai pada saat lag dua, sehingga jumlah lag optimum dari model penelitian ini adalah dua. SIC 0-10.90039 1-23.22685 2-23.52059* 3-23.31325 4-22.93338 5-22.59966 6-22.45577 7-22058 8-21.54131 9-21.16058 10-20.88380 Hypothesized No. of CE(s) Eigenvalue Trace Statistic 5 Percent Critical Value None * 0.331211 69.42218 47.85613 At most 1 0.067784 17.12484 29.79707 At most 2 0.050442 7.999995 15.49471 At most 3 09732 1.271364 3.841466 Diketahui bahwa terdapat satu persamaan kointegrasi yang signifikan dalam model.
Hasil Model Persamaan LM Pada model persamaan LM penelitian ini dapat dilihat variabel yang berpengaruh signifikan terhadap PDB dalam jangka pendek dan jangka panjang, berikut adalah hasil estimasi VECM: Jangka Pendek Koefisien t- statistik D(P(-1)) 0350-2.44846* Jangka Panjang M2(-1) 0475-86.9743* *signifikan pada taraf nyata 5%
Uji Kausalitas Granger Pairwise Granger Causality Test Null Hypothesis Obs F-Statistic Probability M2 does not Granger Cause Y 130 18.2272 1.E-07 Y does not Granger Cause M2 12.2130 1.E-05 Dalam penelitian ini, uji kausalitas Granger dilakukan pada setiap variabel, namun tabel diatas hanya menunjukkan uji kausalitas Granger terhadap jumlah uang beredar dan PDB pengujian kedua variabel ini bertujuan untuk mengetahui hubungan kausalitas antara jumlah uang beredar terhadap PDB. Variance Decompotition Period Diajukan oleh guncangan e Y M2 P R Y 1 1000 0000 0000 0000 2 93.11692 4.779779 1.242818 0.860486 3 89.91536 8.389127 1.151754 0.543754 4 86.55594 12.07414 0.929380 0.440538 5 82.86084 15.56622 1.090631 0.482308 6 79.52184 18994 1.758454 0.629763 7 76.93763 19.54287 2.711839 0.807655 8 75.11443 20.40378 3.560359 0.921424 9 73.90987 21124 4.106321 0.962568 10 73.20635 21.49544 4.345069 0.953146 11 72.84590 21.86814 4.366319 0.919636 variabel jumlah uang beredar juga memiliki prosentase yang cukup dalam mempengaruhi perubahan variabel produk domestik bruto dibandingkan dengan variabel lainnya.
4 4 4 4-4 1 2 3 4 5 6 7 8 9 10 11-4 1 2 3 4 5 6 7 8 9 10 11-4 1 2 3 4 5 6 7 8 9 10 11-4 1 2 3 4 5 6 7 Response of M2 to Y Response of M2 to M2 Response of M2 to P Response of M2 to Impluse Respon Function (IRF) 6 2 8 6 2 8 6 2 8 6 2 8 4 4 4 4 2 Response of Y to Y 2 Response to Cholesky One S.D. Innovations -4 1 2 3 4 5 6 7 8 9 10 11 Response of Y to M2 Response of P to Y 2-4 -4 1 2 3 4 5 6 7 8 9 10 11 1 2 3 4 5 6 7 8 9 10 11 Response of Y to P Response of Y to R Response of P to M2 Response of P to P 2-4 1 2 3 4 5 6 7 Response of P to 8 8.06 8.06 8.06.06 4 4 4 4-4 1 2 3 4 5 6 7 8 9 10 11 Response of M2 to Y 6-4 - -4 - -4-1 2 3 4 51 62 73 48 59 610 7 118 9 101 11 2 3 14 2 5 3 6 4 75 86 79 10 8 911 10 11 1 21 32 34 45 56 6 7 7 8 8 9 10 11 Response of M2 to Response M2 of R to Y Response Response of M2 to of PR to M2 Response Response of M2 of R to to RP 8 8 8 6 6 6-1 2 3 4 5 6 7 Response of R to 8 2 2 6 2 6 2 6 6 8 4-4 1 2 3 4 5 6 7 8 9 10 11 4 4 4 8 8 8 2 2 2 4 4 4-2 -2-2 -4 1 2 3 4 5 6 7 8-4 9 10 11 1 2 3 4 5 6 7 8 9 10-4 11 1 2 3 4 5 6 7 8 9 10 11 1 2 3 4 5 6 7 8 9 10 11 1 2 3 4 5 6 7 8 9 10 11 1 2 3 4 5 6 7 8 9 10 11 4 2-2 1 2 3 4 5 6 7 Response of P to Y Response of P to M2 Response of P to P Response of P to R.06.06.06.06-1 2 3 4 5 6 7 8 9 10 11-1 2 3 4 5 6 7 8 9 10 11-1 2 3 4 5 6 7 8 9 10 11-1 2 3 4 5 6 7 8 9 10 11 Response of R to Y Response of R to M2 Response of R to P Response of R to R 8 8 8 8 6 6 6 6
Kesimpulan Pada persamaan IS, PDB yang mencerminkan output dari sisi pengeluaran agregat dalam jangka panjang dipengaruhi signifikan variabel pengeluaran pemerintah, jumlah uang beredar, inflasi dan suku bunga. Sementara variabel indeks harga konsumen, cadangan devisa dan investasi tidak berpengaruh signifikan terhadap PDB. Dalam persamaan LM, PDB di pengaruhi secara signifikan pada jangka panjang oleh variabel jumlah uang beradar, sedangkan indeks harga konsumen dan suku bunga tidak berpengaruh signifikan. Jumlah uang beredar (kebijakan moneter) berpengaruh signifikan dengan nilai koefisien sebesar 0,05556 sedangkan pengeluaran pemerintah (kebijakan fiskal) nilai koefisien 0,05289. Hal ini menunjukan kebijakan moneter lebih memberikan pengaruh terhadap PDB dari pada kebijakan fiskal, dengan kata lain kebijakan moneter lebih efektif dalam meningkatkan PDB.
Saran Pemerintah Indonesia sebaiknya melakukan upaya peningkatkan peran investasi dalam negeri untuk meningkatkan Pertumbuhan Ekonomi di Indonesia. Usaha-usaha untuk melakukan perbaikan dan inovasi perlu dilakukan oleh pihak-pihak yang berkepentingan, serta jumlah uang beredar masih dapat ditingkatkan untuk meningkatkan Pertumbuhan Ekonomi. Dianggap perlu untuk mengkaji kembali penelitian ini (atas masalah yang sama) dengan menggunakan metode pendekatan, serta konsep peninjauan yang berbeda agar dapat dilakukan studi komparasi dan mendukung temuan-temuan baru.
Sekian dan Terimakasih