Anda di halaman 1dari 21

TAJUK: HUBUNGAN JANGKA PANJANG ANTARA PENGANGGURAN

,
INFLASI DAN PELABURAN LANGSUNG ASING DI SINGAPURA
ABSTRAK
Kajian ini dijalankan bertujuan mengenalpasti hubungan inflasi dan pelaburan
langsung asing terhadap pengangguran dalam jangka panjang di Singapura. Tempoh
kajian ini meliputi 1983 hingga 2012. Pengujian empirikal dibuat menggunakan
kaedah ekonometrik siri masa iaitu “Autoregressive Distributed lag” (ARDL) yang
dicadangkan oleh Pesaran dan Shin(1996). Keputusan daripada penganggaran yang
dibuat mendapati pengangguran di Singapura siginifikan dipengaruhi oleh inflasi dan
pelaburan langsung asing bagi tempoh jangka pendek dan jangka panjang. Keputusan
hubungan antara inflasi dan pengangguran mendapati keluk Philip wujud di Singapura
dan wujudnya hubungan sonsang antara pelaburan langsung asing dan pengangguran
di Singapura dalam jangka pendek dan jangka panjang.
1.0

PENGENALAN
Ekonomi Singapura merupakan ekonomi pasaran bebas yang amat maju

dan berjaya. Singapura mempunyai sebuah persekitaran perniagaan yang terbuka,
nyata dan agak bebas daripada amalan rasuah. Keluaran dalam Negara kasar(KDNK)
perkapitanya adalah yang tertinggi di dunia. Di Singapura, dasar monetari dikawal
selia oleh “Monetary Authority of Singapore”(MAS). Pengurusan dasar monetari
banyak dipengaruhi oleh “ Nominal Effective Exchange Rate”(NEER) yang
diperkanal pada tahun 1981. Singapura lebih mementingkan perdangangan untuk
meningkatkan pertumbuhan ekonomi negaranya. Singapura tidak menitikberat kadar
inflasi kerana kekuatan daripada penggunaan dollar.
Pengangguran merupakan masalah ekonomi utama bagi sebuah negara
tidak kira sama ada negara membangun ataupun negara maju. Bagi negara yang ingin
berada dalam keadaan ekonomi yang baik, memerlukan pengangguran pada tahap
rendah. Sesebuah negara dikatakan mempunyai pertumbuhan yang mampan jika
kadar

penganggurannya rendah. Sebaliknya jika kadar pengangguran tinggi,

bermakna berlakunya pembaziran

sumber manusia. Masalah pengangguran terus

merupakan satu daripada masalah ekonomi yang sangat penting dan harus ditangani
1

dalam pasaran buruh. Peningkatan dan pengurangan pengangguran dikaitkan dengan
inflasi.
Inflasi

dan

pengangguran

merupakan

isu

ekonomi

asas,

yang

menghubungkan antara dasar dan program kerajaan. Jadi kerajaan akan membuat
pembaharuan program-program ekonomi untuk mengatasi masalah tersebut supaya
berada

pada kadar pengangguran yang rendah dan menjadikan harga stabil.

Hubungan antara inflasi dan pengangguran boleh diperjelaskan dalam dua tempoh
iaitu jangka pendek dan jangka penjang. Dalam jangka pendek, Terdapat hubungan
songsang antara dua pembolehubah. Berdasarkan hubungan ini, apabila kadar
pengangguran adalah tinggi kadar inflasi adalah rendah dan begitulah sebaliknya.
Manakala untuk jangka panjang apabila ekonomi berkembang, pengangguran
menurun menyebabkan inflasi meningkat. Keadaan ini mendorong para pekerja
menuntut upah yang lebih tinggi. Keuntungan firma merosot dan ada yang rugi dan
pekerja terpaksa diberhentikan. Ini menyebabkan pengangguran meningkat semula.
Jadi dalam jangka panjang, hubungan sonsang tiada.
Walaubagaimanapun,

inflasi

dikatakan

bukanlah

satu-satunya

pembolehubah yang boleh mempengaruhi pengangguran. Terdapat beberapa kajian
lepas yang menyatakan pengangguran juga boleh dipengaruhi oleh pembolehubah
yang lain contohnya pelaburan langsung asing. Tujuan kajian ini akan mengkaji
hubungan jangka panjang antara pengangguran, inflasi dan aliran masuk pelaburan
langsung asing di Singapura.
2.0

Kajian Literatur
Kajian oleh Philips (1958) telah membuka kepada kajian hubungan

antara pengangguran dan kadar inflasi. Pada awal kajian Philips (1958) telah
menemui

hubungan yang songsang antara perubahan kadar upah dengan

pengangguran di British. Friedman (1968) mempersoalkan hubungan keluk Philips
apabila data inflasi dan pengangguran bagi Amerika Syarikat selepas tahun 1970
tidak menunjukkan hubungan yang jelas. Kajian Friedman (1968) dan Edmund
(1967) menyatakan bahawa hubungan negatif yang stabil antara pengangguran
dengan

kadar

inflasi

hanya wujud dalam jangka masa pendek apabila inflasi

dijangka tidak berubah. Manakala keluk philips dalam jangka masa panjang berlaku
2

Ini dibuktikan daripada hasil kajian Marian . Keadaan ini dikenali sebagai stagflasi. Kadar inflasi tidak signifikan kedua-dua tempoh jangka masa Mohsen Bahmani-Oskooe dan Raymond Chi Wing Ng(2002). Kemasukan FDI telah mengurangkan jumlah pengangguran sebanyak 1. pendapatan benar. FDI. keterbukaan ekonomi dan kadar inflasi . Penemuan kajian adalah mendapati kewujudan hubungan jangka panjang antara wang agregat benar.7%. Kajian ini telah menggunakan model kaedah ekonometrik siri masa iaitu Autoregressive Distributed lag (ARDL) untuk mengkaji permintaan wang jangka panjang di Hong Kong. dalam kajian impak daripada pelaburan asing dalam projek Toyota-Peugeot Citoёn Automobile (TPCA) terhadap pasaran tenaga kerja di daerah Kolin. mendapati FDI mempunyai kesan yang signifikan. Kebanyakan kajian lepas menunjukkan FDI sebagai sumber penting modal. kaedah faedah nominal.7% dan meningkatkan guna tenaga 3. Keputusan mendapati kadar pengangguran di Malaysia adalah dipengaruhi oleh keterbukaan ekonomi dan KDNK dalam jangka panjang dan jangka pendek. 3 . Walaubagaimanapun pengangguran juga boleh di pengaruhi oleh pembolehubah lain iaitu pelaburan langsung asing(FDI).apabila inflasi dijangka berubah dan sama dengan kadar inflasi sebenar. Kajian ini memfokuskan empat pembolehubah makroekonomi yang mempengaruhi kadar pengangguran iaitu KNDK. kadar faedah asing dan kadar pertukaran asing. Republik Czech anatara tahun 1993 -2006 yang menggunakan kaedah OLS. pelengkap kepada pelaburan domestik swasta. Sebaliknya pembolehubah kadar pertumbuhan pelaburan langsung asing mempengaruhi kadar pengangguran dalam jangka masa pendek sahaja. 2006).Dinga dan Daniel Münich (2007). Keluk Philips jangka panjang juga boleh berbentuk menegak apabila tidak wujud tukar ganti antara inflasi dengan pengangguran. pemindahan teknologi dan seterusnya merancakkan pertumbuhan ekonomi dinegara tuan rumah (Chowdhury & Mavrotas. menjana lebih banyak peluang pekerjaan. Friedman mengesyorkan hubungan yang positif boleh wujud dimana kadar inflasi dan kadar pengangguran sama-sama meningkat. Ishak Yussof dan Rahmah Ismail (2012) kajian yang bertajuk faktor yang mempengaruhi kadar pengangguran di Malaysia. Norhayati Baharin.

0 OBJEKTIF KAJIAN 1. persamaan tersebut adalah 4 . Pengangguran adalah merupakan pembolehubah bersandar manakala faktor-faktor lain yang menentukan pengangguran sebagai pembolehubah-pembolehubah tidak bersandar. pelaburan langsung asing dan ralat rawak.0 METODOLOGI DAN PEMBENTUKAN MODEL KAJIAN Analisis kajian adalah menggunakan kaedah Autoregressive Distributed lag (ARDL) yang dicadangkan oleh Pesaran & Shin (1996) . INFt. Dengan lebih khususnya. Shin dan Smith (2001) adalah untuk melihat kewujudan hubungan jangka panjang. Melihat kewujudan keluk Philip antara inflasi dan pengangguran di Singapura dimana dalam jangka pendek wujud hubungan sonsang manakala jangka panjang wujudnya hubungan positif. pendekatan versi ARDL untuk melihatkan kointegrasi yang diperkenalkan oleh Pesaran. FDIt dan εt masing-masing ialah pengangguran. 2.3. Melihat faktor penentu lain dengan pengangguran dimana faktor tersebut pelaburan langsung asing dimana adakah faktor juga boleh mempengaruhi pengangguran di Singapura. 4. Data siri masa yang dikumpulkan adalah meliputi tempoh 1983 hingga 2012 iaitu selama tempoh 30 tahun. kadar inflasi. Kemudian. fungsi tersebut boleh ditulis dalam bentuk model fungsi log linear yang ditulis seperti berikut: In UNEt = α0 + β0 INFt + β1 In FDIt + εt yang mana UNEt. Data yang digunakan dalam kajian ini diperolehi daripada data sekunder yang dikeluarkan oleh World Bank dan Data Stream. Model kajian pula dibentuk berdasarkan kajian-kajian yang lepas untuk mengkaji hubungan pengangguran dengan pembolehubah-pembolehubah lain. Oleh kerana objektif kajian ialah untuk melihat hubungan pengangguran dan pembolehubah lain di Singapura. Maka dengan itu.

model jangka masa panjang akan dianggarkan seperti berikut: p In UNEt = a0 + ∑b n 0 In UNEt-j + j=1 ∑b j=0 n 1 INFt-j + ∑b 2 In FDIt-j + εt j=0 Langkah ketiga dan yang terakhir ialah menganggar hubungan dinamik jangka masa pendek dengan menerbitkan model terma pembetulan ralat kepada pengangguran. maka hipoteis null tidak dapat ditolak. ∆ ialah pembezaan pertama pembolehubah dan p ialah lat optimum. maka tidak dapat dipastikan apakah wujud hubungan jangka panjang atau tidak. batas nilai kritikal terbawah (lower bound critical) mengandaikan pembolehubah- pembolehubah penerang berintegrasi pada aras I(0) dan batas nilai kritikal teratas (upper bound critical) mengandaikan pembolehubah-pembolehubah penerang berintegrasi pada aras I(1). Manakala hipotesis alternatif mengatakan wujud hubungan jangka masa panjang ialah H1 : n1≠ n2 ≠n3 ≠ n4 ≠ 0. Merujuk kepada Pesaran et al (2001).p ∑b ∆ In UNEt = a0 + p 0 ∑b ∆ In UNEt-j + j=1 p ∆ INFt-j + 1 j=0 ∑b 2 ∆ In FDIt-j + n1 j=0 In UNEt-1 + n2 INFt-1 + n3 In FDIt-1 + εt yang mana ni pekali bagi jangka masa panjang. maka hipotesis null yang mengatakan tidak wujud hubungan jangka panjang akan ditolak. Sekiranya nilai statistik-F berada diantara dua batas nilai kritikal tersebut. Hipotesis nul yang mengatakan tidak wujud hubungan jangka masa panjang antara pembolehubah ialah Ho : n 1= n2 = n3 =n4 = 0. Sebaliknya jika nilai statistikF berada di bawah batas nilai kritikal terbawah. Fungsi tersebut adalah 5 . Langkah kedua pendekatan ARDL ialah sekiranya terdapat hubungan jangka masa panjang antara pembolehubah-pembolehubah yang diuji. Langkah pertama dalam ARDL ialah melakukan kaedah ujian batas dengan menganggarkan persamaan di atas melalui OLS bagi menguji kewujudan hubungan jangka panjang antara pembolehubah pembolehubah dengan melakukan ujian kesignifikanan terhadap pembolehubah dalam model pembetulan ralat . Jika nilai statistik F yang dikira (hasil daripada regrasi) berada diatas batas kritikal teratas. ao ialah pintasan. Ini dapat dilakukan dengan menggunakan statistik-F.

ujian punca unit masih diperlukan untuk memastikan kesemua pembolehubah bebas tidak pegun pada peringkat I(2) yang mengundang kepada keputusan yang palsu. ϖ. Walaupun kaedah ARDL tidak memerlukan pra ujian untuk mengetahui darjah integrasi terhadap pembolehubah bebas tersebut sama ada I(0) atau I(1).207690** -17. sekiranya pembolehubah yang diuji pegun pada pada I(2).293831 -7.709268* -0.465221* -1. kiraan F statistik yang terhasil adalah tidak sah kerana kaedah ujian batasan berdasarkan andaian bahawa pembolehubah pegun pada aras I(0) atau I(1).052881 -4. Bilangan lat ditentukan dengan Bandwidth. dan ϕ adalah pekali dinamik jangka masa pendek dan ψ ialah pekali bagi kecepatan penyesuaian menuju keseimbangan jangka masa panjang. Ujian yang dilakukan mengambil kira ujian yang memasukkan pembolehubah pintasan dan tren.a ∆In UNEt = c0 + ∑φ∆ ϕ ∆∈¿ b InUNEt-j + j=1 ∑ ϖ∆ INFt-j + j=0 c ∑¿ FDIt-j + ψ ECTt-1 + j=0 εt yang mana φ.32698*** Tren 6 Tren .367105 -3. Jadual 1 menunjukkan hasil keputusan ujian punca unit yang dijalankan ke atas data siri masa bagi semua pembolehubah berkenaan melalui ujian Phillip-Perron.0 KEPUTUSAN DAN PERBINCANGAN Sebelum menguji kewujudan berkointegrasi antara semua pembolehubah makro yang diuji.747960 -2. Maka ujian punca unit juga akan memastikan sama ada kaedah ARDL perlu digunakan atau sebaliknya. terlebih dahulu dijalankan ujian punca unit yang menggunakan ujian PHILLIP-PERRON.579299 INFt In FDIt Pembolehubah Pintasan Pintasan dan -2.270487*** 1. 5.412147*** -6. Menurut Fosu & Magnus (2006). JADUAL 1: KEPUTUSAN UJIAN KEPEGUNAN MENGGUNAKAN UJIAN PHILLIPPERRON Aras Tahap Pembezaan Pertama Pintasan Pintasan dan In UNEt -1.10979*** -17.

Oleh itu. Dalam jadual menunjukkan hasil ujian tersebut dimana ujian statistic F dilakukan.4955*** * * ) signifikan pada aras keertian 1%.7189*** 35. JADUAL 2: UJIAN BATASAN KOINTEGRASI LAT ( F-STATISTIK * 2 3 4 30. Ini bermakna ujian kepegunan pada tahap pembezaan pertama melalui regrasi pintasan dan tren adalah model yang terbaik kerana semua pembolehubah siri masa adalah pegun iaitu mempunyai tren stokastik secara bersama mengikut masa. lag optimum adalah 2 dan menurut BahmaniOskooee. lag 2 dan lag 3 adalah signifikan. (**) signifikan pada aras keertian 5%. Penentuan lag 2 telah dipilih untuk membuat kajian seterusnya. Kajian ini memerlukan memilih tempoh lag yang signifikan. Dalam kajian ini lag 2. Ujian yang menggunakan regrasi dengan pintasan dan tren pula didapati hanya 2 pembolehubah iaitu INFt yang pegun pada aras keertian 1% manakala pembolehubah In FDIt pegun pada aras keertian 5% . (**) signifikan pada aras keertian 5%.4783*** 29. Mengikut Pesaran(2001) untuk data tahunan. I(1). Ujian seterusnya dijalankan dengan melakukan tahap pembezaan pertama . hipotesis null yang menyatakan tidak wujud hubungan jangka panjang di tolak. Melalui keputusan tersebut didapati semua pembolehubah adalah pegun pada tahap keertiaan 1% melalui regrasi dengan pintasan tanpa tren kecuali INFt. Manakala ujian regrasi dengan menggunakan pintasan dan tren juga didapati kesemua pembolehubah adalah pegun pada tahap keertian 1% iaitu In UNEt dan In FDIt `manakala INFt pula pegun pada aras keertiaan 1%. (*) signifikan pada aras keertian 10% Berdasarkan jadual 1. Hasil keputusan kajian. keputusan ujian kepegunan yang menggunakan regrasi pintasan tanpa tren didapati semua pembolehubah siri masa tidak pegun pada aras 1(0). Langkah seterusnya adalah melakukan ujian batasan kepada kointegrasi. (*) signifikan pada aras keertian 10% 7 .( ***) signifikan pada aras keertian 1%.3 dan 4 telah dilakukan ujian. penentuan lag panjang berdasarkan pada nilai pertama siginifikan.

14 pada aras keyakinan 90% dan 3.H.J Smith dirujuk. Pertambahan pelaburan langsung asing sebanyak 1% telah mengurangkan pengangguran sebanyak 0.090839*** 0. (*) signifikan pada aras keertian 10% Dalam Keputusan penganggaran dinamik pekali jangka pendek yang diperolehi daripada persamaan terma pembetulan ralat (ECT) ditunjukkan dalam 8 . Y.090839*** 0. JADUAL 3: PENGANGGARAN PEKALI PENDEKATAN ARDL ARDL (1. Manakala hubungan antara pelaburan langsung asing dan pengangguran menunjukkan negatif. Langkah seterusnya. Dalam kajian di Singapura mendapati inflasi dan pelaburan langsung asing mempunyai hubungan dalam jangka panjang dengan pengangguran.0524*** 18.65478* Pintasan 18.65478* -0.717.79 – 4. Dapatan kajian juga menyokong kajian Thirunaukarasu (2008) yang mendapati dalam jangka masa panjang peningkatan pelaburan langsung asing akan mengurangkan pengangguran. Daripada nilai koefisien inflasi menunjukkan hubungan jangka panjang adalah positif manakala nilai koefisien pelaburan langsung asing menunjukan nilai negatif. penganggaran pekali jangka panjang dilakukan. Nilai bagi 2 pembolehubah tidak bersandar adalah 3.0524*** 18. Pesaran.65478* -0. SIC dan R2 terlaras (adjusted R2).NotaNilai kritikal batas diberi dalam jadual C1(iii) oleh M.0) PEMBOLEHUBAH MODEL JANGKA PANJANG MODEL SINGAPURAMODEL (R BAR SQUARE) (SBC) (AIC) INF 0. Terbukti keluk Philip yang mewujudkan kesatuan pekerja telah wujud bagi negara Singapura. (**) signifikan pada aras keertian 5%. Hasil keputusan jangka panjang inflasi ini menyokong Friedman(1968) yang mendapati peningkatan inflasi meningkatkan pengangguran dalam jangka masa panjang . Keputusan mendapati hasil ketiga-tiga model tersebut adalah sama.0524*** ( ***) signifikan pada aras keertian 1%. Buktinya adalah inflasi dan pelaburan langsung asing signifikan pada aras keertian 1% ditunjukkan dalam jadual 3. Shin dan R.65%.1.Penganggaran ini dilakukan dengan menggunakan 3 model iaitu AIC.4. Hal ini menunjukkan hubungan positif antara inflasi dan pengangguran dalam jangka panjang di Singapura.090839*** In FDI -0.85 pada aras keyakinan 95%.

Ini bermaksud wujudnya pelarasan dalam jangka masa pendek untuk menuju keseimbangan dalam jangka masa panjang dalam model tersebut.1017 ] 0.50954 10.6835*** 1. Inflasi merupakan pembolehubah yang signifikan mempengaruhi kadar pengangguran iaitu pada aras keertian 1%.58220 0. Nilai koefisien pelaburan langsung asing menunjukan nilai negatif.jadual 4.9239] PINTASAN ECTt-1 R2 ADJUSTED R2 F-STATISTIK DW-STATISTIK 6. Ini menunjukkan.Dinga dan Daniel Münich (2007) yang membuktikan pertambahan pelaburan langsung asing dapat menggurangkan pengangguran.23307*** [ -2. (**) signifikan pada aras keertian 5% Pekali bagi terma pembetulan ralat (ECT) didapati signifikan pada aras keertian 1%.069210*** [-3. Ini bermakna pembolehubah -pembolehubah tak bersandar 9 dapat menerangkan .6820 ] -0. Hal ini membuktikan hubungan sonsang wujud di Negara Singapura dan membuktikan keluk Philip wujud di Negara Singapura. Pembolehubah pelaburan langsung asing menunjukkan nilai yang signifikan pada aras keertiaan 1%.0440 ] ∆InFDI -0.35595*** [-3. hubungan pembolehubah-pembolehubah makro yang diuji terhadap kadar pengangguran di Singapura berbeza seperti yang ditunjukkan dalam jangka masa panjang. JADUAL 4: MODEL TERMA PEMBETULAN RALAT (KADAR PENGANGGURAN) ARDL (1.9745 ( ***)signifikan pada aras keertian 1%. Kira-kira 35% (pekali ECT = -0. pembolehubah inflasi signifikan dalam mempengaruhi kadar pengangguran bagi tempoh jangka masa panjang dan jangka masa pendek.4258*** [ 4. Keputusan ini adalah sama kajian daripada Marian .1.35) daripada ketakseimbangan dari kejutan tahun sebelumnya diselaraskan kembali kepada keseimbangan jangka panjang dalam tahun semasa. Model regrasi ARDL menunjukkan nilai R 2 yang tinggi iaitu 58%. Ini bermaksud dalam jangka pendek juga mendapati hubungan pelaburan langsung asing dan inflasi menujukkan terdapatnya hubungan sonsang.0) CRITERIA : “ SCWARZ BAYESIAN CRITERION(SBC)” PEMBOLEHUBAH TIDAK BERSANDAR ∆ INF -0. Hasil kajian menunjukkan dalam jangka masa pendek.

pembolehubah pengangguran sebanyak 58%.Keputusan ujian kestabilan CUSUM dan CUSUM(of squares) dapat dilihat dalam gambarajah 1. Pengujian empirikal dibuat menggunakan kaedah ekonometrik siri masa iaitu Autoregressive Distributed Lag (ARDL) yang dicadangkan oleh Pesaran dan Shin (1996) untuk melihat hubungan faktor penentu dengan kadar pengangguran. Pembolehubah ini mempengaruhi kadar pengangguran dalam jangka masa panjang dan jangka masa pendek. polisi yang digunakan oleh Singapura iaitu polisi kadar pertukaran atau “ exchange rate targeting” yang diperkenalkan pada tahun 1981 tidak memberikan kesan buruk kepada hubungan antara inflasi dengan pengangguran.0 KESIMPULAN Kajian yang dijalankan ini bertujuan mengenalpasti pembolehubah makroekonomi sebagai faktor yang mempengaruhi kadar pengangguran di Singapura bagi tempoh kajian yang meliputi tahun 1983 hingga 2012 dengan menggunakan data siri masa. Mata wang dollar yang digunakan oleh Singapura telah menyebabkan keluk Philip wujud di Singapura. Keputusan daripada penganggaran yang dibuat mendapati kadar pengangguran di Singapura adalah sangat signifikan dipengaruhi oleh inflasi. Hal ini menunjukkan terbuktinya keluk Philip wujud bagi negara Singapura. Ujian CUSUM dan CUSUM(of squares) menunjukkan data yang digunakan adalah stabil kerana plot statistic CUSUM dan CUSUM(of squares) berada sekitar sifar dan tidak melebihi garisan 5 peratus selang keyakinan. Pemilihan pembolehubah-pembolehubah makroekonomi ini adalah berdasarkan kajian-kajian lepas yang telah dijalankan. Dalam jangka pendek menunjukkan hubungan negatif manakala dalam jangka panjang menunjukkan hubungan positif. Kajian ini telah memfokuskan kepada dua pembolehubah makroekonomi yang mempengaruhi kadar pengangguran iaitu kadar inflasi dan kadar pertumbuhan FDI. Keputusan ujian diagnostik juga menunjukkan bahawa model tersebut lulus semua ujian bagi ujian korelasi bersiri. Daripada hubungan ini mendapati. Hasil kajian juga mendapati pembolehubah kadar pertumbuhan pelaburan langsung asing signifikan mempengaruhi kadar pengangguran bagi keduadua tempoh jangka masa. Hubungan antara inflasi dengan pengangguran 10 . ujian kenormalan dan ujian hetrokedastisiti. 6.

. Hasil daripada polisi kadar pertukaran telah menyebabkan pelaburan langsung asing telah meningkat di Singapura. 2006 yang menyatakan peningkatan FDI akan menggurangkan pengangguran iaitu melibatkan hubungan negatif. 11 .ianya negatif atau songsang wujud dalam jangka pendek dan secara tidak langsung menyokong kajian-kajian lepas dilakukan oleh Chowdhury & Mavrotas.menunjukkan hubungan jangka panjang. Hal ini dapat mengurangkan pengangguran di Singapura.

0 0.5 1.4 0.0 -0.6 -0.5 0.5 1985 1990 1995 2000 2005 2012 2010 The straight lines represent critical bounds at 5% significance level GAMBAR RAJAH 1: PLOT UJIAN KESTABILAN CUSUM DAN CUSUM(SQUARES) Orthogonalised Impulse Responses to one SE shock in the equation for DLUNE 0.4 -0.Plot of Cumulative Sum of Recursive Residuals 15 10 5 0 -5 -10 -15 1985 1990 1995 2000 2005 2012 2010 The straight lines represent critical bounds at 5% significance level Plot of Cumulative Sum of Squares of Recursive Residuals 1.2 DINF -0.2 DLUNE 0.0 -0.8 0 2 4 6 8 10 Horizon GAMBARAJAH 2: FUNGSI IMPULS RESPON 12 12 1414 DLFDI .

Null Hypothesis: D(LUNE) has a unit root Exogenous: Constant.221728 0.625121 0.293831 -4.4239 *MacKinnon (1996) one-sided p-values.* -2.412147 -3.270487 0.0001 .0000 *MacKinnon (1996) one-sided p-values.622989 0.971853 -2. t-Stat Prob.LAMPIRAN Ujian kepegunan Null Hypothesis: LUNE has a unit root Exogenous: Constant Bandwidth: 4 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level Adj.574244 -3.689194 -2.679322 -2.* -7. Linear Trend Bandwidth: 14 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic 13 Adj.4801 *MacKinnon (1996) one-sided p-values.* -6. t-Stat Prob. t-Stat Prob. Linear Trend Bandwidth: 5 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level Adj. Null Hypothesis: D(LUNE) has a unit root Exogenous: Constant Bandwidth: 16 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level Adj.579299 -3. Null Hypothesis: LUNE has a unit root Exogenous: Constant. t-Stat Prob.* -1.309824 -3.967767 -2.

0851 *MacKinnon (1996) one-sided p-values. Linear Trend Bandwidth: 3 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level Adj.309824 -3.625121 0.367105 -4. t-Stat Prob.9841 *MacKinnon (1996) one-sided p-values. Null Hypothesis: D(INF) has a unit root Exogenous: Constant Bandwidth: 2 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level Adj. Null Hypothesis: D(INF) has a unit root Exogenous: Constant.* -0.323979 -3.747960 -3.689194 -2.0630 .9995 *MacKinnon (1996) one-sided p-values. Linear Trend Bandwidth: 3 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 14 Adj. t-Stat Prob.971853 -2.221728 0.225334 *MacKinnon (1996) one-sided p-values.* 1.465221 -4.574244 -3.323979 0.* -3. t-Stat Prob.709268 -3. Null Hypothesis: INF has a unit root Exogenous: Constant Bandwidth: 3 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level Adj.580623 -3. t-Stat Prob.679322 -2.622989 0.Test critical values: 1% level 5% level 10% level -4.967767 -2. Null Hypothesis: INF has a unit root Exogenous: Constant.* -2.

958785 -3.580623 -3.221728 0. Null Hypothesis: D(LGDP) has a unit root Exogenous: Constant Bandwidth: 0 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level Adj. t-Stat Prob.0009 *MacKinnon (1996) one-sided p-values.679322 -2.675090 -3. t-Stat Prob.323979 -3.0046 .7465 *MacKinnon (1996) one-sided p-values.971853 -2.* -1.659800 -4.651744 -4.574244 -3.* -4.309824 -3.625121 0. Null Hypothesis: D(LGDP) has a unit root Exogenous: Constant.580623 -3. t-Stat Prob. Null Hypothesis: LGDP has a unit root Exogenous: Constant Bandwidth: 2 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level Adj.689194 -2.622989 0. Null Hypothesis: LGDP has a unit root Exogenous: Constant.225334 0.7542 *MacKinnon (1996) one-sided p-values.* -0.967767 -2. Linear Trend Bandwidth: 1 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level Adj. t-Stat Prob.5% level 10% level -3.* -4. Linear Trend Bandwidth: 1 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level 15 Adj.225334 *MacKinnon (1996) one-sided p-values.

32698 -4. Null Hypothesis: D(LFDI) has a unit root Exogenous: Constant.622989 0.* -1.* -17.309824 -3.207690 -4. t-Stat Prob.0000 .*MacKinnon (1996) one-sided p-values.967767 -2.052881 -3. Null Hypothesis: D(LFDI) has a unit root Exogenous: Constant Bandwidth: 27 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level Adj. t-Stat Prob.679322 -2.10979 -3. Null Hypothesis: LFDI has a unit root Exogenous: Constant Bandwidth: 10 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level Adj. Null Hypothesis: LFDI has a unit root Exogenous: Constant.* -17.7203 *MacKinnon (1996) one-sided p-values. t-Stat Prob.625121 0.574244 -3.0126 *MacKinnon (1996) one-sided p-values.0001 *MacKinnon (1996) one-sided p-values.* -4.689194 -2. Linear Trend Bandwidth: 27 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level 16 Adj. t-Stat Prob.971853 -2.580623 -3.323979 -3. Linear Trend Bandwidth: 8 (Newey-West automatic) using Bartlett kernel Phillips-Perron test statistic Test critical values: 1% level 5% level 10% level Adj.221728 0.225334 0.

036722 2.11397 -.036977 1.306] DLFDI(-2) -.031709 -1.65358[.067] DLFDI(-1) -.9395[.21329 -.0606[.8264[. 16)= 4.0356[.13489 .5411[.21532 .013] DINF(-1) .10517 -1.1396[.16453 .088869 1.085618 .8171[.067126 .0034305[.10325 -.20696 -1.327] DLUNE(-2) -.080997 .071] DINF(-1) .9806[.148] ******************************************************************************* Joint test of zero restrictions on the coefficients of deleted variables: Lagrange Multiplier Statistic CHSQ( 3)= 13.525] ******************************************************************************* Joint test of zero restrictions on the coefficients of deleted variables: Lagrange Multiplier Statistic CHSQ( 3)= 11.032856 -2.997] DLUNE(-2) -.24234 .094456 -2.11065 .187] DLUNE(-1) .31894 .33101 .11605 -1.*MacKinnon (1996) one-sided p-values.085086 .031100 -2.8149[.014977 .088] ******************************************************************************* Variable Deletion Test (OLS case) ******************************************************************************* Dependent variable is DLUNE List of the variables deleted from the regression: LUNE(-1) INF(-1) LFDI(-1) 26 observations used for estimation from 1987 to 2012 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] C .019] DINF(-1) .5924[.027311 .37077[.11610 .17951 .97088[.15874 .20208 -.0449[.3574[.073] DLUNE(-3) -.015917 .699] DINF -.012] Likelihood Ratio Statistic CHSQ( 3)= 14.426] DINF -.041787 .140] DLUNE(-1) -.3015[.0267[.004] Likelihood Ratio Statistic CHSQ( 3)= 18.091004 .678] DLUNE(-2) -.64348[.040642 -.81415[. 12)= 2.092487 .22267 .39163[.8205[.1879[.003] F Statistic F( 3.040286 1.260] DLUNE(-1) -.272] DLFDI(-3) -.3696[.387] DINF -.20152 -.7317E-3 .131] DLUNE(-3) -.533] DINF(-3) .15926 .700] DLFDI -.067315 .41948 .344] DLFDI(-2) -.060567 .527] DINF(-2) -.073202 .7359[.032] DLFDI(-1) -.7651[.12309 .42168[.2057[.060538 .5093[.10408 .18936 .89075[.084] DINF(-2) -.084768 1.014] ******************************************************************************* Variable Deletion Test (OLS case) ******************************************************************************* Dependent variable is DLUNE List of the variables deleted from the regression: LUNE(-1) INF(-1) LFDI(-1) 27 observations used for estimation from 1986 to 2012 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] C .65014[.23605 -1.050] 17 .022996 .716] DINF(-3) .7628[.097634 -1.034358 1.10001 1.1711[.21179 -1.5957[.21581 .040395 -. Variable Deletion Test (OLS case) ******************************************************************************* Dependent variable is DLUNE List of the variables deleted from the regression: LUNE(-1) INF(-1) LFDI(-1) 28 observations used for estimation from 1985 to 2012 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] C .9092[.152] DLUNE(-4) .035736 -.20744 -1.089] DLFDI -.098] DINF(-2) -.39763[.000] F Statistic F( 3.11836 -1.

34988 -1.0) selected based on Akaike Information Criterion ******************************************************************************* Dependent variable is LUNE 28 observations used for estimation from 1985 to 2012 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] INF .574]* Not applicable * * * * * * D:Heteroscedasticity*CHSQ( 1)= .24920 .032385 2.743]* ******************************************************************************* A:Lagrange multiplier test of residual serial correlation B:Ramsey's RESET test using the square of the fitted values C:Based on a test of skewness and kurtosis of residuals D:Based on the regression of squared residuals on squared fitted values Estimated Long Run Coefficients using the ARDL Approach ARDL(1.010] LFDI -.022737 -3.1.102] DLFDI(-4) -.8050[.0895[.032385 2.1581[.052] DLFDI(-2) -.3217 3.10970[.0440[.335]*F( 1.0) selected based on Schwarz Bayesian Criterion ******************************************************************************* Dependent variable is dLUNE 28 observations used for estimation from 1985 to 2012 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] dINF -.090839 .1887[.6836[.074] C 18.010] LFDI -.DINF(-4) .451]*F( 1.049085 .009] DLFDI(-1) -.003] ******************************************************************************* Estimated Long Run Coefficients using the ARDL Approach ARDL(1.1834[.069210 .8050[.26767 .3922[.033] DLFDI(-3) -.0524 5.12318 -2.8714[.3922[.1.65478 .18053 . 15)= . 26)= .260] DLFDI -.8050[.92905[. 8)= 1.65478 .006] 18 .057] Likelihood Ratio Statistic CHSQ( 3)= 8.041292 1.29949 .11764[.1.084755 -3.0524 5.9067[.51479[.003] ******************************************************************************* Error Correction Representation for the Selected ARDL Model ARDL(1.8714[.56748[.032385 2.0) selected based on R-BAR Squared Criterion ******************************************************************************* Dependent variable is LUNE 28 observations used for estimation from 1985 to 2012 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] INF .074] C 18.65478 .031] F Statistic F( 3.4313[.1.10723 -1.3217 3.408] ******************************************************************************* Diagnostic Tests ******************************************************************************* * Test Statistics * LM Version * F Version * ******************************************************************************* * * * * * A:Serial Correlation*CHSQ( 1)= .090839 .5414[.11223 -1.0524 5.3922[.11414 -2.31030[.120] ******************************************************************************* Joint test of zero restrictions on the coefficients of deleted variables: Lagrange Multiplier Statistic CHSQ( 3)= 7.34988 -1.732]*F( 1.1100[.003] Estimated Long Run Coefficients using the ARDL Approach ARDL(1.19991 . 15)= .34988 -1.0) selected based on Schwarz Bayesian Criterion ******************************************************************************* Dependent variable is LUNE 28 observations used for estimation from 1985 to 2012 ******************************************************************************* Regressor Coefficient Standard Error T-Ratio[Prob] INF .074] C 18.586]* * * * * * C:Normality *CHSQ( 2)= 1.484]* * * * * * B:Functional Form *CHSQ( 1)= .010] LFDI -.8714[.3217 3.090839 .7813[.

3724 4.65478*LFDI -18.6835[.E. of Dependent Variable .35595 .50954 S. 24) 10.007] dC 6.079712 -2.000] ecm(-1) -.000] Mean of Dependent Variable . Criterion 5.1017[.79125 Equation Log-likelihood 10.26485 Residual Sum of Squares .9239[.9745 ******************************************************************************* R-Squared and R-Bar-Squared measures refer to the dependent variable dLUNE and in cases where the error correction model is highly restricted. 19 .005] ******************************************************************************* List of additional temporary variables created: dLUNE = LUNE-LUNE(-1) dINF = INF-INF(-1) dLFDI = LFDI-LFDI(-1) dC = C-C(-1) ecm = LUNE -.18548 F-stat. these measures could become negative.11476 -3.58220 R-Bar-Squared .1985 Akaike Info.032358 S.4258 1. F( 3. of Regression .D.dLFDI -.090839*INF + .0524*C ******************************************************************************* R-Squared .23307 .8680 DW-statistic 1.6820[.1985 Schwarz Bayesian Criterion 1.

(2002) Working with Microfit 4. Economica. (1974). pp.H. pp. Ishak Yussof dan Rahmah Ismail (2012).M. F. 2.366. and Fuller. Vol. 427-431.J. Faktor-faktor yang Mempengaruhi Pengangguran di Malaysia Okun. (2001) Bounds testing approaches to the analysis of level relationships.. pp. IEEE Transaction on Automatic Control. M. and Pesaran. Journal of Economic Studies. R. Pesaran. A. W.RUJUKAN Agbola.S. in M. (1979). M. Brookings papers on Economic Activity. M. (1975) Inflation: Its mechanics and welfare costs. Vol. Bahmani-Oskooee. Great Britain.K.19. Vol. 146-157 Akaike.057-1072.W.Y. Norhayati Baharin.H. (1981). (2005) The saving and investment nexus for China: Evidence from cointegration tests. 37. A. 4. “Distribution of the Estimators for Autoregressive Time Series with a Unit Root”. Dickey. 1861 – 1957. 66. Vol. D. Econometrica. pp. pp. Journal of Applied Econometrics.) The American Economy in Transitory.716-723. 351-390 Okun. 1979-1990. Shin. and Damoense. A. 32. Narayan. 283-300. Applied Economics. Oxford University Press. and Smith. Chicago: University of Chicago Press Pesaran. (2005) Time-series estimation of import demand functions for pulse in India.0 Interactive Econometric Analysis. No. (2000) German monetary unification and the stability of the German M3 money demand function. and Bohl. W. No. No. Y. (1958) The relationship between unemployment and the rate of change of money wages in United Kingdom. pp. “A New Look at the Statistical Model Identification”. Feldstein (ed.W. pp. 2. 15. and Fuller. Economics Letters. (1980) Postwar Macroeconomic Performance. “Likelihood Ratio Tests for Autoregressive Time Series with a Unit Root”. 289326. pp. Journal of the American Statistical Association. 74. P. Phillips. pp. Dickey. 20 .H. M. B.49.M. M. H. D. 16.

pp. expectations of inflation and optimal unemployment over time. pp. P. (1967) Phillips curves. 65-80. B. pp. Applied Economics. 29(1). Analisis. 254-281. (1997) The Phillips curve. price level and output in Malaysia. Economica.E. 21 . 34.B. 99-125 Phelps. E. 57. pp. parameter instability and the Lucas critique. Reviews of Economic Studies. P.Phillips. (1988) Unanticipated money. 7-10.C. M. and Hansen. (1990) Statistical inference in instrumental variables regression with I(1) processes. Yusuff. Turner. 3(1&2).