7.Jonatan-2

Jurnal Keuangan dan Moneter, Volume 6 Nomor 2 Yonathan S.
Hadi
i pendapatan
buhan yang
ekonomi. Dengan ANALISIS
bisa ditabung, sehingga
memegang VECTOR
asumsi AUTO
investasi
bahwa yang REGRESSION
tercipta akan
hubungan (VAR)
semakin
timbal besar pula.
balik tersebut Dalam
terjadi, kasusdalam
maka ini, i
TERHADAP KORELASI ANTARA PENDAPATAN
NASIONAL DAN INVESTASI PEMERINTAH DI
INDONESIA, 1983/1984 – 1999/2000
Oleh:
Yonathan S. Hadi1
Abstraksi
Vector Auto Regression (VAR) merupakan alat analisis atau metode
statistik yang bisa digunakan baik untuk memproyeksikan sistem variabel-
variabel runtut waktu maupun untuk menganalisis dampak dinamis dari faktor
gangguan yang terdapat dalam sistem variabel tersebut. Selain itu, VAR Analysis
juga merupakan alat analisis yang sangat berguna, baik di dalam memahami
adanya hubungan timbal balik (interrelationship) antara variabel-variabel
ekonomi, maupun di dalam pembentukan model ekonomi berstruktur. Dengan
menggunakan Analisis VAR, paper ini mencoba mencari ada tidaknya korelasi
timbal balik (interrelationship) antara pertumbuhan ekonomi dan investasi
pemerintah di Indonesia.
1 Kasubbid Analisa Dana Bagi Hasil, Bidang Analisa Dana Perimbangan Pusat Analisa Belanja Negara, Badan
Analisa Fiskal, Depkeu, dengan email: yonathan_sh@hotmail.com
Analisis Vector Auto Regression (VAR) Terhadap Korelasi Antara Pendapatan dan Investasi Pemerintah di
Indonesia, 1983/1984 – 1999/2000 Desember 2003
107
Jurnal Keuangan dan Moneter, Volume 6 Nomor 2 Yonathan S. Hadi
Paper ini membahas ada tidaknya Persamaan di atas menyatakan

korelasi timbal balik (interrelationship) bahwa tingkat pertumbuhan GNP (∆Y/Y)
antara pertumbuhan ekonomi dan investasi di ditentukan bersama-sama oleh rasio tabung-
Indonesia, ditinjau dari analisis vector auto an nasional, s, dan rasio modal/output
regression (VAR). Hipotesa yang ingin nasional, k. Lebih khusus lagi, persamaan
dibuktikan kebenarannya secara statistik tersebut menyatakan bahwa tingkat pertum-
dalam paper ini adalah bahwa hubungan buhan pendapatan nasional akan secara
timbal balik antara pendapatan nasional dan langsung atau secara “positif” bertalian erat
investasi pemerintah di Indonesia diragukan dengan rasio tabungan (yakni, lebih banyak
atau tidak jelas. bagian GNP yang ditabung, dan diinves-
tasikan, maka akan lebih besar lagi
II. Teori Investasi dan Teori Per- pertumbuhan GNP tersebut) dan sebaliknya
tumbuhan atau secara “negatif” terhadap nisbah modal
output suatu perekonomian (yakni, lebih
Salah satu teori ekonomi terkenal besar, k, lebih kecil lagi pertumbuhan GNP).
yang menganalisa hubungan antara tingkat
investasi dan tingkat pertumbuhan adalah Sebenarnya logika dari persamaan
Teori Harrod-Domar. Kedua ekonom ini (1) di atas sangat sederhana. Agar bisa
menyimpulkan adanya hubungan ekonomi tumbuh, maka perekonomian harus mena-
langsung antara besarnya stok modal bung dan menginvestasikan sebagian dari
keseluruhan, K, dengan GNP, Y, yang GNPnya. Lebih banyak yang dapat ditabung
mereka formulasikan sebagai rasio modal dan kemudian ditanamkan, maka akan lebih
/output (capital/output ratio, COR). Semakin cepat lagi perekonomian itu tumbuhnya.
tinggi peningkatan stok modal, semakin Akan tetapi, tingkat pertumbuhan yang
tinggi pula output yang dapat dihasilkan. dapat dijangkau pada setiap tingkat tabungan
Secara sederhana, teori Harrod-Domar dapat dan investasi tergantung kepada produk-
diformulasikan sebagai berikut: tivitas investasi tersebut. Produktivitas
investasi adalah banyaknya tambahan output
∆Y/Y = s/k yang didapat dari suatu unit investasi dapat
(1) diukur dengan “inverse” rasio kapital/output,
dimana: ∆Y/Y adalah tingkat perubahan k, karena inverse ini, 1/k, adalah rasio
atau tingkat pertumbuhan GNP output/kapital atau output/investasi. Kemu-
(yaitu, persentase perubahan dian, dengan mengalikan tingkat inverse
GNP); baru s = I/Y, dengan produktivitasnya, 1/k,
s adalah rasio tabungan nasional; maka akan didapat tingkat pertumbuhan
dan pendapatan nasional atau GNP yang
meningkat. Disinilah hubungan timbal balik
k adalah rasio modal/output antara tingkat pendapatan nasional dan
nasional.
107
tingkat investasi tersebut terjadi, oleh karena persamaan simultan yang kompleks
pendapatan nasional dan investasi tersebut sekalipun. Selain itu, VAR Analysis juga
saling mempengaruhi satu sama lain. merupakan alat analisis yang sangat
berguna, baik di dalam memahami adanya
III. Analisis Vector Auto Regression hubungan timbal balik (interrelationship)
(VAR) antara variabel-variabel ekonomi, maupun di
dalam pembentukan model ekonomi
Vector Auto Regression (VAR) berstruktur.
biasanya digunakan untuk memproyeksikan
Untuk memahami analisis VAR,
sistem variabel-variabel runtut waktu dan
perhatikan sistem dua variabel sederhana
untuk menganalisis dampak dinamis dari
(the simple bivariate system) berikut:
faktor gangguan yang terdapat dalam sistem
variabel tersebut. Pada dasarnya Analisis Yt = a10 + a11Yt-1 + a12Zt-1 +
VAR bisa dipadankan dengan suatu model a13Yt-2 + a14Zt-2 + eyt (i)
persamaan simultan, oleh karena dalam
Analisis VAR kita mempertimbangkan Zt = a20 + a21Yt-1 + a22Zt-1 + a23Yt-
beberapa variabel endogen secara bersama- 2
+ a24Zt-2 + ezt (ii)
sama dalam suatu model. Perbedaannya
dengan model persamaan simultan biasa Dimana:
adalah bahwa dalam Analisis VAR masing- Yt = PDB pada tahun t
masing variabel selain diterangkan oleh Zt = investasi pada tahun t
nilainya di masa lampau, juga dipengaruhi Yt-n = PDB pada tahun t-n
oleh nilai masa lalu dari semua variabel Zt-n = investasi pada tahun t-n
endogen lainnya dalam model yang diamati.
a10, a20 = konstanta
Di samping itu, dalam analisis VAR biasanya
eyt, ezt = faktor gangguan
tidak ada variabel eksogen dalam model
tersebut.
Dua persamaan diatas menunjukkan
Keunggulan dari Analisis VAR
bahwa dua variabel ekonomi yang diamati,
antara lain adalah: (1) Metode ini sederhana,
yakni produk domestik bruto (PDB) dan
kita tidak perlu khawatir untuk membedakan
investasi, saling mempengaruhi satu sama
mana variabel endogen, mana variabel
lain. Sebagai contoh, PDB dalam tahun t
eksogen; (2) Estimasinya sederhana, dimana
(Yt) dipengaruhi oleh PDB dalam periode
metode OLS biasa dapat diaplikasikan pada
tiap-tiap persamaan secara terpisah; (3) Hasil sebelumnya (Yt-1 dan Yt-2), dan oleh investasi
perkiraan (forecast) yang diperoleh dengan dalam tahun sebelumnya (Zt-1 dan Zt-2).
menggunakan metode ini dalam banyak Demikian pula, investasi dalam tahun t (Zt)
kasus lebih bagus dibandingkan dengan hasil dipengaruhi oleh investasi dalam tahun
yang didapat dengan menggunakan model
108
sebelumnya (Zt-1 dan Zt-2), dan oleh PDB menguji struktur dinamis dari sistem
dalam periode sebelumnya (Yt-1 dan Yt-2). variabel dalam model yang diamati,
yang dicerminkan oleh variabel inovasi
(innovation variable). Dengan kata lain,
IV. Tahapan dan Cakupan Analisis
test ini merupakan test terhadap variabel
VAR
inovasi (innovation variable). Test ini
Pada dasarnya, Analisis VAR terdiri dari:
meliputi: a. The Impulse Responses:
1. Uji akar unit (Unit Root Test) Untuk melihat efek gejolak (shock)
Uji akar unit ini digunakan untuk melihat suatu standar deviasi dari variabel
apakah data yang diamati stationer atau invovasi terhadap nilai sekarang
tidak. (current time values) dan nilai yang
Test ini sebenarnya hanya merupakan akan datang (future values) dari
pelengkap dari analisis VAR, mengingat variabel-variabel endogen yang ter-
tujuan dari analisis VAR adalah untuk dapat dalam model yang diamati.
menilai adanya hubungan timbal balik di b. The Cholesky
antara variabel-variabel yang diamati, Decomposition:
dan bukan test untuk data. Akan tetapi, The Cholesky Decomposition atau
apabila data yang diamati adalah biasa disebut juga dengan The
stationer, hal ini akan meningkatkan Variance Decomposition membe-
akurasi dari analisis VAR. rikan informasi mengenai variabel
2. Uji Hipotesis (Hyphothesis Testing), inovasi yang relatif lebih penting
yang terdiri dari: dalam VAR. Pada dasarnya test ini
a. Likelihood Ratio Test merupakan metode lain untuk meng-
Likelihood Ratio Test digunakan gambarkan sistem dinamis yang
untuk menguji hipotesis mengenai terdapat dalam VAR. Test ini digu-
berapakah jumlah lag yang sesuai nakan untuk menyusun perkiraan
untuk model yang diamati. error variance suatu variabel, yaitu
b. Granger Causality Test seberapa besar perbedaan antara
Test ini menguji apakah suatu variance sebelum dan sesudah
variabel bebas (independent vari- shock, baik shock yang berasal dari
able) meningkatkan kinerja fore- diri sendiri maupun shock dari
casting dari variabel tidak bebas variabel lain.
(dependent variable).
V. Data
3. Innovation Accounting
Pada dasarnya test ini digunakan untuk Data yang digunakan dalam analisis
ini adalah data produk domestik bruto
109
(PDB) untuk mewakili pendapatan nasional, hitungan yang diperoleh lebih akurat, studi
dan data pengeluaran pembangunan rupiah ini menggunakan data realisasi triwulanan
untuk mewakili data investasi, keduanya untuk mendapatkan periode perhitungan
berdasarkan harga yang berlaku. Sebagai yang sama, baik bagi pengeluaran
catatan perlu dikemukakan bahwa inves- pembangunan rupiah maupun bagi PDB.
tasi pemerintah di Indonesia dalam studi Periode yang digunakan adalah tahun
ini diasumsikan merupakan pengeluaran anggaran, yang berlangsung selama 12
pembangunan dalam APBN, yang berdiri bulan, dari bulan April hingga bulan Maret
dari pengeluaran pembangunan rupiah tahun berikutnya. Karena alasan teknis ini,
dan bantuan proyek. Namun dalam studi maka data yang digunakan adalah data
ini pembiayaan rupiah yang digunakan runtut waktu dari tahun 1983/1984 hingga
sebagai variabel investasi pemerintah, meng- tahun 1999/2000. Data realisasi PDB
ingat besarnya angka perkiraan pembiayaan diambil dari Badan Pusat Statistik,
rupiah ini dalam proses penyusunan angka- sedangkan data realisasi pengelu-aran
angka APBN, tidak dikaitkan dengan pembangunan rupiah diambil dari buku Nota
pertumbuhan ekonomi, namun tergantung Keuangan dan RAPBN beberapa seri.
kepada selisih positif antara penerimaan
dalam negeri dengan pengeluaran rutin. VI. Profil Data
Selisih positif ini disebut dengan tabungan
Dengan menggunakan data realisasi
pemerintah.
pengeluaran pembangunan rupiah dan
Mengingat tahun fiskal berbeda realisasi PDB tahun 1983/84 – 1999/2000,
dengan tahun kalender, agar hasil per- diperoleh Grafik 1 sebagai berikut.
110
Grafik 1. Perkembangan kuartalan PDB dan Pembiayaan Rupiah,

1983 - 2000
400,000.0
Jumlah (miliar Rp)
300,000.0
PDB
200,000.0 RP
100,000.0
-
1
3
Tahun
E
rror: Reference source not found
107
Dari grafik di atas dapat dilihat Dengan bantuan program Eviews,

bahwa PDB memiliki kecenderungan dilakukan Augmented Dickey-Fuller
peningkatan yang lebih tinggi dibandingkan Test untuk melakukan uji akar unit
dengan kecenderungan peningkatan (Unit Root Test) untuk menguji apakah
pengeluaran pembangunan rupiah. variabel PDB dan variabel rupiah
stationer atau tidak. Dengan mencakup
VII. Hasil Perhitungan trend dan intercept, diperoleh hasil
perhitungan sebagai berikut:
a. Uji Akar Unit (Unit Root Test)
107
-5.523111
-5.728349
1%
1% Critical
Critical Value*
Value*
-4.0948
-4.0969
5%
5% Critical
Critical Value
Value
-3.4749
-3.4759
10%
10% Critical
Critical Value
Value
-3.1645
-3.1651
*MacKinnon
*MacKinnon critical
critical values
values for
for rejection
rejection of
of hypothesis
hypothesis of
of a
a unit
unit root.
root.
107
Dari hasil uji akar-akar unit terhadap regresi dengan 10 lag yang berbeda,
variabel yang diamati, ternyata variabel ternyata pada regresi dengan lag 5, FPE
pengeluaran pembangunan Rupiah sudah mencapai titik terendah, yaitu =
stationer pada data dasarnya (level), atau 0,077586, menaik pada regresi dengan
stationer pada order 0, pada tingkat lag 6, dan kemudian menurun lagi.
kepercayaan 99%. Sedangkan variabel PDB Oleh karena itu, the likelihood ratio test
baru stationer pada turunan pertamanya (first dilakukan untuk membandingkan model
difference), atau stationer pada order 1, pada dengan lag 5 dan model dengan lag 6,
tingkat kepercayaan 99%. yang dihitung dengan rumus:
LR = -2 (l5 - l6)
b. The Likelihood Ratio Test
Dengan bantuan Eviews, diperoleh nilai
The likelihood ratio test digunakan untuk
log likelihood5 (l5) = 108,8702 dan log
melihat berapakah jumlah lag yang
paling sesuai untuk suatu model. Test ini likelihood6 (l6) = 107,9573, sehingga:
seharusnya dilakukan terhadap semua LR = -2(108,8702-107,9573) = -1,8258
jumlah lag yang mungkin sesuai untuk (lihat lampiran).
model yang diamati. Namun demikian, Nilai LR hitung di atas merupakan
setelah dilakukan perhitungan, hanya lag asymptotik dari nilai distribusi Chi-
range hingga 10 yang memung-kinkan Square (χ 2) dengan tingkat kebebasan
untuk dipakai dalam model. (degree of freedom) sama dengan jumlah
Untuk menentukan lag mana yang paling restriksi dalam model. Dalam hal ini,
relevan dipakai dalam model, terlebih terdapat 12 restriksi untuk berpindah
dahulu dihitung Final Prediction Error dari VAR (5) ke VAR(6). Dengan
(FPE) dari masing-masing regresi secara demikian, nilai LR tersebut asymptotik
manual untuk menjamin bahwa residual dari nilai distribusi Chi Square χ 2 (12).
yang dihasilkan dari hasil perhitungan
regresi bersifat white noise. Dari tabel nilai distribusi Chi Square
Final Prediction Error dihitung dengan χ 2, diketahui bahwa probability untuk
rumus: mendapatkan nilai –1,8258 adalah
FPE = (T + S + 1)/(T – S – 1) * (SSR/T) 100%. Dengan demikian, hipotesa
bahwa model dengan lag 6 lebih baik
Dimana: dari model dengan lag 5 ditolak. Dengan
kata lain, model dengan lag 5 lebih baik
FPE : Final Prediction Error
dari pada model dengan lag 6.
T : jumlah observasi
S : jumlah lag dalam model
c. The Granger Causality Test
SSR : sum square of residual
Sebagaimana dikemukakan di atas, The
Dari hasil perhitungan terhadap 10
107
Granger Causality Test menguji apakah statistik tidak signifikan.

suatu variabel bebas (independent Masing-masing variabel di masa lampau
variable) meningkatkan kinerja fore- berpengaruh signifikan hanya terhadap
casting dari variabel tidak bebas dirinya sendiri, namun tidak berpeng-
(dependent variable). aruh secara signifikant terhadap variabel
Sebelum sampai ke tahap ini, terlebih lainnya. Misalnya, variabel lnpdb(-1)
dahulu kita akan amati hasil perhitungan berpengaruh secara signifikan terhadap
regresi dengan lag 5. variabel lnpdb. Demikian pula, variabel
Sebagaimana terlihat dari tabel hasil lnrp(-4) dan lnrp(-5) berpengaruh secara
perhitungan regresi dengan lag 5, kita signifikan terhadap dirinya sendiri.
bisa simpulkan bahwa dengan meng- Dengan demikian, hubungan timbal
amati t statistik dari masing-masing balik antara variabel pembiayaan rupiah
koefisien, hubungan timbal balik antara (Rp) dengan variabel PDB menjadi tidak
variabel PDB dan variabel Rp secara jelas.
108
Sample(adjusted): 1984:2 2000:4

Included observations: 67 after adjusting endpoints
Standard errors & t-statistics in parentheses
LNPDB LNRP
LNPDB(-1) 0.887333 -1.348658
(0.12576) (0.76326)
(7.05584) (-1.76696)
LNPDB(-2) -0.004201 1.938696

(0.16646) (1.01032)
(-0.02524) (1.91890)
LNPDB(-3) -0.091214 1.553325

(0.17051) (1.03485)
(-0.53496) (1.50101)
LNPDB(-4) 0.282332 -0.342126

(0.16044) (0.97374)
(1.75977) (-0.35135)
LNPDB(-5) -0.032909 -1.524610

(0.11751) (0.71320)
(-0.28005) (-2.13772)
LNRP(-1) -0.041601 0.324543

(0.01880) (0.11411)
(-2.21262) (2.84405)
LNRP(-2) 0.002455 -0.042958

(0.01166) (0.07079)
(0.21045) (-0.60681)
LNRP(-3) -0.031696 -0.005452

(0.01145) (0.06950)
(-2.76793) (-0.07845)
LNRP(-4) 0.008358 0.806172

(0.01132) (0.06871)
(0.73826) (11.7322)
LNRP(-5) 0.033094 -0.424604

(0.01826) (0.11085)
(1.81200) (-3.83047)
C -0.162040 -0.393540
(0.08948) (0.54307)
(-1.81092) (-0.72465)
107
Lanjutan
Sample(adjusted): 1984:2 2000:4

Included observations: 67 after adjusting endpoints
Standard errors & t-statistics in parentheses
LNPDB LNRP
R-squared 0.997305 0.916418
Adj. R-squared 0.996824 0.901493
Sum sq. resids 0.128319 4.726764
S.E. equation 0.047869 0.290528
F-statistic 2072.563 61.40042
Log likelihood 114.5718 -6.245245
Akaike AIC -3.091694 0.514783
Schwarz SC -2.729730 0.876748
Mean dependent 11.21612 8.018475
S.D. dependent 0.849413 0.925667
Determinant Residual Covariance 0.000133
Log Likelihood 108.8702
Akaike Information Criteria -2.593140
Schwarz Criteria -1.869211
108
Kesimpulan tersebut didukung oleh hasil The dalam tabel di bawah ini.
Granger Causality Test, yang disajikan
107
Pairwise Granger Causality Tests

Date: 08/15/02 Time: 10:40
Sample: 1983:1 2000:4
Lags: 5
Null Hypothesis: Obs F-Statistic Probability
LNPDB does not Granger Cause LNRP 67 5.30791 0.00046
LNRP does not Granger Cause LNPDB 2.76501 0.02660
107
Hasil The Granger Causality Test (baca: pada saat yang bersamaan) dari
menunjukkan bahwa variabel PDB tidak suatu seri/variabel terhadap seri/variabel
Granger menyebabkan variabel Rp. yang lain. Dalam bagian ini, The
Sebaliknya variabel Rp Granger menye- Impulse Response Test dilakukan 2
babkan variabel PDB. tahap. Pertama, digunakan untuk
Hal ini menunjukkan bahwa apabila melihat pengaruh kontemporer dari
variabel PDB dimasukkan ke dalam variabel PDB terhadap variabel
komponen variabel untuk memprediksi Pengeluaran Pemba-ngunan Rupiah.
nilai Rp, hasilnya secara statistik tidak Kedua, digunakan untuk melihat
signifikan. Namun, apabila variabel Rp pengaruh kontemporer dari variabel
dijadikan variabel untuk memprediksi Pengeluaran Pembangunan Rupiah
besarnya nilai PDB, hasilnya secara terhadap variabel PDB.
statistik signifikan. Hasil dari the impulse test tergantung
Dengan demikian, hipotesa adanya kepada ordering dari seri variabel yang
hubungan bilateral sebab akibat antara digunakan dalam perhitungan. Dalam
dua variabel yang diamati, yaitu variabel studi ini ordering yang digunakan adalah
Rp dan variabel PDB, tidak terbukti. variabel PDB terlebih dahulu, baru
kemudian variabel Rp.
d. The Impulse Response Test Hasil perhitungan The Impulse
Response Test tersebut disarikan dalam
The Impulse Response Test digunakan
tabel berikut.
untuk melihat pengaruh kontemporer
107
Response of LNPDB:
Period LNPDB LNRP
1 0.043763 0.000000
(0.00378) (0.00000)
2 0.040234 -0.010960
(0.00619) (0.00463)
3 0.038345 -0.012636
(0.00768) (0.00652)
4 0.030373 -0.020606
(0.00894) (0.00787)
5 0.033254 -0.017697
(0.00940) (0.00866)
6 0.030461 -0.017312
(0.00870) (0.00957)
7 0.029465 -0.012603
(0.00798) (0.01026)
8 0.027780 -0.018255
(0.00744) (0.01082)
9 0.031437 -0.015071
(0.00692) (0.01125)
10 0.032150 -0.015215
(0.00676) (0.01169)
107
Lanjutan
Response of LNRP:
Period LNPDB LNRP

1 -0.033700 0.263463
(0.03232) (0.02276)
2 -0.069959 0.085505
(0.03234) (0.02846)
3 0.009324 0.031214
(0.03219) (0.02640)
4 0.100481 0.000813
(0.03302) (0.02369)
5 0.086325 0.197122
(0.04017) (0.02963)
6 -0.025330 -0.011126
(0.03176) (0.03372)
7 0.020850 -0.045159
(0.02941) (0.03133)
8 0.086549 -0.045591
(0.02910) (0.03092)
9 0.063550 0.156538
(0.03279) (0.03319)
10 -0.044175 -0.041398
(0.02937) (0.03232)
Ordering: LNPDB LNRP
108
Dari uji yang dilakukan dapat kita dari variabel Rp sebesar 0.263463 menye-
lihat bahwa satu standar deviasi dari PDB babkan efek negatif terhadap variable PDB
sebesar 0.043763 tidak membawa efek sebesar 0.033700. Pada step 2, standar
apapun terhadap variable Rp. (standar deviasi dari variabel Rp sebesar 0.085505 di
deviasinya sama dengan nol). Setelah satu atas rata-ratanya menyebabkan penurunan
periode, standar deviasi dari PDB menjadi standar deviasi dari variabel PDB menjadi
0.040234 di atas rata-ratanya, membawa 0.0699599 di bawah rata-ratanya.
pengaruh terhadap penurunan standar deviasi Apabila ditampilkan dalam bentuk
dari variabel Rp sebesar 0.010960 di bawah grafik, respon terhadap adanya shock
rata-rata. tersebut dapat digambarkan sebagai berikut.
Di lain pihak, satu standar deviasi
107
107
e. The Cholenski Decomposition variabel.

Seperti dikemukakan pada bagian Dengan menggunakan metode variance
sebelumnya, The Cholenski Decompo- decomposition dalam Eviews, dan
sition merupakan susunan forecasting dengan menggunakan ordering LnpDB-
mengenai error variance dari suatu LnRP, diperoleh hasil sebagai berikut:
107
Variance
Decomposition of
LNPDB:
Period S.E. LNPDB LNRP
1 0.043763 100.0000 0.000000
2 0.060450 96.71251 3.287494
3 0.072692 94.70501 5.294989
4 0.081433 89.37770 10.62230
107
Lanjutan
5 0.089723 87.35985 12.64015

6 0.096322 85.80193 14.19807
7 0.101513 85.67555 14.32445
8 0.106817 84.14210 15.85790
9 0.112362 83.86959 16.13041
10 0.117857 83.67220 16.32780
Variance
Decomposition of
LNRP:
Period S.E. LNPDB LNRP
1 0.265610 1.609826 98.39017
2 0.287670 7.286554 92.71345
3 0.289509 7.298016 92.70198
4 0.306451 17.26430 82.73570
5 0.374461 16.87713 83.12287
6 0.375482 17.24058 82.75942
7 0.378762 17.24628 82.75372
8 0.391191 21.06279 78.93721
9 0.426114 19.97601 80.02399
10 0.430393 20.63424 79.36576
Ordering: LNPDB
LNRP
108
Dari tabel the variance decompo- buhan ekonomi. Temuan ini menunjukkan
sition untuk LnPDB terlihat bahwa pada step bahwa sebagaimana menurut aliran Klasik
1, perkiraan error variance seluruhnya terdapat dichotonomy antara sektor riil dan
(100%) dijelaskan oleh variabel LnPDB itu sektor moneter, dalam studi ini juga
sendiri. Namun, pada step 2, LnRp sudah ditemukan antara dichotonomy antara sektor
mempunyai pengaruh terhadap perkiraan riil dan sektor fiskal di Indonesia.
error variance, walau hanya sekitar 3,3%. Alasan yang mungkin bisa digu-
Pada step 10, pengaruh variabel LnRp nakan untuk menjelaskan hal ini adalah
terhadap error variance dari LnPDB hanya bahwa dalam penyusunan rencana APBN,
sekitar 16,3%. pembiayaan rupiah diperlakukan sebagai
Sebaliknya, dari tabel the variance residu, dan tidak dikaitkan dengan besarnya
decomposition untuk LnRp terlihat bahwa kebutuhan investasi dalam pertumbuhan
pada step 1, LnPDB sudah berpengaruh ekonomi, namun tergantung kepada
terhadap perkiraan error variance dari LnRp ketersediaan dana yang ada. Pengeluaran
sebesar 1,6%. Pada step 2, pengaruh tersebut pembangunan rupiah ini identik dengan
meningkat menjadi 7,3%, dan pada step 10 tabungan pemerintah yang nota bene
menjadi 20,6%. merupakan selisih antara penerimaan daslam
negeri dengan pengeluaran rutin. Dalam
VIII. Penutup kondisi seperti ini, hubungan yang tidak
signifikan antara pembiayaan rupiah dengan
Analisis VAR merupakan alat
PDB merupakan hal yang masuk akal.
analisis yang cukup baik dalam hal
forecasting. Apabila dua variabel diduga Tidak signifikannya hubungan
mempunyai hubungan timbal balik, maka antara pembiayaan rupiah dengan
dalam pembuatan perkiraan untuk variabel pertumbuhan ekonomi secara statistik juga
pertama harus mempertimbangkan perilaku bisa memberikan indikasi lain, yaitu bahwa
variabel kedua, dan sebaliknya. pertumbuhan ekonomi lebih ditentukan oleh
Studi kasus yang dilakukan untuk faktor-faktor lain, di luar pengeluaran
mencari interrelationship (hubungan timbal pembangunan rupiah. [Secara terpisah,
balik) antara pengeluaran pembangunan penulis juga telah melakukan penelitian
rupiah yang mewakili investasi pemerintah mengenai hubungan antara pengeluaran
dengan PDB yang mewakili pendapatan pembangunan secara keseluruhan dengan
nasional dalam kurun waktu 1983/1984 produk domestik bruto, dan hasilnya
hingga 1999/2000 tidak terbukti. Dalam peri- secara statistik tidak ada hubungan yang
ode yang diamati, investasi pemerintah di jelas diantara kedua variabel tersebut].
sektor fiskal, khususnya pengeluaran pemba- Jika kita lihat data series PDB menurut
ngunan rupiah ternyata tidak mempunyai penggunaan, pertumbuhan ekonomi Indo-
pengaruh yang signifikan terhadap pertum- nesia lebih didominasi oleh konsumsi, bukan
107
oleh investasi.
Di samping itu, suatu hal yang perlu IX. Daftar Pustaka
ditinjau kembali adalah bahwa pengertian
pengeluaran pembangunan (development Gujarati, Damodar N. (1995). Basic
expenditure) di Indonesia berbeda dengan Econometrics, 3th edition, McGraw-
pengertian belanja modal (capital expen- Hill, Inc, Singapore.
diture) sebagaimana dimaksud dalam
literatur-literatur keuangan negara. Sudarto. (2001). Defending Exchange Rate
Using Interest Rate Mechanism:
Sebagai kata akhir, apabila peme- Rupiah Case. Workingpaper,
rintah menghendaki adanya stimulus fiskal Niigata.
dalam pengeluaran pembangunan, maka
penyusunan rencana pengeluaran pemba- Todaro, Michael P. 1994). Pembangunan
ngunan harus dirubah, yaitu dengan tidak Ekonomi Di Dunia Ketiga Edisi
memplot angka rencana pengeluaran pemba- Keempat (terjemahan oleh
ngunan, khususnya pembiayaan rupiah Burhanuddin Abdullah dan Harris
Munandar), Penerbit Erlangga,
sebagai residu, namun angkanya harus
Jakarta.
diperhitungkan dengan mempertimbangkan
variabel ekonomi lainnya, terutama target Widodo, Hg. Suseno Triyono. (1991).
pertumbuhan ekonomi (PDB). Hal ini akan Indikator Ekonomi, Dasar
menjadi lebih penting mengingat dalam UU Perhitungan Perekonomian
No. 17 Tahun 2003 tentang Keuangan Indonesia, Penerbit Kanisius,
Negara, pengeluaran pembangunan yang Yogyakarta.
selama ini berlaku dalam APBN akan lebur
dalam item belanja modal.
108
107

Bahasa

Selamat datang di Scribd!

7.Jonatan-2

Diunggah oleh

Informasi Dokumen

Data diunggah

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Deskripsi:

Hak Cipta:

Format Tersedia

7.Jonatan-2

Diunggah oleh

Deskripsi:

Hak Cipta:

Format Tersedia

Jurnal Keuangan dan Moneter, Volume 6 Nomor 2 Yonathan S.

Paper ini membahas ada tidaknya Persamaan di atas menyatakan

Grafik 1. Perkembangan kuartalan PDB dan Pembiayaan Rupiah,

Dari grafik di atas dapat dilihat Dengan bantuan program Eviews,

Granger Causality Test menguji apakah statistik tidak signifikan.

Sample(adjusted): 1984:2 2000:4

LNPDB(-2) -0.004201 1.938696

LNPDB(-3) -0.091214 1.553325

LNPDB(-4) 0.282332 -0.342126

LNPDB(-5) -0.032909 -1.524610

LNRP(-1) -0.041601 0.324543

LNRP(-2) 0.002455 -0.042958

LNRP(-3) -0.031696 -0.005452

LNRP(-4) 0.008358 0.806172

LNRP(-5) 0.033094 -0.424604

Sample(adjusted): 1984:2 2000:4

Pairwise Granger Causality Tests

Period LNPDB LNRP

e. The Cholenski Decomposition variabel.

5 0.089723 87.35985 12.64015

Beri Nilai

Bagikan