Jelajahi eBook
Kategori
Jelajahi Buku audio
Kategori
Jelajahi Majalah
Kategori
Jelajahi Dokumen
Kategori
1. Latar Belakang
Keberhasilan kinerja perekonomian suatu Negara bisa dilihat dengan output, tingkat
pengangguran, dan inflasi. Tiga variabel makro tersebut saling berkaitan, jika output riil
yang dihasilkan suatu negara melebihi output potensial, maka akan menimbulkan inflasi.
Output riil yang melebihi output potensial berarti dalam prosesnya telah terjadi pemakaian
tenaga kerja lebih dari seperti biasanya yang digunakan untuk mendorong output melebihi
output potensialnya.
Hubungan negatif antara kesenjangan output riil dengan output potensial terhadap
pengangguran digambarkan oleh hukum Okun. Beberapa penelitian yang telah dilakukan
dan memberikan satu kesimpulan bahwa hukum Okun memang terbukti ada walaupun
terjadi variasi koefisien Okun di setiap Negara.
Tujuan dari paper ini untuk membuktikan keberadan hukum Okun dan jika memang
terbukti ada, maka seberapa besar koefisien Okun yang tercipta di Indonesia.
2. Kajian Literatur
3. Metodologi
Data yang digunakan dalam penelitian ini adalah data PDB Riil (tahun dasar 2000) dan
tingkat pengangguran terbuka (TPT) pada periode 1980 – 2009, yang bersumber dari
Badan Pusat Statistik. Data PDB riil dan TPT ditransformasi dengan logaritma natural.
b. Model Gap
𝑌𝑡 − 𝑌𝑡∗
= 𝜃 + 𝛿 𝑈𝑡 − 𝑈 ∗ + 𝜂𝑡 … (3)
𝑌𝑡∗
Dimana:
𝑌𝑡∗ ∶ PDB Potensial pada tahun t
𝑈 ∗ ∶ tingkat pengangguran alamiah pada periode observasi
Kita tidak dapat langsung mengukur 𝑈 ∗ (tingkat pengangguran alamiah) dari pers.(4),
maka kita harus menyusun ulang kembali pers.(4) menjadi:
1 𝑌𝑡 − 𝑌𝑡∗
𝑈𝑡 = 𝑈 ∗ − + 𝜇𝑡 … 5
𝜔 𝑌𝑡∗
𝑈𝑡 = 𝑈 ∗ − 𝜑𝐺𝑡 + 𝜇𝑡 … (6)
Konstanta dari pers.(5) adalah perkiraan tingkat pengangguran alamiah. Sehingga jika
telah mendapatkan nilai 𝑈 ∗ , kita masukan ke pers.(3). Pada pers.(3) dan (5) data tidak
ditransformasi logaritma natural.
HP Filter adalah metode yang digunakan untuk mendapatkan perkiraan trend yang lebih
smooth pada PDB riil sehingga dari sinilah PDB potensial diperoleh. Metode ini dikembangkan
oleh Hodrick dan Prescott pada tahun 1980.
Metode ini menerapkan filter dua sisi untuk mendapatkan series s yang telah dismoothkan
dari series y. Hal ini dilakukan dengan meminimalkan varians y disekitar s dengan parameter λ
sebagai konstrain dari jumlah kuadrat second difference series s. Dengan demikian HP Filter
memilih s untuk meminimumkan:
𝑇 𝑇−1
2 2
(𝑦𝑡 − 𝑠𝑡 ) + 𝜆 𝑠𝑡+1 − 𝑠𝑡 − 𝑠𝑡 − 𝑠𝑡−1 … (7)
𝑡=1 𝑡=2
Untuk data level tahun program Eviews 5.1 merekomendasikan nilai λ = 100.
3.2.2 Normalitas Variabel
Statistik Uji:
2
𝑁−𝑘 2 𝐾−3
𝐽𝐵 = 𝑆 + … (8)
6 4
Dimana:
S adalah skewness data, K adalah kurtosis data, N adalah banyaknya titik data.
Atau
Jika P value dari JB > 0.05, maka Ho diterima
Jika P value dari JB ≤ 0.05, maka Ho ditolak
Asumsi ini harus terpenuhi karena jika asumsi ini tidak terpenuhi maka analisis yang
dilakukan tidak sah dalam statistik parametrik.
3.2.3 Pengujian Unit Root
Stasioneritas sangat diperlukan dalam analisis time series agar tidak terjadi spurious
pada analisis. Karena pada periode penelitian terjadi dua shock krisis, maka penulis
merekomendasikan uji Philip-Perron untuk memeriksa stsioneritas dan alat uji ini mampu
merespon adanya shock yang terjadi.
Prosedur pengujian akar unit dengan menggunakan uji Philips-Perron adalah sebagai
berikut:
1. Misal terdapat persamaan:
𝑦𝑡 = 𝜌𝑦𝑡−1 + 𝑢𝑡 … (9),
Dimana ρ adalah koefisien otoregresif, 𝑢𝑡 adalah white noise term1. Jika nilai ρ = 1,
maka 𝑦𝑡 memiliki sebuah akar unit. Dalam ekonometrika, suatu time series yang
memiliki akar unit disebut random walk time series. Apabila dinyatakan dalam bentuk
hipotesis, menjadi:
Ho : 𝜌 = 1, berarti data mengandung akar unit (nonstasioner)
H1 : 𝜌< 1, berarti data tidak mengandung akar unit (stasioner)
Jika data asli dari suatu series sudah stasioner, maka data tersebut berintegrasi pada
order 0 atau dilambangkan I(0) tetapi bila data asli nonstasioner maka harus di-
difference2-kan sehingga diperoleh data yang stasioner pada order d ( I(d) ).
2. Persamaan di atas dapat juga dinyatakan dalam bentuk turunan pertama (first
difference), sebagai berikut:
∆𝑦𝑡 = 𝜌 − 1 𝑦𝑡−1 + 𝑢𝑡 … (10)
∆𝑦𝑡 = 𝛼𝑦𝑡−1 + 𝑢𝑡 … (11) ,𝛼 =𝜌−1
Sehingga hipotesis yang diuji mempunyai bentuk:
Ho : 𝛼 = 1, berarti data mengandung akar unit (non stasioner)
H1 : 𝛼< 1, berarti data tidak mengandung akar unit (stasioner)
3. Untuk mengetahui ada atau tidaknya akar unit, lakukan penghitungan nilai statistik uji
Philips-Perron berdasarkan uji t-statistik yang disesuaikan:
1
Kondisi dimana 𝑢𝑡 mempunyai mean sama dengan nol, varians konstan, dan kovarians sama dengan nol.
2
Membuat deret angka baru yang terdiri dari perbedaan angka antara periode yang berturut-turut dengan rumus:
𝑋𝑡, = 𝑋𝑡 − 𝑋𝑡−1 .
𝛾0 1/2 𝑇 𝑓0 − 𝛾0 𝑠𝑒(𝛼 )
𝑡𝛼 = 𝑡𝛼 − 1/2
… (12)
𝑓0 2𝑓0 𝑠
𝛼
𝑡𝛼 = … (13)
𝑠𝑒 𝛼
se α adalah standar eror dari koefisien yt−1 dan s adalah standar eror dari persamaan
(11). 𝛾0 merupakan estimasi yang konsisten dari varians eror pada persamaan (11),
dihitung dengan rumus :
𝑇
𝑇 − 𝑘 𝑠2 2
𝑢𝑡2
𝛾0 = … 14 , dimana𝑠 =
𝑇 𝑇−𝑘
𝑡=1
𝑓0 = 𝛾 𝑗 𝐾(𝑗/𝑙) … (15)
𝑗 =−(𝑇−1)
𝛾 𝑗 adalah sampel otokovariansi ke-j dari residual 𝑢𝑡 ,yang dirumuskan sebagai
berikut:
𝑇
𝑢𝑡 𝑢𝑡−𝑗
𝛾 𝑗 = … (16)
𝑇
𝑡=𝑗 +1
Prosedur dua langkah Engel-Granger cocok digunakan bila dalam penelitian hanya
terdapat dua variabel. Langkah- langkah metode Engel-Granger, yaitu:
a. uji stasioneritas dari kedua variabel yang digunakan dan ketahui kedua variabel
tersebut berintegrasi pada order yang sama.
b. uji stasioneritas residual dari hasil regresi linear pers.(2), jika residual dari kedua
variabel tersebut stasioner pada level atau berintegrasi pada order 0, maka dapat
dikatakan bahwa kedua variabel tersebut memiliki keseimbangan jangka panjang atau
kointegrasi jangka panjang.
4 Pembahasan
Berdasarkan hasil pengujian Phillip-Perron menunjukkan bahwa baik data PDB riil
dan TPT dalam level maupun dalam transformasi logaritma terintegrasi pada order 1 (I
(1)) atau dengan lain kata telah stasioner pada bentuk first difference.
4.2 Normalitas
4.3 Analisis
Hasil estimasi model first difference pers.(2) pada lampiran no. 1 adalah:
Variabel dalam persamaan (18) terintegrasi pada orde 1 dan residual dari pers.(17) telah
stasioner pada level (lihat lampiran 7.a), berarti adanya keseimbangan jangka panjang
antara output dengan tingkat pengangguran terbuka dalam bentuk first difference. Tetapi
koefisien pers.(18) yang juga disebut koefisien Okun, tidak signifikan pada level α sebesar
lima persen.
Berdasarkan model first difference ini diindikasikan memang terjadi kointegrasi
antara output dalam hal ini PDB riil dengan tingkat pengangguran terbuka akan tetapi
hukum Okun dapat dikatakan tidak terjadi di Indonesia karena koefisien Okun tidak
signifikan.
𝑈𝑡 = 5 − 0.104𝐺𝑡 … (19)
Intersep pada persamaan (19) adalah nilai estimasi tingkat pengangguran alamiah
Indonesia pada periode 1980 – 2009 sebesar lima persen, signifikan pada level α sebesar
lima persen. Sedangkan koefisien persamaan (19) tidak signifikan.
Hasil estimasi model Gap adalah:
Intersep dan koefisien pada pers.(20) tidak signifikan. Variabel pada persamaan (20)
terintegrasi pada order 1 dan residual dari persamaan tersebut stasioner pada level
sehingga dapat disimpulkan bahwa terdapat kointegrasi antara kesenjangan output dengan
tingkat pengangguran terbuka, hal ini senada dengan hasil model sebelumnya. Artinya
bahwa hukum Okun di Indonesia tidak terjadi, hal ini didukung oleh koefisien pers.(18)
yang tidak signifikan. Penjelasan tidak signifikannya hukum Okun di Indonesia dapat
dijelaskan sebagai berikut: Pertama, ukuran sampel data yang digunakan terlalu kecil
sehingga kurang power full jika digunakan oleh alat uji. Kedua, adanya shock krisis ekonomi
1997/1998 yang tidak diakomodir dalam kedua model hukum Okun. Ketiga, pertumbuhan
ekonomi yang sedikit sekali mengurangi pengangguran yang terjadi.
5 Kesimpulan
# Alumnus Sekolah Tinggi Ilmu Statistik Angkatan 46, sekarang bekerja sebagai PLT Kasie Statistik
Sosial BPS Kabupaten Waropen
.
Karya ini dibuat Desember tahun 2010
6. Referensi
Apergis, Nicholas dan Rezitis, Anthony. (2003). An examination of Okun’s law: evidence
from regional areas in Greece. Applied Economics, 35, 1147-1151.
Barreto, H. dan Howand, F. (1993). There are two Okun’s law relationship between output
and unemployment. Wabash College, Crawfordsville, USA.
Lal, I.,Sulaiman, D., Jalil, M.A., dan Hussain, A. (2010) Test of Okun’s law in some Asian
countries: Cointegration approach. European Journal of Scientific Research, 40(1).
73– 80.
Moosa, I.A. (2008). Economic growth and unemployment in Arab countries: Is Okun’s law
valid?. International conference on the unemployment crisis in the Arab countries.
Okun, A.M. (1962). Potential GNP: Its measurement and significance. Proceeding of the
Business and Economics Statistics Section, 98-104.
Petkov, Boris. (2008). The labour market and output in the UK – Does Okun’s law still
stand?. Bulgarian National Bank. Bulgaria.
Rubcova, Anna. (2010). Okun’s law: evidence from the Baltic States. SSE Riga Student
Research Papers (126).
Soegner, Leopold dan Stiassny, Alfred. (2002). An Analysis on the structural stability of
Okun’s law. Applied Economics, 14, 1775-1787.
Ting, Ngoo Yee dan Ting, Loi Siew. (2009). Okun’s law in Malaysia: approach ARDL with HP
Filter. University Putra Malaysia, Malaysia.
7. Lampiran
d. Model Gap
Dependent Variable: GR
Method: Least Squares
Date: 12/19/10 Time: 10:18
Sample (adjusted): 1980 2008
Included observations: 29 after adjustments