Jurnal

FAKTOR-FAKTOR YANG MEMENGARUHI UTANG LUAR
NEGERI PEMERINTAH: UJI PANEL KOINTEGRASI

PERIODE TAHUN 2000-2013
GANNADY GIRSANG
DEPARTEMEN ILMU EKONOMI

FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
2015
PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Faktor-Faktor yang
Memengaruhi Utang Luar Negeri Pemerintah: Uji Panel Kointegrasi Periode
Tahun 2000-2013 adalah benar karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Mei 2015
Gannady Girsang
NIM H14100023
ABSTRAK
GANNADY GIRSANG. Faktor-Faktor yang Memengaruhi Utang Luar Negeri
Pemerintah: Uji Panel Kointegrasi Periode Tahun 2000-2013. Dibimbing oleh
NOER AZAM ACHSANI.
Utang luar negeri pada hampir semua negara di dunia menjadi isu yang
populer pada beberapa tahun terakhir ini. Semua negara baik negara berkembang
bahkan negara maju memilih utang luar negeri sebagai opsi dalam mengatasi
defisit anggaran pemerintah atau dalam memberikan stimulus terhadap
pembangunan nasional. Namun masalah yang ditimbulkan adalah alokasi dana
utang luar negeri yang seringkali tidak diberikan pada sektor yang produktif.
Penelitian ini menganalisis faktor-faktor apa saja yang memengaruhi utang luar
negeri pemerintah pada beberapa negara berkembang dan maju yang mewakili
beberapa kawasan berbeda. Penggunaan metode Panel Kointegrasi bertujuan
untuk mengetahui apakah hubungan yang berlangsung pada model merupakan
hubungan jangka panjang. Hasilnya adalah variabel nilai tukar, GDPP, saving,
inflasi dan suku bunga secara nyata memengaruhi utang luar negeri. Selain itu
semua variabel terkointegrasi sehingga model memiliki hubungan jangka panjang.
Kata kunci: Hubungan jangka panjang, negara berkembang dan maju, Panel
Cointegration, Utang luar negeri
ABSTRACT
GANNADY GIRSANG. Determinant Factors of Government External Debt:
Panel Cointegration Test 2000-2013. Supervised by NOER AZAM ACHSANI.
External debt in almost countries all over the world recently has become a
popular issue. All countries, either developing or developed ones have chosen
external debt as their option in order to tackle budget deficit or even as one of
stimulus ways to escalate performance of national development. However, the
matter comes when the allocation of this so called external debt is usually not
directed to some productive sectors. This study analyses which factors may
properly influence the government external debt of developing and developed
countries which represent some different areas. The Panel Cointegration approach
is employed to investigate whether the existing relationship on the model is long
run relationship or not. Overall, the findings of this study shows that these
variables; exchange rate, GDPP, saving, inflation and interest rate significantly
affect external debt, otherwise inflation and interest have no significant impact on
external debt. Furthermore, all variables are cointegrated so the model has a long
run relationship.
Keywords: Developing and Developed Countries, External Debt, long run
relationship, Panel Cointegration
FAKTOR-FAKTOR YANG MEMENGARUHI UTANG LUAR

NEGERI PEMERINTAH: UJI PANEL KOINTEGRASI
PERIODE TAHUN 2000-2013
GANNADY GIRSANG
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Ekonomi
pada
Departemen Ilmu Ekonomi
DEPARTEMEN ILMU EKONOMI

FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
2015
PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Kuasa atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak November 2014 ini ialah utang
luar negeri dengan judul Faktor-Faktor yang Memengaruhi Utang Luar Negeri
Pemerintah: Uji Panel Kointegrasi Periode Tahun 2000-2013.
Terima kasih penulis ucapkan kepada Bapak Prof. Dr. Noer Azam Achsani,
MS selaku pembimbing yang telah banyak memberi motivasi, pengetahuan dan
ilmu yang sangat berharga, kepada Bapak Prof. Dr. Ir. Bambang Juanda, MS
selaku dosen penguji utama dan Bapak Dr. Muhammad Findi A, M.E. selaku
komisi pendidikan atas kritik serta saran yang membangun dan bermanfaat.
Penulis juga mengucapkan terima kasih kepada Heni Hasanah dan Dian Panjaitan
sebagai asisten dosen yang telah memberikan saran dan masukan yang
bermanfaat. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, serta
seluruh keluarga, atas segala doa dan kasih sayangnya. Penulis juga mengucapkan
terima kasih atas dukungan semangat dari rekan-rekan satu bimbingan, Ilmu
ekonomi 47 dan 48, rekan-rekan alumni pertukaran pelajar Tohoku University,
teman-teman IAAS, hipotesa 2011, serta pihak lainnya yang tidak dapat
disebutkan satu-persatu
Semoga karya ilmiah ini bermanfaat.
Bogor, Mei 2015

Gannady Girsang
DAFTAR ISI
DAFTAR ISI
vi
DAFTAR TABEL
vii
DAFTAR GAMBAR
vii
PENDAHULUAN
Latar Belakang
Perumusan Masalah
Tujuan Penelitian
Manfaat Penelitian
Ruang Lingkup Penelitian
TINJAUAN PUSTAKA
METODE PENELITIAN
Jenis dan Sumber Data
Metode Analisis Data
Pengujian Model Data Panel
11
HASIL DAN PEMBAHASAN
15
Analisis Deskriptif Data
15
Uji Kointegrasi Data Panel
22
SIMPULAN DAN SARAN
24
Simpulan
24
Saran
24
DAFTAR PUSTAKA
25
LAMPIRAN
27
RIWAYAT HIDUP
57
DAFTAR TABEL
Tabel 1 Hasil Uji Chow ................................................................................. 19
Tabel 2 Hasil Estimasi Model Utang Luar Negeri .......................................... 21
Tabel 3 Hasil Uji Kao .................................................................................... 23
DAFTAR GAMBAR
Gambar 1 Kerangka Pemikiran Operasional .................................................... 6
Gambar 2 Gambaran Utang Luar Negeri Negara Berkembang ....................... 15
Gambar 3 Gambaran Utang Luar Negeri Negara Maju .................................. 16
Gambar 4 Plot ULN Dengan Variabel lain ..................................................... 17
DAFTAR LAMPIRAN
Lampiran 1 Hasil Output Panel Unit Root Test .............................................. 28
Lampiran 2 Uji Normalitas ............................................................................ 46
Lampiran 3 Rangkuman Hasil Uji Stasioneritas ............................................. 47
Lampiran 4 Hasil Uji Chow ........................................................................... 48
Lampiran 5 Hasil Estimasi Model Utang Luar Negeri.................................... 48
Lampiran 6 Hasil Uji Kointegrasi Pedroni ..................................................... 51
Lampiran 7 Hasil Uji Kointegrasi Kao ........................................................... 52
Lampiran 8 Data Nilai Tukar, GDPP, dan Saving .......................................... 53
PENDAHULUAN
Latar Belakang
Setiap negara akan memilih utang sebagai alternatif terakhir dalam
mengatasi defisit anggarannya. Pinjaman suatu negara kepada negara lain atau
institusi independen internasional yang berasal dari luar negara tersebut dapat
dikategorikan sebagai utang luar negeri. Pada negara berkembang yang sedang
melakukan pembangunan hampir di semua sektor ekonomi tentunya memerlukan
dana yang cukup besar, namun keterbatasan akumulasi modal menjadi kendala
dalam pelaksanaannya. Akumulasi modal yang rendah akan berujung pada vicious
circle atau lingkaran setan (Todaro, 1994). Kegiatan ekonomi merupakan aktivitas
sirkular maka pada negara berkembang pendapatan masyarakat yang rendah
setelah memenuhi konsumsinya hanya akan menyisakan sedikit bagian untuk
ditabung sehingga akumulasi modal untuk investasi rendah menyebabkan
produktivitas dan pendapatan pun rendah, begitu seterusnya membentuk suatu
lingkaran.
Oleh karena itu, ketidakmampuan dalam meningkatkan tabungan domestik
untuk menjalankan kegiatan ekonomi yang produktif merupakan alasan banyak
negara untuk berhutang, sehingga dengan berhutang akan mempercepat
pertumbuhan ekonomi melalui peningkatan kapasitas produksi (Vincent, 2011).
Pentingnya utang luar negeri ini dalam jangka pendek berfungsi untuk membiayai
defisit current account yang timbul akibat guncangan eksternal sehingga dapat
menopang cadangan eksternal dan memperkuat posisi likuiditas. Situasi lainnya
yang termasuk dalam kategori pinjaman jangka pendek yang tidak dapat
dihindarkan adalah bencana alam, kelaparan, dan perang
Utang luar negeri di negara-negara belum muncul sampai dengan abad ke
18, karena para ekonom klasik pada saat itu menentang utang. Pada masa keyness,
adanya depresiasi dan pengangguran akibat lesunya permintaan aggregat
memaksa pemerintah untuk melakukan pembiayaan melalui pinjaman dalam
rangka mengatasi masalah tersebut. Pembiayaan tersebut dilaksanakan untuk
memacu penyerapan tenaga kerja melalui lapangan kerja baru (termasuk
memperbaharui mesin-mesin produksi dan peningkatan sumber daya manusia)
dan pendapatan nasional serta pembangunan fasilitas atau infrastruktur yang dapat
meningkatkan produktivitas seperti jalan raya, rel kereta api, dan saluran irigasi.
Pada akhirnya utang secara universal diterima sebagai salah satu metode dalam
pembiayaan pembangunan ekonomi suatu negara.
Kenyataannya utang luar negeri tidak hanya dapat memberi keuntungan
bagi negara untuk mengatasi defisit, tetapi juga memberikan kerugian dan
mengawali krisis ekonomi pada negara tersebut. Apabila terjadi peningkatan
utang secara terus-menerus secara konsisten dan pendapatan nasional tidak
meningkat secara signifikan maka akan terjadi inflasi dan gangguan sistemik pada
sistem ekonomi. Keadaan ini juga disebabkan karena alokasi dana yang diperoleh
dari pinjaman tidak dipakai untuk program-program yang produktif. Apabila
utang luar negeri tersebut digunakan untuk membangun akumulasi aset modal
maka tidak akan meningkatkan inflasi maupun menciptakan beban utang.
2
Adanya kontrak dan keharusan bagi debitor untuk membayar kewajibannya
ditambah biaya jasa pinjaman dengan suku bunga tertentu akan mempersulit
debitor apabila tidak mampu mengatur dan mengelola utang dengan baik sehingga
pembuat kebijakan harus mempertimbangkan dan membandingkan dengan
seksama manfaat yang akan diperoleh terhadap penggunaan dana pinjaman dan
biaya yang harus dibayarkan dengan adanya aktivitas penggunaan pinjaman
tersebut. Hal ini juga mencakup negosiasi yang dilakukan terhadap kreditor
mengenai pola pembayaran, jatuh tempo, dan bunga pinjaman sehingga dapat
mengestimasi kontribusi kewajiban tersebut.
Krisis keuangan yang berkenaan dengan utang luar negeri melanda beberapa
kawasan negara di dunia pada beberapa dekade terakhir ini. Di Asia Tenggara
pada awal tahun 1997-1998 terjadi krisis keuangan yang awalnya berdampak pada
perekonomian Thailand. Penetapan nilai tukar yang berpatok pada US dollar,
membuat Bath mata uang Thailand akan mengikuti apabila terjadi apresiasi dan
depresiasi. Pada saat itu US dollar mengalami apresiasi sehingga Bath juga ikut
terapresiasi sehingga nilai ekspor mereka mengalami penurunan.
Meskipun mengeluarkan kebijakan devaluasi terhadap nilai tukar, tidak
mampu mengembalikan kepercayaan investor yang menarik modalnya akibat
krisis ini. Hal ini berpengaruh terhadap pendapatan negara yang semakin
berkurang dan menimbulkan utang luar negeri. Pada awal tahun 1997, utang luar
negeri Thailand tercatat 94.3 US dollar (50.9 persen dari GDP) dimana terjadi
peningkatan hampir dua kali lipat dibandingkan tahun 1990 (Sussangkarn, 1998).
Hanya butuh waktu beberapa bulan bagi negara Asia Tenggara lainnya terkena
dampak krisis ini termasuk Indonesia.
Krisis utang luar negeri juga pernah melanda negara-negara di kawasan
Afrika Utara (Tunisia, Algeria, Mesir, Maroko, dan Mauritania) pada tahun
2000an. Hal ini karena adanya guncangan ekonomi di negara-negara eropa dan
adanya manifestasi sosial dan politik dari negara-negara Arab. Hasil penelitian
menunjukkan bahwa utang luar negeri bukan merupakan hambatan dalam proses
pembangunan asalkan dalam ambang batas yang wajar (Ben, 2013). Kualitas
sektor yang dijadikan lokasi untuk berinvestasi menjadi faktor penting dalam
keberhasilan pengelolaan pinjaman.
Lebih lanjut, krisis utang juga tidak hanya melanda negara berkembang
seperti Asia Tenggara dan Afrika Utara, tetapi negara di kawasan eropa. Pada
akhir tahun 2007, Yunani mengalami krisis utang luar negeri akibat adanya defisit
fiskal dimana penerimaan pajaknya berkurang karena penggelapan pajak. Pada
saat yang sama, di Irlandia terjadi krisis surat hutang pemerintah yang awalnya
disebabkan gagal bayar kredit properti oleh swasta. Krisis ini pun melanda negara
eropa lainnya seperti, portugal, Italia, dan juga negara-negara di luar eropa seperti
asia dan afrika. (Ruxandra, 2011)
Perumusan Masalah
Dalam lingkup ekonomi secara makro terdapat pola hubungan yang saling
memengaruhi antara variabel yang satu dengan yang lainnya begitu juga dengan
utang luar negeri terhadap variabel lainnya seperti nilai tukar terhadap US dollar,
Gross Domestic Product Perkapita (GDPP), tabungan, Terms of Trade (ToT),
3
inflasi dan suku bunga. Hubungan ini dapat berupa satu arah atau mungkin dua
arah tergantung kondisi yang berlaku pada kondisi saat penelitian dilakukan.
Fakta-fakta yang telah disampaikan pada bagian latar belakang mengenai
keuntungan dan kerugian dalam menjalankan utang luar negeri adalah penting
untuk dijadikan penelitian karena topik ini menjadi trend pada masa kini, tidak
hanya bagi negara berkembang tetapi juga bagi negara maju seperti Eropa dan
Amerika.
Dengan demikian diperlukan analisis mendalam dengan memahami betul
faktor-faktor pendorong sebelum dikeluarkannya kebijakan untuk memilih utang
luar negeri. Terkait masalah tersebut, terdapat beberapa hal yang akan dianalisis
dalam penelitian ini:
1. Bagaimana dampak nilai tukar terhadap US dollar, Gross Domestic Product
Perkapita (GDPP), tabungan, Terms of Trade (ToT), inflasi dan suku bunga
terhadap utang luar negeri di negara berkembang dan negara maju?
2. Bagaimana model utang luar negeri yang terbentuk dapat menjelaskan kondisi
jangka panjang utang luar negeri pada negara yang dianalisis?
Tujuan Penelitian
Berdasarkan latar belakang dan masalah yang telah dirumuskan, maka
penelitian ini bertujuan untuk:
1. Menganalisis dampak nilai tukar terhadap US dollar, Gross Domestic Product
Perkapita (GDPP), tabungan, Terms of Trade (ToT), inflasi dan suku bunga
terhadap utang luar negeri di negara berkembang dan negara maju.
2. Menganalisis kemampuan model utang luar negeri yang terbentuk dalam
menjelaskan kondisi jangka panjang utang luar negeri pada negara yang
dianalisis
Manfaat Penelitian
Penelitian ini dapat dimanfaatkan untuk mendapatkan masukan serta
informasi lebih lanjut mengenai faktor-faktor yang berhubungan, yaitu nilai tukar
terhadap US dollar, Gross Domestic Product Perkapita (GDPP), tabungan, Terms
of Trade (ToT), inflasi dan suku bunga terhadap utang luar negeri yang
menyebabkan pemerintah mengambil kebijakan utang luar negeri. Oleh karena itu,
penelitian ini juga diharapkan menjadi referensi untuk merujuk variabel apa saja
yang perlu diperhatikan dalam mengontrol utang luar negeri, sehingga para
otoritas kebijakan mendapatkan pemahaman yang baik dalam menjalankan
kebijakannya.
Ruang Lingkup Penelitian
Penelitian ini terbatas pada ruang lingkup analisis nilai tukar terhadap US
dollar, Gross Domestic Product Perkapita (GDPP), tabungan, Terms of Trade
(ToT), inflasi dan suku bunga terhadap utang luar negeri di kawasan negara
4
berkembang dan negara maju. Ruang lingkup dalam penelitian ini terbatas pada
pengujian akar unit data panel dan model panel kointegrasiyang berasal dari
beberapa negara berkembang dan maju pada periode tahun 2000 hingga 2013.
Penelitian ini akan memperlihatkan hubungan jangka panjang (kointegrasi) antara
utang luar negeri, nilai tukar terhadap US dollar, Gross Domestic Product
Perkapita (GDPP), tabungan, Terms of Trade (ToT), inflasi dan suku bunga.
Penelitian ini mencakup 10 negara yang mewakili negara berkembang dan maju
serta kawasan Asia tenggara, Asia timur, Amerika Latin, Afrika, dan Eropa.
TINJAUAN PUSTAKA
Penelitian Terdahulu
Nelasco (2012) dalam penelitiannya menganalisis intensitas dari beban
utang luar negeri terhadap 9 negara Asia Selatan, yaitu India, Pakistan,
Bangladesh, Sri Lanka, Nepal, Bhutan, dan Maldhive. Selain itu analisis
mengenai faktor-faktor yang memengaruhi beban utang luar negeri dan
penyesuaiannya terhadap kesejahteraan masyarakat secara keseluruhan pun
dilakukan. Data tahunan terdiri dari delapan variabel ekonomi makro tahun 20002009 dengan menggunakan metode regresi berganda. Hasil penelitiannya adalah
penjelasan pengaruh variabel pada masing-masing negara dan ditutup dengan
kesimpulan bahwa utang dapat menjadi keuntungan dan kerugian bagi suatu
negara, tergantung tujuaan penggunaannya untuk kepentingan yang produktif atau
tidak.
Ben dan Sadraoui (2013) meneliti tentang peran dan pengaruh utang luar
negeri terhadap pembiayaan dalam pembangunan nasional di negara-negara
kawasan Afrika Utara, yaitu Tunisia, Algeria, Maroko, Mesir, dan Mauritania
dimana pada beberapa tahun terakhir terkena dampak dari krisis eropa. Penelitiaan
ini dilakukan dengan menggunakan metode Generalized Method of Moments
(GMM) dengan data panel selama 21 tahun dari 1990-2010.
Variabel yang digunakan terdiri dari delapan variabel ekonomi dan dua
variabel demografi yang menunjukkan perbedaan tiap-tiap negara. Hasilnya
adalah utang luar negeri bukanlah suatu hambatan bagi pembangunan selama
masih dalam batas yang wajar. Negara dapat terbantu melalui penguatan ekonomi
namun di sisi lain dapat berdampak negatif, tergantung pada kualitas investasi dan
beban yang dikenakan terhadap utang tersebut. Peneliti juga menemukan bahwa
terdapat ambang batas utang yang masih bisa memberikan dampak positif
terhadap pertumbuhan ekonomi, yaitu kurang dari 47 persen dari GDP.
Vincent dan Mojekwu (2011) dalam penelitiannya menginvestigasi
hubungan antara utang luar negeri Nigeria terhadap pertumbuhan ekonominya
dari tahin 1975-2006. Pada awal tahun 1980, perekonomian Nigeria memburuk
dan menghadapi kesulitan dalam meningkatkan pendapatan negara dari sektor
ekspor kelapa sawit sehingga mengganggu pembayaran utang luar negeri, namun
keadaan ini berangsur membaik dengan adanya berbagai kebijakan pengetatan dan
penghapusan utang luar negeri. Error Correction Model (ECM) digunakan dalam
5
penelitian ini beserta delapan variabel makro ekonomi lainnya. Hasilnya adalah
terdapat hubungan negatif dalam jangka pendek antara pertumbuhan ekonomi dan
level utang luar negeri. Peneliti juga menemukan bahwa peningkatan 1 persen
dalam utang luar negeri akan menurunkan 0.034 GDP. Variance in
Decomposition menunjukkan bahwa beban utang luar negeri dan biaya jasanya
berkontribusi sebesar 3.79 persen dan 0.61 persen dalam perubahan GDP.
Loganathan dan Sukemi (2010) menganalisis tentang hubungan jangka
panjang dan jangka pendek antara utang luar negeri dan kinerja makro ekonomi di
Malaysia. Kinerja makro ekonomi tersebut diwakili oleh Balance of Payment,
GDP, dan devisa negara. Data tahunan pada periode 1988-2008 digunakan
bersama dengan lima variabel ekonomi dan menggunakan Vector Error
Correction Method (VECM). Hasilnya adalah terdapat hubungan jangka panjang
dan jangka pendek yang signifikan antara utang luar negeri dengan kinerja makro
ekonomi dengan speed of adjustment sebesar 13 persen. Kesimpulan yang didapat
adalah bahwa secara umum utang luar negeri masih memberikan dampak yang
baik terhadap kondisi perekonomian, meskipun menghadapi beberapa guncangan
pada dua dekade terakhir.
Awan dan Ashgar (2011) menganalisis mengenai hubungan antara utang
luar negeri dengan nilai tukar, defisit fiskal dengan ToT pada periode 1974-2008.
Dengan menggunakan pendekatan Johansen Approach, peneliti menganalisis 8
variabel ekonomi di negara Pakistan. Hasil yang diperoleh adalah terdapat
hubungan jangka jangka panjang yang signifikan antara utang luar negeri, nilai
tukar dan ToT. Namun pada jangka pendek semua variabel gagal menunjukkan
hubungan yang signifikan. Selain itu defisit fiskal tidak dapat menunjukkan
hubungan dengan utang luar negeri.
Ruxandra (2011) dalam penelitiannya bertujan untuk meneliti kebijakan
fiskal yang ramah dan berkelanjutan dalam menggadapi defisit fiskal. Suatu
pinjaman dalam lingkup fiskal sudah menjadi pilihan terakhir bagi pemerintah
ketika menghadapi defisit, namun kekonsistenan kebijakan penanggulangan utang
dalam periode pinjaman tersebut ditangggapi berbeda pada masing-masing negara.
Meskipun dikategorikan sebagai negara maju, negara-negara di kawasan eropa
rupanya dapat mengalami krisis keuangan sehingga memaksa pemerintahnya
untuk mengambil kebijakan utang luar negeri.
Penelitiaan ini mengamati 14 negara eropa yang tersebar baik barat dan
timur dengan menggunakan data tahunan pada periode 1970-2011 dengan
menggunakan Fiscal Reaction Test dan OLS. Hasil menunjukkan bahwa sejak
taun 2003 rasio utang publik yang jauh dari ambang batas yang ditetapkan
pemerintah terjadi pada Yunani dan Italia. Pada semua negara kecuali Finlandia,
Denmark, dan Swedia, rasio utang publiknya terlihat lebih dari yang diperlukan
dan diperkirakan hanya sedikit negara saja yang dapat bertahan dari resiko di
masa depan.
Kerangka Pemikiran
Peran positif utang luar negeri yang dapat memberi keuntungan bagi negara
yang mengalami krisis kebutuhan modal merupakan alasan bagi banyak negara
untuk melakukan kebijakan ini, namun terdapat pula dampak negatif yang
6
mungkin terjadi seperti ketergantugan dan bahkan gagal bayar. Berdasarkan fakta
yang ada di beberapa negara terutama negara berkembang menunjukkan bahawa
ada kecenderungan gagal bayar akibat penggunaan dan pengalokasiaan dari dana
pinjaman tersebut yang kurang produktif dimana disalurkan ke sektor-sektor yang
tidak memberikan tingkat pengembalian yang menguntungkan.
Otoritas
Pemerintah
Otoritas
Moneter
GDP
perkapita
Terms of
Trade
Niai
Tukar
Utang Luar
Negeri
Negara
Berkembang
Pinjaman
Pemerintah
Pinjaman
Swasta
Tabungan
Utang dalam
Negeri
Negara Maju
Pinjaman
Pemerintah
Pinjaman
Swasta
Gambar 1 Kerangka Pemikiran Operasional
METODE PENELITIAN
Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder berupa data
panel yang terdiri dari dua bagian yaitu data deret waktu tahunan yang
dikumpulkan dari tahun 2000 hingga 2013 dan data cross section sebanyak 10
negara yang mewakili beberapa benua. Negara-negara tersebut adalah
Indonesia,Vietnam, Venezuela, Kamerun, Chad, Kanada, Inggris, Jepang,
Selandia Baru, dan Swiss. Pemilihan negara tersebut didasarkan pada
kemampuannya dalam mewakili beberapa benua serta penggolongan terhadap
negara berkembang dan negara maju. Tiap kawasan diwakili beberapa negara
yang mampu menggunakan utang dengan baik dan kurang baik. Selain itu,
Keputusan peilihan negara yang dianalisis juga berdasarkan ketersediaan data
yang ada, sehingga tiap negara memiliki ketersediaan data yang sama pada
variabel-variabel yang akan digunakan dalam penelitian ini.
Variabel-variabel ekonomi yang digunakan adalah utang luar negeri
pemerintah, nilai tukar terhadap US dollar, Gross Domestic Product Perkapita
(GDPP), tabungan, Terms of Trade (ToT), inflasi dan suku bunga. Adapun
sumber data yang digunakan dalam penelitian ini adalah World Development
Indicator, World Bank dan International Financial Statistic (IFS), International
Monetary Fund (IMF). Selain itu, informasi tambahan juga didapatkan melalui
studi literatur yang dilakukan dengan membaca jurnal internasional, buku,
penelusuran internet, serta berbagai sumber lainnya yang relevan dan berkaitan
dengan permasalahan yang menjadi fokus penelitian. Perangkat lunak yang
digunakan sebagai alat pengolahan data dalam penelitian ini adalah Microsoft
Excel 2007 dan Eviews 8.0
Metode Analisis Data
Penelitian ini menggunakan metode analisis kualitatif dan kuantitatif.
Analisis kualitatif dilakukan dengan memberikan pemaparan, plot, tabel, maupun
grafik terhadap observasi yang dilakukan. Dalam penelitian ini analisis kualitatif
digunakan untuk melihat perkembangan utang luar negeri pada negara-negara
yang menjadi fokus analisis serta variabel-variabel lain yang dianggap
memengaruhi. Analisis ini juga memudahkan pembaca untuk mengerti kondisi
yang terjadi sebelum masuk ke analisis yang lebih mendalam.
Sementara itu analisis kuantitatif dilakukan dengan metode pengujian panel
unit root dan panel kointegrasi yang ditemukan oleh Pedroni (1999) dalam
menentukan apakah dalam keseimbangan jangka panjang terdapat hubungan yang
stabil diantara variabel-variabel yang dianalisis, sehingga dapat menghasilkan
model dan penduga yang baik dan konsisten. Data panel merupakan gabungan
antara data deret waktu dan cross section sehingga dapat menghasilkan jumlah
observasi yang lebih banyak daripada data deret waktu atau cross section saja.
Menurut Gujarati (2003) data panel merupakan suatu data individu yang
disusun berdasarkan runtun waktu. Data individu adalah data yang dikumpulkan
pada satu periode terhadap banyak induvidu, sedangkan data deret waktu adalah
8
data yang dikumpulkan dari waktu ke waktu terhadap satu individu tertentu.
Penggunaan panel data dalam analisis menurut Hsio (2004) memberikan beberapa
keuntungan, diantaranya:
1. Menghasilkan jumlah observasi yang lebih besar karena merupakan
gabungan dari data deret waktu dan cross section
2. Mengurangi bias yang dihasilkan oleh individu karena set data lebih
banyak
3. Mengurangi kolinearitas antar variabel
4. Meningkatkan derajat kebebasan yang dapat meningkatkan efisiensi
Data penel lebih baik dalam mengidentifikasi dan mengukur efek secara
sederhana yang tidak dapat teratai dalam deret waktu saja atau cross section saja,
selain itu juga dapat mengontrol heterogenitas individu (Firdaus, 2011).
Panel Unit Root Test (Uji Stasioneritas)
Pada data pooled deret waktu, seperti data uni-variate pada umumnya
berusaha menunjukkan adanya pola waktu yang mengindikasikan data tersebut
non stasioner dimana variabel-variabel yang digunakan memiliki rataan, ragam,
dan kovarian yang tidak time variant (Miguel, 2006). Engle dan Grenger (1987)
berpendapat bahwa aplikasi langsung dari OLS dan GLS terhadap data yang tidak
stasioner akan menghasilkan regresi yang tidak terspesifikasi dengan baik dan
bersifat spurious.Hasil regresi ini akan menghasilkan kinerja statistik yang bias,
seperti R2 yang tinggi dan hasil variabel yang signifikan.
Pada beberapa tahun belakangan ini, terdapat beberapa temuan oleh
beberapa orang seperti Levin, Lin, dan Chu (2002), Breitung (2000), Hadri (1999),
dan Im, Pesaran an Shin (2003) yang telah mengembangkan panel-based unit root
test yang mirip dengan pengujian pada data deret waktu. Selain itu, temuan yang
menarik lainnya adalah pengujian panel unit root lebih kuat dan terpercaya
dibandingkan uji unit root yang diaplikasikan pada data time series karena
informasi pada data deret waktu yang ada dilengkapi lagi oleh data cross section
yang tersedia. Oleh karena itu penggunaan panel unit root digunakan untuk
meningkatkan kualitas dari data yang diuji dalam suatu penelitian tertentu.
Pengambilan keputusan pada pengujian panel unit root mirip dengan
pengujian pada data deret waktu dimana hipotesis nol adanya akar unit, yang
berbeda adalah metode yang dipakai untuk uji statistiknya bukan lagi
menggunakan Augmented Dickey Fuller dan Phillip Perron. Metode yang
digunakan dalam pengujian panel unit root ini teridiri dari dua jenis, yaitu
common unit root yang terdiri dari statistik uji Levin, Lin dan Chu dan Breitung
serta individual unit root yang terdiri dari statistik uji Pesaran an Shin dan PPFisher test. Metode LCC dan Breitung menganalisis unit root dengan persamaan
sebagai berikut:
Keterangan:
yit : Variabel terikat
xit : Variabel bebas
vit : error term
9
Analisis Panel Kointegrasi
Penentuan mengenai keberadaan hubungan kointegrasi telah
dikembangkan secara metodologi oleh Pedroni (1999). Metode pengolahan panel
data telah mengalami berbagai pengembangan dalam rangka memperbaiki hasil
dugaan yang lebh baik dan konsisten. Untuk menutupi beberapa kelemahan
penduga OLS biasa yang bias dan tidak konsisten, maka diterapkan Fully
Modified OLS (FMOLS) dan Dynamic OLS (DOLS) pada metode panel data
kointegrasi. Model data panel yang digunakan dalam penelitian ini adalah dengan
melalui beberapa pendekatan berikut, yaitu:
Model Pooled Least Square
Metode ini mengkombinasikan data deret waktu dengan cross section menjadi
sebuah gabungan dari seluruh data (pooled), sehingga terdapat N x T observasi. N
menunjukkan jumlah unit cross section, sedangkan T menunjukkan jumlah deret
waktu yang digunakan. Metode ini menghasilkan penduga yang lebih akurat
daripada regresi biasa karena jumlah observasinya yang lebih banyak tersebut.
Kelemahannya adalah tidak terlihat perbedaan yang jelas antar individu karena
merupakan gabungan data secara keseluruhan. Berikut ini merupakan
persamaannya:
Keterangan :
yit : variabel terikat pada waktu t untuk unit i
i : Intersep antar individu i
Xit : variabel bebas i untuk waktu t
: Parameter untuk variabel bebas tertentu
it : Komponen error di waktu t untuk unit i
Model Fixed Effect
Kelemahan yang terdapat pada metode Pooled Least Square adalah perbedaan
antar individunya tidak terlihat, sehingga asumsi yang diambil adalah intersep dan
slope dari persamaan dianggap konstan. Untuk mengatasi kelemahan tersebut
maka dapat dilakukan dengan memasukkan variabel dummy atau boneka untuk
menghasilkan nilai individu yang berbeda-beda. Metode dengan memasukkan
variabel dummy ini disebut dengan metode Fixed Effext atau biasa juga disebut
dengan Least Square Dummy Variables. Kelebihan dari metode ini adalah dapat
menghasilkan dugaan parameter yang tidak bias dan efisien. Kelemhannya adalah
jika jumlah pengamatannya besar maka akan terlihat cumbersome dan juga
ditandai oleh makin berkurangnya degree of freedom akibat penambahan variabel
dummy pada persamaan. Pendugaan model ini dapat ditunjukkan dalam
persamaan:
Keterangan :
yit : variabel terikat pada waktu t untuk unit i
i : Intersep antar individu i
Xit : variabel bebas i untuk waktu t
: Parameter untuk variabel bebas tertentu
it : Komponen error di waktu t untuk unit i
10
Fully-Modified OLS (FMOLS)
Apabila terdapat kombinasi linear yang menggunakan beberapa variabel
bebas dan terikat dengan proporsi tertentu antara yang satu dan lainnya pada
jangka panjang, kita dapat melakukan pengujian untuk menghasilkan dugaan
individu pada persamaan jangka panjang. Analisis OLS yang biasa dilakukan,
umumnya menghasilkan dugaan yang bias dan tidak konsisten pada saat kita
mengaplikasikannya pada model panel kointegrasi. Oleh karena itu dikembangkan
Fully-Modified OLS (FMOLS) yang dikembangkan oleh Pedroni (1999).
FMOLS ttidak hanya menciptakan penduga yang konsisten tetapi juga mengontrol
efek individu (endogeneity) antar objek observasi. Pada umumnya penduga
FMOLS untuk unit i pada waktu t-tertentu adalah sebagai berikut:
(
)
Dimana y adalah transformasi dari variabel endogenous, merupakan
parameter dari penyesuaian autokorelasi, dan T adalah jumlah periode yang
diamati.
Dynamic OLS (DOLS)
Metode dengan model DOLS ini dikembangkan oleh Saikkonen (1991)
untuk mengestimasi dan menguji hipotesis tentang vektor kointegrasi pada data
panel. Metode panel DOLS merupakan model yang fully parametric dan
menawarkan alternatif yang lebih baik secara statistik terhadap FMOLS yang
dikemukakan oleh Pedroni (1999) dan Philips dan Moon (1999). Sifat dari DOLS
pada saat terdapat fixed effects pada regresi yang terkointegrasi telah didiskusikan
oleh kao dan Chiang (2000). Penduga panel DOLS () dapat dijabarkan pada
persamaan berikut:
[
Kao danChiang (2000) dalam penelitiannya membandingkan contoh kecil

dari kinerja hasil panel DOLS dan panel FMOLS dengan asumsi fixed effect
dalam contoh kasus single regressor. Mereka menemukan bahwa hasil dari panel
DOLS bekerja lebih baik daripada panel FMOLS dalam mengurangi bias dan
konsistensi dugaan.
Kao Residual Cointegration Test
Pengujian ini pada dasarnya dilakukan untuk mengetahui apakah model
yang telah kita dapatkan melalui FMOLS dan DOLS sudah terkointegrasi atau
belum. Kao dan Chiang (2000) menemukan bahwa terdapat dua jenis uji
mengenai kointegritas, yaitu melalui uji Dickey Fuller dan Augmented Dickey
Fuller. Kalkulasi yang dilakukan Kao dan Chiang memberikan hasil berikut:
11
Untuk pendugaan parameter jangka panjang saat adanya penduga untuk it dan it
adalah:
Pengujian Model Data Panel

Chow Test
Chow test adalah pengujian yang digunakan untuk memilih model yang
akan dipakai antara Pooled Least Squared atau Fixed Effect. Dalam pengujian ini
hipotesis yang digunakan adalah sebagai berikut:
H0 : Model Pooled Least Squared
H1 : Model Fixed Effect
Dasar penolakan terhadap hipotesis nol (H0) adalah dengan menggunakan
F-Statistik seperti yang dirumuskan oleh Chow:
Dimana:
ESS1 = Residual Sum Square hasil pendugaan model Pooled Least Square
ESS2 = Residual Sum Square hasil pendugaan model Fixed Effect
N
= Jumlah cross section
T
= Jumlah deret waktu
K
= Jumlah variabel penjelas
Pengujian ini mengikuti distribusi F-statistik yaitu dengan derajat bebas (N-1, NTN-K). Jika setelah penghitungan nilai statistik Chow F-Stat lebih besar daripada FTabel maka cukup bukti untuk menolak hipotesis nol, sehingga model yang
digunakan adalah fixed effect dan begitu pula sebaliknya apabila nilai statistik FStat lebih kecil dari F-Tabel.
Pengujian Asumsi
Normalitas
Pengujian normalitas dilakukan untuk melihat apakah error term dari
model menyebar normal dengan menggunakan Jarque Bera Test atau dengan
melihat plot dari residual. Hipotesis dalam pengujian normalitas adalah:
Ho : Residual terdistribusi normal
H1 : Residual tidak terdistribusi normal
Penolakan Ho dilakukan dengan membandingkan nilai Jarque Bera dengan
taraf nyata sebesar 0.05 yang mana apabila nilai jarque Bera lebih besar dari
taraf nyata sebesar 0.05 menyatakan Ho tidak ditolak dan residual berdistribusi
normal
Multikolinearitas
Multikolinearitas adalah masalah yang timbul akibat adanya korelasi yang
tinggi antara peubah bebas yang satu dengan yang lainnya.Pelanggaran asumsi ini
akan memicu kesulitan dalam menduga model yang diinginkan. Gejala yang
12
muncul dari masalah ini adalah nilai R2 yang tinggi tetapi tidak terdapat atau
sedikit sekali koefisien dugaan yang berpengaruh nyata dan tanda koefisien yang
tidak sesuai dengan teori (Gujarati, 2006). Terdapat beberapa cara yang dapat
mengatasi masalah mutikolinearitas ini, diantaranya menambah atau menurangi
jumlah data observasi, menambah atau mengurangi variabel, mengkombinasikan
data deret waktu dengan cross section, pemberian pembobotan, dan pengujian
kembali model, sehingga parameter dugaan pada taraf uji tertentu menjadi
signifikan.
Autokorelasi
Autokorelasi atau disebut juga korelasi serial merupakan suatu keadaan
dimana kesalahan pengganggu dalam periode tertentu berkorelasi dengan
kesalahan pengganggu dengan periode lainnya. Gujarati (2006) menyatakan
autokorelasi adalah korelasi antara anggota perangkai observasi yang diurutkan
menurut waktu seperti dalam data deret waktu. Metode untuk melihat adanya
autokorelasi adalah dengan melihat dan membandingkan nilai Durbin Watson
(DW statistik) dalam model dengan DW-tabel. Selang nilai statistik Durbinwatson serta keputusannya adalah:
4-DL<DW<4 : tolak Ho, ada autokorelasi negatif
4-DU<W<4-DL : tidak tentu, coba uji yang lain
DU<DW<4-DU : Terima Ho, tidak ada autokorelasi
DL<W<DU : Tidak tentu coba uji yang lain
0<DW<DL : Tolak Ho, ada autokorelasi positif
Hipotesisnya adalah sebagai berikut:
Ho : Tidak terdapat autokorelasi
H1 : Terdapat autokorelasi
Autokorelasi yang terjadi jika error dari waktu yang berbeda salig
berhubungan, sehingga menyebabkan model menjadi tidak efisien meskipun tidak
bias dan konsisten.
Heteroskedatisitas
Heteroskedatisitas dapat terjadi jika ragam sisaan tidak konsisten yang
dapatt dilambangkan dengan Var (i2) = i2. Masalah ini dapat sering muncul pada
penggunaan data cross section pada estimasi model dan dapat pula terjadi saat
penggunaan data deret waktu.Heteroskedatisitas ini dapat menyebabkan model
menjadi tidak efisiesn meskipun tidak bias dan konsisten. Pendeteksiaan adanya
heteroskedatisitas dalam model dapat dilakukan dengan menggunakan General
Least Square (Cross Section Weights) dengan membandingkan sum square resid
pada Weighted Statistics dengan sum square Resid Unweighted statistics. Jika
Sum Square Resid pada weighted statistics < Sum Square Resid pada Unweighted
statistics, maka terjadi heterokedatisitas. Masalah tersebut dapat teratasi dengan
menggunakan estimasi GLS yang menggunakan white-heteroscedasticity.
Uji Statistik
Informasi mengenai model yang sudah baik atau pun tidak dapat
dijelaskan melalui pengujian statistik dalam rangka menguji hipotesis. Terdapat
13
beberapa kriteria yang digunakan yaitu, uji F, uji t, dan koefisien determinasi yang
disesuaikan (adj R2)
Uji-F
Pengujian ini dimaksudkan untuk mengetahui apakah variabel-variabel

bebas dalam model sudah secara bersamaan berpengaruh terhadap variabel terikat.
Uji ini dilakukan dengan membandingkan nilai kritis F dengan nilai hasil Fhitung. Hipotesis pengujian yang digunakan adalah sebagai berikut:
Ho : 1= 2= 3=...= k=0
H1 : Minimal ada satu nilai i yang tidak sama dengan nol
Jika Fhitung> F,(k-1,NT-N-K) maka tolak H0 yang berarti variabel bebas secara
bersama-sama berpengaruh nyata terhadap variabel terikatnya, begitu pula
sebaliknya. Cara lain adalah dengan melihat nilai probabilitas dimana jika
probabilitas (p-value) < taraf nyata maka cukup bukti untuk menolak Ho sehingga
variabel bebas secara bersama-sama berpengaruh nyata terhadap variabel
terikatnya.
Uji t
Pengujian ini dilakukan untuk mendapatkan informasi apakah masingmasing variabel bebas secara individu berpengaruh nyata atau tidak terhadap
variabel terikatnya. Hipotesis pengujiannya adalah sebagai berikut:
Ho : i = 0
H1 : i 0
Pengambilan keputusan yang digunakan adalah jika t hitung> t/2,(n-k)
maka tolak Ho dengan n adalah jumlah observasi dan hhuruf k adalah jumlah
variabel. Selain itu keputusan juga dapat diambil apabila probabilitas (p-value)<
taraf nyata maka tolak Ho yang berarti variabel bebas tertentu dalam model
berpengaruh nyata terhadap variabel terikatnya pada taraf nyata persen, begitu
pula sebaliknya.
Koefisien Determinasi (R2)
Nilai R2 yang menyatakan koefisien determinasi merupakan suatu nilai
yang mengukur tingkat keberagaman variabel bebas yang digunakan dalam
penelitian ini dapat menjelaskan keberagaman variabel terikat. Besaran R 2 bernilai
dari nol sampai 1, dimana nilai yang mendekati satu dapat menunjukkan model
yang mampu menjelaskan keragaman dari variabel terikat, begitupun sebaliknya.
Koefisien determinasi dapat dirumuskan berikut ini:
Dimana:
RSS : Jumlah kuadrat regresi
TSS : Jumlah kuadrat Total
Perumusan Model
Perumusan model yang dilakukan dalam penelitian ini adalah
pengembangan dari penelitian terdahulu yang dilakukan oleh Awan dan Ashgar
14
(2011) yang menganalisis pengaruh beberapa faktor determinan terhadap utang
luar negeri di Pakistan pada periode 1974 sampai 2008. Selain itu rujukan dalam
penelitian ini juga berdasarkan penelitian Loganathan (2010) yang menganalisis
hubungan jangka panjang dan pendek utang luar negeri terhadap kinerja
makroekonomi di Malaysia. Oleh karena itu penelitian ini berupaya dalam
menganalisis faktor-faktor yang memengaruhi utang luar negeri dengan kasus
negara berkembang dan maju dengan mengambil 10 contoh negara. Beberapa
variabel yang digunakan adalah utang luar negeri, nilai tukar terhadap US dollar,
Gross Domestic Product Perkapita (GDPP), tabungan, Terms of Trade (ToT),
inflasi dan suku bunga. Adapun model panel yang digunakan dalam penelitian ini
adalah sebagai berikut:
ln_ULN = i + b1 ln_ER + b2 ln_GDPP + b3 ln_Saving + b4 ToT + b5 Inf + b6
jjjjjjjjjjjjjjjjjjjjjjjjjjIR+eit
Keterangan:
ULN
: Utang luar negeri (US$)
ER
: Nilai tukar (mata uang lokal/US$)
GDPP
: Gross Domestic Product percapita (US$)
Saving
: Jumlah tabungan (US$)
ToT
: Terms of Trade (%)
Inf
: Inflasi (%)
IR
: Suku bunga, lending rate (%)
Hipotesis Penelitian
1. Utang luar negeri dan nilai tukar terdapat hubungan yang positif karena
depresiasi yang terjadi pada mata uang akan menyebabkan kurangnya
investasi sehingga pemerintah mengambil opsi pinjaman luar negeri.
2. GDP perkapita akan berpengaruh positif terhadap utang luar negeri karena
pada kebanyakan negara terutama negara berkembang menggunakan
modal yang berasal dari luar negeri untuk memacu perekonomiannya
3. Tabungan yang juga dapat menjadi cadangan dana bagi negara akan
berpengaruh negatif terhadap utang luar negeri, karena semakin tinggi
cadangan yang dimiliki maka semakin rendah kebutuhan terhadap utang
4. Hubungan antara ToT dan utang luar negeri adalah negatif karena ToT
yang rendah mengindikasikan penerimaan pemerintah dari ekspor rendah,
sehingga terjadi peningkatan pinjaman luar negeri
5. Inflasi dan utang luar negeri berhubungan positif karena semakin tinggi
peningkatan harga-harga secara umum, akan meningkatkan cost bagi
kegiatan operasional negara sehingga meningkatkan kebutukan akan utang
luar negeri
6. Suku bunga pinjaman berhubungan negatif dengan utang luar negeri
karena dengan bunga pinjaman yang rendah akan memacu industri
terutama usaha menengah kebawah serta industri kreatif, sehingga
penerimaan pajak meningkat dan kebutuhan akan pinjaman luar negeri
berkurang.
15
HASIL DAN PEMBAHASAN

Analisis Deskriptif Data
Analisis deskriptif data memberikan informasi melalui grafik yang disajikan
sehingga dapat terlihat pola dan trend yang terjadi pada masing-masing variabel di
tiap negara yang dianalisis. Pengamatan grafik dimulai dengan plot pergerakan
variabel-variabel yang digunakan dalam penelitian ini dari tahun 2000 sampai
dengan 2013.
Posisi Utang Luar Negeri Negera Berkembang (M US $)
Gambar 2 Gambaran Utang Luar Negeri Negara Berkembang

Gambar 2 memperlihatkan keadaan utang luar negeri pada negara
berkembang yang dianalisis. Selain itu, pada grafik di bagian lampiran juga
menunjukkan perubahan nilai tukar, GDP perkapita, dan saving pada 5 negara
berkembang yang dianalisis. Umumnya perubahan yang terjadi setiap tahun
perlahan-lahan meningkat kemudian stabil pada tingkat tertentu dan seterusnya.
Namun Indonesia menunjukkan penurunan setiap tahunnya dan menempati posisi
pertama dengan jumlah utang luar negeri tertinggi dibandingkan negara yang
lainnya. Trend yang menurun ini mengindikasikan bahwa Indonesia telah sukses
memanfaatkan utangnya ke dalam pembangunan dan peningkatan kapasitas
produksi. Berbeda dengan Vietnam yang positif sepanjang tahun dimana alokasi
utangnya belum mampu memperbaiki perekonomian nasional. Tidak terdapat
negara yang mengalami perubahan signifikan, kecuali Venezuela yang pada
beberapa tahun tertentu terjadi peningkatan tajam.
Pola pergerakan nilai tukar pada semua negara relatif stabil dengan nilai
yang bervariasi pada tiap negara. Mata uang Vietnam berdaya saing paling rendah
diikuti oleh rupiah yang terlihat mengalami fluktuasi meskipun tidak tidak terlalu
besar. Efek dari nilai tukar terhadap posisi utang luar negeri adalah ketika terjadi
depresiasi mata uang atau pelemahan terhadap mata uang dolar Amerika maka
harga-harga barang luar negeri akan lebih mahal dibandingkan sebelumnya dan
16
hal inilah yang menyebabkan kebutuhan terhadap dana operasional meningkat
yang menyebabkan terjadinya defisit anggaran, sehingga utang luar negeri pun
menjadi opsi yang diambil oleh pemerintah.
Grafik juga memperlihatkan perubahan Gross Domestic Product Percapita
(GDPP) beberapa tahun terakhir. Venezuela merupakan negara penghasil GDPP
tertinggi dibandingkan yang lainnya. Besarnya GDPP ini selain bergantung
terhadap GDP juga akan terpengaruh oleh fluktuasi jumlah penduduk pada suatu
negara. Pada plot data diatas tidak dijelaskan mengenai perubahan GDPP yang
terjadi apakah sebagai hasil perubahan GDP atau perubahan jumlah penduduk.
Pada umumnya di negara yang dianalisis, terjadi trend yang meningkat pada tiap
tahunnya. Salah satu kemungkinannya adalah karena pertumbuhan ekonomi yang
terjadi yang memberikan stimulus dalam peningkatan GDPP.
Saving yang menunjukkan besarnya tabungan masyarakat mengalami
perubahan yang tidak begitu drastis dimana pada tiap negara berbeda-beda ada
yang menunjukkan trend positif dan negatif. Negara dengan jumlah saving
tertinggi diantara negara berkembang yang dianalisis adalah Indonesia. Pada
negara yang lainnya terjadi pola yang relatif berfluktuasi setiap tahunnya.
Posisi Utang Luar Negeri Negera Maju (M US $)
Gambar 3 Gambaran Utang Luar Negeri Negara Maju

Gambar 3 menunjukkan performa utang luar negeri untuk kasus negara
maju yang mewakili kawasan Asia Timur, Eropa, dan Amerika ditambah negara
Selandia Baru. Posisi utang luar negeri negara-negara tersebut menunjukkan
pergerakan yang relatif berfluktuasi positif setiap tahunnya. Jepang hadir dengan
posisi utang luar negerinya yang tertinggi dibandingkan negara maju lainnya,
terutama pada lima tahun terakhir. Meskipun utangnya tinggi dan trend-nya
positif, Jepang masih bisa bertahan dan perekonomiannya relatif kuat karena
ditopang oleh pabrik-pabrik yang ada di luar negeri dimana pembangunnya
ditopang dengan utang luar negeri sehingga pengalokasian utangnya sangat efektif.
17
Pergerakan nilai tukar (Tabel terlampir) menunjukkan keadaan yang
cenderung stabil, namun apabila diteliti lebih seksama, hampir semua negara
menunjukkan trend negatif. Jepang berada pada posisi dengan mata uang terlemah
apabila dibandingkan dengan mata uang dolar Amerika. Gambar lampiran juga
menunjukkan pergerakan GDPP yang dapat mencerminkan tingkat kemakmuran
suatu negara. Pada semua negara , pergerakan GDPP menunjukkan trend yang
positif meskipun sebagian negara bergerak dengan nilai yang tidak terlalu
signifikan. Swiss berada pada posisi teratas untuk kategori penerima GDPP
terbesar dibanding negara lainnya. Untuk variabel saving, tidak terlihat trend yang
bergerak secara jelas positif atau negatif karena semua negara menunjukkan pola
yang relatif tetap sepanjang tahunnya.
Plot Perubahan ULN dengan perubahan variabel lainnya tiap tahun
Kelompok Negara Berkembang
Kelompok Negara Maju
Gambar 4 Plot ULN Dengan Variabel lain
18
Gambar 4 memperlihatkan plot perubahan utang luar negeri terhadap
variabel nilai tukar, GDPP, saving dan ToT yang berasal dari 2 kelompok negara.
Hal ini dilakukan untuk mengetahui bagaimana hubungan linear antar perubahan
variabel tiap tahunnya yang dapat memberikan informasi awal pada semua negara
yang dianalisis. Negara maju dan berkembang yang menjadi fokus dalam
penelitian ini dibagi ke dalam grafik yang berbeda berdasarkan masing-masing
variabel. Bagian pertama adalah grafik yang menunjukkan hubungan utang luar
negeri dan nilai tukar yang menghasilkan hubungan linear yang positif pada
negara berkembang namun negatif pada negara maju. Selanjutnya pada bagian
kedua, terdapat hubungan linear negatif dan positif pada 2 kelompok negara yang
berbeda antara variabel utang luar negeri dengan Gross Domestic Product
Perkapita (GDPP), dimana semakin besar GDPP maka utang luar negeri akan
juga cenderung meningkat juga sebaliknya. Pada bagian ketiga dari grafik tersebut
menunjukkan hubungan yang negatif antara variabel utang luar negeri dengan
saving. Terakhir pada bagian terakhir dari grafik diatas, menunjukkan hasil
hubungan linear yang positif pada negara berkembang dan negatif pada negara
maju untuk variabel utang luar negeri dengan ToT, dimana semakin tinggi ToT,
maka utang luar negeri juga akan semakin meningkat. Berbagai hubungan linear
pada grafik tersebut belum bisa menyimpulkan apakah hubungan yang terjadi
pada hasil output data panel kointegrasi yang akan dibahas selanjutnya akan
menunjukkan hasil yang sama dikarenakan metode yang digunakan juga berbeda.
Namun, analisis kualitatif yang sudah dilakukan akan membantu dalam
memberikan informasi awal dan dugaan mengenai variabel-variabel yang
dianalisis.
Uji Stasioneritas Data Panel
Analisis data panel pada tahap pertama diawali dengan pengujian
stasioneritas pada data yang digunakan dalam rangka mengetahui mengenai
adanya panel unit root yang terdapat diantara variabel. Hal ini diperlukan untuk
memastikan bahwa data variabel yang digunakan sudah layak dan memenuhi
syarat untuk berlanjut ke tahapan selanjutnya. Terdapat beberapa uji stasioneritas
yang digunakan di dalam penelitian ini, yaitu uji statistik Levin, Lin dan Chu
(LCC), Im, Pesaran an Shin (IPS) dan PP-Fisher.
Pengujian dilakukan pada 7 variabel yang digunakan dalam penelitian ini,
yaitu utang luar negeri (ULN), nilai tukar terhadap US dollar (ER), Gross
Domestic Product Perkapita (GDPP), tabungan (Saving), Terms of Trade (ToT),
inflasi dan suku bunga (IR). Sebagian besar variabel diubah ke dalam bentuk
logaritma akar memudahkan dalam proses interpretasi hasil dan penyamaan
variabel. Terdapat beberapa metofe dalam pengujian ini, yaitu Individual Effects,
Individual effects, individual trends, serta none yang dibagi dalam pengujian
terhadap dua jenis uji, yaitu pada tingkat level dan first difference.
Tabel uji stasioneritas (lampiran) memperlihatkan keadaan variabel pada
tingkat level dan first difference yang diuji melalui tiga metode intersep yang
digunakan. Hasil berbeda terlihat ketika data diuji dengan tiga pengujian yang
berbeda, yaitu LCC, IPS dan PP-Fisher. Semua variabel pada tingkat level
menunjukkan kondisi yang tidak stasioner, tetapi pada tingkat first difference
semua variabel pada tiga jenis uji yang dipakai menunjukkan kondisi yang
19
stasioner. Kondisi ini menunjukkan bahwa kondisi data panel yang digunakan
memenuhi syarat pengujian stasioneritas dan layak untuk berlanjut ke tahap
selanjutnya.
Pengujian Model
Perumusan model yang sudah dilakukan akan diuji kelayakannya apakah
baik atau tidak dan layak untuk dipilih berdasarkan pada beberapa kriteria melalui
pengujian yang akan dilakukan pada tahap selanjutnya.
Uji Chow
Uji ini bertujuan untuk memilih apakah model yang digunakan adalah
Pooled Least Square (PLS) atau Fixed Effect Model (FEM). Pengambilan
keputusannya adalah dengan melihat nilai prob pada uji cross-section F dimana
apabila prob< sebesar 5 persen akan tolak Ho yang merupakan PLS. Berikut
merupakan hasil estimasi Uji Chow:
Tabel 1 Hasil Uji Chow
Effect Test
Cross-section F
Cross-section Chi-square
Statistic
77.445202
264.634979
Prob
0.0000
0.0000
Berdasarkan tabel 1 nilai dari prob adalah 0,0000 yang lebih kecil dari nilai
sebesar 5 persen, sehingga keputusannya adalah tolak Ho yang berarti model
yang digunakan yaitu FEM lebih baik daripada PLS.
Hasil Uji Asumsi Klasik
Tahapan uji asumsi klasik dilakukan dalam rangka menilai model yang
digunakan bebas dari masalah yang mungkin terjadi pada setiap model
ekonometrika. Pengujian asumsi klasik ini meliputi uji normalitas, uji
multikolinearitas dan uji autokorelasi.
Uji Normalitas
Pada prinsipnya, uji normalitas ini dilakukan untuk mengetahui apakah
error term mendekati distribusi normal atau tidakyang dapat diketahui dengan
melihat grafik sisaan atau dengan membandingkan nilai probabilitas Jarque Bara
yang lebih besar dari taraf nyata sebesar 5 persen. Hasil yang didapatkan pada
model persamaan ini adalah 0.292 yang lebih besar dari taraf nyata 5 persen.
Dengan demikian dapat disimpulkan bahwa kriteria normalitas model mampu
terpenuhi.
Uji Multikolinearitas
Untuk menguji ada atau tidaknya efek multikolinearitas adalah dengan
memperhatikan nilai R2 yang tinggi namun diiringi dengan banyaknya variabel
20
yang tidak signifikan. Apabila melihat hasil uji koefisien determinasi dan uji t
statistik maka diketahui bahwa nilai R2 yang tinggi juga diikuti oleh banyaknya
variabel yang signifikan. Oleh karena itu dapat disimpulkan bahwa tidak terdapat
multikolinearitas, sehingga tidak terjadi pelanggaran asumsi.
Uji Autokorelasi
Untuk mengetahui apakah terdapat masalah autokorelasi pada model,
maka dapat dilihat dengan nilai Durbin-Watson yang didapatkan pada hasil
estimasi dengan nilai DW pada tabel. Nilai Durbin-Watson statistic adalah
sebesar 1.59 sedangkan nilai batas atau (DU) dan batas bawah (DL) pada tabel
berturut-turut adalah sebesar 1.636 dan 1.406. Berdasarkan perhitungan maka
selang Durbin-Watson yang didapat tidak memenuhi syarat DU<DW<4-DU
sehingga terdapat autokorelasi. Namun seperti pada penjelassan sebelumnya
bahwa regresi data panel tidak memerlukan terpenuhinya asumsi klasik karena
data panel digunakan untuk mendapatkan estimator yang lebih baik.
Hasil Uji Statistik
Terdapat beberapa jenis pengujian secara statistik, yaitu Uji F statistik, Uji
koefisien determinasi (R2) dan Uji T statistik. Berikut inii adalah hasinya:
Uji F Statistik
Berdasarkan hasil pengujian maka nilai F statistik yang didapat adalah
sebesar 0.000 yang mana memenuhi syarat yaitu nilai kurang dari 5 persen,. Uji
ini digunakan untuk mengetahui dan memutuskan variabel-variabel bebas yang
digunakan dalam penelitian ini bersama-sama secara nyata memengaruhi variabel
terikatnya dan dapat menjelaskan dengan baik variabel terikat tersebut pada
tingkat kepercayaan sebesar 95 persen atau pada taraf nyata 5 persen. Nilai prob F
statistik kurang dari sebesar 5 persen bermakna bahwa minimal ada satu
variabel bebas yang berpengaruh signifikan terhadap variabel terikatnya.
Uji t Statistik
Tujuan dari Uji ini adalah mengetahui apakah koefisien pada masingmasing variabel bebas secara individu memberikan pengaruh yang nyata atau
signifikan terhadap variabel terikat. Pada model persamaan, terdapat tiga model
yang sama dengan tiga metode yang berbeda, yaitu FEM, FMOLS dan DOLS.
Pada model yang menggunakan metode FEM, variabel nilai tukar, GDPP, saving
dan TOT mempunyai nilai probabilitas lebih kecil dari 5 persen dan 10 persen.
Untuk model yang menggunakan metode FMOLS, variabel yang
probalitasnya lebih kecil dari 5 persen adalah nilai tukar, GDPP, saving, inflasi
dan suku bunga sedangkan dengan metode DOLS nilai probabilitas lebih kecil
dari 5 persen dan 10 persen adalah nilai tukar, GDPP, saving, inflasi dan suku
bunga. Berdasarkan pengujian tersebut maka dapat disimpulkan bahwa variabelvariabel tersebut yang nilai probabilitasnya lebih kecil dari taraf nyata secara
parsial berpengaruh nyata terhadap utang luar negeri.
21
Koefisien Determinasi (R2)

Nilai koefisien Determinasi (R2) yang didapatkan pada pengujian model
persamaan dengan tiga metode berbeda menunjukan hasil yang berbeda pula.
Pada model dengan metode FEM, nilai R2-nya adalah 0.986464. Nilai tersebut
berarti bahwa 98.64 persen keragaman variabel terikat dapat dijelaskan oleh
keragaman variabel bebas dan sisanya dijelaskan oleh variabel di luar model
tersebut.
Pada model dengan metode FMOLS, nilai R2-nya adalah 0.867349. Nilai
tersebut berarti bahwa 86.73 persen keragaman variabel terikat dapat dijelaskan
oleh keragaman variabel bebas dan sisanya dijelaskan oleh variabel di luar model
tersebut. Sedangkan pada model dengan metode DOLS, nilai R2-nya adalah
0.986032. Nilai tersebut berarti bahwa 98.60 persen keragaman variabel terikat
dapat dijelaskan oleh keragaman variabel bebas dan sisanya dijelaskan oleh
variabel di luar model tersebut.
Uji Kointegrasi Data Panel
Setelah melalui beberapa tahap pengujian, proses selanjutnya adalah
menguji ada tidaknya kointegrasi pada model persamaan. Terdapat empat metode
pengujian pada tahap ini, yaitu Ordinary Least Square (OLS), Fixed Effect Model
(FEM), Fully Modified Ordinary Least Square (FMOLS) dan Dynamic Ordinary
Least Square (DOLS). Hasil pengujian pada model persamaan dievaluasi terutama
dengan melihat apakah variabel-variabel bebas tersebut memberikan pengaruh
nyata dan signifikan terhadap variabel terikatnya. Berikut ini merupakan hasil
estimasi berbagai pengujian pada beberapa metode yang dilakukan:
Tabel 2 Hasil Estimasi Model Utang Luar Negeri
Variabel
ln_ER
ln_GDPP
ln_Saving
TOT
Inflasi
IR
R-squared
Adj R2
FEM
0.0000
0.416535
0.0765
0.273556
0.00572
-0.261897
0.4674
0.041296
0.2320
-0.007961
0.0127
0.024850
0.986464
0.984826
***
*
***
**
FMOLS
0.0000
0.550038
0.0116
0.063643
0.0001
-0.071505
0.138
-0.038954
0.0005
-0.183722
0.0011
-0.129192
0.867349
0.849893
Keterangan: ***,**,* mewakili 1%, 5%, 10%
***
**
***
***
***
DOLS
0.0076
0.220432
0.0683
0.197555
0.0676
-0.195597
0.5032
0.027656
0.0425
0.010166
0.0023
0.016880
0.986032
0.9843434
***
*
**
***
22
Berdasarkan tabel 2 terlihat bahwa sebagian besar variabel signifikan pada
taraf nyata 5 persen bahkan ada beberapa variabel yang signifikan pada taraf nyata
1 persen, meskipun ada juga pada 10 persen. Pada metode FEM, dapat kita lihat
bahwa variabel nilai tukar, GDPP, saving dan suku bunga memberikan pengaruh
yang sigifikan terhadap utang luar negeri. Namun, setelah diuji dengan metode
FMOLS, terdapat sedikit perbedaan variabel yang memberikan pengaruh nyata
terhadap utang luar negeri, yaitu inflasi. Variabel tersebut tidak memengaruhi
variabel terikat meskipun tanda negatif pada koefisiennya sama dengan model
pada metode FEM.
Metode selanjutnya adalah DOLS yang dapat memberikan penduga yang
lebih baik dan konsisten. Hasilnya adalah variabel nilai tukar, GDPP, saving,
inflasi dan suku bunga memberikan pengaruh yang sigifikan terhadap utang luar
negeri, Selain itu tanda koefisien pada masing-masing koefisien juga sama dengan
model dengan metode FEM dan FMOLS, kecuali variabel inflasi. Oleh karena itu
model persamaan dengan metode DOLS merupakan metode terbaik diantara dua
metode lainnya, yaitu FEM dan FMOLS karena memberikan hasil dan adanya
modifikasi dalam pembentukan persamaannya.
Koefisien nilai tukar memiliki nilai yang bervariasi berdasarkan tiga
metode yang digunakan, yaitu 0.416; 0.550 dan 0.220. Tanda positif pada
koefisien berarti apabila niai tukat meningkat (mengalami depresiasi) sebesar 1
persen maka terjadi peningkatan utang luar negeri sebesar 0.416 persen, 0.550
persen dan 0.220 persen. Menurut teori makroekonomi, apabila terjadi depresiasi
(pelemahan mata uang lokal terhadap dolar amerika) maka harga-harga barang
dan jasa luar negeri akan menjadi lebih mahal, sehingga pengeluaran pemerintah
terutama terhadap barang jadi atau barang mentah yang berasal dari luar negeri
akan meningkat dalam rangka memenuhi kebutuhan. Kondisi tersebut akan
memicu terjadinya defisit anggaran, sehingga meningkatkan rasio utang luar
negeri.
Berdasarkan hasil estimasi dengan tiga metode yang telah dilakukan
koefisien GDPP adalah sebesar 0.273;0.067 dan 0.197. Tanda positif pada
koefisien berarti apabila GDPP meningkat sebesar 1 persen maka terjadi
peningkatan utang luar negeri sebesar 0.273 persen, 0.067 persen dan 0.197
persen. Berdasarkan penelitian Loganathan dan Sukemi (2010) mengenai
hubungan kinerja makro ekonomi dan utang luar negeri, maka pada saat GDPP
suatu negara sudah tinggi, terutama untuk kasus negara berkembang, maka
kebutuhan terhadap utang luar negrinya pun meningkat. Hal ini karena kebutuhan
akan pembangunan yang diperlukan untuk meningkatkan taraf hidup
masyarakatnya menjadi lebih baik lagi.
Koefisien saving memiliki nilai yang bervariasi berdasarkan tiga metode
yang digunakan, yaitu -0.261; -0.071 dan -0.197. Tanda negatif pada koefisien
berarti apabila saving meningkat sebesar 1 persen maka terjadi penurunan utang
luar negeri sebesar 0.261 persen, 0.071 persen dan 0.197 persen. Semakin besar
tabungan suatu negara maka kebutuhan akan pengeluarannya apabila terjadi
defisit anggaran dapat terpenuhi melalui tabungan terbilih dahulu, oleh karena itu
hubungannya adalah negatif.
Hasil estimasi terhadap koefisien variabel yang signifikan memiliki nilai
yang tidak terlalu jauh berbeda, dimana nilai dari koefisien variabel nilai tukar,
23
GDPP dan saving hasilnya hanya sedikit berbeda. Ini mengindikasikan bahwa
model yang didapat sudah baik dan tepat sehingga dapat dijelaskan dengan baik
secara seragam oleh tiga metode tersebut.
Pengujian selanjutnya adalah mengetahui apakah hubungan yang
dijelaskan oleh model memiliki hubungan jangka panjang atau tidak. Metode yang
digunakan adalah Uji Pedroni dan Kao Residual Cointegration Test. Hasilnya
adalah terdapat hubungan kointegrasi pada model utang luar negeri yang
dianalisis. Berdasarkan tabel pengujian (terdapat pada lampiran) maka keputusan
adanya hubungan jangka penjang yang terjadi adalah dengan melihat bahwa
jumlah komponen metode yang signifikan lebih banyak daripada yang tidak
signifikan. Berdasarkan hasil tersebut maka menurut Uji Pedroni, terjadi
kointegrasi.
Tabel 3 Hasil Uji Kao
ADF
Metode
T-Statistic
-3.690808
Prob
0.0001
Uji yang selanjutnya dilakukan adalah dan Kao Residual Cointegration

Test untuk menyimpulkan apakah terjadi kointegrasi atau tidak. Tabel 4
menunjukkan model persamaan memiliki probabilitas sebesar 0.0001 yang lebih
kecil dari nilai sebesar 5 persen. Oleh karena itu, berdasarkan nilai tersebut
dapat disimpulkan bahwa semua variabel yang diuji dalam penelitian ini
terkointegrasi atau memiliki hubungan keseimbangan dalam jangka panjang.
Selain itu variabel nilai tukar, GDPP, saving, inflasi dan suku bunga dapat
dioptimalkan sedemikian sehingga dapat mencapai target dan sasaran jumlah
utang luar negeri dengan memperhatikan hubungan dan pengaruh antar variabel.
Terdapat kelebihan dan manfaat yang muncul pada model apabila terjadi
kointegrasi, diantaranya penduga yang dihasilkan adalah penduga yang valid dan
konsisten, dapat mengurangi peluang terjadinya bias pada model yang biasanya
pada model pada umumnya terjadi spurious regression. Kondisi ini dapat
diidentifikasi dengan mudah dengan melihat nilai dari r-squared yang tinggi
namun juga diiringi dengan sedikitnya penduga variabel yang signifikan pada
model.
Menurut Philips dan Moon (1999), model DOLS sudah menutupi
kekurangan model FMOLS dalam hal kevalidan dan konsistensi penduga. Oleh
karena itu, dari tiga model yang dianalisis, FEM, FMOLS dan DOLS maka model
terbaik yang dipilih adalah DOLS. Pengambilan keputusan tersebut juga
didasarkan pada hipotesis yang ada dan teori ekonomi yag dapat menjelaskan
fenomena yang terjadi melalui model estimasi. Pada model DOLS penggunaan
taraf nyata, tidak hanya taraf nyata 5 persen tapi juga 10 persen, meskipun pada
keseluruhan variabel,penggunaan taraf nyata 5 persen masih mendominasi. Selain
itu, indikator lain yang digunakan adalah dengan melihat nilai r-squared tertinggi
yang diikuti oleh model dengan variabel signifikan terbanyak, sehingga
keputusannya adalah tetap memilih model DOLS.
Koefisien deterministik individu (lampiran) menunjukkan hasil yang
beragam dan tidak menunjukkan pola tertentu yang dapat membedakan negara
24
berkembang dan negara maju. Sehingga dapat diketahui bahwa keputusan utang
luar negeri sangat tergantung pada tiap negara terlepas negara berkembang atau
maju. Semakin besar nilai koefisien tersebut, maka makin besar pula utang luar
negeri yang dilakukan, begitu pula sebaliknya. Sehingga, koefisien tersebut dapat
menunjukkan pola utang luar negeri pada tiap negara yang dianalisis.
SIMPULAN DAN SARAN

Simpulan
Berdasarkan penelitian yang telah dilakukan maka diperoleh beberapa
kesimpulan, yaitu:
1. Analisis yang dilakukan terhadap 10 negara yang mewakili negara
berkembang dan negara maju serta negara-negara yang berasal dari
kawasan Asia, Eropa, Amerika dan Selandia Baru menunjukkan bahwa
utang luar negeri merupakan keputusan yang diambil berdasarkan
kondisi dan situasi makroekonomi di masing-masing negara.
Berdasarkan analisis kualitatif yang dilakukan, tiap negara ada yang
menunjukkan pola meningkat, menurun ataupun tetap. Selain itu temuan
lainnya adalah jumlah utang luar negeri negara maju belum tentu lebih
kecil daripada negara berkembang, hal ini sangat tergantung pada
kondisi masing-masing individu.
2. Pada penelitian ini metode yang digunakan adalah panel kointegrasi
yang mengevaluasi utang luar negeri pemerintah pada 10 negara yang
mewakili negara berkembangg dan maju. Hasil dari metode ini
memperlihatkan bahwa model persamaan yang dianalisis, yaitu DOLS
menunjukkan variabel yang signifikan yang dapat dijelaskan oleh teori
ekonomi. Variabel yang sigifikan memengaruhi utang luar negeri adalah
nilai tukar, GDPP, saving, inflasi dan suku bunga. Temuan lainnya
adalah semua variabel yang diuji terkointegrasi atau seimbang dalam
jangka panjang. Model persamaan utang luar negeri juga dapat
menjelaskan utang luar negeri jangka panjang.
Saran
Berdasarkan hasil penelitian yang diperoleh, maka disarankan beberapa hal
berikut, yaitu:
1. Pengaturan jumlah utang luar negeri yang dilakukan oleh tiap negara
dapat memerhatikan aspek nilai tukar, GDPP, saving, inflasi dan suku
bunga dimana pada tiap negara akan memperlihatkan pengambilan
keputusan yang berbeda tergantung arahh pembangunan ekonomi negara
tersebut. Selain itu, pemerintah juga harus memberikan perhatian yang
lebih kepada aspek-aspek yang dapat memengaruhi utang luar negeri
tersebut, sehingga penagaturan pengambilan utang luar negeri dapat
berjalan dengan baik
25
2. Penelitian ini menggunakan metode panel kointegrasi yang menguji
negara sample secara menyeluruh. Bagi penelitian selanjutnya
disarankan untuk memakai metode yang dapat menganalisis utang luar
negeri pada tiap-tiap negara kemudian hasilnya dibandingkan dengan
negara lain, sehingga hasil yang didapatkan lebih detil dan mendalam.
DAFTAR PUSTAKA
Awan dan Ashgar. 2011.The Impact of Exchange Rate, Fiscal Deficit and Terms
of Trade on External Debt of Pakistan. Australian Journal of Business and
Management Research 1(3):10-24
Baltagi, B. H. 2005. Econometric Analysis of Panel Data. Third Edition. New
York: McGraw Hill Companies
Ben, Ali dan Tarek, Sadraoui. 2013. External Debt and Financing of Economic
Development: Evidence from North African Countries. Journal of North
African Research in Business, 1(3):1-20
Bevan dan Adam. 2005. Fiscal Deficit and Growth in Developing Countries.
Journal of Public Economics 1(4):571-597
Choong, Keong. 2006. Public Debt and Economic Growth in The South Pacific
Islands: A Case Study of Fiji. Journal of Economic Development 31(2): 107121
Cohen, D. 2005. Large External Debt and Domestic Growth. Journal of Economic
Dynamic and Control 1(19):1141-1163
Chowdury A, Hossain. 2000. Open Economy Macro Economics for Developing
Countries. Massachusets: Edward Elgar Publishing Inc
Dooley, P. 2010. Debt Management and Crisis in Developing Countries. Journal
of Development Economics 63(1):45-58
Fatoki dan Asah. 2011. The Impact of Firm and Entrepreneurial Characcteristics
on Access to Debt Finance by SMEs in King WilliamsTown, South Africa.
International Journal of Business and managenent 6(8):170-179
Firdaus, M.2011. Aplikasi Ekonometrika untuk Data Panel dan Time Series.
Bogor (ID): IPB Press
Gujarati D. 1978. Ekonometrika Dasar. Sumarno Zain [Penerjemah]. Jakarta (ID):
Erlangga
Insah dan Chiaraah. 2013. Sources of Real Exchange Rate Volatility in The
Ghananian Economy. Journal of Economics and International Finance
1(10):232-238
Jiang, J dan Jiranyakul. Capital Structure, Cost of Debt and Devidend Payout of
Firms in New York and Shanghai Stock Exchanges. International Journal of
Economics and Financial Issues 3( 1):113-121
Juanda, B. 2009. Ekonometrika Pemodelan dan Pendugaan. Bogor (ID): IPB Press
Kao C, Chiang. 2000. On the Estimation and Interference of Cointegrated
Regression in Panel Data. Journal of Advances in Econometrics.
Loganathan dan Sukemi. 2010. External Debt and Macroeconomics Performance
in Malaysia: Sustainableor not. Global Economy and Finance Journal 3(2) 122132
26
Mankiw, N Gregrory. 2006. Makroekonomi. Fitria Liza [Penerjemah]. Jakarta
(ID): Erlangga
Mishkin, F.S. 2001. The Economis of Money, Banking, and Financial Markets.
6th Edition. Columbia University, USA.
Nelasco, Shobana. 2012. An Economic Analysis on External Debt Burden of
South Asian Countries. Journal of Educattional and Social Research 2(9):1122
Pedroni, P.1999. Fully Modified OLS for Heterogenous Cointegrated Panels and
The Case of Purchasing Power Parity. Working Paper No. 96-020, Indiana
University
Ruxandra, Anca. 2011. How to Assess Public Debt Sustainability: Empirical
Evidence for The Advance European Countries 2(2): 20-43
Saikkonen, P. 1991. Estimation and Testing of Cointegrated Systems by An
Autoregressive Approximation. Econometric Theory, 8, 1-27
Sulaiman dan Michael. 2012. External Debt, Economic Growth, and Investment
in Nigeria 4(11): 67-75
Todaro. MP. 1994. Ekonomi Pembangunan di Dunia Ketiga. Haris M
[Terjemahan]. Jakarta (ID): Erlangga
Tasos. 2011. Does Government Debt Promote Economic Growth? An Empirical
Analysisi With Structural Breaks For The Economy of China 15(46):229-248
Vincent, Ezeabalisi dan Mojekwu. 2011. Nigerias External Debt and Economic
Growth: An Error Correction Approach. International Journal of Business and
Management 6(5):156-170
Warner, A. 1996. Did The Debt Crisis Cause The Investment Crisis. Quarterly
Journal of Economics 4(1):107-118
27
LAMPIRAN
28
Lampiran 1 Hasil Output Panel Unit Root Test
Panel unit root test: Summary
Series: LN_ULN
Date: 02/04/15 Time: 13:53
Sample: 2000 2013
Exogenous variables: Individual effects
User-specified lags: 1
Newey-West automatic bandwidth selection and Bartlett kernel
Balanced observations for each test
Cros
sProb.**
secti
ons
0.6163
10
120
Null: Unit root (assumes individual unit root process)

Im, Pesaran and Shin W-stat
0.02465
0.4902
10
120
ADF - Fisher Chi-square
17.7449
0.6042
10
120
PP - Fisher Chi-square
41.6550
0.0031
10
130
Method
Statistic
Obs
Null: Unit root (assumes common unit root process)

Levin, Lin & Chu t*
0.29586
** Probabilities for Fisher tests are computed using an asympToTic Chi

-square distribution. All other tests assume asympToTic normality.

Series: LN_ULN
Date: 02/04/15 Time: 13:54
Sample: 2000 2013
Exogenous variables: Individual effects, individual linear trends
Cro
ssStati
Prob
Method
stic
.**
Levin, Lin & Chu t*
0.38063
0.6483
Breitung t-stat
2.04128
0.0206
stat

Im, Pesaran and Shin W0.06514
0.5260
ADF - Fisher Chi-square 18.3547
0.5641
PP - Fisher Chi-square 51.8161
0.0001
sec
tions
Obs
10
10
120
110
10
10
10
120
120
130

29
Series: LN_ULN
Date: 02/04/15 Time: 13:56
Sample: 2000 2013
Exogenous variables: None
Cro
ssStati
Prob
Method
stic
.**
Levin, Lin & Chu t*
-0.30017
0.3820
sec
tions
Obs
10
120
10
10
120
130

0.7976
23.9642
0.2440


Series: LN_ER
Date: 02/04/15 Time: 13:57
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-4.36460
0.0000
stat
sec
tions
Obs
10
120
10
10
10
120
120
130

Im, Pesaran and Shin W-2.18676
0.0144
0.0167
26.8098
0.1407


Series: LN_ER
Date: 02/04/15 Time: 13:57
Sample: 2000 2013
Cro
ss-
30
Method
Statistic
Prob.**
sections
Levin, Lin & Chu t*
-4.19403
0.0000
10
Breitung t-stat
-0.00172
0.4993
10
stat

0.1097
0.1000
16.1780
0.7055
10
10
10
Obs
120
110
120
120
130


Series: LN_ER
Date: 02/04/15 Time: 13:57
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-0.04262
0.4830
sec
tions
Obs
10
120
10
10
120
130

0.0122
43.0456
0.0020


Series: LN_GDPP
Date: 02/04/15 Time: 13:58
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-3.68037
0.0001
stat

0.1490
0.1367
38.4592
0.0078
sec
tions
Obs
10
120
10
10
10
120
120
130
31

Series: LN_GDPP
Date: 02/04/15 Time: 13:58
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-3.08596
0.0010
Breitung t-stat
-0.09917
0.4605
stat
sec
tions
Obs
10
10
120
110
10
10
10
120
120
130

0.3873
0.4772
12.8494
0.8838


Series: LN_GDPP
Date: 02/04/15 Time: 13:59
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
4.81188
1.0000
1.0000
0.37943
1.0000
sec
tions
Obs
10
120
10
10
120
130


Series: LN_SAVING
Date: 02/04/15 Time: 14:00
Sample: 2000 2013
32
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
4.17316 0.0000
stat
sec
tions
Obs
10
120
10
10
10
120
120
130

0.0946
0.0760
16.9199
0.6582


Series: LN_SAVING
Date: 02/04/15 Time: 14:00
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-2.82740
0.0023
Breitung t-stat
-0.46966
0.3193
stat
sec
tions
Obs
10
10
120
110
10
10
10
120
120
130

0.2156
0.1467
22.6596
0.3058


Series: LN_SAVING
Date: 02/04/15 Time: 14:01
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
3.84160
0.9999
sec
tions
Obs
10
120
33
1.41930
1.0000
1.0000
10
10
120
130


Series: TOT
Date: 02/04/15 Time: 14:02
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-1.52169
0.0640
stat
sec
tions
Obs
10
120
10
10
10
120
120
130

0.4927
0.3508
15.8531
0.7257


Series: TOT
Date: 02/04/15 Time: 14:02
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-2.77991
0.0027
Breitung t-stat
-1.71953
0.0428
stat

0.2168
0.0787
24.4499
0.2233
sec
tions
Obs
10
10
120
110
10
10
10
120
120
130


Series: TOT
34
Date: 02/04/15 Time: 14:03
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-0.59892
0.2746
sec
tions
Obs
10
120
10
10
120
130

0.1819
0.0031


Series: INFLASI
Date: 02/04/15 Time: 14:09
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-4.74804
0.0000
stat
sec
tions
Obs
10
120
10
10
10
120
120
130

0.4410
0.1719
0.3187


Series: INFLASI
Date: 02/04/15 Time: 14:10
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-0.67854
0.3900
sec
tions
Obs
10
120
35
Breitung t-stat
stat
-0.75918
0.2239

0.0274
0.0211
23.0698
0.2667
10
110
10
10
10
120
120
130


Series: INFLASI
Date: 02/04/15 Time: 14:10
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-1.39701
0.0812
sec
tions
Obs
10
120
10
10
120
130

0.0627
0.0122


Series: IR
Date: 02/04/15 Time: 14:19
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-1.90599
0.0283
stat

Im, Pesaran and Shin W0.27802
0.6095
0.7264
19.5073
0.4891
sec
tions
Obs
10
120
10
10
10
120
120
130

36
Series: IR
Date: 02/04/15 Time: 14:20
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-1.83819
0.0330
Breitung t-stat
1.18583
0.8822
stat
sec
tions
Obs
10
10
120
110
10
10
10
120
120
130

0.4926
0.1431
17.7110
0.6064


Series: IR
Date: 02/04/15 Time: 14:20
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-0.05228
0.5014
0.1961
46.7421
0.0006
sec
tions
Obs
10
120
10
10
120
130


Series: D(LN_ULN)
Date: 02/04/15 Time: 14:23
Sample: 2000 2013
ss-
37
Method
Statistic
Prob.**
Levin, Lin & Chu t*
-4.67719
0.0000
stat
sec
tions
Obs
10
110
10
10
10
110
110
120

0.0002
0.0006
114.401
0.0000


Series: D(LN_ULN)
Date: 02/04/15 Time: 14:23
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-3.35447
0.0004
Breitung t-stat
-3.48520
0.0002
stat
sec
tions
Obs
10
10
110
100
10
10
10
110
110
120

0.0720
0.0726
96.1881
0.0000


Series: D(LN_ULN)
Date: 02/04/15 Time: 14:23
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-9.40216
0.0000
0.0000
0.0000
sec
tions
Obs
10
110
10
10
110
120
38

Series: D(LN_ER)
Date: 02/04/15 Time: 14:24
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-5.10688
0.0000
stat
sec
tions
Obs
10
110
10
10
10
110
110
120

0.0000
0.0002
56.4454
0.0000


Series: D(LN_ER)
Date: 02/04/15 Time: 14:24
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-7.43033
0.0000
Breitung t-stat
-0.93671
0.1745
stat

0.0001
0.0002
0.0000
sec
tions
Obs
10
10
110
100
10
10
10
110
110
120


Series: D(LN_ER)
Date: 02/04/15 Time: 14:24
Sample: 2000 2013
39
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-6.99403
0.0000
sec
tions
Obs
10
110
10
10
110
120

0.0000
0.0000


Series: D(LN_GDPP)
Date: 02/04/15 Time: 14:25
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-5.81212
0.0000
stat
sec
tions
Obs
10
110
10
10
10
110
110
120

0.0001
0.0003
55.4468
0.0000


Series: D(LN_GDPP)
Date: 02/04/15 Time: 14:25
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-7.86043
0.0000
Breitung t-stat
-2.61436
0.0045
sec
tions
Obs
10
10
110
100
40
stat

0.0003
0.0007
0.0000
10
10
10
110
110
120


Series: D(LN_GDPP)
Date: 02/04/15 Time: 14:25
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-4.51523
0.0000
sec
tions
Obs
10
110
10
10
110
120

0.0007
52.9315
0.0001


Series: D(LN_SAVING)
Date: 02/04/15 Time: 14:25
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-6.28958
0.0000
stat

0.0000
0.0000
77.0927
0.0000
sec
tions
Obs
10
110
10
10
10
110
110
120


Date: 02/04/15 Time: 14:26
41
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-8.66587
0.0000
Breitung t-stat
-3.95823
0.0000
stat
sec
tions
Obs
10
10
110
100
10
10
10
110
110
120

0.0000
0.0000
93.9103
0.0000


Date: 02/04/15 Time: 14:26
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-6.48509
0.0000
sec
tions
Obs
10
110
10
10
110
120

0.0000
93.8773
0.0000


Series: D(TOT)
Date: 02/04/15 Time: 14:26
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-3.01596
0.0013
sec
tions
Obs
10
110
42
stat

0.0000
0.0001
103.027
0.0000
10
10
10
110
110
120


Series: D(TOT)
Date: 02/04/15 Time: 14:26
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-2.06864
0.0193
Breitung t-stat
-1.45877
0.0723
stat
sec
tions
Obs
10
10
110
100
10
10
10
110
110
120

0.0041
0.0062
97.9594
0.0000


Series: D(TOT)
Date: 02/04/15 Time: 14:27
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-8.08470
0.0000
0.0000
128.000
0.0000
sec
tions
Obs
10
110
10
10
110
120

43
Series: D(INFLASI)
Date: 02/04/15 Time: 14:27
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-10.2500
0.0000
stat
sec
tions
Obs
10
110
10
10
10
110
110
120

0.0000
0.0000
195.871
0.0000


Series: D(INFLASI)
Date: 02/04/15 Time: 14:27
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-9.90431
0.0000
Breitung t-stat
-2.27398
0.0115
stat

0.0000
0.0000
173.916
0.0000
sec
tions
Obs
10
10
110
100
10
10
10
110
110
120


Series: D(INFLASI)
Date: 02/04/15 Time: 14:28
Sample: 2000 2013
44
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-14.4525
0.0000
sec
tions
Obs
10
110
10
10
110
120

0.0000
201.407
0.0000


Series: D(IR)
Date: 02/04/15 Time: 14:28
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-7.01154
0.0000
stat
sec
tions
Obs
10
110
10
10
10
110
110
120

0.0000
0.0000
73.2253
0.0000


Series: D(IR)
Date: 02/04/15 Time: 14:28
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-6.95562
0.0000
Breitung t-stat
-0.55086
0.2909
stat

0.0039
0.0040
53.2050
0.0001
sec
tions
Obs
10
10
110
100
10
10
10
110
110
120
45

Series: D(IR)
Date: 02/04/15 Time: 14:28
Sample: 2000 2013
CrossMethod
Statistic
Prob.**
Levin, Lin & Chu t*
-8.65258
0.0000
0.0000
109.828
0.0000
sec
tions
Obs
10
110
10
10
110
120

46
Lampiran 2 Uji Normalitas
47
Lampiran 3 Rangkuman Hasil Uji Stasioneritas

Variabel
ln_Uln
ln_Uln
ln_Uln
d(ln_Uln)
d(ln_Uln)
d(ln_Uln)
ln_Er
ln_Er
ln_Er
d(ln_Er)
d(ln_Er)
d(ln_Er)
ln_Gdpp
ln_Gdpp
ln_Gdpp
d(ln_Gdpp)
d(ln_Gdpp)
d(ln_Gdpp)
ln_Saving
ln_Saving
ln_Saving
d(ln_Saving)
d(ln_Saving)
d(ln_Saving)
ln_TOT
ln_TOT
ln_TOT
d(ln_TOT)
d(ln_TOT
d(ln_TOT)
ln_Inflasi
ln_Inflasi
ln_Inflasi
Diffe
renci
ng
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
1
1
1
0
0
0
Met
ode
0
1
2
0
1
2
0
1
2
0
1
2
0
1
2
0
1
2
0
1
2
0
1
2
0
1
2
0
1
2
0
1
2
Uji Statistik P value

Stasioneri
tas
Uji LCC
Uji IPS test
Uji PPtest
Fisher
0.3820
0.2440
Tidak
0.6483
0.5260
0.5641
Tidak
0.3820
0.2440
Tidak
0.0000***
0.0002*** 0.0000***
Ya
0.0004***
0.0720* 0.0000***
Ya
0.0000***
0.0000***
Ya
0.0000***
0.1407
0.1407
Tidak
0.0000***
0.1097
0.7055
Tidak
0.4830
0.0020***
Tidak
0.0000***
0.0000*** 0.0000***
Ya
0.0000***
0.0001*** 0.0002***
Ya
0.0000***
0.0000***
Ya
0.0001***
0.1490
0.1367
Tidak
0.0010***
0.3873
0.8838
Tidak
1.0000
1.0000
Tidak
0.0000***
0.0001*** 0.0000***
Ya
0.0000***
0.0003*** 0.0000***
Ya
0.0000***
0.0001***
Ya
0.0000***
0.0946*
0.6582
Tidak
0.0023**
0.2156
0.3058
Tidak
0.9999
1.0000
Tidak
0.0000***
0.0000*** 0.0000***
Ya
0.0000***
0.0000*** 0.0000***
Ya
0.0000***
0.0000***
Ya
0.0640*
0.4927
0.7257
Tidak
0.0027***
0.2168
0.2233
Tidak
0.2746
0.0031***
Tidak
0.0013***
0.0000*** 0.0000***
Ya
0.0193**
0.0041*** 0.0000***
Ya
0.0000***
0.0000***
Ya
0.0000***
0.4410
0.3187
Tidak
0.3900
0.0274**
0.2667
Tidak
0.0812*
0.0122**
Tidak
Keterangan: ***,**,* mewakili 1%, 5%, 10%

Metode:
0: Individual effects
1: Individual effects, individual linear trends
2: None
48
Lampiran 4 Hasil Uji Chow
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test
Statistic
d.f.
Prob.
(9,124)
0.0000
0.0000
77.44520
Cross-section F
2
264.6349
Cross-section Chi-square
79
Lampiran 5 Hasil Estimasi Model Utang Luar Negeri

Metode FEM
Dependent Variable: LN_ULN
Method: Panel Least Squares
Date: 03/25/15 Time: 15:10
Sample: 2000 2013
Periods included: 14
Cross-sections included: 10
ToTal panel (balanced) observations: 140
White cross-section standard errors & covariance (d.f. corrected)
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LN_ER
LN_GDPP
LN_SAVING
TOT
INFLASI
IR
C
0.416535
0.273556
-0.261897
0.041296
0.007961
0.024850
1.282345
0.092144
0.153126
0.136426
0.056654
0.006629
0.009827
0.748349
4.520472
1.786470
-1.919700
0.728910
1.201019
2.528671
1.713565
0.0000
0.0765
0.0572
0.4674
0.2320
0.0127
0.0891
Effects Specification
Cross-section fixed (dummy variables)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.986464
0.984826
0.301163
11.24669
-22.14159
602.4422
0.000000
Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
4.598229
2.444876
0.544880
0.881068
0.681497
0.652871
49
Metode FMOLS
Method: Panel Fully Modified Least Squares (FMOLS)
Date: 03/25/15 Time: 15:12
Sample (adjusted): 2001 2013
Panel method: Weighted estimation
Cointegrating equation deterministics: C
Long-run covariance estimates (Bartlett kernel, Newey-West fixed
bandwidth)
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LN_ER
LN_GDPP
LN_SAVING
TOT
INFLASI
IR
0.550038
0.063643
-0.071505
-0.038954
-0.183722
-0.129192
0.040698
0.024817
0.018156
0.025730
0.051427
0.038534
13.51517
2.564542
-3.938324
-1.513986
-3.572490
-3.352650
0.0000
0.0116
0.0001
0.1328
0.0005
0.0011
R-squared
Adjusted R-squared
S.E. of regression
Durbin-Watson stat
0.867349
0.849894
0.952498
1.181468
Mean dependent var

S.D. dependent var
Sum squared resid
Long-run variance
4.595590
2.458473
103.4267
0.039358
50
Metode DOLS
Method: Panel Dynamic Least Squares (DOLS)
Date: 03/25/15 Time: 15:21
Sample: 2000 2013
Panel method: Weighted estimation
Cointegrating equation deterministics: C
Static OLS leads and lags specification
Long-run variance weights (None kernel)
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LN_ER
LN_GDPP
LN_SAVING
TOT
INFLASI
IR
0.220432
0.197555
-0.195597
0.027656
0.010166
0.016880
0.081289
0.107426
0.106090
0.041189
0.004960
0.005414
2.711693
1.838990
-1.843696
0.671441
2.049748
3.117726
0.0076
0.0683
0.0676
0.5032
0.0425
0.0023
R-squared
Adjusted R-squared
S.E. of regression
Durbin-Watson stat
0.986032
0.984343
0.305924
0.564540
Mean dependent var

S.D. dependent var
Sum squared resid
Long-run variance
4.598229
2.444876
11.60513
0.080333
51
Lampiran 6 Hasil Uji Kointegrasi Pedroni
Pedroni Residual Cointegration Test
Series: LN_ULN LN_ER LN_GDPP LN_SAVING TOT INFLASI IR
Date: 03/25/15 Time: 21:37
Sample: 2000 2013
Included observations: 140
Null Hypothesis: No cointegration
Trend assumption: No deterministic trend
Automatic lag length selection based on AIC with a max lag of 1
Newey-West automatic bandwidth selection and Parzen kernel
Alternative hypothesis: common AR coefs. (within-dimension)
Weigh
ted
Statistic
Prob.
Panel v-Statistic
-0.898787
0.8156
Panel rho-Statistic
3.406738
0.9997
Panel PP-Statistic
-3.512076
0.0002
Panel ADF-Statistic
-1.779805
0.0376
Statistic
-2.541825
3.888370
-3.376561
-2.062744
Alternative hypothesis: individual AR coefs. (between-dimension)
Group rho-Statistic
Group PP-Statistic
Group ADF-Statistic
Statistic
5.104343
-8.786449
-1.984044
Prob.
1.0000
0.0000
0.0236
Prob.
0.9945
0.9999
0.0004
0.0196
52
Lampiran 7 Hasil Uji Kointegrasi Kao
Kao Residual Cointegration Test
Series: LN_ULN LN_ER LN_GDPP LN_SAVING TOT INFLASI IR
Date: 03/25/15 Time: 21:39
Sample: 2000 2013
Included observations: 140
Null Hypothesis: No cointegration
Trend assumption: No deterministic trend
Automatic lag length selection based on AIC with a max lag of 2
Newey-West automatic bandwidth selection and Parzen kernel
t-Statistic
-3.690808
ADF
Residual variance
HAC variance
Prob.
0.0001
0.346276
0.345758
Augmented Dickey-Fuller Test Equation

Dependent Variable: D(RESID)
Method: Least Squares
Date: 02/03/15 Time: 21:39
Sample (adjusted): 2001 2013
Included observations: 130 after adjustments
Variable
Coefficien
t
Std.
Error
t-Statistic
Prob.
RESID(-1)
-0.381327
0.05
4843
-6.953108
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.267397
0.267397
0.536715
37.16015
-103.0627
1.591908
Koefisien Deterministik Individu

C
Indonesia
Vietnam
Venezuela
Kamerun
Chad
Kanada
Inggris
Jepang
Selandia Baru
Swiss
2.014128
-0.058599
2.279895
-1.425607
-2.340287
5.700135
6.173983
7.181201
1.714882
3.929381
Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
0.052867
0.627060
1.600964
1.623022
1.609927
53
Lampiran 8 Data Nilai Tukar, GDPP, dan Saving
Nilai Tukar Negara Berkembang (Mata Uang Lokal/US $)
Nilai
Nilai
Nilai
Negara
Periode Tukar
Negara Periode Tukar
Negara
Periode Tukar
Indonesia
2000 8421.78 Vietnam
2000 14167.70 Venezuela
2000
0.68
Indonesia
2001 10260.90 Vietnam
2001 14725.20 Venezuela
2001
0.72
Indonesia
2002 9311.19 Vietnam
2002 15279.50 Venezuela
2002
1.16
Indonesia
2003 8577.13 Vietnam
2003 15509.60 Venezuela
2003
1.61
Indonesia
2004 8938.85 Vietnam
2004 15746.00 Venezuela
2004
1.89
Indonesia
2005 9704.74 Vietnam
2005 15858.90 Venezuela
2005
2.09
Indonesia
2006 9159.32 Vietnam
2006 15994.30 Venezuela
2006
2.15
Indonesia
2007 9141.00 Vietnam
2007 16105.10 Venezuela
2007
2.15
Indonesia
2008 9698.96 Vietnam
2008 16302.30 Venezuela
2008
2.15
Indonesia
2009 10389.90 Vietnam
2009 17065.10 Venezuela
2009
2.15
Indonesia
2010 9090.43 Vietnam
2010 18612.90 Venezuela
2010
2.58
Indonesia
2011 8770.43 Vietnam
2011 20509.80 Venezuela
2011
4.29
Indonesia
2012 9386.63 Vietnam
2012 20828.00 Venezuela
2012
4.29
Indonesia
2013 10461.20 Vietnam
2013 20933.40 Venezuela
2013
6.05
Negara
Periode
kamerun
2000
kamerun
2001
kamerun
2002
kamerun
2003
kamerun
2004
kamerun
2005
kamerun
2006
kamerun
2007
kamerun
2008
kamerun
2009
kamerun
2010
kamerun
2011
kamerun
2012
kamerun
2013
Nilai
Tukar
711.98
733.04
696.99
581.20
528.29
527.47
522.89
479.27
447.81
472.19
495.28
471.87
510.53
494.04
Negara
chad
chad
chad
chad
chad
chad
chad
chad
chad
chad
chad
chad
chad
chad
Periode
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Nilai
Tukar
711.98
733.04
696.99
581.20
528.29
527.47
522.89
479.27
447.81
472.19
495.28
471.87
510.53
494.04
Keterangan: Satuan nilai tukar adalah nilai mata uang lokal/US$
54
Gross Domestic Product per Capita Negara Berkembang (US $)
Jumlah Saving Negara Berkembang (US $)
Nilai Tukar Negara Maju (Mata Uang Lokal/US $)

Nilai
Kanada
2000
1.83
Kanada
2001
2.35
Kanada
2002
2.92
Kanada
2003
3.08
Kanada
2004
2.93
Kanada
2005
2.43
Kanada
2006
2.18
Kanada
2007
1.95
Kanada
2008
1.83
Kanada
2009
2.00
Kanada
2010
1.76
Kanada
2011
1.67
Kanada
2012
1.95
Kanada
2013
2.16
Negara
Selandia Baru
Selandia Baru
Selandia Baru
Selandia Baru
Selandia Baru
Selandia Baru
Selandia Baru
Selandia Baru
Selandia Baru
Selandia Baru
Selandia Baru
Selandia Baru
Selandia Baru
Selandia Baru
Nilai
Inggris
2000
1.49
Inggris
2001
1.55
Inggris
2002
1.57
Inggris
2003
1.40
Inggris
2004
1.30
Inggris
2005
1.21
Inggris
2006
1.13
Inggris
2007
1.07
Inggris
2008
1.07
Inggris
2009
1.14
Inggris
2010
1.03
Inggris
2011
0.99
Inggris
2012
1.00
Inggris
2013
1.03
Nilai
Periode Tukar
2000
2.20
2001
2.38
2002
2.16
2003
1.72
2004
1.51
2005
1.42
2006
1.54
2007
1.36
2008
1.42
2009
1.60
2010
1.39
2011
1.27
2012
1.23
2013
1.22
Negara
Swiss
Swiss
Swiss
Swiss
Swiss
Swiss
Swiss
Swiss
Swiss
Swiss
Swiss
Swiss
Swiss
Swiss
Nilai
Jepang
2000 107.77
Jepang
2001 121.53
Jepang
2002 125.39
Jepang
2003 115.93
Jepang
2004 108.19
Jepang
2005 110.22
Jepang
2006 116.30
Jepang
2007 117.75
Jepang
2008 103.36
Jepang
2009
93.57
Jepang
2010
87.78
Jepang
2011
79.81
Jepang
2012
79.79
Jepang
2013
97.60
Nilai
Periode Tukar
2000.00
1.69
2001.00
1.69
2002.00
1.56
2003.00
1.35
2004.00
1.24
2005.00
1.25
2006.00
1.25
2007.00
1.20
2008.00
1.08
2009.00
1.09
2010.00
1.04
2011.00
0.89
2012.00
0.94
2013.00
0.93
Keterangan: Satuan nilai tukar adalah nilai mata uang lokal/US$
55
56
Gross Domestic Produck per Capita Negara Maju (US $)
Jumlah Saving Negara Maju (US $)
57
RIWAYAT HIDUP
Penulis bernama lengkap Gannady Girsang, lahir pada tanggal 31 Maret
1992 di bogor. Penulis adalah anak kedua dari tiga bersaudara dari pasangan
Bapak Sumer Girsang dan Ibu Nurlance Simbolon. Jenjang pendidikan penulis
dimulai di SDN 02 Jonggol pada tahun 1998, kemudian melanjutkan ke SMPN 01
Jonggol pada tahun 2004 dan SMAN 01 Cileungsi pada tahun 2007. Setelah lulus
pada tahun 2010, penulis mendapatkan kesempatan masuk Departemen Ilmu
Ekonomi IPB melalui jalur Undangan Seleksi Masuk IPB (USMI)
Selama menjadi mahasiswa, penulis aktif di berbagai kegiatan, baik
akademik maupun nonakademik. Di bidang organisasi, penulis aktif di Badan
Eksekutif Mahasiswa (BEM KM) IPB pada periode 2011-2012, International of
Association in Agricultural and Related Sciences (IAAS) pada periode 2011-2013,
Himpunan Profesi dan Peminat Ilmu Ekonomi dan Studi Pembangunan (Hipotesa)
2011-2012, Gerakan Mahasiswa Nasional Indonesia (GMNI) Bogor periode
2011-2012 dan LSM Indonesia Berseru yang fokus pada isu pangan dan
lingkungan 2012-2013. Penulis juga aktif dalam berbagai kepanitian mahasiswa
yang mampu menunjang softskill dan wawasan penulis serta menjadi moderator
maupun pembicara dibeberapa acara kemahasiswaan. Di bidang akademik,
penulis pernah menjadi asisten mata kuliah Ekonomi Umum tahun 2012-2013 dan
menjadi peserta magang di Bank Indonesia pada tahun 2013.
Beberapa prestasi yang pernah diraih semasa mahasiswa, diantaranya
Mahasiswa Berprestasi 1 Fakultas Ekonomi dan Manajemen 2013, presenter pada
International Conference and Strategy Management and Research pada Juli 2012
di Singapura dan Asean Academic International Conference pada Desember 2012
di Thailand. Di tahun yang sama penulis juga menjadi juara pertama pada
Hipotex-R, lomba karya ilmiah tingkat nasional di Bogor. Pada tahun 2013-2014
penulis menjadi perwakilan IPB pada Exchange Student Program di Tohoku
University, Jepang selama satu tahun. Di tahun yang sama penulis juga mendapat
beasiswa bulanan selama setahun dari Japan Student Services Association.

Jurnal

Diunggah oleh

Informasi Dokumen

Deskripsi:

Judul Asli

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

Jurnal

Judul Asli:

Diunggah oleh

Deskripsi:

Hak Cipta:

Format Tersedia

FAKTOR-FAKTOR YANG MEMENGARUHI UTANG LUAR

NEGERI PEMERINTAH: UJI PANEL KOINTEGRASI

DEPARTEMEN ILMU EKONOMI

PERNYATAAN MENGENAI SKRIPSI DAN

FAKTOR-FAKTOR YANG MEMENGARUHI UTANG LUAR

DEPARTEMEN ILMU EKONOMI

Bogor, Mei 2015

Ruang Lingkup Penelitian

Jenis dan Sumber Data

Metode Analisis Data

Pengujian Model Data Panel

HASIL DAN PEMBAHASAN

Analisis Deskriptif Data

Uji Kointegrasi Data Panel

SIMPULAN DAN SARAN

Gambar 1 Kerangka Pemikiran Operasional

Kao danChiang (2000) dalam penelitiannya membandingkan contoh kecil

Pengujian Model Data Panel

Pengujian ini dimaksudkan untuk mengetahui apakah variabel-variabel

HASIL DAN PEMBAHASAN

Posisi Utang Luar Negeri Negera Berkembang (M US $)

Gambar 2 Gambaran Utang Luar Negeri Negara Berkembang

Posisi Utang Luar Negeri Negera Maju (M US $)

Gambar 3 Gambaran Utang Luar Negeri Negara Maju

Kelompok Negara Maju

Gambar 4 Plot ULN Dengan Variabel lain

Koefisien Determinasi (R2)

Keterangan: ***,**,* mewakili 1%, 5%, 10%

Uji yang selanjutnya dilakukan adalah dan Kao Residual Cointegration

SIMPULAN DAN SARAN

Null: Unit root (assumes individual unit root process)

ADF - Fisher Chi-square

Null: Unit root (assumes common unit root process)

** Probabilities for Fisher tests are computed using an asympToTic Chi

Panel unit root test: Summary

Null: Unit root (assumes individual unit root process)

** Probabilities for Fisher tests are computed using an asympToTic Chi

Null: Unit root (assumes individual unit root process)

** Probabilities for Fisher tests are computed using an asympToTic Chi

Panel unit root test: Summary

Null: Unit root (assumes individual unit root process)

** Probabilities for Fisher tests are computed using an asympToTic Chi

Panel unit root test: Summary

Null: Unit root (assumes individual unit root process)

** Probabilities for Fisher tests are computed using an asympToTic Chi

Panel unit root test: Summary

Null: Unit root (assumes individual unit root process)

** Probabilities for Fisher tests are computed using an asympToTic Chi

Panel unit root test: Summary

Null: Unit root (assumes individual unit root process)

** Probabilities for Fisher tests are computed using an asympToTic Chi

Panel unit root test: Summary

Null: Unit root (assumes individual unit root process)

** Probabilities for Fisher tests are computed using an asympToTic Chi

Panel unit root test: Summary

** Probabilities for Fisher tests are computed using an asympToTic Chi

Panel unit root test: Summary

Null: Unit root (assumes individual unit root process)

** Probabilities for Fisher tests are computed using an asympToTic Chi

Keterangan: ,, mewakili 1%, 5%, 10%