DAN
obs R KURS
1982 9 692
1983 17,5 994
1984 18,7 1076
1985 17,8 1131
1986 15,2 1655
1987 16,99 1652
1988 17,76 1729
1989 18,12 1805
1990 18,12 1901
1991 22,49 1992
1992 18,62 2062
1993 13,46 2110
1994 11,87 2200
1995 15,04 2308
1996 16,69 2383
1997 16,28 4650
1998 21,84 8025
1999 27,6 7100
2000 16,15 9595
2001 14,23 10400
2002 15,95 8940
2003 12,64 8465
2004 8,21 9290
2005 8,22 9900
2006 11,63 9020
2007 8,24 9419
2008 10,43 10950
2009 9,55 9400
Pengujian ini dilakukan terhadap semua variabel yang digunakan dalam analisis deret waktu
untuk memenuhi keshahihan analisis ECM (dengan kata lain perilaku data yang stasioner
memiliki varians yang tidak terlalu besar dan mempunyai kecenderungan untuk mendekati nilai
rata-ratanya). Berikut merupaan plot masing-masing variabel:
250000 9,5
9
200000
8,5
150000
lnKURS
UKAR
100000
7,5
50000
0
1990 1995 2000 2005 2010 2015 6,5
1985 1990 1995 2000 2005
Berdasarkan grafik tersebut terlihat bahwa adanya indikasi kedua datanya tidak stasioner.
Hal itu terlihat dari grafiknya yang tidak berada disekitar rata-rata atau dengan kata lain rata-rata
dan varians tidak konstan. Oleh karena itu, harus dicek data pada tingkat (diffenrence) D1,D2
dan seterusnya hingga stasioner. Hal tersebut dilakukan dengan Unit Root Test.
Model yang digunakan adalah model dengan asumsi tanpa pergeseran (random walk
without drift) sebagai berikut (Gujarati, 2004) :
𝑌𝑡 = 𝛽1 𝑌𝑡−1 + 𝑢𝑡
atau
∆𝑌𝑡 = (𝛽1 − 1)𝑌𝑡−1 + 𝑢𝑡 = 𝛿𝑌𝑡−1 + 𝑢𝑡
Hipotesis yang diuji sebagai berikut :
𝐻0 : 𝛿 = 0 (berarti bahwa 𝛽1 − 1 random walk) artinya data deret waktu mengandung unit
root ( data tidak stasioner )
𝐻1 : 𝛿 ≠ 0 artinya data deret waktu tidak mengandung unit root ( data stasioner )
Kriteria keputusan :
𝐻0 ditolak jika nilai t-statistik ADF (dalam hal ini = 𝜏) < Nilai kritis McKinnon atau
nilai-p < taraf nyata tertentu (biasanya 5%).
Dari hasil tersebut memperlihatkan bahwa pada taraf signifikansi 5% nilai-p untuk
variabel R dan KURS < 5%, signifikan pada tingkat first difference. Maka dapat dikatakan bahwa
seluruh data yang digunakan dalam penelitian ini secara bersama-sama terintegrasi pada first
difference dilambangkan dengan I(1). Oleh karenanya uji kointegrasi dapat dilakukan.
Berikut ini hasil analisis regresi OLS dan model yang terbentuk :
b) Pengujian residual
Dengan cara meregresikan suku bunga dengan kurs, kemudian diuji residual yang
dihasilkan. Hipotesis yang diuji sebagai berikut :
𝐻0 : 𝑒̂𝑡 = I(1) artinya data residual mengandung unit root ( data residual tidak
stasioner ) atau tidak terjadi kointegrasi
Hasil pengujian ADF untuk residual dari model pengaruh kurs terhadap suku bunga
menyatakan bahwa residual stasioner pada level (I(0)) dengan peluang kesalahan
sebesar 0,04233 lebih kecil dengan derajat kesalah 0,05 sehingga model bukan
termasuk spusrious regression dan terkointergrasi. Artinya bahwa pada titik tertentu
atau pengaruh jangka panjang akan terjadi kondisi setimbang pada suku bungan dan
kurs di Indonesia.
Interpretasi.
𝛼̂0 17,9253
Penduga 𝛼̂1 0,4301
[ ]=[ ]
parameter 𝛾̂0 −0,0005
𝛾̂1 0,0007
Laju perubahan marginal jangka pendek, dengan meningkatnya kurs mata uang
̂𝟎
𝜸 di Indonesia sebesar satu unit maka akan menurunkan suku bunga sebesar 0,0005
unit satuan.
̂0 +𝛾
𝛾 ̂1 0,0002
̂1
= 0,5699 = 0,00035 laju perubahan marjinal jangka panjang, dengan
1−𝛼
̂𝟏
𝜷 meningkatnya kurs satu unit maka suku bunga di Indonesia akan meningkat
sebesar 0,00035 unit satuan.
1 − 𝛼̂1 = (1 − 0.4301 = 0.5699), artinya bahwa periode (t-1) adalah periode
̂𝟏 < 𝟏
𝟎<𝟏−𝜶 penyesuaian kurs terhadap suku bunga menuju periode ke-t yaitu sebesar 0,5699
unit satuan.
Kontribusi variabel kurs menjelaskan suku bunga sebesar 36,73%, selainnya
𝑹𝟐
dipengaruhi oleh faktor lain.
Berdasarkan kasus ECM, dengan menggunakan data yang telah stasioner pada first difference
yang dinotasikan dengan I(1). Nilai suku bunga R dinotasikan dengan (𝑦 ∗ ). Respon yang akan
diamati adalah suku bunga pada periode waktu ke-t (𝑦𝑡 ) dan suku bunga pada periode
sebelumnya (𝑦𝑡−1 ). PAM dapat dilakuakan jika hanya ko-integrasi telah terbentuk. Berikut
merupakan hasil analisis:
Maka model PAM yang terbentuk dari hasil analisis pegaruh kurs mata uang terhadap nilai suku
̂𝒕 = 𝟗, 𝟒𝟏𝟎 − 𝟎, 𝟎𝟎𝟎𝟑𝟖𝟕𝒚𝒕−𝟏 + 𝟎, 𝟓𝟐𝟒𝟐𝒙𝒕 .
bunga adalah 𝒚
Sehingga interpretasi pada model PAM ini sedikit berbeda yang berarti bahwa kontribusi kurs
mata uang terhadap nilai suku bunga dengan variabel-variabel eksogen sebagai penjelas sebesar
(47,55%), selainnya kontribusi faktor yang tidak terdapat dalam model.
𝑯𝟏 ⋮ 𝝀̂ 𝜷
̂ ≠ 𝟎, 𝒌𝒖𝒓𝒔 𝒎𝒂𝒕𝒂 𝒖𝒂𝒏𝒈 𝒃𝒆𝒓𝒑𝒆𝒏𝒈𝒂𝒓𝒖𝒉 𝒕𝒆𝒓𝒉𝒂𝒅𝒂𝒑 𝒏𝒊𝒍𝒂𝒊 𝒔𝒖𝒌𝒖 𝒃𝒖𝒏𝒈𝒂
𝟐
Untuk menginterpretasikan pengaruh langsung (immediate effect) 𝜆̂𝛽̂2 ≠ 0, bahwa kurs mata
uang memiliki peluang kesalahan sebesar 0,05 sehingga disimpulkan kurs mata uang
berpengaruh signifikan terhadap nilai suku bunga pada taraf kesalahan 5%. Besar pengaruhnya
dapat dilihat pada nilai koefisien regresi dengan interpretasi jika kurs mata uang menigkat satu
unit maka nilai suku bunga akan menurun sebesar 𝜆̂𝛽̂2 (0,000387 unit satuan)
Diketahui bahwa:
Pada Persamaan I
k = 1 (𝑎0)
Maka,
Oleh karena itu dilakukan pengujian TSLS dengan gretl, berikut hasil analisisnya:
Hausman test -
Null hypothesis: OLS estimates are consistent
Asymptotic test statistic: Chi-square(1) = 0,0966058
with p-value = 0,755942
Berdasarkan statistik uji t, dengan peluang kesalahan sebesar <0,0001 bahwa pengaruh Earns
terhadap Income dengan variabel instrumen Education dan Saving berbeda nyata pada taraf 5%.
Hipotesis :
𝐻0 ⋮ 𝛽 ∗ 𝑒𝑎𝑟𝑛𝑠
̂
= 0, 𝑡𝑖𝑑𝑎𝑘 𝑎𝑑𝑎 𝑘𝑜𝑟𝑒𝑙𝑎𝑠𝑖 𝑎𝑛𝑡𝑎𝑟 𝜀1 𝑑𝑎𝑛 𝜀2
Berdasarkan hasil analisis Two-Statge Least Square, dengan peluang kesalahan sebesar 0,01
tidak dapat dinyatakan bahwa terdapat korelasi antara persamaan I dan persamaan II. Artinya
bahwa variabel Earns pada persamaan II berkorelasi dengan persamaan I .