ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI

UTANG LUAR NEGERI INDONESIA

PERIODE (1984-2013)

Pembimbing : Agus Tri Basuki, SE., M.Si.

Disusun oleh:

Septiyanti Ristuningsih

20130430356

JURUSAN ILMU EKONOMI

FAKULTAS EKONOMI
UNIVERSITAS MUHAMMADIYAH YOGYAKARTA
YOGYAKARTA
2016

1
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI UTANG LUAR NEGERI
INDONESIA PERIODE 1984-2013

Septiyanti Ristuningsih
Fakultas Ekonomi Universitas Muhammadiyah Yogyakarta
E-mail: septi.economist@gmail.com

ABSTRAK

Penelitian ini bertujuan untuk mengetahui hubungan keterkaitan antara

tingkat ekspor, tingkat impor, nilai kurs dan tingkat inflasi terhadap uatng luar negeri
Indonesia. Teknik analisis yang digunakan adalah Vector Error Correction Model
(VECM) dengan periode penelitian tahun 1984 sampai tahun 2013. Hasil pengujian
menunjukkan bahwa kurs memiliki hubungan keterkaitan dengan utang luar negeri
dalam jangka pendek secara signifikan. Ekspor, impor dan inflsi memiliki keterkaitan
dengan utang luar negeri secara signifikan dalam jangka panjang, keterkaitan dalam
jangka pendeknya menunjukkan keterkaitan yang kurang signifikan.

Kata kunci: Utang Luar Negeri, Ekspor, Impor, Kurs, Inflasi, VECM

A. PENDAHULUAN

Utang luar negeri merupakan kegiatan ekonomi yang terinspirasi dari Marshall
Plan yang mengalirkan dana modal dari Negara maju ke Negara berkembang.
Pengaliran modal ini dimaksudkan untuk mencapai pertumbuhan ekonomi pada
Negara berkembang. Namun pada faktanya sekarang, utang luar negeri ini
memberikan fenomena tersendiri.
Di Negara berkembang sudah barang pasti meningkatkan taraf hidup
masyarakat dan pembangunan ekonomi menjadi sebuah kewajiban.Keharusan
membangun merupakan suatu tuntutan hidup bagi Negara-negara berkembang. Dalam
upaya mencapai pembangunan dan kesejahteraan, maka yang diperlukan adalah dana
atau modal yang banyak untuk terlaksananya pembangunan. Hal ini dapat dilakukan
dengan meningkatkan pendapatan nasional yang dapat digunakan sebagai biaya

2
pembangunan. Namun, dalam upaya peningkatan pendapatan nasional, Indonesia
selalu dihadapkan oleh beberapa kendala diantaranya kurangnya modal. Untuk
mencukupi kekurangan modal, Indonesia mendatangkan sejumlah dana dari luar
negeri melalui utang luar negeri.
Pada umumnya Negara berkembang banyak yang tergantung pada utang luar
negeri sebagai modal dalam pembangunannya, yang sudah tentu utang ini akan
berpengaruh pada neraca pembayaran nasional dalam jangka panjang.
Ketergantungan dan terlalu seringnya peminjaman dana dengan jumlah yang cukup
besar dari Negara lain akan mengarahkan pada terjadinya krisis utang luar negeri.
Krisis utang luar negeri di Negara berkembang mempengaruhi kondisi ekonomi dan
politik dunia. Di Indonesia, pokok persoalan yang menyangkut utang luar negeri telah
menduduki persoalan utama dalam perekonomian( Sritua Arif, 1999 : 73 ). Beban
utang luar negeri Indonesia menumpuk dari tahun ke tahun yang terus meningkat.
Kini Indonesia terperangkap dalam utang luar negeri, dimana jumlah cicilannya sudah
melebihi jumlah pinjaman baru yang dapat kita terima.Jika melihat jumlah
pinjamannya, Indonesia menjadi Negara berkembang yang berada pada urutan
pertama yang memiliki jumlah pinjaman terbanyak di kawasan Asian Tenggara.

Tabel 1.
Total Utang Luar Negeri Negara Penghutang Luar Negeri Negeri Tertinggi yang
Tergabung dalam Kawasan Asia Tenggara 2008-2013 (dalam US$)

Total Utang
Negara
2008 2009 2010 2011 2012 2013
Indonesia 2,718E+09 2,802E+09 3,034E+09 3,484E+09 3474505000 3,966E+09
Philipina 2,865E+09 2,841E+09 2,977E+09 2,85E+09 2844486000 2,66E+09
Malaysia 1,058E+09 876386000 1,024E+09 1,017E+09 1292925000 1,251E+09
Thailand 255185000 230585000 230340000 262643000 409140000 332596000
Sumber: data.worldbank.org

Di dalam neraca pembayaran, sumber pendapatan nasional salah satunya

berasal dari surplus transaksi berjalan, yaitu perbandingan antara jumlah pembayaran
yang diterima dari luar negeri dan jumlah pembayaran ke luar negeri. Dengan kata
lain, menunjukkan operasi total perdagangan luar negeri, neraca perdagangan, dan
keseimbangan antara ekspor dan impor. Ketika neraca pembayaran mengalami defisit,

3
maka utang luar negeri digunakan untuk menyeimbangkan neraca pembayaran.Defisit
neraca pembayaran salah satunya diakibatkan karena nilai impor lebih besar jika
dibandingkan jumlah ekspornya.
Defisit sebagai akibat impor yang berlebihan akan mengakibatkan penurunan
produksi dalam negeri. Impor yang terlalu besar mengakibatkan nilai kurs akan
semakin melemah dan menyebabkan harga-harga barang impor bertambah mahal.
Kegiatan ekonomi dalam negeri yang menurun mengurangi kegairahan pengusaha-
pengusaha untuk melakukan penanaman modal dan membangun kegiatan usaha baru.
Kenaikan harga-harga dalam negeri yang berlangsung secara terus menerus
akan mengakibatkan adanya inflasi. Inflasi akan mempengaruhi tingkat suku bunga
dan memaksa BI memangkas suku bungan. Dengan rendahnya suku bunga maka
minat para investor untu berinvestasi menjadi rendah. Hal ini mengakibatkan
pendapatan rill nasional menurun, sehingga untuk memenuhi kebutuhan akan
pembangunan Negara akan memenuhi belanja Negara melalui utang luar negeri.(I
Ktut Nama: 2004)
Utang luar negeri yang dimaksudkan untuk menutupi modal atau biaya
pembangunan menyebabkan sebuah beban pengembalian kepada Negara pendonor
hutang dengan tingkat bunga tertentu.Utang luar negeri Indonesia saat ini tidak hanya
digunakan untuk biaya pembangunan saja, melainkan sebagai biaya untuk
mengembalikan utang luar negeri sebelumnya.Konsep utang Indonesia seperti gali
lubang tutup lubang. Jika pengembalian utang luar negeri atau pembayaran cicilan
pokok utang ditambah dengan bunganya menggunakan utang luar negeri yang baru,
padahal utang luar negeri yang baru juga memiliki tingkat bunga tertentu, maka hal
ini akan mengakibatkan penumpukan utang luar negeri Indonesia karena penumpukan
bunga akibat utang luar negeri yang berlapis. Hal inilah yang menyebakan utang luar
negeri di Indonesia terus meningkat dari tahun ke tahun.(Aulia:2014)
Pengembalian utang luar negeri dimasukkan pada APBN. Sekarang anggaran
pengeluaran Negara tidak lagi berfokus pada pembangunan dan belanja untuk
kebutuhan dalam negeri saja, melainkan juga berfokus terhadap pembayaran hutang.
Akibatnya anggaran dana menjadi terbagi-bagi, dana pembangunan dari pendapatan
rill justru berkurang karena pengalihaanya untuk pembayaran utang luar negeri, yang
akhirnya menyebabkan rakyat yang menanggung beban karena tidak terpenuhinya
fasilitas –fasilitas yang selayaknya.

4
B. TEORI DAN KERANGKA PEMIKIRAN

Utang luar negeri indonesia pada awalnya digunakan sebagai penutup

kekurangan atas berbgai macam kekurangan biaya atas pembangunan negara.
Kekurangan atas biaya ini salah satunya dikarenakan adanya defisit neraca berjalan
(X-M). Karena ketergantungan indonesia terhadap barang impor, hal ini nerpengaruh
pada nilai tukar rupiah. Fluktuasi nilai tukar rupiah pada akhirnya juga akan
berpengaruh pada tingkat inflasi di Indonesia. Ketika nilai tukar melemah dan inflasi
meningkat maka beban utang luar negeri indonesia nilainya akan semakin bertambah
tinggi.

1. Ekspor
Ekspor yang merupakan sumber penghasil devisa terbesar pada perekonomian
Indonesia secra teoritis sangat penting peranannya dalam membiayai transaki
internasional, namun adanya komponen impor dalam barang –barang ekspor
mempunyai pengaruh yang lain terhadap utang luar negeri Indonesia. Peningkatan
ekspor yang terjadi selama ini memang berdampak positif terhadap perekonomian
secara kseluruhan, in dijelaskan dari hubungan negate antar ekspor dan utang luar
negeri Indonesia dalam jangka panjang. Namun dalam jangka pendek, system
pembayaran ekspor yang tidak secara tunai, dan panjangnya system mata rantai
birokrasi untuk kegiatan ekspor menyebabkan adanya hubungan yang searah antara
ekspor dan uatng luar negeri indoneia.Menurut (I Ktut Nama:2004) ekspor merupakan
salah satu komponen yang cukup efektif dalam mengurangi ketergantungan Indonesia
akan utang luar negeri dalam jangka panjang.

2. Impor
Impor merupakan bagian dalam komponen ekspor justru akan berdampak
positif bagi perekonomian. Namun peningkata impor secra terus-menerus apalagi
untuk keperluan konsumsi, dalam jangka panjang jelas akan meningkatkan
ketergantungan Indonesia akan utang luar negeri. Hal ini terjadi karena terjadinya
penghamburan devisa yang sebenarnya dapat digunakan untuk hal-hal yang lebih
produktif, sehingga hal ini terjai ketidakseimbangan nerca pembayaran. Dalam jangka
pendek impor akan mengakibatkan perubahan utang luar negeri pada arah yag
berlawanan. Dalam jangka panjang mengakibatkan perubahan utang luar negeri pada

5
arah yang sama. Ini mengidentifikasikan terjadinya pemborosan devisa pada sisi
impor dalam jangka panjang.

3. Nilai Tukar (Kurs)

Kuncoro (2009:53) menyatakan bahwa”setelah runtuhnya sitem Bretton
Woods dan berkembangnya system kurs mengambang, bagi ngara brkembang seperti
Negara Indonesia, peranan kurs valas menjadi sangat penting, terutama terhadap mata
uang keras (hard currencies) sepert dollar AS dan Yen jepang”. Kurs valas sangat
penting bagi Negara yang sdang melakukan pembangunan ekonomi, karena kurs valas
akan berhubungan langsung dengan sector-sektor perdaangan luar negeri, investasi,
dan juga dengan utang luar negeri yang merupakan sumber dana pembangunan. Oleh
karenanya kestabilan dan keterjangkauan kurs mutlak diperlukan.
Selama periode krisis ekonomi, nilai kurs sangat mempengaruhi kondisi
perekonomian domestic, terpuruknya mata uang domestik (upiah) terhadapa mata uag
asing menjadi awal kriis ekonomi, sehingga nilai kurs menjasi sangat rentan.
Fluktuasi kurs ini yang menyebabkan sector-sektor perdagangan dan sector rill kolaps
serta beban utang luar negeri yang merupakan sebagian dana untuk pembangunan
menjadi semakin besar. Berdasarkan teori paritas daya beli, kurs antara dua mata uang
akan melakukan penyesuaiann yang mencerminkan perubahan tingkat harga dari
kedua Negara, jika rupiah Indonesia menguat terhadap dollar maka utang luar negeri
akan menurun sehingga hubungan antara kurs dan utang luar negeri adalah negative.

4. Inflasi
Dalam menganalisa hubungan tingkat inflasi terhadap utang luar negeri, dapat
digunakan teori imported inflation. Dimana saat Indonesia mengalami inflasi , maka
nilai tukar rupiah terhadap dollar akan lemah. Indonesia masih tergantung produk dari
luar baik bahan baku atau bahan setengah jadi disektor barang dan jasa. Sehingga saat
terjadi inflasi Indonesia, pemerintah membutuhkan ddana yang lebih untuk memenuhi
kebutuhan dalam negeri tersebut dan dibutuhkanlah utang luar negeri.Jadi dapat
dikatakan bahwa hubngan antara inflasi dengan utang luar negeri pemerintah adallah
berpengaruh positif.

6
Gb 1. Kerangka hubungan variabel ekspor, impor, kurs, dan inflasi
dan pengaruhnya terhadap utang luar negeri.

Hipotesis
Dengan mengacu pada dasar pemikiran teoritis dan studi empiris yang pernah
dilakukan berkaitan dengan penelitian di bidang ini, maka dapat dirumuskan hipotesis
sebagai berikut:
a. Ekspor berpengaruh positif signifikan terhadap utang luar negeri Indonesia.
b. Impor berpengaruh positif signifikan terhadap utang luar negeri Indonesia.
c. Inflas berpengaruh positif signifikan terhadap utang luar negeri Indonesia.
d. Nilai tukar ( Kurs ) berpengaruh positif signifikan terhadap uatng luar negeri
Indonesia.

Penelitian Terdahulu
Penelitian tentang utang luar negeri di Indonesia telah banyak dilakukan,
penelitian tersebut banyak digunakan sebagai referensi penelitian dimasa yang akan
dating. Penelitian tentang utang luar negeri telah dilakukan oleh:
1. Ella Dhanila kartika Sari (2015)
Penelitiannya yang berjudul “Pengaruh defit transaksi berjalan, Kurs,
dan Inflasi terhadap utang Luar Negeri Pemerintah sebelum dan Sesudah
Krisis Global 2008 (Studi Kasus: Indonesia 2004-2012)”. Variabel yang di
gunakan dalam penelitian ini adalah deficit transaksi berjalan, inflasi dan kurs
dan variable dependentnya adalah utang luar negeri.Dengan menggunakan
metode Ordinary Least Square (OLS).Dat yang digunakan adalah data
sekunder.Hasil penelitian menunjukkan variable deficit transaksi berjalan dan

7
 kurs berpengaruh signifikan dan negative terhadap utang luar negeri
pemerintah.Sedangkan variable inflasi berpengaruh signifikan dan positif
terhadap utang luar negeri pemerintah Indonesia.
2. Aulia Apriyatman (2014)
Penelitiannya yang berjudul “Analisis Faktor – Faktor Yang
Mempengaruhi Utang Luar Negeri Pemerintah Indonesia (Periode 1998 –
2012)”.Variabel yang di gunakan dalam penelitian ini adalah pengeluaran
pemerintah, pendapatan nasional dan defisit anggaran danvariabel
dependentnya adalah utang luar negeri. Dengan menggunakan metode
Ordinary Least Square (OLS). Dengan hasil secara keseluruhan, Pendapatan
Nasional (PN), Pengeluaran Pemerintah (PP), dan Defisit Anggaran (DA)
mempengaruhi Utang Luar Negeri (ULN) sebesar 69.50 %, secara parsial
variabel Pendapatan Nasional mempunyai pengaruh negatif dan signifikan
terhadap Utang Luar Negeri (ULN), dan Pengeluaran Pemerintah (PP), dan
Defisit Anggaran (DA) masing - masing mempengaruhi secara positif dan
signifikan terhadap variabel Utang Luar Negeri (ULN). Variabel yang
memiliki kontribusi terbesar terhadap Utang Luar Negeri adalah Defisit
Anggaran (DA).
3. A Minuddin Fatimah (2012)
Penelitiannya yang berjudul “Analisis Faktor-Faktor Yang
Mempengaruhi Utang Luar Negeri Terhadap Pertumbuhan Ekonomi Di
Indonesia Periode 2002-2011”.Variabel yang di gunakan dalam penelitian ini
adalah penanaman modal asing, deficit anggaran, tabungan domestic dan
ekspor dan variabel dependentnya adalah utang luar negeri. Dengan
menggunakan metode Regresi Linear Berganda.Dengan hasil menunjukkan
bahwa penaman modal asing, tabungan domestik, ekspor berpengaruh
signifikan dan positif, serta defisit anggaran berpengaruh signifikan tetapi
negative secara langsung terhadap pertumbuhan ekonomi. Secara tidak
langsung defisit anggaran, tabungan domestik dan ekspor berpengaruh secara
positif dan signifikan terhadap pertumbuhan ekonomi melalui utang luar
negeri. Tetapi penanaman modal asing melalui utang luar negeri tidak
berpengaruh secara signifikan. Dan utang luar negeri tidak mempunyai
pengaruh terhadap pertumbuhan ekonomi.
4. I Ktut Nama (2004)

8
 Dengan penelitiannya ynag berjudul “Tinjauan Faktor-Faktor Ekonomi
Yang Mempengaruhi Utang Luar Negeri Indonesia Pendekatan Error
Correction Model (Ecm) Periode 1971-2001”.Variabel yang di gunakan dalam
penelitian ini adalah Investasi, tabungan, pengeluaran pemerintah, penerimaan
pemerintah, ekspor, impor dan variabel dependentnya adalah utang luar
negeri.Metode yang digunakan dalam penelitian ini adalah Error Correction
Model (ECM). Hasil penelitian terlihat dari signifikansinya hampir semua
variabel penelitian dalam jangka panjang mengindikasikan bahwa
permasalahan utang luar negeri adalah permasalahan ekonomi yang bersifat
structural.
5. M. Rizki Kahfi (2014)
Dengan penelitinnya yang berjudul “Analisis Faktor Fundamental
Ekonomi Yang Mempengaruhi Utang Luar Negeri Indonesia”.Variabel yang
di gunakan dalam penelitian ini adalah PDB, kurs, inflasi dan variabel
dependentnya adalah utang luar negeri.Metode yang digunakan adalah VECM.
Dengan hasilanalisis jangka panjang menunjukkan bahwa keseluruhan
variabel independen secara bersama-sama memiliki hubungan keseimbangan
terhadap ULN. Sedangkan untuk analisis jangka pendek, tingkat inflasi
periode sekarang dan tingkat inflasi pada periode sebelumnya memiliki
hubngan yang signifikan terhadap ULN pada periode sekarang.

C. METODE PENELITIAN

Gb 2. Proses Pembentukan Model VECM

9
 Penelitian ini dikategorikan menggunakan data kuantitatif. Penelitian ini
menggunakan data observasi dari tahun 1984-2013 (Time Series). Model analisis yang
digunakan dalam penelitian adalah bersifat kuantitatif dengan menggunakan Vector
Error Correction Model (VECM). Penggunaan metode analisis ini didasarkan
kemampuan metode tersebut untuk menganalisis hubungan antar variabel dalam
jangka panjang dan jangka pendek. Analisis jangka panjang menggunakan persamaan
kointegrasi, sedangkan analisis jangka pendek (dinamis) menggunakan Vector Error
Correction Model (VECM). Pengujian stationeritas data yang dilakukan terhadap
seluruh variabel dalam model penelitian didasarkan pada Augmented Dickey Fuller
(ADF) test.
Bentuk umum dari Vector Error Correction Model (VECM) dalam penelitian
ini adalah (Hutapea, 2007:30) :

Yt = 0+ 1 X1t + 2 X2t + 3 Yt-1 + t

Agar mempermudah dalam menganalisis faktor fundamental ekonomi yang

mempengaruhi utang luar negeri Indonesia, penulis mentransformasikan model
tersebut ke dalam bentuk sebagai berikut :

ULNt = 0+ 1DXt + 2 DMt + 3 DKURSt + 4 INFt + 5 DXt-1 + 6 DMt-1 + 7 DKURSt -1+

8 INFt-1

Dimana :
0 : Konstanta
1234 : Koefisien Regresi (Parameter yang akan diestimasi)
DULNt : Utang Luar Negeri Indonesia pada periode t (Triliun)
DXt : Ekspor Indonesia pada periode t (Triliun)
DMt : Impor Indonesia pada periode t (Triliun)
DKURSt : Nilai Tukar pada periode t (Rp/USD)
INFt : Inflasi pada periode t (%)
DULNt -1 : Utang Luar Negeri Indonesia pada periode t-1 (Triliun)
DXt-1 : Ekspor Indonesia pada periode t-1 (Triliun)
DMt-1 : Impor Indonesia pada periode t-1 (Triliun)
DKURSt-1 : Nilai Tukar pada periode t-1 (Rp/USD)

10
 INFt-1 : Inflasi pada periode t-1 (%)
t : Error Term pada periode t

D. HASIL DAN PEMBAHASAN

Pengujian Akar Unit/Stationeritas Data
Pengujian akar unit dalam penelitian ini menggunakan metode Augmented Dickey
Fuller (ADF). Apabila nilai t-statistik lebih besar dibandingkan dengan nilai kritis atau p-
value lebih kecil dari tingkat kritis yang digunakan, maka H0 berupa data memiliki akar unit
dan tidak stasioner dapat ditolak. Dari tabel 2 dapat disimpulkan bahwa semua variabel
dianggap telah stasioner pada tingkat first difference.

Tabel 2. Hasil Uji Akar Unit/Stationeritas Data

First Diffrence
Variabel
T-stat Probabilitas
Log(ULN) -5.058348 0.0003
Log(Ekspor) -6.367373 0.0000
Log(Impor) -6.410964 0.0000
Log(Kurs) -4.452698 0.0019
Inflasi -6.471306 0.0000
Keterangan: Tingkat signifikansi 5%

Penentuan Panjang Lag Maksimal

Penentuan panjang lag optimal dalam model VECM direkomendasikan menggunakan

Final Prediction Error (FPE), Aike Information Criterion (AIC), Schwarz Criterion (SC),
dan Hannan-Quin (HQ). Lag optimal terjadi saat lag mempunyai tanda bintang terbanyak.

Tabel 3. Hasil Pengujian Lag Optimal

Lag LogL LR FPE AIC SC HQ

0 -90.89489 NA 0.001100 7.376530 7.618472* 7.446201
1 -65.58978 38.93094 0.001120 7.353060 8.804710 7.771082
2 -24.28727 47.65675* 0.000407* 6.099020 8.760378 6.865395*
3 1.253804 19.64698 0.000817 6.057400* 9.928466 7.172127

11
 Berdasarkan tabel 3, terdapat tanda bintang yang paling banyak di lag 2, sehingga lag
ini pun dipilih sebagai lag maksimal berdasarkan criteria lainnya (LR, FPE, AIC, dan HQ).
Dengan demikian dapat dipastikan bahwa Lag optimal yang digunakan untuk estimasi
VECM terletak pada Lag 6 karena sudah terbebas dari white noise dan sudah memenuhi uji
asumsi klasik.

Pengujian Stabilitas VAR

Sebelum masuk pada tahapan analisis yang lebih jauh, hasil estimasi sistem
persamaan VAR yang telah terbentuk perlu diuji stabilitasnya melalui VAR stability
condition check yang berupa roots of characteristic polynomial terhadap seluruh variabel
yang digunakan dikalikan jumlah lag dari masing-masing VAR. Stabilitas VAR perlu diuji
karena jika hasil estimasi stabilitas VAR tidak stabil maka analisis IRF dan FEVD menjadi
tidak valid. Berdasarkan hasil pengujian tersebut, suatu sistem VAR dikatakan stabil jika
seluruh akar atau roots-nya memiliki modulus lebih kecil dari satu. Pada penelitian ini,
berdasarkan uji stabilitas VAR yang ditunjukkan pada Tabel 6 dapat disimpulkan bahwa
estimasi stabilitas VAR yang akan digunakan untuk analisis IRF dan FEVD telah stabil
karena kisaran modulus < 1.

Tabel 4. Uji Stabilitas VAR

Root Modulus
-0.443334 - 0.678789i 0.810740
-0.443334 + 0.678789i 0.810740
0.172693 - 0.786578i 0.805312
0.172693 + 0.786578i 0.805312
-0.063425 - 0.695434i 0.698321
-0.063425 + 0.695434i 0.698321
0.493751 - 0.407933i 0.640468
0.493751 + 0.407933i 0.640468
-0.487233 - 0.213638i 0.532013
-0.487233 + 0.213638i 0.532013

Dapat di simpulkan bahwa estimasi stabilitas VAR yang akan digunakan untuk analisis IRF
dan FEVD telah stabil karena kisaran modulus < 1.

12
Pengujian Kointegrasi

Pengujian kointegrasi dengan metode Johansen dilakukan dengan membandingkan

nilai trace statistic atau Max- Eigen value dengan nilai kritisnya masing-masing standar 5%.
Apabila nilai trace statistic atau Max-Eigen value lebih besar dibanding nilai critical value-
nya maka terdapat kointegrasi antar variabel. Hasil uji kointegrasi Johansen disajikan secara
ringkas dalam tabel berikut:

Tabel 5. Hasil Uji Kointegrasi Johansen

Uji Kointegrasi Johansen
Trace Statistic 5%CV Max-Eigen Statistic 5%CV
98.52178 69.81889 50.59223 33.87687

Hasil pengujian menunjukkan trace statistic sebesar 98.52178 lebih besar dibanding
nilai kritisnya sebesar 69.81889 dengan p-value sebesar 0,0000. Hal yang sama dengan hasil
dari Max-Eigen statistic yang lebih besar jika dibandingkan dengan nilai kritis 5% serta nilai
p-value yang juga lebih besar dari 5%. Hasil tersebut membuktikan adanya satu kointegrasi
antara variabel utang luar negeri, ekspor, impor, kurs dan inflasi. Hasil yang menunjukkan
adanya kointegrasi, menunjukkan adanya hubungan jangka panjang dan terjadi keseimbangan
pada periode tersebut.

Uji Analisis Kausalitas Granger

Uji kausalitas Granger (Granger Causality Test) dilakukan untuk melihat apakah dua
variabel memiliki hubungan timbal balik atau tidak. Dengan kata lain, apakah satu variabel
memiliki hubungan sebab akibat dengan variabel lainnya secara signifikan, karena setiap
variabel dalam penelitian mempunyai kesempatan untuk menjadi variabel endogen maupun
eksogen. Uji kausalitas bivariate pada penelitian ini menggunakan VAR Pairwise Granger
Causality Test dan menggunakan taraf nyata lima persen. Tabel berikut menyajikan hasil
analisis uji Bivariate Granger Causality.

13
 Tabel 6. Uji Kausalitas Granger

Null Hypothesis: Obs F-Statistic Prob.

LOGX does not Granger Cause LOGULN 28 1.74133 0.1976

LOGULN does not Granger Cause LOGX 0.39207 0.6801

LOGM does not Granger Cause LOGULN 28 1.58801 0.2259

LOGULN does not Granger Cause LOGM 0.70357 0.5052

LOGKURS does not Granger Cause

LOGULN 28 0.47682 0.6268
LOGULN does not Granger Cause LOGKURS 5.91301 0.0085

INF does not Granger Cause LOGULN 28 5.62283 0.0103

LOGULN does not Granger Cause INF 3.07177 0.0657

LOGM does not Granger Cause LOGX 28 0.71019 0.5020

LOGX does not Granger Cause LOGM 0.30836 0.7376

LOGKURS does not Granger Cause LOGX 28 0.26658 0.7683

LOGX does not Granger Cause LOGKURS 9.50256 0.0010

INF does not Granger Cause LOGX 28 1.95518 0.1644

LOGX does not Granger Cause INF 1.14203 0.3366

LOGKURS does not Granger Cause

LOGM 28 1.07072 0.3592
LOGM does not Granger Cause LOGKURS 8.63466 0.0016

INF does not Granger Cause LOGM 28 3.19541 0.0596

LOGM does not Granger Cause INF 0.15778 0.8550

INF does not Granger Cause LOGKURS 28 3.93789 0.0338

LOGKURS does not Granger Cause INF 0.31861 0.7303

Dari hasil yang diperoleh di atas, diketahui bahwa yang memiliki hubungan kausalitas
adalah yang memiliki nilai probabilitas yang lebih kecil daripada alpha 0.05 sehingga nanti

14
Ho akan ditolak yang berarti suatu variabel akan mempengaruhi variable lain. Dari pengujian
Granger diatas, kita mengetahui hubungan timbal-balik/ kausalitas sebagai berikut:

- Variabel X secara statistik signifikan mempengaruhi ULN (0,19) sehingga kita menolak
hipotesis nol sedangkan ULN secara statistik signifikan mempengaruhi X (0,68) sehingga
kita menolak hipotesis nol. Dengan demikian, disimpulkan bahwa tidak terjadi kausalitas
searah antara variabel X dan ULN dan begitu pula sebaliknya.
- Variabel M secara statistik signifikan mempengaruhi ULN (0,22) sehingga kita menolak
hipotesis nol sedangkan ULN secara statistik signifikan mempengaruhi M (0,50) sehingga
kita menolak hipotesis nol. Dengan demikian, disimpulkan bahwa tidak terjadi kausalitas
searah antara variabel M dan ULN dan begitu pula sebaliknya.
- Variabel KURS secara statistik signifikan mempengaruhi ULN (0,162) sehingga kita
menolak hipotesis nol sedangkan ULN secara statistik tidak secara signifikan
mempengaruhi KURS (0,00) sehingga kita menerima hipotesis nol. Dengan demikian,
disimpulkan bahwa terjadi kausalitas searah antara variabel KURS dan ULN yaitu hanya
KURS yang secra statistik signifikan mempengaruhi ULN dan tidak berlaku sebaliknya.
- Variabel INF tidak secara statistik signifikan mempengaruhi ULN (0,01) sehingga kita
menerima hipotesis nol sedangkan ULN secara statistik tidak secara signifikan
mempengaruhi INF (0,06) sehingga kita menolak hipotesis nol. Dengan demikian,
disimpulkan bahwa terjadi kausalitas searah antara variabel KURS dan ULN yaitu hanya
INF yang secra statistik signifikan mempengaruhi ULN dan tidak berlaku sebaliknya.
- Variabel M secara statistik signifikan mempengaruhi X (0,50) sehingga kita menolak
hipotesis nol sedangkan X secara statistik signifikan mempengaruhi M (0,73) sehingga
kita menolak hipotesis nol. Dengan demikian, disimpulkan bahwa tidak terjadi kausalitas
searah antara variabel X dan M dan begitu pula sebaliknya.
- Variabel KURS secara statistik signifikan mempengaruhi X (0,76) sehingga kita menolak
hipotesis nol sedangkan X tidak secara statistik signifikan mempengaruhi KURS (0,00)
sehingga kita menerima hipotesis nol. Dengan demikian, disimpulkan bahwa terjadi
kausalitas searah antara variabel KURS dan X yaitu hanya X yang secara statistik
signifikan mempengaruhi KURS dan tidak berlaku sebaliknya.
- Variabel INF secara statistik signifikan mempengaruhi X (0,16) sehingga kita menolak
hipotesis nol sedangkan X secara statistik signifikan mempengaruhi INF (0,33) sehingga
kita menolak hipotesis nol. Dengan demikian, disimpulkan bahwa tidk terjadi kausalitas
searah antara variabel INF dan X dan berlaku pula sebaliknya.

15
- Variabel KURS secara statistik signifikan mempengaruhi M (0,35) sehingga kita menolak
hipotesis nol sedangkan M secara statistik tidak secara signifikan mempengaruhi KURS
(0,00) sehingga kita menerima hipotesis nol. Dengan demikian, disimpulkan bahwa terjadi
kausalitas searah antara variabel KURS dan ULN yaitu hanya M yang secra statistik
signifikan mempengaruhi KURS dan tidak berlaku sebaliknya.
- Variabel INF tidak secara statistik signifikan mempengaruhi M (0,05) sehingga kita
menerima hipotesis nol sedangkan M secara statistik signifikan mempengaruhi INF (0,85)
sehingga kita menolak hipotesis nol. Dengan demikian, disimpulkan bahwa terjadi
kausalitas searah antara variabel INF dan M yaitu hanya INF yang secra statistik
signifikan mempengaruhi M dan tidak berlaku sebaliknya.
- Variabel INF tidak secara statistik signifikan mempengaruhi KURS (0,03) sehingga kita
menerima hipotesis nol sedangkan KURS secara statistik signifikan mempengaruhi INF
(0,73) sehingga kita menolak hipotesis nol. Dengan demikian, disimpulkan bahwa terjadi
kausalitas searah antara variabel INF dan KURS yaitu hanya INF yang secra statistik
signifikan mempengaruhi KURS dan tidak berlaku sebaliknya.

Estimasi Vector Error Correction Model

Berdasarkan hasil pengujian kointegrasi yang menunjukkan adanya hubungan jangka

panjang diantara variabel, maka diputuskan, menggunakan model VECM untuk mengetahui
keterkaitan antar variabel satu dengan yang lainnya. Untuk menganalisis hasil olahan data
estimasi VECM, dapat menggunakan perbandingan t-statistik dengan nilai t-tabelnya. Jika
nilai t-statistik > nilai t tabel maka dapat dikatakan bahwa variabel independen memengaruhi
dependen. Nilai t-tabel untuk α = 5%.

Tabel 7. Estimasi VECM Jangka Pendek

Variabel Koefisien T-Statistik
CointEq 1 -0.702148 [-2.73699]
D(LOGULN(-1)) 1.708878 [ 3.59581]
D(LOGULN(-2)) 0.137087 [ 0.23023]
D(LOGX(-1)) 0.287678 [ 0.52303]
D(LOGX(-2)) -0.057273 [-0.10827]
D(LOGM(-1)) -0.207665 [-0.60306]
D(LOGM(-2)) 0.236091 [ 0.61932]
D(LOGKURS(-1)) 0.156984 [ 1.68772]

16
 Variabel Koefisien T-Statistik
D(LOGKURS(-2)) 0.123377 [ 1.68055]
D(INF(-1)) -0.009477 [-0.89683]
D(INF(-2)) 0.006628 [ 0.85481]
C -0.217653 [-1.47123]

Hasil estimasi jangka pendek menunjukkan bahwa variabel ULN pada lag ke 1
berpengaruh positif pada taraf nyata lima persen masing-masing sebesar 1,7. Artinya, jika
terjadi kenaikan 1 persen pada 1 tahun sebelumnya, maka akan menaikkan ULN sebesar 1,7
persen pada tahun sekarang. Jika terjadi kenaikan Kurs 1 persen pada 1 tahun atau 2 tahun
sebelumnya, maka terjadi kenaikan ULN sebesar 1,7 persen pqda tahun sekarang.

Tabel 8. Estimasi VECM Jangka Panjang

Variabel Koefisien T-Statistik
X(-1) -2.165887 -8.20088
M(-1) 1.351949 4.64430
Kurs(-1) 0.392539 3.15544
INF(-1) 0.060655 4.85835

Pada jangka panjang semua vriabel, yaitu ekspor (X), impor (M), nilai tukar (KURS)
dan inflasi (INF) signifikan pada taraf nyata lima persen yang mempengaruhi utang luar
negeri indonesia (ULN). Variabel ekspor (X) mempunyai pengaruh negatif terhadap utang
luar negeri (ULN) yaitu sebesar -2.165887 persen. Artinya, jika terjadi kenaikan ekspor (X)
maka akan menyebabkan utang luar negeri (ULN) turun sebesar -2.165887 persen. Variabel
impor (M) mempunyai pengaruh positif terhadap utang luar negeri (ULN) yaitu sebesar
1.351949. Artnya, jika terjadi kenaikan impor (M) maka akan menyebabkan utang luar negeri
(ULN) naik sebesar 1.351949. Variabel nilai tukar (KURS) mempunyai pengaruh positif
terhadap utang luar negeri (ULN) yaitu sebesar 0.392539. Artnya, jika terjadi kenaikan nilai
tukar (KURS) maka akan menyebabkan utang luar negeri (ULN) naik sebesar 0.392539.
Variabel inflasi (INF) mempunyai pengaruh positif terhadap utang luar negeri (ULN) yaitu
sebesar 0.060655. Artnya, jika terjadi kenaikan inflasi (INF) maka akan menyebabkan utang
luar negeri (ULN) naik sebesar 0.060655.

17
 Kondisi ini sesuai dengan teori. Ekspor yang lebih lebih besar dibandingkan dengan
impor akan menciptakan neraca berjalan menjadi positif, artinya surplus neraca berjalan akan
digunakan akan mengurangi utang luar negeri. Impor yang terlalu tinggi akan menyebabkan
berkurangnya devisa, sehingga impor yang berlebihan akan meningkatkan utang luar negeri.
Kur atau nilai tukar rupiah yang naik berarti nilai rupiah terderesiasi. Hal ini menyebabkan
nilai utang luar negeri menjadi lebih besar jika dikonversikan kedalam nilai rupiah. Inflasi
menyebabkan harga-harga barang menjadi naik, kenaikan inflasi akan mendorong naiknya
utang luar negeri.

D. Kesimpulan dan Saran

Berdasrkan estimasi Vector Error Correction Model jangka pendek variabel yang
signifikan mempengaruhi utang luar negeri adalah ULN(-1) yang berarti kenaikan utang luar
negeri satu tahun yang lalu menaikkan utang luar negeri pada tahun sekarang. Kemudian
naiknya nilai kurs KURS(-1) dan KURS(-2) di satu tahun dan dua tahun di tahun sebelumnya
berpengaruh pada kenaikan nilai utang luar negeri di tahun sekarang.

Berdasarkan estimasi Vector Error Correction Model jangka panjang, variabel ekspor
(X) berpengaruh negatif, sedangkan variabel impor, kurs dan inflasi berpengaru negatif
terhadap uatng luar negeri.

Saran yang dapat disampaikan dari kesimpulan yang ada, adalah sebagai berikut:
1. Diharapkan Pemerintah dapat mengatur prioritas penggunaan utang luar negeri agar
dapat digunakan secara efektif dan efisien sehingga dapat benar-benar mendorong
pertumbuhan indonesia.
2. Diharapkan Pemerintah dapat mendorong kegiatan ekspor, misalnya dengan
diversifikasi ekspor atau menambah keragaman barang ekspor, subsidi ekspor dalam
bentuk keringanan pajak atau kemudahan dalam mengurus ekspor, atau juga dengan
menjaga kestabilan nilai Rupiah terhadap mata uang asing dan juga mengatur
kebijakan impor misalnya dengan pengenaan bea masuk dan kuota impor.
3. Diharapkan para perusahaan untuk memperbaiki produk barang mereka, sehingga
mampu bersaing dengan barang dari luar negeri.

18
E. Daftar Pustaka
A. Minuddin, Fatimah, 2013, “Analisis Faktor-Faktor Yang Mempengaruhi Utang
Luar Negeri Terhadap Pertumbuhan Ekonomi Di Indonesia Periode 2002-
2011”,Fakultas Ekonomi dan Bisnis Universitas Hasanuddin Mkasar.

Aulia, Apriyatman, 2014, “Analisis Faktor – Faktor Yang Mempengaruhi Utang Luar
Negeri Pemerintah Indonesia (Periode 1998 – 2012)”,Fakultas Ekonomi Dan
Bisnis Universitas Lampung.

Agus Tri Basuki dan Nano Prawoto, 2016, Analisis Regresi dalam Penelitian ekonomi
dan Bisnis (dilengkapi Aplikasi SPSS dan Eviews), Cetakan pertama, edisi
pertama, PT Rajawali Pers, Jakarta

Basri, Y, Z. Dan Mulyadisubri, 2004, “Keuangan Negara dan Analisis Kebijakan

Utang Luar Negeri”, Raja Grafindo Persada, Jakarta.
Boediono, 1982, “Seri Sinopsis Pengantar Ilmu Ekonomi No. 2 Ekonomi Makro Edisi
4”.Yogyakarta : BPFE
Direktorat Jendral Pengelolaan Utang, DEPKEU RI, (2010), “Strategi Pengelolaan
Utang Negara 2010 -2014”, Jakarta: Depkeu RI.
Juliani, Melati (2012), “Pengaruh Ekspor-Impor Terhadap ekonomi bisnis Indonesia,
Jurnal online Transborder”, Edisi. 1 Vol. 1
Kuncoro, Prof. Mudrajad, 2009, “Ekonomika Indonesia”, UPP STIM YKPN
Yogyakarta: Yogyakarta.
Kahfi, M.Rizki, 2014, “Analisis Faktor Fundamental Ekonomi Yang Mempengaruhi
Utang Luar Negeri Indonesia”, Fakultas Ekonomi Universitas Syiah Kuala
Darussalam Bnada Aceh.
Nama, I Ktut, 2004, “Tinjauan Faktor-Faktor Ekonomi Yang Mempengaruhi Utang
Luar Negeri Indonesia Pendekatan Error Correction Model (Ecm) Periode
1971-2001” Bali
Nopirin, 2000, “Ekonomi Makro Buku 2”, Edisi 1, Yogyakarta : BPFE
Rusda Zega, Bobby, 2007, “Analisis Faktor-Faktor yang Mempengaruhi Jumlah
Hutang Luar Negeri Indonesia”, Fakultas Ekonomi Universitas Sumatera
Utara Medan.
Sari, Ella Dhanila Kartika, 2015, "Pengaruh Defisit Transaksi Berjalan, Kurs, Dan
Inflasi Terhadap Utang Luar Negeri Pemerintah Sebelum Dan Sesudah Krisis

19
 Global 2008” Fakultas ekonomi dan Bisnis Univesrsitas Negeri sunan
Klaijga.
Sukirno, Sodono, 2000, “Pengantar Teori Makro Ekonomi. Edisi Kedua”, PT Raja
Grafindo Persada, Jakarta.
Sukirno, Sodono. 1985, “Ekonomi Pembangunan”, LPFE – UI, Jakarta.
Todaro, Michal P (alih bahasa oleh Haris Munandar), 2000, “Perkembangan Ekonomi
di dunia ketiaga”, Jakarta: Erlangga
http://www.wikipedia.com
http://www.bi.go.id Statistik Ekonomi Keuangan Indonesia

20
F. LAMPIRAN-LAMPIRAN
Lampiran Data

Tahun ULN Ekspor Impor Inflasi Kurs

1984 30265,00 5869,70 11185,30 10,46 1076
1985 35157,00 5868,90 8983,50 4,73 1131
1986 41592,00 6528,40 9632,00 5,83 1655
1987 49429,00 8579,60 11302,40 9,28 1652
1988 50720,00 11536,90 12339,50 8,04 1729
1989 52400,00 13480,10 15164,40 6,42 1805
1990 63953,00 14604,20 19916,60 7,81 1843
1991 65697,00 18247,50 23558,50 9,42 1950
1992 73360,00 23296,10 25164,60 7,53 2013
1993 80592,00 27077,20 26157,20 9,69 2087
1994 96500,00 30359,80 29616,10 8,52 2161
1995 107831,00 34953,60 37717,90 9,43 2249
1996 110171,00 38093,00 39333,00 7,97 2342
1997 136087,00 41821,10 37755,70 6,23 2909
1998 150886,00 40975,50 24683,20 58,39 10014
1999 148098,00 38873,20 20322,20 20,49 7855
2000 141693,00 47757,40 27495,30 3,72 8424
2001 133074,00 43684,60 25490,30 11,50 10261
2002 131343,00 45046,10 24763,10 11,88 9311
2003 135401,00 47406,80 24939,80 6,59 8577
2004 137024,00 55939,30 34792,50 6,24 8939
2005 130652,00 66428,40 40243,30 10,45 9705
2006 128735,00 79589,10 42102,60 13,11 9159
2007 136640,00 92012,30 52540,60 6,41 9141
2008 155080,00 107894,20 98644,40 9,78 9699
2009 172871,00 97491,70 77848,50 4,81 9400
2010 202413,00 129739,50 108250,60 5,13 8991
2011 225375,00 162019,60 136734,10 5,36 9068
2012 243649,00 153043,00 149125,30 4,28 10526
2013 249997,00 149918,80 141362,30 5,11 11250

21
Lampiran Uji VECM
1. Uji Stationaritas

Utang Luar Negeri (ULN)

Null Hypothesis: D(LOGULN) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=7)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -5.058348 0.0003

Test critical values: 1% level -3.689194
5% level -2.971853
10% level -2.625121

*MacKinnon (1996) one-sided p-values.

EKSPOR
Null Hypothesis: D(LOGX) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=7)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -6.367373 0.0000

Test critical values: 1% level -3.689194
5% level -2.971853
10% level -2.625121

*MacKinnon (1996) one-sided p-values.

IMPOR
Null Hypothesis: D(LOGM) has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=7)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -6.410964 0.0000

Test critical values: 1% level -3.699871
5% level -2.976263
10% level -2.627420

*MacKinnon (1996) one-sided p-values.

22
KURS
Null Hypothesis: D(LOGKURS) has a unit root
Exogenous: Constant
Lag Length: 4 (Automatic - based on SIC, maxlag=7)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.452698 0.0019

Test critical values: 1% level -3.737853
5% level -2.991878
10% level -2.635542

*MacKinnon (1996) one-sided p-values.

INFLASI
Null Hypothesis: D(INF) has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=7)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -6.471306 0.0000

Test critical values: 1% level -3.699871
5% level -2.976263
10% level -2.627420

*MacKinnon (1996) one-sided p-values.

2. Uji Panjang Lag Optimal

VAR Lag Order Selection Criteria

Endogenous variables: D(LOGULN) D(LOGX) D(LOGM) D(LOGKURS)
D(INF)
Exogenous variables: C
Date: 11/22/15 Time: 17:38
Sample: 1984 2013
Included observations: 26

Lag LogL LR FPE AIC SC HQ

0 -90.89489 NA 0.001100 7.376530 7.618472* 7.446201

1 -65.58978 38.93094 0.001120 7.353060 8.804710 7.771082

23
 2 -24.28727 47.65675* 0.000407* 6.099020 8.760378 6.865395*
3 1.253804 19.64698 0.000817 6.057400* 9.928466 7.172127

* indicates lag order selected by the criterion

LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion

3. Uji Stabilitas Model VAR

Roots of Characteristic Polynomial

Endogenous variables: D(LOGULN) D(LOGX)
D(LOGM) D(LOGKURS) D(INF)
Exogenous variables: C
Lag specification: 1 2
Date: 11/22/15 Time: 17:47

Root Modulus

-0.443334 - 0.678789i 0.810740

-0.443334 + 0.678789i 0.810740
0.172693 - 0.786578i 0.805312
0.172693 + 0.786578i 0.805312
-0.063425 - 0.695434i 0.698321
-0.063425 + 0.695434i 0.698321
0.493751 - 0.407933i 0.640468
0.493751 + 0.407933i 0.640468
-0.487233 - 0.213638i 0.532013
-0.487233 + 0.213638i 0.532013

No root lies outside the unit circle.

VAR satisfies the stability condition.

24
4. Uji Kointegrasi

Date: 11/22/15 Time: 18:20

Sample (adjusted): 1986 2013
Included observations: 28 after adjustments
Trend assumption: Linear deterministic trend
Series: LOGULN LOGX LOGM LOGKURS INF
Lags interval (in first differences): 1 to 1

Unrestricted Cointegration Rank Test (Trace)

Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.835832 98.52178 69.81889 0.0001

At most 1 * 0.606468 47.92954 47.85613 0.0492
At most 2 0.434102 21.81693 29.79707 0.3088
At most 3 0.162337 5.875359 15.49471 0.7102
At most 4 0.032166 0.915458 3.841466 0.3387

Trace test indicates 2 cointegratingeqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegration Rank Test (Maximum Eigenvalue)

Hypothesized Max-Eigen 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.835832 50.59223 33.87687 0.0002

At most 1 0.606468 26.11262 27.58434 0.0762
At most 2 0.434102 15.94157 21.13162 0.2283
At most 3 0.162337 4.959902 14.26460 0.7469
At most 4 0.032166 0.915458 3.841466 0.3387

Max-eigenvalue test indicates 1 cointegratingeqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values

25
5. Analisis Kausalitas Granger

Pairwise Granger Causality Tests

Date: 11/22/15 Time: 18:41
Sample: 1984 2013
Lags: 2

Null Hypothesis: Obs F-Statistic Prob.

LOGX does not Granger Cause LOGULN 28 1.74133 0.1976

LOGULN does not Granger Cause LOGX 0.39207 0.6801

LOGM does not Granger Cause LOGULN 28 1.58801 0.2259

LOGULN does not Granger Cause LOGM 0.70357 0.5052

LOGKURS does not Granger Cause LOGULN 28 0.47682 0.6268

LOGULN does not Granger Cause LOGKURS 5.91301 0.0085

INF does not Granger Cause LOGULN 28 5.62283 0.0103

LOGULN does not Granger Cause INF 3.07177 0.0657

LOGM does not Granger Cause LOGX 28 0.71019 0.5020

LOGX does not Granger Cause LOGM 0.30836 0.7376

LOGKURS does not Granger Cause LOGX 28 0.26658 0.7683

LOGX does not Granger Cause LOGKURS 9.50256 0.0010

INF does not Granger Cause LOGX 28 1.95518 0.1644

LOGX does not Granger Cause INF 1.14203 0.3366

LOGKURS does not Granger Cause LOGM 28 1.07072 0.3592

LOGM does not Granger Cause LOGKURS 8.63466 0.0016

INF does not Granger Cause LOGM 28 3.19541 0.0596

LOGM does not Granger Cause INF 0.15778 0.8550

INF does not Granger Cause LOGKURS 28 3.93789 0.0338

LOGKURS does not Granger Cause INF 0.31861 0.7303

26
6. Model Empiris VECM

Vector Error Correction Estimates

Date: 11/22/15 Time: 18:50
Sample (adjusted): 1987 2013
Included observations: 27 after adjustments
Standard errors in ( ) & t-statistics in [ ]

CointegratingEq: CointEq1

LOGULN(-1) 1.000000

LOGX(-1) -2.165887
(0.26410)
[-8.20088]

LOGM(-1) 1.351949
(0.29110)
[ 4.64430]

LOGKURS(-1) 0.392539
(0.12440)
[ 3.15544]

INF(-1) 0.060655
(0.01248)
[ 4.85835]

C -10.82287

Error Correction: D(LOGULN) D(LOGX) D(LOGM) D(LOGKURS) D(INF)

CointEq1 -0.702148 -0.585392 -0.513580 -0.599314 -33.20599

(0.25654) (0.24338) (0.15945) (0.75781) (10.8873)
[-2.73699] [-2.40521] [-3.22104] [-0.79085] [-3.04996]

D(LOGULN(-1)) 1.708878 1.269919 1.069336 0.136034 69.56594

(0.47524) (0.45087) (0.29537) (1.40385) (20.1688)
[ 3.59581] [ 2.81659] [ 3.62029] [ 0.09690] [ 3.44918]

D(LOGULN(-2)) 0.137087 0.450000 -0.141851 1.858509 9.255711

(0.59542) (0.56489) (0.37007) (1.75887) (25.2693)

27
 [ 0.23023] [ 0.79661] [-0.38331] [ 1.05665] [ 0.36628]

D(LOGX(-1)) 0.287678 0.512576 0.388970 1.637925 3.851544

(0.55002) (0.52182) (0.34185) (1.62476) (23.3425)
[ 0.52303] [ 0.98229] [ 1.13783] [ 1.00810] [ 0.16500]

D(LOGX(-2)) -0.057273 -0.489397 0.113205 -3.418794 -5.443903

(0.52898) (0.50186) (0.32878) (1.56261) (22.4496)
[-0.10827] [-0.97517] [ 0.34432] [-2.18788] [-0.24249]

D(LOGM(-1)) -0.207665 -0.416977 -0.468255 -0.247037 -6.747577

(0.34435) (0.32669) (0.21402) (1.01721) (14.6140)
[-0.60306] [-1.27636] [-2.18789] [-0.24286] [-0.46172]

D(LOGM(-2)) 0.236091 0.257379 -0.160294 1.799511 9.171538

(0.38121) (0.36166) (0.23693) (1.12610) (16.1784)
[ 0.61932] [ 0.71165] [-0.67654] [ 1.59801] [ 0.56690]

D(LOGKURS(-1)) 0.156984 0.142706 0.063880 -0.404128 10.02278

(0.09302) (0.08825) (0.05781) (0.27477) (3.94750)
[ 1.68772] [ 1.61714] [ 1.10498] [-1.47081] [ 2.53902]

D(LOGKURS(-2)) 0.123377 0.077791 0.004580 -0.164518 5.970412

(0.07341) (0.06965) (0.04563) (0.21686) (3.11564)
[ 1.68055] [ 1.11689] [ 0.10039] [-0.75862] [ 1.91627]

D(INF(-1)) -0.009477 -0.009689 -0.006723 0.004434 -0.445411

(0.01057) (0.01003) (0.00657) (0.03122) (0.44846)
[-0.89683] [-0.96649] [-1.02359] [ 0.14206] [-0.99319]

D(INF(-2)) 0.006628 0.007421 0.015165 -0.018291 -0.015030

(0.00775) (0.00736) (0.00482) (0.02291) (0.32907)
[ 0.85481] [ 1.00880] [ 3.14674] [-0.79856] [-0.04567]

C -0.217653 -0.066426 0.037276 -0.097870 -13.49025

(0.14794) (0.14035) (0.09195) (0.43701) (6.27842)
[-1.47123] [-0.47328] [ 0.40540] [-0.22395] [-2.14867]

R-squared 0.595790 0.575413 0.815626 0.711416 0.701653

Adj. R-squared 0.299369 0.264049 0.680419 0.499789 0.482865

28
Sum sq. resids 0.773747 0.696426 0.298891 6.751706 1393.581
S.E. equation 0.227119 0.215473 0.141160 0.670905 9.638746
F-statistic 2.009948 1.848041 6.032415 3.361638 3.207004
Log likelihood 9.645338 11.06667 22.48611 -19.59978 -91.55258
Akaike AIC 0.174419 0.069136 -0.776749 2.340724 7.670561
Schwarz SC 0.750347 0.645063 -0.200821 2.916652 8.246489
Mean dependent 0.137411 0.187056 0.170474 0.070984 -0.026667
S.D. dependent 0.271337 0.251170 0.249701 0.948603 13.40351

Determinant resid covariance (dof adj.) 2.26E-05

Determinant resid covariance 1.19E-06
Log likelihood -7.439108
Akaike information criterion 5.365860
Schwarz criterion 8.485467

29