EFEKTIVITAS KEBIJAKAN MONETER DAN KETIDAKPASTIAN

INFLASI TERHADAP UTANG LUAR NEGERI DAN STABILITAS

PEREKONOMIAN DI NEGARA SIX EMERGING MARKETS ASIA
(SEMA)

MINI RESEARCH

Diajukan Untuk MemenuhiPersyaratan Ujian

Memperoleh Gelar Sarjana Ekonomi Pada Fakultas Sosial Sains
Universitas Pembangunan Panca Budi

Oleh :

ADINDA REGITA CAHYANI.S

1715210109

PROGRAM STUDI EKONOMI PEMBANGUNAN

FAKULTAS SOSIAL SAINS
UNIVERSITAS PEMBANGUNAN PANCA BUDI
MEDAN
2019
 A. Judul: Efektivitas Kebijakan Moneter Dan Ketidakpastian Inflasi Terhadap

Utang Luar Negeri Dan Stabilitas Perekonomian Di Negara Six Emerging

Markets Asia (SEMA)

B. Latar Belakang Masalah

Stabilitas ekonomi sebagai suatu kondisi yang tercermin dari membaiknya fundamental

makro ekonomi. Dalam mendukung stabilitas ekonomi makro yang lebih optimal serta

menciptakan kerangka kebijakan moneter yang kuat dan antisipatif maka diperlukan adanya

kebijakan moneter yang tepat dalam mencapai sasaran stabilitas dalam jangka panjang.

Tujuan akhir kebijakan moneter adalah menjaga dan memelihara kestabilan nilai rupiah yang

salah satunya tercermin dari tingkat inflasi yang rendah dan stabil. (Rusiadi,2018)

Kebijakan moneter merupakan bagian dari pengelolaan stabilisasi ekonomi makro

yang diterapkan sejalan dengan siklus ekonomi (bussines cycle).Secara umum kebijakan

moneter adalah proses yang dilakukan oleh otoritas moneter (bank sentral) suatu Negara

dalam mengontrol atau mengendalikan jumlah uang beredar (JUB) melalui pendekatan

tingkat suku bunga yang bertujuan untuk mendorong stabilitas dan pertumbuhan ekonomi,

sudah termasuk di dalamnya stabilitas harga dan tingkat pengangguran yang rendah.

Definisi tersebut sejalan dengan yang dikemukakan oleh Litteboy andTaylor (2006:198)

bahwa kebijakan moneter merupakan upaya atau tindakan bank sentral dalam

mempengaruhi perkembangan moneter (jumlah uang beredar, suku bunga, kredit dan nilai

tukar) untuk mencapai tujuan ekonomi tertentu yang meliputi pertumuhan ekonomi,

stabilitas mata uang dan keseimbangan eksternal serta perluasan kesempatan kerja. Para

ekonom menyakini bahwa melalui kebijakan moneternya, bank sentral dapat mengontrol

jumlah uang beredar (JUB).

 Secara khusus, pasal (1) ayat 10 undang – undang Republik Indonesia nomor 23 tahun

1999 tentang bank Indonesia (BI) yang kemudian di amandemenkan menjadi undang –

undang nomor 3 tahun 2004 tentang bank Indonesia menyatakan bahwa kebijakan moneter

adalah kebjakan yang diterapkan dan dilaksanakan oleh bank Indonesia untuk mencapai

dan memelihara kestabilan rupiah yang dilakukan antara lain melalui pengendalian uang

beredar dan suku bunga.

Pertumbuhan ekonomi adalah proses perubahan kondisi perekonomian suatu negara

secara berkesinambungan menuju keadaan yang lebih baik selama periode tertentu.

Pertumbuhan ekonomi dapat diartikan juga sebagai proses kenaikan kapasitas produksi suatu

perekonomian yang diwujudkan dalam bentuk kenaikan pendapatan nasional. Semakin tinggi

tingkat pertumbuhan ekonomi maka semakin cepat proses pertambahan output wilayah

sehingga prospek perkembangan wilayah semakin baik. Menurut Todaro dan Smith (2004)

terdapat tiga faktor atau komponen utama yang mempengaruhi pertumbuhan ekonomi, yaitu

akumulasi modal (capital accumulation), pertumbuhan penduduk (growth in population), dan

kemajuan teknologi (technological progress).

Pengalaman di banyak Negara termasuk Negara SEMA( Six Emerging Market Asia)

menunjukkan bahwa kondisi perekonomian suatu Negara memburuk karena bank

sentralnya menerapkan kebijakan moneter yang bertujuan ganda. Untuk alasan ini, maka

mayoritas bank sentral baik di negara-negara industri maupun di negara-negara

berkembang termasuk di Indonesia (Bank Indonesia) mereorientasi kebijakan moneternya

menjadi kebijakan moneter yang bertujuan tunggal (single objective).

Menurut bank sentral, inflasi yang tinggi akan menyebabkan pendapatan riil masyarakat

terus merosot. Akibatnya standar hidup masyarakat turun dan menjadikan semua orang,

terutama orang miskin, bertambah miskin. Tak hanya itu, inflasi yang tidak stabil

menciptakan ketidakpastian bagi pelaku ekonomi dalam mengambil keputusan. Sejarah

memperlihatkan bahwa inflasi yang tak terkendali menyulitkan keputusan masyarakat dalam

menentukan konsumsi, investasi, dan produksi. Ujungnya, pertumbuhan ekonomi bisa

terpangkas.

Tingkat inflasi suatu negara merupakan salah satu variabel penting yang menjadi

perhatian dalam perekonomian. Masyhuri, Widodo, dan Rokhimah (2008) menjelaskan

tingkat inflasi yang tinggi dan tidak stabil memberikan dampak negatif pada kondisi ekonomi

masyarakat. Inflasi yang tinggi meningkatkan kemiskinan sebagai akibat dari menurunnya

pendapatan riil masyarakat.

Mitchel (1981) menyatakan bahwa kebijakan moneter dan fiskal yang tidak menentu

menghasilkan tingkat inflasi yang sangat bervariasi dan menyebabkan ketidakpastian inflasi

mengenai tingkat inflasi di masa mendatang. Penelitian sebelumnya menjelaskan bagaimana

tingkat inflasi dan ketidakpastian inflasi saling berhubungan. Friedman (1977 dalam

Jiranyakul dan Opiela, 2010) menjelaskan bagaimana kerangka kerja mengenai bagaimana

inflasi menyebabkan ketidakpastian inflasi, yang mengarah ke keputusan yang tidak efisien.

Sementara itu, Cukierman-Meltzer (1986 dalam Jiranyakul dan Opiela, 2010) menyatakan

tingkat ketidakpastian inflasi yang lebih tinggi menyebabkan peningkatan tingkat inflasi.

Beberapa penelitian belakangan ini juga menemukan hasil yang bervariasi, sebagian

penelitian menunjukkan hasil yang serupa dengan pernyataan Friedman dan beberapa

penelitian lain menunjukkan hasil yang sesuai dengan pernyataan Cukierman- Meltzer. Selain

itu, terdapat juga penelitian yang mendukung kedua pendapat tersebut. Maka dari itu,

perbedaan penjelasan mengenai hubungan tingkat inflasi dan ketidakpastian inflasi ini

menarik untuk dibahas.

Inflasi sebagai fenomena moneter menunjukkan kebijakan moneter memiliki peran

penting dalam pengendalian tingkat inflasi. Berdasarkan perbedaan pandangan dari Friedman

(1977) dan Cukierman- Meltzer (1986) mengenai ketidakpastian inflasi, serta pentingnya
peran kebijakan moneter dalam mengendalikan inflasi maka penelitian ini juga membahas

mengenai pengaruh variabel-variabel moneter dan ketidakpastian inflasi terhadap inflasi.

Tingkat harga, jumlah uang beredar, dan tingkat suku bunga saling berhubungan satu

sama lain. Case dan Fair (2006) menjelaskan ketika tingkat harga berubah tingkat permintaan

juga akan berubah. Saat harga meningkat maka permintaan atas uang akan meningkat.

Namun, saat jumlah uang yang beredar tidak berubah, tingkat suku bunga akan terus

meningkat untuk mengurangi jumlah permintaan uang. Sementara itu, jika tingkat harga

turun, permintaan uang juga akan menurun karena tidak banyak uang yang diperlukan untuk

bertransaksi. Tetapi, jika jumlah uang beredar tidak berubah maka tingkat suku bunga harus

turun untuk meningkatkan kuantitas permintaan uang terhadap kuantitas penawaran uang

yang tidak berubah.

Ketidakpastian inflasi dan tingkat inflasi memiliki hubungan sebab akibat seperti yang

dijelaskan dalam penelitian sebelumnya oleh Friedman (1997 dalam Thornton, 2007) bahwa

peningkatan tingkat inflasi dapat menyebabkan respons kebijakan moneter menjadi tidak

menentu, sehingga menimbulkan tingkat inflasi di masa mendatang menjadi semakin tidak

pasti. Pendapat lain menurut Cukierman- Meltzer (1986 dalam Thornton, 2007) menjelaskan

bahwa otoritas moneter memiliki insentif untuk membuat sebuah shock inflasi atau inflation

surprise untuk mendorong pertumbuhan ekonomi.

Untuk menjaga stabilitas harga, variabel moneter memiliki peran penting dalam menjaga

tingkat inflasi. Penerapan kebijakan yang tidak pasti berdampak pada semakin bervariasinya

tingkat inflasi dan menyebabkan adanya ketidakpastian. Beberapa teori yang digunakan

dalam penelitian ini adalah teori kuantitas uang dan teori efek Fisher. Teori kuantitas uang

menjelaskan bagaimana meningkatnya jumlah uang beredar meningkatkan tingkat inflasi.

Sementara itu, teori efek Fisher menjelaskan bagaimana perubahan tingkat inflasi dapat

merubah tingkat suku bunga.

 Sedangkan hubungan ketidakpastian inflasi terhadap inflasi yang digunakan berdasarkan

pada penelitian sebelumnya salah satunya penelitian yang telah dilakukan oleh Jiranyakul dan

Opiela (2010), Thornton (2007), Fountas (2010), dan Phoung (2014). Dalam penelitiannya

yang dilakukan oleh Thornton (2007) menunjukkan hasil bahwa tingkat inflasi yang lebih

tinggi menyebabkan peningkatan ketidakpastian inflasi, sedangkan sebagian sampel

menunjukkan tingkat ketidakpastian menyebabkan tingkat inflasi menjadi lebih tinggi dan

lebih rendah. Fountas (2010) menemukan bahwa ketidakpastian inflasi berdampak positif

terhadap tingkat inflasi dan terdapat hasil gabungan di mana sebagian negara menunjukkan

terdapat kausalitas tingkat inflasi terhadap ketidakpastian inflasi. Phoung (2014) dalam

penelitiannya menemukan bahwa tingkat inflasi yang tinggi menyebabkan ketidakpastian

inflasi untuk meningkat.

Deputi Gubernur Senior Bank Indonesia (BI) Mirza Adityaswara menegaskan, bank

sentral akan kembali melonggarkan kebijakan moneter. "BI sudah berikan guidance dan

cukup jelas, pelonggaran kebijakan moneter masih akan berlanjut. Mirza mengatakan, utang

luar negeri menjadi sumber pembiayaan kedua terbesar setelah kredit bank umum. "Jadi, bisa

enggak negara ini hidup tanpa utang luar negeri? Negara kita butuh Utang Luar Negeri

(ULN) agar bisa menopang perekonomian saat ini," katanya.

Selanjutnya akan di jelaskan beberapa negara penyumbang inflasi terbesar kedunia,

beberapa negara tersebut adalah negara-negara berkembang, yang awalnya memiliki

perekonomian yang rendah namun sekarang dapat dikatan negara maju pesat, karena

termasuk penyumbang inflasi terbesar dunia.

Tabel 1.1 Daftar 40 negara penyumbang GDP terbesar di dunia

Rank Country Daftar 40 Negara Penyumbang GDP Terbesar

1 China 23,159
2 United States 19,390
3 India 9,459
4 Japan 5,428
5 Germany 4,170
6 Russia 4,007
7 Indonesia 3,242
8 Brazil 3,240
 9 United Kingdom 2,914
10 France 1,769
11 Mexico 2,458
12 Italy 2,310
13 Turkey 2,173
14 Korea Selatan 2,029
15 Spain 1,773.9
16 Saudi Arabia 1,773.5
17 Canada 1,769
18 Iran 1,644
19 Australia 1,246
20 Thailand 1,233
21 Egypt 1,201
22 Taiwan 1,185
23 Polandia 1,121
24 Nigeria 1,118
25 Pakistan 1,056
26 Malaysia 930
27 Argentian 920
28 Netherlands 916
29 Philippines 875
30 South Africa 765
31 Colombia 714
32 Bangladesh 687
33 United Arab 686
34 Iraq 658
35 Vietnam 647
36 Algeria 632
37 Belgium 528
38 Singapore 527
39 Sweden 38
40 Switzerland 517

Pada tabel 1.1 menunjukkan 40 negara penyumbang GDP terbesar ke dunia. Sebagian

besar penyumbang GDP tersebut merupakan negara emerging market paling populer di

dunia, yang diumumkan oleh Global Intelligence Alliance (GIA), yaitu lembaga market

intelijen global. Berikutnya akan kita lihat 30 negara emerging market paling populer di

dunia.

Tabel 1.2 : The top 30 targeted Emerging Markets for 2012 – 2017

Rank Country
1 India
2 Brazil
3 China
4 Russia
5 Indonesia
6 Afrika Selatan
7 Vietnam
8 Mexico
9 Turki
10 Argentina
11 Thailand
12 Chile
13 Korea Selatan
14 Malaysia
15 Singapore
16 Nigeria
17 Colombia
18 Saudi Arabia
19 Polandia
20 Filipina
 21 UAE
22 Mesir
23 Taiwan
24 Hongkong
25 Peru
26 Romania
27 Ceko
28 Bangladesh
29 Pakistan
30 Hungaria

Dari ratusan negara emerging market yang di survei, GIA mengumumkan peringkat

30 negara emerging market yang paling populer untuk investasi dan perdagangan. Diantara

ke 30 negara emerging market tersebut terdapat beberapa negara yang termasuk dalam Asia

Tenggara yaitu Indonesia, Singapore, Malaysia, Thailand, Vietnam, dan Filipina.

Tabel 1.3 : Negara SEMA (Six Emerging Markets Asia)

Rank Country GDP

1 India 9,459
2 Philippines 875
3 Indonesia 3,242
4 China 23,159
5 Malaysia 930
6 Total 37,665

Dalam penelitian ini akan membahas ke 5 negara yang termasuk dalam Asia yang

mampu menyumbang GDP sebesar 37,665 US$ Milyar dengan tujuan, untuk melihat

kebijakan manakah yang paling efektif dalam pengendalian stabilitas ekonomi suatu negara

dan melihat negara manakah yang paling mampu mengendalikan stabilitas ekonominya baik

dalam jangka pendek, menengah dan panjang.

Beberapa masalah akan dibahas dalam penelitian ini yaitu dengan melihat dari

variabel makro ekonomi yang bersumber dari interaksi ataupun koordinasi kebijkan fiskal

dan kebijakan moneter. Berikut beberapa interaksi beberapa variabel fiskal dan moneter

terhadap stabilitas ekonomi di lima negara maju pesat SEMA (Six Emeging Market Asia)

dalam periode penelitian (2009 s/d 2019) adalah sebagai berikut :

 Tabel 1.4 : Produk Domestik Bruto (US$ Milyar) Tahun 2009 s/d 2018

no Tahun India Indonesia Philippines China Malaysia

आआआआआआआआआआ Pertumbuhan Paglglagongekonom 经济增长 PertumbuhanEkono
आ Ekonomi iya mi
( Jīngjìzēngzhǎng )
( aarthik vikaas )

1 2009 786188237155001 462887118256154 114833222040257 939981317141508 -151352871890151

2 2010 849758687599316 622385418062366 763226477978098 106361404632299 7.42484738592763
3 2011 524131422481111 61697842077098 365975160085374 955091409001014 5.2939128402282
4 2012 545638755166588 603005065305615 668381888126677 78596274932851 5.47345419229524
5 2013 638610640094825 555726368891037 706402426383154 776861528412806 4.6937225201998
6 2014 741022760508852 500666842575535 614529878578456 729951892117124 6.00672194999372
7 2015 799625378571471 487632230022051 6066548904721 690531667019702 5.09151572079188
8 2016 816952650547138 503306918280238 688405503672969 673667525262536 4.22341019438007
9 2017 716788886086535 506740636558547 667755356557139 244098615942872 5.89700929269976
10 2018 698233355585374 517127032830882 624373774240088 191043697561828 4.72363366654488

Sumber : world Bank

1.2E+15

1E+15

8E+14
India
6E+14
Indonesia
4E+14 Philippines
China
2E+14
Malaysia
0
2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
-2E+14

-4E+14

Gambar 1.1 : Perkembangan Pertumbuhan Ekonomi(%) negara SEMA Tahun 2009 s/d 2018.

Sumber : Tabel 1.4

Berdasarkan tabel dan grafik diketahui bahwa adanya penurunan pertumbuhan ekonomi

negara Philippines dan Indonesia terjadi pada tahun 2015, pertumbuhann ekonomi

Philippines turun menjadi 6066548904721 % dari 614529878578456% tahun sebelumnya,

Indonesia turun menjadi 487632230022051 % dari 500666842575535 % tahun sebelumnya,

pertumbuhan ekonomi Malaysia turun menjadi 509151572079188 % dari 509151572079188

% tahun sebelumnya dan pertumbuhan ekonomi China turun menjadi 690531667019702 %

dari 729951892117124 % tahun sebelumnya. Hal ini merupakan dampak dari krisis ekonomi

yang terjadi di negara-negara Eropa terutama di Amerika Serikat.

Pengeluaran pemerintah, investasi dan inflasi memiliki pengaruh yang positif terhadap

pembentukan pertumbuhan ekonomi di negara-negara dan variabel pengeluaran pemerintah

yang memiliki peranan paling besar dalam mempengaruhi pertumbuhan ekonomi. Beberapa

studi telah membuktikan kuatnya hubungan negatif antara inflasi dan pertumbuhan ekonomi

(Bruno dan Easterly, 1996 dalam Ismail (2006). Sementara itu,inflasi juga berdampak negatif

terhadap distribusi pendapatan melalui perubahan nilai kekayaaan yang tidak proporsional

dan sekaligus menurunkan kesejahteraan masyarakat (Ismail et al.,2005). Kenaikan tingkat

suku bunga berpengaruh langsung secara negatif terhadap komponen permintaan agregat

(konsumsi, investasi dan ekspor netto). Artinya, kenaikan tingkat suku bunga akan

menyebabkan penurunan GDP rill yang paada gilirannya menyebabkan perlambatan ekonomi

(Littleboy andTaylor, 2002:181). Pengaruh jumlah uang beredar (JUB) terhadap

pertumbuhan ekonomi hanya berlaku dalam jangka pendek. Tapi dalam jangka panjanguang

tidak akan berpengaruh terhadap pertumbuhan ekonomi (uang bersifat netral), kalaupun

dipaksakan maka kenaikan JUB akhirnya hanya akan mendorong kenaikan harga (inflasi).

Oleh karena itu suatu negara harus menjaga inflasi agar tidak berdampak negatif

terhadap petumbuhan ekonomi suatu negara. Pengeluaran pemerintah, investasi dan inflasi

memiliki pengaruh yang positif terhadap pembentukan produk domestik bruto di negara-

negara dan variabel pengeluaran pemerintah yang memiliki peranan paling besar dalam

mempengaruhi produk domestik bruto. Faktor-faktor yang mempengaruhinya adalah

Pengeluaran Pemerintah, Investasi, Inflasi. (jehuda,mahardika.2013). Berikut data inflasi di

negara SEMAT (Six Emerging Market Asia Tenggara).

 Tabel 1.5 inflasi (%) Tahun 2008 s/d 2019

India Indonesia Philippines China Malaysia

आआआआआआआआआआ Inflasi Pagpintong 通货膨胀 Inflasi

No Tahun आआ
Tōnghuò péngzhàng
(mudraaspheeti)

1 2009 704038701943965 82747524317285 277324521396764 210533901881263 599209754977618

2 2010 105260191740169 1526429366 422238717348273 688114487389014 7266866576

3 2011 873358243289618 7465943034 402172300059426 807559638021111 5412408084

4 2012 793438747792959 3753878753 196838419512146 233512068102371 999932304

5 2013 618650400083453 4965990291 204546754381228 21610191419249 174474486

6 2014 333175691706155 5443174549 315743751983524 791192996229967 2467466779

7 2015 227958810849836 398024266 586573665168515 626993857952414 36676995

8 2016 312422744124767 2438924087 169399916108371 107275629010253 1952743785

9 2017 383550478943577 4274985891 233253870833154 388416989478857 3817591748

10 2018 418473906705405 3831486213 376086483611373 290144215595774 884301816

Sumber:Worldbanb

1E+15
9E+14
8E+14
7E+14
India
6E+14
Indonesia
5E+14
Philippines
4E+14
China
3E+14 Malaysia
2E+14
1E+14
0
2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Gambar 1.2 : laju Inflasi negara SEMA Tahun 2009 s/d 2018 .Sumber : Tabel 1.2

Berdasarkan tabel dan grafik tersebut dapat dilihat perkembangan inflasi dari tahun

2009 sampai tahun 2018 mengalami fluktuasi yang beragam di negara SEMA (Six Emeging

Market Asia). Diketahui bahwa adanya kenaikan inflasi negara SEMA yaitu negara India,
Indonesia, Philippines, China dan Malaysia pada tahun 2017, inflasi India sebesar

383550478943577 % dari 312422744124767% tahun sebelumnya, inflasi Indonesia sebesar

4274985891 % dari 2438924087% tahun sebelumnya, inflasi Philippines naik sebesar

233253870833154 % dari 169399916108371% tahun sebelumnya, inflasi China naik sebesar

388416989478857 % dari 107275629010253 % tahun sebelumnya, dan inflasi Malaysia

sebesar 3817591748 % dari 1952743785% tahun sebelumnya.Hal ini disebabkan dampak

kenaikan harga minyak dunia dan kenaikan harga BBM akibat efek krisis ekonomi global

yang meningkatkan harga-harga barang.Berdasarkan APBN 2019 yang telah dirubah, asumsi

harga minyak menjadi US$ 70 per barel. Awal dari kenaikan-kenaikan inflasi tersebut ialah

terjadinya krisis ekonomi Amerika Serikat yang semakin lama semakin merambat menjadi

krisis ekonomi global karena sebenarnya perekonomian dunia saling berhubungan dari negara

satu dengan negara lainnya. Itu sebabnya negara SEMA juga turut mengalami krisis ekonomi

global,contohnya negara Indonesia merupakan negara yang masih begantung dengan aliran

dana dari investor asing, dengan adanya krisis global secara otomatis para investor asing

menarik dananya dari Indonesia. Dapat kita lihat dari negara SEMA tersebut bahwa negara

Indonesia merupakan negara yang mengalami dampak negatif paling ringan dari krisis global

tersebut dibandingkan negara lainnya.

Fenomena masalah dalam penelitian ini yaitu dengan melihat respon variabel-variabel

ekonomi terhadap efektifitas kebijakan fiskal dan kebijakan moneter negara emergingmarket

khususnya ke 5 (lima) negara yang termasuk dalam Asia dalam periode penelitian (2009 s/d

2018). Terjadinya kenaikan inflasi negara emerging market tahun 2017. Terjadi penurunan

pertumbuhan ekonomi negara-negara Emerging Market tahun 2015, yang merupakan dampak

dari krisis ekonomi yang terjadi di negara “Eropa terutama Amerika”.Meningat pentingnya

stabilitas ekonomi dalam suatu negara, maka perlu pengendalian ekonomi yang tepat dengan

kebijakan-kebijakan yang ditetapkan suatu negara tersebut. Maka penelitian ini berjudul
“Efektivitas Kebijakan Moneter Dan Ketidakpastian Inflasi Terhadap Utang Luar

Negeri Dan Stabilitas Perekonomian Di Six Emerging Markets Asia (Sema)”. Negara

yang termasuk dalam Asia (India, Indonesia, Philippines, China dan Malaysia) mampu

menyumbang GDP sebesar 37,665 US$ Milyar. Penelitian ini bertujuan, untuk melihat

kebijakan manakah yang paling efektif dalam pengendalian stabilitas ekonomi suatu negara

dan melihat negara manakah yang p\aling mampu mengendalikan stabilitas ekonominya baik

dalam jangka pendek, menengah dan panjang.

C. Identifikasi Masalah

Berdasarkan latar belakang masalah yang telah diuraikan diatas serta untuk memperoleh

kejelasan terhadap masalah yang akan dibahas, maka penulis mengidentifikasi masalah

sebagai berikut:

1. Terjadi penurunan pertumbuhan ekonomi di negara maju pesat yaitu negara

Philippina, Indonesia, Malaysia, China pada tahun 2015, yangmerupakan dampak dari

krisis ekonomi global yang terjadi di negara Amerika Serikat.

2. Terjadi kenaikan inflasi di enam negara maju pesat yaitu negara SEMA (Six Emerging

Market Asia) pada tahun 2017, yang merupakan akibat dari krisis ekonomi global

yang berdampak pada kenaikan harga minyak dunia dan kenaikan harga BBM.

3. Negara Indonesia termasuk negara yang mengalami dampak negatif paling ringan dari

krisis global dibandingkan dengan negara-negara lain.

4. Terjadinya ketidakstabilan ekonomi yang disebabkan oleh dampak dari krisis

ekonomi global juga diperkirakan karna kurangnya Koordinasi kebijakan moneter

dan ketidakpastian inflasi di masing-masing negara tersebut.

D. Rumusan Masalah

Berdasarkan identifikasi masalah, adapun rumusan masalah yang dibahas penulis adalah:

1. Apakah secara panel tingkat pertumbuhan ekonomi, jumlah uang beredar, suku

bunga, kurs, utang luar negeri, dan indeks harga saham gabungan berpengaruh

positif dan signifikan terhadap inflasi di India?

2. Apakah secara panel tingkat pertumbuhan ekonomi, jumlah uang beredar, suku

bunga, kurs, utang luar negeri, dan indeks harga saham gabungan berpengaruh

positif dan signifikan terhadap inflasi di Indonesia?

3. Apakah secara panel tingkat pertumbuhan ekonomi, jumlah uang beredar, suku

bunga, kurs, utang luar negeri, dan indeks harga saham gabungan berpengaruh

positif dan signifikan terhadap inflasi di Filipina?

4. Apakah secara panel tingkat pertumbuhan ekonomi, jumlah uang beredar, suku

bunga, kurs, utang luar negeri, dan indeks harga saham gabungan berpengaruh

positif dan signifikan terhadap inflasi di China?

5. Apakah secara panel tingkat pertumbuhan ekonomi, jumlah uang beredar, suku

bunga, kurs, utang luar negeri, dan indeks harga saham gabungan berpengaruh

positif dan signifikan terhadap inflasi di Malaysia?

E. Tujuan Penelitian

Berdasarkan rumusan masalah adapun tujuan dilakukannya penelitian ini adalah :

1. Menganalisis variabel secara panel tingkat pertumbuhan ekonomi, jumlah uang

beredar, suku bunga, kurs, utang luar negeri, dan indeks harga saham gabungan

berpengaruh positif dan signifikan terhadap inflasi di India?

 2. Menganalisi variabel secara panel tingkat pertumbuhan ekonomi, jumlah uang

beredar, suku bunga, kurs, utang luar negeri, dan indeks harga saham gabungan

berpengaruh positif dan signifikan terhadap inflasi di Indonesia?

3. Menganalisi variabel secara panel tingkat pertumbuhan ekonomi, jumlah uang

beredar, suku bunga, kurs, utang luar negeri, dan indeks harga saham gabungan

berpengaruh positif dan signifikan terhadap inflasi di Filipina?

4. Menganalisis variabel secara panel tingkat pertumbuhan ekonomi, jumlah uang

beredar, suku bunga, kurs, utang luar negeri, dan indeks harga saham gabungan

berpengaruh positif dan signifikan terhadap inflasi di China?

5. Menganalisis variabel secara panel tingkat pertumbuhan ekonomi, jumlah uang

beredar, suku bunga, kurs, utang luar negeri, dan indeks harga saham gabungan

berpengaruh positif dan signifikan terhadap inflasi di Malaysia?

F. Kerangka Konseptual

Dalam penelitian ada namanya kerangka konseptual. Kerangka konseptual adalah

hubungan timbal balik antara satu variabel dengan variabel lainnya secara parsial maupun

simultan. Dalam penelitian ini untuk melihat efektifitas kebijakan fiskal dan kebijakan

moneter dalam pengendalian stabilitas ekonomi di enam negara maju pesat, yang masing-

masing dari variabel kebijakan fiskal berkontribusi terhadap variabel-variabel dari stabilitas

ekonomi. Begitu juga sebaliknya masing-masing variabel dari kebijakan moneter juga

merespon dan sangat berpengaruh terhadap variabel-variabel dari stabilitas ekonomi.

Penelitian ini berawal dari kerangka berfikir sebagai berikut:

 Kebijakan Fiskal

KURS
ULN IHSG
Interaksi dan
koordinasi

Ketidakpastian
JUB
Inflasi

INF SB

PE

Kebijakan Moneter

Gambar 2.2 kerangka berpikir : Efektivitas Kebijakan Moneter Dan Ketidakpastian Inflasi

Berdasarkan kerangka berfikir diatas, maka terbentuklah kerangka konseptual ini dengan

pendekatan Regresi Panel ARDL sebagai berikut :

PE
INDIA

JUB
INDONESIA
STABILITAS
EKONOMI
SB (INFLASI) FILIPINA

CHINA
KURS

MALAYSIA

ULN

Gambar 2.5 : kerangka konseptual (Panel ARDL) : Efektivitas Kebijakan

IHSG
Moneter Dan Ketidakpastian Inflasidi negara SEMA.
 G. Hipotesis

Teori empirik yang dikemukakan oleh Umar (2008) sebagai berikut : Hipotesis adalah

suatu proposisi, kondisi atau prinsip untuk sementara waktu dianggap benar dan barang kali

tanpa keyakinan supaya bisa ditarik suatu konsekuensi logis dan dengan cara ini kemudian

diadakan pengujian tentang kebenarannya dengan menggunakan data empiris hasil penelitian.

Adapun hipotesis dalam penelitian ini adalah :

1. Secara panel tingkat pertumbuhan ekonomi, jumlah uang beredar, suku

bunga, kurs, utang luar negeri, dan indeks harga saham gabungan
berpengaruh positif dan signifikan terhadap inflasi di India ?
2. Secara panel tingkat pertumbuhan ekonomi, jumlah uang beredar, suku
bunga, kurs, utang luar negeri, dan indeks harga saham gabungan
berpengaruh positif dan signifikan terhadap inflasi di Indonesia ?
3. Secara panel tingkat pertumbuhan ekonomi, jumlah uang beredar, suku
bunga, kurs, utang luar negeri, dan indeks harga saham gabungan
berpengaruh positif dan signifikan terhadap inflasi di Filipina ?
4. Secara panel tingkat pertumbuhan ekonomi, jumlah uang beredar, suku
bunga, kurs, utang luar negeri, dan indeks harga saham gabungan
berpengaruh positif dan signifikan terhadap inflasi di China ?
5. Secara panel tingkat pertumbuhan ekonomi, jumlah uang beredar, suku
bunga, kurs, utang luar negeri, dan indeks harga saham gabungan
berpengaruh positif dan signifikan terhadap inflasi di Malaysia ?

H. Metode Analisis Data

Model analisis dalam penelitian ini menggunakan model analisis data sebagai berikut :

1. Regresi Panel ARDL

Dalam penelitian ini menggunakan data panel yaitu dengan menggunakan data antar

waktu dan data antar daerah atau negara. Regresi panel ARDL digunakan untuk mendapatkan

hasil estimasi masing-masing karakteristik individu secara terpisah dengan mengasumsikan

adanya kointegrasi dalam jangka panjang lag setiap variabel. Autoregresif Distributed Lag
(ARDL) yang diperkenalkan oleh Pesaran et al. (2001) dalam Rusiadi (2014). Teknik ini

mengkaji setiap lag variabel terletak pada I(1) atau I(0). Sebaliknya, hasil regresi ARDL

adalah statistik uji yang dapat membandingkan dengan dua nilai kritikal yang asymptotic.

Pengujian Regresi Panel dengan rumus:

INFit = α+β1PEit+β2JUBit+β3SBit+ β4KURSit +β5ULNit+ β6IHSGit+ e

Berikut rumus panel regressian berdasarkan negara :

INFINDIAt = α+β1PEit+β2JUBit+β3SBit+ β4KURSit +β5ULNit+ β6IHSGit+ e

INFINDONESIAt = α+β1PEit+β2JUBit+β3SBit+ β4KURSit +β5ULNit+ β6IHSGit+ e

INFPHILIPPINESt = α+β1PEit+β2JUBit+β3SBit+ β4KURSit +β5ULNit+ β6IHSGit+ e

INFCHINAt = α+β1PEit+β2JUBit+β3SBit+ β4KURSit +β5ULNit+ β6IHSGit+ e

INFMALAYSIAt = α+β1PEit+β2JUBit+β3SBit+ β4KURSit +β5ULNit+ β6IHSGit+ e

Dimana:

INF = Inflasi (%)

PE = Pertumbuhan ekonomi (%)

JUB = Jumlah uang beredar M1,(%)

SB = Suku bunga bank sentral (%)

KURS = Exchange rate (Milyar US$)

ULN = Utang luar negeri (Milyar US$)

IHSG = Indeks harga saham ganda (%)

Et = Guncangan acak (random disturbance)

p = panjang lag Model VAR akan terpenuhi dengan Model

Kriteria Panel ARDL :

Model Panel ARDL yang diterima adalah model yang memiliki lag terkointegrasi,

dimana asumsi utamanya adalah nilai coefficient pada Short Run Equation memiliki slope
negatifdengantingkatsignifikan 5%. Syarat Model Panel ARDL : nilainyanegatif (-0,597)

dansignifikan (0,012 < 0,05) maka model diterima :

a. Uji Stasioneritas

Data deret waktu (time series) biasanya mempunyai masalah terutama pada stasioner

atau tidak stasioner. Bila dilakukan analisis pada data yang tidak stasioner akan

menghasilkan hasil regresi yang palsu (spurious regression) dan kesimpulan yang diambil

kurang bermakna (Enders, 1995). Oleh karena itu, langkah pertama yang dilakukan adalah

menguji dan membuat data tersebut menjadi stasioner. Uji stasionaritas ini dilakukan untuk

melihat apakah data time series mengandung akar unit (unit root). Untuk itu, metode yang

biasa digunakan adalah uji Dickey-Fuller (DF) dan uji Augmented Dickey-Fuller (ADF).

Data dikatakan stasioner dengan asumsi mean dan variansinya konstan. Dalam melakukan

uji stasionaritas alat analisis yang dipakai adalah dengan uji akar unit (unit root test). Uji

akar unit pertama kali dikembangkan oleh Dickey-Fuller dan dikenal dengan uji akar unit

Dickey-Fuller (DF). Ide dasar uji stasionaritas data dengan uji akar unit dapat dijelaskan

melalui model berikut:

Yt = ρYt-1 + et (3.1)

Dimana: -1≤p≤1 dan et adalah residual yang bersifat random atau stokastik dengan

rata-rata nol, varian yang konstan dan tidak saling berhubungan (nonautokorelasi)

sebagaimana asumsi metode OLS. Residual yang mempunyai sifat tersebut disebut residual

yang white noise. Jika nilai ρ = 1 maka kita katakan bahwa variabel random (stokastik) Y

mempunyai akar unit (unit root). Jika data time series mempunyai akar unit maka

dikatakan data tersebut bergerak secara random (random walk) dan data yang mempunyai

sifat random walk dikatakan data tidak stasioner. Oleh karena itu jika kita melakukan

regresi Yt pada lag Yt-1 dan mendapatkan nilai ρ = 1 maka dikatakan data tidak stasioner.
Inilah ide dasar uji akar unit untuk mengetahui apakah data stasioner atau tidak. Jika

persamaan (3.1) tersebut dikurangi kedua sisinya dengan Yt-1 maka akan menghasilkan

persamaan sebagai berikut:

Yt - Yt-1 = ρYt-1 - Yt-1 + et = (ρ-1)Yt-1 + et (3.2)

Persamaan tersebut dapat ditulis menjadi:

ΔYt = θρYt-1 + et (3.3)

Didalam prakteknya untuk menguji ada tidaknya masalah akar unit kita mengestimasi

persamaan (3.3) daripada persamaan (3.2) dengan menggunakan hipotesis nul θ = 0. jika θ

= 0 maka ρ = 1 sehingga data Y mengandung akar unit yang berarti data time series Y

adalah tidak stasioner. Tetapi perlu dicatat bahwa jika θ = 0 maka persamaan persamaan

(3.1) dapat ditulis menjadi:

ΔYt = e(t) (3.4

karena et adalah residual yang mempunyai sifat white noise, maka perbedaan atau

diferensi pertama (first difference) dari data time series random walk adalah stasioner.

Untuk mengetahui masalah akar unit, sesuai dengan persamaan (3.3) dilakukan regresi Yt

dengan Yt-1 dan mendapatkan koefisiennya θ. Jika nilai θ = 0 maka kita bisa menyimpulkan

bahwa data Y adalah tidak stasioner . Tetapi jika θ negatif maka data Y adalah stasioner

karena agar θ tidak sama dengan nol maka nilai ρ harus lebih kecil dari satu. Uji statistik

yang digunakan untuk memverifikasi bahwa nilai θ nol atau tidak tabel distribusi normal

tidak dapat digunakan karena koefisien θ tidak mengikuti distribusi normal. Sebagai

alternatifnya Dickey- Fuller telah menunjukkan bahwa dengan hipotesis nul θ = 0, nilai

estimasi t dari koefisien Yt-1 di dalam persamaan (3.3) akan mengikuti distribusi statistik τ

(tau). Distribusi statistik τ kemudian dikembangkan lebih jauh oleh Mackinnon dan dikenal

dengan distribusi statistik Mackinnon.

b. Uji Cointegrasi Lag

Dalam menggunakan teknik ko-integrasi, perlu menentukan peraturan ko-integrasi

setiap variabel. Bagaimanapun, sebagai mana dinyatakan dalam penelitian terdahulu,

perbedaan uji memberi hasil keputusan yang berbeda dan tergantung kepada pra-uji akar

unit. Menurut Pesaran dan Shin (1995) dan Perasan, et al. (2001) memperkenalkan

metodologi baru uji untuk ko-integrasi. Pendekatan ini dikenali sebagai prosedur ko-

integrasi uji sempadan atau autoregresi distributed lag (ARDL). Kelebihan utama

pendekatan ini yaitu menghilangkan keperluan untuk variabel-variabel ke dalam I(1) atau

I(0). Uji ARDL ini mempunyai tiga langkah. Pertama, kita mengestimasi setiap 6

persamaan dengan menggunakan teknik kuadrat terkecil biasa (OLS). Kedua, kita

menghitung uji Wald (statistik F) agar melihat hubungan jangka panjang antara variabel.

Uji Wald dapat dilakukan dengan batasan-batasan untuk melihat koefisien jangka panjang.

Model Panel ARDL yang diterima adalah model yang memiliki lag terkointgegrasi,

dimana asumsi utamanya adalah nilai coefficient memiliki slope negatif dengan tingkat

signifikan 5%. Syarat Model Panel ARDL : nilainya negatif dan signifikan (< 0,05) maka

model diterima.

Metode ARDL merupakan salah satu bentuk metode dalam ekonometrika. Metode ini

dapat mengestimasi model regresi linear dalam menganalisis hubungan jangka panjang

yang melibatkan adanya uji kointegrasi diantara variabel-variabel times series. Metode

ARDL pertama kali diperkenalkan oleh Pesaran dan Shin (1997) dengan pendekatan uji

kointegrasi dengan pengujian Bound Test Cointegration. Metode ARDL memiliki beberapa

kelebihan dalam operasionalnya yaitu dapat digunakan pada data short series dan tidak

membutuhkan klasifikasi praestimasi variabel sehingga dapat dilakukan pada variabel I(0),

I(1) ataupun kombinasi keduanya. Uji kointegrasi dalam metode ini dilakukan dengan
membandingkan nilai F-statistic dengan nilai F tabel yang telah disusun oleh Pesaran dan

Pesaran (1997).

Dengan mengestimasi langkah pertama yang dilakukan dalam pendekatan ARDL

Bound Test untuk melihat F-statistic yang diperoleh. F-statistic yang diperoleh akan

menjelaskan ada atau tidaknya hubungan dalam jangka panjang antara variabel. Hipotesis

dalam uji F ini adalah sebagai berikut: H0 = 𝛼₁ = 𝛼₂ = 𝛼n = 0; tidak terdapat hubungan

jangka panjang, H₁ ≠ 𝛼₁ ≠ 𝛼₂ ≠ 𝛼n ≠ 0; terdapat hubungan jangka panjang, 15 Jika nilai F-

statistic yang diperoleh dari hasil komputasi pengujian Bound Test lebih besar daripada

nilai upper critical value I(1) maka tolak H0, sehingga dalam model terdapat hubungan

jangka panjang atau terdapat kointegrasi, jika nilai F-statistic berada di bawah nilai lower

critical value I(0) maka tidak tolak H0, sehingga dalam model tidak terdapat hubungan

jangka panjang atau tidak terdapat kointegrasi, jika nilai F-statistic berada di antara nilai

upper dan lower critical value maka hasilnya tidak dapat disimpulkan. Secara umum model

ARDL (p,q,r,s) dalam persamaan jangka panjang dapat dituliskan sebagai berikut:

Pendekatan dengan menggunakan model ARDL mensyaratkan adanya lag seperti yang

ada pada persamaan diatas. Menurut Juanda (2009) lag dapat di definisikan sebagai waktu

yang diperlukan timbulnya respon (Y) akibat suatu pengaruh (tindakan atau keputusan).

Pemilihan lag yang tepat untuk model dapat dipilih menggunakan basis Schawrtz-Bayesian

Criteria (SBC), Akaike Information Criteria (AIC) atau menggunakan informasi kriteria

yang lain, model yang baik memiliki nilai informasi kriteria yang terkecil. Langkah

selanjutnya dalam metode ARDL adalah mengestimasi parameter dalam short run atau

jangka pendek. Hal ini dapat dilakukan dengan mengestimasi model dengan Error

Correction Model (ECM), seperti yang telah dijelaskan sebelumnya bahwa dari model
 ARDL kita dapat memperoleh model ECM. Estimasi dengan Error Correction Model

berdasarkan persamaan jangka panjang diatas adalah sebagai berikut:

Di mana ECTt merupakan Error Correction Term yang dapat ditulis sebagai berikut:

Hal penting dalam estimasi model ECM adalah bahwa error correction term (ECT)

harus bernilai negatif, nilai negatif dalam ECT menunjukkan bahwa model yang diestiamsi

adalah valid. Semua koefisien dalam persamaan jangka pendek di atas merupakan koefisien

yang menghubungkan model dinamis dalam jangka pendek konvergen terhadap

keseimbangan dan 𝜗 merepresentasikan kecepatan penyesuaian dari jangka pendek ke

keseimbangan jangka panjang. Hal ini memperlihatkan bagaimana ketidakseimbangan akibat

shock di tahun sebelumnya disesuaikan pada keseimbangan jangka panjang pada tahun ini.

I. Data

NEGARA TAHUN INF PE JUB SB KURS ULN IHSG

INDIA 2004 572540656016211 792294341860007 20595082000000 491013491969931 453164666666667 1236444858221 553860259735709

INDIA 2005 562191251411232 792342866735518 23807895000000 485513598819043 44099975 1211954784445 565419506247169

INDIA 2006 840093218897802 806072889963741 28958290522000 257061240595615 453070083333333 1595255189114 693194865893947

INDIA 2007 694440752491022 766082415755609 354077370279733 56818546654791 413485333333333 2040575392995 93971427539918

INDIA 2008 919396193308172 30866993740887 426646270445095 377176356092132 435051833333333 2271117684346 771922733177903

INDIA 2009 704038701943965 786188237155001 50342484730000 480857097389379 484052666666667 2563122413334 812703487182016

INDIA 2010 105260191740169 849758687599316 59304543000000 198384886237937 457258121212121 2904275445632 645169748575697

INDIA 2011 873358243289618 524131422481111 68874866612000 131797757574567 466704666666667 3343992984731 354046935395241

INDIA 2012 793438747792959 545638755166588 764825754530556 247352048880903 534372333333333 3925760470643 337087419655087

INDIA 2013 618650400083453 638610640094825 878261115797043 386599286270871 585978454166667 4272450806448 2896380367333

INDIA 2014 333175691706155 741022760508852 971245971581625 669517609043589 610295144607843 4575074322586 358341442231275

INDIA 2015 227958810849836 799625378571471 107437019361400 755648841353984 641519444632786 4788341201541 366991054488358

INDIA 2016 312422744124767 816952650547138 114743761759911 634988762702056 671953128073894 4555103492514 350097699342023

INDIA 2017 383550478943577 716788886086535 126712733703626 546328402351515 65121568645066 5114839592842 447120869469923

INDIA 2018 418473906705405 698233355585374 140042431749442 505777299708086 683894670935421 5213905640174 46197716867623

INDONESIA 2004 855072703186366 503087394501685 1033876781462000 513441023123413 893885 1380418138718 851853923811829

INDONESIA 2005 143317870842712 569257130383384 1202762248375470 245735467014808 970474166666667 1421317954402 974534741626265

INDONESIA 2006 140874244167926 550095178520348 1382493281365620 165815142163524 915931666666667 1359700109569 110604254644363

INDONESIA 2007 112585785308971 634502222667214 1649661781092000 233967409088073 9141 1478273376043 219598830180983

INDONESIA 2008 181497512494676 601370360009123 1895838620055980 385224502633455 96989625 1579161946124 148657552317013

INDONESIA 2009 82747524317285 462887118256154 2141383778982180 574795209578429 103899375 179404705351 159519211874379

INDONESIA 2010 152642936576453 622385418062366 2471205870900000 174609753559629 909043333333333 1982783526955 138330046082963

INDONESIA 2011 746594303367539 61697842077098 2877219653876070 45943767488373 877043333333333 2196293832474 118117714335403

INDONESIA 2012 375387875323612 603005065305615 3307507636804370 775018856489072 938662916666667 2525666228973 100155118920293

INDONESIA 2013 496599029131673 555726368891037 3730197122280670 637493124212141 10461.24 2654681466889 108334361823624

INDONESIA 2014 544317454935566 500666842575535 4173326611657070 679211858069775 118652112962963 292991054969 101841027516712

INDONESIA 2015 398024266014035 487632230022051 4548800392762800 834991063469397 133894129365079 3062240643296 871753857310427

INDONESIA 2016 243892408688149 503306918280238 5004976786498600 922443234413267 133083268020542 3190127003797 97015587975358

INDONESIA 2017 427498589083987 506740636558547 5419165045825050 651963400849583 133808338788891 3501334240836 911078916957205

INDONESIA 2018 383148621345772 517127032830882 5760046195300010 645775255438837 142369387734818 3698403204301 100417437150401

FILIPINA 2004 551688658251277 669762361347838 288428313800025 4323586077305 560399166666667 611485366775 353895811384434

FILIPINA 2005 582800968884014 477766782008273 308163157934372 411696959116676 550854916666667 586927223218 519341984433494

FILIPINA 2006 494902410594121 524296035604902 380438555902635 460189373066506 513142725 575974605689 749410548964442

FILIPINA 2007 309033098624825 661666228418186 416982366825971 543318236233579 46148391177755 591755731716 162257052057734

FILIPINA 2008 754906208919289 415275684286497 458851162182799 111764921124425 4432328760941 582697852086 71004680532572

FILIPINA 2009 277324521396764 114833222040257 498488522007928 563660458579323 476796884535091 55984120354 850651612491521

FILIPINA 2010 422238717348273 763226477978098 55280922885376 331049747252555 451096641800896 653580084101 111474741148688

FILIPINA 2011 402172300059426 365975160085374 582145431294286 253939939005879 433131369237488 66114028173 122094465496874

FILIPINA 2012 196838419512146 668381888126677 622766353263078 363947691646965 422287947349434 693716948165 142683559372926

FILIPINA 2013 204546754381228 706402426383154 805420626730572 364677224681569 42446184830674 662009310813 164028714760974

FILIPINA 2014 315743751983524 614529878578456 905594821082957 229598485943005 443951543042097 771701457139 148332767959418

FILIPINA 2015 586573665168515 6066548904721 988871732466454 620119826109298 455028399421431 764945484941 131220760748388

FILIPINA 2016 169399916108371 688405503672969 112065147948901 388223579708243 474924638585099 729308873877 117585093287691

FILIPINA 2017 233253870833154 667755356557139 124866489822115 321961258193648 504037197937177 743818977009 107788163760684

FILIPINA 2018 376086483611373 624373774240088 136103407227604 227218148924458 526614299539683 788243628496 882832464415276

CHINA 2004 695432180104115 101112234580385 24242613000000 148284961446997 827680083333333 2459761014019 26158831588545

CHINA 2005 390263977761339 113957759412304 28301227000000 161435765826233 819431666666667 2835014797406 171641537308692

CHINA 2006 392791085226867 127194790206909 34560360000000 210924007781446 797343833333333 3233297821998 421124868082556

CHINA 2007 774917983753764 142313880356883 40344221000000 259101589412177 76075325 3736547338202 177601123913473

CHINA 2008 77918019418298 965428937259918 47516660000000 230240324136071 6948655 3803543798569 849977541454671

CHINA 2009 251501053390188 939981317141508 610224523075859 128496144699761 683141605176666 4478460846801 153493402310689

CHINA 2010 688114487389014 106361404632299 725851785555933 161435765826233 67702690287094 7346391547307 135658274107769

CHINA 2011 807559638021111 955091409001014 85159087106100 210924007781446 646146132655007 10445123121834 883795883448115

CHINA 2012 233512068102371 78596274932851 97414886583000 259101589412177 631233282683186 11383812861517 589201033415054

CHINA 2013 21610191419249 776861528412806 110652500263258 230240324136071 619575834608231 14717265957614 80414365012392

CHINA 2014 791192996229967 729951892117124 122837482925283 128496144699761 614343409448867 17705401597177 114569102259878

CHINA 2015 626993857952414 690531667019702 139227813190717 161435765826233 622748867298455 13259254850425 357004814939375

CHINA 2016 107275629010253 673667525262536 155006666873100 210924007781446 66444778294468 14158357805402 163776107116381

CHINA 2017 388416989478857 675700761091511 167577363382557 259101589412177 675875508633597 17099486218849 141405584409293

CHINA 2018 290144215595774 660000000000001 179292800240995 230240324136071 661595717735439 19623044267791 960500909104525

MALAYSIA 2004 600950623035301 678343773387473 62437510991645 342677786852254 38 34436078626 434400435398029

MALAYSIA 2005 886235683935968 533213914898454 67927747445964 267296880560242 378709166666667 31959984222 311037650201075

MALAYSIA 2006 398075743367539 55848470716013 771869840064 240917258297125 366817695833333 870594215.5 425010754264113

MALAYSIA 2007 488149909943178 629878592977764 83302150422672 145656534312748 343756938226247 8687917505 79897824089939

MALAYSIA 2008 103887570298216 483176988700149 92078386095932 390325713030501 333583333333333 9946244109 356657149906227

MALAYSIA 2009 599209754977618 151352871890151 99205186999263 117822692856142 352450291070644 11442985973 399681621301774

MALAYSIA 2010 726686657634575 742484738592763 106494522288691 211329616376212 322108691472175 10206339522 450124799107415

MALAYSIA 2011 541240808398462 52939128402282 122072475286892 471868628205822 306000301052058 12134156259 437377588175486

MALAYSIA 2012 999932303703858 547345419229524 132871030534389 374841937343619 308880086662188 13310159424 393257700856214

MALAYSIA 2013 174474486468412 46937225201998 142700033053742 443029577772437 315090855009725 1566180341 439759587348102

MALAYSIA 2014 246746677939937 600672194999372 151695911756427 206839743557965 327285974643047 1666415306 421968294116371

MALAYSIA 2015 366769952318805 509151572079188 156312830125121 497031314772773 390550026302768 17210880781 375819435120711

MALAYSIA 2016 195274378534461 422341019438007 160691361334978 254193963407805 414830066287879 18497396364 331202221138134

MALAYSIA 2017 381759174822589 589700929269976 168154895123343 761418488796113 430044087761124 21836485029 43665762919008

MALAYSIA 2018 884301815543694 472363366654488 181082683683064 400868965368465 403513013706806 22659729183 381926146207858

J. Hasil Analisa Data

1. Hasil Uji Panel ARDL

Analisis panel dengan Auto Regresive Distributin Lag (ARDL) menguji data pooled yaitu

gabungan data cross section (negara) dengan data time series (tahunan), hasil panel

ARDL lebih baik dibandingkan dengan panel biasa, karena mampu terkointegrasi jangka

panjang dan memiliki distribusi lag yang paling sesuai dengan teori, dengan

menggunakan software Eviews 10, maka di dapatkan hasil sebagai berikut :

Tabel 4.20 : Output Panel ARDL

Dependent Variable: D(INF)

Method: ARDL
Date: 11/27/19 Time: 12:56
Sample: 2005 2018
Included observations: 70
Maximum dependent lags: 1 (Automatic selection)
Model selection method: Akaike info criterion (AIC)
Dynamic regressors (1 lag, automatic): PE JUB SB KURS ULN IHSG
Fixed regressors: C
Number of models evalulated: 1
Selected Model: ARDL(1, 1, 1, 1, 1, 1, 1)
Note: final equation sample is larger than selection sample

Variable Coefficient Std. Error t-Statistic Prob.*

Long Run Equation

PE -0.221325 0.099462 -2.225232 0.0340

JUB 0.016601 0.033746 0.491935 0.6265
SB -0.995490 0.166651 -5.973497 0.0000
 KURS -0.225865 0.069406 -3.254252 0.0029
ULN -0.577984 3.199942 -0.180623 0.8579
IHSG 0.178211 0.052176 3.415582 0.0019

Short Run Equation

COINTEQ01 -1.017263 0.381260 -2.668163 0.0124

D(PE) -0.120621 0.184753 -0.652878 0.5190
D(JUB) -1.209914 1.294683 -0.934525 0.3577
D(SB) -0.199597 0.446554 -0.446972 0.6582
D(KURS) 0.157919 0.121792 1.296625 0.2050
D(ULN) 5453.091 5475.670 0.995877 0.3275
D(IHSG) -0.135522 0.042102 -3.218904 0.0032
C 8.67E+14 4.26E+14 2.035184 0.0511

Model Panel ARDL yang diterimaadalah model yang memiliki lag terkointegrasi,

dimanaasumsiutamanyaadalahnilai coefficient memiliki slope negatifdengantingkatsignifikan

5%. Syarat Model Panel ARDL : nilainyanegatif (-1,01) dansignifikan (0,01 < 0,05) maka

model diterima. Berdasarkanpenerimaan model, makaanalisis data dilakukandengan panel per

negara.

a. Hasil Uji Panel Negara India

Tabel 4.21 : Output panel ARDL Negara India

Variable Coefficient Std. Error t-Statistic Prob. *

COINTEQ01 -1.367626 0.060501 -22.60497 0.0002

D(PE) 0.302230 0.044448 6.799639 0.0065
D(JUB) 0.013915 0.020585 0.675966 0.5475
D(SB) 1.052423 0.110892 9.490543 0.0025
D(KURS) 0.220419 0.017935 12.29016 0.0012
D(ULN) -191.1715 43432.57 -0.004402 0.9968
D(IHSG) -0.025014 0.027483 -0.910138 0.4299
C 1.62E+15 1.03E+29 1.56E-14 1.0000

Hasil uji panel ardl menunjukkan :

1) Pertumbuhan Ekonomi (PE)

Pertumbuhan ekonomi signifikan dalam mempengaruhi inflasi. Hal inidapat dilihat

pada nilai probabilitas sig sebesar 0,00 <0,05. Dimana pertumbuhan ekonomi

berpengaruh terhadap inflasi.

 2) Jumlah Uang Beredar (JUB)

Jumlah uang beredar tidak signifikan mempengaruhi inflasi. Hal ini dapat dilihat

pada nilai probabilitas sig sebesar 0,54 >0,05. Dimana jumlah uang beredar tidak

berpengaruh terhadap inflasi.

3) Suku Bunga (SB)

Suku bunga signifikan dalam mempengaruhi inflasi, hal ini dapat dilihat dari nilai
probabilitas sig sebesar 0,00 < 0,05. Dimana naiknya suku bunga akan menurunkan
inflasi.
4) Kurs
Kurs signifikan dalam mempengaruhi inflasi, hal ini dapat dilihat dari nilai
probablitas sig sebesar 0,00 < 0,05. Dimana kurs berpengaruh terhadap inflasi.
5) Utang Luar Negeri (ULN)
Utang luar negeri tidak signifikan dalam mempengaruhi inflasi. Hal ini dapat
dilihat pada nilai probabilitas sig sebesar 0,99> 0,05. Dimana utang luar negeri
tidak berpengaruh terhadap inflasi.
6) Indeks Harga Saham Gabungan (IHSG)
Indeks harga saham gabungan tidak signifikan dalam mempengaruhi inflasi. Hal
ini dapat dilihat pada nilai probabilitas sig sebesar 0,42 > 0,05. Dimana indeks
harga saham gabungan tidak berpengaruh terhadap inflasi.

b. Hasil Uji Panel Negara Indonesia

Tabel 4.22 : Output panel ARDL Negara Indonesia

Variable Coefficient Std. Error t-Statistic Prob. *

COINTEQ01 -0.606708 0.008236 -73.66107 0.0000

D(PE) -0.282913 0.016893 -16.74735 0.0005
D(JUB) 2.028751 0.104470 19.41946 0.0003
D(SB) 0.156593 0.011009 14.22457 0.0008
D(KURS) -0.010096 0.002373 -4.254336 0.0238
D(ULN) 3.648070 361.0381 0.010104 0.9926
D(IHSG) -0.044304 0.002020 -21.92912 0.0002
C -1.53E+14 1.01E+28 -1.52E-14 1.0000
 Hasil uji panel ardl menunjukkan :

1) Pertumbuhan Ekonomi (PE)

Pertumbuhan ekonomi signifikan dalam mempengaruhi inflasi. Hal ini dapat

dilihat pada nilai probabilitas sig sebesar 0,00 <0,05. Dimana pertumbuhan

ekonomi berpengaruh terhadap inflasi.

2) Jumlah Uang Beredar (JUB)

Jumlah uang beredar signifikan mempengaruhi inflasi. Hal ini dapat dilihat pada

nilai probabilitas sig sebesar 0,00<0,05. Dimana jumlah uang beredar berpengaruh

terhadap inflasi.

3) Suku Bunga (SB)

Suku bunga signifikan dalam mempengaruhi inflasi, hal ini dapat dilihat dari nilai

probabilitas sig sebesar 0,00 < 0,05. Dimana naiknya suku bunga akan menurunkan

inflasi.

4) Kurs

Kurs signifikan dalam mempengaruhi inflasi, hal ini dapat dilihat dari nilai

probablitas sig sebesar 0,02< 0,05. Dimana kurs berpengaruh terhadap inflasi.

5) Utang Luar Negeri (ULN)

Utang luar negeri tidak signifikan dalam mempengaruhi inflasi. Hal ini dapat

dilihat pada nilai probabilitas sig sebesar 0,99 > 0,05. Dimana utang luar negeri

tidak berpengaruh terhadap inflasi.

6) Indeks Harga Saham Gabungan (IHSG)

Indeks harga saham gabungan signifikan dalam mempengaruhi inflasi. Hal ini

dapat dilihat pada nilai probabilitas sig sebesar 0,00<0,05. Dimana indeks harga

saham gabungan berpengaruh terhadap inflasi.

c. Hasil Uji Panel Negara Filipina
Tabel 4.23 : Output panel ARDL Negara Filipina

Variable Coefficient Std. Error t-Statistic Prob. *

COINTEQ01 -0.721652 0.031817 -22.68155 0.0002

D(PE) -0.693387 0.016746 -41.40499 0.0000
D(JUB) -0.421968 0.008151 -51.76584 0.0000
D(SB) 0.043324 0.035073 1.235253 0.3047
D(KURS) -0.190343 0.004419 -43.07489 0.0000
D(ULN) 237.7171 9044.865 0.026282 0.9807
D(IHSG) -0.224425 0.003620 -61.98904 0.0000
C 6.30E+14 3.76E+28 1.67E-14 1.0000

Hasil uji panel ardl menunjukkan :

1) Pertumbuhan Ekonomi (PE)

Pertumbuhan ekonomi signifikan dalam mempengaruhi inflasi. Hal ini dapa

tdilihat pada nilai probabilitas sig sebesar 0,00 <0,05. Dimana pertumbuhan

ekonomi berpengaruh terhadap inflasi.

2) Jumlah Uang Beredar (JUB)

Jumlah uang beredar signifikan mempengaruhi inflasi. Hal ini dapat dilihat pada

nilai probabilitas sig sebesar 0,00 <0,05. Dimana jumlah uang beredar berpengaruh

terhadap inflasi.

3) Suku Bunga (SB)

Suku bunga tidak signifikan dalam mempengaruhi inflasi, hal ini dapat dilihat dari

nilai probabilitas sig sebesar 0,30 > 0,05. Dimana suku bunga tidak berpengaruh

terhadap inflasi.

4) Kurs

Kurs signifikan dalam mempengaruhi inflasi, hal ini dapat dilihat dari nilai

probablitas sig sebesar 0,00< 0,05. Dimana kurs berpengaruh terhadap inflasi.
 5) Utang Luar Negeri (ULN)

Utang luar negeri tidak signifikan dalam mempengaruhi inflasi. Hal ini dapat

dilihat pada nilai probabilitas sig sebesar 0,98> 0,05. Dimana utang luar negeri

tidak berpengaruh terhadap inflasi.

6) Indeks Harga Saham Gabungan (IHSG)

Indeks harga saham gabungan signifikan dalam mempengaruhi inflasi. Hal ini

dapat dilihat pada nilai probabilitas sig sebesar 0,00 <0,05. Dimana indeks harga

saham gabungan berpengaruh terhadap inflasi.

d. Hasil Uji Panel Negara China

Tabel 4.24 : Output panel ARDL Negara China

Variable Coefficient Std. Error t-Statistic Prob. *

COINTEQ01 -2.305388 0.024718 -93.26678 0.0000

D(PE) -0.188948 0.011807 -16.00364 0.0005
D(JUB) -1.946622 0.038275 -50.85948 0.0000
D(SB) -1.635766 0.517688 -3.159752 0.0509
D(KURS) 0.242876 0.017375 13.97870 0.0008
D(ULN) -138.4922 350.6551 -0.394953 0.7193
D(IHSG) -0.209967 0.008238 -25.48805 0.0001
C 2.08E+15 4.66E+28 4.46E-14 1.0000

Hasil uji panel ardlmenunjukkan :

1) Pertumbuhan Ekonomi (PE)

Pertumbuhan ekonomi signifikan dalam mempengaruhi inflasi. Hal ini dapat

dilihat pada nilai probabilitas sig sebesar 0,00 <0,05. Dimana pertumbuhan

ekonomi berpengaruh terhadap inflasi.

 2) Jumlah Uang Beredar (JUB)
Jumlah uang beredar signifikan mempengaruhi inflasi. Hal ini dapat dilihat pada
nilai probabilitas sig sebesar 0,00 <0,05. Dimana jumlah uang beredar berpengaruh
terhadap inflasi.
3) Suku Bunga (SB)
Suku bunga tidak signifikan dalam mempengaruhi inflasi, hal ini dapat dilihat dari
nilai probabilitas sig sebesar 0,59 > 0,05. Dimana suku bunga tidak berpengaruh
terhadap inflasi.
4) Kurs
Kurs signifikan dalam mempengaruhi inflasi, hal ini dapat dilihat dari nilai
probablitas sig sebesar 0,00 < 0,05. Dimana kurs berpengaruh terhadap inflasi.
5) Utang Luar Negeri (ULN)
Utang luar negeri tidak signifikan dalam mempengaruhi inflasi. Hal ini dapat
dilihat pada nilai probabilitas sig sebesar 0,71 > 0,05. Dimana utang luar negeri
tidak berpengaruh terhadap inflasi.
6) Indeks Harga Saham Gabungan (IHSG)
Indeks harga saham gabungan signifikan dalam mempengaruhi inflasi. Hal ini
dapat dilihat pada nilai probabilitas sig sebesar 0,00 < 0,05. Dimana indeks harga
saham gabungan berpengaruh terhadap inflasi.

e. Hasil Uji Panel Negara Malaysia

Tabel 4.24 : Output panel ARDL Negara Malaysia

Variable Coefficient Std. Error t-Statistic Prob. *

COINTEQ01 -0.084944 0.143243 -0.593005 0.5949

D(PE) 0.259910 0.037013 7.022120 0.0059
D(JUB) -5.723644 18.83223 -0.303928 0.7810
D(SB) -0.614561 0.228448 -2.690156 0.0744
D(KURS) 0.526739 0.565961 0.930698 0.4207
D(ULN) 27353.76 1.69E+08 0.000162 0.9999
D(IHSG) -0.173900 0.285549 -0.609001 0.5855
C 1.61E+14 1.09E+29 1.48E-15 1.0000

Hasil uji panel ardl menunjukkan :

1) Pertumbuhan Ekonomi (PE)
Pertumbuhan ekonomi signifikan dalam mempengaruhi inflasi. Hal ini dapat
dilihat pada nilai probabilitas sig sebesar 0,00 <0,05. Dimana pertumbuhan
ekonomi berpengaruh terhadap inflasi.
 2) Jumlah Uang Beredar (JUB)

Jumlah uang beredar tidak signifikanmempengaruhiinflasi. Hal ini dapat dilihat

padanilaiprobabilitas sig sebesar 0,78 >0,05. Dimanajumlah uang beredar tidak
berpengaruh terhadap inflasi.

3) Suku Bunga (SB)

Suku bunga tidak signifikan dalam mempengaruhi inflasi, hal ini dapat dilihat dari
nilai probabilitas sig sebesar 0,07 > 0,05. Dimana suku bunga tidak berpengaruh
terhadap inflasi.

4) Kurs

Kurs tidak signifikan dalam mempengaruhi inflasi, hal ini dapat dilihat dari nilai
probablitas sig sebesar 0,42 > 0,05. Dimana kurs tidak berpengaruh terhadap
inflasi.

5) Utang Luar Negeri (ULN)

Utang luar negeri tidak signifikan dalam mempengaruhi inflasi. Hal ini dapat
dilihat pada nilai probabilitas sig sebesar 0,99 > 0,05. Dimana utang luar negeri
tidak berpengaruh terhadap inflasi.

6) Indeks Harga Saham Gabungan (IHSG)

Indeks harga saham gabungan signifikan dalam mempengaruhi inflasi. Hal ini
dapat dilihat pada nilai probabilitas sig sebesar 0,58 > 0,05. Dimana indeks harga
saham gabungan berpengaruh terhadap inflasi.

Berdasarkan hasil keseluruhan secara panel ternyata pertumbuhan ekonomi, jumlah uang
beredar, suku bunga dan kurs juga mampu menjadi leading indicator untuk pengendalian
negara SEMA (India, Indonesia, Filipina, China dan Malaysia), namun posisinya tidak stabil
dalam short run dan long run.