Revisi 10 - Yuke

ANALISIS PERBANDINGAN RESPON VARIABEL MAKRO EKONOMI
TERHADAP KESINAMBUNGAN FISKAL ANTARA INDONESIA DAN MALAYSIA
Tesis
untuk memenuhi sebagian persyaratan
mencapai derajat Sarjana S-2
Magister Ilmu Ekonomi
OLEH:
YUKE FIRDAUSI DYAHNINGRUM
121011801037
KEPADA
PROGRAM STUDI MAGISTER ILMU EKONOMI

PROGRAM PASCASARJANA
UNIVERSITAS TRISAKTI
JAKARTA, 2020
A COMPARATIVE ANALYSIS OF MACROECONOMIC VARIABLES RESPONSE
TO FISCAL SUSTAINABILITY BETWEEN INDONESIA AND MALAYSIA
Thesis
presented to the board of examiners in partial
fulfillment of the requirement for master degree
Master of Economics
SUBMITTED BY
YUKE FIRDAUSI DYAHNINGRUM
121011801037
TO
MASTER OF ECONOMICS PROGRAM

MAGISTER PROGRAM
TRISAKTI UNIVERSITY
JAKARTA, 2020
MAGISTER ILMU EKONOMI
PERSETUJUAN TESIS
Nama : Yuke Firdausi Dyahningrum

Nomor Induk Mahasiswa : 121011801037
Program Studi : Ilmu Ekonomi
Konsentrasi : Kebijakan Publik
Judul tesis : Analisis Perbandingan Respon Variabel Makro
Ekonomi terhadap Kesinambungan Fiskal
antara Indonesia dan Malaysia
PERSETUJUAN TESIS
Jakarta, 3 Juli 2020

Menyetujui,
Pembimbing I Pembimbing II
(Prof. Muhammad Zilal Hamzah, Ph.D) (Agustina Suparyati, SE, ME)
i
THESIS APPROVAL
UNIVERSITY OF TRISAKTI
MASTER OF ECONOMICS
THESIS APPROVAL
Name : Yuke Firdausi Dyahningrum

Student ID : 121011801037
Study Program : Magister of Economics
Concentration : Public Policy
Thesis Title : A Comparative Analysis of Macroeconomic
Variables Response to Fiscal Sustainability
between Indonesia and Malaysia
Jakarta, 3 July 2020

Approved,
Advisor Co Advisor
(Prof. Muhammad Zilal Hamzah, Ph.D) (Agustina Suparyati, SE, ME)
ii
PENGESAHAN TESIS
MAGISTER ILMU EKONOMI
PENGESAHAN TESIS

Nomor Induk Mahasiswa : 121011801037
Program Studi : Ilmu Ekonomi
Konsentrasi : Kebijakan Publik
Judul tesis : Analisis Perbandingan Respon Variabel Makro Ekonomi
terhadap Kesinambungan Fiskal antara Indonesia dan Malaysia
Telah diuji dan dinyatakan LULUS di depan Tim Penguji pada

(hari), Tanggal (tanggal, bulan, tahun)
(Prof. Muhammad Zilal Hamzah, Ph.D) ( )

Pembimbing I/Anggota penguji Ketua Tim Penguji
(Agustina Suparyati, SE, ME) ( )

Pembimbing II/Anggota penguji Anggota penguji
( )
Anggota penguji
Tesis ini telah diterima sebagai salah satu persyaratan

untuk memperoleh gelar Magister Ekonomi
Tanggal ...........................
(Dr. Rinaldi Rustam, ME )

Pengelola Program Magister Ilmu Ekonomi
iii
THESIS VALIDATION
UNIVERSITY OF TRISAKTI
MASTER OF ECONOMICS
THESIS VALIDATION
Name : Yuke Firdausi Dyahningrum

Student ID : 121011801037
Study Program : Magister of Economics
Concentration : Public Policy
Thesis Title : A Comparative Analysis of Macroeconomic Variables Response
to Fiscal Sustainability between Indonesia and Malaysia
Has been tested and PASS by the Examiners Team on

(hari), Tanggal (tanggal, bulan, tahun)
(Prof. Muhammad Zilal Hamzah, Ph.D) ( )

Advisor/Examiners Member Head of Examiners Team
(Agustina Suparyati, SE, ME) ( )

Co. Advisor/Examiners Member Examiners Member
( )
Examiners Member
This thesis has been accepted as one of the requirements

to obtain a Master’s Degree
Tanggal ...........................
(Dr. Rinaldi Rustam, ME )

Managing Program of Magister Economics
iv
SURAT PERNYATAAN KEASLIAN TULISAN
Yang bertanda tangan di bawah ini :

NIM : 121011801037
Menyatakan dengan sesungguhnya bahwa tesis dengan judul:
“Analisis Perbandingan Respon Variabel Makro Ekonomi terhadap

Kesinambungan Fiskal antara Indonesia dan Malaysia”
Adalah hasil karya sendiri, bukan merupakan duplikasi, dan tidak terdapat karya
yang pernah diajukan untuk memperoleh gelar kesarjanaan di suatu Perguruan
Tinggi, serta sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat
yang pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis
diacu dalam naskah ini dan disebutkan dalam daftar pustaka. Apabila didapati
pelanggaran atas pernyataan saya ini, maka saya bersedia menerima sanksi sesuai
ketentuan yang berlaku. Demikian pernyataan ini saya tulis dengan sebenar-
benarnya.
.
Meterai
Rp6000
Yuke Firdausi Dyahningrum
v
ANALISIS PERBANDINGAN RESPON VARIABEL MAKRO EKONOMI
TERHADAP KESINAMBUNGAN FISKAL ANTARA
INDONESIA DAN MALAYSIA

121011801037
Program Studi Magister Ilmu Ekonomi

Program Pascasarjana
Universitas Trisakti
ABSTRAK
Penelitian ini bertujuan untuk menganalisis perbandingan hubungan kausalitas

dan respons variabel makro ekonomi terhadap kesinambungan fiskal antara
Indonesia dan Malaysia dengan periode penelitian tahun 1990 hingga 2019. Untuk
menjawab tujuan penelitian tersebut maka metode yang digunakan pada penelitian
ini adalah uji kausalitas Granger dan Vector Autoregressive (VAR) dengan
menggunakan perangkat lunak (software) e-views 10. Hasil penelitian
menunjukkan bahwa di Indonesia terdapat hubungan satu arah dari variabel nilai
tukar riil dengan rasio utang terhadap PDB, sedangkan variabel pertumbuhan
ekonomi, suku bunga, inflasi dan harga minyak dunia tidak memiliki hubungan
kausalitas dengan rasio utang terhadap PDB. Di Malaysia variabel harga minyak
dunia, dan inflasi memiliki hubungan satu arah dengan rasio utang terhadap PDB,
sedangkan variabel pertumbuhan ekonomi, nilai tukar, dan suku bunga tidak
memiliki hubungan kausalitas dengan rasio utang terhadap PDB. Selanjutnya, di
Indonesia variabel inflasi merespons guncangan lebih cepat yaitu pada periode ke
45 sebesar 26,28%, sedangkan di Malaysia variabel inflasi yang dapat merespons
guncangan lebih cepat yaitu pada periode ke 65 sebesar 24,91%.
Kata kunci: Kesinambungan fiskal, makro ekonomi, kausalitas granger, vector

autoregressive (VAR).
vi
A COMPARATIVE ANALYSIS OF MACROECONOMIC VARIABLES
RESPONSE TO FISCAL SUSTAINABILITY BETWEEN INDONESIA
AND MALAYSIA

121011801037
Master of Economics Program

Post Graduate Program
Trisakti University
ABSTRACT
This research is aimed to analyze causality and macroeconomic response variable

toward fiscal sustainability in Indonesia and Malaysia during period between 1900
to 2019. The method is used in this research is through examination of Granger
Causality and Vector Autoregressive (VAR) by using e-views 10. The result
showed that in Indonesia there is one way relation between real effective
exchange rate with debt to GDP ratio, while economic growth, interest rate,
inflation and crude oil price have no causality relation with debt to GDP ratio. In
Malaysia crude oil price and inflation have one way relation with debt to GDP
ratio, while economic growth, real effective exchange rate, and interest rate have
no causality relation with debt to GDP ratio. Moreover, in Indonesia, the inflation
variable responds shock faster during 45th period by 26.28%, while in Malaysia,
the inflation variable responds during 65th period by 24.91%.
Key words: Fiscal Sustainability, macroeconomic, granger causality, vector

autoregressive (VAR).
vii
KATA PENGANTAR
Bismillahhir Rahmanir Rahim
Alhamdulillah segala puji dan syukur penulis panjatkan kepada Allah

SWT karena atas rahmat dan hidayah-Nya penulis dapat menyelesaikan penulisan
tesis yang berjudul “Analisis Perbandingan Respon Variabel Makro Ekonomi
terhadap Kesinambungan Fiskal antara Indonesia dan Malaysia”, yang merupakan
salah satu syarat untuk memperoleh gelar program magister pada Fakultas
Ekonomi Program Studi Ilmu Ekonomi Konsentrasi Kebijakan Publik Universitas
Trisakti.
Penulis menyadari bahwa penulisan tesis ini masih jauh dari
kesempurnaan karena masih terdapat keterbatasan pengetahuan yang dimiliki
penulis. Oleh karena itu dengan segala kerendahan hati penulis menerima kritik
dan saran yang sifatnya membangun demi kesempurnaan selanjutnya. Penulis
juga menyadari bahwa penulisan tesis ini tidak dapat diselesaikan tanpa adanya
bantuan dari berbagai pihak. Oleh karena itu, Penulis dengan tulus hati
menyampaikan ucapan terima kasih yang sebesar-besarnya kepada:
1. Prof. dr. Ali Ghufron Mukti M.Sc.,Ph.D selaku Rektor Universitas Trisakti.
2. Dr. Yolanda Masnita selaku Dekan Fakultas Ekonomi dan Bisnis Universitas
Trisakti.
3. Dr. Rinaldi Rustam, SE, ME, selaku Ketua Program Magister Ilmu Ekonomi
Universitas Trisakti dan Prof. Dr. Victor Siagian, MS selaku koordinator
konsentrasi. Terima kasih atas dukungan selama kegiatan perkuliahan di
program Magister Ilmu Ekonomi Universitas Trisakti.
4. Prof. Muhammad Zilal Hamzah, Ph.D selaku dosen pembimbingg I, dan Ibu
Agustina Suparyati SE, ME selaku dosen pembmbing II. Terima kasih atas
waktu, bimbingan, tenaga, kesabaran, dukungan, dan saran selama dalam
penulisan tesis ini.
viii
5. Bapak, Ibu, dan kedua kakak penulis Okvian dan Dera yang tercinta yang
selalu memberikan semua dukungan moril maupun materiil serta memberikan
curahan kasih sayang, do’a-do’a, dan motivasi yang tak ternilai bagi penulis.
6. Pandu Yustisia, Afiani, Maylasari, Yossi, Nadya, Ria, Kiki, Prissa, dan Dini
yang telah memberikan dukungan kepada penulis.
7. Chandra Murtiy, Ita Kusumawati, Ismi Prilly, Chairani Rahmah, Iksan
Susanto, Harie utama, Fahri Azizi, Martinus Agung. Terima kasih atas
kebersamaan, segala bantuan, hiburan, motivasi dan dukungan kepada penulis
selama ini.
8. Teman-teman seperjuangan Magister Ilmu Ekonomi Universitas Trisakti
angkatan 27 yang menemani, berjuang bersama serta membawa warna selama
masa-masa perkuliahan.
9. Beberapa pihak yang pernah menemani hari-hari penulis selama masa
perkuliahan hingga penulisan tesis ini. Terima kasih pernah memberi segala
motivasi yang membuat penulis menjadi sosok yang independent dan
berkeinginan tinggi untuk mengejar cita-cita.
10. Serta seluruh pihak yang telah banyak membantu dalam proses penyusunan
tesis ini, ataupun memberikan doa, semangat, motivasi yang tidak dapat
disebutkan satu per satu.
Penulis sangat menyadari skripsi ini masih ada kekurangan karena

keterbatasan ilmu yang dimiliki. Namun penulis berharap tesis ini dapat
memberikan manfaat untuk berbagai pihak
Penulis
ix
DAFTAR ISI
PERSETUJUAN TESIS .......................................................................................... i

THESIS APPROVAL ............................................................................................... ii
PENGESAHAN TESIS ......................................................................................... iii
THESIS VALIDATION ........................................................................................... iv
SURAT PERNYATAAN KEASLIAN TULISAN .................................................v
ABSTRAK ............................................................................................................. vi
ABSTRACT ............................................................................................................ vii
KATA PENGANTAR ......................................................................................... viii
DAFTAR ISI ............................................................................................................x
DAFTAR TABEL ................................................................................................. xii
DAFTAR GAMBAR ........................................................................................... xiii
DAFTAR LAMPIRAN ........................................................................................ xiv
BAB I PENDAHULUAN ........................................................................................1
1.1 Latar Belakang Penelitian .........................................................................1
1.2 Rumusan Masalah ...................................................................................10
1.3 Batasan Penelitian ...................................................................................11
1.4 Tujuan Penelitian.....................................................................................11
1.5 Manfaat Penelitian...................................................................................12
1.6 Sistematika Penulisan ..............................................................................13
BAB II TINJAUAN PUSTAKA ..........................................................................15
2.1 Landasan Teori ........................................................................................15
2.1.1 Kesinambungan Fiskal .....................................................................15
2.1.2 Risiko dan Ketidakpastian ...............................................................18
2.1.3 Hubungan Kesinambungan Fiskal dan Kesinambungan Utang.......20
2.1.4 Solvency vs Sustainability (Kesinambungan) ..................................20
2.1.5 Teknik Penilaian Analisis Kesinambungan Fiskal...........................21
2.1.6 Variabel Makro Ekonomi ................................................................33
2.2 Penelitian Terdahulu ...............................................................................37
2.3 Alur Pikir Penelitian ................................................................................46
2.4 Hipotesis Penelitian .................................................................................47
BAB III METODOLOGI PENELITIAN .............................................................48
3.1 Rancangan Penelitian ..............................................................................48
x
3.2 Definisi Operasional Variabel .................................................................49
3.4 Metode Analisis .........................................................................................50
3.4.1 Spesifikasi Model..................................................................................51
3.4.1.1 Kausalitas Granger ……………………………………...……….52
3.4.1.2 Model Vector Autoregressive (VAR) ……………………...……53
3.4.1.3 Model Empirik …………………………………………………..55
3.4.1.4 Uji Stabilitas ……………………………………….…………….56
3.4.1.5 Penentuan Lag Optimal ………………………………………….57
3.4.2 Impulse Response Function (IRF).........................................................58
3.4.3 Variance Decomposition (VD) .............................................................60
3.4.4 Uji Kestabilan Data ...............................................................................62
3.4.5 Uji Kointegrasi ......................................................................................65
BAB IV ANALISIS DATA DAN HASIL PENELITIAN ...................................68
4.1 Deskripsi Variabel Penelitian ..................................................................68
4.2 Hasil Penelitian .......................................................................................75
4.2.1 Stasioneritas dan Kointegrasi ...........................................................75
4.2.2 Kausalitas Granger ...........................................................................77
4.2.3 Analisis Vector Autoregressive (VAR) ............................................79
4.2.4 Impulse Response Function (IRF)....................................................82
4.2.5 Variance Decomposition (VD) ........................................................86
4.3 Pembahasan .............................................................................................88
4.3.1 Respon Pertumbuhan Ekonomi terhadap Kesinambungan Fiskal ...90
4.3.2 Respon Nilai Tukar Riil terhadap Kesinambungan Fiskal ..............91
4.3.3 Respon Suku Bunga terhadap Kesinambungan Fiskal ....................93
4.3.4 Respon Inflasi terhadap Kesinambungan Fiskal ..............................94
4.3.5 Respon Harga Minyak Dunia terhadap Kesinambungan Fiskal ......96
BAB V SIMPULAN, IMPLIKASI KEBIJAKAN, SARAN DAN
KETERBATASAN PENELITIAN........................................................................99
5.1 Simpulan..................................................................................................99
5.2 Implikasi Kebijakan ..............................................................................100
5.3 Saran ......................................................................................................101
5.4 Keterbatasan Penelitian .........................................................................102
DAFTAR PUSTAKA ..........................................................................................103
LAMPIRAN .........................................................................................................109
xi
DAFTAR TABEL
Tabel 2.1 The Fiscal Risk Matrix ...........................................................................19

Tabel 2.2 Penelitian Terdahulu ..............................................................................39
Tabel 3.1 Definisi Operasional Variabel................................................................49
Tabel 4.1 Hasil Pengujian Unit Root Test di Indonesia……….…………………75
Tabel 4.2 Hasil Pengujian Unit Root Test di Malaysia ..........................................76
Tabel 4.3 Hasil Pengujian kointegrasi (Johansen’s Cointegration Test)
di Indonesia ...........................................................................................76
di Malaysia ............................................................................................77
Tabel 4.5 Hasil Pengujian Kausalitas Granger di Indonesia ..................................77
Tabel 4.6 Hasil Pengujian Kausalitas Granger di Malaysia ..................................78
Tabel 4.7 Hasil Uji Lag Optimal di Indonesia .......................................................80
Tabel 4.8 Hasil Uji Lag Optimal di Malaysia ........................................................80
Tabel 4.9 Hasil Pengujian Vector Autoregressive (VAR) di Indonesia .................81
Tabel 4.10 Hasil Pengujian Vector Autoregressive (VAR) di Malaysia................82
Tabel 4.11 Hasil Pengujian Variance Decomposition (VD) di Indonesia .............87
Tabel 4.12 Hasil Pengujian Variance Decomposition (VD) di Malaysia ..............87
Tabel 4.13 Hasil Penelitian ....................................................................................89
Tabel 4.14 Produksi dan Konsumsi Minyak………………………………..…....97
xii
DAFTAR GAMBAR
Gambar 1.1 Rasio Utang Terhadap PDB (%) ..........................................................5

Gambar 1.2 Perkembangan Primary Balance (%)...................................................6
Gambar 2.1 Kurva Kendala Anggaran Pemerintah (Kasus 1) ……………..…… 31
Gambar 2.2 Kurva Kendala Anggaran Pemerintah (Kasus 2) ...............................31
Gambar 2.3 Alur Pikir Penelitian...........................................................................46
Gambar 3.1 Alur Proses Estimasi………………………………………….……..51
Gambar 4.1 Rasio Utang terhadap PDB (%)………………………………….….68
Gambar 4.2 Real Effective Exchange Rate (%) .....................................................70
Gambar 4.3 Laju Inflasi ( Indeks Harga Konsumen ) (%) .....................................71
Gambar 4.4 Suku Bunga Riil (%) ..........................................................................72
Gambar 4.5 Pertumbuhan Ekonomi (%) ................................................................73
Gambar 4.6 Harga Minyak Dunia (Brent Price Oil) .............................................74
Gambar 4.7 Hasil Uji Lag Optimal di Indonesia dan Malaysia .............................81
Gambar 4.8 Impulse Response Function di Indonesia ...........................................84
Gambar 4.9 Impulse Response Function di Malaysia ............................................86
xiii
DAFTAR LAMPIRAN
Lampiran 1 Hasil Uji Stasioneritas (Root Test) di Indonesia dan Malaysia ........109
Lampiran 2 Uji Kointegrasi (Johansen Cointegration Test) di Indonesia dan
Malaysia ...........................................................................................116
Lampiran 3 Hasil Kausalitas Granger Di Indonesia dan Malaysia ......................122
Lampiran 4 Penentuan Lag Optimal ( Lag Length Criteria) di Indonesia dan
Malaysia ...........................................................................................124
Lampiran 5 Uji Stabilitas di Indonesia dan Malaysia ..........................................125
Lampiran 6 Estimasi Model Vector Autoregressive (VAR) di Indonesia dan
Malaysia ...........................................................................................127
Lampiran 7 Impulse Response Function (IRF) di Indonesia dan Malaysia .........130
Lampiran 8 Variance Decomposition di Indonesia dan Malaysia .......................132
xiv
BAB I
PENDAHULUAN
1.1 Latar Belakang Penelitian
Pelaksanaan Anggaran Pendapatan dan Belanja Negara (APBN) didasari
oleh asumsi dasar makro ekonomi yang dapat dipengaruhi oleh keadaan ekonomi
global dan domestik. Kondisi ekonomi global pada tahun 2019 cukup stabil
dengan proyeksi pertumbuhan ekonomi global sama dengan tahun 2018 yaitu
sebesar 3,7%. Pertumbuhan ekonomi negara-negara berkembang pada tahun 2019
sama dengan tahun 2018 yaitu sebesar 4,7%, sedangkan pada lima negara
ASEAN (termasuk Indonesia) diproyeksikan melambat 0,1% dibanding tahun
2018 menjadi 5,2%. Pertumbuhan ekonomi di Indonesia pada tahun 2019 sebesar
5,02% berdasarkan data BPS, meskipun masih tumbuh di atas 5% realisasi
tersebut melambat dari pertumbuhan tahun 2018 yaitu sebesar 5,17%, sedangkan
pertumbuhan ekonomi Malaysia pada tahun 2019 sebesar 4,3%, angka ini lebih
rendah dibandingkan dengan tahun 2018 yaitu 4,7% dan termasuk dalam
pertumbuhan ekonomi terlemah sepanjang 10 tahun terakhir.
Pertumbuhan ekonomi merupakan proses kenaikan pendapatan total dan
pendapatan per kapita dengan memperhitungkan adanya pertambahan penduduk
yang disertai dengan perubahan fundamental dalam struktur ekonomi suatu negara
dan pemerataan pendapatan bagi penduduk suatu negara. Dengan kata lain,
pertumbuhan ekonomi adalah proses kenaikan output per kapita dalam jangka
panjang dan merupakan ukuran keberhasilan pembangunan. Kondisi ini,
ditunjukkan dengan masuknya dana ke dalam sistem ekonomi suatu negara.
1
2
Pembangunan yang dilakukan oleh suatu negara pada dasarnya dibiayai
dari sumber penerimaan dalam negeri dan luar negeri. Sumber penerimaan dalam
negeri berasal dari pajak, hasil pengelolaan sumber daya alam dan laba BUMN,
sedangkan penerimaan luar negeri bisa berupa utang, bantuan, dan hibah dari
negara lain. Negara berkembang seperti Indonesia dan Malaysia memiliki masalah
utama dalam hal permodalan atau yang biasa disebut sebagai utang. Oleh karena
itu, utang yang terus menerus bertambah akan meningkatkan risiko fiskal di
negara tersebut.
Pengertian risiko fiskal sudah banyak didefinisikan oleh beberapa ahli,
misalnya Schick et al. (2003) mengungkapkan bahwa risiko fiskal adalah sumber
tekanan finansial yang dapat dihadapi oleh Pemerintah di waktu yang akan
datang. Menurut Cebotari dalam Ramadyanto (2013) risiko fiskal merupakan
kemungkinan penyimpangan atas variabel fiskal dari apa yang sebelumnya
diperkirakan pada saat penyusunan anggaran maupun pada waktu penyusunan
perkiraan lainnya. Di Indonesia, risiko fiskal sudah diatur dalam Peraturan
Menteri Keuangan Nomor 191/PMK.09/2008 tentang Penerapan Manajemen
Risiko di Lingkungan Departemen Keuangan. Pada peraturan tersebut, risiko
diartikan sebagai salah satu yang akan berdampak negatif terhadap pencapaian
tujuan yang diukur berdasarkan kemungkinan dan dampaknya. Selain itu, pada
Kementerian Keuangan Nota Keuangan (2019), risiko fiskal dapat diartikan
sebagai segala sesuatu yang di masa mendatang dapat menimbulkan tekanan
fiskal terhadap APBN. Definisi ini didasari atas kondisi bahwa risiko terhadap
APBN tidak hanya berupa tambahan defisit yang hanya terkait dengan pendapatan
3
dan belanja negara, tetapi juga berupa adanya tekanan di sisi pembiayaan.
Pengungkapan risiko fiskal sangat perlu untuk empat tujuan strategis, yaitu (1)
peningkatan kesadaran seluruh pemangku kepentingan (stakeholder) dalam
pengelolaan kebijakan fiskal, (2) peningkatan keterbukaan (transparency) fiskal,
(3) peningkatan tanggung jawab (accountability) fiskal, dan (4) pencapaian
kesinambungan fiskal (fiscal sustainability). Risiko fiskal, utamanya bersumber
dari berbagai aktivitas pemerintah yang berkaitan dengan kebijakan fiskal yang
mengatur perekonomian negara melalui instrumen pendapatan dan belanja negara.
Sumber risiko fiskal dapat diidentifikasi ke dalam lima kelompok, yaitu (1) risiko
asumsi dasar ekonomi makro; (2) risiko pendapatan negara; (3) risiko belanja
negara; (4) risiko pembiayaan; dan (5) risiko fiskal tertentu.
Pengungkapan risiko fiskal diperlukan untuk menciptakan keterbukaan
tentang posisi fiskal pemerintah dan untuk lebih menjamin kesinambungan
pendapatan negara, belanja negara, dan pembiayaan anggaran. Berdasarkan
laporan hasil pemeriksaan atas laporan keuangan yang diterbitkan oleh BPK,
Pemerintah dapat mengendalikan risiko fiskal dan menjaga kesinambungan fiskal
melalui (1) mengendalikan defisit dalam batas aman; (2) mengendalikan rasio
utang terhadap PDB melalui pengendalian pembiayaan yang bersumber dari utang
dalam batas yang terkendali (manageable), serta mengarahkan pemanfaatan utang
untuk kegiatan produktif; dan (3) mengendalikan keseimbangan primer melalui
pengendalian kerentanan fiskal (fiscal vulnerability).

4
Krisis keuangan pada tahun 1997/1998 dan tahun 2007/2008 memberikan
banyak pelajaran bagi banyak negara, dengan adanya krisis tersebut bagi negara
berkembang khususnya berdampak pada keuangan publik dan keterkaitan timbal
balik antara kesehatan sistem keuangan dan kesehatan keuangan Pemerintah
(Borio, Lombardi, & Zampolli, 2017). Krisis tersebut juga mengajarkan mengenai
peran kebijakan fiskal seperti stimulus fiskal dan pengaruh keseimbangan internal
dan eksternal suatu negara. Neaime & Gaysset (2017) mengamati keterkaitan
antara kenaikan defisit anggaran pemerintah dengan kenaikan utang Pemerintah,
volatilitas kurs, kenaikan inflasi yang cenderung tinggi dan suku bunga.
Indonesia dan Malaysia merupakan negara berkembang yang memiliki
batasan utang pemerintah hampir sama. Di Indonesia berdasarkan Undang-undang
Nomor 17 Tahun 2003 tentang Keuangan Negara menyatakan bahwa defisit
anggaran dibatasi maksimal 3% dan utang maksimal 60% dari Produk Domestik
Bruto (PDB), sedangkan di pemerintah pusat Malaysia melalui undang-undang
parlementer menyatakan bahwa utang pemerintah maksimal 55% dari Produk
Domestik Bruto (PDB). Oleh karena itu, utang menjadi salah satu faktor yang
menentukan akan terjadinya kesinambungan fiskal (fiscal sustainability) dari
suatu anggaran pemerintah negara. Berikut ini adalah grafik rasio utang terhadap
PDB di Indonesia dan Malaysia tahun 1980 sampai 2019.

5
100
90
80
70
60
50
40
30
20
10
0
Indonesia Malaysia
Gambar 1.1 Rasio Utang Terhadap PDB (%)

Sumber: World Bank, 2020
Pada tahun 1980 hingga 2019, rasio utang pemerintah terhadap PDB
cenderung fluktuasi, pada tahun 1985-1989 menunjukkan rasio utang tertinggi
yang dialami Malaysia yaitu 86,86% atau meningkat sebesar 52% dari rata-rata
tahun sebelumnya, sedangkan di tahun yang sama rasio utang di Indonesia sebesar
37,44% yang meningkat 96% dari rata-rata tahun sebelumnya. Hal ini diakibatkan
adanya krisis global yang membuat ketidakseimbangan pada perekonomian yang
berdampak pada Indonesia dan Malaysia. Di Indonesia, pada tahun 1980an harga
minyak dunia mengalami penurunan yang menyebabkan utang Indonesia
meningkat akibat adanya resesi ekonomi global, sehingga pada tahun 1990-an saat
terjadi krisis global, total utang luar negeri mencapai 230%. Permasalahan utang
di Indonesia akhirnya diatasi dengan adanya utang baru yang bersumber dari
Dana Moneter Internasional (IMF). Di Malaysia, sejak tahun 1981 terjadi
ketidakseimbangan yang tercermin pada defisit anggaran yang sangat tinggi.

6
Rasio utang pemerintah terhadap PDB meningkat 135% pada tahun 1987,
sedangkan utang luar negeri meningkat 62% dari sebelumnya (Athukorala, 2013).
Selain variabel rasio utang terhadap PDB, Pemerintah juga harus menjaga
keseimbangan fiskal utama (primary balance) sebagai indikator kesinambungan
fiskal. Menurut Cuddington (1996), keseimbangan primer (primary balance)
merupakan indikator utama bagi kesinambungan fiskal. Primary balance adalah
selisih antara pendapatan negara dan hibah dengan belanja negara tidak termasuk
belanja pembayaran bunga utang. Primary balance bertujuan untuk mengetahui
kesinambungan fiskal atas kemampuan Pemerintah dalam menghasilkan
pendapatan untuk membayar bunga utang. Kondisi primary balance negatif
menunjukkan bahwa sumber pembayaran bunga utang bukan berasal dari
pendapatan negara melainkan adanya ancaman terhadap kesinambungan fiskal.
3.00%
2.00%
1.00%
0.00%
Malaysia
-1.00%
Indonesia
-2.00%
-3.00%
-4.00%
-5.00%
Gambar 1.2 Perkembangan Primary Balance (%)

Sumber: World Bank, 2020
7
Gambar 1.2 menjelaskan perkembangan primary balance di Indonesia dan
Malaysia pada tahun 1990 sampai 2019. Jika dibandingkan defisit fiskal yang
terjadi di Indonesia lebih baik daripada Malaysia, selama 3 dekade terakhir defisit
yang dialami Indonesia berkisar antara 1% - 2%, berbeda dengan malaysia yang
berkisar antara 1% - 4%. Oleh karena itu, tekanan fiskal yang dialami Malaysia
lebih besar jika dibandingkan dengan Indonesia.
Berdasarkan penelitian sebelumnya, sejak tahun 1970 utang pemerintah
terus meningkat secara bertahap di sebagian besar negara (termasuk negara G7)
karena terdapat guncangan harga minyak (Budina & van Wijnbergen, 2009).
Bahkan di negara-negara Amerika Latin, rasio utang pemerintah telah meningkat
sebelum guncangan harga minyak. Meskipun setelah krisis utang pada tahun
1980-an, beberapa negara berhasil membalikkan trend akumulasi utang menjadi
negatif (menurun). Sementara itu, pola utang di negara-negara Asia lebih
heterogen dibandingkan dengan negara lainnya di dunia. Pola utang di Malaysia,
Thailand, Indonesia, dan Korea berhasil menurun setelah pertengahan 1980-an,
namun meningkat kembali setelah pertengahan 1990-an (Uctum & Thurston,
2006).
Beberapa negara Asia mengalami ketidakseimbangan fiskal pada tahun
1998 yang ditandai oleh penurunan pendapatan pemerintah dan peningkatan tajam
pada pengeluaran pemerintah (Iriana & Sjoholm, 2002). Akibatnya, pemerintah
berada di bawah beban utang yang berat untuk menutup defisit anggaran negara.
Memburuknya neraca fiskal terjadi di beberapa negara yang memasuki krisis
tanpa buffer fiskal yang cukup. Namun demikian, tahap pemulihan dari krisis
8
keuangan Asia secara keseluruhan ditandai dengan konsolidasi fiskal yang cukup
baik hingga terjadi krisis keuangan global pada tahun 2007 (Rajan & Zingales,
2015).
Salah satu faktor yang mendorong terjadinya ketidakstabilan fiskal adalah
adanya ketidakstabilan utang. Beban utang yang tinggi akan membatasi ruang
gerak fiskal (fiscal space) pada masa mendatang, sehingga telah menggeser
permasalahan dari stimulus fiskal menjadi keberlanjutan fiskal. Di Indonesia,
utang telah digunakan sebagai instrumen untuk pembiayaan negara sejak masa
orde lama dan jumlahnya terus meningkat dari tahun ke tahun. Setelah periode
krisis 1998, utang masih menjadi instrumen utama pembiayaan yang digunakan
tidak hanya untuk menutupi defisit anggaran, tetapi juga membayar kembali utang
jatuh tempo (Simarmata, 2007). Sementara itu, di Malaysia surplus primer secara
perlahan dan berangsur-angsur dapat mencapai target dan menunjukkan Malaysia
memiliki tingkat kesinambungan fiskal yang baik meskipun tetap diperlukan
campur tangan pemerintah agar tetap terjaga kestabilan dari fiskal tersebut
(Abdullah, 2012).
Berbagai penelitian mengenai kesinambungan fiskal telah dilakukan di
berbagai negara, seperti yang dilakukan oleh Bui (2019) dengan judul Fiscal
Sustainability in Developing Asia - New Evidence From Panel Correlated
Common Effect memperlihatkan bahwa pada 22 negara berkembang di Asia tahun
1999 hingga 2017, ditemukan bahwa rata-rata kebijakan fiskal di wilayah tersebut
tidak berkelanjutan. Baharumshah, Soon, & Lau (2017) menambahkan melalui
penelitiannya yang berjudul Fiscal Sustainability in an Emerging Market

9
Economy: When does public debt turn bad? menunjukkan bahwa jalur defisit
fiskal di Malaysia pada dasarnya berkelanjutan kecuali pada periode krisis
ekonomi. Penelitian lain yang berjudul “Analisis Kesinambungan Fiskal
Indonesia Pasca Krisis Ekonomi” Basorudin (2019) menunjukkan bahwa rasio
utang terhadap PDB triwulan sebelumnya, pertumbuhan ekonomi dan inflasi
berpengaruh signifikan terhadap rasio utang terhadap PDB triwulan saat ini secara
simultan. Hasil temuan tersebut memberikan asumsi bahwa pengendalian
terhadap tiga variabel tersebut sangat penting untuk mempercepat proses
kesinambungan fiskal di Indonesia.
Berdasarkan latar belakang yang telah dipaparkan sebelumnya, menurut
Bui (2019), bahwa tidak terjadi keberlanjutan kebijakan fiskal pada negara
berkembang di Asia, di Indonesia menurut Basorudin (2019) rasio utang terhadap
PDB pada triwulan sebelumnya, pertumbuhan ekonomi dan inflasi merupakan
variabel yang sangat penting untuk mempercepat proses kesinambungan fiskal,
sedangkan di Malaysia menurut Abdullah (2012) tingkat kesinambungan fiskal
dapat berangsur baik meskipun tetap dibutuhkan campur tangan pemerintah. Oleh
karena itu, penelitian ini bertujuan untuk mengetahui variabel makro ekonomi
yang dapat merespons guncangan atau shock terhadap kesinambungan fiskal di
Indonesia dan Malaysia mengingat Indonesia dan Malaysia memiliki peraturan
yang hampir sama mengenai batas maksimal utang pemerintah terhadap PDB
dengan periode penelitian tahun 1990 sampai dengan 2019.

10
1.2 Rumusan Masalah
Indikator kesinambungan fiskal yang digunakan sebaiknya disesuaikan
dengan kondisi suatu negara. Menurut Roubini (2001), menyebutkan bahwa jika
perekonomian negara cukup terbuka dan hambatan perdagangan cukup kecil,
maka indikator rasio utang terhadap ekspor dapat digunakan. Namun, rasio utang
terhadap ekspor hanya cocok bagi negara-negara yang mengandalkan sektor
perdagangan internasional dan memiliki surplus yang kuat. Sebaliknya, jika
volume perdagangan internasional terbatas dan tingkat keterbukaan kecil, maka
penggunaan rasio utang terhadap PDB akan memberikan ukuran yang lebih baik.
Berdasarkan pernyataan di atas, Indonesia dan Malaysia merupakan negara yang
memiliki volume perdagangan internasional yang terbatas sehingga rasio utang
terhadap PDB akan memberikan ukuran yang tepat.
Selanjutnya, dalam penyusunan anggaran didasarkan atas beberapa
indikator sebagai dasar perhitungannya, diantaranya adalah pertumbuhan
ekonomi, tingkat inflasi, suku bunga, nilai tukar riil dan harga minyak dunia.
Dalam kaitannya dengan utang pemerintah, kesinambungan fiskal dapat muncul
sebagai dampak dari perubahan tingkat bunga, nilai tukar, dan biaya utang
lainnya. Penelitian ini menganalisis hubungan dinamis antara rasio utang terhadap
PDB, pertumbuhan ekonomi, tingkat inflasi, suku bunga, nilai tukar riil dan harga
minyak dunia. Secara khusus penelitian ini berusaha menjawab pertanyaan:
1. Bagaimana hubungan kausalitas antara rasio utang terhadap PDB,
pertumbuhan ekonomi, tingkat inflasi, suku bunga, nilai tukar rupiah dan
harga minyak dunia antara Indonesia dan Malaysia?

11
2. Bagaimana respons rasio utang terhadap PDB, pertumbuhan ekonomi,
tingkat inflasi, suku bunga, nilai tukar rupiah dan harga minyak dunia
antara Indonesia dan Malaysia?
1.3 Batasan Penelitian
Berdasarkan latar belakang masalah, maka pembatasan masalah dalam
penelitian ini adalah:
1. Objek penelitian adalah kesinambungan fiskal di Indonesia dan Malaysia
2. Variabel yang digunakan hanya rasio utang terhadap PDB, pertumbuhan
ekonomi, tingkat inflasi, suku bunga, nilai tukar riil, dan harga minyak dunia
3. Jangka waktu penelitian yaitu tahun 1990 sampai 2019 dengan metode analisis
kausalitas Granger dan VAR.
1.4 Tujuan Penelitian
Secara umum, penelitian ini bertujuan untuk menganalisis secara empiris
hubungan kesinambungan fiskal dengan sumber risiko fiskal berdasarkan asumsi
ekonomi makro. Secara khusus penelitian ini bertujuan untuk:
1. Menganalisis dan mengkaji hubungan kausalitas antara rasio utang terhadap
PDB, pertumbuhan ekonomi, tingkat inflasi, suku bunga, nilai tukar rupiah
dan harga minyak dunia antara Indonesia dan Malaysia.
2. Menganalisis dan mengkaji respons antara rasio utang terhadap PDB,
pertumbuhan ekonomi, tingkat inflasi, suku bunga, nilai tukar rupiah dan
harga minyak dunia antara Indonesia dan Malaysia.

12
1.5 Manfaat Penelitian
Hasil penulisan penelitian ini diharapkan menghasilkan sesuatu yang
bermanfaat bagi penulis itu sendiri, bagi masyarakat maupun pihak-pihak terkait.
Adapun kegunaan dari penulisan penelitian ini antara lain:
1. Bagi penulis. Aspek teoretis hasil kajian ini diharapkan dapat memberikan
sumbangan empiris terhadap kepustakaan tentang “kesinambungan fiskal
dengan sumber risiko fiskal berdasarkan asumsi ekonomi makro”.
2. Bagi Mahasiswa. Diharapkan akan menambah pengetahuan tentang teori
maupun praktik-praktik ilmu ekonomi di Indonesia, sebagai sumber
referensi untuk penelitian terkait, dan juga merupakan kesempatan dalam
menerapkan dan mengaplikasikan teori yang diperoleh selama kuliah.
3. Bagi Pemerintah. Memberi masukan bagi pemerintah, khususnya sejauh
mana peranan rasio utang terhadap PDB, pertumbuhan ekonomi, tingkat
inflasi, suku bunga, nilai tukar riil dan harga minyak dunia terhadap
kesinambungan fiskal.
4. Bagi pendidikan Ilmu Ekonomi. Dapat menambah topik kepustakaan,
khususnya di bidang Ekonomi Makro, dan Ekonomi Fiskal.

13
1.6 Sistematika Penulisan
BAB I: Pendahuluan
Bab ini menguraikan latar belakang penelitian, rumusan masalah, tujuan
penelitian, kegunaan penelitian serta sistematika penulisan. Dalam bab ini
diuraikan pendahuluan tentang risiko fiskal dan defisit anggaran di
Indonesia dan Malaysia.
BAB II: Tinjauan Pustaka
Bab ini berisi landasan teori yang relevan sebagai dasar yang digunakan
dalam penyusunan penelitian. Teori yang digunakan untuk mendukung
penelitian ini adalah kesinambungan fiskal. Selain landasan teori, bab ini
juga menguraikan tentang penelitian terdahulu, alur pikir serta hipotesis
yang disusun untuk memberi dugaan sementara dari pernyataan penelitian.
BAB III: Metode Penelitian
Bab ini menguraikan mengenai variabel, metode serta hipotesis yang
digunakan dalam penelitian. Variabel yang digunakan yaitu rasio utang
terhadap PDB, pertumbuhan ekonomi, tingkat inflasi, suku bunga, nilai
tukar riil dan harga minyak dunia. Metode Granger Causality dan Vector
Autoregressive (VAR) akan digunakan dalam penelitian ini.
BAB IV: Analisis Data dan Hasil Penelitian
Bab ini menjabarkan tentang deskripsi objek penelitian agar memberikan
gambaran yang lebih jelas mengenai hal yang akan dianalisis. Selain itu,
bab ini juga menampilkan analisis data serta menjabarkan tentang hasil
14
dari estimasi beserta analisis ekonomi yang menunjukan hipotesis mana
yang diterima di dalam penelitian ini.
BAB V:Simpulan, Implikasi Kebijakan, Saran, dan Keterbatasan Penelitian
Bab ini merupakan bab terakhir dalam penelitian ini. Bab ini berisikan
tentang keseluruhan hubungan antar variabel sehingga dari hasil penelitian
ini diharapkan dapat digunakan sebagai acuan pengambilan keputusan.
Selain itu, dalam bab ini juga berisikan implikasi kebijakan, saran dan
keterbatasan yang diperuntukan kepada pihak-pihak yang berkepentingan.

BAB II
TINJAUAN PUSTAKA
2.1 Landasan Teori
2.1.1 Kesinambungan Fiskal
Istilah kesinambungan fiskal sejak pertama kali diperkenalkan hingga saat
ini memiliki pengertian yang masih diperdebatkan, namun kesinambungan fiskal
berkaitan dengan suatu sistem pengelolaan sumber-sumber ekonomi yang
memungkinkan generasi saat ini dapat memanfaatkannya, dan menjamin bahwa
sumber ekonomi tersebut juga dapat dimanfaatkan oleh generasi yang akan
datang. Apabila dianalogikan dengan perilaku rumah tangga, maka kebijakan
suatu negara dapat dikatakan memiliki kesinambungan fiskal jika pemerintah
tersebut memenuhi kendala anggaran. Kendala anggaran pemerintah dapat
didefinisikan dengan persamaan dalam bentuk sebagai berikut:
(Mt-Mt-1) + (Dt -Dt-1) = rDt + (Gt – Rt)
Gt : pengeluaran pemerintah pada tahun t
Rt : penerimaan pemerintah pada tahun t
Gt-Rt : keseimbangan primer berupa defisit atau surplus anggaran pemerintah
pada tahun t, di luar pembayaran bunga utang nasional
r : tingkat suku bunga
Dt-n : jumlah utang (bonds) pemerintah yang beredar (outstanding) pada tahun
sebelumnya (t-n)
Dt : jumlah utang (bonds) pemerintah yang beredar (outstanding) pada tahun t
Mt : Tambahan jumlah uang beredar (seigniorage)
15
16
Persamaan diatas dapat di interpretasikan sebagai berikut:
 Bagian kiri persamaan menunjukkan besarnya defisit anggaran pemerintah
saat ini (Gt – Tt) yang tentunya harus dibiayai, dan komponen pembayaran
bunga dan pokok utang periode lampau yang harus dibayar.
 Bagian kanan persamaan menunjukkan bagaimana cara untuk
membiayainya. Pertama, pemerintah dapat berutang dengan biaya sebesar
Dt baik dengan penerbitan surat utang di dalam negeri maupun dengan
meminjam dari luar negeri. Kedua, pemerintah dapat membiayainya
dengan mencetak uang yang diterbitkan oleh Bank Sentral.
Blanchard & Jean (1990) mendefinisikan kebijakan fiskal dikatakan
berkesinambungan jika kebijakan yang berlaku dapat berlangsung hingga waktu
tak terhingga dengan stabilitas rasio utang pemerintah terhadap PDB. Maka defisit
yang terlalu besar, akan meningkatkan posisi utang pemerintah dan sektor swasta
tidak berkeinginan memberikan pinjaman atau tidak mampu memberi pinjaman
kepada pemerintah, sehingga akan menimbulkan krisis keuangan. Begitu pula jika
surplus terlalu besar, pemerintah akan membeli aset-aset swasta secara bertahap
menasionalisasi perekonomian, paket stimulus fiskal, dalam hal ini dapat
menyebabkan tingkat pajak pada saat itu memiliki deviasi yang sangat tinggi dari
reratanya.
Raymundo (2016) menjelaskan bahwa kesinambungan fiskal berkaitan
dengan suatu status (state) dimana utang publik atau defisit fiskal berada pada
batas yang dapat di toleransi sebagai akibat pemerintah melanjutkan program
pengeluarannya. Batasan utang publik tersebut seharusnya memungkinkan

17
pemerintah untuk melakukan pembayaran bunga dan utang prinsipilnya baik
kewajiban dalam negeri maupun luar negeri, dan secara bertahap mengurangi
pengeluaran defisit dalam jangka panjang serta mempertahankan peringkat kredit
agar dapat memperoleh kemudahan akses untuk mendapatkan pinjaman baru jika
diperlukan.
Adams et al. (2010) mengungkapkan kesinambungan fiskal berkaitan
dengan suatu status dimana anggaran belanja pemerintah dapat dibiayai secara
mulus tanpa menciptakan atau mendorong kenaikan yang luar biasa dari utang
publik sepanjang waktu. Jika status ini terpenuhi artinya anggaran belanja
pemerintah dikatakan berkelanjutan. Terdapat 2 konsep kesinambungan fiskal,
yaitu (1) kesinambungan statik, mencerminkan kemampuan pemerintah mendanai
anggaran belanjanya dari periode ke periode, (2) kesinambungan dinamik,
berkaitan dengan kemampuan pemerintah melunasi utang dalam jangka panjang.
Oleh karena itu, di dalam menentukan bahwa kebijakan fiskal
berkesinambungan atau tidak maka perlu pemahaman mengenai kebijakan fiskal
masa lampau dan prediksi ke depan. Apakah di dalam analisis memasukkan
asumsi-asumsi kebijakan yang rasional (paket fiskal stimulus, kejutan indikator
makro ekonomi, tindakan tidak rasional dari pasar, perang, multiple equlibria
default karena ekspektasi meski pemerintah mampu untuk membeli kembali, atau
alasan politik untuk default), dan terkadang perlu adanya pertimbangan faktor
politik dalam menentukan kesinambungan fiskal. Negara yang memiliki utang
besar dapat dikatakan berkesinambungan secara politik jika tidak default, meski
seharusnya negara tersebut akan lebih baik jika default.

18
2.1.2 Risiko dan Ketidakpastian
Secara umum risiko dapat didefinisikan sebagai kejadian yang merugikan.
Risiko dalam analisis investasi sering diartikan dengan kemungkinan hasil yang
diperoleh menyimpang dari sesuatu yang diharapkan. Alat statistika yang sering
digunakan untuk mengukur risiko adalah standar deviasi. Risiko dapat muncul
karena adanya ketidakpastian yang dapat dilihat dari fluktuasi yang tinggi,
sehingga semakin tinggi fluktuasi maka semakin besar pula tingkat
ketidakpastiannya (Hanafi, 2006).
Ketidakpastian dialami entitas bisnis seperti perusahaan dan perekonomian
suatu negara. Negara dalam menjalankan fungsinya telah menghadapi
ketidakstabilan yang serius sebagai kewajiban yang harus ditanggung pemerintah
dan menimbulkan sebuah risiko. Diantara risiko yang dihadapi berupa risiko
kredit, risiko likuiditas, risiko operasional maupun risiko yang terjadi karena
adanya guncangan perekonomian tahun 1994 di Meksiko, tahun 1997 di Asia dan
tahun 2001 karena serangan teroris ke Amerika Serikat (Schick, 2002). Fakta
tersebut menunjukan bahwa risiko tersebut akan mempengaruhi kestabilan makro
ekonomi khususnya bagi negara-negara berkembang di beberapa negara di
ASEAN.
Suharsih (2013) menjelaskan dalam menghadapi kegagalan pelaksanaan
kebijakan fiskal akibat terjadinya krisis ekonomi yang disebabkan oleh
ketidakpastian pasar tersebut, menyebabkan beberapa peneliti dari Bank Dunia
yang dipelopori oleh Schick et al. (2003) memasukkan risiko dan ketidakpastian
dalam analisis kebijakan fiskal khususnya anggaran. Sehingga dalam

19
perkembangannya teori mengenai risiko dan ketidakpastian digunakan dalam
analisis fiskal (anggaran negara). Risiko fiskal merujuk kepada neraca fiskal dan
utang publik. Penyimpangan tersebut sering terjadi karena anggaran didasarkan
pada ausmsi bahwa pada akhirnya tidak dapat terwujud (Evaraert, Fouad, Martin,
& Velloso, 2009). Penyimpangan ini biasanya kecil dan dapat dikelola, namun
beberapa faktor lain yang dapat merubah dan menciptakan beban yang tidak
terduga di neraca fiskal, misalnya krisis keuangan yang parah dapat meningkatkan
utang publik. Schick et al. (2003) menjelaskan gambaran risiko yang harus
dihadapi oleh pemerintah melalui The Fiscal Risk Matrix dapat dilihat pada Tabel
2.1.
Tabel 2.1 The Fiscal Risk Matrix

Kewajiban Langsung Kewajiban Kontinjensi Pemerintah
Pemerintah
- Utang pemerintah (surat - Pinjaman hipotek, pinjaman
berharga yang dikeluarkan mahasiswa, pinjaman pertanian,
oleh pemerintah pusat). pinjaman usaha kecil.
Eksplisit - Pengeluaran pemerintah - Jaminan perdagangan dan nilai
yang telah ditetapkan tukar yang dikeluarkan oleh
secara hukum. negara
- Pengeluaran pemerintah - Jaminan negara atas investasi
yang mengikat secara swasta.
hukum dalam jangka - Skema asuransi negara (deposito,
panjang (gaji pegawai pendapatan dan dana pensiun
negeri dan pensiunan). swasta, risiko perang)
- Pensiun publik di masa - Kegagalan pemerintah

depan (berbeda dengan - Kegagalan dana pensiun
pensiunan pegawai negeri) - Kegagalan dana jaminan sosial
- Skema jaminan sosial untuk yang tidak terjamin (perlindungan
Implisit masyarakat sipil investor kecil)
- Pembiayaan kesehatan - Kegagalan bank (diluar asuransi
masa depan yang belum negara)
ditetapkan secara hukum - Pemulihan lingkungan bantuan
- Biaya proyek investasi bencana, pembiayaan militer.
publik
Sumber: Hana Palackova Brixi and Allan Schick (2002); Government at Risk
20
2.1.3 Hubungan Kesinambungan Fiskal dan Kesinambungan Utang
Pengertian kesinambungan fiskal memang belum ada definisi tepat yang
dapat diterima secara umum. Namun ada suatu kesepakatan bahwa kondisi fiskal
dinyatakan tidak berkesinambungan jika terdapat potensi tekanan atas kondisi
fiskal saat ini dan kondisi fiskal masa akan datang sebagai akibat kenaikan rasio
utang publik terhadap PDB yang cepat. Dinamika perkembangan utang
pemerintah sangat mempengaruhi kondisi fiskal suatu negara pada saat ini
maupun di masa akan datang. Indikator kunci dari kesinambungan fiskal adalah
ukuran dan laju pertumbuhan utang terhadap PDB. Rasio utang terhadap PDB
yang tinggi memiliki biaya yang mahal. Hal ini akan memberikan tekanan pada
tingkat suku bunga riil, meningkatkan komponen debt service dalam defisit
anggaran, dan selanjutnya akan mengurangi kemampuan manuver fiskal dan
fleksibilitas kebijakan fiskal.
2.1.4 Solvency vs Sustainability (Kesinambungan)
Croce & Juan-Ramon (2003) mendiskusikan perbedaan antara solvency
dan sustainability. Seperangkat kebijakan dikatakan unsustainable jika kebijakan
tersebut memicu timbulnya insolvency (situasi dimana jalur penerimaan dan
pembelanjaan yang akan datang tidak memenuhi kendala anggaran
intertemporal). Namun mereka berpendapat solvency merupakan syarat penting
(necessary condition) untuk menjaga sustainability dan implikasi di masa yang
akan datang dalam hal ini apakah pemerintah dapat menjaga keseimbangan
anggaran tanpa membahayakan solvabilitasnya. Kebijakan dikatakan sustainable

21
ketika peminjam diharapkan dapat membayar pinjaman secara berkelanjutan
dengan memenuhi cicilan utang sekaligus bunga pinjaman untuk meminimalisir
timbulnya gangguan atas kondisi kesinambungan penerimaan dan pengeluaran.
Dengan definisi diatas, dapat dikatakan bahwa kondisi sustainable adalah
kondisi dimana terpenuhi:
- Suatu negara dapat memenuhi kendala anggaran periode berlangsung
tanpa mengalami default atau menambah utang yang sangat banyak.
- Suatu negara tidak dapat menambah utang sementara mengetahui akan ada
penyesuaian secara signifikan untuk dapat membiayai kewajibannya.
Dari pengertian diatas diketahui bahwa kesinambungan fiskal memiliki
dua dimensi, dimensi saat ini current period budget constraint dan dimensi yang
akan datang inter-temporal budget constraint.
2.1.5 Teknik Penilaian Analisis Kesinambungan Fiskal
Perhitungan mengenai analisis kesinambungan fiskal terus dikembangkan
dan hingga saat ini terdapat berbagai pendekatan dan perhitungannya. Umumnya
perhitungan tersebut didasarkan pada model kendala anggaran. Oleh karena itu
sebelum dipaparkan perlu kiranya mengetahui landasan perhitungan (model
kendala anggaran).
Analisis kesinambungan fiskal berdasarkan sektor publik atau kendala
anggaran pemerintah seperti yang telah dipaparkan sebelumnya dapat
diidentitaskan kembali menjadi:
(net issuance debt) = (pembayaran bunga) - (keseimbangan primer) –
(seigniorage atau tambahan uang beredar)

22
Net issuance debt adalah penerimaan gross atas penerbitan utang baru
dikurangi pembayaran amortisasi pada periode tersebut. Secara matematis
identitas diatas dinotasikan dengan:
(Mt-Mt-1) + (D t -D t-1) = rDt + (Gt – Rt)
Dengan mengabaikan peran dari Bank Sentral persamaannya menjadi :
D t-D t-1 = rDt + PBt
Kemudian asumsi yang diterapkan adalah : (i) waktu adalah diskrit,
(ii) jatuh tempo utang hanya satu periode, (iii) utang adalah nilai riil dimana face
value diindekskan dengan tingkat harga, dan (iv) utang yang diterbitkan pada t-1
memiliki tingkat suku bunga riil sebesar rt-1. Dengan asumsi persamaan menjadi:
dt = (1+r t-1) d t-1 + pbt
dimana tingkat suku bunga riil adalah
π : tingkat inflasi
n : tingkat suku bunga nominal
r : tingkat suku bunga riil
arti persamaan diatas adalah :
- Jika pemerintah memiliki surplus primer riil sebesar nol (pbt=0) stok
dari utang riil akan meningkat dengan laju pertumbuhan sebesar tingkat
suku bunga riil.
- Jika pemerintah mengambil kebijakan anggaran defisit primer (pbt< 0),
stok utang riil akan meningkat dengan laju pertumbuhan lebih cepat
dari tingkat suku bunga riil.

23
- Jika pemerintah mengambil kebijakan anggaran surplus primer (pbt >
0), stok utang riil akan meningkat dengan laju pertumbuhan lebih
lambat dari tingkat suku bunga riil.
Berdasarkan penjelasan diatas terdapat teknik penilaian yang didasarkan
pada definisi formal sustainability. Teknik ini lebih menekankan pada perbedaan
antara kebijakan fiskal yang sustainable dari kebijakan yang unsustainable. Ada
dua indikator yang digunakan, yakni:
a. Buiter (1995)
Buiter menyatakan bahwa fiskal yang berkesinambungan dapat dicapai
ketika selisih antara defisit primer saat wealth konstan dengan defisit primer
saat ini positif yang diformulasikan:
pb = (r t -n t) w t
pb-pb t = (r t -n t)w t –pbt
dimana :
pb t = PBt / Yt (rasio defisit primer terhadap output)
w t = Wt / Yt (rasio net worth terhadap output)
Namun persamaan ini sulit untuk mendapatkan besarnya government net
worth (w)t.
b. Blanchard (1990)
Blanchard mengemukakan dua indikator, yakni: indikator primary gap dan
indikator tax gap. Indikator primary gap berdasarkan defisit primer permanen
untuk menstabilkan debt ratio dapat diformulasikan:

24
pb = (n t -r t) pb t
pb-pb t = (n t -r t)d t -pb t
dimana
d t = Dt / Yt (rasio utang atas output/debt ratio)
Interpretasi dari persamaan diatas adalah jika bernilai negatif maka
defisit primer saat ini terlalu besar untuk menstabilkan debt ratio. Selanjutnya
indikator tax gap berdasarkan rasio pajak permanen atas output untuk
menstabilkan debt ratio dapat diformulasikan:
t = nit -(nt -rt)dt
tt -t = tt + (nt -rt)dt -nit
dimana nit adalah rasio belanja non-interest atas output.
Interpretasi dari persamaan diatas adalah jika bernilai negatif maka
besarnya pajak yang diterima saat ini tidak mencukupi (terlalu sedikit) untuk
menstabilkan debt ratio dengan besarnya belanja negara yang telah
ditetapkan. Blanchard juga menyarankan adanya indikator medium-term tax
gap dengan mengasumsikan tingkat suku bunga riil dan pertumbuhan
konstan. Indikator ini digunakan untuk menstabilkan rasio utang terhadap
output untuk periode ke depan.
t = t+j - (n t+j –r t+j) d t+j ) = t+j - (n t –r t) d t ) t t – t = t t + ( nt -rt) dt - t+j
Indikator-indikator diatas yang dikemukakan oleh Buiter dan Blanchard
sangat berguna karena sederhana dan mudah diinterpretasikan baik oleh
pakar ekonomi maupun pengambil kebijakan. Selain itu, penilaian ini telah
diimplementasikan di berbagai negara. Namun selain manfaatnya ternyata

25
teknik ini memiliki kelemahan di antaranya memiliki definisi sustainability
yang tidak tetap, apakah sustainability berarti memiliki net worth konstan
atau rasio utang terhadap output konstan.
Selain itu, untuk negara yang memiliki utang yang sangat besar (HPC)
atau negative net worth yang sangat besar, kebijakan fiskalnya dapat
dikatakan berkesinambungan jika terdapat pengurangan utang atau kenaikan
net worth (relatif terhadap output), sedangkan untuk negara dengan tingkat
utang yang rendah atau memiliki net worth yang signifikan, kebijakan
fiskalnya masih dapat dikatakan berkesinambungan meskipun terjadi
kenaikan utang atau pengurangan net worth. Hal ini tidak dapat dijelaskan
dengan penilaian indikator di atas.
Kelemahan lainnya adalah indikator di atas menghitung tingkat
kesinambungan fiskal hanya untuk periode saat ini dan tidak dapat digunakan
untuk proyeksi ke depan; dan teknik penilaian ini hanya dapat digunakan
pada perekonomian yang stabil karena tidak dapat memasukan faktor
ketidakpastian atau shock. Selanjutnya terdapat beberapa penghitungan
analisis pendekatan tradisional yaitu accounting approach, present value
constraint approach dan analisis pendekatan terkini. Perbedaan dari analisis
pendekatan tradisional dan analisis pendekatan terkini adalah adanya unsur
ketidakpastian atau shock dalam perekonomian. Berikut analisis perhitungan
kesinambungan fiskal adalah:

26
a. Accounting Approach
Accounting approach sering digunakan dalam analisisdengan menggunakan
model dasar fraksi atas lifetime budget constraint terhadap PDB.
(1 + )
= −
(1 + )
Dimana:
Yt = GDP tahun t
g = real growth rate dari GDP
Persamaan diatas dapat disederhanakan sebagai berikut :
(1 + )
= −
(1 + )
Dimana:
dt yaitu debt/GDP ratio
PBt yaitu defisit primer/GDP
Dari persamaan diatas dapat diperoleh perubahan terhadap debt/GDP
ratio yakni sebagai berikut:
Δdt = dt = dt-n =
Dalam accounting approach, fiscal sustainability diterjemahkan dalam
sustainability dari surplus pada primary balance. Menurut definisi
accounting approach, defisit atau surplus pada primary balance tersebut
menghasilkan debt/GDP ratio yang konstan. Hal ini berarti dt harus sama
dengan nol pada persamaan diatas, dengan demikian menghasilkan sebagai
berikut:
27
−
=
1+
Kondisi dapat dikatakan sustainability apabila persamaan diatas dapat
dipertahankan. Pendekatan ini fokus pada steady state sehingga terkadang
disebut pendekatan steady state dan mengasumsikan bahwa defisit fiskal
(atau surplus) dimana debt ratio (Utang per PDB) yang konstan adalah
indikator kebijakan fiskal yang sustainable.
Keunggulan pendekatan ini adalah:
1. Dapat mempertimbangkan kemungkinan untuk memasukan faktor
pendapatan dari seigniorage dengan memasukan besarnya seigniorage ke
dalam keseimbangan primer.
2. Dapat mengukur konsistensi dari target kebijakan makro, misalnya: jika
tingkat suku bunga riil 5 % dan pertumbuhan 2 % maka surplus primer
minimal harus 1.8% dari GDP.
3. Dapat menjawab pertanyaan transitional dynamics, misalnya: berapa lama
dari surplus primer yang dihasilkan akan meneruskan debt ratio.
Kelemahan pendekatan ini adalah:
1. Pendekatan ini hanya dapat digunakan pada perekonomian yang stabil
karena tidak memasukan faktor ketidakpastian.
2. Tidak mempertimbangkan besarnya debt ratio yang penting debt ratio
konstan.
3. Asumsi yang digunakan tidak realistis dimana bersifat konstan.

28
4. Dalam menghitung target kebijakan makro mengasumsikan bahwa
perubahan surplus primer tidak akan mempengaruhi besarnya tingkat suku
bunga riil dan pertumbuhan asumsi ini tidak realistis.
5. Kreditur tidak mengetahui strategi yang digunakan dalam memberi
tambahan pinjaman karena informasi yang diketahui hanya debt ratio yang
konstan.
b. Present Value Constraint Approach
Analisis pendekatan tradisional selanjutnya adalah Present value
constraint approach yang memiliki turunan yang dapat diformulasikan
sebagai berikut:
= +
(1 + ) (1 + )
Dan persamaan ini dapat dituliskan:
=0
(1 + )
Kondisi di atas disebut pula dengan kondisi no ponzi game. Arti
persamaan di atas adalah nilai present value dari utang pemerintah pada
periode infinite yang akan datang, akan convergent menuju nol dengan kata
lain utang tersebut pasti akan dilunasi pemerintah. Agar hal ini tercapai maka
jumlah utang riil harus tumbuh lebih lambat dari tingkat suku bunga riil.
29
c. Analisis Pendekatan Terkini
Analisis pendekatan terkini yang digunakan oleh International Monetary
Fund (IMF) terus dikembangkan. Pendekatan ini sangat bermanfaat karena
dapat digunakan untuk proyeksi indikator makro ekonomi dan dengan mudah
diimplementasi ke dalam kebijakan. Proyeksi yang dilakukan IMF
berdasarkan pengamatan, tidak terkecuali di negara-negara yang selalu
memberikan pinjaman (negara maju). Proyeksi ini dapat dikaitkan dengan
pergerakan utang suatu negara, yang dapat menjadi simulasi kendala
anggaran ke depan sesuai persamaan.
Analisis ini merupakan pengembangan teknik perhitungan
kesinambungan fiskal yang memperbaiki kelemahan dari pendekatan di atas
terutama karena memasukan faktor ketidakpastian, faktor ini sangat penting
karena umumnya teori kesinambungan kebijakan fiskal diterapkan pada
perekonomian yang sedang berkembang yang kondisinya rentan dengan
faktor ketidakpastian. Meskipun pendekatan ini lebih baik, dibutuhkan
akurasi perhitungan mengenai batas maksimum utang, kemampuan proyeksi,
penilaian contingent liabilities, atau analisis kebijakan yang tepat dalam
implementasinya.
Farmer (2002) menjelaskan model dasar dari persamaan IMF adalah
model kendala anggaran pemerintah yang diidentitaskan dengan:
! + "# + =" +∆ …………………….…………..(1)
Sisi kiri persamaan (1) adalah penggunaan penerimaan pemerintah,
termasuk dengan belanja pemerintah untuk barang dan jasa (G), pembayaran
30
transfer (TR) dan pembayaran bunga (iB). Sisi kanan persamaan adalah
sumber penerimaan pemerintah termasuk penerimaan pajak (T), dan
penjualan baru obligasi pemerintah (∆ ), selanjutnya defisit anggaran
primer (PD) dapat dirumuskan sebagai berikut
! + "# − " + = ∆ ………………………..…………..(2)
Sisi kiri persamaan (2) merupakan defisit anggaran belanja (budget
deficit), sedangkan defisit anggaran belanja primer (primer budget deficit)
dapat dituliskan sebagai berikut:
= ! + "# − " ……………………………..………….(3)
Dengan mensubtitusikan persamaan (2) ke dalam persamaan (3) akan
diperoleh
= (1 + ) + …………………………………..…..(4)
Persamaan (4) dibagi dengan PDB nominal ( )
⁄ = &( ⁄ )'(1 + ) + ⁄
⁄ = &( ⁄ )( ⁄ )'(1 + ) + ⁄
= &(1 + )/(1 + ) )(1 + )' + …………………….(5)
&(1 + )/(1 + ) )'~(1 + − ) )~ (1 + )
= + (1 + )/(1 + ) ………………………..…..(6)
Apabila persamaan (6) digambarkan melalui kurva, maka

31
= =
, = + (1 + )/(1 + ) ,
+0
,0
+1
- - ,
,0
Gambar 2.1 Kurva Kendala Anggaran Pemerintah (Kasus 1)

Sumber: Farmer (2002)
Kurva pada kasus 1 menjelaskan bahwa {(1+r)/(1+g)} = α dimana nilai α
adalah 0 < α < 1 atau r < g sehingga bunga utang lebih kecil dibandingkan
pertumbuhan karena utang, dengan begitu titik keseimbangan terletak di E0.
,
, = + (1 + )/ (1 + ) - ,
= =
+1
−- ,0
+2 − ,0
Keseimbangan imajiner
Gambar 2.2 Kurva Kendala Anggaran Pemerintah (Kasus 2)

Sumber: Farmer (2002)
32
Kurva pada kasus 2 menunjukkan bahwa {(1+r)/(1+g)} = α dimana nilai
α adalah α > 1 ~ r > g, jika nilai α lebih besar dari 1 artinya nilai suku bunga
lebih besar dibandingkan pertumbuhan ekonomi karena utang, sehingga pada
kurva tersebut tidak memiliki keseimbangan atau keseimbangan imajiner.
Oleh karena itu dari kedua kasus diatas, kondisi yang diharapkan oleh
pemerintah adalah kasus 1, hal ini dikarenakan jika kurva tidak memiliki
keseimbangan (keseimbangan imajiner) maka akan terjadi keberlanjutan
utang pemerintah yang akan berdampak buruk bagi negara.
Persamaan diatas menunjukkan posisi utang terhadap PDB yang berarti
menunjukkan tingkat kesinambungan utang yang dapat dijadikan ukuran di
dalam mengukur tingkat kesinambungan fiskal. Pendekatan ini cukup baik
digunakan bagi ahli ekonomi maupun pembuat kebijakan karena selain
mengetahui tingkat kesinambungan fiskal juga dapat mengetahui kebijakan
yang harus ditempuh. Faktor ketidakpastian ekonomi digambarkan dengan
fluktuasi indikator makro ekonomi yang selanjutnya dimasukan ke dalam
model IMF. Selain itu, model ini dapat memproyeksikan tingkat
kesinambungan fiskal khususnya untuk jangka pendek dan menengah
sehingga pemerintah dapat melakukan antisipasi kebijakan atas
perekonomian yang mungkin terjadi untuk periode ke depan. Kelemahan
model ini adalah perlunya metode proyeksi yang tepat karena setiap negara
memiliki karakteristik indikator makro ekonomi yang berbeda.

33
2.1.6 Variabel Makro Ekonomi
Dalam pengungkapan risiko fiskal yang diperlukan dalam menjaga
kesinambungan fiskal dibutuhkan beberapa variabel makro ekonomi yang
dianggap memiliki pengaruh yang cukup signifikan dalam perekonomian.
Perbedaan kondisi perekonomian di masa yang akan datang dapat menyebabkan
tidak terealisasinya asumsi-asumsi makro yang telah ditetapkan. Perbedaan
tersebut dapat menimbulkan tidak terpenuhinya besaran anggaran belanja dan
pendapat yang ditetapkan, termasuk upaya pencarian sumber pembiayaan baru
bila dibutuhkan. Hal itu tentu saja akan mempengaruhi kesinambungan fiskal
yang akan berdampak pada risiko fiskal yang akan terjadi. Indikator makro
ekonomi yang digunakan pertumbuhan ekonomi, nilai tukar, suku bunga, inflasi,
dan harga minyak.
a. Pertumbuhan ekonomi
Pertumbuhan ekonomi dapat diartikan sebagai peningkatan
kemampuan dari suatu perekonomian dalam memproduksi barang dan
jasa. Pertumbuhan ekonomi juga merupakan salah satu indikator dalam
pembangunan ekonomi yang terjadi di suatu negara. Untuk membiayai
pembangunan ekonomi tersebut dibutuhkan anggaran belanja dengan
jumlah cukup besar yang dapat memicu adanya defisit anggaran. Utang
dalam dan luar negeri merupakan salah satu solusi bagi pemerintah untuk
menutup defisit anggaran yang ada. Secara teori, utang yang dilakukan
pemerintah dalam menutup defisit anggaran dapat mendorong
pertumbuhan ekonomi baik dari sisi permintaan (Y=C+I+G+NX) maupun

34
dari sisi penawaran (Y=F(K,L)), namun utang pemerintah juga dapat
menimbulkan beban utang dan beban bunga utang yang akan menghambat
pertumbuhan ekonomi. Oleh karena itu, Pemerintah diharapkan dapat
menggunakan utang dengan produktif.
b. Nilai tukar riil
Nilai tukar riil adalah harga relatif dari barang-barang di antara dua
negara. Kurs ini memperlihatkan tingkat dimana kita dapat
memperdagangkan barang-barang suatu negara untuk barang-barang di
negara lain (Mankiw, 2007). Kurs riil (/) diperoleh dari kurs nominal (e)
dikalikan dengan rasio tingkat harga seperti persamaan dibawah ini:
/ =0×( ∗
)
P adalah harga barang domestik dan P* adalah harga barang luar negeri.
Kurs riil di antara kedua negara dihitung dari kurs nominal dan tingkat
harga di kedua negara. Jika kurs riil tinggi, barang-barang luar negeri
cenderung lebih murah, dan barang-barang domestik cenderung lebih
mahal. Jika kurs riil rendah, barang-barang luar negeri cenderung lebih
mahal, dan barang-barang domestik cenderung lebih murah (Mankiw,
2007).
Kurs riil cukup berpengaruh terhadap beban utang di suatu negara
khususnya utang luar negeri. Apabila mata uang domestik terdepresiasi
maka beban utang akan meningkat, begitu juga sebaliknya jika utang luar
negeri meningkat maka permintaan dolar meningkat sehingga nilai tukar
terdepresiasi. Oleh karena itu pemerintah harus menjaga nilai mata uang
35
domestik di batas aman agar tidak meningkatkan defisit anggaran akibat
dari pembayaran utang pokok dan bunga utang luar negeri jatuh tempo.
c. Suku bunga
Sesuai dengan teori, suku bunga merupakan variabel yang
diturunkan dari utang per PDB. Suku bunga yang tinggi akan
meningkatkan jumlah utang per PDB. Bunga merupakan imbalan jasa atas
pinjaman uang, imbal jasa ini merupakan kompensasi dari pinjaman yang
diberikan dari pihak peminjam kepada negara-nagara kreditur. Jika suku
bunga yang diberikan kreditur meningkat, maka akan meningkatkan utang
per PDB.
Penelitian Hubbard (2012) yang berjudul “Consequences of
Government Deficits and Debt” mengemukakan bahwa di negara Amerika
Serikat terdapat tiga kekhawatiran utama dari utang yakni: (1) kenaikan
kumulatif utang yang begitu besar atau bahkan kecil dapat berpengaruh
besar terhadap suku bunga riil, (2) besarnya pengaruh utang pemerintah
pada suku bunga dapat meningkatkan ketergantungan terhadap tabungan
asing, (3) tinggi pengeluaran pemerintah untuk membayar kewajiban
utang sangat mungkin membuat beban pajak yang lebih tinggi,
mengurangi pembentukan modal, pertumbuhan ekonomi dan standar
kehidupan.
Dinamika perkembangan utang pemerintah sangat mempengaruhi
kondisi fiskal suatu negara pada saat ini maupun di masa akan datang.
Indikator kunci dari kesinambungan fiskal adalah ukuran dan laju

36
pertumbuhan utang terhadap PDB. Rasio utang terhadap PDB yang tinggi
memiliki biaya yang mahal. Hal ini akan memberikan tekanan pada
tingkat suku bunga riil, meningkatkan komponen debt service dalam
defisit anggaran, dan selanjutnya akan mengurangi kemampuan manuver
fiskal dan fleksibilitas kebijakan fiskal.
d. Inflasi
Tugas utama Bank Sentral adalah mengendalikan tingkat inflasi,
hal ini sesuai dengan teori quantity of money oleh Milton Friedman yang
menyatakan bahwa Inflation is always and everywhere a monetary
phenomena. Namun, pandangan tradisional tersebut mendapat tantangan
dari Fiscal theory of the price level (FTPL) yang dikemukakan oleh
Leeper (1991), (Woodford (1994, 1995), dan Sims (1994), yang
mengemukakan bahwa kebijakan fiskal memegang peranan penting dalam
penentuan harga melalui budget constraint yang terkait dengan kebijakan
utang, pengeluaran dan perpajakan.
Penelitian cross-section oleh Fatás & Mihov (2003) menjelaskan
bahwa negara yang menerapkan kebijakan fiskal secara agresif akan
mengalami volatilitas yang menyebabkan perlambatan pertumbuhan
ekonomi. Penelitian tersebut juga menyimpulkan bahwa pembatasan di
bidang politik sebagai salah satu bentuk penerapan kebijakan fiskal yang
berhati-hati berhasil dalam mengurangi diskresi fiskal.
Diskresi fiskal juga dapat menyebabkan volatilitas inflasi. Studi
mengenai dampak kebijakan fiskal terhadap inflasi secara umum dapat

37
dibedakan menjadi dua, yaitu studi yang lebih fokus pada jangka waktu
yang lebih panjang terkait dampak defisit fiskal terhadap inflasi dan studi
mengenai diskresi fiskal terhadap inflasi. Dampak kebijakan fiskal
terhadap inflasi menurut Rother (2004) dapat memengaruhi melalui
ekspetasi masyarakat terhadap kemampuan Pemerintah dalam membayar
utangnya.
e. Harga minyak
Harga minyak dunia merupakan salah satu komoditas bisnis yang
mempengaruhi kondisi siklus ketika harga minyak dunia meningkat, harga
minyak di dalam negeri juga akan meningkat. Kenaikan harga minyak
mentah akan menggeser kurva penawaran ke kiri sehingga output
mengalami penurunan yang disebabkan meningkatnya biaya produksi. Hal
ini akan menjadi beban pemerintah dalam menjaga kestabilan harga, salah
satu bentuk kebijakan pemerintah adalah subsidi BBM. Kebijakan subsidi
akan membebankan pengeluaran pemerintah dan menciptakan defisit
anggaran. Apabila suatu negara sebagai negara pengimpor minyak maka
peningkatan harga minyak memiliki nilai yang positif terhadap Debt/GDP,
ketika harga minyak meningkat belanja pemerintah meningkat dan
menciptakan risiko fiskal, berbeda halnya dengan negara sebagai
pengekspor minyak, apabila terjadi peningkatan harga minyak maka
negara tersebut akan mendapatkan keuntungan lebih besar.
2.2 Penelitian Terdahulu

38
Penelitian ini dilakukan tidak terlepas dari hasil penelitian-penelitian
terdahulu. Penelitian terdahulu dilakukan sebagai upaya memperjelas tujuan
dalam penelitian ini, sekaligus untuk membedakan antara penelitian ini dengan
penelitian sebelumnya. Penelitian mengenai kesinambungan fiskal sebelumnya
telah dilakukan di banyak negara, seperti misalnya di negara Karibia yang diteliti
oleh Cevik & Nanda (2020), negara G-7 yang diteliti oleh Magazzino, Brady, &
Forte (2019), negara berkembang di Asia yang diteliti oleh Bui (2019), negara
India yang diteliti oleh Akram & Rath (2019), negara Kroatia yang diteliti oleh
Simovic (2018), negara Malaysia yang diteliti oleh Wan Sulaiman & Abdul
Karim (2015), dan negara Indonesia yang diteliti oleh Wardhono, Qori’ah, &
Wulandari (2015) dan Mudayen (2017).

39
Tabel 2.2 Penelitian Terdahulu

Judul Variabel Metodologi
No Penulis Hasil dan Implikasi
Penelitian Penelitian Penelitian
Serhan Cevik, Keberlanjutan fiskal tetap menjadi tantangan

Fiscal GDP potential,
Vibha Nanda utama bagi negara kecil dengan tingkat utang
Sustainability interest rate, debt
1 (2020) Panel yang tinggi terbukti dengan hasil koefisien utang
in the to GDP ratio,
International pemerintah memiliki hubungan yang positif
Caribbean Output gap.
Monetary Fund signifikan.
Secara umum hasilnya menunjuk pada

Pendapatan
solvabilitas, sebagai enam negara (satu-satunya)
pemerintah (GGR),
kecuali Jerman) menyajikan estimasi koefisien
total pengeluaran
positif signifikan untuk peningkatan
Cosimo pemerintah umum
A panel data keseimbangan primer setelah hutang masa lalu
Magazzino, (GGTE), pinjaman
analysis of meningkat. Dimana aliran kausalitas dua arah
Gordon L. Brady primer bersih
the fiscal (dengan mekanisme umpan balik) ditemukan
2 b, Francesco pemerintah umum Uji Panel
sustainability antara pendapatan pemerintah dan pengeluaran -
Forte. (2019) (GGNPL) dan
of G-7 Sejalan dengan teori Musgrave (1966) dan
Journal of hutang bruto
countries Meltzer dan Richard (1981) - dan defisit dan
Elsevier pemerintah umum
utang primer pemerintah. Hasil menunjukkan
(GGGD)
bahwa keputusan untuk mengenakan pajak dan
diskalakan sebagai
membelanjakan, atau sebaliknya, dibuat bersama
bagian dari PDB.
di negara-negara G-7.
40

Fiscal
Sustainability
Duy-Tung Bui Primary balance,
in Developing
(2019), Journal of Public debt, Berdasarkan hasil data panel pada 22 negara
Asia – New
Asian Business Government berkembang di Asia tahun 1999 hingga 2017,
3 Evidence From Panel
and Economics Revenue, ditemukan bahwa rata-rata kebijakan fiskal di
Panel
Studies Vol 27, Government wilayah tersebut tidak berkelanjutan.
Correlated
No. 1. Expenditure.
Common Effect
Model
Total
pengeluaran,
What Do We total pendapatan, Unit Root, Uji
Hasil estimasi menunjukkan terjadi
Know About penerimaan endogenous,
Vaseem Akram, kesinambungan fiskal yang kuat dari mayoritas
Fiscal pendapatan, uji kointegrasi,
4 Badri Narayan negara, dimana negara bagian utara, barat dan
Sustainability pengeluaran DOLS, Panel
Rath (2019) selatan lebih memiliki kesinambungan fiskal
Across Indian modal, Granger
dibandingkan dengan negara timur.
States penerimaan Kausalitas
modal dan rasio
GDP.
Muhammad
Analisis Berdasarkan penelitian ini didapatkan hasil
Basorudin (2019),
Kesinambungan Rasio utang bahwa rasio utang terhadap PDB triwulan
Jurnal Ekonomi
5 Fiskal terhadap PDB, ECM sebelumnya, pertumbuhan ekonomi dan inflasi
Pembangunan
Indonesia Pasca PDB, Inflasi berpengaruh signifikan terhadap rasio utang
Volume 17 (2):
Krisis Ekonomi terhadap PDB triwulan saat ini secara simultan.
59-70
41
Judul Metodologi
No Penulis Variabel Penelitian Hasil dan Implikasi
Penelitian Penelitian
Akhmad Solikin, Auto-
Kesinambungan Output Gap, Inflasi,
Hilda Choirunnisa Regressive Penelitian ini menemukan bahwa
Fiskal dan Kurs nominal, Kurs
(2019), Jurnal Distributed pemerintah memberikan respons atas
Estimasi Fiscal rill, Suku bunga
perbendaharaan, Lag-Error peningkatan beban utang sehingga
6 Reaction nominal, harga
keuangan negara Correction kebijakan fiskal di Indonesia pada periode
Function minyak, dummy
dan kebijakan Model 1977–2017 diindikasikan
Indonesia tahun pemilihan presiden,
publik 4(3). 267- (ARDL- berkesinambungan
1997-2017 dummy krisis 1998.
283 ECM)
Cosimo
Berdasarkan hasil analisis wavelet dengan
Magazzino, Mihai
menggunakan periode penelitian 16 tahun,
Mutascu (2019). A wavelet
Primary balance, dan didapatkan hasil bahwa Italia memenuhi
Journal of analysis of Wavelet
7 rasio utang terhadap kondisi solvabilitas fiskal, meskipun pada
Economic Italian fiscal Analisis
GDP tahun 2014-2018 rasio utang terhadap PDB
Structure 8, sustainability
turun sebesar 130% yang dapat menjadi
Article number
ancaman prospek pertumbuhan.
19.
GDP nominal, GDP
rill, Government Berdasarkan hasil penelitian didapatkan
Insukindro
The Effect of expenditure, Tax bahwa variabel Twin Shock menunjukkan
(2018), Recent
Twin Shock On revenue, Transfer to bahwa fluktuasi ekonomi dan nilai tukar
Issues in
8 Fiscal regions and village VECM dalam jangka panjang memiliki efek positif
Economic
Sustainability funds, Primary pada fungsi reaksi fiskal. Hal ini dapat
Development
in Indonesia deficit, Domestic menentukan otoritas fiskal dalam menjaga
ISSN 2071-789X
debt External debt, kesinambungan fiskal di Indonesia.
Output gap, Kurs.
42

Keseimbangan
Evan Lau, Alvina
Estimating primer, utang
Lee Syn-Yee
Fiscal Reaction publik, Berdasarkan hasil penelitian, untuk Malaysia
(2018). Jurnal
9 Functions in pertumbuhan VAR dan OLS Thailand dan Filipina selama masa periode
Ekonomi
Malaysia, ekonomi, suku penelitian memiliki keberlanjutan fiskal.
Malaysia 52(1)
Thailand and bunga rill, output
2018 67-26
the Philippines gap.
Berdasarkan hasil IRF, dari ke 5 variabel yaitu
Analisis
Nurhayati, dan Pertumbuhan inflasi, Egrowth, Exchange, Oil dan Poor,
Kesinambungan
Mentari ekonomi, inflasi, variabel yang ketika terkena shock paling
Fiskal Pada
Wahyuningsih pertumbuhan bepengaruh yaitu Egrowth dan Exchange
Variabel Makro
10 (2018). Seminar nilai tukar, harga VAR karena dengan menggunakan metode VAR,
Ekonomi
Nasional minyak dunia, dimana dalam jangka panjang utang
Indonesia
Cendekiawan Ke dan tingkat pemerintah dalam menjaga pelaksanaan
Periode 1998-
4 Tahun 2018. kemiskinan. keberlanjutan fiskal di Indonesia dipengaruhi
2017
oleh kombinasi beberapa variabel tersebut.
Hasil penelitian menunjukkan bahwa utang

Impact of
Hrvoje Simovic publik di Kroasia berkelanjutan hingga tahun
Public Debt Government
(2018). Acta 2008, setelah itu terjadi ketidak berkelanjutan
11 Sustainability spending, public VAR
Oeconomica, Vol hingga 2015 hal ini dikarenakan terjadi
on Fiscal Policy debt, growth.
68 (2) peningkatan utang publik yang signifikan.
in Croatia
43

Welcome
Nxumalo,
Primary balance, Berdasarkan hasil penelitian menunjukkan
Nomvuyo
Assessing Government bahwa tidak terjadi keberlanjutan fiskal di
Hlophe(2018). Metode
fiscal expenditure, Swaziland. Salah satu penyebabnya adalah
12 South African deterministic
sustainability revenue and karena pengeluaran publik meningkat lebih cepat
Journal of dan stokastik
in Swaziland interest dbandingkan penerimaan sehingga defisit
Economics and
payments. pemerintah semakin meningkat.
Management
Sciences
Fiscal
Domestic debt,
Sustainability
external debt, Hasil empiris mengungkapkan bahwa jalur
Ahmad Zubaidi in an
government defisit fiskal di Malaysia pada dasarnya
Baharumshah dkk Emerging
revenue, berkelanjutan kecuali pada periode krisis
13 (2017), Journal of Market ECM
government ekonomi. Sementara itu, pertumbuhan utang
Policy Modeling Economy:
expenditure, memiliki efek ambang dimana kemajuan
39. When does
budget balance, ekonomi secara kompromistis terkompromikan.
public debt
GDP.
turn bad?
Yohanes Maria The Impact
Vianey Mudayen, of
Primary balance, Berdasarkan hasil estimasi tersebut
(2017). Government's
growth, external Model menunjukkan bahwa yang mempengaruhi
14 International Foreign Debt
debt, interest Simultan kesinambungan fiskal, yaitu pertumbuhan
Journal of on Fiscal
rate. ekonomi, utang luar negeri.
Economics and Sustainability
Financial Issues of Indonesia
44
Variabel Metodologi
No Penulis Judul Penelitian Hasil dan Implikasi
Penelitian Penelitian
Terdapat beberapa hasil yaitu (1) Kebijakan
Antonio Afonso, fiskal berkelanjutan di Belgia, Perancis, Jerman
Joao Tovar Jalles Euro area time- Primary budget dan Belanda, (2) rasio utang terhadap GDP
15 (2017). Journal of varying fiscal surplus, debt to Panel menunjukkan hasil negatif signifikan terhadap
Finance and sustainability GDP ratio. budget surplus, (3) peraturan berbasis
Economics pengeluaran fiskal merupakan penentu
keberlanjutan fiskal.
Berdasarkan hasil estimasi, menunjukkan
Adhitya Studi perubahan harga minyak dunia signifikan
Wardhono dkk Kesinambungan Utang luar negeri, mempengaruhi utang luar negeri. Sedangkan uji
(2015). Jurnal Fiskal Pada SBI, suku bunga IRS menunjukkan hasil bahwa terdapat
16 Ekonomi Variabel Makro internasional, kurs, VAR hubungan timbal balik antara utang luar negeri,
Kuantitatif Ekonomi inflasi, harga SBI dan harga minyak. Sementara hasil Uji VD
Terapan Vol. 8 Indonesia : minyak dunia menunjukan bahwa SBI, inflasi dan harga
No. 2 Analisis VAR minyak lebih dominan dalam mempengaruhi
kesinambungan fiskal di Indonesia.
Analisis Keseimbangan
Determinan primer,
Dalam jangka pendek dan jangka panjang
Irma Yunita,. Keseimbangan penerimaan
variabel bebas penerimaan negara, pengeluaran
(2015). Fakultas Primer sebagai negara,
ECM dan pemerintah, utang pemerintah, inflasi, nilai tukar,
17 ekonomi dan Indikator pengeluaran
OLS harga minyak dunia secara bersama-sama
bisnis universitas Kesinambungan pemerintah, utang
berpengaruh dan signifikan terhadap
bandar lampung Fiskal Indonesia pemerintah,
kesinambungan fiskal.
( Periode 1998- inflasi, kurs, harga
2014) minyak dunia.
45

Structural
Primary balance,
Ivantia S. Breaks and
rasio utang Berdasarkan hasil penelitian ini dapat disimpulkan
Mokoginta Fiscal Logistic
terhadap PDB, bahwa kesinambungan fiskal tidak dapat
(2015), Economic Sustainability Smooth
18 SBI, dipertahankan selama periode penelitian. Terdapat
Journal of of The Transition
pertumbuhan dampak negatif dari peningkatan rasio utang
Emerging Indonesian Function
ekonomi, ICP, terhadap PDB atas surplus keseimbangan primer.
Markets, 7(1). Government
inflasi, kurs.
Budget
Berdasarkan hasil penelitian ini menunujukkan
Assessing
Wan Farisan bahwa indikator gap lebih baik dibandingkan
Fiscal
Sulaiman, dkk Debt to GDP Indikator gap dengan algoritma rekrusif dalam menilai
Sustainability
(2015). Prosiding ratio, real GDP dan indikator keberlanjutan fiskal, sementara itu algoritma
19 for Malaysia:
Perkem ke-10, growth rate, real algoritma rekrusif lebih baik dibandingkan dengan indikator
Fiscal
44-56 ISSN: interest rate. rekursif gap dalam menganalisis keberlanjutan fiskal di
Sustainability
2231-962X masa lalu dan menentukan apakah kebijakan fiskal
Indicators
saat ini baik.
Jun-Hyung Ko, Fiscal
Hiroshi Morita sustainability Pertumbuhan Berdasarkan hasil penelitian menunjukkan bahwa
Markov-
20 (2015). Economic and regime ekonomi, rasio rasio utang terhadap PDB tidak berkelanjutan pada
switching VAR
Modeling shifts in utang pemerintah jangka panjang.
46(2015) 364-375 Japan
Sumber: Penulis, 2020
46
2.3 Alur Pikir Penelitian
Kebijakan fiskal dikatakan berkesinambungan jika kebijakan yang berlaku dapat
berlangsung hingga waktu yang tidak terhingga dengan stabilitas rasio utang pemerintah
terhadap PDB. Rasio utang terhadap PDB yang tinggi memiliki biaya yang mahal dan akan
memberikan tekanan pada tingkat suku bunga riil, meningkatkan komponen debt service
dalam defisit anggaran, dan selanjutnya akan mengurangi kemampuan fiskal dan fleksibilitas
kebijakan fiskal.
Variabel makro ekonomi menjadi salah satu sumber risiko fiskal yang berkaitan
dengan aktivitas pemerintah terkait dengan kebijakan fiskal dalam mengatur perekonomian
negara melalui instrumen pendapatan dan belanja negara. Indikator makro ekonomi yang
digunakan sebagai dasar perhitungan adalah pertumbuhan ekonomi, nilai tukar riil, suku
bunga riil, tingkat inflasi dan harga minyak. Dengan begitu alur pikir penelitian ini adalah
menguji kausalitas dan respons variabel pertumbuhan ekonomi, nilai tukar riil, suku bunga
riil, tingkat inflasi dan harga minyak mentah terhadap kesinambungan fiskal yang dihitung
melalui rasio utang terhadap PDB.
Gambar 2.3 Alur Pikir Penelitian
Pertumbuhan
Ekonomi Rasio Utang
Terhadap PDB
Nilai Tukar
Riil
Kesinambungan
Suku Bunga
Riil Fiskal
Tingkat Inflasi
Harga Minyak
Mentah

47
2.4 Hipotesis Penelitian
Berdasarkan kriteria statistik dan ekonomi serta ditunjang dengan berbagai teori dan
hasil penelitian terdahulu, maka hipotesis penelitian ini adalah:
1. Terdapat hubungan kausalitas antara rasio utang terhadap PDB, pertumbuhan
ekonomi, tingkat inflasi, suku bunga, nilai tukar rupiah dan harga minyak dunia.
2. Pertumbuhan ekonomi, tingkat inflasi, suku bunga, nilai tukar rupiah dan harga
minyak dunia memberikan respons atas guncangan/shock dari rasio utang terhadap
PDB.
BAB III
METODOLOGI PENELITIAN
3.1 Rancangan Penelitian
Penelitian adalah suatu proses mencari sesuatu secara sistematik dalam
waktu yang ditentukan dengan menggunakan metode ilmiah secara aturan-aturan
yang berlaku. Jenis penelitian yang digunakan adalah jenis penelitian asosiatif.
Penelitian asosiatif adalah penelitian dilakukan dengan menggunakan teknik
analisis kuantitatif atau statistik. Kemudian perhitungan untuk mengetahui
hubungan dan pengaruh antar variabel yang digunakan dalam penelitian.
Data yang dipakai dalam penelitian ini, jika dilihat dari sifatnya adalah
data kuantitatif adalah data yang berbentuk angka dan dapat diukur data yang
digunakan dalam penelitian ini adalah data sekunder, yaitu data dalam bentuk
laporan tahunan yang telah disusun dan diterbitkan oleh pihak terkait yaitu dari
World Bank, Kementerian Keuangan Republik Indonesia, Kementerian Keuangan
Malaysia, British Petroleum, International Monetary Fund, dan Badan Pusat
Statistik Nasional, dalam berbagai edisi serta berbagai sumber lainnya yang
relevan seperti jurnal, tesis, internet, buku dan hasil-hasil penelitian lainnya yang
berhubungan dengan penelitian yang dilakukan.
Penelitian ini menggunakan data sekunder, maka data-data terkait
dikumpulkan dengan metode studi pustaka, yaitu dengan mengumpulkan data-
data dari berbagai literatur, publikasi resmi, jurnal, catatan, dokumen, dan
publikasi digital.
48
49
3.2 Definisi Operasional Variabel
Berbagai perkembangan dan perubahan kondisi perekonomian di masa
mendatang dapat menyebabkan tidak tercapainya asumsi-asumsi makro yang telah
ditetapkan. Oleh karena itu, terdapat beberapa indikator ekonomi makro yang
digunakan sebagai dasar perhitungan, yaitu pertumbuhan ekonomi, tingkat inflasi,
suku bunga, nilai tukar rupiah, dan harga minyak dunia (Abimanyu, 2011).
Sedangkan untuk mengukur kesinambungan fiskal, digunakan variabel rasio utang
terhadap PDB sebagai indikatornya. Berikut adalah variabel yang akan digunakan
pada penelitian ini:
Tabel 3.1 Definisi Operasional Variabel
Variabel Definisi Sumber Satuan Notasi

Jumlah nilai tambah yang dihasilkan oleh
seluruh unit usaha dalam suatu negara
tertentu atau merupakan jumlah nilai
barang dan jasa akhir yang dihasilkan
Pertumbuhan oleh seluruh unit ekonomi ditambah World Persen
Growth
ekonomi dengan pajak dan dikurangi dengan Bank (%)
subsidi. Pertumbuhan ekonomi ini
dihitung tanpa adanya pengurangan untuk
depresiasi aset atau untuk degradasi
sumber daya alam.
Tingkat inflasi dapat diukur dengan
Indeks Harga Konsumen (IHK) yang
mencerminkan persentase perubahan
biaya atau harga rata-rata konsumen
World Persen
Tingkat inflasi dalam memperoleh barang dan jasa di Inflasi
Bank (%)
dalam negeri pada satu periode tertentu
atau tahunan. Formula yang digunakan
dalam perhitungan IHK adalah Formula
Laspeyres.
Suku bunga pinjaman yang disesuaikan

Suku bunga dengan inflasi yang diukur dengan GDP World Persen
Ir
rill Deflator Bank (%)
50
Variabel Definisi Sumber Satuan Notasi

Nilai tukar riil efektif adalah tingkat nominal
efektif tukar (ukuran nilai suatu mata uang
Nilai tukar terhadap rata-rata ter timbang dari beberapa
IMF Indeks Reer
rill mata uang asing) dibagi oleh deflator harga atau
indeks biaya.
Harga minyak yang diukur dengan spot harga

minyak yang berlaku di seluruh negara di dunia
dengan menggunakan rata-rata setiap tahunnya.
Harga minyak dunia yang digunakan pada
penelitian ini adalah Brent Crude Oil Price
Harga yang berasal dari kebijakan shell dan UK
British
minyak Exploration Production, yang beroperasi US$/Barel Brent
Petroleum
dunia sebagai perusahaan minyak mentah di Eropa.
Brent Crude merupakan harga standard minyak
mentah yang digunakan sebagai acuan harga
minyak di Eropa dan pasar Organization of
Petroleum Exporting Countries.
Utang merupakan beban kewajiban yang harus

dibayarkan pemerintah yang dapat dinilaikan
dengan satuan mata uang. Kondisi fiskal yang
diukur dengan besaran utang memiliki kendala
Rasio
anggaran :
utang World Persen
Debt = (T-G)+r.D Debt
terhadap Bank (%)
Dimana :
PDB
Debt : Utang Pemerintah
T : Penerimaan Pemerintah
G : Pengeluaran Pemerintah
r : Suku Bunga
Sumber: Penulis (2020), diadopsi dari berbagai sumber
3.4 Metode Analisis
Metode analisis yang digunakan dalam penelitian ini bersifat deskriptif
dan kuantitatif dengan menggunakan metode Uji Kausalitas Granger (Granger
Causality) dan model Vector Autoregressive (VAR). Data-data tersebut diolah
menggunakan perangkat lunak (software) E-views 10.

51
3.4.1 Spesifikasi Model
Metode analisis yang digunakan adalah Kausalitas Granger dan Vector
Autoregression (VAR). Metode Kausalitas Granger digunakan untuk menentukan
variabel mana yang memberi pengaruh kepada variabel lainnya atau kedua
variabel saling memberi pengaruh timbal balik. Metode VAR digunakan untuk
melihat respons antar variabel pada masa kini dan masa yang akan datang jika
terjadi perubahan pada variabel.
Gambar 3.1 Alur Proses Estimasi

Data Time Series Uji Kausalitas Granger
(Granger Causality)
Uji Stasioneritas
(Augmented
Dickey-Fuller)
Stasioner Tidak Stasioner
VAR Bentuk Level

(Unrestricted VAR Level) Uji Kointegrasi Ya VECM
(Johansen (Restricted VAR)
Cointegration)
Tidak
VAR Bentuk Diferensi

(Unrestricted VAR Difference)
1. Uji Stabilitas Model (AR Roots Table dan AR Roots Graph)

2. Pembentukan dan analisis Impulse Response Function (IRF)
3. Pembentukan dan analisis Variance Decomposition (VD)
HASIL ESTIMASI
Sumber: Penulis (2020), diadopsi dari berbagai sumber

52
3.4.1.1 Kausalitas Granger
Metode yang digunakan untuk melihat hubungan kausalitas ini adalah Uji
kausalitas granger (Granger Causality Test). Hubungan kausalitas adalah
hubungan jangka pendek antara kelompok tertentu dengan menggunakan
pendekatan ekonometri yang mencakup juga hubungan timbal balik dan fungsi-
fungsi yang muncul dari spektrum, khususnya hubungan penuh antar spectrum
dan hubungan parsial antar spektrum. Granger memperkenalkan hubungan sebab
akibat antara dua variabel yang saling berkaitan. Hubungan kausalitas dapat
dibagi atas tiga teori: 1) hubungan kausalitas satu arah; 2) hubungan kausalitas
dua arah; dan 3) tidak ada hubungan timbal balik.
Uji Kausalitas Granger terdiri dari; Granger Test dan Sims Test.
Persamaan Granger Test dapat diformulasikan:
=3 +3 + 34 4 + 35 5 +6 7 +64 7 4 + 65 7 5 +8 (3.1)
Secara sistematis terdapat empat kemungkinan yang dapat terjadi untuk
mengetahui apakah X menyebabkan Y atau sebaliknya, yaitu:
1. ∑N 6 ≠ 0 dan ∑LM δ = 0, terdapat kausalitas satu arah dari Y ke X
2. ∑N 6 = 0 dan ∑LM δ ≠ 0, terdapat kausalitas satu arah dari X ke Y
3. ∑N 6 ≠ 0 dan ∑LM δ ≠ 0, terdapat kausalitas dua arah antara X dan Y
4. ∑N 6 = 0 dan ∑LM δ = 0, tidak terdapat kausalitas antara X dan Y

53
Model umum Persamaan untuk kausalitas granger adalah sebagai berikut:

P
= ON N + NQ + R (3.2)
N
Yt menunjukkan data time series; i adalah banyak lag optimum; αi adalah
koefisien dari lag ke-i variabel Y; βi adalah koefisien dari lag ke-i variabel X; Xt-i
adalah nilai variabel X pada lag ke-i; U1t adalah error pada waktu ke-t.
Berdasarkan model standar kausalitas granger tersebut, maka dapat
dimutasikan Persamaan, yaitu:

P
= 3N N + NV + R (3.3)
N
V = WN N + NV + R4 (3.4)
N
3.4.1.2 Model Vector Autoregressive (VAR)
Menurut Sims (1994) metode VAR memperlakukan seluruh variabel
secara simetris tanpa mempermasalahkan variabel dependen dan independen, atau
seluruh variabel diperlakukan sebagai variabel endogen. Ada beberapa tahapan
penting dalam proses estimasi VAR, antara lain; penentuan lag optimal, pengujian
stabilitas model, deteksi penyimpangan asumsi klasik, estimasi model VAR,
pembentukan Impulse Response Function, dan pembentukan Variance
Decomposition (Enders, 2004). Selanjutnya, Enders (2004) menjelaskan, pada
Model VAR terdapat efek interrelationship antar variabel endogen yang saling
mempengaruhi. Dalam sistem bivariate, hubungan tersebut dapat digambarkan
seperti pada Persamaan sebagai berikut:

54
= 6 − 6 4Y + Z + Z 4Y + 8[ (3.5)
Y = 64 − 64 + Z4 + Z44 Y + 8] (3.6)
Dengan mengasumsikan bahwa dan Y adalah stasioner; 8 dan 84
bersifat white-noise dengan variansi masing-masing adalah _[ dan _] ; dan 8[ dan
8] tidak berkorelasi. Kedua Persamaan tersebut merupakan VAR orde pertama
karena jumlah lag tertinggi adalah satu.
Persamaan (3.1) dan (3.2) bukanlah merupakan Reduce Form karena ( )
mempunyai efek kontemporer dengan (Y ). Dengan menggunakan matriks aljabar
Persamaan tersebut dapat dituliskan sebagai berikut;
1 64 6 Z Z4 8[
` a b Y c = ` a + bZ Z44 c b Y c + b8 c (3.7)
64 1 64 4 4 ]
Atau dengan bentuk lain: 7 = Г + Г 7 + 8 dengan:
1 64 6 Z Z4
a,7 = b c,Г = ` a , Г = bZ Z44 c,
64 1 4 64 4
B=`
8
7 =b c , 8 = b8 c (3.8)
4 4 4
Dengan melakukan pengalian pada kedua sisi atau invers matriks B,
maka diperoleh VAR dalam bentuk standar sebagai berikut:
7 =g +g 7 +8 (3.9)
Dengan:
g = Г , g = Г , 8 = 8
Dengan menggunakan notasi baru yang telah dijelaskan sebelumnya, maka
Persamaan (3.5) dapat ditulis ulang dengan Persamaan, yaitu;
=O +O + O 4Y +8 (3.10)
Y = O4 + O4 + O44 Y + 84 (3.11)
55
Secara umum, model Vector Autoregressive (VAR) multi-variate standar
yang digunakan dalam penelitian ini adalah:
i i
=O + O + O 4V + 8 (3.12)
i i
V = O4 + O4 V + O44 + 84 (3.13)
Dengan, Yt dan Zt menunjukkan data time series; k adalah selang waktu
optimum; j adalah panjang lag; α10, α20 adalah konstanta; α11, α21 adalah koefisien
regresi; dan ε1t, ε2t adalah error term.
3.4.1.3 Model Empirik
Berdasarkan model VAR bivariate standard di atas maka model dalam
penelitian ini menggunakan model multi–variate karena terdapat enam variabel
dan menggunakan lag sebesar 3, oleh karena itu maka model dapat
diformulasikan sebagai berikut:

i i i i
0 , =O + O 0 , + O 4 ! jk,ℎ + O 5 mno Op + O qm
i i
+ O r #00 + O s 0n, + 8
i i i i
! jk,ℎ = O4 + O4 0 , + O44 ! jk,ℎ + O45 mno Op + O4q m
i i
+ O4r #00 + O4s 0n, + 84

56
i i i i
mno Op = O5 + O5 0 , + O54 ! jk,ℎ + O55 mno Op + O5q m
i i
+ O5r #00 + O5s 0n, + 85
i i i i
m = Oq + Oq 0 , + Oq4 ! jk,ℎ + Oq5 mno Op + Oqq m
i i
+ Oqr #00 + Oqs 0n, + 8q
i i i i
#00 = Or + Or 0 , + Or4 ! jk,ℎ + Or5 mno Op + Orq m
i i
+ Orr #00 + Ors 0n, + 8r
i i i i
0n, = Os + Os 0 , + Os4 ! jk,ℎ + Os5 mno Op + Osq m
i i
+ Osr #00 + Oss 0n, + 8s
3.4.1.4 Uji Stabilitas
Uji stabilitas digunakan untuk mengetahui apakah model yang digunakan
stabil atau tidak. Stabilitas dalam model VAR menjadi penting karena jika model
VAR yang digunakan tidak stabil maka hasil dari estimasi dengan model VAR
tidak akan mempunyai tingkat validitas yang tinggi. Sebuah model dikatakan
mempunyai stabilitas yang tinggi jika invers akar karakteristiknya mempunyai
modulus tidak lebih dari satu dan semuanya berada dalam unit circle (Enders,
2004).
57
Dalam model VAR standar, model stabil jika g lebih kecil dari satu. Hal
ini bisa dilihat melalui penyelesaian dengan metode brute force untuk
menyelesaikan sistem VAR. Persamaan VAR di iterasi ke belakang
menghasilkan:
Q = g + g (g + g 7 4 +8 )+8
= (m + g )g +g4 7 4 +g 8 +8 (3.14)
Dengan I=2*2 matriks identitas
Setelah iterasi sebanyak n kali diperoleh, ketika:
Q = (m + g + ⋯ + g )g + gN 8 N +g 7 (3.15)
N u
Dengan v = w x Y̅z{ dan
| = wO (1 − O44 ) + O 4 O4 z/∆,
Y̅ = wO4 (1 − O ) + O4 O z/∆,
∆= (1 − O )(1 − O44 ) – O 4 O4
3.4.1.5 Penentuan Lag Optimal
Menurut Widarjono (2009), ketika menganalisis model kelambanan,
pertanyaan paling penting adalah bagaimana menentukan panjangnya kelambanan
dan hal ini merupakan persoalan dalam spesifikasi model. Untuk menentukan lag
optimal atau k penelitian ini terdapat lima metode yaitu Sequential Modified LR
Test Statistic (LR), Final Prediction Error (FPE), Akaike Information Criterion
(AIC), Schwarz Information Criterion (SC), dan Hannan – Quinn Criterion (HQ).
Proses uji lag optimal dilakukan dengan trial and error dengan memasukkan
berbagai bilangan pada lag to include. Lag optimal dipilih dari hasil lag optimal
58
yang paling konsisten. Sebagai contoh apabila ada lima pengujian lag dua adalah
lag optimal, berikut adalah beberapa rumus untuk menentukan lag optimal:
ƒ„„„
}~• = €• ‚ †
…
‡ˆ
+ (‰. Š‹)
…
ƒ„„„
„• = €• ‚ †
…
ˆ
+ €• … (‰. ŠŒ)
…
ƒ„„„
•Ž = €• ‚ †
…
ˆ
+‡ €• … (‰. Š•)
…
Dengan, RSSS adalah jumlah residual kuadrat; k adalah jumlah variabel
parameter estimasi; dan n adalah jumlah observasi.
3.4.2 Impulse Response Function (IRF)
Menurut Enders (2004) menjelaskan bahwa Impulse Response Function
digunakan untuk melihat pengaruh suatu standar deviasi terhadap inovasi pada
nilai variabel di masa kini (current time values) dan nilai di masa yang akan
datang (future values). Suatu shock yang terjadi pada satu variabel akan langsung
mempengaruhi variabel tersebut dan juga oleh variabel lainnya melalui struktur
yang dinamis.
Enders (2004) mengilustrasikan persamaan awal model IRF dengan model
standar VAR dua variabel sebagai berikut:

59
| O O4 N 0
bY c = b c + bO O44 c b04 c (3.19)
N
Y̅ 4 N
N
Dimana •‘ dan ’‘ memiliki hubungan dengan “Š‘ dan “‡‘ secara berurutan.
Pada persamaan tersebut digunakan untuk melihat respons terhdap variabel •‘ dan
’‘ ketika mendapat guncangan dari variabel inovasi “Š‘ dan “‡‘ . Dengan
menggunakan aljabar matriks maka vector error dapat ditentukan sebagai berikut:
0 1 1 − /[
b0 c = ` 4
ab / c (3.20)
4 1− 4 4 − 4 1 ]
Dengan menggabungkan Persamaan (3.19) dan (3.20) dapat
dikombinasikan membentuk persamaan baru, yaitu:
x 1 O O4 N 1 − /[
bY c = ` a + bO O44 c `− 4 ab / c (3.21)
4 N
Yx 1− 4 4 4 1 ] N
N
Persamaan (3.21) dapat disederhanakan dengan mendefinisikan matriks
2x2 i dengan elemen jk (i) seperti persamaan berikut :
gN 1 −
∅N = ` 4
a (3.22)
1− 4 4 − 4 1
Dengan menggunakan Persamaan (3.22), moving average representation
dari (3.19) dapat dituliskan dalam bentuk /[ dan /] :
| ∅ ( ) ∅ 4 ( ) N 0[
bY c = b c + ` a b c (3.20)
N
Y̅ ∅4 ( ) ∅44 ( ) 0] N
N
atau dapat disederhanakan menjadi;
7 =v+ ∅N / (3.21)
N
60
Empat bagian dari koefisien ∅ŠŠ (•), ∅Š‡ (•), ∅‡Š (•), ∅‡‡ (•) inilah dinamakan
Impulse Response Functions.
3.4.3 Variance Decomposition (VD)
Metode Variance Decomposition dapat mengetahui seberapa besar
proporsi perbedaan antar variance sebelum dan sesudah terjadinya shock, baik
berasal dari variabel itu sendiri atau dari variabel lainnya. Metode ini berbeda
dengan metode IRF. Pada pembentukan model Variance decompositions
menganggap koefisien g dan g dianggap telah diketahui, dan ingin untuk
memprediksi nilai dari 7 N menggunakan persamaan standar dari vector
autoregressive dengan periode satu sebagai berikut (Enders, 2004):
7 N =g +g 7 +0 (3.22)
dengan forecast 7 N, diperoleh;
+Q =g +g Q (3.23)
Forecast error dengan menggunakan periode satu yaitu,
7 N -+ Q =0 (3.24)
Dengan menggunakan dua periode diperoleh:
Q 4 =g +g Q +0 4
= g + g (g + g Q + 0 )+ 0 4 (3.25)
Dengan forecast t7 4, diperoleh:
+Q = (m + g + g4 + ⋯ + g )g + g Q (3.26)
Forecast error dapat digabung menjadi,
0 +g 0 + g4 0 4 + ⋯+ g 0 (3.27)
61
Jika dalam model akhir dari impulse response function merupakan forecast
pada 7 , langkah berikutnya adalah melakukan forecast error pada ∅ / dan
diperoleh;
7 =v+ ∅N / N (3.28)
N
Jadi, periode n untuk forecast error untuk periode n adalah 7 − +7 adalah
7 + +7 = ∅N / N (3.29)
N
Forecast error pada n periode ke depan untuk variabel adalah:
– ++ – = ∅ (0) ∈[ + ∅ (0) ∈[
+ ⋯ + ∅ (n − 1) ∈[ + ∅ (0) ∈] + ∅ 4 (1) ∈]
+ ⋯ + ∅ 4 (n − 1) ∈] (3.30)
Karena semua nilai dari ∅ i ( )4 adalah negatif, varian dari forecast error
meningkat seiring peningkatan pada n. Secara terpisah, proporsi dari _[ (n)4
karena adanya guncangan pada ∈[ dan ∈] adalah
_[4 w∅ (0)4 + ∅ (1)4 + ⋯ + ∅ (n − 1)4 z

(3.31)
_[ (n)4
dan
_]4 w∅ 4 (0)4 + ∅ 4 (1)4 + ⋯ + ∅ 4 (n − 1)4 z

(3.32)
_[ (n)4
Dalam hal ini, variance decomposition menjelaskan proporsi perpindahan
karena adanya guncangan sebuah variabel terhadap variabel lainnya.

62
3.4.4 Uji Kestabilan Data
Uji kestabilan data dilakukan dengan menggunakan uji stasioneritas yang
bertujuan untuk mengidentifikasi apakah suatu variabel stasioner atau tidak. Data
time series dikatakan stasioner jika data tersebut tidak mengandung akar-akar unit
(unit root) dimana mean, variance dan covariance konstan sepanjang waktu.
Sebaliknya data time series dikatakan tidak stasioner mengandung akar-akar unit,
dimana mean, variance dan covariance data tersebut tidak konstan (Gujarati &
Porter, 2013). Uji akar-akar unit merupakan uji yang paling populer untuk
mengetahui stasioner sebuah data. Untuk menguji akar-akar unit pada penelitian
ini digunakan uji Augmented Dickey-Fuller (ADF) yang dikembangkan oleh
Dickey dan Fuller yang merupakan pengembangan dari model Dickey-Fuller (DF)
sebelumnya.
Ide dasar uji stasioneritas ini adalah jika ρ=1, maka variabel random (6) Y
mempunyai akar unit (unit root). Jika data time series mempunyai akar unit maka
dikatakan data bergerak secara random (random walk), sehingga data tidak
stasioner. Oleh karena itu jika Ǿ=0 dan ρ=1 data tidak stasioner, tapi jika nilai Ǿ
negative maka Y adalah stasioner.
Model Uji stasioner DF dengan menggunakan model AR (1)
diformulasikan sebagai berikut:
= + v , −1 ≤ ≤1 (3.33)
Secara khusus, terdapat tiga model AR(1) yang bisa digunakan, yaitu:
∆ = ™ +v (3.34)
∆ = 6 +™ +v (3.35)
63
∆ = 6 + 64 , + ™ +v (3.36)
Dengan ∆ = – ; ™ = (ρ-1); t = trend, v = white noise error maka
ketiga model tersebut bisa dijelaskan sebagai berikut:
1. Model (3.34) tidak mengandung persamaan deterministik (pure random
walk),
2. Model (3.35) mengandung konstanta (random walk with drift), dan
3. Model (3.36) mengandung konstanta dan tren deterministik (random walk
with drift and trend).
Jika , adalah waktu atau tren dari variabel. Maka hipotesisnya adalah:
- Hipotesis nol yang digunakan dalam Uji DF adalah ™ sama dengan nol
(Ho: ™=0 atau š =1 yaitu terdapat sebuah unit root atau time series tidak
stasioner);
- Sedangkan hipotesis alternatif yang digunakan adalah ™ kurang dari nol
(H1: (™<0 atau š < 1 yaitu time series stasioner). Nilai statistik yang
digunakan adalah tau statistik (π statistik).
Dalam menerapkan Uji DF seperti pada model (3.34), (3.35), dan (3.36),
diasumsikan bahwa komponen error term tidak berkorelasi. Untuk mengantisipasi
adanya korelasi tersebut, Dickey dan Fuller (1981) mengembangkan pengujian
Dickey-Fuller menjadi Augmented Dickey-Fuller (ADF) test. Uji ini dilakukan
dengan menambah nilai lag dari variabel dependen ∆ . Model AR (1) dalam
persamaan awal di generalisasi untuk p lag sebagai berikut:
= + ›4 ™ 4 + ›5 5 + … … … + ›• • +v (3.37)
Persamaan 3.47 dalam bentuk first different:

64
∆ = ™ + 34 ∆ + 35 ∆ 4 + ⋯ … + 3• ∆ • +v (3.38)
Atau dalam bentuk lain yaitu:

•
∆ = ™ + 3N ∆ N +v (3.39)
N 4
• •
Dengan ™ = ›N − 1 dan 3N = − ›
N
Jika model regresi (3.39) ditambahkan dengan komponen time trend maka
akan terbentuk model regresi berikut:

P
∆ = 6 + ™ + 3N ∗ ∆ N +v (3.40)
N
Terdapat 3 model ADF yang bisa digunakan, yaitu:
1. Model dengan konstanta (v) dan trend (6) , seperti model (3.40)
2. Model dengan konstanta (v) , yaitu:

P
∆ =6 + ™ + 3N ∗ ∆ N +v (3.41)
N
3. Model tanpa konstanta (v) dan trend (6), yaitu:

P
∆ =™ + 3N ∗ ∆ N +v (3.42)
N
Dalam uji ADF hipotesis yang digunakan adalah sebagai berikut:
- Hipotesis nol yang digunakan dalam uji ADF adalah ™ sama dengan nol
(Ho: ™=0) atau p=1). Sedangkan hipotesis alternatif yang digunakan adalah
H1: (™<0) atau p=1). Nilai statistik yang digunakan adalah tau statistic (π
statistik).
65
3.4.5 Uji Kointegrasi
Data yang bersifat non-stasioner akan mengalami spurious regression atau
regresi yang berlebihan, dengan menggunakan uji kointergrasi maka hal tersebut
dapat dihilangkan. Uji kointegrasi akan memastikan pola hubungan jangka
panjang yang terjadi antar variabel. Uji kointegrasi digunakan untuk menguji
apakah residual regresi yang dihasilkan stasioner atau tidak. Apabila terjadi satu
atau lebih peubah mempunyai derajat integrasi yang berbeda, maka peubah
tersebut tidak dapat berkointegrasi (Enders, 2004).
Bila variabel (series) tersebut terkointegrasi maka terdapat hubungan yang
stabil dalam jangka panjang, bila dua seri non stasioner yang terdiri atas Xt dan
Yt terkointegrasi, maka ada representasi khusus sebagai berikut:
=6 +6 Q + 8 (3.43)
Sedemikian hingga 8 (error term) stasioner, I(0). Adanya kemungkinan
dari kombinasi linier variabel-variabel yang terintegrasi menjadi stasioner,
variabel-variabel tersebut dinyatakan berkointegrasi.
Menurut Enders (2004) equilibrium jangka panjang dari himpunan
variabel-variabel (static equilibrium), direpresentasikan dalam persamaan berikut:
6 + 6 7 + 64 74 + ⋯ + 6 7 =0 (3.44)
Apabila keseimbangan (equilibrium) baik, maka hal itu pasti merupakan kasus
dengan error stasioner.
Engle dan Granger (1987) dalam Enders (2004) menjelaskan dalam uji
kointegrasi diasumsikan bahwa terdapat satu himpunan variabel yang tersusun
secara runtut waktu (time series) berupa komponen-komponen vektor 7 =

66
(7 , 74 , … . , 7 ) yang dikatakan kointegrasi pada orde (d, b,) dimutasikan
dengan 7 ~ m( , ) apabila 1. Seluruh komponen 7 terintegrasi pada orde d; 2.
Terdapat vektor 6′ = (6 , 674 , … . , 6 ) yang didapat dari kombinasi linier dalam
6¢ = (6 7 + 64 74 +, … . , +6 7 ) akan berkointegrasi pada orde (d- b) ketika
b > 0. Vektor 6 disebut vektor kointegrasi.
Dari uraian tersebut dapat diambil simpulan bahwa kointegrasi terjadi jika
dua variabel atau lebih terintegrasi pada orde yang sama. Jika semua variabel
tidak terintegrasi pada orde yang sama maka tidak terjadi kointegrasi. Namun, Lee
dan Granger (1990) dalam Cromwell et al. (1994) menyatakan bahwa masih
memungkinkan untuk mendapatkan keseimbangan antar variabel yang
terkointegrasi dengan orde yang tidak sama. Konsep ini disebut multikointegrasi.
Enders (2004) mengusulkan suatu metode penaksiran parameter kasus
kointegrasi multivariat yang merujuk pada Johansen (1988) yang di
direpresentasikan dalam bentuk Vector Autoregressive (VAR) seperti pada
persamaan berikut:
Q = g Q + g4 Q 4 + g5 Q 5………+ g• Q • +0 (3.45)
Dengan asumsi, xt = matrik (n x 1) dari variabel yang tidak berkointegrasi
pada order yang lebih besar dari satu; Ai = matrik parameter yang berukuran (n x
n); dan et = matrik error berukuran (n x 1) dengan masing-masing eit merupakan
variabel stasioner dan terdistribusi secara normal. Persamaan (3.63) dapat ditulis
dalam first difference adalah sebagai berikut:
• • •
∆Q = − £1 − gN ¤ Q + − g ∆7 N +8 (3.46)
N N N
67
Hal yang penting dari Persamaan (3.64) adalah rank dari matriks ), rank
dari matriks ) yang dimaksud adalah sama dengan angka pada vector kointegrasi.
Jika rank())=0 maka matriks sama dengan nol dan biasanya model VAR berada
dalam first difference. Lebih dari itu, jika ) adalah rank n maka proses vektor
adalah stasioner. Dalam kasus yang lebih mendalam, jika rank ()) = 1, terdapat
satu vektor kointegrasi dan di )7 menunjukkan error correction term. Di sisi
lain, jika 1 < rank ()) < n maka terdapat multiple vektor kointegrasi.
Terdapat dua uji statistik yang dikemukakan oleh Johansen untuk
mengetahui jumlah ranking dari matrik ). Uji tersebut adalah trace test dan
maximum eigenvalue test. Model dari trace test sebagai berikut:
, OW0 = −" ln(1 − ¥¦N ) (3.47)

N §
Hipotesis nol dalam trace test adalah ranking matriks ) sama dengan r (
H0: r < r0 dan Ha: r0 < r < n ). Dengan demikian, jika ranking dari matriks )
adalah r, maka hipotesis nol diterima. Sebaliknya, jika matriks ) beranking n,
maka hipotesis nol ditolak. Model dari maximum eigenvalue test sebagai berikut:
O7 R 0 0n¨O R0 ( , + 1) = −" ln(1 − ¥¦§ ) (3.48)
Hipotesis nol dalam maximum eigenvalue test adalah matriks ) beranking
r dan hipotesis alternatif adalah matriks ) beranking r+1. Dengan demikian, jika
matriks П beranking r hipotesis nol tidak ditolak dan jika matriks ) beranking
r+1 hipotesis nol ditolak. Hipotesis Nol (H0) tidak ditolak menunjukan bahwa
tidak ada vektor kointegrasi. Nilai kritis untuk distribusi asimtotis dari kedua
statistik tersebut diperoleh dari tabel (Osterwald-Lenum, 1992).

BAB IV
ANALISIS DATA DAN HASIL PENELITIAN
4.1 Deskripsi Variabel Penelitian
Dalam kerangka pengelolaan fiskal yang prudent, Pemerintah tetap
berupaya mengendalikan rasio utang dalam batas yang terkendali yaitu untuk
Indonesia dibawah 60% dan Malaysia dibawah 55%. Sampai tahun 2019 utang
masih akan menjadi sumber utama dalam menutup defisit anggaran dan
membiayai pengeluaran pembiayaan non utang. Utang akan dimanfaatkan untuk
sektor-sektor prioritas yang memberikan dampak positif bagi perekonomian
dalam jangka panjang. Pengelolaan utang dilakukan secara hati-hati dalam rangka
mendukung kesinambungan fiskal.
100.00
90.00
80.00
70.00
60.00
50.00 Malaysia
40.00 Indonesia
30.00
20.00
10.00
0.00
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
2012
2014
2016
2018
Gambar 4.1 Rasio Utang terhadap PDB (%)

Sumber: World Bank, 2020 (diolah)
68
69
Gambar 4.1 menunjukkan rasio utang terhadap PDB di Indonesia dan
Malaysia, secara umum pada tahun 1990 sampai 2019 rasio utang terhadap PDB di
kedua negara cenderung fluktuatif. Pada tahun 1997 hingga tahun 2000 rasio utang
Indonesia meningkat signifikan yang sebelumnya 23,42% tahun 1996 menjadi
87,44% di tahun 2000, hal ini disebabkan oleh krisis moneter yang terjadi di
pertengahan tahun 1997. Krisis moneter ini menyebabkan nilai tukar rupiah
terdepresiasi yang berdampak pada utang luar negeri swasta jangka pendek dan
menengah, sehingga devisa Indonesia tidak cukup untuk membayar utang yang
jatuh tempo beserta bunganya. Akumulasi utang sejak awal tahun 1990 telah
mencapai jumlah yang sangat besar, sehingga pemerintah harus melakukan
pinjaman baru yang berasal dari IMF. Pada tahun 2003, pemerintah menetapkan
UU yang mengatur bahwa rasio utang terhadap PDB maksimal adalah 60% maka
sejak tahun 2003 hingga 2019 rasio utang pemerintah relatif stabil di angka 30%
sampai 40%.
Berbeda dengan Indonesia, pada saat krisis tahun 1997 Malaysia
menjalankan surplus fiskal, meskipun mata uang Malaysia saat itu terdepresiasi
namun dampak pada tingkat utang relatif kecil, rasio utang tertinggi di Malaysia
terjadi pada sebelum tahun 1990 mencapai 74,13% yang disebabkan oleh krisis
keuangan global yang mempengaruhi perekonomian Malaysia. Pada tahun 1985
hingga 1995 pemerintah Malaysia mengeluarkan kebijakan untuk melakukan
pembangunan industri berat, yang menyebabkan pemerintah mengeluarkan biaya
produksi yang tinggi yang bersumber dari utang pemerintah. Pemerintah Malaysia
mengeluarkan peraturan bahwa maksimal rasio utang terhadap PDB sebesar 55%
70
maka sejak tahun 1993 hingga tahun 2019 rasio utang Malaysia berkisar 30%
sampai 50%.
140.00
120.00
100.00
80.00
Malaysia
60.00
Indonesia
40.00
20.00
0.00
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
2012
2014
2016
2018
Gambar 4.2 Real Effective Exchange Rate (%)
Sumber: International Monetary Fund, 2020 (diolah)
Gambar 4.2 menunjukkan real effective exchange rate (REER) di Indonesia
dan Malaysia pada tahun 1990 hingga tahun 2019. REER merupakan salah satu
indikator ekonomi utama dan merupakan indeks keuangan internasional yang
sangat penting. REER dapat men-tracking perbedaan harga barang dan jasa yang
diproduksi di suatu negara terhadap negara-negara mitra dagangnya. Secara umum
REER Indonesia dan Malaysia cenderung fluktuatif dan gap yang terjadi antara
kedua negara tidak terlalu jauh. Pada tahun 1996 nilai tukar riil Indonesia dan
Malaysia mengalami penurunan yang semula 109,34% tahun 1996 menjadi 66,68%
untuk Indonesia, sedangkan untuk Malaysia yang semula 120,69% menjadi
96,37%. Jika dilihat dari penurunan tersebut, Malaysia tidak menunjukkan
penurunan yang signifikan karena pemerintah dapat mengendalikan nilai tukarnya.

71
70.00
60.00
50.00
40.00
Malaysia
30.00
Indonesia
20.00
10.00
0.00
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
2012
2014
2016
2018
Gambar 4.3 Laju Inflasi (Indeks Harga Konsumen) (%)
Gambar 4.3 menujukkan inflasi di Indonesia dan Malaysia yang diukur
dengan Indeks Harga Konsumen (IHK) tahun 1990 sampai 2019. Laju inflasi
Malaysia sejak tahun 1990 hingga 2019 cenderung stabil yaitu berkisar di angka
1% - 2%, sedangkan di Indonesia pada tahun 1997 meningkat hingga 83% dari
tahun sebelumnya yang disebabkan oleh krisis moneter yang melanda Indonesia.
Laju inflasi yang diukur dengan IHK meningkat tajam dari 6,23% pada tahun 1997
menjadi 58,45% pada tahun 1998. Tingginya laju inflasi disebabkan oleh beberapa
faktor, diantaranya adalah melemahnya nilai tukar rupiah (imported inflation) dan
kelangkaan pasokan (supply shortage) khususnya sembilan bahan pokok.
Meningkatnya inflasi tersebut mengakibatkan semakin melemahnya daya beli
masyarakat, khususnya masyarakat kecil. Setelah krisis moneter, perekonomian
Indonesia mulai mengalami perbaikan, sehingga antara tahun 1998 dan 2019 laju
inflasi kembali dapat dikendalikan oleh pemerintah melalui berbagai instrumen
kebijakan.
72
20.00
15.00
10.00
5.00
0.00
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
2012
2014
2016
2018
Malaysia
-5.00
Indonesia
-10.00
-15.00
-20.00
-25.00
-30.00
Gambar 4.4 Suku Bunga Riil (%)

Gambar 4.4 menunjukkan tingkat suku bunga riil di Indonesia dan Malaysia
tahun 1990 sampai 2019. Suku bunga riil merupakan konsep yang mengukur
tingkat suku kembalian setelah dikurangi inflasi sehingga suku bunga riil menjadi
ukuran yang sangat penting bagi otoritas moneter. Ketika tingkat suku bunga lebih
kecil dibandingkan dengan inflasi maka suku bunga riil akan negatif seperti halnya
pada tahun 1998 di Indonesia yang mencapai -24,60%. Secara umum dari tahun
1990 hingga 2019 suku bunga riil Indonesia dan Malaysia berfluktuasi mengikuti
perekonomian global. Pada tahun 2009 tingkat suku bunga riil Malaysia meningkat
signifikan mencapai 11,78% yang menyebabkan pemerintah Malaysia
mengeluarkan kebijakan untuk menurunkan suku bunga dari 2,5% menjadi 2%,
selain itu pemerintah juga menurunkan Statutory Reserve Requirement (SRR) yang
semula 4% pada tahun 2008 menjadi 1% pada tahun 2009.

73
15.00
10.00
5.00
Malaysia
0.00 1990 Indonesia
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
2012
2014
2016
2018
-5.00
-10.00
-15.00
Gambar 4. 5 Pertumbuhan Ekonomi (%)

Gambar 4.5 menunjukkan pertumbuhan ekonomi di Indonesia dan Malaysia
tahun 1990 sampai tahun 2019. Sepanjang periode penelitian, Malaysia mengalami
penurunan tingkat pertumbuhan ekonomi yang cukup signifikan pada dua periode,
yaitu tahun 1998 dan 2009. Pertumbuhan ekonomi pada tahun 1998 menurun
hingga -7,36% sebagai akibat dari krisis yang terjadi, namun penurunan
pertumbuhan Malaysia saat itu masih lebih baik dibandingkan dengan Indonesia
yang mencapai -13,13%. Pada saat itu, pemerintah Malaysia melakukan kebijakan
kontrol modal (capital control) dengan menetapkan nilai tukar ringgit terhadap
dollar (RM/USD) dan memotong suku bunga. Kebijakan ini juga mewajibkan
seluruh investor agar merepatriasi aset ringgit kembali ke Malaysia, menutup pasar
mata uang dan aset dalam ringgit di luar negeri, seluruh penduduk dilarang
menerima atau memberikan kredit dalam ringgit, dan otoritas mengendalikan
secara ketat arus keluar portfolio dari penjualan sekuritas Malaysia. Dengan begitu,
pada tahun berikutnya perekonomian Malaysia meningkat secara signifikan

74
menjadi 6,14%. Pada tahun 2009, pertumbuhan ekonomi Malaysia kembali
mengalami perlambatan hingga -1,51% dikarenakan surplus perdagangan yang
semakin sempit di tengah melumatnya permintaan ekspor dan rendahnya harga
komoditas. Berbeda dengan Indonesia, pasca krisis moneter pada tahun 1998,
pertumbuhan ekonomi cenderung stabil di angka 5%.
120.00
100.00
80.00
60.00
40.00
20.00
0.00
Gambar 4. 6 Harga Minyak Dunia (Brent Price Oil)

Sumber: Energy Information Administration Oil Price, 2020 (diolah)
Gambar 4.6 menunjukkan pergerakan harga minyak tahun 1990 hingga
2019. Suharsih (2013) mengemukakan bahwa pada tahun 1999 merupakan titik
balik minyak dunia setelah produksi minyak turun secara bertahap. Serangan WTC
yang terjadi pada tahun 2001 menjadi awal meningkatnya harga minyak dunia yang
ditandai dengan meningkatnya permintaan minyak dunia. Pada pertengahan tahun
2005, perdagangan minyak di London memburuk yang menyebabkan harga minyak
Brent melambung tinggi mencapai US$ 58,34 per barrel, hal ini menjadi harga
tertinggi sejak tahun 1990. Krisis global tahun 2008 menyebabkan harga minyak
dunia meningkat signifikan mencapai 117% dari tahun sebelumnya. Pelemahan

75
nilai dolar Amerika dan instabilitas negara Timur Tengah menyebabkan harga
minyak kembali meningkat di tahun 2011 mencapai US$108.09, faktor lain yang
menyebabkan harga minyak dunia naik adalah tingginya permintaan minyak di
negara-negara Asia dimana diimbangi dengan meningkatnya pertumbuhan
ekonomi. Hal ini tidak berlangsung lama karena pada tahun 2014 harga minyak
mengalami penurunan kembali setelah pasar dapat membentuk keseimbangan baru
dan memenuhi permintaan pasokan minyak dari negara importir. Berikutnya harga
minyak dunia cenderung stabil di harga US$ 50 sampai US$ 60 per barel hingga
tahun 2019.
4.2 Hasil Penelitian
4.2.1 Stasioneritas dan Kointegrasi
Hasil Uji Stasioneritas dengan menggunakan Uji Augmented Dickey-Fuller
(ADF) disajikan dalam Tabel 4.1 dan Tabel 4.2. Model yang digunakan dalam Uji
ADF adalah random walk. Hasil pengujian stasioneritas di Indonesia dan Malaysia
menunjukkan bahwa seluruh variabel makro ekonomi pada penelitian ini stasioner
pada tingkat level.
Tabel 4.1 Hasil Pengujian Unit Root Test di Indonesia

Data Tingkat t-statistik Probabilitas Stasioneritas
Debt Level -4.147283 0.0032 Stasioner
Growth Level -5.549739 0.0001 Stasioner
Inflasi Level -6.105778 0.0000 Stasioner
Interest Rate Level -5.211113 0.0002 Stasioner
REER Level -5.597763 0.0001 Stasioner
Brent Oil Price Level -7.241673 0.0000 Stasioner
Sumber: Data diolah, 2020 (Lihat lampiran 1)
76
Tabel 4.2 Hasil Pengujian Unit Root Test di Malaysia

Data Tingkat t-statistik Probabilitas Stasioneritas
Debt Level -3.536959 0.0140 Stasioner
Growth Level -5.041896 0.0003 Stasioner
Inflasi Level -7.633227 0.0000 Stasioner
Interest Rate Level -5.305576 0.0002 Stasioner
REER Level -5.023849 0.0003 Stasioner
Brent Oil Price Level -7.241673 0.0000 Stasioner
Setelah melakukan uji stasioner, tahap selanjutnya adalah melakukan uji
kointegrasi. Uji kointegrasi ini menggunakan metode Johansen’s Cointegration
Test. Tabel 4.3 dan Tabel 4.4 menyajikan hasil Uji Kointegrasi dengan
menggunakan Johansen Cointegration Test. Dalam Uji Johansen ini didapatkan
nilai trace statistic dan maximum eigen value lebih kecil daripada critical value
dengan tingkat kepercayaan sebesar 5% pada CE None. Dengan hasil itu dapat
diindikasikan bahwa antar variabel tidak ada kointegrasi dan model yang digunakan
adalah Vector Autoregressive (VAR).

di Indonesia
Unrestricted Cointegration Rank Test (Trace)
Critical
HO Trace stat Hasil
Value = 0.05
CE=0 211.5671 95.75366 Tidak Tolak H0
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Max Eigen Critical
HO Hasil
stat Value = 0.05
CE=0 132.8861 40.07757 Tidak Tolak H0
77
Tabel 4.4 Hasil Pengujian kointegrasi (Johansen’s Cointegration Test) di

Malaysia
Critical
HO Trace stat Hasil
Value = 0.05
CE=0 129.5287 95.75366 Tidak Tolak H0
Max Eigen Critical
HO Hasil
stat Value = 0.05
CE=0 48.67937 40.07757 Tidak Tolak H0
Sumber: Data diolah, 2020 (Lihat lampiran 2 )
4.2.2 Kausalitas Granger
Uji Kausalitas Granger digunakan untuk mengetahui hubungan kausalitas
antara variabel makro ekonomi dan rasio utang terhadap PDB di Indonesia dan
Malaysia.
Tabel 4.5 Hasil Pengujian Kausalitas Granger di Indonesia

Null Hypothesis: F-Statistic Prob. Hasil Uji Hubungan Kausalitas
D_REER does not Granger
10.9507 0.0002 H0 ditolak Terdapat hubungan kausalitas
Cause D_DEBT
satu arah nilai tukar riil dan rasio
D_DEBT does not Granger
0.41327 0.7454 H0 tidak ditolak utang terhadap PDB
Cause D_REER
1.65003 0.2097 H0 tidak ditolak Tidak ada hubungan kausalitas
Cause D_BRENT
antara Brent Oil Price dan rasio
D_BRENT does not Granger
Cause D_DEBT
D_GROWTH does not
0.71139 0.5566 H0 tidak ditolak
Granger Cause D_DEBT Tidak ada hubungan kausalitas
antara pertumbuhan ekonomi
14.4493 3.00E-05 H0 tidak ditolak dan rasio utang terhadap PDB
Cause D_GROWTH
D_INFLASI does not
Granger Cause D_DEBT
antara inflasi dan rasio utang
0.29377 0.8294 H0 tidak ditolak terhadap PDB
Cause D_INFLASI
D_IR does not Granger Cause
D_DEBT Tidak ada hubungan kausalitas
antara suku bunga riil dan rasio
Cause D_IR

78
Hasil pengujian kausalitas granger di Indonesia yang disajikan dalam Tabel
4.5 menunjukkan bahwa hanya variabel nilai tukar riil yang memiliki hubungan
satu arah dengan rasio utang terhadap PDB, sedangkan variabel lainnya pada
penelitian ini tidak memiliki hubungan kausalitas dengan rasio utang terhadap
PDB. Hal ini ditunjukkan dengan nilai F statistik yang lebih kecil dibandingkan
dengan nilai F-tabel pada tingkat signifikansi 5%. Dengan begitu maka hipotesis
nol tidak adanya hubungan kausalitas antara variabel nilai tukar riil dan rasio utang
terhadap PDB ditolak, namun pada variabel lainnya hipotesis nol tidak dapat
ditolak.
Tabel 4.6 Hasil Pengujian Kausalitas Granger di Malaysia

F-
Null Hypothesis: Prob. Hasil Uji Hubungan Kausalitas
Statistic
D_REER does not Granger Cause
D_DEBT
antara nilai tukar riil dan rasio
D_DEBT does not Granger Cause utang terhadap PDB
D_REER
D_DEBT does not Granger Cause

2.27325 0.1112 H0 tidak ditolak Terdapat hubungan kausalitas satu
D_BRENT
arah antara harga minyak dunia
dan rasio utang terhadap PDB
D_BRENT does not Granger
5.24733 0.0078 H0 ditolak
Cause D_DEBT
D_GROWTH does not Granger
Cause D_DEBT
antara pertumbuhan ekonomi dan
D_DEBT does not Granger Cause rasio utang terhadap PDB
D_GROWTH
D_INFLASI does not Granger
1.04856 0.3928 H0 tidak ditolak Terdapat hubungan kausalitas satu
Cause D_DEBT
arah antara rasio utang terhadap
D_DEBT does not Granger Cause PDB dan inflasi
1.05841 0.3888 H0 ditolak
D_INFLASI
D_IR does not Granger Cause
D_DEBT
antara suku bunga riil dan rasio
D_DEBT does not Granger Cause utang terhadap PDB
D_IR
79
Hasil pengujian kausalitas granger di Malaysia yang disajikan dalam Tabel
4.6 menunjukkan bahwa variabel harga minyak dunia, suku bunga riil memiliki
hubungan satu arah dengan rasio utang terhadap PDB, sedangkan variabel nilai
tukar riil, inflasi dan pertumbuhan ekonomi tidak memiliki hubungan kausalitas
dengan rasio utang terhadap PDB. Hal ini ditunjukkan dengan nilai F statistik yang
lebih kecil dibandingkan dengan nilai F-tabel pada tingkat signifikansi 5%. Dengan
begitu, maka hipotesis nol tidak adanya hubungan kausalitas antara variabel harga
minyak dunia, inflasi dan suku bunga riil dan rasio utang terhadap PDB ditolak,
namun pada variabel nilai tukar riil dan pertumbuhan ekonomi hipotesis nol tidak
dapat ditolak.
4.2.3 Analisis Vector Autoregressive (VAR)
VAR digunakan untuk mengetahui respons variabel makro ekonomi dengan
rasio utang terhadap PDB. Hasil estimasi VAR akan disajikan beserta uji – uji yang
relevan (Penentuan Lag Optimal, Uji Stabilitas Data, Uji Stasioneritas, Impulse
Response Function, dan Variance Decomposition).
Dalam analisis VAR, perlu terlebih dahulu ditentukan panjang lag
optimalnya, karena analisis VAR sangat sensitif terhadap panjang lag data yang
digunakan. Lag yang terlalu sedikit maka residual dari regresi tidak akan
menampilkan proses white noise sehingga model tidak dapat mengestimasi actual
error secara tepat. Akibatnya standar kesalahan tidak di estimasi secara baik.
Namun jika memasukkan terlalu banyak lag maka akan dapat mengurangi
kemampuan untuk menolak hipotesis nol karena tambahan parameter yang terlalu
banyak akan mengurangi degrees of freedom (Gujarati, 2013). Penentuan panjang

80
lag optimalnya dapat dilihat dari nilai Akaike Information Criteria (AIC) yang
paling rendah. Berdasarkan dari hasil kriteria AIC, panjang lag yang digunakan
adalah tiga.
Tabel 4.7 Hasil Uji Lag Optimal di Indonesia

Lag LogL LR FPE AIC SC HQ
0 -124.4519 NA 9.19E-04 10.03476 10.32509 10.11837
1 -60.96689 92.78577 1.20E-04 7.92053 9.95284 8.505762
2 17.71627 78.68316 7.52E-06 4.63721 8.4115 5.724069
3 118.2556 54.13658* 3.19e-07* -0.327357* 5.188913* 1.261129*
Tabel 4.8 Hasil Uji Lag Optimal di Malaysia

0 -140.8266 NA 0.002131 10.87605 11.16401 10.96167
1 -107.7817 48.95547 0.002852 11.09494 13.11069 11.69433
2 -69.53589 39.66231 0.003782 10.92858 14.67211 12.04173
3 41.08111 65.55081* 6.94e-05* 5.401399* 10.87271* 7.028307*
Sebelum hasil VAR diintepretasi, uji stabilitas harus terlebih dahulu
dilakukan. Uji stabilitas penting untuk dilakukan karena akan menentukan valid
tidaknya Impulse Response Function (IRF) dan Variance Decomposition (VD).
Bila model VAR dalam kondisi tidak stabil maka analisis IRF dan VD menjadi
tidak valid.
81
Inverse Roots of AR Characteristic Polynomial Inverse Roots of AR Characteristic Polynomial

1.5 1.5
1.0 1.0
0.5 0.5
0.0 0.0
-0.5 -0.5
-1.0 -1.0
-1.5 -1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Gambar 4. 7 Hasil Uji Lag Optimal di Indonesia dan Malaysia
Sebelum masuk pada tahapan analisis berikutnya, hasil estimasi sistem
persamaan VAR yang telah terbentuk perlu diuji stabilitasnya melalui VAR
stability condition check yang berupa roots of characterictic polynomial terhadap
seluruh variabel yang digunakan. Berdasarkan hasil uji stabilitas pada penelitian
ini, data yang digunakan dalam estimasi VAR dalam kondisi stabil. Hal ini
diperkuat dengan hasil Inverse Roots of AR Characteritic Polynomial yang semua
titik berada dalam lingkaran.
Hasil estimasi VAR di Indonesia disajikan dalam Tabel 4.9. Dari hasil
estimasi pada Tabel 4.9 dengan menggunakan dasar lag tiga.
Tabel 4.9 Hasil Pengujian Vector Autoregressive (VAR) di Indonesia

t-statistik
Variabel
D_BRENT D_DEBT D_GROWTH D_INFLASI D_IR D_REER
D_DEBT(-1) [-1.23164] [ 0.69921] [-0.69516] [ 0.34213] [-0.74548] [-0.28392]
D_DEBT(-2) [ 0.41034] [-1.39806] [ 2.62240] [-1.16768] [ 0.49654] [ 0.87108]
D_DEBT(-3) [ 1.08868] [ 0.02837] [-0.12720] [-0.05254] [ 0.91958] [-0.03809]
Keterangan: *) signifikan pada α = 0.05 dengan t-tabel sebesar 1.697
82
estimasi dengan menggunakan dasar lag 3 dapat diketahui bahwa posisi harga
minyak dunia, dan suku bunga bertanda positif ketika ada perubahan pada rasio
utang terhadap PDB pada tiga periode setelah terjadi perubahan, berikutnya untuk
posisi pertumbuhan ekonomi dan nilai tukar riil bertanda negatif ketika ada
perubahan pada rasio utang terhadap PDB pada tiga periode setelah terjadi
perubahan.
Tabel 4.10 Hasil Pengujian Vector Autoregressive (VAR) di Malaysia

t-statistik
Variabel
D_DEBT(-1) [ 1.17094] [ 1.80958] [-0.87778] [ 0.88965] [-0.09444] [ 1.51743]
D_DEBT(-2) [-0.63597] [-0.46907] [ 0.70066] [-0.13250] [ 0.90465] [-1.91111]
D_DEBT(-3) [-0.10751] [ 0.02686] [ 1.02365] [ 0.53181] [-2.00052] [ 1.18441]
Keterangan: *) signifikan pada α = 0.05 dengan t-tabel sebesar 1.697
estimasi dengan menggunakan dasar lag 3 dapat diketahui bahwa posisi rasio utang
terhadap PDB bertanda positif ketika ada perubahan pada pertumbuhan ekonomi,
inflasi dan nilai tukar riil pada periode ketiga, sedangkan posisi harga minyak
dunia, dan suku bunga bertanda negatif ketika ada perubahan pada rasio utang
terhadap PDB pada tiga periode setelah terjadi perubahan.
4.2.4 Impulse Response Function (IRF)
Analisis Impulse Response Function (IRF) digunakan untuk melihat respon
suatu variabel terhadap kejutan (shock) dari variabel tersebut maupun variabel
lainnya. Impulse Response merupakan hasil estimasi VAR yang dapat digambarkan
dengan grafik atau tabel, namun pada penelitian ini IRF digambarkan dengan
83
grafik. Dari grafik tersebut dapat dilihat seberapa besar respons variabel terhadap
shock sebesar satu standar deviasi (S.D) dari variabel-variabel di dalam model.
Sumbu horisontal merupakan waktu dalam periode ke depan setelah
terjadinya shock, sedangkan sumber vertikal adalah nilai respon. Secara mendasar
dalam analisis ini akan diketahui respon positif atau negatif dari suatu variabel
terhadap variabel lainnya. Respon tersebut dalam jangka pendek biasanya cukup
signifikan dan cenderung berubah. Dalam jangka panjang respon cenderung
konsisten dan terus mengecil. Impulse Response Function memberikan gambaran
bagaimana respon dari suatu variabel di masa mendatang jika terjadi gangguan
pada satu variabel lainnya.
Estimasi terhadap impulse response function (IRF) bertujuan untuk
menelusuri respons masing-masing variabel makro ekonomi terhadap rasio
utang/PDB. Asumsi yang digunakan dalam pengujian IRF adalah masing-masing
variabel tidak berkorelasi satu sama lainnya sehingga penelusuran dampak suatu
goncangan dapat bersifat langsung.
Response of D_GROWTH to D_DEBT Response of D_REER to D_DEBT

2 .2
1 .1
0 .0
-1 -.1
-2 -.2
5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50
84
Response of D_IR to D_DEBT Response of D_INFLASI to D_DEBT

4 4
2 2
0 0
-2 -2
-4 -4
5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50
Response of D_DEBT to D_DEBT Response of D_BRENT to D_DEBT

.8
.4
.4
.2
.0 .0
-.2
-.4
-.4
-.8
5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50
Gambar 4.8 Impulse Response Function di Indonesia
Gambar 4.8 menunjukkan efek atau pengaruh variabel makro ekonomi
terhadap rasio utang terhadap PDB di Indonesia. Pada awal periode respons seluruh
variabel dalam penelitian ini masih sangat fluktuatif yaitu dengan merespons positif
sejak terjadi shock terhadap variabel rasio utang terhadap PDB. Pada periode ke 30,
gejolak fluktuasi seluruh variabel menunjukkan penurunan dan menuju pada
keseimbangan semula, namun hanya variabel inflasi yang merespons shock secara
cepat yaitu pada periode ke 45. Variabel makro lainnya pada penelitian ini hingga
periode ke 50 masih belum kembali pada keseimbangan semula sehingga di
Indonesia, hanya variabel inflasi yang dapat merespons guncangan rasio utang
terhadap PDB lebih baik dibandingkan variabel lainnya dalam penelitian ini.
85
Response of D_GROWTH to D_DEBT

4
-2
-4
10 20 30 40 50 60 70
Response of D_REER to D_DEBT

.08
.04
.00
-.04
-.08
10 20 30 40 50 60 70
Response of D_IR to D_DEBT Response of D_INFLASI to D_DEBT

20 1.0
10 0.5
0 0.0
-10 -0.5
-20 -1.0
10 20 30 40 50 60 70 10 20 30 40 50 60 70
Response of D_BRENT to D_DEBT Response of D_DEBT to D_DEBT

.8 .2
.4 .1
.0 .0
-.4 -.1
-.8 -.2
10 20 30 40 50 60 70 10 20 30 40 50 60 70
86
Gambar 4.9 Impulse Response Function di Malaysia

Gambar 4.9 menunjukkan efek atau pengaruh variabel makro ekonomi
terhadap rasio utang terhadap PDB di Malaysia. Pada awal periode respons seluruh
variabel dalam penelitian ini masih sangat fluktuatif yaitu dengan merespons positif
sejak terjadi shock terhadap variabel rasio utang terhadap PDB. Pada periode ke 30,
gejolak fluktuasi seluruh variabel menunjukkan penurunan dan menuju pada
keseimbangan semula, namun hanya variabel harga minyak dunia yang merespons
shock secara cepat, yaitu pada periode ke 65. Variabel makro lainnya pada
penelitian ini hingga periode ke 75 masih belum kembali pada keseimbangan
semula sehingga di Malaysia, hanya variabel harga minyak dunia yang dapat
merespons guncangan rasio utang terhadap PDB lebih baik dibandingkan variabel
lainnya dalam penelitian ini.
4.2.5 Variance Decomposition (VD)
Fungsi impulse response bertujuan untuk menelusuri dampak respon suatu
variabel karena guncangan variabel lainnya mengasumsikan bahwa variabel-
variabel inovasi tidak saling berkorelasi. Dalam kenyataannya variabel-variabel
inovasi saling berkorelasi, sehingga sebenarnya tidak bisa dilihat dampak
guncangan secara individual terhadap suatu variabel. Variance Decomposition
bertujuan untuk memisahkan dampak masing-masing variabel inovasi tersebut
secara individual terhadap respons yang diterima suatu variabel. Analisis Variance
Decomposition dalam penelitian ini disajikan dalam bentuk tabel untuk lebih
87
memudahkan dalam memberikan gambaran varians dari sebuah variabel akibat
adanya shock (kejutan) variabel lainnya maupun terhadap dirinya sendiri.
Tabel 4.11 Hasil Pengujian Variance Decomposition (VD) di Indonesia

Periode D_BRENT D_DEBT D_GROWTH D_INFLASI D_IR D_REER
1 0.708879 99.29112 0 0 0 0
10 14.30983 25.44607 23.15505 26.1844 10.32233 0.582312
20 13.61032 24.8753 24.17876 26.31744 10.43666 0.581525
30 13.66861 24.82999 24.18164 26.2858 10.45307 0.580893
40 13.67341 24.82775 24.17944 26.28693 10.45163 0.580836
50 13.67336 24.82747 24.17983 26.28661 10.4519 0.580826
Tabel 4.11 menjelaskan hasil estimasi variance decomposition rasio utang
terhadap PDB di Indonesia. Pada periode pertama, pengaruh terbesar adalah
variabel itu sendiri yaitu sebesar 99,29%, selanjutnya kemampuan rasio utang
terhadap PDB menurun hingga menjadi 24,82% pada periode ke 50 yang sisanya
dipengaruhi oleh variabel harga minyak dunia sebesar 13,67%, pertumbuhan
ekonomi sebesar 24,17%, inflasi sebesar 26,28%, suku bunga riil sebesar 10,45%
dan variabel nilai tukar riil sebesar 0,58%. Oleh karena itu, nilai inflasi merespons
rasio utang terhadap PDB lebih besar dibandingkan dengan variabel lainnya pada
penelitian ini.
Tabel 4.12 Hasil Pengujian Variance Decomposition (VD) di Malaysia

Periode D_BRENT D_DEBT D_GROWTH D_INFLASI D_IR D_REER
1 0.507808 99.49219 0 0 0 0
15 24.34174 64.18955 4.905754 5.262544 0.797349 0.503067
30 24.86341 62.64413 4.845085 6.225469 0.856679 0.565221
45 24.9055 62.52423 4.847997 6.284859 0.863976 0.573444
60 24.91257 62.51112 4.847844 6.28906 0.864827 0.574583
75 24.91333 62.50948 4.847836 6.289725 0.864915 0.57471
88
Tabel 4.12 menjelaskan hasil estimasi variance decomposition rasio utang
terhadap PDB di Malaysia. Pada periode pertama, pengaruh terbesar adalah
variabel itu sendiri yaitu sebesar 99,49%, selanjutnya kemampuan rasio utang
terhadap PDB menurun hingga menjadi 62,50% pada periode ke 75 yang sisanya
dipengaruhi oleh variabel harga minyak dunia sebesar 24,91%, pertumbuhan
ekonomi sebesar 4,84%, inflasi sebesar 6,28%, suku bunga riil sebesar 0,86% dan
variabel nilai tukar riil sebesar 0,57%. Oleh karena itu, harga minyak dunia
merespons rasio utang terhadap PDB lebih besar dibandingkan dengan variabel
lainnya pada penelitian ini.
4.3 Pembahasan
Kesinambungan fiskal (fiscal sustainability) merupakan salah satu titik
rawan bagi keberhasilan pemulihan ekonomi. Kemampuan mewujudkan
konsolidasi fiskal guna mewujudkan kesinambungan fiskal akan dapat menjamin
stabilitas ekonomi dan meningkatkan kepercayaan pelaku ekonomi, yang
merupakan dasar bagi kelangsungan pemulihan ekonomi. Oleh karena itu, dalam
menentukan kebijakan fiskal berkesinambungan atau tidak perlu adanya
pemahaman mengenai perekonomian di masa lampau dan prediksi di masa depan.
Salah satu aspek penting dalam menjaga kesinambungan fiskal adalah risiko
utang yang dapat muncul dari lingkungan eksternal dan internal. Risiko yang
dimaksud adalah risiko tingkat bunga, risiko nilai tukar, risiko refinancing, dan
risiko operasional yang memiliki dampak langsung terhadap efisiensi dan
efektifitas pengelolaan rasio utang secara keseluruhan. Dalam kaitannya dengan
rasio utang, risiko fiskal dapat muncul sebagai dampak negatif dari perubahan
89
tingkat bunga, nilai tukar, inflasi, pertumbuhan ekonomi, dan harga minyak dunia.
Dengan begitu rasio utang dapat menjadi ukuran dari kesinambungan fiskal
(Abimanyu, 2011).
Penelitian ini mengambil Negara Indonesia dan Malaysia untuk mengetahui
hubungan variabel ekonomi makro dan rasio utang terhadap PDB, serta variabel
yang dapat merespons lebih baik apabila diberikan guncangan (shock) dengan
rentan waktu penelitian tahun 1990 hingga 2019.
Tabel 4.13 Hasil Penelitian

Hasil Uji Indonesia Malaysia
Terdapat hubungan satu Terdapat hubungan satu arah
Granger arah dari variabel nilai tukar dari variabel harga minyak
Caused riil dengan rasio utang dunia, dan inflasi dengan
terhadap PDB. rasio utang terhadap PDB.
Impulse Variabel harga minyak dunia
Variabel inflasi merespons
Response dapat merespons guncangan
guncangan lebih cepat yaitu
Function lebih cepat pada periode ke
pada periode ke 45.
(IRF) 65.
Variabel inflasi Variabel harga minyak dunia
Variance
mempengaruhi rasio utang mempengaruhi rasio utang
Decomposition
terhadap PDB sebesar terhadap PDB sebesar
(VD)
26,28%. 24,91%.
Hasil penelitian diatas menunjukkan bahwa di Indonesia terdapat granger
caused satu arah dari variabel nilai tukar riil dengan rasio utang terhadap PDB,
sedangkan variabel lainnya tidak menunjukkan adanya hubungan kausalitas.

90
Sementara itu, analisis Impulse Response Function (IRF) juga menunjukkan bahwa
variabel inflasi merespons guncangan lebih cepat dibandingkan dengan variabel
lainnya, yaitu pada periode ke 45, dan berdasarkan hasil estimasi Variance
Decomposition (VD) variabel inflasi mempengaruhi rasio utang terhadap PDB
sebesar 26,28%. Hal ini sesuai dengan penelitian Basorudin (2019), dan (Wardhono
et al., 2015) yang menyatakan bahwa variabel inflasi berpengaruh secara signifikan
terhadap kesinambungan fiskal di Indonesia.
Berbeda dengan Indonesia, di Malaysia variabel harga minyak dunia, dan
inflasi memiliki granger caused dengan rasio utang terhadap PDB, sedangkan
dengan menggunakan analisis Impulse Response Function (IRF) menunjukkan
bahwa variabel harga minyak dunia yang dapat merespons guncangan lebih cepat
dibandingkan dengan variabel lainnya yaitu pada periode ke 65. Selanjutnya, hasil
pengujian Variance Decomposition (VD) menunjukkan bahwa variabel harga
minyak dunia mempengaruhi rasio utang terhadap PDB sebesar 24,91%. Hal ini
sesuai dengan penelitian (Wahyuningsih & Nurhayati, 2018).
4.3.1 Respon Pertumbuhan Ekonomi terhadap Kesinambungan Fiskal
Pertumbuhan ekonomi merupakan turunan variabel yang mempengaruhi
fiskal yang diperoleh dari model fiscal sustainability. Pendapatan dan belanja
pemerintah disesuaikan dengan kondisi makro ekonomi yang dialokasikan sebagai
sumber pembangunan negara. Salah satu cara yang dilakukan pemerintah untuk
meningkatkan pertumbuhan ekonomi adalah dengan meningkatkan utang negara,
selanjutnya apabila pertumbuhan ekonomi sudah dapat dikatakan tinggi dengan

91
perekonomian yang stabil, maka pemerintah cenderung akan mengadakan
pengetatan anggaran dan menjaga kondisi fiskal.
Berdasarkan hasil estimasi yang dilakukan, di Indonesia pertumbuhan
ekonomi merespons positif shock yang diberikan dengan nominal sebesar 24,17%
hingga periode ke 50. Berbeda halnya dengan Malaysia yang merespons positif
shock yang diberikan dengan nominal hanya sebesar 4,84% hingga periode ke 75.
Oleh karena itu, terlihat bahwa di Indonesia variabel pertumbuhan ekonomi lebih
merespons shock dari rasio utang terhadap PDB dibandingkan dengan Malaysia.
Hal ini dikarenakan Malaysia memang menunjukkan bahwa terjadi defisit primer
namun tingkat bunga pasar uang tidak melebihi pertumbuhan ekonomi, yang
artinya ancaman peningkatan debt ratio bukan berasal dari pertumbuhan ekonomi.
4.3.2 Respon Nilai Tukar Riil terhadap Kesinambungan Fiskal
Nilai tukar ada semenjak terjadinya transaksi jual beli barang dan jasa antar
penduduk di negara berbeda dengan menggunakan mata uang yang berbeda pada
sistem perekonomian terbuka. Perubahan nilai tukar yang tidak stabil dapat
menyebabkan terganggunya kestabilan perdagangan internasional yang akan
berdampak pada pelarian modal internasional. Dalam jangka panjang, kinerja
sektor riil domestik yang meliputi perdangangan, produksi, dan stabilitas harga
akan terganggu.
Dalam sejarah perekonomian Indonesia, sistem nilai tukar tetap,
mengambang terkendali, dan mengambang bebas pernah diterapkan. Pada tahun
1973 sampai Maret 1983 Indonesia menganut sistem nilai tukar tetap. Namun, pada
tahun 1983 hingga 1986 sistem nilai tukar di Indonesia berubah menjadi
92
mengambang terkendali secara ketat. Selanjutnya sistem nilai tukar terkendali
secara lebih fleksibel diterapkan sejak September 1986 hingga Januari 1994 dan
dengan mekanisme pita intervensi dari Januari 1994 hingga Agustus 1997. Sejak
saat itu intervensi pemerintah dan otoritas moneter pada nilai tukar akhirnya resmi
dihapuskan, sehingga saat ini sistem nilai tukar di Indonesia adalah mengambang
bebas tergantung pada mekanisme pasar (Syarifuddin, 2015).
Berbeda dengan Indonesia, sejak Juli 2005 Malaysia mulai mengadopsi
rezim nilai tukar mengambang terkendali, yang artinya mata uang ringgit dibiarkan
bergerak sesuai dengan mekanisme pasar meski masih terdapat intervensi dari
pemerintah. Sejak saat itu, fokus Bank Negara Malaysia (BNM) di pasar valuta
asing terbatas hanya menjaga kondisi pasar valuta asing agar tetap dalam aturan
dan menjaga gerakan nilai tukar ringgit yang ekstrem agar tidak menggoyahkan
ekonomi riil domestik. Seiring berjalannya perekonomian di Malaysia, BNM
mengurangi intervensinya di pasar valuta asing sehingga saat ini BNM lebih
berfokus pada kasus penyelewengan fungsi pasar. BNM hanya melakukan
intervensi ketika arus masuk dan arus keluar mencapai titik ekstrem dengan tujuan
mengurangi volatilitas, mempertahankan fungsi pasar, dan mengurangi efek
destabilisasi pada ekonomi riil (Aziz, 2013).
Berdasarkan hasil estimasi yang dilakukan, di Indonesia nilai tukar
merespons negatif shock yang diberikan dengan nominal sebesar 0,58% hingga
periode ke 50. Berbeda halnya dengan Malaysia yang merespons positif shock yang
diberikan dengan nominal hanya sebesar 0,57% hingga periode ke 75. Oleh karena
93
itu, terlihat bahwa di Indonesia variabel nilai tukar lebih merespons shock dari rasio
utang terhadap PDB dibandingkan dengan Malaysia. Apabila nilai tukar Indonesia
melemah maka akan menyebabkan adanya peningkatan utang eksternal karena
pinjaman luar negeri pada umumnya dinyatakan dalam mata uang dolar. Hal lain
yang menjadi penting bagi Indonesia dalam menjaga nilai tukar riil agar tidak
overvalued karena dikhawatirkan akan mengganggu kinerja ekspor. Untuk itu,
Bank Indonesia berupaya menjaga indeks nilai tukar riil berada sedikit dibawah
angka 100 (Syarifuddin, 2015).
4.3.3 Respon Suku Bunga terhadap Kesinambungan Fiskal
Suku bunga merupakan imbalan jasa dari utang yang diberikan kreditur
kepada negara yang meminjam dana. Suku bunga merupakan salah satu variabel
yang mempengaruhi risiko fiskal yang diturunkan dari model fiscal sustainability.
Meningkatnya suku bunga tentu akan mempengaruhi besarnya utang yang harus
dibayarkan. Romer (2011) mengatakan jika tingkat bunga riil meningkat dan nilai
utang memiliki nilai yang konstan pemerintah tidak akan pernah melunasi utang
dikarenakan untuk memenuhi batasan anggaran dan pertumbuhan utang terus
meningkat ketika suku bunga terus mengalami peningkatan. Kemandirian
pembiayaan anggaran merupakan faktor penting dalam suatu negara, apabila terjadi
kekurangan dalam sumber penerimaan negara maka akan menyebabkan
meningkatnya utang pemerintah untuk membiayai pengeluaran pemerintah.
Fenomena utang banyak dialami oleh negara-negara berkembang yang sedang
membangun negaranya, termasuk Indonesia dan Malaysia.

94
Berdasarkan hasil estimasi yang dilakukan di Indonesia suku bunga
merespons positif shock yang diberikan dengan nominal sebesar 10,45% hingga
periode ke 50. Berbeda halnya dengan Malaysia yang merespons negatif shock
yang diberikan dengan nominal hanya sebesar 0,86% hingga periode ke 75. Di
Malaysia keterkaitan antara pertumbuhan utang dengan tingkat bunga tidaklah
menunjukkan hubungan yang erat, dimana pertumbuhan utang tidak memiliki
keselarasan dengan perubahan tingkat suku bunga yang artinya bahwa sektor
moneter dan stabilitas harga tidak sensitif terhadap pertumbuhan utang pemerintah.
4.3.4 Respon Inflasi terhadap Kesinambungan Fiskal
Inflasi merupakan kenaikan harga barang secara terus menerus dalam satu
periode tertentu. Inflasi memiliki hubungan yang kuat dengan konsumsi, dimana
jika harga barang/jasa naik dan terjadi inflasi, maka akan menyebabkan turunnya
nilai riil dari pendapatan sehingga melemahkan daya beli masyarakat terutama
terhadap produksi dalam negeri. Inflasi seperti pedang bermata dua, yang di satu
sisinya menguntungkan namun di sisi lain dapat merugikan negara. Inflasi juga
merupakan dilema bagi perekonomian setiap negara, dimana pergerakannya sulit
untuk diterka dan dapat berdampak luas. Inflasi tidak akan menjadi masalah besar
jika pemerintah dapat menjaga tingkat inflasi.
Berdasarkan hasil estimasi yang dilakukan di Indonesia inflasi merespons
negatif shock yang diberikan dengan nominal sebesar 26,28% hingga periode ke 50.
Berbeda halnya dengan Malaysia yang merespons positif shock yang diberikan
dengan nominal hanya sebesar 6,28% hingga periode ke 75. Hasil penelitian ini
sejalan dengan penelitian Catao & Terrones (2001) yang melaporkan hubungan
95
defisit-inflasi positif yang kuat untuk panel di 23 negara berkembang menggunakan
estimasi panel dinamis, untuk sepuluh negara Arratibel et al. (2002) memberikan
bukti dampak signifikan dari defisit fiskal pada inflasi. Di dalam studi, hasilnya
berasal dari model dengan asumsi bank sentral independen berperilaku optimal,
yang akan menghalangi saluran bank sentral sebagai penghubung antara defisit dan
inflasi (Rother, 2004).
Pemerintah Indonesia menunjuk Bank Indonesia sebagai otoritas moneter
untuk menjaga tingkat inflasi melalui Inflation Targeting Framework (ITF) melalui
4 jalur, yaitu jalur suku bunga, jalur nilai tukar, jalur kredit dan jalur harga aset.
Kebijakan fiskal yang diambil oleh pemerintah untuk mengendalikan inflasi adalah
dengan mengurangi pengeluaran pemerintah sehingga permintaan akan barang dan
jasa berkurang yang pada akhirnya akan menurunkan harga. Hal lainnya yang dapat
dilakukan pemerintah adalah menaikkan tarif pajak, naiknya tarif pajak untuk
rumah tangga dan perusahaan akan mengurangi tingkat konsumsi. Pengurangan
tingkat konsumsi dapat mengurangi permintaan barang dan jasa sehingga harga
dapat turun.
Berbeda dengan Indonesia, pemerintah Malaysia menerapkan berbagai
strategi untuk menghadapi inflasi. Bank Negara Malaysia sebagai bank sentral
bertindak sebagai agen pemerintah untuk mengendalikan ekonomi dengan
menerapkan beberapa kebijakan kepada bank komersial dan lembaga keuangan.
BNM juga memberikan banyak saran kepada publik tentang cara membantu
pemerintah mengendalikan inflasi. Kebijakan ini berurusan dengan pengeluaran
dan pajak pemerintah. Ketika inflasi terjadi, pemerintah akan menggunakan

96
kebijakan surplus anggaran dengan meningkatkan pajak dan mengurangi
pengeluaran pemerintah. Implementasi ini akan menurunkan pendapatan
masyarakat dan mengurangi daya beli. Pemerintah telah memperkenalkan program
pengeluaran yang terbaik ketika laju inflasi meningkat dengan meminimalkan biaya
operasi pemerintah dan mengarahkan pemerintah untuk membelanjakannya dengan
lebih selektif. Pemerintah juga telah menghentikan pembangunan yang sedang
berjalan yang meningkatkan pengeluaran untuk mengurangi arus keluar ringgit ke
pasar.
4.3.5 Respon Harga Minyak Dunia terhadap Kesinambungan Fiskal
Alfred Marshall (1842-1924) mengemukakan bahwa permintaan dan
penawaran akan menentukan harga dan kuantitas suatu barang, maka penurunan
ketersediaan komoditas minyak akan meningkatkan harga minyak dunia dan
peningkatan ketersediaan komoditas dapat menurunkan harga minyak dunia.
Minyak dunia merupakan komoditas global yang mempengaruhi anggaran
pendapatan dan belanja di masing-masing negara. Pengaruh bagi masing-masing
negara memiliki nilai yang berbeda berdasarkan konsumsi dan produksi minyak di
negara tersebut. Bagi negara penghasil minyak kenaikan harga minyak akan
menguntungkan dimana akan meningkatkan pendapatan. Sebaliknya bagi negara
net importir, kenaikan harga minyak akan menyebabkan meningkatnya pengeluaran
pemerintah salah satunya adalah pengeluaran subsidi.
Berdasarkan hasil estimasi yang dilakukan di Indonesia harga minyak
merespons positif shock yang diberikan dengan nominal sebesar 13,67% hingga
periode ke 50. Berbeda halnya dengan Malaysia yang merespons negatif shock
97
yang diberikan dengan nominal hanya sebesar 24,91% hingga periode ke 75. Oleh
karena itu, terlihat bahwa di Malaysia variabel harga minyak dunia lebih merespons
shock dari rasio utang terhadap PDB dibandingkan dengan Indonesia. Di Malaysia,
harga minyak ditentukan oleh pemerintah melalui subsidi. Sejak tahun 2011
Malaysia menjadi negara pengimpor minyak sekaligus pengekspor minyak. Surplus
nilai ekspor dibandingkan dengan impor membuat Malaysia menjadi negara net
eksportir. Namun, Malaysia masih belum dapat mengendalikan harga di pasar
dunia, apabila terjadi peningkatan di harga minyak dunia maka akan berdampak
pada harga minyak dalam negeri dan akan berdampak pada konsumen dalam
negeri. Minyak merupakan sumber energi utama di Malaysia, sehingga kenaikan
harga minyak dapat meningkatkan harga barang dan jasa dan dalam jangka panjang
akan mempengaruhi perekonomian negara.
Tabel 4.14 Produksi dan Konsumsi Minyak
Indonesia Malaysia
Tahun
Produksi Konsumsi Produksi Konsumsi
2000 1530 1037 771 465
2001 1434 1285 751 475
2002 1340 1126 795 463
2003 1245 1143 842 480
2004 1183 1233 804 508
2005 1113 1279 807 522
2006 1053 1311 767 534
2007 997 1335 756 545
2008 1039 1361 771 669
2009 1542 1406 734 585
2010 1036 1487 733 631
2011 1027 1575 667 675
2012 1006 1698 674 670
2013 976 1664 645 715
2014 967 1688 675 745
2015 838 1571 696 790
98
2016 876 1628 704 807

2017 838 1696 684 793
2018 808 1785 682 814
Keterangan: dalam ribuan barrel/hari
Sumber: British Petroleum, 2020 (diolah)
Tabel 4.14 menjelaskan bahwa kebutuhan minyak di Indonesia terus
meningkat dari tahun ke tahun, sedangkan produksi minyak di Indonesia hanya
memenuhi sekitar 80% dari kebutuhan. Oleh karena itu, sejak tahun 2004 Indonesia
menjadi net importir dan keluar dari OPEC. Meskipun produksi minyak dalam
negeri terbatas, namun pemerintah tidak dapat menghentikan kegiatan ekspor,
karena keuntungan yang didapatkan. Minyak mentah di Indonesia memiliki kualitas
yang lebih baik dibandingkan dengan negara lainnya karena tidak terdapatnya
kandungan sulfur dalam minyak mentah Indonesia, sehingga harga yang
ditawarkan juga cukup tinggi jika di ekspor.
Produksi minyak mentah di Malaysia menghasilkan 661.000 barel minyak
per hari yang sebagian besar diekstrasi dari lepas pantai. Selama lebih dari dua
dekade sejak 1991 produksi minyak di Malaysia berfluktuasi antara 650.000 hingga
850.000 barel per hari, terdapat penurunan produksi minyak dikarenakan ladang
minyak yang menua. Namun, pemerintah Malaysia mendorong hal tersebut dengan
investasi di bidang teknologi dan pengembangan lahan baru. Petroliam Nasional
Berhad atau PETRONAS merupakan perusahaan milik negara Malaysia yang
mengendalikan sumber daya minyak dan gas di Malaysia.

BAB V
SIMPULAN, IMPLIKASI KEBIJAKAN, SARAN DAN
KETERBATASAN PENELITIAN
5.1 Simpulan
Hasil penelitian mengenai respons variabel makro ekonomi terhadap
kesinambungan fiskal di Indonesia dan Malaysia dengan periode penelitian dari
tahun 1990 hingga 2019 dapat disimpulkan sebagai berikut:
1. Hasil uji hubungan kausalitas dengan metode Granger Causality didapati
hasil bahwa di Indonesia terdapat hubungan satu arah dari variabel nilai
tukar riil dengan rasio utang terhadap PDB, sedangkan di Malaysia
terdapat hubungan satu arah dari variabel harga minyak dunia dan inflasi
dengan rasio utang terhadap PDB.
2. Analisis Vector Autoregressive (VAR) terdiri dari analisis Impulse
Response Function (IRF) dan Variance Decomposition (VD). Hasil
analisis Impulse Response Function (IRF) menunjukkan bahwa di
Indonesia variabel inflasi merespons guncangan lebih cepat yaitu pada
periode ke 45, sedangkan di Malaysia variabel harga minyak dunia dapat
merespons guncangan lebih cepat pada periode ke 65. Terdapat perbedaan
variabel dan kecepatan dalam merespons guncangan pada kedua negara
tersebut yang disebabkan perbedaan kondisi perekonomian Indonesia dan
Malaysia. Hasil uji Variance Decomposition (VD) didapati hasil bahwa di
Indonesia Variabel inflasi mempengaruhi rasio utang terhadap PDB
99
100
sebesar 26,28%, sedangkan di Malaysia variabel harga minyak dunia
mempengaruhi rasio utang terhadap PDB sebesar 24,91%, harga minyak
dunia menjadi lebih responsif terhadap perkembangan ekonomi karena
konsumen minyak di Malaysia tidak hanya rumah tangga melainkan
perusahaan.
5.2 Implikasi Kebijakan
Hasil penelitian ini menunjukkan bahwa di Indonesia variabel yang
menunjukkan hubungan satu arah adalah variabel nilai tukar riil, namun variabel
yang dapat merespons shock paling cepat adalah inflasi yaitu pada periode ke 45
dengan kontribusi sebesar 26,28% terhadap rasio utang, sedangkan di Malaysia
menunjukkan hubungan satu arah dan dapat merespons shock paling cepat adalah
variabel harga minyak dunia dan inflasi namun hanya variabel harga minyak
dunia yang dapat merespons guncangan lebih cepat yaitu pada periode ke 65
dengan kontribusi sebesar 24,91% terhadap rasio utang. Oleh sebab itu, penting
bagi pemerintah untuk memperhatikan beberapa implikasi sebagai pertimbangan
dalam menentukan kebijakan meliputi:
1. Defisit anggaran yang dapat menyebabkan pemerintah kembali berutang
sangat dekat kaitannya dengan inflasi yang akan terjadi di masyarakat.
Apabila pemerintah meningkatkan utangnya maka peredaran uang akan
terganggu dan Bank Indonesia (BI) akan menambah supply uang yang
beredar. Pertambahan uang ini akan menyebabkan harga barang menjadi
bergejolak dan memicu inflasi yang lebih tinggi. Oleh karena itu,
101
pemerintah diharapkan dapat memanfaatkan utang dengan produktif
karena utang merupakan divert tax. Pembangunan yang dilakukan dengan
berutang akan menimbulkan penambahan penerimaan pajak di masa depan
yang dapat digunakan untuk membayar kembali utang yang dilakukan saat
ini, selain itu pengelolaan utang dengan prudent dapat mencegah
terjadinya inflasi dalam jangka panjang.
2. Di Malaysia variabel yang merespons shock paling cepat adalah harga
minyak dunia. Penerimaan negara dari ekspor minyak mencapai satu per
lima dari total penerimaan pemerintah selama lima tahun terakhir.
Penurunan harga minyak yang cepat dan berkelanjutan akan berakibat
langsung pada penurunan pendapatan. Apabila pendapatan pemerintah
menurun, maka akan meningkatkan defisit anggaran dan dalam jangka
panjang akan berdampak pada kesinambungan fiskal di Malaysia.
5.3 Saran
Berdasarkan hasil pembahasan pada penelitian ini, saran untuk penelitian
yang akan datang yaitu:
1. Diharapkan mampu menambah periode waktu penelitian sehingga dapat
dilihat hasil dari penelitian pada periode waktu yang lebih panjang guna
membuktikan teori yang berlaku sebelumnya.
2. Menggunakan metode penelitian Structural Vector Autoregressive
(SVAR) karena metode tersebut merupakan perluasan pada pendekatan
Vector Autoregressive (VAR) sederhana yang dapat membuka restriksi
jangka panjang dan jangka pendek.

102
3. Menggunakan indikator kesinambungan lainnya selain rasio utang
terhadap PDB.
5.4 Keterbatasan Penelitian
Penelitian ini telah diusahakan dan dilaksanakan sesuai dengan prosedur
ilmiah, namun demikian masih memiliki keterbatasan yaitu:
1. Kurang panjangnya waktu observasi dikarenakan adanya keterbatasan
ketersediaan data penelitian. Data yang digunakan dalam penelitian ini
adalah data tahunan sejak 1990 hingga 2019 sedangkan untuk melakukan
penelitian terkait kesinambungan fiskal dibutuhkan waktu penelitian yang
panjang.
2. Jumlah observasi pada penelitian ini adalah 30 dengan menggunakan data
tahunan, namun akan lebih baik lagi jika menggunakan metode VAR
dapat menambah jumlah observasi lebih banyak.
3. Model VAR lebih bersifat a-teoritik karena tidak memanfaatkan informasi
atau teori terdahulu, sehingga tidak structural.

103
DAFTAR PUSTAKA
Abdullah, H. (2012). an Empirical Study on Fiscal Sustainability in. International

Journal of Academic Research in Business and Social Science, 2(1), 72–90.
Abimanyu, A. (2011). Refleksi dan Gagasan Kebijakan Fiskal. Jakarta: Gramedia

Pustaka Utama.
Adams, C., Ferrarini, B., & Park, D. (2010). Infrastructure and Growth in
Developing Asia. ADB Economics Working Paper Series, (186), 1–53.
Afonso, A., & Jalles, J. T. (2017). Euro Area Time‐Varying Fiscal Sustainability.
International Journal of Finance and Economics, 22(3), 11.
Akram, V., & Rath, B. N. (2019). What Do We Know About Fiscal Sustainability
Across Indian States?, Economic Modelling, diunduh pada 22 Oktober 2019.
Tersedia di: https://doi.org/10.1016/j.econmod.2019.08.005
Arratibel, O., Rodriguez, D., Palenzuela, & Thimann, C. (2002). Inflation

Dynamics and Dual Inflation in Accession Countries: A “New Keynesian
Perspective.” ECB Working Paper, 132.
Athukorala, P. C. (2013). The Malaysian Economy During Three Crises.

Malaysia’s Development Challenges Graduating from the Middle, 83–105.
Aziz, N. A. (2013). Foreign Exchange Intervention in Malaysia. BIS Working

Paper, 73(73), 215–222.
Baharumshah, A. Z., Soon, S. V., & Lau, E. (2017). Fiscal Sustainability in An

Emerging Market Economy: When Does Public Debt Turn Bad?, Journal of
Policy Modeling, 39(1), 99–113.
Basorudin, M. (2019). Analisis Kesinambungan Fiskal Indonesia Pasca Krisis

Ekonomi. Jurnal Ekonomi Pembangunan, 17(2), 59–70.
Blanchard, & Jean, O. (1990). Sugestions For A New Set Fiscal Indicators. OECD
Economics Department Working Papers, No 79, OECD Publishing Paris.
Borio, C., Lombardi, M., & Zampolli, F. (2017). Fiscal Sustainability and The
Financial Cycle. Rethinking Fiscal Policy After The Crisis, BIS Working
Paper (552), 384–413.
103
104
Budina, N., & van Wijnbergen, S. (2009). Quantitative Approaches to Fiscal

Sustainability Analysis: A Case Study Of Turkey Since The Crisis of 2001.
World Bank Economic Review, 23(1), 119–140.
Bui, D.-T. (2019). Fiscal Sustainability in Developing Asia – New Evidence From
Panel Correlated Common Effect Model. Journal of Asian Business and
Economic Studies, 27(1), 66–80.
Buiter, W. H. (1995). Measuring Fiscal Sustainability. IMF Working Paper.

Washington.
Catao, L., & Terrones, M. (2001). Fiscal Deficits and Inflation: A New Look at
the Emerging Market Evidence. IMF Working Paper, WP/01/74, 31.
Cevik, S., & Nanda, V. (2020). Riding the storm: fiscal sustainability in The
Caribbean. IMF Working Paper, WP 20/21.
Croce, E., & Juan-Ramon, H. V. (2003). Assessing Fiscal Sustainability: A Cross

Country Comparison. International Monetary Fund, 03.
Cromwell, J. B., Hannan, M. J., Labys, W. C., & Terraza, M. (1994). Multivariate
Tests For Time Series Models. United States of America: Sage Publitication.
Cuddington, J. T. (1996). Analysing the Sustainability of Fiscal Deficits in

Developing Countrie, diunduh pada April 2020. Tersedia di:
https://www.researchgate.net/publication/228312301
Enders, W. (2004). Applied Econometric Time Series. Technometrics (Second,

Vol. 46). Wiley. New York
Evaraert, G., Fouad, M., Martin, E., & Velloso, R. (2009). Disclosing Fiscal Risk
in the Post-Crisis World. IMF Staff Position Notes, 2009(18), 2.
Farmer, R. E. A. (2002). Macroeconomics (2nd ed.). South Wester: Thomson

Learning Division.
Fatás, A., & Mihov, I. (2003). The Case for Restricting Fiscal Policy Discretion.
Quarterly Journal of Economics, 118(4), 1419–1447.
Gujarati, N. D., & Porter, C. D. (2013). Dasar Dasar Ekonometrika. (5th ed.).
Jakarta: Salemba Empat.
Hanafi, M. M. (2006). Manajemen Risiko. Yogyakarta: UPP STIM YKPN.
Hubbard, G. (2012). Consequences of Government Deficits and Debt.

International Journal of Central Banking, 8(SUPPL. 1), 203–235.
105
Insukindro. (2018). The Effect of Twin Shock On Fiscal Sustainability in

Indonesia. Economics and Sociology, 11(1), 75–84.
Iriana, R., & Sjoholm, F. (2002). Indonesia’s Economic Crisis: Contagion and
Fundamental’s. The Developing Economies, 40.
Johansen, S. (1988). Statistical Analysis of Cointegration Vectors. Journal of

Economic Dynamics and Control, 12(2–3), 231–254.
Kemenkeu. (2019). Pengungkapan Risiko Fiskal Dalam Nota Keuangan 2019.

Jakarta.
Ko, J. H., & Morita, H. (2015). Fiscal Sustainability and Regime Shifts in Japan.
Economic Modelling, 46, 364–375.
Lau, E., & Syn-Yee, A. L. (2018). Estimating Fiscal Reaction Functions in

Malaysia, Thailand and the Philippines. Jurnal Ekonomi Malaysia, 52(1),
69–79.
Magazzino, C., Brady, G. L., & Forte, F. (2019). A Panel Data Analysis of the
Fiscal Sustainability of G-7 Countries. The Journal of Economic
Asymmetries, 20(July), e00127.
Magazzino, C., & MUtascu, M. (2019). A Wavelet Analysis of Italian Fiscal

Sustainability. Journal of Economic Structure, 8.
Mankiw, N. G. (2007). Makroekonomi. Jakarta: Erlangga.
Mokoginta, I. S., & Stephanie, R. M. (2015). Structural Breaks and Fiscal

Sustainability of the Indonesian Government Budget. Economic Journal of
Emerging Markets, 7(1), 33–47.
Mudayen, Y. M. V. (2017). The Impact of Government’s Foreign Debt on Fiscal

Sustainability of Indonesia. International Journal of Economics and
Financial Issues, 7(3), 748.
Neaime, S., & Gaysset, I. (2017). Sustainability of Macroeconomic Policies in

Selected MENA Countries: Post Financial and Debt Crises. Research in
International Business and Finance, 40, 129–140.
Nxumalo, W. N., & Hlophe, N. F. (2018). Assessing Fiscal Sustainability in

Swaziland. South African Journal of Economic and Management Sciences,
21(1), 1–12.
106
Osterwald-Lenum, M. (1992). A Note with Quantiles of the Asymptotic

Distribution of the Maximum Likelihood Cointegration Rank Test Statistics.
Oxford Bulletin of Economics and Statistics, 54(3), 461–472.
Rajan, R. G., & Zingales, L. (2015). Financial Systems, Industrial Structure, and
Growth. Oxford Review of Economic Policy, 17.
Ramadyanto, W. (2013). Risiko Fiskal Daerah: Apa dan Bagaimana?. Risiko

Fiskal Daerah: Menjaga Kesehatan Fiskal dan Kesinambungan
Pembangunan. Solo: Era Adicitra Intermedia.
Raymundo, R. B. (2016). Fiscal Sustainability and Sovereignty Issues under an

ASEAN Economic Union: DLSU Research Congress 2016 De La Salle
University, Manila, Philippines, 4.
Romer, D. (2011). Advanced Macroeconomics. New York: McGraw-Hill

Education.
Rother, P. (2004). Fiscal policy and Inflation Volatility. ECB Working Paper No.
317, 40.
Roubini, N. (2001). Why Should the Foreign Creditors of Argentina Take a

Greater Hit/Hair Cut Than the Domestics Ones. NBER Working Paper.
Schick, A. (2002). Budgeting for Fiscal Risk. Oxford. The World Bank and
Oxford University Press, Chapter 3.
Schick, A., Brixi, P., & Hana. (2003). Government at Risk, Contingent Liabilities
and Fiscal Risk. Oxford: The World Bank and Oxford University Press,
Government.
Simarmata, D. A. (2007). Kebelanjutan Fiskal di Indonesia. Indonesian Economic

Journal, ISSN 0854-(41344).
Simovic, H. (2018). Impact of Public Debt Sustainability on Fiscal Policy in

Croatia. Acta Oeconomica, 68(2), 231–244.
Sims, C. A. (1994). Advances In Econometrics Sixth World Congress (1st ed.).

Melbourne: Cambrige University Press.
Solikin, A., & Choirunnisah, H. (2017). Kesinambungan Fiskal Dan Estimasi

Fiscal Reaction Function Indonesia Tahun 1977-2017, 4(2019), 267–283,
diunduh pada April 2020, Tersedia di:
https://www.researchgate.net/publication/337831129.
107
Suharsih, S. (2013). Fluktuasi Harga Minyak Dunia dan Pencapaian

Sustainabilitas Fiskal. Kinerja Volume 17, No. 1 Hal 28-44.
Syarifuddin, F. (2015). Konsep, Dinamika dan Respon Kebijakan Nilai Tukar di

Indonesia. Bank Indonesia (24), 1–101.
Uctum, M., Thurston, T. B., & Uctum, R. (2006). Public Debt, the Unit Root
Hypothesis and Structural Breaks: A Multi Country Analysis. Economica,
73.
Undang-Undang No. 17 Tahun 2003 Pasal 1(14). Keuangan Negara dan Belanja
Negara. Jakarta:RI
Wahyuningsih, M., & Nurhayati. (2018). Analisis Kesinambungan Fiskal Pada

Variabel Makro Ekonomi Indonesia Periode 1998-2017. Seminar Nasional
Cendikiawan, 1127–1136.
Wan Sulaiman, W. F., & Abdul Karim, Z. (2015). Assessing Fiscal Sustainability
for Malaysia : Fiscal Sustainability Indicators. Proceedings PERKEM 10,
(2015) 44 – 56, 10(September), 44–56.
Wardhono, A., Qori’ah, C., & Wulandari, C. D. A. (2015). Studi Kesinambungan

Fiskal Pada Variabel Makro Ekonomi Indonesia. Jurnal Ekonomi Kuantitatif
Terapan, 8, 113–121.
Widarjono, A. (2009). Econometrics, Theory and Application (3rd ed.).

Yogyakarta: Faculty of Economics UII.
www.bp.com/en/global/corporate/energy-economics/statistical-review-of-world-
energy.html, BP Statistical Review Of World Energy, British Petroleum,
diunduh pada April 2020.
www.data.worldbank.org/indicator/GC.DOD.TOTL.GD.ZS?locations=ID,
Central Government Debt, Total (% of GDP) – Indonesia, World Bank,
www.data.worldbank.org/indicator/GC.DOD.TOTL.GD.ZS?locations=MY,
Central Government Debt, Total (% of GDP) – Malaysia, World Bank,
www.data.worldbank.org/indicator/BN.CAB.XOKA.GD.ZS?locations=ID,
Current Account Balance (% of GDP) – Indonesia, World Bank, diunduh
pada April 2020.
108
www.data.worldbank.org/indicator/BN.CAB.XOKA.GD.ZS?locations=MY,
Current Account Balance (% of GDP) – Malaysia, World Bank, diunduh
pada April 2020.
www.data.worldbank.org/indicator/NY.GDP.MKTP.KD.ZG?locations=ID, GDP
Growth (annual %) – Indonesia, World Bank, diunduh pada April 2020.
www.data.worldbank.org/indicator/NY.GDP.MKTP.KD.ZG?locations=MY, GDP
Growth (annual %) – Malaysia, World Bank, diunduh pada April 2020.
www.data.worldbank.org/indicator/FP.CPI.TOTL.ZG?locations=ID, Inflation
consumer prices (annual %) – Indonesia, World Bank, diunduh pada April
2020.
www.data.worldbank.org/indicator/FP.CPI.TOTL.ZG?locations=MY, Inflation
consumer prices (annual %) – Malaysia, World Bank, diunduh pada April
2020.
www.data.imf.org/regular.aspx?key=61545850, Real Effective Exchange Rate,

International Monetary Fund, diunduh pada April 2020.
www.data.worldbank.org/indicator/FR.INR.RINR?locations=ID, Real Interest

Rate (%) – Indonesia, World Bank, diunduh pada April 2020.
www.data.worldbank.org/indicator/FR.INR.RINR?locations=MY, Real Interest

Rate (%) – Malaysia, World Bank, diunduh pada April 2020.
www.eia.gov/dnav/pet/hist/LeafHandler.ashx?n=pet&s=rbrte&f=a, Brent Oil

Price, Energy Information Administration Oil Prices, diunduh pada April
2020.
Yunita, I. (2015). Analisis Determinan Keseimbangan Primer sebagai Indikator

Kesinambungan Fiskal Indonesia ( Periode 1998-2014). Universitas Bandar
Lampung.
109
LAMPIRAN
Lampiran 1 Hasil Uji Stasioneritas (Root Test) di Indonesia dan Malaysia

Indonesia
Null Hypothesis: D_BRENT has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=7)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -7.241673 0.0000

Test critical values: 1% level -3.679322
5% level -2.967767
10% level -2.622989
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation

Dependent Variable: D(D_BRENT)
Method: Least Squares
Date: 05/30/20 Time: 09:03
Sample (adjusted): 1991 2019
Included observations: 29 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D_BRENT(-1) -1.319990 0.182277 -7.241673 0.0000

C 0.151750 0.083679 1.813486 0.0809
R-squared 0.660129 Mean dependent var -0.000231

Adjusted R-squared 0.647541 S.D. dependent var 0.734769
S.E. of regression 0.436220 Akaike info criterion 1.245131
Sum squared resid 5.137768 Schwarz criterion 1.339427
Log likelihood -16.05440 Hannan-Quinn criter. 1.274663
F-statistic 52.44183 Durbin-Watson stat 2.039912
Prob(F-statistic) 0.000000
Null Hypothesis: D_DEBT has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.967767
10% level -2.622989

Dependent Variable: D(D_DEBT)
Date: 05/30/20 Time: 09:04
110
D_DEBT(-1) -0.777685 0.187517 -4.147283 0.0003

C 0.018135 0.061964 0.292674 0.7720
R-squared 0.389140 Mean dependent var 0.001817

Null Hypothesis: D_GROWTH has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.971853
10% level -2.625121

Dependent Variable: D(D_GROWTH)
Date: 05/30/20 Time: 09:04
D_GROWTH(-1) -1.457068 0.262547 -5.549739 0.0000

D(D_GROWTH(-1)) 0.408659 0.182540 2.238736 0.0343
C 0.002830 0.226919 0.012473 0.9901

Null Hypothesis: D_INFLASI has a unit root

Exogenous: Constant
t-Statistic Prob.*

111

5% level -2.967767
10% level -2.622989

Dependent Variable: D(D_INFLASI)
Date: 05/30/20 Time: 09:05
D_INFLASI(-1) -1.160745 0.190106 -6.105778 0.0000

C 0.355943 0.312828 1.137826 0.2652

Null Hypothesis: D_IR has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.967767
10% level -2.622989

Dependent Variable: D(D_IR)
Date: 05/30/20 Time: 09:05
D_IR(-1) -1.002202 0.192320 -5.211113 0.0000

C -0.696004 0.467898 -1.487514 0.1485

112
Null Hypothesis: D_REER has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.976263
10% level -2.627420

Dependent Variable: D(D_REER)
Date: 05/30/20 Time: 09:06
D_REER(-1) -1.627852 0.290804 -5.597763 0.0000

D(D_REER(-1)) 0.378563 0.189440 1.998333 0.0571
C 0.006600 0.020727 0.318442 0.7529

S.E. of regression 0.107587 Akaike info criterion -1.516598
Sum squared resid 0.277798 Schwarz criterion -1.372616
Log likelihood 23.47407 Hannan-Quinn criter. -1.473784
Malaysia
Null Hypothesis: D_BRENT has a unit root
Exogenous: Constant
t-Statistic Prob.*

5% level -2.967767
10% level -2.622989

Dependent Variable: D(D_BRENT)
Date: 05/30/20 Time: 09:16
113
D_BRENT(-1) -1.319990 0.182277 -7.241673 0.0000

C 0.151750 0.083679 1.813486 0.0809

Null Hypothesis: D_DEBT has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.967767
10% level -2.622989

Dependent Variable: D(D_DEBT)
Date: 05/30/20 Time: 09:17
D_DEBT(-1) -0.628387 0.177663 -3.536959 0.0015

C -0.003579 0.016765 -0.213481 0.8326

Null Hypothesis: D_GROWTH has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.967767
114
10% level -2.622989

Dependent Variable: D(D_GROWTH)
Date: 05/30/20 Time: 09:17
D_GROWTH(-1) -0.969862 0.192361 -5.041896 0.0000

C -0.086456 0.414061 -0.208800 0.8362

Null Hypothesis: D_INFLASI has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.967767
10% level -2.622989

Dependent Variable: D(D_INFLASI)
Date: 05/30/20 Time: 09:17
D_INFLASI(-1) -1.364456 0.178752 -7.633227 0.0000

C 0.232263 0.121632 1.909552 0.0669

115
Null Hypothesis: D_IR has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.967767
10% level -2.622989

Dependent Variable: D(D_IR)
Date: 05/30/20 Time: 09:18
D_IR(-1) -1.020671 0.192377 -5.305576 0.0000

C -3.740475 2.856143 -1.309625 0.2014

Null Hypothesis: D_REER has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.967767
10% level -2.622989

Dependent Variable: D(D_REER)
Date: 05/30/20 Time: 09:18
D_REER(-1) -0.959021 0.190894 -5.023849 0.0000

116
C -0.007963 0.009935 -0.801495 0.4298

Lampiran 2 Uji Kointegrasi (Johansen Cointegration Test) di Indonesia dan Malaysia

Indonesia
Date: 05/30/20 Time: 18:00
Trend assumption: Linear deterministic trend
Series: D_BRENT D_DEBT D_GROWTH D_INFLASI D_IR D_REER
Lags interval (in first differences): 1 to 1
Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.992713 211.5671 95.75366 0.0000

At most 1 * 0.607695 78.68103 69.81889 0.0083
At most 2 * 0.604819 53.41672 47.85613 0.0137
At most 3 0.421491 28.34964 29.79707 0.0727
At most 4 0.268493 13.57250 15.49471 0.0954
At most 5 * 0.173072 5.131001 3.841466 0.0235
Trace test indicates 3 cointegrating eqn(s) at the 0.05 level

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

None * 0.992713 132.8861 40.07757 0.0000

At most 1 0.607695 25.26431 33.87687 0.3673
At most 2 0.604819 25.06707 27.58434 0.1016
At most 3 0.421491 14.77714 21.13162 0.3048
At most 4 0.268493 8.441502 14.26460 0.3356
At most 5 * 0.173072 5.131001 3.841466 0.0235
Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):

0.090761 0.357247 -1.843769 0.001431 -0.052218 3.011089
-4.711609 0.308195 0.069950 0.556288 -0.327771 15.17957
-1.965597 -0.693038 0.174403 -0.029345 -0.262949 -14.60920
117
2.818195 12.41482 0.891584 -3.040926 -0.160117 1.125584

0.882230 -4.325937 -0.721250 0.358525 -0.505171 -2.123416
2.247167 -0.088995 1.657103 1.428609 0.124304 -4.796075
Unrestricted Adjustment Coefficients (alpha):
D(D_BRENT) 0.042901 0.198601 0.084681 -0.061719 -0.139703 -0.030839

D(D_DEBT) -0.110922 -0.114120 0.090132 -0.051285 0.051403 -0.060227
D(D_GROWTH) 0.924565 0.238803 -0.136669 0.112932 -0.103078 0.128216
D(D_INFLASI) -0.641448 -0.630292 0.559452 -0.082428 0.140755 -0.285379
D(D_IR) -0.222892 1.565594 0.281008 0.601455 0.627964 -0.034856
D(D_REER) 0.003356 -0.011864 0.078993 -0.015892 -0.024378 0.019619
1 Cointegrating Equation(s): Log likelihood -26.80071
Normalized cointegrating coefficients (standard error in parentheses)

1.000000 3.936147 -20.31464 0.015763 -0.575340 33.17616
(2.64847) (0.56997) (0.69417) (0.14095) (4.40527)
Adjustment coefficients (standard error in parentheses)

D(D_BRENT) 0.003894
(0.00843)
D(D_DEBT) -0.010067
(0.00559)
D(D_GROWTH) 0.083914
(0.01132)
D(D_INFLASI) -0.058218
(0.02742)
D(D_IR) -0.020230
(0.05308)
D(D_REER) 0.000305
(0.00260)

1.000000 0.000000 -0.346678 -0.115880 0.059025 -2.626756
(0.09709) (0.06518) (0.02500) (0.74456)
0.000000 1.000000 -5.072971 0.033445 -0.161164 9.095930
(0.13817) (0.09275) (0.03558) (1.05956)

D(D_BRENT) -0.931837 0.076534
(0.38155) (0.03820)
D(D_DEBT) 0.527623 -0.074798
(0.26253) (0.02628)
D(D_GROWTH) -1.041232 0.403896
(0.52830) (0.05289)
D(D_INFLASI) 2.911472 -0.423408
(1.25029) (0.12518)
D(D_IR) -7.396695 0.402880
(2.17497) (0.21776)
D(D_REER) 0.056202 -0.002457
(0.13436) (0.01345)

118

1.000000 0.000000 0.000000 -0.095719 0.081312 -1.466058
(0.04964) (0.02295) (0.67913)
0.000000 1.000000 0.000000 0.328456 0.164974 26.08052
(0.34640) (0.16012) (4.73911)
0.000000 0.000000 1.000000 0.058154 0.064289 3.348055
(0.06900) (0.03189) (0.94396)

D(D_BRENT) -1.098286 0.017847 -0.050439
(0.40134) (0.06590) (0.14567)
D(D_DEBT) 0.350460 -0.137263 0.212251
(0.26414) (0.04337) (0.09587)
D(D_GROWTH) -0.772596 0.498613 -1.711817
(0.54957) (0.09024) (0.19948)
D(D_INFLASI) 1.811816 -0.811130 1.236164
(1.18563) (0.19468) (0.43035)
D(D_IR) -7.949044 0.208130 0.569483
(2.33348) (0.38316) (0.84698)
D(D_REER) -0.099067 -0.057203 0.006759
(0.11238) (0.01845) (0.04079)
4 Cointegrating Equation(s): Log likelihood 5.753554

1.000000 0.000000 0.000000 0.000000 0.115916 2.993598
(0.03627) (1.03223)
0.000000 1.000000 0.000000 0.000000 0.046233 10.77740
(0.06166) (1.75479)
0.000000 0.000000 1.000000 0.000000 0.043266 0.638616
(0.01500) (0.42702)
0.000000 0.000000 0.000000 1.000000 0.361514 46.59101
(0.28063) (7.98697)

D(D_BRENT) -1.272222 -0.748383 -0.105467 0.295739
(0.45091) (0.96204) (0.15901) (0.23902)
D(D_DEBT) 0.205930 -0.773953 0.166526 0.089665
(0.29379) (0.62682) (0.10360) (0.15574)
D(D_GROWTH) -0.454330 1.900648 -1.611128 -0.205242
(0.60927) (1.29990) (0.21485) (0.32297)
D(D_INFLASI) 1.579518 -1.834458 1.162673 -0.117302
(1.34974) (2.87974) (0.47597) (0.71548)
D(D_IR) -6.254025 7.675093 1.105731 -0.966626
(2.54093) (5.42121) (0.89603) (1.34692)
D(D_REER) -0.143855 -0.254504 -0.007410 0.039415
(0.12659) (0.27009) (0.04464) (0.06711)
5 Cointegrating Equation(s): Log likelihood 9.974305

1.000000 0.000000 0.000000 0.000000 0.000000 8.863278
(2.36202)
0.000000 1.000000 0.000000 0.000000 0.000000 13.11850
(2.23743)
0.000000 0.000000 1.000000 0.000000 0.000000 2.829490
119
(0.96318)
0.000000 0.000000 0.000000 1.000000 0.000000 64.89710
(11.9246)
0.000000 0.000000 0.000000 0.000000 1.000000 -50.63728
(15.6758)

D(D_BRENT) -1.395472 -0.144037 -0.004706 0.245652 -0.009147
(0.41501) (0.92689) (0.15334) (0.21898) (0.04773)
D(D_DEBT) 0.251279 -0.996317 0.129452 0.108095 0.001742
(0.28888) (0.64518) (0.10674) (0.15242) (0.03322)
D(D_GROWTH) -0.545268 2.346555 -1.536783 -0.242198 -0.056625
(0.60020) (1.34050) (0.22177) (0.31669) (0.06902)
D(D_INFLASI) 1.703696 -2.443354 1.061153 -0.066838 0.035072
(1.35174) (3.01898) (0.49946) (0.71323) (0.15545)
D(D_IR) -5.700017 4.958562 0.652813 -0.741485 -0.988939
(2.42528) (5.41663) (0.89612) (1.27967) (0.27891)
D(D_REER) -0.165361 -0.149048 0.010172 0.030675 -0.002198
(0.12371) (0.27630) (0.04571) (0.06527) (0.01423)
Malaysia
Date: 05/30/20 Time: 19:55
Trend assumption: Linear deterministic trend
Series: D_BRENT D_DEBT D_GROWTH D_INFLASI D_IR D_REER
Lags interval (in first differences): 1 to 1
Hypothesized Trace 0.05

None * 0.824225 129.5287 95.75366 0.0000

At most 1 * 0.742734 80.84936 69.81889 0.0051
At most 2 0.462223 42.83536 47.85613 0.1366
At most 3 0.372274 25.46663 29.79707 0.1454
At most 4 0.257561 12.42838 15.49471 0.1375
At most 5 * 0.135891 4.089564 3.841466 0.0431
Trace test indicates 2 cointegrating eqn(s) at the 0.05 level

Hypothesized Max-Eigen 0.05

None * 0.824225 48.67937 40.07757 0.0043

At most 1 * 0.742734 38.01400 33.87687 0.0151
At most 2 0.462223 17.36874 27.58434 0.5485
At most 3 0.372274 13.03824 21.13162 0.4487
At most 4 0.257561 8.338817 14.26460 0.3453
At most 5 * 0.135891 4.089564 3.841466 0.0431
Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level

120
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):

-2.526376 5.617938 -0.232361 -1.843176 -0.030209 24.24510
2.632985 -2.384450 -0.345408 -2.439588 -0.009305 -8.784030
3.210147 -4.575329 0.325233 1.450524 0.072607 17.34744
-1.584646 2.734858 -0.146105 0.116720 0.083598 -2.605727
0.121170 -4.038491 -0.552783 0.831015 -0.007856 10.84932
0.959457 11.57394 -0.091278 0.195150 0.001347 -0.381012
Unrestricted Adjustment Coefficients (alpha):
D(D_BRENT) -0.031023 -0.180779 -0.217451 0.085115 -0.044641 -0.040133

D(D_DEBT) -0.006519 0.010083 0.014093 -0.002202 0.000782 -0.022919
D(D_GROWTH) 0.700267 0.190331 -0.539374 0.413584 0.784238 0.167192
D(D_INFLASI) 0.433324 0.455565 0.095017 0.026231 -0.122527 0.016917
D(D_IR) 0.539765 -4.149941 -2.580968 -9.797261 2.677828 -0.348440
D(D_REER) -0.041846 0.016251 -0.018350 -0.001819 -0.003310 0.009735

1.000000 -2.223714 0.091974 0.729573 0.011957 -9.596791
(0.55612) (0.03142) (0.14079) (0.00456) (1.33699)

D(D_BRENT) 0.078376
(0.24334)
D(D_DEBT) 0.016469
(0.03771)
D(D_GROWTH) -1.769136
(1.10640)
D(D_INFLASI) -1.094739
(0.35784)
D(D_IR) -1.363648
(10.1721)
D(D_REER) 0.105719
(0.02654)

1.000000 0.000000 -0.284507 -2.064389 -0.014177 0.965234
(0.06827) (0.30073) (0.00992) (2.90707)
0.000000 1.000000 -0.169303 -1.256439 -0.011753 4.749722
(0.03763) (0.16575) (0.00547) (1.60225)

D(D_BRENT) -0.397612 0.256772
(0.31903) (0.53358)
D(D_DEBT) 0.043016 -0.060663
(0.05385) (0.09006)
D(D_GROWTH) -1.267996 3.480218
(1.59048) (2.66010)
D(D_INFLASI) 0.104756 1.348116
(0.35911) (0.60062)
121
D(D_IR) -12.29038 12.92769

(14.2967) (23.9115)
D(D_REER) 0.148509 -0.273840
(0.03596) (0.06014)

1.000000 0.000000 0.000000 -0.636174 0.025283 23.03058
(0.49055) (0.01745) (5.26663)
0.000000 1.000000 0.000000 -0.406545 0.011729 17.88024
(0.30750) (0.01094) (3.30135)
0.000000 0.000000 1.000000 5.019965 0.138698 77.55645
(1.73646) (0.06178) (18.6428)

D(D_BRENT) -1.095663 1.251684 -0.001071
(0.35313) (0.55422) (0.03838)
D(D_DEBT) 0.088258 -0.125145 0.002616
(0.07006) (0.10996) (0.00762)
D(D_GROWTH) -2.999465 5.948030 -0.403879
(2.03563) (3.19481) (0.22127)
D(D_INFLASI) 0.409774 0.913382 -0.227141
(0.46702) (0.73296) (0.05076)
D(D_IR) -20.57567 24.73647 0.468588
(18.8339) (29.5588) (2.04720)
D(D_REER) 0.089602 -0.189881 -0.001858
(0.04354) (0.06834) (0.00473)

1.000000 0.000000 0.000000 0.000000 0.099878 20.57703
(0.02780) (8.96936)
0.000000 1.000000 0.000000 0.000000 0.059399 16.31231
(0.01746) (5.63520)
0.000000 0.000000 1.000000 0.000000 -0.449918 96.91709
(0.15654) (50.5088)
0.000000 0.000000 0.000000 1.000000 0.117255 -3.856727
(0.03131) (10.1033)

D(D_BRENT) -1.230540 1.484462 -0.013507 0.192723
(0.35846) (0.56821) (0.03844) (0.23745)
D(D_DEBT) 0.091748 -0.131169 0.002938 0.007604
(0.07365) (0.11674) (0.00790) (0.04879)
D(D_GROWTH) -3.654848 7.079122 -0.464306 -2.489145
(2.08826) (3.31020) (0.22391) (1.38331)
D(D_INFLASI) 0.368207 0.985120 -0.230973 -1.769197
(0.49030) (0.77720) (0.05257) (0.32479)
D(D_IR) -5.050480 -2.057646 1.900022 4.241970
(16.3406) (25.9022) (1.75207) (10.8244)
D(D_REER) 0.092484 -0.194855 -0.001592 0.010653
(0.04575) (0.07253) (0.00491) (0.03031)

122

1.000000 0.000000 0.000000 0.000000 0.000000 124.2433
(24.6557)
0.000000 1.000000 0.000000 0.000000 0.000000 77.96405
(14.8154)
0.000000 0.000000 1.000000 0.000000 0.000000 -370.0658
(74.8501)
0.000000 0.000000 0.000000 1.000000 0.000000 117.8456
(23.6125)
0.000000 0.000000 0.000000 0.000000 1.000000 -1037.930
(236.171)

D(D_BRENT) -1.235949 1.664743 0.011170 0.155626 -0.005703
(0.35491) (0.62841) (0.05403) (0.24201) (0.00801)
D(D_DEBT) 0.091843 -0.134325 0.002505 0.008253 0.000936
(0.07366) (0.13043) (0.01121) (0.05023) (0.00166)
D(D_GROWTH) -3.559822 3.911986 -0.897819 -1.837432 -0.033674
(1.88660) (3.34043) (0.28722) (1.28645) (0.04258)
D(D_INFLASI) 0.353361 1.479944 -0.163243 -1.871019 -0.007275
(0.47000) (0.83219) (0.07155) (0.32049) (0.01061)
D(D_IR) -4.726009 -12.87203 0.419764 6.467286 -1.005152
(16.0558) (28.4287) (2.44435) (10.9483) (0.36241)
D(D_REER) 0.092083 -0.181487 0.000237 0.007902 -0.000345
(0.04561) (0.08076) (0.00694) (0.03110) (0.00103)
Lampiran 3 Hasil Kausalitas Granger Di Indonesia dan Malaysia

Indonesia
Pairwise Granger Causality Tests
Date: 05/30/20 Time: 09:22
Sample: 1990 2019
Lags: 3
Null Hypothesis: Obs F-Statistic Prob.
D_DEBT does not Granger Cause D_BRENT 27 1.65003 0.2097

D_BRENT does not Granger Cause D_DEBT 0.40322 0.7523
D_GROWTH does not Granger Cause D_BRENT 27 1.37757 0.2784

D_BRENT does not Granger Cause D_GROWTH 3.11950 0.0490
D_INFLASI does not Granger Cause D_BRENT 27 2.87695 0.0617

D_BRENT does not Granger Cause D_INFLASI 0.19853 0.8961
D_IR does not Granger Cause D_BRENT 27 2.84986 0.0633

D_BRENT does not Granger Cause D_IR 1.24436 0.3201
D_REER does not Granger Cause D_BRENT 26 1.45367 0.2587

D_BRENT does not Granger Cause D_REER 0.16855 0.9163
D_GROWTH does not Granger Cause D_DEBT 27 0.71139 0.5566

D_DEBT does not Granger Cause D_GROWTH 14.4493 3.E-05
D_INFLASI does not Granger Cause D_DEBT 27 0.56500 0.6444

D_DEBT does not Granger Cause D_INFLASI 0.29377 0.8294
D_IR does not Granger Cause D_DEBT 27 0.06698 0.9768

123
D_DEBT does not Granger Cause D_IR 0.07241 0.9741
D_REER does not Granger Cause D_DEBT 26 10.9507 0.0002

D_DEBT does not Granger Cause D_REER 0.41327 0.7454
D_INFLASI does not Granger Cause D_GROWTH 27 11.4726 0.0001

D_GROWTH does not Granger Cause D_INFLASI 0.30133 0.8240
D_IR does not Granger Cause D_GROWTH 27 0.47701 0.7018

D_GROWTH does not Granger Cause D_IR 0.46921 0.7071
D_REER does not Granger Cause D_GROWTH 26 6.94922 0.0024

D_GROWTH does not Granger Cause D_REER 1.07573 0.3830
D_IR does not Granger Cause D_INFLASI 27 0.09206 0.9636

D_INFLASI does not Granger Cause D_IR 0.21338 0.8859
D_REER does not Granger Cause D_INFLASI 26 8.77868 0.0007

D_INFLASI does not Granger Cause D_REER 0.23083 0.8738
D_REER does not Granger Cause D_IR 26 0.43953 0.7274

D_IR does not Granger Cause D_REER 3.59564 0.0327
Malaysia
Pairwise Granger Causality Tests
Date: 05/30/20 Time: 19:57
Sample: 1990 2019
Lags: 3
Null Hypothesis: Obs F-Statistic Prob.
D_DEBT does not Granger Cause D_BRENT 27 2.27325 0.1112

D_BRENT does not Granger Cause D_DEBT 5.24733 0.0078
D_GROWTH does not Granger Cause D_BRENT 27 0.59667 0.6245

D_BRENT does not Granger Cause D_GROWTH 1.15080 0.3530
D_INFLASI does not Granger Cause D_BRENT 27 0.67081 0.5799

D_BRENT does not Granger Cause D_INFLASI 2.74474 0.0700
D_IR does not Granger Cause D_BRENT 27 0.97325 0.4249

D_BRENT does not Granger Cause D_IR 0.75015 0.5350
D_REER does not Granger Cause D_BRENT 27 3.17606 0.0465

D_BRENT does not Granger Cause D_REER 1.51885 0.2403
D_GROWTH does not Granger Cause D_DEBT 27 0.30486 0.8215

D_DEBT does not Granger Cause D_GROWTH 0.10154 0.9582
D_INFLASI does not Granger Cause D_DEBT 27 1.04856 0.3928

D_DEBT does not Granger Cause D_INFLASI 1.05841 0.3888
D_IR does not Granger Cause D_DEBT 27 0.03717 0.9901

D_DEBT does not Granger Cause D_IR 0.38534 0.7647
D_REER does not Granger Cause D_DEBT 27 1.24444 0.3200

D_DEBT does not Granger Cause D_REER 1.14578 0.3549
124
D_INFLASI does not Granger Cause D_GROWTH 27 1.82383 0.1753

D_GROWTH does not Granger Cause D_INFLASI 2.12976 0.1284
D_IR does not Granger Cause D_GROWTH 27 0.04211 0.9881

D_GROWTH does not Granger Cause D_IR 12.8747 7.E-05
D_REER does not Granger Cause D_GROWTH 27 1.10307 0.3711

D_GROWTH does not Granger Cause D_REER 0.19507 0.8985
D_IR does not Granger Cause D_INFLASI 27 1.57587 0.2265

D_INFLASI does not Granger Cause D_IR 0.12891 0.9418
D_REER does not Granger Cause D_INFLASI 27 0.55489 0.6508

D_INFLASI does not Granger Cause D_REER 0.40081 0.7539
D_REER does not Granger Cause D_IR 27 0.17528 0.9119

D_IR does not Granger Cause D_REER 0.39940 0.7549
Lampiran 4 Penentuan Lag Optimal ( Lag Length Criteria) di Indonesia dan Malaysia
Indonesia
VAR Lag Order Selection Criteria

Endogenous variables: D_BRENT D_DEBT D_GROWTH D_INFLASI D_IR
D_REER
Exogenous variables: C
Date: 06/02/20 Time: 18:49
Sample: 1990 2019
Included observations: 26
0 -124.4519 NA 0.000919 10.03476 10.32509 10.11837

1 -60.96689 92.78577 0.000120 7.920530 9.952840 8.505762
2 17.71627 78.68316 7.52e-06 4.637210 8.411500 5.724069
3 118.2556 54.13658* 3.19e-07* -0.327357* 5.188913* 1.261129*
* 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
Malaysia
VAR Lag Order Selection Criteria
Endogenous variables: D_BRENT D_DEBT D_GROWTH D_INFLASI D_IR
D_REER
Date: 05/30/20 Time: 20:07
Sample: 1990 2019
Included observations: 27
0 -140.8266 NA 0.002131 10.87605 11.16401 10.96167

125
1 -107.7817 48.95547 0.002852 11.09494 13.11069 11.69433

2 -69.53589 39.66231 0.003782 10.92858 14.67211 12.04173
3 41.08111 65.55081* 6.94e-05* 5.401399* 10.87271* 7.028307*
* 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
Lampiran 5 Uji Stabilitas di Indonesia dan Malaysia

Indonesia
Roots of Characteristic Polynomial
Endogenous variables: D_BRENT D_DEBT D_GROWTH
D_INFLASI D_IR D_REER
Lag specification: 1 3
Date: 05/30/20 Time: 18:32
Root Modulus
0.891951 + 0.113946i 0.899200

0.891951 - 0.113946i 0.899200
0.160566 + 0.866005i 0.880765
0.160566 - 0.866005i 0.880765
0.677695 + 0.558420i 0.878125
0.677695 - 0.558420i 0.878125
-0.639952 - 0.554762i 0.846935
-0.639952 + 0.554762i 0.846935
-0.808889 - 0.239523i 0.843606
-0.808889 + 0.239523i 0.843606
-0.130913 + 0.816672i 0.827098
-0.130913 - 0.816672i 0.827098
0.454501 - 0.535598i 0.702450
0.454501 + 0.535598i 0.702450
-0.204721 + 0.648489i 0.680036
-0.204721 - 0.648489i 0.680036
-0.477618 + 0.397972i 0.621692
-0.477618 - 0.397972i 0.621692
No root lies outside the unit circle.

VAR satisfies the stability condition.
126
Inverse Roots of AR Characteristic Polynomial

1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Malaysia
Roots of Characteristic Polynomial
Endogenous variables: D_BRENT D_DEBT D_GROWTH
D_INFLASI D_IR D_REER
Lag specification: 1 3
Date: 05/30/20 Time: 20:08
Root Modulus
0.436139 - 0.825348i 0.933497

0.436139 + 0.825348i 0.933497
-0.436965 + 0.810030i 0.920373
-0.436965 - 0.810030i 0.920373
-0.175347 + 0.858461i 0.876186
-0.175347 - 0.858461i 0.876186
-0.722128 + 0.488762i 0.871985
-0.722128 - 0.488762i 0.871985
-0.851061 + 0.120138i 0.859499
-0.851061 - 0.120138i 0.859499
0.109569 + 0.835744i 0.842896
0.109569 - 0.835744i 0.842896
0.736907 + 0.294721i 0.793657
0.736907 - 0.294721i 0.793657
0.694123 + 0.355900i 0.780045
0.694123 - 0.355900i 0.780045
0.535817 0.535817
0.023833 0.023833
No root lies outside the unit circle.

VAR satisfies the stability condition.
127
Inverse Roots of AR Characteristic Polynomial

1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Lampiran 6 Estimasi Model Vector Autoregressive (VAR) di Indonesia dan Malaysia

Indonesia
Vector Autoregression Estimates
Date: 05/30/20 Time: 18:31
Standard errors in ( ) & t-statistics in [ ]
D_BRENT(-1) -0.284621 -0.009881 0.035697 0.711788 -3.770420 0.051006

(0.34019) (0.20868) (0.42293) (1.07245) (2.20315) (0.08345)
[-0.83666] [-0.04735] [ 0.08440] [ 0.66370] [-1.71138] [ 0.61121]
D_BRENT(-2) -0.504928 0.185401 -0.385276 0.500019 -3.618255 -0.149188

(0.47205) (0.28957) (0.58686) (1.48814) (3.05710) (0.11580)
[-1.06966] [ 0.64027] [-0.65650] [ 0.33600] [-1.18356] [-1.28837]
D_BRENT(-3) 0.204848 -0.430660 1.058571 -2.023368 0.579226 0.045533

(0.55324) (0.33937) (0.68781) (1.74411) (3.58294) (0.13571)
[ 0.37027] [-1.26898] [ 1.53905] [-1.16012] [ 0.16166] [ 0.33551]
D_DEBT(-1) -4.536395 1.579790 -3.183193 3.972640 -17.78218 -0.256522

(3.68320) (2.25938) (4.57906) (11.6114) (23.8534) (0.90351)
[-1.23164] [ 0.69921] [-0.69516] [ 0.34213] [-0.74548] [-0.28392]
D_DEBT(-2) 0.785749 -1.642224 6.243009 -7.048981 6.157793 0.409176

(1.91489) (1.17465) (2.38065) (6.03673) (12.4013) (0.46974)
[ 0.41034] [-1.39806] [ 2.62240] [-1.16768] [ 0.49654] [ 0.87108]
D_DEBT(-3) 3.998329 0.063926 -0.580788 -0.608347 21.87229 -0.034319

(3.67265) (2.25291) (4.56595) (11.5781) (23.7851) (0.90093)
[ 1.08868] [ 0.02837] [-0.12720] [-0.05254] [ 0.91958] [-0.03809]
D_GROWTH(-1) -1.697172 0.047512 -0.310850 0.875444 -8.761566 0.064344

(1.52212) (0.93371) (1.89234) (4.79852) (9.85765) (0.37339)
128
[-1.11500] [ 0.05089] [-0.16427] [ 0.18244] [-0.88881] [ 0.17233]
D_GROWTH(-2) -0.708096 0.290738 -0.567752 1.212682 -2.554184 -0.028001

(0.56760) (0.34818) (0.70566) (1.78938) (3.67594) (0.13924)
[-1.24752] [ 0.83501] [-0.80457] [ 0.67771] [-0.69484] [-0.20110]
D_GROWTH(-3) 0.061008 -0.065935 0.194057 -0.290756 0.707067 0.043738

(0.23977) (0.14708) (0.29809) (0.75588) (1.55281) (0.05882)
[ 0.25444] [-0.44829] [ 0.65100] [-0.38466] [ 0.45535] [ 0.74362]
D_INFLASI(-1) 0.398468 -0.301556 0.508550 -0.692304 0.044906 0.085943

(0.36325) (0.22283) (0.45160) (1.14514) (2.35248) (0.08911)
[ 1.09696] [-1.35332] [ 1.12611] [-0.60456] [ 0.01909] [ 0.96449]
D_INFLASI(-2) -0.362047 0.369725 -0.781531 1.639230 -1.818990 -0.102678

(0.50104) (0.30735) (0.62291) (1.57955) (3.24489) (0.12291)
[-0.72259] [ 1.20293] [-1.25464] [ 1.03778] [-0.56057] [-0.83540]
D_INFLASI(-3) 0.187995 -0.078735 0.212918 -0.157225 0.787721 -0.013228

(0.29815) (0.18289) (0.37066) (0.93991) (1.93087) (0.07314)
[ 0.63055] [-0.43050] [ 0.57442] [-0.16728] [ 0.40796] [-0.18087]
D_IR(-1) -0.015563 -0.040695 0.071846 -0.156126 -0.076826 -0.004260

(0.06042) (0.03706) (0.07512) (0.19048) (0.39130) (0.01482)
[-0.25757] [-1.09797] [ 0.95645] [-0.81965] [-0.19633] [-0.28740]
D_IR(-2) 0.011910 -0.002339 -0.025381 -0.023568 -0.047698 0.006280

(0.05356) (0.03286) (0.06659) (0.16886) (0.34689) (0.01314)
[ 0.22235] [-0.07119] [-0.38114] [-0.13957] [-0.13750] [ 0.47795]
D_IR(-3) -0.118849 0.033969 -0.072763 0.175044 -0.176878 -0.028056

(0.07736) (0.04745) (0.09617) (0.24386) (0.50097) (0.01898)
[-1.53641] [ 0.71585] [-0.75661] [ 0.71779] [-0.35307] [-1.47852]
D_REER(-1) 1.742386 -2.930204 6.238082 -16.59884 12.12478 -0.369951

(1.41555) (0.86834) (1.75985) (4.46255) (9.16747) (0.34724)
[ 1.23089] [-3.37450] [ 3.54466] [-3.71959] [ 1.32259] [-1.06539]
D_REER(-2) 2.814571 -1.774185 4.827453 -8.781423 17.94596 0.067799

(2.05986) (1.26358) (2.56088) (6.49375) (13.3402) (0.50530)
[ 1.36639] [-1.40410] [ 1.88508] [-1.35229] [ 1.34526] [ 0.13418]
D_REER(-3) 2.904224 -0.622686 0.360778 -1.692325 17.81016 -0.231073

(2.62975) (1.61316) (3.26938) (8.29034) (17.0309) (0.64509)
[ 1.10437] [-0.38600] [ 0.11035] [-0.20413] [ 1.04575] [-0.35820]
C 0.061526 0.069122 -0.164533 0.303058 -0.025666 -0.000703

(0.14025) (0.08603) (0.17436) (0.44213) (0.90828) (0.03440)
[ 0.43870] [ 0.80345] [-0.94364] [ 0.68545] [-0.02826] [-0.02044]
R-squared 0.704647 0.812429 0.944153 0.794124 0.578968 0.713352

Adj. R-squared -0.054831 0.330104 0.800548 0.264727 -0.503685 -0.023745
Sum sq. resids 1.563902 0.588487 2.417194 15.54266 65.59312 0.094108
S.E. equation 0.472667 0.289948 0.587634 1.490094 3.061118 0.115948
F-statistic 0.927805 1.684402 6.574641 1.500054 0.534768 0.967786
Log likelihood -0.350536 12.35545 -6.011041 -30.20380 -48.92227 36.18586
Akaike AIC 1.488503 0.511119 1.923926 3.784908 5.224790 -1.321989
Schwarz SC 2.407881 1.430497 2.843304 4.704286 6.144168 -0.402611
Mean dependent 0.152392 0.029615 0.009335 0.329473 -0.756281 0.001404
S.D. dependent 0.460219 0.354255 1.315793 1.737758 2.496329 0.114596
Determinant resid covariance (dof adj.) 1.19E-08

129
Determinant resid covariance 4.51E-12

Log likelihood 118.2556
Akaike information criterion -0.327357
Schwarz criterion 5.188913
Malaysia
Vector Autoregression Estimates

Date: 05/30/20 Time: 20:07
Standard errors in ( ) & t-statistics in [ ]
D_BRENT(-1) -0.339197 -0.107773 -1.078630 0.401622 0.060639 0.063772

(0.38658) (0.07168) (1.44588) (0.37163) (4.31761) (0.04207)
[-0.87743] [-1.50346] [-0.74600] [ 1.08071] [ 0.01404] [ 1.51596]
D_BRENT(-2) 0.268755 0.181808 -1.825106 -0.046157 -13.50708 0.010197

(0.43221) (0.08014) (1.61654) (0.41549) (4.82722) (0.04703)
[ 0.62181] [ 2.26852] [-1.12902] [-0.11109] [-2.79811] [ 0.21681]
D_BRENT(-3) -0.162590 -0.057697 3.142101 -0.423218 -10.47907 -0.033533

(0.59345) (0.11004) (2.21960) (0.57049) (6.62803) (0.06458)
[-0.27397] [-0.52432] [ 1.41562] [-0.74184] [-1.58102] [-0.51927]
D_DEBT(-1) 2.942054 0.843077 -8.248841 2.148834 -2.650168 0.414881

(2.51255) (0.46590) (9.39736) (2.41537) (28.0618) (0.27341)
[ 1.17094] [ 1.80958] [-0.87778] [ 0.88965] [-0.09444] [ 1.51743]
D_DEBT(-2) -1.876703 -0.256666 7.733075 -0.375864 29.81527 -0.613681

(2.95092) (0.54718) (11.0369) (2.83677) (32.9578) (0.32111)
[-0.63597] [-0.46907] [ 0.70066] [-0.13250] [ 0.90465] [-1.91111]
D_DEBT(-3) -0.220157 0.010198 7.840120 1.046903 -45.75348 0.263924

(2.04777) (0.37971) (7.65898) (1.96856) (22.8708) (0.22283)
[-0.10751] [ 0.02686] [ 1.02365] [ 0.53181] [-2.00052] [ 1.18441]
D_GROWTH(-1) 0.017623 0.016375 -0.094830 -0.142581 -1.769657 0.007070

(0.06877) (0.01275) (0.25723) (0.06611) (0.76811) (0.00748)
[ 0.25624] [ 1.28408] [-0.36867] [-2.15661] [-2.30391] [ 0.94477]
D_GROWTH(-2) -0.017137 -0.017952 -0.033784 -0.056846 1.381392 -0.001945

(0.08900) (0.01650) (0.33287) (0.08556) (0.99401) (0.00968)
[-0.19256] [-1.08782] [-0.10149] [-0.66442] [ 1.38972] [-0.20086]
D_GROWTH(-3) 0.042563 0.002486 -0.497146 0.150522 -6.508262 0.000434

(0.06342) (0.01176) (0.23719) (0.06096) (0.70829) (0.00690)
[ 0.67115] [ 0.21144] [-2.09596] [ 2.46901] [-9.18872] [ 0.06294]
D_INFLASI(-1) 0.123082 -0.014360 -1.173557 -0.636527 4.390319 0.039881

(0.30354) (0.05628) (1.13528) (0.29180) (3.39012) (0.03303)
[ 0.40549] [-0.25514] [-1.03371] [-2.18140] [ 1.29503] [ 1.20741]
D_INFLASI(-2) 0.051558 0.005832 -3.637065 -0.182076 -1.888652 -0.002739

(0.26442) (0.04903) (0.98897) (0.25419) (2.95321) (0.02877)
[ 0.19499] [ 0.11895] [-3.67762] [-0.71630] [-0.63952] [-0.09521]
130
D_INFLASI(-3) 0.037206 -0.017379 -1.287271 0.208803 -11.09460 0.039519

(0.25828) (0.04789) (0.96602) (0.24829) (2.88468) (0.02811)
[ 0.14405] [-0.36287] [-1.33255] [ 0.84095] [-3.84604] [ 1.40607]
D_IR(-1) -0.000194 -0.000128 -0.014637 -0.013395 0.068992 0.000148

(0.00811) (0.00150) (0.03032) (0.00779) (0.09054) (0.00088)
[-0.02397] [-0.08509] [-0.48276] [-1.71882] [ 0.76199] [ 0.16799]
D_IR(-2) -0.005125 0.000630 -0.042852 0.003157 -0.195769 -0.000121

(0.00796) (0.00148) (0.02978) (0.00765) (0.08893) (0.00087)
[-0.64367] [ 0.42684] [-1.43888] [ 0.41248] [-2.20133] [-0.13950]
D_IR(-3) 0.005964 -0.001268 -0.004559 -0.008571 -0.139838 0.000118

(0.00807) (0.00150) (0.03019) (0.00776) (0.09015) (0.00088)
[ 0.73878] [-0.84686] [-0.15100] [-1.10455] [-1.55110] [ 0.13460]
D_REER(-1) -1.272588 0.150948 10.61288 2.893225 15.18139 0.300608

(3.65844) (0.67838) (13.6832) (3.51693) (40.8599) (0.39810)
[-0.34785] [ 0.22251] [ 0.77562] [ 0.82266] [ 0.37155] [ 0.75510]
D_REER(-2) -2.028175 -0.465805 -14.58534 6.376306 79.67025 -0.525591

(3.25503) (0.60357) (12.1743) (3.12912) (36.3543) (0.35420)
[-0.62309] [-0.77175] [-1.19804] [ 2.03773] [ 2.19150] [-1.48386]
D_REER(-3) 2.432644 0.529189 3.981294 4.349950 -78.99946 -0.131251

(4.09677) (0.75966) (15.3226) (3.93830) (45.7554) (0.44580)
[ 0.59380] [ 0.69662] [ 0.25983] [ 1.10452] [-1.72656] [-0.29442]
C 0.132702 0.004291 0.786731 0.337533 -1.399485 -0.030932

(0.21011) (0.03896) (0.78584) (0.20198) (2.34664) (0.02286)
[ 0.63158] [ 0.11014] [ 1.00113] [ 1.67110] [-0.59638] [-1.35291]
R-squared 0.626944 0.696420 0.787540 0.847335 0.957437 0.631985

Adj. R-squared -0.212431 0.013364 0.309505 0.503838 0.861671 -0.196049
Sum sq. resids 2.036912 0.070036 28.49401 1.882381 254.0822 0.024120
S.E. equation 0.504593 0.093566 1.887260 0.485075 5.635626 0.054909
F-statistic 0.746918 1.019565 1.647452 2.466793 9.997651 0.763235
Log likelihood -3.421913 42.07547 -39.03841 -2.356800 -68.57593 56.46633
Akaike AIC 1.660882 -1.709294 4.299141 1.581985 6.487106 -2.775283
Schwarz SC 2.572768 -0.797409 5.211027 2.493870 7.398991 -1.863398
Mean dependent 0.137059 -0.000263 -0.095367 0.156933 -3.955637 -0.008937
S.D. dependent 0.458261 0.094197 2.271179 0.688648 15.15254 0.050207
Determinant resid covariance (dof adj.) 2.84E-06

Determinant resid covariance 1.92E-09
Log likelihood 41.08111
Akaike information criterion 5.401399
Schwarz criterion 10.87271
Lampiran 7 Impulse Response Function (IRF) di Indonesia dan Malaysia

Indonesia
131
Response to Cholesky One S.D. Innovations ± 2 S.E.

Response of D_BRENT to D_BRENT Res ponse of D_BRENT to D_DEBT Respons e of D_BRENT to D_GROWTH Response of D_BRENT to D_INFLASI Response of D_BRENT to D_IR Res ponse of D_BRENT to D_REER
.8 .8 .8 .8 .8 .8
.4 .4 .4 .4 .4 .4
.0 .0 .0 .0 .0 .0
-.4 -.4 -.4 -.4 -.4 -.4
-.8 -.8 -.8 -.8 -.8 -.8

5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50
Response of D_DEBT to D_BRENT Response of D_DEBT to D_DEBT Res ponse of D_DEBT to D_GROWTH Res ponse of D_DEBT to D_INFLASI Response of D_DEBT to D_IR Response of D_DEBT to D_REER
.4 .4 .4 .4 .4 .4
.2 .2 .2 .2 .2 .2
.0 .0 .0 .0 .0 .0
-.2 -.2 -.2 -.2 -.2 -.2
-.4 -.4 -.4 -.4 -.4 -.4
5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50
Res ponse of D_GROWTH to D_BR ENT Res ponse of D_GROWTH to D_DEBT Response of D_GROWTH to D_GROWTH Response of D_GROWTH to D_INFLASI Respons e of D_GROWTH to D_IR Response of D_GROWTH to D_REER
2 2 2 2 2 2
1 1 1 1 1 1
0 0 0 0 0 0
-1 -1 -1 -1 -1 -1
-2 -2 -2 -2 -2 -2
5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50
Response of D_INFLASI to D_BREN T Response of D_INFLASI to D_DEBT Response of D_INFLASI to D_GROWTH Res ponse of D_INFLASI to D_INFLASI Response of D_IN FLASI to D_IR Res ponse of D_INFLASI to D_REER
4 4 4 4 4 4
2 2 2 2 2 2
0 0 0 0 0 0
-2 -2 -2 -2 -2 -2
-4 -4 -4 -4 -4 -4
5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50
Response of D_IR to D_BRENT Response of D_IR to D_DEBT Respons e of D_IR to D_GR OWTH Respons e of D_IR to D_INFLASI Response of D_IR to D_IR Response of D_IR to D_REER
4 4 4 4 4 4
2 2 2 2 2 2
0 0 0 0 0 0
-2 -2 -2 -2 -2 -2
-4 -4 -4 -4 -4 -4
5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50
Res ponse of D_REER to D_BRENT Response of D_REER to D_DEBT Response of D_REER to D_GROWTH Res ponse of D_REER to D_INFLASI Response of D_REER to D_IR Respons e of D_REER to D_REER
.2 .2 .2 .2 .2 .2
.1 .1 .1 .1 .1 .1
.0 .0 .0 .0 .0 .0
-.1 -.1 -.1 -.1 -.1 -.1
-.2 -.2 -.2 -.2 -.2 -.2

5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50
Malaysia
132
Response to Cholesky One S.D. Innovations ± 2 S.E.

Response of D_BREN T to D_BRENT Response of D_BRENT to D_DEBT Res ponse of D_BRENT to D_GROWTH Response of D_BRENT to D_INFLASI Response of D_BRENT to D_IR Response of D_BRENT to D_REER
.8 .8 .8 .8 .8 .8
.4 .4 .4 .4 .4 .4
.0 .0 .0 .0 .0 .0
-.4 -.4 -.4 -.4 -.4 -.4
-.8 -.8 -.8 -.8 -.8 -.8

10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70
Response of D_DEBT to D_BRENT Response of D_DEBT to D_DEBT Respons e of D_DEBT to D_GROWTH Response of D_DEBT to D_INFLASI Response of D_DEBT to D_IR Response of D_DEBT to D_REER
.2 .2 .2 .2 .2 .2
.1 .1 .1 .1 .1 .1
.0 .0 .0 .0 .0 .0
-.1 -.1 -.1 -.1 -.1 -.1
-.2 -.2 -.2 -.2 -.2 -.2

10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70
Response of D_GROWTH to D_BRENT Respons e of D_GROWTH to D_DEBT Respons e of D_GROWTH to D_GROWTH Response of D_GROWTH to D_INFLASI Response of D_GROWTH to D_IR Response of D_GROWTH to D_REER
4 4 4 4 4 4
2 2 2 2 2 2
0 0 0 0 0 0
-2 -2 -2 -2 -2 -2
-4 -4 -4 -4 -4 -4
10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70
Res ponse of D_INFLASI to D_BRENT Response of D_INFLASI to D_DEBT Response of D_IN FLASI to D_GROWTH Res ponse of D_INFLASI to D_INFLASI Response of D_INFLASI to D_IR Respons e of D_INFLASI to D_REER
1.0 1.0 1.0 1.0 1.0 1.0
0.5 0.5 0.5 0.5 0.5 0.5
0.0 0.0 0.0 0.0 0.0 0.0
-0.5 -0.5 -0.5 -0.5 -0.5 -0.5
-1.0 -1.0 -1.0 -1.0 -1.0 -1.0

10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70
Response of D_IR to D_BRENT Response of D_IR to D_DEBT Response of D_IR to D_GROWTH Response of D_IR to D_INFLASI Response of D_IR to D_IR Response of D_IR to D_REER
20 20 20 20 20 20
10 10 10 10 10 10
0 0 0 0 0 0
-10 -10 -10 -10 -10 -10
-20 -20 -20 -20 -20 -20

10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70
Response of D_REER to D_BRENT Response of D_REER to D_DEBT Response of D_REER to D_GROWTH Response of D_REER to D_INFLASI Response of D_REER to D_IR Response of D_REER to D_REER
.08 .08 .08 .08 .08 .08
.04 .04 .04 .04 .04 .04
.00 .00 .00 .00 .00 .00
-.04 -.04 -.04 -.04 -.04 -.04
-.08 -.08 -.08 -.08 -.08 -.08

10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70
Lampiran 8 Variance Decomposition di Indonesia dan Malaysia

Indonesia
Variance
Decomposition
of D_BRENT:
Period S.E. D_BRENT D_DEBT D_GROWTH D_INFLASI D_IR D_REER
1 0.472667 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000

2 0.625044 57.20972 22.29043 0.254210 19.72909 0.347294 0.169257
3 0.701979 49.12659 19.77679 0.609568 29.65018 0.443127 0.393750
4 0.730205 46.56164 18.27769 0.955811 30.39334 3.446850 0.364668
5 0.751626 44.54381 17.62360 4.800647 29.36014 3.321468 0.350332
6 0.781588 41.70853 16.63712 4.616003 31.38850 5.254349 0.395501
7 0.808368 41.38528 16.62289 5.069132 31.55301 4.958525 0.411167
8 0.812691 41.21288 16.44749 5.119867 31.70644 5.078910 0.434415
9 0.822438 40.75750 16.06148 6.280158 31.12155 5.353642 0.425671
10 0.825098 40.89155 15.98784 6.244859 31.12269 5.329107 0.423945
11 0.831137 40.81035 15.77128 6.216137 31.32157 5.457021 0.423642
12 0.836957 40.29655 16.27621 6.179832 31.21685 5.611333 0.419224
13 0.840189 39.99526 16.30804 6.132415 31.56360 5.570271 0.430413
14 0.842406 39.82026 16.28389 6.184779 31.48907 5.793395 0.428610
15 0.843900 39.74563 16.35930 6.169135 31.52099 5.776213 0.428726
16 0.845342 39.62133 16.33517 6.217581 31.56703 5.830292 0.428594
17 0.845469 39.62739 16.33028 6.224746 31.56039 5.828700 0.428489
18 0.846357 39.68415 16.32603 6.240533 31.49594 5.825748 0.427593
133
19 0.846778 39.64479 16.31188 6.297503 31.47011 5.848541 0.427180

20 0.847156 39.64535 16.33714 6.294012 31.45269 5.843551 0.427260
21 0.847747 39.62590 16.31576 6.296825 31.49823 5.835474 0.427811
22 0.847816 39.62558 16.31759 6.298052 31.49640 5.834612 0.427764
23 0.847825 39.62488 16.31758 6.299395 31.49577 5.834617 0.427766
24 0.847994 39.61282 16.31226 6.298755 31.50000 5.848520 0.427644
25 0.848108 39.61804 16.31123 6.301783 31.49430 5.846952 0.427698
26 0.848149 39.61775 16.31133 6.301655 31.49439 5.847183 0.427690
27 0.848182 39.61462 16.31309 6.304787 31.49188 5.847944 0.427676
28 0.848198 39.61506 16.31292 6.304569 31.49197 5.847755 0.427722
29 0.848223 39.61604 16.31195 6.304254 31.49210 5.847953 0.427697
30 0.848253 39.61328 16.31129 6.307894 31.49002 5.849843 0.427673
31 0.848272 39.61146 16.31255 6.308561 31.48965 5.850110 0.427661
32 0.848284 39.61065 16.31412 6.308390 31.48912 5.850071 0.427649
33 0.848289 39.61016 16.31392 6.308625 31.48960 5.850014 0.427682
34 0.848291 39.61005 16.31386 6.308819 31.48956 5.850022 0.427681
35 0.848296 39.60971 16.31390 6.309178 31.48930 5.850233 0.427679
36 0.848300 39.60935 16.31436 6.309115 31.48918 5.850307 0.427680
37 0.848302 39.60942 16.31443 6.309135 31.48906 5.850274 0.427682
38 0.848306 39.60918 16.31440 6.309220 31.48919 5.850327 0.427689
39 0.848309 39.60893 16.31427 6.309611 31.48896 5.850548 0.427686
40 0.848312 39.60893 16.31429 6.309694 31.48875 5.850658 0.427683
41 0.848315 39.60906 16.31425 6.309671 31.48864 5.850696 0.427681
42 0.848316 39.60915 16.31423 6.309660 31.48859 5.850688 0.427681
43 0.848317 39.60911 16.31420 6.309706 31.48859 5.850710 0.427681
44 0.848318 39.60911 16.31418 6.309714 31.48856 5.850761 0.427680
45 0.848319 39.60918 16.31416 6.309711 31.48851 5.850756 0.427679
46 0.848319 39.60918 16.31414 6.309708 31.48854 5.850750 0.427679
47 0.848320 39.60919 16.31414 6.309705 31.48854 5.850748 0.427679
48 0.848320 39.60918 16.31414 6.309716 31.48851 5.850768 0.427678
49 0.848320 39.60920 16.31413 6.309715 31.48850 5.850779 0.427678
50 0.848320 39.60922 16.31413 6.309715 31.48848 5.850777 0.427678
Variance
Decomposition
of D_DEBT:
1 0.289948 0.708879 99.29112 0.000000 0.000000 0.000000 0.000000

2 0.509649 7.387997 33.11771 24.29541 32.37993 2.098950 0.720000
3 0.523753 8.258820 32.80802 23.25719 32.98440 1.987679 0.703885
4 0.538369 9.794276 32.19482 23.36824 31.41684 2.540572 0.685244
5 0.586897 9.887826 27.31821 24.09445 26.50708 11.58906 0.603377
6 0.604236 11.79252 26.77123 22.75509 27.10187 10.96864 0.610651
7 0.614149 13.34046 25.93583 23.09996 26.39496 10.62706 0.601722
8 0.616840 13.28780 25.80682 23.45919 26.25445 10.59511 0.596623
9 0.621646 14.36098 25.58320 23.10431 25.89740 10.46568 0.588426
10 0.626491 14.30983 25.44607 23.15505 26.18440 10.32233 0.582312
11 0.634987 13.92944 24.87049 24.22622 25.97574 10.42432 0.573789
12 0.639457 13.76688 24.79952 24.22991 26.33603 10.29212 0.575531
13 0.641681 13.68387 25.16412 24.06326 26.20419 10.31273 0.571837
14 0.643964 13.61602 24.99022 24.07404 26.33013 10.40904 0.580553
15 0.644347 13.61171 24.98100 24.06717 26.35036 10.40804 0.581729
16 0.645009 13.68582 24.93501 24.02728 26.37954 10.38870 0.583665
17 0.645470 13.66739 24.96623 23.99473 26.36224 10.42636 0.583049
18 0.645552 13.66521 24.97021 24.00167 26.35581 10.42373 0.583375
19 0.646099 13.65252 24.95193 24.06245 26.31313 10.43758 0.582392
20 0.647101 13.61032 24.87530 24.17876 26.31744 10.43666 0.581525
21 0.647653 13.63298 24.84948 24.20647 26.28521 10.44498 0.580882
22 0.647896 13.66036 24.86686 24.18851 26.26667 10.43713 0.580455
23 0.648072 13.66144 24.85563 24.18945 26.26555 10.44727 0.580656
24 0.648192 13.65640 24.84890 24.18046 26.28971 10.44345 0.581088
134
25 0.648255 13.65388 24.84412 24.17711 26.29835 10.44534 0.581195

26 0.648342 13.65923 24.84209 24.17205 26.29763 10.44793 0.581067
27 0.648366 13.66041 24.84083 24.17074 26.29906 10.44787 0.581095
28 0.648413 13.66238 24.83914 24.17278 26.29556 10.44912 0.581020
29 0.648497 13.66264 24.83434 24.18052 26.28978 10.45182 0.580907
30 0.648566 13.66861 24.82999 24.18164 26.28580 10.45307 0.580893
31 0.648593 13.67281 24.83077 24.17967 26.28358 10.45232 0.580848
32 0.648620 13.67382 24.82882 24.17923 26.28516 10.45213 0.580844
33 0.648633 13.67343 24.82866 24.17899 26.28622 10.45185 0.580843
34 0.648641 13.67317 24.82828 24.17877 26.28723 10.45172 0.580837
35 0.648647 13.67316 24.82793 24.17886 26.28742 10.45180 0.580826
36 0.648651 13.67330 24.82763 24.17932 26.28725 10.45167 0.580819
37 0.648655 13.67332 24.82809 24.17917 26.28698 10.45163 0.580815
38 0.648660 13.67312 24.82806 24.17941 26.28699 10.45160 0.580821
39 0.648664 13.67329 24.82780 24.17944 26.28703 10.45160 0.580835
40 0.648665 13.67341 24.82775 24.17944 26.28693 10.45163 0.580836
41 0.648668 13.67332 24.82757 24.17965 26.28676 10.45187 0.580831
42 0.648670 13.67331 24.82759 24.17966 26.28669 10.45193 0.580828
43 0.648671 13.67334 24.82760 24.17970 26.28664 10.45190 0.580826
44 0.648672 13.67334 24.82754 24.17983 26.28659 10.45188 0.580825
45 0.648672 13.67334 24.82751 24.17991 26.28654 10.45188 0.580824
46 0.648673 13.67337 24.82753 24.17987 26.28653 10.45188 0.580824
47 0.648674 13.67337 24.82754 24.17985 26.28656 10.45185 0.580824
48 0.648674 13.67336 24.82751 24.17984 26.28663 10.45184 0.580826
49 0.648674 13.67335 24.82750 24.17983 26.28664 10.45186 0.580826
50 0.648675 13.67336 24.82747 24.17983 26.28661 10.45190 0.580826
Variance
Decomposition
of
D_GROWTH:
1 0.587634 0.734044 95.64120 3.624759 0.000000 0.000000 0.000000

2 1.021638 8.447690 32.54136 21.53375 35.11600 1.549139 0.812058
3 1.479999 4.671751 62.11054 10.51824 21.30240 0.952854 0.444227
4 2.056420 6.573923 34.77068 23.12386 32.32928 2.517286 0.684971
5 2.089595 6.385736 33.79857 23.06398 31.59088 4.495962 0.664882
6 2.177684 12.38014 31.39785 21.92094 29.50956 4.140670 0.650836
7 2.255850 11.63908 29.37846 21.09136 28.21507 9.068950 0.607078
8 2.310897 12.32325 28.61734 21.52150 28.09082 8.856404 0.590692
9 2.324923 12.19094 28.27685 22.40516 27.78864 8.753985 0.584423
10 2.355834 12.81460 27.60728 22.78360 27.69757 8.525989 0.570964
11 2.378076 13.75517 27.25964 22.59644 27.21563 8.608811 0.564317
12 2.385708 13.76573 27.58024 22.46121 27.07469 8.557412 0.560713
13 2.403721 13.58969 27.52841 22.73132 26.68007 8.916699 0.553804
14 2.417933 13.48168 27.41964 22.57056 27.14237 8.822734 0.563014
15 2.422398 13.43422 27.57232 22.49703 27.10044 8.833914 0.562062
16 2.426004 13.39619 27.57799 22.47578 27.12642 8.859690 0.563935
17 2.426932 13.39102 27.60253 22.46061 27.11348 8.868663 0.563688
18 2.428299 13.44812 27.57582 22.43779 27.11481 8.859746 0.563713
19 2.429763 13.44014 27.59784 22.45593 27.09280 8.850239 0.563045
20 2.431804 13.41764 27.55247 22.53932 27.06725 8.860275 0.563049
21 2.432687 13.41041 27.58472 22.53484 27.04953 8.857784 0.562707
22 2.434752 13.41286 27.53806 22.55679 27.08007 8.849503 0.562709
23 2.435519 13.41179 27.52348 22.56845 27.07123 8.862350 0.562698
24 2.435852 13.41780 27.52866 22.56254 27.06782 8.860556 0.562636
25 2.436143 13.41472 27.52210 22.56086 27.06211 8.877702 0.562519
26 2.436378 13.41934 27.52115 22.55984 27.06113 8.876020 0.562515
27 2.436413 13.41988 27.52039 22.56059 27.06072 8.875913 0.562505
28 2.436584 13.41911 27.52092 22.56322 27.05964 8.874672 0.562443
29 2.436723 13.41935 27.51824 22.56581 27.05905 8.875063 0.562486
135
30 2.436765 13.41951 27.51960 22.56540 27.05823 8.874786 0.562468

31 2.436901 13.41809 27.51853 22.56871 27.05564 8.876629 0.562410
32 2.437034 13.41763 27.51682 22.56941 27.05632 8.877376 0.562449
33 2.437080 13.41763 27.51825 22.56855 27.05588 8.877257 0.562434
34 2.437092 13.41763 27.51806 22.56835 27.05603 8.877488 0.562443
35 2.437098 13.41758 27.51827 22.56825 27.05590 8.877556 0.562442
36 2.437103 13.41754 27.51817 22.56817 27.05609 8.877584 0.562443
37 2.437119 13.41737 27.51848 22.56824 27.05599 8.877484 0.562437
38 2.437136 13.41721 27.51813 22.56882 27.05593 8.877481 0.562439
39 2.437142 13.41714 27.51833 22.56875 27.05588 8.877462 0.562439
40 2.437154 13.41702 27.51813 22.56904 27.05582 8.877548 0.562436
41 2.437166 13.41703 27.51792 22.56919 27.05570 8.877718 0.562437
42 2.437170 13.41715 27.51798 22.56912 27.05563 8.877689 0.562435
43 2.437172 13.41719 27.51794 22.56910 27.05559 8.877751 0.562435
44 2.437173 13.41718 27.51797 22.56908 27.05559 8.877745 0.562435
45 2.437173 13.41718 27.51796 22.56908 27.05560 8.877754 0.562435
46 2.437175 13.41717 27.51796 22.56911 27.05559 8.877741 0.562434
47 2.437177 13.41715 27.51793 22.56915 27.05560 8.877736 0.562434
48 2.437177 13.41715 27.51794 22.56914 27.05559 8.877734 0.562434
49 2.437178 13.41714 27.51795 22.56916 27.05557 8.877747 0.562434
50 2.437180 13.41713 27.51793 22.56917 27.05557 8.877761 0.562434
Variance
Decomposition
of D_INFLASI:
1 1.490094 0.157436 94.57841 2.717997 2.546156 0.000000 0.000000

2 2.478627 1.419285 41.09318 17.77717 37.57159 1.161969 0.976814
3 2.503280 1.732724 40.80921 17.89567 37.25673 1.333844 0.971829
4 2.692644 5.634179 38.36941 20.24578 33.11788 1.792752 0.840006
5 2.879335 6.949698 33.76701 18.50028 32.28487 7.741056 0.757084
6 2.982100 10.65396 31.79465 17.47803 32.03635 7.308093 0.728916
7 3.028023 10.40193 30.90080 19.74590 31.15247 7.091805 0.707098
8 3.067454 10.34332 30.16028 21.00129 30.35710 7.448911 0.689094
9 3.121994 12.95135 29.11833 20.59693 29.44274 7.224977 0.665681
10 3.147946 13.33653 28.87950 20.32005 29.69617 7.107271 0.660476
11 3.161719 13.44710 28.80474 20.34793 29.49971 7.241216 0.659304
12 3.182816 13.36294 28.74320 20.07926 29.83059 7.325359 0.658650
13 3.193410 13.51322 28.65471 19.94801 29.72098 7.508583 0.654504
14 3.203373 13.57307 28.66430 19.87475 29.74669 7.483905 0.657291
15 3.205176 13.56371 28.63450 19.89853 29.75111 7.495197 0.656948
16 3.210661 13.74704 28.61075 19.84245 29.65049 7.494068 0.655203
17 3.212898 13.83437 28.58029 19.82906 29.61751 7.483925 0.654848
18 3.213494 13.83208 28.57964 19.83119 29.61742 7.485023 0.654644
19 3.215394 13.82575 28.55862 19.88224 29.59386 7.485646 0.653878
20 3.219699 13.81928 28.51561 19.91461 29.62571 7.471492 0.653302
21 3.220046 13.81860 28.52137 19.91439 29.62227 7.470215 0.653161
22 3.220194 13.82195 28.52156 19.91261 29.62049 7.470194 0.653199
23 3.220547 13.82432 28.51766 19.90854 29.61532 7.481005 0.653150
24 3.220922 13.82707 28.51123 19.90865 29.61825 7.481510 0.653289
25 3.221085 13.82568 28.51210 19.90826 29.61828 7.482323 0.653349
26 3.221251 13.82765 28.51301 19.90764 29.61671 7.481634 0.653350
27 3.221335 13.82786 28.51176 19.90884 29.61629 7.481836 0.653422
28 3.221551 13.82630 28.50802 19.91440 29.61351 7.484433 0.653336
29 3.221849 13.82821 28.50296 19.91917 29.60818 7.488272 0.653218
30 3.222029 13.83101 28.50319 19.91910 29.60515 7.488393 0.653150
31 3.222095 13.83233 28.50394 19.91845 29.60401 7.488139 0.653130
32 3.222170 13.83276 28.50277 19.91760 29.60580 7.487898 0.653167
33 3.222206 13.83363 28.50213 19.91719 29.60580 7.488085 0.653160
34 3.222249 13.83402 28.50181 19.91669 29.60617 7.488150 0.653156
35 3.222289 13.83440 28.50134 19.91624 29.60657 7.488302 0.653151
136
36 3.222310 13.83507 28.50101 19.91600 29.60648 7.488297 0.653147

37 3.222347 13.83553 28.50058 19.91619 29.60589 7.488691 0.653132
38 3.222373 13.83581 28.50013 19.91648 29.60547 7.488990 0.653127
39 3.222394 13.83666 28.49983 19.91629 29.60509 7.489018 0.653120
40 3.222406 13.83718 28.49961 19.91614 29.60500 7.488961 0.653115
41 3.222412 13.83734 28.49954 19.91610 29.60497 7.488948 0.653113
42 3.222417 13.83736 28.49950 19.91604 29.60505 7.488937 0.653111
43 3.222421 13.83740 28.49943 19.91606 29.60507 7.488931 0.653110
44 3.222425 13.83745 28.49935 19.91612 29.60505 7.488912 0.653108
45 3.222427 13.83745 28.49936 19.91613 29.60505 7.488904 0.653107
46 3.222428 13.83744 28.49940 19.91611 29.60503 7.488903 0.653108
47 3.222429 13.83745 28.49940 19.91611 29.60502 7.488907 0.653108
48 3.222430 13.83747 28.49939 19.91610 29.60502 7.488905 0.653109
49 3.222431 13.83746 28.49938 19.91612 29.60501 7.488921 0.653109
50 3.222431 13.83746 28.49939 19.91612 29.60499 7.488931 0.653109
Variance
Decomposition
of D_IR:
1 3.061118 16.26206 5.158667 15.56021 19.01396 44.00510 0.000000

2 3.561969 22.65909 4.564274 13.54505 26.18740 32.79180 0.252375
3 3.765176 27.56656 4.103726 15.06677 23.61015 29.41603 0.236772
4 3.837794 26.54090 6.347324 14.50782 24.05350 28.31336 0.237091
5 3.965263 29.45656 6.013879 13.86292 23.75679 26.59200 0.317845
6 4.161542 26.84438 5.580713 14.25004 28.75992 24.20209 0.362858
7 4.235386 26.03360 5.474511 16.60852 27.93926 23.59195 0.352156
8 4.282719 25.57938 5.854002 17.24088 27.45616 23.52419 0.345388
9 4.339221 24.94813 7.035867 16.89405 27.20461 23.58089 0.336455
10 4.380529 24.49016 6.920965 16.63224 28.42858 23.15078 0.377273
11 4.385526 24.51070 7.043391 16.59564 28.36402 23.10815 0.378102
12 4.395438 24.47140 7.041696 16.53060 28.52602 23.04325 0.387044
13 4.413111 24.28876 7.144904 16.53859 28.46713 23.17383 0.386789
14 4.417278 24.28539 7.219315 16.50876 28.46978 23.13052 0.386235
15 4.442350 24.22947 7.158725 16.82863 28.23051 23.16961 0.383056
16 4.453316 24.18778 7.157211 16.97863 28.14766 23.14716 0.381568
17 4.465625 24.36876 7.208874 16.98607 27.99587 23.06072 0.379706
18 4.471900 24.38784 7.213869 16.94698 28.05896 23.01135 0.380996
19 4.475491 24.47734 7.206898 16.92737 28.03321 22.97448 0.380695
20 4.479433 24.47177 7.195004 16.89878 28.10841 22.94424 0.381799
21 4.482045 24.47512 7.187728 16.87936 28.12444 22.95167 0.381684
22 4.484172 24.51842 7.188719 16.86571 28.10705 22.93877 0.381335
23 4.486508 24.53826 7.184709 16.84947 28.11617 22.93015 0.381246
24 4.487757 24.55525 7.181320 16.85250 28.10229 22.92741 0.381232
25 4.488965 24.57431 7.179404 16.85418 28.08772 22.92333 0.381057
26 4.490063 24.59638 7.175997 16.85045 28.07541 22.92080 0.380953
27 4.490658 24.60911 7.174886 16.85070 28.06828 22.91616 0.380868
28 4.491278 24.61098 7.175717 16.84762 28.07504 22.90983 0.380815
29 4.491494 24.60963 7.177165 16.84922 28.07552 22.90768 0.380781
30 4.491718 24.61041 7.177755 16.85034 28.07527 22.90548 0.380744
31 4.491833 24.60975 7.177795 16.85135 28.07594 22.90445 0.380725
32 4.491915 24.60947 7.178417 16.85263 28.07496 22.90378 0.380739
33 4.491982 24.60893 7.180972 16.85213 28.07412 22.90311 0.380746
34 4.492030 24.60843 7.182033 16.85180 28.07431 22.90263 0.380796
35 4.492062 24.60821 7.182004 16.85168 28.07478 22.90247 0.380850
36 4.492103 24.60778 7.182104 16.85232 28.07428 22.90266 0.380847
37 4.492171 24.60725 7.182280 16.85319 28.07347 22.90297 0.380842
38 4.492237 24.60725 7.182755 16.85360 28.07266 22.90290 0.380831
39 4.492275 24.60761 7.182889 16.85383 28.07219 22.90265 0.380828
40 4.492317 24.60776 7.182797 16.85426 28.07181 22.90254 0.380825
41 4.492343 24.60799 7.182900 16.85430 28.07154 22.90244 0.380822
137
42 4.492375 24.60832 7.182954 16.85409 28.07156 22.90226 0.380823

43 4.492398 24.60851 7.182974 16.85392 28.07167 22.90210 0.380825
44 4.492413 24.60869 7.182929 16.85381 28.07174 22.90201 0.380827
45 4.492430 24.60879 7.182876 16.85377 28.07170 22.90204 0.380825
46 4.492443 24.60899 7.182842 16.85373 28.07156 22.90206 0.380823
47 4.492455 24.60925 7.182812 16.85367 28.07144 22.90202 0.380821
48 4.492463 24.60942 7.182788 16.85363 28.07138 22.90197 0.380820
49 4.492468 24.60955 7.182774 16.85360 28.07132 22.90193 0.380819
50 4.492473 24.60963 7.182763 16.85357 28.07131 22.90191 0.380818
Variance
Decomposition
of D_REER:
1 0.115948 14.17612 4.353670 15.39408 64.38891 0.067096 1.620126

2 0.120284 18.51411 4.430419 14.58195 60.30687 0.455180 1.711474
3 0.149832 32.94139 11.11414 10.11424 42.91841 1.807847 1.103979
4 0.179715 27.89321 12.15651 9.167656 37.66970 12.30963 0.803298
5 0.187380 29.04824 12.05001 9.484019 37.05667 11.58995 0.771117
6 0.196724 26.41450 12.57054 12.72541 36.98056 10.53094 0.778039
7 0.200239 27.27829 12.52282 13.03319 36.08003 10.32715 0.758516
8 0.208357 29.19051 12.32941 14.51407 33.66905 9.594400 0.702561
9 0.209144 29.18163 12.23717 14.48822 33.66053 9.733845 0.698598
10 0.211372 30.43467 12.09593 14.19225 32.96442 9.627105 0.685620
11 0.211888 30.30385 12.07933 14.19658 32.99631 9.741261 0.682671
12 0.213240 30.28509 12.24190 14.29057 32.86456 9.640500 0.677384
13 0.214163 30.02544 12.22967 14.28645 33.21033 9.562681 0.685423
14 0.214578 30.15721 12.18515 14.35358 33.09551 9.525761 0.682790
15 0.215124 30.22273 12.22411 14.32491 32.92801 9.619740 0.680494
16 0.215451 30.19335 12.20507 14.32331 32.92553 9.672827 0.679904
17 0.215524 30.19861 12.20607 14.31463 32.91523 9.685952 0.679507
18 0.215665 30.22708 12.19069 14.33428 32.88109 9.687966 0.678892
19 0.215865 30.19325 12.21925 14.37689 32.86171 9.670846 0.678056
20 0.215884 30.20187 12.21872 14.37603 32.85613 9.669297 0.677952
21 0.215948 30.21991 12.21461 14.37197 32.84728 9.668632 0.677600
22 0.215972 30.21315 12.22332 14.37139 32.84116 9.673534 0.677448
23 0.215994 30.20753 12.22625 14.36884 32.84824 9.671659 0.677477
24 0.216036 30.19599 12.22362 14.37486 32.85975 9.668057 0.677713
25 0.216046 30.20064 12.22310 14.37397 32.85686 9.667766 0.677654
26 0.216053 30.20008 12.22234 14.37686 32.85472 9.668383 0.677615
27 0.216066 30.19814 12.22103 14.37931 32.85191 9.672026 0.677591
28 0.216074 30.20247 12.22013 14.37851 32.84971 9.671627 0.677550
29 0.216078 30.20402 12.21967 14.37911 32.84839 9.671296 0.677528
30 0.216080 30.20361 12.21989 14.37929 32.84837 9.671306 0.677528
31 0.216083 30.20332 12.21964 14.37905 32.84944 9.671016 0.677524
32 0.216086 30.20323 12.21934 14.37976 32.84940 9.670760 0.677508
33 0.216088 30.20258 12.21908 14.38077 32.84912 9.670954 0.677502
34 0.216090 30.20232 12.21917 14.38063 32.84938 9.671005 0.677498
35 0.216090 30.20224 12.21934 14.38059 32.84927 9.671063 0.677497
36 0.216091 30.20239 12.21926 14.38061 32.84909 9.671148 0.677499
37 0.216091 30.20232 12.21925 14.38064 32.84917 9.671124 0.677502
38 0.216091 30.20234 12.21925 14.38063 32.84918 9.671109 0.677504
39 0.216091 30.20233 12.21930 14.38061 32.84915 9.671107 0.677503
40 0.216092 30.20230 12.21929 14.38065 32.84912 9.671134 0.677503
41 0.216092 30.20226 12.21926 14.38074 32.84907 9.671163 0.677502
42 0.216092 30.20218 12.21925 14.38087 32.84906 9.671150 0.677501
43 0.216092 30.20216 12.21927 14.38090 32.84902 9.671148 0.677500
44 0.216092 30.20218 12.21928 14.38089 32.84901 9.671143 0.677500
45 0.216092 30.20217 12.21927 14.38089 32.84903 9.671141 0.677500
46 0.216092 30.20216 12.21927 14.38089 32.84904 9.671140 0.677501
47 0.216092 30.20215 12.21927 14.38088 32.84905 9.671141 0.677501
138
48 0.216093 30.20215 12.21927 14.38088 32.84905 9.671149 0.677501

49 0.216093 30.20216 12.21926 14.38088 32.84905 9.671151 0.677501
50 0.216093 30.20216 12.21926 14.38089 32.84904 9.671155 0.677500
Cholesky
Ordering:
D_BRENT
D_DEBT
D_GROWTH
D_INFLASI
D_IR D_REER
Malaysia
Variance
Decomposition
: of D_BRENT
1 0.504593 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000

2 0.647292 74.03364 24.30111 0.409722 1.174622 0.018984 0.061918
3 0.657406 72.07027 24.07814 0.971552 2.364054 0.419283 0.096708
4 0.695149 68.24165 26.81222 1.400032 2.116123 1.234072 0.195906
5 0.699632 67.52393 27.38784 1.458188 2.097976 1.294325 0.237734
6 0.711059 65.73593 26.52183 3.945427 2.295761 1.270739 0.230310
7 0.721764 64.92603 25.80943 5.486285 2.256242 1.233636 0.288370
8 0.729900 63.49642 25.59310 6.680576 2.510514 1.260055 0.459340
9 0.737273 62.39077 25.65137 7.617414 2.485310 1.280282 0.574847
10 0.744215 61.25509 26.91945 7.537771 2.459139 1.261422 0.567124
11 0.758280 60.00259 28.09391 7.261075 2.829576 1.242552 0.570297
12 0.765089 58.95516 27.92971 7.154625 4.130492 1.228190 0.601816
13 0.774881 58.47670 27.25383 6.980209 5.354506 1.344999 0.589758
14 0.776683 58.21432 27.18292 6.971638 5.639825 1.403565 0.587730
15 0.778857 58.09348 27.12382 6.935929 5.844975 1.409817 0.591976
16 0.780424 58.06991 27.11070 6.912330 5.906503 1.404235 0.596318
17 0.782826 58.08324 26.94584 6.872343 6.104755 1.399093 0.594734
18 0.784959 57.98398 26.96579 6.887299 6.174163 1.391802 0.596971
19 0.785397 57.95565 26.96448 6.921216 6.169527 1.390499 0.598634
20 0.787181 57.86972 27.09483 6.902337 6.142306 1.390888 0.599912
21 0.788148 57.75894 27.21664 6.885594 6.130909 1.402076 0.605844
22 0.788789 57.79561 27.17578 6.895362 6.122734 1.403144 0.607373
23 0.789326 57.71730 27.15101 6.917106 6.201390 1.406632 0.606559
24 0.789528 57.70619 27.14512 6.913567 6.220698 1.406413 0.608007
25 0.789632 57.70383 27.14514 6.911909 6.219426 1.407533 0.612157
26 0.789658 57.70173 27.14336 6.915477 6.219067 1.408210 0.612162
27 0.789747 57.68944 27.13744 6.914103 6.234802 1.409960 0.614256
28 0.790067 57.68865 27.12233 6.908889 6.255375 1.408976 0.615772
29 0.790080 57.68670 27.12146 6.909376 6.257462 1.408993 0.616004
30 0.790166 57.68414 27.11589 6.910553 6.260760 1.411322 0.617340
31 0.790219 57.68517 27.11461 6.911126 6.260166 1.411207 0.617718
32 0.790243 57.68438 27.11380 6.912593 6.259796 1.411693 0.617733
33 0.790387 57.68604 27.10867 6.911385 6.262941 1.412520 0.618444
34 0.790426 57.68373 27.10604 6.911641 6.267228 1.412381 0.618973
35 0.790481 57.67763 27.10346 6.912486 6.274168 1.413080 0.619175
36 0.790527 57.67216 27.10502 6.911770 6.278532 1.412950 0.619566
37 0.790568 57.66801 27.10699 6.911608 6.280749 1.412857 0.619783
38 0.790586 57.66641 27.10644 6.911438 6.282963 1.412868 0.619886
39 0.790630 57.66517 27.10635 6.910676 6.284003 1.413506 0.620300
40 0.790658 57.66678 27.10464 6.910196 6.284603 1.413414 0.620361
139
41 0.790680 57.66519 27.10411 6.909953 6.286561 1.413717 0.620471

42 0.790704 57.66566 27.10250 6.909728 6.287612 1.413753 0.620747
43 0.790710 57.66484 27.10211 6.909995 6.288541 1.413752 0.620764
44 0.790715 57.66409 27.10244 6.910142 6.288644 1.413842 0.620845
45 0.790726 57.66419 27.10228 6.910124 6.288478 1.413900 0.621034
46 0.790734 57.66447 27.10206 6.909983 6.288567 1.413871 0.621042
47 0.790742 57.66402 27.10190 6.909875 6.289013 1.414044 0.621154
48 0.790751 57.66416 27.10128 6.909795 6.289470 1.414049 0.621253
49 0.790754 57.66375 27.10108 6.909969 6.289894 1.414057 0.621248
50 0.790757 57.66358 27.10099 6.909964 6.290058 1.414108 0.621299
51 0.790762 57.66364 27.10097 6.909910 6.289981 1.414134 0.621371
52 0.790763 57.66366 27.10089 6.909907 6.290028 1.414149 0.621369
53 0.790767 57.66357 27.10071 6.909845 6.290246 1.414211 0.621420
54 0.790771 57.66353 27.10042 6.909779 6.290612 1.414199 0.621460
55 0.790772 57.66339 27.10036 6.909813 6.290772 1.414208 0.621460
56 0.790773 57.66328 27.10030 6.909819 6.290881 1.414230 0.621494
57 0.790775 57.66328 27.10029 6.909818 6.290863 1.414232 0.621514
58 0.790776 57.66329 27.10028 6.909817 6.290857 1.414238 0.621514
59 0.790778 57.66330 27.10023 6.909777 6.290883 1.414268 0.621542
60 0.790780 57.66333 27.10013 6.909753 6.290970 1.414264 0.621553
61 0.790780 57.66325 27.10009 6.909769 6.291067 1.414277 0.621555
62 0.790781 57.66321 27.10005 6.909762 6.291125 1.414282 0.621572
63 0.790782 57.66320 27.10004 6.909768 6.291137 1.414281 0.621577
64 0.790782 57.66318 27.10004 6.909770 6.291135 1.414286 0.621579
65 0.790783 57.66319 27.10003 6.909756 6.291133 1.414297 0.621593
66 0.790783 57.66321 27.09999 6.909746 6.291166 1.414294 0.621595
67 0.790784 57.66319 27.09997 6.909747 6.291195 1.414301 0.621598
68 0.790784 57.66319 27.09994 6.909742 6.291221 1.414304 0.621606
69 0.790784 57.66318 27.09993 6.909748 6.291231 1.414303 0.621607
70 0.790784 57.66317 27.09993 6.909750 6.291230 1.414307 0.621609
71 0.790785 57.66318 27.09993 6.909745 6.291225 1.414309 0.621614
72 0.790785 57.66318 27.09992 6.909742 6.291237 1.414309 0.621614
73 0.790785 57.66318 27.09991 6.909741 6.291246 1.414313 0.621617
74 0.790785 57.66318 27.09989 6.909738 6.291260 1.414313 0.621620
75 0.790785 57.66317 27.09989 6.909741 6.291266 1.414313 0.621620
Variance
Decomposition
: of D_DEBT
1 0.093566 0.507808 99.49219 0.000000 0.000000 0.000000 0.000000

2 0.119171 11.10434 84.80931 3.553552 0.506239 0.000864 0.025702
3 0.133047 27.88987 68.24141 2.986307 0.832489 0.028703 0.021218
4 0.142636 24.72076 70.93339 2.637396 1.484659 0.124960 0.098831
5 0.145465 24.35455 70.55553 2.876087 1.453301 0.587117 0.173413
6 0.145866 24.32084 70.16836 2.891587 1.751443 0.670967 0.196803
7 0.146691 24.43446 69.38214 3.562663 1.746149 0.679943 0.194647
8 0.148138 24.61503 68.27325 4.210717 1.948534 0.684116 0.268362
9 0.149717 24.20659 67.57954 4.700624 2.454122 0.670184 0.388934
10 0.150354 24.11502 67.01180 5.055868 2.709908 0.674759 0.432648
11 0.151489 23.90435 66.81186 4.983558 3.181681 0.668075 0.450474
12 0.153075 24.01279 66.56354 4.889023 3.382482 0.682971 0.469199
13 0.154208 23.76212 65.64975 4.978550 4.426438 0.686791 0.496352
14 0.155772 24.20356 64.42723 4.923304 5.163070 0.784128 0.498706
15 0.156061 24.34174 64.18955 4.905754 5.262544 0.797349 0.503067
16 0.157014 24.46937 63.82799 4.853069 5.502147 0.827977 0.519444
17 0.157453 24.62291 63.65422 4.828102 5.540003 0.824669 0.530093
18 0.157935 24.66162 63.26625 4.815135 5.900375 0.829120 0.527501
19 0.158321 24.61086 63.14651 4.826941 6.055155 0.825540 0.534990
20 0.158486 24.64126 63.08848 4.857336 6.042556 0.828958 0.541407
21 0.158750 24.71536 63.04679 4.845049 6.024370 0.827208 0.541222
140
22 0.158966 24.69822 63.01745 4.832441 6.055488 0.846608 0.549800

23 0.159151 24.84700 62.87210 4.832451 6.049269 0.846571 0.552613
24 0.159264 24.82088 62.79053 4.841999 6.144021 0.850742 0.551829
25 0.159333 24.82202 62.75024 4.840826 6.180023 0.852054 0.554840
26 0.159353 24.82697 62.73885 4.843466 6.179312 0.852686 0.558712
27 0.159372 24.83298 62.73102 4.846135 6.177938 0.853338 0.558586
28 0.159407 24.83303 62.70896 4.845248 6.193997 0.856394 0.562372
29 0.159482 24.86763 62.65529 4.843101 6.213175 0.855966 0.564835
30 0.159498 24.86341 62.64413 4.845085 6.225469 0.856679 0.565221
31 0.159527 24.86569 62.62395 4.847093 6.237459 0.858517 0.567284
32 0.159549 24.87331 62.61426 4.848840 6.237020 0.858515 0.568061
33 0.159556 24.87437 62.61044 4.850072 6.237845 0.859129 0.568146
34 0.159597 24.88951 62.58674 4.848361 6.244444 0.861296 0.569647
35 0.159613 24.89599 62.57460 4.847854 6.250158 0.861142 0.570254
36 0.159631 24.89456 62.56210 4.848401 6.262063 0.862278 0.570600
37 0.159647 24.89448 62.55362 4.847852 6.270326 0.862278 0.571450
38 0.159655 24.89346 62.55093 4.848526 6.273204 0.862215 0.571668
39 0.159661 24.89294 62.54855 4.848731 6.275532 0.862383 0.571865
40 0.159674 24.89716 62.54271 4.848132 6.276252 0.863203 0.572543
41 0.159682 24.90293 62.53677 4.847631 6.276917 0.863119 0.572635
42 0.159691 24.90364 62.53207 4.847328 6.280322 0.863760 0.572878
43 0.159698 24.90679 62.52641 4.847232 6.282452 0.863825 0.573292
44 0.159701 24.90609 62.52465 4.847832 6.284281 0.863845 0.573302
45 0.159702 24.90550 62.52423 4.847997 6.284859 0.863976 0.573444
46 0.159706 24.90701 62.52253 4.848005 6.284589 0.864124 0.573750
47 0.159708 24.90846 62.52113 4.847870 6.284688 0.864106 0.573755
48 0.159712 24.90889 62.51940 4.847732 6.285634 0.864401 0.573941
49 0.159715 24.91041 62.51681 4.847630 6.286637 0.864409 0.574102
50 0.159716 24.91014 62.51610 4.847880 6.287356 0.864436 0.574095
51 0.159717 24.91011 62.51552 4.847924 6.287733 0.864523 0.574193
52 0.159718 24.91079 62.51480 4.847927 6.287613 0.864564 0.574297
53 0.159719 24.91106 62.51449 4.847925 6.287646 0.864588 0.574294
54 0.159720 24.91154 62.51358 4.847837 6.287956 0.864706 0.574387
55 0.159722 24.91207 62.51254 4.847773 6.288477 0.864696 0.574446
56 0.159722 24.91196 62.51221 4.847847 6.288810 0.864723 0.574448
57 0.159722 24.91197 62.51187 4.847860 6.289046 0.864755 0.574504
58 0.159723 24.91219 62.51161 4.847885 6.289024 0.864759 0.574534
59 0.159723 24.91225 62.51153 4.847890 6.289013 0.864774 0.574535
60 0.159724 24.91257 62.51112 4.847844 6.289060 0.864827 0.574583
61 0.159725 24.91282 62.51073 4.847816 6.289212 0.864822 0.574599
62 0.159725 24.91279 62.51054 4.847840 6.289372 0.864846 0.574604
63 0.159725 24.91286 62.51033 4.847835 6.289489 0.864856 0.574632
64 0.159725 24.91290 62.51024 4.847856 6.289511 0.864855 0.574639
65 0.159725 24.91290 62.51023 4.847862 6.289509 0.864865 0.574643
66 0.159726 24.91303 62.51008 4.847845 6.289502 0.864882 0.574665
67 0.159726 24.91313 62.50993 4.847834 6.289553 0.864880 0.574669
68 0.159726 24.91314 62.50985 4.847838 6.289603 0.864894 0.574674
69 0.159726 24.91320 62.50973 4.847833 6.289656 0.864898 0.574687
70 0.159726 24.91320 62.50969 4.847845 6.289674 0.864897 0.574688
71 0.159726 24.91320 62.50968 4.847849 6.289675 0.864903 0.574691
72 0.159726 24.91326 62.50962 4.847843 6.289666 0.864908 0.574700
73 0.159726 24.91329 62.50958 4.847840 6.289684 0.864908 0.574701
74 0.159726 24.91330 62.50954 4.847840 6.289699 0.864915 0.574705
75 0.159726 24.91333 62.50948 4.847836 6.289725 0.864915 0.574710
Variance
Decomposition
of
D_GROWTH:
1 1.887260 19.58631 20.24074 60.17295 0.000000 0.000000 0.000000

141
2 2.347847 12.66310 39.05067 39.73594 8.222912 6.09E-05 0.327318

3 2.629548 10.32357 33.35201 39.09938 15.72834 0.650691 0.846019
4 2.683570 11.85934 32.68768 37.99783 15.58803 0.638226 1.228890
5 3.151441 12.66223 40.50105 27.81780 16.28271 0.552075 2.184136
6 3.317916 15.03623 37.09053 25.70659 19.67542 0.498094 1.993146
7 3.386424 14.52141 35.65811 25.20356 21.59427 1.035253 1.987396
8 3.448505 16.40424 35.08924 24.43138 20.98197 1.010274 2.082894
9 3.458476 16.32402 34.89337 24.49818 21.18136 1.013787 2.089277
10 3.549421 19.05470 33.97637 23.25992 20.54456 1.060287 2.104159
11 3.607003 18.45994 34.67149 22.81868 20.98336 1.028796 2.037746
12 3.627240 18.48015 34.31024 23.19724 20.80204 1.086210 2.124123
13 3.668331 19.16566 34.34873 22.80986 20.35386 1.124929 2.196956
14 3.695627 19.64688 34.50204 22.48220 20.05665 1.115185 2.197052
15 3.724913 19.72880 34.35778 22.15244 20.31277 1.248754 2.199461
16 3.741120 20.23664 34.06236 22.07952 20.14607 1.258147 2.217257
17 3.754302 20.09537 33.87290 21.96555 20.60024 1.260978 2.204970
18 3.767422 20.01785 34.11846 21.81329 20.59913 1.256892 2.194387
19 3.770401 20.07122 34.06585 21.78527 20.59831 1.267962 2.211393
20 3.774334 20.20422 33.99862 21.76733 20.55554 1.267351 2.206943
21 3.778922 20.17091 33.95092 21.71621 20.66189 1.285462 2.214614
22 3.788594 20.39597 33.83242 21.61282 20.64618 1.283657 2.228954
23 3.791040 20.37051 33.80520 21.59351 20.72057 1.284096 2.226108
24 3.793298 20.38005 33.76932 21.60864 20.71226 1.295693 2.234035
25 3.795843 20.41358 33.75769 21.58436 20.70476 1.296908 2.242698
26 3.798570 20.45910 33.76718 21.56104 20.67763 1.295304 2.239753
27 3.801469 20.50932 33.73574 21.52952 20.67430 1.306284 2.244832
28 3.804188 20.59665 33.68847 21.50195 20.65761 1.306294 2.249020
29 3.805997 20.57707 33.66513 21.49019 20.70991 1.310093 2.247607
30 3.807417 20.59696 33.65111 21.47858 20.70986 1.312083 2.251404
31 3.808584 20.60916 33.63824 21.46951 20.71758 1.312117 2.253400
32 3.809003 20.61167 33.63708 21.46915 20.71584 1.313015 2.253241
33 3.810167 20.62862 33.62826 21.45605 20.71271 1.318127 2.256233
34 3.811403 20.66682 33.61117 21.44219 20.70562 1.317369 2.256822
35 3.812044 20.66323 33.60179 21.43560 20.72346 1.319352 2.256566
36 3.812830 20.68088 33.58849 21.42947 20.72218 1.320437 2.258554
37 3.813175 20.68110 33.58272 21.42756 20.72960 1.320198 2.258824
38 3.813390 20.67978 33.58534 21.42734 20.72789 1.320765 2.258882
39 3.813810 20.68875 33.58246 21.42303 20.72340 1.321982 2.260383
40 3.814241 20.70232 33.57746 21.41821 20.71987 1.321717 2.260426
41 3.814539 20.70160 33.57443 21.41526 20.72498 1.323078 2.260649
42 3.814900 20.71084 33.56809 21.41201 20.72413 1.323388 2.261546
43 3.815078 20.71084 33.56514 21.41109 20.72817 1.323295 2.261472
44 3.815150 20.71034 33.56511 21.41105 20.72808 1.323693 2.261722
45 3.815331 20.71450 33.56368 21.40914 20.72614 1.324155 2.262384
46 3.815462 20.71841 33.56221 21.40787 20.72513 1.324081 2.262306
47 3.815586 20.71912 33.56066 21.40654 20.72644 1.324693 2.262535
48 3.815768 20.72406 33.55753 21.40464 20.72615 1.324745 2.262881
49 3.815828 20.72362 33.55647 21.40432 20.72801 1.324769 2.262815
50 3.815871 20.72377 33.55606 21.40425 20.72790 1.325006 2.263017
51 3.815947 20.72552 33.55532 21.40355 20.72729 1.325087 2.263232
52 3.815988 20.72649 33.55510 21.40321 20.72693 1.325087 2.263188
53 3.816051 20.72740 33.55449 21.40251 20.72688 1.325379 2.263346
54 3.816123 20.72948 33.55327 21.40173 20.72670 1.325373 2.263458
55 3.816151 20.72917 33.55277 21.40158 20.72762 1.325433 2.263427
56 3.816178 20.72955 33.55239 21.40141 20.72760 1.325522 2.263542
57 3.816209 20.73016 33.55207 21.40114 20.72750 1.325529 2.263609
58 3.816219 20.73029 33.55206 21.40109 20.72740 1.325553 2.263599
59 3.816246 20.73082 33.55180 21.40079 20.72723 1.325671 2.263689
60 3.816277 20.73172 33.55131 21.40045 20.72715 1.325656 2.263715
61 3.816288 20.73162 33.55112 21.40037 20.72747 1.325702 2.263711
62 3.816304 20.73196 33.55085 21.40024 20.72744 1.325741 2.263772
63 3.816316 20.73214 33.55070 21.40016 20.72748 1.325735 2.263785
142
64 3.816319 20.73213 33.55071 21.40017 20.72745 1.325756 2.263789

65 3.816331 20.73243 33.55059 21.40003 20.72732 1.325797 2.263832
66 3.816342 20.73274 33.55043 21.39991 20.72729 1.325790 2.263836
67 3.816348 20.73273 33.55035 21.39987 20.72739 1.325820 2.263841
68 3.816356 20.73294 33.55020 21.39978 20.72738 1.325832 2.263868
69 3.816360 20.73298 33.55014 21.39976 20.72743 1.325829 2.263868
70 3.816362 20.73297 33.55014 21.39976 20.72742 1.325842 2.263875
71 3.816367 20.73311 33.55008 21.39970 20.72736 1.325855 2.263893
72 3.816371 20.73321 33.55003 21.39966 20.72735 1.325853 2.263892
73 3.816373 20.73323 33.55000 21.39964 20.72737 1.325868 2.263898
74 3.816378 20.73334 33.54992 21.39959 20.72737 1.325871 2.263908
75 3.816379 20.73334 33.54990 21.39959 20.72740 1.325871 2.263907
Variance
Decomposition
: of D_INFLASI
1 0.485075 22.30313 2.487745 3.080621 72.12851 0.000000 0.000000

2 0.704058 28.81662 6.290651 8.022505 56.19872 0.400989 0.270514
3 0.749255 27.70649 8.378697 7.611433 54.14519 1.569543 0.588646
4 0.848413 36.16907 9.528371 6.493230 45.81696 1.338409 0.653970
5 0.907285 33.26815 9.151451 5.682210 50.10554 1.188233 0.604423
6 0.926943 35.26214 8.915756 5.525245 48.36758 1.337575 0.591702
7 0.996646 35.28132 8.219647 8.434281 46.37278 1.159567 0.532404
8 1.038509 32.75686 10.52500 10.07752 45.07964 1.070391 0.490597
9 1.071984 31.05770 12.69586 12.21422 42.46367 1.031706 0.536839
10 1.105532 30.79174 15.34362 11.58486 40.59846 1.082431 0.598890
11 1.138480 29.07473 19.60486 10.94212 38.72277 1.059324 0.596196
12 1.150455 29.00507 19.24618 10.85343 39.23662 1.063949 0.594748
13 1.176946 27.75935 18.49764 10.37209 41.72522 1.049363 0.596340
14 1.187368 27.33501 18.40924 10.46675 42.13798 1.064800 0.586225
15 1.187905 27.34577 18.39666 10.45798 42.11008 1.097934 0.591573
16 1.199305 27.07628 18.95852 10.26208 42.00574 1.096941 0.600436
17 1.202902 27.16507 18.89106 10.22825 42.01808 1.100563 0.596973
18 1.210481 27.88413 18.66589 10.10075 41.65843 1.096512 0.594297
19 1.217671 27.60459 18.77997 10.02722 41.91493 1.084643 0.588652
20 1.219167 27.55307 18.75448 10.14510 41.87103 1.085087 0.591235
21 1.220985 27.52895 18.84120 10.12922 41.82891 1.082035 0.589676
22 1.224826 27.47679 19.04882 10.11099 41.69242 1.080505 0.590477
23 1.225832 27.44675 19.08318 10.14193 41.65639 1.081753 0.589999
24 1.228361 27.50132 19.08513 10.12926 41.60436 1.086619 0.593311
25 1.230687 27.39886 19.10324 10.09202 41.72817 1.086551 0.591160
26 1.231280 27.38466 19.14471 10.09959 41.69487 1.085505 0.590665
27 1.231986 27.35712 19.12909 10.08811 41.75031 1.084345 0.591014
28 1.233172 27.32433 19.14754 10.08016 41.77333 1.084217 0.590424
29 1.233463 27.32527 19.14152 10.08146 41.77528 1.086190 0.590284
30 1.234262 27.36355 19.14390 10.06868 41.74617 1.085978 0.591715
31 1.235000 27.33155 19.15338 10.05951 41.77934 1.085165 0.591058
32 1.235206 27.34399 19.14826 10.06534 41.76556 1.085345 0.591503
33 1.235572 27.33369 19.14721 10.05961 41.78321 1.084704 0.591573
34 1.236038 27.32399 19.16248 10.06263 41.77556 1.084134 0.591206
35 1.236084 27.32351 19.16136 10.06622 41.77316 1.084501 0.591258
36 1.236515 27.33508 19.16890 10.05938 41.75973 1.085009 0.591894
37 1.236789 27.32301 19.17668 10.05593 41.76750 1.085237 0.591640
38 1.236891 27.32932 19.17431 10.05772 41.76146 1.085358 0.591829
39 1.237087 27.32122 19.17308 10.05454 41.77431 1.085060 0.591780
40 1.237214 27.31633 19.17831 10.05497 41.77381 1.084913 0.591664
41 1.237225 27.31668 19.17802 10.05528 41.77311 1.085151 0.591769
42 1.237368 27.31955 19.18043 10.05307 41.76987 1.085174 0.591909
43 1.237448 27.31639 19.18065 10.05232 41.77353 1.085267 0.591834
44 1.237502 27.32100 19.17918 10.05230 41.77019 1.085336 0.591991
143
45 1.237574 27.31795 19.17939 10.05118 41.77429 1.085221 0.591966

46 1.237608 27.31645 19.18085 10.05207 41.77353 1.085162 0.591936
47 1.237615 27.31641 19.18070 10.05215 41.77356 1.085194 0.591982
48 1.237675 27.31735 19.18220 10.05133 41.77189 1.085195 0.592024
49 1.237699 27.31636 19.18252 10.05123 41.77261 1.085265 0.592009
50 1.237723 27.31809 19.18200 10.05116 41.77134 1.085319 0.592098
51 1.237755 27.31669 19.18210 10.05065 41.77320 1.085287 0.592076
52 1.237766 27.31628 19.18259 10.05094 41.77285 1.085270 0.592073
53 1.237770 27.31611 19.18248 10.05091 41.77312 1.085280 0.592101
54 1.237790 27.31620 19.18300 10.05068 41.77275 1.085270 0.592104
55 1.237797 27.31594 19.18304 10.05065 41.77296 1.085314 0.592105
56 1.237809 27.31679 19.18288 10.05050 41.77235 1.085329 0.592142
57 1.237821 27.31626 19.18291 10.05032 41.77305 1.085321 0.592133
58 1.237824 27.31625 19.18295 10.05046 41.77288 1.085321 0.592139
59 1.237827 27.31613 19.18291 10.05042 41.77307 1.085319 0.592149
60 1.237834 27.31610 19.18318 10.05038 41.77288 1.085311 0.592147
61 1.237836 27.31605 19.18320 10.05039 41.77289 1.085328 0.592151
62 1.237841 27.31638 19.18318 10.05031 41.77263 1.085335 0.592167
63 1.237846 27.31618 19.18320 10.05024 41.77288 1.085337 0.592162
64 1.237847 27.31623 19.18319 10.05029 41.77279 1.085339 0.592168
65 1.237849 27.31616 19.18316 10.05026 41.77291 1.085337 0.592171
66 1.237851 27.31611 19.18326 10.05026 41.77286 1.085333 0.592170
67 1.237851 27.31610 19.18327 10.05026 41.77285 1.085341 0.592173
68 1.237853 27.31623 19.18327 10.05023 41.77275 1.085342 0.592179
69 1.237855 27.31616 19.18327 10.05021 41.77284 1.085345 0.592177
70 1.237856 27.31621 19.18325 10.05022 41.77279 1.085346 0.592181
71 1.237857 27.31617 19.18325 10.05020 41.77285 1.085345 0.592182
72 1.237857 27.31615 19.18328 10.05021 41.77284 1.085344 0.592181
73 1.237857 27.31615 19.18328 10.05021 41.77283 1.085346 0.592183
74 1.237858 27.31619 19.18329 10.05020 41.77279 1.085347 0.592185
75 1.237859 27.31617 19.18329 10.05019 41.77282 1.085348 0.592185
Variance
Decomposition
of D_IR:
1 5.635626 3.195484 5.14E-05 18.54255 9.079151 69.18276 0.000000

2 7.222076 10.61933 1.893044 33.95006 11.00354 42.46323 0.070785
3 7.933219 12.08995 4.893584 28.34174 17.38000 35.65856 1.636167
4 12.44105 31.23171 2.451442 39.70301 11.38954 14.52610 0.698206
5 14.30857 24.11345 1.906321 33.72021 27.18282 10.98264 2.094562
6 16.20437 21.01568 6.405988 34.42718 27.86954 8.592669 1.688943
7 16.86382 22.48749 9.103870 31.89766 26.62455 7.967881 1.918559
8 20.75503 22.05244 28.33467 21.26448 19.73012 5.901573 2.716723
9 22.29560 27.81173 24.81534 18.81863 20.99710 5.188128 2.369074
10 23.35564 27.10255 23.69277 17.77274 23.42986 5.725935 2.276151
11 24.03912 30.30751 22.71935 16.91866 22.22802 5.463561 2.362898
12 24.13361 30.07897 22.63491 16.81814 22.65618 5.467356 2.344434
13 24.63082 31.51816 22.91397 16.14600 21.75104 5.363817 2.307008
14 24.84055 30.99878 23.35312 15.96827 22.10094 5.273631 2.305260
15 24.94969 31.19303 23.20600 16.08663 21.95763 5.253673 2.303032
16 25.01150 31.29474 23.12291 16.08235 21.87968 5.259906 2.360416
17 25.22030 31.56510 23.34724 15.82321 21.67415 5.205503 2.384795
18 25.26311 31.46217 23.35686 15.80258 21.76152 5.231495 2.385373
19 25.34378 31.67382 23.22062 15.82922 21.62326 5.249804 2.403273
20 25.41992 31.72134 23.21535 15.76955 21.66193 5.218952 2.412882
21 25.43510 31.68351 23.29638 15.75119 21.63806 5.220863 2.410004
22 25.47337 31.80178 23.23969 15.70590 21.58617 5.234081 2.432375
23 25.50356 31.87383 23.18998 15.67504 21.60201 5.221737 2.437402
24 25.52711 31.81732 23.15055 15.64964 21.72434 5.221957 2.436198
25 25.56461 31.85989 23.08453 15.61327 21.77135 5.214158 2.456802
144
26 25.58382 31.90117 23.06052 15.59811 21.77336 5.208733 2.458116

27 25.59011 31.88957 23.05543 15.61308 21.76426 5.216330 2.461340
28 25.61994 31.95885 23.06002 15.57675 21.71436 5.218421 2.471591
29 25.64300 32.05280 23.03482 15.55278 21.68022 5.209090 2.470285
30 25.66159 32.06451 23.01407 15.53107 21.70489 5.214859 2.470599
31 25.67754 32.11392 22.98606 15.51746 21.69242 5.212497 2.477643
32 25.68660 32.09828 22.97022 15.51749 21.72770 5.210002 2.476308
33 25.69087 32.09047 22.98401 15.51526 21.72150 5.210809 2.477951
34 25.69935 32.10549 22.98101 15.50593 21.71424 5.210526 2.482808
35 25.70504 32.12606 22.97791 15.50024 21.70558 5.208255 2.481964
36 25.70999 32.12534 22.97326 15.49538 21.71038 5.211797 2.483851
37 25.71914 32.15687 22.95979 15.48463 21.70352 5.209379 2.485816
38 25.72170 32.15304 22.95525 15.48340 21.71404 5.208911 2.485359
39 25.72424 32.15835 22.95102 15.48300 21.71052 5.210294 2.486823
40 25.72711 32.16594 22.94738 15.48017 21.70836 5.209767 2.488383
41 25.72879 32.16830 22.94736 15.47948 21.70735 5.209443 2.488070
42 25.73077 32.17240 22.94508 15.47714 21.70559 5.210403 2.489377
43 25.73410 32.18294 22.94016 15.47318 21.70412 5.209429 2.490169
44 25.73511 32.18066 22.93835 15.47290 21.70853 5.209542 2.490014
45 25.73638 32.18308 22.93617 15.47234 21.70750 5.209972 2.490936
46 25.73816 32.18756 22.93452 15.47076 21.70646 5.209430 2.491267
47 25.73848 32.18754 22.93467 15.47087 21.70609 5.209594 2.491236
48 25.73984 32.19095 22.93362 15.46928 21.70422 5.210040 2.491884
49 25.74108 32.19521 22.93162 15.46783 21.70374 5.209565 2.492033
50 25.74160 32.19408 22.93071 15.46756 21.70587 5.209764 2.492013
51 25.74236 32.19605 22.92935 15.46684 21.70551 5.209782 2.492463
52 25.74291 32.19683 22.92872 15.46643 21.70592 5.209571 2.492534
53 25.74304 32.19655 22.92887 15.46658 21.70572 5.209711 2.492580
54 25.74360 32.19818 22.92845 15.46591 21.70478 5.209807 2.492882
55 25.74412 32.19991 22.92783 15.46531 21.70446 5.209598 2.492882
56 25.74435 32.19972 22.92752 15.46517 21.70491 5.209756 2.492932
57 25.74476 32.20104 22.92679 15.46473 21.70459 5.209726 2.493118
58 25.74498 32.20113 22.92648 15.46464 21.70500 5.209644 2.493111
59 25.74504 32.20105 22.92647 15.46469 21.70489 5.209730 2.493167
60 25.74529 32.20183 22.92624 15.46439 21.70451 5.209732 2.493295
61 25.74544 32.20224 22.92609 15.46424 21.70448 5.209672 2.493282
62 25.74554 32.20228 22.92594 15.46416 21.70453 5.209752 2.493334
63 25.74575 32.20294 22.92560 15.46392 21.70442 5.209711 2.493403
64 25.74582 32.20291 22.92549 15.46390 21.70462 5.209690 2.493392
65 25.74587 32.20295 22.92543 15.46390 21.70455 5.209735 2.493434
66 25.74598 32.20331 22.92531 15.46377 21.70440 5.209718 2.493478
67 25.74602 32.20339 22.92528 15.46375 21.70441 5.209708 2.493470
68 25.74608 32.20350 22.92521 15.46369 21.70436 5.209741 2.493503
69 25.74617 32.20378 22.92506 15.46358 21.70433 5.209716 2.493526
70 25.74619 32.20373 22.92502 15.46358 21.70443 5.209716 2.493521
71 25.74622 32.20379 22.92497 15.46356 21.70440 5.209732 2.493545
72 25.74627 32.20392 22.92493 15.46351 21.70436 5.209718 2.493558
73 25.74628 32.20392 22.92492 15.46351 21.70436 5.209721 2.493556
74 25.74631 32.20401 22.92489 15.46348 21.70432 5.209734 2.493574
75 25.74635 32.20412 22.92483 15.46344 21.70431 5.209720 2.493579
Variance
Decomposition
: of D_REER
1 0.054909 20.57284 51.32428 13.46526 8.011071 1.313269 5.313283

2 0.069838 35.75269 43.47866 8.329454 7.909091 0.948923 3.581178
3 0.074120 35.51572 42.36510 9.660358 7.736750 1.343926 3.378148
4 0.075798 35.40064 40.53674 9.251410 9.278199 1.492964 4.040043
5 0.077162 36.33857 39.23514 9.658120 9.356376 1.441284 3.970508
6 0.079737 39.17944 36.74403 9.095452 8.871135 1.667480 4.442460
145
7 0.082252 41.80334 34.54836 9.068675 8.526505 1.711438 4.341681

8 0.082998 41.49897 34.09873 9.286980 8.784836 1.885682 4.444802
9 0.085384 43.51136 32.53401 9.045018 8.331843 2.135923 4.441845
10 0.085912 43.82546 32.19070 9.192878 8.283583 2.114501 4.392877
11 0.086506 44.02094 31.91799 9.068290 8.322758 2.314619 4.355397
12 0.087140 44.71412 31.45800 8.937378 8.221913 2.338741 4.329847
13 0.087378 44.47841 31.35989 9.025985 8.467887 2.361084 4.306750
14 0.087873 44.28373 31.14296 8.971983 8.954676 2.382989 4.263659
15 0.088121 44.06897 30.96887 8.937594 9.367259 2.369696 4.287608
16 0.088269 43.96274 30.88257 8.949646 9.565393 2.362470 4.277179
17 0.088351 43.92043 30.95240 8.938321 9.550926 2.364172 4.273748
18 0.088680 43.73359 31.15026 8.885191 9.573028 2.366951 4.290975
19 0.088930 43.94830 31.05417 8.841494 9.526870 2.355867 4.273300
20 0.089035 43.92151 31.01517 8.826110 9.584111 2.381493 4.271600
21 0.089230 44.05034 30.90418 8.801348 9.576820 2.382785 4.284527
22 0.089297 44.03071 30.87269 8.811165 9.625379 2.381484 4.278573
23 0.089349 44.04807 30.84927 8.812229 9.614815 2.390757 4.284861
24 0.089416 44.06581 30.80689 8.800946 9.637753 2.392470 4.296129
25 0.089457 44.09150 30.78638 8.805857 9.632953 2.391122 4.292194
26 0.089497 44.10095 30.76260 8.799523 9.636036 2.401927 4.298963
27 0.089579 44.15830 30.72262 8.783351 9.634663 2.401418 4.299641
28 0.089596 44.14620 30.71121 8.784716 9.655841 2.403741 4.298287
29 0.089633 44.17281 30.68592 8.782727 9.647962 2.409885 4.300688
30 0.089661 44.18595 30.66873 8.780152 9.654754 2.408920 4.301497
31 0.089669 44.17996 30.66801 8.781275 9.659095 2.410797 4.300859
32 0.089686 44.19148 30.65728 8.777921 9.656050 2.413765 4.303503
33 0.089707 44.20035 30.64505 8.774286 9.663442 2.412851 4.304027
34 0.089714 44.19276 30.64027 8.773968 9.675487 2.413998 4.303516
35 0.089726 44.19642 30.63217 8.773152 9.677370 2.415200 4.305697
36 0.089740 44.20152 30.62613 8.771366 9.680707 2.414676 4.305603
37 0.089743 44.19993 30.62600 8.772349 9.680538 2.415541 4.305644
38 0.089755 44.20625 30.62178 8.770130 9.677934 2.416994 4.306914
39 0.089765 44.21431 30.61578 8.768508 9.678306 2.416472 4.306623
40 0.089769 44.21167 30.61314 8.768406 9.682608 2.417562 4.306608
41 0.089777 44.21671 30.60792 8.767252 9.682627 2.417978 4.307512
42 0.089781 44.21676 30.60516 8.767172 9.685823 2.417743 4.307339
43 0.089783 44.21581 30.60502 8.767646 9.685662 2.418289 4.307571
44 0.089787 44.21867 30.60280 8.766710 9.685012 2.418655 4.308158
45 0.089791 44.22076 30.60123 8.766258 9.685345 2.418469 4.307937
46 0.089793 44.22037 30.60015 8.766167 9.686132 2.419067 4.308115
47 0.089797 44.22332 30.59763 8.765419 9.686122 2.419151 4.308362
48 0.089798 44.22291 30.59666 8.765449 9.687636 2.419111 4.308241
49 0.089799 44.22302 30.59612 8.765569 9.687454 2.419427 4.308411
50 0.089801 44.22431 30.59505 8.765193 9.687367 2.419477 4.308603
51 0.089802 44.22446 30.59467 8.765154 9.687733 2.419459 4.308523
52 0.089803 44.22464 30.59417 8.765065 9.687758 2.419702 4.308666
53 0.089805 44.22575 30.59313 8.764730 9.687956 2.419685 4.308746
54 0.089805 44.22545 30.59282 8.764765 9.688569 2.419701 4.308695
55 0.089806 44.22564 30.59246 8.764772 9.688480 2.419839 4.308808
56 0.089807 44.22625 30.59197 8.764606 9.688501 2.419830 4.308848
57 0.089807 44.22620 30.59187 8.764640 9.688613 2.419853 4.308824
58 0.089808 44.22648 30.59158 8.764554 9.688525 2.419963 4.308900
59 0.089808 44.22695 30.59115 8.764420 9.688632 2.419938 4.308913
60 0.089808 44.22676 30.59102 8.764448 9.688901 2.419972 4.308899
61 0.089809 44.22694 30.59080 8.764413 9.688870 2.420021 4.308956
62 0.089809 44.22711 30.59061 8.764362 9.688955 2.420007 4.308960
63 0.089809 44.22705 30.59059 8.764389 9.688982 2.420030 4.308959
64 0.089810 44.22723 30.59044 8.764337 9.688922 2.420070 4.308996
65 0.089810 44.22740 30.59029 8.764288 9.688977 2.420056 4.308991
66 0.089810 44.22733 30.59023 8.764300 9.689058 2.420081 4.308992
67 0.089810 44.22747 30.59011 8.764269 9.689047 2.420097 4.309016
68 0.089810 44.22750 30.59003 8.764257 9.689109 2.420090 4.309013
146
69 0.089810 44.22747 30.59002 8.764270 9.689113 2.420106 4.309017

70 0.089810 44.22757 30.58995 8.764243 9.689088 2.420117 4.309033
71 0.089811 44.22761 30.58990 8.764230 9.689119 2.420112 4.309029
72 0.089811 44.22760 30.58988 8.764232 9.689137 2.420126 4.309033
73 0.089811 44.22766 30.58981 8.764214 9.689138 2.420130 4.309042
74 0.089811 44.22767 30.58979 8.764213 9.689170 2.420128 4.309039
75 0.089811 44.22766 30.58977 8.764217 9.689167 2.420137 4.309043
147
148

Revisi 10 - Yuke

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Revisi 10 - Yuke

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISIS PERBANDINGAN RESPON VARIABEL MAKRO EKONOMI

TERHADAP KESINAMBUNGAN FISKAL ANTARA INDONESIA DAN MALAYSIA

Magister Ilmu Ekonomi

PROGRAM STUDI MAGISTER ILMU EKONOMI

MASTER OF ECONOMICS PROGRAM

Nama : Yuke Firdausi Dyahningrum

Jakarta, 3 Juli 2020

(Prof. Muhammad Zilal Hamzah, Ph.D) (Agustina Suparyati, SE, ME)

Name : Yuke Firdausi Dyahningrum

Jakarta, 3 July 2020

(Prof. Muhammad Zilal Hamzah, Ph.D) (Agustina Suparyati, SE, ME)

Nama : Yuke Firdausi Dyahningrum

Telah diuji dan dinyatakan LULUS di depan Tim Penguji pada

(Prof. Muhammad Zilal Hamzah, Ph.D) ( )

(Agustina Suparyati, SE, ME) ( )

Tesis ini telah diterima sebagai salah satu persyaratan

(Dr. Rinaldi Rustam, ME )

Name : Yuke Firdausi Dyahningrum

Has been tested and PASS by the Examiners Team on

(Prof. Muhammad Zilal Hamzah, Ph.D) ( )

(Agustina Suparyati, SE, ME) ( )

This thesis has been accepted as one of the requirements

(Dr. Rinaldi Rustam, ME )

Yang bertanda tangan di bawah ini :

“Analisis Perbandingan Respon Variabel Makro Ekonomi terhadap

Jakarta, 3 Juli 2020

Yuke Firdausi Dyahningrum

Yuke Firdausi Dyahningrum

Program Studi Magister Ilmu Ekonomi

Penelitian ini bertujuan untuk menganalisis perbandingan hubungan kausalitas

Kata kunci: Kesinambungan fiskal, makro ekonomi, kausalitas granger, vector

Yuke Firdausi Dyahningrum

Master of Economics Program

This research is aimed to analyze causality and macroeconomic response variable

Key words: Fiscal Sustainability, macroeconomic, granger causality, vector

Bismillahhir Rahmanir Rahim

Alhamdulillah segala puji dan syukur penulis panjatkan kepada Allah

Penulis sangat menyadari skripsi ini masih ada kekurangan karena

Jakarta, 3 Juli 2020

PERSETUJUAN TESIS .......................................................................................... i

Tabel 2.1 The Fiscal Risk Matrix ...........................................................................19

Gambar 1.1 Rasio Utang Terhadap PDB (%) ..........................................................5

1.1 Latar Belakang Penelitian

Pelaksanaan Anggaran Pendapatan dan Belanja Negara (APBN) didasari

sebesar 3,7%. Pertumbuhan ekonomi negara-negara berkembang pada tahun 2019

ASEAN (termasuk Indonesia) diproyeksikan melambat 0,1% dibanding tahun

5,02% berdasarkan data BPS, meskipun masih tumbuh di atas 5% realisasi

pertumbuhan ekonomi terlemah sepanjang 10 tahun terakhir.

Pertumbuhan ekonomi merupakan proses kenaikan pendapatan total dan

pendapatan per kapita dengan memperhitungkan adanya pertambahan penduduk

panjang dan merupakan ukuran keberhasilan pembangunan. Kondisi ini,

ditunjukkan dengan masuknya dana ke dalam sistem ekonomi suatu negara.

Pembangunan yang dilakukan oleh suatu negara pada dasarnya dibiayai

Pengertian risiko fiskal sudah banyak didefinisikan oleh beberapa ahli,

datang. Menurut Cebotari dalam Ramadyanto (2013) risiko fiskal merupakan

kemungkinan penyimpangan atas variabel fiskal dari apa yang sebelumnya

diperkirakan pada saat penyusunan anggaran maupun pada waktu penyusunan

perkiraan lainnya. Di Indonesia, risiko fiskal sudah diatur dalam Peraturan

Menteri Keuangan Nomor 191/PMK.09/2008 tentang Penerapan Manajemen

Risiko di Lingkungan Departemen Keuangan. Pada peraturan tersebut, risiko

Kementerian Keuangan Nota Keuangan (2019), risiko fiskal dapat diartikan

sebagai segala sesuatu yang di masa mendatang dapat menimbulkan tekanan

peningkatan kesadaran seluruh pemangku kepentingan (stakeholder) dalam