Hutang Negara

Kelompok 11
 Perkenalan

Vincentius
Michael Adri Hasfi N.
10116037 1016041
Mas Daffa M.P. Arsya
10116027 Asharhadi
10116049
 Latar Belakang

Hutang Negara Penanaman modal asing (PMA)

• Hutang yang dimiliki oleh pemerintah
• merupakan investasi yang dilakukan oleh
pemilik modal asing di dalam negara untuk
memperoleh keuntungan dari usaha yang
dilakukan
• PMA secara langsung mengurangi
ketergantungan suatu negara terhadap
hutang negara
 Rumusan Masalah
Bagaimana pengaruh investasi asing langsung
(PMA), pendapatan domestik bruto(PDB), dan
ekspor neto terhadap hutang negara?
Produk Domestik Bruto(PDB)
• Nilai pasar semua barang dan jasa yang diproduksi oleh suatu
negara pada periode tertentu. PDB merupakan salah satu metode
Pengertian untuk menghitung pendapatan nasional

• Nominal: PDB diukur berdasarkan nilai pasar pada periode

tertentu
Jenis • PPP: PDB diukur dengan memperhatikan perbedaan biaya hidup
antar negara

• Proses transportasi barang atau komoditas dari

Ekspor suatu negara ke negara lain
4 Parameter Data yang Akan
Digunakan
(1981-2016)
 Hutang Luar Negeri(US$)
Total utang LN pemerintah pusat (US$ 2016)
350,000,000,000
Total utang LN pemerintah pusat (US$ 2016)

300,000,000,000

250,000,000,000

200,000,000,000

150,000,000,000

100,000,000,000

50,000,000,000

Tahun
 PDB(US$)
1,000,000,000,000

900,000,000,000

800,000,000,000

700,000,000,000

600,000,000,000
PDB(US$)

500,000,000,000

400,000,000,000

300,000,000,000

200,000,000,000

100,000,000,000

0
9 81 9 82 9 83 984 98 5 98 6 98 7 9 88 9 89 9 90 9 91 992 99 3 99 4 99 5 99 6 9 97 9 98 9 99 0 00 001 00 2 00 3 00 4 0 05 00 6 00 7 0 08 0 09 0 10 0 11 01 2 01 3 01 4 01 5 0 16
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

Tahun

PDB (US$ 2016)

 Total Ekspor Barang dan Jasa (US$ 2016)
Total Ekspor(US$)

250,000,000,000

200,000,000,000

150,000,000,000

100,000,000,000

50,000,000,000

Tahun

Total ekspor barang+jasa (US$ 2016)

 PMA(US$)
30,000,000,000
Total pma(us$)

25,000,000,000

20,000,000,000

15,000,000,000

10,000,000,000

5,000,000,000

-5,000,000,000

-10,000,000,000

9 81 98 2 9 83 9 84 98 5 98 6 9 87 98 8 989 9 90 99 1 9 92 9 93 99 4 99 5 9 96 99 7 998 9 99 00 0 001 0 02 00 3 0 04 0 05 00 6 0 07 00 8 00 9 0 10 01 1 01 2 0 13 01 4 015 0 16

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

Tahun

Total PMA (US$ 2016)

Metodologi
 Vektor Autoregresi(VAR)
• Di dalam model VAR, setiap variabel adalah fungsi linear nilai sebelumnya diri sendiri
dan variabel lainnya
• Kelompok kami menggunakan metode VAR karena metode VAR dapat digunakan
untuk mengetahui hubungan dari beberapa variabel (indikator) pada suatu deret
waktu multivariat
• Metode VAR berguna untuk menjelaskan perilaku dinamik dari data dan dapat
menghasilkan prediksi yang lebih baik
 Persamaan Model
•a1 dan a2: konstanta
•w11, w12, w21, dan w22: koefisien
•e1 dan e2: suku galat
(1)
(2)
pers.(1) dan (2) dapat ditulis:

Atau bisa ditulis sebagai:

Untuk VAR(p)

Εt
  : ekspektasi dari error
• E(εt) = 0
• E(εt1,εt2‘) = σ
 Uji Kestasioneran
Pers. VAR:
• Uji estasioneran deret waktu akan
memberikan hasil prediksi yang
lebih baik
• Kestasioneran data deret waktu
Operasi Lag:
dapat dicek dengan uji Johansen’s
• Uji metode VAR hanya bisa
digunakan jika data sudah stationer,
jika belum data yang ada perlu
didiferensiasikan terlebih dahulu

Koefisien y(t)
disebut lag
Deret stationer jika nilai eigen |Φ(L)-1|  polynomial
dari kurang dari 1 di modulus atau dapat
ditulis Φ(L)
 Train-Validation Split
• Digunakan untuk menguji performa dari model sebelum digunakan untuk membuat
prediksi
• Membuat validation set untuk deret waktu harus memperhitungkan komponen waktu
dan tidak bisa secara langsung menggunakan train_test_split atau validasi k-fold
• Setelah model sudah dibuat, kita bias menggunakannya pada validasi set. Lalu
berdasarkan prediksi dan nilai sebenarnya, kita bias mengecek seberapa baik model
bekerja dan variable apa saja yang membuat model tidak bekerja dengan baik. Setelah
itu untuk membuat prediksi akhir, gunakan semua dataset (kombinasi dari train dan
validasi set)
Rencana Kerja Selanjutnya
TERIMA KASIH