dampak ketidakstabilan nilai tukar terhadap permintaan uang di indonesia
Post on 20-Jan-2017
421 Views
Preview:
TRANSCRIPT
1
DAMPAK KETIDAKSTABILAN NILAI TUKAR
TERHADAP PERMINTAAN UANG DI INDONESIA
Sastyo Aji Darmawan
Magister Perencanaan dan Kebijakan Publik
Fakultas Ekonomi Universitas Indonesia
I. Latar Belakang
Menjelang akhir triwulan III-2008, perekonomian dunia dihadapkan pada satu
babak baru yaitu runtuhnya stabilitas ekonomi global, seiring dengan meluasnya krisis
finansial ke berbagai negara. Krisis finansial global mulai muncul sejak bulan
Agustus 2007, yaitu pada saat salah satu bank terbesar Perancis BNP Paribas
mengumumkan pembekuan beberapa sekuritas yang terkait dengan kredit perumahan
berisiko tinggi AS (subprime mortgage). Pembekuan ini lantas mulai memicu gejolak
di pasar finansial dan akhirnya merambat ke seluruh dunia. Di penghujung triwulan
III-2008, intensitas krisis semakin membesar seiring dengan bangkrutnya bank
investasi terbesar AS Lehman Brothers, yang diikuti oleh kesulitan keuangan yang
semakin parah di sejumlah lembaga keuangan berskala besar di AS, Eropa, dan
Jepang (Bank Indonesia, 2009).
Krisis keuangan dunia tersebut telah berimbas ke perekonomian Indonesia
sebagaimana tercermin dari gejolak di pasar modal dan pasar uang Bersamaan dengan
itu, nilai tukar Rupiah ikut terkoreksi tajam hingga mencapai level Rp10.900/USD
pada akhir Desember 2008.
Gambar 1. Kurs Rupiah terhadap USD 2005:2 – 2014:2
Sumber : Bank Indonesia (data diolah)
-
2.000,00
4.000,00
6.000,00
8.000,00
10.000,00
12.000,00
14.000,00
20
05
Q2
20
05
Q4
20
06
Q2
20
06
Q4
20
07
Q2
20
07
Q4
20
08
Q2
20
08
Q4
20
09
Q2
20
09
Q4
20
10
Q2
20
10
Q4
20
11
Q2
20
11
Q4
20
12
Q2
20
12
Q4
20
13
Q2
20
13
Q4
20
14
Q2
Exchange Rate
2
Perekonomian Indonesia juga mengalami perlambatan pertumbuhan ekonomi
Indonesia pada tahun 2008. Pertumbuhan ekonomi Indonesia secara keseluruhan
tumbuh mencapai 6,1% pada tahun 2008 atau sedikit lebih rendah dibandingkan
dengan tahun 2007 sebesar 6,3%. Dampak negatif dari krisis global tersebut, antara
lain menurunnya kinerja neraca pembayaran, dan dorongan pada laju inflasi
(setneg.go.id, 2009).
Gambar 2. Pergerakan Inflasi Indonesia
Sumber : Bank Indonesia
Kondisi non stasioner tersebut menunjukkan bahwa secara teoritis terdapat
masalah yang berkaitan dengan stabilitas. Stabilitas merupakan syarat utama dari
stasioneritas data, terutama data time series. Kondisi non stasioner terjadi jika nilai
rata-rata (mean), variance dan covariance tidak konsisten sepanjang waktu.
Stabilisasi pada data time series berhubungan erat dengan stabilitas ekonomi makro.
Jika ada permasalahan yang berhubungan dengan variabel non stasioner maka hasil
estimasi akan mengalami regresi lancung (spurious regression atau spurious
correlation problem). Sejauh ini perdebatan akademik menyangkut kelancungan
pertama kali dikemukakan oleh Granger dan Newbold pada tahun 1974 dan tahun
1977 serta dikaji lebih lanjut oleh Phillips pada tahun 1986. Dampak yang
ditimbulkan oleh regresi lancung antara lain: koefisien penaksir tidak efisien,
peramalan berdasarkan regresi tersebut akan meleset dan uji baku umum menjadi
tidak sahih (Lestari, 2013).
Untuk mencapai stabilisasi ekonomi maka diperlukan target-antara di
antaranya jumlah uang beredar. Di sisi lain pengendalian jumlah uang beredar (JUB)
sulit diukur. Pengendalian JUB berkaitan erat dengan perilaku permintaan uang
3
masyarakat terutama untuk jangka panjang. Salah satu variabel penentu yang cukup
berarti dalam dalam teori ekonomi adalah kurs atau nilai tukar yang sifatnya
fluktuatif. Variabel ini menjadi lebih dominan pada masa krisis. Perekonomian suatu
negara dikatakan bebas dari krisis apabila mampu mencapai nilai kurs yang stabil
(Lestari, 2013).
II. Rumusan Masalah
Berangkat dari kondisi nilai tukar yang sangat fluktuatif tersebut,
permasalahan yang akan dibahas dalam penelitian ini adalah :
1. Bagaimana pengaruh ketidakstabilan nilai tukar terhadap permintaan uang di
Indonesia? 2. Seberapa besar kecepatan penyesuaian (speed of adjustment) jangka panjang
permintaan uang riil? 3. Bagaimana kondisi jumlah peredaran uang riil dan nilai tukar riil Rupiah
terhadap US Dollar pada kuartal kedua 2015?
III. Tujuan Penelitian
Tujuan dilakukannya penelitian ini adalah :
1. Menganalisis permintaan uang di Indonesia pada saat terjadi ketidakstabilan
nilai tukar;
2. Mengukur besarnya kecepatan penyesuaian (speed of adjustment) jangka
panjang permintaan uang.
IV. Metode Penelitian
Penggunaan model perekonomian terbuka dapat diterima untuk kasus
permintaan uang di Indonesia, mengingat bahwa transaksi terhadap luar negeri bebas
dilakukan oleh masyarakat Indonesia. Masyarakat telah dibebaskan untuk memegang
valuta asing dengan sistem kurs mengambang terkendali (managed floating exchange
rate) sejak awal tahun 1980-an dan sekarang sistem kurs mengambang penuh (free
floating exchange rate). Kebijakan ini memungkinkan masyarakat di dalam negeri
untuk merelokasikan kekayaannya dengan memasukkan mata uang asing sebagai
salah satu bentuk kekayaan yang dipegang sehingga memungkinkan maksimisasi
return dari asset yang mereka pegang.
4
Perdebatan pemilihan variabel kunci dalam menjelaskan perilaku permintaan
uang tidak terlalu banyak variasinya. Penelitian yang dilakukan oleh Hendry dan
Erricson (1991), dan Morimune dan Zhao (1997) menggunakan 4 variabel yaitu M, π ,
Y dan R yang masing-masing menunjukkan M1 riil, tingkat laju inflasi, output riil,
dan tingkat bunga berjangka. Selanjutnya melihat kondisi keterbukaan yang dialami
Indonesia sejak awal tahun 1980-an maka berbeda dengan penelitian Morimune dan
Zhao (1997), model yang akan digunakan dalam penelitian ini dapat diperluas untuk
memasukkan variabel nilai tukar dan permintaan uangnya dipilih M2 karena memiliki
skala yang lebih luas dibandingkan M1. Dengan demikian model penelitian ini dapat
dituliskan sebagai berikut:
Md = f (Yt,ERt, rt, Inft)
dimana
Md = permintaan uang M2
Yt = output atau pendapatan nasional riil
ERt = adalah nilai tukar rupiah terhadap dolar
Rt = adalah tingkat suku bunga pasar dan
Inft = adalah tingkat inflasi.
Penelitian ini menggunakan data sekunder yang diperoleh dari Badan Pusat
Statistik, Statistik dan Keuangan Indonesia, Bank Indonesia, penelitian terdahulu dan
beberapa sumber literatur lainnya. Rentang waktu yang digunakan dalam penelitian
adalah mulai kuartal 3 tahun 2005 sampai kuartal 3 tahun 2014.
Penelitian ini menggunakan 4 (empat) tahapan metode, yaitu pertama,
pengujian awal variabel yang dilakukan dengan menggunakan uji akar unit (unit root
test) menggunakan metode uji Augmented Dickey-Fuller (ADF) dan identifikasi jenis
tren (trend). Model uji stasioner Dickey-Fuller yang digunakan untuk menentukan
stasioner/tidaknya data time series dengan regresi model berikut ini:
.............................................................................................................(1)
...........................................................................(2)
................................................................(3)
5
Dimana :
Asumsi dari persamaan diatas adalah residual еt tidak saling berhubungan.
Dalam banyak kasus residual еt seringkali saling berhubungan dan mengandung
autokorelasi. Dickey-Fuller selanjutnya mengembangkan uji akar unit dengan
memasukkan unsur autokorelasi yang dikenal dengan Augmented Dickey FUler
(ADF). Formulasi DF adalah sebagai berikut:
................................................(4)
................................................(5)
............(6)
Dimana:
εt= white noise error, δ = (ρ-1) dan Δ adalah first difference operator sebagai contoh:
................................................(7)
Perbedaan dari ketiga persamaan diatas menunjukkan keberadaan trend
deterministik, yaitu a1 dan a2.. Dari persamaan diatas lalu dihitung nilai statistik DF
(Dickey-Fuller) dan ADF (Augmented Dickey Fuller). Kemudian nilai statistik DF
dan ADF dibandingkan dengan nilai kritisnya dengan ketentuan sebagai berikut:
DF(ADF) stat < DF (ADF) kritis : Terima Ho, non stasioner.
DF (ADF) stat > DF (ADF) kritis : Tolak Ho, stasioner.
Jika sebagian atau seluruh data tidak stasioner, maka perlu dilanjutkan pada uji
derajat integrasi. Uji ini dilakukan sebagai konsekuensi dari tidak terpenuhinya
asumsi stasioneritas pada derajat nol atau I(0). Pada uji ini, data didiferensiasikan
pada derajat tertentu sampai semua data menjadi stasioner pada derajat yang sama.
Uji ini untuk mengetahui pada derajat atau order diferensi ke berapa data yang
diamati akan stasioner.
6
Pada prinsipnya, pendekatan kointegrasi berkaitan erat dengan pengujian
terhadap kemungkinan adanya hubungan keseimbangan jangka panjang antara
variabel-variabel ekonomi seperti yang dikehendaki oleh teori ekonomi. Dalam
konsep kointegrasi, dua atau lebih variabel (series) non-stasioner akan terkointegrasi
bila kombinasinya juga linier sejalan dengan berjalannya waktu, meskipun bisa terjadi
masing-masing variabelnya bersifat non stasioner. 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:
............................................................................(8)
Sedemikian rupa hingga εt (error term) stasioner, I(0). Adanya kemungkinan dari
kombinasi linier variabel-variabel yang terintegrasi menjadi stasioner, variabel-
variabel tersebut dinyatakan berkointegrasi. Equilibrium jangka panjang dari
himpunan variabel-variabel (static equilibrium), direpresentasikan dalam persamaan
berikut:
......................(9)
apabila keseimbangan (equilibrium) baik, maka hal itu pasti merupakan kasus dimana
error stasioner.
Dalam uji kointegrasi diasumsikan bahwa terdapat satu himpunan variabel
yang tersusun secara runtut waktu (time series) berupa variabel Xt, komponen dari
vektor Xt, dikatakan berkointegrasi pada order (d,b) atau ditulis dengan Xt (d,b),
apabila:
1. Seluruh komponen dari Xt terintegrasi pada orde d
2. Terdapat vektor β’ yang didapat dari kombinasi linear β’Xt dari orde (d,b),
dimana b>0 (β’ disebut vektor kointegrasi), sehingga jika X=I(1) dan Y=I(2)
maka tidak terkointegrasi.
Jika dua variabel atau lebih mempunyai derajat kointegrasi yang berbeda,
maka kedua variabel tersebut dikatakan tidak berkointegrasi. Dari uraian-uraian
tersebut, dapat diambil beberapa poin kunci dari konsep kointegrasi, antara lain:
7
i. Kointegrasi merupakan kombinasi linier dari variabel-variabel yang tidak
stasioner.
ii. Semua variabel harus terintegrasi dalam order yang sama
iii. Apabila Xt mempunyai n komponen, maka diduga terdapat n-1 vektor
kointegrasi independent yang berhubungan linier.
Untuk menguji hipotesa nol tidak adanya kointegrasi, digunakan uji
kointegrasi dan ADF ditaksir dengan regresi kointegrasi dengan metode kuadrat
terkecil (Ordinary Least Square=OLS) dan kemudian didapatkan residual.
Metode ketiga adalah metode Vector Error Correction Model (VECM).
Derivasi vektor error correction model (VECM) didasarkan pada teorema Johansen
(1988) sebagaimana dikutip Muhajir (2008). Misalkan {Z} adalah tingkat derajat
VAR ke-p dan Zt = {Y:X}, dimana Y adalah vektor variabel endogen dan X adalah
vektor variabel eksogen. Hal ini dapat dinyatakan sebagai berikut:
................................................................(10)
dimana
εt = Gaussian error term
Wt = vektor variabel-variabel stasioner
Satu vektor time series Zt mempunyai representasi error correction jika ia dapat
diekspresikan sebagai berikut:
..........................................................(11)
Dimana:
8
Metode terakhir adalah melakukan estimasi-estimasi yang menyertai metode
VAR atau VECM, yaitu uji fungsi respon terhadap shock (impulse Response
Function/ IRF), dan dekomposisi varian (Forecast Error Variance Decomposition/
FEVD). Secara umum tahapan pengujian dengan metode VAR Dapat digambarkan
sebagai berikut (Sahabat, 2009).
Gambar 4. Proses Pembentukan VAR
V. Hasil Analisa dan Pembahasan
Sebelum melakukan tahapan-tahapan penelitian seperti dijelaskan diatas, perlu
diketahui statistik deskriptif dari data-data yang akan digunakan pada model, yaitu
sebagai berikut:
Data Time Series
Uji Stationeritas Data
Seluruh Data Stationer
VAR in level
Seluruh Data Stationer Pada
1st/2nd Difference
Uji Kointegrasi Data Pada Level
Data tidak Terkointegrasi
Seluruh Data diambil
Difference
VAR in Difference
Terjadi Kointegrasi
VECM
Sebagian Data Stationer Pada
Level
Seluruh Data diambil
Difference
9
Tabel 1. Statistik deskriptif MDR ER BIR INC INF Mean 12222.16 93.04703 7.851351 498622.1 0.587027
Median 12608.45 94.66000 7.500000 481067.0 0.470000
Maximum 29321.36 102.1600 12.75000 652296.0 3.320000
Minimum 2072.900 78.69000 5.750000 379100.0 -0.050000
Std. Dev. 6290.429 6.127432 1.977705 85007.20 0.579549
Skewness 0.763779 -0.678786 1.166357 0.247499 2.999722
Kurtosis 3.788037 2.557594 3.624693 1.822375 14.52313
Jarque-Bera 4.554758 3.143037 8.990692 2.515727 260.1961
Probability 0.102553 0.207730 0.011161 0.284261 0.000000
Sum 452219.9 3442.740 290.5000 18449017 21.72000
Sum Sq. Dev. 1.42E+09 1351.635 140.8074 2.60E+11 12.09157
Observations 37 37 37 37 37
5
6
7
8
9
10
11
12
13
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
BIR
75
80
85
90
95
100
105
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
ER
350,000
400,000
450,000
500,000
550,000
600,000
650,000
700,000
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
INC
-0.5
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
INF
0
5,000
10,000
15,000
20,000
25,000
30,000
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
MDR
10
Berdasarkan hasil uji unit root, diketahui bahwa nilai t-statistik atau nilai
hitung ADF untuk variabel pendapatan nasional riil dan inflasi sudah stasioner pada
tingkat level, sedangkan variabel nilai tukar, suku bunga dan permintaan uang riil
stationer pada derajat integrasi satu. Hal ini menunjukkan ada masalah dengan akar
unit yang menggambarkan situasi non stasioner.
Tabel 1. Uji unit root ER 1st Difference
Null Hypothesis: D(ER) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=9) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.066682 0.0012
Test critical values: 1% level -4.243644
5% level -3.544284
10% level -3.204699
*MacKinnon (1996) one-sided p-values.
Tabel 2. Uji unit root BIR 1st difference
Null Hypothesis: D(BIR) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 6 (Automatic - based on SIC, maxlag=9) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.312075 0.0099
Test critical values: 1% level -4.309824
5% level -3.574244
10% level -3.221728
*MacKinnon (1996) one-sided p-values.
Tabel 3. Uji unit root INC level
Null Hypothesis: INC has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=9) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.518622 0.0003
Test critical values: 1% level -4.234972
5% level -3.540328
10% level -3.202445
*MacKinnon (1996) one-sided p-values.
11
Tabel 4. Uji unit root INF level
Null Hypothesis: INF has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=9) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.627510 0.0003
Test critical values: 1% level -4.234972
5% level -3.540328
10% level -3.202445
*MacKinnon (1996) one-sided p-values.
Tabel 5. Uji unit root MDR 1st difference
Null Hypothesis: D(MDR) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=9) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.862561 0.0021
Test critical values: 1% level -4.243644
5% level -3.544284
10% level -3.204699
*MacKinnon (1996) one-sided p-values.
Untuk selanjutnya perlu dilakukan uji kointegrasi pada tingkat level untuk
mengetahui apakah terjadi kointegrasi pada data tersebut. Hasil uji kointegrasi dapat
dilihat pada tabel 7 dibawah ini.
Tabel 7. Uji Kointegrasi
Date: 12/24/14 Time: 20:59
Sample (adjusted): 2005Q4 2014Q2
Included observations: 35 after adjustments
Trend assumption: Linear deterministic trend
Series: MDR ER BIR INC INF
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.652883 77.99308 69.81889 0.0096
At most 1 0.424262 40.95985 47.85613 0.1900
At most 2 0.294433 21.63627 29.79707 0.3192
At most 3 0.142808 9.429903 15.49471 0.3271
At most 4 * 0.108930 4.036638 3.841466 0.0445 Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
12
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.652883 37.03323 33.87687 0.0203
At most 1 0.424262 19.32357 27.58434 0.3899
At most 2 0.294433 12.20637 21.13162 0.5274
At most 3 0.142808 5.393265 14.26460 0.6916
At most 4 * 0.108930 4.036638 3.841466 0.0445 Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Dari hasil uji kointegrasi, diindikasikan terdapat 1 persamaan kointegrasi
dengan dibuktikan besarnya nilai Trace Statistic dan Max-eigenvalue pada Hipotesis
None lebih besar dari nilai kritis pada tingkat keyakinan 95%, yaitu 77,99308 >
69,81889. Selain itu jika membandingkan nilai probability trace statistic, maka
hasilnya pun menunjukan signifikansi, yaitu dengan nilai probablity 0,0096 lebih
kecil dari nilai alpha 0,05.
Setelah mengetahui bahwa pada data-data tersebut ada 1 persamaan
kointegrasi, maka dapat disimpulkan bahwa model dapat diestimasi dengan metode
VECM.
Tabel 8. Estimasi VECM
Vector Error Correction Estimates
Date: 12/24/14 Time: 21:09
Sample (adjusted): 2006Q2 2014Q2
Included observations: 33 after adjustments
Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq: CointEq1 D(MDR(-1)) 1.000000
D(ER(-1)) -65.97095
(194.359)
[-0.33943]
D(BIR(-1)) 684.5668
(934.823)
[ 0.73230]
D(INC(-1)) 0.381988
(0.04649)
[ 8.21729]
D(INF(-1)) 4436.728
(2256.76)
[ 1.96598]
13
C -3342.608
Error Correction: D(MDR,2) D(ER,2) D(BIR,2) D(INC,2) D(INF,2) CointEq1 -0.061444 0.000176 6.01E-07 -6.595615 -6.48E-05
(0.07066) (0.00022) (2.7E-05) (1.30222) (2.4E-05)
[-0.86955] [ 0.79750] [ 0.02221] [-5.06488] [-2.75350]
D(MDR(-1),2) -0.280363 0.001403 0.000139 5.874574 -0.000183
(0.25729) (0.00080) (9.9E-05) (4.74160) (8.6E-05)
[-1.08968] [ 1.74511] [ 1.40652] [ 1.23894] [-2.13162]
D(MDR(-2),2) -0.081744 -3.39E-05 -0.000108 2.307478 9.91E-05
(0.14081) (0.00044) (5.4E-05) (2.59496) (4.7E-05)
[-0.58054] [-0.07704] [-2.01021] [ 0.88922] [ 2.11352]
D(ER(-1),2) -193.2279 -0.166415 0.080961 1725.024 -0.031688
(59.0220) (0.18444) (0.02262) (1087.72) (0.01965)
[-3.27383] [-0.90229] [ 3.57969] [ 1.58591] [-1.61264]
D(ER(-2),2) 5.135589 -0.144002 0.029440 474.1080 -0.059844
(70.4968) (0.22029) (0.02701) (1299.19) (0.02347)
[ 0.07285] [-0.65368] [ 1.08981] [ 0.36493] [-2.54978]
D(BIR(-1),2) 1007.112 -0.240098 0.175076 4075.457 -0.472037
(476.669) (1.48953) (0.18266) (8784.53) (0.15870)
[ 2.11281] [-0.16119] [ 0.95850] [ 0.46394] [-2.97448]
D(BIR(-2),2) 695.4253 -1.610667 -0.272558 3542.459 0.380330
(530.163) (1.65669) (0.20315) (9770.38) (0.17651)
[ 1.31172] [-0.97222] [-1.34163] [ 0.36257] [ 2.15478]
D(INC(-1),2) 0.016020 -6.59E-05 -2.55E-06 0.828488 1.22E-05
(0.02093) (6.5E-05) (8.0E-06) (0.38565) (7.0E-06)
[ 0.76554] [-1.00794] [-0.31803] [ 2.14827] [ 1.75538]
D(INC(-2),2) 0.013514 -5.95E-05 -4.65E-06 0.336369 5.55E-06
(0.01136) (3.6E-05) (4.4E-06) (0.20937) (3.8E-06)
[ 1.18950] [-1.67640] [-1.06714] [ 1.60654] [ 1.46819]
D(INF(-1),2) -150.6465 0.134893 0.031640 25134.86 -0.732013
(502.138) (1.56912) (0.19242) (9253.91) (0.16717)
[-0.30001] [ 0.08597] [ 0.16444] [ 2.71613] [-4.37872]
D(INF(-2),2) 262.0186 2.151522 0.098385 16162.00 -0.358100
(425.991) (1.33117) (0.16324) (7850.59) (0.14182)
[ 0.61508] [ 1.61627] [ 0.60271] [ 2.05870] [-2.52497]
C 30.10869 -0.370934 0.036828 158.7483 0.006890
(215.069) (0.67207) (0.08241) (3963.52) (0.07160)
[ 0.14000] [-0.55193] [ 0.44687] [ 0.04005] [ 0.09623] R-squared 0.752147 0.546362 0.500793 0.835335 0.840215
Adj. R-squared 0.622320 0.308742 0.239303 0.749081 0.756518
Sum sq. resids 30597621 298.7817 4.492866 1.04E+10 3.391440
S.E. equation 1207.075 3.771962 0.462543 22245.20 0.401867
F-statistic 5.793434 2.299309 1.915154 9.684673 10.03877
Log likelihood -273.5337 -83.17787 -13.92370 -369.6933 -9.283298
Akaike AIC 17.30508 5.768356 1.571133 23.13293 1.289897
Schwarz SC 17.84926 6.312540 2.115318 23.67711 1.834081
14
Mean dependent -118.7542 -0.184242 0.000000 1134.848 0.022424
S.D. dependent 1964.138 4.536775 0.530330 44408.89 0.814421 Determinant resid covariance (dof adj.) 1.19E+14
Determinant resid covariance 1.24E+13
Log likelihood -731.5886
Akaike information criterion 48.27810
Schwarz criterion 51.22576
Hasil estimasi model VECM selengkapnya disajikan pada Tabel 8. diatas
Keseluruhan variabel memiliki nilai koefisien determinasi 75 persen, artinya sebanyak
75 persen variasi variabel independen mampu menjelaskan variabel dependennya.
Berdasarkan hasil estimasi VECM diatas maka diperoleh persamaan jangka
panjang Pertumbuhan Permintaan Uang Riil sebagai berikut:
D(MDR-1) = -3342,608 – 65,97095 D(ER(-1)) + 684,5668 D(BIR(-1)) + 0,381988
D(INC-1)) + 4436,728 D(INF(-1))
Sedangkan persamaan jangka pendek pertumbuhan permintaan uang riil
adalah sebagai berikut:
D(MDR,2) = 30,10869 – 0,280363 D(MDR(-1),2) – 0,081744 D(MDR(-2),2) –
193,2279 D(ER(-1),2) + 5,135589 D(ER(-2),2) + 1007,112 D(BIR(-1),2) + 695,4253
D(BIR(-2),2) + 0,016020 D(INC(-1),2) + 0,013514 D(INC(-2),2) – 150,6465 D(INF(-
1),2) + 262,0186 D(INF(-2),2) – 0,061444
Angka koreksi kesalahan (error correction term) atau ECTt-1/CointEq1
memiliki koefisien yang negatif yang menunjukkan adanya penyesuaian menuju
keseimbangan jangka panjang (long run equilibrium) dengan nilai t-statistik yang
signifikan. Koefisien ECT lebih kecil dari keseluruhan koefisien masing-masing
variabel. Hal ini menunjukkan kecepatan penyesuaian menuju keseimbangan jangka
panjang lebih rendah dari kecepatan penyesuaian pendapatan nasional, inflasi dan
suku bunga.
Kecepatan penyesuaian jangka panjang permintaan uang dapat dihitung
dengan cara = 1/ CointEq1 atau 1/ 0.061444 atau 1,6. Artinya speed of adjustment
dari permintaan uang membutuhkan waktu 1 sampai 2 kuartal.
Pengujian Impulse Respon
Impulse Response Function menggambarkan respon dari setiap variabel
terhadap struktural inovasi variabel lainnya dalam model pada periode waktu
15
bersamaan. Estimasi impulse response dapat dilihat pada masa sekarang dan diwaktu
yang akan datang.
Gambar 3. Impulse Respon
Berdasarkan Gambar 3 dapat dilihat bahwa respon variabel pertumbuhan
Permintaan Uang Riil terhadap pertumbuhan Nilai Tukar Riil adalah ketika ada shock
dari kenaikkan nilai tukar maka dampaknya terhadap pertumbuhan permintaan uang
sangat fluktuatif mula-mula mengalami penurunan pada kuartal ke-2 kemudian naik
sampai titik tertinggi di kuartal ke-4 hingga melewati titik keseimbangan, namun
turun kembali pada kuartal ke-5. Pada kuartal ke-5 sampai kuartal ke-18 kondisinya
terus berfluktuasi namun tidak jauh dari titik keseimbangan, baru pada kuartal 20 dan
seterusnya kondisinya relatif stabil.
Respon pertumbuhan permintaan uang riil terhadap pertumbuhan suku bunga
maka ketika ada kenaikkan pertumbuhan suku bunga, dimulai dengan peningkatan
pertumbuhan permintaan uang pada kuartal ketiga lalu menurun hingga mencapai titik
terendah dikuartal ketujuh dan meningkat kembali pada kuartal kedelapan. Setelah
kuartal kedelapan respon pertumbuhan permintaan uang nampak mulai stabil namun
selalu berada diatas titik keseimbangan.
-800
-400
0
400
800
5 10 15 20 25 30
Response of D(MDR) to D(ER)
-800
-400
0
400
800
5 10 15 20 25 30
Response of D(MDR) to D(BIR)
-800
-400
0
400
800
5 10 15 20 25 30
Response of D(MDR) to D(INC)
-800
-400
0
400
800
5 10 15 20 25 30
Response of D(MDR) to D(INF)
Response to Cholesky One S.D. Innovations
16
Sementara itu respon pertumbuhan Permintaan Uang Riil terhadap variabel
pertumbuhan pendapatan nasional riil adalah ketika ada shock kenaikan pertumbuhan
pendapatan nasional riil maka dampaknya akan mengalami penurunan pertumbuhan
permintaan uang riil yang besarannya cukup fluktuatif. Kondisi ini berlanjut hingga
periode-periode berikutnya bahwa fluktuasi pertumbuhan permintaan uang selalu
berada dibawah titik keseimbangan.
Dari gambar 3 tersebut juga dapat dilihat bahwa respon variabel pertumbuhan
permintaan uang riil terhadap pertumbuhan inflasi yaitu apabila ada kenaikan shock
dari variabel pertumbuhan inflasi maka akan berdampak terhadap pertumbuhan
peningkatan pertumbuhan permintaan uang yang besarannya cukup fluktuatif.
Diawali dengan penurunan pertumbuhan permintaan uang pada kuartal ke-2,
kemudian merangkak naik pada kuartal ke-3 dan menurun kembali pada kuartal
keempat. Fluktuasinya mulai nampak stabil setelah kuartal ke-8, yaitu konsisten
dibawah titik keseimbangan.
Variance Decomposition
Dari hasil analisis diketahui bahwa kontribusi shock variabel pertumbuhan
nilai tukar riil terhadap pertumbuhan permintaan uang riil mula-mula yaitu hampir 15
kali lipat pada kuartal ke-2 setelah itu mengalami penurunan sampai hanya 3,5 kali
lipat di kuartal ke-30.
Kontribusi shock variabel pertumbuhan tingkat suku bunga terhadap
pertumbuhan permintaan uang riil sebesar 6 kali lipat pada kuartal kedua, setelah itu
kontribusinya mengalami kenaikan yang signifikan sejak kuartal ketiga dengan 18
kali lipat dan terus meningkat hingga kuartal ke-30 dengan besaran 28 kali lipat.
Kontribusi shock variabel pertumbuhan pendapatan nasional riil terhadap
pertumbuhan permintaan uang riil sebesar 0,3 persen dikuartal ke-2, kemudian turun
dikuartal ke-3 dengan 0,25 persen, setelah itu kontribusinya meningkat drastis dengan
313% dikuartal ke-4.
Kontribusi shock variabel pertumbuhan inflasi terhadap pertumbuhan
permintaan uang riil mula-mula hanya sebesar 62 persen pada kuartal kedua, setelah
itu kontribusinya cenderung mengalami kenaikan sampai ke puncak tertingginya di
kuartal ke-5 dengan 128%, namun selanjutnya cenerung menurun hingga kuartal ke-
30 dengan 51%.
17
Tabel 9. Variance Decomposition dari MDR
Period S.E. D(MDR) D(ER) D(BIR) D(INC) D(INF) 1 1207.075 100.0000 0.000000 0.000000 0.000000 0.000000
2 1672.208 77.26728 14.84063 6.977625 0.292200 0.622266
3 1805.735 68.14323 12.78040 18.28777 0.251751 0.536853
4 2061.013 60.81096 13.70435 21.12470 3.137883 1.222108
5 2260.604 63.95025 11.70815 20.18649 2.870623 1.284490
6 2323.682 64.08674 11.50078 20.43805 2.739648 1.234772
7 2430.282 63.79582 10.56156 21.81156 2.687449 1.143615
8 2622.189 62.89788 9.072319 22.07520 4.882627 1.071971
9 2724.772 62.80038 8.630853 23.05234 4.523107 0.993319
10 2801.523 62.62316 8.219922 23.80530 4.368342 0.983273
11 2905.508 63.28821 7.659471 24.05357 4.083986 0.914765
12 3019.416 63.22810 7.182641 24.12921 4.588869 0.871177
13 3100.944 63.18654 6.860658 24.77051 4.353389 0.828899
14 3188.321 63.12100 6.519276 25.20877 4.332590 0.818363
15 3280.093 63.46040 6.161661 25.44078 4.163916 0.773241
16 3364.656 63.46625 5.882078 25.64672 4.252404 0.752549
17 3440.295 63.56898 5.631646 26.00764 4.069424 0.722310
18 3523.353 63.60299 5.370442 26.21488 4.105481 0.706210
19 3602.674 63.76598 5.147012 26.43168 3.979103 0.676226
20 3677.537 63.77409 4.944469 26.63679 3.981090 0.663566
21 3749.822 63.89101 4.757112 26.86271 3.848798 0.640368
22 3825.269 63.93293 4.571995 26.99745 3.871415 0.626211
23 3896.342 64.03428 4.414585 27.17400 3.771665 0.605461
24 3966.139 64.05460 4.262143 27.32916 3.758967 0.595126
25 4034.542 64.14773 4.120716 27.48645 3.667718 0.577385
26 4103.557 64.18058 3.985040 27.59787 3.670193 0.566319
27 4169.420 64.25444 3.864535 27.73681 3.593179 0.551035
28 4235.151 64.28119 3.746694 27.85079 3.579382 0.541946
29 4299.529 64.35099 3.637723 27.96898 3.513975 0.528328
30 4363.693 64.37829 3.533367 28.06361 3.505208 0.519524 Cholesky Ordering: D(MDR) D(ER) D(BIR) D(INC) D(INF)
Selanjutnya untuk mengetahui berapa perkiraan jumlah uang beredar riil pada
kuartal ketiga 2014 sampai kuartal kedua 2015, dilakukan forecasting pada model
VECM diatas. Hasil forecasting menggunakan aplikasi Eviews.6 sebagai berikut.
Tabel 10. Forecasting
obs MDR ER BIR INC INF 2014Q1 28034.13 85.72000 7.500000 614414.0 0.190000
2014Q2 29321.36 86.52000 7.500000 652296.0 0.560000
2014Q3 31146.92 80.51444 7.603537 621737.7 -0.163407
2014Q4 35222.87 76.84097 7.613590 620565.0 -0.121393
2015Q1 37246.03 76.39750 8.018109 632931.5 -0.249324
2015Q2 40058.03 71.34519 8.256178 655014.9 -0.260765
18
Gambar 4. Grafik Forecasting
Hasil forecasting menunjukan bahwa pada kuartal ke-3 Tahun 2014 tren
permintaan uang riil terus berlanjut hingga kuartal ke-2 tahun 2015 hampir
menyentuh angka 40 Trilyun Rupiah. Sedangkan tingkat nilai tukar riil juga
meneruskan tradisi penurunan tren pada kuartal ke-3 tahun 2014 sampai kuartal ke-2
tahun 2015, hingga nyaris menyentuh 70 poin, atau dengan kata lain nilai tukar rupiah
terhadap USD terus mengalami depresiasi hinggal kuartal ke-2 tahun 2015.
Tingkat suku bunga juga akan mengalami peningkatan namun tidak terlalu
tajam, pendapatan nasional riil pun demikian, tetap berfluktuasi namun trennya tetap
positif. Sedangkan tingkat inflasi justru mengalami penurunan meskipun tidak
signifikan.
0
10,000
20,000
30,000
40,000
50,000
05 06 07 08 09 10 11 12 13 14 15
MDR_0
70
80
90
100
110
05 06 07 08 09 10 11 12 13 14 15
ER_0
4
6
8
10
12
14
05 06 07 08 09 10 11 12 13 14 15
BIR_0
350,000
400,000
450,000
500,000
550,000
600,000
650,000
700,000
05 06 07 08 09 10 11 12 13 14 15
INC_0
-1
0
1
2
3
4
05 06 07 08 09 10 11 12 13 14 15
INF_0
19
VI. Kesimpulan
Dari hasil analisis dapat ditarik tiga kesimpulan sebagai berikut:
1. Respon variabel pertumbuhan Permintaan Uang terhadap pertumbuhan Nilai
Tukar adalah ketika ada shock dari kenaikkan nilai tukar maka dampaknya
terhadap pertumbuhan permintaan uang sangat fluktuatif mula-mula
mengalami kenaikan pada kuartal ke-2 kemudian turun pada kuartal 3 hingga
melewati titik keseimbangan. Kondisi ini berlanjut hingga kuartal ke 15 dan
selanjutnya masih sedikit berfluktuasi namun tidak jauh dari titik
keseimbangan. Sedangkan kontribusi shock variabel pertumbuhan nilai tukar
terhadap pertumbuhan permintaan uang mula-mula hanya sebesar 0,33 persen
pada kuartal ke-2 setelah itu mengalami kenaikan 0,63 persen pada kuartal
ketiga, kemudian cenderung meningkat sampai kuartal ke-10 sebesar 1,33
persen.
2. Kecepatan penyesuaian menuju keseimbangan di antara variabel-variabel
permintaan uang riil, pendapatan nasional, kurs, inflasi dan suku bunga
membutuhkan waktu satu sampai dua kuartal. Speed of Adjustment permintaan
uang lebih kecil dari keseluruhan koefisien masing-masing variabel. Hal ini
menunjukkan kecepatan penyesuaian permintaan uang menuju keseimbangan
jangka panjang lebih rendah dari kecepatan penyesuaian pendapatan nasional,
inflasi dan suku bunga.
3. Hasil forecasting menunjukan bahwa pada kuartal ke-3 Tahun 2014 tren
permintaan uang riil terus berlanjut hingga kuartal ke-2 tahun 2015 hampir
menyentuh angka 40 Trilyun Rupiah. Sedangkan tingkat nilai tukar riil juga
meneruskan tradisi penurunan tren pada kuartal ke-3 tahun 2014 sampai
kuartal ke-2 tahun 2015, hingga nyaris menyentuh 70 poin, atau dengan kata
lain nilai tukar rupiah terhadap USD terus mengalami depresiasi hinggal
kuartal ke-2 tahun 2015.
VII. Daftar Pustaka
Hayati, Banatul, (2006), Analisis Stabilitas Permintaan Uang dan Stabilitas Harga di
Indonesia Tahun 1989 – 2002, Magister Ilmu Ekonomi dan Studi Pembangunan,
Universitas Diponegoro.
Insukindro. 1991. Regresi Linier Lancung dalam Analisis Ekonomi: Suatu tinjauan
dengan Studi Kasus Indonesia. Jurnal Ekonomi dan Bisnis Indonesia. 18-23.
20
Kementerian Sekretariat Negara RI, (2009), Perekonomian Indonesia Tahun 2008
Tengah Krisis Keuangan Global, terdapat di http://www.setneg.go.id/, diakses
tanggal 11 Desember 2014.
Lestari, Etty Puji, (2008), Dampak Ketidakstabilan Nilai Tukar Rupiah Terhadap
Permintaan Uang M2 di Indonesia, Jurnal Ekonomi Pembangunan Vol. 9, No.
2, Desember 2008, hal. 121 – 136.
Sahabat, Imaduddin, (2009), Pengaruh Inovasi Sistem Pembayaran Terhadap
Pemintaan Uang di Indonesia, Fakultas Ekonomi Universitas Indonesia.
21
STATEMENT OF AUTHORSHIP
“Saya yang bertandatangan dibawah ini menyatakan bahwa paper terlampir adalah murni hasil pekerjaan
saya sendiri. Tidak ada pekerjaan orang lain yang saya gunakan tanpa menyebutkan sumbernya."
Materi ini tidak/belum pernah disajikan/digunakan sebagai bahan untuk paper orang lain kecuali saya
menyatakan dengan jelas bahwa saya menyatakan menggunakannya.
Saya memahami bahwa paper yang saya kumpulkan ini dapat diperbanyak dan atau dikomunikasikan untuk
tujuan mendeteksi adanya plagiarisme.”
Nama : Sastyo Aji Darmawan
NPM : 1306355422
Mata Kuliah : Ekonometrika Terapan 2
Judul Paper : Dampak ketidak stabilan nilai tukar terhadap permintaan uang di
Indonesia
Tanggal : 29 Desember 2014
Dosen : Khairunorrofiq
Salemba, 29 Desember 2014
(Sastyo Aji Darmawan)
top related